논문 전문 : https://engrxiv.org/preprint/view/2606
[출처] https://doi.org/10.31224/2606
※ The picture and content of this article are from the original paper.
[논문 요약]
State of Charge Prediction of Lead Acid Battery using Transformer Neural Network for Solar Smart Dome 4.0
Transformer를 사용해서 SOC를 추정하는 논문입니다.
지극히 개인적으로 생각하기에, 학술적인 가치가 있다고 보긴 힘듭니다. 그냥 Regression할때 Transformer를 쓴것말고는 아무 기술적 차이가 없기때문입니다. 그럼에도 제가 이 논문을 읽은 이유는, Transformer라는 모델을 배터리에 활용함에 있어 저와 비슷한 아이디어를 가지고 있기 때문입니다.
Transformer에 관심있으신분들이 아니라면 굳이 읽어보시지 않아도 될 논문인것 같습니다.
Contents
SOC를 추정하는 Task는 BMS 알고리즘 엔지니어에 있어, 아주 기본적이면서도 가장 중요한 기술입니다.
일반적으로 BMS 임베디드 On-boarding해야하기에, 이런식으로 Transformer를 쓰진 않습니다. 그리고 이렇게 하지 않아도 충분히 성능이 "더" 잘나오는 알고리즘들도 많기때문입니다.
그래서, 이 논문은 학술적으로 가치있다고 보기는 어렵다고 개인적으로 판단하고 있습니다.
데이터셋은 LFP 배터리를 0.5C로 CC충전하고, 15'C/25'C/35'C 각기 다른 온도조건별로 실험을 진행합니다. 그리고 별다른 Data Preprocessing없이 바로 Input으로 활용합니다.
학습과정은 참 묘한게, 일반적으로는 Reference SOC를 두고 그것을 추종하도록 학습하고, Early Stopping이나 각종 callback으로 학습을 멈추는게 일반적인데요, 이 논문은 LSTM이랑 GRU SOC Prediction도 동시에 진행하면서 이것과 비교하면서 학습을 진행합니다. 좋은 테크닉이라고 보긴 어려우나, 그냥 이런식으로도 학습하는구나 라고 보는 정도면 충분할것 같습니다.
이후, 학습시켜가며 Adam을 쓰거나, SGD를 쓰거나 혹은 LSTM/GRU를 써가며 모델 오차를 보는 결과 부분입니다.
R square나 여러 지표로 성능을 나타냈지만, 보통 MAE나 MSE를 기점으로 Regression 성능을 보는 경우가 많은데요, 어처구니 없게도 5X~45X 모든 데이터셋에서 GRU가 가장 성능이 좋고, TF-SGD가 가장 성능이 안좋습니다. 이건 논문 제목을 Review논문으로 지어야하는게 아닌가 라는 생각이 들 정도로, Transformer의 성능이 안좋게나왔습니다.
Results
제 논문 정리글을 쭉 봐주시는분들이 간혹 계신데, 그런 분들은 캐치할수있으실것입니다.
한 10개정도 논문 정리글 올리다보면 1개정도 이런 지뢰같은 논문을 읽게되어, 저널을 가려서읽어야겠다는 글을 올립니다. 그리고 Nature나 좋은 저널 논문만 읽다보면 다시 타고타고 이런쪽 읽게되어 다시한번 리마인드하고.. 마치 레닝의 망각곡선 주기같습니다. 또다시 당분간은 저널을 가리면서 읽을 예정입니다.
댓글