| 1 |
1
컴퓨팅 장치의 하나 이상의 프로세서에서 수행되는 방법에 있어서,배터리 데이터를 획득하는 단계;상기 배터리 데이터를 배터리 진단 모델의 입력으로 처리하여 배터리 진단 정보를 생성하는 단계; 및상기 배터리 진단 정보를 사용자 단말로 전송하는 단계;를 포함하는,인공지능을 활용한 배터리 진단 정보 제공 방법
|
| 2 |
2
제1항에 있어서,상기 배터리 데이터는,제1배터리 데이터 및 제2배터리 데이터를 포함하며,상기 제1배터리 데이터는,진단 대상 배터리의 충/방전 사이클에 대응하는 전류, 전압, 전해질 임피던스 및 전극 임피던스 변화량에 대한 정보를 포함하며,상기 제2배터리 데이터는,상기 진단 대상 배터리의 온도, 습도, 압력, 전류 밀도 및 유량의 시점 별 변화에 관한 정보를 포함하는,인공지능을 활용한 배터리 진단 정보 제공 방법
|
| 3 |
3
제2항에 있어서,상기 배터리 데이터를 획득하는 단계는,배터리 데이터 획득 장치를 통해 상기 진단 대상 배터리로부터 상기 배터리 데이터를 획득하는 단계; 를 포함하며,상기 배터리 데이터 획득 장치는,온도 센서 모듈, 습도 센서 모듈, 압력 센서 모듈, 전류 밀도 측정 모듈, 유량 센서 모듈 및 적어도 둘 이상의 전극을 포함하며, 상기 적어도 둘 이상의 전극은, 배터리에 접촉되어 상기 배터리의 전류, 전압, 임피던스 및 측정 시간에 대한 정보를 획득하며, 상기 임피던스에 대응하는 보드 선도(Bode Plot) 또는, 나이퀴스트 선도(Nyquist Plot) 중 적어도 하나에 기반하여 전해질 임피던스(ohmic resistance) 및 전극 임피던스(charge transfer resistance)를 획득하는 것을 특징으로 하는,인공지능을 활용한 배터리 진단 정보 제공 방법
|
| 4 |
4
제3항에 있어서,상기 배터리 진단 정보는,상기 진단 대상 배터리의 상태 정보, 상태 예측 정보 및 건강 상태 정보(SOH, State Of Health) 중 적어도 하나에 관한 제1배터리 진단 서브 정보 및 상기 진단 대상 배터리의 플러딩 및 드라잉 발생 여부에 관련한 예측 정보에 관한 제2배터리 진단 서브 정보를 포함하며,상기 배터리 진단 모델은,상기 제1배터리 데이터에 기초하여 상기 제1배터리 진단 서브 정보를 출력하는 제1배터리 진단 서브 모델; 및상기 제2배터리 데이터에 기초하여 상기 제2배터리 진단 서브 정보를 출력하는 제2배터리 진단 서브 모델; 을 포함하는,인공지능을 활용한 배터리 진단 정보 제공 방법
|
| 5 |
5
제4항에 있어서,상기 제1배터리 진단 서브 모델은,차원 감소 서브 모델, 차원 복원 서브 모델을 포함하며, 상기 제1배터리 데이터를 상기 차원 감소 서브 모델의 입력으로 하여 상기 차원 복원 서브 모델이 상기 제1배터리 데이터에 대응하는 제1배터리 진단 서브 정보를 출력하도록 학습되는 것을 특징으로 하는,인공지능을 활용한 배터리 진단 정보 제공 방법
|
| 6 |
6
제5항에 있어서,상기 차원 감소 서브 모델은,상기 제1배터리 데이터를 입력으로 하여 상기 제1배터리 데이터에 대응하는 변화 요인 피처를 출력하며,상기 차원 복원 서브 모델은,상기 변화 요인 피처를 입력으로 하여 상기 변화 요인 피처에 대응하는 상기 제1배터리 진단 서브 정보를 출력하는 것을 특징으로 하며,상기 차원 복원 서브 모델은,하나 이상의 어텐션 계층(attention layer)을 포함하며,상기 하나 이상의 어텐션 계층은,입력 데이터의 시간에 대한 정보 및 상기 차원 복원 서브 모델을 구성하는 하나 이상의 네트워크 함수의 타임 스텝 간의 연관 정보를 생성하는,인공지능을 활용한 배터리 진단 정보 제공 방법
