초록 ▼

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

본 논문에서는 새로운 개방회로 전압 모델링과 통합 필터를 이용한 리튬인산철 배터리의 정밀 SOC 추정방법을 제시한다. SOC 추정은 리튬인산철 배터리를 이용하는 전기자동차 및 에너지 저장장치용 응용에 있어서 가장 중요한 기술 중 하나이다. 개방회로 전압(...

본 논문에서는 새로운 개방회로 전압 모델링과 통합 필터를 이용한 리튬인산철 배터리의 정밀 SOC 추정방법을 제시한다. SOC 추정은 리튬인산철 배터리를 이용하는 전기자동차 및 에너지 저장장치용 응용에 있어서 가장 중요한 기술 중 하나이다. 개방회로 전압(OCV)과 충전상태 (SOC) 사이의 관계는 배터리의 상태 추정에 있어서 매우 중요하다. 그러나 리튬인산철 배터리의 경우 히스테리시스 현상 때문에 큰 오차가 발생할 수 있다. 본 논문에서는 먼저 리튬인산철 배터리의 히스테리시스 모델링에 대해 조사하고 이를 모델링하는 새로운 기법을 제안한다. SOC 추정은 확장 칼만 필터를 사용하여 수행된다. 둘째, 본 논문에서는 UKF-PF 라는 새로운 통합 필터를 도입하였고 이를 통해 다른 방법에 비해 뚜렷하게 정밀도가 향상된 SOC 추정 결과를 얻었다. 배터리의 파라미터는 이차 자기 회귀성 생존 (ARX) 모델에 의해 모델링 되며, 모델 매개 변수의 값들은 재귀 최소 제곱 (RLS) 방법을 사용하여 추정한다. 제안 알고리즘은 정밀한 SOC의 추정을 위해 UKF-PF 통합 필터에 의해 구현되었고 뚜렷이 향상된 결과를 얻을 수 있었다

Abstract ▼ AI-Helper

This thesis presents an accurate SOC estimation method by using a novel OCV modeling and an integrated filter. The SOC estimation is one of the most important techniques for Electric Vehicle (EV) or Energy Storage System (ESS) applications using Lithium Iron Phosphate batteries (LiFePO4). The relati...

This thesis presents an accurate SOC estimation method by using a novel OCV modeling and an integrated filter. The SOC estimation is one of the most important techniques for Electric Vehicle (EV) or Energy Storage System (ESS) applications using Lithium Iron Phosphate batteries (LiFePO4). The relationship between the Open Circuit Voltage (OCV) and the State of Charge (SOC) is critical for reliable SOC estimation. However, especially in case of LiFePO4 batteries a large error may occur due to the hysteresis phenomenon. This paper firstly aims to investigate the hysteresis phenomenon of a LiFePO4 battery cell for the accurate modeling of it and then propose a novel method to model it. The SOC estimation is performed by using an Extended Kalman Filter. Secondly, a new integrated filter named Unscented Kalman Filter – Particle Filter (UKF-PF) is employed to estimate the SOC of a LiFePO4 battery cell and a significant improvement is obtained as compared to the other methods. The parameters of a battery are modeled by using a second order Auto Regressive eXogenous (ARX) model and estimated by using Recursive Least Square (RLS) parameter identification method. The proposed algorithm is implemented by using an integrated UKF-PF for the accurate SOC estimation and a significant improvement in SOC estimation is achieved

주제어