A Study on the prediction of SOH estimation of waste lithium-ion batteries based on SVM model

서포트 벡터 머신 기반 폐리튬이온전지의 건전성(SOH)추정 예측에 관한 연구

The operation of electric automatic windows is used in harsh environments, and the energy density decreases as charging and discharging are repeated, and as soundness deteriorates due to damage to the internal separator, the vehicle's mileage decreases and the charging speed slows down, so about 5 to 10 Batteries that have been used for about a year are classified as waste batteries, and for this reason, as the risk of battery fire and explosion increases, it is essential to diagnose batteries and estimate SOH. Estimation of current battery SOH is a very important content, and it evaluates the state of the battery by measuring the time, temperature, and voltage required while repeatedly charging and discharging the battery. There are disadvantages. In this paper, measurement of discharge capacity (C-rate) using a waste battery of a Tesla car in order to predict SOH estimation of a lithium-ion battery. A Support Vector Machine (SVM), one of the machine models, was applied using the data measured from the waste battery.

전세계적으로 온실가스 및 미세먼지 저감을 위한 탄소중립 정책에 따라 전기차보급이 확대될 전망이다. 전기자동창의 운용은 열악한 환경에서 사용되고 충전과 방전 등을 거듭할수록 에너지밀도가 낮아지고 내부분리막의 손상등의 이유로 건전성이 떨어짐에 따라 차량의 주행거리가 줄고, 충전 속도가 느려지는 이유로 대략 5~10년 정도 사용한 배터리들은 폐배터리로 분류하며 이 같은 이유로 배터리 화재 및 폭발 등의 위험성이 높아 지게 됩에 따라 배터리의 진단 및 SOH의 추정이 필수적이라 할 수 있다. 배터리 SOH추정은 매우 중요한 요소로 현재는 배터리 충방전을 반복하면서 소요되는 시간, 온도, 전압을 측정하여 배터리의 상태를 평가하는데 정확도가 낮다. 불안정한 폐배터리를 다수의 반복적 충전과 방전을 통해 진단하는 과정에서 화재 및 폭발의 취약점을 보완하여 신뢰성이 높은 폐배터리의 상태데이터를 취득할 수 있는 기반을 마련하고 본 논문에서는 리튬이온 배터리의 SOH예측을 위해 테슬라 폐배터리를 이용한 방전 용량 측정을 바탕으로 획득한 데이터를 서포트 벡터 머신 기반으로 예측하고자 하였다.