WO2023080690A1 - 실시간 제어 기반 수소 충전을 위한 통합 제어 시스템, 방법 및 장치 - Google Patents

실시간 제어 기반 수소 충전을 위한 통합 제어 시스템, 방법 및 장치 Download PDF

Info

Publication number
WO2023080690A1
WO2023080690A1 PCT/KR2022/017177 KR2022017177W WO2023080690A1 WO 2023080690 A1 WO2023080690 A1 WO 2023080690A1 KR 2022017177 W KR2022017177 W KR 2022017177W WO 2023080690 A1 WO2023080690 A1 WO 2023080690A1
Authority
WO
WIPO (PCT)
Prior art keywords
hydrogen
control command
control
hydrogen filling
current state
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Ceased
Application number
PCT/KR2022/017177
Other languages
English (en)
French (fr)
Inventor
박철우
정용호
김헌창
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hyundai Motor Co
Hoseo University Academic Cooperation Foundation
Kia Corp
Original Assignee
Hyundai Motor Co
Hoseo University Academic Cooperation Foundation
Kia Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hyundai Motor Co, Hoseo University Academic Cooperation Foundation, Kia Corp filed Critical Hyundai Motor Co
Priority to US18/706,933 priority Critical patent/US20240418322A1/en
Priority to JP2024527238A priority patent/JP7789328B2/ja
Priority to EP22890421.5A priority patent/EP4428428A4/en
Priority to CN202280080581.7A priority patent/CN118369536A/zh
Publication of WO2023080690A1 publication Critical patent/WO2023080690A1/ko
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
    • F17C—VESSELS FOR CONTAINING OR STORING COMPRESSED, LIQUEFIED OR SOLIDIFIED GASES; FIXED-CAPACITY GAS-HOLDERS; FILLING VESSELS WITH, OR DISCHARGING FROM VESSELS, COMPRESSED, LIQUEFIED, OR SOLIDIFIED GASES
    • F17C5/00—Methods or apparatus for filling containers with liquefied, solidified, or compressed gases under pressures
    • F17C5/002—Automated filling apparatus
    • F17C5/007—Automated filling apparatus for individual gas tanks or containers, e.g. in vehicles
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
    • F17C—VESSELS FOR CONTAINING OR STORING COMPRESSED, LIQUEFIED OR SOLIDIFIED GASES; FIXED-CAPACITY GAS-HOLDERS; FILLING VESSELS WITH, OR DISCHARGING FROM VESSELS, COMPRESSED, LIQUEFIED, OR SOLIDIFIED GASES
    • F17C13/00—Details of vessels or of the filling or discharging of vessels
    • F17C13/02—Special adaptations of indicating, measuring, or monitoring equipment
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
    • F17C—VESSELS FOR CONTAINING OR STORING COMPRESSED, LIQUEFIED OR SOLIDIFIED GASES; FIXED-CAPACITY GAS-HOLDERS; FILLING VESSELS WITH, OR DISCHARGING FROM VESSELS, COMPRESSED, LIQUEFIED, OR SOLIDIFIED GASES
    • F17C5/00—Methods or apparatus for filling containers with liquefied, solidified, or compressed gases under pressures
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
    • F17C—VESSELS FOR CONTAINING OR STORING COMPRESSED, LIQUEFIED OR SOLIDIFIED GASES; FIXED-CAPACITY GAS-HOLDERS; FILLING VESSELS WITH, OR DISCHARGING FROM VESSELS, COMPRESSED, LIQUEFIED, OR SOLIDIFIED GASES
    • F17C5/00—Methods or apparatus for filling containers with liquefied, solidified, or compressed gases under pressures
    • F17C5/06—Methods or apparatus for filling containers with liquefied, solidified, or compressed gases under pressures for filling with compressed gases
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N3/00—Investigating strength properties of solid materials by application of mechanical stress
    • G01N3/08—Investigating strength properties of solid materials by application of mechanical stress by applying steady tensile or compressive forces
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M8/00—Fuel cells; Manufacture thereof
    • H01M8/04—Auxiliary arrangements, e.g. for control of pressure or for circulation of fluids
    • H01M8/04298—Processes for controlling fuel cells or fuel cell systems
    • H01M8/04992—Processes for controlling fuel cells or fuel cell systems characterised by the implementation of mathematical or computational algorithms, e.g. feedback control loops, fuzzy logic, neural networks or artificial intelligence
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
    • F17C—VESSELS FOR CONTAINING OR STORING COMPRESSED, LIQUEFIED OR SOLIDIFIED GASES; FIXED-CAPACITY GAS-HOLDERS; FILLING VESSELS WITH, OR DISCHARGING FROM VESSELS, COMPRESSED, LIQUEFIED, OR SOLIDIFIED GASES
    • F17C2221/00—Handled fluid, in particular type of fluid
    • F17C2221/01—Pure fluids
    • F17C2221/012—Hydrogen
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
    • F17C—VESSELS FOR CONTAINING OR STORING COMPRESSED, LIQUEFIED OR SOLIDIFIED GASES; FIXED-CAPACITY GAS-HOLDERS; FILLING VESSELS WITH, OR DISCHARGING FROM VESSELS, COMPRESSED, LIQUEFIED, OR SOLIDIFIED GASES
    • F17C2223/00—Handled fluid before transfer, i.e. state of fluid when stored in the vessel or before transfer from the vessel
    • F17C2223/01—Handled fluid before transfer, i.e. state of fluid when stored in the vessel or before transfer from the vessel characterised by the phase
    • F17C2223/0107—Single phase
    • F17C2223/0123—Single phase gaseous, e.g. CNG, GNC
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
    • F17C—VESSELS FOR CONTAINING OR STORING COMPRESSED, LIQUEFIED OR SOLIDIFIED GASES; FIXED-CAPACITY GAS-HOLDERS; FILLING VESSELS WITH, OR DISCHARGING FROM VESSELS, COMPRESSED, LIQUEFIED, OR SOLIDIFIED GASES
    • F17C2225/00—Handled fluid after transfer, i.e. state of fluid after transfer from the vessel
    • F17C2225/03—Handled fluid after transfer, i.e. state of fluid after transfer from the vessel characterised by the pressure level
    • F17C2225/036—Very high pressure, i.e. above 80 bars
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
    • F17C—VESSELS FOR CONTAINING OR STORING COMPRESSED, LIQUEFIED OR SOLIDIFIED GASES; FIXED-CAPACITY GAS-HOLDERS; FILLING VESSELS WITH, OR DISCHARGING FROM VESSELS, COMPRESSED, LIQUEFIED, OR SOLIDIFIED GASES
    • F17C2227/00—Transfer of fluids, i.e. method or means for transferring the fluid; Heat exchange with the fluid
    • F17C2227/03—Heat exchange with the fluid
    • F17C2227/0337—Heat exchange with the fluid by cooling
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
    • F17C—VESSELS FOR CONTAINING OR STORING COMPRESSED, LIQUEFIED OR SOLIDIFIED GASES; FIXED-CAPACITY GAS-HOLDERS; FILLING VESSELS WITH, OR DISCHARGING FROM VESSELS, COMPRESSED, LIQUEFIED, OR SOLIDIFIED GASES
    • F17C2250/00—Accessories; Control means; Indicating, measuring or monitoring of parameters
    • F17C2250/03—Control means
    • F17C2250/032—Control means using computers
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
    • F17C—VESSELS FOR CONTAINING OR STORING COMPRESSED, LIQUEFIED OR SOLIDIFIED GASES; FIXED-CAPACITY GAS-HOLDERS; FILLING VESSELS WITH, OR DISCHARGING FROM VESSELS, COMPRESSED, LIQUEFIED, OR SOLIDIFIED GASES
    • F17C2250/00—Accessories; Control means; Indicating, measuring or monitoring of parameters
    • F17C2250/04—Indicating or measuring of parameters as input values
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
    • F17C—VESSELS FOR CONTAINING OR STORING COMPRESSED, LIQUEFIED OR SOLIDIFIED GASES; FIXED-CAPACITY GAS-HOLDERS; FILLING VESSELS WITH, OR DISCHARGING FROM VESSELS, COMPRESSED, LIQUEFIED, OR SOLIDIFIED GASES
    • F17C2250/00—Accessories; Control means; Indicating, measuring or monitoring of parameters
    • F17C2250/04—Indicating or measuring of parameters as input values
    • F17C2250/0404—Parameters indicated or measured
    • F17C2250/043—Pressure
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
    • F17C—VESSELS FOR CONTAINING OR STORING COMPRESSED, LIQUEFIED OR SOLIDIFIED GASES; FIXED-CAPACITY GAS-HOLDERS; FILLING VESSELS WITH, OR DISCHARGING FROM VESSELS, COMPRESSED, LIQUEFIED, OR SOLIDIFIED GASES
    • F17C2250/00—Accessories; Control means; Indicating, measuring or monitoring of parameters
    • F17C2250/04—Indicating or measuring of parameters as input values
    • F17C2250/0404—Parameters indicated or measured
    • F17C2250/0439—Temperature
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
    • F17C—VESSELS FOR CONTAINING OR STORING COMPRESSED, LIQUEFIED OR SOLIDIFIED GASES; FIXED-CAPACITY GAS-HOLDERS; FILLING VESSELS WITH, OR DISCHARGING FROM VESSELS, COMPRESSED, LIQUEFIED, OR SOLIDIFIED GASES
    • F17C2250/00—Accessories; Control means; Indicating, measuring or monitoring of parameters
    • F17C2250/06—Controlling or regulating of parameters as output values
    • F17C2250/0605—Parameters
    • F17C2250/0626—Pressure
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
    • F17C—VESSELS FOR CONTAINING OR STORING COMPRESSED, LIQUEFIED OR SOLIDIFIED GASES; FIXED-CAPACITY GAS-HOLDERS; FILLING VESSELS WITH, OR DISCHARGING FROM VESSELS, COMPRESSED, LIQUEFIED, OR SOLIDIFIED GASES
    • F17C2250/00—Accessories; Control means; Indicating, measuring or monitoring of parameters
    • F17C2250/06—Controlling or regulating of parameters as output values
    • F17C2250/0605—Parameters
    • F17C2250/0631—Temperature
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
    • F17C—VESSELS FOR CONTAINING OR STORING COMPRESSED, LIQUEFIED OR SOLIDIFIED GASES; FIXED-CAPACITY GAS-HOLDERS; FILLING VESSELS WITH, OR DISCHARGING FROM VESSELS, COMPRESSED, LIQUEFIED, OR SOLIDIFIED GASES
    • F17C2250/00—Accessories; Control means; Indicating, measuring or monitoring of parameters
    • F17C2250/06—Controlling or regulating of parameters as output values
    • F17C2250/0689—Methods for controlling or regulating
    • F17C2250/0694—Methods for controlling or regulating with calculations
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
    • F17C—VESSELS FOR CONTAINING OR STORING COMPRESSED, LIQUEFIED OR SOLIDIFIED GASES; FIXED-CAPACITY GAS-HOLDERS; FILLING VESSELS WITH, OR DISCHARGING FROM VESSELS, COMPRESSED, LIQUEFIED, OR SOLIDIFIED GASES
    • F17C2260/00—Purposes of gas storage and gas handling
    • F17C2260/02—Improving properties related to fluid or fluid transfer
    • F17C2260/023—Avoiding overheating
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
    • F17C—VESSELS FOR CONTAINING OR STORING COMPRESSED, LIQUEFIED OR SOLIDIFIED GASES; FIXED-CAPACITY GAS-HOLDERS; FILLING VESSELS WITH, OR DISCHARGING FROM VESSELS, COMPRESSED, LIQUEFIED, OR SOLIDIFIED GASES
    • F17C2260/00—Purposes of gas storage and gas handling
    • F17C2260/02—Improving properties related to fluid or fluid transfer
    • F17C2260/025—Reducing transfer time
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
    • F17C—VESSELS FOR CONTAINING OR STORING COMPRESSED, LIQUEFIED OR SOLIDIFIED GASES; FIXED-CAPACITY GAS-HOLDERS; FILLING VESSELS WITH, OR DISCHARGING FROM VESSELS, COMPRESSED, LIQUEFIED, OR SOLIDIFIED GASES
    • F17C2260/00—Purposes of gas storage and gas handling
    • F17C2260/02—Improving properties related to fluid or fluid transfer
    • F17C2260/026—Improving properties related to fluid or fluid transfer by calculation
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
    • F17C—VESSELS FOR CONTAINING OR STORING COMPRESSED, LIQUEFIED OR SOLIDIFIED GASES; FIXED-CAPACITY GAS-HOLDERS; FILLING VESSELS WITH, OR DISCHARGING FROM VESSELS, COMPRESSED, LIQUEFIED, OR SOLIDIFIED GASES
    • F17C2265/00—Effects achieved by gas storage or gas handling
    • F17C2265/06—Fluid distribution
    • F17C2265/065—Fluid distribution for refuelling vehicle fuel tanks
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
    • F17C—VESSELS FOR CONTAINING OR STORING COMPRESSED, LIQUEFIED OR SOLIDIFIED GASES; FIXED-CAPACITY GAS-HOLDERS; FILLING VESSELS WITH, OR DISCHARGING FROM VESSELS, COMPRESSED, LIQUEFIED, OR SOLIDIFIED GASES
    • F17C2270/00—Applications
    • F17C2270/01—Applications for fluid transport or storage
    • F17C2270/0134—Applications for fluid transport or storage placed above the ground
    • F17C2270/0139—Fuel stations
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
    • F17C—VESSELS FOR CONTAINING OR STORING COMPRESSED, LIQUEFIED OR SOLIDIFIED GASES; FIXED-CAPACITY GAS-HOLDERS; FILLING VESSELS WITH, OR DISCHARGING FROM VESSELS, COMPRESSED, LIQUEFIED, OR SOLIDIFIED GASES
    • F17C2270/00—Applications
    • F17C2270/01—Applications for fluid transport or storage
    • F17C2270/0165—Applications for fluid transport or storage on the road
    • F17C2270/0168—Applications for fluid transport or storage on the road by vehicles
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
    • F17C—VESSELS FOR CONTAINING OR STORING COMPRESSED, LIQUEFIED OR SOLIDIFIED GASES; FIXED-CAPACITY GAS-HOLDERS; FILLING VESSELS WITH, OR DISCHARGING FROM VESSELS, COMPRESSED, LIQUEFIED, OR SOLIDIFIED GASES
    • F17C2270/00—Applications
    • F17C2270/01—Applications for fluid transport or storage
    • F17C2270/0165—Applications for fluid transport or storage on the road
    • F17C2270/0184—Fuel cells
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M2250/00—Fuel cells for particular applications; Specific features of fuel cell system
    • H01M2250/20—Fuel cells in motive systems, e.g. vehicle, ship, plane
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02E60/30—Hydrogen technology
    • Y02E60/32—Hydrogen storage
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02E60/30—Hydrogen technology
    • Y02E60/34—Hydrogen distribution

