• 전력전자학회:학술대회논문집
• /
• 전력전자학회 2010년도 하계학술대회 논문집
• /
• pp.87-88
• /
• 2010

주위온도, 사용연한 및 운전점 등에 의해서 동작특성이 변화되는 배터리의 SOC(State of Charge)를 정확하게 추정하는 것은 매우 어려운 과제이다. SOC를 추정하기 위해서는 배터리의 복잡한 비선형적인 특성을 고려한 등가 모델의 개발이 필요하다. 본 논문은 SOC 추정을 위해 최근까지 수행되었던 연구를 검토하고, SOC 추정을 위해 개발된 배터리 모델 및 추정기법을 비교 분석하고, PSIM 시뮬레이션 연구 결과를 제시한다.

• 전력전자학회:학술대회논문집
• /
• 전력전자학회 2014년도 추계학술대회 논문집
• /
• 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.

• 전력전자학회:학술대회논문집
• /
• 전력전자학회 2012년도 전력전자학술대회 논문집
• /
• pp.413-414
• /
• 2012

본 논문에서는 C-rate, 온도, SOC (State-of-Charge, 잔존용량)를 고려하여 NiMH 배터리를 모델링하였고, 시뮬레이션 결과를 배터리 실험 결과와 비교하였다. 제안한 배터리 모델은 1차 테브난 등가회로를 기반으로 구성하였으며 Matlab/Simulink 환경에서 구현하였다. 모델을 구현하기 위한 실험으로는 정전류, 펄스전류 실험을 하여 가변온도와 다양한 C-rate에서 변하는 파라미터를 도출하였고, 도출한 파라미터는 룩업 테이블을 이용하여 배터리 모델에 적용하였다. 제안된 배터리 모델을 짧은 시간동안 불규칙하게 변하는 전류 패턴에 대한 시뮬레이션과 실험 파형을 통하여 배터리 모델의 성능을 검증하였다.

• 전력전자학회:학술대회논문집
• /
• 전력전자학회 2018년도 추계학술대회
• /
• pp.121-122
• /
• 2018

리튬 인산철(LFP, $LiFePo_4$) 배터리의 경우 다른 종류의 배터리에 비해 내부 파라미터가 비선형적인 단점이 있다. 일반적인 배터리 등가회로 모델을 적용 시, 비선형성으로 인해 추정 성능이 감소한다. 배터리 등가회로 모델을 기반인 확장 칼만 필터(EKF, Extended Kalman Filter)를 통해 SOC (State of Charge) 추정 시 추정성능이 감소할 수 있다. 따라서 본 논문은 LFP 배터리의 SOC 추정 성능 향상을 위해 실시간 파라미터 관측기를 통한 배터리 등가회로 모델을 기반으로 EKF의 내부 파라미터를 분석하고 이에 따른 차등 모델을 제안한다.

• 전력전자학회:학술대회논문집
• /
• 전력전자학회 2016년도 전력전자학술대회 논문집
• /
• pp.311-312
• /
• 2016

본 논문에서는 사이즈가 다른 고출력 원통형 리튬이온 배터리의 Remaining Useful Life(RUL)을 방전용량 기반으로 전기적 특성분석을 실시하였다. 우선, 배터리의 충/방전이 계속될 시 용량이 어떻게 변화하는지 실험해보았으며, 만충 전압(Fully Charged)에서 만방 전압(Fully Discharged) 까지의 각각의 State-Of-Charge(SOC)에서 Hybrid Pulse Power Characterization (HPPC) Test를 이용해 충전 저항과 방전 저항을 구하여, 용량과 저항의 관계를 파악하였으며, 배터리 RUL을 알기 위한 기본 정보를 확보했다.

• 전력전자학회:학술대회논문집
• /
• 전력전자학회 2016년도 전력전자학술대회 논문집
• /
• pp.255-256
• /
• 2016

This paper is presents a initial starting of SST with high voltage level source. Rush current flowing as difference between capacitor level and grid level can crush the whole system. Thus, industries have used initial constituted by resistance and relay. However the initial circuit used in industries can't apply high voltage application due to isolation and economic feasible problems. Therefore many countries study method can charge capacitor with another voltage sources. Also this paper introduce method charging primary side capacitor efficiently.

• 전력전자학회:학술대회논문집
• /
• 전력전자학회 2017년도 추계학술대회
• /
• pp.137-138
• /
• 2017

본 논문에서는 각형 형태의 120Ah 고용량 배터리 ($LiNiMnCoO_2$; NMC)의 내부 파라미터 추출을 통해 배터리 관리 시스템(battery management system;BMS)에 중요한 팩터로 0.1C 및 0.25C 방전 조건에서 확장칼만필터(extended Kalman fileter;EKF) 기반으로 SOC(state-of-charge)를 추정하였다.

• 전력전자학회:학술대회논문집
• /
• 전력전자학회 2018년도 전력전자학술대회
• /
• pp.249-251
• /
• 2018

본 논문에서는 모델 기반 적응제어 방식중 하나인 확장 칼만 필터(EKF: Extended Kalman Filter)를 사용하여 전기자전거용 배터리팩의 충전량(SOC: State of Charge)을 상온과 저온에서 추정하였다. 온도에 따라 배터리의 특성은 매우 가변적이며, 모델의 특성이 달라짐에 따라 적응제어를 위한 내부 파라미터 또한 상이하게 나타난다. 본 논문에서는 Matlab/Simulink를 이용하여 배터리와 확장 칼만 필터를 설계하고 시뮬레이션하였다. 온도에 따른 최적의 SOC 추정 성능을 얻기 위해, 오차 원인을 분석하고 이에 따른 개선된 SOC 추정 결과를 나타냈다.

• 전력전자학회:학술대회논문집
• /
• 전력전자학회 2012년도 전력전자학술대회 논문집
• /
• 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.

• 전력전자학회:학술대회논문집
• /
• 전력전자학회 2020년도 전력전자학술대회
• /
• pp.387-388
• /
• 2020

본 논문은 패시브 셀 밸런싱과 액티브 셀 밸런싱의 에너지 손실 비교에 관한 연구내용이다. 패시브 셀 밸런싱은 저항을 이용하여 과충전된 셀의 에너지를 소모하는 방식이며 액티브 셀 밸런싱은 SSC(Single Switched Capacitor) 구조를 이용하여 높은 에너지 셀의 에너지를 낮은 에너지 상태의 셀로 전달하는 방식이다. 높은 셀과 낮은 셀의 SOC(State Of Charge)의 차이가 5% (0.085 V)일 때 ∆SOC = 3% (∆V = 0.051 V)로 줄이기 위해 패시브 셀 밸런싱과 액티브 셀 밸런싱을 하여 두 셀 밸런싱의 에너지 손실 차이를 시뮬레이션과 실험을 통하여 비교한다.