• Journal of IKEEE
• /
• v.24 no.4
• /
• pp.1098-1103
• /
• 2020

This paper deals with a method for estimating the battery state-of-health(SOH) through electrical experiments and electrochemical modeling of lithium-ion secondary battery. In order to confirm the actual battery SOH through the battery electrical aging experiment, the current integration method was used. The SOH is estimated using the internal resistance value derived from the electrical experiment. Also, in electrochemical modeling, the SOH is estimated through the change of the SEI layer with the increase of the number of cycles. The new SOH is derived by applying weighting factor to the three methods of estimating SOH, including the actual battery SOH.

• The Transactions of the Korean Institute of Power Electronics
• /
• v.26 no.4
• /
• pp.241-248
• /
• 2021

A battery state-of-health (SOH) estimation algorithm using a machine learning-based linear regression method is proposed for estimating battery aging. The proposed algorithm analyzes the change trend of the open-circuit voltage (OCV) curve, which is a parameter related to SOH. At this time, a section with high linearity of the SOH and OCV curves is selected and used for SOH estimation. The SOH of the aged battery is estimated according to the selected interval using a machine learning-based linear regression method. The performance of the proposed battery SOH estimation algorithm is verified through experiments and simulations using battery packs for electric vehicles.

• Proceedings of the KIPE Conference
• /
• 2018.07a
• /
• pp.464-465
• /
• 2018

트램 및 전기자동차와 같은 운송 시스템에 들어가는 배터리팩은 지속적인 진동을 받게 되고 이러한 진동은 SOH(State of Health)를 감소시킨다. 뿐만 아니라 진동으로 인해 배터리팩 내부 셀들 간의 SOH가 불균일해지는 문제점이 있다. SOH의 불균형은 배터리의 수명을 단축시킨다. 본 논문에서는 각 셀 간의 SOH 균형을 위한 Thermal Balancing 기법을 제시한다.

• Proceedings of the KIPE Conference
• /
• 2018.07a
• /
• pp.246-248
• /
• 2018

본 논문에서는 배터리 수명의 지표인 SOH(state of health) 추정 시 배터리 노화에 따라 방전 용량의 급격한 변화가 발생하면 SOH도 변화하게 된다. 이로 인해 잘못된 SOH의 정보를 가지고 오게 되며 배터리의 안정성 및 신뢰성에 문제가 된다. 본 논문에서는 방전 용량과 내부 저항의 선형적 관계를 확인하고, 방전 용량과 내부저항을 고려한 단순선형회귀모형(simple linear regression model)을 모델링하였다. 방전 용량의 급격한 변화나 오프라인 기반 방전 용량을 측정함에 어려움이 있는 경우 단순선형회귀모형에 따라 방전 용량을 추정하여 SOH를 보정하는 기법을 제안하고 이에 대한 검증을 수행하였다.

• Proceedings of the KIPE Conference
• /
• 2019.11a
• /
• pp.79-81
• /
• 2019

전기자동차(EV)뿐만 아니라 ESS(Energy Storage System) 등의 사용량이 증가하면서 리튬이온배터리의 중요성은 점점 커지고 있다. 리튬 이온 배터리의 정확한 상태를 추정하는 것은 배터리의 안전하고 신뢰성 있는 작동을 위해 매우 중요하다. 본 논문에서는 AEKF(Adaptive Extended Kalman Filter)를 이용한 배터리 파라미터와 충전상태(SOC, State of Charge)를 추정하고, 이를 활용하여 배터리의 건강상태(SOH, State of Health)를 추정하는 간단한 알고리즘을 제시한다. AEKF에 파라미터 값을 적용하여 SOC를 추정하고, 추정된 SOC값과 전류 적산을 이용하여 SOH를 추정한다. SOC 오차에 따른 SOH 추정 값의 편차는 SOC 연산 간격을 늘리고 가중치 필터를 적용하여 최소화시킴으로써 결과의 정확성을 향상했다. 다양한 자동차의 표준 주행 패턴을 적용한 실험을 통해 제안된 방법을 이용하여 얻어진 SOH 추정 결과는 RMSE(Root Mean Square Error) 1.428% 이내임을 검증하였다.

• Proceedings of the KIPE Conference
• /
• 2019.07a
• /
• 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.

• The Journal of the Convergence on Culture Technology
• /
• v.9 no.3
• /
• pp.727-730
• /
• 2023

The operation of electric automatic windows is used in harsh environments, and the energy density decreases as charging and discharging are repeated, and as soundness deteriorates due to damage to the internal separator, the vehicle's mileage decreases and the charging speed slows down, so about 5 to 10 Batteries that have been used for about a year are classified as waste batteries, and for this reason, as the risk of battery fire and explosion increases, it is essential to diagnose batteries and estimate SOH. Estimation of current battery SOH is a very important content, and it evaluates the state of the battery by measuring the time, temperature, and voltage required while repeatedly charging and discharging the battery. There are disadvantages. In this paper, measurement of discharge capacity (C-rate) using a waste battery of a Tesla car in order to predict SOH estimation of a lithium-ion battery. A Support Vector Machine (SVM), one of the machine models, was applied using the data measured from the waste battery.

• The Transactions of the Korean Institute of Power Electronics
• /
• v.11 no.6
• /
• pp.558-562
• /
• 2006

Although secondary batteries, called rechargeable batteries, are very important energy elements in modern society, their application is hindered by the typical nonlinear and irreversible characteristics. Precise monitoring of the state of health(SOH) for each battery cell on line is crucial for stable operation and proper management of them. This paper proposes diagnostic method of the SOH for a battery cell on line without interruption on its operation nor bad effect on its life. This paper practically diagnoses on 120 industrial batteries and provides some guide lines to decide whether to exchange or not.

• Proceedings of the KIPE Conference
• /
• 2019.11a
• /
• pp.210-211
• /
• 2019

배터리의 안정적인 운영과 관리를 위해서 배터리의 SOH 예측은 매우 중요한 과제이다. 본 논문에서는 배터리 팩의 SOH를 예측하기 위한 ARIMA-Kalman 기반의 최적화된 하이브리드 방법을 소개한다.

• Proceedings of the KIPE Conference
• /
• 2019.07a
• /
• pp.56-58
• /
• 2019

배터리의 효율적인 관리와 안정적인 운영을 위해서는 배터리의 노화에 따른 배터리의 모니터링이 필요하다. 하지만 모델 기반의 SOH 예측 모델의 경우 파라미터의 변화에 대한 정확한 정보가 반영되지 않을 경우 심각한 오류를 야기 할 수 있다. 따라서 본 논문에서는 비 모델인 시계열 예측 기법 ARIMA 모델을 제안하고 전기적 특성 실험을 통한 내부 파라미터에 대한 분석과 파라미터에 대한 상관분석, 이를 통한 SOH 예측을 통해 ARIMA 모델의 특성 및 정확성에 대해 제안한다.