KR102530581B1 - 이상 상황 또는 위험 상황을 예측하기 위한 수소전기차량 모니터링 장치 및 그 방법 - Google Patents
이상 상황 또는 위험 상황을 예측하기 위한 수소전기차량 모니터링 장치 및 그 방법 Download PDFInfo
- Publication number
- KR102530581B1 KR102530581B1 KR1020220134654A KR20220134654A KR102530581B1 KR 102530581 B1 KR102530581 B1 KR 102530581B1 KR 1020220134654 A KR1020220134654 A KR 1020220134654A KR 20220134654 A KR20220134654 A KR 20220134654A KR 102530581 B1 KR102530581 B1 KR 102530581B1
- Authority
- KR
- South Korea
- Prior art keywords
- data
- hydrogen
- electric vehicle
- route
- stack
- Prior art date
Links
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 title claims abstract description 212
- 239000001257 hydrogen Substances 0.000 title claims abstract description 210
- 229910052739 hydrogen Inorganic materials 0.000 title claims abstract description 210
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 46
- 238000000034 method Methods 0.000 title claims abstract description 20
- 238000012544 monitoring process Methods 0.000 title claims abstract description 19
- 238000004364 calculation method Methods 0.000 claims abstract description 27
- 238000012806 monitoring device Methods 0.000 claims description 38
- 239000000446 fuel Substances 0.000 claims description 23
- 230000004044 response Effects 0.000 claims description 13
- 239000002826 coolant Substances 0.000 claims description 9
- 230000005611 electricity Effects 0.000 claims description 4
- 238000013473 artificial intelligence Methods 0.000 claims description 3
- 238000005265 energy consumption Methods 0.000 claims description 3
- 150000002431 hydrogen Chemical class 0.000 claims description 3
- 230000001172 regenerating effect Effects 0.000 claims description 3
- 239000003570 air Substances 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 239000007789 gas Substances 0.000 description 3
- 239000012080 ambient air Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
Classifications
-
- G06Q50/30—
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L3/00—Electric devices on electrically-propelled vehicles for safety purposes; Monitoring operating variables, e.g. speed, deceleration or energy consumption
- B60L3/12—Recording operating variables ; Monitoring of operating variables
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
- B60L58/30—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling fuel cells
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/187—Machine fault alarms
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60Y—INDEXING SCHEME RELATING TO ASPECTS CROSS-CUTTING VEHICLE TECHNOLOGY
- B60Y2200/00—Type of vehicle
- B60Y2200/10—Road Vehicles
- B60Y2200/14—Trucks; Load vehicles, Busses
- B60Y2200/143—Busses
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02T90/40—Application of hydrogen technology to transportation, e.g. using fuel cells
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Operations Research (AREA)
- Mechanical Engineering (AREA)
- Pure & Applied Mathematics (AREA)
- Transportation (AREA)
- Mathematical Physics (AREA)
- Power Engineering (AREA)
- Sustainable Energy (AREA)
- Sustainable Development (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Evolutionary Biology (AREA)
- Algebra (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Computational Biology (AREA)
- Emergency Management (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Fuel Cell (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
본 발명은 이상 상황 또는 위험 상황을 예측하기 위한 수소전기차량 모니터링 장치 및 그 방법에 관한 것이다. 본 발명에 따르면, 수소전기차량 모니터링 장치는 수소전기차량의 이동에 따른 정류장 데이터, 노선별 데이터 및 정류장 고도 데이터를 포함하는 메타 데이터를 수신하는 메타 데이터 입력부, 수소전기차량 내부에 부착된 디지털 운행 기록계(Digital Tacho Graph, DTG)를 이용하여 수소전기차량의 운행 데이터, 수소탱크 데이터, 배터리 데이터, 스택 데이터, 기타 차량 데이터, 기온 데이터 및 GPS 데이터 중에서 적어도 하나의 차량 데이터를 입력받는 차량 데이터 획득부, 현재 시점에서 입력받은 차량 데이터와 메타 데이터를 이용하여 속도별, 기온별, 노선 가혹도별로 각각의 평균과 표준편차를 연산하는 연산부, 평균 및 표준편차를 이용하여 수소전기차량에 대한 이상 상황 발생여부를 판단하는 제1 판단부, 운행 데이터를 이용하여 산출된 대체수소누출지수를 이용하여 수소전기차량의 위험 상황 발생 여부를 판단하는 제2 판단부, 그리고 이상 상황 또는 위험 상황이 발생한 것으로 판단되면, 이상 상황 정보 또는 위험 상황 정보를 관리자 단말기에 제공하는 제어부를 포함한다.
Description
본 발명은 이상 상황 예측 및 대체수소누출지수를 추정하기 위한 수소전기차량 모니터링 장치 및 그 방법에 관한 것으로서, 더욱 상세하게 설명하면 수소전기차량에 대한 운행 데이터를 수집하고, 수집된 운행 데이터를 이용하여 수소전기차량의 이상 상황 판단 및 대체수소누출 지수를 추정하여 고장 및 위험상황 발생 여부를 모니터링하는 수소전기차량 모니터링 장치 및 그 방법에 관한 것이다.
최근 환경문제에 대한 관심이 높아지고, 수소 연료 생산 비용이 지속적으로면서 낮아지면서 전기차량 및 수소전기차량(Fuel Cell Electric Vehicle, FCEV)에 대한 시장 수요가 급격히 증가되고 있다.
이에 따라 국내외에서는 수소전기차량 보급에 따른 예산을 확대하고 있으며, 수소 충전 인프라 구축을 도모하고 있다.
수소전기차량은 연료전지를 주 동력원으로 사용하고, 이차전지(배터리)를 보조 동력원으로 연계시켜 전기에너지 효율을 향상시킨 차량이며, 연료전지 스택, 이차전지(배터리) 그리고 수소탱크 등의 핵심부품으로 구성된다.
앞서 설명한 바와 같이, 수소를 이용하여 동력을 제공하므로 수소에 대한 안전성은 수소전기차량에서 중요한 지표로 간주된다. 특히, 수소 가스 누출은 차량 운행 중 가장 위험한 요인 중 하나가 될 수 있다. 따라서, 수소누출의 안전대책을 위해서는 운행중인 수소전기차량의 수소 안전성을 평가하는 것이 중요하고, 운전시 발생될 수 있는 위험 상황을 감지하고 사고를 예방하기 위해 지속적인 모니터링을 필요로 한다.
자동차규칙 제17조(연료장치)에는 수소전기차량의 수소 가스 누출 농도를 기준으로 가스 누출 시 차단 밸브의 경고등 점등 및 작동에 관한 기준이 있다. 수소농도가 2±1%를 초과하면 적색 경고등을 점등하여야 하며, 3±1%를 초과하면 차단밸브가 작동하여야 한다. 차량의 배기가스에서 방출되는 가스의 수소 농도는 평균 4%를 초과하지 않아야 하며 순간 최대 8%를 초과해서는 안된다.
