• 전력전자학회:학술대회논문집
• /
• 전력전자학회 2010년도 추계학술대회
• /
• pp.351-353
• /
• 2010

본 논문에서는 쉽고 빠르게 정확한 리튬 이온 배터리 모델을 구현할 수 있는 방법을 제시하고 있으며, 구현된 모델을 MATLAB(R)/Simulink(R)환경에서 검증한다. 모델을 구현함에 있어서 절차를 간소화하기 위해 비선형 개방 전압은 배터리 충전 및 방전 전압의 평균으로 근사하고, 배터리 내부 비선형 파라미터는 방전 초기에 발생하는 과도응답을 측정한 이산 데이터를 곡선 접합하여 구한다. 구현된 모델을 이용하여 시뮬레이션을 하고 이를 실험 데이터와 비교해본 결과, 평균 절대오차는 기존 연구보다 0.1% 낮은 0.091%로 측정되었다. 측정된 오차의 수준은 본 논문에서 제안한 방법이 파라미터 추출에 필요한 시간을 단축하고 시뮬레이션 모델을 쉽게 구현 가능하게 함에도 불구하고 여전히 리튬 이온 배터리의 출력 특성을 정확하게 예측함을 보여준다.

• 스마트미디어저널
• /
• 제12권11호
• /
• pp.103-112
• /
• 2023

최근 리튬이온 배터리 사용이 늘어남에 따라 배터리 화재 및 사고 예방의 필요성이 대두되고 있다. 사고 예방을 위해서는 배터리 SOH(State of Health)를 예측하여 열화가 많이 진행된 배터리의 교체 시기를 확인하는 것이 필요하다. 본 논문에서는 배터리의 충전 과정에서 얻을 수 있는 최대 전압 도달 시간, 전류 변화 시간, 최대 온도 도달 시간, IC(Incremental Capacity) 등 4가지 배터리 열화 특성과 어텐션 메커니즘을 이용한 장단기 메모리(Long Short Term Memory, LSTM)를 사용하여 배터리의 열화 상태를 예측하는 모델을 제안한다. NASA에서 제공하는 배터리 데이터 세트를 사용해 제안하는 모델의 성능을 측정한 결과 일반적인 LSTM 모델을 사용하는 경우보다 예측성능의 개선을 확인할 수 있었고, 특히 배터리 교체 주기에 가까운 SOH 90-70% 구간에서 더 우수한 성능을 보였다.

• 전력전자학회:학술대회논문집
• /
• 전력전자학회 2017년도 추계학술대회
• /
• pp.169-170
• /
• 2017

본 논문에서는 Matlab을 이용하여 배터리의 전기적 모델과 내부 파라미터 추출 통해 시뮬레이션을 하였다. IR-drop에 의해 변화한 전압 데이터를 이용하여 부하 전류 변화로 인한 시뮬레이션과 실험 데이터 간의 오차 개선함으로써 배터리 전기적 모델과 실험 전압 데이터를 이용함으로써 확장 칼만 필터(extended kalman filter; EKF) 같은 적응 알고리즘을 사용하지 않고도 오차가 감소된 시뮬레이션이 가능함을 확인하였다.

• 전력전자학회:학술대회논문집
• /
• 전력전자학회 2019년도 전력전자학술대회
• /
• pp.439-440
• /
• 2019

리튬 이온 배터리가 전기 자동차 및 다양한 어플리케이션에 적용됨에 따라 폐배터리의 수요 또한 증가하고 있다. 내부 화학적 상태가 상이한 배터리의 전기적 특성실험을 통해 파라미터를 선정하였으며, 데이터의 분포에 적합한 Fuzzy Logic을 설계하였다. 설계된 Fuzzy Logic을 통한 Cell Grading으로 내부 화학적 특성이 유사한 셀을 선별하였다.

• 문화기술의 융합
• /
• 제9권3호
• /
• pp.727-730
• /
• 2023

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.

• 전력전자학회:학술대회논문집
• /
• 전력전자학회 2020년도 전력전자학술대회
• /
• pp.130-132
• /
• 2020

배터리 시스템은 어플리케이션의 대영화에 따른 데이터 저장공간 문제 및 연속적인 배터리 신뢰성 문제 해결을 위한 건전성 예측 및 관리기술 접목에 관한 문제에 직면해 있으며, 이러한 문제 해결을 위해서는 배터리 시스템 신호를 통해 추출 가능한 건전성 지표 수립이 중요하다. 본 논문은 건전성 지표를 물리적, 간접적 지표로써 정의하고, 사이클 노화 데이터를 통해 건전성 지표로써의 성능을 검증하였다.

