WO2021091019A1 - 전동 카트에 적용된 dmfc의 발전 효율 최적화를 위한 운용 관리 시스템 및 방법 - Google Patents

전동 카트에 적용된 dmfc의 발전 효율 최적화를 위한 운용 관리 시스템 및 방법 Download PDF

Info

Publication number
WO2021091019A1
WO2021091019A1 PCT/KR2020/000438 KR2020000438W WO2021091019A1 WO 2021091019 A1 WO2021091019 A1 WO 2021091019A1 KR 2020000438 W KR2020000438 W KR 2020000438W WO 2021091019 A1 WO2021091019 A1 WO 2021091019A1
Authority
WO
WIPO (PCT)
Prior art keywords
dmfc
power generation
temperature
internal temperature
amount
Prior art date
Application number
PCT/KR2020/000438
Other languages
English (en)
French (fr)
Inventor
백경석
오재철
Original Assignee
주식회사 아이온커뮤니케이션즈
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 주식회사 아이온커뮤니케이션즈 filed Critical 주식회사 아이온커뮤니케이션즈
Publication of WO2021091019A1 publication Critical patent/WO2021091019A1/ko

Links

Images

Classifications

    • 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
    • G06Q50/40—Business processes related to the transportation industry
    • 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
    • B60L3/0023—Detecting, eliminating, remedying or compensating for drive train abnormalities, e.g. failures within the drive train
    • B60L3/0053—Detecting, eliminating, remedying or compensating for drive train abnormalities, e.g. failures within the drive train relating to fuel cells
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • H01M8/04007—Auxiliary arrangements, e.g. for control of pressure or for circulation of fluids related to heat exchange
    • H01M8/04014—Heat exchange using gaseous fluids; Heat exchange by combustion of reactants
    • 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
    • H01M8/04305—Modeling, demonstration models of fuel cells, e.g. for training purposes
    • 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
    • H01M8/04313—Processes for controlling fuel cells or fuel cell systems characterised by the detection or assessment of variables; characterised by the detection or assessment of failure or abnormal function
    • H01M8/0444—Concentration; Density
    • 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
    • H01M8/04694—Processes for controlling fuel cells or fuel cell systems characterised by variables to be controlled
    • H01M8/04701—Temperature
    • 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
    • H01M8/04694—Processes for controlling fuel cells or fuel cell systems characterised by variables to be controlled
    • H01M8/04858—Electric variables
    • H01M8/04925—Power, energy, capacity or load
    • 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
    • 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
    • H01M8/06—Combination of fuel cells with means for production of reactants or for treatment of residues
    • H01M8/0662—Treatment of gaseous reactants or gaseous residues, e.g. cleaning
    • H01M8/0687—Reactant purification by the use of membranes or filters
    • 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
    • H01M8/10—Fuel cells with solid electrolytes
    • H01M8/1009—Fuel cells with solid electrolytes with one of the reactants being liquid, solid or liquid-charged
    • H01M8/1011—Direct alcohol fuel cells [DAFC], e.g. direct methanol fuel cells [DMFC]
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60Y—INDEXING SCHEME RELATING TO ASPECTS CROSS-CUTTING VEHICLE TECHNOLOGY
    • B60Y2200/00—Type of vehicle
    • B60Y2200/80—Other vehicles not covered by groups B60Y2200/10 - B60Y2200/60
    • B60Y2200/86—Carts; Golf carts
    • 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
    • Y02E60/50—Fuel cells

