리튬이온배터리는 에너지 출력, 밀도 및 효율이 높다는 점에서 주목할 만한 이점을 지닌다. 그러나 사용 전 기간에 걸쳐 용량 저하가 지속적으로 주요한 우려 사항으로 남아 있다. 특히 잔여 용량을 계산하는 일은 안전한 운전을 보장하는 데 필수적이며, 이에 따라 정확한 용량 추정 모델의 개발이 촉진되어 왔다. 배터리 용량 추정은 배터리 관리 시스템(Battery Management System, BMS)에서 핵심 기능 중 하나이며, 배터리 용량은 배터리의 최대 저장 능력을 나타내어 배터리 상태 진단(State of Charge, SOC) 추정 및 수명 관리에 필수적이다. 배터리 용량 예측의 정확도를 향상시키기 위해, 본 연구에서는 랜덤 서치(Random Search) 기반 하이퍼파라미터 조정을 통해 튜닝된 개선된 극한 기울기 부스팅(Extreme Gradient Boosting, XGBoost) 모델을 제안한다. 제안 방법은 대규모 데이터셋에 적용했을 때 R2 값 0.9931%, 평균제곱오차(Mean Squared Error, MSE) 0.0068, 제곱근평균제곱오차(Root Mean Squared Error, RMSE) 0.0825를 달성하였다. 이러한 결과는 기존의 회귀 모델과 비교하여 유의미한 개선을 시사한다. 또한 제안된 기법은 리튬이온배터리 용량 추정에서 우수한 정확도와 견고성을 함께 제공하는 것으로 나타났다.

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