Definitions

  • the present invention relates to a control technology for hydrogen fueling/supply of hydrogen fueled mobility, and more particularly, hydrogen that increases the efficiency of hydrogen charging/supply and increases the speed and real-time of charging/supply.
  • a charging process, a control technique for the process, and a protocol for the control technique are particularly preferred.
  • a hydrogen vehicle, a fuel cell electric vehicle (FCEV), or a fuel cell electric vehicle (FCEV) refers to a pollution-free vehicle that moves with electric energy generated by meeting high-pressure hydrogen stored in the vehicle and air in the atmosphere.
  • FCEVs use hydrogen as an energy source and generate electricity using a fuel cell system to move.
  • hydrogen electric vehicles not only emit pure water (H 2 O) in the process of generating electricity, but also have a function to remove ultra-fine dust in the atmosphere during operation, attracting attention as future eco-friendly mobility. Since hydrogen, a fuel, is infinite on earth and the process of producing energy is eco-friendly, it is widely regarded as a technology with potential to be used throughout the industry.
  • Hydrogen fueled mobility refers to mobility in which hydrogen is used as an energy source or electric energy is generated using hydrogen as a fuel and an electric motor is driven using the same.
  • Hydrogen fuel mobility can include not only aerial mobility but also industrial trucks, trains, ships, and aircraft, as well as devices that generate electric energy using hydrogen as fuel and use it to drive.
  • buildings or facilities using hydrogen as an energy source may also be included in application fields to which the technical idea of the present invention can be applied.
  • a hydrogen electric vehicle delivers high-pressure hydrogen safely stored in a hydrogen fuel storage tank and oxygen introduced through an air supply system to the fuel cell stack, and generates electrical energy by causing an electrochemical reaction between hydrogen and oxygen.
  • the produced electrical energy is converted into kinetic energy through a drive motor to move the hydrogen-powered vehicle, and the driving hydrogen-powered vehicle has the advantage of discharging only pure water through the exhaust port.
  • the fuel cell system serves to provide power to a hydrogen-powered vehicle instead of an engine of an internal combustion engine vehicle.
  • a fuel cell is a device that generates electrical energy required for driving, and is also called a 'tertiary battery'.
  • a fuel cell converts thermal energy into electrical energy using a electrochemical reaction between oxygen and hydrogen. The electrical energy generated at this time is the result of a pure chemical reaction and, unlike fossil fuels, does not generate exhaust gases such as carbon dioxide.
  • fuel cell systems such as PEMFC, SOFC, MCFC, etc., depending on the fuel or material, and the components that produce power using fuel cells in hydrogen electric vehicles are the fuel cell stack, hydrogen supply system, air supply system, Includes thermal management system.
  • the hydrogen supply system plays a role of changing the hydrogen safely stored in the hydrogen fuel storage tank from a high pressure state to a low pressure state and moving it to the fuel cell stack, and can also increase the efficiency of hydrogen supply through a recirculation line.
  • the thermal management system refers to a device that maintains a constant temperature of the fuel cell stack by releasing heat generated when the fuel cell stack undergoes an electrochemical reaction to the outside and circulating cooling water. Thermal management systems can affect the power and lifetime of a fuel cell stack.
  • the concept of a hydrogen fueled car, not a hydrogen electric vehicle, is also a vehicle that uses hydrogen as fuel.
  • the method of charging/supplying hydrogen for a hydrogen fueled vehicle is not very different from the method of charging/supplying hydrogen for a hydrogen fuel cell vehicle.
  • the temperature (T) and pressure (P) of the compressed hydrogen storage system (CHSS) on the fuel cell side are finally determined to ensure safety. It aims to control to operate under limiting temperature/pressure conditions for
  • the hydrogen charging/supplying process, control technique, and protocol for the conventional hydrogen electric vehicle were defined when the past wired/wireless communication technology or control computing technique was not mature, so the achievements of information and communication technology (ICT) reached recently. is not reflected as much as possible.
  • ICT information and communication technology
  • the hydrogen charging/supplying technology of the conventional hydrogen electric vehicle is inefficient, slow, and not suitable for large-capacity hydrogen charging.
  • An object of the present invention to solve the above problems is to improve the efficiency of the hydrogen charging/supplying process while safely charging/supplying hydrogen fuel, and to improve the speed and real-time performance of the hydrogen charging/supplying process.
  • An object of the present invention is to optimize the cooling load of the charging station by actively adjusting the required amount of pre-cooling and the amount provided to increase the operational efficiency of the hydrogen charging station.
  • An object of the present invention is to provide a control technique that can be widely applied to various mobility areas by updating the logic itself through a certain learning and training process when applying a new device.
  • An object of the present invention is to increase the charging speed by installing a cooling system in the storage tank itself, and to improve the safety of hydrogen fuel mobility by actively coping with overheating of the storage tank.
  • a hydrogen fueling control method for hydrogen fuel mobility is an integrated control method for hydrogen charging, comprising: obtaining a measurement value of a current state; determining whether a second control command for at least one of a hydrogen filling station and hydrogen fuel mobility is required in addition to the first control command executed at the dispenser side, based on the measured value of the current state; and generating a second control command for at least one of a hydrogen filling station and hydrogen fuel mobility according to a result of the determination.
  • the second control command for the hydrogen charging station may include a command for adjusting a target value of the pre-cooling temperature of the hydrogen charging station.
  • the second control command for hydrogen fuel mobility may include a command for cooling the compressed hydrogen storage system (CHSS) of the hydrogen fuel mobility side.
  • CHSS compressed hydrogen storage system
  • the integrated control method for hydrogen charging according to an embodiment of the present invention may further include evaluating whether a measured value of a current state satisfies a constraint condition.
  • the constraint condition may be that the temperature and pressure of the compressed hydrogen storage system (CHSS) on the hydrogen fuel mobility side do not exceed the limit temperature and limit pressure, respectively.
  • CHSS compressed hydrogen storage system
  • the integrated control method for hydrogen filling may further include generating a first control command executed at the dispenser side based on the measured value of the current state.
  • the first control command may include a control command for a pressure ramp rate (PRR) for hydrogen filling.
  • PRR pressure ramp rate
  • the first control command may be generated based on a simulation result of a measurement value of a current state and actual field data.
  • the first control command may be generated using a model predictive control technique based on a measurement value of a current state.
  • the first control command may be generated based on an output of an artificial neural network that takes a measured value of a current state as an input.
  • a hydrogen fueling control device for hydrogen fuel mobility is an integrated control device for hydrogen charging, including a processor; and a memory for storing at least one command.
  • the processor obtains a measured value of the current state by executing at least one command, and based on the measured value of the current state, in addition to the first control command executed on the dispenser side, a first control command for at least one or more of a hydrogen filling station and hydrogen fuel mobility 2 It is determined whether a control command is required, and a second control command for at least one of a hydrogen filling station and hydrogen fuel mobility is generated according to the determination result.
  • the processor may evaluate whether the measured value of the current state satisfies the constraint condition.
  • the processor may generate a first control command to be executed on the dispenser side, based on the measured value of the current state.
  • the processor may generate a first control command based on a simulation result of a measurement value of a current state and actual field data.
  • the processor may generate a first control command using a model predictive control technique based on a measurement value of a current state.
  • the processor may generate a first control command based on an output of an artificial neural network that takes a measured value of a current state as an input.
  • the charging speed is controlled in real time by utilizing the real-time temperature data of the storage tank, and it is designed to operate at the highest charging speed that satisfies the condition below the safety limit, so that charging within the available range is possible. can save time
  • the operating efficiency of the hydrogen charging station can be increased by optimizing the cooling load of the charging station by actively adjusting the required amount of pre-cooling and the amount provided.
  • it is a control technique of updating the logic itself through a certain learning and training process when applying a new device with an artificial neural network-based learnable charging logic, and can be widely applied to various mobility areas.
  • the cooling system is installed in the storage tank itself to increase the charging speed, and at the same time, it is possible to actively cope with overheating of the storage tank, thereby improving the safety of hydrogen fuel mobility.
  • FIG. 1 is a conceptual diagram illustrating an example of a hydrogen charging process for a FCEV to which an embodiment of the present invention is applied.
  • FIG. 2 is a conceptual diagram illustrating an example of a logical process for hydrogen charging for a FCEV to which an embodiment of the present invention is applied.
  • FIG. 3 is a conceptual diagram illustrating an example of a state change occurring in a process of charging hydrogen for a FCEV to which an embodiment of the present invention is applied.
  • FIG. 4 is a conceptual diagram illustrating the concept of model predictive control for hydrogen charging control for a FCEV according to an embodiment of the present invention.
  • FIG. 5 is an operational flowchart illustrating a hydrogen charging control method based on model predictive control according to an embodiment of the present invention.
  • FIG. 6 is a conceptual diagram illustrating the concept of an artificial neural network for hydrogen charging control for a FCEV according to an embodiment of the present invention.
  • FCEV fuel cell electric vehicle
  • IMS intelligent integrated meta system
  • FIG. 8 is an operational flowchart illustrating an artificial neural network-based hydrogen charging control method according to an embodiment of the present invention.
  • FIG. 9 is an operational flowchart illustrating a training process of an artificial neural network for hydrogen charging control based on an artificial neural network-model predictive control according to an embodiment of the present invention.
  • FIG. 10 is a conceptual diagram illustrating a part of the process of FIG. 9 in detail.
  • FIG. 11 is a conceptual diagram illustrating a part of the process of FIG. 9 in detail.
  • FIG. 12 is a conceptual diagram illustrating a hydrogen charging control process based on artificial neural network-model predictive control according to an embodiment of the present invention.
  • FIG. 13 is a conceptual diagram illustrating an artificial neural network-based integrated control model for controlling a hydrogen charging process according to an embodiment of the present invention.
  • FIG. 14 is a diagram illustrating an event-based control process for the integrated control model of FIG. 13 .
  • 15 is an operational flowchart illustrating an integrated control method for hydrogen charging according to an embodiment of the present invention.
  • FIG. 16 is a conceptual diagram illustrating an example of a generalized hydrogen charging control device, a hydrogen charging control system, or a computing system capable of performing at least part of the processes of FIGS. 1 to 15 .
  • first, second, A, and B may be used to describe various components, but the components should not be limited by the terms. These terms are only used for the purpose of distinguishing one component from another. For example, a first element may be termed a second element, and similarly, a second element may be termed a first element, without departing from the scope of the present invention.
  • the term “and/or” includes any combination of a plurality of related listed items or any of a plurality of related listed items.
  • “at least one of A and B” may mean “at least one of A or B” or “at least one of combinations of one or more of A and B”. Also, in the embodiments of the present application, “one or more of A and B” may mean “one or more of A or B” or “one or more of combinations of one or more of A and B”.
  • a hydrogen vehicle, a fuel cell electric vehicle (FCEV), or a fuel cell electric vehicle (FCEV) refers to a pollution-free vehicle that moves with electric energy generated by meeting high-pressure hydrogen stored in the vehicle and air in the atmosphere.
  • a compressed hydrogen storage system is a part of a fuel cell on a vehicle side and means a device for compressing and storing hydrogen.
  • a Pressure Relief Device is placed in the CHSS and refers to a device capable of isolating stored hydrogen from the rest of the fuel system and the environment and, conversely, discharging hydrogen to the outside.
  • the hydrogen fueling process refers to a process of delivering high-pressure hydrogen from a hydrogen station and accumulating it in a fuel cell.
  • Pressure Ramp Rate is expressed in MPa/min and means the rate of increase in pressure of CHSS.
  • Average Pressure Ramp Rate means the average value of the pressure increase rate from the start to the end of hydrogen fueling.
  • Pre-cooling refers to a process of pre-cooling the hydrogen of a hydrogen filling station before charging it.
  • a dispenser is a component that delivers pre-cooled hydrogen to CHSS.
  • a nozzle is a device connected to the hydrogen dispensing system of a hydrogen filling station and coupled to a receptacle of a hydrogen fuel cell vehicle and allowing the delivery of hydrogen fuel.
  • FIG. 1 is a conceptual diagram illustrating an example of a hydrogen charging process for a FCEV to which an embodiment of the present invention is applied.
  • hydrogen gas pre-cooled from a hydrogen filling station (Station, 200) is supplied to a FCEV (FCEV, 300) via a dispenser (100).
  • the hydrogen charging process may be described by parameters including a pressure increase rate (PRR) and/or an average pressure increase rate (APRR).
  • PRR pressure increase rate
  • APRR average pressure increase rate
  • FCEV FCEV
  • FIG. 1 An embodiment related to a FCEV is shown in FIG. 1, it is obvious to those skilled in the art that the spirit of the present invention can be applied to various types of hydrogen fueled mobility.
  • Hydrogen fuel mobility refers to mobility that uses hydrogen as an energy source or generates electric energy using hydrogen as a fuel and drives an electric motor using it.
  • Hydrogen fuel mobility can include aerial mobility, industrial trucks, trains, ships, aircraft, as well as devices that generate electric energy using hydrogen as fuel and drive it using hydrogen fuel.
  • the hydrogen charging process of the present invention can be applied not only to hydrogen fuel mobility but also to buildings or facilities using hydrogen as an energy source.
  • FCEV and hydrogen gas as main examples, but the scope of the present application should not be construed as being limited due to these examples.
  • a hydrogen storage system attached to a vehicle can be largely divided into a high-pressure hydrogen storage tank, a pressure control mechanism high-pressure pipe, and an external frame.
  • High-pressure hydrogen storage tanks have been developed and commercialized with capacities of tens or hundreds of liters, and in the case of vehicles, small and lightweight storage tanks are connected in parallel for high capacity.
  • the high-pressure hydrogen storage tank is widely known as a compressed hydrogen storage system (CHSS) 310, and in this specification, for convenience of description, the expression “storage tank” means the CHSS 310.
  • CHSS compressed hydrogen storage system
  • hydrogen storage is controlled by utilizing a boss unit through which hydrogen gas can flow in and out of the storage tank 310.
  • Hydrogen storage is controlled by attaching valves, pressure reducing devices, and sensors for various measurements to the part.
  • the interface between the hydrogen charging station 200 and the vehicle 300 is handled by the dispenser 100, where the target pressure and It controls the injection speed, etc., and the currently used control logic follows the SAE J2601 (2020-05) standard.
  • information is transmitted from the vehicle 300 to the dispenser 100 by a communication method and a non-communication method. Even when communication is used, in the prior art, the temperature and pressure values of the storage tank 310 of the vehicle 300 are simply transmitted to the dispenser 100 in one direction, and the dispenser 100 does not actively utilize the information, It is only used as a safety criterion such as an emergency stop at the limiting temperature and pressure.
  • the filling logic for safe and rapid filling is all managed by the dispenser 100, and the storage tank 310 is automatically discharged under conditions such as overheating through a pressure relief device (PRD) 320 without an active safety management method. It has only a minimum safety management device that emits hydrogen.
  • PRD pressure relief device
  • the charging station 200 includes a high-pressure hydrogen storage unit 220 and a pre-cooler 210 .
  • the pre-cooler 210 supplies hydrogen gas to the hydrogen electric vehicle 300 via the dispenser 100 in a state in which the temperature of the hydrogen gas is lowered through pre-cooling.
  • the charging control logic 110 inside the dispenser 100 actively controls the state of temperature, pressure, etc. received from the vehicle 300 and the charging station 200
  • a hydrogen fueling process is controlled by utilizing state of charge information such as information and a state of charge (SOC) of the CHSS 310.
  • state of charge information such as information and a state of charge (SOC) of the CHSS 310.
  • the charging speed is controlled in real time by utilizing the real-time temperature data of the storage tank 310, and is designed to be operated at the highest charging speed that satisfies the condition below the safety limit. Charging time can be reduced within range.
  • the prior art charging protocol has a problem in that the boundary conditions for safety are excessively set, so that the temperature of most of the storage tanks 310 is measured around 40 to 50 ° C at the time of completion of charging, and excessive pre-cooling is performed.
  • the operating efficiency of the hydrogen charging station 200 can be increased by optimizing the cooling load of the charging station 200 by actively adjusting the required amount of pre-cooling and the amount provided.
  • the protocol of the prior art which is set mainly for light hydrogen fuel cell vehicles, has a problem in that all variables must be reset and reflected in the standard when charging a new mobility.
  • it is a control technique of updating the logic itself through a certain learning and training process when applying a new device with an artificial neural network-based learnable charging logic, and can be widely applied to various mobility areas.
  • the only countermeasure against overheating of the storage tank 310 of the hydrogen electric vehicle 300 in the prior art is to release gas through the PRD 320 when overheating exceeds a certain temperature.
  • a cooling system is installed in the storage tank 310 itself to increase the charging speed, and at the same time, it is possible to actively cope with overheating of the storage tank 310, thereby improving the safety of the hydrogen-powered vehicle 300.
  • the efficiency of the hydrogen charging/supplying process can be improved, and the speed and real-time nature of the hydrogen charging/supplying process can be improved.
  • the present invention it is possible to provide a control technique with improved prediction accuracy of a hydrogen charging result based on an artificial neural network model.
  • the accuracy of prediction results can be improved by reflecting real-time measured values in an artificial neural network model using actual charging data together with theoretical simulation results.
  • the efficiency of hydrogen charging control can be improved by integrating and managing actually measured data and state information predicted from a model using an intelligent meta system (IMS).
  • IMS intelligent meta system
  • FIG. 2 is a conceptual diagram illustrating an example of a logical process for hydrogen charging for a FCEV to which an embodiment of the present invention is applied.
  • the dispenser 100 is in charge of controlling between the vehicle 300 and the hydrogen charging station 200, and the dispenser 100 injects hydrogen into the vehicle 300 according to a predetermined rule.
  • a protocol which is a method of
  • the protocol loaded in the dispenser 100 is based on the international standard SAE-J2601 (2020-05), which is equally applicable to the embodiments of the present invention within the scope consistent with the purpose of the present invention.
  • simulations are conducted through thermodynamic modeling for various situations, and the table-based single injection method (single method) is performed using the parameters derived through this, and MC-formula based partial real-time correction method (Partial Real-Time Correction) is used.
  • the minimum requirements/requirements for safety include the upper limits of the temperature and pressure conditions of the CHSS 310 and guidelines for the filling factor (SOC).
  • the simulation may be performed through thermodynamic modeling using boundary conditions including best to worst cases.
  • the injection rate is predetermined, which causes unnecessary pre-cooling and lowers the overall charging rate.
  • the injection rate is simply determined by the average pressure increase rate/average pressure ramp rate (APRR), which may be a factor impeding active response according to the situation. Unnecessary pre-cooling can be a factor that causes excessive energy costs and operating costs.
  • APRR average pressure increase rate/average pressure ramp rate
  • thermodynamic model is a method that indirectly utilizes the variables derived through the model because it takes a lot of time to derive the calculation result of the equation. Application is limited if there are no pre-calculated variables, and flexibility such as detailed adjustment of the method itself is required. There is a problem of lack.
  • the table-based method in the prior art does not utilize the temperature of the pre-cooled hydrogen provided from the charging station 200 or the temperature of the storage tank 310 measured by the vehicle 300, so the efficiency is very low and it is flexible to changes in surrounding conditions. There are problems that are difficult to deal with.
  • the MC-Formula-based method of the prior art corrects the pre-cooling temperature in real time, but has a problem in that it is difficult to expand due to the complexity of the calculation and application method and the limit to the applicable target.
  • the feature of the present invention is derived to solve the problems of the prior art, and is characterized in that it reduces dependence on simulation and actively attempts to control state variables by reflecting real-time measurement data.
  • FIG. 3 is a conceptual diagram illustrating an example of a state change occurring in a process of charging hydrogen for a FCEV to which an embodiment of the present invention is applied.
  • the temperature control of the hydrogen charging process is performed by controlling the internal temperature of the storage tank 310 to be 85°C or less at the time when the pre-cooled hydrogen gas is supplied and the final charge is completed.
  • the storage tank 310 is configured such that the heat transfer efficiency of the carbon fiber surrounding the dome and body of the storage tank 310 is low in order to block heat exchange between the external atmosphere and the internally stored hydrogen gas during driving.
  • the prior art does not include a separate cooling means other than receiving pre-cooled (pre-cooled) hydrogen gas from the charging station 200 .
  • the hydrogen buffering time is managed by controlling the pre-cooling and hydrogen injection rate at the hydrogen filling station 200 in order to manage the storage tank temperature management upper limit of 85 ° C or less, but the temperature management of the storage tank 310 of the vehicle 300 There is no separate solution for the situation.
  • the characteristic curve of FIG. 3 is loaded as a basic model, but unlike the prior art, phase I considering real-time data according to variables (outside temperature, atmospheric pressure, weather conditions, etc.) appearing in the actual environment It is possible to optimize the control of the operating load of the charging station 200 in the pre-cooling stage and the charging rate (pressure increase rate, PRR) generated in the charging process of Phase II to Phase IV, and derive optimal control conditions suitable for the actual environment.
