• 전력전자학회:학술대회논문집
• /
• 전력전자학회 2019년도 추계학술대회
• /
• pp.206-207
• /
• 2019

리튬이온 배터리의 상태를 모니터링 하는 방법에 있어서, 대표적으로 배터리의 충전 상태(SOC)와 배터리의 건강 상태(SOH)를 추정하여 상태 지표로 사용된다. 본 연구에서는 리튬 이온 배터리의 상태 지표를 위한 용량 정보의 추정을 데이터 기반의 근사 모델을 이용하여 수행하였다. 다양한 근사 모델링 방법을 적용하여 추정되는 용량 정보를 비교하고, 모델링 방법에 따른 용량 추정 성능을 확인하였다. 또한, 이를 바탕으로 리튬이온 배터리의 용량을 예측하고 예측 성능을 분석하였다. 본 연구를 통하여 근사모델을 이용하는 경우, 리튬이온 배터리의 용량 추정은 물론 예측을 수행하는 방법으로서의 활용 가능성을 확인하였으며, 또한 제안하는 방법을 이용하여 보유하고 있는 모니터링 데이터를 활용하여 리튬이온 배터리의 성능을 평가하는데 있어 효과적으로 활용될 수 있을 것으로 판단된다.

• 전력전자학회:학술대회논문집
• /
• 전력전자학회 2020년도 전력전자학술대회
• /
• pp.215-217
• /
• 2020

본 논문은 배터리 팩 내부 셀 파라미터의 불균일도에 대한 분석을 실시하고 이를 기반으로 과방전을 사전에 진단할 수 있는 방법을 제안한다. 이를 위해서 배터리 팩 내부 셀간 편차가 발생하는 셀을 선정하여 두 셀간 특성 분석을 실시하였으며, 이를 기준으로 예측 모델을 구성하였다. 예측 성능을 통해 배터리 전압 예측 성능에 영향을 미치는 인자를 분석하였으며, 배터리 전기적 등가회로 모델을 기반으로 예측 모델을 제안한다. 예측 모델은 실제 과방전이 발생한 셀을 기준으로 실험데이터와 비교하여 예측 성능을 검증하였다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제12권3호
• /
• pp.133-140
• /
• 2023

리튬 이온 배터리는 사용 환경과 양극재 조합 비율에 따라 배터리의 성능이 좌우된다. 고성능 리튬 이온 배터리를 개발하기 위해서는 양극재 비율을 다양하게 변화시켜가면서 배터리를 제작하고 성능을 측정해야 한다. 하지만 모든 변수 조합에 대해 배터리를 제작하고 성능을 측정하기에는 많은 시간과 비용이 소모된다. 그렇기 때문에 최근에는 데이터 기반으로 인공지능 모델을 활용하여 배터리의 성능을 예측하고자 하는 연구가 활발히 진행되고 있다. 그러나 기존 공개 배터리 데이터는 동일한 배터리로 측정 실험을 하였기 때문에 양극재 조합 비율은 고정되어 있어서 데이터 속성으로 포함되지 않았다. 본 논문에서는 양극재 소재 조합 비율에 따른 배터리의 성능을 예측할 수 있는 인공지능 모델 개발에 필요한 학습 데이터 모델을 정의한다. 우리는 리튬 이온 배터리의 성능에 영향을 미칠 수 있는 요인을 분석하여 양극재 소재별 질량과 배터리 사용 환경을 입력데이터로, 배터리의 출력과 용량을 목적 데이터로 정의하였다. 공개 배터리 데이터 중에는 양극재 비율이 포함된 데이터가 없어 양극재 비율을 모두 동일한 값으로 설정한 제한된 데이터로 다중 선형회귀 분석, 서포트 벡터 회귀분석, 다중 로지스틱 회귀 분석, LSTM 분석을 수행하였다. 실험 환경이 다른 배터리 데이터에서 각각의 배터리 데이터는 고유한 패턴을 유지하였으며, 배터리 분류 모델은 각각의 배터리를 약 2%의 오차로 분류하는 것으로 나타났다.

