IEMEK Journal of Embedded Systems and Applications
/
v.17
no.2
/
pp.85-92
/
2022
Currently, various researches on electric vehicle battery systems have been conducted from the viewpoint of safety and performance for SoC, SoH, etc. However, it is difficult to build a precise electrical model of a battery system based on the chemical reaction and SoC prediction. Experimental measurements and predictions of the battery SoC were usually performed using dynamometers. In this paper, we construct a simulation model of an electric vehicle system using Matlab Simulink, and confirm the response characteristics based on the vehicle test driving profiles. In addition, we show that it is possible to derive the correlation between the SoC, voltage, and current of the battery according to the driving time of the electric vehicle in conjunction with the BMS model.
In order to optimize the performance of a lithium-ion battery, a performance prediction modeling technique that considers various degradation factors is required. In this work, mathematical modeling was carried-out to predict the change in discharging behavior and cycle life, taking into account the cycle aging of lithium-ion batteries. In order to validate the modeling, a cycling test was performed at the charge/discharge rate of 0.25C, and discharging behavior was measured through RPT (Reference Performance Test) performed at 30 cycle intervals. The accuracy of cycle life prediction was improved by considering the break-in mechanism, one of the phenomena occurring in the BOL (beginning of life), in the model for predicting the cycle life of lithium-ion batteries. The predicted change in cycle life based on the model was in good agreement with the experimental results.
The Transactions of the Korean Institute of Power Electronics
/
v.27
no.1
/
pp.48-55
/
2022
This paper proposes a battery remaining useful life (RUL) prediction method using a deep learning-based EMD-CNN-LSTM hybrid method. The proposed method pre-processes capacity data by applying empirical mode decomposition (EMD) and predicts the remaining useful life using CNN-LSTM. CNN-LSTM is a hybrid method that combines convolution neural network (CNN), which analyzes spatial features, and long short term memory (LSTM), which is a deep learning technique that processes time series data analysis. The performance of the proposed remaining useful life prediction method is verified using the battery aging experiment data provided by the NASA Ames Prognostics Center of Excellence and shows higher accuracy than does the conventional method.
Lithium-ion batteries (LIBs) have a longer lifespan, higher energy density, and lower self-discharge rates than other batteries, therefore, they are preferred as an Energy Storage System (ESS). However, during years 2017-2019, 28 ESS fire accidents occurred in Korea, and accurate capacity estimation of LIB is essential to ensure safety and reliability during operations. In this study, data-driven modeling that predicts capacity changes according to the charging cycle of LIB was conducted, and developed models were compared their performance for the selection of the optimal machine learning model, which includes the Decision Tree, Ensemble Learning Method, Support Vector Regression, and Gaussian Process Regression (GPR). For model training, lithium battery test data provided by NASA was used, and GPR showed the best prediction performance. Based on this study, we will develop an enhanced LIB capacity prediction and remaining useful life estimation model through additional data training, and improve the performance of anomaly detection and monitoring during operations, enabling safe and stable ESS operations.
International Journal of Reliability and Applications
/
v.12
no.2
/
pp.123-129
/
2011
Due to restriction of vehicle emissions and high demand for fossil fuels nowadays, car manufacturers around the world are looking into alternative ways in introducing new car model that would vastly captured the market. Thus, Electric Vehicle (EV) has been further developed to take the advantage of the current global issues on price of fossil fuels and impact on the environment. Since car battery plays the crucial role on the overall performance of EV, many researchers have been working on improving the component. This paper focused on the reliability of EV battery which involves recognizing failure types, testing method and life prediction method. By focusing on these elements, the reliability feature being identified and as a result the batteries life will be prolonged.
Hanil Ryoo;Sang Hun Lee;Deok Jai Choi;Hyuk Ro Park
Smart Media Journal
/
v.12
no.11
/
pp.103-112
/
2023
Recently, the need to prevent battery fires and accidents has emerged, as the use of lithium-ion batteries has increased. In order to prevent accidents, it is necessary to predict the state of health (SOH) and check the replacement timing of the battery with a lot of degradation. This paper proposes a model for predicting the degradation state of a battery by using four battery degradation indicators: maximum voltage arrival time, current change time, maximum temperature arrival time, and incremental capacity (IC) that can be obtained in the battery charging process, and LSTM using an attention mechanism. The performance of the proposed model was measured using the NASA battery data set, and the predictive performance was improved compared to that of the general LSTM model, especially in the SOH 90-70% section, which is close to the battery replacement cycle.
