⚡ electrical engineering

ITI-MPC: Intelligent Transportation-Informed Predictive Energy Management for Ammonia-Hydrogen Hybrid Electric Vehicles

본 논문은 암모니아-수소 하이브리드 전기 자동차의 에너지 관리를 최적화하기 위해 단기 수요 예측을 통합하여 배터리 충전 상태를 안정적으로 유지하면서도 42.80%의 최대 시스템 효율을 달술하는 지능형 교통 정보 기반 모델 예측 제어(ITI-MPC) 프레임워크를 제안한다.

원저자: Chenggang Zhang, Zhengxian Chen

게시일 2026-09-03

📖 4 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Chenggang Zhang, Zhengxian Chen

원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

대형 운송 분야의 더 깨끗한 미래로 가는 길은 어려운 선택들로 점철되어 있습니다. 대형 트럭과 버스는 이동을 위해 엄청난 양의 에너지를 필요로 하지만, 소형 자동차를 구동하는 배터리는 이 거대한 작업들을 수행하기에는 너무 무겁고 충전 속도도 느린 경우가 많습니다. 엔지니어들은 뛰어난 에너지 효율과 빠른 재충전이 가능한 연료인 수소에 주목해 왔지만, 순수 수소를 저장하려면 다루기 까다로운 무겁고 고압인 탱크가 필요합니다. 이에 대한 유망한 대안으로 암모니아가 등장했습니다. 암모니아는 적절한 압력에서 안정적인 액체 상태를 유지하므로 저장과 운송이 용이한 화학 물질입니다. 그러나 암모니아는 대부분의 엔진에서 직접 연소될 수 없으며, 먼저 '크래킹(cracking)'이라 불리는 과정을 통해 수소 가스로 분해되어야 합니다. 이는 차량 설계자들에게 복잡한 퍼즐을 안겨줍니다. 시스템은 액체 암모니아의 흐름, 가스로 변하는 속도, 그 가스의 저장, 그리고 차량을 구동하는 데 필요한 전력을 관리해야 하며, 동시에 트럭이 목적지에 도착하기 전에 연료가 바닥나지 않도록 보장해야 합니다.

칭화대학교의 연구진은 이 퍼즐을 해결할 새로운 방법을 개발하여, 암모니아와 수소를 혼합하여 사용하는 차량을 위한 스마트 제어 시스템을 만들었습니다. 연구진은 암모니아와 수소 혼합물을 태워 전기를 생성하는 엔진, 수소를 사용하여 동력을 만드는 연료 전지, 그리고 빠른 가속이나 제동 시 에너지를 포착하기 위해 에너지를 저장하는 배터리라는 세 가지 주요 동력원을 갖춘 차량을 설명합니다. 과제는 매 순간 각 동력원이 얼마만큼의 출력을 제공해야 하는지를 결정하는 것입니다. 만약 시스템이 너무 조심스럽다면, 나중을 위해 수소를 너무 많이 아끼게 되어 탱크는 가득 차 있지만 엔진은 비효로하게 될 수 있습니다. 반대로 너무 공격적이라면, 수소를 너무 빨리 써버려 암모니아 크래커가 엔진의 요구를 따라갈 만큼 충분한 가스를 빠르게 생산하지 못하는 상황에 직면할 수 있습니다.

이를 해결하기 위해 연구팀은 ITI-MPC, 즉 '지능형 교통 정보 기반 예측 에너지 관리(Intelligent Transportation-Informed Predictive Energy Management)'라고 불리는 전략을 개발했습니다. 현재 운전자의 전력 수요에 단순히 반응하는 기존 시스템과 달리, 이 새로운 시스템은 앞을 내다봅니다. 이 시스템은 차량의 속도와 가속도를 바탕으로 향후 몇 초 동안 트럭의 전력 수요가 어떻게 될지를 예측하는 컴퓨터 모델을 사용합니다. 다가올 상황을 미리 알 수 있기 때문에, 시스템은 지금 더 현명한 결정을 내릴 수 있습니다. 예를 들어, 가파른 언덕이 다가오고 있다는 예측이 나오면, 시스템은 엔진이 무거운 짐을 감당해야 할 때가 오기 전에 미리 수소 생성을 시작할 수 있습니다. 이를 통해 차량은 암모니아 크래커로부터의 느리고 꾸준한 수소 생산과 도로의 즉각적인 요구 사이에서 균형을 맞추며, 연료를 과잉 생산하거나 과소 생산함으로써 발생하는 낭비를 피할 수 있습니다.

