하이퍼네트워크 기반 매개변수화된 물리정보 신경망을 활용한 견고한 배터리 SOC 추정

정확한 충전 상태(SOC) 추정은 배터리 관리 시스템(BMS)에 필수적입니다. 그러나 기존 방법들은 매개변수 의존성 문제에 직면하거나 보지 못한 작동 조건 하에서 불안정성을 겪습니다. 본 논문은 전기화학 제약에 의해 관리되는 매개변수화된 물리정보 신경망(PPINN)과 시계열 학습을 통합한 새로운 하이브리드 프레임워크를 제안합니다. 이 아키텍처는 초기 SOC 값에 따라 동적 가중치를 생성하는 하이퍼네트워크를 사용하여 다양한 작동 조건에서 적응적 학습을 가능하게 합니다. 이를 통해 물리 기반 지식과 데이터 기반 모델링을 결합하여 일반화된 해 공간을 학습하며 반복적인 훈련을 피할 수 있습니다. 다양한 온도와 주행 사이클에 걸친 실험적 검증 결과, 우수한 성능과 함께 높은 정확도의 일반화 능력과 견고함을 입증했습니다.