Prediction and diagnosis for battery degradation and wind turbine faults
연구 내용
배터리 열화·SOH·전력 상태를 예측하고 풍력발전기 이상을 분류하기 위해, 하이퍼파라미터 최적화와 딥러닝·XAI 기반 모델을 학습하는 연구
본 연구는 에너지 시스템에서 상태 추정과 결함 진단을 위한 데이터 기반 예측 모델을 구축합니다. 리튬이온 배터리에서는 용량 열화를 목표로 XGBoost 회귀를 최적화하고, 방전 곡선의 전압 분포와 용량 변화를 활용해 SOH를 추정합니다. 또한 PSO 기반 하이브리드 딥러닝과 SHAP 같은 XAI를 결합하여 예측 근거를 설명하는 접근을 수행합니다. 풍력발전기에서는 소수 결함 데이터와 불균형 문제를 고려해 WC-GAN 기반 합성 샘플을 생성하고, 실제 SCADA 데이터와 함께 학습하여 이상 분류 성능을 높이는 방향으로 연구를 진행합니다.
관련 연구 성과
관련 논문
4편
관련 특허
0건
관련 프로젝트
6건
연구 흐름
초기에는 배터리 상태 예측의 구성 요소를 정리하고, 머신러닝 회귀를 통해 용량 열화 예측을 수행하는 연구로 시작했습니다. 이후 2025년에는 전력 상태 예측과 SOH 추정으로 범위를 확장하면서 PSO 기반 최적화 및 XAI 적용을 병행했습니다. 한편 풍력발전기 분야에서는 결함 데이터 불균형과 샘플 부족 문제를 GAN 기반 데이터 증강으로 해결하는 방향으로 전환했습니다. 2022년부터 축적된 생성형 모델 활용 경험을 에너지 진단 파이프라인에 연결해, 실제 SCADA 데이터 기반 검증을 강화하는 흐름을 유지했습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
Optimized XGBoost modeling for accurate battery capacity degradation prediction
AI-driven state of power prediction in battery systems: A PSO-optimized deep learning approach with XAI
Interpretable AI for explaining and predicting battery state of health using PSO-enhanced deep learning models
Leveraging generative adversarial networks for data augmentation to improve fault detection in wind turbines with imbalanced data
관련 프로젝트
구분
제목
가동률 향상을 위한 AI기반 풍력발전기 이상 감지 시스템 개발
가동률 향상을 위한 AI기반 풍력발전기 이상 감지 시스템 개발
제주 에너지신산업 고도화 혁신인재 양성 교육연구단
제주 에너지신산업 고도화 혁신인재 양성 교육연구단
제주 에너지신산업 고도화 혁신인재 양성 교육연구단
그린수소 글로컬 선도연구센터