미국, 유럽, 일본에 소재한 선진사를 중심으로 전력변환시스템의 초고효율화 구현을 위한, 즉 낮은 도통 손실, 고온 동작 등의 장점이 있는 Wide Band Gap(WBG) 전력반도체를 적용한(초고효율화 구현을 위한) 전력변환시스템의 연구 개발이 활발히 전개되고 있다. 이에 부응하기 위하여 “통합형 최적 설계 플랫폼 기반 초고효율 전력변환시스템 개발”을 위한 산업통상자원부 정부 과제가 진행되고 있다. 과제의 주관 기관은 한국전자기술연구원이고, 다수의 연구 기관, 학계, 수요 기업, 부품 공급업체, 기술 공급업체가 참여하고 있다.

㈜피도텍은 디지털 변환 기술 구현을 위한 기술 중 다분야 통합 최적 설계 기술과 인공지능(Artificial Intelligence : AI) 기술을 제공하는 소프트웨어 개발 회사로서, 과제에 포함된 초고효율 전력변환시스템을 위한 다분야 통합 최적 설계 기술을 제공하고 있다. 본고에서는 그중 하나인 500kW급 SiC 기반 무정전 전원 장치(UPS)의 핵심 부품인 정류기 시스템의 다분야 통합 최적 설계 사례를 소개한다.

1. 서론

초고효율 전력변환시스템을 포함한(산업 제품 설계를 위한) 공학 설계는 [그림 1]과 같이 세 단계로 이루어진다. 단계 1은 설계 요구 사항들을 정량화하고 설계 변수들을 선정하는 ‘설계 문제 정식화’이고, 단계 2는 주어진 하나의 설계안에 상응하는 성능 지숫값들을 산출하는 ‘해석 절차 정립’이며, 단계 3은 산업 제품 설계 결과를 구하기 위한 ‘설계 절차 정립’이다. ‘설계 문제 정식화’는 설계 대상 제품에 정통한 산업체 엔지니어에 의해 결정되고, ‘해석 절차 정립’은 실험 또는 회로 해석 및 열 해석을 포함한 CAE 시뮬레이션을 활용하는 절차로 구성되며, ‘설계 절차 정립’은 기존 수동 설계 절차 또는 최적 설계 절차를 이용하여 정립된다.

본고에서는 두 개의 실제 사례를 소개하는데, 세 단계를 단계별로 제시한다. 본고의 2절에서는 다분야 통합 최적 설계 절차의 기반이 되는 최적 설계 절차를 기존 수동 설계 절차 대비하여 제시한다. 그리고 최적 설계 절차 적용의 우수성을 전동기 설계 사례를 통하여 소개한다. 3절에서는 여러 해석을 통하여 도출되는 성능 분야들을 동시에 고려하여 설계해야 하는 다분야 통합 설계를 위한 기존 절차 대비 최신 절차의 우수성을 소개한다. 그런데 최신 절차를 제대로 수행하려면 공학 설계에 대한 많은 전문 지식이 있어야 하므로, 전문 지식이 부족한 산업체 엔지니어가 최신 절차를 수행하는 데 어려움이 있다. 4절에서는 어려움을 극복하기 위하여 개발된 ‘AI 지원 최적 설계(AI-Aided Design Optimization ; AADO)’ 기술[1]을 소개한다. 이 AADO 기술은 최신 절차에 대한 전문 지식을 캡슐화하여 자율적으로 자동 수행되는 모듈들로 구현함으로써, 전문 지식이 부족하여도 쉽게 최신 절차를 수행할 수 있는 ‘최적 설계 대중화’ 기술이다. 그리고 AADO 기술을 구현한 소프트웨어인 ‘AIDesigner sim’을 적용하여 500kW급 UPS 정류기 시스템의 다분야 통합 최적 설계 결과를 성공적으로 얻은 사례를 제시한다. 그리고 5절에 결론을 기술한다.

2. 기존 수동 설계 절차 대비
최적 설계 절차

[그림 2]는 기존 수동 설계 절차와 최적 설계 절차를 대비하여 보여준다. 차이는 2가지이다.

첫째는 설계 요구 사항을 모두 만족하지 않는 경우, 기존 절차는 설계자의 노하우에만 의존하여 수동 프로세스로 설곗값들을 변경하는 반면, 최신 절차는 최적 설계 기법을 이용하여 자동 프로세스로 설곗값들을 변경한다. 즉, 설계 개선을 위한 설계 변경안을 자동으로 주는 최적 설계 기법을 사용하여 자동 설계가 가능해진다.

