• Proceedings of the KIPE Conference
• /
• 2019.11a
• /
• 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.

• Proceedings of the KIPE Conference
• /
• 2017.07a
• /
• pp.463-464
• /
• 2017

다른 리튬계열 전지와 달리, 인산철($LiFePO_4$) 배터리는 중간 동작 영역에서 개방전압(OCV; open-circuit voltage)의 히스테리시스(hysteresis) 영역이 존재한다. 그러므로, 인산철 배터리 관리시스템, 특히 충전상태(SOC; state-of-charge)와 수명상태(SOH; state-of-health)의 정확한 모니터링을 위해서는 OCV의 정밀성이 요구된다. 본 논문에서는, 충전 및 방전 OCV-SOC의 SOC 간격에 따른 인산철 배터리의 SOH를 비교하기 위해 전기적 등가회로 모델(ECM; electrical-circuit modeling)적응제어 알고리즘 기반 실시간 내부저항(DCIR; direct current internal resistance)을 모니터링 하였다.

• Proceedings of the KIPE Conference
• /
• 2014.07a
• /
• pp.528-529
• /
• 2014

본 논문은 리튬-이온 배터리의 OCV 예측기법에 대해서 제안하였다. OCV는 배터리의 SOC를 추정할 때 중요한 정보이다. 하지만, 정확한 OCV를 측정하기 위해서는 최소 30분 이상의 휴지시간이 소요된다는 단점을 가지고 있다. 따라서 본 논문은 이런 단점을 해결하기 위해 OCV 예측기법에 대해서 제안하였다. 제안한 OCV 예측기법의 타당성은 배터리 모델의 OCV와 예측된 OCV를 비교하는 시뮬레이션 통해 검증하였다.

• Proceedings of the KAIS Fall Conference
• /
• 2011.05b
• /
• pp.753-756
• /
• 2011

지속적인 충/방전에 의하여 표준 수명 보다 더 빠른 노화 현상을 일으키는 배터리의 효율적인 관리를 위하여, 배터리의 내부 상태를 모니터링 하였다. 정확한 배터리 모니터링을 위해서 해당하는 배터리의 잔존 용량 및 잔존 수명을 정확히 예측할 수 있어야 하며, 이를 위해 Open Voltage를 사용한 실험, 에너지 보존 법칙에 의한 충전 전류 측정법, 시동 시 최대 전류와 내부 저항의 변화량을 알아내는 실험을 하였다. Open Voltage 실험 결과, SOC수치에 따른 특정 전압의 범위를 알 수 있었고, 이 전압은 온도에 의해 변동된다는 것을 확인할 수 있었다. 충전 그래프를 그려본 결과 충전횟수와 완충에 걸리는 시간은 반비례하며, 배터리 내부에 충전되는 총 전류의 양과도 관계가 있었다. 시동 실험에서는 최저 전압 드롭 값과 최대 공급 전류의 범위를 알 수 있었으며, 특정 SOC 구간 내 내부 저항의 값을 차이를 알 수 있었다. 이 값들은 각 SOC의 수치에 비례한 결과를 보였다. 이 결과들을 정리하여, 배터리 내부 상태를 예측하는 방법을 제안하고자 한다.

• Proceedings of the KIPE Conference
• /
• 2013.07a
• /
• pp.74-75
• /
• 2013

본 연구는 Back-to-back 구조의 삼상인버터와 양방향 DC/DC 컨버터로 구성된 전력변환기를 이용하여 신재생에너지 발생원을 효과적으로 계통에 연계하여 스마트 그리드의 강인성을 제고하기 위한 슈퍼캐패시터와 배터리로 구성된 하이브리드 에너지 저장장치의 SOC를 고려한 DC Link 전압 제어를 수행하여 스마트그리드의 최적운영 개념을 제안하고, 타당성 검증을 위해 소프트웨어 시뮬레이션 모델을 개발하여 특성을 연구하였다.

