천연가스(NG) 차량용 저장 기술에서 압축천연가스(CNG, ~20 MPa)는 높은 압축 비용과 무거운 탱크 문제가 있습니다. 흡착천연가스(ANG, 3.5~4 MPa)는 활성탄을 이용해 저압 저장이 가능하지만, 고속 충전 시 흡착열로 온도가 최대 ~120°C까지 상승하여 흡착 효율이 크게 저하됩니다. 기존 CFD/FVM 방법은 매 조건마다 격자 생성과 반복 계산이 필요해 실시간 제어 및 최적화에 활용이 불가능합니다.
Physics-Informed Neural Network(PINN)을 이용하여 ANG 시스템의 다중 스케일 지배방정식(연속방정식, 에너지방정식, 펠릿 확산방정식, Langmuir 등온 흡착식)을 물리 제약 손실 함수로 학습합니다. 기존 CFD 대비 메시 불필요(mesh-free), 밀리초 단위 예측이 가능한 대리 모델(surrogate model)을 구축합니다. 입력 조건(온도 Tin, 유속 u)에 따른 온도 분포 T(x,t) 및 흡착량 q(x,t)를 전체 시공간 도메인에서 즉시 예측하여 고속 충전 최적화 및 실시간 열 관리에 활용합니다.