전기차의 전통적인 PID 온도 조절은 "후면 거울을 보면서 운전하는 것"과 같습니다.이 접근법은 종종 충분합니다.하지만 200~400kWh의 배터리를 탑재하고 4C의 빠른 충전을 요구하는 상업용 전기차의 경우, 반응 냉각은 단순히 따라잡을 수 없습니다.
이것이 모델 예측 제어 (MPC) 가 모든 것을 변화시키는 곳입니다.
모델 예측 제어 (Model Predictive Control) 는 시스템의 수학 모델을 사용하여 미래의 행동을 예측하고 그에 따라 제어 작업을 최적화하는 고급 제어 전략이다. 학술 연구에서는,MPC는 기존 방식에 비해 더 엄격한 온도 조절을 유지하면서 배터리 열 관리 시스템에서 에너지 소비를 크게 줄이는 것으로 나타났습니다..
NEWBASE has become the first company to successfully deploy MPC algorithms in the commercial vehicle BTMS (Battery Thermal Management System) sector — moving thermal management from reactive adjustment to proactive prediction.
MPC 기반의 BTMS 물 냉각 단위는 세 단계의 지능형 사이클을 통해 작동합니다.
1예측 디지털 쌍둥이 모델링
배터리 열 전기 결합 디지털 쌍둥이 모델은 실시간으로 설정되어 다음 30~60 초 동안 배터리 온도 궤도를 예측합니다.이 모델은 실제 센서 피드백을 기반으로 지속적으로 업데이트, 배터리 수명 주기에 따라 배터리 조건이 변화하더라도 예측 정확성을 보장합니다.
2다차원적 입력 통합
이 시스템은 현재 배터리 온도 뿐만 아니라 도로 조건, 충전 전력 프로파일, 주변 온도 예측, 심지어 예상되는 운전 패턴까지 고려합니다.이러한 입력들을 결합함으로써, MPC 알고리즘은 열이 문제가 되기 전에 최적의 냉각 전략을 계획합니다.
3. 피드백 수정과 함께 롤링 최적화
각 제어 사이클 내에서 시스템은 롤링 최적화를 수행합니다. 예측된 결과를 실제 측정과 지속적으로 비교하고 모델을 실시간으로 조정합니다.이 "예측-집행-정확" 닫힌 루프는 냉각 시스템이 항상 열 사건보다 한 단계 앞서 있음을 보장합니다.
NEWBASE의 BTMS 물 냉각 장치에서 MPC를 구현한 결과는 측정 가능하고 중요합니다.
상업용 EV 시장이 4C와 5C 초고속 충전 표준으로 전환됨에 따라 배터리 팩의 열 부하가 급격히 증가합니다.4C 충전으로 배터리의 용량이 4배나 되는 전류 ∼ 기존 충전보다 훨씬 더 많은 열을 발생시킵니다지능적인 열관리가 없다면, 이 열은 배터리 전지를 파괴하고 충전 효율을 떨어뜨리고 심지어는 열 도출 현상을 유발할 수도 있습니다.
MPC-based thermal management is uniquely suited to address this challenge because it can anticipate the thermal load before charging begins and pre-cool the battery pack to the optimal starting temperature충전 중에 실시간 온도 예측에 따라 냉각 강도를 동적으로 조정하여 과열과 과냉각을 방지합니다.
Research published in MDPI's journal World Electric Vehicle Journal (2025) confirms that MPC strategies for BTMS can optimize energy consumption while maintaining battery temperatures within safe operating windows. Multiple academic studies from institutions including the Beijing Institute of Technology have validated that MPC-based thermal management outperforms conventional rule-based and PID approaches in both energy efficiency and temperature control precision.
NEWBASE의 업적은 이러한 학문적 발전을 생산 준비가 된 상업적으로 실행 가능한 시스템으로 변환하는 데 있습니다.그리고 비용 효율성은 협상할 수 없습니다..
MPC는 단순히 제어 알고리즘의 업그레이드 뿐만 아니라, 정말 지능적인 배터리 열 관리의 기초입니다.예측할 수 있는 능력, 계획하고 발생하기 전에 열 문제를 예방하는 것은 업계 리더를 다른 사람들로부터 분리시킬 것입니다.
