$\require{mediawiki-texvc}$

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.

PNP 모델을 이용한 리튬이온 배터리 잔존 수명 예측
Remaining Useful Life of Lithium-Ion Battery Prediction Using the PNP Model 원문보기

한국전자통신학회 논문지 = The Journal of the Korea Institute of Electronic Communication Sciences, v.18 no.6, 2023년, pp.1151 - 1156  

이정구 (한국과학기술정보연구원) ,  박귀만 (전남대학교 전기 및 반도체공학과) ,  이은서 (전남대학교 전기 및 반도체공학과) ,  진병진 (온테스트) ,  배영철 (전남대학교 전기컴퓨터공학부)

초록
AI-Helper 아이콘AI-Helper

본 논문은 초기 리튬이온 배터리의 충·방전 데이터를 활용하여 리튬이온 배터리의 잔존 수명을 예측할 수 있는 딥러닝 모델을 제시한다. PNP(Positive and Negative Perceptron) 모델을 사용하여 DMP(Deep learning Model using PNP model)를 구축하였으며, DMP의 성능을 증명하기 위해 LSTM 모델을 사용하여 DML(Deep learning Model using LSTM model)을 구성하였다. DMP와 DML의 리튬이온 배터리의 잔존 수명 예측 성능을 비교하며, 오차 측정 방법은 RMSE(Root Mean Square Error)와 RMSPE(Root Mean Square Percentage Error)이다. 시험 데이터로 오차를 측정한 결과 DMP와 DML의 RMSE 차이는 144.62[Cycle]이며, RMSPE 차이는 3.37[%]로 DMP의 오차가 낮게 측정되었다. 이를 통해 우리는 DMP의 성능이 높은 것으로 증명하였으며, 이는 리튬이온 배터리 분야에서 PNP 모델이 LSTM 모델보다 성능이 뛰어남을 나타내었다.

Abstract ▼ AI-Helper 아이콘AI-Helper

In this paper, we propose a deep learning model that utilizes charge/discharge data from initial lithium-ion batteries to predict the remaining useful life of lithium-ion batteries. We build the DMP using the PNP model. To demonstrate the performance of DMP, we organize DML using the LSTM model and ...

주제어

#긍정&부정 퍼셉트론   #장단기 메모리   #잔존 수명   #예측   #리튬이온 배터리  

표/그림 (11)

참고문헌 (10)

  1. J. Joo, Y. Lee, K. Park, and J. Oh, "Battery？Level Calculation and Failure Prediction？Algorithm for ESS Optimization and Stable？Operation," J. of the Korea Institute of？Electronic Communication Sciences, vol. 15, no.？1, 2020, pp. 71-78. 

  2. J. Park, M. Yoo, T. Nho, D. Shin, and S.？Kim, "A study of Battery User Pattern？Change tracking method using Linear？Regression and ARIMA Model, J. of the？Korea Institute of Electronic Communication？Sciences, vol. 17, no. 3, 2022, pp. 423-432. 

  3. G. Bak and Y. Bae, "Performance comparison？of machine learning in the various kind of？prediction," J. of the Korea Institute of？Electronic Communication Sciences, vol. 14, no.？1, 2019, pp. 169-178. 

  4. J. Kim, Y. Ju, and E. Kim, "Development of？controllers and battery management？systems(BMS) for underwater drones？equipped with multi-channel BLDC motors,"？J. of the Korea Institute of Electronic？Communication Sciences, vol. 18, no. 3, 2023,？pp. 405-411. 

  5. R. Schmuch, R. Wagner, G. Horpel, T.？Placke, and M. Winter, "Performance and？cost of materials for lithium-based rechargeable automotive batteries," Nature？Energy, vol. 3, no. 4, 2018, pp. 267-278. 

    상세보기

  6. J. Park, J. Kim, C. Kim, Y. Park, and G. Kim,？"Prediction of battery remaining life based？on sliding window-LSTM for camouflage？therapeutic system," J. of Korean Institute Of？Information Technology, vol. 21, no. 1, 2023,？pp. 29-38. 

  7. J. Lim, D. Kim, T. Noh, and B. Lee,？"Remaining useful life prediction for？litium-oon batteries using EMD-CNN-LSTM？hybrid method," The Transactions of the？Korean Institute of Power Electronics, vol. 27,？no. 1, 2022, pp. 48-55. 

  8. J. Kim and J. Lee, "Application of？regularized linear regression models using？public domain data for cycle life prediction？of commercial lithium-ion batteries," The？Tansactions of the Korean Hydrogen and New？Energy Society, vol. 32, no. 6, 2021, pp.？592~611. 

  9. G. Bak and Y. Bae, "Deep learning algorithm？development for river flow prediction: PNP？algorithm," Soft Computing, 2023, pp. 1-29. 

  10. K. Severson, M. Attia, N. Jin, N. Perkins,？B. Jiang, Z. Yang, M. Chen, M. Aykol, P.？Herring, D. Fraggedakis, M. Bazant, S.？Harris, and W. Chueh, "Data-driven？prediction of battery cycle life before？capacity degradation," Nature Energy, vol.？4, no. 5, 2019, pp. 383-391. 

    상세보기

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