김찬호
(Chan-Ho Kim)
1iD
김태동
(Tae-Dong Kim)
1iD
손성재
(Seong-Jae Son)
1iD
정길성
(Gil-Sung Jung)
1iD
이승엽
(SeungYeop Lee)
†iD
-
(Green Energy System Research Center, Gwangju Reginal Division, Korea Automotive Technology
Institute(KATECH), South Korea.)
Copyright © The Korea Institute for Structural Maintenance and Inspection
Key words
Baseline Correction, Battery, Energy Management System, Electric Tractor, Hydrogen Fuel Cell, Super Capacitor
1. 서 론
농업용 트랙터는 다양한 농기계 작업기를 장착하고 주행 또는 정지 상태에서 작업을 수행하는 농업기계로 현대의 자동차에 비해 상대적으로 저속에서 높은
견인력을 전달하도록 설계된 일종의 차량이다. 일반적으로 트랙터는 트랙터의 후단에 쟁기나 트레일러 등을 장착하여 견인하거나 동력 인출 장치(Power
Take Off)를 이용하여 기계화된 작업기에 엔진의 출력을 전달할 수 있다. 이러한 기계화된 작업기는 PTO에서 추출한 동력으로 경운날을 회전시켜
토양을 경운 쇄토할 수 있다.
국내 농업용 트랙터의 보유대수는 점진적으로 감소하고 있는 추세인 반면에 트랙터의 대형화로 인하여 100마력 이상급 시장규모는 지속적으로 증가하고 있다.
특히, 국외에서는 넓은 재배면적과 기술력을 바탕으로 트랙터의 대형화를 통해 농업생산성 향상에 기여하도록 하고 있다. 이러한 트랙터는 농업분야에서 다양한
작업기를 활용할 수 있는 장점으로 인하여 그 활용성이 높으며, 국내·외 수요와 대형화 추세를 고려할 때 대형 마력대의 트랙터의 개발이 필요한 실정이다.
농업용 트랙터는 일반적으로 디젤엔진을 사용하는 대표적인 비도로 이동오염원으로 등록대수 대비 대기오염 기여도가 매우 높은 편에 속한다. 따라서 국내에서는
트랙터를 대상으로 농업기계 배출 가스 인증 의무화를 시행 중에 있으며, 농업기계에 대한 배출허용 기준 규제를 도입하는 등의 노력을 기울이고 있다.
이러한 노력과 신에너지 자동차 기술의 급속한 발전으로 전기 및 수소에너지 기반의 첨단농기계 개발이 활발히 이루어지고 있다[1]. 대표적 친환경 동력전달시스템은 전기모터를 활용하는 전기구동 시스템으로 에너지 공급 주체에 따라 고전압 배터리 시스템과 수소연료전지 시스템으로 구분된다.
배터리 구동 시스템은 비교적 구성이 간단하고 저부하 작업을 수행하는 소형 농업기계에 적용되는 것이 유리한 반면에 고부하작업이 필요한 대형 트랙터의
경우에는 에너지밀도가 높은 수소연료전지 기반 구동 시스템을 적용하는 것이 적합하다[2].
한편, 친환경 자동차 분야에서는 에너지 소비 및 배기가스 배출과 같은 환경 보호문제를 해결하기 위하여 연료전지, 배터리, 슈퍼커패시터를 활용한 하이브리드
시스템을 적용하는 사례가 증가하고 있다[3, 4]. 하이브리드 시스템에서는 각 각의 에너지원의 운전점에 따라 시스템의 효율 향상 및 수명 연장에 기여하는 에너지 관리 시스템이 중요한 요소로 작용한다.
