[논문]리튬이온 배터리 내부저항 및 전압 변동 곡선 추적을 통한 SOH 추정 알고리즘 개발

김소영; 노태원; 이재형; 안정훈; 이병국

리튬이온 배터리 내부저항 및 전압 변동 곡선 추적을 통한 SOH 추정 알고리즘 개발
SOH Estimation Algorithm of Li-ion Battery Based on Internal Resistance and Differential Voltage Curve Tracking 원문보기

김소영 (성균관대학교 전자전기컴퓨터공학과) , 노태원 (성균관대학교 전자전기컴퓨터공학과) , 이재형 (성균관대학교 전자전기컴퓨터공학과) , 안정훈 (성균관대학교 전자전기컴퓨터공학과) , 이병국 (성균관대학교 전자전기컴퓨터공학과)

본 논문에서는 배터리의 노화에 따른 내부 저항 및 전압변동(Differential Voltage; DV)곡선 변화를 실시간으로 추정하는 SOH (State of Health) 알고리즘을 개발한다. 개발된 알고리즘은 정확한 내부 저항 추정을 위해 동작 및 측정 환경에 따른 고주파 통과 필터의 최적 설계 방안을 제안하며 동적 전류 특성을 고려한 DV곡선의 온라인 업데이트 로직을 이용한다. 알고리즘의 정확도는 단전지 시험 결과를 기반으로 시뮬레이션을 통해 검증한다.

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

문제 정의

본 논문은 BPF와 변곡점을 이용해 추정한 R_S를 이용하여 출력성능을 예측하고, OCV곡선 특성을 이용한 SOH 알고리즘을 제안하였다. 구현한 알고리즘은 기준값 대비 SOH_power 1.
본 논문은 SOH_power 와 SOH_energy를 동시에 추정하는 온라인 SOH 알고리즘을 제안한다. 노화로 인한 배터리의 출력 성능 저하를 추정하기위해 10초 동안의 최대 출력 크기를 의미하는 SOP 기준의 저항을 BPF (Band Pass Filter)를 이용해 추정한다.

제안 방법

노화로 인한 배터리의 출력 성능 저하를 추정하기위해 10초 동안의 최대 출력 크기를 의미하는 SOP 기준의 저항을 BPF (Band Pass Filter)를 이용해 추정한다. 또한 OCV (Open Circuit Voltage) 곡선의 노화 경향과 DV 곡선의 실시간 추정을 이용하여 SOH energy 를 추정한다. 제안하는 알고리즘은 단전지 실험결과를 통해 검증한다.
본 논문에서 제시하는 알고리즘은 최대 출력성능을 나타내기위해 10초 동안의 전압강하를 고려하여 그림 1과 같이 RS 를 순시적 성분(RS.s)과 RC ladder 성분(RS.l)으로 구분하고 식 (1)을 이용하여 SOHpower를 계산한다.
는 추정 용량을 통해 식 (4)와 같이 계산한다. 제안 하는 알고리즘은 그림 3과 같이 노화가 진행될수록 OCV 곡선의 초기상태 곡선이 응축되는 경향을 이용한다. [1] DV 곡선을 통해 OCV 곡선의 기울기가 급격하게 변화하는 점 (Ah 1 )을 선정한 뒤 초기 상태의 변화 양상을 이용하여 노화된 용량을 1차 추정한다.
또한 OCV (Open Circuit Voltage) 곡선의 노화 경향과 DV 곡선의 실시간 추정을 이용하여 SOH energy 를 추정한다. 제안하는 알고리즘은 단전지 실험결과를 통해 검증한다.

이론/모형

를 동시에 추정하는 온라인 SOH 알고리즘을 제안한다. 노화로 인한 배터리의 출력 성능 저하를 추정하기위해 10초 동안의 최대 출력 크기를 의미하는 SOP 기준의 저항을 BPF (Band Pass Filter)를 이용해 추정한다. 또한 OCV (Open Circuit Voltage) 곡선의 노화 경향과 DV 곡선의 실시간 추정을 이용하여 SOH energy 를 추정한다.
알고리즘 검증을 위하여 그림 4(b)와 같이 4가지의 노화상태 (fresh, 1000, 1500, 3000 Cycle)에 따른 LiFePO4 배터리 (PNE, 25Ah)를 그림 4(a)의 충/방전기를 이용하여 실험을 진행하였다. 시뮬레이션은 UDDS 전류 프로파일을 사용한다.

성능/효과

04% 이내로 높은 정확도를 가진다. SOH_energy 의 1차 추정의 평균오차는 6.40%로 거의 정확한 추정이 이루어지며, 2차 추정의 평균오차는 0.43%으로 1차 추정보다 평균 오차가 5.97% 감소하여 정확도가 개선됨을 확인하였다. 추정 그래프는 그림 7과 같다.
를 이용하여 출력성능을 예측하고, OCV곡선 특성을 이용한 SOH 알고리즘을 제안하였다. 구현한 알고리즘은 기준값 대비 SOH_power 1.04%, SOH_energy 0.43%내의 오차율로 노화된 배터리의 SOH를 정확하게 판단하였다. 이를 통해 배터리의 온라인 상태에서도 출력성능을 판단할 수 있는 지표의 제공을 기대할 수 있다.

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

리튬이온 배터리 내부저항 및 전압 변동 곡선 추적을 통한 SOH 추정 알고리즘 개발
SOH Estimation Algorithm of Li-ion Battery Based on Internal Resistance and Differential Voltage Curve Tracking 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper

문제 정의

제안 방법

이론/모형

성능/효과

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

리튬이온 배터리 내부저항 및 전압 변동 곡선 추적을 통한 SOH 추정 알고리즘 개발 SOH Estimation Algorithm of Li-ion Battery Based on Internal Resistance and Differential Voltage Curve Tracking 원문보기

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

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

이론/모형

성능/효과

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

리튬이온 배터리 내부저항 및 전압 변동 곡선 추적을 통한 SOH 추정 알고리즘 개발
SOH Estimation Algorithm of Li-ion Battery Based on Internal Resistance and Differential Voltage Curve Tracking 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper