최근 차세대 베터리 관리시스템 분야에서 인공지능 알고리즘을 결합한 배터리 수명 예측 기술이 주목받고 있다고 들었습니다.

Question

기존의 전압, 전류, 온도 데이터를 기반으로 한 등가회로 모델 방식과 비교했을 때 머신러닝 기반의 데이터 중심 방식이 갖는 신뢰성 문제나 실제 하드웨어 구현 시 고려해야 하는 임베디드 제어상의 제약 조건은 무엇인지 궁금합니다.

Answer 1

안녕하세요. 이대길 전기기능사입니다.

컴퓨터와 달리 자동차나 전자기기에 들어가는 작은 임베디드 칩은 계산 능력이 낮고 메모리가 부족해서 복잡한 인공지능 공식을 빠르게 계산하기 어렵다는 제약이 있습니다

그래서 실제 현장에서는 무작정 인공지능만 쓰기보다 기존의 수학적 모델 방식과 인공지능의 장점을 서로 적절하게 섞어서 계산 부담을 줄이는 방법을 주로 사용합니다

Answer 2

안녕하세요. 최정훈 전기기사입니다.

기존의 물리적 등가 회로 모델에 비해서 머신 러닝 기반의 배터리 수멸 예측은 데이터에 없는 극한의 환경이나 열화 조건에서 신뢰성이 크게 떨어질 수 있죠. 특히 실제 차량용 BMS 같은 제어 환경에서는 복잡한 AI 알고리즘을 실시간으로 연상하기에는 무리가 있습니다. 메모리와 연산 능력이 턱없이 부족하죠. 그리고 하드웨어의 자원 한계로 인해서 모델을 경량화하는 과정에서 정확도가 왜곡될 위험도 있습니다. 뭐 그래서 결과적으로 배터리의 비선형적인 특성을 실시간으로 추정하기에는 무리가 있죠. 아직까지는 컴퓨팅 자원이랑 신뢰성 확보 측면에서는 해결해야 될 점이 많아 보입니다.