하이브리드 파워트레인 예측 에너지 관리 전략

초록

본 논문은 엔진과 배터리 간 전력 분배를 최적화하면서 배터리 열화 위험을 최소화하는 예측 기반 에너지 관리(MPC) 방식을 제안한다. 배터리 열화를 직접 모델링하기 어려운 점을 고려해 절대 전력 추출량을 손쉬운 열화 지표로 활용하고, 이를 분산형 최적화 구조에 통합한다. 도로 차량, 동적 위치 선박, 하이브리드 항공기 등 세 종류의 하이브리드 파워트레인에 대해 장시간 시뮬레이션을 수행해 연료 효율 향상과 배터리 수명 연장을 동시에 달성함을 입증한다.

상세 분석

이 연구는 하이브리드 파워트레인(HPT)의 에너지 관리 문제를 두 가지 핵심 과제—연료 효율 극대화와 배터리 열화 억제—를 동시에 다루는 통합 프레임워크로 전환한다. 기존 연구들은 주로 연료 소비 최소화에 초점을 맞추었으며, 배터리 열화 모델을 직접 최적화에 포함시키는 경우 계산 복잡도와 실시간 구현 가능성에서 한계를 보였다. 저자들은 이러한 한계를 극복하기 위해 배터리 열화를 ‘절대 전력 추출량(absolute power extracted)’이라는 간단한 휴리스틱으로 근사한다. 이는 배터리 전류 절대값의 적분(Ah‑throughput)과 직접 연관되며, 실험적으로 열화와 높은 상관성을 보이는 지표이다.

제안된 제어 구조는 분산형 모델 예측 제어(MPC) 기반으로, 각 에너지 소스(엔진, 배터리)를 독립적인 서브플레인으로 모델링하고, 라그랑주 승수를 이용해 전력 균형 제약을 전역적으로 조정한다. 이를 통해 각 서브플레인이 로컬 최적화를 수행하면서도 전체 시스템의 전력 요구(p_d)를 정확히 만족한다. 제어 법칙은 Euler‑Lagrange 기반 차량·선박·항공기 동역학을 선형 파라미터화한 형태(Yθ)와 적응형 추정기를 결합해 속도 추적 오차 η를 최소화한다. Lyapunov 기반 안정성 증명은 η가 전역적으로 수렴함을 보이며, 따라서 엔진·배터리 전력 요구(p_e, p_b)가 안정적으로 결정된다.

목표 함수는 (p_e + p_b − p̂_d)^2 항에 엔진 연료 비용 C_e(p_e)와 배터리 전력 비용 C_b(p_b)를 가중합한 형태이며, 여기서 C_b는 절대 전력 추출량에 비례하도록 설계돼 배터리 열화를 억제한다. 제약 조건에는 전력 한계, SOC 구간, 전력 변화율(r_e, r_b) 등이 포함돼 실제 하드웨어 제한을 반영한다.

시뮬레이션은 EPA 장거리 주행 사이클(총 360 h)과 동적 위치 선박, 하이브리드 항공기의 대표 운용 시나리오를 사용해 구현되었다. 결과는 기존 연료 최소화 MPC 대비 연료 소비를 4~7 % 절감하면서, 배터리 SOC 변동 폭을 15 % 이하로 억제하고, Ah‑throughput 기반 열화 지표는 20 % 이상 감소함을 보여준다. 또한 분산형 구현을 통해 10 ms 이하의 실시간 계산 시간을 달성, 실제 차량 제어기에 적용 가능한 수준임을 입증한다.

이 논문의 주요 기여는 (1) 배터리 열화를 간단히 추정할 수 있는 휴리스틱을 제시하고, (2) Euler‑Lagrange 기반 일반화된 동역학 모델을 모든 HPT에 적용 가능한 형태로 정형화했으며, (3) 플러그‑앤‑플레이식 분산 최적화 구조를 통해 n개의 에너지 소스를 확장 가능하게 설계했다는 점이다. 특히, 배터리 열화 모델을 직접 포함시키지 않으면서도 실시간 구현 가능성을 확보한 점은 산업 현장에서 바로 활용될 수 있는 실용적 접근이라 평가된다. 다만, 절대 전력 추출량이 모든 배터리 화학에 동일하게 적용되는지, 고온·저온 환경에서의 정확도 등은 추가 실험을 통해 검증이 필요하다.