$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

선형회귀 및 ARIMA 모델을 이용한 배터리 사용자 패턴 변화 추적 연구
A study of Battery User Pattern Change tracking method using Linear Regression and ARIMA Model 원문보기

한국전자통신학회 논문지 = The Journal of the Korea Institute of Electronic Communication Sciences, v.17 no.3, 2022년, pp.423 - 432  

박종용 (서울과학기술대학교 정보통신미디어공학과) ,  유민혁 (서울과학기술대학교 정보통신미디어공학과) ,  노태민 (서울과학기술대학교 미디어IT공학과) ,  신대견 (서울과학기술대학교 정보통신미디어공학과) ,  김성권 (서울과학기술대학교 정보통신미디어공학과)

초록
AI-Helper 아이콘AI-Helper

전기자동차는 운전자가 바뀌거나 운전자의 주행습관이 바뀜에 따라 SOH가 급격하게 감소할 수 있고, 이러한 운전습관은 배터리에 과부하를 주어 배터리 수명의 단축 및 안전 문제를 일으킬 수 있다. 본 논문에서는 전기자동차의 계기판에 사용자 패턴 변화에 따른 SOH의 변화를, 실시간으로 나타내기 위하여, NASA에서 제공하는 배터리 데이터 세트를 학습하고, 기계학습 모델을 구축 후, 변화된 사용자 패턴을 포함한 배터리에 대해 선형회귀와 ARIMA 모델로 예측하는 실험을 진행하였다. 그 결과, 변화된 사용자 패턴에 따른 변경된 수명을 예측하는 경우, 배터리 데이터가 많이 확보되었다면 선형회귀가 유용하고, 데이터가 많이 확보되지 않은 경우는 ARIMA 모델이 대안이 될 수 있다는 연구결과를 얻을 수 있었다.

Abstract ▼ AI-Helper 아이콘AI-Helper

This paper addresses the safety concern that the SOH of batteries in electric vehicles decreases sharply when drivers change or their driving patterns change. Such a change can overload the battery, reduce the battery life, and induce safety issues. This paper aims to present the SOH as the changes ...

주제어

#배터리   #건전성 지표   #사용자 패턴 변경   #선형 회귀   #자동 회귀 통합 이동 평균  

표/그림 (9)

참고문헌 (14)

  1. J. Joo, Y. Lee, K. Park, and J. Oh, "ESS optimization and stable operation for battery level calculation and failure prediction algorithm," Journal of the Korea Institute of Electronic Communication Sciences, vol. 15, no. 1, 2020, pp. 71-78. 

    원문보기 상세보기 crossref

  2. S. Park and J. Lee, "Design of Smart Off-Board Charge System for Neighborhood Electric Vehicle," Journal of the Korea Institute of Electronic Communication Sciences, vol. 8, no. 10, 2013, pp. 1499-1504. 

    원문보기 상세보기 crossref

  3. P. Lee, S. Kwon, D. Kang, S. Han, and J. Kim, "SOH Estimation and Feature Extraction using Principal Component Analysis based on Health Indicator for High Energy Battery Pack," The Korean Institute of Power Electronics, vol. 25, no. 5, Oct. 2020, pp. 376-384. 

  4. S. Kim, J. Park, and J. Kim, "Prediction Algorithm for Lithium Ion Battery SOH Based on ARIMA Model," Proceedings of the KIPE Conference, Yesan, Korea, July 2019, pp. 56-58. 

  5. D. Andre, C. Appel, T. Soczka-Guth, and D. U. Sauer, "Advanced mathematical methods of SOC and SOH estimation for lithium-ion batteries," Journal of power sources. vol. 224, Feb 2013, pp. 20-27. 

    상세보기 crossref

  6. H. Go, S. Lee, and E. Kim, "LSTM Model-Based SOH Prediction for Lithium-Ion Battery," Digital Contents Society, vol. 22, no. 4, Apr. 2021, pp. 697-703. 

    상세보기 crossref

  7. S. Kwon, D. Han, S. Park, and J. Kim, "Long Short Term Memory-Based State-of-Health Prediction Algorithm of a Rechargeable Lithium-Ion Battery for Electric Vehicle," The Trans. of the Korean Institute of Electrical Engineers(KIEE), vol. 68, no. 10, pp. 1214-1221. 

    상세보기 crossref

  8. K. M. Adib, C. Angela, and W. Lim, N. J. Nkechinyere, "SOH and RUL Prediction of Lithium-Ion Batteries Based on LSTM with Ensemble Health Indicators," KICS Summer Conference 2020 Proceedings, Pyeongchang, Korea, vol. 72, Aug. 2020, pp. 317-318. 

  9. B. Kim and J. Kim, "An Optimal Design Method of a Linear Generator for Conversion of Wave Energy," Journal of the Korea Institute of Electronic Communication Sciences, vol. 16, no. 6, Dec. 2021, pp. 1195-1204. 

  10. J. Choi, "Performance Comparison of Machine Learning in the Prediction for Amount of Power Market," Journal of the Korea Institute of Electronic Communication Sciences, vol. 14, no. 5, 2019, pp. 943-950. 

  11. G. Bak and C. Bae, "Performance Comparison of Machine Learning in the Various Kind of Prediction," Journal of the Korea Institute of Electronic Communication Sciences, vol.14, no.1, 2019, pp. 169-178. 

    원문보기 상세보기 crossref

  12. K. Goebel, B. Saha, and A. Saxena, "Prognostics in battery health management," IEEE Trans. Instrum. Meas, vol. 11, no. 4, Nov. 2008, pp. 33-40. 

    상세보기 crossref

  13. T. Qin, S. Zeng, J. Guo, and Z. Skaf, "A rest time-based prognostic framework for state of health estimation of lithium-ion batteries with regeneration phenomena," Energies, vol. 9 no. 11, 2016, pp. 896. 

    상세보기 crossref

  14. S. Kang, T. Noh, and B. Lee, "Machine Learning-based SOH Estimation Algorithm Using a Linear Regression Analysis," The Trans. of the Korean Institute of Power Electronics, vol. 26, no. 4, 2021, pp. 241-248. 

    원문보기 상세보기 crossref

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

FREE

Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 논문

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로