|
| 7 |
7
제4항에 있어서,상기 배터리 데이터를 배터리 진단 모델의 입력으로 처리하여 배터리 진단 정보를 생성하는 단계는,상기 배터리 데이터의 종류 정보를 획득하는 단계; 상기 종류 정보에 기초하여 상기 제1배터리 진단 서브 모델 및 상기 제2배터리 진단 서브 모델 중 상기 배터리 데이터를 처리할 적어도 하나의 모델을 결정하는 단계; 및상기 결정된 적어도 하나의 모델을 활용하여 상기 배터리 데이터에 대한 상기 배터리 진단 정보를 생성하는 단계;를 포함하는,인공지능을 활용한 배터리 진단 정보 제공 방법
|
| 8 |
8
제7항에 있어서,상기 배터리 데이터의 종류 정보를 획득하는 단계는,상기 제1배터리 진단 서브 모델에 포함된 차원 감소 서브 모델을 활용하여 상기 배터리 데이터에 대응하는 제1피처를 추출하는 단계;상기 제1배터리 진단 서브 모델의 학습에 활용된 제1학습 데이터 세트에 기반하여 복수의 제2피처를 추출하는 단계;상기 제2배터리 진단 서브 모델의 학습에 활용된 제2학습 데이터 세트에 기반하여 복수의 제3피처를 추출하는 단계; 및상기 제1피처와 복수의 제2피처들 간의 제1유사도 및 상기 제1피처와 복수의 제3피처들 간의 제2유사도에 기초하여 상기 배터리 데이터의 종류 정보를 획득하는 단계;를 포함하는,인공지능을 활용한 배터리 진단 정보 제공 방법
|
| 9 |
9
제8항에 있어서,상기 종류 정보에 기초하여 상기 제1배터리 진단 서브 모델 및 상기 제2배터리 진단 서브 모델 중 상기 배터리 데이터를 처리할 적어도 하나의 모델을 결정하는 단계는, 상기 배터리 데이터에 대응하는 상기 종류 정보가 제1배터리 진단에 관련한다는 종류 정보를 포함하는 경우, 상기 제1배터리 진단 서브 모델을 상기 배터리 데이터를 처리할 모델로 결정하는 단계; 및상기 배터리 데이터에 대응하는 상기 종류 정보가 제2배터리 진단에 관련한다는 종류 정보를 포함하는 경우, 상기 제2배터리 진단 서브 모델을 상기 배터리 데이터를 처리할 모델로 결정하는 단계;를 포함하는,인공지능을 활용한 배터리 진단 정보 제공 방법
|
| 10 |
10
제1항에 있어서,상기 방법은,모니터링 정보를 적어도 둘 이상의 관리자 단말에 전송할 것을 결정하는 단계; 및상기 적어도 둘 이상의 관리자 단말 중 적어도 하나로부터 상기 모니터링 정보에 대응하는 피드백 제어 신호를 수신하는 경우, 상기 피드백 제어 신호를 배터리 데이터 획득 장치로 전달하는 단계;를 더 포함하며,상기 모니터링 정보는,실시간 배터리 진단 정보 및 이상 여부 감지 정보 중 적어도 하나를 포함하는,인공지능을 활용한 배터리 진단 정보 제공 방법
|
| 11 |
11
하나 이상의 인스트럭션을 저장하는 메모리; 및상기 메모리에 저장된 상기 하나 이상의 인스트럭션을 실행하는 프로세서를 포함하고,상기 프로세서는 상기 하나 이상의 인스트럭션을 실행함으로써,제1항의 방법을 수행하는, 컴퓨팅 장치
|
| 12 |
12
하드웨어인 컴퓨터와 결합되어, 제1항의 방법을 수행할 수 있도록 컴퓨터에서 독출가능한 기록매체에 저장된 컴퓨터프로그램
|
