Recently, nanostructure is being introduced to solar thermal absorber for its outstanding performance. However, nanostructure has a fabrication uncertainty causing inaccurate design and thus unexpected performance. In this study, robust design optimization (RDO) of nanostructure for solar thermal absorber is sought to resolve the uncertainty issue with two new RDO methodologies: Hessian-eigenvector dimension reduction (HeDR) method and Basis screening (BS) Kriging. Dimension reduction (DR) method is widely used for estimating statistical moments of a performance model with N-dimensional random variables as the input parameters for its computational efficiency. DR method reduces an N-dimensional integration into N decomposed 1-D numerical integrations. The decomposition deletes the effect of cross-terms and causes a falling off in the computation accuracy. However, the error can be minimized with HeDR method setting sample point pattern transformed into the directions the eigenvector of Hessian matrix indicate. Metamodeling is widely used for simulation-based design optimization for computationally heavy engineering models. The dynamic Kriging method is one of the most popular metamodeling methods due to its accuracy. BS Kriging method, an improved dynamic Kriging method seeks a promising basis function set in a more efficient way with 3 additional technical strategies: 1. Limitation of the maximum order of basis functions, 2. Estimation of the importance of basis terms, 3. Determination of the basis function using cross-validation error. Both methods will be numerically verified and utilized to obtain the robust optimal design of nanostructure for solar thermal absorption. RDO of 1-D and 2-D pattern nanostructure will be conducted with HeDR method and BS Kriging method, respectively.
니켈과 $SiO_2$ 등으로 이루어진 나노구조는 그 높은 성능으로 인해 새로운 태양열 흡수체로써 각광받고 있다. 하지만 나노 제품은 그 제조 공정상의 한계로, 필연적인 수치상의 불확실성을 가지며, 이는 제품의 성능 저하를 초래한다. 본 연구에서는 태양열 흡수체를 위한 나노구조에 강건최적설계를 도입하여 공학적 불확실성에도 불구하고 제품의 높고 강건한 성능을 유지하고자 하였다. 뿐만 아니라, Hessian-eigenvector Dimension Reduction (HeDR) 방법과 Basis Screening (BS) Kriging 방법이라는 새로운 기법들을 적용해 기존의 강건최적설계상의 계산 효율성과 정확성을 증진하였다. HeDR 방법은 입체 적분을 근사하는 dimension reduction 방법의 개선안으로, 성능함수의 Hessian 정보를 계산에 반영하여 모멘트 계산 정확성을 증진시킨다. 모멘트 계산 정확성은 최적화 수렴에 직결되므로, 더욱 정확한 강건최적설계를 얻을 수 있다. BS Kriging 방법은 대리 모델 생성 기법인 Kriging 기법의 개선안으로, 최고 차수 지정, 기저 함수 중요도 평가, 최종 기저함수 집합 결정을 통하여 적은 샘플로도 보다 정확한 대리 모델을 만드는 방법이다. 정확한 대리 모델은 대리 모델 기반 최적화의 정확성에 직결되므로, 역시 개선된 강건최적설계를 얻을 수 있다. HeDR 방법과 BS Kriging 방법의 정확성과 효율성을 검증하고, 1차원 및 2차원 나노구조에 적용하여 개선된 강건최적설계를 얻을 수 있었다. 개선된 1차원 나노구조의 강건최적설계를 통한 태양열 에너지 발전방식 전체의 효율 상승을 확인하였으며, 2차원 나노구조의 Pareto frontier 또한 확인하였다.
