RISS 학술연구정보서비스

검색

인기 검색어

    다국어 입력

    http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.

    변환된 중국어를 복사하여 사용하시면 됩니다.

    예시)
    • 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
    • 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
    닫기

    감속기를 활용한 수소연료전지버스의 효율 향상

    한글로보기

    https://www.riss.kr/link?id=T17396658

    • 0

      상세조회
    • 0

      다운로드
    서지정보 열기
    • 내보내기
    • 내책장담기
    • 공유하기
    • 오류접수
    인용문이 복사되었습니다.

    부가정보

    국문 초록 (Abstract) kakao i 다국어 번역

    석유자원의 고갈과 지구 온난화는 현재 사회에서 큰 문제로 부각되고 있다. 이러한 과정 속 여러 산업에서 친환경 에너지원을 활용한 Zero-emission은 필수적인 과제가 되었다. 이러한 상황에서 자동차 산업에서도 전동화 기술을 바탕으로 다양한 친환경 자동차 개발에 힘을 쓰고 있다. 이러한 친환경 자동차 중에서 수소 연료 전지 자동차는 배터리 전기 자동차에 비교해서 짧은 충전시간, 긴 주행 가능 거리라는 이점을 가지고 있어 차세대 친환경 자동차로 많은 연구가 진행되고 있으며, 이에 따른 연비 향상을 위한 에너지 관리 전략(EMS)에 대한 연구도 활발하게 진행되고 있다. 그러나 시뮬레이션에서는 미래의 속도를 모두 안다고 가정하는 주행 사이클을 활용하는 반면, 실제 차량에서는 미래의 속도를 알 수 없다는 한계가 있다. 또한 수소 연료 전지 자동차에 동력원인 모터는 85%에서 95%의 높은 효율을 가지지만 버스와 같은 대형 차량은 높은 토크가 요구되어 상대적으로 낮은 효율 구간을 사용할 수밖에 없다.
    본 연구에서는 서울 시내를 주행하는 수소 연료전지 전기 버스(Fuel-Cell Electric Bus, FCEB)를 대상으로, 주행 속도 예측, 다단감속기 기반 기어 변속 스케줄링, 듀얼 모터 구동, 그리고 에너지 분배 최적화를 통합적으로 고려한 에너지 효율 향상 방안을 제안한다. 이를 위해 실제 도심 노선을 반복 주행하는 버스의 GPS 기반 운행 데이터 를 활용하여 장·단기 기억 메모리(Long Short-Term Memory, LSTM) 신경망 기반 주행 속도 예측 모델을 구축하였다. 예측된 주행 속도는 차량 동역학 계산에 활용되어 실제 주행 조건을 반영한 구동력 및 에너지 요구량을 생성하는 데 사용되었다. 또한 다단감속기와 듀얼 모터 시스템이 적용된 수소연료전지 버스의 파워트레인 모델을 구축하고, 탐욕 알고리즘(Greedy Algorithm)을 이용하여 모터 효율맵을 기반으로 한 기어 변속 스케줄링을 수행하였다. 이를 통해 동일한 차량 요구 출력(등파워 조건) 하에서 다단감속기 적용 시 모터 운전점이 효율맵 상의 고효율 영역으로 이송되
    는 효과를 분석하였다. 나아가 동적 계획법(Dynamic Programming)을 적용하여 연료전지와 에너지 저장 장치 간의 이론적으로 최적화된 에너지 분배 전략을 도출하고, 다단감속기 및 듀얼 모터 적용이 에너지 분배 특성과 수소 소비량에 미치는 영향을 정량적으로 평가하였다.
    시뮬레이션 결과, 다단감속기 및 듀얼 모터 시스템 적용 시 단일 감속기·단일 모터 기반 시스템 대비 모터 운전의 요구 에너지가 줄어드는 것을 확인할 수 있었으며, 이로 인해 연료전지 출력 변동이 완화되고 수소 소비량이 감소하는 경향을 보였다. 본 연구는 주행 속도 예측을 포함한 통합적인 관점에서 다단감속기 기반 수소연료전지 버스의 에너지 효율 향상 가능성을 제시하며, 향후 대형 상용 수소연료전지 차량의 구동계 설계 및 에너지 관리 전략 수립을 위한 기초 자료로 활용될 수 있을 것으로 기대된다
    번역하기

    석유자원의 고갈과 지구 온난화는 현재 사회에서 큰 문제로 부각되고 있다. 이러한 과정 속 여러 산업에서 친환경 에너지원을 활용한 Zero-emission은 필수적인 과제가 되었다. 이러한 상황에서...

