Domain-informed RUL Forecasting and ScalableExplainable DRL-based Prescriptive Maintenance for Integrated Battery Management Systems
개인기초연구(과기정통부)(R&D) · 우수연구-핵심연구(기본연구A)
2026년
2710114945
과학기술정보통신부
한국연구재단
한양대학교 에리카캠퍼스
BARDE STEPHANE REMY ANTOINE
4명
2026.09.01 ~ 2027.08.31
2026.09.01 ~ 2031.08.31
4,467만원
4,467만원
기초연구
대학
경기도 안산시
전기/전자 > 전지 > 이차전지
... Reinforcement Learning(XRL) 기법을 결합한다. 최종적으로 본 연구는 예측 정확도, 정책 성능, 안전성, 확장성, 설명가능성을 종합적으로 검증한 end-to-end 통합 BMS 소프트웨어 프로토타입을 제시함으로써, 배터리 Prognostics & Health Management(PHM)의 핵심 요소인 RUL 예측·PsM 최적화·설명 가능한 의사결정을 하나의 실용적 시스템으로 구현하는 ...
본 연구는 5년간 단계적·모듈식으로 수행된다. 1차년도에는 전기화학·열화 지배방정식과 확률적 열화 특성을 반영한 Physics-Informed Neural Network(PINN) 및 Stochastic Differential Equation(SDE)-informed neural network를 개발하여, 제한된 관측 데이터에서도 안정적인 장기 잔여수명(R...
본 연구의 성과는 배터리 관리 시스템(Battery Management System, BMS) 및 운영 의사결정 지원 체계에 직접 활용할 수 있다. 개발된 domain-informed Remaining Useful Lifetime(RUL) 예측 모듈은 배터리의 교체 시점 예측, 열화 진단, 수명 관리에 적용할 수 있으며, scalable·explainabl...