• 한국정보통신학회논문지
• /
• 제26권7호
• /
• pp.1078-1090
• /
• 2022

모바일 기기 배터리의 잔여 시간 예측은 배터리 잔량별 사용 시간 데이터의 분포 특성에 영향을 받는다. 특히 이상치 데이터가 존재하는 경우, 통계적 회귀 기법의 예측 성능을 왜곡시킬 수 있다. 이에 본 논문에서는 통계적 회귀 기법의 예측 성능 향상을 위해 이상치 데이터를 탐지 및 처리하는 프레임워크를 제안하였다. 제안한 프레임워크는 먼저 배터리 잔여 시간 예측에 영향을 주는 이상치 데이터를 탐지한다. 탐지된 이상치 데이터는 평활 과정을 통해 새로운 값으로 치환된 후, 이상치 데이터와 치환된 데이터 간의 차이를 개별 데이터에 분배한다. 마지막으로 개별 데이터를 재강화하여 예측 성능을 향상시키고자 한다. 제안한 프레임워크의 성능 분석을 수행한 결과, 배터리 잔여 시간의 예측 성능이 향상됨을 확인하였다.

• 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.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2023년도 제67차 동계학술대회논문집 31권1호
• /
• pp.341-342
• /
• 2023

배터리 기술 고도화 및 기술표준 강화에 따라 완성차 제조사와 배터리 업계간 활발한 협업이이어질 전망이다. 또한 기존 배터리 제조사들이 활발한 증설 및 밸류 체인 확장을 통한 기술가격 경쟁력 격차 유지에 적극적으로 나서고 있어, 향후 시장 주도권 경쟁이 가속화될 것으로 전망된다. 배터리의 온도 상승은 배터리 효율을 낮추는 원인이며, 배터리 온도 제어가 전기자동차 차량의 전체 성능 향상에 중요한 부분이라고 할 수 있다. 본 연구는 실제 Battery Pack 실험 전 열유동해석을 통해 배터리온도 상승추이 및 냉각효율 검증을 진행하는 과정에서 발생하는 과도한 시간 소요를 줄이기 위해 Machine Learning 을 활용하여 검증 효율 및 설계 효율을 높이는데 그 목적이 있으며, CFD를 활용한 배터리 효율 최적화 설계를 하는 기존 모델 대비 30%~50%정도의 성능향상을 예측할 수 있다.

• 대한기계학회논문집B
• /
• 제41권10호
• /
• pp.693-698
• /
• 2017

원통형 리튬이온 배터리를 이용한 배터리 팩의 냉각을 위한 해석을 수행하였다. 파우치형에 비해서 원통형 셀을 이용한 배터리 팩은 저렴하면서 신뢰도가 우수한 것으로 알려져 있다. 단지 부피가 파우치 타입에 비해서 크고 디자인적으로 제약이 있다라는 단점을 가지고 있다. 본 논문에서는 18650 배터리를 이용한 배터리팩의 냉각성능을 해석을 통하여 예측하였다. 배터리팩의 온도 안정성은 자동차용 배터리 팩에서 가장 중요한 부분이기 때문이다. 해석을 수행하기 전에 발열 시험을 수행하였으며 열화상 카메라를 이용하여 온도를 측정하고 해석을 통해서 이에 해당하는 발열량 값을 예측하였다. 이를 바탕으로 배터리 팩의 자연대류와 강제대류 해석을 진행하였으며 각각의 냉각 성능을 비교하였다. 배터리 셀을 직접 냉각하는 직접냉각 방식, 배터리 케이스 상하면을 냉각하는 방식, 배터리 케이스 상하면에 공기 통로를 설치하는 세 가지 방식에 대해서 냉각 성능을 비교하였고, 공기채널 방식이 안정성과 냉각성능 면에서 우수함을 해석을 통하여 입증하였다.

