딥러닝을 사용하여 배터리 충전 상태 추정

R2024b 이후

이 예제에서는 배터리 충전 상태를 추정하기 위한 전체 워크플로를 수행하는 방법을 보여줍니다. 이 워크플로는 요구 사항 정의, 데이터 준비, 모델 훈련, 모델 테스트, Simulink에 통합, SIL 시뮬레이션 및 요구 사항 검증 단계로 구성됩니다. 다음 그림은 이 예제에서 다루는 단계를 보여줍니다.

배터리 충전 상태(SOC)는 전기 배터리 용량 대비 배터리 충전 수준을 백분율로 측정한 값입니다. SOC는 차량 에너지 관리 시스템의 핵심 정보이므로, 전기 차량(xEV)의 안정성과 가격 합리성을 보장하기 위해 정확히 추정되어야 합니다. 하지만 리튬 이온 배터리의 온도, 상태, SOC에 따른 비선형적인 동작으로 인해 SOC 추정은 여전히 자동차 엔지니어링 분야에서 중요한 과제로 남아 있습니다. 이 문제에 대한 전통적 접근 방식(예: 전기화학 모델)에서는 일반적으로 정밀한 파라미터가 필요하고 배터리의 물리적 반응뿐만 아니라 배터리 조성(battery composition)에 대한 지식도 있어야 합니다. 반면에 신경망을 사용한 방식은 데이터에 기반하므로 배터리 또는 배터리의 비선형 동작에 대한 최소한의 지식만 있어도 됩니다.

이 예제에서는 다음 단계를 수행하는 방법을 보여줍니다.

  1. Define Requirements for Battery State of Charge Estimation

  2. Prepare Data for Battery State of Charge Estimation Using Deep Learning

  3. Train Deep Learning Network for Battery State of Charge Estimation

  4. Compress Deep Learning Network for Battery State of Charge Estimation

  5. Test Deep Learning Network for Battery State of Charge Estimation

  6. Integrate AI Model into Simulink for Battery State of Charge Estimation

  7. Generate Code for Battery State of Charge Estimation Using Deep Learning

참고 항목

도움말 항목