[논문]배터리 잔존 유효 수명 예측을 위한 전기화학 모델 기반 고장 예지 및 건전성 관리 기술

최요환; 김홍석

doi:10.7840/kics.2017.42.4.939

배터리 잔존 유효 수명 예측을 위한 전기화학 모델 기반 고장 예지 및 건전성 관리 기술
Prognostics and Health Management for Battery Remaining Useful Life Prediction Based on Electrochemistry Model: A Tutorial 원문보기

한국통신학회논문지 = The Journal of Korean Institute of Communications and Information Sciences, v.42 no.4, 2017년, pp.939 - 949

최요환 (Sogang University Department of Electronic Engineering) , 김홍석 (Sogang University Department of Electronic Engineering)

초록
AI-Helper

고장 예지 및 건전성 관리 기술(Prognostics and Health Management; PHM)은 시스템의 현재 상태를 진단하고 향후 발생 가능한 고장 시점을 신뢰성 있게 예지하는 기술로써 유지 보수 비용의 절감 및 시스템의 안정성 향상을 꾀하고자 하는 다양한 산업분야에서 활발하게 이용되고 있다. 스마트 그리드의 에너지 저장장치, 전기차, 스마트폰, 항공우주산업 등 광범위한 사용처에서 중요한 에너지원으로 사용되고 있는 배터리 또한 성능 저하 및 폭발의 위험성으로부터 자유로울 수 없기 때문에 이러한 고장 예지 및 건전성 관리 기술이 반드시 적용되어야 할 어플리케이션이다. 본 논문에서는 PHM의 기본적인 개념을 소개함과 동시에 배터리의 잔존 유효 수명(Remaining Useful Life; RUL)을 예측하는 각종 알고리즘 및 성능 평가 지표 서술에 초점을 맞추도록 한다. 더불어 배터리의 기능적 동작 원리 및 전기화학 기반의 모델링에 대한 설명을 통해 향후 잠재적인 가능성을 지닌 배터리의 전반적인 특성에 대한 깊은 이해 및 응용 기술에 대한 통찰력을 제시하고자 한다.

Abstract ▼ AI-Helper

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.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 논문에서는 배터리 잔존 유효 수명 예측 및 관리 기법 및 성능 평가 지표에 대한 학계의 연구 방법과 기술 현황을 소개했으며 특히 전기화학 기반의 배터리 모델링의 향후 잠재적 활용 가능성에 대해 강조했다. 이는 현재까지 산업계에서 주로 활용되고 있는 단순한 lumped 파라미터 기반의 ECM 모델은 배터리 내부 입자들의 전기화학적 움직임을 정확하게 반영할 수 없는 한계가 있기 때문이다.
본 논문에서는 배터리의 잔존 유효 수명 예지 및 건전성 관리 기술에 활용되는 다양한 알고리즘들에 대해 살펴보고 특히 전기화학 기반 모델링의 높은 잠재 가능성에 대한 통찰력을 제시하고자 한다. 잔존수명은 예지 기술에 속하는 부분이므로 진단 기술에 대한 설명은 개념적인 수준에서 다루고 예지 기술의 분류 및 잔존 유효 수명에 대한 내용을 주로 다루고자 한다.
본 논문에서는 현재 2차 전지로써 산업계에서 가장 널리 상용화되고 있는 리튬이온 배터리를 기준으로 충방전 과정을 소개한다. 배터리를 구성하는 화학물질에 따른 성능 및 특성 차이는 어느 정도 존재하나 충방전의 기본 원리는 동일하다.

가설 설정

(b)와 같이 β-criterion을 사용함에 따라 개선가능하다.
때문에 온보드(onboard) 제어 활용 측면에서 적절하지 못하였다^[9]. 다음 세대로 등장한 모델은 다공성 전극 이론에 기반한 reduced-order model(ROM)이며, 이 중 가장 잘 알려진 모델이 아래 그림 5와 같이 전해액 상(electrolyte phase) 내의 변화를 무시하는 가정을 바탕으로 단일 파티클로서 양 극을 표현한 single-particle model(SPM)이다^[10]. 하지만 1C 이하의 낮은 방전율(C-rate)에서는 기존의 모델들과 별 차이 없는 정확성을 보이지만 높은 방전율에서는 정확성이 급격히 떨어지는 한계를 보인다.

