머신러닝을 활용한 LTO 타입 리튬이온배터리 셀의 열폭주 발생 예측 연구

초록

지구온난화로 인한 전 세계적인 기후변화로 각 분야의 산업에서는 친환경적인 기술이 연구되고 있다. 특히 운송 분야에서는 기존의 화석연료를 대체할 수 있는 추진용 이차전지가 주목받고 있다. 이차전지 중에서도 리튬이온배터리는 전기 자동차에 탑재되어 시장에 상용화되었고, 무가선 저상 트램, 전기추진 선박 분야에서도 추진용 리튬이온배터리의 상용화를 위한 연구가 적극적으로 이루어지고 있다. 리튬이온배터리는 높은 에너지 밀도와 긴 수명 특성을 나타내지만, 과충전/과방전, 단락, 충격 등의 남용 조건에 의해 열폭주가 발생할 수 있다. 열폭주는 배터리가 남용 조건에 놓일 때, 셀 내부에서 발생하는 비정상적 발열과 화학반응의 연쇄 작용으로 엄청난 양의 에너지를 방출하며 화재 및 폭발을 일으키는 현상이다. 열폭주가 발생한 셀은 인접 셀로 열폭주를 전파하며, 이를 통해 모듈, 팩 단위로 열폭주가 전파되어 전체 시스템의 안전성에 영향을 끼친다. 따라서 안전한 리튬이온배터리 시스템의 운용을 위해, 열폭주발생 이전에 열폭주의 발생 가능성을 예측하고, 열폭주 발생 시간을 예측하는 기술의 개발이 필요하다. 본 연구에서는 유동해석을 통해 LTO 타입 리튬이온배터리 셀의 표면에 10가지 경우의 히터 크기 조건과 다양한 열 유속 조건을 정의하여 열을 인가한 후, 셀의 열폭주 온도 데이터를 도출하였다. 또한 도출된 열폭주 온도 데이터를 활용하여 학습된 딥러닝 모델로 열폭주의 발생 가능성을 판단하였으며, LSTM 모델을 활용하여 열폭주 발생 시간을 사전에 예측하였다.