수소 가스 누출된 대한 정보는 수소전기차량에 장착된 센서를 통해 수집이 가능하나, 센서가 없는 위치에서 발생된 수소 가스 누출은 감지하지 못하는 문제점이 있다. 또한, 수소 가스 누출 측정은 실제로 누출이 발생한 시점에서만 가능하기 때문에 실제로 가스 누출이 발생하지 않은 경우에는 도로에서의 수소전기차량에 대한 전반적인 주행 상황을 평가하기 어렵다.
본 발명의 배경이 되는 기술은 대한민국 등록특허 제10-0837933호 (2008.06.13. 공고)에 개시되어 있다.
이와 같이 본 발명에 따르면, 수소전기차량에 대한 운행 데이터를 수집하고, 수집된 운행 데이터를 이용하여 수소전기차량의 이상 상황 판단 및 대체수소누출 지수를 추정하여 고장 및 위험상황 발생 여부를 모니터링하는 수소전기차량 모니터링 장치 및 그 방법을 제공하기 위한 것이다.
이러한 기술적 과제를 이루기 위한 본 발명의 실시예에 따르면 이상 상황 또는 위험 상황을 예측하기 위한 수소전기차량 모니터링 장치는 수소전기차량의 이동에 따른 정류장 데이터, 노선별 데이터 및 정류장 고도 데이터를 포함하는 메타 데이터를 수신하는 메타 데이터 입력부, 수소전기차량 내부에 부착된 디지털 운행 기록계(Digital Tacho Graph, DTG)를 이용하여 수소전기차량의 운행 데이터, 수소탱크 데이터, 배터리 데이터, 스택 데이터, 기타 차량 데이터, 기온 데이터 및 GPS 데이터 중에서 적어도 하나의 차량 데이터를 입력받는 차량 데이터 획득부, 현재 시점에서 입력받은 차량 데이터와 메타 데이터를 이용하여 속도별, 기온별, 노선 가혹도별로 각각의 평균과 표준편차를 연산하는 연산부, 상기 연산된 평균 및 표준편차를 이용하여 상기 수소전기차량에 대한 이상 상황 발생여부를 판단하는 제1 판단부, 상기 운행 데이터에 포함된 수소탱크 데이터와 스택 데이터를 이용하여 대체수소누출지수를 산출하고, 산출된 대체수소누출지수를 이용하여 상기 수소전기차량의 위험 상황 발생 여부를 판단하는 제2 판단부, 그리고 이상 상황 또는 위험 상황이 발생한 것으로 판단되면, 이상 상황 정보 또는 위험 상황 정보를 관리자 단말기에 제공하는 제어부를 포함한다.
상기 메타 데이터는. 정류장 관리번호, 행정구역, 정류장명, 위도 및 경도 중에서 적어도 하나를 포함하는 정류장 데이터, 총거리, 최단거리, 예상 소요시간 중에서 적어도 하나를 포함하는 노선별 데이터, 그리고 오픈 서버로부터 획득한 정류장의 고도 데이터를 포함할 수 있다.
상기 운행 데이터는 차량의 속도, 브레이크 수, 운행 시간, 주행 거리 및 연료 소모량 중에서 적어도 하나를 포함하며, 상기 수소탱크 데이터는 공기압축기 속도, 공기압축기 모터온도, 공기 유량 센서값, 수소 목표 압력, 수소 최고 압력, 수소공급밸브 PWM 듀티, 수소차단밸브 PWM 듀티, 수소압력센서값, 스택 냉각수 펌프 RPM 피드백, 입구 및 출구에 대한 스택 냉각수 온도, 전장 냉각수 펌프속도 피드백, 수소 탱크 압력, 수소 라인 압력, 수소 충전 잔량 SOF, 고압 센서, 중압 센서, 연료 충전 퍼센트, 수소 탱크 수소 센서, 전방 탱크 온도, 중앙 탱크 온도, 후방 탱크 온도, 탱크 시스템 주변 수소 누출 센서 값, 수소 공급시스템 주변 수소누출 센서 값, 스택 주변 수소누출 센서 값 및 수소에너지 소비량 중에서 적어도 하나를 포함하고, 상기 배터리 데이터는 전압, 온도, 전기잔량, 회생에너지 및 충전전압 중에서 적어도 하나를 포함하며, 상기 스택 데이터는 스택전류, 스택전압 및 스택발생전력 중에서 적어도 하나를 포함하고, 상기 기타 차량 데이터는 연료공급 밸브 개도량 및 연료차단밸브 개도량 중에서 적어도 하나를 포함하며, 상기 기온 데이터는 상기 수소전기차량의 주행 환경 온도를 포함하고, 상기 GPS 데이터는 상기 수소전기차량의 현재 위치 정보를 포함할 수 있다.
상기 연산부는, 상기 운행 데이터에 포함된 주행거리와 정류장 데이터에 포함된 정류장 관리 번호를 이용하여 상기 수소전기차량의 주행에 따른 경유 정류장 수를 산출하고, GPS 데이터를 이용하여 현재 시점에서 상기 수소전기차량과 가장 가까운 거리에 위치하고 있는 정류장 정보를 획득하고, 획득한 정류장 정보를 이용하여 정류장과 정류장 사이의 거리 및 고도간의 차이값을 이용하여 굴곡도를 산출할 수 있다.
상기 굴곡도는, 하기의 수학식을 통해 산출된 경사도의 평균값을 통해 산출될 수 있다.
상기 연산부는, 상기 산출된 정류장 수, 굴곡도 및 노선 실제 총길이를 하기의 수학식에 대입하여 노선 가혹도를 산출할 수 있다.
여기서, A는 경유 정류장 수에 대한 가중치이고, B는 노선 총 길이에 대한 가중치이고, C는 굴곡도에 대한 가중치이다.
상기 경유 정류장 수, 노선 총 길이, 굴곡도에 대한 각각의 가중치의 합은 1이며, 상기 경유 정류장 수, 노선 총 길이, 굴곡도에 대한 각각의 가중치는 인공지능 학습모델을 통해 산출될 수 있다.
상기 연산부는, 상기 노선 가혹도에 따라 평균 및 표준 편차를 연산하고, 상기 수소전기차량의 속도에 대응하여 운행 데이터, 수소탱크 데이터, 배터리 데이터, 스택 데이터 및 기타 내부 데이터에 포함된 복수개의 정보에 대응하여 각각의 평균 및 표준 편차를 연산하고, 상기 수소전기차량의 온도에 대응하여 운행 데이터, 수소탱크 데이터, 배터리 데이터, 스택 데이터 및 기타 내부 데이터에 포함된 복수개의 정보에 대응하여 각각의 평균 및 표준 편차를 연산할 수 있다.