제안 방법

그림 6과 같이 진단과정은 고장 발견(fault detection), 고장 분리(fault isolation) 및 고장 확인(fault identification)의 세 단계로 구분 지을 수 있다^[13]. 먼저 고장 발견을 통해 평소의 운영조건에서 벗어나는 움직임을 감지, 보고하고 고장 분리과정을 통해 어떤 부분에서 고장이 발생했는지 또는 발생중인지 근원지를 분리 및 감지한다. 마지막으로 고장 확인과정을 통해 고장의 범위와 그 특성을 추정한다.
예지 과정은 크게 RUL 예측과 신뢰구간 추정(confidence interval estimation)으로 구분 지을 수 있다. 앞서 언급한 진단의 가장 마지막 과정인 고장 확인을 통해 시스템의 현재 상태에 대한 전반적인 데이터가 예지 과정에 입력되면 이를 바탕으로 다양한 예측 알고리즘과 결합하여 배터리의 수명이 다하는 시점, 즉 RUL을 예측한다. 그 이후에는 RUL 예측과 연관된 신뢰구간을 추정 및 적용하여 다른 불확실 요소들이 어떻게 RUL에 영향을 미치는지 또는 얼마나 빨리 배터리 노화가 진행될 것인지 등에 대한 판단을 수행하게 된다.
배터리의 현재 상태를 정확하게 파악하는 것은 향후 배터리 활용 및 제어측면에 있어서 높은 자유도를 제공하는, 매우 중요한 과정이다. 화학 에너지를 전기 에너지로 변환시키는 비선형적 특성을 지닌 배터리는 다양한 방법들로 모델링 될 수 있으며 이 장에서는 일반적으로 많이 사용되는 등가회로 모델(Equivalent Circuit Model; ECM)과 높은 정확성을 지닌 전기화학 모델(Electrochemical Model)에 대해 설명하도록 한다

이론/모형

초기에 제안된 Doyle-Fuller-Newman (DFN) 모델은 다공성 양극 셀과 리튬 이온 농도 변화 등을 모델링하였으며 기본적인 포텐셜의 옴의 법칙(Ohm’s law)을 포함한 이온 농도를 나타내는 픽스의 법칙(Fick’s law) 및 전극에서의 반응에 의한 전류밀도 관계를 나타내는 버틀러-볼머 방정식(Butler-Volmer equation) 또한 나타낸다.

후속연구

이는 현재까지 산업계에서 주로 활용되고 있는 단순한 lumped 파라미터 기반의 ECM 모델은 배터리 내부 입자들의 전기화학적 움직임을 정확하게 반영할 수 없는 한계가 있기 때문이다. 향후 연구로써는 이러한 전기화학 기반 모델링에 불충분한 온도 및 확산(diffusion)에 따른 요소를 고려한 더욱 정교한 모델링을 정립하고 및 이를 활용한 진보된 배터리 진단 및 예지 알고리즘을 개발 하고자 한다.

