Bayesian Hyperparameter Optimization-Based Surrogate Modeling and Design Optimization of Wave Energy Converters

최근 재생에너지 기반 지속가능한 발전기술의 중요성이 커지고 있다. 이 중 파도는 높은 에너지 밀도를 가지나 지역·계절적 변화에 따라 변동성이 크며, 파력발전시스템 적지 선정에 활용되는 유한요소해석(finite element method) 기반 시뮬레이션은 계산 비용이 높아 신속한 의사결정이 제한된다. 이를 극복하고자 본 연구에서는 파력발전장치의 발전량 예측을 위해 가우시안 프로세스 회귀(Gaussian process regression) 대리모델을 구축하고, 베이지안 최적화(Bayesian optimization)을 이용해 하이퍼파라미터를 최적화하여 성능을 개선하였다. 또한, 해당 대리모델에 유전 알고리즘(genetic algorithm)을 적용하여 국내 주요 환경 조건에서의 최적 설계안을 탐색하였다. 이로써, 제안된 방법론의 효과성을 실험적으로 입증하였고 이는 해양에너지 조기 상업화 촉진에 기여할 것이다.