전기차의 전통적인 PID 온도 조절은 "후면 거울을 보면서 운전하는 것"과 같습니다.이 접근법은 종종 충분합니다.하지만 200~400kWh의 배터리를 탑재하고 4C의 빠른 충전을 요구하는 상업용 전기차의 경우, 반응 냉각은 단순히 따라잡을 수 없습니다.
이것이 모델 예측 제어 (MPC) 가 모든 것을 변화시키는 곳입니다.
모델 예측 제어 (Model Predictive Control) 는 시스템의 수학 모델을 사용하여 미래의 행동을 예측하고 그에 따라 제어 작업을 최적화하는 고급 제어 전략이다. 학술 연구에서는,MPC는 기존 방식에 비해 더 엄격한 온도 조절을 유지하면서 배터리 열 관리 시스템에서 에너지 소비를 크게 줄이는 것으로 나타났습니다..
NEWBASE has become the first company to successfully deploy MPC algorithms in the commercial vehicle BTMS (Battery Thermal Management System) sector — moving thermal management from reactive adjustment to proactive prediction.
MPC 기반의 BTMS 물 냉각 단위는 세 단계의 지능형 사이클을 통해 작동합니다.
1예측 디지털 쌍둥이 모델링
배터리 열 전기 결합 디지털 쌍둥이 모델은 실시간으로 설정되어 다음 30~60 초 동안 배터리 온도 궤도를 예측합니다.이 모델은 실제 센서 피드백을 기반으로 지속적으로 업데이트, 배터리 수명 주기에 따라 배터리 조건이 변화하더라도 예측 정확성을 보장합니다.
2다차원적 입력 통합
이 시스템은 현재 배터리 온도 뿐만 아니라 도로 조건, 충전 전력 프로파일, 주변 온도 예측, 심지어 예상되는 운전 패턴까지 고려합니다.이러한 입력들을 결합함으로써, MPC 알고리즘은 열이 문제가 되기 전에 최적의 냉각 전략을 계획합니다.
3. 피드백 수정과 함께 롤링 최적화
각 제어 사이클 내에서 시스템은 롤링 최적화를 수행합니다. 예측된 결과를 실제 측정과 지속적으로 비교하고 모델을 실시간으로 조정합니다.이 "예측-집행-정확" 닫힌 루프는 냉각 시스템이 항상 열 사건보다 한 단계 앞서 있음을 보장합니다.
NEWBASE의 BTMS 물 냉각 장치에서 MPC를 구현한 결과는 측정 가능하고 중요합니다.
상업용 EV 시장이 4C와 5C 초고속 충전 표준으로 전환됨에 따라 배터리 팩의 열 부하가 급격히 증가합니다.4C 충전으로 배터리의 용량이 4배나 되는 전류 ∼ 기존 충전보다 훨씬 더 많은 열을 발생시킵니다지능적인 열관리가 없다면, 이 열은 배터리 전지를 파괴하고 충전 효율을 떨어뜨리고 심지어는 열 도출 현상을 유발할 수도 있습니다.
MPC-based thermal management is uniquely suited to address this challenge because it can anticipate the thermal load before charging begins and pre-cool the battery pack to the optimal starting temperature충전 중에 실시간 온도 예측에 따라 냉각 강도를 동적으로 조정하여 과열과 과냉각을 방지합니다.
Research published in MDPI's journal World Electric Vehicle Journal (2025) confirms that MPC strategies for BTMS can optimize energy consumption while maintaining battery temperatures within safe operating windows. Multiple academic studies from institutions including the Beijing Institute of Technology have validated that MPC-based thermal management outperforms conventional rule-based and PID approaches in both energy efficiency and temperature control precision.
NEWBASE의 업적은 이러한 학문적 발전을 생산 준비가 된 상업적으로 실행 가능한 시스템으로 변환하는 데 있습니다.그리고 비용 효율성은 협상할 수 없습니다..
MPC는 단순히 제어 알고리즘의 업그레이드 뿐만 아니라, 정말 지능적인 배터리 열 관리의 기초입니다.예측할 수 있는 능력, 계획하고 발생하기 전에 열 문제를 예방하는 것은 업계 리더를 다른 사람들로부터 분리시킬 것입니다.