수소연료전지를 포함하는 하이브리드 시스템에서는 연료전지의 동적 응답성 및 효율향상을 위하여 에너지 관리 전략에 대한 연구가 활발히 진행되고 있다[5, 6]. 농업용 트랙터는 도로 차량에 비해 부하 변동이 큰 작업을 수행하고 작업환경 및 토양 조건에 따라 복잡한 랜덤 부하특성과 큰 부하 변동 환경에 노출된다[7]. 따라서 본 연구에서는 트랙터의 대형화 추세와 고부하 작업에 적합한 수소연료전지기반 전기구동 트랙터 개발을 위한 에너지 제어 전략에 관한 연구를
수행하였다. 특히, 트랙터의 주행 및 농작업 특성에 대해 분석하고 부하특성을 반영한 효율적인 에너지 제어전략 방법을 제안하였다. 제안된 에너지 제어전략은
기준선 추정방법을 이용한 방법으로 주행 및 농작업 부하 데이터를 저주파영역과 고주파 영역으로 분해하여 에너지원의 운전점을 선정하는 방법이다. 기준선
추정방법은 주로 신호데이터 저주파 영역의 기준선을 추정하여 데이터를 제거하거나 보정하는 기법으로 트랙터의 랜덤 부하 특성을 분해하고 분석하는데 적합하다[8-10].
결과적으로 본 연구에서는 트랙터의 대형화 추세와 고부하 작업에 적합한 수소연료전지기반 110kW급 전기구동 트랙터의 주행 및 농작업 특성에 대해 분석하고
기준선 추정방법을 이용한 효율적인 에너지 제어전략을 제시하였다.
2. 수소연료전지기반 전기구동 트랙터의 구성
110kW급 수소연료전지기반 전기구동 트랙터는 세가지 에너지 공급원을 가지고 있으며, 두 개의 에너지 변환장치를 이용하여 전기적 에너지를 기계적 에너지로
변환하고 주행과 작업을 수행한다. 본 장에서는 수소연료전지기반 전기구동 트랙터의 파워트레인 구조 및 각각의 에너지원에 대한 해석모델에 대해 설명하고
정의한다.
2.1 파워트레인 구조
수소연료전지기반 전기구동 트랙터는 그림 1에 나타낸 것과 같이 전기적 및 기계적 에너지 흐름을 가지고 있다. 에너지 공급원은 연료전지스택, 배터리 및 슈퍼커패시터로 구성되어 있으며, 배터리와
슈퍼커패시터는 연료전지스택을 보조하여 에너지 공급을 원활하게 한다. 특히, 트랙터의 주행 및 작업 시 요구출력의 급격한 변화에 대응한다. 이러한 전기적
에너지는 인버터와 모터를 통해 기계적 에너지로 전환되는데 트랙터의 구동을 위한 주행모터와 기계화된 작업기 구동을 위한 PTO 모터를 모두 이용하는
병렬 시스템을 적용하였다.
그림 1. 수소연료전지기반 전기구동 트랙터의 에너지 흐름도
Fig. 1. Energy flow of electric tractor based on hydrogen fuel cell
2.2 연료전지 시스템
연료전지 시스템은 연료전지와 연료전지를 보조하는 배터리 시스템으로 구성되어 있으며, 배터리를 포함하는 연료전지 시스템의 사양은 표 1과 같다.
표 1 연료전시 시스템 사양
Table 1 The specifications of fuel cell system
|
Parameter
|
Units
|
Value
|
Fuel Cell
|
Rated Power
|
kW
|
70
|
Peak Power
|
kW
|
90
|
Battery
|
Rated Power
|
kW
|
20
|
Peak Power
|
kW
|
40
|
Capacity
|
kWh
|
20
|
연료전지는 높은 전류밀도 특성과 소형화, 경량화가 가능한 PEMFC (Proton Exchange Membrane Fuel Cells)로 선정하였다.
PEMFC는 고분자로 이루어진 막을 전해질로 사용하는 연료전지로 촉매가 포함된 전극과 전해질막으로 이루어져 있다[11].
연료전지 모델은 캐소드 측의 분극 곡선으로부터 유도된 전기-화학 방정식을 기반으로 해석이 가능하며, 연료전지의 전압은 다음 식 (1)과 같이 정의된다.
그림 2. 연료전지스택의 분극곡선
Fig. 2. Fuel cell steady-state polarization curve
여기에서 Uocv는 개방회로 전압, Vohmic은 셀 저항에 의한 전압손실, Vact은 활성화 전압손실, VCCL은
캐소드 촉매층에서의 산소 수송손실로 인한 전압손실, VGDL은 가스 확산층에서의 산소 수송손실로 인한 전압손실이다. 본 연구에 사용된 연료전지
스택은 Jules Sery와 Pierre Leduc가 측정한 분극곡선을 기반으로 구성되었으며, 그림 2와 같다[12].
