기술 칼럼 및 뉴스레터

Daimler AG의 전 세계 연료 전지 차량의 테스트 데이터 분석

작성자: Tim McGuire, Mercedes-Benz RDNA, Inc., Taylor Roche, Mercedes-Benz RDNA, Inc., and Andreas Weinberger, Mercedes-Benz RDNA, Inc.


100대가 넘는 Daimler AG(구 DaimlerChrysler) 테스트 운행단의 수소 연료 전지 차량이 전 세계의 실제 주행 조건에서 일반 운전자에 의해 작동되고 있습니다. 개발 목적 전용으로 각 차량에는 차량의 GPS 좌표, 연료 탱크 충전 레벨 및 차량 속도에서 운전자의 발 아래에 있는 가스 페달의 위치까지 차량 성능 및 운전자 사용 패턴에 대한 데이터를 캡처하는 강력한 텔레매틱스 시스템이 장착되어 있습니다. 우리 팀은 테스트 운행단에서 축적한 수백만 개의 주행 파일을 MATLAB® 기반의 자동화된 보고서와 웹 응용 프로그램으로 변환할 책임이 있습니다.

Daimler 엔지니어는 이러한 툴들을 사용하여 차량 사용 패턴을 이해하고, 연료 소비를 추적하며, 수소 충전 인프라를 계획하고, 주행 패턴이 차량 성능에 영향을 미치는 방법을 이해합니다. 이 데이터를 검토함으로써 Daimler는 차량의 상태뿐만 아니라 미래의 수소 연료 충전소의 최적의 위치를 평가할 수 있으며, 차량 사용 특성을 파악하여 향후 차량 운영을 위한 다양한 차량 기반을 구축할 수 있습니다.

사용 패턴 이해하기

다양한 주행 조건과 기후에서 활발하게 작동하는 주행 차량은 분석을 위해 다양한 데이터 세트를 축적합니다. 각 차량은 Daimler 무선 인프라를 통해 데이터를 중앙 데이터베이스로 전송합니다. 우리 팀은 저희와 고객에게 운행단 사용 피드백을 제공하기 위해 차량 사용을 검사하는 자동 보고 시스템을 개발했습니다.

fuel_cell_car_w.gif

일본, 싱가포르, 미국, 유럽, 중국 및 호주의 고객들은 Daimler의 무공해 차량을 일상 운송 수단으로 사용하고 있습니다. 각 차량의 연료 전지 내부에서 수소와 산소의 반응은 모터를 구동하기 위한 전력을 생산합니다. 이 반응의 유일한 부산물은 수증기이기 때문에 연료 전지 기술은 전 세계적으로 온실 가스 배출을 줄일 큰 가능성을 지니고 있습니다.

우리는 MATLAB과 Database Toolbox™를 사용하여 중앙 데이터베이스를 쿼리하고 특정 지역의 모든 차량에 대한 주행거리 및 GPS 데이터를 검색합니다. 우리의 MATLAB 스크립트는 GPS 시스템에 의해 보고된 영점 및 비주행 파일과 같은 비정상적인 데이터를 필터링합니다. 그런 다음 스크립트는 모든 데이터를 처리하여 기간 및 지역별로 주행 거리를 합한 플롯을 생성합니다(그림 1). 이전에 Daimler는 이 분석을 수행하기 위해 Excel을 사용했는데, 매번 수백 명의 엔지니어 시간 설정, 유지 보수할 전담 직원 및 많은 수동 작업이 필요했습니다. 오늘날 자동화된 MATLAB 스크립트를 사용하여 팀에서 웹 브라우저를 통해 동일한 결과에 액세스할 수 있습니다.

그림 1. 지역별 주행 거리 분석 샘플.

그림 1. 지역별 주행 거리 분석 샘플. 

