논문 전문 : https://ieeexplore.ieee.org/document/9210642
[출처] R. R. Ardeshiri, B. Balagopal, A. Alsabbagh, C. Ma and M. -Y. Chow, "Machine Learning Approaches in Battery Management Systems: State of the Art: Remaining useful life and fault detection," 2020 2nd IEEE International Conference on Industrial Electronics for Sustainable Energy Systems (IESES), 2020, pp. 61-66, doi: 10.1109/IESES45645.2020.9210642.https://doi.org/10.1016/j.egyai.2020.100007.
※ The picture and content of this article are from the original paper.
[논문요약]
Machine Learning Approaches in Battery Management Systems : State of the Art
BMS가 왜필요한지, 어떤기능을 하는지에 간략하게 정리하고 딥러닝을 적용하는 Method들에 대해 분석한 논문입니다.
제목이 SOTA 라 되어있는데,, 딱히 SOTA같진 않네요.. 작년에 나온논문임에도 불구하고..?
Purpose
짧은 분석논문으로, 앞부분 몇장에 BMS가 무엇인지 잘 정리가되어있습니다.
특히, BMS에서 하는일을 조금 세부적으로 나누어서 상기이미지와 같이 정리를 했는데요,
큰 골자에서는 저정도의 기능들에 대해 연구를 한다고 보면 될것같습니다.
이제, 저 각자 한개의 사각형들 안에서 수백 수천개의 논문들로 세부 가지들이 뻗어나가는 형식입니다.
이렇게 BMS의 기능들에 대해 설명하고, 이중 머신러닝을 사용한 Method들에 대해 정리를 하고있습니다.
Contents
워낙 상식적인 선에서 적힌 논문이라..
별다른 테크닉, insight를 얻어갈만한것은 보이지 않았습니다.
상기 머신러닝 Approach라 된것도 그냥 흔히들 알고있는 학습모델들 좀 나열해놓은거구요..
적혀있는 모델들 특히 강화학습쪽이 BMS에 사용되는 경우는 거의없습니다.
코넬대학교나 포르쉐쪽에서 전기차충전소 경유하는 목적지까지의 최적 에너지효율 경로추천 같은 정도로 쓰는건 보긴했는데.. BMS 내부 알고리즘용으론 강화학습은 적용하기가 어렵죠
해당 논문에서는 RBF든 SVR이든 LSTM이든... Regression에 관련된 딥러닝 모델들을 위주로 설명하는데요,
포항공대에서 나온것처럼 SOH는 Classification으로 하는것도 괜찮다고 생각합니다.
https://limitsinx.tistory.com/191
즉, 뭔가 제가 알고있는 BMS와 머신러닝의 접목에 대해 다른 견해를 가지고 있는듯한 논문같았습니다.
다르다기보단,
확실히 BMS제어에선 SOC든 SOH든 Regression을 많이하긴하죠 출력제한이든...
근데 뭔가 읽다보면, 너무 당연한 얘기만 하고있다는 생각이 아주 많이들었습니다.
아무리 분석논문이라, 신규연구에 관한 논문은 아니라지만, 장장 6장에 적힌 내용이 너무나도 당연한
그냥 어디 블로그나 tistory에 정리했어도 됬을법한 내용이랄까...
심지어
BMS에 어떻게 딥러닝을 접목하는지가 적혀있는게 아니라,
논문내용의 대부분이
딥러닝은 뭔지, 어떤모델이 있는지 설명하고 끝납니다. 이걸 BMS에 어떻게 쓰고있다도 없고..
강화학습도 개념을 정리하고 그냥 끝납니다. 저는 강화학습 개념을 보려고 BMS 논문을 보는게 아닌데말이죠..
여러모로 아쉬움이 많이 남는 논문이였습니다.
참조
1. R. R. Ardeshiri, B. Balagopal, A. Alsabbagh, C. Ma and M. -Y. Chow, "Machine Learning Approaches in Battery Management Systems: State of the Art: Remaining useful life and fault detection," 2020 2nd IEEE International Conference on Industrial Electronics for Sustainable Energy Systems (IESES), 2020, pp. 61-66, doi: 10.1109/IESES45645.2020.9210642.https://doi.org/10.1016/j.egyai.2020.100007.
댓글