For the safe and reliable operation of Lithium-ion batteries in Electric Vehicles (EVs) or Energy Storage Systems (ESSs), it is essential to have accurate information of the battery such as State of Charge (SOC). Many kinds of different techniques to estimate the SOC of the batteries have been developed so far such as the Kalman Filter. However, when it is applied to the multiple number of batteries it is difficult to maintain the accuracy of the estimation over all cells due to the difference in parameter value of each cell. Moreover the difference in the parameter of each cell may become larger as the operation time accumulates due to aging. In this paper a novel Deep Neural Network (DNN) based SOC estimation method for multi cell application is proposed. In the proposed method DNN is implemented to learn non-linear relationship of the voltage and current of the lithium-ion battery at different SOCs and different temperatures. In the training the voltage and current data of the Lithium battery at charge and discharge cycles obtained at different temperatures are used. After the comprehensive training with the data obtained with a cell resulting estimation algorithm is applied to the other cells. The experimental results show that the Mean Absolute Error (MAE) of the estimation is 0.56% at 25℃, and 3.16% at 60℃ with the proposed SOC estimation algorithm.
This paper presents a new overall system for state-of-available-power (SoAP) prediction for a lithium-ion battery pack. The essential part of this method is based on an adaptive network architecture which utilizes both fuzzy model (FIS) and artificial neural network (ANN) into the framework of adaptive neuro-fuzzy inference system (ANFIS). While battery aging proceeds, the system is capable of delivering accurate power prediction not only for room temperature, but also at lower temperatures at which power prediction is most challenging. Due to design property of ANN, the network parameters are adapted on-line to the current battery states (state-of-charge (SoC), state-of-health (SoH), temperature). SoC is required as an input parameter to SoAP module and high accuracy is crucial for a reliable on-line adaptation. Therefore, a reasonable way to determine the battery state variables is proposed applying a combination of several partly different algorithms. Among other SoC boundary estimation methods, robust extended Kalman filter (REKF) for recalibration of amp hour counters was implemented. ANFIS then achieves the SoAP estimation by means of time forward voltage prognosis (TFVP) before a power pulse occurs. The trade-off between computational cost of batch-learning and accuracy during on-line adaptation was optimized resulting in a real-time system with TFVP absolute error less than 1%. The verification was performed on a software-in-the-loop test bench setup using a 53 Ah lithium-ion cell.
대체 에너지(태양광, 풍력등)의 전력저장 시스템으로 널리 사용되는 겔형(Gel Type) 밀폐형 연(鉛)축전지의 노화 특성 평가 및 충전회로에 관하여 연구하였다. 납 합금을 이용한 기판 주조 기술과 전해액(Gel) 배합기술이 축전기 성능과 수명을 좌우하며 또한 배터리 충전 시스템에 따른 온도 상승이 치명적인 영향을 미치게 된다. 따라서 본 연구에서는 적외선 열화상 장치를 이용한 내부 열원 추적에 의해 노화정도를 측정하며 축전지 수명시험을 통해 입수한 데이터와 비교 평가하고자 한다. 현재 실험실 충방전 수명시험을 마치고 (주)코윈텍이 부안 해창 공원에 설치한 30kW급 풍력발전 시스템에 적용하여 Field Test를 시험중이다.
This paper proposes a battery remaining useful life (RUL) prediction method using a deep learning-based EMD-CNN-LSTM hybrid method. The proposed method pre-processes capacity data by applying empirical mode decomposition (EMD) and predicts the remaining useful life using CNN-LSTM. CNN-LSTM is a hybrid method that combines convolution neural network (CNN), which analyzes spatial features, and long short term memory (LSTM), which is a deep learning technique that processes time series data analysis. The performance of the proposed remaining useful life prediction method is verified using the battery aging experiment data provided by the NASA Ames Prognostics Center of Excellence and shows higher accuracy than does the conventional method.
본 논문은 과충전 및 과방전의 원인이 되는 배터리팩 내부 셀의 불균형으로 인한 셀 간 전압 편차를 분석하기 위해 24s 1p로 구성된 배터리 팩을 사용하여 전기적 열화 실험을 진행하였다. 만충 만방 실험 결과에서 SOC 구간에 따른 셀 간 전압 편차를 분석하였으며, 사이클 증가로 인한 열화와 상관관계가 높은 구간을 분석하여 열화 판단의 파라미터로 제안한다.