상기 제1 판단부는, 상기 노선가혹도별, 속도별, 기온별 각각 산출된 상기 평균 및 표준편차 중에서 어느 하나의 평균 및 표준편차가 기준값 이상이면 이상 상황이 발생된 것으로 판단할 수 있다.
상기 제2 판단부는, 상기 수소탱크 데이터에 포함된 수소 소비량과 스택 데이터에 포함된 스택 발생 전력을 하기의 수학식에 대입하여 대체수소누출지수를 산출할 수 있다.
상기 제2 판단부는, 상기 산출된 대체수소누출지수가 기 설정된 기준값을 초과하면 위험 상황이 발생된 것으로 판단할 수 있다.
상기 제어부는, 상기 이상 상황 또는 위험 상황이 발생한 상태에서, 상기 이상 상황 또는 위험 상황이 기 설정된 시간 이상으로 지속되면 상기 수소전기차량에 고장이 발생된 것으로 판단하여 이상상황 정보 또는 위험상황 정보를 관리자 단말기에 제공할 수 있다.
또한, 본 발명의 실시예에 따르면 수소전기차량 모니터링 장치를 이용한 수소전기차량 모니터링 방법은 수소전기차량의 이동에 따른 정류장 데이터, 노선별 데이터 및 정류장 고도 데이터를 포함하는 메타 데이터를 수신하는 단계, 수소전기차량 내부에 부착된 디지털 운행 기록계(Digital Tacho Graph, DTG)를 이용하여 수소전기차량의 운행 데이터, 수소탱크 데이터, 배터리 데이터, 스택 데이터, 기타 차량 데이터, 기온 데이터 및 GPS 데이터 중에서 적어도 하나의 차량 데이터를 입력받는 단계, 현재 시점에서 입력받은 차량 데이터와 메타 데이터를 이용하여 속도별, 기온별, 노선 가혹도별로 각각의 평균 및 표준편차를 연산하는 단계, 상기 연산된 평균 및 표준편차를 이용하여 상기 수소전기차량에 대한 이상 상황 발생여부를 판단하는 단계, 상기 운행 데이터에 포함된 수소탱크 데이터와 스택 데이터를 이용하여 대체수소누출지수를 산출하고, 산출된 대체수소누출지수를 이용하여 상기 수소전기차량의 위험 상황 발생 여부를 판단하는 단계, 그리고 이상 상황 또는 위험 상황이 발생한 것으로 판단되면, 이상 상황 정보 또는 위험 상황 정보를 관리자 단말기에 제공하는 단계를 포함한다.
이와 같이 본 발명에 따르면, 노선 상황, 속도변화, 기온 변화에 따른 위험상황을 미리 판단하여 운행안전정보로 활용하거나 수소버스의 부품의 고장 예지 정보 등으로 활용할 수 있으므로 시내버스에 도입된 수소전기버스에 대한 모니터링 정보 및 대중교통 활용전략에 활용될 수 있다.
또한, 본 발명에 따르면, 수소누출센서를 통해 직접적으로 누출량을 확인할 수도 있고, 추가적으로 대체수소누출지수(Pseudo Hydrogen Leakage, PHL)를 추정하여 이상상황에 활용할 수 있다.
도 1은 본 발명의 실시예에 따른 수소전기차량 모니터링 장치를 설명하기 위한 도면이다.
도 2는 본 발명의 실시예에 따른 수소전기차량 모니터링 장치를 설명하기 위한 구성도이다.
도 3은 본 발명의 실시예에 따른 수소전기차량 모니터링 장치를 이용한 수소전기차량 모니터링 방법을 설명하기 위한 순서도이다.
도 4는 도 3에 도시된 S220단계에서 굴곡도 산출 방법을 설명하기 위한 예시도이다.
도 5는 도 3에 도시된 S320단계에서 수소전기차량의 속도와 압력간의 관계를 나타내는 그래프이다.
도 6은 도 3에 도시된 S320단계에서 수소전기차량의 주변 기온과 압력간의 관계를 나타내는 그래프이다.
도 2는 본 발명의 실시예에 따른 수소전기차량 모니터링 장치를 설명하기 위한 구성도이다.
도 3은 본 발명의 실시예에 따른 수소전기차량 모니터링 장치를 이용한 수소전기차량 모니터링 방법을 설명하기 위한 순서도이다.
도 4는 도 3에 도시된 S220단계에서 굴곡도 산출 방법을 설명하기 위한 예시도이다.
도 5는 도 3에 도시된 S320단계에서 수소전기차량의 속도와 압력간의 관계를 나타내는 그래프이다.
도 6은 도 3에 도시된 S320단계에서 수소전기차량의 주변 기온과 압력간의 관계를 나타내는 그래프이다.
이하 첨부된 도면을 참조하여 본 발명에 따른 바람직한 실시예를 상세히 설명하기로 한다. 이 과정에서 도면에 도시된 선들의 두께나 구성요소의 크기 등은 설명의 명료성과 편의상 과장되게 도시되어 있을 수 있다.
또한 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서, 이는 사용자, 운용자의 의도 또는 관례에 따라 달라질 수 있다. 그러므로 이러한 용어들에 대한 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
이하에서는 도 1을 이용하여 본 발명의 실시예에 따른 수소전기차량 모니터링 장치에 대하여 더욱 상세하게 설명한다.
도 1은 본 발명의 실시예에 따른 수소전기차량 모니터링 장치를 설명하기 위한 도면이다.
도 1에 도시된 바와 같이, 본 발명의 실시예에 따른 수소전기차량 모니터링 장치(100)는 디지털 운행 기록계 (Digital Tacho Graph, 이하 "DTG"라고 명명한다.)(200), 외부 오픈 서버(300) 및 관리자 단말기(400)와 네트워크 연결된다.
수소전기차량 모니터링 장치(100)는 수소전기차량에 설치된 디지털 운행 기록계(DTG)로부터 수신된 차량 데이터와 외부 오픈 서버(300)로부터 수신된 메타 데이터를 이용하여 차량의 이상 상황 또는 위험 상황 발생 여부를 판단하고, 판단 결과에 따라 이상 상황 정보 또는 위험 상황 정보를 관리자 단말기(400)에 전달한다.
디지털 운행 기록계(DTG)(200)는 수소전기차량에 설치되어 운행에 관련한 정보를 기록하는 것으로, 운행 데이터, 수소탱크 데이터, 배터리 데이터, 스택 데이터, 기타 차량 데이터, 기온 데이터 및 GPS 데이터를 기록하여 저장할 수 있다.
즉, DTG(300)는 차량의 주행 속도, 제동유무, 이동거리 등을 실시간으로 기록할 수 있다.