  • variables outside temperature, atmospheric pressure, weather conditions, etc.
  • FIG. 4 is a conceptual diagram illustrating the concept of model predictive control for hydrogen charging control for a FCEV according to an embodiment of the present invention.
  • the future charging result is predicted from the hydrogen charging model and the current measured value while the accuracy of the hydrogen charging model is secured at a considerable level, and the hydrogen gas of the CHSS 310 is predicted based on the predicted value and the charging value.
  • the pressure increase rate/increase rate (PRR) can be controlled in real time so that certain variables, such as the temperature of Tgas or the pressure of hydrogen gas Pgas, reach the optimal charging target without violating constraints.
  • a future output value is calculated based on a current measured value and a predicted value of a model using model predictive control, and the predicted future response is manipulated to move to a setpoint (or target) in an optimal way. You can adjust the variable (operation parameter/variable).
  • n model predictions may be derived at a current time i. These n model-based predictions form a prediction horizon.
  • Each model-based prediction i.e., the prediction horizon, corresponds to the control horizon. That is, n number of control commands/control actions required to make n number of model predictions may form a control horizon.
  • i+1 control action which is the first of n model prediction and control actions derived at current time i, may be delivered to the system.
  • n new model prediction and control actions are derived again at the current time i+1, which form new prediction horizons and control horizons, respectively.
  • Model predictive control This method of controlling the system while expanding/moving the horizon is called model predictive control, and in the embodiment of the present invention, the measurement value for state information (state value) including the temperature and pressure of the hydrogen gas of the CHSS 310 Model predictive control-based control may be executed using the predicted value and .
  • FIG. 5 is an operational flowchart illustrating a hydrogen charging control method based on model predictive control according to an embodiment of the present invention.
  • a hydrogen fueling method for a fuel cell electric vehicle (FCEV) is a hydrogen fueling method based on model predictive control, comprising: obtaining a measured value of a current state (S510); Predicting or obtaining a next state value using an artificial neural network model (artificial neural network-model predictive control technique) based on the measured value of the current state (S530); and generating a control command for hydrogen charging based on a comparison result between the measured value of the current state and the value of the next state (S520).
  • the measured value of the current state may include the measured value of the temperature and pressure of the hydrogen gas inside the CHSS 310 .
  • the hydrogen charging method according to an embodiment of the present invention may further include evaluating whether the measured value of the current state and the value of the next state satisfy constraints (S540).
  • the constraint condition may be that the temperature and pressure of the compressed hydrogen storage system (CHSS) of the FCEV do not exceed the limit temperature and pressure limit, respectively.
  • CHSS compressed hydrogen storage system
  • Generating a control command may include generating a control command for a pressure ramp rate (PRR) for hydrogen charging.
  • PRR pressure ramp rate
  • Predicting or obtaining the next state value may include predicting a plurality of next state values forming a prediction horizon by a model.
  • a control horizon corresponding to the prediction horizon is set so that a process for a future response to reach a set point is optimized based on a comparison result between a plurality of next state values and a set point. It is possible to generate a plurality of control commands to form.
  • the process of reaching the set point in the future response predicted by the artificial neural network model by the model predictive control technique A plurality of control commands forming a control horizon corresponding to a prediction horizon including a plurality of next states to be optimized may be obtained.
  • Updating variables/parameters for charging control and a cost function based on the values of the current state and the next state (S550) may be further included.
  • FIG. 6 is a conceptual diagram illustrating the concept of an artificial neural network for hydrogen charging control for a FCEV according to an embodiment of the present invention.
  • measured values of the current state are input to the input layer.
  • the outside air temperature Tamb ambient temperature
  • pre-cooled temperature Tpre pre-cooled gas temperature
  • pre-cooled pressure Tpre pre-cooled gas pressure
  • the hydrogen gas temperature Tgas and the hydrogen gas pressure Pgas are values measured at the CHSS 310 side of the FCEV 300, and the actual measured values may be input to the input layer.
  • the learning process of the artificial neural network may be a process of learning a function capable of predicting a next measurement value of an output layer based on a combination of input measurement values. The correlation between the data input to the input layer and the data given to the output layer is learned, and through this, it is possible to predict using Real Dynamic Fueling Data along with theoretical results.
  • an actually measured on-site measurement value is delivered to an input layer, and a predicted value for the next measurement value can be obtained as an output by the operation of the artificial neural network.
  • the learning process of the artificial neural network used in the embodiments of the present invention may be any of shallow learning and deep learning, and the artificial neural network may be a type of neural network suitable for the purpose of the present invention among known neural networks.
  • Values input through the input layer are transferred to the output layer through weight-based calculation of the hidden layer.
  • the state value (predicted value for the next state) output by the output layer may be used to calculate a state-of-charge variable, for example a charge factor (SOC), using at least a part of the thermodynamic model.
  • SOC charge factor
  • a real-time pressure increase rate (PRR) or a mass flow rate of compressed hydrogen (kg/s) m derived from the feedback control process may affect weights or parameters of a hidden layer of the artificial neural network.
  • the artificial neural network-based hydrogen charging technique of the present invention can improve the accuracy of predicting a charging result through a model.
  • Real-time charging data can be used along with theoretical simulation results, so real-time measurement values are reflected and the accuracy of prediction results can be further improved.
  • FCEV fuel cell electric vehicle
  • IMS intelligent integrated meta system
  • the artificial neural network and model predictive control each provide necessary information (such as gas temperature and pressure measured in the CHSS 310 or predicted from the model) mutually.
  • Efficient charging speed control can be realized by integrated management of distributed roles such as pre-cooling temperature adjustment according to real-time environmental changes.
  • the charging station 200 may transmit the measured value (condition) of the pre-cooling gas to the IMS 400 .
  • the FCEV 300 may transmit the measured value (condition) of the CHSS 310 to the IMS 400.
  • the IMS 400 may be disposed on the side of the dispenser 100 or may be implemented as an independent control device.
  • the IMS 400 may transmit a control command for charging control to the charging station 200 and the FCEV 300, and this configuration will be described later through the embodiments of FIGS. 13 to 16.
  • the IMS 400 may communicate with the artificial neural network 120 and set control parameters to derive optimal charging results by controlling the artificial neural network 120 as needed.
  • the next target pressure Ptarget is derived from the SOC predicted from the artificial neural network 120, and a control parameter (PRR or m) for this may be set.
  • control parameters may be adjusted so that state values satisfy constraints in all situations using a cost function.
  • the target pressure Ptarget may be derived in order to achieve the following control target based on the case where the SOC is 95% at 15 °C and NWP (Normal Working Pressure) conditions, for example.
  • NWP Normal Working Pressure
  • Constraints addressed in the cost function may include, for example, Tgas ⁇ 85 ° C, Pgas ⁇ 87.5 MPa, and SOC ⁇ 100%.
  • the intelligent meta system 400 may be dependent on the dispenser 100 side or may be disposed independently of the dispenser 100.
  • the intelligent meta system 400 may be centralized in one device or may be distributed in a plurality of hardware including the dispenser 100 and/or the charging station 200.
  • the intelligent meta system 400 may be implemented in the form of a cloud server.
  • the artificial neural network 120 may be disposed and implemented at a location independent of the dispenser 100 according to another embodiment of the present invention.
  • the artificial neural network 120 may be deployed and trained in a cloud system, and may be used to control hydrogen charging via the dispenser 100 through wired/wireless communication.
  • a separate artificial neural network is deployed and trained in the cloud system, and all or some parameters of the learned artificial neural network are transferred to the local artificial neural network 120 disposed in the dispenser 100 and used for hydrogen charging control.
  • transfer learning or federated learning may be used between the artificial neural network learned in the cloud and the local artificial neural network 120 to share parameters.
  • FIG. 8 is an operational flowchart illustrating an artificial neural network-based hydrogen charging control method according to an embodiment of the present invention.
  • a hydrogen fueling method for a fuel cell electric vehicle (FCEV) is a hydrogen fueling method based on an artificial neural network, comprising: obtaining a measurement value of a current state (S610); Generating a charging control command for hydrogen charging based on the output of the artificial neural network that takes the measured value of the current state as an input (S620); Acquiring the next state value based on the charging control command (S630); and evaluating whether a response according to the execution of the charging control command satisfies a constraint condition (S650).
  • an artificial intelligence that has learned the function of generating a charging control command to reach a set point while each future response after the measured value of the current state satisfies all constraint conditions.
  • a charging control command may be generated based on the output of the neural network.
  • a plurality of values corresponding to a plurality of next state values are generated based on the output of the artificial neural network that has learned a function of predicting a plurality of next state values that minimizes a cost function for a state of charge. Control commands can be generated.
  • FIG. 9 is an operational flowchart illustrating a training process of an artificial neural network for hydrogen charging control based on an artificial neural network-model predictive control according to an embodiment of the present invention.
  • an artificial neural network-model predictive control based prediction horizon and an artificial neural network that has learned a function to obtain a control horizon in particular, an artificial neural network to optimize the process of reaching a set point for a future response by model predictive control Assume n future predictions obtained from the neural network model 120 and control commands corresponding thereto.
  • a control system may be configured based on the artificial neural network model 120, and a real-time control system based on model predictive control may be configured by ensuring the accuracy of the artificial neural network model 120.
  • the real-time control system controls the charging speed/pressure increase rate/pressure increase speed by predicting future charging results and comparing them with actual measured values. can be controlled within.
  • the current SOC may be 50% and the SOCsp may be 85%.
  • the SOCsp may be set to a preset default value.
  • the default value may be 100%.
  • SOC(t) is given as a function of Tgas(t) and Pgas(t), and this process can be performed based on a general dynamic model.
  • Step S730 may be performed by generating a prediction based on the model predictive control shown in FIG. 4 using the artificial neural network 120 or the like.
  • step S740 it may be determined whether the obtained n predictions are optimized prediction/control commands that meet the intended purpose.
  • the control command PRR(t) is obtained based on the n predictions and control commands, and the PRR(t) can be applied to the dispenser 100-storage tank 310 (S750). .
  • step S720 Thereafter, time t is increased, and new measured values Tgas(t) and Pgas(t) are obtained and transferred to the input of step S720.
  • step S730 may be performed again to obtain n new prediction and control commands.
  • FIG. 10 is a conceptual diagram illustrating a part of the process of FIG. 9 in detail.
  • predicted state values T and P that satisfy the temperature limit and the pressure limit may be generated for all i and k.
  • i is an index representing the current time
  • k is an index corresponding to each prediction/control command forming the moving horizon.
  • n state prediction values and control commands according to the predicted values may be derived.
  • FIG. 11 is a conceptual diagram illustrating a part of the process of FIG. 9 in detail.
  • step S740 of FIG. 9 can be understood as a process of searching for a set of n predictions minimizing a cost function indicating whether the final control target SOCsp is reached and the control sensitivity ⁇ .
  • the control sensitivity ⁇ may include a change rate of PRR or m.
  • FIG. 12 is a conceptual diagram illustrating a hydrogen charging control process based on artificial neural network-model predictive control according to an embodiment of the present invention.
  • the dispenser 100 may include a hydrogen fueling control logic 110 and an artificial neural network model 120 .
  • State measurement values including the temperature and pressure of the CHSS 310 as an output of the FCEV 300 may be given to the artificial neural network model 120 as a feedback input.
  • a state measurement value including the temperature and pressure of the pre-cooled hydrogen gas may be given to the artificial neural network model 120 as a feedback input.
  • the artificial neural network model 120 transfers the predicted output to the hydrogen charging control logic 110, and the hydrogen charging control logic 110 transmits the predicted output to the future. Inputs may be input to the artificial neural network model 120 .
  • the artificial neural network-model predictive control based control process is a control technique that utilizes both simulation and actual measurement data, and is a control technique that at least partially simulates using the artificial neural network model 120 and uses the prediction result in the control process.
  • FIG. 13 is a conceptual diagram illustrating an artificial neural network-based integrated control model for controlling a hydrogen charging process according to an embodiment of the present invention.
  • the embodiment of the present invention aims to configure a hydrogen charging integrated control protocol based on real-time data, and the system is implemented using various element technologies.
  • the protocol loaded in the dispenser 100 utilizes the data of the pre-cooled hydrogen gas provided from the charging station 200 and the data of the storage tank 310 provided from the vehicle 300 as real-time input values, charging by the loaded model Speed/pressure increase rate/pressure increase rate (PRR or m) can be controlled as an output.
  • PRR Speed/pressure increase rate/pressure increase rate
  • the pre-cooling temperature of the charging station 200 and the cooling system of the vehicle 300 are directly controlled to determine the overall charging speed/pressure increase rate/pressure increase rate (PRR or m) and process efficiency.
  • PRR or m overall charging speed/pressure increase rate/pressure increase rate
  • a self-cooling stabilization system may be independently installed in the pre-cooling system/pre-cooler 210 of the hydrogen filling station 200.
  • the cooling stabilization system of the pre-cooler 210 may be independently controlled, and the target value of control may be integrally changed in the protocol of the dispenser 100 .
  • the pre-cooler 210 may be provided with an additional function related to temperature stabilization.
  • the pre-cooling temperature varies according to the initial temperature and flow rate of the hydrogen gas supplied to the pre-cooler 210, and to compensate for this, a new pre-cooler structure for stabilizing the temperature is proposed as an embodiment of the present invention. .
  • the pre-cooler 210 may include a control logic for self-temperature control and linkage with a protocol.
  • a forced cooling system may be installed in the storage tank 310 of the vehicle 300, and the charging speed may be improved by partially cooling the compression heat generated during hydrogen charging, and the forced cooling system of the storage tank 310 may be operated. /control can also be involved in the protocol.
  • a temperature management function may be provided to the storage tank 310 of the vehicle 300 in order to improve the hydrogen charging speed and supplement the function of the integrated control protocol.
  • the storage tank 310 configures a system for self-cooling to increase the overall charging speed and improve the safety of the vehicle 300
  • the control logic for self-driving the system and linking with the protocol can include
  • current charging efficiency can be improved through such integrated control, and preparation for the next charging can be smoothly supported.
  • FIG. 14 is a diagram illustrating an event-based control process for the integrated control model of FIG. 13 .
  • the pre-cooling temperature of the pre-cooler 210 is set to -40 ° C
  • the pre-cooling temperature has achieved the target value, but the outside temperature is higher than the set value and the temperature rise of the storage tank 310 is greater than expected
  • a control signal or current state information may be transmitted to the vehicle 300/storage tank 310 so that the self-cooling system of the storage tank 310 can be driven.
  • the target value of the pre-cooling temperature may be adjusted (eg, -35°C). C).
  • control information or control commands may be transmitted from the dispenser 100 to both the vehicle 300 and the charging station 200 .
  • the self-cooling systems of the vehicle 300 and the charging station 200 may be controlled independently or may be controlled by transmitting a signal from the dispenser 100 .
  • 15 is an operational flowchart illustrating an integrated control method for hydrogen charging according to an embodiment of the present invention.
  • a hydrogen fueling control method for a hydrogen fuel cell electric vehicle (FCEV) is an integrated control method for hydrogen charging, comprising: obtaining a measured value of a current state (S810); Based on the measurement value of the current state, determining whether a second control command for at least one of the hydrogen charging station and the hydrogen fuel cell vehicle is required in addition to the first control command executed on the dispenser side (S830); and generating a second control command for at least one of the hydrogen charging station and the hydrogen fuel cell vehicle according to the determination result (S840).
  • the second control command for the hydrogen charging station may include a command for adjusting a target value of the pre-cooling temperature of the hydrogen charging station.
  • the second control command for the FCEV may include a cooling command for the compressed hydrogen storage system (CHSS) on the FCEV side.
  • CHSS compressed hydrogen storage system
  • the integrated control method for hydrogen charging according to an embodiment of the present invention may further include evaluating whether a measured value of a current state satisfies a constraint condition.
  • the constraint condition may be that the temperature and pressure of the compressed hydrogen storage system (CHSS) 310 on the hydrogen electric vehicle side do not exceed the limit temperature and limit pressure, respectively.
  • CHSS compressed hydrogen storage system
  • the integrated control method for hydrogen filling may further include generating a first control command executed on the dispenser side (S850) based on the measured value of the current state.
  • Step S830 may be performed based on the execution result of step S820 of calculating the difference between the measured value of the current CHSS 310 state and the predicted value.
  • FIG. 16 is a conceptual diagram illustrating an example of a generalized hydrogen charging control device, a hydrogen charging control system, or a computing system capable of performing at least part of the processes of FIGS. 1 to 15 .
  • the hydrogen filling control device may be disposed on the dispenser 100 side.
  • the hydrogen charging control system is distributed and disposed in the dispenser 100, the hydrogen charging station 200, and the hydrogen fuel cell vehicle 300, or is disposed in at least a portion of the dispenser 100, the hydrogen charging station 200, and the hydrogen fuel cell vehicle 300, at least Some actions can be controlled.
  • the hydrogen charging control device and/or the hydrogen charging control system may be implemented in the form of a computing system including a processor 1100 electronically connected to the memory 1200 .
  • At least some processes of the model predictive control-based hydrogen charging control method, the artificial neural network-based hydrogen charging control method, and the integrated control method for hydrogen charging according to an embodiment of the present invention are executed by the computing system 1000 of FIG. can
  • a computing system 1000 includes a processor 1100, a memory 1200, a communication interface 1300, a storage device 1400, an input interface 1500, and an output It may be configured to include an interface 1600 and a bus 1700.
  • the computing system 1000 includes at least one processor 1100 and instructions instructing the at least one processor 1100 to perform at least one step. It may include a memory (memory) 1200 for storing. At least some steps of the method according to an embodiment of the present invention may be performed by the at least one processor 1100 loading instructions from the memory 1200 and executing them.
  • the processor 1100 may mean a central processing unit (CPU), a graphics processing unit (GPU), or a dedicated processor on which methods according to embodiments of the present invention are performed.
  • CPU central processing unit
  • GPU graphics processing unit
  • dedicated processor on which methods according to embodiments of the present invention are performed.
  • Each of the memory 1200 and the storage device 1400 may include at least one of a volatile storage medium and a non-volatile storage medium.
  • the memory 1200 may include at least one of a read only memory (ROM) and a random access memory (RAM).
  • the computing system 1000 may include a communication interface 1300 that performs communication through a wireless network.
  • the computing system 1000 may further include a storage device 1400, an input interface 1500, an output interface 1600, and the like.
  • each component included in the computing system 1000 may be connected by a bus 1700 to communicate with each other.
  • the computing system 1000 of the present invention includes a communicable desktop computer, a laptop computer, a notebook, a smart phone, a tablet PC, and a mobile phone.
  • mobile phone smart watch, smart glass, e-book reader, PMP (portable multimedia player), portable game device, navigation device, digital camera, DMB (digital It may be a multimedia broadcasting) player, digital audio recorder, digital audio player, digital video recorder, digital video player, personal digital assistant (PDA), and the like.
  • PDA personal digital assistant
  • a computer-readable recording medium includes all types of recording devices in which information readable by a computer system is stored.
  • computer-readable recording media may be distributed to computer systems connected through a network to store and execute computer-readable programs or codes in a distributed manner.
  • the computer-readable recording medium may include hardware devices specially configured to store and execute program instructions, such as ROM, RAM, and flash memory.
  • the program command may include high-level language codes that can be executed by a computer using an interpreter or the like as well as machine code generated by a compiler.
  • aspects of the present invention have been described in the context of an apparatus, it may also represent a description according to a corresponding method, where a block or apparatus corresponds to a method step or feature of a method step. Similarly, aspects described in the context of a method may also be represented by a corresponding block or item or a corresponding feature of a device. Some or all of the method steps may be performed by (or using) a hardware device such as, for example, a microprocessor, programmable computer, or electronic circuitry. In some embodiments, at least one or more of the most important method steps may be performed by such a device.
  • a programmable logic device eg, a field programmable gate array
  • a field-programmable gate array may operate in conjunction with a microprocessor to perform one of the methods described herein.
  • methods are preferably performed by some hardware device.