전류가 낮은 영역에서는 활성화 손실에 의해 셀 전위가 급격히 감소하고, 전류밀도가 중간인 영역에서는 저항손실에 의해 전류에 따라 선형적으로 감소하는
특성을 가진다.
배터리는 개방회로전압에 해당하는 전압소스원과 직렬 내부저항손실 회로로 구성되며, 동적전류부하에 대한 전압특성해석을 위해 하나 이상의 RC 네트워크가
추가될 수 있다. 배터리 모델의 셀 전압은 식 (2)와 같이 계산된다.
여기에서 Uocv는 개방회로전압, Icell은 충전 및 방전 전류, Rohmic은 직렬내부저항, n은 RC 네트워크
개수, Qk는 커패시터 전하량, Ck는 RC 네트워크의 커패시턴스이다.
2.3 슈퍼커패시터
슈퍼커패시터는 높은 에너지밀도를 가지고 있는 리튬배터리와 비교하여 높은 출력밀도, 낮은 내부 저항, 넓은 작동온도범위 및 우수한 충·방전 재순환성을
가지고 있다. 이러한 슈퍼커패시터는 트랙터의 순간적인 피크 전력을 공급하기에 적당하다. 본 연구에서 사용된 슈퍼커패시터의 사양은 표 2와 같다.
표 2 슈퍼커패시터 사양
Table 2 The specifications of super-capacitor
Parameter
|
Units
|
Value
|
Capacitance
|
F
|
2.08
|
Nominal Voltage
|
V
|
500~700
|
Nominal Current
|
A
|
40
|
Equivalent series resistance
|
mΩ
|
604.83
|
Leakage Resistance
|
MΩ
|
100
|
3. 트랙터 주행 및 부하특성 분석
실제 트랙터의 주행 및 작업 시 부하특성을 반영하기 위하여 기존 동급 내연기관 트랙터를 활용하여 데이터를 취득하였다. 취득된 데이터는 기준선 추정
방법을 이용하여 부하변동량을 계산하여 비교분석 하였다.
3.1 기준선 추정 방법
기준선 추정 방법은 신호 데이터의 분석 용이성 향상을 위해 저주파 영역의 baseline을 제거하거나 보정하는 기법이다. 주로 EEG(ElectroEncephaloGraphy),
라만 분광 신호와 같이 다양한 주파수 영역의 잡음이 혼합된 신호 데이터에서 사용자가 분석하고자 하는 영역의 신호 추출을 위해 사용된다. 기준선 추정
방법은 Least Square를 기반으로 한 AsLS(Asymmetric Least Square), airPLS(Adaptive iteratively
Reweighted Penalized Least Square), arPLS(Asymmetrically Reweighted PLS)와 Sliding
window method를 기반으로 한 Novel sliding window baseline subtraction, Matlab의 msbackadj
함수 등이 있다[5-7]. Least square 기반의 Baseline Correction은 Least square 모델과 목적함수를 선정한 후, 신호 데이터와 추정한
Baseline의 거리를 기반으로 Least square 모델과 목적함수가 최소값을 갖도록 반복하여 Baseline을 추정한다[8]. Sliding-window는 각 Window 내 극값을 기반으로 Regression을 수행하여 baseline을 추정한다. Least square에
비해 Local Fluctuation을 더 반영할 수 있으며 Window size 조정에 따라 폭이 넓은 Peak 추정 또한 가능하다. 기준선 추정
방법은 신호에 고주파 신호가 포함된 경우 Spline 보간법이나 Savitzky-Golay 필터 등을 이용하여 Smoothing 작업이 요구된다.
특히, 기존 동급 내연기관 트랙터에서 취득한 요구부하에 대한 부하변동 특성을 연료전지스택의 출력 특성과 함께 비교하기 위해서는 연료전지스택의 출력에
해당되는 기준선과의 변동 추이를 확인하는 것이 타당하다. 따라서, 본 연구에서는 기준선 추정 방법을 활용하여 요구출력의 부하변동에 대해 분석을 실시하였다.
