가우시안 프로세스 기반 OOD 조건에서의 컨버터 손실 예측 : Spectral Normalization과 SVD를 통한 일반화 성능 향상형 DKLGP 기반 DAB 컨버터 손실 예측 = Gaussian Process-Based Converter Loss Prediction under Out-of-Distribution Conditions

국문 초록 (Abstract)

전력 변환기 설계 과정에서 손실 예측은 고효율 컨버터를 설계하기 위한 필수적이고 핵심적인 단계이다. 특히 스위칭 손실과 도통 손실은 전체 손실 중 높은 비중을 차지하고 있기 때문에 정확하게 예측하는 것이 중요하다. 위와 같은 이유로 컨버터 손실 예측 방법은 지속적으로 연구되어 왔다. 하지만 비선형성 고려, 일반화 성능, 계산량 등의 문제들이 서로 상충되어 지난 연구들에 한계점이 존재해왔다. 특히 딥러닝 기술을 이용한 데이터 기반 방법에서는 학습 데이터에 지나치게 의존하여 온도나 전기적 파라미터 변화 등의 변수로 인해 학습 범위를 벗어나는 경우에 대해 성능이 급격하게 떨어지는 문제를 가지고 있다. 이를 해결하기 위해서 본 연구에서는 스펙트럴 정규화(Spectral Normalization)을 이용해 정규화된 특징 추출기와 특징점 추출(Singular Value Decomposition)을 적용하는 딥커널러닝 가우시안 프로세스(Deep Kernel Learning Gaussian Process, DKLGP)기반 RG-DKLGP(Regularized & Generalized DKLGP)를통해 스위치의 손실을 예측하는 알고리즘을 제안한다. 제안하는 모델인 RG-DKLGP는 정규화된 특징 추출기를 통해 출력이 입력에 의해 지나치게 변동되는 것을 방지하여 수치적 안정성을 확보한다. 또한 16 차원의 가우시안 프로세스의 출력을 SVD를 이용해 4차원 출력으로 출력 간의 상관 관계를 압축하여 가우시안 프로세스의 계산 복잡도를 감소시킨다. 위 모델을 검증하기 위해 본 연구에서는 PLECS 기반의 DAB(Dual Active Bridge) 컨버터 시뮬레이션을 통해 총 3,000여 개의 데이터를 획득하였다. DAB 컨버터는 전기차 배터리 충전기의 핵심 부품으로 경제성과 에너지 손실 최소화를 위해 정확한 손실 예측이 필수적인 장치이다. 얻어진 데이터 중 약 2,300개는 학습 데이터로, 약 200개는 ID 테스트 데이터로, 약 300개는 OOD 데이터로 사용하였다. OOD 데이터는 전체 입력 파라미터(온저항 (RDS(on)), 순방향 전압(Vf), 출력 전압(Vo)) 중 RDS(on)의 범위를 조정하여 구성하였고 훈련 데이터가 10-100 mΩ 범위를 갖는 것과 달리, OOD 데이터는 100-140 mΩ 범위에서 얻어졌다. FFNN(Feedforward Neural Network), DKLGP, Spectral Normalized DKLGP(SN- DKLGP), 그리고 제안하는 RG-DKLGP 모델은 ID 데이터와 OOD 데이터에 대해서 RMSE, MAE, MAPE 성능을 측정하였다. 그 결과 RG- DKLGP는 ID 영역에서는 가장 낮은 오차를 기록한 SN-DKLGP 모델과 유사한 성능을 보임과 동시에 OOD 영역에 대해서 가장 낮은 오차를 유지하는 모습을 보였으며, 특히 회귀 문제에 널리 사용되는 FFNN과 비교하여 약 50배 이상 낮은 오차를 가졌다. 또한 특이값 분해 기반 출력 압축을 통해 학습 과정에서 소요되는 시간을 3배 이상 단축시켰다. 종합적으로 제안하는 RG-DKLGP 모델이 DAB 컨버터의 손실에 대해서 낮은 오차를 유지하면서도 OOD 일반화 성능과 계산 효율성을 향상시켰다. 따라서 RG-DKLGP는 향후 고효율, 고신뢰성 전력 변환기 설계를 포함한 넓은 입력 범위를 갖는 최적화 분야에 적용할 수 있을 것으로 기대된다. 주제어: 딥커널러닝 가우시안 프로세스, 범위 외 데이터, 스펙트럴 정규화, 전력변환기 손실 예측, 특이값 분해

목차 (Table of Contents)

• 국문초록 ...................................................................................................................i
• 목 차 .........................................................................................................................ii
• 표 목 차 .................................................................................................................... iii
• 그림목 차 ..................................................................................................................iv
• 제 1장 서론.................................................................................................................1
• 제 2장 데이터 분포.....................................................................................................8
• 2.1. OOD 개념 정의 및 적용 범위................................................................................9
• 2.2. 본 논문에서 정의된 OOD ...................................................................................10
• 2.3. 데이터셋 구성 및 특징.........................................................................................12
• 2.4. 분포 이동이 예측 성능에 미치는 영향....................................................................13
• 제 3장 제안하는 모델.................................................................................................14
• 3.1. DKLGP 기반 구조...............................................................................................15
• 3.2. Spectral Normalization.................................................................................19
• 3.3. SVD 기반 다중 출력 압축....................................................................................22
• 3.4. 전체 학습 절차 요약............................................................................................26
• 제 4장 결과...............................................................................................................30
• 4.1. In-Distribution 결과..........................................................................................33
• 4.2. Out-of-Distribution 결과................................................................................38
• 4.3. 학습 효율성 및 고찰............................................................................................41
• 제 5장 결론..............................................................................................................46
• 참고문헌 .................................................................................................................49
• 이 력 .......................................................................................................................56