그림 1은 연속 및 주간 단위로 운행단 주행 거리 누적 플롯의 샘플을 보여줍니다. 이 분석은 GPS 데이터를 사용하여 주행 거리 누적을 차량이 주행한 지역에 연결함으로써 Daimler에서 지역 주행 패턴을 기반으로 향후 차량 운영을 위해 위치와 고객을 평가할 수 있습니다. 운전자의 요청이 있을 때, 개별 차량에 대한 유사한 플롯을 생성하여 활동에 대한 자세한 정보를 제공할 수 있습니다.

지역별 주행 거리 분석 플롯은 12월 말과 1월 초에 갑작스런 주행 거리 감소를 나타냅니다. Daimler는 차량 사용의 계절적 추세를 정량화함으로써 연휴 및 기타 사용이 많지 않은 기간에 차량 유지보수 및 진단 절차를 계획할 수 있습니다.

연료 소비 추적하기

Daimler 엔지니어는 MATLAB 및 Mapping Toolbox™로 개발한 툴을 사용하여 테스트 차량에서 수행한 모든 주행을 재구성할 수 있습니다. 툴 사용자는 위성 지리 맵을 따라 사용 가능한 전기 화학적 에너지의 양을 측정한 연료 탱크 충전 상태(SOC)를 추적할 수 있습니다. Daimler는 초기에 정적 JPEG 맵 이미지를 생성하기 위해 이 스크립트를 개발했습니다. 이 솔루션은 유연성이 없었으며 플롯에 세부 정보를 충분히 제공하지 못했습니다. 따라서 이 스크립트는 Google Earth와 함께 사용하는 KML(Keyhole Markup Language) 파일을 생성하도록 수정되어 더 큰 유연성을 제공합니다.

그림 2의 연료 소비 분석 샘플은 차량 경로를 따라 탱크 충전 레벨을 추적합니다. 이 분석을 수행하기 위해 MATLAB 스크립트는 Mapping Toolbox 함수를 사용하여 차량 GPS와 연료 탱크 SOC 데이터를 연관시킵니다.

그림 2. 연료 소비 분석 이 예제에서 우리는 탱크를 채우고(빨간색) 떠났다가 탱크가 거의 빈 상태(파란색)로 돌아오는 테스트 자동차를 봅니다.

그림 2. 연료 소비 분석 이 예제에서 우리는 탱크를 채우고(빨간색) 떠났다가 탱크가 거의 빈 상태(파란색)로 돌아오는 테스트 자동차를 봅니다. 

엔지니어는 이러한 결과를 바탕으로 주행 환경의 연료 감소율에 대한 영향을 파악할 수 있습니다. 지도에 수소 충전소와 표준 주유소의 플롯을 겹쳐서 현재 연료 공급 인프라를 평가할 수 있습니다.

또한, 엔지니어는 우리가 개발한 MATLAB 스크립트를 통해 실제 위치를 차량 성능과 연결하여 전 세계 운행단에 대한 원격 진단 분석을 단순화할 수 있습니다. 예를 들어, 차량 내부의 연료 전지 시스템이 오류 코드를 전송하면 MathWorks 툴을 사용하여 오류가 발생했을 때 차량의 정확한 위치를 정확하게 파악하고 시각화할 수 있습니다(그림 3). 예를 들어, 러시아워에 로스엔젤레스 시내에 차량이 있었다는 것을 안다면 이벤트 발생 시 작동 상태에 대한 지식을 활용하여 더 효율적으로 문제를 해결할 수 있습니다.

그림 3. 테스트 차량 데이터에 기반한 단일 이벤트 샘플 분석.

그림 3. 테스트 차량 데이터에 기반한 단일 이벤트 샘플 분석. 

수소 연료 충전 인프라 계획하기

미래의 수소 충전소를 고객에게 가장 효과적으로 공급할 수 있는 장소에 배치하기 위해 연료 전지 차량이 가장 자주 이용하는 지역을 확인합니다. Daimler는 MATLAB, Mapping Toolbox 및 Google Earth를 사용하여 차량의 GPS 데이터 및 지리적 도로 데이터를 기반으로 공간 히스토그램을 만듭니다.