Definitions

  • the present invention relates to an operation management system and method for optimizing power generation efficiency of a DMFC applied to an electric cart, and in particular, an operation management system for optimizing power generation efficiency of a DMFC applied to an electric cart capable of determining whether an air filter included in the DMFC is contaminated. And a method.
  • Direct methanol fuel cell is a direct oxidation fuel cell in which hydrogen generated by an electrochemical reaction between methanol and water is combined with oxygen to produce electricity.
  • the power generation principle of DMFC is that when methanol and water are supplied, it passes through a porous electrode and comes into contact with an electrolyte on the surface of an anode treated with a catalyst such as carbon and platinum.
  • an oxidation reaction occurs in which carbon dioxide and hydrogen ions are generated, and electricity is produced through the process of making water by meeting hydrogen ions and oxygen delivered through an electrolyte in the cathode.
  • methanol, water, and oxygen are required for the power generation of DMFC.
  • Components that make up the DMFC are factors that greatly affect the performance of the DMFC, but when the DMFC is already manufactured, it becomes a constant rather than a performance improvement variable. Therefore, methanol concentration, temperature, and oxygen pressure are typical performance enhancing factors that have variable characteristics in the DMFC operation, excluding these parts.
  • the temperature includes the external temperature of the DMFC (for example, the ambient temperature of the electric cart to which the DMFC is applied) and the temperature due to self-heating of the DMFC.
  • the oxygen pressure when oxygen is supplied to the DMFC, an air filter is attached to prevent external foreign matter. However, if the oxygen supply is not smooth due to the high degree of contamination of the air filter, it is a factor that reduces the power generation of the DMFC.
  • the power generation output is affected by the pollution level and temperature of the air filter included in the DMFC. Therefore, if the internal temperature of the DMFC is high, lower it and reduce the air filter. A technology that derives the replacement timing of the is required.
  • the present invention is to solve the above problems, and the internal temperature of the DMFC applied to the electric cart can be maintained at an appropriate temperature.
  • the power generation output of the DMFC applied to the electric cart is monitored to analyze the deterioration trend of the power generation output to derive the replacement timing of the air filter included in the DMFC.
  • the operation management system provides power using methanol as a fuel. It includes, an electric cart that measures the amount of methanol remaining, power generation, and internal temperature of the DMFC in real time, an external server that provides an external temperature of the environment in which the electric cart is operating, and the remaining amount of methanol, measured power generation, internal temperature and external
  • the learning model for determining whether the air filter included in the DMFC is contaminated is updated and stored, the internal temperature, the external temperature, and the residual amount of methanol are input to the learning model to calculate the amount of power generation, and the learning model is It may include a data analysis server for determining whether the air filter is contaminated by comparing the calculated power generation amount and the measured power generation amount in real time.
  • the electric cart may maintain the internal temperature of the DMFC at a reference band temperature suitable for high output without deteriorating the performance of the DMFC.
  • the manager The learning model may be updated according to the feedback of the terminal.
  • An electric cart is an electric cart comprising a DMFC that supplies electric power using methanol as a fuel, in which the methanol residual quantity measurement unit measures the methanol residual quantity in a fuel tank, and the methanol is used.
  • a power generation calculation unit that calculates the generated power generation value as data
  • an internal temperature measurement unit that measures the internal temperature of the DMFC
  • a communication unit capable of transmitting and receiving data through a communication network
  • a cooling fan driving unit that drives a cooling fan attached to the DMFC
  • a control unit for controlling the remaining amount of methanol, the amount of power generation, and the internal temperature to be transmitted to the data analysis server through the communication unit, and for controlling the cooling fan driving unit to maintain the internal temperature of the DMFC as a reference band temperature, and the data analysis
  • the server may determine whether the air filter included in the DMFC is contaminated by analyzing the remaining amount of methanol, the amount of power generation measured, the internal temperature, and the external temperature of the environment in which the electric cart is operating.
  • a data analysis server is a data analysis server for optimizing power generation efficiency of a DMFC applied to an electric cart, wherein the amount of methanol remaining in the DMFC, a measured power generation amount, an internal temperature, and an external temperature of the driving environment of the electric cart
  • a data collection unit for collecting, a data learning unit for updating and storing a learning model for determining whether the air filter included in the DMFC is contaminated by analyzing the residual amount of methanol, the measured power generation amount, the internal temperature and the external temperature, and the inside of the DMFC
  • An internal temperature control unit that transmits a control signal to the electric cart in order to maintain the temperature at a normal temperature, a power generation amount calculation unit that calculates power generation by inputting the normal temperature, the internal temperature, the external temperature, and the remaining amount of methanol into the learning model, and It may include an air filter pollution determination unit for determining whether the air filter is contaminated by comparing the amount of power generated by the learning model and the measured power generation in real time.
  • the data learning unit a learning processing unit for updating a learning model for determining whether the air filter included in the DMFC is contaminated by analyzing the collected methanol residual amount, measured power generation amount, internal temperature, and external temperature, and the A learning model including the internal temperature band, the external temperature band, and the methanol residual amount range value when the power generation amount is normal, and the internal temperature band, the external temperature band, and the methanol residual amount range value when the power generation amount is abnormal.
  • It may include a learning model storage unit to store.
  • the normal temperature may be a reference band temperature suitable for high output without deteriorating the performance of the DMFC.
  • the air filter pollution determination unit may determine that the air filter is in a polluted state when the measured power generation amount is greater than or equal to an error range of the calculated power generation amount.
  • the control method of the operation management system for optimizing the power generation efficiency of DMFC applied to the electric cart is to control the operation management system for optimizing the power generation efficiency of the DMFC applied to the electric cart operated by a data analysis server.
  • transmitting an air filter contamination message to the manager terminal, and updating the learning model by receiving feedback on whether the determination accuracy is correct from the manager terminal may be further included.
  • the operation management system and method for optimizing the power generation efficiency of the DMFC applied to the electric cart according to the present invention as described above can maintain the internal temperature of the DMFC applied to the electric cart at an appropriate temperature.
  • FIG. 1 is a diagram schematically showing an operation management system for optimizing power generation efficiency of a DMFC applied to an electric cart according to an embodiment of the present invention.
  • FIG. 2 is a block diagram showing the configuration of an electric cart according to an embodiment of the present invention.
  • FIG. 3 is a block diagram showing the configuration of a data analysis server according to an embodiment of the present invention.
  • FIG. 4 is a flowchart illustrating a control method of an operation management system for optimizing power generation efficiency of a DMFC applied to an electric cart according to an embodiment of the present invention.
  • FIG. 5 is a flowchart illustrating a method of maintaining an internal temperature of a DMFC applied to an electric cart at a reference band temperature according to an embodiment of the present invention.
  • FIG. 6 is a table for specifically explaining the operation of the data analysis server according to an embodiment of the present invention.
  • FIG. 1 is a diagram schematically showing an operation management system for optimizing power generation efficiency of a DMFC applied to an electric cart according to an embodiment of the present invention.
  • an operation management system 1000 may include an electric cart 100, an external server 200, and a data analysis server 300.
  • the operation management system 1000 may further include a manager terminal 400.
  • the electric cart 100 may be a transportation means that carries a user on a golf course or a field or loads a transport, but is not limited thereto, and may be changed to various transport means that carry a user or load a transport.
  • the electric cart 100 may include a DMFC 101 that supplies power using methanol as fuel.
  • a DMFC 101 that supplies oxygen to the DMFC 101
  • an air filter may be attached to prevent foreign substances.
  • the power generation output is affected by the pollution level of the air filter included in the DMFC 101, the internal temperature and the external temperature of the DMFC 101. do.
  • the electric cart 100 can maintain the internal temperature of the DMFC 101 at the reference band temperature suitable for high output at the same time without deteriorating the performance of the DMFC 101 by using the cooling fan attached to the DMFC 101. .
  • the electric cart 100 measures the methanol residual amount, the measured generation amount, and the internal temperature of the DMFC 101 from a methanol residual amount sensor, a power generation amount calculating device, and an internal temperature sensor provided in the DMFC 101, and the data analysis server 300 Can be transmitted in real time.
  • the external server 200 may provide an external temperature of an environment in which the electric cart 100 is operating.
  • the external environment temperature in which the electric cart 100 to which the DMFC 101 is applied is operating may be the external temperature of the area in which the electric cart 100 provided from the Meteorological Administration server is operated, and may be measured from a temperature sensor installed at the site.
  • the external temperature measured by the external server 200 may be transmitted to the data analysis server 300 in real time.
  • the data analysis server 300 is a learning model for determining whether the air filter is contaminated by analyzing the residual methanol amount, measured power generation amount, internal temperature, and external temperature of the DMFC 101 collected from the electric cart 100 and the external server 200 Can be updated and saved.
  • the amount of methanol remaining, the internal temperature, and the external temperature are input to the learning model to calculate the power generation amount, and the power generation amount calculated by the learning model and the actual measured power generation amount are compared in real time to determine whether the air filter is contaminated.
  • the air filter pollution message to you.
  • the data analysis server 300 monitors the power generation output and analyzes the trend of a decrease in the power generation output to derive the replacement time of the air filter and transmits it to the manager terminal 400.
  • the manager terminal 400 may feed back the accuracy of the determination of the pollution of the air filter.
  • the data analysis server 300 may update the learning model according to the feedback of the manager terminal 400.
  • FIG. 2 is a block diagram showing the configuration of an electric cart according to an embodiment of the present invention.
  • the electric cart 100 includes a methanol residual amount measurement unit 110, a power generation amount calculation unit 120, an internal temperature measurement unit 130, a communication unit 140, and a cooling fan.
  • a driving unit 150 and a control unit 160 may be included.
  • the methanol residual amount measurement unit 110 may measure the residual amount of methanol in the fuel tank. That is, the methanol residual amount measurement unit 110 may measure the residual amount of methanol through a sensor that measures the amount of residual methanol, which is the fuel of the DMFC 101, as data.
  • the power generation calculation unit 120 may calculate a power generation value produced by using methanol as data.
  • the power generation calculation unit 120 may measure the power generation amount through a device that converts the generated power generation amount value included in the DMFC 101 into data.
  • the internal temperature measuring unit 130 may measure the internal temperature of the DMFC 101. That is, the internal temperature measuring unit 130 may measure the internal temperature from a temperature sensor installed to measure the internal temperature of the DMFC 101.
  • the communication unit 140 may transmit and receive data through a communication network. That is, the communication unit 140 may communicate with an external device through wired communication or wireless communication. For example, the communication unit 140 performs communication with a control terminal device through cellular communication, short-range communication, LTE, 5G, and Internet networks, as well as a port connected using a cable, universal serial bus (USB) communication, and Wi-Fi. , Bluetooth, ZigBee, infrared (IrDA), UHF, and communication according to standards such as RF and ultra-wideband communication (UWB) such as VHF can be performed.
  • a control terminal device through cellular communication, short-range communication, LTE, 5G, and Internet networks, as well as a port connected using a cable, universal serial bus (USB) communication, and Wi-Fi.
  • Bluetooth, ZigBee, infrared (IrDA), UHF, and communication according to standards such as RF and ultra-wideband communication (UWB) such as VHF can be performed.
  • the external device may include the data analysis server 300, but is not limited thereto. That is, the communication unit 140 data in real time the amount of methanol remaining in the DMFC 101, the amount of power generation, and the internal temperature measured from the methanol residual amount measurement unit 110, the power generation calculation unit 120, and the internal temperature measurement unit 130, respectively. It can be transmitted to the analysis server 300.
  • the communication unit 140 may receive a temperature of a reference band from an external device.
  • the temperature of the reference band may be an internal temperature of the DMFC 101 suitable for high output of the DMFC 101 without deteriorating the performance of the DMFC 101.
  • the cooling fan driver 150 may drive a cooling fan attached to the DMFC 101.
  • the cooling fan may be attached to the DMFC 101 to lower the internal temperature of the DMFC 101 according to a control signal from the controller 160.
  • the controller 160 may control the overall operation of the electric cart 100.
  • the control unit 160 may control to transmit the remaining methanol amount, measured power generation amount, and internal temperature of the DMFC 101 to the data analysis server 300 through the communication unit 140. That is, after data purification to send the measured data to the data analysis server 300, the controller 160 may transmit the purified data to the data analysis server 300 through the communication unit 140. Accordingly, the data analysis server 300 may determine whether the air filter included in the DMFC 101 is contaminated by analyzing the collected methanol remaining amount, the measured power generation amount, the internal temperature, and the external temperature of the environment in which the electric cart is operating. .
  • control unit 160 may control the cooling fan driving unit 150 to maintain the internal temperature of the DMFC 101 measured by the internal temperature measuring unit 130 at the reference band temperature.
  • controller 160 may control the cooling fan driving unit 150 by the cooling fan control signal received from the data analysis server 300 through the communication unit 140.
  • the controller 160 may control the speed at which the cooling fan rotates according to the internal temperature of the DMFC 101 and a reference temperature band measured by the internal temperature measuring unit 130. Specifically, the controller 160 may control the speed at which the cooling fan rotates according to a difference between the internal temperature and the reference temperature band. For example, if the difference between the internal temperature and the reference temperature band is large, the rotation speed of the cooling fan is increased to quickly reach the reference temperature band, and the difference between the internal temperature and the reference temperature band is small, or the internal temperature is in the reference temperature band. When it reaches, it can slow down or stop the cooling fan's rotational speed.
  • FIG. 3 is a block diagram showing the configuration of a data analysis server according to an embodiment of the present invention.
  • a data analysis server 300 includes a data collection unit 310, a data learning unit 320, an internal temperature control unit 330, a power generation calculation unit 340, and air.
  • a filter contamination determination unit 350 may be included.
  • the data learning unit 320 may include a learning processing unit 321 and a learning result storage unit 323.
  • the data collection unit 310 may collect in real time the amount of methanol remaining in the DMFC 101, the measured power generation amount, the internal temperature, and the external temperature of the driving environment of the electric cart 100. That is, the data collection unit 310 collects the residual methanol amount, measured power generation amount, and internal temperature of the DMFC 101 from the electric cart 100, and collects the external temperature of the driving environment of the electric cart 100 from the external server 200. can do.
  • the data collection unit 310 may transmit the collected data to the data learning unit 330 so that the collected data can be used for learning. It may be transmitted to the temperature control unit 330 or the power generation amount calculation unit 340.
  • the data learning unit 320 may update and store a learning model for determining whether the air filter included in the DMFC 101 is contaminated by analyzing the collected methanol residual amount, measured power generation, internal temperature, and external temperature.
  • the data learning unit 320 may include a learning processing unit 321 and a learning result storage unit 323.
  • the data learning unit 320 updates and stores a learning model for determining contamination of the air filter by using the residual methanol amount, the measured power generation amount, and the external temperature when the internal temperature of the DMFC 101 is a normal temperature.
  • the normal temperature may be a reference band temperature suitable for high output without deteriorating the performance of the DMFC 101.
  • the learning processing unit 321 may update a learning model for determining whether the air filter included in the DMFC 101 is contaminated by analyzing the collected methanol residual amount, measured power generation amount, internal temperature, and external temperature.
  • the learning model may be a model for determining whether or not the generated air filter is contaminated by analyzing a trend of power generation decrease according to the residual amount of methanol, an internal temperature, and an external temperature.
  • the learning processing unit 321 may update the learning model by comparing the learning model with actually collected data, and feeding back a variance value that is a difference therebetween.
  • the learning processing unit 321 may analyze an allowable error range between the power generation amount calculated by the learning model and the actual measured power generation amount.
  • An error range between the power generation amount calculated by the learning model and the actual measured power generation amount may be an error of an allowable range in which the air filter is determined to be non-polluted.
  • the learning processing unit 321 may receive feedback on whether or not the determination accuracy is correct from the manager terminal 400 to update the learning model. For example, when feedback is received from the manager terminal 400 that the contamination determination of the air filter was not accurate, that is, when the manager terminal 400 received a filter contamination message, but the air filter was actually in a non-polluting state, the corresponding learning model It is possible to increase or decrease the allowable error range between the calculated generation amount and the actual measured generation amount.
  • the learning result storage unit 323 is a learning model that includes an internal temperature band, an external temperature band, and a methanol residual amount range value when the power generation amount is normal, and an internal temperature band, an external temperature band, and methanol residual amount range value when the power generation amount is abnormal. Can be saved.
  • the internal temperature, external temperature, and residual amount of methanol of the DMFC 101 are input to this learning model, the normal power generation amount when the air filter is in a non-polluting state can be calculated.
  • the learning model may include an error range between the power generation amount calculated by the learning model and the actual measured power generation amount. That is, if the collected data is input to the learning model to calculate the power generation amount, the air filter may be determined to be non-polluting when the actual measured power generation value exists within the error range of the calculated power generation amount. On the other hand, when the actual measured power generation value is more than the error range of the calculated power generation amount, the air filter may be determined to be in a polluted state.
  • the learning result storage unit 233 may store different learning models for each model of the electric cart 100 or for each region in which the electric cart 100 is operated. Since each electric cart 100 with different models has different performance, the measured power generation amount may be different even if the same internal temperature, external temperature, and methanol residual amount are the same, so that a learning model may be stored for each model.
  • the learning result storage unit 333 may store a learning model for each region because the measurement data may be different depending on the topography of the area in which the electric cart 100 is operated, external temperature, and the like. For example, if the electric cart 100 is operated in an area where the outside temperature is high, even if the cooling fan of the electric cart 100 is operated, the internal temperature of the DMFC 101 is difficult to maintain the reference band temperature, so learning Power generation can be calculated by entering the internal temperature above the normal temperature in the model. Therefore, when the internal temperature is not the normal temperature, since the measured power generation amount received from the electric cart 100 may be irregular, the learning model can be generated by increasing the error range than when using the internal temperature of the normal temperature.
  • the internal temperature controller 330 may transmit a control signal to the electric cart 100 to maintain the internal temperature of the DMFC 101 at a normal temperature.
  • the normal temperature may be a reference band temperature suitable for high output without deteriorating the performance of the DMFC 101.
  • the internal temperature controller 330 may send a cooling fan control signal to the electric cart 100 to maintain the internal temperature of the DMFC 101 at a normal temperature. For example, when the internal temperature received from the electric cart 100 is higher than a normal temperature, the internal temperature controller 320 may transmit a control signal to the electric cart 100 so that the cooling fan of the electric cart 100 operates. In addition, when the internal temperature received from the electric cart 100 reaches a normal temperature, the internal temperature controller 320 may transmit a control signal to the electric cart 100 to stop the cooling fan of the electric cart 100. In addition, a method of maintaining the internal temperature of the DMFC 101 at the normal temperature of the reference band will be described in detail with reference to FIG. 5.
  • the data analysis server 300 may continuously check the analysis of the pollution level of the air filter by using the internal temperature of the DMFC 101 maintained at a normal temperature. Through this, in deriving the replacement point of the air filter, other factors that reduce power generation can be excluded as much as possible, so that the pollution degree of the air filter can be analyzed.
  • the internal temperature control unit 330 when the internal temperature control unit 330 transmits a cooling fan control signal to the electric cart 100 but the internal temperature does not become a normal temperature for a certain period of time, the internal temperature control unit 330 may determine the corresponding internal temperature as the normal temperature.
  • the power generation calculation unit 340 may input data of an internal temperature, an external temperature, and a residual amount of methanol, which are normal temperatures, into the learning model, and calculate the power generation amount according to the learning model.
  • the power generation amount calculated by the learning model may be an amount of power generation when normal, that is, an amount of power generation when the air filter is not polluted. Accordingly, as there is almost no difference between the calculated power generation amount and the actual measured power generation amount, it may be determined that the air filter mounted on the DMFC 101 is in a non-polluting state.
  • the generation amount calculation unit 340 may hold the generation amount calculation and air filter contamination determination. I can.
  • the air filter pollution determination unit 350 may determine whether the air filter is contaminated by comparing the amount of power generated by the learning model and the actual amount of power measured in real time.
  • the air filter pollution determination unit 350 compares the calculated generation amount by the learning model stored in the learning model storage unit 323 with the actual measured generation amount received from the data collection unit 310 in real time, and is included in the DMFC 101. It is possible to determine whether the air filter is contaminated.
  • the air filter pollution determination unit 350 may determine that the air filter is in a polluted state when the actual measured power generation value is greater than or equal to an error range of the calculated power generation amount. That is, the air filter pollution determination unit 350 may determine that the actual measured power generation amount is non-polluting when it is within the error range of the calculated power generation amount, and that it is contamination when it is out of the error range. For example, if the error range of the learning model is ⁇ 10Wh and the calculated power generation amount is 200Wh, the air filter can be judged as non-polluting when the actual measured power generation amount is between 190 and 210Wh. It can be determined that it is contaminated.
  • the air filter contamination determination unit 350 may transmit an air filter contamination message to the manager terminal 400 through SMS or SNS.
  • the learning processing unit 331 may receive feedback on whether the determination accuracy is correct from the manager terminal 400 and update the learning model.
  • FIG. 4 is a flowchart illustrating a control method of an operation management system for optimizing power generation efficiency of a DMFC applied to an electric cart according to an embodiment of the present invention.
  • the data analysis server 300 is applied to the electric cart 100, the methanol residual amount of the DMFC 101, measured power generation, data on the internal temperature, and the external temperature of the environment in which the electric cart 100 is operating. It can be collected in real time (S410).
  • the data analysis server 300 collects the methanol residual amount, measured power generation amount, and internal temperature of the DMFC 101 applied to the electric cart 100 from the electric cart 100 in real time, and the electric cart ( 100) can collect the external temperature of the operating environment in real time.
  • the data analysis server 300 may update and store a learning model for determining whether the air filter included in the DMFC 101 is contaminated by analyzing the remaining methanol amount, the measured power generation amount, the internal temperature, and the external temperature of the DMFC 101 ( S420).
  • the data analysis server 300 may transmit a control signal to the electric cart 100 to maintain the internal temperature of the DMFC 101 at a normal temperature.
  • the normal temperature may be a reference band temperature suitable for high output without deteriorating the performance of the DMFC 101.
  • the data analysis server 300 may transmit a control signal to the electric cart 100 so that the cooling fan of the electric cart 100 operates. (S431). At this time, the data analysis server 300 may transmit a control signal to the electric cart 100 to stop the cooling fan of the electric cart 100 when the internal temperature of the DMFC 101 reaches a normal temperature.
  • the data analysis server 300 transmits a control signal to the electric cart 100 to operate the cooling fan, but when the internal temperature does not reach the normal temperature for a certain period of time or more (S433), it is determined that internal temperature control is no longer difficult or It is possible to determine the internal temperature as a normal temperature and calculate the amount of power generation using the data in the current state (S440).
  • the data analysis server 300 may calculate power generation by inputting the normal internal temperature, an external temperature, and the amount of methanol remaining in the learning model (S440).
  • the data analysis server 300 may determine whether the air filter is contaminated by comparing the power generation amount calculated by the learning model and the actual measured power generation amount in real time (S450). For example, when the actual measured power generation amount is within the error range of the calculated power generation amount, it may be determined as non-polluting, and when it is out of the error range, it may be determined as contamination.
  • the data analysis server 300 may transmit an air filter pollution message to the manager terminal 400 through SMS or SNS (S460).
  • the data analysis server 300 may update the learning model by receiving feedback on whether or not the determination accuracy is correct from the manager terminal 400.
  • FIG. 5 is a flowchart illustrating a method of maintaining an internal temperature of a DMFC applied to an electric cart at a reference band temperature according to an embodiment of the present invention.
  • the electric cart 100 may measure the internal temperature of the DMFC 101 in real time (S510).
  • the electric cart 100 can maintain the internal temperature of the DMFC 101 at a reference band temperature suitable for high output of the DMFC 101 without deteriorating the performance of the DMFC 101.
  • a suitable reference zone temperature may be 60°C to 70°C.
  • the electric cart 100 when the measured internal temperature of the DMFC 101 is not a temperature band suitable for the high output of the DMFC 101, in particular, the electric cart 100 may be in a reduced power state due to a temperature higher than the reference temperature band. (100) must maintain the internal temperature of the DMFC 101 at the reference band temperature at a reference band temperature suitable for high output of the DMFC 101 without deteriorating the performance of the DMFC 101.
  • the electric cart 100 may control to drive the cooling fan (S530).
  • the first reference temperature may be a temperature that is maintained within a reference temperature band in consideration of a rate of increase in the internal temperature of the DMFC 101 due to the high output of the DMFC 101 when the cooling fan is driven.
  • the first reference temperature may be the highest temperature among the reference temperature bands.
  • the first reference temperature may be 70°C.
  • the electric cart 100 may control to stop the cooling fan (S550).
  • the second reference temperature may be a temperature that is maintained within the reference temperature band when the cooling fan is stopped. That is, the first reference temperature and the second reference temperature may be temperatures capable of maintaining the internal temperature of the DMFC 101 as the reference band temperature.
  • the second reference temperature may be the lowest temperature among the reference temperature bands.
  • the second reference temperature may be 60°C.
  • FIG. 5 a method of maintaining the internal temperature of the DMFC 101 as a reference band temperature using the electric cart 100 as the main body is described, but the data analysis server 300 is based on the internal temperature received from the electric cart 100. By transmitting the cooling fan control signal to the electric cart 100, the internal temperature of the DMFC 101 may be maintained at the reference band temperature.
  • a method of maintaining an appropriate temperature of the internal temperature of the DMFC 101 is not limited thereto, and various methods for maintaining the internal temperature of the DMFC 101 in an appropriate temperature band may be applied.
  • FIG. 6 is a table for specifically explaining the operation of the data analysis server according to an embodiment of the present invention.
  • a table 60 for explaining the operation of the data analysis server according to an embodiment of the present invention includes a cart number 61, an internal temperature 62, an external temperature 63, and the amount of methanol remaining (64). ), the measured power generation amount 65, whether the temperature is normal (66), whether the initial contamination (67), and whether the confirmed contamination (68).
  • the table 60 may include a location (not shown) of an area in which the electric cart 100 is running.
  • the cart number 61 may be an identification number of the electric cart 100. That is, the cart number 61 may be an identification number of the electric cart 100 that transmits the collected data to the data analysis server 300. In this case, the identification number may include a unique identification number, a model, etc. that can identify the electric cart 100.
  • the internal temperature 62 may be the internal temperature of the DMFC 101 applied to the electric cart 100. That is, the internal temperature 62 may be an internal temperature received by the data analysis server 300 from the electric cart 100 in real time.
  • the external temperature 63 may be an external temperature of an environment in which the electric cart 100 is running. That is, the external temperature 63 may be an external temperature received by the data analysis server 300 from the external server 200 in real time.
  • the residual amount of methanol 64 may be the residual amount of methanol, which is the fuel of the DMFC 101 applied to the electric cart 100. That is, the remaining amount of methanol 64 may be the remaining amount of methanol received by the data analysis server 300 from the electric cart 100 in real time.
  • the measured power generation 65 may be an amount of power generated by the DMFC 101 applied to the electric cart 100. That is, the measured power generation amount 65 may be the measured power generation amount received by the data analysis server 300 in real time from the electric cart 100.
  • Whether the temperature is normal 66 may be whether the internal temperature 62 is a normal temperature.
  • the normal temperature may be a reference band temperature suitable for high output without deteriorating the performance of the DMFC 101. That is, whether the temperature is normal 66 may be'normal' when the internal temperature 62 is the reference band temperature, and may be'abnormal' when the internal temperature 62 is not the reference band temperature.
  • the data analysis server 300 is the electric cart 100 to operate the cooling fan of the electric cart 100 when the temperature is normal 66 is'abnormal', that is, when the internal temperature 62 is higher than the reference band temperature. ) Can transmit a control signal. In addition, the data analysis server 300 may transmit a control signal to the electric cart 100 so that the cooling fan of the electric cart 100 stops when the temperature 66 is'normal'.
  • the data analysis server 300 assumes that when the temperature is normal 66 continues to be'abnormal', that is, when the internal temperature 62 does not continue to drop even though the cooling fan is operated, it is assumed to be'normal'. And by calculating the amount of power generation, you can determine whether the air filter is contaminated. In other words, even though the data analysis server 300 transmits a control signal to operate the cooling fan, if the internal temperature 81 does not drop to the reference band temperature for a certain period of time, the internal temperature 62 is higher than the reference band temperature. It is possible to determine whether the air filter is contaminated.
  • the initial contamination 67 may be whether the air filter installed in the DMFC 101 is determined by comparing the power generation amount calculated by the learning model and the measured power generation amount 65. That is, the data analysis server 300 may calculate the amount of power generated by applying the received internal temperature 62, the external temperature 63, and the remaining amount of methanol 64 to the learning model, and the calculated power generation amount and the measured power generation amount 65 It is possible to determine whether the air filter is contaminated by comparing. For example, if the actual measured power generation amount is within the error range of the calculated power generation amount, it may be determined as'non-polluted', and if it is out of the error range, it may be determined as'contaminated'.
  • the data analysis server 300 is generated when the collected internal temperature 62, the external temperature 63, and the residual amount of methanol 64 are the internal temperature, the external temperature, and the residual amount of methanol that are not learned in the learning model. Calculation and air filter contamination determination can be withheld.
  • the confirmed contamination 68 may be whether the actual air filter is contaminated through feedback from the manager terminal 400. That is, the data analysis server 300 may receive the confirmation of contamination that has been fed back by actually checking the initial contamination determination from the manager terminal 400.
  • the data analysis server 300 may update the corresponding learning model. For example, when feedback is received from the manager terminal 400 that the pollution determination of the air filter is not accurate, the error range between the calculated power generation amount and the actual measured power generation amount in the corresponding learning model may be increased or decreased. At this time, the error range can be corrected by using the internal temperature 62, the external temperature 63, the amount of methanol remaining (64), and the measured power generation amount (65), which were determined for the first time as'contamination' from the initial contamination status (67). have.
  • whether or not the confirmed contamination 68 may be determined as the initial contamination 67 if there is no feedback from the manager terminal 400 for a certain period of time. That is, it may be determined that the contamination determination at the initial contamination status 67 is correct.