또한, 추정된 기준선은 연료전지스택의 출력제어에 반영하여 시스템 효율을 향상시키고자 하였다.
3.2 부하분석을 위한 내연기관 트랙터 사양
트랙터의 주행 및 농작업 부하특성 분석을 위하여 수소연료전지기반 전기구동 트랙터와 동급 엔진 출력을 가진 내연기관 트랙터를 선정하였으며, 제원은 표 3과 같다.
표 3 내연기관 트랙터 사양
Table 3 The specifications of internal combustion engine tractor
Parameter
|
Units
|
Value
|
전장
|
mm
|
4,490
|
전폭
|
mm
|
2,500
|
높이
|
mm
|
3,010
|
중량
|
kg
|
6,195
|
전방 타이어 규격
|
-
|
420/85R28
|
후방 타이어 규격
|
-
|
520/85R38
|
최대 엔진 마력
|
kW
|
124
|
정격 속도
|
rpm
|
2,200
|
트랙터의 주행 및 작업에 대한 시험은 그림 3과 같이 진행되었으며, 도로주행 및 로터리 작업 시 발생되는 엔진의 회전속도, 토크 데이터를 추출하여 소요동력을 산출하였다.
그림 3. 내연기관 트랙터의 부하특성 시험
Fig. 3. Agricultural operation characteristic analysis of internal combustion engine
tractor
3.3 도로주행
그림 4와 같이 도로주행 시 평균속도는 20km/h, 최대속도는 40km/h, 평균부하는 66.9kW, 최대부하는 106.3kW로 나타났다.
그림 4. 도로주행에 대한 요구출력 및 차량속도
Fig. 4. Demand power and vehicle speed for road driving
도로주행에 대한 요구출력의 기준선을 추정하면 그림 5와 같이 나타낼 수 있으며, 추정된 기준선을 이용하여 요구출력을
그림 5. 도로주행에 대한 요구출력과 기준선
Fig. 5. Demand power and baseline for road driving
그림 6. 도로주행에 대한 조정된 요구출력
Fig. 6. Corrected demand load for road driving
다시 그래프로 나타내면 그림 6과 같다. 조정된 요구출력 데이터의 부하 변동은 51.83kW이다.
3.4 로터리 작업
로터리 작업 시 차량속도는 약 3km/h이며, 평균부하는 44.26kW, 최대부하는 98kW이다. 기준선 추정 방법을 이용한 로터리 작업 부하분석은
도로주행과 동일한 방법으로 수행되었다. 요구출력에 대한 기준선은 그림 8에 나타내었으며, 조정된 요구출력은 그림 9에 나타내었다. 결과적으로 로터리 작업에 대한 요구출력 부하변동은 76.67kW로 도로주행에서보다 높은 변동을 나타내었다.
그림 7. 로터리 작업에 대한 요구출력 및 차량속도
Fig. 7. Demand power and vehicle speed for rotary operation
그림 8. 로터리 작업에 대한 조정된 요구 출력
Fig. 8. Corrected demand load for rotary operation
그림 9. 로터리 작업에 대한 조정된 요구출력
Fig. 9. Corrected demand load for rotary operation
4. 기준선 추정방법을 이용한 에너지 제어 전략
종래의 하이브리드 에너지원을 사용하는 에너지 제어는 단순히 연료전지스택의 최대출력 이상에서 배터리와 슈퍼커패시터를 방전하고 연료전지스택의 최대출력
이하에서는 배터리와 슈퍼커패시터를 충전하는 동작을 수행하도록 구성되어 있다. 그러나 이와 같은 방법은 연료전지의 동적 응답성 문제와 낮은 에너지밀도를
가진 슈퍼커패시터의 용량 문제에 직면하게 된다. 따라서 본 장에서는 기준선 추정방법을 이용하여 요구출력의 기준선을 따라 연료전지스택을 구동하고 남은
요구출력에 대하여 배터리와 슈퍼커패시터를 활용한 에너지 제어전략을 제안한다. 슈퍼커패시터는 상대적으로 급격한 부하 변동에 대응할 수 있으므로 남은
요구출력의 고주파 필터를 통해 분해된 고주파수의 요구출력을 담당하도록 제어전략을 구성하였다.
