신경망 모델뱅크를 사용한 리튬 배터리의 SOC 및 SOH 온라인 추정

국문 초록 (Abstract)

최근 리튬 배터리 사용 중 폭발로 인한 사고가 빈번하여 배터리 관리 시스템(Battery Management System, BMS)에 대한 필요성이 대두되고 있다. 배터리 관리 시스템의 주요 파라미터는 배터리 잔존량(State of Charge, SOC)와 배터리 잔존수명(State of Health, SOH)이며 이를 정확하게 추정하기 위해 본 논문에서는 신경망 모델뱅크를 사용한 리튬 배터리의 SOC 및 SOH 온라인 추정 방법을 제안한다. 제안한 방법은 하나의 SOH 추정 모델과 배터리의 상태를 정상, 경고 그리고 고장 세 가지로 분류하여 학습한 3개의 모델을 하나로 묶은 모델뱅크를 사용하여 배터리의 SOH 추정하고 이에 따라 모델뱅크에서 SOH에 따른 세 가지 모델 중 하나를 선택하여 SOC 추정하고 결과를 출력한다. 제안한 방법 성능을 검증하기 위해 Oxford에서 제공하는 데이터셋을 사용하였으며 일반적인 신경말 모델과 제안한 모델을 비교하여 성능을 검증하였고 제안한 방법이 배터리 SOC 및 SOH를 더 잘 추정하는 것을 확인하였다.

다국어 초록 (Multilingual Abstract)

Recently, explosion accidents while using lithium batteries have frequently occurred, and thus the need for a battery management system (BMS) has emerged. The main parameters of the battery management system are State of Charge (SOC) and State of Health (SOH), and to accurately estimate the parameters, this paper proposes a method of estimating SOC and SOH of lithium battery using a neural network model bank. The proposed method estimates the SOH of a battery using a model bank where one SOH estimation model and three models learned by categorizing the state of a battery into normal, caution, and fault, and accordingly, the model bank selects one of the three models and outputs an SOC. To verify the proposed method performance, a dataset provided by Oxford was used, and the performance was verified by comparing general neural models and the proposed model, and it was verified that the proposed method better estimates battery SOC and SOH.

목차 (Table of Contents)

• 요약
• Abstract
• Ⅰ. 서론
• Ⅱ. 제안한 신경망 모델뱅크를 사용한 리튬 배터리 SOC 및 SOH 온라인 추정 방법
• Ⅲ. 실험 및 고찰
• Ⅳ. 결론
• 참고문헌