| 학회 | 한국공업화학회 |
| 학술대회 | 2022년 봄 (05/11 ~ 05/13, 제주국제컨벤션센터(ICC JEJU)) |
| 권호 | 26권 1호 |
| 발표분야 | 포스터-전기화학 |
| 제목 | 기계 학습을 통한 리튬 이온 전지 SOH 예측 |
| 초록 | 전기차에서 가장 핵심이 되는 기술은리튬 이온 전지와 이를 관리하는 시스템인 BMS(battery management system)이다. 하지만 전지의 긴 수명으로 인해 시간에 따른 성능을 측정하고 이를 개선하는 데에 시간적 비용이 상당히소요된다. 또한, 실제 BMS환경은 구동 조건이 다양하고, 많은 변수가 존재하기 때문에 실시간으로 SOC와 SOH를 측정하는 것이 쉽지 않다. 최근 기계 학습을 통한 예측 기술이 발달하면서, 양질의 데이터를통해 복잡한 물리적 지식 없이 높은 정확도로 예측이 가능해졌다. 본 연구에서는 리튬 이온 전지의 충방전 데이터를 활용하여, 기계 학습 기술을 적용하였다. 초기 충방전 사이클에서의 측정값을독립 변수로 설정하고, 수명이 다하기까지의 남은 사이클 수를 종속 변수로 설정한 후, 회귀 알고리즘을 적용하였다. 이후,데이터의 과적합을 낮춰 정확도를 높이기 위한 모델 튜닝을 진행했다. 이 연구는 기계 학습기술을 이용하여 초기 사이클만으로 리튬 이온 전지의 SOH를 높은 정확도로 예측함으로써, BMS의 실시간 데이터에 기여하고 연구의 시간적 효율을 높이는 긍정적인 효과를 불러일으킬 수 있다. |
| 저자 | 최정구, 김진원, 이재영 |
| 소속 | 광주과학기술원 |
| 키워드 | 기계 학습; 리튬 이온 전지; BMS; SOC; SOH |