Landscapes

  • Engineering & Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Biochemistry (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • Analytical Chemistry (AREA)
  • Medical Informatics (AREA)
  • Biomedical Technology (AREA)
  • Automation & Control Theory (AREA)
  • Manufacturing & Machinery (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Electrochemistry (AREA)
  • General Chemical & Material Sciences (AREA)
  • Fuzzy Systems (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Molecular Biology (AREA)
  • Mathematical Physics (AREA)
  • Fuel Cell (AREA)
  • Filling Or Discharging Of Gas Storage Vessels (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)
  • Feedback Control In General (AREA)

Abstract

본 발명의 일 실시예에 따른 수소 연료 모빌리티를 위한 수소 충전(hydrogen fueling) 제어 방법은 수소 충전을 위한 통합 제어 방법으로서, 현재 상태의 측정값을 획득하는 단계; 현재 상태의 측정값에 기반하여, 디스펜서 측에서 실행되는 제1 제어 명령 외에 수소 충전소 및 수소 연료 모빌리티 중 적어도 하나 이상을 위한 제2 제어 명령이 필요한 지 여부를 판정하는 단계; 및 판정 결과에 따라 수소 충전소 및 수소 연료 모빌리티 중 적어도 하나 이상을 위한 제2 제어 명령을 생성하는 단계를 포함한다.

