- 주요 프로그램
Step 1: AI 연계형 차세대 BMS 기술
- 전기적 등가회로 모델 개발(실습)
- 실시간 코칭을 활용한 모델 개발 및 실습 리뷰(Matlab/Simulink 사용)
- SOC 진단(추정) 알고리즘(실습)
- SOC 진단(추정) 알고리즘 검증 및 최적화(Matlab/Simulink 사용)
- RLS 알고리즘 기반 전기적 등가회로 모델링 (실습)
- RLS 알고리즘을 활용한 전기적 등가회로 모델 실시간화(Matlab/Simulink 사용)
- SOH 진단(추정) 알고리즘(실습)
- SOH 진단(추정) 알고리즘 검증 및 최적화(Matlab/Simulink 사용)
- 배터리시스템 열화모델(실습)
- 열화모델 검증 및 최적화(Matlab/Simulink 사용)
- 인공지능 개론 소개
- Big data 기반 BMS 고도화를 위한 인공지능 도입 필요성
- 모델에 따른 인공지능 이론 소개
- 인공지능 모델 구축을 위한 Data pre-processing
- 인공지능 적용을 위한 데이터 전처리 프로세스
- 배터리 열화 데이터 분석 및 건전성 지표/신호 해석/특징 추출 방안
- 신호 해석을 통한 실험데이터 분해 및 압축
- 다양한 인공지능 연계형 차세대 BMS 기술
- Cloud BMS
- Edge & IoT BMS
- Digital twin BMS
Step 2: AI 기반 수명 예측 프로세스 구축(실습)
- 인공지능 모델 구축을 위한 Python & Tensorflow 구축
- Anaconda 설치 및 Python & Tensorflow 사용 환경 설정
- 인공지능 모델 성능 확보를 위한 하이퍼 파라미터 최적화
- 인공지능 모델 내 하이퍼 파라미터 최적화 필요성
- 하이퍼 파라미터 최적화에 따른 Loss 및 예측 결과 분석
- 인공지능 기반 배터리 수명 예측 알고리즘 설계 방안
- 인공지능 기반 수명 예측 알고리즘 적용 사례
- EV 주행 환경을 고려한 실시간 SOH 추정 알고리즘 연구 사례
- 폐배터리 재사용을 위한 RUL 예측 알고리즘 연구 사례
- 인공지능 기반 수명 예측 알고리즘 구축(실습)
-
RUL 모델 설계를 위한 사용 가능 HI 선정 프로세스
-
모델 별(RNN, LSTM, GRU) Python Script 동작 프로세스
-
최적 모델 선정 및 수명 예측 결과 도출
Step 3: AI 기반 고장 진단 프로세스 구축(실습)
- 배터리 안전 운용을 위한 인공지능 기반 고장 진단 알고리즘
- 배터리 고장 진단 알고리즘 개발의 필요성
- 지도/비지도 학습 기반 배터리 고장진단
- 배터리 고장 진단을 위한 데이터 패턴화 및 이상 상태 진단 연구 사례
- EIS 이미지 입력을 통한 CNN 기반 외부 환경 분류 연구 사례
EIS: 전기화학 임피던스 분광법, Electrochemical Impedance Spectroscopy
- 인공지능 기반 고장 진단 알고리즘 구축(실습)
-
EIS 도출 원리 및 특성 실험 수행 프로세스
-
RP 알고리즘 적용 기반 EIS 이미지 패턴 변환
RP: Recurrence Plot, 데이터 값의 회귀를 2차원 표현을 통해 m차원 위상 공간 궤도를 탐색하는 것을 목표로하는 시각화 도구 -
CNN 알고리즘 Python Script 동작 프로세스
CNN: Convolutional Neural Network, 합성곱 신경망. 열 화상 이미지, 전압회복 곡선, -
이미지 패턴 별 모델 학습에 따른 분류 결과 도출
-
하이퍼 파라미터 최적화에 따른 분류 성능 향상
진짜