• 전력전자학회:학술대회논문집
• /
• 전력전자학회 2019년도 추계학술대회
• /
• pp.70-72
• /
• 2019

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.

• Journal of Power Electronics
• /
• 제13권4호
• /
• pp.516-527
• /
• 2013

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.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2002년도 춘계학술대회 논문집 전기기기 및 에너지변환시스템부문
• /
• pp.129-132
• /
• 2002

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.

• 전력전자학회논문지
• /
• 제27권1호
• /
• pp.48-55
• /
• 2022

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.

• 전력전자학회:학술대회논문집
• /
• 전력전자학회 2019년도 전력전자학술대회
• /
• pp.451-452
• /
• 2019

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.

• Journal of Electrochemical Science and Technology
• /
• 제15권1호
• /
• pp.51-66
• /
• 2024

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.

• 한국산학기술학회논문지
• /
• 제21권12호
• /
• pp.339-345
• /
• 2020

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.

• 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.

• 한국안전학회지
• /
• 제32권6호
• /
• pp.22-28
• /
• 2017

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.

• 한국산학기술학회논문지
• /
• 제18권10호
• /
• pp.15-23
• /
• 2017

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.