Landscapes

  • Engineering & Computer Science (AREA)
  • Sustainable Energy (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Chemical & Material Sciences (AREA)
  • General Chemical & Material Sciences (AREA)
  • Electrochemistry (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Manufacturing & Machinery (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Transportation (AREA)
  • Power Engineering (AREA)
  • Combustion & Propulsion (AREA)
  • Fuzzy Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Tourism & Hospitality (AREA)
  • Mathematical Physics (AREA)
  • Automation & Control Theory (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (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)
  • Operations Research (AREA)

Abstract

본 발명은 전동 카트에 적용된 DMFC의 발전 효율 최적화를 위한 운용 관리 시스템 및 방법에 관한 것으로서, 전동 카트에 적용된 DMFC의 발전 효율 최적화를 위한 운용 관리 시스템은, 메탄올을 연료로 이용하여 전력을 공급하는 DMFC를 포함하며, 상기 DMFC의 메탄올 잔량, 발전량, 내부 온도를 실시간으로 측정하는 전동 카트, 상기 전동 카트가 운용 중인 환경의 외부 온도를 제공하는 외부 서버, 및 상기 메탄올 잔량, 측정 발전량, 내부 온도 및 외부 온도를 분석하여 상기 DMFC에 포함된 공기 필터의 오염 여부 판정을 위한 학습 모델을 업데이트하고 저장하며, 상기 학습 모델에 상기 내부 온도, 외부 온도, 메탄올 잔량을 입력하여 발전량을 계산하고, 상기 학습 모델에 의해 계산된 발전량과 상기 측정 발전량을 실시간으로 비교하여 상기 공기 필터의 오염 여부를 판정하는 데이터 분석 서버를 포함할 수 있다.

