• Proceedings of the KIPE Conference
• /
• 2014.11a
• /
• pp.58-59
• /
• 2014

본 논문에서는 비례-적분(PI) 제어의 상태관측기를 구성하여 리튬폴리머 배터리의 충전량(SOC)을 추정하는 기법에 대해 설계한 뒤 실험을 통하여 검증하였다. 리튬폴리머 배터리는 1차 R-C 등가모델로 단순화하여 표현하였고, PI상태관측기를 Matlab/Simulink에서 설계하였다. 상온($25^{\circ}C$)에서 양방향 DC-DC 컨버터를 이용하여 리튬폴리머 배터리에 FTP-72 충 방전 사이클의 전류패턴을 인가한 뒤 SOC 추정기법을 검증하였다. PI상태관측기는 임의의 초기 SOC 상태에서도 오차율 2%이내로 SOC를 추정하여 모델링 에러나 외란에도 강인한 특성이 있는 것을 확인하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2024.05a
• /
• pp.457-458
• /
• 2024

배터리의 상태 추정 알고리즘은 전기차의 성능과 안정성 관련 핵심 기술이다. SOC(state of charge) 알고리즘은 배터리의 충전 상태를 추정하는 역할을 한다. 본 논문에서는 SOC 알고리즘의 MIL(Modeling in the Loop) Test 과정에서 사용되는 파라미터의 오차와 영향에 대한 고찰을 제시한다.

• The Journal of the Convergence on Culture Technology
• /
• v.9 no.3
• /
• pp.727-730
• /
• 2023

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.

• Journal of IKEEE
• /
• v.23 no.4
• /
• pp.1328-1336
• /
• 2019

To maintain the safe and optimal performance of batteries, accurate estimation of state of charge (SOC) is critical. In this paper, Long short-term memory network (LSTM) based on the artificial intelligence algorithm is applied to address the problem of the conventional coulomb-counting method. Different discharge cycles are concatenated to form the dataset for training and verification. In oder to improve the quality of input data for learning, preprocessing was performed. In addition, we compared learning ability and SOC estimation performance according to the structure of LSTM model and hyperparameter setup. The trained model was verified with a UDDS profile and achieved estimated accuracy of RMSE 0.82% and MAX 2.54%.

• Proceedings of the KIPE Conference
• /
• 2019.07a
• /
• pp.53-55
• /
• 2019

리튬 이온 배터리가 소형 모바일 기기, 전기 자동차, 에너지 저장장치 등에 상용화됨에 따라서 이의 충전 상태(SOC) 추정 및 셀, 모듈의 건전성(SOH)의 예측이 배터리 사용 기기의 관리 지표로 사용되고 있다. 리튬 이온 배터리는 여러 차례의 방전으로 노화되어 기기의 요구 부하를 공급가능한지 지표로 평가되어야 한다. 정확한 SOH 추정을 위해 리튬 이온 배터리의 방전 용량 실험이 주기적으로 진행되어야 하며, 이를 통해 오프라인 기반의 SOH 추정이 가능해진다. 본 논문에서는 베이지안 회귀분석 방법을 이용하여 오프라인 SOH 추정을 진행하기 위해 방전 용량을 추정하였으며, 고출력 배터리인 18650 25R셀을 이용하여 방전 용량 추정 결과 방전 전류 1 C-rate에서 1%, 2 C-rate에서 2%의 추정 오차율을 나타냈다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2024.01a
• /
• pp.449-452
• /
• 2024

본 논문에서는 리튬이온 배터리의 SOC(State Of Charge) 초기 정보의 정확도 향상을 위하여 확장칼만필터(EKF) 방법을 적용한 효율적 SOC 추정 알고리즘을 제안한다. 일반적인 전류적산법을 사용하는 방법은 초기 조건이 부정확한 경우에 오차가 발생하고 시간에 따라 누적 오차가 커지는 단점이 있다. 이러한 문제점 해결을 위하여 초기 SOC 추정값에 EKF 방법을 동시에 적용하는 알고리즘을 제안한다. 제안 알고리즘의 평가를 위한 실험을 통하여 제안 방법이 기존 SOC 추정 방법보다 추정 오차가 개선됨을 확인하였다.

