[논문]모델 기반 적응제어를 이용한 전기자전거용 배터리팩 저온 특성 모델링 및 SOC 추정 연구

박진형; 윤창오; 배현수; 장성수; 김종훈

모델 기반 적응제어를 이용한 전기자전거용 배터리팩 저온 특성 모델링 및 SOC 추정 연구
Low Temperature Modelling and SOC Estimation of Battery Pack for Electric Bicycle using Model Based Adaptive Control 원문보기

박진형 (충남대학교) , 윤창오 (충남대학교) , 배현수 (한국항공우주연구원) , 장성수 (충남대학교) , 김종훈

본 논문에서는 모델 기반 적응제어 방식중 하나인 확장 칼만 필터(EKF: Extended Kalman Filter)를 사용하여 전기자전거용 배터리팩의 충전량(SOC: State of Charge)을 상온과 저온에서 추정하였다. 온도에 따라 배터리의 특성은 매우 가변적이며, 모델의 특성이 달라짐에 따라 적응제어를 위한 내부 파라미터 또한 상이하게 나타난다. 본 논문에서는 Matlab/Simulink를 이용하여 배터리와 확장 칼만 필터를 설계하고 시뮬레이션하였다. 온도에 따른 최적의 SOC 추정 성능을 얻기 위해, 오차 원인을 분석하고 이에 따른 개선된 SOC 추정 결과를 나타냈다.

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

문제 정의

본 논문에서는 각 온도조건에 따라 시뮬레이션을 진행한 뒤 최적의 파라미터 값을 선정하고 이에 대한 원인을 분석하였다. 시뮬레이션 상에서는 SOC의 초기값을 0.
본 논문은 환경 조건에 따라 특성이 변하는 배터리 팩의 내부 상태를 추정하기 위하여, 적응제어의 파라미터를 분석 및 선정방법에 대해 나타냈다. 적응제어 방식의 경우 실제 시스템과 모델의 오차가 허용범위를 초과할 경우, 전반적인 추정성능이 하락하는 단점이 있다.

가설 설정

본 논문에서는 각 온도조건에 따라 시뮬레이션을 진행한 뒤 최적의 파라미터 값을 선정하고 이에 대한 원인을 분석하였다. 시뮬레이션 상에서는 SOC의 초기값을 0.8로 설정하여, 초기값이 불일치 하다는 것을 가정한 뒤 추정성능을 확인하였다. 추정 결과는 전류적산법(Ah counting)과 비교하여 나타내었다.

제안 방법

오차공분산 P의 경우, 초기값을 설정하면 식 (9)에 의해 초기 값을 조정하고 이후의 오차 공분산은 모델 오차에 의해 다시 계산되어진다. 따라서 초기 값을 보정하기 위한 가장 직관적이고 쉬운 방법으로써, P를 조정하여 초기값 문제를 해결하였다.
확장 칼만 필터를 통해 배터리의 비선형적인 특성을 반영하고 SOC 추정을 진행하였다. 또한, 확장 칼만 필터의 추정 성능을 최적화하기 위해 내부 파라미터를 온도 조건에 따라 분석 및 모델링 하여, 저온 환경에서의 SOC 추정성능을 향상시켰다.
본 논문에서는 EKF를 사용하여 배터리 팩의 SOC 추정 성능을 보기위해 그림 2처럼 Matlab/Simulink를 통해 시뮬레이션을 진행하였다. 실제 시스템을 묘사하기 위해 실험에서 추출한 전압값을 가져왔으며, 충/방전기에서 추출된 실제 전류값을 모델 입력으로 하였다. 실제 전류값을 배터리 모델에 입력하여 추정 전압을 출력하였다.
실제 시스템을 묘사하기 위해 실험에서 추출한 전압값을 가져왔으며, 충/방전기에서 추출된 실제 전류값을 모델 입력으로 하였다. 실제 전류값을 배터리 모델에 입력하여 추정 전압을 출력하였다. 실제 전압 값과 추정된 전압의 차를 칼만 게인에 곱하여 식 (11)와 같이 SOC값을 보정하였다.
적응제어 방식의 경우 실제 시스템과 모델의 오차가 허용범위를 초과할 경우, 전반적인 추정성능이 하락하는 단점이 있다. 이러한 문제를 해결하기 위해, 적절한 파라미터를 결정함으로써 SOC 추정 성능이 향상시켰다.
모델 설계는 Matlab/Simulink를 활용하여 시뮬레이션을 진행하였다. 확장 칼만 필터를 통해 배터리의 비선형적인 특성을 반영하고 SOC 추정을 진행하였다. 또한, 확장 칼만 필터의 추정 성능을 최적화하기 위해 내부 파라미터를 온도 조건에 따라 분석 및 모델링 하여, 저온 환경에서의 SOC 추정성능을 향상시켰다.
환경적인 조건에 따라 특성이 변하는 배터리의 상태를 추정하기위해 모델기반 적응 제어를 사용하여 전류적산법의 문제점을 보완한다^[2]. 모델 기반 적응제어의 경우 실제 시스템과 해당 모델의 오차에 따라 게인값이 변화시켜 시스템의 상태를 보정한다.

