Journal of IKEEE (전기전자학회논문지)

Institute of Korean Electrical and Electronics Engineers (한국전기전자학회)
권호 표지
DOI QR코드

DOI QR Code

Multiple linear regression model-based voltage imbalance estimation for high-power series battery pack

다중선형회귀모델 기반 고출력 직렬 배터리 팩의 전압 불균형 추정

  • Kim, Seung-Woo (Dept. of Electrical Engineering, Chungnam National University) ;
  • Lee, Pyeong-Yeon (Dept. of Electrical Engineering, Chungnam National University) ;
  • Han, Dong-Ho (Dept. of Electrical Engineering, Chungnam National University) ;
  • Kim, Jong-hoon (Dept. of Electrical Engineering, Chungnam National University)
  • Received : 2019.03.13
  • Accepted : 2019.03.21
  • Published : 2019.03.31
Download PDF
⟨ Previous Next ⟩

Abstract

In this paper, the electrical characteristics with various C-rates are tested with a high power series battery pack comprised of 18650 cylindrical nickel cobalt aluminum(NCA) lithium-ion battery. The electrical characteristics of discharge capacity test with 14S1P battery pack and electric vehicle (EV) cycle test with 4S1P battery pack are compared and analyzed by the various of C-rates. Multiple linear regression is used to estimate voltage imbalance of 14S1P and 4S1P battery packs with various C-rates based on experimental data. The estimation accuracy is evaluated by root mean square error(RMSE) to validate multiple linear regression. The result of this paper is contributed that to use for estimating the voltage imbalance of discharge capacity test with 14S1P battery pack using multiple linear regression better than to use the voltage imbalance of EV cycle with 4S1P battery pack.

본 논문에서는 18650 원통형 NCA 리튬이온 배터리로 구성된 고출력 직렬 배터리로 다양한 C-rate의 전기적 특성을 테스트한다. 테스트를 통해 추출한 14S1P 배터리 팩의 방전 용량 데이터와 4S1P 배터리 팩의 EV cycle 데이터를 통해 C-rate의 변화에 따른 전기적 특성을 분석한다. 분석을 통해 얻은 데이터를 기반으로 C-rate에 따른 방전용량 실험의 셀 간 전압 편차와 EV cycle 실험의 셀 간 전압 편차를 다중선형회귀 모델로 추정하여 선형적인 특징을 가진 데이터와 비선형적인 특징을 가진 데이터에 대한 각각의 추정성능을 검증한다. 모델의 추정성능을 검증하기 위해 추정 데이터와 실제 데이터의 RMSE를 구해 알고리즘의 정확성을 평가한다. 논문의 결과는 14S1P 배터리 팩의 방전 용량의 셀 간 전압 불균형과 4S1P 배터리 팩의 EV cycle의 셀 간 전압 불균형 중 선형적인 데이터인 방전 용량의 셀 간 불균형 데이터의 추정 성능이 더 뛰어난 것을 검증하는데 기여한다.

Keywords

JGGJB@_2019_v23n1_1_f0001.png 이미지

Fig 1. Current and voltage profile of capacity test. 그림 1. 용량 실험의 전류 및 전압 프로파일

JGGJB@_2019_v23n1_1_f0002.png 이미지

Fig 2. Voltage-discharge capacity graph by C-rate. 그림 2. C-rate에 따른 전압 - 방전 용량 그래프

JGGJB@_2019_v23n1_1_f0003.png 이미지

Fig 3. Cell-to-Cell voltage deviation graph by C-rate. 그림 3. C-rate에 따른 셀 간 전압 편차 그래프

JGGJB@_2019_v23n1_1_f0004.png 이미지

Fig 4. The experiment result of current/voltage of EV cycles by C-rate. 그림 4. C-rate에 따른 EV Cycle의 전류/전압 실험결과