한편, 본 발명의 실시예에서는 수소전기차량 모니터링 장치(100)로 하여금 GPS 데이터를 디지털 운행 기록계(DTG)(200)로부터 수집하는 것으로 하였으나. GPS 데이터는 수소전기차량에 부착된 GPS 센서(도시하지 않음)로 부터 획득할 수도 있다. 또한, GPS 센서는 정류장에도 부착될 수 있으므로, 수소전기차량 모니터링 장치(100)는 정류장에 부착된 GPS 센서를 이용하여 정류장의 위도 및 경도를 통해 정류장 사이의 간격 및 고도에 대한 데이터를 획득할 수도 있다.
다음으로, 외부 오픈 서버(300)는 해당되는 수소전기차량의 주행에 따른 노선의 경유 정류장에 대한 정보를 제공하는 수소전기차량의 관리 서버일 수도 있고, 지도 및 고도 정보를 제공하는 구글, 네이버, 다음 등의 서버일 수도 있다.
수소전기차량 모니터링 장치(100)는 외부 오픈 서버(300)에 접속하여 정류장 데이터, 노선별 데이터 및 고도 데이터를 획득한다.
마지막으로 관리자 단말기(400)는 운전자 또는 운수업체에서 소지한 단말기를 의미할 수 있으며, 휴대가 가능한 사용자 단말기로서, 노트북 컴퓨터, 스마트 패드 또는 스마트폰 등과 같이 유선 또는 무선으로 네트워크에 접속하여 정보를 주고받을 수 있는 기기로 구현될 수 있다.
즉, 관리자 단말기(400)는 수소전기차량 모니터링 장치(100)로부터 이상 상황 정보 또는 위험 상황 정보를 제공받는다.
도 2는 본 발명의 실시예에 따른 수소전기차량 모니터링 장치를 설명하기 위한 구성도이다.
도 2에 도시된 바와 같이, 본 발명의 실시예에 따른 수소전기차량 모니터링 장치(100)는 메타 데이터 입력부(110), 차량 데이터 획득부(120), 연산부(130), 제1 판단부(140), 제2 판단부(150) 및 제어부(160)를 포함한다.
먼저, 메타 데이터 입력부(110)는 수소전기차량의 이동에 따른 메타 데이터를 수신한다. 여기서 메타 데이터는 정류장 데이터, 노선별 데이터 및 정류장 고도 데이터 중에서 적어도 하나를 포함한다.
차량 데이터 획득부(120)는 수소전기차량에 탑재된 디지털 운행 기록계(DTG)(200)로부터 차량 데이터를 획득한다. 여기서 차량 데이터는 운행 데이터, 수소탱크 데이터, 배터리 데이터, 스택 데이터, 기타 차량 데이터, 기온 데이터 및 GPS 데이터 중에서 적어도 하나를 포함한다.
연산부(130)는 메타 데이터 및 차량 데이터를 이용하여 속도별, 기온별, 노선 가혹도별로 각각의 평균과 표준편차를 연산한다.
제1 판단부(140)는 속도별 평균 및 표준편차와 기온별 평균 및 표준편차 그리고 노선 가혹도별 평균 및 표준 편차를 이용하여 수소전기차량에 대한 이상 상황 발생 여부를 판단한다. 이를 다시 설명하면, 제1 판단부(140)는 평균 및 표준 편차에 대한 기준값을 설정하고, 설정된 기준값과 산출된 속도별 평균 및 표준편차, 기온별 평균 및 표준편차, 노선 가혹도별 평균 및 표준 편차 중에서 어느 하나의 평균 및 표준 편차가 기준값보다 크면 이상 상황이 발생한 것으로 판단한다.
제2 판단부(150)는 대체수소누출 지수를 산출하고, 산출된 대체수소누출 지수를 이용하여 수소전기차량의 위험 발생 여부를 판단한다.
마지막으로 제어부(160)는 이상 상황 또는 위험 상황 발생 여부에 따라 그에 대응하는 이상 상황 정보 또는 위험 상황 정보를 해당되는 관리자 단말기(400)에 제공한다.
이하에서는 도 3 내지 도 6을 이용하여 본 발명의 실시예에 따른 수소전기차량 모니터링 장치(100)를 이용한 수소전기차량 모니터링 방법에 대해 더욱 상세하게 설명한다.
도 3은 본 발명의 실시예에 따른 수소전기차량 모니터링 장치를 이용한 수소전기차량 모니터링 방법을 설명하기 위한 순서도이다.
도 3에 도시된 바와 같이, 본 발명의 실시예에 따른 수소전기차량 모니터링 장치(100)는 메타 데이터 및 차량 데이터를 입력받는다(S310).
이를 다시 설명하면, 수소전기차량 모니터링 장치(100)는 해당되는 수소전기차량이 주로 이용하는 노선에 대한 메타 데이터를 입력받는다. 여기서 메타 데이터는 정류장 데이터, 노선별 데이터 및 정류장 고도 데이터 중에서 적어도 하나를 포함하며, 정류장 데이터는 정류장 관리번호, 행정구역, 정류장명, 위도 및 경도 중에서 적어도 하나를 포함한다.
그리고, 노선별 데이터는 구글, 네이버, 다음 등의 외부 오픈 서버(300)에서 제공하는 지도 이용하여 노선에 따른 총거리, 최단거리, 예상 소요 시간 중에서 적어도 하나를 포함한다.
정류장 고도 데이터는 구글 맵 플랫폼 등 고도 서비스를 제공하는 외부 오픈 서버(300)로부터 수신된 정류장의 고도 정보를 포함한다.
그 다음, 차량 데이터 획득부(120)는 수소전기차량 내부에 부착된 디지털 운행 기록계(DTG)(200)로부터 차량 데이터를 입력받는다.
여기서 차량 데이터는 수소전기차량의 운행 데이터, 수소탱크 데이터, 배터리 데이터, 스택 데이터, 기타 차량 데이터, 기온 데이터 및 GPS 데이터 중에서 적어도 하나를 포함한다.
먼저, 운행 데이터는 차량의 속도, 브레이크 수, 운행 시간, 주행 거리 및 연료 소모량 중에서 적어도 하나를 포함한다.
그리고, 수소탱크 데이터는 공기압축기 속도, 공기압축기 모터온도, 공기 유량 센서값, 수소 목표 압력, 수소 최고 압력, 수소공급밸브 PWM 듀티, 수소차단밸브 PWM 듀티, 수소압력센서값, 스택 냉각수 펌프 RPM 피드백, 입구 및 출구에 대한 스택 냉각수 온도, 전장 냉각수 펌프속도 피드백, 수소 탱크 압력, 수소 라인 압력, 수소 충전 잔량 SOF, 고압 센서, 중압 센서, 연료 충전 퍼센트, 수소 탱크 수소 센서, 전방 탱크 온도, 중앙 탱크 온도, 후방 탱크 온도, 탱크 시스템 주변 수소 누출 센서 값, 수소 공급시스템 주변 수소누출 센서 값, 스택 주변 수소누출 센서 값 및 수소에너지 소비량(kg)중에서 적어도 하나를 포함한다.