Description

실시간 제어 기반 수소 충전을 위한 통합 제어 시스템, 방법 및 장치
본 발명은 수소 연료 모빌리티(hydrogen fueled mobility)의 수소 충전(Fueling)/공급을 위한 제어 기술에 관한 것으로, 더욱 상세하게는 수소 충전/공급의 효율을 높이고 충전/공급의 속도 및 실시간성을 높이는 수소 충전 프로세스, 그 프로세스를 위한 제어 기법, 및 그 제어 기법을 위한 프로토콜에 관한 것이다.
수소차, 수소전기차 또는 연료전지차(FCEV, Fuel Cell Electric Vehicle)는 차량에 저장된 고압 수소와 대기 중 공기가 만나 생성된 전기에너지로 움직이는 무공해 자동차를 의미한다.
수소전기차는 수소를 에너지원으로 활용해 연료전지 시스템을 이용하여 전기를 생산해 움직인다. 주지하는 바와 같이 수소전기차에서는 전기를 만드는 과정에서 순수한 물(H2O)만 배출할 뿐 아니라, 운행 중 대기에 있는 초미세먼지를 제거하는 기능이 있어 미래 친환경 모빌리티로 주목받고 있다. 연료인 수소가 지구상에 무한하다는 점과 에너지를 생산하는 과정이 친환경적이라는 점에서 산업 전반에 활용할 수 있는 잠재력을 갖춘 기술로 널리 각광받고 있다.
수소 연료 모빌리티(hydrogen fueled mobility)는 수소를 에너지원으로 하거나 수소를 연료로 하여 전기 에너지를 생성하고 이를 이용하여 전동기를 구동하는 방식의 모빌리티를 의미한다.
수소 연료 모빌리티에는 앞서 설명한 수소전기차 외에 Aerial Mobility는 물론, 산업용 트럭, 열차, 선박, 항공기 또한 수소를 연료로 하여 전기에너지를 생성하고 이를 이용하여 구동하는 장치가 포함될 수 있다.
보다 포괄적으로는 수소를 에너지원으로 하는 건축물, 또는 시설물도 본 발명의 기술적 사상이 적용될 수 있는 응용 분야에 포함될 수 있을 것이다.
수소전기차는 수소연료저장탱크에 안전하게 보관된 고압 수소와 공기공급시스템을 통해 유입된 산소를 연료전지스택에 전달하고, 수소와 산소 간 전기화학 반응을 일으켜 전기에너지를 생산한다. 생산된 전기에너지는 구동모터를 통해 운동에너지로 전환되어 수소전기차를 움직이며, 주행 중인 수소전기차는 배기구를 통해 순수한 물 만을 배출하는 장점을 가진다.
연료전지시스템은 내연기관 자동차의 엔진을 대신하여 수소전기차의 동력을 부여하는 역할을 수행한다. 연료전지는 구동에 필요한 전기에너지를 만들어내는 장치로, '3차 전지'라고 불리기도 한다. 연료전지는 산소와 수소의 전화학 반응을 이용해 열에너지를 전기에너지로 변환시킨다. 이때 발생한 전기에너지는 순수한 화학 반응의 결과물로 화석 연료와 달리 이산화탄소 같은 배출가스를 발생시키지 않는다. 연료전지시스템은 연료나 재질에 따라 PEMFC, SOFC, MCFC 등의 다양한 종류가 존재하며, 수소전기차에서 연료전지를 이용하여 동력을 생산하는 구성은 구성은 연료전지스택, 수소공급시스템, 공기공급시스템 그리고 열관리시스템을 포함한다.
연료전지스택의 효율적인 전기에너지 생성을 위해서는 운전장치의 도움이 필요하다. 이 중 수소공급시스템은 수소연료저장탱크에 안전하게 보관된 수소를 고압 상태에서 저압 상태로 바꿔 연료전지스택으로 이동시키는 역할을 수행하며, 또한 재순환라인을 통해 수소 공급 효율성을 높일 수 있다.
열관리시스템은 연료전지스택이 전기화학 반응을 일으킬 때 발생하는 열을 외부로 방출시키고, 냉각수를 순환시켜 연료전지스택의 온도를 일정하게 유지하는 장치를 의미한다. 열관리시스템은 연료전지스택의 출력과 수명에 영향을 줄 수 있다.
수소전기차가 아닌 수소연료차(Hydrogen Fueled Car)의 개념 또한 수소를 연료로 사용하는 차량인데, 수소연료차는 수소를 엔진에서 직접 연소하여 발생하는 열로 전동기를 구동하는 방식이다. 수소연료차를 위해서 수소를 충전/공급하는 방식은 수소전기차를 위한 수소 충전/공급 방식과 크게 다르지 않다.
수소를 연료로 활용하는 차량에 수소를 충전/공급하기 위한 제어 기법에서는, 최종적으로 연료전지 측의 압축수소저장시스템(CHSS, Compressed Hydrogen Storage System)의 온도(T)와 압력(P)를 안전을 위한 한계 온도/압력 조건 하에서 동작하도록 제어하는 것을 목표로 한다.
종래의 수소전기차의 수소 충전/공급 프로세스, 제어 기법, 및 이를 위한 프로토콜은 과거 유/무선 통신 기술이나 제어를 위한 컴퓨팅 기법이 성숙하지 않았을 때 규정된 것이어서 최근 도달한 정보통신 기술(ICT)의 성과를 최대한 반영하지 못하고 있다.
따라서 종래의 수소전기차의 수소 충전/공급 기술은 비효율적이고 느리며 대용량 수소 충전에 적합하지 않다.
상기와 같은 문제점을 해결하기 위한 본 발명의 목적은 안전하게 수소 연료를 충전/공급하면서도 수소 충전/공급 과정의 효율을 향상시키고, 수소 충전/공급 과정의 속도 및 실시간성을 개선하는 것이다.
본 발명의 목적은 안전 한계 이하의 조건을 만족하는 최적화된 최고의 충전 속도로 운영하여 가용 범위 내에서 충전 시간을 감축하는 것이다.
본 발명의 목적은 예냉 필요량과 제공량을 능동적으로 조절하여 충전소의 냉각 부하를 최적화하여 수소 충전소의 운영 효율성을 증대시키는 것이다.
본 발명의 목적은 신규 기기 적용 시 일정한 학습 및 훈련 과정을 거쳐 로직 자체를 업데이트하는 방식으로 다양한 다양한 모빌리티 영역에 폭넓게 확대 적용할 수 있는 제어 기법을 제공하는 것이다.
본 발명의 목적은 저장탱크 자체에 냉각시스템을 설치하여 충전속도를 증대시키는 동시에, 저장탱크 과열에 능동적으로 대처할 수 있어 수소 연료 모빌리티의 안전성을 향상시키는 것이다.
상기 목적을 달성하기 위한 본 발명의 일 실시예에 따른 수소 연료 모빌리티를 위한 수소 충전(hydrogen fueling) 제어 방법은 수소 충전을 위한 통합 제어 방법으로서, 현재 상태의 측정값을 획득하는 단계; 현재 상태의 측정값에 기반하여, 디스펜서 측에서 실행되는 제1 제어 명령 외에 수소 충전소 및 수소 연료 모빌리티 중 적어도 하나 이상을 위한 제2 제어 명령이 필요한 지 여부를 판정하는 단계; 및 판정 결과에 따라 수소 충전소 및 수소 연료 모빌리티 중 적어도 하나 이상을 위한 제2 제어 명령을 생성하는 단계를 포함한다.
수소 충전소를 위한 제2 제어 명령은 수소 충전소의 예냉 온도의 목표값을 조정하는 명령을 포함할 수 있다.
수소 연료 모빌리티를 위한 제2 제어 명령은 수소 연료 모빌리티 측의 압축수소저장시스템(CHSS)의 냉각 명령을 포함할 수 있다.
본 발명의 일 실시예에 따른 수소 충전을 위한 통합 제어 방법은, 현재 상태의 측정값이 제약 조건을 충족하는 지 평가하는 단계를 더 포함할 수 있다.
제약 조건은 수소 연료 모빌리티 측의 압축수소저장시스템(CHSS)의 온도 및 압력 각각이 한계 온도 및 한계 압력을 초과하지 않는 것일 수 있다.
본 발명의 일 실시예에 따른 수소 충전을 위한 통합 제어 방법은, 현재 상태의 측정값에 기반하여, 디스펜서 측에서 실행되는 제1 제어 명령을 생성하는 단계를 더 포함할 수 있다.
제1 제어 명령은 수소 충전을 위한 압력 증가율(PRR, Pressure ramp rate)에 대한 제어 명령을 포함할 수 있다.
제1 제어 명령을 생성하는 단계는, 현재 상태의 측정값에 대한 시뮬레이션 결과 및 실제 현장 데이터에 기반하여 제1 제어 명령을 생성할 수 있다.
제1 제어 명령을 생성하는 단계는, 현재 상태의 측정값에 기반한 모델 예측 제어 기법을 이용하여 제1 제어 명령을 생성할 수 있다.
제1 제어 명령을 생성하는 단계는, 현재 상태의 측정값을 입력으로 하는 인공 신경망의 출력에 기반하여 제1 제어 명령을 생성할 수 있다.
본 발명의 일 실시예에 따른 수소 연료 모빌리티를 위한 수소 충전(hydrogen fueling) 제어 장치는 수소 충전을 위한 통합 제어 장치로서, 프로세서(processor); 및 적어도 하나 이상의 명령을 저장하는 메모리(memory)를 포함한다. 프로세서는 적어도 하나 이상의 명령을 실행함으로써 현재 상태의 측정값을 획득하고, 현재 상태의 측정값에 기반하여, 디스펜서 측에서 실행되는 제1 제어 명령 외에 수소 충전소 및 수소 연료 모빌리티 중 적어도 하나 이상을 위한 제2 제어 명령이 필요한 지 여부를 판정하고, 판정 결과에 따라 수소 충전소 및 수소 연료 모빌리티 중 적어도 하나 이상을 위한 제2 제어 명령을 생성한다.
프로세서는, 현재 상태의 측정값이 제약 조건을 충족하는 지 평가할 수 있다.
프로세서는, 현재 상태의 측정값에 기반하여, 디스펜서 측에서 실행되는 제1 제어 명령을 생성할 수 있다.
프로세서는, 현재 상태의 측정값에 대한 시뮬레이션 결과 및 실제 현장 데이터에 기반하여 제1 제어 명령을 생성할 수 있다.
프로세서는, 현재 상태의 측정값에 기반한 모델 예측 제어 기법을 이용하여 제1 제어 명령을 생성할 수 있다.
프로세서는, 현재 상태의 측정값을 입력으로 하는 인공 신경망의 출력에 기반하여 제1 제어 명령을 생성할 수 있다.
본 발명의 일 실시예에 따르면, 저장탱크의 실시간 온도 데이터를 활용하여 실시간으로 충전 속도를 제어하는 방식으로, 안전 한계 이하의 조건을 만족하는 최고의 충전 속도로 운영되도록 설계되어 있어, 가용범위 안에서 충전 시간을 감축할 수 있다.
본 발명의 일 실시예에 따르면, 예냉 필요량과 제공량을 능동적으로 조절하여 충전소의 냉각 부하를 최적화하여 수소 충전소의 운영 효율성을 증대시킬 수 있다.
본 발명의 일 실시예에 따르면, 인공 신경망 기반의 학습 가능한 충전 로직으로 신규 기기 적용 시 일정한 학습 및 훈련 과정을 거쳐 로직 자체를 업데이트하는 방식의 제어 기법으로 다양한 모빌리티 영역에 폭넓게 확대 적용할 수 있다.
본 발명의 일 실시예에 따르면, 저장탱크 자체에 냉각시스템을 설치하여 충전속도를 증대시키는 동시에, 저장탱크 과열에 능동적으로 대처할 수 있어 수소 연료 모빌리티의 안전성을 향상시킬 수 있다.
도 1은 본 발명의 일 실시예가 적용되는 수소전기차(FCEV)를 위한 수소 충전 과정의 일 예를 도시하는 개념도이다.
도 2는 본 발명의 일 실시예가 적용되는 수소전기차(FCEV)를 위한 수소 충전을 위한 논리적 프로세스의 일 예를 도시하는 개념도이다.
도 3은 본 발명의 일 실시예가 적용되는 수소전기차(FCEV)를 위한 수소 충전 과정에서 나타나는 상태 변화의 일 예를 도시하는 개념도이다.
도 4는 본 발명의 일 실시예에 따른 수소전기차(FCEV)를 위한 수소 충전 제어를 위한 모델 예측 제어의 개념을 도시하는 개념도이다.
도 5는 본 발명의 일 실시예에 따른 모델 예측 제어 기반 수소 충전 제어 방법을 도시하는 동작 흐름도이다.
도 6은 본 발명의 일 실시예에 따른 수소전기차(FCEV)를 위한 수소 충전 제어를 위한 인공 신경망의 개념을 도시하는 개념도이다.
도 7은 본 발명의 일 실시예에 따른 인공 신경망과 지능형 메타 시스템(IMS, Integrated Meta System)을 이용하는 수소전기차(FCEV)를 위한 수소 충전 제어 과정을 도시하는 개념도이다.
도 8은 본 발명의 일 실시예에 따른 인공 신경망 기반 수소 충전 제어 방법을 도시하는 동작 흐름도이다.
도 9는 본 발명의 일 실시예에 따른 인공 신경망-모델 예측 제어 기반 수소 충전 제어를 위한 인공 신경망의 훈련 과정을 도시하는 동작 흐름도이다.
도 10은 도 9의 과정의 일부를 상세하게 도시하는 개념도이다.
도 11은 도 9의 과정의 일부를 상세하게 도시하는 개념도이다.
도 12는 본 발명의 일 실시예에 따른 인공 신경망-모델 예측 제어 기반 수소 충전 제어 과정을 도시하는 개념도이다.
도 13은 본 발명의 일 실시예에 따른 수소 충전 과정을 제어하기 위한 인공 신경망 기반 통합 제어 모델을 도시하는 개념도이다.
도 14는 도 13의 통합 제어 모델을 위한 이벤트 기반 제어 과정을 도시하는 도면이다.
도 15는 본 발명의 일 실시예에 따른 수소 충전을 위한 통합 제어 방법을 도시하는 동작 흐름도이다.
도 16은 도 1 내지 도 15의 과정의 적어도 일부를 수행할 수 있는 일반화된 수소 충전 제어 장치, 수소 충전 제어 시스템 또는 컴퓨팅 시스템의 예시를 도시하는 개념도이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다.
제1, 제2, A, B 등의 용어는 다양한 구성요소들을 설명하는 데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. "및/또는"이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.
본 출원의 실시예들에서, "A 및 B 중에서 적어도 하나"는 "A 또는 B 중에서 적어도 하나" 또는 "A 및 B 중 하나 이상의 조합들 중에서 적어도 하나"를 의미할 수 있다. 또한, 본 출원의 실시예들에서, "A 및 B 중에서 하나 이상"은 "A 또는 B 중에서 하나 이상" 또는 "A 및 B 중 하나 이상의 조합들 중에서 하나 이상"을 의미할 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
본 명세서에 사용되는 일부 용어를 정의하면 다음과 같다.
수소차(Hydrogen Vehicle), 수소전기차 또는 연료전지차(FCEV, Fuel Cell Electric Vehicle)은 차량에 저장된 고압 수소와 대기 중 공기가 만나 생성된 전기에너지로 움직이는 무공해 자동차를 의미한다.
압축수소저장시스템(CHSS, Compressed Hydrogen Storage System)은 차량 측의 연료전지의 일부로서 수소를 압축하여 저장하는 장치를 의미한다.
압력 배출 장치(PRD, Pressure Relief Device)는 CHSS에 배치되며 저장된 수소를 나머지 연료 시스템 및 환경으로부터 고립시킬(isolate) 수 있고, 반대로 수소를 외부로 배출시킬 수 있는 장치를 의미한다.
수소 충전(Fueling) 과정은 수소 충전소(Station)로부터 고압 수소를 전달하여 연료 전지에 축적하는 과정을 의미한다.
압력 증가율(PRR, Pressure Ramp Rate)은 MPa/min 으로 나타내어지며 CHSS의 압력의 증가율을 의미한다.
평균 압력 증가율(APRR, Average Pressure Ramp Rate)은 수소 충전(fueling)의 시작부터 끝까지 압력 증가율의 평균값을 의미한다.
예냉(pre-cooling)은 수소 충전소의 수소를 충전 전에 미리 냉각시키는 과정을 의미한다.
디스펜서(dispenser)는 예냉된 수소를 CHSS로 전달하는 콤포넌트이다.
노즐(nozzle)은 수소 충전소의 수소 dispensing 시스템에 연결되며 수소전기차의 리셉터클(receptacle)에 결합하고 수소 연료의 전달을 허용하는 장치를 의미한다.
한편 본 출원일 전에 공지된 기술이라 하더라도 필요 시 본 출원 발명의 구성의 일부로서 포함될 수 있으며, 이에 대해서는 본 발명의 취지를 흐리지 않는 범위 내에서 본 명세서에서 설명한다. 다만 본 출원 발명의 구성을 설명함에 있어, 본 출원일 전에 공지된 기술로서 당업자가 자명하게 이해할 수 있는 사항에 대한 자세한 설명은 본 발명의 취지를 흐릴 수 있으므로, 공지 기술에 대한 지나치게 자세한 사항의 설명은 생략한다. 예를 들어, 수소 충전 제어를 위하여 열역학적 모델(thermodynamic model)을 이용하는 기술, 일반화된 동역학적 제어를 위한 모델 예측 제어 기법을 적용하는 기술, 인공 신경망의 훈련 및 추론을 위하여 인공 신경망을 구성하고 제어하는 기술 등은 본 발명의 출원 전 공지 기술을 이용할 수 있으며, 이들 공지 기술들 중 적어도 일부는 본 발명을 실시하는 데에 필요한 요소 기술로서 적용될 수 있다.
그러나 본 발명의 취지는 이들 공지 기술에 대한 권리를 주장하고자 하는 것이 아니며 공지 기술의 내용은 본 발명의 취지에 벗어나지 않는 범위 내에서 본 발명의 일부로서 포함될 수 있다.
이하, 본 발명에 따른 바람직한 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.
도 1은 본 발명의 일 실시예가 적용되는 수소전기차(FCEV)를 위한 수소 충전 과정의 일 예를 도시하는 개념도이다.
도 1을 참조하면 수소 충전소(Station, 200)로부터 예냉된 수소 가스가 디스펜서(100)를 거쳐 수소전기차(FCEV, 300)로 공급된다. 이때 수소 충전 과정은 압력 증가율(PRR) 및/또는 평균 압력 증가율(APRR)을 포함하는 파라미터에 의하여 기술될 수 있다.
도 1에는 수소전기차(FCEV)와 관련된 실시예가 도시되지만 본 발명의 사상은 다양한 종류의 수소 연료 모빌리티(hydrogen fueled mobility)에 적용될 수 있을 것임은 당업자에게 자명하다.
수소 연료 모빌리티는 수소를 에너지원으로 하거나 수소를 연료로 하여 전기 에너지를 생성하고 이를 이용하여 전동기를 구동하는 방식의 모빌리티를 의미한다.
수소 연료 모빌리티에는 수소전기차 외에 Aerial Mobility는 물론, 산업용 트럭, 열차, 선박, 항공기 또한 수소를 연료로 하여 전기에너지를 생성하고 이를 이용하여 구동하는 장치가 포함될 수 있다.
본 발명의 수소 충전 프로세스는 수소 연료 모빌리티 뿐만 아니라 수소를 에너지원으로 하는 건축물, 또는 시설물에도 적용될 수 있을 것이다.
또한 도 1의 실시예에서는 수소 가스가 관련된 실시예가 도시되지만 본 발명의 사상은 액화 수소에 대해서도 적용될 수 있을 것이다.
이하에서는 설명의 편의상 수소전기차(FCEV) 및 수소 가스를 주요 실시예로 하여 본 발명의 내용을 설명하지만 이러한 실시예로 인하여 본 출원의 권리 범위가 제한적으로 해석되어서는 아니 된다.
일반적으로 차량에 부착된 수소저장시스템은 크게 고압수소저장탱크, 압력제어기구 고압배관 및 외부 프레임으로 구분될 수 있다. 고압수소저장탱크의 경우 수십 수백 리터의 용량으로 개발되어 상용화되어 있으며, 차량용의 경우 고용량을 위해서는 소형 및 경량 저장탱크를 병렬로 연결하여 활용하고 있다.
고압수소저장탱크는 압축수소저장시스템(CHSS)(310)로 널리 알려져 있으며, 본 명세서에서는 설명의 편의상 "저장탱크"라는 표현은 CHSS(310)를 의미한다.
전형적인 수소저장시스템에서는 저장탱크(310)로 수소가스가 입출입할 수 있는 보스부(boss unit)를 활용하여 수소저장을 제어하고 있으며, 수소의 주입과 이용이 동시에 진행될 수 없는 특성상, 1곳의 보스부에 밸브 및 감압기구 및 각종 측정을 위한 센서들을 부착해서 수소저장을 제어하고 있다.
수소충전소(200)와 차량(300)의 인터페이스는 디스펜서(100)에서 담당하며, 이곳에서 차량(300)의 저장탱크(310)의 정보와 충전소(200)의 연료공급 정보를 종합해서 타겟 압력과 주입속도 등을 제어하게 되며, 현재 사용되는 제어로직은 SAE J2601(2020-05) 표준을 따르고 있다.
종래 기술에서 차량(300)에서 디스펜서(100)로 정보를 전달하는 방식은 Communication 방식과 비통신 방식인 Non-communication 방식이 있다. 통신을 이용하는 경우에도 종래 기술에서는 차량(300)의 저장탱크(310)의 온도 및 압력값들이 단순히 단방향으로 디스펜서(100)로 전달될 뿐이며, 디스펜서(100)에서도 해당 정보를 적극적으로 활용하지 않으며, 단지 한계 온도 압력에서의 비상 정지와 같은 안전기준으로 활용하고 있다.
안전하고 신속한 충전을 위한 충전로직은 모두 디스펜서(100)에서 관리되고 있으며, 저장탱크(310)는 능동적인 안전관리 방식 없이, 압력 배출 장치(PRD)(320)를 통해 과열 등의 조건에서 자동으로 수소를 방출하는 최소한의 안전관리 장치만을 가지고 있다.
