본 연구는 기존 전기차(EV) 충전 지속시간 예측 모델의 한계를 다룬다. 기존 모델들은 영향 요인이 명확하지 않고 비선형 충전 거동을 반영하지 못하여 부정확한 추정과 비효율을 초래한다. 본 연구에서는 시간-시계열 특성과 정적 특성을 모두 활용하여, 서로 다른 두 가지 상태유전율(SOC) 범위에서 EV 급속 충전 지속시간을 예측하도록 설계된 멀티태스크 신경망(Multi-Task Neural Network, MT-NN) 모델을 제안한다. 급속 충전에 영향을 미치는 핵심 특성을 식별하기 위해, 재귀적 특성 제거와 교차검증(Recursive Feature Elimination with Cross-Validation, RFECV) 및 유전 알고리즘(Genetic Algorithm, GA)을 결합하여 최적의 특성 조합을 도출한다. RFECV-GA를 통합한 MT-NN 모델은 기존의 전통적 기계학습 및 고도화된 딥러닝 모델보다 성능이 우수하며, 더 낮은 제곱근평균오차(Root Mean Square Error, RMSE)와 평균절대오차(Mean Absolute Error, MAE)를 달성한다. 강건성 평가와 추론 시간 분석을 통해, 모델이 다양한 조건에서도 안정적인 성능을 유지함과 동시에 실제 현장 배치에 적합한 효율적인 실행 시간을 제공함이 추가로 확인된다. 또한, Shapley Additive Explanations(SHAP) 분석은 핵심 특성들의 기여도를 해석할 수 있게 하여 이들이 충전 지속시간에 어떻게 영향을 미치는지 보여준다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.