또한, 배터리 데이터는 전압, 온도, 전기잔량, 회생에너지 및 충전전압 중에서 적어도 하나를 포함하며, 스택 데이터는 스택전류(V), 스택전압(I) 및 스택발생전력(Kw) 중에서 적어도 하나를 포함한다.
또한, 기타 차량 데이터는 연료공급 밸브 개도량 및 연료차단밸브 개도량 중에서 적어도 하나를 포함하며, 기온 데이터는 상기 수소전기차량의 주행 환경 온도를 포함하고, GPS 데이터는 상기 수소전기차량의 현재 위치 정보를 포함한다.
S10단계가 완료되면, 연산부(130)는 메타 데이터 입력부(110)로부터 전달받은 메타 데이터와 차량 데이터 획득부(120)로부터 전달받은 차량데이터를 이용하여 노선가혹도, 속도 및 온도에 대응하는 평균 및 표준 편차를 연산한다(S320).
먼저, 연산부(130)는 노선가혹도를 산출한다.
부연하자면, 연산부(130)는 운행 데이터에 포함된 주행거리와 정류장 데이터에 포함된 정류장 관리 번호를 이용하여 수소전기차량의 주행에 따른 경유 정류장 수를 산출한다.
그리고, 연산부(130)는 GPS 데이터를 이용하여 현재 시점에서 수소전기차량과 가장 가까운 거리에 위치하고 있는 정류장 정보를 획득하고, 획득한 정류장 정보를 이용하여 굴곡도를 산출한다.
도 4는 도 3에 도시된 S220단계에서 굴곡도 산출 방법을 설명하기 위한 예시도이다.
도 4에 도시된 바와 같이, 연산부(130)는 수소전기차량의 위치 정보를 이용하여 가장 가까운 거리에 위치하고 있는 정류장 정보를 이용하여 정류장 간의 거리를 획득하고, 정류장 간의 고도 차이값도 획득한다.
그 다음, 연산부(130)는 하기의 수학식 1에 획득한 정류장 간의 거리 및 정류장 간의 고도 차이값을 대입하여 경사도를 산출한다.
연산부(130)는 해당되는 수소전기차량의 주행에 따라 거쳐가는 모든 정류장 사이의 경사도를 산출하고, 산출된 경사도들의 평균값을 이용하여 굴곡도를 산출한다.
굴곡도에 대한 산출이 완료되면, 연산부(130)는 주행에 따른 경유 정류장 수와 주행 노선의 총 길이 및 굴곡도를 이용하여 구간별 노선 가혹도를 산출한다.
노선 가혹도는 하기의 수학식 2를 통해 산출된다.
여기서, A는 경유 정류장 수에 대한 가중치이고, B는 노선 총 길이에 대한 가중치이고, C는 굴곡도에 대한 가중치이다.
정류장 수에 대한 가중치, 노선 총 길이에 대한 가중치 및 굴곡도에 대한 가중치는 인공지능 학습모델을 통해 산출되며, 각각의 가중치에 대한 총 합은 1이 된다.
그 다음, 연산부(130)는 구간별 노선 가혹도에 대응하여 운행 데이터, 수소탱크 데이터, 배터리 데이터, 스택 데이터 및 기타 내부 데이터에 포함된 복수개의 정보에 대응하여 각각의 평균 및 표준 편차를 하기의 수학식 3을 이용하여 산출한다.
또한, 연산부(130)는 해당되는 수소전기차량의 속도와 각각의 정보에 따른 평균 및 표준 편차를 연산한다.
이를 다시 설명하면, 연산부(130)는 수소전기차량의 속도에 대응하여 운행 데이터, 수소탱크 데이터, 배터리 데이터, 스택 데이터 및 기타 내부 데이터에 포함된 복수개의 정보에 대응하여 각각의 평균 및 표준 편차를 상기의 수학식 3을 이용하여 산출한다.
도 5는 도 3에 도시된 S320단계에서 수소전기차량의 속도와 압력간의 관계를 나타내는 그래프이다.
도 5에 도시된 바와 같이, 수소전기차량의 수소 공급 장치의 압력은 버스의 속도에 따라 변화됨을 알 수 있다.
따라서, 연산부(130)는 수소전기차량의 속도와 운행 데이터, 수소탱크 데이터, 배터리 데이터, 스택 데이터 및 기타 내부 데이터에 포함된 대략 40개의 정보에 대응하여 각각의 평균 및 표준 편차를 산출한다.
또한, 연산부는 해당되는 수소전기차량의 주변 기온과 각각의 정보에 따른 평균 및 표준 편차를 연산한다.
도 6은 도 3에 도시된 S320단계에서 수소전기차량의 주변 기온과 압력간의 관계를 나타내는 그래프이다.
도 6에 도시된 바와 같이, 수소전기차량의 주변 기온이 낮은 수록 압력은 높고 주변 기온이 높을수록 압력은 낮게 형성된다.
따라서, 연산부(130)는 수소전기차량의 주변 기온과 운행 데이터, 수소탱크 데이터, 배터리 데이터, 스택 데이터 및 기타 내부 데이터에 포함된 대략 40개의 정보에 대응하여 각각의 평균 및 표준 편차를 산출한다.
S320단계가 완료되면, 제1 판단부(140)는 산출된 노선가혹도별, 속도별, 주변 기온별로 각각 산출된 평균 및 표준 편차를 이용하여 해당되는 수소전기차량의 이상 상황 발생 여부를 판단한다(S330).
제1 판단부(140)는 평균 및 표준 편차에 대한 기준 범위를 설정하고, 노선가혹도별, 속도별, 주변 기온별로 각각 산출된 평균 및 표준 편차가 기준 범위에 포함되는지 여부를 판단한다.
예를 들어, 제1 판단부(140)는 차량데이터 각각에 대하여 평균
3*표준편차를 연산하고, 3*표준편차 이상일 경우에 이상상황으로 판단할 수 있다.
이때, 기준 범위는 관리자에 의해 변경될 수 있다.
다음으로, 제2 판단부(150)는 대체수소누출지수를 산출하고, 산출된 대체수소누출지수를 이용하여 수소전기차량의 위험 상황 발생 여부를 판단한다(S340).
제2 판단부(150)는 수소탱크 데이터에 포함된 수소 소비량(kg)과 스택 데이터에 포함된 스택 발생 전력(kW)을 하기의 수학식 4에 대입하여 대체수소누출지수를 산출한다.
