본 연구에서는 침지 냉각을 적용한 24S24P 10 kWh 원통형 리튬이온 배터리 모듈의 흡입부 천공 분배판(inlet perforated distributor plate)에 대해 인공신경망(ANN) 기반 다목적 최적화 프레임워크를 개발하였다. Computational Fluid Dynamics(전산유체역학, CFD)와 결합된 Newman, Tiedeman, Gu 및 Kim의 NTGK-CFD 모델을 사용하여 홀 크기 A(mm), 홀 간격 ΔH(mm), 냉각수 질량유량 Vin(kg/s) 등 입력 변수들을 변화시켜 대칭적으로 설계된 공간을 생성하였다. 3수준 전요인(full factorial) 설계를 통해 27개의 사례를 생성한 후, CFD 시뮬레이션을 수행하여 ANN 모델의 학습 데이터를 제공하고, 출력 변수(최대온도 Tmax, 최대온도차 ΔTmax, 압력강하 ΔP)를 예측하도록 하였다. 그 결과, ANN 모델은 상관계수 R이 세 출력 변수 모두에 대해 0.997로 높은 정밀도를 보이며, 침지 냉각된 배터리 모듈의 열-유동 거동을 재현할 수 있는 신뢰할 수 있는 예측 모델을 제공하는 것으로 나타났다. 또한 파레토(Pareto) 기반 최적화는 냉각 효율과 펌핑 동력을 균형 있게 달성하는 설계를 제시하였다. 선택된 최적해는 Tmax를 최적 범위인 37.97 °C 이내로 유지하면서 ΔP를 최대 44%까지 감소시켜, EV에서 대규모 배터리 모듈 열 관리에 대한 실용적인 해법을 제공한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.