인공지능을 활용한 리튬 이온 배터리의 SoH 추정 및 EoL 예측에 관한 연구

Abstract

온실가스 배출 및 지구 온난화와 같은 환경문제로 인해 전 세계적으로 환경 규제가 강화되고, 친환경 자동차인 배터리 전기자동차(battery electric vehicle, BEV)의 사용량이 증가하고 있는 추세이다. 이에 따라, 전기 자동차의 주행 가 능 거리 증가 및 안전성을 확보하기 위해 리튬 이온 배터리(Lithium-Ion Battery, LIB)의 정확한 상태 추정 및 수명 예측에 관한 연구가 증가하고 있 다.[1] 본 논문에서는 리튬 이온 배터리의 SoH(State of Health) 추정 및 EoL(End of Life) 예측을 위해 머신러닝과 딥러닝을 이용하는 방식을 제안한다. 제안하 는 방식은 계층적 구조로 머신러닝 모델인 GPR과 KNN을 기반으로 배터리 SoH 추정 및 배터리 노화 패턴 타입 분류와 딥러닝 모델 기반으로 현재 시점 에서의 EoL 예측으로 구성하였다. 배터리 데이터셋의 Charging/Discharging profile에서의 전압, 전류, 온도, 시간과 관련된 인자들만을 활용하여 건전성 지 표를 추출하고 이를 입력인자로 사용해 현재 시점의 SoH 추정을 진행한다. 이때, 피어슨 상관 계수를 활용해 건전성 지표들과 SoH 간의 영향도 순위를 도출한 뒤, 영향도가 작은 인자들을 하나씩 제거해가며 성능 비교를 통해 입 력인자 개수 최적화를 진행한다. 이후, 추정한 SoH와 새롭게 선별한 입력인자 들을 활용해 배터리 노화 패턴 타입을 분류한다. 현재 시점까지 추정된 SoH 와 노화 패턴 타입을 고려하여 현재시점에서의 EoL 예측 알고리즘을 구성하 였다. 이 과정에서 5가지 딥러닝 모델인 RNN, LSTM, GRU, CNN, CNN-LSTM을 사용하여 모델들의 EoL 예측값과 실제 EoL 값을 비교하였다. 제안한 방식을 검증하기 위해 NASA에서 제공하는 배터리 데이터셋 30개를 사용하여 제안한 방식을 검증하였다. 그 결과, GPR-KNN-CNN 모델을 활용 하여 설계한 통합 SoH 추정 및 EoL 예측 알고리즘이 가장 우수한 성능을 갖 추고 있음을 확인할 수 있었다.