Description

전동 카트에 적용된 DMFC의 발전 효율 최적화를 위한 운용 관리 시스템 및 방법
본 발명은 전동 카트에 적용된 DMFC의 발전 효율 최적화를 위한 운용 관리 시스템 및 방법에 관한 것으로서, 특히 DMFC에 포함된 공기 필터의 오염 여부 판정이 가능한 전동 카트에 적용된 DMFC의 발전 효율 최적화를 위한 운용 관리 시스템 및 방법에 관한 것이다.
직접 메탄올 연료전지(Direct Methanol Fuel Cell, 이하 DMFC)는 메탄올과 물의 전기화학반응으로 생성되는 수소가 산소와 결합하면서 전기를 생산하는 직접 산화형 연료전지이다. 구체적으로, DMFC의 발전 원리는 메탄올과 물이 공급되면 다공성의 전극을 통과하여 탄소와 백금 등의 촉매로 처리된 연료극(Anode)의 표면에서 전해질과 접하게 된다. 여기서 이산화탄소와 수소 이온이 발생하는 산화 반응이 진행되며, 공기극(Cathode)에서는 전해질을 통해 전달된 수소 이온과 산소가 만나서 물이 만들어지는 과정을 통해 전기가 생산된다. 즉, DMFC의 발전을 위해서는 메탄올, 물, 산소가 필요하다.
촉매, 전해질 및 멤브레인 전극과 같이 DMFC을 구성하는 부품은 DMFC의 성능에 크게 영향을 미치는 요인이나, 이미 DMFC가 제작된 상태에서는 성능 향상 변수가 아닌 상수가 된다. 따라서 이런 부품을 제외하고 DMFC가 운용 중인 상황에서 변수 성격을 가지는 성능 향상 요소는 메탄올 농도, 온도, 산소 압력이 대표적이다.
메탄올 농도는 일정하게 유지되도록 제작하므로, DMFC의 성능 향상을 위한 강력한 변수로는 온도와 산소 압력을 꼽을 수 있다. 온도는 DMFC의 외부 온도(예를 들면, DMFC가 적용된 전동 카트의 주변 환경 온도)와 DMFC의 자체 발열에 의한 온도가 있다. 산소 압력과 관련하여, 산소를 DMFC에 공급할 때 외부 이물질을 막기 위해 공기 필터가 부착되는데 공기 필터의 오염도가 높아져 산소 공급이 원활하지 않으면 DMFC의 발전량을 저하시키는 요인이 된다.
따라서, 골프장 혹은 필드에서 운용하는 전동 카트에 DMFC를 발전기로 장착한 경우, DMFC에 포함된 공기 필터의 오염도와 온도에 따라 발전 출력이 영향을 받게 되므로 DMFC의 내부 온도가 높은 경우 낮추어 주고, 공기 필터의 교체 시점을 도출해주는 기술이 요구된다.
본 발명은 상기와 같은 문제점을 해결하기 위한 것으로서, 전동 카트에 적용된 DMFC의 내부 온도를 적정 온도로 유지할 수 있다.
또한, 본 발명은 전동 카트에 적용된 DMFC의 발전 출력을 모니터링하여 발전 출력의 저하 추이를 분석하여 DMFC에 포함된 공기 필터의 교체 시점을 도출할 수 있다.
상기와 같은 목적을 달성하기 위하여, 본 발명의 일 실시예에 따른 운용 관리 시스템은, 전동 카트에 적용된 DMFC의 발전 효율 최적화를 위한 운용 관리 시스템에 있어서, 메탄올을 연료로 이용하여 전력을 공급하는 DMFC를 포함하며, 상기 DMFC의 메탄올 잔량, 발전량, 내부 온도를 실시간으로 측정하는 전동 카트, 상기 전동 카트가 운용 중인 환경의 외부 온도를 제공하는 외부 서버, 및 상기 메탄올 잔량, 측정 발전량, 내부 온도 및 외부 온도를 분석하여 상기 DMFC에 포함된 공기 필터의 오염 여부 판정을 위한 학습 모델을 업데이트하고 저장하며, 상기 학습 모델에 상기 내부 온도, 외부 온도, 메탄올 잔량을 입력하여 발전량을 계산하고, 상기 학습 모델에 의해 계산된 발전량과 상기 측정 발전량을 실시간으로 비교하여 상기 공기 필터의 오염 여부를 판정하는 데이터 분석 서버를 포함할 수 있다.
일 실시예에서, 상기 전동 카트는, 상기 DMFC의 내부 온도를 상기 DMFC의 성능을 저하시키지 않는 동시에 고출력에 적합한 기준 대역 온도로 유지시킬 수 있다.
일 실시예에서, 상기 공기 필터의 오염 여부 판정에 따라 공기 필터 오염 메시지를 수신하면, 상기 공기 필터의 오염 여부 판정의 정확도 여부를 피드백하는 관리자 단말을 더 포함하고, 상기 데이터 학습 서버는, 상기 관리자 단말의 피드백에 따라 상기 학습 모델을 업데이트할 수 있다.
본 발명의 일 실시예에 따른 전동 카트는, 메탄올을 연료로 이용하여 전력을 공급하는 DMFC를 포함하여 이루어진 전동 카트에 있어서, 연료 탱크 내의 상기 메탄올 잔량을 측정하는 메탄올 잔량 측정부, 상기 메탄올을 이용하여 생산한 발전량 값을 데이터로 산출하는 발전량 산출부, 상기 DMFC의 내부 온도를 측정하는 내부 온도 측정부, 통신망을 통해 데이터 송수신이 가능한 통신부, 상기 DMFC에 부착된 쿨링팬을 구동하는 쿨링팬 구동부, 및 상기 메탄올 잔량, 발전량, 내부 온도를 상기 통신부를 통해 데이터 분석 서버로 전송하도록 제어하고, 상기 DMFC의 내부 온도를 기준 대역 온도로 유지하기 위해 쿨링팬 구동부를 제어하는 제어부를 포함하고, 상기 데이터 분석 서버는, 상기 메탄올 잔량, 측정 발전량, 내부 온도 및 상기 전동 카트가 운용 중인 환경의 외부 온도를 분석하여 상기 DMFC에 포함된 공기 필터의 오염 여부를 판정할 수 있다.
본 발명의 일 실시예에 따른 데이터 분석 서버는, 전동 카트에 적용된 DMFC의 발전 효율 최적화를 위한 데이터 분석 서버에 있어서, 상기 DMFC의 메탄올 잔량, 측정 발전량, 내부 온도 및 상기 전동 카트 운행 환경의 외부 온도를 수집하는 데이터 수집부, 상기 메탄올 잔량, 측정 발전량, 내부 온도 및 외부 온도를 분석하여 상기 DMFC에 포함된 공기 필터의 오염 여부 판정을 위한 학습 모델을 업데이트하고 저장하는 데이터 학습부, 상기 DMFC의 내부 온도를 정상 온도로 유지시키기 위해 전동 카트에 제어 신호를 전송하는 내부 온도 제어부, 상기 학습 모델에 상기 정상 온도인 내부 온도, 상기 외부 온도 및 상기 메탄올 잔량을 입력하여 발전량을 계산하는 발전량 계산부, 및 상기 학습 모델에 의해 계산된 발전량과 상기 측정 발전량을 실시간으로 비교하여 상기 공기 필터의 오염 여부를 판정하는 공기 필터 오염 판정부를 포함할 수 있다.
일 실시예에서, 상기 데이터 학습부는, 상기 수집된 메탄올 잔량, 측정 발전량, 내부 온도 및 외부 온도를 분석하여 상기 DMFC에 포함된 공기 필터의 오염 여부 판정을 위한 학습 모델을 업데이트하는 학습 처리부, 및 상기 발전량이 정상일 때의 상기 내부 온도 대역, 상기 외부 온도 대역, 상기 메탄올 잔량 범위 값, 및 상기 발전량이 비정상일 때의 상기 내부 온도 대역, 상기 외부 온도 대역, 상기 메탄올 잔량 범위 값이 포함된 학습 모델을 저장하는 학습 모델 저장부를 포함할 수 있다.
일 실시예에서, 상기 정상 온도는, 상기 DMFC의 성능을 저하시키지 않는 동시에 고출력에 적합한 기준 대역 온도일 수 있다.
일 실시예에서, 상기 공기 필터 오염 판정부는, 상기 측정 발전량이 상기 계산된 발전량의 오차 범위 이상일 경우에 공기 필터가 오염 상태라고 판정할 수 있다.
본 발명의 일 실시예에 따른 전동 카트에 적용된 DMFC의 발전 효율 최적화를 위한 운용 관리 시스템의 제어 방법은, 데이터 분석 서버에 의해 동작되는 전동 카트에 적용된 DMFC의 발전 효율 최적화를 위한 운용 관리 시스템의 제어 방법에 있어서, 상기 DMFC의 내부 온도, 측정 발전량, 메탄올 잔량에 관한 데이터 및 상기 전동 카트가 운용 중인 환경의 외부 온도를 실시간으로 수집하는 단계, 상기 DMFC의 메탄올 잔량, 측정 발전량, 내부 온도 및 외부 온도를 분석하여 상기 DMFC에 포함된 공기 필터의 오염 여부 판정을 위한 학습 모델을 업데이트하고 저장하는 단계, 상기 DMFC의 내부 온도를 정상 온도로 유지시키기 위해 전동 카트에 제어 신호를 전송하는 단계, 상기 학습 모델에 상기 정상 온도인 내부 온도, 외부 온도, 메탄올 잔량을 입력하여 발전량을 계산하는 단계, 및 상기 학습 모델에 의해 계산된 발전량과 상기 측정 발전량을 실시간으로 비교하여 상기 공기 필터의 오염 여부를 판정하는 단계를 포함할 수 있다.
일 실시예에서, 상기 DMFC의 내부 온도를 정상 온도로 유지시키기 위해 전동 카트에 제어 신호를 전송하는 단계는, 상기 DMFC의 내부 온도가 제1 기준 온도보다 높으면 상기 전동 카트에 포함된 쿨링팬을 구동시키도록 제어하는 단계, 및 상기 DMFC의 내부 온도가 제2 기준 온도보다 낮으면 상기 쿨링팬을 정지시키도록 제어하는 단계를 포함하고, 상기 제1 기준 온도 및 상기 제2 기준 온도는, 상기 내부 온도를 상기 정상 온도로 유지할 수 있는 온도일 수 있다.
일 실시예에서, 상기 공기 필터가 오염되었다고 판정될 경우, 관리자 단말로 공기 필터 오염 메시지를 전송하는 단계, 및 상기 관리자 단말로부터 판정 정확도 여부를 피드백 받아 학습 모델을 업데이트하는 단계를 더 포함할 수 있다.
상기와 같은 본 발명에 따른 전동 카트에 적용된 DMFC의 발전 효율 최적화를 위한 운용 관리 시스템 및 방법은 전동 카트에 적용된 DMFC의 내부 온도를 적정 온도로 유지할 수 있다.
또한, 전동 카트에 적용된 DMFC의 발전 출력을 모니터링하여 발전 출력의 저하 추이를 분석하여 DMFC에 포함된 공기 필터의 교체 시점을 도출하여 공기 필터의 오염으로 인한 DMFC의 발전량 저하를 방지할 수 있다.
도 1은 본 발명의 일 실시예에 따른 전동카트에 적용된 DMFC의 발전 효율 최적화를 위한 운용 관리 시스템을 개략적으로 나타낸 도면이다.
도 2는 본 발명의 일 실시예에 따른 전동 카트의 구성을 나타낸 블록도이다.
도 3은 본 발명의 일 실시예에 따른 데이터 분석 서버의 구성을 나타낸 블록도이다.
도 4는 본 발명의 일 실시예에 따른 전동 카트에 적용된 DMFC의 발전 효율 최적화를 위한 운용 관리 시스템의 제어 방법을 나타낸 흐름도이다.
도 5는 본 발명의 일 실시예에 따른 전동 카트에 적용된 DMFC의 내부 온도를 기준 대역 온도로 유지하는 방법을 나타낸 흐름도이다.
도 6은 본 발명의 일 실시예에 따른 데이터 분석 서버의 동작을 구체적으로 설명하기 위한 표이다.
이하에서 본 발명의 기술적 사상을 명확화하기 위하여 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 상세하게 설명하도록 한다. 본 발명을 설명함에 있어서, 관련된 공지 기능 또는 구성요소에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략할 것이다. 도면들 중 실질적으로 동일한 기능구성을 갖는 구성요소들에 대하여는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 참조번호들 및 부호들을 부여하였다. 설명의 편의를 위하여 필요한 경우에는 장치와 방법을 함께 서술하도록 한다.
도 1은 본 발명의 일 실시예에 따른 전동카트에 적용된 DMFC의 발전 효율 최적화를 위한 운용 관리 시스템을 개략적으로 나타낸 도면이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 운용 관리 시스템(1000)은 전동 카트(100), 외부 서버(200), 및 데이터 분석 서버(300)를 포함할 수 있다. 또한, 운용 관리 시스템(1000)은 관리자 단말(400)을 더 포함할 수 있다.
전동 카트(100)는 골프장 혹은 필드에서 사용자를 태우거나 운송물을 적재하여 이동하는 운송 수단일 수 있으며, 이에 한정되는 것은 아니고 사용자를 태우거나 운송물을 적재하여 이동하는 다양한 운송 수단으로 변경될 수 있다.
전동 카트(100)는 메탄올을 연료로 이용하여 전력을 공급하는 DMFC(101)를 포함하여 이루어질 수 있다. 또한, DMFC(101)는 산소를 DMFC(101)에 공급할 때 외부 이물질을 막기 위해 공기 필터가 부착될 수 있다. 골프장 혹은 필드에서 운용하는 전동 카트에 DMFC(101)를 발전기로 장착한 경우, DMFC(101)에 포함된 공기 필터의 오염도, DMFC(101)의 내부 온도 및 외부 온도에 따라 발전 출력이 영향을 받게 된다.
따라서, 전동 카트(100)는 DMFC(101)에 부착된 쿨링팬을 이용하여 DMFC(101)의 내부 온도를 DMFC(101)의 성능을 저하시키지 않는 동시에 고출력에 적합한 기준 대역 온도로 유지시킬 수 있다.
또한, 전동 카트(100)는 DMFC(101)에 구비된 메탄올 잔량 센서, 발전량 산출 장치, 내부 온도 센서로부터 각각 DMFC(101)의 메탄올 잔량, 측정 발전량, 내부 온도를 측정하여 데이터 분석 서버(300)에 실시간으로 전송할 수 있다.
외부 서버(200)는 전동 카트(100)가 운용 중인 환경의 외부 온도를 제공할 수 있다. DMFC(101)가 적용된 전동 카트(100)가 운용 중인 외부 환경 온도는 기상청 서버로부터 제공받은 전동 카트(100)를 운행하는 지역의 외부 온도일 수 있고 현장에 설치한 온도 센서로부터 측정될 수 있다. 외부 서버(200)에 의해 측정된 외부 온도는 데이터 분석 서버(300)에 실시간으로 전송할 수 있다.
데이터 분석 서버(300)는 전동 카트(100) 및 외부 서버(200)로부터 수집한 DMFC(101)의 메탄올 잔량, 측정 발전량, 내부 온도 및 외부 온도를 분석하여 공기 필터의 오염 여부 판정을 위한 학습 모델을 업데이트 및 저장할 수 있다. 또한, 학습 모델에 메탄올 잔량, 내부 온도 및 외부 온도를 입력하여 발전량을 계산하고, 학습 모델에 의해 계산된 발전량과 실제 측정 발전량을 실시간으로 비교하여 공기 필터의 오염 여부 판정에 따라 관리자 단말(400)에게 공기 필터 오염 메시지를 전송할 수 있다.
