맞춤기술찾기

이전대상기술

신경망 기반의 배터리 사용량 예측 방법 및 장치

  • 기술번호 : KST2023009029
  • 담당센터 : 대전기술혁신센터
  • 전화번호 : 042-610-2279
요약, Int. CL, CPC, 출원번호/일자, 출원인, 등록번호/일자, 공개번호/일자, 공고번호/일자, 국제출원번호/일자, 국제공개번호/일자, 우선권정보, 법적상태, 심사진행상태, 심판사항, 구분, 원출원번호/일자, 관련 출원번호, 기술이전 희망, 심사청구여부/일자, 심사청구항수의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 서지정보 표입니다.
요약 본 발명은 신경망 기반의 배터리 사용량 예측 방법 및 장치에 관한 것으로서, 배터리로부터 전압, 전류 및 온도 중 적어도 하나를 포함하는 데이터를 수집하는 단계; 신경망에 상기 수집된 데이터를 입력하여 상기 신경망을 학습시키는 단계; 및 상기 학습된 신경망에 의해, 상기 배터리가 실제 작동한 기간을 산출하는 단계를 포함한다.
Int. CL G01R 31/367 (2019.01.01) G01R 31/396 (2019.01.01) G01R 31/382 (2019.01.01) H01M 10/48 (2021.01.01) G06N 3/08 (2023.01.01)
CPC G01R 31/367(2013.01) G01R 31/396(2013.01) G01R 31/382(2013.01) H01M 10/486(2013.01) G06N 3/08(2013.01)
출원번호/일자 1020220040943 (2022.04.01)
출원인 한밭대학교 산학협력단
등록번호/일자
공개번호/일자 10-2023-0142121 (2023.10.11) 문서열기
공고번호/일자
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 공개
심사진행상태 수리
심판사항
구분 국내출원/신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2022.04.01)
심사청구항수 11

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 한밭대학교 산학협력단 대한민국 대전광역시 유성구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 정의림 대전광역시 유성구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 최승욱 대한민국 서울특별시 송파구 법원로*길 *, ***호 (문정동, 화엄타워)(화인특허법률사무소)

