| 1 |
1
미리 설정된 충전 프로파일을 통해 배터리에 대하여 축적된 배터리 상태 정보로 이루어지는 데이터 세트를 이용하여, 충전 전류를 출력으로 하는 인공 신경망 기반 배터리 충전 모델을 학습하는 학습부; 및상기 학습부를 통해 학습된 상기 배터리 충전 모델을 기반으로 스케줄링 대상의 충전 전류를 획득하고, 획득한 충전 전류를 기반으로 상기 스케줄링 대상에 대한 충전 스케줄을 획득하는 스케줄링부;를 포함하며,상기 배터리 상태 정보는,충전 전류(charging current), 배터리 전압(battery voltage) 및 배터리 온도(battery temperature)를 포함하는,인공 신경망 기반 배터리 고속 충전 효율 향상 장치
|
| 2 |
2
제1항에서,상기 학습부는,상기 배터리 상태 정보를 정규화(normalization)하고, 정규화된 상기 배터리 상태 정보에서 배터리 특징을 추출하며, 추출된 상기 배터리 특징으로 이루어지는 상기 데이터 세트를 획득하며,상기 배터리 특징은,충전 전류(charging current), 배터리 전압(battery voltage), 배터리 온도 증가(battery temperature increment) 및 배터리 온도 미분 계수(battery temperature differential coefficient)를 포함하는,인공 신경망 기반 배터리 고속 충전 효율 향상 장치
|
| 3 |
3
제2항에서,상기 학습부는,상기 데이터 세트를 학습 데이터 세트와 테스트 데이터 세트로 분할하고, 상기 학습 데이터 세트를 훈련 데이터 세트와 검증 데이터 세트로 분할하며, 상기 훈련 데이터 세트를 이용하여 상기 배터리 충전 모델을 구축하고, 구축된 상기 배터리 충전 모델의 오버피팅(overfitting)을 최소화하는 에포치(epoch)를 상기 검증 데이터 세트를 이용하여 K-fold 교차 검증(cross validation, CV)을 통해 획득하고, 획득한 에포치(epoch)를 기반으로 상기 배터리 충전 모델을 최적화하고, 최적화된 상기 배터리 충전 모델을 상기 테스트 데이터 세트를 이용하여 테스트하여, 상기 배터리 충전 모델을 학습하는,인공 신경망 기반 배터리 고속 충전 효율 향상 장치
|
| 4 |
4
제1항에서,상기 배터리 충전 모델은,순방향 신경망(Feedforward Neural Network, FNN) 또는 순환 신경망(Recurrent Neural Network, RNN)을 기반으로 하는 인공 신경망 모델인,인공 신경망 기반 배터리 고속 충전 효율 향상 장치
|
| 5 |
5
미리 설정된 충전 프로파일을 통해 배터리에 대하여 축적된 배터리 상태 정보로 이루어지는 데이터 세트를 이용하여, 충전 전류를 출력으로 하는 인공 신경망 기반 배터리 충전 모델을 학습하는 단계; 및학습된 상기 배터리 충전 모델을 기반으로 스케줄링 대상의 충전 전류를 획득하고, 획득한 충전 전류를 기반으로 상기 스케줄링 대상에 대한 충전 스케줄을 획득하는 단계;를 포함하며,상기 배터리 상태 정보는,충전 전류(charging current), 배터리 전압(battery voltage) 및 배터리 온도(battery temperature)를 포함하는,인공 신경망 기반 배터리 고속 충전 효율 향상 방법
|