따라서, 데이터 분석 서버(300)는 발전 출력을 모니터링하고 발전 출력의 저하 추이를 분석하여 공기 필터의 교체 시점을 도출하여 관리자 단말(400)로 전송할 수 있다.
관리자 단말(400)은 공기 필터의 오염 판정에 따라 공기 필터 오염 메시지를 수신하면, 상기 공기 필터의 오염 여부 판정의 정확도 여부를 피드백할 수 있다. 데이터 분석 서버(300)는 관리자 단말(400)의 피드백에 따라 학습 모델을 업데이트할 수 있다.
도 2는 본 발명의 일 실시예에 따른 전동 카트의 구성을 나타낸 블록도이다.
도 2를 참조하면, 본 발명의 일 실시예에 따른 전동 카트(100)는 메탄올 잔량 측정부(110), 발전량 산출부(120), 내부 온도 측정부(130), 통신부(140), 쿨링팬 구동부(150), 및 제어부(160)를 포함할 수 있다.
메탄올 잔량 측정부(110)는 연료 탱크 내의 메탄올 잔량을 측정할 수 있다. 즉, 메탄올 잔량 측정부(110)는 DMFC(101)의 연료인 메탄올의 잔량이 얼마나 남아있는지 데이터로 측정하는 센서를 통해 메탄올 잔량을 측정할 수 있다.
발전량 산출부(120)는 메탄올을 이용하여 생산한 발전량 값을 데이터로 산출할 수 있다. 발전량 산출부(120)는 DMFC(101)에 포함된 생산 발전량 값을 데이터로 변환하는 장치를 통해 발전량을 측정할 수 있다.
내부 온도 측정부(130)는 DMFC(101)의 내부 온도를 측정할 수 있다. 즉, 내부 온도 측정부(130)는 DMFC(101)의 내부 온도를 측정하기 위해 설치된 온도 센서로부터 내부 온도를 측정할 수 있다.
통신부(140)는 통신망을 통해 데이터를 송수신할 수 있다. 즉, 통신부(140)는 유선 통신 또는 무선 통신을 통하여 외부 기기와 통신할 수 있다. 예로, 통신부(140)는 케이블을 이용하여 연결하는 포트뿐만 아니라, 셀룰러 통신, 근거리 통신, LTE, 5G 및 인터넷망을 통해 제어 단말 장치와 통신을 수행하는 형태, USB(Universal Serial Bus) 통신, 와이파이, 블루투스, 지그비, 적외선(IrDA), UHF 및 VHF와 같은 RF 및 초광대역 통신(UWB) 등의 규격에 따른 통신을 수행할 수 있다.
이 때, 외부 기기는 데이터 분석 서버(300)를 포함할 수 있고, 이에 한정하지 않는다. 즉, 통신부(140)는 메탄올 잔량 측정부(110), 발전량 산출부(120), 내부 온도 측정부(130)로부터 각각 측정된 DMFC(101)의 메탄올 잔량, 측정 발전량, 내부 온도를 실시간으로 데이터 분석 서버(300)로 전송할 수 있다.
일 실시예에 있어서, 통신부(140)는 외부 기기로부터 기준 대역의 온도를 수신할 수 있다. 기준 대역의 온도는 DMFC(101)의 성능을 저하시키지 않는 동시에 DMFC(101)의 고출력에 적합한 DMFC(101)의 내부 온도일 수 있다.
쿨링팬 구동부(150)는 DMFC(101)에 부착된 쿨링팬을 구동할 수 있다. 쿨링팬은 DMFC(101)에 부착되어 제어부(160)의 제어 신호에 따라 DMFC(101)의 내부 온도를 낮추어 줄 수 있다.
제어부(160)는 전동 카트(100)의 전반적인 동작을 제어할 수 있다. 제어부(160)는 DMFC(101)의 메탄올 잔량, 측정 발전량, 내부 온도를 통신부(140)를 통해 데이터 분석 서버(300)로 전송하도록 제어할 수 있다. 즉, 제어부(160)는 측정된 데이터를 데이터 분석 서버(300)에 보내도록 데이터 정제 후에, 통신부(140)를 통해 정제된 데이터를 데이터 분석 서버(300)에 전달할 수 있다. 이에 따라, 데이터 분석 서버(300)는 수집한 메탄올 잔량, 측정 발전량, 내부 온도 및 전동 카트가 운용 중인 환경의 외부 온도를 분석하여 DMFC(101)에 포함된 공기 필터의 오염 여부를 판정할 수 있다.
또한, 제어부(160)는 내부 온도 측정부(130)에 의해 측정된 DMFC(101)의 내부 온도를 기준 대역 온도로 유지하기 위해 쿨링팬 구동부(150)를 제어할 수 있다. 이 때, 제어부(160)는 통신부(140)을 통해 데이터 분석 서버(300)로부터 수신한 쿨링팬 제어 신호에 의해 쿨링팬 구동부(150)를 제어할 수 있다.
일 실시예에서, 제어부(160)는 내부 온도 측정부(130)에 의해 측정된 DMFC(101)의 내부 온도 및 기준 온도 대역에 따라 쿨링팬이 회전하는 속도를 제어할 수 있다. 구체적으로, 제어부(160)는 내부 온도 및 기준 온도 대역의 차이에 따라 쿨링팬이 회전하는 속도를 제어할 수 있다. 예를 들어, 내부 온도 및 기준 온도 대역의 차이가 크면 쿨링팬의 회전 속도를 빠르게 하여 기준 온도 대역에 빨리 도달하도록 제어하고, 내부 온도와 기준 온도 대역의 차이가 작거나, 내부 온도가 기준 온도 대역에 도달하면, 쿨링팬의 회전 속도를 느리게 하거나 정지시킬 수 있다.
도 3은 본 발명의 일 실시예에 따른 데이터 분석 서버의 구성을 나타낸 블록도이다.
도 3을 참조하면, 본 발명의 일 실시예에 따른 데이터 분석 서버(300)는 데이터 수집부(310), 데이터 학습부(320), 내부 온도 제어부(330), 발전량 계산부(340) 및 공기 필터 오염 판정부(350)를 포함할 수 있다. 이 때, 데이터 학습부(320)는 학습 처리부(321) 및 학습 결과 저장부(323)를 포함할 수 있다.
데이터 수집부(310)는 DMFC(101)의 메탄올 잔량, 측정 발전량, 내부 온도 및 전동 카트(100) 운행 환경의 외부 온도를 실시간으로 수집할 수 있다. 즉, 데이터 수집부(310)는 전동 카트(100)로부터 DMFC(101)의 메탄올 잔량, 측정 발전량, 내부 온도를 수집하고, 외부 서버(200)로부터 전동 카트(100) 운행 환경의 외부 온도를 수집할 수 있다.
데이터 수집부(310)는 수집한 데이터를 학습용으로 활용할 수 있도록 데이터 학습부(330)로 전달할 수 있고, 수집한 데이터와 학습된 모델을 통해 DMFC(101)의 공기 필터 오염 여부를 분석하기 위해 내부 온도 제어부(330) 또는 발전량 계산부(340)로 전달할 수 있다.
데이터 학습부(320)는 수집된 메탄올 잔량, 측정 발전량, 내부 온도 및 외부 온도를 분석하여 DMFC(101)에 포함된 공기 필터의 오염 여부 판정을 위한 학습 모델을 업데이트 및 저장할 수 있다. 데이터 학습부(320)는 학습 처리부(321) 및 학습 결과 저장부(323)를 포함할 수 있다.
일 실시예에서, 데이터 학습부(320)는 DMFC(101)의 내부 온도가 정상 온도일 때의 메탄올 잔량, 측정 발전량, 및 외부 온도를 이용하여 공기 필터의 오염 판정을 위한 학습 모델을 업데이트하고 저장할 수 있다. 이 때, 정상 온도는 DMFC(101)의 성능을 저하시키지 않는 동시에 고출력에 적합한 기준 대역 온도일 수 있다.
학습 처리부(321)는 수집된 메탄올 잔량, 측정 발전량, 내부 온도 및 외부 온도를 분석하여 DMFC(101)에 포함된 공기 필터의 오염 여부 판정을 위한 학습 모델을 업데이트할 수 있다. 학습 모델은 메탄올 잔량, 내부 온도 및 외부 온도에 따라 발전량 저하 추이를 분석하여 생성된 공기 필터의 오염 여부 판정을 위한 모델일 수 있다. 학습 처리부(321)는 학습 모델과 실제로 수집되는 데이터들을 비교하여, 그 차이인 분산값을 피드백하여 학습 모델을 업데이트할 수 있다.
또한, 학습 처리부(321)는 학습 모델에 의해 계산되는 발전량과 실제 측정 발전량 사이에 허용되는 오차 범위를 분석할 수 있다. 학습 모델에 의해 계산되는 발전량과 실제 측정 발전량 사이의 오차 범위는 공기 필터가 비오염 상태라고 판정되는 허용범위의 오차일 수 있다.
일 실시예에서, 학습 처리부(321)는 관리자 단말(400)로부터 판정 정확도 여부를 피드백 받아 학습 모델을 업데이트할 수 있다. 예를 들면, 관리자 단말(400)로부터 공기 필터의 오염 판정이 정확하지 않았다고 피드백 받은 경우 즉, 관리자 단말(400)이 필터 오염 메시지를 전송받았지만 실제로는 공기 필터가 비오염 상태인 경우, 해당 학습 모델에서 계산된 발전량과 실제 측정 발전량 사이에 허용되는 오차 범위를 증가 혹은 감소시킬 수 있다.
학습 결과 저장부(323)는 발전량이 정상일 때의 내부 온도 대역, 외부 온도 대역, 메탄올 잔량 범위 값, 및 발전량이 비정상일 때의 내부 온도 대역, 외부 온도 대역, 메탄올 잔량 범위 값이 포함된 학습 모델을 저장할 수 있다. 이러한 학습 모델에 DMFC(101)의 내부 온도, 외부 온도, 메탄올 잔량을 입력하면 공기 필터가 비오염 상태일 때의 정상 발전량이 계산될 수 있다.
또한, 학습 모델에는 학습 모델에 의해 계산되는 발전량과 실제 측정 발전량의 오차 범위가 포함될 수 있다. 즉, 학습 모델에 수집된 데이터를 입력하여 발전량을 계산한다면, 계산된 발전량의 오차 범위 내에 실제 측정 발전량 값이 존재할 경우 공기 필터는 비오염 상태라고 판정될 수 있다. 반면에 실제 측정 발전량 값이 계산된 발전량의 오차 범위 이상일 경우에 공기 필터는 오염 상태라고 판정될 수 있다.
일 실시예에서, 학습 결과 저장부(233)는 전동 카트(100)의 기종별 또는 전동 카트(100)가 운행되는 지역별로 서로 다른 학습 모델을 저장할 수 있다. 기종이 다른 각각의 전동 카트(100)는 성능이 다르기 때문에 같은 내부 온도, 외부 온도, 메탄올 잔량이라 하더라도 측정되는 발전량이 상이할 수 있어 기종별로 학습 모델을 저장할 수 있다.
또한, 학습 결과 저장부(333)는 전동 카트(100)가 운행되는 지역의 지형, 외부 온도 등에 따라 측정 데이터가 상이할 수 있기 때문에 지역별로 학습 모델을 저장할 수 있다. 예를 들면, 전동 카트(100)가 외부 온도가 높은 지역에서 운행될 경우 전동 카트(100)의 쿨링팬을 동작시키더라도 DMFC(101)의 내부 온도가 기준 대역 온도를 유지하기 어렵기 때문에, 학습 모델에 정상 온도 이상인 내부 온도를 입력하여 발전량을 계산할 수 있다. 따라서, 내부 온도가 정상 온도가 아닐 경우, 전동 카트(100)로부터 수신되는 측정 발전량은 불규칙할 수 있기 때문에 정상 온도의 내부 온도를 이용할 때보다 오차 범위를 증가시켜서 학습 모델을 생성할 수 있다.
내부 온도 제어부(330)는 DMFC(101)의 내부 온도를 정상 온도로 유지시키기 위해 전동 카트(100)에 제어 신호를 전송할 수 있다. 이 때, 정상 온도는 DMFC(101)의 성능을 저하시키지 않는 동시에 고출력에 적합한 기준 대역 온도일 수 있다.
내부 온도 제어부(330)는 DMFC(101)의 내부 온도를 정상 온도로 유지시키기 위해 전동 카트(100)에 쿨링팬 제어 신호를 보낼 수 있다. 한 예로, 내부 온도 제어부(320)는 전동 카트(100)로부터 수신한 내부 온도가 정상 온도 이상일 경우, 전동 카트(100)의 쿨링팬이 동작하도록 전동 카트(100)에 제어 신호를 전송할 수 있다. 또한, 내부 온도 제어부(320)는 전동 카트(100)로부터 수신한 내부 온도가 정상 온도가 될 경우, 전동 카트(100)의 쿨링팬이 정지하도록 전동 카트(100)에 제어 신호를 전송할 수 있다. 이 외에 DMFC(101)의 내부 온도를 정상 온도인 기준 대역 온도로 유지하는 방법은 도 5에서 구체적으로 설명하도록 한다.
즉, 데이터 분석 서버(300)는 정상 온도로 유지된 DMFC(101)의 내부 온도를 이용하여 공기 필터의 오염도에 대한 분석을 지속적으로 체크할 수 있다. 이를 통해 공기 필터의 교체 시점 도출에 있어 발전량을 저하시키는 다른 요인은 최대한 배제시켜 공기 필터의 오염도 분석에 집중할 수 있다.
일 실시예에서, 내부 온도 제어부(330)는 전동 카트(100)에 쿨링팬 제어 신호를 전송했지만 내부 온도가 일정 시간 동안 정상 온도가 되지 않을 경우, 해당 내부 온도를 정상 온도로 판단할 수 있다.
발전량 계산부(340)는 정상 온도인 내부 온도, 외부 온도, 메탄올 잔량 데이터를 학습 모델에 입력하고 학습 모델에 따라 발전량을 계산할 수 있다. 이 때 학습 모델에 의해 계산된 발전량은 정상일 때의 발전량 즉, 공기 필터가 오염되지 않았을 경우의 발전량일 수 있다. 따라서, 계산된 발전량과 실제 측정 발전량의 차이가 거의 없을수록 DMFC(101)에 장착된 공기 필터가 비오염 상태라고 판단할 수 있다.
일 실시예에서, 발전량 계산부(340)는 수집된 내부 온도, 외부 온도 및 메탄올 잔량이 학습 모델에서 학습되지 않은 내부 온도, 외부 온도 및 메탄올 잔량일 경우, 발전량 계산 및 공기 필터 오염 판정을 보류할 수 있다.
공기 필터 오염 판정부(350)는 학습 모델에 의해 계산된 발전량과 실제 측정 발전량을 실시간으로 비교하여 공기 필터의 오염 여부를 판정할 수 있다. 공기 필터 오염 판정부(350)는 학습 모델 저장부(323)에 저장된 학습 모델에 의한 계산된 발전량과 데이터 수집부(310)에서 전달받은 실제 측정 발전량을 실시간으로 비교하여 DMFC(101)에 포함된 공기 필터의 오염 여부를 판정할 수 있다.