4.1 도로주행
기존 에너지 제어전략에서는 트랙터의 도로주행에 대한 요구출력을 제공하기 위하여 연료전지스택은 그림 10과 같이 90kW 이하의 요구출력에 대한 에너지를 분담한다. 또한, 배터리는 연료전지를 보조하여 급격한 출력변화가 있는 경우에 대응한다. 또한, 슈퍼커패시터는
그림 11과 같이 연료전지스택의 최대출력 이상의 출력이 필요한 경우 방전하게 된다. 배터리와 슈퍼커패시터의 충전은 연료전지스택의 출력이 90kW 이하일 경우
즉시 충전하도록 구성되어 있다.
그림 10. 도로주행에 대한 연료전지스택 출력
Fig. 10. Power of fuel cells for road driving
그림 11. 도로주행에 대한 배터리 및 슈커커패시터 출력
Fig. 11. Power of battery and super-capacitor for road driving
제안된 기준선 추장방법을 이용한 제어전략에서는 그림 12와 같이 도로주행 시 요구출력에 대한 기준선을 파란색 실선과 같이 나타낼 수 있으며, 이는 연료전지스택의 출력이 된다. 또한, 연료전지스택의 출력은
최대출력인 90kW에서 제한된다. 기준선 추정방법을 이용하여 연료전지스택의 출력을 선정한 이후 나머지 출력에 대한 분배는 배터리와 슈퍼커패시터가 분담한다.
슈퍼커패시터의 장점인 급격한 부하변동에 대한 응답성을 고려하여 배터리는 그림 13, 슈퍼커패시터는 그림 14와 같이 부하를 분배하였다. 여기에서 슈퍼커패시터의 출력은 고주파 필터를 이용하여 통과된 높은 주파수 영역에 해당된다.
기준선 추정 방법을 이용한 결과 연료전지스택의 효율은 52.7%에서 55.2%로 2.5%p 향상되었으며, 운전점 별 최대효율 차이는 19%p까지 향상되었다.
결과적으로 기준선 추정 방법을 적용한 경우 연료전지 스택의 급격한 부하변동을 줄이고, 높은 효율을 나타내는 운전점에서 운전하는 비율이 상승하여 효율
향상에 기여한 것으로 판단된다.
그림 12. 기준선 추정 방법을 이용한 도로주행 시 연료전지스택 출력
Fig. 12. Fuel cell power for road driving using baseline correction method
그림 13. 도로주행에 대한 배터리 출력
Fig. 13. Battery power and SoC for road driving
그림 14. 도로주행에 대한 슈퍼커패시터 출력
Fig. 14. Super-capacitor power for road driving
표 4 도로주행에 대한 효율비교
Table 4 Comparison of efficiency for road driving
Method
|
Units
|
Value
|
Conventional Method
|
%
|
52.7
|
Baseline Correction
|
%
|
55.2
|
Maximum Point Efficiency
|
%
|
19
|
4.2 로터리 작업
그림 7의 로터리 작업에 대한 트랙터의 요구출력은 그림 15과 같이 주행부하와 동력인출장치부하로 구분할 수 있다. 주행에 대한 평균부하는 9.3kW, 최대부하는 13.2kW이다. 또한, 로터리 작업 부하에
해당하는 동력인출장치의 평균부하는 45.9kW, 최대부하는 86.2kW이다.
그림 15. 로터리 작업에 대한 주행부하와 PTO 부하
Fig. 15. Driving load and PTO load for rotary operation
로터리 작업에 대한 연료전지스택 출력은 그림 16, 슈퍼커패시터 및 배터리 출력은 그림 17에 나타내었다. 도로주행에서와 같이 로터리 작업에 대한 전력분배전략은 연료전지스택의 최대출력인 90kW를 기준으로 연료전지스택을 구동하고 90kW
이상의 요구출력은 배터리와 슈퍼커패시터가 분담하도록 구성되어 있다. 기준선 추정방법을 이용한 경우 요구출력은 그림 18과 같이 추정되며, 이는 연료전지스택의 출력이 된다. 또한, 배터리 및 슈퍼커패시터의 출력은 그림 19 및 그림 20에 나타내었다.
