• 마이크로전자및패키징학회지
• /
• 제31권1호
• /
• pp.16-22
• /
• 2024

전기자동차와 신재생에너지에 관한 관심이 높아지면서 건설장비 산업분야에서도 리튬이온 배터리를 접목하려는 요구가 높아지고 있다. 건설중장비는 건설 현장의 다양한 작업으로 인해 전류 용량의 감소가 급속히 진행되기 때문에 SOC(State of Charge) 및 SOH(State of Health) 같은 배터리의 상태를 더욱 정확하게 추정할 필요가 있다. 본 논문에서는 SOC와 SOH를 동시에 추정이 가능한 적응제어 기법 기반 이중확장칼만필터(Dual Extended Kalman Filter, DEKF) 알고리즘을 이용하여 실제 측정데이터와의 오차를 비교하였다. 배터리 충전 상태 예측을 위해 배터리 셀을 완전 충전 후 0.2C-rate조건에서 SOC 5% 간격으로 OCV를 측정하였고, 배터리의 열화를 판단할 수 있는 건전성 지표 확보를 위해 다양한 C-rate(0.2, 0.3, 0.5, 1.0, 1.5C rate) 조건에서 50 Cycle 동안 노화 실험을 수행하였다. DEKF를 이용한 SOC 및 SOH 추정 오차는 C-rate이 커질수록 커지는 경향을 보였으며 특히 SOC 추정결과, 0.2, 0.5 및 1C-rate에서 6%이하로 나타남을 확인하였다. 또한 SOH 추정 결과는 0.2 와 0.3C-rate에서 각각 최대오차 1.0% 및 1.3% 이내로 좋은 성능을 보이는 것으로 확인하였다. 다만, C-rate가 0.5C-rate에서 1.5C-rate으로 증가함에 따라 추정오차도 1.5%에서 2%로 다소 증가하는 것을 확인할 수 있었으나, 모든 C-rate 조건에서 DEKF를 사용한 SOH의 추정 성능은 약 2% 이내인 것으로 나타났다.

• 전기학회논문지P
• /
• 제58권2호
• /
• pp.214-220
• /
• 2009

Battery is one of the emergency power and its reliability is a very important to keep up the minimum of building capabilities in case of interruption of electric power. This paper, a comparison was made between three different types of instrument on 30 valve regulated lead acid(VRLA) TYPE 12[V]/100[AH] batteries, and then their indicated measured values(impedance/conductance) were compared with the measured capacity of the battery. As a result, Measured value of instrument is strongly related to battery's capacity in the same group battery and Impedance/Conductance guide line for diagnosis of lead-acid battery's state of health(SOH) is a different from each battery guoup.

• 전력전자학회:학술대회논문집
• /
• 전력전자학회 2018년도 전력전자학술대회
• /
• pp.464-465
• /
• 2018

트램 및 전기자동차와 같은 운송 시스템에 들어가는 배터리팩은 지속적인 진동을 받게 되고 이러한 진동은 SOH(State of Health)를 감소시킨다. 뿐만 아니라 진동으로 인해 배터리팩 내부 셀들 간의 SOH가 불균일해지는 문제점이 있다. SOH의 불균형은 배터리의 수명을 단축시킨다. 본 논문에서는 각 셀 간의 SOH 균형을 위한 Thermal Balancing 기법을 제시한다.

• 스마트미디어저널
• /
• 제12권11호
• /
• pp.103-112
• /
• 2023

최근 리튬이온 배터리 사용이 늘어남에 따라 배터리 화재 및 사고 예방의 필요성이 대두되고 있다. 사고 예방을 위해서는 배터리 SOH(State of Health)를 예측하여 열화가 많이 진행된 배터리의 교체 시기를 확인하는 것이 필요하다. 본 논문에서는 배터리의 충전 과정에서 얻을 수 있는 최대 전압 도달 시간, 전류 변화 시간, 최대 온도 도달 시간, IC(Incremental Capacity) 등 4가지 배터리 열화 특성과 어텐션 메커니즘을 이용한 장단기 메모리(Long Short Term Memory, LSTM)를 사용하여 배터리의 열화 상태를 예측하는 모델을 제안한다. NASA에서 제공하는 배터리 데이터 세트를 사용해 제안하는 모델의 성능을 측정한 결과 일반적인 LSTM 모델을 사용하는 경우보다 예측성능의 개선을 확인할 수 있었고, 특히 배터리 교체 주기에 가까운 SOH 90-70% 구간에서 더 우수한 성능을 보였다.