    석유자원의 고갈과 지구 온난화는 현재 사회에서 큰 문제로 부각되고 있다. 이러한 과정 속 여러 산업에서 친환경 에너지원을 활용한 Zero-emission은 필수적인 과제가 되었다. 이러한 상황에서 자동차 산업에서도 전동화 기술을 바탕으로 다양한 친환경 자동차 개발에 힘을 쓰고 있다. 이러한 친환경 자동차 중에서 수소 연료 전지 자동차는 배터리 전기 자동차에 비교해서 짧은 충전시간, 긴 주행 가능 거리라는 이점을 가지고 있어 차세대 친환경 자동차로 많은 연구가 진행되고 있으며, 이에 따른 연비 향상을 위한 에너지 관리 전략(EMS)에 대한 연구도 활발하게 진행되고 있다. 그러나 시뮬레이션에서는 미래의 속도를 모두 안다고 가정하는 주행 사이클을 활용하는 반면, 실제 차량에서는 미래의 속도를 알 수 없다는 한계가 있다. 또한 수소 연료 전지 자동차에 동력원인 모터는 85%에서 95%의 높은 효율을 가지지만 버스와 같은 대형 차량은 높은 토크가 요구되어 상대적으로 낮은 효율 구간을 사용할 수밖에 없다.
    본 연구에서는 서울 시내를 주행하는 수소 연료전지 전기 버스(Fuel-Cell Electric Bus, FCEB)를 대상으로, 주행 속도 예측, 다단감속기 기반 기어 변속 스케줄링, 듀얼 모터 구동, 그리고 에너지 분배 최적화를 통합적으로 고려한 에너지 효율 향상 방안을 제안한다. 이를 위해 실제 도심 노선을 반복 주행하는 버스의 GPS 기반 운행 데이터 를 활용하여 장·단기 기억 메모리(Long Short-Term Memory, LSTM) 신경망 기반 주행 속도 예측 모델을 구축하였다. 예측된 주행 속도는 차량 동역학 계산에 활용되어 실제 주행 조건을 반영한 구동력 및 에너지 요구량을 생성하는 데 사용되었다. 또한 다단감속기와 듀얼 모터 시스템이 적용된 수소연료전지 버스의 파워트레인 모델을 구축하고, 탐욕 알고리즘(Greedy Algorithm)을 이용하여 모터 효율맵을 기반으로 한 기어 변속 스케줄링을 수행하였다. 이를 통해 동일한 차량 요구 출력(등파워 조건) 하에서 다단감속기 적용 시 모터 운전점이 효율맵 상의 고효율 영역으로 이송되
    는 효과를 분석하였다. 나아가 동적 계획법(Dynamic Programming)을 적용하여 연료전지와 에너지 저장 장치 간의 이론적으로 최적화된 에너지 분배 전략을 도출하고, 다단감속기 및 듀얼 모터 적용이 에너지 분배 특성과 수소 소비량에 미치는 영향을 정량적으로 평가하였다.
    시뮬레이션 결과, 다단감속기 및 듀얼 모터 시스템 적용 시 단일 감속기·단일 모터 기반 시스템 대비 모터 운전의 요구 에너지가 줄어드는 것을 확인할 수 있었으며, 이로 인해 연료전지 출력 변동이 완화되고 수소 소비량이 감소하는 경향을 보였다. 본 연구는 주행 속도 예측을 포함한 통합적인 관점에서 다단감속기 기반 수소연료전지 버스의 에너지 효율 향상 가능성을 제시하며, 향후 대형 상용 수소연료전지 차량의 구동계 설계 및 에너지 관리 전략 수립을 위한 기초 자료로 활용될 수 있을 것으로 기대된다

    더보기

    목차 (Table of Contents)

    • 그림목차 ⅲ
    • 표목차 iv
    • 기호설명 ⅴ
    • 국문초록 ⅷ
    • 그림목차 ⅲ
    • 표목차 iv
    • 기호설명 ⅴ
    • 국문초록 ⅷ
    • 제 1 장 서론
    • 제 1 절 연구의 배경 1
    • 가. 환경적 배경 1
    • 나. 기술적 배경 3
    • 제 2 절 연구의 목적 5
    • 가. 기존 연구의 한계점 5
    • 나. 연구의 목적 7
    • 제 3 절 연구 방법론 8
    • 제 4 절 논문의 구성 12
    • 제 2 장 본론
    • 제 1 절 차량 동역학 모델 14
    • 제 2 절 파워트레인 16
    • 가. 파워트레인 변수 설정 16
    • 나. 양성자 교환막 연료전지(PEMFC) 17
    • 다. 에너지 저장 장치(Energy Storage System) 20
    • 라. 감속기(Reducer) 23
    • 마. 듀얼 모터 시스템 24
    • 바. 파워트레인 구조 25
    • 제 3 절 속도 예측 27
    • 가. 인공 신경망(ANN) 27
    • 나. 순환 신경망(RNN) 29
    • 다. 장-단기 기억 메모리(LSTM) 신경망 30
    • 라. MSE 최근접 기법(MSE Nearest) 31
    • 마. 상승 에지(Rise Edge) 추출 33
    • 제 4 절 에너지 분배 최적화 전략 34
    • 가. 탐욕 알고리즘(Greedy Algorithm) 35
    • 나. 서모스탯 제어 전략(Thermostat Control Strategy, TCS) 37
    • 다. 동적 계획법(Dynamic Programming. DP) 39
    • 제 5 절 시뮬레이션 구현 환경 및 결과 42
    • 가. LSTM 속도 예측기 설계 42
    • 나. LSTM 속도 예측 결과 45
    • 다. Backward Model과 동적 계획법 설계 48
    • 라. 최적화 결과 50
    • 마. 시뮬레이션 결과 분석 및 고찰 55
    • 제 3 장 결론 57
    • 참고문헌 59
    • Abstract 61
    더보기

    분석정보

    View

    상세정보조회

    0

    Usage

    원문다운로드

    0

    대출신청

    0

    복사신청

    0

    EDDS신청

    0

    동일 주제 내 활용도 TOP

    더보기

    주제

    연도별 연구동향

    연도별 활용동향

    연관논문

    연구자 네트워크맵

    공동연구자 (7)

    유사연구자 (20) 활용도상위20명

    이 자료와 함께 이용한 RISS 자료

    나만을 위한 추천자료

    해외이동버튼