• 전력전자학회:학술대회논문집
• /
• 전력전자학회 2019년도 추계학술대회
• /
• pp.206-207
• /
• 2019

리튬이온 배터리의 상태를 모니터링 하는 방법에 있어서, 대표적으로 배터리의 충전 상태(SOC)와 배터리의 건강 상태(SOH)를 추정하여 상태 지표로 사용된다. 본 연구에서는 리튬 이온 배터리의 상태 지표를 위한 용량 정보의 추정을 데이터 기반의 근사 모델을 이용하여 수행하였다. 다양한 근사 모델링 방법을 적용하여 추정되는 용량 정보를 비교하고, 모델링 방법에 따른 용량 추정 성능을 확인하였다. 또한, 이를 바탕으로 리튬이온 배터리의 용량을 예측하고 예측 성능을 분석하였다. 본 연구를 통하여 근사모델을 이용하는 경우, 리튬이온 배터리의 용량 추정은 물론 예측을 수행하는 방법으로서의 활용 가능성을 확인하였으며, 또한 제안하는 방법을 이용하여 보유하고 있는 모니터링 데이터를 활용하여 리튬이온 배터리의 성능을 평가하는데 있어 효과적으로 활용될 수 있을 것으로 판단된다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제12권3호
• /
• pp.133-140
• /
• 2023

리튬 이온 배터리는 사용 환경과 양극재 조합 비율에 따라 배터리의 성능이 좌우된다. 고성능 리튬 이온 배터리를 개발하기 위해서는 양극재 비율을 다양하게 변화시켜가면서 배터리를 제작하고 성능을 측정해야 한다. 하지만 모든 변수 조합에 대해 배터리를 제작하고 성능을 측정하기에는 많은 시간과 비용이 소모된다. 그렇기 때문에 최근에는 데이터 기반으로 인공지능 모델을 활용하여 배터리의 성능을 예측하고자 하는 연구가 활발히 진행되고 있다. 그러나 기존 공개 배터리 데이터는 동일한 배터리로 측정 실험을 하였기 때문에 양극재 조합 비율은 고정되어 있어서 데이터 속성으로 포함되지 않았다. 본 논문에서는 양극재 소재 조합 비율에 따른 배터리의 성능을 예측할 수 있는 인공지능 모델 개발에 필요한 학습 데이터 모델을 정의한다. 우리는 리튬 이온 배터리의 성능에 영향을 미칠 수 있는 요인을 분석하여 양극재 소재별 질량과 배터리 사용 환경을 입력데이터로, 배터리의 출력과 용량을 목적 데이터로 정의하였다. 공개 배터리 데이터 중에는 양극재 비율이 포함된 데이터가 없어 양극재 비율을 모두 동일한 값으로 설정한 제한된 데이터로 다중 선형회귀 분석, 서포트 벡터 회귀분석, 다중 로지스틱 회귀 분석, LSTM 분석을 수행하였다. 실험 환경이 다른 배터리 데이터에서 각각의 배터리 데이터는 고유한 패턴을 유지하였으며, 배터리 분류 모델은 각각의 배터리를 약 2%의 오차로 분류하는 것으로 나타났다.

• 천문학회보
• /
• 제37권2호
• /
• pp.180.2-180.2
• /
• 2012

저궤도 인공위성에서 배터리는 태양전지 배열기에서 생성된 전력을 저장하여 탑재체 구동과 식구간 위성의 동작 유지를 위하여 사용된다. 최근 상용 배터리 시장에서도 리튬이온 배터리의 보급이 많이 이루진거와 마찬가지로 인공위성에서도 리튬이온 배터리의 사용이 보편화 되는 추세이다. 리튬이온 배터리가 기존에 인공위성에서 사용되던 니켈카드늄이나 니켈수소 배터리에 비하여 자연 방전량이 적다고는 하지만 이 또한 존재하며, 초기 위성 발사시 태양전지 배열기의 전개를 통한 전력 생산이 이루어질 때까지 위성의 동작을 보장하고 임수종료까지 에너지를 충방전 할 수 있는 상태를 유지하여야 하므로 위성 발사 전까지 배터리의 상태를 최적으로 유지해야 함은 필수적이다. 본 연구에서는 저궤도 인공위성의 발사 전까지 배터리의 상태를 최적화 하기위한 배터리 운용에 관하여 기술하며, 배터리 상태에 대한 실측 데이터를 제시하여 배터리의 정상상태를 검증하였다.

• 한국항공우주학회지
• /
• 제42권2호
• /
• pp.150-157
• /
• 2014

리튬-이온 배터리는 이전의 전기 화학 배터리에 비교해 무게, 열 소산 및 자가 방전 등의 장점으로 인해 현재 대부분의 인공위성에서 사용되고 있다. 리튬-이온 배터리의 성능 해석 모델은 새로운 위성 전력계 설계를 지원하기 위해 필요하다. 본 논문은 정지궤도위성 전력계 설계 및 에너지 밸런스 해석에 활용하기 위해 리튬-이온 배터리 성능 해석 모델을 개발하였다. 해석 모델은 위성체 버스 전력, 태양전지배열기 전력 및 배터리 온도를 입력 받고 배터리 전압, 충방전 전류, 테이퍼 지수, 충전 상태 및 소산 전력을 제공한다. 성능 해석 모델의 결과는 모델을 검증하기 위해 정지궤도위성의 비행 데이터와 비교 분석하였다. 비교된 결과는 비행 데이터와 현저한 차이가 없었다.

