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.
This paper proposes a transformer design of a direct cell-to-cell active cell balancing circuit with a multi-winding transformer for battery management system (BMS) applications. The coupling coefficient of the multi-winding transformer and the output capacitance of MOSFETs significantly affect the balancing current transfer efficiency of the cell balancing operation. During the operation, the multi-winding transformer stores the energy charged in a specific source cell and subsequently transfers this energy to the target cell. However, the leakage inductance of the multi-winding transformer and the output capacitance of the MOSFET induce an abnormal energy transfer to the non-target cells, thereby degrading the transfer efficiency of the balancing current in each cell balancing operation. The impacts of the balancing current transfer efficiency deterioration are analyzed and a transformer design methodology that considers the coupling coefficient is proposed to enhance the transfer efficiency of the balancing current. The efficiency improvements resulting from the selection of an appropriate coupling coefficient are verified by conducting a simulation and experiment with a 1 W prototype cell balancing circuit.
에너지 저장장치(Energy Storage System)은 전력 수요가 적을 때 전력을 저장해 두었다가 수요가 발생하거나 비상시 저장된 전력을 사용함으로 전기 에너지를 저장하여 필요할 때 사용 가능함으로써 에너지 이용 효율 향상, 전력공급 시스템 안정화 및 신재생 에너지 활용도 향상 효과를 가지는 시스템이다. 최근 세계적으로 에너지의 효율적인 소비에 대한 관심이 증대되면서 전력의 안정적인 공급을 원하는 수요자와 전력 수요 평준화를 원하는 공급자의 요구를 충족시켜줄 수 있는 에너지 저장장치의 필요성이 증대되고 있다. 현재 에너지 저장장치를 구성하는 Power Conditioning System(PCS), Battery Management System(BMS), 배터리 셀은 제조사별로 상이한 규격을 가진다. 이로 인해 각 핵심 부품 간 인터페이스가 규격화되어 있지 않아, 에너지 저장장치의 구성 및 운영에 난점으로 작용하고 있다. 본 논문에서는 제조사별로 상이한 특징을 가지는 부품들의 설정과 효율적 운영에 필요한 정보를 수용하여 에너지 저장장치를 구성할 수 있는 XML 기반의 에너지 시스템 전용 프로파일 시스템의 설계와 분석방안을 제안한다. 제조사별 PCS, BMS, 배터리 셀과 그 외의 주변 기기들의 설정 정보 및 운영 정보를 분석하여 프로파일 규격을 정의하고, 에너지 저장장치에 적용할 수 있는 프로파일 어댑터 소프트웨어를 설계 및 구현한다. 프로파일 어댑터를 통해 생성된 프로파일은 설정 프로파일과 운영 프로파일로 구성되며, 추후 확장성을 고려하여 표준 XML의 규격을 따른다. 구현된 프로파일 시스템의 검증은 에너지 저장장치 시스템에 적용되어 기본적인 충 방전 동작을 통해 정상 동작 결과를 제안한다.
본 논문에서는 리튬 인산철 배터리($LiFePO_4$)의 내부 파라미터 추출 방법으로 전기화학적 기반인 정전류식 간헐적 적정 테크닉(galvanostatic intermittent titration technique;GITT)을 사용하였다. 배터리 관리 시스템(battery management system;BMS) 알고리즘의 기본적으로 들어가는 충방전 저항을 미세 구간으로 나누어 볼 수 있다. SOC(state-of-charge)에 맞는 저항 성분을 찾을 수 있고, 미소 용량 정보를 알아내어 특정 SOC 구간에서의 LFP 배터리 최적 운용 구간을 알 수 있다.
본 논문에서는 납 축전지를 사용하는 산업용 전기차량의 SOC(State Of Charge)를 별도의 BMS(Battery Management System)장치 없이 추정하는 방법에 대해 기술한다. SOC를 추정하기 위한 기존의 전통적인 방법들 중 전력을 적산하는 방법(Ampere hour counting)이 널리 사용되는데 이는 장치의 내, 외적인 요인에 의해 발생한 오차가 누적될 수 있다. 배터리의 전압을 측정하여 SOC를 추정하는 OCV(Open Circuit Voltage) 방법은 배터리가 안정 상태에 도달하기까지 충분한 휴지 시간이 필요해 실시간으로 적용하기 힘들다. 이 외에 칼만 필터를 이용하는 방법은 시스템을 정확히 모델링해야 하고 계산이 복잡하다는 단점이 있다. 본 연구에서는 전력을 적산하는 방법을 기본으로 하고 배터리의 전압을 적절히 이용하여 누적되는 오차를 보정하는 방법을 제안한다. 제안한 방법에 대해 시뮬레이션 하고 실제로 산업용 차량인 AC 전동 지게차로 실험하여 그 타당성을 검증 하였다.
