• 전력전자학회:학술대회논문집
• /
• 전력전자학회 2020년도 전력전자학술대회
• /
• pp.46-48
• /
• 2020

본 논문에서는 전기자동차용 배터리의 충방전 시 단자전압이 배터리의 상하한 전압에 도달하지 않는 최대 가용 출력 전류 추정 알고리즘을 제안한다. 제안하는 알고리즘은 SOC에 따라 변화하는 내부 파라미터를 고려하여 일정 시간동안 배터리가 출력 가능한 최대의 전류를 추정함으로써 해당 시간 동안 배터리의 출력을 보장하고 배터리의 가용 에너지를 극대화한다. 알고리즘을 검증하기 위하여 전기자동차용 배터리를 이용한 실험 및 시뮬레이션을 진행한다.

• 한국산학기술학회논문지
• /
• 제18권5호
• /
• pp.22-28
• /
• 2017

전기자동차에 사용되는 리튬이온 배터리의 성능은 배터리 온도에 따라 큰 차이를 보인다. 본 논문에서는 유한차분법을 이용하여 배터리의 발열량에 따른 배터리의 온도변화를 평가하고, 배터리의 충전량, 내부저항 및 전압변화를 조사하였다. 이 배터리 모델을 1차원 해석 프로그램인 AMESim과 연동하여 전기자동차가 NEDC 모드로 주행 시, 배터리의 온도 변화에 따른 전기자동차의 주행거리를 산출하였다. 배터리는 온도가 $25^{\circ}C$ 이하로 감소하면 내부저항이 증가하기 때문에 발열량이 증가하여 주행거리는 줄었다. 또한, 배터리의 온도가 $25^{\circ}C$ 이상이 되면, 배터리의 충전량이 감소하여 배터리의 성능이 떨어지고 그 결과로 주행거리가 줄었다. 배터리의 성능을 최적으로 유지할 수 있는 온도인 $25^{\circ}C$를 기준으로 배터리의 온도가 $-20^{\circ}C$와 $45^{\circ}C$일 때, 전기자동차의 주행거리는 각각 33%와 1.8% 감소하였다. 배터리의 최적 온도를 유지하기 위해 효율적인 배터리 열관리를 통하여 저온에서는 가열, 고온에서는 냉각이 이루어져야 한다. 해석 결과 외기온이 $-20^{\circ}C$인 경우 500 W의 열을 공급해주어야 하며, 외기온이 $45^{\circ}C$ 경우에는 냉방을 통해 250 W의 열을 방출해줌으로써 배터리 구동의 최적 온도인 $25^{\circ}C$를 유지할 수 있다.

• 전력전자학회:학술대회논문집
• /
• 전력전자학회 2014년도 전력전자학술대회 논문집
• /
• pp.150-151
• /
• 2014

높은 SOC(state-of-charge) 추정알고리즘의 성능을 위해서는 측정된 배터리 단자전압의 정확도가 요구된다. 그렇지만, 예기치 않은 에러로 인해 단자전압에 노이즈 성분이 추가될 경우 SOC 추정성능의 저하를 피할 수 없다. 그러므로, 본 논문에서는 이산 웨이블릿 변환(DWT;discrete wavelet transform)의 다해상도 분석(MRA;multi resolution analysis)의 디노이징(denoising)기법을 적용한 이차전지의 SOC 추정방법을 소개한다. MRA의 시간-주파수 분석을 통해 분해(decomposition)된 저주파 성분(approximation;$A_n$)과 고주파 성분(detail;$D_n$)중 노이즈에 관계된 $D_n$의 고주파 상세 계수(detail coefficient) $d_{j,k}$를 새로이 조정하고 이를 합성(synthesis)하여 디노이징을 마무리 한다. 확장 칼만필터(EKF;extended Kalman filter)의 비교 분석을 통해 제안된 방법의 타당성을 검증한다.

• 전력전자학회:학술대회논문집
• /
• 전력전자학회 2014년도 전력전자학술대회 논문집
• /
• pp.401-402
• /
• 2014

State of Charge (SOC) and State of Health (SOH) are the key issues for the application of Absorbent Glass Mat (AGM) type battery in Idle Start Stop (ISS) system which is popularly integrated in Electric Vehicles (EVs). However, battery parameters strongly depend on SOC, current rate and temperature and significantly change over the battery life cycles. In this research, a novel method for SOC, SOH estimation which combines the Auto Regressive with external input (ARX) method using for online parameters prediction and Dual Extended Kalman Filter (DEKF) algorithm considering hysteresis is proposed. The validity of the proposed algorithm is verified by the simulation and experiments.

• 전력전자학회:학술대회논문집
• /
• 전력전자학회 2016년도 추계학술대회 논문집
• /
• pp.75-76
• /
• 2016

The relationship of widely used Open circuit Voltage (OCV) versus State of Charge (SOC) is critical for any reliable SOC estimation technique. However, the hysteresis existing in all type of battery which has been come to the market leads this relationship to a complicated one, especially in Lithium Iron Phosphate (LiFePO4) battery. An accurate model for hysteresis phenomenon is essential for a reliable SOC identification. This paper aims to investigate and propose a method for hysteresis modeling. The SOC estimation is done by using Extended Kalman Filter (EKF), the parameter of the battery is modeled by Auto Regressive Exogenous (ARX) and estimated by using Recursive Least Square (RLS) filter to tract each element of the parameter of the model.

