예측적 데이터 분석 기반 전기차 미래 시점 주행 가능 거리 모델링 = Predictive Data Analysis-Based Modeling of Electric Vehicle Future Driving Range

국문 초록 (Abstract)

친환경 교통 수단에 대한 관심이 높아지는 가운데, 전기차 배터리 열화 현상은 전기차 보급에 큰 걸림돌로 작용한다. 본 연구에서는 1년 뒤의전기차 주행 가능 거리를 추정하고, 이를 배터리의 열화 진단 지표로 활용하고자 한다. 371대의 차량으로부터 2년 동안 수집한 Battery ManagementSystem 데이터는 전처리 및 특성 엔지니어링 과정을 거쳐 Feature Tokenizer Transformer 모델 학습에 사용한다. Feature Tokenizer Transformer는 변수 유형과 무관하게 각 변수들 사이의 복잡한 연관성을 효과적으로 포착할 수 있는 구조적 장점을 가지고 있어, Battery Management System데이터 처리에 적합하다. 실제 전기차의 주행시에는, 배터리가 완전히 방전되기 전에 충전하는 사례가 대부분을 차지하기 때문에, 지도 학습에필요한 주행 가능 거리 실제 값(label)을 수집하는 것이 어렵다. 이러한 제약 사항을 극복하기 위해 1년 뒤 시점의 전비를 예측하고 주행 가능거리로 변환하는 방법을 제안한다. 전비 예측과 주행 가능 거리 산출로 나누어지는 단계별 예측 프레임워크를 통해서, 전기차 배터리의 완전 방전데이터 없이도 주행 가능 거리를 예측할 수 있다. 최종적으로 Mean Absolute Error 8.872(km)의 예측 정확도를 달성하였고, 본 연구에서 제안하는방법론이 현실 데이터 기반 미래 시점 주행 가능 거리 예측에 효과적으로 적용됨을 확인하였다.

다국어 초록 (Multilingual Abstract)

As interest in eco-friendly transportation methods increases, battery degradation in Electric Vehicles (EVs) poses a critical barrier to the adoption of EVs. Our research aims to predict the range of EVs one year into the future and use this prediction as an indicator to diagnose the degree of battery degradation. Battery Management System data collected from 371 vehicles over two years underwentpreprocessing and feature engineering before being used for Feature Tokenizer Transformer model training. The Feature TokenizerTransformer has structural advantages that enabling effective capture of complex relationships among all input variables regardless ofvariable types, which makes it well-suited for processing tabular data such as Battery Management System data. In actual EV operation, most cases involve charging before the battery is completely discharged, which makes it difficult to collect ground truth values of rangerequired for model training. To overcome this constraint, we propose a method that predicts energy efficiency one year ahead andsubsequently converts it to range. Through a stepwise prediction framework divided into energy efficiency prediction and range calculation, we can predict range without complete discharge data from EV batteries. This research achieved a prediction accuracy of Mean AbsoluteError 8.872(km), which confirms that our methodology can be effectively applied to future range prediction problems based on real-worldcollected data.