도 3에서 후술될 수소 충전이 진행되는 동안 수소 가스의 온도가 상승하는 현상에 대응하기 위해, 충전소(200)는 고압 수소 저장부(220) 및 프리-쿨러(210)를 포함한다. 프리-쿨러(210)는 예냉(pre-cooling)을 통해 수소 가스의 온도를 낮춘 상태로 디스펜서(100)를 경유하여 수소전기차(300)에 수소 가스를 공급한다.
본 발명의 일 실시예에서는 종래 기술과 유사한 기본 구성을 이용하지만, 디스펜서(100) 내부의 충전 제어 로직(110)이 능동적으로 차량(300) 및 충전소(200)로부터 수신되는 온도, 압력 등의 상태 정보, CHSS(310)의 충전율(SOC, State of Charge) 등의 충전 상태 정보를 활용하여 수소 충전(hydrogen fueling) 과정을 제어한다.
본 발명의 일 실시예에 따르면, 저장탱크(310)의 실시간 온도 데이터를 활용하여 실시간으로 충전 속도를 제어하는 방식으로, 안전 한계 이하의 조건을 만족하는 최고의 충전 속도로 운영되도록 설계되어 있어, 가용범위 안에서 충전 시간을 감축할 수 있다.
종래 기술의 충전 프로토콜은 안전을 위한 경계조건이 과도하게 설정되어 있어 충전 완료 시점에 대부분의 저장탱크(310) 온도가 40~50°C 전후로 측정되는 등 과도하게 예냉하여 공급하는 문제점이 있다.
본 발명의 일 실시예에 따르면, 예냉 필요량과 제공량을 능동적으로 조절하여 충전소(200)의 냉각 부하를 최적화하여 수소 충전소(200)의 운영 효율성을 증대시킬 수 있다.
경량 수소전기차 중심으로 설정된 종래 기술의 프로토콜은 신규 모빌리티 충전 시에는 모든 변수를 다시 설정하여 표준에 반영해야 하는 문제점을 가지고 있다.
본 발명의 일 실시예에 따르면, 인공 신경망 기반의 학습 가능한 충전 로직으로 신규 기기 적용 시 일정한 학습 및 훈련 과정을 거쳐 로직 자체를 업데이트하는 방식의 제어 기법으로 다양한 모빌리티 영역에 폭넓게 확대 적용할 수 있다.
종래 기술의 수소전기차(300)의 저장탱크(310) 과열방지 대책은 일정 온도 이상으로 과열 시 PRD(320)를 통한 가스 방출이 유일하다.
본 발명의 일 실시예에 따르면, 저장탱크(310) 자체에 냉각시스템을 설치하여 충전속도를 증대시키는 동시에, 저장탱크(310) 과열에 능동적으로 대처할 수 있어 수소전기차(300)의 안전성을 향상시킬 수 있다.
본 발명의 일 실시예에 따르면, 안전하게 수소 연료를 충전/공급하면서도 수소 충전/공급 과정의 효율을 향상시킬 수 있고, 수소 충전/공급 과정의 속도 및 실시간성을 개선할 수 있다.
본 발명의 일 실시예에 따르면, 모델 예측 제어 기반의 실시간성이 확보된 수소 충전 제어 기법을 제공할 수 있다.
본 발명의 일 실시예에 따르면, 인공 신경망 모델 기반의 수소 충전 결과 예측 정확도가 향상된 제어 기법을 제공할 수 있다. 이론적 시뮬레이션 결과와 함께 실제 충전 데이터를 활용한 인공 신경망 모델에 실시간 측정값이 반영됨으로써 예측 결과의 정확도가 향상될 수 있다.
본 발명의 일 실시예에 따르면, 지능형 메타 시스템(IMS)을 이용하여 실제 측정되는 데이터와 모델로부터 예측되는 상태 정보를 통합 관리함으로써 수소 충전 제어의 효율을 향상시킬 수 있다.
도 2는 본 발명의 일 실시예가 적용되는 수소전기차(FCEV)를 위한 수소 충전을 위한 논리적 프로세스의 일 예를 도시하는 개념도이다.
전술한 바와 같이 종래 기술의 수소충전 프로세스는 차량(300)과 수소충전소(200) 간의 제어를 디스펜서(100)가 담당하고 있으며, 디스펜서(100)에는 정해진 규약에 따라서 수소를 차량(300)에 주입하는 방법인 프로토콜이 탑재되어 제어를 총괄하고 있다.
디스펜서(100)에 탑재되는 프로토콜은 국제 표준인 SAE-J2601(2020-05)를 기반으로 하고 있으며 이는 본 발명의 목적에 부합하는 범위 내에서 본 발명의 실시예에 있어서도 동일하게 적용된다.
안전을 위한 최소요구사항/요건(requirements)에 대해서, 다양한 상황에 대해서 열역학적인 모델링을 통한 시뮬레이션을 진행하고, 이를 통해 도출한 매개변수 등을 활용하여 Table-based 단일 주입 방식(single method), 및 MC-formula 기반 부분적인 실시간 보정 방식(Partial Real-Time Correction)이 이용된다.
안전을 위한 최소요구사항/요건은 CHSS(310)의 온도 및 압력 조건의 상한선과, 충전율(SOC)에 대한 가이드라인을 포함한다.
시뮬레이션은 Best ~ Worst Case를 포함하는 경계 조건(boundary condition)을 이용한 열역학적인 모델링을 통하여 수행될 수 있다.
이 같은 구성은 본 발명의 목적에 부합하는 범위 내에서 본 발명의 실시예의 구성에도 적용될 수 있다.
도 1과 도 2의 구성을 따르더라도 디스펜서(100)에서 상태 값을 능동적으로 제어하지 않는 종래 기술에서는 다음의 문제점이 발견된다. 아래의 문제점은 단순한 열역학적 모델을 이용한 시뮬레이션에 의존하는 종래 기술에서도 마찬가지로 드러나고 있다.
예상되는 최악의 경계 조건(과도한 경계 조건)을 가정해 주입속도가 미리 결정되어 있어 불필요한 예냉이 이루어지고 전체 충전 속도가 떨어지는 문제가 있다. 이때 종래 기술에서 주입속도는 평균 압력 증가율/평균 압력 증가속도 (APRR, Average Pressure Ramp Rate)에 의하여 단순하게 결정되며, 이는 상황에 따른 능동적인 대응을 저해하는 요인이 될 수 있다. 불필요한 예냉은 과도한 에너지 비용, 및 운영 비용을 초래하는 요인이 될 수 있다.
시뮬레이션 기반 결과에 의존하므로 적용 가능한 저장탱크(310)의 용량이나 형태에 제한이 있으며, 신규 시스템의 경우 신규 개발 및 적용에 별도의 리소스를 필요로 하는 등, 적용 대상이 제한되는 문제가 있다.
열역학 모델은 수학식의 계산 결과 도출에 많은 시간이 소요되어 모델을 통해 도출된 변수 등을 간접적으로 활용하는 방식으로 미리 계산된 변수가 없는 경우에는 적용이 제한되며, 방식 자체의 세부조절 등 유연성이 부족한 문제가 있다.
종래 기술의 Table-based 방식은 충전소(200)에서 제공되는 예냉수소의 온도나, 차량(300)에서 측정되는 저장탱크(310)의 온도 등이 활용되지 않아 효율성이 매우 낮으며 주변 상황 변화에 유연하게 대처하기 어려운 문제가 있다.
종래 기술의 MC-Formula 기반 방식은 예냉 온도를 실시간으로 보정하지만 계산 및 적용 방식이 복잡하고 적용 대상에 한계가 있어 확장이 어려운 문제가 있다.
프로토콜이 안전한 충전 완료를 주요 목표로 개발되어 과도한 예냉이나 저장탱크(310)의 과열 등 돌발적 상황에 대해 적극적으로 제어할 수 있는 대안이 없고, 이로 인하여 과냉각에 의한 운영 비용 상승, 과열에 의한 충전 지연 등의 문제가 발생하고 있다.
본 발명의 특징은 종래 기술의 문제점을 해결하기 위하여 도출된 것으로, 시뮬레이션에 대한 의존도를 낮추고 실시간 측정 데이터를 반영하여 능동적으로 상태 변수의 제어를 시도하는 점에서 특징이 있다.
도 3은 본 발명의 일 실시예가 적용되는 수소전기차(FCEV)를 위한 수소 충전 과정에서 나타나는 상태 변화의 일 예를 도시하는 개념도이다.
도 3을 참조하면, 저장탱크(310)에 수소가 주입될 경우 압축열에 의해 내부온도가 상승하며, 이로 인해 저장탱크(310) 내부의 수소 가스의 온도가 상승한다.
수소 충전 과정의 온도 제어는 예냉 수소 가스를 공급받아 최종 충전완료 시점에서, 저장탱크(310)의 내부 온도가 85°C 이하가 되도록 제어됨으로써 이루어진다.
저장탱크(310)는 주행 중에는 외부 대기와 내부 저장된 수소 가스 간의 열교환을 차단하기 위하여, 저장탱크(310)의 돔과 바디를 감싸는 탄소섬유의 열전달 효율이 낮도록 구성되어 있다.
충전 과정에서 저장탱크(310) 내부의 수소 가스의 온도가 상승할 때에는 이러한 저장탱크(310)의 낮은 열전달 특성으로 인하여 충전이 완료되는 시점까지 내부의 온도 상승에 비해 저장탱크(310) 표면에 드러나는 온도상승은 미약하다.
이러한 특성은 충전 시 발생하는 저장탱크(310) 내부의 급속한 온도 상승을 완화시킬 수 있는 외기와의 열교환이 거의 진행되지 않도록 차단하므로, 별도의 온도 관리 대책이 필요하다.
그러나 종래 기술은 충전소(200)로부터 미리 냉각시킨(예냉, pre-cooled) 수소 가스를 공급받는 것 외에는 별도의 냉각 수단을 포함하고 있지 않다.
수소완충시간은 저장탱크의 온도관리 상한선인 85°C 이하 관리를 위해 수소 충전소(200)에서 예냉 및 수소주입속도를 제어함으로써 관리하고 있으나, 차량(300)의 저장탱크(310)에 대한 온도관리 대책은 별도로 존재하지 않는 상황이다.
이로 인해 특히 외기 온도가 높은 여름철의 경우 충전소(200)에서 저장탱크(310) 온도제어가 어려워 충전 지연과 같은 문제점이 발생하고 있다.
본 발명의 실시예에서는, 도 3의 특성 곡선을 기본 모델로서 탑재하되, 종래 기술과는 달리 주변의 실제 환경에서 나타나는 변수(외기 온도, 기압, 기상 조건 등)에 따른 실시간 데이터를 고려하여 Phase I. 예냉 단계의 충전소(200)의 동작 부하 및 Phase II ~ Phase IV의 충전 과정에서 발생하는 충전 속도 (압력 증가율, PRR) 제어를 최적화하고, 실제 환경에 적합한 최적의 제어 조건을 도출할 수 있다.
도 4는 본 발명의 일 실시예에 따른 수소전기차(FCEV)를 위한 수소 충전 제어를 위한 모델 예측 제어의 개념을 도시하는 개념도이다.
본 발명의 실시예에서는 수소 충전 모델의 정확도가 상당한 수준으로 확보된 상태에서 수소 충전 모델과 현재의 측정값으로부터 미래의 충전 결과를 예측하고, 예측값과 충전 값을 기반으로 CHSS(310)의 수소 가스의 온도 Tgas 또는 수소 가스의 압력 Pgas 와 같은 특정 변수가 제약 조건(constraints)을 위반히지 않으면서 최적의 충전 목표에 도달하도록 압력 증가속도/증가율(PRR)을 실시간으로 제어할 수 있다.
본 발명의 실시예에서 모델 예측 제어를 이용하여 현재의 측정값과 모델의 예측값을 기반으로 미래의 출력값을 계산하여, 예측된 미래 응답이 최적의 방식으로 설정점(setpoint 또는 target)으로 이동하도록 조작 변수(operation parameter/variable)를 조절할 수 있다.
도 4를 참조하면 현재 시간 i에서 n개의 모델 예측을 도출할 수 있다. 이러한 n개의 모델 기반 예측값은 프리딕션 호라이즌을 형성한다.
각각의 모델 기반 예측값, 즉, 프리딕션 호라이즌은 컨트롤 호라이즌과 대응한다. 즉, n개의 모델 예측이 이루어지기 위해서 필요한 n개의 제어 지령/제어 액션이 컨트롤 호라이즌을 형성할 수 있다.
실제로는 현재 시간 i에서 도출된 n개의 모델 예측 및 제어 액션 중 첫번째인 i+1 제어 액션이 시스템에 전달될 수 있다. 시간이 경과하여 현재 시간 i+1에서는 다시 새로운 n개의 모델 예측 및 제어 액션이 도출되고 이는 각각 새로운 프리딕션 호라이즌과 컨트롤 호라이즌을 형성한다.
이처럼 호라이즌을 확장/이동하면서 시스템을 제어하는 기법을 모델 예측 제어라 하며, 본 발명의 실시예에서는 CHSS(310)의 수소 가스의 온도, 및 압력을 포함하는 상태 정보(상태 값)에 대한 측정값과 예측값을 이용하여 모델 예측 제어 기반 제어가 실행될 수 있다.
도 5는 본 발명의 일 실시예에 따른 모델 예측 제어 기반 수소 충전 제어 방법을 도시하는 동작 흐름도이다.
본 발명의 일 실시예에 따른 수소전기차(FCEV)를 위한 수소 충전(hydrogen fueling) 방법은 모델 예측 제어 기반의 수소 충전 방법으로서, 현재 상태의 측정값을 획득하는 단계(S510); 현재 상태의 측정값에 기반한 인공 신경망 모델(인공 신경망-모델 예측 제어 기법)을 이용하여 다음 상태 값을 예측하거나 획득하는 단계(S530); 및 현재 상태의 측정값 및 다음 상태 값 간의 비교 결과에 기반하여 수소 충전을 위한 제어 명령을 생성하는 단계(S520)를 포함한다.
현재 상태의 측정값은 CHSS(310) 내부의 수소 가스의 온도, 및 압력의 측정값을 포함할 수 있다.
본 발명의 일 실시예에 따른 수소 충전 방법은, 현재 상태의 측정값 및 다음 상태 값이 제약 조건(constraints)을 충족하는 지 평가하는 단계(S540)를 더 포함할 수 있다.
제약 조건은 수소전기차(FCEV)의 압축수소저장시스템(CHSS)의 온도 및 압력 각각이 한계 온도 및 한계 압력을 초과하지 않는 것일 수 있다.
제어 명령을 생성하는 단계(S520)는, 수소 충전을 위한 압력 증가율(PRR, Pressure ramp rate)에 대한 제어 명령을 생성하는 단계를 포함할 수 있다.
다음 상태 값을 예측하거나 획득하는 단계(S530)는, 모델에 의하여 프리딕션 호라이즌을 형성하는 복수 개의 다음 상태 값을 예측하는 단계를 포함할 수 있다.
제어 명령을 생성하는 단계(S520)는, 복수 개의 다음 상태 값과 설정점(Set Point) 간의 비교 결과에 기반하여 미래 응답이 설정점에 도달하는 과정이 최적화되도록 프리딕션 호라이즌에 대응하는 컨트롤 호라이즌을 형성하는 복수 개의 제어 명령들을 생성할 수 있다.
다음 상태 값을 예측하거나 획득하는 단계(S530) 및 제어 명령을 생성하는 단계(S520)에서, 모델 예측 제어 기법에 의하여 인공 신경망 모델이 예측한 미래 응답이 설정점(Set Point)에 도달하는 과정이 최적화되도록 복수 개의 다음 상태를 포함하는 프리딕션 호라이즌에 대응하는 컨트롤 호라이즌을 형성하는 복수 개의 제어 명령들이 획득될 수 있다.
현재 상태 및 다음 상태 값에 기반하여 비용 함수(cost function) 및 충전 제어를 위한 변수/파라미터를 업데이트하는 단계(S550)가 더 포함될 수 있다.
도 6은 본 발명의 일 실시예에 따른 수소전기차(FCEV)를 위한 수소 충전 제어를 위한 인공 신경망의 개념을 도시하는 개념도이다.
도 6을 참조하면, 입력 레이어에는 현재 상태의 측정값들이 입력된다.
이때 외기 온도 Tamb(ambient temperature), 예냉 온도 Tpre(pre-cooled gas temperature), 예냉 압력 Tpre(pre-cooled gas pressure)는 디스펜서(100) 또는 충전소(200)의 nozzle에서 측정될 수 있다.
수소 가스 온도 Tgas, 수소 가스 압력 Pgas는 수소전기차(300)의 CHSS(310) 측에서 측정되는 값이며, 실제 측정값은 입력 레이어에 입력될 수 있다.
인공 신경망의 훈련 과정에서는 실제로 측정된 현재 측정값이 입력 레이어에, 다음 측정값이 출력 레이어에 전달되어 인공 신경망의 학습 과정에 활용될 수 있다. 이때 인공 신경망의 학습 과정은 입력된 측정값들의 조합에 기반하여 출력 레이어의 다음 측정값을 예측할 수 있는 기능(function)을 학습하는 과정일 수 있다. 입력 레이어에 입력되는 데이터와 출력 레이어에 주어지는 데이터 간의 correlation이 학습되며, 이를 통하여 이론적 결과와 함께 실제 동적 충전 과정의 데이터(Real Dynamic Fueling Data)를 이용한 예측이 가능하다.
인공 신경망을 이용한 추론 또는 출력 과정에서는 실제로 측정된 현장(on-site) 측정값이 입력 레이어에 전달되고, 인공 신경망의 동작에 의한 출력으로 다음 측정값에 대한 예측값이 얻어질 수 있다.
본 발명의 실시예에서 이용되는 인공 신경망의 학습 과정은 shallow learning 및 deep learning 중 어느 것이어도 무방하며, 인공 신경망은 공지의 신경망들 중에서 본 발명의 목적에 부합하는 종류의 신경망이 채택될 수 있다.
입력 레이어를 통하여 입력된 값들은 은닉 레이어의 가중치 기반 연산을 거치면서 출력 레이어로 전달된다.
출력 레이어에 의하여 출력된 상태 값(다음 상태에 대한 예측 값)은 열역학적 모델의 적어도 일부를 이용하여 충전 상태 변수, 예를 들어 충전율(SOC)을 산출하는 데에 이용될 수 있다.
본 발명의 실시예에서는 이론적 시뮬레이션 모델과 인공 신경망이 결합된 하이브리드 제어 또한 가능하므로, 적은 데이터를 이용한 학습을 통해서도 소정의 성과를 달성할 수 있으며, 경량화된 인공 신경망을 통해서도 본 발명의 목적에 부합하는 성능을 도출할 수 있다.
피드백 제어 과정에서 도출되는 실시간 압력 증가율(PRR) 또는 압축 수소의 질량 유량(mass flow rate of compressed hydrogen, kg/s) m은 인공 신경망의 은닉 레이어의 가중치 또는 파라미터에 영향을 미칠 수 있다.
본 발명의 인공 신경망 기반 수소 충전 기법은, 모델을 통한 충전 결과 예측의 정확도를 향상시킬 수 있다. 이론적 시뮬레이션 결과와 함께 실제 충전 데이터를 활용할 수 있어 실시간 측정값이 반영되며, 예측 결과의 정확도를 더욱 향상시킬 수 있다.
종래 기술의 제어 프로토콜이 개별 상황에 맞는 시뮬레이션을 통해 결과를 계산하여 예측하는 반면, 본 발명의 실시예에서는 다양한 상황에 대한 훈련 반복을 통해 정확도를 향상시키는 과정을 이용하는 차이가 있다.
이러한 차이로 인하여 본 발명의 실시예에서는 다양한 이론값 및 실증 결과가 추가될수록 업데이트를 통하여 정확도가 점차 향상되며, 새로운 저장탱크(310) 구성이나 유량의 변화 등이 사용되는 신규 충전 프로세스가 도입되더라도 실제 데이터를 추가하여 훈련함으로써 그 기능을 모델에 업데이트할 수 있어, 다양한 모빌리티 분야에 폭넓게 적용할 수 있다
도 7은 본 발명의 일 실시예에 따른 인공 신경망과 지능형 메타 시스템(IMS, Integrated Meta System)을 이용하는 수소전기차(FCEV)를 위한 수소 충전 제어 과정을 도시하는 개념도이다.
도 7을 참조하면, 지능형 메타시스템(Intelligent Meta System, IMS) (400)을 통하여 인공 신경망과 모델 예측 제어 각각 필요 정보(CHSS(310)에서 측정되거나 모델로부터 예측되는 가스 온도와 압력 등) 상호 제공, 실시간 환경변화에 따른 예냉온도 조정 등 분산된 역할을 통합 관리함으로써 효율적인 충전속도 제어를 구현할 수 있다.
충전소(200)는 예냉 가스의 측정값(조건)을 IMS(400)에 전달할 수 있다.
수소전기차(300)는 CHSS(310)의 측정값(조건)을 IMS(400)에 전달할 수 있다.
본 발명의 실시예에 따라서는 IMS(400)는 디스펜서(100) 측에 배치될 수도 있고, 독립적인 제어 장치로서 구현될 수도 있다. IMS(400)는 충전소(200) 및 수소전기차(300) 측에 충전 제어를 위한 제어 명령을 전달할 수도 있는데, 이러한 구성은 도 13 내지 도 16의 실시예를 통하여 후술될 것이다.
IMS(400)는 인공 신경망(120)과 통신하고 필요에 따라 인공 신경망(120)을 제어하여 최적의 충전 결과를 도출하도록 제어 변수를 설정할 수 있다.
인공 신경망(120)으로부터 예측된 SOC에서 다음 목표 압력 Ptarget이 도출되고 이를 위한 제어 파라미터(PRR 또는 m)가 설정될 수 있다.
이때 비용 함수(cost function)를 이용하여 모든 상황에서 상태 값이 제약 조건(constraints)을 충족하도록 제어 파라미터가 조절될 수 있다.
목표 압력 Ptarget은 예를 들어 15 ℃, NWP(Normal Working Pressure) 조건에서 SOC가 95%인 경우를 기준으로 다음 제어 목표를 달성하기 위하여 도출될 수 있다.
비용 함수에서 다루어지는 제약 조건은 예를 들면, Tgas < 85 ℃, Pgas < 87.5 MPa, SOC < 100%일 조건을 포함할 수 있다.
지능형 메타 시스템(400)은 디스펜서(100) 측에 종속될 수도 있고, 디스펜서(100)와 독립적으로 배치될 수도 있다.