둘째는 설계 결과의 차이다. 기존 절차는 적정 설계 결과를 얻는데 그친 반면, 최신 절차는 최적 설계 결과를 얻는다는 점이다. 따라서 최적 설계 절차를 적용하면, 기존 수동 설계 절차 대비 우수한 설계 결과를 효율적으로 확보할 수 있다. 최적 설계 절차를 적용한 제품 설계 사례는 많은데, 본고는 전기 자동차용 구동 모터인 Permanent magnet synchronous motor(PMSM) 설계 사례[2]를 간략히 소개한다. [그림 3]에 PMSM 초기 설계안의 1/4 모델을 도시하였다. 그림에 있는 DV1, DV2, DV3, DV4, DV5는 각각 Barrier length, Rib thickness, Teeth width, Teeth thickness, Barrier gap이다. 설계 변수로는 DV1-DV5의 변화량을 설정하였으며, x1-x5로 표기하였다. 설계 단계 1인 PMSM 설계 문제 정식화 결과를 [표 1]에 제시하였다. 성능 향상 요구 사항인 ‘목적함수’로 Demagnetization rate 최소화와 Average torque 최대화를, 성능 만족 요구 사항인 ‘구속 조건’으로 효율이 91.55% 이상일 것과 Torque ripple이 10% 이하일 것으로 설정하였다. 그리고 성능에 영향을 미치면서 설계자가 바꿀 수 있는 ‘설계 변수’ 5개를 선정하고, 설계 변수의 하한 및 상한값을 설정하였다. 설계 단계 2인 해석 절차 정립에서는 성능 해석을 위하여 상용 FEA 소프트웨어인 Maxwell을 사용하였다. 일회 성능 해석 시간이 오래 걸리므로 합리적인 시간 내에 최적 설계 결과를 얻기 위하여, [그림 2]의 ‘성능 평가’를 위하여 ‘CAE 해석’ 대신 ‘메타모델 해석’을 이용하였다. 메타모델 생성 기법은 공학 설계를 위해 중요한 기술이나, 본고에서 제시하려는 다분야 통합 최적 설계 기술 소개가 우선이어서 메타모델 생성 기법에 대한 소개는 생략한다. 설계 단계 3인 설계 절차 정립에서는 최적 설계 기법으로 다중 목적함수 최적화 기법을 선정하였다. 그리고 [그림 2]에 제시한 최적 설계 절차를 자동 수행하기 위해 다양한 공학 설계 기법을 탑재한 상용 최적 설계 소프트웨어인 PIAnO[3]을 사용하였다. 다중 목적함수 최적화 문제는 많은 최적 해를 가지는데, 이 중 목적함수인 Average torque의 중요도를 Demagnetization rate의 아홉 배로 설정한 경우 최적 설계 결과는 [표 2]와 같다. 또한 이 결과로부터 2개의 구속 조건을 모두가 만족하며, 초기 설계 대비 Demagnetization rate는 6.397%에서 3.729%로 2.668% 감소하고, Average torque는 60.936에서 63.648로 증가하여 4.45% 향상시킨 최적의 설계 변수값들을 구할 수 있었다. 이 PMSM 설계를 [그림 2]의 기존 수동 설계 절차를 사용하여 수행하는 것 대비 최적 설계 절차를 이용하여 우수한 최적 설계 결과를 효율적으로 구했음을 알 수 있다.

