Core Concepts
병렬 연결 셀 간 편차가 존재하는 배터리 모듈의 건강 상태를 정확하고 신뢰성 있게 추정하는 새로운 방법을 제안한다.
Abstract
이 연구는 병렬 연결 셀 간 편차가 존재하는 배터리 모듈의 건강 상태를 정확하고 신뢰성 있게 추정하는 새로운 방법을 제안한다.
첫째, 정보 이론 기반 특징 선택 알고리즘을 제안하여 모듈 수준 건강 상태 추정을 위한 최적의 특징 집합을 찾는다. 이 알고리즘은 관련성, 중복성, 상호보완성을 고려하여 셀 간 편차에 강인한 특징을 선택한다.
둘째, 관련 벡터 회귀(RVR) 기반 모듈 수준 건강 상태 추정 모델을 개발한다. 이 모델은 점추정과 더불어 신뢰구간을 제공하며, 모델의 희소성을 자동으로 유지하여 온보드 구현에 적합하다.
실험 데이터에 적용한 결과, 제안 방법은 기존 방법 대비 추정 정확도와 신뢰성을 크게 향상시켰다. 또한 낮은 계산 복잡도로 인해 온보드 구현이 가능하다.
Stats
"배터리 모듈의 건강 상태는 현재 용량을 신품 용량으로 나눈 값으로 정의된다."
"제안 방법은 0.5%의 RMSE와 1.5%의 평균 3시그마 값을 달성하여, 기존 방법(1.3% RMSE, 3.9% 평균 3시그마 값)에 비해 크게 향상된 성능을 보였다."
Quotes
"병렬 연결 셀 간 편차로 인해 모듈 수준 증분 용량 분석(ICA) 및 미분 전압 분석(DVA) 기반 방법의 일반화가 어려운 문제가 존재한다."
"제안 방법은 관련성, 중복성, 상호보완성을 체계적으로 고려하여 셀 간 편차에 강인한 특징을 선택한다."
"제안 RVR 기반 모델은 점추정과 신뢰구간을 제공하며, 모델의 희소성을 자동으로 유지하여 온보드 구현에 적합하다."