http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
LSTM 모델기반 리튬이온 배터리 SOH 예측알고리즘 구현
권상욱(Sanguk Kwon),한동호(Dongho Han),박성윤(Seongyun Park),김종훈(Jonghoon Kim) 대한전기학회 2019 전기학회논문지 Vol.68 No.10
The state-of-health(SOH) information of a rechargeable lithium-ion battery is dependent on variable electric vehicle(EV)’s output features caused by frequent discharging/charging current, temperature, and state-of-charge(SOC) operating range. Above all, the most important thing to be checked is this SOH information should be correctly predicted for providing guarantee lithium-ion battery statuses to EV users. For this goal, critical aging factors that results in battery management system(BMS) performance should be obtained by various experiments and be reflected in a sophisticated study. Therefore, this paper introduces two steps for accomplishing an improved SOH prediction of a rechargeable lithium-ion battery. The first step is to perform aging factors extraction and their correlation analyses based on experiments using urban dynamometer driving schedule(UDDS) current profile. From this step, the long short term memory(LSTM) used to predict nonlinear and time-series datasets is newly proposed in the second step. According to the comparison with the recurrent neural network(RNN)-based SOH and clear verification, this paper provides the effectiveness of the SOH prediction.
권상욱(Sanguk Kwon) 한국자료분석학회 2023 Journal of the Korean Data Analysis Society Vol.25 No.1
OLS 추정(Ordinary Least Squared estimation)으로 얻은 추정치의 해석에는 평균의 개념이 포함되어 있다. 그러므로, 소득추정방정식을 OLS로 추정한다면, 개인 간 소득의 차이는 설명변수의 차이로 발생한 것이며, 다른 모든 설명변수의 효과를 통제한 연령 효과는 개인의 특성(교육 수준, 거주지역, 출생연도 등)과 상관없이 동일하다. 하지만, 관련 실증분석 연구에서는 교육 수준 혹은 태어난 출생연도에 따라서 연령 효과가 다르고, 소득이 정점에 도달하는 연령이 달라지며, 이 결과는 연령 효과가 개인의 특성에 따라 다름을 암시한다. 따라서, 본 연구에서는 분위회귀분석(quantile regression)을 이용하여 소득분위별 연령-소득의 연령 효과를 추정하였고 그 결과를 OLS로 추정한 결과와 비교하였다. 분석을 위해 국민연금 보험료를 납부한 이력이 있는 모든 가입자의 정보를 데이터로 축적한 국민연금 이력자료를 이용하였다. 분석에 이용된 대상은 1988년부터 2020년까지 국민연금을 납부한 남성-사업장가입자 중 이 기간에 21년 이상의 소득정보가 존재하는 가입자로 국한하였다. 분석 결과 다른 모든 설명변수를 통제한 연령 효과를 소득분위별로 비교한다면, 먼저, 소득계층이 높을수록 경력 증가로 인한 소득 상승분이 높다. 둘째, 소득이 정점에 도달하는 연령대는 소득계층이 높을수록 높다. 즉, 소득계층 하위 10%의 연령 효과는 40세에 소득이 정점에 도달하지만, 소득계층 하위 90%의 연령 효과는 50세에 소득이 정점에 도달한다. Interpretation of estimates based on OLS(Ordinary Least Squared) method includes the concept of an average. Therefore, if the income equation is estimated by OLS, the difference in income between individuals is caused by the difference in explanatory variables, and the age effect controlled the effects of other explanatory variables is the same regardless of individual characteristics such as education level, living region, birth year etc. However, in related to empirical studies, the age effect differs depending on the level of education or birth year, and the age when income peaks varies. This implies that the age effect differs depending on individual characteristics and this motivation leads me to analyze age effect based on the quantile regression. For this study, I use workplace-based insured men with income information during more than 21 years in the national pension history data during 1988-2020. From the comparison on the age effect by income level, first, the higher income class, the higher age premium. Second, the age when income peaks is higher as the income level increases. Specifically, income peaks at age 40 for the bottom 10% of the income bracket, however, income peaks at age 50 for the upper 10% of the income bracket.