AI 태양광 말뚝 인발지지력 예측, 평균 오차 7.63% 기록

대규모 태양광발전소의 지지 말뚝이 위로 뽑히는 힘에 견디는 인발지지력을 인공지능(AI)으로 예측하는 기술이 개발되었습니다. 이란 이슬람아자드대와 테헤란대 연구진은 현장 관입속도와 토양 특성을 입력해 평균 오차 7.63% 수준으로 인발지지력을 산정하는 인공신경망(ANN) 모델을 국제학술지 ‘리절츠 인 엔지니어링’에 발표했습니다. 지상형 태양광 구조물은 강한 바람에 취약하므로 말뚝의 정확한 지지력 산정이 필수적입니다.

※ AI로 생성된 이미지입니다

1. AI 기반 태양광 말뚝 인발지지력 예측 모델의 구축과 데이터

연구진은 이란 라프산잔 태양광발전소의 현장 인발시험 자료 130건을 AI 학습과 검증에 활용했습니다. 사용된 ST52 강재 말뚝은 IPE 140, IPE 160, IPE 180 규격으로 구성되었습니다. 주변 30개 시추공을 통해 토양 특성을 조사하고 직접전단시험으로 내부마찰각을 측정했습니다.

AI 모델에는 말뚝 관입속도, 지중 매입길이, 토양 내부마찰각, 강재 단면의 단위길이당 표면적 등 4가지 변수가 입력되었습니다. 말뚝 변위가 20mm에 도달할 때의 하중을 기준으로 삼았으며 10겹 교차검증 결과 결정계수(R²)는 0.778, 평균제곱근오차(RMSE)는 0.787톤으로 나타났습니다.

※ AI로 생성된 이미지입니다

2. SHAP 분석을 통한 주요 변수 기여도 평가 및 한계점

설명가능 AI 기법인 SHAP 분석 결과, 말뚝 관입속도가 49.8%, 토양 내부마찰각이 47.1%의 상대적 중요도를 기록했습니다. 반면 매입길이와 형상 같은 기하학적 변수의 영향은 비교적 작았습니다. 발전소 시공 과정에서 확보되는 데이터로 직후 지지력을 추정할 수 있다는 점에서 효용성이 높습니다.

다만 학습자료가 단일 모래질 지반에서 수집되어 점토나 자갈층 등 복잡한 지층에서도 동일한 정확도를 보장하기는 어렵습니다. 실제 설계 적용을 위해서는 다양한 지역의 데이터를 바탕으로 한 추가 검증이 수반될 것으로 보입니다.

※ AI로 생성된 이미지입니다

결론 및 주의사항

이번 연구는 시공 데이터 기반의 빠른 인발지지력 추정 가능성을 보여주었습니다. 다만 라프산잔 모래질 지반 외에 점토나 실트층 등 예외적인 지반 조건에서는 오차가 발생할 수 있으므로, 현장 적용 시 철저한 추가 검증이 요구됩니다.

더 많은 심층 분석이 궁금하다면 구독하고, 의견은 댓글로 남겨주세요!