리튬인산철 배터리 관리 시스템에서 선형 회귀 분석법을 이용한 SOH추정
초록/요약
본 논문에서는 리튬인산철(LifePO4) 배터리 관리 시스템(BMS)에서 SOH추정을 위한 회기 분석 알고리즘을 제시한다. 머신러닝의 방법 중 지도학습(supervised learning)은 입력된 배터리특성 데이터와 출력되는 고장데이터 간의 관계를 학습하여 이를 규칙이나 함수로 표현되는 모델을 찾는다. 비지도 학습(unsupervised learning)은 사용 중 변화되는 배터리특성 데이터에 내재되어 있는 패턴을 발견하여 고장의 진단 및 예측을 수행한다. 알고리즘은 입력되는 파라미터(충전상태, 무 부하 단자전압, 온도, Current rate등)에 따른 내부저항(DCIR:Direct Current Internal Resistance)을 지도학습의 선형회귀 분석을 이용하여 도출하고 비지도학습의 군집화 알고리즘으로 데이터의 유사성에 따른 군집화를 하여 고장원인과의 연관성을 확인한다. 제안한 머신러닝 알고리즘의 타당성을 실험으로 검증한다.
more목차
제 1 장 서론 1
제 2 장 리튬인산철배터리의 특징 및 상태분석 3
2.1 리튬인산철 배터리의 전기적 특성 3
2.2 SOC (State of Charge) 4
2.3 SOH (State of Health) 6
2.4 DCIR (Direct Current Internal Resistance) 7
2.5 OCV/DCIR과 SOC의 관계분석 9
2.6 DCIR과 SOH의 관계분석 12
제 3 장 회귀분석을 이용한 배터리 상태추정 14
3.1 SOC 추정 14
3.2 선형회귀분석을 통한 SOH 추정 17
제 4 장 실험을 통한 고장진단 알고리즘 검증 24
4.1 배터리 관리 시스템 24
4.2 실험장비 구성 25
4.3 알고리즘 검증 27
제 5 장 결 론 28
참고문헌 29