Modern society is making numerous efforts to reduce reliance on carbon-based energy systems. A notable solution in this transition is the adoption of lithium-ion batteries (LIBs) as potent energy sources, owing to their high energy and power densities. Driven by growing environmental challenges, the application scope of LIBs has expanded from their initial prevalence in portable electronic devices to include electric vehicles (EVs) and energy storage systems (ESSs). Accordingly, LIBs must exhibit long-lasting cyclability and high energy storage capacities to facilitate prolonged device usage, thereby offering a potential alternative to conventional sources like fossil fuels. Enhancing the durability of LIBs hinges on a comprehensive understanding of the reasons behind their performance decline. Therefore, comprehending the degradation mechanism, which includes detrimental chemical and mechanical phenomena in the components of LIBs, is an essential step in resolving cycle life issues. The LIB systems presently being commercialized and developed predominantly employ graphite anode and layered oxide cathode materials. A significant portion of the degradation process in LIB systems takes place during the electrochemical reactions involving these electrodes. In this review, we explore and organize the aging mechanisms of LIBs, especially those with graphite anodes and layered oxide cathodes.
국방 분야에서 유도무기와 같은 일회성 무기체계는 제작 후 오랜 기간 보관되어지기 때문에 수명 예측이 필수적이다. 본 연구에서는 유도무기에 사용되는 리튬 2차 전지에 대해 수명을 확인하기 위한 연구를 수행하였다. 연구를 위해 5년 이상 무기체계에 탑재되어 사용된 리튬 2차 전지를 확보하였으며, 비기능 검사를 수행하여 외적인 변화나 고장이 발생하였는지 확인하였다. 비기능 검사가 끝난 후 리튬 2차 전지의 성능 측정을 위한 방전 시험을 실시하였으며, 방전 시험 시 전지를 규격에 맞추어 충전한 후 방전 시험을 실시하였다. 방전 시험을 통해 초기 충전 전압, 방전 시간, 전지 온도 등을 측정하였으며, 이를 기존에 측정된 데이터와 비교하여 성능 변화 경향을 확인하였다. F-검정과 일원분산분석(One-way ANOVA, Analysis of Variance), 회귀 분석을 통해 노화가 발생하였는지 확인하였으며, 회귀 분석을 통해 측정된 근사식을 통해 리튬 전지의 수명을 추정하였다. 분산분석 결과 p-value 값이 기준값 0.05보다 작은 것을 알 수 있었으며, 일정 시간이 경과하였을 때에 전지의 성능이 15% 이상 감소하는 것을 확인할 수 있었다. 이러한 성능 변화는 리튬 폴리머 셀의 물성 변화로 인해 일어나는 것으로 추정된다.
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.
According to the National Fire Data System (NFDS), more than 5,000 vehicle fires have occurred every year for the last 10 years. Vehicle fires are primarily caused by mechanical (breaking system and engine), electrical (wiring and battery), and chemical (oil and fuel gas leakage) problems. The electrical factor has increased with the installation of driver convenience equipment. For example, today, the black box is widely used to provide video data recording of motor vehicle accidents. The black box consists of a front camera, rear camera, and wires. The black box wires are directly connected to the junction box or fuse box from the start battery that operates to provide normal on power supplying for engine stop. It is extremely dangerous when the wires short circuit due to insulation aging, mechanical and electrical stress, etc. In this study, the black box wiring fire risk have been analyzed and investigated when the steady state and abnormal operations, and under the following conditions: wiring arrangements with a high temperature condition, insulation aging, poor contact, and short circuits. The results showed that black box wiring short circuits had a higher fire risk than the other fire hazard elements. To prevent fire hazards caused by black box wiring, the black boxes must be installed by qualified service personnel. Do not modify the wiring, remove the fuse and secure the wiring using cable ties or insulation tape.
본 논문에서는 전기자동차용 배터리의 충방전 상태를 정확하게 추정하고 안정적으로 평가하기 위하여, 비선형성을 가지는 배터리의 출력특성을 단계마다 선형화시켜 상태를 평가하고, 실시간 구현 및 모델의 오차보정과 노이즈에 강인한 특성을 가지고 있는 확장칼만필터 알고리즘을 이용한 SOC 추정 방법을 제안한다. 확장칼만필터를 적용하기 위해 배터리를 1차 Thevenin 모델로 나타내고, SOC 추정을 위한 배터리 성능평가 시뮬레이터를 구현하여, 실험을 통해 확장칼만필터에 적용될 파라미터를 도출한다. 본 논문에 적용된 SOC 상태추정 전략에서는 기존 선행 연구들과 다르게 배터리에 명시되어 있는 정격용량을 최대 충전가능용량으로 대체함으로써, 배터리의 노화에 상관없이 언제나 0%~100%의 SOC를 가질 수 있도록 변경된 수법을 제안한다. 이를 통해, 고정밀 CT를 사용한 Ah counting에 의한 SOC 추정을 기준으로 하여 본 논문에서는 배터리의 비선형 구간에서도 오차를 줄일 수 있는 확장칼만필터 방법을 제안하고 시뮬레이션을 통해 배터리 전 SOC 영역에서 추정오차를 5% 미만으로 줄일 수 있음을 확인한다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.