인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
친환경 교통 수단에 대한 관심이 높아지는 가운데, 전기차 배터리 열화 현상은 전기차 보급에 큰 걸림돌로 작용한다. 본 연구에서는 1년 뒤의전기차 주행 가능 거리를 추정하고, 이를 배터리의 열화 진단 지표로 활용하고자 한다. 371대의 차량으로부터 2년 동안 수집한 Battery ManagementSystem 데이터는 전처리 및 특성 엔지니어링 과정을 거쳐 Feature Tokenizer Transformer 모델 학습에 사용한다. Feature Tokenizer Transformer는 변수 유형과 무관하게 각 변수들 사이의 복잡한 연관성을 효과적으로 포착할 수 있는 구조적 장점을 가지고 있어, Battery Management System데이터 처리에 적합하다. 실제 전기차의 주행시에는, 배터리가 완전히 방전되기 전에 충전하는 사례가 대부분을 차지하기 때문에, 지도 학습에필요한 주행 가능 거리 실제 값(label)을 수집하는 것이 어렵다. 이러한 제약 사항을 극복하기 위해 1년 뒤 시점의 전비를 예측하고 주행 가능거리로 변환하는 방법을 제안한다. 전비 예측과 주행 가능 거리 산출로 나누어지는 단계별 예측 프레임워크를 통해서, 전기차 배터리의 완전 방전데이터 없이도 주행 가능 거리를 예측할 수 있다. 최종적으로 Mean Absolute Error 8.872(km)의 예측 정확도를 달성하였고, 본 연구에서 제안하는방법론이 현실 데이터 기반 미래 시점 주행 가능 거리 예측에 효과적으로 적용됨을 확인하였다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