The estimation of the remaining useful life (RUL) of lithium-ion (Li-ion) batteries is important for intelligent battery management system (BMS). Data mining technology is becoming increasingly mature, and the RUL estimation of Li-ion batteries based on data-driven prognostics is more accurate with the arrival of the era of big data. However, the support vector machine (SVM), which is applied to predict the RUL of Li-ion batteries, uses the traditional single-radial basis kernel function. This type of classifier has weak generalization ability, and it easily shows the problem of data migration, which results in inaccurate prediction of the RUL of Li-ion batteries. In this study, a novel multi-kernel SVM (MSVM) based on polynomial kernel and radial basis kernel function is proposed. Moreover, the particle swarm optimization algorithm is used to search the kernel parameters, penalty factor, and weight coefficient of the MSVM model. Finally, this paper utilizes the NASA battery dataset to form the observed data sequence for regression prediction. Results show that the improved algorithm not only has better prediction accuracy and stronger generalization ability but also decreases training time and computational complexity.
In this paper, in order to get the characteristics of the lithium secondary cell, such as charge and discharge characteristic, temperature characteristic, self-discharge characteristic and the capacity recovery rate etc, we build a thermal model that estimate the impedance of battery by experiment & simulation. In this one-dimensional model, Seven governing equations are made to solve seven variables c, $c_s,\;\Phi_1,\;\Phi_2,\;i_2$, j and T. The thermal model parameters used in this model have been adjusted according to the experimental data measured in the laboratory. The result(Voc, Impedance) of this research can be used in BMS(Battery Management System), so an efficient method of using battery is developed.
In the conventional E-bike, a 42 V/10 A Li-ion battery drives a 24 V/10 A BLDC motor via a 6-switch PWM DC/AC inverter. The major problems of the conventional battery-fed motor drive systems are listed as follows. To charge the battery, an external battery charger (adapter) is required, which degrades the portability of E-bike users. In addition, given the high-frequency operation of the motor drive inverter, the switching losses are significant, which degrades the whole power efficiency. High-voltage batteries (42 V) require a complex battery management system (BMS), which degrades the reliability of the battery pack. In this paper, an embedded boost-converter battery charger for E-bikes is proposed. The variable output boost converter, which converts 16.8 V battery voltage to the required variable voltage of the inverter input, can use a low-voltage battery and thus improve the reliability of batteries. By varying the inverter input voltage via boost converter, a DC link voltage control method can be applied to reduce the switching frequency of the inverter, which improves the whole power efficiency. Given that the function of a flyback charger is integrated in the proposed boost converter, the portability of the E-bike user can be maximized by excluding an external adapter. The validity of the proposed circuit will be confirmed by operation mode analysis and simulation. Moreover, experimental results of integrative charger using Li-ion battery and 200 W motor test will be showed with a prototype sample as well.
Lithium rechargeable cells are used in many industrial applications, because they have high energy density and high power density. For an effective use of these lithium cells, it is essential to build a reliable battery management system (BMS). Therefore, the state of charge (SOC) estimation is one of the most important techniques used in the BMS. An appropriate modeling of the battery characteristics and an accurate algorithm to correct the modeling errors in accordance with the simplified model are required for practical SOC estimation. In order to implement these issues, this approach presents the comparative analysis of the SOC estimation performance using equivalent electrical circuit modeling (EECM) and noise suppression technique (NST) in three representative $LiCoO_2/LiFePO_4/LiNiMnCoO_2$ cells extensively applied in electric vehicles (EVs), hybrid electric vehicles (HEVs) and energy storage system (ESS) applications. Depending on the difference between some EECMs according to the number of RC-ladders and NST, the SOC estimation performances based on the extended Kalman filter (EKF) algorithm are compared. Additionally, in order to increase the accuracy of the EECM of the $LiFePO_4$ cell, a minor loop trajectory for proper OCV parameterization is applied to the SOC estimation for the comparison of the performances among the compared to SOC estimation performance.
본 논문에서는 배터리 관리 시스템 (BMS)에서 2차 전지 배터리를 통해 흐르는 전류의 정밀한 측정을 위한 cascaded-of-integrator feedforward (CIFF) 구조의 단일 비트 2차 델타-시그마 모듈레이터를 제안하였다. 제안된 모듈레이터는 2개의 스위치드 커패시터 적분기, 단일 비트 비교기, 비중첩 클록 발생기 및 바이어스와 같은 주변 회로로 구현하였다. 제안된 구조는 낮은 공통 모드 입력 전압을 가지는 low-side 전류 측정 방법에 적용되도록 설계되었다. Low-side 전류 측정 방법을 사용하면 회로 설계에 부담이 줄어들게 되는 장점을 가진다. 그리고 ±30mV 입력 전압을 15비트 해상도를 가지는 ADC로 분해하기 때문에 추가적인 programmable gain amplifier (PGA)를 구현할 필요가 없어 수 mW의 전력소모를 줄일 수 있다. 제안된 단일 비트 2차 CIFF 델타-시그마 모듈레이터는 350nm CMOS 공정으로 구현하였으며 5kHz 대역폭에 대해 400의 oversampling ratio (OSR)로 95.46dB의 signal-to-noise-and-distortion ratio (SNDR), 96.01dB의 spurious-free dynamic range (SFDR) 및 15.56비트의 effective-number-of-bits (ENOB)을 달성하였다. 델타 시그마 모듈레이터의 면적 및 전력 소비는 각각 670×490㎛2 및 414㎼이다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.