• 한국전자통신학회논문지
• /
• 제18권6호
• /
• pp.1151-1156
• /
• 2023

본 논문은 초기 리튬이온 배터리의 충·방전 데이터를 활용하여 리튬이온 배터리의 잔존 수명을 예측할 수 있는 딥러닝 모델을 제시한다. PNP(Positive and Negative Perceptron) 모델을 사용하여 DMP(Deep learning Model using PNP model)를 구축하였으며, DMP의 성능을 증명하기 위해 LSTM 모델을 사용하여 DML(Deep learning Model using LSTM model)을 구성하였다. DMP와 DML의 리튬이온 배터리의 잔존 수명 예측 성능을 비교하며, 오차 측정 방법은 RMSE(Root Mean Square Error)와 RMSPE(Root Mean Square Percentage Error)이다. 시험 데이터로 오차를 측정한 결과 DMP와 DML의 RMSE 차이는 144.62[Cycle]이며, RMSPE 차이는 3.37[%]로 DMP의 오차가 낮게 측정되었다. 이를 통해 우리는 DMP의 성능이 높은 것으로 증명하였으며, 이는 리튬이온 배터리 분야에서 PNP 모델이 LSTM 모델보다 성능이 뛰어남을 나타내었다.

• 전력전자학회:학술대회논문집
• /
• 전력전자학회 2008년도 하계학술대회 논문집
• /
• pp.434-436
• /
• 2008

같은 정격을 가진 배터리 일지라도 온도나 노화에 따라 용량, Direct current internal resistance(DCIR)이 서로 다른 값을 나타낸다. 또한, 용량과 DCIR의 상관관계가 항상 성립하는 것은 아니다. 이러한 특성으로 인해 펄스파워 관련 State of health(SOH)를 알기 어렵다. 이번 논문에서는 해밍네트워크를 이용한 리튬이온 배터리의 특성을 분석, 연구하였다. 펄스파워는 전압의 함수이다. 배터리 충방전 프로파일을 이용하여 전압패턴들을 선정한 후 특성 파라미터를 이용하여 해밍네트워크에 사전에 학습시킨다. 다음, 임의의 배터리 데이터를 통계 처리하여 전압패턴 특성 파라미터를 추출한 후 신경회로망에 입력하여 학습한 전압패턴들 중 임의의 배터리에 맞는 배터리를 선정한다. 패턴선정은 상온에서 10개의 리튬이온 프레시 배터리(1.3Ah)가 이용되었고 검증을 위해 DCIR 값을 구하였다.

• 전력전자학회:학술대회논문집
• /
• 전력전자학회 2013년도 추계학술대회 논문집
• /
• pp.198-199
• /
• 2013

본 논문에서는 리튬공기(Li-Air) 배터리를 소개하고 전기화학적 특성분석을 간단히 진행하였다. 우선, 리튬공기 배터리의 동작원리를 소개하고 기존 리튬이온(Li-Ion) 배터리와의 차이점을 제시하였다. 각 만방전압에 따른 배터리의 전기화학적 특성분석을 위해 방전용량 및 임피던스 특성커브를 분석하였다. 더불어, 향후 State-of-charge(SOC) 추정을 위한 데이터를 위해 Open-circuit voltage(OCV) 및 실제 충방전 전류 프로파일에 따른 충방전 전압을 분석하였다.

• 전력전자학회:학술대회논문집
• /
• 전력전자학회 2018년도 전력전자학술대회
• /
• pp.458-459
• /
• 2018

배터리팩에 사용되는 리튬이온 배터리는 제조공정 과정에 따라 각각의 배터리 마다 부피에 의한 물리적 특성, 내부 저항, 자가 방전률, 셀 용량, 배터리 노화 속도 등 여러 가지 특성이 다르다. 배터리 팩의 효율적 운용을 위해 이러한 단위 셀 간편차를 최소화 하는 것이 필요하다. 본 논문에서는 두 종류의 고용량 리튬이온 배터리를 선정하여 진동 충격 실험 전 후 개방 회로 전압(open circuit voltage, OCV)를 측정하고 Matlab을 사용하여 비교 분석 하였다. OCV 비교 분석 데이터를 이용하여 통계적 분석 기반 셀 스크리닝을 진행하였고 이에 대한 결과를 비교 분석하였다.

• 전력전자학회:학술대회논문집
• /
• 전력전자학회 2019년도 전력전자학술대회
• /
• pp.420-421
• /
• 2019

리튬 이온 배터리는 전압, 전류, 온도 등의 측정 정보를 기반으로 용량, 수명 등 배터리의 상태를 추정해야 하며 이를 위해 다양한 방법들이 활용되고 있다. 이러한 추정 정보들은 결국 배터리 관리 시스템에서 수행하는 핵심 기능이며 효율적이고 안전한 제어를 수행하기 위해 필수적인 정보이다. 본 연구에서는 배터리 팩의 실험 데이터를 이용하여 근사 모델을 개발하고 이를 이용하여 배터리 팩의 용량을 추정하는 방법에 대한 연구를 수행하였다. 기존 수학적 모델 기반의 알고리즘을 활용하는 방법과 통계적인 기법을 활용하는 방법으로 구현하는 것과 달리, 충분한 데이터 확보가 가능한 경우, 데이터를 표현하는 근사 모델을 생성하고 이에 대한 활용 가능성을 확인하였다.

• 전력전자학회:학술대회논문집
• /
• 전력전자학회 2020년도 전력전자학술대회
• /
• pp.40-42
• /
• 2020

본 논문에서는 리튬이온 배터리의 전기적인 특성 실험을 통해 열 해석에 필요한 인자를 추출하고 이를 이용하여 열 해석의 상용 프로그램인 COMSOL과 ANSYS에서 서로 다른 방법으로 열 해석을 진행한다. 두 프로그램의 열 해석을 통해 얻은 데이터와 측정 데이터를 비교분석 한 결과 유사 경향성을 확인하였고, 이를 통해 전기적 열 해석 모델의 신뢰성을 확보한다.