기계 학습 기반 지하 수소 저장을 통한 청정 에너지 회복력 향상

기후 변화에 대응하기 위해 화석 연료에서 벗어나 지속 가능한 에너지 시스템으로 전환하는 것이 시급하다. 그러나 재생 에너지의 변동성으로 인해 에너지 공급과 수요 간 불균형이 발생한다. 지하 수소 저장(UHS)은 이러한 격차를 해소할 수 있는 유망한 장기 저장 솔루션이지만, 고정밀 UHS 시뮬레이션의 높은 계산 비용으로 인해 대규모 구현이 지연되고 있다. 이 논문은 데이터 기반 관점에서 UHS를 소개하고 기계 학습을 UHS에 통합하여 UHS의 대규모 배치를 촉진하는 로드맵을 제시한다.