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
최종권리자 정보가 없습니다
번호, 서류명, 접수/발송일자, 처리상태, 접수/발송일자의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 행정처리 표입니다.
번호 서류명 접수/발송일자 처리상태 접수/발송번호
1 [특허출원]특허출원서
[Patent Application] Patent Application
2022.04.01 수리 (Accepted) 1-1-2022-0351490-33
2 특허고객번호 정보변경(경정)신고서·정정신고서
2022.12.26 수리 (Accepted) 4-1-2022-5305861-32
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
배터리 사용량 예측을 위한 컴퓨팅 장치에서 신경망(neural network)을 학습하는 방법에 있어서,배터리로부터 전압, 전류 및 온도 중 적어도 하나를 포함하는 데이터를 수집하는 단계;상기 신경망에 상기 수집된 데이터를 입력하여 상기 신경망을 학습시키는 단계; 및상기 학습된 신경망에 의해, 상기 배터리가 실제 작동한 기간을 산출하는 단계;를 포함하는 신경망 기반의 배터리 사용량 예측 방법
2 2
제1항에 있어서, 상기 신경망을 학습시키는 단계 이전에,상기 수집된 데이터를 분석하여 상기 수집된 데이터 중 미운용된 기간의 데이터를 삭제함으로써, 상기 수집된 데이터를 전처리하는 단계;를 더 포함하는 것을 특징으로 하는 신경망 기반의 배터리 사용량 예측 방법
3 3
제2항에 있어서, 상기 신경망을 학습시키는 단계에서,전처리된 데이터의 일부를 상기 신경망에 입력하는 것을 특징으로 하는 신경망 기반의 배터리 사용량 예측 방법
4 4
제1항에 있어서, 상기 신경망을 학습시키는 단계 이전에,상기 수집된 데이터를 특정한 간격으로 분할하는 단계;를 더 포함하는 것을 특징으로 하는 신경망 기반의 배터리 사용량 예측 방법
5 5
제1항에 있어서,상기 배터리가 실제 작동한 기간을 주(week), 일(day) 및 시(hour) 중 어느 하나의 단위로 출력하는 단계;를 더 포함하는 것을 특징으로 하는 신경망 기반의 배터리 사용량 예측 방법
6 6
배터리 사용량 예측을 위한 컴퓨팅 장치에서 신경망(neural network)을 학습하는 방법에 있어서,배터리로부터 적어도 전압, 전류 및 온도를 포함하는 데이터를 시계열 데이터 형태로 수집하는 단계;상기 신경망에 상기 수집된 데이터를 입력하여 상기 신경망을 학습시키는 단계;상기 학습된 신경망에 의해, 상기 수집된 데이터 각각에 대해서 기설정된 데이터 패턴과의 유사도를 측정하여, 상기 수집된 데이터 중 소정수의 데이터의 유사도가 기설정된 임계치보다 높은 구간이 존재하는지 여부를 판단하는 단계;상기 학습된 신경망에 의해, 상기 소정수의 데이터의 유사도가 기설정된 임계치보다 높은 구간이 존재하는 경우, 해당 구간을 상기 배터리가 작동하는 구간으로 판단하는 단계; 및상기 구간을 모두 합산하여 상기 배터리가 실제 작동한 기간으로 출력하는 단계;를 포함하는 신경망 기반의 배터리 사용량 예측 방법
7 7
제6항에 있어서, 상기 신경망을 학습시키는 단계 이전에,상기 수집된 데이터를 분석하여 상기 수집된 데이터 중 미운용된 기간의 데이터를 삭제함으로써, 상기 수집된 데이터를 전처리하는 단계;를 더 포함하는 것을 특징으로 하는 신경망 기반의 배터리 사용량 예측 방법
8 8
제7항에 있어서, 상기 신경망을 학습시키는 단계에서,전처리된 데이터의 일부를 상기 신경망에 입력하는 것을 특징으로 하는 신경망 기반의 배터리 사용량 예측 방법
9 9
제6항에 있어서, 상기 신경망을 학습시키는 단계 이전에,상기 수집된 데이터를 특정한 간격으로 분할하는 단계;를 더 포함하는 것을 특징으로 하는 신경망 기반의 배터리 사용량 예측 방법
10 10
하나 이상의 인스트럭션들(Instructions)을 저장하는 메모리; 및상기 저장된 하나 이상의 인스터럭션들을 실행함으로써,배터리로부터 적어도 전압, 전류 및 온도를 포함하는 데이터를 시계열 데이터 형태로 입력받아, 기설정된 데이터 패턴과의 유사도를 측정하여, 상기 데이터 중 소정수의 데이터의 유사도가 기설정된 임계치보다 높은 구간이 존재하는지 여부를 판단하고, 상기 소정수의 데이터의 유사도가 기설정된 임계치보다 높은 구간이 존재하는 경우, 해당 구간을 상기 배터리가 작동하는 구간으로 판단하며, 상기 구간을 모두 합산하여 상기 배터리가 실제 작동한 기간으로 출력하는 신경망을 구성하는 하나 이상의 프로세서;를 포함하는 신경망 기반의 배터리 사용량 예측 장치
11 11
제10항에 있어서,상기 하나 이상의 프로세서는 상기 데이터를 상기 신경망에 입력하기 전에 상기 데이터 중 미운용된 기간의 데이터를 삭제하는 것을 특징으로 하는 신경망 기반의 배터리 사용량 예측 장치
지정국 정보가 없습니다
패밀리정보가 없습니다
순번, 연구부처, 주관기관, 연구사업, 연구과제의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 국가R&D 연구정보 정보 표입니다.
순번 연구부처 주관기관 연구사업 연구과제
1 교육부 (대전세종충남지역혁신플랫폼)충남대학교 지자체-대학협력기반지역혁신사업 (대전세종충남지역혁신플랫폼)충남대학교