• 전력전자학회:학술대회논문집
• /
• 전력전자학회 2016년도 추계학술대회 논문집
• /
• pp.93-94
• /
• 2016

친환경 이동수단 중 1인용 이동수단인 퍼스널 모빌리티에 대한 관심과 수요가 증대됨에 따라 과거 전기자전거에서 현재는 전동퀵보드, 전동스쿠터, 외발휠, 세그웨이류 등 그 종류와 외관적 형태는 매우 다양하다. 하지만 공통적인 부분은 전기에너지를 구동원으로 하고 있으며, 전기에너지를 저장하기 위한 수단으로 리튬이온 배터리가 사용된다는 것이다. 리튬이온배터리에서 배터리를 안전하고 효율적으로 사용하도록 제어하는 부분이 배터리관리시스템이며, 기능중에서 배터리 셀간을 정밀하게 균형을 잡아주며, 모든 셀이 완전 충전상태가 될 수 있도록 도와주는 셀 밸런싱 기능이 있다. 이러한 셀 밸런싱 기술은 주행거리 혹은 사용시간을 늘려주는 역할을 수행한다. 본 논문에서는 충전과 방전을 반복하는 다셀로 구성된 리튬이온배터리에서 셀 밸런싱이 수행되는 과정을 살펴보고 단일 밸런싱과 다중 밸런싱의 차이 및 장단점을 살펴보았다. 이를 통해 완속에서 급속충전으로의 변화, 빠른 셀 밸런싱 등의 필요성에 대해 실험을 통해 검증하였다.

• 전력전자학회:학술대회논문집
• /
• 전력전자학회 2019년도 추계학술대회
• /
• pp.79-81
• /
• 2019

전기자동차(EV)뿐만 아니라 ESS(Energy Storage System) 등의 사용량이 증가하면서 리튬이온배터리의 중요성은 점점 커지고 있다. 리튬 이온 배터리의 정확한 상태를 추정하는 것은 배터리의 안전하고 신뢰성 있는 작동을 위해 매우 중요하다. 본 논문에서는 AEKF(Adaptive Extended Kalman Filter)를 이용한 배터리 파라미터와 충전상태(SOC, State of Charge)를 추정하고, 이를 활용하여 배터리의 건강상태(SOH, State of Health)를 추정하는 간단한 알고리즘을 제시한다. AEKF에 파라미터 값을 적용하여 SOC를 추정하고, 추정된 SOC값과 전류 적산을 이용하여 SOH를 추정한다. SOC 오차에 따른 SOH 추정 값의 편차는 SOC 연산 간격을 늘리고 가중치 필터를 적용하여 최소화시킴으로써 결과의 정확성을 향상했다. 다양한 자동차의 표준 주행 패턴을 적용한 실험을 통해 제안된 방법을 이용하여 얻어진 SOH 추정 결과는 RMSE(Root Mean Square Error) 1.428% 이내임을 검증하였다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2004년도 춘계학술대회 논문집 전기설비전문위원
• /
• pp.217-219
• /
• 2004

종래의 비상 조명 장치로는 배터리 충전 회로를 이용하는 방법이 있으며 이는 정상적으로 전원이 공급되지 않는 한 배터리가 완전히 방전될 때까지 배터리와 비상 점등 회로가 연결되어 배터리의 과방전을 초래하고, 더 나아가 배터리의 특성상 과충전이나 과방전상태에 도달하여 배터리가 손상되어 사용할 수 없는 경우가 발생하기도 한다. 본 연구는 상기와 같은 종래 기술의 제반 단점과 문제점을 해결하기 위한 것으로, 상용시뿐만 아니라 기타 비상시에도 형광등에 전원이 공급되도록 하는 안정기를 개발하는 것을 목적으로 한다.

• 전력전자학회:학술대회논문집
• /
• 전력전자학회 2011년도 전력전자학술대회
• /
• pp.228-229
• /
• 2011

본 논문은 SPKF(Sigma-point Kalman Filter)를 이용한 리튬 폴리머 배터리(LiPB)의 충전 상태(SOC: State of Charge) 추정 방법을 제안한다. 배터리 모델은 단순화된 테브난 등가회로 모델과 Runtime 모델이 결합되어 있고, Runtime 모델의 양단 전압을 이용하여 SOC를 추정한다. 제안된 알고리즘은 시뮬레이션을 통해 그 타당성이 검증된다.

• 전력전자학회:학술대회논문집
• /
• 전력전자학회 2017년도 전력전자학술대회
• /
• pp.463-464
• /
• 2017

다른 리튬계열 전지와 달리, 인산철($LiFePO_4$) 배터리는 중간 동작 영역에서 개방전압(OCV; open-circuit voltage)의 히스테리시스(hysteresis) 영역이 존재한다. 그러므로, 인산철 배터리 관리시스템, 특히 충전상태(SOC; state-of-charge)와 수명상태(SOH; state-of-health)의 정확한 모니터링을 위해서는 OCV의 정밀성이 요구된다. 본 논문에서는, 충전 및 방전 OCV-SOC의 SOC 간격에 따른 인산철 배터리의 SOH를 비교하기 위해 전기적 등가회로 모델(ECM; electrical-circuit modeling)적응제어 알고리즘 기반 실시간 내부저항(DCIR; direct current internal resistance)을 모니터링 하였다.