• 전력전자학회:학술대회논문집
• /
• 전력전자학회 2020년도 전력전자학술대회
• /
• pp.212-214
• /
• 2020

리튬이온 배터리를 고온의 환경에서 장시간 운용함에 따라 배터리 내부 물질의 변형 및 특성 변화가 발생하여 안전성의 문제가 발생하게 된다. 배터리의 안전성을 향상하기 위해 배터리의 고장 및 이상 상태를 진단 및 탐지하는 기법들의 연구가 진행되고 있다. 본 논문에서는 배터리의 이상 상황을 모사하기 위해 열폭주의 한 가지 방법인 고온의 환경에서 배터리의 특성 변화를 전기화학적 임피던스 분광법을 통해 분석하였으며, 등가회로 모델의 특성 인자를 활용하여 이상 상황을 탐지할 수 있는 이동 평균 추세선 기반의 이상 탐지 기법을 제안하며, 열폭주가 발생한 데이터를 통해 이상 탐지 기법을 검증한다.

• 한국수소및신에너지학회논문집
• /
• 제32권6호
• /
• pp.592-611
• /
• 2021

In this study a rarely available high-throughput cycling data set of 124 commercial lithium iron phosphate/graphite cells cycled under fast-charging conditions, with widely varying cycle lives ranging from 150 to 2,300 cycles including in-cycle temperature and per-cycle IR measurements. We worked out own Python codes which reproduced the various data plots and machine learning approaches for cycle life prediction using early cycles and more details not presented in the article and the supplementary information. Particularly, we applied regularized ridge, lasso and elastic net linear regression models using features extracted from capacity fade curves, discharge voltage curves, and other data such as internal resistance and cell can temperature. We found that due to the limitation in the quantity and quality of the data from costly and lengthy battery testing a careful hyperparameter tuning may be required and that model features need to be extracted based on the domain knowledge.

• Journal of Advanced Marine Engineering and Technology
• /
• 제40권1호
• /
• pp.28-33
• /
• 2016

배터리는 휴대폰, 전기자동차, 무인잠수정 등과 같은 분야에서는 주 동력원으로 사용되고, 일반 자동차에서는 시동기 또는 램프구동용으로 사용되며, 일반 선박에서는 비상전원으로 사용되고 있다. 2차 전지로는 납축전지와 리튬이온 배터리를 많이 사용하고 있으며, 납축전지는 가격이 비교적 저렴하고 안전하다. 리튬이온전지는 에너지 밀도가 높고 출력이 우수하며 수명이 긴 장점이 있으나 공기 중의 수분과 반응하여 폭발의 위험성을 가지고 있다. 그러나 최근에는 방수, 방염, 방진 기술의 발달에 힘입어 리튬배터리의 사용이 증가하고 있고, 특히 하이브리드 선박 및 전기추진 선박 등의 주동력원으로 사용될 만큼 그 사용범위가 점점 넓어지고 있으므로 좀 더 엄격한 배터리의 관리가 필요하다. 하이브리드 선박에서는 500kWh 이상의 대용량 동력원을 만들기 위하여 셀(Cell) 단위로 이루어진 수십 개의 리튬배터리가 들어 있는 팩들로 접속이 된 전원을 사용한다. 따라서 배터리 점검에 필요한 검출 전압, 전류 및 온도 데이터들을 관리용 서버로 보내 주는 유선 점검 및 감시시스템을 구현하는 데에는 많은 전선과 통신 모듈이 필요하다. 본 논문에서는 직렬통신 모듈보다 가격이 저렴하고 전선을 사용하지 않는 저 전력 블루투스(Bluetooth low energy, BLE) 무선통신 모듈과 전력선 모뎀을 사용하여 하이브리드 선박용 리튬배터리 저가형 점검 및 감시시스템을 구현하고자 한다. 배터리의 점검요소에는 잔존용량(State of charge, SOC)과 잔존수명(State of health, SOH)이 있으며, 제안한 시스템은 이들을 규칙적으로 점검하여 배터리의 수명 예측과 예방 정비를 할 수 있기 때문에 안전사고를 방지할 수 있을 것으로 전망된다.

• 전기전자학회논문지
• /
• 제23권1호
• /
• pp.1-8
• /
• 2019

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.