질의응답

핵심어	질문	논문에서 추출한 답변
	고장 예지 및 건전성 관리 기술이 반드시 적용되어야 하는 어플리케이션은 무엇인가?	고장 예지 및 건전성 관리 기술(Prognostics and Health Management; PHM)은 시스템의 현재 상태를 진단하고 향후 발생 가능한 고장 시점을 신뢰성 있게 예지하는 기술로써 유지 보수 비용의 절감 및 시스템의 안정성 향상을 꾀하고자 하는 다양한 산업분야에서 활발하게 이용되고 있다. 스마트 그리드의 에너지 저장장치, 전기차, 스마트폰, 항공우주산업 등 광범위한 사용처에서 중요한 에너지원으로 사용되고 있는 배터리 또한 성능 저하 및 폭발의 위험성으로부터 자유로울 수 없기 때문에 이러한 고장 예지 및 건전성 관리 기술이 반드시 적용되어야 할 어플리케이션이다. 본 논문에서는 PHM의 기본적인 개념을 소개함과 동시에 배터리의 잔존 유효 수명(Remaining Useful Life; RUL)을 예측하는 각종 알고리즘 및 성능 평가 지표 서술에 초점을 맞추도록 한다.
	배터리 분야에 PHM 적용이 반드시 필요하며, 이를 통해 상태를 진단하고 잔존 유효 수명을 예측하는 과정이 중요한 이유는 무엇인가?	스마트 그리드가 에너지 분야의 새로운 패러다임으로 떠오르고 있는 현대 사회에서 배터리는 이동성을 갖춘 전자장비에 동력원을 공급하는 핵심 구성요소로써 스마트폰, 전기 자동차(Electric Vehicle; EV), 에너지 저장장치(Energy Storage System; ESS), 사물 통신 분야의 무선 네트워크 디바이스 및 항공우주장비 등 다양한 산업분야에서 널리 활용되고 있다[4-6]. 하지만 내부 또는 외부 요인으로 인한 고장 시에 야기되는 성능 저하 및 폭발로 인한 사고는 그림 1과 같이 심각한 인명 손실 및 재산 피해를 유발할 수 있다. 때문에 배터리 분야에 PHM 적용이 반드시 필요하며, 이를 통해 상태를 진단하고 잔존 유효 수명을 예측하는 과정이 매우 중요하다고 할 수 있다.
	고장 예지 및 건전성 관리 기술이란 무엇인가?	고장 예지 및 건전성 관리 기술(Prognostics and Health Management; PHM)은 시스템의 현재 상태를 진단하고 향후 발생 가능한 고장 시점을 신뢰성 있게 예지하는 기술로써 유지 보수 비용의 절감 및 시스템의 안정성 향상을 꾀하고자 하는 다양한 산업분야에서 활발하게 이용되고 있다. 스마트 그리드의 에너지 저장장치, 전기차, 스마트폰, 항공우주산업 등 광범위한 사용처에서 중요한 에너지원으로 사용되고 있는 배터리 또한 성능 저하 및 폭발의 위험성으로부터 자유로울 수 없기 때문에 이러한 고장 예지 및 건전성 관리 기술이 반드시 적용되어야 할 어플리케이션이다.

참고문헌 (30)

K. Goebel, et al., "Prognostics in battery health management," IEEE Instrumentation & Measurement Mag., vol. 11, no. 4, Aug. 2008.
B. Saha, et al., "Prognostics methods for battery health monitoring using a Bayesian framework," IEEE Trans. Instrumentation and Measurement, vol. 58, no. 2, pp. 291-296, 2009.

상세보기
ISO 13381-1, Condition monitoring and diagnostics of machines-prognostics. Part1: General guidelines, International Standard (2004), Retrieved Jan., 30, 2017, from https://www.iso.org/obp/ui#iso:std:iso:13381: -1:ed-1:v1:en
J. Jun, et al., "Trend on IoT device product and technology," KICS Inf. and Commun. Mag., vol. 31, no. 4, pp. 44-52, Mar. 2014.
K. Kim, S. Lee and J. Park "Technological trend analysis for configuration of energy storage system using retired electric vehicle battery," KICS Inf. and Commun. Mag., vol. 33, no. 7, pp. 47-52, Jun. 2016.
Y, Ryu and J. Park, "Open energy storage system based on a profile," KICS Inf. and Commun. Mag., vol. 33, no. 7, pp. 40-46, Jun. 2016.
Y. Choi and H. Kim, "Electrochemistry modeling based control of battery management system: A tutorial," KIC News, vol. 18, no. 5, pp. 47-60, 2015.
M. J. Daigle and S. K. Chetan, "Electrochemistry-based battery modeling for prognostics," 2013.
J. Li, S. Zhou, and Y. Han, Advances in Battery Manufacturing, Services, and Management Systems, John Wiley & Sons, 2016.
S. K. Rahimian, S. Rayman, and R. E. White, "Extension of physics-based single particle model for higher charge-discharge rates," J. Power Sources, vol. 224, pp. 180-194, Feb. 2013.