• Proceedings of the KIPE Conference
• /
• 2012.11a
• /
• pp.157-158
• /
• 2012

본 논문은 리튬 폴리머 배터리의 수명 감소에 대한 경향성 테스트를 토대로 이중 확장 칼만 필터(Dual EKF)를 이용하여 배터리의 SOC(State-of-Charge) 및 SOH(State-of-Charge) 방법을 제안하였다. 배터리에 수명에 따른 임피던스 변화를 테스트를 수행함으로써 등가회로 모델상에서 수명에 따른 변화가 가장 큰 내부 저항을 선택함으로써 배터리의 SOH 추정을 위해 선택하였다. 배터리 모델은 4.2V, 1440mAh의 리튬폴리머 전지에서 추출되었다. 배터리는 Bulk 커패시터, 두 개의 R-C회로, 직렬 저항을 사용하여 모델링하였다. Dual EKF를 모델에 적용하기 위해 캐패시터 전압은 개방 회로 전압(OCV)을 나타내는데 사용된다. Dual EKF는 충/방전 기기인 TOSCAT-5200에 의해 얻은 실험 데이터로 테스트하였다.

• Proceedings of the KIPE Conference
• /
• 2019.11a
• /
• pp.204-205
• /
• 2019

리튬 이온 전지를 사용하기 위해선 내부 상태를 추정하는 알고리즘이 필요하다. 알고리즘 적용을 위해 리튬 이온 전지에서 나오는 전압과 전류신호를 이용해 전기적 등가 회로 모델을 설계한다. 이 모델은 전압원, 저항, 캐패시터로 구성되어 있으며, 충전과 방전 시 발생하는 전기적 신호를 모사한 것이다. 전기적 등가 회로 모델 분석에 사용되는 상태방정식은 알고리즘과 상황에 따라 변경된다. 본 논문에서는 연속시간 상태방정식과 이산시간 상태방정식에 대해 다루었다. 그리고 실제 알고리즘에 적용해 성능을 확인하였다.

• Proceedings of the KIPE Conference
• /
• 2015.07a
• /
• pp.491-492
• /
• 2015

본 논문에서는 영구자석 동기 전동기(PMSM)의 수학적 모델을 기반으로 한 플라이휠 에너지 저장 시스템을 매트랩/시뮬링크를 사용하여 모델링 하였다. PMSM의 센서리스 벡터 제어를 위해 속도 및 전류 제어기를 구현하였으며, PI형 상태 관측기를 이용한 역기전압 추정기와 PLL 기반의 위치/속도 추정기를 구현하였다. 초기 기동시 역기전압 추정기반 센서리스 제어 방식은 회전자의 위치를 정확히 추종 할 수 없어 Open-Loop 알고리즘을 통하여 동기 전동기를 구동시킨다. 플라이휠 에너지 저장 시스템의 센서리스 제어 알고리즘은 충전 모드와 발전 모드에서의 시뮬레이션을 통해 성능을 확인하였다.

• Proceedings of the KIPE Conference
• /
• 2012.07a
• /
• pp.130-131
• /
• 2012

본 논문은 확장 칼만 필터(EKF)를 이용하여 배터리의 SOC(State-of-Charge) 추정 방법을 제안하였다. EKF는 정확한 모델에서만 제대로 동작 할 수 있다. 따라서, 본 논문은 EKF의 적용을 위해 높은 정확도를 가진 전기적 배터리 모델에 대해 설명한다. 배터리 모델은 4.2V, 40Ah의 리튬폴리머 전지에서 추출되었다. 배터리는 Bulk 커패시터, 두 개의 R-C회로, 직렬 저항을 사용하여 모델링하였다. EKF를 모델에 적용하기 위해 캐패시터 전압은 개방 회로 전압(OCV)을 나타내는데 사용된다. EKF는 충/방전 기기인 Maccor 8500에 의해 얻을 실험 데이터로 테스트하였다. 테스트 결과에서 추정의 오차가 최대 5% 정도로 줄일 수 있다는 것을 보여준다.