상기와 같이 대체수소누출지수(%)는 버스 운행 중 발생하는 전력 대비 수소 소비량을 기준으로 계산한다. 출력 1kW당 수소 소비량이 많으면 수소 누출을 위험으로 간주하며, 수소 소비율이 높고 일정 기간이 지나도 정상 상태로 돌아오지 않을 경우를 위험 요인으로 꼽는다.
제2 판단부(150)는 대체수소누출지수(%)에 대한 기준값을 설정하고, 산출된 대체수소누출지수(%)가 기준값을 초과하면 위험 상황이 발생한 것으로 판단한다.
S340단계가 완료된 상태에서 제어부(160)는 이상 상황 또는 위험 상황이 기 설정 시간 이상으로 지속되는지 여부를 모니터링하고, 모니터링 결과에 따라 이상상황 정보 또는 위험 상황 정보를 관리자 단말기(400)에 전달한다(S350).
부연하자면 이상 상황 또는 위험 상황 중에서 어느 상황이 발생하거나, 두가지의 상황이 모두 발생된 상태에서 관리자에 의해 기 설정된 시간 이상으로 지속되는 경우, 제어부(160)는 이상 상황 또는 위험 상황에 대한 정보를 관리자 단말기(400)에 전달한다.
이와 같이 본 발명에 따른 수소전기차량 모니터링 장치는 노선 상황, 속도변화, 기온 변화에 따른 위험상황을 미리 판단하여 운행안전정보로 활용하거나 수소버스의 부품의 고장 예지 정보 등으로 활용할 수 있으므로 시내버스에 도입된 수소전기버스에 대한 모니터링 정보 및 대중교통 활용전략에 활용될 수 있다.
또한, 본 발명에 따른 수소전기차량 모니터링 장치는 수소누출센서를 통해 직접적으로 누출량을 확인할 수도 있고, 추가적으로 대체수소누출지수(Pseudo Hydrogen Leakage, PHL)를 추정하여 이상상황에 활용할 수 있다.
본 발명은 도면에 도시된 실시예를 참고로 하여 설명되었으나 이는 예시적인 것에 불과하며, 당해 기술이 속하는 분야에서 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다. 따라서 본 발명의 진정한 기술적 보호범위는 아래의 특허청구범위의 기술적 사상에 의하여 정해져야 할 것이다.
100 : 수소전기차량 모니터링 장치
110 : 메타 데이터 입력부
120 : 차량 데이터 획득부
130 : 연산부
140 : 제1 판단부
150 : 제2 판단부
160 : 제어부
200 : 디지털 운행 기록계
300 : 외부 오픈 서버
400 : 관리자 단말기
110 : 메타 데이터 입력부
120 : 차량 데이터 획득부
130 : 연산부
140 : 제1 판단부
150 : 제2 판단부
160 : 제어부
200 : 디지털 운행 기록계
300 : 외부 오픈 서버
400 : 관리자 단말기
Claims (18)
- 이상 상황 또는 위험 상황을 예측하기 위한 수소전기차량 모니터링 장치에 있어서,
수소전기차량의 이동에 따른 정류장 데이터, 노선별 데이터 및 정류장 고도 데이터를 포함하는 메타 데이터를 수신하는 메타 데이터 입력부,
수소전기차량 내부에 부착된 디지털 운행 기록계(Digital Tacho Graph, DTG)를 이용하여 수소전기차량의 운행 데이터, 수소탱크 데이터, 배터리 데이터, 스택 데이터, 기타 차량 데이터, 기온 데이터 및 GPS 데이터 중에서 적어도 하나의 차량 데이터를 입력받는 차량 데이터 획득부,
현재 시점에서 입력받은 차량 데이터와 메타 데이터를 이용하여 속도별, 기온별, 노선 가혹도별로 각각의 평균과 표준편차를 연산하는 연산부,
상기 연산된 평균 및 표준편차를 이용하여 상기 수소전기차량에 대한 이상 상황 발생여부를 판단하는 제1 판단부,
상기 운행 데이터에 포함된 수소탱크 데이터와 스택 데이터를 이용하여 대체수소누출지수를 산출하고, 산출된 대체수소누출지수를 이용하여 상기 수소전기차량의 위험 상황 발생 여부를 판단하는 제2 판단부, 그리고
이상 상황 또는 위험 상황이 발생한 것으로 판단되면, 이상 상황 정보 또는 위험 상황 정보를 관리자 단말기에 제공하는 제어부를 포함하는 수소전기차량 모니터링 장치. - 제1항에 있어서,
상기 메타 데이터는.
정류장 관리번호, 행정구역, 정류장명, 위도 및 경도 중에서 적어도 하나를 포함하는 정류장 데이터,
총거리, 최단거리, 예상 소요시간 중에서 적어도 하나를 포함하는 노선별 데이터, 그리고
오픈 서버로부터 획득한 정류장의 고도 데이터를 포함하는 수소전기차량 모니터링 장치. - 제1항에 있어서,
상기 운행 데이터는 차량의 속도, 브레이크 수, 운행 시간, 주행 거리 및 연료 소모량 중에서 적어도 하나를 포함하며,
상기 수소탱크 데이터는 공기압축기 속도, 공기압축기 모터온도, 공기 유량 센서값, 수소 목표 압력, 수소 최고 압력, 수소공급밸브 PWM 듀티, 수소차단밸브 PWM 듀티, 수소압력센서값, 스택 냉각수 펌프 RPM 피드백, 입구 및 출구에 대한 스택 냉각수 온도, 전장 냉각수 펌프속도 피드백, 수소 탱크 압력, 수소 라인 압력, 수소 충전 잔량 SOF, 고압 센서, 중압 센서, 연료 충전 퍼센트, 수소 탱크 수소 센서, 전방 탱크 온도, 중앙 탱크 온도, 후방 탱크 온도, 탱크 시스템 주변 수소 누출 센서 값, 수소 공급시스템 주변 수소누출 센서 값, 스택 주변 수소누출 센서 값 및 수소에너지 소비량 중에서 적어도 하나를 포함하고,
상기 배터리 데이터는 전압, 온도, 전기잔량, 회생에너지 및 충전전압 중에서 적어도 하나를 포함하며,
상기 스택 데이터는 스택전류, 스택전압 및 스택발생전력 중에서 적어도 하나를 포함하고,
상기 기타 차량 데이터는 연료공급 밸브 개도량 및 연료차단밸브 개도량 중에서 적어도 하나를 포함하며,
상기 기온 데이터는 상기 수소전기차량의 주행 환경 온도를 포함하고,
상기 GPS 데이터는 상기 수소전기차량의 현재 위치 정보를 포함하는 수소전기차량 모니터링 장치. - 제1항에 있어서,
상기 연산부는,
상기 운행 데이터에 포함된 주행거리와 정류장 데이터에 포함된 정류장 관리 번호를 이용하여 상기 수소전기차량의 주행에 따른 경유 정류장 수를 산출하고,
GPS 데이터를 이용하여 현재 시점에서 상기 수소전기차량과 가장 가까운 거리에 위치하고 있는 정류장 정보를 획득하고, 획득한 정류장 정보를 이용하여 정류장과 정류장 사이의 거리 및 고도간의 차이값을 이용하여 굴곡도를 산출하는 수소전기차량 모니터링 장치. - 제4항에 있어서,
상기 굴곡도는,
하기의 수학식을 통해 산출된 경사도의 평균값을 통해 산출되는 수소전기차량 모니터링 장치.