• 한국전자통신학회논문지
• /
• 제18권6호
• /
• pp.1151-1156
• /
• 2023

본 논문은 초기 리튬이온 배터리의 충·방전 데이터를 활용하여 리튬이온 배터리의 잔존 수명을 예측할 수 있는 딥러닝 모델을 제시한다. PNP(Positive and Negative Perceptron) 모델을 사용하여 DMP(Deep learning Model using PNP model)를 구축하였으며, DMP의 성능을 증명하기 위해 LSTM 모델을 사용하여 DML(Deep learning Model using LSTM model)을 구성하였다. DMP와 DML의 리튬이온 배터리의 잔존 수명 예측 성능을 비교하며, 오차 측정 방법은 RMSE(Root Mean Square Error)와 RMSPE(Root Mean Square Percentage Error)이다. 시험 데이터로 오차를 측정한 결과 DMP와 DML의 RMSE 차이는 144.62[Cycle]이며, RMSPE 차이는 3.37[%]로 DMP의 오차가 낮게 측정되었다. 이를 통해 우리는 DMP의 성능이 높은 것으로 증명하였으며, 이는 리튬이온 배터리 분야에서 PNP 모델이 LSTM 모델보다 성능이 뛰어남을 나타내었다.

• 전력전자학회:학술대회논문집
• /
• 전력전자학회 2019년도 전력전자학술대회
• /
• pp.195-197
• /
• 2019

자동차용 배터리는 초기 용량의 80% 이하가 되면 교체하게 되며, 근간 폐배터리의 수가 폭발적으로 증가할 것으로 예측되고 있다. 폐배터리의 폐기로 인한 환경 파괴를 방지하고 자원을 재활용하기 위해서 자동차에서 나오는 폐배터리를 에너지저장장치(ESS)로 재사용 하는 것에 대한 관심이 높아지고 있다. 폐배터리를 ESS로 재구성하기 위해서는 폐배터리 모듈의 그레이딩을 통해 비슷한 성능의 모듈끼리 모아서 구성하는 것이 매우 중요하다. 배터리 모듈 간의 불균형은 전체 시스템의 성능을 저하시키며, 따라서 비슷한 성능과 잔존 수명을 가진 모듈을 골라내는 일은 폐배터리의 재사용에 있어서 첫 번째 선결 과제가 된다. 본 연구에서는 폐배터리의 상태 및 잔존수명평가를 위해 배터리 모듈의 임피던스 스펙트럼을 측정할 수 있는 장비를 개발하였다. 폐배터리 모듈에 AC 섭동을 인가하고 이를 측정하여 임피던스 스펙트럼을 계산할 수 있는 하드웨어와 소프트웨어를 개발하였다. 개발 장비는 60V이하의 폐배터리 모듈의 임피던스 스펙트럼을 0.1Hz에서 1kHz까지 측정 가능하며, 측정 결과를 바탕으로 커브 피팅을 통해 등가회로의 파라미터도 계산할 수 있다. SM3에서 얻어진 폐배터리 모듈을 이용하여 측정한 임피던스 스펙트럼을 상용장비인 BIM2로 측정한 결과를 비교하였고, Reduced Chi-Square를 이용한 분석결과 두 데이터가 거의 일치함을 알 수 있었다.

• 한국산학기술학회논문지
• /
• 제18권8호
• /
• pp.1-7
• /
• 2017

본 논문은 퍼스널 모빌리티에 사용되는 360 Wh급 리튬이온 배터리 팩의 성능 및 안정성 확보를 위하여 리튬이온 배터리 팩의 열전달 특성에 관하여 상용수치해석 프로그램인 ANSYS v17.0의 CFX를 이용하여 수치적으로 연구하였다. 이를 위하여 퍼스널 모빌리티에 사용되는 360 Wh급 리튬이온 배터리 팩의 배터리 셀 배열을 4가지 경우로 변경하고, 배터리 셀 홀더에 사용되는 재질과 배터리 팩 케이스에 사용되는 재질을 각각 Polypropylene, Aluminium, Magnesium alloy로 변경하였다. 그 결과 배터리 평균 온도는 배터리 셀 배열이 Model 2 일 때 가장 낮게 예측되었으며, 배터리 셀 홀더와 배터리 팩 케이스 재질 변경에 따른 배터리 평균 온도는 대부분의 경우 Aluminium 일 때 가장 낮게 예측되었다. 퍼스널 모빌리티에 사용되는 360 Wh급 리튬이온 배터리 팩의 열전달 성능은 배터리 셀 배열과 배터리 팩 케이스 재질에 많은 영향을 받았으며, 배터리 셀 배열 Model 2와 배터리 팩 케이스 재질이 Aluminium 일 때 가장 높았다.