• 전력전자학회:학술대회논문집
• /
• 전력전자학회 2020년도 전력전자학술대회
• /
• pp.43-45
• /
• 2020

본 논문에서는 급속 충전 시 배터리의 상한 온도를 초과하지 않는 최대 가용 충전 전류의 실시간 추정 알고리즘을 제안한다. 제안하는 알고리즘은 배터리 열 모델을 기반으로 상한 온도에 도달하는 발열량을 추정하고, 충전 상태에 따른 내부 저항의 변화 양성을 고려하여 최대 급속 충전 전류를 도출한다. 알고리즘의 유효성을 검증하기 위하여 전기자동차용 배터리 팩을 이용한 시뮬레이션 및 실험을 진행한다.

• Korean Chemical Engineering Research
• /
• 제60권3호
• /
• pp.363-370
• /
• 2022

본 논문에서는 전기자동차용 배터리 충/방전 상태 추정의 정확도를 개선하기 위해 칼만 필터(Kalman Filter, KF) 알고리즘과 등가회로모델(Equivalent Circuit Model)을 활용한 State Of Charge (SOC) 추정 방법을 적용하였다. 특히 노화된 배터리 용량을 함께 추정 가능한 관측기(observer)를 설계하였다. 우선 노화가 없는 경우, 칼만 필터를 이용하여 SOC를 단일 추정하면, 관측기 없이 모델로 계산된 경우와 비교하여 평균 절대 오차율이 1.43%(관측기 미사용)에서 0.27%(관측기 사용)로 감소하였다. 차량 주행상태에서는 전류가 고정되지 않아 SOC와 배터리 용량을 모두 추정하는 것에 일반적인 KF 혹은 Extended KF 알고리즘을 이용할 수 없다. 배터리 노화에 의한 용량 변화는 단시간에 일어나지는 않다는 점에 착안하여, 충전 시 배터리 용량 추정을 주기적으로 실시하는 전략을 제시하였다. 충전 모드에서는 일정 구간마다 전류가 고정되기에, 해당 상황에서 배터리 노화 용량을 SOC와 함께 추정 전략을 제시하였다. 전류가 고정된 상태에서 SOC 추정의 평균 절대 오차율은 0.54% 였으며, 용량 추정의 평균 절대 오차율은 2.24%로 나타났다. 충전상태에서 전류가 고정됨으로 일반적인 EKF를 활용하여 배터리 용량과 SOC 동시 추정이 가능하도록 하였다. 이를 통하여 배터리 충전 시 주기적인 배터리 용량 보정을 수행할 수 있다. 그리고, 방전 시에는 해당 용량으로 고정한 채 SOC를 추정하는, 배터리 관리 시스템에서 활용 가능한 추정 알고리즘을 제안하였다.

• 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.

• 한국ITS학회 논문지
• /
• 제12권1호
• /
• pp.121-135
• /
• 2013

전 세계적으로 지구온난화로 인한 환경문제가 심각한 위기로 인식되어지면서 세계 각국에서는 전 산업분야에 걸쳐 이산화탄소 배출을 줄이고자 노력하고 있다. 국내 에너지 부문 CO2 배출량의 약 20%를 차지하는 수송 분야의 이산화탄소 배출을 감소시키기 위해서는 전기자동차 보급 확산이 필수적이다. 최근 정부에서 전기자동차 보급 활성화를 위해 많은 노력을 기울이고 있으나 긴 충전시간과 배터리의 가격에 의한 비싼 차량가격, 짧고 불규칙한 운행거리와 부족한 충전 인프라 등으로 인하여 향후 전기자동차의 보급 확대는 매우 불투명한 상태이다. 이러한 단점을 해결하고 효과적으로 전기자동차를 보급할 수 있는 방법 중 하나가 바로 배터리 공용제 기반의 배터리 자동교환형 전기자동차 시스템이다. 이를 위해서는 배터리를 자동으로 교환해주는 시설인 배터리 교환소 (BSS: Battery Swapping Stations)가 필요하게 되는데, BSS는 배터리 교환을 통해 전기자동차가 긴 충전시간을 소모할 필요 없이 짧은 시간 내에 배터리를 충전하고 이동할 수 있도록 하는 시스템이다. 이러한 시스템을 대중교통, 특히 공공버스에 적용함으로써 보다 빠른 시간 안에 전기자동차를 보급, 확산시키는 것이 가능하다. 일반버스를 전기버스로 전환하여 버스 노선을 운영할 경우 전기버스가 중간에 멈추지 않도록 적절한 위치에 충전시설을 구축할 필요가 있다. 전기버스에 대한 충전시설은 버스 노선의 기 종점 및 기존 버스정류장에 추가로 설치하여 버스가 승객의 승 하차를 위해 정차할 때 신속하게 배터리를 교환할 수 있게 구축해야 한다. 본 연구에서는 전기버스를 위한 배터리 자동교환충전시설의 위치선정 문제를 Set Covering Problem에 적용하여 해결하였다. 배터리 충전 시 최대 주행거리를 영향권으로 설정하였으며 메타 휴리스틱 기법인 그리디 알고리즘을 활용하여 배터리 교환형 충전인프라 배치 최적화 모델을 개발하였고 현재 운영 중인 서울시의 버스노선을 대상으로 실제 충전시설의 위치를 선정하였다.

• 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.