지능형 메타 시스템(400)은 하나의 장치에 집중될 수도 있고, 디스펜서(100), 및/또는 충전소(200)를 포함하는 복수개의 하드웨어에 분산 배치될 수도 있다.
지능형 메타 시스템(400)은 클라우드 서버의 형태로 구현될 수도 있다.
인공 신경망(120)은 디스펜서(100) 측에 종속되는 실시예가 도시되었으나, 본 발명의 다른 실시예에 따라서는 디스펜서(100)와 독립적인 위치에 배치되어 구현될 수도 있다. 예를 들어 클라우드 시스템에 인공 신경망(120)이 배치되어 훈련되고, 유무선 통신을 통하여 디스펜서(100)를 경유한 수소 충전 제어에 활용될 수도 있다.
또는 클라우드 시스템에 별도의 인공 신경망이 배치되어 훈련되고, 학습된 인공 신경망의 전부 또는 일부의 파라미터가 디스펜서(100)에 배치된 로컬 인공 신경망(120)에 전이되어 수소 충전 제어에 활용될 수도 있다. 이때 클라우드에서 학습된 인공 신경망과 로컬 인공 신경망(120) 사이에서는 전이 학습(transfer learning) 또는 연합 학습(federated learning)이 이용되어 파라미터가 공유될 수 있다.
도 8은 본 발명의 일 실시예에 따른 인공 신경망 기반 수소 충전 제어 방법을 도시하는 동작 흐름도이다.
본 발명의 일 실시예에 따른 수소전기차(FCEV)를 위한 수소 충전(hydrogen fueling) 방법은 인공 신경망 기반 수소 충전 방법으로서, 현재 상태의 측정값을 획득하는 단계(S610); 현재 상태의 측정값을 입력으로 하는 인공 신경망의 출력에 기반하여 수소 충전을 위한 충전 제어 명령을 생성하는 단계(S620); 충전 제어 명령에 기반하여 다음 상태 값을 획득하는 단계(S630); 및 충전 제어 명령의 실행에 따른 응답이 제약 조건을 충족하는 지 평가하는 단계(S650)를 포함한다.
충전 제어 명령을 생성하는 단계(S620)에서는, 현재 상태의 측정값 이후의 미래 응답 각각이 모두 제약 조건을 충족하면서 설정점(Set Point)에 도달하기 위한 충전 제어 명령을 생성하는 기능을 학습한 인공 신경망의 출력에 기반하여 충전 제어 명령이 생성될 수 있다.
충전 제어 명령을 생성하는 단계(S620)에서는, 충전 상태에 대한 비용 함수를 최소화하는 복수 개의 다음 상태 값을 예측하는 기능을 학습한 인공 신경망의 출력에 기반하여 복수 개의 다음 상태 값에 대응하는 복수 개의 제어 명령들이 생성될 수 있다.
도 9는 본 발명의 일 실시예에 따른 인공 신경망-모델 예측 제어 기반 수소 충전 제어를 위한 인공 신경망의 훈련 과정을 도시하는 동작 흐름도이다.
도 9에서는 인공 신경망-모델 예측 제어 기반 프리딕션 호라이즌, 및 컨트롤 호라이즌을 획득하는 기능을 학습한 인공 신경망, 특히 모델 예측 제어에 의하여 미래 응답이 설정점(Set Point)에 도달하는 과정이 최적화되도록 인공 신경망 모델(120)로부터 획득한 n개의 미래 예측과 그에 대응하는 제어 명령들을 가정한다.
본 발명의 실시예에서는 인공 신경망 모델(120)을 기반으로 제어시스템을 구성할 수 있으며 해당 인공 신경망 모델(120)의 정확도를 담보하여 모델 예측 제어 기반의 실시간 제어시스템을 구성할 수 있다.
실시간 제어시스템은 미래의 충전결과를 예측하고 실제 측정값과 비교함으로써 충전 속도/압력 증가율/압력 증가 속도를 제어하는 방식으로, 시스템 로직 안에 제한사항이나 제어시간 간격, 민감도 등을 별도로 설정하여 최적값 이내에서 제어할 수 있다.
1차적으로는 충전소(200)와 차량(300)의 실시간 데이터를 토대로 최적 제어를 진행하나 해당 시스템 운영에서 특정 이벤트 상황이 발상할 경우, 프리쿨러(210)의 예냉온도와 차량(300)의 냉각시스템을 직접 제어할 수 있는 기능을 부여하여, 수소충전 프로세스의 전체적인 효율성을 증가시킬 수 있다
도 9를 참조하면, 고객으로부터 특정된 SOCsp를 입력받아 제어 과정을 시작한다(t=0, S710). 예를 들어 현재 SOC가 50%이고 SOCsp는 85%일 수 있다.
고객이 특정한 SOCsp를 설정하지 않으면, SOCsp가 미리 설정된 디폴트 값으로 설정될 수 있다. 예를 들어 디폴트 값은 100%일 수 있다.
SOC(t)는 Tgas(t), 및 Pgas(t)의 함수로 주어지는데, 이 과정은 일반적인 동역학적 모델에 기반하여 수행될 수 있다.
만일 현재의 SOC(t)가 SOCsp 이상이면(S720) 고객이 특정한 충전 조건이 충족되었으므로 충전 완료된 것으로 가정하고 수소 충전을 중지할 수 있다. 현재의 SOC(t)가 SOCsp보다 작으면(S720) i=t로 설정하고, 인공 신경망을 동반한 무빙(Moving) 호라이즌 프리딕션을 수행한다(S730).
단계 S730은 인공 신경망(120) 등을 이용하여 도 4에서 도시된 모델 예측 제어에 기반한 예측을 생성함으로써 수행될 수 있다. 단계 S740에서는 얻어진 n개의 예측이 최적화된, 의도된 목적에 부합하는 예측/제어 명령인 지를 판정할 수 있다.
얻어진 n개의 예측이 최적화된 예측이면 n개의 예측 및 제어 명령에 기반하여 제어 지령 PRR(t)가 얻어지고, PRR(t)가 디스펜서(100)-저장 탱크(310)에 적용될 수 있다(S750).
이후 시간 t를 증가시키고 새로운 측정값 Tgas(t), 및 Pgas(t)를 얻어 단계 S720의 입력으로 전달한다.
단계 S730에서 얻어진 n개의 예측이 최적화된 예측이 아니면 단계 S730을 다시 수행하여 새로운 n개의 예측 및 제어 명령을 획득할 수 있다.
도 10은 도 9의 과정의 일부를 상세하게 도시하는 개념도이다.
도 10을 참조하면, 도 9의 단계 S730에서는 모든 임의의 i,k에 대하여 온도 제한, 압력 제한을 충족하는 상태 예측값(T, P)이 생성될 수 있다. 이때 i는 현재 시간을 나타내는 인덱스이고, k는 무빙 호라이즌을 형성하는 각 예측/제어 지령들에 대응하는 인덱스이다.
현재 시간 i(=t)를 기준으로 n개의 상태 예측값과, 그에 따르는 제어 지령이 도출될 수 있다.
도 11은 도 9의 과정의 일부를 상세하게 도시하는 개념도이다.
도 11을 참조하면, 도 9의 단계 S740은 최종 제어 목표인 SOCsp에 도달하였는 지와 제어민감도 Θ를 나타내는 비용 함수를 최소화하는 n개의 예측의 집합을 탐색하는 과정으로 이해될 수 있다. 제어민감도 Θ는 PRR 또는 m의 변화율 등을 포함할 수 있다.
도 12는 본 발명의 일 실시예에 따른 인공 신경망-모델 예측 제어 기반 수소 충전 제어 과정을 도시하는 개념도이다.
도 12를 참조하면 디스펜서(100)에는 수소 충전 제어(fueling control) 로직(110)과 인공 신경망 모델(120)이 포함될 수 있다.
수소전기차(300)의 출력으로 CHSS(310)의 온도, 압력을 포함하는 상태 측정값이 인공 신경망 모델(120)에 피드백 입력으로 주어질 수 있다.
수소 충전소(200)의 출력으로 예냉 수소 가스의 온도, 압력을 포함하는 상태 측정값이 인공 신경망 모델(120)에 피드백 입력으로 주어질 수 있다.
도 9 내지 도 11의 과정을 도 12와 함께 참조하면, 인공 신경망 모델(120)은 예측된 출력(predicted output)을 수소 충전 제어 로직(110)에 전달하고, 수소 충전 제어 로직(110)은 미래 입력을 인공 신경망 모델(120)에 입력할 수 있다.
인공 신경망-모델 예측 제어 기반 제어 과정은 시뮬레이션과 실제 측정 데이터를 함께 활용하는 제어 기법이고 인공 신경망 모델(120)을 이용하여 적어도 부분적으로 시뮬레이션을 수행하고 그 예측 결과를 제어 과정에 이용하는 제어 기법이다.
도 13은 본 발명의 일 실시예에 따른 수소 충전 과정을 제어하기 위한 인공 신경망 기반 통합 제어 모델을 도시하는 개념도이다.
본 발명의 실시예는 실시간 데이터 기반의 수소충전 통합제어 프로토콜 구성을 목표하며, 해당 시스템은 다양한 요소기술들이 활용되어 구현된다.
디스펜서(100)에 탑재되는 프로토콜은 충전소(200)에서 제공되는 예냉 수소가스의 데이터와 차량(300)에서 제공되는 저장탱크(310)의 데이터를 실시간 입력값으로 활용하여, 탑재된 모델에 의해 충전속도/압력 증가율/압력 증가속도(PRR 또는 m)를 아웃풋으로 제어할 수 있다.
외부 환경변화 등의 이벤트 상황이 발생할 경우, 충전소(200)의 예냉 온도와 차량(300)의 냉각시스템을 직접 제어하여 충전속도/압력 증가율/압력 증가속도(PRR 또는 m)와 공정 효율성 등을 전반적으로 제어할 수 있다.
제어 프로토콜을 보완하기 위해서, 수소충전소(200)의 예냉시스템/프리-쿨러(210)에는 자체 냉각 안정화 시스템이 독립적으로 설치될 수 있다.
온도 안정화 측면에서 프리-쿨러(210)의 냉각 안정화 시스템은 독자적으로 제어될 수 있고, 제어의 목표값은 디스펜서(100)의 프로토콜에서 통합적으로 변경될 수 있다.
충전소(200)의 경제성 향상 및 통합제어 프로토콜의 기능을 보완하기 위해 프리-쿨러(210)에 온도 안정화와 관련된 추가적인 기능이 부여될 수 있다.
프리-쿨러(210)에 공급되는 수소가스의 초기 온도와 유량에 따라 예냉온도가 편차를 보이게 되고, 이를 보완하기 위해서 온도를 안정화하기 위한 신규 프리-쿨러 구조가 본 발명의 일 실시예로서 제안된다.
본 발명의 일 실시예에 따른 프리-쿨러(210)는 자체적인 온도 제어와 프로토콜과의 연계를 위한 제어로직을 포함할 수 있다.
차량(300)의 저장탱크(310)에는 강제냉각 시스템이 설치될 수 있고, 수소충전 시 발생하는 압축열을 일부 냉각하여 충전 속도를 향상시킬 수 있으며, 저장탱크(310)의 강제냉각 시스템의 가동/제어 역시 프로토콜에서 관여할 수 있다.
본 발명의 일 실시예에서는 수소 충전속도 향상 및 통합제어 프로토콜의 기능을 보완하기 위해서 차량(300)의 저장탱크(310)에 온도관리 기능이 부여될 수 있다.
본 발명의 일 실시예에서는 저장탱크(310)는 전체 충전속도 증대와 차량(300)의 안전성 향상을 위해 자체 냉각을 위한 시스템을 구성하며, 해당 시스템의 자체구동 및 프로토콜과의 연계를 위한 제어로직을 포함할 수 있다.
본 발명의 일 실시예에서는 이러한 통합 제어를 통하여 현재의 충전 효율을 향상시킬 수 있을 뿐 아니라, 다음의 충전을 위한 준비를 원활하게 지원할 수 있다.
도 14는 도 13의 통합 제어 모델을 위한 이벤트 기반 제어 과정을 도시하는 도면이다.
도 14를 참조하면, 통상의 운전으로도 수소 충전이 관리 기준 이내에서 원활하게 진행되는 경우에는 디스펜서(100) 기반의 제어만으로도 목표를 달성할 수 있다.
프리-쿨러(210)의 예냉온도가 -40°C로 설정되는 T40 경우에, 예냉온도는 목표치를 달성했지만 외기 온도가 설정치 이상으로 높고 저장탱크(310) 측의 온도 상승이 예상보다 큰 경우에 차량(300) / 저장탱크(310) 측으로 제어 신호 또는 현재 상태의 정보를 전송하여 저장탱크(310)의 자체 냉각 시스템이 구동될 수 있도록 할 수 있다.
반대로 프리-쿨러(210)의 예냉온도가 -40°C로 설정되었지만 외부 환경과 실제 데이터를 고려할 때 과도한 냉각으로 판정되는 경우, 예냉온도의 목표값을 조절할 수 있다(예를 들어, -35°C).
예냉 목표 온도 및 저장탱크(310) 측의 온도 제어가 추가로 필요한 경우에는 디스펜서(100)로부터 차량(300)과 충전소(200) 양쪽에 제어 정보 또는 제어 명령이 전달될 수 있다.
본 발명의 실시예에 따르면, 차량(300)과 충전소(200)의 자체 냉각 시스템은 독립적으로 제어될 수도 있고, 디스펜서(100)에서 신호를 전송하여 제어할 수도 있다.
도 15는 본 발명의 일 실시예에 따른 수소 충전을 위한 통합 제어 방법을 도시하는 동작 흐름도이다.
본 발명의 일 실시예에 따른 수소전기차(FCEV)를 위한 수소 충전(hydrogen fueling) 제어 방법은 수소 충전을 위한 통합 제어 방법으로서, 현재 상태의 측정값을 획득하는 단계(S810); 현재 상태의 측정값에 기반하여, 디스펜서 측에서 실행되는 제1 제어 명령 외에 수소 충전소 및 수소전기차 중 적어도 하나 이상을 위한 제2 제어 명령이 필요한 지 여부를 판정하는 단계(S830); 및 판정 결과에 따라 수소 충전소 및 수소전기차 중 적어도 하나 이상을 위한 제2 제어 명령을 생성하는 단계(S840)를 포함한다.
수소 충전소를 위한 제2 제어 명령은 수소 충전소의 예냉 온도의 목표값을 조정하는 명령을 포함할 수 있다.
수소전기차를 위한 제2 제어 명령은 수소전기차 측의 압축수소저장시스템(CHSS)의 냉각 명령을 포함할 수 있다.
본 발명의 일 실시예에 따른 수소 충전을 위한 통합 제어 방법은, 현재 상태의 측정값이 제약 조건을 충족하는 지 평가하는 단계를 더 포함할 수 있다.
제약 조건은 수소전기차 측의 압축수소저장시스템(CHSS)(310)의 온도 및 압력 각각이 한계 온도 및 한계 압력을 초과하지 않는 것일 수 있다.
본 발명의 일 실시예에 따른 수소 충전을 위한 통합 제어 방법은, 현재 상태의 측정값에 기반하여, 디스펜서 측에서 실행되는 제1 제어 명령을 생성하는 단계(S850)를 더 포함할 수 있다.
단계 S830은 현재 CHSS(310) 상태의 측정값과 예측값 사이의 차이를 계산하는 단계(S820)의 실행 결과에 기반하여 수행될 수 있다.
도 16은 도 1 내지 도 15의 과정의 적어도 일부를 수행할 수 있는 일반화된 수소 충전 제어 장치, 수소 충전 제어 시스템, 또는 컴퓨팅 시스템의 예시를 도시하는 개념도이다.
수소 충전 제어 장치는 디스펜서(100) 측에 배치될 수 있다. 수소 충전 제어 시스템은 디스펜서(100), 수소 충전소(200), 및 수소전기차(300)에 분산 배치되거나 적어도 일부에 배치되어 디스펜서(100), 수소 충전소(200), 및 수소전기차(300) 중 적어도 일부의 동작을 제어할 수 있다.
수소 충전 제어 장치 및/또는 수소 충전 제어 시스템은 메모리(1200)와 전자적으로 연결되는 프로세서(1100)를 포함하는, 컴퓨팅 시스템의 형태로 구현될 수 있다.
본 발명의 일 실시예에 따른 모델 예측 제어 기반 수소 충전 제어 방법, 인공 신경망 기반 수소 충전 제어 방법, 및 수소 충전을 위한 통합 제어 방법의 적어도 일부의 과정은 도 16의 컴퓨팅 시스템(1000)에 의하여 실행될 수 있다.
도 16을 참조하면, 본 발명의 일 실시예에 따른 컴퓨팅 시스템(1000)은, 프로세서(1100), 메모리(1200), 통신 인터페이스(1300), 저장 장치(1400), 입력 인터페이스(1500), 출력 인터페이스(1600) 및 버스(bus)(1700)를 포함하여 구성될 수 있다.
본 발명의 일 실시예에 따른 컴퓨팅 시스템(1000)은, 적어도 하나의 프로세서(processor)(1100) 및 상기 적어도 하나의 프로세서(1100)가 적어도 하나의 단계를 수행하도록 지시하는 명령어들(instructions)을 저장하는 메모리(memory)(1200)를 포함할 수 있다. 본 발명의 일 실시예에 따른 방법의 적어도 일부의 단계는 상기 적어도 하나의 프로세서(1100)가 상기 메모리(1200)로부터 명령어들을 로드하여 실행함으로써 수행될 수 있다.
프로세서(1100)는 중앙 처리 장치(central processing unit, CPU), 그래픽 처리 장치(graphics processing unit, GPU), 또는 본 발명의 실시예들에 따른 방법들이 수행되는 전용의 프로세서를 의미할 수 있다.
메모리(1200) 및 저장 장치(1400) 각각은 휘발성 저장 매체 및 비휘발성 저장 매체 중에서 적어도 하나로 구성될 수 있다. 예를 들어, 메모리(1200)는 읽기 전용 메모리(read only memory, ROM) 및 랜덤 액세스 메모리(random access memory, RAM) 중에서 적어도 하나로 구성될 수 있다.
또한, 컴퓨팅 시스템(1000)은, 무선 네트워크를 통해 통신을 수행하는 통신 인터페이스(1300)를 포함할 수 있다.
또한, 컴퓨팅 시스템(1000)은, 저장 장치(1400), 입력 인터페이스(1500), 출력 인터페이스(1600) 등을 더 포함할 수 있다.
또한, 컴퓨팅 시스템(1000)에 포함된 각각의 구성 요소들은 버스(bus)(1700)에 의해 연결되어 서로 통신을 수행할 수 있다.
본 발명의 컴퓨팅 시스템(1000)의 예를 들면, 통신 가능한 데스크탑 컴퓨터(desktop computer), 랩탑 컴퓨터(laptop computer), 노트북(notebook), 스마트폰(smart phone), 태블릿 PC(tablet PC), 모바일폰(mobile phone), 스마트 워치(smart watch), 스마트 글래스(smart glass), e-book 리더기, PMP(portable multimedia player), 휴대용 게임기, 네비게이션(navigation) 장치, 디지털 카메라(digital camera), DMB(digital multimedia broadcasting) 재생기, 디지털 음성 녹음기(digital audio recorder), 디지털 음성 재생기(digital audio player), 디지털 동영상 녹화기(digital video recorder), 디지털 동영상 재생기(digital video player), PDA(Personal Digital Assistant) 등일 수 있다.
본 발명의 실시예에 따른 방법의 동작은 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 프로그램 또는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의해 읽힐 수 있는 정보가 저장되는 모든 종류의 기록장치를 포함한다. 또한 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어 분산 방식으로 컴퓨터로 읽을 수 있는 프로그램 또는 코드가 저장되고 실행될 수 있다.
또한, 컴퓨터가 읽을 수 있는 기록매체는 롬(rom), 램(ram), 플래시 메모리(flash memory) 등과 같이 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치를 포함할 수 있다. 프로그램 명령은 컴파일러(compiler)에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터(interpreter) 등을 사용해서 컴퓨터에 의해 실행될 수 있는 고급 언어 코드를 포함할 수 있다.
본 발명의 일부 측면들은 장치의 문맥에서 설명되었으나, 그것은 상응하는 방법에 따른 설명 또한 나타낼 수 있고, 여기서 블록 또는 장치는 방법 단계 또는 방법 단계의 특징에 상응한다. 유사하게, 방법의 문맥에서 설명된 측면들은 또한 상응하는 블록 또는 아이템 또는 상응하는 장치의 특징으로 나타낼 수 있다. 방법 단계들의 몇몇 또는 전부는 예를 들어, 마이크로프로세서, 프로그램 가능한 컴퓨터 또는 전자 회로와 같은 하드웨어 장치에 의해(또는 이용하여) 수행될 수 있다. 몇몇의 실시 예에서, 가장 중요한 방법 단계들의 적어도 하나 이상은 이와 같은 장치에 의해 수행될 수 있다.
실시예들에서, 프로그램 가능한 로직 장치(예를 들어, 필드 프로그래머블 게이트 어레이)가 여기서 설명된 방법들의 기능의 일부 또는 전부를 수행하기 위해 사용될 수 있다. 실시예들에서, 필드 프로그래머블 게이트 어레이(field-programmable gate array)는 여기서 설명된 방법들 중 하나를 수행하기 위한 마이크로프로세서(microprocessor)와 함께 작동할 수 있다. 일반적으로, 방법들은 어떤 하드웨어 장치에 의해 수행되는 것이 바람직하다.
이상 본 발명의 바람직한 실시 예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.