연구진은 프로토타입 암모니아-수소 트럭에서 수집된 실제 주행 데이터를 사용하여 이 새로운 접근 방식을 테스트했습니다. 그들은 이 스마트 시스템을 세 가지 다른 방식, 즉 고정된 지침을 따르는 단순 규칙 기반 시스템, 앞을 내다보지 않고 매 순간 연료 사용을 최소화하려는 방식, 그리고 교통이나 도로 정보를 사용하지 않는 표준 예측 시스템과 비교했습니다. 결과는 새로운 ITI-MPC 전략이 가장 효율적이라는 것을 보여주었습니다. 이 시스템은 차량의 총 암모니아 소비량을 줄여 42.80%의 시스템 효율을 달enc성했는데, 이는 테스트된 다른 어떤 방식보다 높은 수치였습니다. 결정적으로, 트럭은 연료가 바닥나거나 배터리가 방전되지 않았습니다. 시스템은 배터리의 충전 수준을 건강하게 유지했으며, 수소 탱크를 효과적으로 사용하여 여행 끝에 남은 미사용 연료가 아주 적은 양에 불과하도록 보장했습니다.

이 성공의 핵심은 단순히 더 좋은 엔진이나 더 큰 배터리를 갖는 것이 아니라, 시간이 흐름에 따라 에너지의 흐름을 컴퓨터가 어떻게 관리하느냐에 있었습니다. 연구에 따르면, 앞을 내다보지 못하는 기존 시스템은 나중에 필요할 경우를 대비해 수소를 탱크에 과도하게 비축하려는 지나치게 보수적인 경향을 보였으며, 이로 인해 엔진이 이를 보충하기 위해 더 힘들고 비효율적으로 작동해야 했습니다. 반면, 앞길을 예측하는 새로운 시스템은 암모니아 크래커로부터 언제 더 많은 수소가 공급될지 정확히 알고 있었기에 수소를 더 자유롭고 자신 있게 사용할 수 있었습니다. 이러한 조율을 통해 차량은 연료 부족의 위험 없이 최적의 성능 한계치에 더 가깝게 운행할 수 있었습니다. 연구진은 연료 절감률이 백분율로 볼 때 작아 보일 수 있지만, 이는 이미 물리적 및 안전 제한에 의해 엄격하게 제약되어 있는 시스템에서 매우 유의미한 효율성 향상을 의미한다고 언급했습니다.

이 연구는 복잡한 하이브리드 차량에 있어 제어 소프트웨어의 지능이 하드웨어 자체만큼이나 중요하다는 것을 입증합니다. 도로의 단기 예측을 의사 결정 과정에 통합함으로써, 시스템은 제한된 저장 능력과 느린 연료 생산 사이의 까다로운 균형을 항해할 수 있습니다. 이 연구는 단 몇 초라도 앞을 내다보는 것이 차량이 오늘 더 나은 선택을 할 수 있게 하여, 무거운 짐을 옮기는 더 지속 가능하고 효율적인 방법을 이끌어낼 수 있음을 확인시켜 줍니다. 운송 산업이 탈탄소화를 추구함에 따라, 이러한 지능형 다중 소스 에너지 시스템 관리는 향후 대형 차량의 표준 요건이 될 것입니다.