Transactions of the Korean hydrogen and new energy society
/
v.31
no.5
/
pp.489-497
/
2020
The Li-ion battery is considered to be one of the potential power sources for electric vehicles. In fact, the efficiency, reliability, and cycle life of Li-ion batteries are highly influenced by their thermal conditions. Therefore, a novel thermal management system is highly required to simultaneously achieve high performance and long life of the battery pack. Basically, thermal modeling is a key issue for the novel thermal management of Li-ion battery systems. In this paper, as a basic study for battery thermal modeling, temperature distributions inside the simple Li-ion battery pack (comprises of nine 18650 Li-ion batteries) under a 1C discharging condition were investigated using measurement and computational fluid dynamics (CFD) simulation approaches. The heat flux boundary conditions of battery cells for the CFD thermal analysis of battery pack were provided by the measurement of single battery cell temperature. The temperature distribution inside the battery pack were compared at six monitoring locations. Results show that the accurate estimation of heat flux at the surface of single cylindrical battery is paramount to the prediction of temperature distributions inside the Li-ion battery under various discharging conditions (C-rates). It is considered that the research approach for the estimation of temperature distribution used in this study can be used as a basic tool to understand the thermal behavior of Li-ion battery pack for the construction of effective battery thermal management systems.
In-Seon Suh;Young-Mi Lee;Sang-Yul Oh;Myeong-Chang Gwak;Hyeon-Ji Lee
Journal of Environmental Science International
/
v.33
no.7
/
pp.523-532
/
2024
In popular tourist destinations such as Jeju and Gangwon, electric rental cars are increasingly adopted. However, sudden battery drain due to weather conditions can pose safety issues. To address this, we developed a battery consumption analysis model that considers resistive energy factors such as acceleration, rolling resistance, and aerodynamic drag. Focusing on the effects of ambient temperature and wind speed, the model's performance was evaluated during an empirical validation period from November to December 2023. Comparing predicted and actual state of charge (SoC) across different routes identified ambient temperature, wind speed, and driving time as major sources of error. The mean absolute error (MAE) increased with lower temperatures due to reduced battery efficiency. Higher wind speeds on routes 1 and 6 resulted in larger errors, indicating the model's limitation in considering only tailwinds for aerodynamic drag calculations. Additionally, longer driving times led to higher actual SoC than predicted, suggesting the need to account for varying driver habits influenced by road conditions. Our model, providing more accurate SoC predictions to prevent battery depletion incidents, shows high potential for application in navigation apps for electric vehicle users in tourist areas. Future research should endeavor to the model by including wind direction, HVAC system usage, and braking frequency to improve prediction accuracy further.
The Journal of the Korea institute of electronic communication sciences
/
v.18
no.6
/
pp.1151-1156
/
2023
In this paper, we propose a deep learning model that utilizes charge/discharge data from initial lithium-ion batteries to predict the remaining useful life of lithium-ion batteries. We build the DMP using the PNP model. To demonstrate the performance of DMP, we organize DML using the LSTM model and compare the remaining useful life prediction performance of lithium-ion batteries between DMP and DML. We utilize the RMSE and RMSPE error measurement methods to evaluate the performance of DMP and DML models using test data. The results reveal that the RMSE difference between DMP and DML is 144.62 [Cycle], and the RMSPE difference is 3.37 [%]. These results indicate that the DMP model has a lower error rate than DML. Based on the results of our analysis, we have showcased the superior performance of DMP over DML. This demonstrates that in the field of lithium-ion batteries, the PNP model outperforms the LSTM model.
The Journal of Korean Institute of Communications and Information Sciences
/
v.42
no.4
/
pp.939-949
/
2017
Prognostics and health management(PHM) is actively utilized by industry as an essential technology focusing on accurately monitoring the health state of a system and predicting the remaining useful life(RUL). An effective PHM is expected to reduce maintenance costs as well as improve safety of system by preventing failure in advance. With these advantages, PHM can be applied to the battery system which is a core element to provide electricity for devices with mobility, since battery faults could lead to operational downtime, performance degradation, and even catastrophic loss of human life by unexpected explosion due to non-linear characteristics of battery. In this paper we mainly review a recent progress on various models for predicting RUL of battery with high accuracy satisfying the given confidence interval level. Moreover, performance evaluation metrics for battery prognostics are presented in detail to show the strength of these metrics compared to the traditional ones used in the existing forecasting applications.
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.