• 전력전자학회논문지
• /
• 제26권3호
• /
• pp.183-191
• /
• 2021

A battery management system (BMS) provides some functions for ensuring safety and reliability that includes algorithms estimating battery states. Given the changes caused by various operating conditions, the state-of-health (SOH), which represents a figure of merit of the battery's ability to store and deliver energy, becomes challenging to estimate. Machine learning methods can be applied to perform accurate SOH estimation. In this study, we propose a Long-Term Recurrent Convolutional Network (LRCN) that combines the Convolutional Neural Network (CNN) and Long Short-term Memory (LSTM) to extract aging characteristics and learn temporal mechanisms. The dataset collected by the battery aging experiments of NASA PCoE is used to train models. The input dataset used part of the charging profile. The accuracy of the proposed model is compared with the CNN and LSTM models using the k-fold cross-validation technique. The proposed model achieves a low RMSE of 2.21%, which shows higher accuracy than others in SOH estimation.

• 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.

• Journal of Power Electronics
• /
• 제16권1호
• /
• pp.238-248
• /
• 2016

The state-of-charge (SOC) and state-of-health (SOH) estimation of batteries play important roles in managing batteries for automotive applications. However, an accurate state estimation of a battery is difficult to achieve because of certain factors, such as measurement noise, highly nonlinear characteristics, strong hysteresis phenomenon, and diffusion effect of batteries. In certain vehicular applications, such as idle stop-start systems (ISSs), significant errors in SOC/SOH estimation may lead to a failure in restarting a combustion engine after the shut-off period of the engine when the vehicle is at rest, such as at a traffic light. In this paper, a dual extended Kalman filter algorithm with a dynamic equivalent circuit model of a lead-acid battery is proposed to deal with this problem. The proposed algorithm adopts a battery model by taking into account the hysteresis phenomenon, diffusion effect, and parameter variations for accurate state estimations of the battery. The validity of the proposed algorithm is verified through experiments by using an absorbed glass mat valve-regulated lead-acid battery and a battery sensor cable for commercial ISS vehicles.

• 전력전자학회:학술대회논문집
• /
• 전력전자학회 2019년도 추계학술대회
• /
• pp.194-195
• /
• 2019

배터리는 사용 기간과 회수가 증가함에 따라 수명이 점차 감소한다. SOH(State-Of-Health)는 배터리의 초기 상태와 현재 상태를 비교하여 배터리의 수명 상태를 나타내는 지표이며, 이는 배터리를 사용함에 있어서배터리의 현재 충전상태를 나타내는 SOC(State-Of-Charge)와 함께 정확한 추정을 필요로 한다. 본 논문에서는 리튬이온 배터리를 C-rate에 따라 노화시키며 각 C-rate별 SOH 추정 경향성을 분석하였다. 배터리의 SOC와 SOH는 확장 칼만 필터를 병렬적으로 사용하는 이중 확장 칼만 필터를 활용하여 추정한다. 배터리의 노화실험은 완전충전과 완전충전을 반복하는 전류 프로파일을 인가하였으며, 실험은 상온(25℃)에서 실행하였다.

• 전력전자학회:학술대회논문집
• /
• 전력전자학회 2018년도 추계학술대회
• /
• pp.133-134
• /
• 2018

배터리의 효율적인 사용을 위해 배터리 관리 시스템(BMS)는 중요하다. 그 중 배터리의 잔존 수명을 나타내는 지표인 SOH(State of Health)를 예측하기 위해 본 논문에서는 18650 리튬이온 셀에 전기적 노화 실험(Cycle Life Test)을 적용하였다. 방전 용량 및 저항 변화에 의한 SOH 변화를 인공 신경망(Artificial Neural Network)을 사용하여 예측하도록 설계하고 이에 대한 검증을 수행하였다.

• 한국조명전기설비학회:학술대회논문집
• /
• 한국조명전기설비학회 2008년도 춘계학술대회 논문집
• /
• pp.317-320
• /
• 2008

This paper presents the battery management system(BMS) for the optimum conditions of the lead-Acid battery in UPS. The proposed system controls the over and under currents of battery for protecting and it was applied algorithm for optimum conditions to estimate the State Of Charge(SOC) and State Of Health(SOH) in charge or discharge mode. It approved the performance and the algorithm for the estimation of SOH, through the experiments which using the charge and discharge tester and the field tests.