3. 다분야 통합 설계를 위해 사용하는
기존 절차 대비 최신 절차의 우수성

제품 설계 문제는 여러 해석을 통하여 도출되는 성능 분야들을 함께 고려하여 설계해야 하는 다분야 통합 설계 문제이다. 전력변환시스템 설계의 경우에도 회로 해석을 통하여 얻는 ‘회로 성능’ 분야와 열 해석을 통하여 얻는 ‘온도 성능’ 분야를 동시에 고려하여 설계하여야 한다. 설계 문제의 해를 구하기 위하여 기존에는 설계자가 노하우에 의해 결정한 성능 분야의 중요도에 따라 순차적으로 설계하는 절차를 사용해 왔다. 기존 순차적 절차의 한계는 뒤에 고려하는 성능 분야에 대한 설계 요구 사항을 충분히 만족시킬 수 없다는 것이다. 보다 중요한 분야의 성능을 만족시키기 위해 이미 결정한 설계 변수들을 고정하므로, 설계 변수들이 뒤에 고려하는 분야의 성능에 영향을 많이 미쳐도 값을 변경할 수 없기 때문이다. 즉, 설계 자유도가 부족하기 때문이다. 이를 해결하기 위하여 최근에는 여러 성능 분야를 동시에 고려하여 설계하는 ‘다분야 통합 최적 설계’(Multidisciplinary Design Optimization : MDO) 절차가 활발히 사용되고 있다. [그림 4]는 다분야 통합 설계를 요구하는 사례로, 차체 설계를 위한 기존 절차와 최신 절차를 대비하여 보여준다. 차체는 충돌 안전 성능, 진동 소음 성능 그리고 내구 성능에 대한 설계 요구 사항들을 동시에 만족하도록 설계되어야 한다. 기존 절차에서는 설계자가 노하우에 의해 결정한 중요도에 따라 충돌 안전 성능, 진동 소음 성능, 내구 성능 순으로 설계를 수행하였다. 반면, 그림 하단에 있는 최신 MDO 절차에서는 세 분야의 성능들을 동시에 고려하여 최적의 설계 변수값을 결정한다. 예를 들면, 충돌 안전 성능과 진동 소음 성능에 모두 영향을 미치는 설계 변수값은 두 성능 분야에 대한 설계 요구 사항을 동시에 고려하여 최적으로 결정된다. 최근 컴퓨터 하드웨어와 공학 설계 소프트웨어의 발전으로 최신 절차를 수행하는 것이 가능하다. 따라서 주요 분야 순으로 순차적 설계를 수행하는 기존 절차 대신, 모든 분야의 상충성을 고려하여 통합적으로 최적의 해를 도출하는 최신 MDO 절차를 적극 활용하여 제품 설계 경쟁력을 높여야 한다.

전력변환시스템의 다분야 통합 설계 사례로 [그림 5]에 도시한 500kW급 SiC 기반 UPS 정류기 시스템 설계 사례를 제시한다. [그림 5]에서 파란 윤곽선으로 표시한 부분이 6개의 SiC 소자 모듈이고, 소자 모듈 위에 아래 왼쪽에 있는 방열판이 위치한다. UPS를 제조하는 산업체에서 정의한 ‘설계 문제 정식화’ 결과는 [표 3]과 같다. 즉 9개의 구속 조건들을 만족하면서 목적함수를 최소화하는 9개의 설계 변수값을 하한과 상한 내에서 구하는 문제이다. 설계 단계 2인 ‘해석 절차 정립’ 결과는 [그림 6]과 같다. 회로 해석을 위하여 상용 소프트웨어인 ‘PSIM’과 리액터 해석을 위한 ‘수식 모델’을 사용하고, 방열판 열 해석을 위하여 상용 소프트웨어인 ‘Icepak’을 사용한다. 그림 위쪽에 있는 회로 설계 변수 4개와 방열판 형상 설계 변수 5개의 값을 정하면, 즉 하나의 설계안이 주어지면 가운데 표기한 해석 프로그램 3개를 이용해 아래쪽에 있는 성능 지수 10개의 값을 산출한다. 성능 지수 중 [표 3]에 명시한 목적 함수 1개와 구속 조건 9개에 포함된 성능 지수 9개는 맨 아래 회색 네모 안에 표기하였다. 회색 네모 바로 위에 표기한 보라색 네모 안에 표기한 3개의 성능 지수는 회색 네모 안에 표기한 성능 지숫값들을 구하기 위하여 중간 변수로 사용되는 것이다. [그림 6]의 해석 절차를 살펴보면 ‘Coupling Parameter’가 2개 있다. PSIM의 입력으로 회로 설계 변수 4개의 값과 ‘SiC 소자 Junction 온도’ 값이 주어져야 한다. 그런데 ‘SiC 소자 Junction 온도’ 값은 Icepak을 이용한 열 해석 결과로 산출된다. 또한 Icepak의 입력으로 방열판 형상 설계 변수 5개의 값과 PSIM을 이용하여 산출한 ‘SiC 소자 손실’ 값이 주어져야 한다. 따라서 9개의 설계 변수값이 주어지면, PSIM과 Icepak을 반복적으로 실행시켜 수렴된 성능 지숫값을 얻는 ‘다분야 통합 해석’을 수행하여야 한다. PSIM의 1회 해석 시간은 2분 정도이나, Icepak의 1회 해석 시간은 약 40분이므로, 다분야 통합 해석 결과를 얻는데 오랜 시간이 걸린다. 따라서, 2절에 제시한 PMSM 설계 사례와 같이 메타모델들을 이용하여 MDO를 수행하여야 한다. 성능 지수의 정확한 메타모델을 효율적으로 생성하는 것은 공학 설계의 중요한 기술 중 하나이며, 이 기술은 다음 절에 소개하는 AADO 기술에 포함되었다. 정류기 시스템 설계 사례의 경우 10개의 성능 지수들의 메타모델들을 생성한 결과는 다음 절에 기술한다.