대상 데이터

상온(25℃)에서 SOC 추정 시뮬레이션은 표 1에 나타낸 바와 같이 초기 내부 파라미터를 선정하여 진행하였다. 표 1의 파라미터 값은 여러 번의 시뮬레이션을 통해 최적의 값을 선정하여 결정하였다.

데이터처리

오차 증가로 인해 SOC 추정 성능 저하 문제를 분석하기 위해 칼만 게인값 분석을 하였다. 그림 6에서 초기 칼만 게인값은 9.
8로 설정하여, 초기값이 불일치 하다는 것을 가정한 뒤 추정성능을 확인하였다. 추정 결과는 전류적산법(Ah counting)과 비교하여 나타내었다.

이론/모형

본 논문에서는 환경 조건에 따라 최적의 SOC 추정성능을 위해 모델 기반 적응 제어의 기법중 하나인 확장 칼만 필터를 사용하였다. 모델 설계는 Matlab/Simulink를 활용하여 시뮬레이션을 진행하였다. 확장 칼만 필터를 통해 배터리의 비선형적인 특성을 반영하고 SOC 추정을 진행하였다.
본 논문에서는 EKF를 사용하여 배터리 팩의 SOC 추정 성능을 보기위해 그림 2처럼 Matlab/Simulink를 통해 시뮬레이션을 진행하였다. 실제 시스템을 묘사하기 위해 실험에서 추출한 전압값을 가져왔으며, 충/방전기에서 추출된 실제 전류값을 모델 입력으로 하였다.
본 논문에서는 환경 조건에 따라 최적의 SOC 추정성능을 위해 모델 기반 적응 제어의 기법중 하나인 확장 칼만 필터를 사용하였다. 모델 설계는 Matlab/Simulink를 활용하여 시뮬레이션을 진행하였다.

성능/효과

01 (1%)이내의 추정 성능을 보인다. 따라서 모델 오차를 확인하였을 때, 본 논문에서 설계한 모델의 타당성을 나타내었다.

핵심어

질문

논문에서 추출한 답변

모델 기반 적응제어은 어떻게 보정하는가?

환경적인 조건에 따라 특성이 변하는 배터리의 상태를 추정하기위해 모델기반 적응 제어를 사용하여 전류적산법의 문제점을 보완한다[2]. 모델 기반 적응제어의 경우 실제 시스템과 해당 모델의 오차에 따라 게인값이 변화시켜 시스템의 상태를 보정한다. 적응제어의 시스템 변수들에 의해 추정성능과 모델의 정확도에 따라 결정된다.

리튬 이온 배터리 특성은 온도에 따라 어떻게 나타나는가?

전기자전거와 같이 배터리 팩이 외부에 노출되어 있는 어플리케이션의 경우, 외부 환경의 변화에 따라 배터리 팩의 성능이 변화한다. 리튬 이온 배터리의 경우 온도에 따라 성능이 매우 가변적이며, 특히 저온으로 갈수록 배터리 내부 저항이 증가하여 용량이 감소한다[1]. 따라서 온도에 따라 용량이 가변적이기 때문에 기존 전류적산법만으로는 SOC를 추정하는데 있어 한계점이 있다.

EKF의 기능과 특징은?

확장 칼만 필터는 실제 시스템과 모델간의 오차에 따라 적절한 게인값을 곱하여 시스템의 상태를 추정 및 보정한다. 하지만 초기 파라미터를 어떻게 설정하느냐에 따라 추정성능이 크게 달라지며, 이에 따른 분석이 필요하다.

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

모델 기반 적응제어를 이용한 전기자전거용 배터리팩 저온 특성 모델링 및 SOC 추정 연구
Low Temperature Modelling and SOC Estimation of Battery Pack for Electric Bicycle using Model Based Adaptive Control 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

질의응답

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

모델 기반 적응제어를 이용한 전기자전거용 배터리팩 저온 특성 모델링 및 SOC 추정 연구 Low Temperature Modelling and SOC Estimation of Battery Pack for Electric Bicycle using Model Based Adaptive Control 원문보기

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

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

질의응답

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

모델 기반 적응제어를 이용한 전기자전거용 배터리팩 저온 특성 모델링 및 SOC 추정 연구
Low Temperature Modelling and SOC Estimation of Battery Pack for Electric Bicycle using Model Based Adaptive Control 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper