• Journal of Computing Science and Engineering
• /
• 제5권4호
• /
• pp.338-345
• /
• 2011

Nowadays mobile devices are used for various applications such as making voice/video calls, browsing the Internet, listening to music etc. The average battery consumption of each of these activities and the length of time a user spends on each one determines the battery lifetime of a mobile device. Previous methods have provided predictions of battery lifetime using a static battery consumption rate that does not consider user characteristics. This paper proposes an approach to predict a mobile device's available battery lifetime based on usage patterns. Because every user has a different pattern of voice calls, data communication, and video call usage, we can use such usage patterns for personalized prediction of battery lifetime. Firstly, we define one or more states that affect battery consumption. Then, we record time-series log data related to battery consumption and the use time of each state. We calculate the average battery consumption rate for each state and determine the usage pattern based on the time-series data. Finally, we predict the available battery time based on the average battery consumption rate for each state and the usage pattern. We also present the experimental trials used to validate our approach in the real world.

• 한국항공우주학회지
• /
• 제49권12호
• /
• pp.989-996
• /
• 2021

배터리를 동력원으로 사용하는 무인항공기의 경우 배터리 용량이 한정적이기 때문에 임무 수행에 제약이 발생할 수 있다. 이를 최소화하기 위해 임무 지역으로 이동하는 동안 소모되는 배터리를 최소화 하는 것이 중요하다. 또한 임무 계획 단계에서 배터리 소모량 예측 모델을 이용하여 임무 수행 가능성을 사전에 판단할 수 있으며 복귀 시점 선정에 기준이 될 수 있다. 본 논문에서는 3차원 공간에서 환경 요소를 반영한 배터리 사용량 예측 모델을 제안한다. 무인항공기의 비행 기하 관계에 따라 요구 동력을 산출하고 이를 통해 배터리 사용량을 예측하였으며 기존에 제안된 배터리 사용량 예측 기법과 비교를 통해 검증한다. 또한 이를 목적함수로 하여 배터리 사용량을 최소화 하는 비행경로를 생성하고 최단 거리를 목적함수로 하였을 때의 결과와 비교하였다.

• Journal of Information Processing Systems
• /
• 제12권3호
• /
• pp.436-454
• /
• 2016

This research presents the battery discharge rate models for the energy consumption of mobile phone batteries based on machine learning by taking into account three usage patterns of the phone: the standby state, video playing, and web browsing. We present the experimental design methodology for collecting data, preprocessing, model construction, and parameter selections. The data is collected based on the HTC One X hardware platform. We considered various setting factors, such as Bluetooth, brightness, 3G, GPS, Wi-Fi, and Sync. The battery levels for each possible state vector were measured, and then we constructed the battery prediction model using different regression functions based on the collected data. The accuracy of the constructed models using the multi-layer perceptron (MLP) and the support vector machine (SVM) were compared using varying kernel functions. Various parameters for MLP and SVM were considered. The measurement of prediction efficiency was done by the mean absolute error (MAE) and the root mean squared error (RMSE). The experiments showed that the MLP with linear regression performs well overall, while the SVM with the polynomial kernel function based on the linear regression gives a low MAE and RMSE. As a result, we were able to demonstrate how to apply the derived model to predict the remaining battery charge.

• 전력전자학회:학술대회논문집
• /
• 전력전자학회 2016년도 전력전자학술대회 논문집
• /
• pp.423-424
• /
• 2016

Recently, the mass production of Energy storage system (ESS) is actively perform around world. Energy storage system is a technique that stores power to energy storage device to supply energy into grid and load at peak-load. Therefore, the efficient energy management is available by using ESS system. The life of Lithium-ion battery is varied corresponding to the power usage, especially selected depth of discharge (DOD). The lifetime of battery is the one of the most issue of the ESS system because of its stability and reliability. Therefore, lifetime management of battery and power converter of ESS module is required. In this paper, the battery lifetime management method estimating residual power and lifetime of lithium ion battery of ESS system is proposed. Also, total avenue prediction of ESS system is simulated considering the total lifetime of battery.

• 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.

• 지능정보연구
• /
• 제24권2호
• /
• pp.243-264
• /
• 2018

현재 전세계 배터리 시장은 이차전지 개발에 박차를 가하고 있는 실정이지만, 실제로 소비되는 배터리 중 가격 대비 성능이 좋고 재충전을 통해 다시 재사용이 가능한 납축전지(이차전지)의 소비가 광범위하게 이루어지고 있다. 하지만 납축전지는 복합적 셀(cell)을 묶어 하나의 배터리를 구성하여 활용하는 배터리의 특성상 하나의 셀에서 열화가 발생하면 전체 배터리의 손상을 가져와 열화가 빨리 진행되는 문제가 존재한다. 이를 극복하기 위해 본 연구는 기계학습을 통한 배터리 상태 데이터를 학습하여 배터리 열화를 예측할 수 있는 모델을 개발하고자 한다. 이를 위해 실제 현장에서 배터리 상태를 지속적으로 모니터링 할 수 있는 센서를 골프장 카트에 부착하여 실시간으로 배터리 상태 데이터를 수집하고, 수집한 데이터를 이용하여 기계학습 기법을 적용한 분석을 통해 열화 전조 현상에 대한 예측 모델을 개발하였다. 총 16,883개의 샘플을 분석 데이터로 사용하였으며, 예측 모델을 만들기 위한 알고리즘으로 의사결정나무, 로지스틱, 베이지언, 배깅, 부스팅, RandomForest를 사용하였다. 실험 결과, 의사결정나무를 기본 알고리즘으로 사용한 배깅 모델이 89.3923%이 가장 높은 적중률을 보이는 것으로 나타났다. 본 연구는 날씨와 운전습관 등 배터리 열화에 영향을 줄 수 있는 추가적인 변수들을 고려하지 못했다는 한계점이 있으나, 이는 향후 연구에서 다루고자 한다. 본 연구에서 제안하는 배터리 열화 예측 모델은 배터리 열화의 전조현상을 사전에 예측함으로써 배터리 관리를 효율적으로 수행하고 이에 따른 비용을 획기적으로 줄일 수 있을 것으로 기대한다.