- 제4항에 있어서,
상기 연산부는,
상기 산출된 정류장 수, 굴곡도 및 노선 실제 총길이를 하기의 수학식에 대입하여 노선 가혹도를 산출하는 수소전기차량 모니터링 장치:
여기서, A는 경유 정류장 수에 대한 가중치이고, B는 노선 총 길이에 대한 가중치이고, C는 굴곡도에 대한 가중치이다. - 제6항에 있어서,
상기 경유 정류장 수, 노선 총 길이, 굴곡도에 대한 각각의 가중치의 합은 1이며,
상기 경유 정류장 수, 노선 총 길이, 굴곡도에 대한 각각의 가중치는 인공지능 학습모델을 통해 산출되는 수소전기차량 모니터링 장치. - 제1항에 있어서,
상기 연산부는,
상기 노선 가혹도에 따라 평균 및 표준 편차를 연산하고,
상기 수소전기차량의 속도에 대응하여 운행 데이터, 수소탱크 데이터, 배터리 데이터, 스택 데이터 및 기타 내부 데이터에 포함된 복수개의 정보에 대응하여 각각의 평균 및 표준 편차를 연산하고,
상기 수소전기차량의 온도에 대응하여 운행 데이터, 수소탱크 데이터, 배터리 데이터, 스택 데이터 및 기타 내부 데이터에 포함된 복수개의 정보에 대응하여 각각의 평균 및 표준 편차를 연산하는 수소전기차량 모니터링 장치. - 제8항에 있어서,
상기 제1 판단부는,
상기 노선가혹도별, 속도별, 기온별 각각 산출된 상기 평균 및 표준편차 중에서 어느 하나의 평균 및 표준편차가 기준값 이상이면 이상 상황이 발생된 것으로 판단하는 수소전기차량 모니터링 장치 - 제3항에 있어서,
상기 제2 판단부는,
상기 수소탱크 데이터에 포함된 수소 소비량과 스택 데이터에 포함된 스택 발생 전력을 하기의 수학식에 대입하여 대체수소누출지수를 산출하는 수소전기차량 모니터링 장치.
- 제10항에 있어서,
상기 제2 판단부는,
상기 산출된 대체수소누출지수가 기 설정된 기준값을 초과하면 위험 상황이 발생된 것으로 판단하는 수소전기차량 모니터링 장치. - 제9항 또는 제11항에 있어서,
상기 제어부는,
상기 이상 상황 또는 위험 상황이 발생한 상태에서,
상기 이상 상황 또는 위험 상황이 기 설정된 시간 이상으로 지속되면 상기 수소전기차량에 고장이 발생된 것으로 판단하여 이상상황 정보 또는 위험상황 정보를 관리자 단말기에 제공하는 수소전기차량 모니터링 장치. - 수소전기차량 모니터링 장치를 이용한 수소전기차량 모니터링 방법에 있어서,
수소전기차량의 이동에 따른 정류장 데이터, 노선별 데이터 및 정류장 고도 데이터를 포함하는 메타 데이터를 수신하는 단계,
수소전기차량 내부에 부착된 디지털 운행 기록계(Digital Tacho Graph, DTG)를 이용하여 수소전기차량의 운행 데이터, 수소탱크 데이터, 배터리 데이터, 스택 데이터, 기타 차량 데이터, 기온 데이터 및 GPS 데이터 중에서 적어도 하나의 차량 데이터를 입력받는 단계,
현재 시점에서 입력받은 차량 데이터와 메타 데이터를 이용하여 속도별, 기온별, 노선 가혹도별로 각각의 평균 및 표준편차를 연산하는 단계,
상기 노선가혹도별, 속도별, 기온별 각각 산출된 상기 평균 및 표준편차 중에서 어느 하나의 평균 및 표준편차가 기준값 이상이면 이상 상황이 발생된 것으로 판단하는 단계,
상기 운행 데이터에 포함된 수소탱크 데이터와 스택 데이터를 이용하여 대체수소누출지수를 산출하고, 상기 산출된 대체수소누출지수가 기 설정된 기준값을 초과하면 위험 상황이 발생된 것으로 판단하는 단계, 그리고
이상 상황 또는 위험 상황이 발생한 것으로 판단되면, 이상 상황 정보 또는 위험 상황 정보를 관리자 단말기에 제공하는 단계를 포함하는 수소전기차량 모니터링 방법. - 제13항에 있어서,
상기 평균 및 표준편차를 연산하는 단계는,
상기 운행 데이터에 포함된 주행거리와 정류장 데이터에 포함된 정류장 관리 번호를 이용하여 상기 수소전기차량의 주행에 따른 경유 정류장 수를 산출하고,
GPS 데이터를 이용하여 현재 시점에서 상기 수소전기차량과 가장 가까운 거리에 위치하고 있는 정류장 정보를 획득하고, 획득한 정류장 정보를 이용하여 정류장과 정류장 사이의 거리 및 고도간의 차이값을 이용하여 굴곡도를 산출하는 수소전기차량 모니터링 방법. - 제14항에 있어서,
상기 굴곡도는,
하기의 수학식을 통해 산출된 경사도의 평균값을 통해 산출되는 수소전기차량 모니터링 방법.
- 제14항에 있어서,
상기 평균 및 표준편차를 연산하는 단계는,
상기 산출된 정류장 수, 굴곡도 및 노선 실제 총길이를 하기의 수학식에 대입하여 노선 가혹도를 산출하는 수소전기차량 모니터링 방법:
여기서, A는 경유 정류장 수에 대한 가중치이고, B는 노선 총 길이에 대한 가중치이고, C는 굴곡도에 대한 가중치이다. - 제13항에 있어서,
상기 평균 및 표준편차를 연산하는 단계는,
상기 노선 가혹도에 따라 평균 및 표준 편차를 연산하고,
상기 수소전기차량의 속도에 대응하여 운행 데이터, 수소탱크 데이터, 배터리 데이터, 스택 데이터 및 기타 내부 데이터에 포함된 복수개의 정보에 대응하여 각각의 평균 및 표준 편차를 연산하고,
상기 수소전기차량의 온도에 대응하여 운행 데이터, 수소탱크 데이터, 배터리 데이터, 스택 데이터 및 기타 내부 데이터에 포함된 복수개의 정보에 대응하여 각각의 평균 및 표준 편차를 연산하는 수소전기차량 모니터링 방법. - 제13항에 있어서,
상기 위험 상황 발생 여부를 판단하는 단계는,
상기 수소탱크 데이터에 포함된 수소 소비량과 스택 데이터에 포함된 스택 발생 전력을 하기의 수학식에 대입하여 대체수소누출지수를 산출하는 수소전기차량 모니터링 방법.
