이 연구실은 전력전자 변환기, 멀티레벨 인버터, 병렬 인버터, 스마트 인버터 등 다양한 전력변환 시스템의 설계와 제어를 핵심 연구축으로 삼고 있다. 연구 대상은 산업용 인버터, 계통연계형 전력변환 장치, 고전력 구동 시스템, 분산전원 연계 장치까지 폭넓게 확장되며, 고효율·고신뢰성·고전력밀도를 동시에 만족시키는 차세대 전력기기 구현을 목표로 한다. 특히 2레벨, 3레벨, ANPC, NPC, Vienna 정류기 등 다양한 토폴로지에 대한 해석과 실험 검증을 지속적으로 수행해 온 점이 특징적이다. 세부적으로는 스위칭 손실 저감, 중성점 전압 평형, 누설전류 및 순환전류 억제, DC-link 리플 저감, 고조파 저감, 필터 설계, PWM 및 공간벡터변조 최적화 등 실제 시스템 성능을 좌우하는 문제들을 집중적으로 다룬다. 연구실의 논문과 특허, 학술발표에서는 병렬 3레벨 인버터의 순환전류 저감, 이중 병렬 3레벨 인버터의 누설전류 감소, 스마트 PCS 상용화, 고효율 전력변환 기반 전력기기 개발과 같은 주제가 반복적으로 나타난다. 이는 회로 토폴로지와 제어 알고리즘을 통합적으로 다루는 실용 지향형 연구 역량을 보여준다. 또한 최근에는 WBG 전력반도체(SiC, GaN)를 활용한 고주파·고효율 인버터 시스템, 긴 케이블 환경에서의 과전압 문제, 고압 능동 전력기기, 통합 전력변환 시스템 등으로 연구 범위가 확대되고 있다. 이 연구는 재생에너지 연계, 산업용 구동, 전동화 시스템, 차세대 전력기기 플랫폼으로 연결될 수 있으며, 향후 전력변환 장치의 소형화·지능화·신뢰성 향상에 직접적으로 기여할 수 있는 기반 기술로 평가된다.

이 연구실의 또 다른 중심 분야는 영구자석 동기전동기(PMSM, IPMSM, SPMSM)를 포함한 전동기 구동 시스템의 고성능 제어이다. 전동기제어는 연구실의 대표 키워드이자 다수의 저서와 논문으로 축적된 핵심 전문성으로, 고속 응답, 정밀 속도제어, 토크 리플 저감, 약계자 운전, 센서리스 구동, 병렬 전동기 동기화 등 실제 구동 성능을 향상시키는 문제를 다룬다. 특히 단일 인버터 기반 듀얼 병렬 PMSM 구동 시스템, 개방 권선형 전동기 구동, 서보 드라이브 응용 등 응용 범위가 넓다. 제어 방법 측면에서는 FOC, DTC, 직접자속제어, 모델예측제어(MPC), 반복학습제어(ILC), 능동댐핑 제어, 관측기 기반 센서리스 제어, MTPA 제어 등 고급 제어기법을 적극적으로 활용한다. 최근 발표된 논문에서는 멀티레벨 인버터 구동 PMSM에 대해 FOC와 MPC를 결합한 하이브리드 제어, 3레벨 NPC 인버터 기반 PMSM의 DC-link 밸런싱을 포함한 반복학습제어, 속도 서보용 외란관측기 기반 필터링 기법 등이 제시되었다. 이는 정적 상태 성능뿐 아니라 과도응답, 연산량, 구현 용이성까지 고려한 실험 중심 연구라는 점에서 강점이 있다. 이러한 연구는 산업용 서보 시스템, 전기차 구동, 철도 추진, 고효율 산업 모터, 풍력발전용 발전기 구동 등으로 확장 가능하다. 특히 병렬 전동기 구동과 단일 인버터 기반 다중 모터 제어는 시스템 비용 절감과 구조 단순화 측면에서 산업적 가치가 높다. 따라서 이 연구실의 전동기 구동 연구는 단순한 제어 이론을 넘어, 실제 전력변환 하드웨어와 결합된 고신뢰성 전동화 플랫폼 기술로 이어지는 응용성이 매우 높다.

