본 과제는 스마트 가로등에 연계된 분산형 ESS·VPP 운영을 위해 태양광 발전량 예측과 옥외 소형 배터리(LFP/LTO)의 상태 추정 정확도를 동시에 확보하는 것을 목표로 합니다. 기업은 AC 직결형 옥외용 LED 조명과 조명제어장치를 주력으로 하며, IoT 기반 원격제어 가로등으로 사업 영역을 확장하고 있어 실증 필드와 하드웨어 플랫폼, 관련 특허 및 조달청 우수제품 지정 이력을 보유하고 있습니다. 기업은 옥외 현장 데이터, 제어보드 및 시범 설치 인프라를 제공하며, 필요 시 공공연 검증 데이터셋 제공도 희망하고 있습니다. 연구실은 익일 1시간 단위 태양광 발전량을 예측하는 LSTM·Transformer·GNN 계열 딥러닝 모델을 설계하고 이를 Edge 보드에 이식 가능한 수준으로 경량화하는 역할과, EKF·AEKF 또는 데이터 기반 기법으로 옥외 극한 온도 범위에서 배터리 SOH·SOC를 실시간으로 추정하는 알고리즘을 개발하는 역할을 함께 수행합니다. 두 세부 수요는 시계열 예측과 배터리 상태추정이라는 서로 다른 전공 영역에 걸쳐 있어, 연구실은 필요에 따라 두 그룹으로 나뉘어 협업하며, 최종적으로는 발전량 예측 RMSE ±5% 이내, SOH 추정 오차 ±3% 이내, SOC 추정 오차 ±2% 이내를 달성하는 것을 세부 목표로 합니다.