공간 히스토그램은 지리적 영역의 그리드를 오버레이하여 Daimler가 관심 있는 신호를 보관하고 위성 지형도에 묘사할 수 있게 합니다. 그림 4는 연료 탱크 SOC에 근거한 싱가포르의 공간 히스토그램을 보여줍니다. 그림 5의 히스토그램은 차량이 각 그리드 정사각형에서 소비하는 시간의 백분율을 계산합니다. 이러한 유형의 다이어그램을 결합하면 연료가 부족한 차량으로 심하게 붐비는 지역을 정확히 찾아내는 데 도움이 됩니다.

그림 4. SOC 공간 히스토그램.

그림 4. SOC 공간 히스토그램.

그림 5. 공간 히스토그램 분석.

그림 5. 공간 히스토그램 분석. 

Daimler 엔지니어는 이러한 분석 결과에 힘입어 새로운 수소 충전소 위치를 추천할 수 있어 충전소 운영자는 교통량이 많은 지역 근처에 충전소를 배치하여 고객에게 더 편리한 수소 접근을 제공함으로써 위험을 줄일 수 있습니다.

주행 패턴 분석하기

Daimler 연료 전지 차량 운행단은 전 세계에 걸쳐 있습니다. 각 차량의 가속 페달 위치를 분석하여 고객이 다양한 차량 유형을 운전하는 방법과 패턴이 지역에 따라 어떻게 다른지에 대한 통찰력을 얻을 수 있습니다. 예를 들어, 페달 위치 분석(그림 6)은 북부 캘리포니아의 차량이 중간 정도의 스로틀을 사용하여 작동함을 보여주며, 대형 차량은 대부분 매우 가벼운 스로틀 또는 전체 스로틀에서 대부분 구동되며 이 사이에서 구동되는 경우는 많지 않습니다. 엔지니어는 이 분석을 통해 고객의 동력 요구에 대한 피드백을 받을 수 있습니다. 그런 다음 엔지니어는 제어 전략과 파워트레인을 적절하게 최적화할 수 있습니다.

그림 6. 페달-위치 분석. 확대 이미지를 보려면 이미지를 클릭하십시오.

그림 6. 페달-위치 분석. 확대 이미지를 보려면 이미지를 클릭하십시오.

GPS 데이터와의 상관관계를 통해, 이 분석은 주행 행동의 지역 동향을 나타낼 수 있습니다. 예를 들어, 독일에서는 페달을 100%까지 계속 밟는, 고속도로 고속 주행을 자주 볼 수 있습니다. 싱가포르에서는 사람들이 더 천천히 그리고 부드럽게 운전하며, 40%를 넘어 페달을 밟는 것을 보기가 어렵습니다. 이러한 추세를 이해하면 엔지니어는 여러 지역에 대한 제어 전략을 커스터마이즈할 수 있습니다.

작은 팀이 큰 질문에 대답

유용한 결과를 제공할 때 성공에 대한 한 가지 척도는 우리 서비스에 대한 Daimler의 엔지니어와 관리자들의 수요가 증가하고 있다는 것입니다. 우리에게 요청이 쇄도하고 있습니다. 통합 MATLAB 환경에서 데이터베이스에 액세스하고 다중 분석을 수행하고 결과를 플로팅하고 통찰력 있는 보고서를 생산할 수 있는 것이 큰 이점입니다. 이는 우리 팀에 리소스를 쉽게 추가할 수 있음을 의미합니다.

엔지니어는 여러 응용 프로그램 대신 하나의 소프트웨어 패키지인 MATLAB만 알고 있으면 되므로 다양한 툴을 통합하는 데 시간을 낭비할 필요가 없습니다. 대신 유용한 결과를 얻습니다.

저희는 현재의 분석을 계속 수정하고 새로운 분석을 개발하여 연료 전지 차량의 성능과 인프라에 대한 더 깊은 통찰력과 깊은 이해를 제공합니다.

발행 2008 - 91597v00

관련 기능에 대한 기사 보기

관련 산업에 대한 기사 보기