Claims (20)

  1. 수소 연료 모빌리티를 위한 수소 충전(hydrogen fueling) 제어 방법으로서,
    현재 상태의 측정값을 획득하는 단계;
    상기 현재 상태의 측정값에 기반하여, 디스펜서 측에서 실행되는 제1 제어 명령 외에 수소 충전소 및 수소 연료 모빌리티 중 적어도 하나 이상을 위한 제2 제어 명령이 필요한 지 여부를 판정하는 단계; 및
    상기 판정 결과에 따라 상기 수소 충전소 및 상기 수소 연료 모빌리티 중 적어도 하나 이상을 위한 상기 제2 제어 명령을 생성하는 단계;
    를 포함하는,
    수소 충전을 위한 통합 제어 방법.
  2. 제1항에 있어서,
    상기 수소 충전소를 위한 상기 제2 제어 명령은
    상기 수소 충전소의 예냉 온도의 목표값을 조정하는 명령을 포함하는,
    수소 충전을 위한 통합 제어 방법.
  3. 제1항에 있어서,
    상기 수소 연료 모빌리티를 위한 상기 제2 제어 명령은
    상기 수소 연료 모빌리티 측의 압축수소저장시스템(CHSS)의 냉각 명령을 포함하는,
    수소 충전을 위한 통합 제어 방법.
  4. 제1항에 있어서,
    상기 현재 상태의 측정값이 제약 조건을 충족하는 지 평가하는 단계;
    를 더 포함하는,
    수소 충전을 위한 통합 제어 방법.
  5. 제4항에 있어서,
    상기 제약 조건은 상기 수소 연료 모빌리티 측의 압축수소저장시스템의 온도 및 압력 각각이 한계 온도 및 한계 압력을 초과하지 않는 것인,
    수소 충전을 위한 통합 제어 방법.
  6. 제1항에 있어서,
    상기 현재 상태의 측정값에 기반하여, 상기 디스펜서 측에서 실행되는 상기 제1 제어 명령을 생성하는 단계;
    를 더 포함하는,
    수소 충전을 위한 통합 제어 방법.
  7. 제6항에 있어서,
    상기 제1 제어 명령은
    상기 수소 충전을 위한 압력 증가율(PRR, Pressure ramp rate)에 대한 제어 명령을 포함하는,
    수소 충전을 위한 통합 제어 방법.
  8. 제6항에 있어서,
    상기 제1 제어 명령을 생성하는 단계는,
    상기 현재 상태의 측정값에 대한 시뮬레이션 결과 및 실제 현장 데이터에 기반하여 상기 제1 제어 명령을 생성하는,
    수소 충전을 위한 통합 제어 방법.
  9. 제6항에 있어서,
    상기 제1 제어 명령을 생성하는 단계는,
    상기 현재 상태의 측정값에 기반한 모델 예측 제어 기법을 이용하여 상기 제1 제어 명령을 생성하는,
    수소 충전을 위한 통합 제어 방법.
  10. 제6항에 있어서,
    상기 제1 제어 명령을 생성하는 단계는,
    상기 현재 상태의 측정값을 입력으로 하는 인공 신경망의 출력에 기반하여 상기 제1 제어 명령을 생성하는,
    수소 충전을 위한 통합 제어 방법.
  11. 수소 연료 모빌리티를 위한 수소 충전(hydrogen fueling) 제어 장치로서,
    프로세서(processor); 및
    적어도 하나 이상의 명령을 저장하는 메모리(memory);
    를 포함하고,
    상기 프로세서는 상기 적어도 하나 이상의 명령을 실행함으로써:
    현재 상태의 측정값을 획득하고,
    상기 현재 상태의 측정값에 기반하여, 디스펜서 측에서 실행되는 제1 제어 명령 외에 수소 충전소 및 수소 연료 모빌리티 중 적어도 하나 이상을 위한 제2 제어 명령이 필요한 지 여부를 판정하고,
    상기 판정 결과에 따라 상기 수소 충전소 및 상기 수소 연료 모빌리티 중 적어도 하나 이상을 위한 상기 제2 제어 명령을 생성하는,
    수소 충전을 위한 통합 제어 장치.
  12. 제11항에 있어서,
    상기 수소 충전소를 위한 상기 제2 제어 명령은
    상기 수소 충전소의 예냉 온도의 목표값을 조정하는 명령을 포함하는,
    수소 충전을 위한 통합 제어 장치.
  13. 제11항에 있어서,
    상기 수소 연료 모빌리티를 위한 상기 제2 제어 명령은
    상기 수소 연료 모빌리티 측의 압축수소저장시스템(CHSS)의 냉각 명령을 포함하는,
    수소 충전을 위한 통합 제어 장치.
  14. 제11항에 있어서,
    상기 프로세서는,
    상기 현재 상태의 측정값이 제약 조건을 충족하는 지 평가하는,
    수소 충전을 위한 통합 제어 장치.
  15. 제14항에 있어서,
    상기 제약 조건은 상기 수소 연료 모빌리티 측의 압축수소저장시스템의 온도 및 압력 각각이 한계 온도 및 한계 압력을 초과하지 않는 것인,
    수소 충전을 위한 통합 제어 장치.
  16. 제11항에 있어서,
    상기 프로세서는, 상기 현재 상태의 측정값에 기반하여, 상기 디스펜서 측에서 실행되는 상기 제1 제어 명령을 생성하는,
    수소 충전을 위한 통합 제어 장치.
  17. 제16항에 있어서,
    상기 제1 제어 명령은
    상기 수소 충전을 위한 압력 증가율(PRR, Pressure ramp rate)에 대한 제어 명령을 포함하는,
    수소 충전을 위한 통합 제어 장치.
  18. 제16항에 있어서,
    상기 프로세서는,
    상기 현재 상태의 측정값에 대한 시뮬레이션 결과 및 실제 현장 데이터에 기반하여 상기 제1 제어 명령을 생성하는,
    수소 충전을 위한 통합 제어 장치.
  19. 제16항에 있어서,
    상기 프로세서는,
    상기 현재 상태의 측정값에 기반한 모델 예측 제어 기법을 이용하여 상기 제1 제어 명령을 생성하는,
    수소 충전을 위한 통합 제어 장치.
  20. 제16항에 있어서,
    상기 프로세서는,
    상기 현재 상태의 측정값을 입력으로 하는 인공 신경망의 출력에 기반하여 상기 제1 제어 명령을 생성하는,
    수소 충전을 위한 통합 제어 장치.
PCT/KR2022/017177 2021-11-03 2022-11-03 실시간 제어 기반 수소 충전을 위한 통합 제어 시스템, 방법 및 장치 Ceased WO2023080690A1 (ko)

Priority Applications (4)

Application Number Priority Date Filing Date Title
US18/706,933 US20240418322A1 (en) 2021-11-03 2022-11-03 Integrated control system, method, and device, for hydrogen fueling based on real-time control
JP2024527238A JP7789328B2 (ja) 2021-11-03 2022-11-03 リアルタイム制御基盤水素充填のための統合制御システム、方法及び装置
EP22890421.5A EP4428428A4 (en) 2021-11-03 2022-11-03 SYSTEM, METHOD AND INTEGRATED CONTROL DEVICE FOR REAL-TIME HYDROGEN REFUELING
CN202280080581.7A CN118369536A (zh) 2021-11-03 2022-11-03 基于实时控制的加氢的集成控制系统、方法和装置

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
KR10-2021-0149975 2021-11-03
KR20210149960 2021-11-03
KR20210149975 2021-11-03
KR10-2021-0149960 2021-11-03

Publications (1)

Publication Number Publication Date
WO2023080690A1 true WO2023080690A1 (ko) 2023-05-11

Family

ID=86241842

Family Applications (2)

Application Number Title Priority Date Filing Date
PCT/KR2022/017177 Ceased WO2023080690A1 (ko) 2021-11-03 2022-11-03 실시간 제어 기반 수소 충전을 위한 통합 제어 시스템, 방법 및 장치
PCT/KR2022/017176 Ceased WO2023080689A1 (ko) 2021-11-03 2022-11-03 모델 예측 제어 기반 수소 충전 시스템, 방법 및 장치

Family Applications After (1)

Application Number Title Priority Date Filing Date
PCT/KR2022/017176 Ceased WO2023080689A1 (ko) 2021-11-03 2022-11-03 모델 예측 제어 기반 수소 충전 시스템, 방법 및 장치

Country Status (5)

Country Link
US (2) US20250052371A1 (ko)
EP (2) EP4428428A4 (ko)
JP (2) JP7789328B2 (ko)
KR (2) KR20230065186A (ko)
WO (2) WO2023080690A1 (ko)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2025150957A1 (ko) * 2024-01-12 2025-07-17 현대자동차주식회사 수소 연료공급을 위한 특화된 인공신경망 모델을 제공하는 장치 및 방법
WO2025150993A1 (ko) * 2024-01-12 2025-07-17 현대자동차주식회사 통신 환경에 따라 특화된 모델에 기반하는 수소 연료공급 방법 및 그 방법을 이용하는 제어 장치
KR20250110757A (ko) * 2024-01-12 2025-07-21 현대자동차주식회사 주어진 연료공급 프로토콜을 개선하기 위한 모델 기반 수소 연료공급 방법 및 그 방법을 이용하는 제어 장치
WO2026095610A1 (ko) * 2024-10-31 2026-05-07 현대자동차주식회사 수소 연료공급을 위한 통신 방법 및 통신 장치

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016169869A (ja) * 2016-06-16 2016-09-23 株式会社タツノ 水素充填装置
CN211289563U (zh) * 2019-12-12 2020-08-18 重庆耐德能源装备集成有限公司 一种安全快速加氢机、加氢系统及加氢站
KR20200104441A (ko) * 2019-02-26 2020-09-04 한국자동차연구원 수소 충전 장치 및 방법
KR20210090059A (ko) * 2020-01-09 2021-07-19 주식회사 효성 수소가스 충전장치 및 수소가스 충전방법
KR20210122622A (ko) * 2020-04-01 2021-10-12 (주)미래기준연구소 연료전지용 ｃｈｓｓ의 실시간 통신 정보 기반 수소 안전 충전 시스템 및 충전 방법

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4753244B2 (ja) * 2005-11-15 2011-08-24 株式会社日本製鋼所 水素貯蔵容器への水素充填方法および水素充填監視装置
JP5261408B2 (ja) * 2010-01-25 2013-08-14 トヨタ自動車株式会社 燃料ガスステーション、燃料ガス充填システム、燃料ガス供給方法
WO2014150320A1 (en) * 2013-03-15 2014-09-25 Honda Motor Co. Ltd. Improved method and system for tank refilling using active fueling speed control
JP2015105709A (ja) * 2013-11-29 2015-06-08 株式会社神戸製鋼所 ガス充填装置及びガス充填方法
JP5901608B2 (ja) * 2013-12-26 2016-04-13 本田技研工業株式会社 燃料充填システム
CN108779895B (zh) * 2016-03-15 2020-11-13 本田技研工业株式会社 气体填充方法
US20230204159A1 (en) * 2017-07-31 2023-06-29 L'air Liquide Societe Anonyme Pour L'etude Et L'exploitation Des Procedes Georges Claude Hydrogen refueling system and method of hydrogen refueling
US10919400B2 (en) * 2017-12-15 2021-02-16 Honda Motor Co., Ltd. Systems for validating a formula for dispensing hydrogen and methods thereof
DE112019002858T5 (de) * 2018-06-07 2021-02-25 Honda Motor Co., Ltd. Gasbetankungsverfahren
CN110939859A (zh) * 2018-09-21 2020-03-31 国家能源投资集团有限责任公司 加氢控制装置及方法
US11636491B2 (en) * 2019-01-15 2023-04-25 Toyota Motor Engineering & Manufacturing North America, Inc. Hydrogen fueling station communication
JP7256735B2 (ja) * 2019-12-19 2023-04-12 大陽日酸株式会社 水素充填方法
US11293595B2 (en) * 2020-04-01 2022-04-05 Mirae EHS-code Research Institute Hydrogen fueling system and method based on real-time communication information from CHSS for fuel cell
JP7752100B2 (ja) * 2022-09-28 2025-10-09 本田技研工業株式会社 ガス充填方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016169869A (ja) * 2016-06-16 2016-09-23 株式会社タツノ 水素充填装置
KR20200104441A (ko) * 2019-02-26 2020-09-04 한국자동차연구원 수소 충전 장치 및 방법
CN211289563U (zh) * 2019-12-12 2020-08-18 重庆耐德能源装备集成有限公司 一种安全快速加氢机、加氢系统及加氢站
KR20210090059A (ko) * 2020-01-09 2021-07-19 주식회사 효성 수소가스 충전장치 및 수소가스 충전방법
KR20210122622A (ko) * 2020-04-01 2021-10-12 (주)미래기준연구소 연료전지용 ｃｈｓｓ의 실시간 통신 정보 기반 수소 안전 충전 시스템 및 충전 방법

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP4428428A4 *

Also Published As

Publication number Publication date
JP7789328B2 (ja) 2025-12-22
JP2024543360A (ja) 2024-11-21
US20250052371A1 (en) 2025-02-13
EP4428427A4 (en) 2025-11-12
US20240418322A1 (en) 2024-12-19
WO2023080689A1 (ko) 2023-05-11
EP4428427A1 (en) 2024-09-11
KR20230065187A (ko) 2023-05-11
JP2024543356A (ja) 2024-11-21
JP7841719B2 (ja) 2026-04-07
EP4428428A1 (en) 2024-09-11
EP4428428A4 (en) 2025-11-26
KR20230065186A (ko) 2023-05-11

Similar Documents

Publication Publication Date Title
WO2023080689A1 (ko) 모델 예측 제어 기반 수소 충전 시스템, 방법 및 장치
WO2018052163A1 (ko) Pcs 효율을 고려한 마이크로그리드 운영장치 및 운영방법
WO2016182115A1 (ko) 선박 및 그 전력 운용 방법
WO2022085889A1 (ko) Ess를 이용한 전기차 충전소의 전력 관리 방법 및 장치
WO2022092859A1 (ko) 무선 통신 시스템에서 스플릿 포인트 조정을 위한 장치 및 방법
WO2019074192A1 (ko) 분산 전원이 연계된 배전계통의 분산 전원의 출력 제어 방법, 이를 수행하기 위한 제어 동작을 수행하는 주 제어장치 및 지역 제어 장치
WO2021230593A1 (ko) 신재생 열병합발전소를 활용한 가상발전소 시스템 및 이를 이용한 가상발전소 운영 방법
WO2019107806A1 (ko) 계층형 전력 제어 시스템
WO2022108257A1 (ko) 실시간 대응 수소충전 제어 방법 및 이를 위한 장치
WO2024072011A1 (ko) 차량과 충전소 측 현장 데이터를 이용하는 수소 충전 테스트 방법 및 시스템
WO2022139230A1 (ko) 무선 통신 시스템에서 스플릿 포인트를 조정하는 방법 및 장치
WO2018236038A1 (ko) 에너지 저장 시스템
WO2022019517A1 (ko) 연료전지의 전력 제어 시스템 및 방법
WO2024043702A1 (ko) 차량 측 현장 데이터를 이용하는 수소 충전 테스트 방법 및 시스템
WO2025150992A1 (ko) 주어진 연료공급 프로토콜을 개선하기 위한 모델 기반 수소 연료공급 방법 및 그 방법을 이용하는 제어 장치
WO2023059105A1 (en) Method or apparatus for performing communication load balancing with multi-teacher reinforcement learning
WO2022080633A1 (ko) 냉동 컨테이너 용 원격 관제 모듈 및 원격 관제 모듈의 제어 방법
WO2024186174A1 (ko) 제어 모델을 이용하는 수소 연료공급 방법 및 장치
WO2024123079A1 (ko) 사용자 주도 설정 기반 수소 충전 방법 및 장치
WO2024029797A1 (ko) 전자 장치 및 상기 전자 장치에서 이미지 파일의 촬영 날짜 및 시간을 관리하는 방법
WO2025150993A1 (ko) 통신 환경에 따라 특화된 모델에 기반하는 수소 연료공급 방법 및 그 방법을 이용하는 제어 장치
WO2025150957A1 (ko) 수소 연료공급을 위한 특화된 인공신경망 모델을 제공하는 장치 및 방법
WO2025028756A1 (ko) 냉장고의 제상 주기를 관리하기 위한 전자 장치, 방법, 및 컴퓨터 판독 가능 저장 매체
CN118489043A (zh) 基于模型预测控制的氢燃料加注系统、方法和装置
WO2024076089A1 (ko) 배터리 셀 상태 판단 장치 및 그것의 동작 방법

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 22890421

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2024527238

Country of ref document: JP

Kind code of ref document: A

WWE Wipo information: entry into national phase

Ref document number: 18706933

Country of ref document: US

WWE Wipo information: entry into national phase

Ref document number: 2022890421

Country of ref document: EP

NENP Non-entry into the national phase

Ref country code: DE

WWE Wipo information: entry into national phase

Ref document number: 202280080581.7

Country of ref document: CN

ENP Entry into the national phase

Ref document number: 2022890421

Country of ref document: EP

Effective date: 20240603