일 실시예에서, 공기 필터 오염 판정부(350)는 실제 측정 발전량 값이 계산된 발전량의 오차 범위 이상일 경우에 공기 필터가 오염 상태라고 판정할 수 있다. 즉, 공기 필터 오염 판정부(350)는 실제 측정 발전량이 계산된 발전량의 오차 범위 이내인 경우는 비오염, 오차 범위를 벗어나는 경우에는 오염으로 판정할 수 있다. 예를 들면, 학습 모델의 오차범위가 ±10Wh, 계산된 발전량이 200Wh일 경우, 실제 측정 발전량이 190~210Wh 사이일 때 공기 필터가 비오염 상태라고 판단할 수 있고 이 범위를 벗어나면 공기 필터가 오염 상태라고 판단할 수 있다.
공기 필터 오염 판정부(350)는 공기 필터가 오염되었다고 판정될 경우, 관리자 단말(400)로 SMS 또는 SNS를 통해 공기 필터 오염 메시지를 전송할 수 있다. 일 실시예에서, 학습 처리부(331)는 관리자 단말(400)로부터 판정 정확도 여부를 피드백 받아 학습 모델을 업데이트할 수 있다.
도 4는 본 발명의 일 실시예에 따른 전동 카트에 적용된 DMFC의 발전 효율 최적화를 위한 운용 관리 시스템의 제어 방법을 나타낸 흐름도이다.
도 4를 참조하면, 데이터 분석 서버(300)는 전동 카트(100)에 적용된 DMFC(101)의 메탄올 잔량, 측정 발전량, 내부 온도에 관한 데이터 및 전동 카트(100)가 운용 중인 환경의 외부 온도를 실시간으로 수집할 수 있다(S410).
즉, 데이터 분석 서버(300)는 전동 카트(100)로부터 전동 카트(100)에 적용된 DMFC(101)의 메탄올 잔량, 측정 발전량, 내부 온도를 실시간으로 수집하고, 외부 서버(200)로부터 전동 카트(100)가 운용 중인 환경의 외부 온도를 실시간으로 수집할 수 있다.
데이터 분석 서버(300)는 DMFC(101)의 메탄올 잔량, 측정 발전량, 내부 온도 및 외부 온도를 분석하여 DMFC(101)에 포함된 공기 필터의 오염 여부 판정을 위한 학습 모델을 업데이트하고 저장할 수 있다(S420).
데이터 분석 서버(300)는 DMFC(101)의 내부 온도를 정상 온도로 유지시키기 위해 전동 카트(100)에 제어 신호를 전송할 수 있다. 이 때, 정상 온도는 DMFC(101)의 성능을 저하시키지 않는 동시에 고출력에 적합한 기준 대역 온도일 수 있다.
구체적으로, 데이터 분석 서버(300)는 DMFC(101)의 내부 온도가 정상 온도가 아닐 경우(S430), 전동 카트(100)의 쿨링팬이 동작하도록 전동 카트(100)에 제어 신호를 전송할 수 있다(S431). 이 때, 데이터 분석 서버(300)는 DMFC(101)의 내부 온도가 정상 온도가 될 경우, 전동 카트(100)의 쿨링팬이 정지하도록 전동 카트(100)에 제어 신호를 전송할 수 있다.
데이터 분석 서버(300)는 전동 카트(100)에 쿨링팬이 동작하도록 제어 신호를 전송했지만 내부 온도가 일정 시간 이상 동안 정상 온도가 되지 않을 경우(S433), 내부 온도 제어가 더 이상 어렵다고 판단하거나 해당 내부 온도를 정상 온도라고 판단하여 현재 상태의 데이터로 발전량을 계산할 수 있다(S440).
데이터 분석 서버(300)는 DMFC(101)의 내부 온도가 정상 온도일 경우(S430), 학습 모델에 정상 온도인 내부 온도, 외부 온도, 메탄올 잔량을 입력하여 발전량을 계산할 수 있다(S440).
데이터 분석 서버(300)는 학습 모델에 의해 계산된 발전량과 실제 측정 발전량을 실시간으로 비교하여 공기 필터의 오염 여부를 판정할 수 있다(S450). 예를 들면, 실제 측정 발전량이 계산된 발전량의 오차 범위 이내인 경우는 비오염, 오차 범위를 벗어나는 경우에는 오염으로 판정할 수 있다.
데이터 분석 서버(300)는 공기 필터가 오염이라고 판정된 경우, 관리자 단말(400)로 SMS 또는 SNS를 통해 공기 필터 오염 메시지를 전송할 수 있다(S460). 일 실시예에서, 데이터 분석 서버(300)는 관리자 단말(400)로부터 판정 정확도 여부를 피드백 받아 학습 모델을 업데이트할 수 있다.
도 5는 본 발명의 일 실시예에 따른 전동 카트에 적용된 DMFC의 내부 온도를 기준 대역 온도로 유지하는 방법을 나타낸 흐름도이다.
도 5를 참조하면, 전동 카트(100)는 DMFC(101)의 내부 온도를 실시간으로 측정할 수 있다(S510). 전동 카트(100)는 DMFC(101)의 내부 온도를 DMFC(101)의 성능을 저하시키지 않는 동시에 DMFC(101)의 고출력에 적합한 기준 대역 온도로 유지시킬 수 있다. 예를 들면, 적합한 기준 대역 온도는 60℃~70℃일 수 있다.
전동 카트(100)는 측정된 DMFC(101)의 내부 온도가 DMFC(101)의 고출력에 적합한 온도 대역이 아닌 경우, 특히 기준 온도 대역보다 높은 온도로 인해 출력 저하 상태가 될 수 있기 때문에, 전동 카트(100)는 DMFC(101)의 내부 온도를 DMFC(101)의 성능을 저하시키지 않는 동시에 DMFC(101)의 고출력에 적합한 기준 대역 온도로 기준 대역 온도로 유지시켜야 한다.
전동 카트(100)는 DMFC(101)의 내부 온도가 제1 기준 온도보다 높으면(S520), 쿨링팬을 구동시키도록 제어할 수 있다(S530). 제1 기준 온도는 쿨링팬을 구동시켰을 때 DMFC(101)의 고출력으로 인한 DMFC(101)의 내부 온도 상승률을 고려하여 기준 온도 대역 안에 유지되도록 하는 온도일 수 있다.
일 실시예에서, 제1 기준 온도는 기준 온도 대역 중에 가장 높은 온도일 수 있다. 예를 들면, 기준 온도 대역이 60℃~70℃일 경우, 제1 기준 온도는 70℃ 일 수 있다.
전동 카트(100)는 DMFC(101)의 내부 온도가 제2 기준 온도보다 낮으면(S540), 쿨링팬을 정지시키도록 제어할 수 있다(S550). 제2 기준 온도는 쿨링팬을 정지시켰을 때 기준 온도 대역 안에 유지되도록 하는 온도일 수 있다. 즉, 제1 기준 온도 및 제2 기준 온도는, DMFC(101)의 내부 온도를 기준 대역 온도로 유지할 수 있는 온도일 수 있다.
일 실시예에서, 제2 기준 온도는 기준 온도 대역 중에 가장 낮은 온도일 수 있다. 예를 들면, 기준 온도 대역이 60℃~70℃일 경우, 제2 기준 온도는 60℃ 일 수 있다.
이와 같이 DMFC(101)의 내부 온도를 기준 대역 온도로 유지시킴으로써, 공기 필터의 교체 시점 도출에 있어 발전량을 저하시키는 다른 요인은 최대한 배제시켜 공기 필터의 오염도 분석에 집중할 수 있다.
도 5에서는 전동 카트(100)를 주체로 하여 DMFC(101)의 내부 온도를 기준 대역 온도로 유지하는 방법을 설명했지만, 데이터 분석 서버(300)가 전동 카트(100)로부터 수신되는 내부 온도에 따라 쿨링팬 제어 신호를 전동 카트(100)에 전송함으로써 DMFC(101)의 내부 온도가 기준 대역 온도로 유지될 수도 있다.
DMFC(101)의 내부 온도의 적정 온도 유지 방법은 이에 한정되는 것이 아니라, DMFC(101)의 내부 온도를 적정 온도 대역으로 유지할 수 있는 다양한 방법이 적용될 수 있다.
도 6은 본 발명의 일 실시예에 따른 데이터 분석 서버의 동작을 구체적으로 설명하기 위한 표이다.
도 6을 참조하면, 본 발명의 일 실시예에 따른 데이터 분석 서버의 동작을 설명하기 위한 표(60)는 카트 번호(61), 내부 온도(62), 외부 온도(63), 메탄올 잔량(64), 측정 발전량(65), 온도 정상 여부(66), 최초 오염 여부(67), 확정 오염 여부(68)를 포함할 수 있다. 일 실시예에서, 표(60)에는 전동 카트(100)가 운행중인 지역의 위치(미도시)를 포함할 수 있다.
카트 번호(61)는 전동 카트(100)의 식별 번호일 수 있다. 즉, 카트 번호(61)는 데이터 분석 서버(300)로 수집 데이터를 전송하는 전동 카트(100)의 식별 번호일 수 있다. 이 때, 식별 번호에는 전동 카트(100)를 식별할 수 있는 고유 식별 번호, 기종 등이 포함될 수 있다.
내부 온도(62)는 전동 카트(100)에 적용된 DMFC(101)의 내부 온도일 수 있다. 즉, 내부 온도(62)는 데이터 분석 서버(300)가 전동 카트(100)로부터 실시간으로 수신한 내부 온도일 수 있다.
외부 온도(63)는 전동 카트(100)가 운행중인 환경의 외부 온도일 수 있다. 즉, 외부 온도(63)는 데이터 분석 서버(300)가 외부 서버(200)로부터 실시간으로 수신한 외부 온도일 수 있다.
메탄올 잔량(64)은 전동 카트(100)에 적용된 DMFC(101)의 연료인 메탄올 잔량일 수 있다. 즉, 메탄올 잔량(64)은 데이터 분석 서버(300)가 전동 카트(100)로부터 실시간으로 수신한 메탄올 잔량일 수 있다
측정 발전량(65)은 전동 카트(100)에 적용된 DMFC(101)가 생산한 발전량일 수 있다. 즉, 측정 발전량(65)은 데이터 분석 서버(300)가 전동 카트(100)로부터 실시간으로 수신한 측정 발전량일 수 있다
온도 정상 여부(66)는 내부 온도(62)의 정상 온도 여부일 수 있다. 이 때, 정상 온도는 DMFC(101)의 성능을 저하시키지 않는 동시에 고출력에 적합한 기준 대역 온도일 수 있다. 즉, 온도 정상 여부(66)는 내부 온도(62)가 기준 대역 온도일 때 '정상'이고, 내부 온도(62)가 기준 대역 온도가 아닐 때 '비정상'일 수 있다.
특히, 데이터 분석 서버(300)는 온도 정상 여부(66)가 '비정상'일 때, 즉, 내부 온도(62)가 기준 대역 온도 이상일 때 전동 카트(100)의 쿨링팬이 동작하도록 전동 카트(100)에 제어 신호를 전송할 수 있다. 또한, 데이터 분석 서버(300)는 온도 정상 여부(66)가 '정상'이 되면, 전동 카트(100)의 쿨링팬이 정지하도록 전동 카트(100)에 제어 신호를 전송할 수 있다.
일 실시예에서, 데이터 분석 서버(300)는 온도 정상 여부(66)가 계속 '비정상'일 때, 즉, 쿨링팬을 동작시켰음에도 내부 온도(62)가 계속 떨어지지 않는 경우, '정상'으로 가정하고 발전량을 계산하여 공기 필터 오염 여부를 판정할 수 있다. 다시 말해, 데이터 분석 서버(300)는 쿨링팬이 동작하도록 제어 신호를 전송했음에도 내부 온도(81)가 일정 시간동안 기준 대역 온도로 떨어지지 않는 경우, 기준 대역 온도보다 높은 내부 온도(62)를 이용하여 공기 필터 오염 여부를 판정할 수 있다.
최초 오염 여부(67)는 학습 모델에 의해 계산된 발전량과 측정 발전량(65)을 비교하여 판정한 DMFC(101)에 장착된 공기 필터의 오염 여부일 수 있다. 즉, 데이터 분석 서버(300)는 수신한 내부 온도(62), 외부 온도(63), 메탄올 잔량(64)을 학습 모델에 적용하여 발전량을 계산할 수 있으며, 이 계산된 발전량과 측정 발전량(65)을 비교하여 공기 필터의 오염 여부를 판정할 수 있다. 예를 들면, 실제 측정 발전량이 계산된 발전량의 오차 범위 이내인 경우는 '비오염', 오차 범위를 벗어나는 경우에는 '오염'으로 판정할 수 있다.
일 실시예에서, 데이터 분석 서버(300)는 수집된 내부 온도(62), 외부 온도(63) 및 메탄올 잔량(64)이 학습 모델에서 학습되지 않은 내부 온도, 외부 온도, 메탄올 잔량 값일 경우, 발전량 계산 및 공기 필터 오염 판정을 보류할 수 있다.
확정 오염 여부(68)는 관리자 단말(400)의 피드백을 통한 실제 공기 필터의 오염 여부일 수 있다. 즉, 데이터 분석 서버(300)는 관리자 단말(400)로부터 최초 오염 판정에 대해 실제로 확인하여 피드백한 확정 오염 여부를 수신할 수 있다.
일 실시예에서, 확정 오염 여부(67)와 최초 오염 여부(66)가 다를 경우, 데이터 분석 서버(300)는 해당 학습 모델을 업데이트할 수 있다. 예를 들면, 관리자 단말(400)로부터 공기 필터의 오염 판정이 정확하지 않았다고 피드백 받은 경우, 해당 학습 모델에서 계산된 발전량과 실제 측정 발전량의 오차 범위를 증가 혹은 감소시킬 수 있다. 이 때, 최초 오염 여부(67)에서 처음으로 '오염' 판정을 한 내부 온도(62), 외부 온도(63), 메탄올 잔량(64), 측정 발전량(65)을 이용하여 오차 범위를 보정할 수 있다.
일 실시예에서, 확정 오염 여부(68)는 일정 기간동안 관리자 단말(400)로부터 피드백이 없으면 최초 오염 여부(67)로 확정될 수 있다. 즉, 최초 오염 여부(67)에서의 오염 판정이 정확한 것으로 판단될 수 있다.
지금까지 본 발명에 대하여 도면에 도시된 바람직한 실시예들을 중심으로 상세히 살펴보았다. 이러한 실시예들은 이 발명을 한정하려는 것이 아니라 예시적인 것에 불과하며, 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 진정한 기술적 보호범위는 전술한 설명이 아니라 첨부된 특허청구범위의 기술적 사상에 의해서 정해져야 할 것이다. 비록 본 명세서에 특정한 용어들이 사용되었으나 이는 단지 본 발명의 개념을 설명하기 위한 목적에서 사용된 것이지 의미한정이나 특허청구범위에 기재된 본 발명의 범위를 제한하기 위하여 사용된 것은 아니다. 본 발명의 각 단계는 반드시 기재된 순서대로 수행되어야 할 필요는 없고, 병렬적, 선택적 또는 개별적으로 수행될 수 있다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 특허청구범위에서 청구하는 본 발명의 본질적인 기술사상에서 벗어나지 않는 범위에서 다양한 변형 형태 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다. 균등물은 현재 공지된 균등물뿐만 아니라 장래에 개발될 균등물 즉 구조와 무관하게 동일한 기능을 수행하도록 발명된 모든 구성요소를 포함하는 것으로 이해되어야 한다.