그림 16. 로터리 작업에 대한 연료전지스택 출력
Fig. 16. Fuel cell power for rotary operation
그림 17. 로터리 작업에 대한 슈퍼커패시터 및 배터리 출력
Fig. 17. Power of super capacitor and battery for rotary operation
그림 18. 기준선 추정 방법을 이용한 로터리 작업 시 연료전지스택 출력
Fig. 18. Fuel cell power for rotary operation using baseline correction method
그림 19. 로터리 작업에 대한 배터리 출력
Fig. 19. Battery power for rotary operation
그림 20. 로터리 작업에 대한 슈퍼커패시터 출력
Fig. 20. Super capacitor power for rotary operation
결과적으로 기준선 추정방법을 적용한 결과 표 3과 같이 기존 제어전략의 평균 효율 52.7%에서 56.4%로 3.7%p 향상되었다. 또한, 운전점 별 연료전지스택의 최대효율 차이는 14.4%p로
기준선 추정방법을 적용한 경우 높은 효율 운전점에서 운전되고 있음을 알 수 있다. 추가적으로 트랙터의 요구속도에 따른 추종속도는 그림 21과 같으며, 속도추정오차는 2% 이내로 예측되어 시뮬레이션에 대한 신뢰성을 확보하였다.
표 5 로터리 작업에 대한 효율비교
Table 5 Comparison of efficiency for rotary operation
Method
|
Units
|
Value
|
Conventional Method
|
%
|
52.7
|
Baseline Correction
|
%
|
56.4
|
Maximum Point Efficiency
|
%
|
14.4
|
그림 21. 로터리 작업에 대한 트랙터 추종속도
Fig. 21. Speed of tractor for rotary operation
5. 결 론
본 연구는 수소연료전지기반 전기구동 트랙터의 효율적인 에너지 관리를 위한 기준선 추정 전력분배 전략 기법을 제안하였으며, 도로주행 및 로터리 작업에
대한 실제 트랙터의 부하데이터를 이용하여 검증하였다. 도로주행 및 로터리 작업부하에 따라 기준선 추정방법을 이용하여 연료전지스택의 요구출력을 도출하고
상대적으로 높은 주파수 특성을 가진 부하는 배터리와 슈퍼커패시터가 분담할 수 있도록 제어전략을 제안하였다.
시스템의 출력변동은 연료전지의 수명에 중요한 영향을 미치기 때문에 기준선 추정방법을 이용해 분해된 저주파 영역의 출력은 연료전지에 분배되고 고주파
출력변동은 배터리와 슈퍼커패시터에 분배시키는 방법으로 운전점을 선정하는 제어 로직을 구성하여 주행 및 농작업 해석을 수행하였다. 결과적으로 제안된
에너지 제어전략을 적용한 결과 도로주행에서 연료전지의 평균 효율은 52.7%에서 55.2%로 향상되었으며 로터리 작업에서는 평균 효율이 52.7%에서
56.4%로 향상된 결과를 얻을 수 있었다. 따라서 제안된 기준선 추정 방법을 이용한 에너지 제어전략은 연료전지의 내구성과 시스템 효율 향상에 기여할
수 있을 것으로 판단된다.
Acknowledgements
This work was supported by the Technology Innovation Program (20023463, Development
of powerbased power distribution and thermal management system) funded By the Ministry
of Trade, Industry & Energy(MOTIE, Korea).
References
Raikwar, S., Tewari, V.K., Mukhopadhyay, S., Verma, Cmde. R.B., and Sreenivasulu Rao,
M., “Simulation of components of a power shuttle transmission system for an agricultural
tractor,” Computers and Electronics in Agriculture, vol. 114, pp. 114-124, 2015.

F. T. Siang and W. T. Chee, “A review of energy sources and energy management system
in electric vehicles,” Renewable and sustainable energy reviews, vol. 20, pp. 82-102,
2013.

W. Xu, M. Liu, L. Xu and S. Zhang, “Energy Management Strategy of Hydrogen Fuel Cell/Battery/Ultracapacitor
Hybrid Tractor Based on Efficiency Optimization,” Applied Sciences, vol. 13, no. 1,
2022.