• Journal of Electrical Engineering and Technology
• /
• 제13권3호
• /
• pp.1173-1184
• /
• 2018

The lifetime of a lithium-ion battery is one of the most important issues of the energy storage system (ESS) because of its stable and reliable operation. In this paper, the lifetime management method of the lithium-ion battery for energy storage system is proposed. The lifetime of the lithium-ion battery varies, depending on the power usage, operation condition, and, especially the selected depth of discharge (DOD). The proposed method estimates the total lifetime of the lithium-ion battery by calculating the total transferable energy corresponding to the selected DOD and achievable cycle (ACC) data. It is also demonstrated that the battery model can obtain state of charge (SOC) corresponding to the ESS operation simultaneously. The simulation results are presented performing the proposed lifetime management method. Also, the total revenue and entire lifetime prediction of a lithium-ion battery of ESS are presented considering the DOD, operation and various condition for the nations of USA and Korea using the proposed method.

• 한국환경과학회지
• /
• 제33권7호
• /
• 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.

• 인터넷정보학회논문지
• /
• 제9권5호
• /
• pp.165-173
• /
• 2008

하이브리드 애드 혹 네트워크는 통합 네트워크로서 홈 네트워크, 텔레매틱스, 센서 네트워크 등에서 다양한 종류의 서비스를 제공할 수 있다. 특히 애드 혹 네트워크의 각 노드는 이웃 노드들에 데이터를 전송해야 하므로, 전체 에너지의 사용량을 줄이면서, 균형적으로 에너지를 사용하게 해야 한다. 균형적으로 에너지를 사용하지 않으면 부하가 걸린 노드에서 빠른 시간 내에 노드 전송 실패가 나타날 수 있으며, 이는 네트워크 분할 및 네트워크의 기능제공 시간이 단축되는 것을 의미한다. 그러므로 본 논문에서는 에너지의 효율성을 고려한 라우팅 알고리즘에 관한 연구를 수행하였다. 제안한 알고리즘에서는 예측모델을 이용해 각 노드의 에너지의 잔량을 예측하므로, 라우팅 경로의 설정시 에너지 정보를 얻기 위한 많은 부하를 감소시킬 수 있으며, 전체 노드에 걸쳐 에너지의 사용을 균형적으로 사용하게 할 수 있다. 이에 따라 에너지의 손실의 감소 및 네트워크의 가용시간을 연장할 수 있다

• Journal of Advanced Marine Engineering and Technology
• /
• 제39권7호
• /
• pp.754-759
• /
• 2015

오늘날 선박 내 승선자의 위치인식과, 이를 모니터링을 하는 데 저 전력 근거리 통신시스템이 많이 개발되고 있으며, 이러한 저 전력 근거리 통신을 위해서 BLE, Zigbee 등과 같은 저 전력 통신 모듈이 이용되고 있다. 저 전력 통신 모듈은 1:N 통신이 가능하고, 휴대폰, 인체 등의 이동 물체에 탑재할 수 있어 각광을 받고 있다. 저 전력 통신모듈을 사용하는 데 있어서, 배터리의 용량이나 크기가 각각 시스템의 작동시간이나 통신모듈의 디자인에 중요한 요소가 된다. 따라서 모듈은 가급적 작게 만들어져야 하고, 배터리는 모듈의 크기보다 더 작게 선정되는 것이 바람직하다. 본 논문에서는 전송률 1/250 조건에서 데이터 시트와 방전특성 그래프를 참조하여 SIVCP용 BLE 모듈에 사용되고 있는 배터리의 이론 수명을 산출하고, 위와 동일한 전송률과 1/5000 전송률의 조건에서 각각 송전전류와 저속모드 전류를 검출하여 실험수명을 산출하며, 전송률을 1/25로 하여 수일 동안 고속 방전 장기 실험수명을 측정한다. 이와 같은 실험을 통하여, 배터리의 수명예측과 수명연장 방법을 실험적으로 검증하고, 이를 선박의 용도와 승객의 유형에 따른 적절한 배터리 선정에 활용하고자 한다. 모듈의 전송률과 배터리 크기 선정은 모듈의 설계비용의 감소, 배터리 유지관리 및 승객의 편의 등에 중요한 영향을 미치는 요소가 된다.