기술 요약: 암모니아-수소 하이브리드 전기 차량을 위한 ITI-MPC

문제 정의
대형 운송 수단의 탈탄소화를 위해서는 높은 에너지 밀도, 빠른 충전 속도, 그리고 운영 유연성의 균형을 맞춘 파워트레인이 필요합니다. 암모니아-수소 하이브리드 시스템은 액체 암모니아를 저장 및 운송에 활용하고, 이를 수소로 분해하여 연료전지 및 내연기관에 사용하는 유망한 경로를 제시합니다. 그러나 이러한 시스템의 에너지 관리는 기존의 하이브리드 전기 차량과는 구별되는 복잡한 시계열적 조정(inter-temporal coordination) 과제를 안고 있습니다.

표준 하이브리드와 달리, 암모니아-수소 시스템은 다음과 같은 제약 조건을 가집니다:

속도 제한이 있는 크래킹(Cracking): 수소 생성은 암모니아 분해 반응 속도와 열적 조건에 의해 물리적으로 제한됩니다.
유한한 저장 용량: 수소 저장 용량은 안전 및 부피 제약에 의해 경계가 정해져 있습니다.
결합된 동역학(Coupled Dynamics): 수소의 가용성은 크래킹 키네틱스, 저장량의 변화, 연료전지 소비, 그리고 엔진 수요에 의해 공동으로 결정됩니다.

기존의 규칙 기반 전략과 반응형 모델 예측 제어(MPC)는 즉각적인 수요에만 의존합니다. 이러한 "유한 시계의 근시안적 태도(finite-horizon myopia)"는 종종 최적화되지 않은 자원 스케줄링을 초래하며, 이는 수소 과잉 생성, 강제적인 배터리 충전 또는 최종 단계의 수소 부족 현상으로 이어져 전체 시스템 효율과 실현 가능성을 저하시킵니다.

방법론: ITI-MPC 프레임워크
이러한 문제를 해결하기 위해, 저자들은 지능형 교통 정보 기반 예측 에너지 관리(Intelligent Transportation-Informed Predictive Energy Management, ITI-MPC) 프레임워크를 제안합니다. 이 전략은 단기 수요 예측을 제약 조건이 있는 재귀적 수평 최적화(receding-horizon optimization)에 직접 통합하여 선제적인 다중 에너지 관리를 가능하게 합니다.

프레임워크는 밀접하게 결합된 두 가지 구성 요소로 이루어져 있습니다:

단기 전력 수요 예측:
- Attention-LSTM(Long Short-Term Memory) 네트워크가 유한한 시계(MPC 윈도우와 일치하는 범위) 동안 견인 전력 수요를 예측합니다.
- 이 모델은 차량 특징(속도, 가속도, 과거 전력)의 슬라이딩 관측 창을 사용하여 단계별 예측치를 생성합니다.
- 예측 정확도를 극대화하기 위해 서로 다른 예측 시계(1~5초)에 대해 독립적인 모델을 학습시키며, Huber 손실을 최소화합니다.
예측 임베디드 MPC 최적화:
- 상태 및 제어: 시스템 상태에는 배터리 충전 상태(SOC)와 수소 저장 질량이 포함됩니다. 제어 입력은 엔진-발전기 출력과 연료전지 출력입니다.
- 제약 조건: 최적화기는 SOC 경계, 수소 탱크 용량, 액추에이터 램프 레이트(ramp rate), 연료전지 최소 운전/유지 로직, 그리고 제한된 크래킹 속도를 포함한 운영 한계를 준수합니다.
- 목적 함수: 비용 함수( $J_k$ )는 암모니아 소비, 등가 배터리/연료전지 비용, 그리고 SOC 편차 페널티를 최소화합니다. 결정적으로, 여기에는 예측 정렬 과잉 생성 페널티( $J_{pred}$ )가 포함됩니다. 이 항은 예측된 미래 수요를 초과하는 전력 할당에 페널티를 부여함으로써, 크래킹 제한이나 저장 포화로 인해 활용할 수 없는 수소가 축적되는 것을 방지합니다.
- 종단 로직(Terminal Logic): 여정의 끝부분에서 활성화되는 종단 모드는 충분한 수소가 남아 있을 경우 연료전지 사용을 우선시하여, SOC 안전을 해치지 않으면서 자원 활용을 보장합니다.
- 해법: 컨트롤러는 이산화된 엔진 및 연료전지 전력 지점들에 대해 전수 격자 탐색(exhaustive grid search)을 수행하여, 비용 함수를 최소화하면서 모든 제약 조건을 만족하는 최적의 전력 분배를 찾아냅니다.

