Development of a High-Reliability, Ultra-Low-Power Intelligent Battery Management System Based on Multi-Layer On-Device AI for Electric Mobility
개인기초연구(과기정통부)(R&D) · 우수연구-핵심연구(기본연구B)
2026년
2710113353
과학기술정보통신부
한국연구재단
광운대학교
이성원
4명
2026.09.01 ~ 2027.08.31
2026.09.01 ~ 2030.08.31
6,397만원
6,397만원
기초연구
대학
서울특별시 노원구
정보/통신 > 정보이론 > 인공지능
본 연구는 초저전력 온디바이스 AI 기반 다계층 지능형 배터리 관리 시스템을 위해 셀 단에서 실시간 SOC·SOH·SOF 상태 추론을 수행하는 초저전력 온디바이스 AI \"엣지 BMS-SoC(Zynq FPGA)\", 다수 셀의 상태 정보를 연합학습으로 통합·갱신하고 지능형 액티브 셀 밸런싱을 수행하는 \"모듈 BMS\", 그리고 대규모 멀티셀 배터리 시스템에서의 ...
1. 셀 단 지능형 상태진단을 위한 엣지 BMS-SoC (Edge BMS-SoC) 연구각 배터리 셀에는 MCU 기반 로컬 제어 블록과 1-4비트 초저전력 NPU(FPU 포함)를 통합한 엣지 BMS-SoC를 Zynq FPGA에 구현하고, BNN·양자화·근사연산 기반 초경량 SOC·SOH·SOF 추론기를 내장하여 셀 단 상시 구동에 적합한 저복잡도 추론 구조와...
... 안전사고를 구조적으로 저감- 셀 간 열화 편차 최소화·적응형 밸런싱으로 배터리 팩 수명을 연장하고 총소유비용(TCO) 절감- 셀·모듈 단 국소 학습을 수행하는 비중앙 분산 연합학습 구조로 클라우드 인프라 비용을 절감- 초저전력 NPU 기반 온디바이스 AI SoC 원천기술 확보를 통해 국내 AI 반도체·전력반도체 산업의 글로벌 기술경쟁력 강화·신시장 창출 기여- 팩 단 에너지 효율 ...