연구진은 전기차(EV)가 새로운 미시청 데이터 분포에 대해 사전 학습된 배터리 전력 예측 모델을 지속적으로 적응시킬 수 있는 단말 내 학습 방법을 도입했습니다. 이 접근 방식은 초기 훈련에서 중요한 하이퍼파라미터 지식을 유지하면서 리소스가 제한된 시스템에서 지속적인 업데이트를 가능하게 하는 적응 가능한 버전으로 기존 모델을 변환합니다.

  • 본 연구는 EV용 온라인 및 오프라인 모델 적응 전략을 모두 조사했습니다.
  • 온라인 적응 기법은 최대 7.49%의 평균 절대 오차 감소를 달성했습니다.
  • 오프라인 적응 기법은 최대 14.88%의 평균 절대 오차 감소를 달성했습니다.
  • 결과는 다양한 모델과 시간 범위 전반에 걸쳐 예측 성능의 상당한 개선을 보여줍니다.

본 연구는 현실 세계의 EV 시나리오에서 비적응 모델 배포와 비교하여 향상된 배터리 전력 예측을 가져오는 단말 내 적응의 실질적인 이점을 강조합니다.