교통 인지형 계층식 통합 열·에너지 관리 전략 for 연결형 하이브리드 전기차

본 연구는 연결형 하이브리드 전기차(HEV)의 에너지 관리와 열 관리가 서로 긴밀히 연관되어 있음에도 불구하고, 기존 대부분의 연구가 두 시스템을 별도로 최적화하거나 규칙 기반으로 제어해 왔다는 점을 지적한다. 특히, 교통 상황에 대한 사전 정보를 활용하지 못해 실제 도로에서 발생하는 급격한 속도 변화나 정체 현상에 대한 대응력이 부족했다. 이러한 한계를 극복하고자 저자들은 ‘Traffic‑aware Hierarchical Integrated Thermal and Energy Management (TA‑ITEM)’라는 새로운 전략을 제안한다. ① 상위층(전역 계획)에서는 ITS(지능형 교통 시스템)에서 제공되는 교통 흐름 속도 데이터를 이용해 배터리 상태·전하(SOC)와 객실 온도에 대한 목표 궤적을 최적화한다. 이를 위해 차량의 longitudinal dynamics, 파워‑스플릿 장치, 엔진·모터·배터리·냉각·히팅 시스템을 포함한 통합 모델을 구축하고, 열 모델은 제어‑지향적으로 단순화하면서도 핵심 열 저항·용량을 정확히 반영한다. 이렇게 도출된 전역 궤적은 향후 일정 구간 동안 달성해야 할 SOC와 실내 온도 범위를 정의한다. ② 하위층(실시간 제어)에서는 Model Predictive Control(MPC) 기반 ITEM 제어기를 설계한다. 핵심 차별점은 ‘Transformer‑based speed predictor with Driving Condition Recognition (TF‑DCR)’이다. TF‑DCR은 과거 속도, 가속도, 교통 흐름, 도로 구간 특성 등을 입력으로 받아, 현재 주행 조건(도시, 고속, 교외)을 자동 인식하고, 각 조건에 맞는 어텐션 가중치를 적용해 미래 속도를 고정밀도로 예측한다. 기존 RNN·LSTM 기반 예측기에 비해 Transformer 구조는 장기 의존성을 효율적으로 학습하고, 병렬 처리로 실시간성을 확보한다. 예측된 속도 궤적은 MPC의 제약식(배터리 전류, 엔진 온도, 냉각·히팅 전력 등)과 비용함수(연료 소비 최소화, 온도 편차 최소화)에 직접 반영되어, 배터리 전력 분배, 엔진 부하, 냉각·히팅 시스템을 동시에 최적화한다. ③ 시뮬레이션은 Prius 기반 HEV 모델을 사용해 다양한 주행 사이클(UDDS, HWFET, FTP‑75 등)과 외기 온도(−10 °C, 25 °C, 35 °C)에서 수행되었다. 비교 대상은 전통적인 규칙 기반 ITEM, 그리고 속도 예측 없이 MPC만 적용한 ‘MPC‑SP’이다. 결과는 다음과 같다. - 연료 소비량: TA‑ITEM이 규칙 기반 대비 평균 56.36 % 절감, MPC‑SP 대비 5.84 % 절감. - 배터리 온도: 목표 범위(20 °C~35 °C) 내에서 평균 1.2 °C 이하 편차, 기존 방법 대비 30 % 이상 안정성 향상. - 실내 온도: 승객 쾌적 온도(22 °C~26 °C) 유지 비율이 95 % 이상, 기존 대비 10 % 포인트 상승. ④ 연구의 주요 기여는 세 가지로 요약된다. 1) **제어‑지향 열 모델**: 고충실도 열·전기 모델을 간소화해 실시간 최적화에 적합하도록 설계, 모델 검증을 통해 시뮬레이션과 고정밀 모델 간 오차 < 2 %를 달성. 2) **TF‑DCR 속도 예측기**: Transformer와 주행 조건 인식을 결합해 기존 예측기 대비 RMSE 15 % 개선, 실시간 실행 시간 30 ms 이하 확보. 3) **교통 인지형 계층식 ITEM 프레임워크**: 교통 흐름 정보를 전역 계획과 실시간 제어 모두에 활용함으로써 에너지·열 관리의 통합 최적화를 구현, 다양한 환경에서도 강인한 일반화 능력 입증. 마지막으로 저자들은 향후 연구 방향으로 (i) 클라우드‑엣지 협업을 통한 전역 궤적의 실시간 업데이트, (ii) 연합 강화학습을 이용한 다차량 협조 ITEM, (iii) 실차 테스트베드 구축을 통한 실제 도로 적용 검증 등을 제시한다. TA‑ITEM은 차량 연결성, 교통 데이터 활용, 고성능 AI 예측 모델을 결합한 차세대 HEV 에너지·열 관리 솔루션으로서, 향후 전동화 차량의 연비 향상과 승객 쾌적성 확보에 크게 기여할 것으로 기대된다.