최근 연구실은 전통적인 전력전자 및 전동기제어 분야에 머신러닝과 딥러닝을 융합하는 연구를 활발히 전개하고 있다. 대표적으로 전력전자 분야에 머신러닝을 통합한 저서와 함께, 멀티레벨 인버터 및 PMSM 구동 시스템에서 인공지능을 활용한 제어 최적화와 고장진단 기술을 연구하고 있다. 이는 기존 모델 기반 기법이 가지는 파라미터 민감도와 복잡한 튜닝 문제를 줄이고, 데이터 기반 방식으로 빠른 판단과 높은 강건성을 확보하려는 흐름과 맞닿아 있다. 세부 연구로는 퍼지 로직과 인공신경망을 결합한 하이브리드 모델예측제어, 단층 또는 심층 신경망을 이용한 전압 벡터 선택, Vienna 정류기 및 멀티레벨 인버터의 고장진단, 설명가능 인공지능 기반 결함 분류 등이 확인된다. 특히 Explainable Deep Learning Fault Detection 연구에서는 CNN 기반 진단 성능뿐 아니라 Grad-CAM을 통해 고장 판별 근거를 시각화함으로써, 블랙박스 문제를 완화하고 실제 산업 적용 가능성을 높였다. 또한 SHAP, LIME 등 설명가능성 기법을 접목한 학회 발표들도 연구 방향의 일관성을 보여준다. 이 분야는 향후 스마트 인버터, 예지보전, 자율 튜닝형 드라이브, 이상상태 조기 검출 시스템으로 발전할 가능성이 크다. 전력전자 시스템은 고장 발생 시 설비 손상과 안전 문제로 직결되기 때문에, 정확도뿐 아니라 신뢰 가능한 해석이 중요하다. 따라서 이 연구실의 AI 융합 연구는 단순히 알고리즘 성능 경쟁에 머무르지 않고, 산업 현장에서 실제로 사용할 수 있는 설명가능하고 견고한 지능형 전력변환 시스템을 만드는 방향으로 의미가 크다.

이 연구실은 전력변환 장치의 장기 운전 안정성과 보호 성능을 높이기 위한 신뢰성 향상 기술도 중점적으로 다루고 있다. 관련 저서로는 전력변환기 신뢰성 향상 기술, 3레벨 컨버터 신뢰성 향상 기술 등이 있으며, 최근 과제에서도 신뢰성 향상을 고려한 WBG 기반 인버터와 병렬 IPMSM 구동 시스템 설계가 핵심 목표로 제시되어 있다. 이는 단순 효율 향상을 넘어 열, 전압 스트레스, 스위칭 특성, 부품 수명 등 실제 시스템 수명과 직결되는 요소를 포괄적으로 다룬다는 의미다. 특히 최근 연구에서는 SiC 인버터 환경에서의 dv/dt 문제, 긴 전송선로와 케이블 모델링에 따른 전압 반사, 모터 단자 과전압, 더블 펄싱 효과, 전력반도체 접합온도 상승, DC-link 커패시터 열 스트레스 등을 세밀하게 분석하고 있다. 등록 특허에서도 모터 과전압 회피 제어, 반사파 진동의 안전 영역 기반 스위칭 제어, 하이브리드 DC 차단기 기술 등이 제시되어 있어, 고속 스위칭 시대에 필요한 보호 및 안정화 기술 축적이 두드러진다. 필터 설계와 소프트웨어 기반 억제 기법을 함께 연구하는 점도 특징이다. 이러한 연구는 WBG 전력반도체의 보급이 확대될수록 더욱 중요해진다. SiC와 GaN 기반 시스템은 고효율과 고주파 구동이 가능하지만, 동시에 과전압, EMI, 열집중, 절연 스트레스와 같은 새로운 문제를 유발할 수 있다. 따라서 본 연구실의 신뢰성 및 보호 연구는 차세대 고성능 인버터, 산업용 모터 드라이브, 전기차 구동, 재생에너지 변환 시스템의 안전성과 수명을 보장하는 핵심 기반기술로서 높은 파급력을 가진다.