CNN 모델을 이용한 익형 형상의 압력장 예측

Abstract

풍력터빈의 높은 효율을 위해서는 공기역학적 설계가 필요하다. 이를 위해 터빈 블레이드를 이루는 익형에 대한 연구가 지속되어왔다. 익형은 대칭형과 비대칭형으로 나뉘는데, 비대칭형 익형이 대칭형 익형보다 양항비가 높다는 장점이 있어 풍력터빈에서는 비대칭형 익형을 사용한다. 하나의 터빈 블레이드는 여러 형상의 익형으로 구성되어, 풍력터빈 설계 및 성능 향상을 위해서는 다양한 익형에 대한 공기역학 데이터가 필요하다. 본 연구에서는 익형의 2차원 형상에 대한 유동을 수치해석하고, 압력장을 추출하여 데이터를 구축하였다. S809, S822, SD7062의 3가지 익형과 13개의 레이놀즈 수에 대해 410000~1300000 사이의 데이터, -13.5~19.5 각도의 범위에서 0.25도씩 133개에 대해서 총 5187개의 데이터를 구축하였다. 이 데이터들을 기반으로 합성곱신경망(CNN)을 활용하여 새로운 익형 형상에서의 압력장을 예측하는 연구를 진행하였다. 이 연구를 진행하기 위해 VGG16과 U-Net을 결합한 신경망 모델을 제안하였다. 그 결과 새로운 형상에서도 0.04% 이내의 오차로 압력장을 정확하게 예측하였으며, 전체 데이터 해석 및 예측 시간을 비교하였을 때, 전산유체해석을 이용한 해석보다 인공지능이 예측한 시간이 216배 이상 빠른 속도를 보였다.