C. Zheng, W. Li, and Q. Liang, “An Energy Management Strategy of Hybrid Energy Storage
Systems for Electric Vehicle Applications,” IEEE Trans. Sustain. Energy, vol. 9, no.
4, pp. 1880-1888, Oct. 2018.

H. Yang, Y. Sun, C. Xia, and H. Zhang, “Research on Energy Management Strategy of
Fuel Cell Electric Tractor Based on Multi-Algorithm Fusion and Optimization,” Energies,
vol. 15, no. 17, 2022.

D. Rezzak and N. Boudjerda, “Robust energy management strategy based on non-linear
cascade control of fuel cells-super capacitors hybrid power system,” International
Journal of Hydrogen Energy, vol. 45, no. 43, pp. 23254-23274, 2020.

A. Koniuszy, P. KostencKi, A. Berger, and W. Golimowski, “Power performance of farm
tractor in field operations,” Eksploatacja I Niezawodno, vol. 19, no. 1, pp. 43-47,
2017.

Z.-M, Zhang, S. Chen, and Y.-Z. Liang, “Baseline correction using adaptive iteratively
reweighted penalized least squares,” Analyst, vol. 135, no. 5, pp. 1138-1146, 2010.

T. E. Stanford, C. J. Bagley and P. J. Solomon, “Informed baseline subtraction of
proteomic mass spectrometry data aided by a novel sliding window algorithm,” Proteome
science, vol. 14, pp. 1-15, 2016.

S.-J. Baek, A. Park, Y.-J. Ahn, and J. Choo, “Baseline correction using asymmetrically
reweighted penalized least squares smoothing,” Analyst, vol. 140, no. 1, pp.250-257,
2015.

Y. Liu, Z. Li, Y. Chen and K. Zhao, “A Novel Fuel-Cell Electric Articulated Vehicle
and Its Drop-and-Pull Transport System,” Energies, vol. 13, no. 14, 2020.

J. Sery and P. Leduc, “Fuel cell behavior and energy balance on board a Hyundai Nexo,”
International Journal of Engine Research, vol. 23, no. 5, pp. 709-720, 2022.

저자소개
He received a double B.S. degree in electrical and mechanical engineering and a M.S.
in electrical engineering from Chosun University, South Korea, in 2014 and 2016, respectively.
He also received a Ph.D. in electronics and electrical engineering from Sungkyunkwan
University, South Korea, in 2023. Since then, he is currently a senior researcher
with the Green Energy System Research Center, Korea Automotive Technology Institute,
South Korea. His research interests include the numerical analysis and optimal design
of electric machines and powertrain systems for electric vehicles.
Tae-Dong Kim received B.S., M.S. degrees in department of mechanical engineering in
2018 and 2020 from Yeungnam University, South Korea. He is currently a researcher
with Green Energy System Research Center, Automotive Technology Institute, South Korea.
His research interests include the numerical analysis and optimal design of electric
machines and powertrain system for electric vehicles.
Seong-Jae Son received the B.S. and M.S. degrees in ICT Convergence System Engineering
from Chonnam National University, Korea in 2020 and 2022. He is currently working
at Korea Automotive Technology Institute from 2023. His current research interests
are vehicle control and deep learning.
He obtained a B.S. degree in mechanical design engineering from Chonnam National University,
South Korea, in 1997, and subsequently earned both a M.S. and a Ph.D. in mechanical
engineering, also from Chonnam National University, in 2008. Afterwards, he studied
hybrid vehicle power systems at the University of Michigan-Dearborn as a research
fellow from 2008 to 2009. Since then, he is currently an executive principal researcher
with the Green Energy System Research Center, Korea Automotive Technology Institute,
South Korea. His research interests include the numerical analysis and optimal design
of powertrain systems for various types of electric vehicles (BEVs, HEVs, and FCEVs.)
He obtained a B.S. degree in mechanical engineering. also M.S. degree in aerospace
engineering from Jeonbuk National University, South Korea, in 2010. Continuously have
studied on numerical analysis for internal combustion, propulsion and aftertreatment
system. since then, currently a principal researcher with the green energy system
research center, korea automotive technology institute. Currently He is research includes
safety analysis and robust design for advanced mobility platform.