이도윤 계명대 석사과정, 에너지 저장 분야 국제학술지에 논문 게재
안경민 서울여대 교수팀과 공동연구...제1저자 참여
함수형 데이터 분석으로 기존 딥러닝의 예측 오차 극복
권태혁 기자2026.04.23 15:01
 |
| 이도윤 계명대 통계학과 석사과정./사진제공=계명대 |
이씨가 제1저자로 참여한 논문 '배터리 용량 예측 향상을 위한 리튬이온 배터리 열화의 함수형 모델링'은 리튬이온 배터리의 성능 저하를 정밀하게 예측하는 통계 기반 분석 프레임워크를 제안한다.
이번 연구는 안경민 서울여대 데이터사이언스학과 교수팀과 함께 수행했으며, 이씨는 모델 설계와 데이터 분석을 맡았다.
연구팀은 배터리 충·방전 시 발생하는 전압 데이터를 단수한 수치가 아니라 연속적인 함수 형태로 변환해 분석하는 '함수형 데이터 분석'(FDA) 기법을 적용했다. 이는 기존 시계열 중심 딥러닝 방식이 포착하기 어려운 전압 곡선의 형태 정보와 미세한 열화 패턴을 효과적으로 분석했다는 평가를 받는다.
또한 미항공우주국(NASA) 배터리 12종과 옥스퍼드 배터리 8종 등 공개 데이터세트를 활용해 모델 성능을 검증했다. 기존 딥러닝 예측 모델보다 높은 정확도와 안정성을 보였으며, 배터리 열화 과정에서 일시적으로 용량이 회복되는 '용량 회복 현상'과 같은 비선형적 특성도 효과적으로 반영했다.
이어 함수형 선형 회귀(FLR) 모델을 통해 △순환신경망(RNN) △장단기 메모리(LSTM) △게이트 순환 유닛(GRU) 등 기존 모델과 비교 분석했다. 그 결과 복잡한 구조나 별도의 특징 추출 과정 없이도 우수한 해석력과 예측 성능을 동시에 확보했음을 입증했다.
이씨는 "배터리 데이터를 함수 형태로 해석해 기존 방법으로 포착하기 어려웠던 열화 특성을 반영할 수 있었다"며 "이번 연구가 배터리 관리 시스템(BMS)의 신뢰성을 높이고 에너지 저장 장치의 안전성을 향상하는 데 기여하길 바란다"고 말했다.
한편 이번 연구는 한국연구재단 석사과정생 연구장려금 지원사업과 서울여대의 지원을 받아 수행됐다.
<저작권자 © ‘돈이 보이는 리얼타임 뉴스’ 머니투데이. 무단전재 및 재배포, AI학습 이용 금지>
