KCI등재
확률적 머신러닝 모델기반의 리튬이온배터리 파라미터 추정 알고리즘
저자
김민호(Minho Kim) ; 송민석(Minseok Song) ; 임정택(Jeongtaek Lim) ; 함경선(Kyung Sun Ham) ; 이도헌(DOHEON LEE) ; 김태형(Taehyoung Kim)
발행기관
학술지명
권호사항
발행연도
2024
작성언어
Korean
주제어
KDC
572
등재정보
KCI등재
자료형태
학술저널
발행기관 URL
수록면
81-89(9쪽)
DOI식별코드
제공처
본 연구에서는 새로운 리튬이온배터리 성능 열화 모델과 확률적 머신러닝 모델기반의 리튬이온배터리 파라미터 추정 방법을 제안하였으며 실제 배터리 열화 싸이클 실험 데이터를 통해 검증이 이루어졌다. 제안된 확률적 머신러닝 모델기반의 파라미터 추정 방법은 다른 방법들과 비교하여 더 적은 배터리 모델 구동 시간이 요구되어 효율적인 파라미터 추정이 가능하다. 리튬이온배터리 성능 열화 모델은 등가회로 기반의 모델이지만 다양한 전기화학적인 현상을 반영하고 있으며 여기에는 SEI(Solid electrolyte interphase) 층 형성을 포함한 음극 활물질 표면의 부반응, 기계적 응력(stress)으로 인한 양극활물질의 피로 파괴에 의한 양극 활물질의 손실이 포함되며 이에 따라 순환할 수 있는 리튬(Cyclable Lithium) 양의 감소도 모델에 반영되어 있다. 리튬이온배터리 모델의 파라미터를 추정하는 방법의 경우 전압, 전류와 같이 센싱 가능한 데이터로부터 배터리 모델 파라미터를 추정할 수 있는 확률적 머신러닝 모델을 개발하여 앞서 개발한 성능 열화 모델로 생성한 가상 실험 데이터로 학습을 시키고 이 학습된 모델을 바탕으로 최적의 배터리 모델 파라미터를 찾는 기술을 제안하였다. 개발된 성능 열화 모델과 파라미터 추정 방법은 실제 실험 데이터를 바탕으로 검증되었으며 배터리 내부를 관측하는 것은 불가능하므로 배터리 파라미터에 대한 정답을 얻을 수 없으므로 전압과 온도의 오차를 통해 간접적으로 모델과 파라미터 추정 알고리즘의 성능을 검증하였다. 검증 결과 전압과 온도의 오차는 각각 0.676%, 0.207 %로 나타났다.
더보기In this study, a new lithium-ion battery performance degradation model and a stochastic machine learning model-based lithium-ion battery parameter estimation method were proposed and verified through actual battery degradation cycle experiment data. The proposed parameter estimation method based on a stochastic machine learning model requires less battery model operation time compared to other methods, enabling efficient parameter estimation. The lithium-ion battery performance degradation model is an equivalent circuit-based model, but it reflects various electrochemical phenomena, including side reactions on the surface of the anode active material, including the formation
of a solid electrolyte interphase (SEI) layer, the loss of positive electrode active material due to mechanical stress-induced fatigue failure is included, and the corresponding decrease in the amount of cyclable lithium. In the proposed method of estimating the parameters of a lithium-ion battery model, a probabilistic machine learning model that can estimate battery model parameters from sensible data such as voltage and current is developed and used to generate virtual experiment data. We proposed a technique for learning and finding optimal battery model parameters based on the learned model. The developed performance degradation model and parameter estimation method were verified based on actual experimental data. Since it is impossible to observe the inside of the battery, correct answers to the battery parameters cannot be obtained, so the model and parameter estimation algorithm are indirectly verified through errors of voltage and temperature. As a result of the verification, the errors in voltage and temperature were found to be 0.676% and 0.207%, respectively.
분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)