【목적】 전통적인 데이터 기반 공랭식 유닛 배압 예측이 일반적으로 공정 매개변수 사용에 중점을 두고, 핀 튜브 온도장 이미지 내에 숨겨진 열역학적 특성 정보는 거의 고려하지 않는 문제에 대해, 머신 비전과 언어 모델 혼합 심층 학습 메커니즘에 기반한 배압 예측 모델을 제안한다. 【방법】 핀 튜브 적외선 이미지와 유닛 공정 매개변수로 구성된 다중 모달 데이터에 기반하여, 합성곱 신경망(CNN), 양방향 장단기 기억 네트워크(BiLSTM), 어텐션(Attention) 메커니즘을 융합한다. 모델은 CNN을 사용하여 핀 튜브 다발 적외선 이미지의 공간 열 특성을 추출하고, BiLSTM을 사용하여 유닛 운전 매개변수의 시계열 특성을 추출하며, 어텐션 메커니즘을 통해 중요한 시간 단계 정보를 강화하여 특징 수준에서 두 가지 모달리티 정보를 융합한다. 동시에 모델의 견고성과 정확도를 향상시키기 위해 베이지안 최적화를 이용하여 신경망의 하이퍼파라미터를 조정하고, 특징 선별 및 정규화를 통해 다중 모달 데이터의 품질을 향상시킨다. 【결과】 실험 결과, 전통적인 머신러닝 및 열화상 없는 심층학습에 비해 제안된 BiLSTM+CNN+Attention 모델이 예측 정확도 및 일반화 능력에서 명확한 우위를 나타내어 배압 예측의 정확도와 실시간성을 대폭 향상시킨다. 【결론】 연구 성과는 공랭식 유닛 냉각단의 모델 예측 제어 및 다목적 운전 최적화를 위한 효과적인 온라인 모델링 솔루션을 제공한다.

공랭식 유닛; 배압 예측; BiLSTM; CNN; 어텐션 메커니즘; 다중 모달 데이터