Prediction of Battery Package Temperature Rise with Machine-Learning

Machine-Learning을 통한 Battery Package 온도 상승 예측

배터리 기술 고도화 및 기술표준 강화에 따라 완성차 제조사와 배터리 업계간 활발한 협업이이어질 전망이다. 또한 기존 배터리 제조사들이 활발한 증설 및 밸류 체인 확장을 통한 기술가격 경쟁력 격차 유지에 적극적으로 나서고 있어, 향후 시장 주도권 경쟁이 가속화될 것으로 전망된다. 배터리의 온도 상승은 배터리 효율을 낮추는 원인이며, 배터리 온도 제어가 전기자동차 차량의 전체 성능 향상에 중요한 부분이라고 할 수 있다. 본 연구는 실제 Battery Pack 실험 전 열유동해석을 통해 배터리온도 상승추이 및 냉각효율 검증을 진행하는 과정에서 발생하는 과도한 시간 소요를 줄이기 위해 Machine Learning 을 활용하여 검증 효율 및 설계 효율을 높이는데 그 목적이 있으며, CFD를 활용한 배터리 효율 최적화 설계를 하는 기존 모델 대비 30%~50%정도의 성능향상을 예측할 수 있다.