JGGJB@_2019_v23n1_1_f0005.png 이미지

Fig. 5. Cell-to-Cell voltage deviation by C-rate. 그림.5 C-rate에 따른 셀 간 전압 편차

JGGJB@_2019_v23n1_1_f0006.png 이미지

Fig. 6. Max-Min voltage deviation by C-rate. 그림 6. C-rate에 따른 최대 - 최소 전압 편차

JGGJB@_2019_v23n1_1_f0007.png 이미지

Fig. 7. Example of linear regression analysis. 그림 7. 선형회귀분석의 예시

JGGJB@_2019_v23n1_1_f0008.png 이미지

Fig. 8. Actual and estimated voltage deviation. 그림 8. 실제 및 추정 전압 편차

Table 1. Discharge capacity by C-rate. 표 1. C-rate에 따른 방전 용량

JGGJB@_2019_v23n1_1_t0001.png 이미지

Table 2. Maximum voltage deviation by C-rate. 표 2. C-rate에 따른 최대 전압 편차

JGGJB@_2019_v23n1_1_t0002.png 이미지

References

  1. Long Zhou, Yuejiu Zheng, Minggao Ouyang, Languang Lu, "A study on parameter variation effects on battery packs for electric vehicles," Journal of Power Sources, Vol. 364, NO. 1 pp. 242-252, 2017. DOI: 10.1016/j.jpowsour.2017.08.033
  2. Jun Xu, Xuesong Mei, JunpingWang, "A High Power Low-Cost Balancing System for Battery Strings," Energy Procedia, Vol. 158, pp. 2948-2953, 2019. DOI: 10.1016/j.egypro.2019.01.956
  3. Tony Lemos, John H. Kalivas, "Leveraging multiple linear regression for wavelength selection," Chemometrics and Intelligent Laboratory Systems, Vol. 168, 15 pp. 121-127, 2017. DOI: 10.1016/j.chemolab.2017.07.011
  4. Pengqi Gou, Jianjun Yu, "A nonlinear ANN equalizer with mini-batch gradient descent in 40Gbaud PAM-8 IM/DD system," Optical Fiber Technology, Vol 46, pp. 113-117, 2018. DOI: 10.1016/j.yofte.2018.09.015
  5. Saurabh Saxena, Yinjiao Xing, Daeil Kwon, Michael Pechta, "Accelerated degradation model for C-rate loading of lithium-ion batteries," Electrical Power and Energy Systems, Vol. 107, pp. 438-445, 2019. DOI: 10.1016/j.ijepes.2018.12.016
  6. Xiaopeng Tang, Changfu Zou, Ke Yao, Guohua Chen, Boyang Liu, Zhenwei He, Furong Gao, "A fast estimation algorithm for lithium-ion battery state of health," Journal of Power Sources, Vol. 396, 31 pp. 453-458, 2018. DOI: 10.1016/j.jpowsour.2018.06.036
  7. Robert R. Richardson, Michael A. Osborne, David A. Howey, "Gaussian process regression for forecasting battery state of health," Journal of Power Sources, Vol. 357, pp. 209-219, 2017. DOI: 10.1016/j.jpowsour.2017.05.004
  8. Masayuki Hirukawa, Artem Prokhorov, "Consistent estimation of linear regression models using matched data," Journal of Econometrics, Vol. 203, Issue 2, pp. 344-358, 2018. DOI: 10.1016/j.jeconom.2017.07.006
  9. Wolfgang Bogel, Jean Pierre Buchel, Helene Katz, "Real-life EV battery cycling on the test bench," Journal of Power Sources, Vol. 72, Issue 1, pp. 37-42, 1998. DOI: 10.1016/S0378-7753(97)02775-4
  10. Weiping Diao, Jiuchun Jiang, Caiping Zhang, Hui Liang, Michael Pechtc, "Energy state of health estimation for battery packs based on the degradation and inconsistency," Energy Procedia, Vol. 142, pp. 3578-3583, 2017. DOI: 10.1016/j.egypro.2017.12.248
  11. Caihao Weng, Yujia Cui, Jing Sun, Huei Peng, "On-board state of health monitoring of lithium-ion batteries using incremental capacity analysis with support vector regression," Journal of Power Sources, Vol. 235, pp. 36-44, 2013. DOI: 10.1016/j.jpowsour.2013.02.012
  12. M. Berecibar, I. Gandiaga, I. Villarreal, N. Omar, J. Van Mierlo, P. Van den Bossche, "Critical review of state of health estimation methods of Li-ion batteries for real applications," Renewable and Sustainable Energy Reviews, Vol. 56, pp. 572-587, 2016. DOI: 10.1016/j.rser.2015.11.042