Claims (11)

  1. 전동 카트에 적용된 DMFC의 발전 효율 최적화를 위한 운용 관리 시스템에 있어서,
    메탄올을 연료로 이용하여 전력을 공급하는 DMFC를 포함하며, 상기 DMFC의 메탄올 잔량, 측정 발전량, 내부 온도를 실시간으로 측정하는 전동 카트;
    상기 전동 카트가 운용 중인 환경의 외부 온도를 제공하는 외부 서버; 및
    상기 메탄올 잔량, 측정 발전량, 내부 온도 및 외부 온도를 분석하여 상기 DMFC에 포함된 공기 필터의 오염 여부 판정을 위한 학습 모델을 업데이트하고 저장하며, 상기 학습 모델에 상기 내부 온도, 외부 온도, 메탄올 잔량을 입력하여 발전량을 계산하고, 상기 학습 모델에 의해 계산된 발전량과 상기 측정 발전량을 실시간으로 비교하여 상기 공기 필터의 오염 여부를 판정하는 데이터 분석 서버를 포함하는 운용 관리 시스템.
  2. 제1항에 있어서,
    상기 전동 카트는,
    상기 DMFC의 내부 온도를 상기 DMFC의 성능을 저하시키지 않는 동시에 고출력에 적합한 기준 대역 온도로 유지시키는 것을 특징으로 하는 운용 관리 시스템.
  3. 제1항에 있어서,
    상기 공기 필터의 오염 여부 판정에 따라 공기 필터 오염 메시지를 수신하면, 상기 공기 필터의 오염 여부 판정의 정확도 여부를 피드백하는 관리자 단말을 더 포함하고,
    상기 데이터 학습 서버는,
    상기 관리자 단말의 피드백에 따라 상기 학습 모델을 업데이트하는 것을 특징으로 하는 운용 관리 시스템.
  4. 메탄올을 연료로 이용하여 전력을 공급하는 DMFC를 포함하여 이루어진 전동 카트에 있어서,
    연료 탱크 내의 상기 메탄올 잔량을 측정하는 메탄올 잔량 측정부;
    상기 메탄올을 이용하여 생산한 발전량 값을 데이터로 산출하는 발전량 산출부;
    상기 DMFC의 내부 온도를 측정하는 내부 온도 측정부;
    통신망을 통해 데이터 송수신이 가능한 통신부;
    상기 DMFC에 부착된 쿨링팬을 구동하는 쿨링팬 구동부; 및
    상기 메탄올 잔량, 측정 발전량, 내부 온도를 상기 통신부를 통해 데이터 분석 서버로 전송하도록 제어하고, 상기 DMFC의 내부 온도를 기준 대역 온도로 유지하기 위해 쿨링팬 구동부를 제어하는 제어부를 포함하고,
    상기 데이터 분석 서버는,
    상기 메탄올 잔량, 측정 발전량, 내부 온도 및 상기 전동 카트가 운용 중인 환경의 외부 온도를 분석하여 상기 DMFC에 포함된 공기 필터의 오염 여부를 판정하는 것을 특징으로 하는 전동 카트.
  5. 전동 카트에 적용된 DMFC의 발전 효율 최적화를 위한 데이터 분석 서버에 있어서,
    상기 DMFC의 메탄올 잔량, 측정 발전량, 내부 온도 및 상기 전동 카트 운행 환경의 외부 온도를 수집하는 데이터 수집부;
    상기 메탄올 잔량, 측정 발전량, 내부 온도 및 외부 온도를 분석하여 상기 DMFC에 포함된 공기 필터의 오염 여부 판정을 위한 학습 모델을 업데이트하고 저장하는 데이터 학습부;
    상기 DMFC의 내부 온도를 정상 온도로 유지시키기 위해 전동 카트에 제어 신호를 전송하는 내부 온도 제어부;
    상기 학습 모델에 상기 정상 온도인 내부 온도, 상기 외부 온도 및 상기 메탄올 잔량을 입력하여 발전량을 계산하는 발전량 계산부; 및
    상기 학습 모델에 의해 계산된 발전량과 상기 측정 발전량을 실시간으로 비교하여 상기 공기 필터의 오염 여부를 판정하는 공기 필터 오염 판정부를 포함하는 데이터 분석 서버.
  6. 제5항에 있어서,
    상기 데이터 학습부는,
    상기 수집된 메탄올 잔량, 측정 발전량, 내부 온도 및 외부 온도를 분석하여 상기 DMFC에 포함된 공기 필터의 오염 여부 판정을 위한 학습 모델을 업데이트하는 학습 처리부; 및
    상기 발전량이 정상일 때의 상기 내부 온도 대역, 상기 외부 온도 대역, 상기 메탄올 잔량 범위 값, 및 상기 발전량이 비정상일 때의 상기 내부 온도 대역, 상기 외부 온도 대역, 상기 메탄올 잔량 범위 값이 포함된 학습 모델을 저장하는 학습 모델 저장부를 포함하는 것을 특징으로 하는 데이터 분석 서버.
  7. 제5항에 있어서,
    상기 정상 온도는,
    상기 DMFC의 성능을 저하시키지 않는 동시에 고출력에 적합한 기준 대역 온도인 것을 특징으로 하는 데이터 분석 서버.
  8. 제5항에 있어서,
    상기 공기 필터 오염 판정부는,
    상기 측정 발전량이 상기 계산된 발전량의 오차 범위 이상일 경우에 공기 필터가 오염 상태라고 판정하는 것을 특징으로 하는 데이터 분석 서버.
  9. 데이터 분석 서버에 의해 동작되는 전동 카트에 적용된 DMFC의 발전 효율 최적화를 위한 운용 관리 시스템의 제어 방법에 있어서,
    상기 DMFC의 내부 온도, 측정 발전량, 메탄올 잔량에 관한 데이터 및 상기 전동 카트가 운용 중인 환경의 외부 온도를 실시간으로 수집하는 단계;
    상기 DMFC의 메탄올 잔량, 측정 발전량, 내부 온도 및 외부 온도를 분석하여 상기 DMFC에 포함된 공기 필터의 오염 여부 판정을 위한 학습 모델을 업데이트하고 저장하는 단계;
    상기 DMFC의 내부 온도를 정상 온도로 유지시키기 위해 전동 카트에 제어 신호를 전송하는 단계;
    상기 학습 모델에 상기 정상 온도인 내부 온도, 외부 온도, 메탄올 잔량을 입력하여 발전량을 계산하는 단계; 및
    상기 학습 모델에 의해 계산된 발전량과 상기 측정 발전량을 실시간으로 비교하여 상기 공기 필터의 오염 여부를 판정하는 단계를 포함하는 전동 카트에 적용된 DMFC의 발전 효율 최적화를 위한 운용 관리 시스템의 제어 방법.
  10. 제9항에 있어서,
    상기 DMFC의 내부 온도를 정상 온도로 유지시키기 위해 전동 카트에 제어 신호를 전송하는 단계는,
    상기 DMFC의 내부 온도가 제1 기준 온도보다 높으면 상기 전동 카트에 포함된 쿨링팬을 구동시키도록 제어하는 단계; 및
    상기 DMFC의 내부 온도가 제2 기준 온도보다 낮으면 상기 쿨링팬을 정지시키도록 제어하는 단계를 포함하고,
    상기 제1 기준 온도 및 상기 제2 기준 온도는,
    상기 내부 온도를 상기 정상 온도로 유지할 수 있는 온도인 것을 특징으로 하는 전동 카트에 적용된 DMFC의 발전 효율 최적화를 위한 운용 관리 시스템의 제어 방법.
  11. 제9항에 있어서,
    상기 공기 필터가 오염되었다고 판정될 경우, 관리자 단말로 공기 필터 오염 메시지를 전송하는 단계; 및
    상기 관리자 단말로부터 판정 정확도 여부를 피드백 받아 학습 모델을 업데이트하는 단계를 더 포함하는 것을 특징으로 하는 전동 카트에 적용된 DMFC의 발전 효율 최적화를 위한 운용 관리 시스템의 제어 방법.
PCT/KR2020/000438 2019-11-08 2020-01-10 전동 카트에 적용된 dmfc의 발전 효율 최적화를 위한 운용 관리 시스템 및 방법 WO2021091019A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020190142196A KR102116951B1 (ko) 2019-11-08 2019-11-08 전동 카트에 적용된 dmfc의 발전 효율 최적화를 위한 운용 관리 시스템 및 방법
KR10-2019-0142196 2019-11-08

