리튬이온 배터리 열분포 이미지를 활용한 CNN 기반 SOC 추정 연구

초록

현재 리튬이온 배터리는 다양한 에너지시스템에 적용되고 있으며, 안정적이고 효율적인 배터리 사용을 위해 배터리 관리 시스템(Battery management system; BMS)의 중요성이 대두되고 있다. 충전 상태(State-of-charge; SOC)는 효율적으로 BMS를 제어하기 위한 가장 중요한 배터리 상태 정보 중 하나로써, 정확한 SOC 추정을 위한 다양한 연구가 진행되고 있다. 본 논문에서는 리튬이온 배터리의 온도 특성을 활용하여 열화상 기술을 접목시킨 합성곱 신경망(Convolutional neural network; CNN) 기반 SOC 추정방법을 제안한다. SOC를 추정하기 위해 필요한 CNN 모델의 학습 데이터셋은 표준 충전 전류 0.5C-rate보다 이상의 고전류 방전 시험 동안 촬영된 열화상 이미지를 통해 SOC 구간별로 나누어 구축하였다. 제안하는 모델의 SOC 추정 성능은 수신자 조작 특성 곡선(Receiver operator characteristic curve; ROC Curve)의 성능 평가 지표인 곡선 아래 면적(Area of under the curve; AUC)을 활용하여 검증하였다.

키워드