배터리 SOC 추정과 강화학습 기반 에너지관리

Battery State-of-Charge Estimation and Reinforcement Learning Energy Management

연구 내용

배터리의 state-of-charge를 메타러닝으로 추정하고, 강화학습으로 전력계통 에너지관리 운영계획을 결정하는 연구

배터리 상태추정과 전력계통 에너지관리의 연결을 목표로 연구를 수행합니다. 레퍼런스 배터리에서 수집한 소량 훈련 데이터를 기반으로 메타러닝 구조의 글로벌 SOC 추정 모델을 구성하여 타겟 배터리의 SOC를 추정합니다. 추정 결과는 전력계통 운영 계획 수립에 활용되며, 구간 타입 순부하 예측과 강화학습을 결합해 발전소 및 ESS 운영 결정을 도출합니다. 이를 통해 개별 자산 모델의 적응성과 운영 의사결정의 일관성을 확보하는 데 차별성을 둡니다.

관련 프로젝트

0건

연구 흐름

초기 연구는 배터리 SOC 추정에서 소량 타겟 데이터 환경을 다루기 위해 메타러닝 기반 글로벌 추정 모델을 구성하는 데 집중되었습니다. 이후 SOC 추정과 연계하여 전력계통의 순부하를 구간 형태로 예측하고, 예측 기반 강화학습으로 발전소와 ESS 운영 계획을 결정하는 프레임으로 확장하였습니다. 최근에는 추정-의사결정 파이프라인을 전력계통 제어에 적용할 수 있도록 학습 구조와 운영 목표를 정렬하는 방향으로 연구를 진행하고 있습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

배터리 SOC 추정 기반 운전제어
메타러닝 기반 신규 배터리 모델 적응
구간 예측을 활용한 전력계통 에너지관리
강화학습 기반 부하·발전 운영계획
발전자원·ESS 통합 운영 최적화
충방전 제약 반영 에너지 관리
배터리 수명 저감 방지 전략
전력계통 상태추정 데이터 보정
추정 기반 온라인 운영 의사결정
배터리 진단 및 성능 모니터링 자동화