열전발전 시스템의 발전최적화를 위한 인공지능 하베스팅 시스템

키워드

확장요약문

본 연구에서는 직렬 열전발전 (Thermoelectric Generator, TEG)시스템에서 발생하는 발전소자의 결함을 조기에 검출하고 이상 위치를 판별하기 위한 최적화 진단방법을 제시한다. TEG 기반의 직렬 구성은 높은 발전 전압 확보에 유리하지만, 국부적인 고저항이나 단선은 동일 전류경로를 공유하는 전체 스트링 출력을 저하시킬 수 있다. 따라서 직렬구조의 안정적 운용을 위해서는 고장 발생 초기에 이상 여부와 위치를 판별할 수 있는 상태진단이 필요하다.

열전소자의 고장은 내부 반도체 소자의 고장으로 인한 고저항 발생을 야기하며, 이는 내부저항의 변화로 인한 위치추적과 함께 결함의 검출 및 위치 판별 가능성을 확인하기 위해 2 Layer× 3 Module LED Indicator 진단회로를 구성하였다. 각 층의 3 개 LED 는 직렬로 구성하였으며, 선택한 모듈에 1 kΩ 의 직렬저항을 삽입하여 고저항 상태를 모사하였다. 이후 분기 전류와 각 모듈의 전압을 측정하고 정상상태 측정값을 기준으로 전류 변화율 DI = 1 - If / I0과 국부 전압 변화율 DV,i = |Vi,f - Vi,0| / |Vi,0|을 계산하여 이상 여부와 고장 후보 위치를 판별하도록 구성했다.

기존 7 층 84 직렬 TEG 에서는 층별 등가저항에서 일정한 편차가 관찰되었으며, 이는 모듈 특성뿐 아니라 배선 및 접촉 상태의 영향을 포함할 수 있다. 따라서 고저항 결함 판별에는 각 위치의 정상상태 대비 전기적 변화량을 이용하고, 공통 스트링 전류와 국부 전압을 함께 계측하고 스스로 결함이 있는 열전소자를 검출하고 Bypass 하여 건강한 상태의 열전소자와 연계하는 인공지능 기반 진단구조를 제안하였다.