전기차를 위한 온디바이스 적응형 배터리 전력 예측
On-Device Adaptive Battery Power Prediction for Electric Vehicles
전기차(EV)에서의 적응형 전력 관리는 정확한 전력 예측을 필요로 한다. 심층 학습(deep learning) 모델은 이 분야의 시계열 예측에 매우 효과적인 것으로 부상하였으나, 학습 데이터와 분포가 다른 데이터에 노출될 경우 성능이 저하되기 쉽다. 우리는 자원이 제한된 EV 시스템에서 온디바이스 학습을 가능하게 하여 사전학습된 배터리 예측 모델을 새롭고 미확인 데이터에 지속적으로 적응시키는 새로운 접근 방식을 제안한다. 기존 사전학습 모델을 활용하여, 초기 학습으로부터 중요한 하이퍼파라미터 지식을 유지하는 적응 가능한 버전으로 변환한다. 우리는 온라인 및 오프라인 모델 적응 전략을 모두 포괄적으로 조사한다. 실험 결과, 다양한 모델과 시간 범위에 걸쳐 예측 성능이 크게 향상되어, 온라인 및 오프라인 적응 기법을 통해 평균 절대 오차(MAE)가 각각 최대 7.49% 및 14.88% 감소함을 달성하였다. 본 연구는 온디바이스 적응의 실질적인 이점을 부각하며, 실세계 EV 시나리오에서 적응되지 않은 모델 배포 대비 향상된 배터리 전력 예측을 제공함을 보인다.