• Proceedings of the KIPE Conference
• /
• 2012.07a
• /
• pp.244-245
• /
• 2012

본 논문에서는 이산 웨이블릿 변환(DWT;discrete wavelet transform)의 다해상도 분석(MRA;multi-resolution analysis)을 통해 분해된 배터리의 저주파 전압 성분(approximation;$A_n$) 기반 SOC(State-of-charge) 추정방법을 소개한다. 급격한 전압 변화의 특성을 나타내는 고주파 전압 성분(detail;$D_n$)이 제거되고 저주파 전압 성분만이 SOC 추정을 위해 사용된다. 이 경우 기존 확장 칼만필터(EKF;extended Kalman filter)에서 SOC 추정에러를 개선하기 위해 사용되었던 노이즈 모델의 생략이 가능하여 알고리즘의 복잡성이 개선된다. 개선된 확장 칼만필터 기반 SOC 추정 결과를 통해 제안된 방법을 검증하였다.

• Proceedings of the KIPE Conference
• /
• 2016.07a
• /
• pp.375-376
• /
• 2016

본 논문에서는 Li-air 배터리의 동작원리를 설명하고, 모델링을 위해 Li-air 배터리의 내부와 충전 및 방전 원리를 보여주고 SOC(State Of Charge) 추정을 위한 OCV(Open-circuit Voltage) 그래프의 분석과 회로도에 대해 설명 하였다. 더불어, 전류적산법의 원리를 적용하여 SOC 추정의 기준이 되는 값을 추출하였다.

• Proceedings of the KIPE Conference
• /
• 2013.11a
• /
• pp.220-221
• /
• 2013

본 논문은 OCV 추정기법을 이용한 전류적산법의 SOC Reset 알고리즘을 제안한다. 제안한 알고리즘은 배터리 상황에 따라 OCV 추정을 위한 휴지시간을 달리 설정한다. 이에 따라 짧은 휴지 시에도 SOC Reset Point를 늘려 전류적산법의 오차를 Reset함으로써 SOC 추정 능력을 향상한다. Li-ion 27 Ah/99.9 Wh 배터리의 충 방전 실험을 통해서 OCV 판별 시간을 도출하여 알고리즘을 구현한다. 전기자동차의 주행 패턴을 모사하여 기존의 전류적산법과 비교 실험을 통해 제안한 알고리즘을 검증한다.

• Proceedings of the KIPE Conference
• /
• 2010.07a
• /
• pp.418-419
• /
• 2010

본 논문에서는 스크리닝에 기반한 리튬이온 배터리 팩의 state of charge (SOC) 추정방법을 연구하였다. 전기화학적 특성이 서로 유사한 셀들을 미리 선별하는 스크리닝 방법을 통해 직렬, 병렬, 직/병렬팩이 구성될 때, 이러한 팩의 전기화학적 등가회로 모델은 단위 셀 대비 일정한 경향성을 보이는 용량, open circuit voltage (OCV) 등의 파라미터 정보를 토대로 기존 단위 셀 모델과 동일한 모델 구축이 가능하다. 이를 통하여 extended kalman filter (EKF)를 이용한 배터리 팩의 SOC 추정이 가능함을 보인다.

• Proceedings of the KIPE Conference
• /
• 2013.07a
• /
• pp.313-314
• /
• 2013

전기자동차용 급속충전기는 배터리의 SOC(State of Charge)가 낮은 경우 전류제어를 통해 배터리를 충전해 준다. 하지만 배터리가 충전되어 SOC가 최대치인 100%에 가까워졌을 경우 과충전을 방지하기 위해 전압제어로 배터리를 충전해 주는데 충전기가 전류제어에서 전압제어로 바뀌면서 과도상태가 발생하게 된다. 본 논문에서는 배터리 충전을 위한 전류제어에서 과충전 방지를 위한 전압제어로 과도상태 없이 변환될 수 있도록 제한적 2중루프 제어를 통한 급속충전기의 과충전 방지 제어 알고리즘을 제안한다. 제안된 알고리즘은 시뮬레이션을 통해 검증하였고 차량용 50kW 급속충전기에 적용되어 제주도 스마트 그리드 실증센터에 설치되었다.