$\require{mediawiki-texvc}$

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.

충전 특성과 어텐션 기반 LSTM을 활용한 개선된 리튬이온 배터리 SOH 예측 모델
Improved SOH Prediction Model for Lithium-ion Battery Using Charging Characteristics and Attention-Based LSTM 원문보기

스마트미디어저널 = Smart media journal, v.12 no.11, 2023년, pp.103 - 112  

류한일 (전남대학교 인공지능융합학과) ,  이상훈 (전남대학교 정보보안협동과정) ,  최덕재 (전남대학교 소프트웨어공학과) ,  박혁로 (전남대학교 소프트웨어공학과)

초록
AI-Helper 아이콘AI-Helper

최근 리튬이온 배터리 사용이 늘어남에 따라 배터리 화재 및 사고 예방의 필요성이 대두되고 있다. 사고 예방을 위해서는 배터리 SOH(State of Health)를 예측하여 열화가 많이 진행된 배터리의 교체 시기를 확인하는 것이 필요하다. 본 논문에서는 배터리의 충전 과정에서 얻을 수 있는 최대 전압 도달 시간, 전류 변화 시간, 최대 온도 도달 시간, IC(Incremental Capacity) 등 4가지 배터리 열화 특성과 어텐션 메커니즘을 이용한 장단기 메모리(Long Short Term Memory, LSTM)를 사용하여 배터리의 열화 상태를 예측하는 모델을 제안한다. NASA에서 제공하는 배터리 데이터 세트를 사용해 제안하는 모델의 성능을 측정한 결과 일반적인 LSTM 모델을 사용하는 경우보다 예측성능의 개선을 확인할 수 있었고, 특히 배터리 교체 주기에 가까운 SOH 90-70% 구간에서 더 우수한 성능을 보였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Recently, the need to prevent battery fires and accidents has emerged, as the use of lithium-ion batteries has increased. In order to prevent accidents, it is necessary to predict the state of health (SOH) and check the replacement timing of the battery with a lot of degradation. This paper proposes...

주제어

#배터리 건강 상태   #리튬 이온 배터리   #어텐션 메커니즘   #장단기 메모리 네트워크  

참고문헌 (15)

  1. H. Dai, G. Zhao, M. Lin, J. Wu and G. Zheng,？"A Novel Estimation Method for the State of？Health of Lithium-Ion Battery Using Prior？Knowledge-Based Neural Network and Markov？Chain," IEEE Transactions on Industrial？Electronics, vol. 66, no. 10, pp. 7706-7716, Nov.？2019. 

  2. Z. Guo, X. Qiu, G. Hou, B. Y. Liaw and C.？Zhang, "State of health estimation for lithium？ion batteries based on charging curves," Journal？of Power Sources, vol. 249, pp. 457-462, Mar.？2014. 

    상세보기

  3. Y. Li, Z. Wei, B. Xiong, and D. Vilathgamuwa,？"Adaptive Ensemble-Based Electrochemical-Thermal Degradation State Estimation of？Lithium-Ion Batteries," IEEE Transactions on？Industrial Electronics, vol. 69, no. 7, pp.？6984-6996, Jul. 2022. 

  4. X. Hu, D. Cao and B. Egardt, "Condition？Monitoring in Advanced Battery Management？Systems: Moving Horizon Estimation Using a？Reduced Electrochemical Model," IEEE/ASME？Transactions on Mechatronics, vol. 23, no. 1, pp.？167-178, Feb. 2017. 

  5. Z. Chen, M. Sun, X. Shu, R. Xiao and J. Shen,？"Online State of Health Estimation for？Lithium-Ion Batteries Based on Support Vector？Machine," Applied Sciences, vol. 8, no. 6, pp.？925(1-13), Jun. 2018. 

  6. D. Yang, X. Zhang, R. pan, Y. Wang and Z.？Chen, "A novel Gaussian process regression？model for state-of-health estimation of？lithium-ion battery using charging curve,"？Journal of Power Sources, vol. 384, pp. 387-395,？Apr. 2018. 

    상세보기

  7. J.H. Hong, D.H. Lee, E.R. Jeong, Y. Yi,？"Towards the swift prediction of the remaining？useful life of lithium-ion batteries with？end-to-end deep learning," Applied Energy, vol.？278, pp. 115646(1-12), Nov. 2020. 

  8. A. Eddahech, O. Briat, N. Bertrand, Y. Deletage？and J. Vinassa, "Behavior and state-of-health？monitoring of Li-ion batteries using impedance？spectroscopy and recurrent neural networks,"？International Journal of Electrical Power &？Energy Systems, vol. 42, no. 1, pp. 487-494,？Nov. 2012. 

    상세보기

  9. W. Li, N. Sengupta, P. Dechent, D. Howey, A.？Annaswamy and D. Sauer, "Online capacity？estimation of lithium-ion batteries with deep？long short-term memory networks," Journal of？Power Sources, vol. 482, pp. 228863(1-11), Jan.？2021. 

  10. L. Ren, L. Zhao, S. Zhao, H. Wang and L.？Zhang, "Remaining Useful Life Prediction for？Lithium-Ion Battery: A Deep Learning？Approach," IEEE Access, vol. 6, pp.？50587-50598, Jul. 2018. 

    상세보기

  11. L. Ren, J. Dong, X. Wang, Z. Meng, L. Zhao？and M. Deen, "A Data-Driven？Auto-CNN-LSTM Prediction Model for？Lithium-Ion Battery Remaining Useful Life,"？IEEE Transactions on Industrial Informatics,？vol. 17, no. 5, pp. 3478-3487, Jul. 2020. 

  12. 박성윤, 이평연, 유기수, 김종훈, "증분용량 및 차동전압 분석법을 이용한 리튬이온 배터리 SOH？추정 방법 연구," 대한기계학회논문집 A권, 제 45권, 제 3호, 259-266쪽, 2021년 3월 

  13. M. Lin, J. Wu, J. Meng, W. Wang and J. Wu,？"State of health estimation with attentional long？short-term memory network for lithium-ion？batteries," Energy, vol. 268, pp. 126706(1-12),？Apr. 2023. 

  14. H. Gabbar, A. Othman and M. Abdussami,？"Review of Battery Management Systems？(BMS) Development and Industrial Standards,"？Technologies, vol. 9, no. 2, pp. 28(1-23), Sep.？2021. 

  15. G. Ji, Y. Ma and J.M. Lee, "Mitigating the？initial capacity loss (ICL) problem in？high-capacity lithium ion battery anode？materials," Journal of Materials Chemistry, vol.？21, no. 27, pp. 9819-9824, 2011. 

저자의 다른 논문 :

관련 콘텐츠

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