4. AI-Aided Design Optimization 기술

2절과 3절에 기술한 최적 설계 및 MDO를 포함한 공학 설계 절차를 올바로 수행하여 신뢰성 있는 제품 설계 결과를 얻으려면, 공학 설계에 대한 폭넓은 지식을 습득해야 한다. 그런데 전문적이며 방대한 지식은 단기간 교육을 통해 얻을 수 없다. 따라서, 공학 설계에 대한 전문 지식이 부족한 산업체 엔지니어도 쉽게 사용하여 신뢰성 있는 최적 설계 결과를 얻을 수 있는 최적 설계 ‘대중화 기술’이 꼭 필요하다. 대중화(Democratization) 기술은 비전문가도 전문가처럼 결과를 도출할 수 있고, 그 결과로부터 필요한 인사이트를 얻을 수 있으며, 데이터 처리 및 분석, AI 모델 생성 등을 위한 대중화 기술이 개발되고 있다.

본고에서 소개하는 ‘최적 설계 대중화’ 기술은 2가지를 제공한다. 첫째, 널리 활용되는 공학 설계 Best practice 절차를 ‘자율적으로 자동 수행’하여 최적 설계 또는 MDO 결과를 제공한다. 둘째, 획득한 설계 결과 데이터를 사용하여 인사이트를 얻을 수 있도록 데이터 스토리텔링 방법을 적용한 최적 설계 또는 MDO 결과 보고서를 ‘자동 생성’하여 제공한다. 이 기술을 개발하기 위하여 AI를 포함한 최신 기술들을 효과적으로 활용하였고, AADO 기술[4]로 명명하였다. 기술은 4개의 핵심 모듈로 구성되어 있다. (1) 모든 성능 지수를 균형 있게 고려하여 주요 설계 변수들을 판별하는 Well-balanced screening 모듈과 (2) 정확한 예측모델을 자율적으로 자동 생성하는 Autonomous metamodeling 모듈과 (3) 적합한 최적화 기법을 자율적으로 선정하는 Rule-based optimizer 모듈 그리고 (4) Data storytelling 방법을 활용하여 산업체 엔지니어 관점에서의 최적 설계 또는 MDO 결과 보고서를 자동으로 생성하는 D AVIS(Data Analysis, Visualization and Interactive Storytelling) 모듈이다. AADO 기술의 개요를 [그림 7]에 도시하였다. 1절에 기술한 바와 같이 산업 제품 설계를 하려면 먼저 ‘설계 문제 정식화’와 ‘해석 절차 정립’을 하는데, 이들은 제품별로 다르고 설계하고자 하는 제품에 정통한 산업체 전문가가 수행하여야 한다. 전문가가 수행한 ‘Formulation’(설계 문제 정식화)과 ‘Simulation’ OR ‘Labeled Data’(해석 절차 정립)를 [그림 7]의 왼쪽 위에 표기하였다. 이러한 입력이 주어지면, ‘Intelligent autonomous automatic tool’인 AADO 기술의 핵심 모듈이 자율적으로 자동 수행되어 최적 설계 또는 MDO 결과를 얻고, 최적 설계 또는 MDO 결과 보고서인 DAVIS를 제공함으로써 산업체 엔지니어가 인사이트를 얻을 수 있다.

