모델을 기반으로 한 배터리 상태 진단 알고리즘에서 정확한 배터리 모델링이 필수적이다. 기존의 방법들은 특별한 사전실험이 필요하거나 배터리 방전 상황 및 상온에서 배터리 모델링을 ...
http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
https://www.riss.kr/link?id=A107952156
2021
Korean
학술저널
254-255(2쪽)
0
상세조회0
다운로드국문 초록 (Abstract)
모델을 기반으로 한 배터리 상태 진단 알고리즘에서 정확한 배터리 모델링이 필수적이다. 기존의 방법들은 특별한 사전실험이 필요하거나 배터리 방전 상황 및 상온에서 배터리 모델링을 ...
모델을 기반으로 한 배터리 상태 진단 알고리즘에서 정확한 배터리 모델링이 필수적이다. 기존의 방법들은 특별한 사전실험이 필요하거나 배터리 방전 상황 및 상온에서 배터리 모델링을 진행하였다. 하지만, 배터리가 사용되는 휴대용 전자기기 및 전기차와 같은 애플리케이션들은 다양한 충/방전 상황 그리고 다양한 외기 온도에 노출되기 때문에 이를 고려한 정확한 배터리 모델링이 필요하다. 그래서, 본 연구에서는 특별한 사전시험이 필요하지 않고 전류의 변동성이 없는 정전류 충전 상황에서의 배터리 모델링 방법을 제안하였으며, 또한 하나의 상온이 아닌 다양한 외기 온도 환경에서 배터리 모델링을 함으로써 제안하는 모델링 방법의 범용성을 보이고자 하였다. 다양한 온도에서의 배터리 정전류 충전 데이터와 배터리 등가 회로 모델인 1차 테브닌 모델 식을 유전 알고리즘에 적용하여, 각 충전 상황에 가장 적합한 모델 파라미터를 추정하였다. 실제 상용 배터리 셀을 이용하여 실험을 진행하였으며 다양한 외기 온도 (5 ℃, 15 ℃, 25 ℃, 40 ℃, 55 ℃)에서 획득한 실험 데이터는 제안한 모델링 방법을 검증하는데 사용되었다. 검증 결과, 제안한 모델링 방법은 다양한 외기 온도에서 최대 평균 오차 32.5 ㎷, 최대 오차 203.1 ㎷를 가지는 높은 모델링 정확성을 보임을 확인하였고 향후 모델을 기반으로 하는 배터리 관리 시스템에 쉽게 적용되어 사용될 수 있으리라 기대한다.
POI(Point Of Interest) 이름 매칭 방법에 관한 연구
Agent의 효율적이고 안전한 Exploration을 위한 Tsallis Entropy의 분포 기반 강화학습에의 적용