상세보기
S. Dey and B. Ayalew, "A diagnostic scheme for detection, isolation and estimation of electrochemical faults in lithium-ion cells," in Proc. ASME 2015 Dynamic Systems and Control Conf., Columbus, Ohio, Oct. 2015.
J. Lee, et al., "Prognostics and health management design for rotary machinery systems-Reviews, methodology and applications," Mechanical Syst. and Sign. Process., vol. 42, no. 1, pp. 314-334, Jan. 2014.

상세보기
J. Z. Sikorska, M. Hodkiewicz, and L. Ma, "Prognostic modelling options for remaining useful life estimation by industry," Mechanical Syst. and Sign. Process., vol. 25, no. 5, pp. 1803-1836, Jul. 2011.

상세보기
A. T. Elsayed, C. R. Lashway, and O. A. Mohammed, "Advanced battery management and diagnostic system for smart grid infrastructure," IEEE Trans. Smart Grid, vol. 7, no. 2, pp. 897-905, 2016.
L. Liao and F. Kottig, "Review of hybrid prognostics approaches for remaining useful life prediction of engineered systems, and an application to battery life prediction," IEEE Trans. Reliability, vol. 63, no. 1, pp. 191-207, 2014.

상세보기
N.-H. Kim, D. An, and J.-H. Choi, Prognostics and Health Management of Engineering Systems: An Introduction, Springer, 2016.
H.-J. Zimmermann, "Fuzzy set theory," Wiley Interdisciplinary Rev.: Computational Statistics, vol. 2, no. 3, pp. 317-332, 2010.

상세보기
J. Zhang and J. Lee, "A review on prognostics and health monitoring of Li-ion battery," J. Power Sources, vol. 196, no. 15, pp. 6007-6014, 2011.

상세보기
A. Malhi, R. Yan, and R. X. Gao, "Prognosis of defect propagation based on recurrent neural networks," IEEE Trans. Instrumentation and Measurement, vol. 60, no. 3, pp. 703-711, 2011.

상세보기
B. Saha, K. Goebel, and J. Christophersen, "Comparison of prognostic algorithms for estimating remaining useful life of batteries," Trans. Inst. Measurement and Control, vol. 31, no. 3-4, pp. 293-308, 2009.

상세보기
J. R. Galvan, A. Saxena, and K. Goebel, "Uncertainty representation and interpretation in model-based prognostics algorithms based on kalman filter estimation," Annu. Conf. Prognostics and Health Management Soc. 2012, 2012.
R. K. Singleton, E. G. Strangas, and S. Aviyente, "Extended kalman filtering for remaining-useful-life estimation of bearings," IEEE Trans. Ind. Electron., vol. 62, no. 3, pp. 1781-1790, 2015.

상세보기
X. Zhang and P. Pisu, "An unscented kalman filter based approach for the health-monitoring and prognostics of a polymer electrolyte membrane fuel cell," Annu. Conf. Prognostics and Health Management Soc., 2012.
S. H. Sim, et al., "Remaining useful life prediction of Li-Ion battery based on charge voltage characteristics," Trans. Korean Soc. Mech. Eng. B, vol. 37, no. 4, pp. 313-322, 2013.
Y. Qian and R. Yan, "Remaining useful life prediction of rolling bearings using an enhanced particle filter," IEEE Trans. Instrumentation and Measurement, vol. 64, no. 10, pp. 2696-2707, 2015.

상세보기
M. Bressel, et al., "Remaining useful life prediction and uncertainty quantification of proton exchange membrane fuel cell under variable load," IEEE Trans. Ind. Electron., vol. 63, no. 4, pp. 2569-2577, 2016.

상세보기
J. K. Kimotho, T. Meyer, and W. Sextro, "PEM fuel cell prognostics using particle filter with model parameter adaptation," IEEE Conf. PHM, pp. 1-6, 2014.
M. R. Palacin, and A. de Guibert, "Why do batteries fail?," Science, vol. 351, no. 6273, 1253292, Feb. 2016.

상세보기
A. Saxena, et al., "Metrics for offline evaluation of prognostic performance," Int. J. Prognostics and Health Management, vol. 1, no. 1, pp. 4-23, 2010.
A. Saxena, et al., "Metrics for evaluating performance of prognostic techniques," IEEE Conf. PHM, pp. 1-17, 2008.

저자의 다른 논문 :

LOADING...

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증