• 지능정보연구
• /
• 제24권2호
• /
• pp.243-264
• /
• 2018

현재 전세계 배터리 시장은 이차전지 개발에 박차를 가하고 있는 실정이지만, 실제로 소비되는 배터리 중 가격 대비 성능이 좋고 재충전을 통해 다시 재사용이 가능한 납축전지(이차전지)의 소비가 광범위하게 이루어지고 있다. 하지만 납축전지는 복합적 셀(cell)을 묶어 하나의 배터리를 구성하여 활용하는 배터리의 특성상 하나의 셀에서 열화가 발생하면 전체 배터리의 손상을 가져와 열화가 빨리 진행되는 문제가 존재한다. 이를 극복하기 위해 본 연구는 기계학습을 통한 배터리 상태 데이터를 학습하여 배터리 열화를 예측할 수 있는 모델을 개발하고자 한다. 이를 위해 실제 현장에서 배터리 상태를 지속적으로 모니터링 할 수 있는 센서를 골프장 카트에 부착하여 실시간으로 배터리 상태 데이터를 수집하고, 수집한 데이터를 이용하여 기계학습 기법을 적용한 분석을 통해 열화 전조 현상에 대한 예측 모델을 개발하였다. 총 16,883개의 샘플을 분석 데이터로 사용하였으며, 예측 모델을 만들기 위한 알고리즘으로 의사결정나무, 로지스틱, 베이지언, 배깅, 부스팅, RandomForest를 사용하였다. 실험 결과, 의사결정나무를 기본 알고리즘으로 사용한 배깅 모델이 89.3923%이 가장 높은 적중률을 보이는 것으로 나타났다. 본 연구는 날씨와 운전습관 등 배터리 열화에 영향을 줄 수 있는 추가적인 변수들을 고려하지 못했다는 한계점이 있으나, 이는 향후 연구에서 다루고자 한다. 본 연구에서 제안하는 배터리 열화 예측 모델은 배터리 열화의 전조현상을 사전에 예측함으로써 배터리 관리를 효율적으로 수행하고 이에 따른 비용을 획기적으로 줄일 수 있을 것으로 기대한다.

• 자원리싸이클링
• /
• 제28권5호
• /
• pp.60-67
• /
• 2019

금속 폐기물로부터의 유가금속 회수는 관련 원료의 수입 혹은 안정적 원료 수급을 위해서 매우 중요하다. 특히 폐리튬이차전지(LIBs)로부터 회수가 가능한 금속(Li, Co, Ni, Mn 등)의 재사용뿐만 아니라 폐리튬이차전지의 재활용 연구가 필수적이다. 폐리튬이차전지에서 회수된 수산화리튬($LiOH{\cdot}xH_2O$)은 촉매, 이산화탄소 흡수제 및 양극재의 전구체로 재사용이 가능하다. 본 연구에서는 폐리튬이차전지로부터 회수된 탄산리튬 전구체를 사용하였으며, 침전공정을 이용한 선택적인 리튬 분리를 통해 고순도 수산화리튬 분말의 제조 및 최적화 연구를 진행하였다. 수산화리튬 제조 조건으로는 교반을 기반으로 반응온도 $90^{\circ}C$, 반응시간 3 시간, 탄산리튬과 수산화칼슘의 비율 1:1의 조건에서 수행하였으며, 순도 향상을 위해 2-step 수산화리튬 제조 공정을 추가적으로 진행하여 최종적으로 고순도의 수산화리튬 제일수화물($LiOH{\cdot}xH_2O$)을 제조하였다.