주요 기여
본 논문은 세 가지 주요 기여를 설명합니다:

아키텍처: 단기 수요 예측을 재귀적 수평 비용 함수에 직접 임베딩하여, 미래의 수요가 현재의 전력 할당을 가이드할 수 있도록 하는 예측 인식형 MPC 아키텍처를 제안합니다.
정식화: 수소 저장 역학과 제한된 용량의 암모니아 크래킹 과정을 명시적으로 포착하여, 이 파워트레인의 고유한 시계열적 결합 문제를 해결하는 제약 최적화 정식화를 제시합니다.
평가: 제안된 전략이 연료 효율 및 자원 활용 측면에서 규칙 기반, ECMS(Equivalent Consumption Minimization Strategy), 그리고 기존(비예측형) MPC 전략보다 우수함을 입증하는 종합적인 비교 평가를 수행합니다.

결과
제안된 ITI-MPC는 계측된 암모니아-수소 프로토타입을 사용하여 실제 주행 데이터셋(176.50 km, 도심/고속도로 혼합)을 통해 평가되었습니다. 동일한 조건 하에서 규칙 기반 제어, ECMS, 그리고 기존 MPC와 비교되었습니다.

예측 정확도: 1초 앞선 예측 모델은 $R^2$ 0.869를 달이트했으며, 5초 시계에서도 상당한 유용성( $R^2 = 0.570$ )을 유지했습니다.
시스템 효율: ITI-MPC는 **42.80%**의 가장 높은 시스템 효율을 달성하여, 기존 MPC(42.18%), ECMS(42.11%), 그리고 규칙 기반 제어(38.88%)를 능가했습니다.
연료 소비: 총 등가 암모니아 소비량은 86.39 kg로 감소하여, 기존 MPC(87.66 kg) 대비 1.45% 개선되었습니다.
자원 활용: 이 전략은 종단 수소 저장량을 0.0188 kg으로 줄였습니다(기존 MPC의 0.0711 kg 대비), 이는 보수적인 예비 확보보다는 수소 자원의 더 완전한 활용을 나타냅니다.
실시간 성능: 단계당 평균 연산 시간은 20 ms 미만으로 유지되어, 0.5초의 샘플링 주기를 충족했습니다.
SOC 안정성: 이 전략은 다른 MPC 기반 방법들과 유사한 안정적인 SOC 궤적을 유지하여, 효율성 향상이 과도한 배터리 방전을 통해 이루어진 것이 아님을 확인했습니다.

의의 및 주장
저자들은 성능 향상이 공격적인 제어 동작보다는 **강화된 시계열적 조정(inter-temporal coordination)**에서 주로 기인한다고 주장합니다. 미래 수요를 예측함으로써, ITI-MPC는 보수적인 수소 예비 확보나 비효적인 과잉 생성을 초래하는 기존 MPC의 "근시안적" 행동을 피합니다.

본 논문은 목적 함수와 제약 집합이 고정된 엄격히 제한된 다중 에너지 시스템 맥락에서 이러한 성능 향상이 유의미함을 강조합니다. 이 접근 방식은 실행 가능한 집합(feasible set)이나 액추에이터 제약 조건을 변경하지 않고, 미래 정보를 사용하여 현재 단계의 비용을 재구성합니다. 저자들은 이 방법의 효과가 예측 신뢰도에 달려 있음을 언급하며, 불완전한 예측 조건 하에서 견고성을 더욱 향상시키기 위해 불확실성 인지 가중치 또는 확률적 MPC 정식화를 통합하는 후속 연구를 제안합니다.

유사한 논문