• 전력전자학회:학술대회논문집
• /
• 전력전자학회 2011년도 전력전자학술대회
• /
• pp.109-110
• /
• 2011

본 논문은 배터리 에너지 저장 시스템(Battery Energy Storage System, BESS)에 사용된 대용량 리튬이온 배터리의 등가 모델링을 제안하였다. 리튬 배터리의 전기화학적 특성을 고려한 임피던스 등가모델을 선정한 후 등가모델의 파라미터를 추출하였으며, 추출된 파라미터와 SOC(State-of Charge)와의 관계를 살펴보았다. 본 연구를 통하여 얻어진 파라미터를 이용하면 BESS 제어시 배터리 특성을 파악할 수 있으므로, 배터리의 최적제어 및 시스템의 신뢰성을 높일 수 있을 것으로 기대된다.

• 전력전자학회:학술대회논문집
• /
• 전력전자학회 2019년도 전력전자학술대회
• /
• pp.53-55
• /
• 2019

리튬 이온 배터리가 소형 모바일 기기, 전기 자동차, 에너지 저장장치 등에 상용화됨에 따라서 이의 충전 상태(SOC) 추정 및 셀, 모듈의 건전성(SOH)의 예측이 배터리 사용 기기의 관리 지표로 사용되고 있다. 리튬 이온 배터리는 여러 차례의 방전으로 노화되어 기기의 요구 부하를 공급가능한지 지표로 평가되어야 한다. 정확한 SOH 추정을 위해 리튬 이온 배터리의 방전 용량 실험이 주기적으로 진행되어야 하며, 이를 통해 오프라인 기반의 SOH 추정이 가능해진다. 본 논문에서는 베이지안 회귀분석 방법을 이용하여 오프라인 SOH 추정을 진행하기 위해 방전 용량을 추정하였으며, 고출력 배터리인 18650 25R셀을 이용하여 방전 용량 추정 결과 방전 전류 1 C-rate에서 1%, 2 C-rate에서 2%의 추정 오차율을 나타냈다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 추계학술대회
• /
• pp.168-169
• /
• 2022

전기차 시장이 급격하게 성장함에 따라 배터리 시장의 크기도 그에 따라 기하급수적으로 커지고 있다. 전기차에 탑재되는 배터리에 대한 품질 제어 기술의 발전 속도와 배터리 양산화 속도의 괴리로 인해 배터리에 대한 많은 내구성 문제가 발생하고 있다. 대다수 사고는 전기적 요인에 발생하나 이를 신속하게 검사할 수 있는 기술이 존재하지 않는다. 본 논문에서는 GAN 모델을 이용해 배터리 셀의 불량을 신속하게 분석하는 방법에 대해 제안하려 한다.

• 한국정보통신학회논문지
• /
• 제25권11호
• /
• pp.1603-1611
• /
• 2021

본 연구에서는 에너지 저장장치인 배터리를 기존의 발전기 전력계통에 연계하기 위하여 양방향 전력의 흐름이 가능한 BDC(Bi-Directional Converter) 적용을 위해 모델링을 통하여 제어 프로세스를 설계하고, 해상 상황에 따라 변화하는 부하에 최적화된 전력 공급이 가능한 배터리의 충전 혹은 방전 메커니즘에 대하여 제안한다. 본 연구는 MATLAB/Simulink를 이용하여 BDC를 모델링 하였으며 부하 시나리오에 따라 배터리 충전 및 방전 시의 전류 제어 및 SOC(State Of Charge) 최적화를 시뮬레이션 하였다. 이를 통해 선내 운전되는 발전기가 최적운전 범위에 운전될 수 있도록 배터리와 전력 및 부하를 연동할 수 있도록 하였으며, 발전기가 높은 연료효율 범위에서 운전될 수 있도록 전력제어관리를 수행하였다.

• 전력전자학회논문지
• /
• 제26권1호
• /
• pp.1-8
• /
• 2021

For the safe and reliable operation of lithium-ion batteries in electric vehicles or energy storage systems, having accurate information of the battery, such as the state of charge (SOC), is essential. Many different techniques of battery SOC estimation have been developed, such as the Kalman filter. However, when this filter is applied to multiple batteries, it has difficulty maintaining the accuracy of the estimation over all cells owing to the difference in parameter values of each cell. The difference in the parameter of each cell may increase 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 determine the nonlinear relationships of the voltage and current at different SOCs and temperatures. In the training, the voltage and current data obtained at different temperatures during charge/discharge cycles are used. After the comprehensive training with the data obtained from the cycle test with a cell, the resulting algorithm is applied to estimate the SOC of other cells. Experimental results show that the mean absolute error of the estimation is 1.213% at 25℃ with the proposed DNN-based SOC estimation method.