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210171532 | 2021-12-03 | ||
| KR20210171532 | 2021-12-03 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102530581B1 true KR102530581B1 (ko) | 2023-05-10 |
Family
ID=86385982
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220134654A KR102530581B1 (ko) | 2021-12-03 | 2022-10-19 | 이상 상황 또는 위험 상황을 예측하기 위한 수소전기차량 모니터링 장치 및 그 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102530581B1 (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117334966A (zh) * | 2023-12-01 | 2024-01-02 | 北京科泰克科技有限责任公司 | 一种基于车载氢系统的运行监测方法及系统 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20060072707A (ko) * | 2004-12-23 | 2006-06-28 | 현대자동차주식회사 | 연료전지 차량용 수소누출 감시장치 |
| KR20140083739A (ko) * | 2012-12-26 | 2014-07-04 | 현대모비스 주식회사 | 연료전지차량의 수소 누출 판단 시스템 제어 방법 |
| KR20160077678A (ko) * | 2014-12-24 | 2016-07-04 | (주)에이텍티앤 | 버스 운행 안내 시스템 |
| KR20170044355A (ko) * | 2015-10-15 | 2017-04-25 | 주식회사 스쿨천사 | 공동운영 노선 매칭시스템 및 방법 |
| KR20170139722A (ko) * | 2016-06-09 | 2017-12-20 | 현대자동차주식회사 | 연료전지의 수소 누출 감지 방법 및 그 시스템 |
| KR20200094954A (ko) * | 2019-01-31 | 2020-08-10 | 순천향대학교 산학협력단 | 주행 데이터 기반 차량 상태 예측 시스템 및 방법 |
| KR20200145013A (ko) * | 2019-06-20 | 2020-12-30 | 현대자동차주식회사 | 차량 개발용 노선 생성 장치 및 방법 |
| KR20210071117A (ko) * | 2019-12-04 | 2021-06-16 | 현대자동차주식회사 | 연료전지 차량의 운전 제어시스템 및 제어방법 |
-
2022
- 2022-10-19 KR KR1020220134654A patent/KR102530581B1/ko active IP Right Grant
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20060072707A (ko) * | 2004-12-23 | 2006-06-28 | 현대자동차주식회사 | 연료전지 차량용 수소누출 감시장치 |
| KR20140083739A (ko) * | 2012-12-26 | 2014-07-04 | 현대모비스 주식회사 | 연료전지차량의 수소 누출 판단 시스템 제어 방법 |
| KR20160077678A (ko) * | 2014-12-24 | 2016-07-04 | (주)에이텍티앤 | 버스 운행 안내 시스템 |
| KR20170044355A (ko) * | 2015-10-15 | 2017-04-25 | 주식회사 스쿨천사 | 공동운영 노선 매칭시스템 및 방법 |
| KR20170139722A (ko) * | 2016-06-09 | 2017-12-20 | 현대자동차주식회사 | 연료전지의 수소 누출 감지 방법 및 그 시스템 |
| KR20200094954A (ko) * | 2019-01-31 | 2020-08-10 | 순천향대학교 산학협력단 | 주행 데이터 기반 차량 상태 예측 시스템 및 방법 |
| KR20200145013A (ko) * | 2019-06-20 | 2020-12-30 | 현대자동차주식회사 | 차량 개발용 노선 생성 장치 및 방법 |
| KR20210071117A (ko) * | 2019-12-04 | 2021-06-16 | 현대자동차주식회사 | 연료전지 차량의 운전 제어시스템 및 제어방법 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117334966A (zh) * | 2023-12-01 | 2024-01-02 | 北京科泰克科技有限责任公司 | 一种基于车载氢系统的运行监测方法及系统 |
| CN117334966B (zh) * | 2023-12-01 | 2024-01-26 | 北京科泰克科技有限责任公司 | 一种基于车载氢系统的运行监测方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106680720B (zh) | 基于车联网的车载蓄电池失效预警系统及方法 | |
| JP4631761B2 (ja) | パワートレイン用の電池寿命予知装置及び電池寿命警告装置 | |
| Alves et al. | Indirect methodologies to estimate energy use in vehicles: Application to battery electric vehicles | |
| CN103930298B (zh) | 用于电池组能量预测的系统和方法 | |
| US20170309093A1 (en) | Vehicle operation monitoring, overseeing, data processing and overload monitoring method and system | |
| Saxe et al. | Energy system analysis of the fuel cell buses operated in the project: Clean Urban Transport for Europe | |
| Nicolaides et al. | Technoeconomic analysis of charging and heating options for an electric bus service in London | |
| US20150134368A1 (en) | Method and apparatus for managing vehicle insurance | |
| US9299201B2 (en) | Acquisition of in-vehicle sensor data and rendering of aggregate average performance indicators | |
| KR102530581B1 (ko) | 이상 상황 또는 위험 상황을 예측하기 위한 수소전기차량 모니터링 장치 및 그 방법 | |
| CN101625398A (zh) | 一种纯电动车电池寿命计算及报警装置及其控制方法 | |
| MXPA02004188A (es) | Proceso y sistema para desarrollar algoritmos de diagnosticos predictivos en una maquina. | |
| CN105270412A (zh) | 利用动能变化补偿的剩余能量可行驶距离预测 | |
| CN108382208B (zh) | 一种电动汽车综合管控系统用电动汽车终端 | |
| KR101417401B1 (ko) | 전기자동차의 주행가능 거리 안내 장치 및 그 방법 | |
| CN108382332B (zh) | 一种电动汽车综合管控云服务器 | |
| CN105291880A (zh) | 利用短期距离补偿的剩余能量可行驶距离预测 | |
| CN105313716A (zh) | 利用长期距离补偿的剩余能量可行驶距离预测 | |
| CN110033136B (zh) | 一种基于监控平台的电动客车的数据分析方法 | |
| CN108390934A (zh) | 一种电动汽车综合管控系统 | |
| US20210074080A1 (en) | Part maintenance and value estimation system | |
| JP7063055B2 (ja) | 蓄電装置の情報収集システム | |
| CN114837769A (zh) | 一种曲轴箱通风管结冰验证方法、装置、设备及存储介质 | |
| Kropiwnicki et al. | Estimation of the regenerative braking process efficiency in electric vehicles | |
| US10706641B2 (en) | Information supply device, information supply method, and storage medium |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |