클라우드 BMS 또는 서버 기반 솔루션의 에지 프로세싱에서 사용이 가능한, 전기자동차의 주행환경을 고려한 데이터 라벨링 방법에 있어서,배터리 열화와 관련한 건전성 지표(health-indicator)를 선정하는 단계; 및상기 건전성 지표와 함께, 사용자의 용도, 운행 패턴, 운용 환경 및 배터리 상태 정보를 포함하는 주행 조건 및 상태 데이터를 라벨링(labeling)하여 함께 저장하는 단계;를 포함하고,상기 주행 조건 및 상태 데이터는, 배터리에 인가되는 전류 크기(C-rate), 부하 조건(load condition), SOC(State of Charge), 배터리 전압, 배터리 전류, 배터리 온도, 배터리 최대 용량, 상기 전기자동차의 기어 위치, 상기 전기자동차의 휠 각도, 상기 전기자동차의 브레이크 페달 압력, 상기 전기자동차의 오도 미터 및 상기 전기자동차의 바퀴의 속도를 포함하고,상기 사용자의 용도는, 개인 차량, 렌터카, 관광용 차량, 대중교통 차량을 포함하는 사용자의 용도 리스트 중 하나를 포함하고,상기 운행 패턴은, 출퇴근, 시내 주행, 고속도로 주행, 장거리 주행을 포함하는 운행 패턴 리스트 중 어느 하나를 포함하고,상기 운용 환경은, 시베리아 극저온, 온대 기후, 아프리카 극고온, 습한 열대 우림을 포함하는 기후 정보 리스트 중 어느 하나를 포함하는, 전기자동차의 주행환경을 고려한 데이터 라벨링 방법.

제 1 항에 있어서,상기 건전성 지표는 옴 저항(Ohmic Resistance)인 것을 특징으로 하는,전기자동차의 주행환경을 고려한 데이터 라벨링 방법.

삭제

삭제

제 1 항에 기재된, 전기자동차의 주행환경을 고려한 데이터 라벨링 방법에 따라서 라벨링된, 건전성 지표, 주행 조건 및 상태 데이터를, 인공지능의 입력층(input layer)로 입력하여, 상기 인공지능이 학습하는 단계; 및현재 주행 중인 전기자동차 배터리의 건전성 지표, 주행 조건 및 상태 데이터를 입력받아, 상기 학습한 인공지능에 의해서, 현재 주행 중인 전기자동차의 배터리 잔존유효수명을 예측하는 단계, 상기 주행 조건 및 상태 데이터는 사용자의 용도, 운행 패턴 및 운용 환경을 포함함;상기 주행 조건 및 상태 데이터는, 배터리에 인가되는 전류 크기(C-rate), 부하 조건(load condition), SOC(State of Charge), 배터리 전압, 배터리 전류, 배터리 온도, 배터리 최대 용량, 상기 전기자동차의 기어 위치, 상기 전기자동차의 휠 각도, 상기 전기자동차의 브레이크 페달 압력, 상기 전기자동차의 오도 미터 및 상기 전기자동차의 바퀴의 속도를 포함하고,상기 사용자의 용도는, 개인 차량, 렌터카, 관광용 차량, 대중교통 차량을 포함하는 사용자의 용도 리스트 중 하나를 포함하고,상기 운행 패턴은, 출퇴근, 시내 주행, 고속도로 주행, 장거리 주행을 포함하는 운행 패턴 리스트 중 어느 하나를 포함하고,상기 운용 환경은, 시베리아 극저온, 온대 기후, 아프리카 극고온, 습한 열대 우림을 포함하는 기후 정보 리스트 중 어느 하나를 포함하는, 전기자동차의 배터리 잔존유효수명 예측 방법.

제 5 항에 있어서, 상기 배터리의 잔존유효수명 예측에 이용할 수 있는, 기존 건전성 지표와 다른, 새로운 건전성 지표를 추천하는 단계;를 더 포함하는, 전기자동차의 배터리 잔존유효수명 예측 방법.