Publications (1)

Publication Number Publication Date
WO2021091019A1 true WO2021091019A1 (ko) 2021-05-14

Family

ID=71083134

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2020/000438 WO2021091019A1 (ko) 2019-11-08 2020-01-10 전동 카트에 적용된 dmfc의 발전 효율 최적화를 위한 운용 관리 시스템 및 방법

Country Status (2)

Country Link
KR (1) KR102116951B1 (ko)
WO (1) WO2021091019A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116111147A (zh) * 2023-04-13 2023-05-12 北京新研创能科技有限公司 一种用于氢燃料电池的温度管理方法及系统

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102190968B1 (ko) * 2020-06-16 2020-12-14 주식회사 아이온커뮤니케이션즈 Dmfc로 동작하는 이동 로봇들의 작업 수행 최적화를 위한 운용 관리 시스템 및 방법
DE102022123003A1 (de) * 2022-09-09 2024-03-14 Bayerische Motoren Werke Aktiengesellschaft Fortbewegungsmittel und Verfahren zur Ermittlung eines Zustandes eines Luftfilters eines Brennstoffzellensystems
KR102627893B1 (ko) * 2023-08-31 2024-01-19 주식회사 스마트파워 배전반, 분전반, 전기제어반, 에너지저장장치, 통신기기함, 또는 태양광접속함의 필터 오염측정센서

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003132928A (ja) * 2001-10-26 2003-05-09 Daikin Ind Ltd 燃料電池システム
JP2006059673A (ja) * 2004-08-20 2006-03-02 Victor Co Of Japan Ltd 燃料電池駆動装置
JP2010176946A (ja) * 2009-01-28 2010-08-12 Kyocera Corp 燃料電池装置
KR20110062111A (ko) * 2009-12-02 2011-06-10 현대자동차주식회사 연료전지차량의 공기필터교환주기 알림방법
JP2017182916A (ja) * 2016-03-28 2017-10-05 ブラザー工業株式会社 燃料電池、推定方法及びコンピュータプログラム

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100957364B1 (ko) 2007-12-05 2010-05-12 현대자동차주식회사 캐소드 공기 공급계의 이상현상 진단방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003132928A (ja) * 2001-10-26 2003-05-09 Daikin Ind Ltd 燃料電池システム
JP2006059673A (ja) * 2004-08-20 2006-03-02 Victor Co Of Japan Ltd 燃料電池駆動装置
JP2010176946A (ja) * 2009-01-28 2010-08-12 Kyocera Corp 燃料電池装置
KR20110062111A (ko) * 2009-12-02 2011-06-10 현대자동차주식회사 연료전지차량의 공기필터교환주기 알림방법
JP2017182916A (ja) * 2016-03-28 2017-10-05 ブラザー工業株式会社 燃料電池、推定方法及びコンピュータプログラム

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116111147A (zh) * 2023-04-13 2023-05-12 北京新研创能科技有限公司 一种用于氢燃料电池的温度管理方法及系统
CN116111147B (zh) * 2023-04-13 2023-06-30 北京新研创能科技有限公司 一种用于氢燃料电池的温度管理方法及系统

Also Published As

Publication number Publication date
KR102116951B1 (ko) 2020-06-01

Similar Documents

Publication Publication Date Title
WO2021091019A1 (ko) 전동 카트에 적용된 dmfc의 발전 효율 최적화를 위한 운용 관리 시스템 및 방법
CN201029103Y (zh) 一种蓄电池组在线监测维护系统
WO2014065614A1 (ko) 배터리 잔존 용량 추정 장치 및 방법
WO2010137775A1 (ko) 개방형 연료전지 시스템
WO2021049753A1 (ko) 배터리 진단 장치 및 방법
CN202501870U (zh) Pem燃料电池综合测试分析仪
WO2010137774A1 (ko) 밀폐형 연료전지 시스템
WO2022092621A1 (ko) 배터리 진단 장치 및 방법
WO2020122419A1 (ko) 연료전지 제어 시스템
WO2019103412A1 (ko) 배터리 장치 및 배터리 온도 조절방법
WO2021107323A1 (ko) 배터리 셀 이상 퇴화 진단 장치 및 방법
WO2019146848A1 (ko) 딥러닝 기법을 활용한 매립가스 및 바이오가스 발전소 최적 제어 시스템
CN103872353A (zh) 燃料电池失效的预防装置与方法
WO2019182172A1 (ko) 원격 검침 시스템, 검침 단말기 및 이를 이용하는 도전 감지 방법
KR20180078482A (ko) 중계기용 배터리 관리 시스템
WO2023177137A1 (ko) 배터리 팩, 그 관리 장치 및 방법
CN211605342U (zh) 一种基站退役电池智能管理系统
CN108599377A (zh) 一种230m电力负控通信基站的监测方法
WO2014084631A1 (ko) 배터리 모듈의 셀 밸런싱 장치 및 그 방법
JP7326481B2 (ja) サイクリックボルタンメトリー測定を用いて燃料電池を検査するための方法およびシステム
WO2017116028A1 (ko) 센서 제어 시스템 및 방법
JP2022127458A (ja) 電池情報収集装置及び電池監視システム
CN207663031U (zh) 一种蓄电池的故障实时诊断系统
CN113178925B (zh) 用于通信基站铅酸电池的智能供电状态检测方法及系统
WO2021153923A1 (ko) 공통 모드 전압 모니터링 장치 및 모니터링 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: 20883979

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 20883979

Country of ref document: EP

Kind code of ref document: A1