http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 왕동훈(Dong-Hun Wang) (검색결과 3 건)
- 무료
- 기관 내 무료
- 유료
-
온도 파라미터를 이용한 LSTM 기반 리튬이온 배터리의 SOC 추정 기법
왕동훈(Dong Hun Wang),이종현(Jong Hyun Lee),김시진(Si Jin Kim),김민찬(Min Chan Kim),이인수(In Soo Lee) 한국정보기술학회 2021 Proceedings of KIIT Conference Vol.2021 No.11
최근 리튬 이온 배터리는 높은 밀도와 출력을 오랫동안 유지할 수 있다는 장점이 있어 다양한 분야에서 주요 에너지 저장장치로 사용되고 있다. 그러나 잦은 충전과 방전을 하는 배터리의 특성상 과충전 및 과방전이 발생할 수 있다. 따라서 이러한 문제를 방지하기 위해 배터리의 상태를 진단 및 관리할 수 있도록 보조해주는 배터리 관리 시스템(Battery Management System)의 주요 파라미터인 SoC를 예측하는 연구가 필요하다. 본 논문에서는 온도별 SoC를 추정하는 방법에 대해 제안한다. 방전 실험을 통해 데이터를 획득한 후 인공신경망중 하나인 LSTM(Long Short Term Memory)과 획득한 데이터를 사용하여 고온, 저온, 상온에서의 SOC와 온도를 혼합한 상황에서의 SOC를 추정하고 비교 · 분석하였다. Recently, lithium-ion batteries have been used as major storage devices in various fields due to their high voltage density and advantage of being able to maintain output for a long time. However, overcharging and overdischarging may occur due to nature of batteries. Thus, in order to prevent this problem, research is required to predict state of charge(SOC), which is a main parameter of the battery management system(BMS) that assists to diagnose and manage the state of battery. In this paper, we propose a method to estimate SOC using temperature. After obtaining data through discharge experiment, SOC were compared and analyzed between individual temperature and entire temperature using one of the artificial neural networks, LSTM.
-
차량 주행 시뮬레이터를 이용한 LSTM 기반 리튬 이온 배터리의 SOC 추정
김시진(Si Jin Kim),이종현(Jong Hyun Lee),왕동훈(Dong Hun Wang),이인수(In Soo Lee) 한국정보기술학회 2021 Proceedings of KIIT Conference Vol.2021 No.6
최근 들어 리튬 이온 배터리는 높은 전압 밀도와 오랫동안 출력을 유지할 수 있다는 장점이 있어 다양한 분야에서 중요한 에너지원으로 사용되고 있다. 그러나 잦은 충전 및 방전을 하는 배터리의 특성상 과충전 및 과방전은 불가피하다. 그러므로 사용자로 하여 배터리의 SOC(State Of Charge)를 정확하게 예측하는 연구가 필요하다. 본 논문에서는 차량 주행 시뮬레이터를 사용하여 SOC를 추정하는 방법을 제안한다. 시뮬레이터로 방전실험을 진행하여 데이터를 획득 후 인공신경망 중 하나인 LSTM(Long Short Term Memory)과 획득한 데이터를 사용하여 배터리의 SOC를 추정하였다. Recently, lithium-ion batteries have been used as an important energy source in various fields due to their high voltage density and the advantage of being able to maintain output for a long time. However, overcharging and overdischarging are inevitable due to the nature of batteries that charge and discharge frequently. Therefore, research is needed to accurately predict the State of Charge SOC of the battery for users. In this paper, we propose a method to estimate SOC using a vehicle driving simulator. A discharge experiment was conducted with a simulator to estimate the SOC of the battery using one of the artificial neural networks, LSTM, and the acquired data.
-
차량 시뮬레이터 및 인공신경망을 이용한 배터리의 SOC 추정
김시진(Si-Jin Kim),이종현(Jong-Hyun Lee),왕동훈(Dong-Hun Wang),이인수(In-Soo Lee) 한국정보기술학회 2021 한국정보기술학회논문지 Vol.19 No.5
Recently, lithium-ion batteries have been used as an important source of energy in various fields due to their high voltage density and the advantage of being able to maintain power for a long time. However, due to the characteristics of batteries that charge and discharge frequently, overcharging and overdischarging are inevitable, which can result in safety accidents and property damage. Therefore, research is needed to accurately predict the residual capacity (SOC) of a battery by the user. In this paper, we propose a method for estimating SOC using vehicle driving simulator. Simulator was built to conduct discharge experiments on batteries, and voltage and current, and discharge-time data were obtained. Using one of the artificial neural networks, the Multi-layer Neural Network (MNN), and acquired data, we estimated the SOC of the battery and found its performance to be excellent.
연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