또 AADO 기술을 구현한 2개의 소프트웨어를 개발하였다. 해석 절차 정립의 결과로 ‘Simulation’ 모델을 제공하는 경우에 사용하는 소프트웨어는 ‘AI Designer sim’으로(해석 절차 정립의 결과로) ‘Labeled Data’를 제공하는 경우에 사용하는 소프트웨어는 ‘AIDesigner tab’으로 각각 명명하였다. 여기에서는 3절에 기술한 500 kW급 SiC 기반 UPS 정류기 시스템의 다분야 통합 설계 문제의 해를 ‘AIDesigner sim’을 이용하여 얻은 MDO 결과를 제시한다. ‘Well-balanced screening 모듈’을 이용한 결과를 [그림 8]에 도시하였다. 총 9개의 성능 지수들을 균형 있게 고려하여 주요 설계 변수들을 판별한 결과를 그림의 가장 오른쪽에 표기한 누적 합의 평균이 90%의 영향을 미치는 설계 변수까지 선택하였다. 9개의 설계 변수 중 7개가 주요 설계 변수로 선정되고, ‘DC 전압’(Vdc)과 ‘출력 필터 C값’(cf)은 이후의 최적설계 과정에서는 제외되며 초깃값으로 고정된다. 이로써 이후의 최적 설계를 보다 효율적으로 수행할 수 있다. ‘Autonomous metamodeling 모듈’을 이용한 결과를 [표 4]에 나열하였다. [표 4]에서 볼 수 있는 바와 같이, 8개 성능 지수의 메타모델 오차율이 0.1~ 8.4%로 목표 오차율 10.0% 미만의 값을 가진 8개의 메타모델들을 성공적으로 생성하였다. [표 3]에 정식화한 설계 요구 사항에 포함된 9개 성능 지수 중
‘방열판 부피’와 ‘정류기 시스템 효율’은 짧은 시간에 산출될 수 있으므로 메타모델은 생성하지 않고 산출된 정확한 값을 그대로 사용하였다. ‘Rule-based optimizer 모듈’을 실행하여 얻은 MDO 결과를 [표 5]에 표기하였다. [표 5]에서 볼 수 있는 바와 같이 9개의 회로 성능 및 온도 구속 조건들을 모두 만족하면서 목적함수인 방열판 부피를 36.1% 줄인 주요 설계 변수 7개의 최적값을 하한과 상한 범위 내에서 구한 MDO 결과를 성공적으로 얻었다.

5. 결 론

본고에서는 산업체에서 사용할 수 있는 ‘제품 최적 설계’ 기술을 소개하였다. 2절에서는 산업체 엔지니어의 노하우에만 의존하는 기존 수동 설계 절차 대신 최신 설계 기술들을 활용하는 최적 설계 절차를 이용할 때의 장점을 기술하였고, 전동기 최적 설계 사례를 들어 그 우수성을 증명했다. 3절에서는 여러 해석을 통하여 도출되는(다양한 성능 분야를 동시에 고려하여 설계하는) 다분야 통합 설계 문제의 경우, 주요 성능 순으로 순차적 설계를 수행하고 기존 절차 대신 모든 분야의 상충성을 동시에 고려하여 통합적으로 최적의 해를 도출하는 최신 MDO 절차의 장점을 기술하였고, 다분야 통합 설계 사례로서 500kW급 UPS 정류기 시스템의 ‘설계 문제 정식화’와 ‘다분야 통합 해석 절차 정립’ 결과를 기술하였다. 4절에서는 공학 설계에 대한 전문 지식이 부족한 산업체 엔지니어도 쉽게 사용하여 신뢰성 있는 최적 설계 결과를 얻을 수 있는 AADO 기술과 이 기술을 구현한 소프트웨어들을 소개하였다. 그리고 소프트웨어 중 하나인 ‘AIDesigner sim’을 적용하여 500kW급 UPS 정류기 시스템의 MDO 결과를 제시함으로 AADO 기술의 유용성을 보였다. 본고의 저자들은 전력변환시스템 설계를 수행하는 산업체 엔지니어들이 AADO 기술을 활용하여 경쟁력 있는 제품 설계 결과를 얻기를 고대한다.

(감사의 글) 500kW급 UPS 정류기 시스템의 ‘설계 문제 정식화’와 회로 해석을 위한 ‘PSIM 모델’을 제공해 주신 ㈜국제통신공업의 이동주 연구소장님과 ‘Icepak 모델’을 제공해 주신 ‘태성에스엔이’의 열 해석 전문가 김준형 프로에게 감사드린다.

dhchoi@pidotech.com/ blchoi@pidotech.com/ mhjstrike@pidotech.com 

<참고문헌>

[1] B.-L. Choi, Y. Lee, J.M. Min, D.-H. Choi, 2023, “Designer-oriented AI-aided design optimization,” NAFEMS World Congress 2023, May 15-18, Tampa, Florida, USA.
[2] Yong-min Yoo and Keun-young Yoon, 2021,
“Multi-Objective Optimization of Permanent Magnet Synchronous Motor for Electric Vehicle Considering Demagnetization,” Applied Sciences, 11, 2159
[3] PIAnO User’s Manuals and Tutorials, 2019, PIDOTECH Inc., Seoul, Korea.
[4] “AI-Aided Design Optimization을 활용한 산업제품
최적설계 대중화” e-book, 2024, PIDOTECH Inc., Seoul, Korea.