Fuzzy logic 기반 리튬이온 배터리 EIS 데이터의 최적 건전성 지표 도출 및 LSTM 기반 SOH 추정 알고리즘 개발

Q: 이 논문에서 정의한 최적 건전성 지표란 무엇인가?

최적 건전성 지표는 배터리 열화 및 SOC 조건에 따라 EIS 데이터의 편차 정도를 정량화하고, SOH 추정 시 정확도를 높이기 위해 선정된 최적의 주파수 인자들을 종합한 것이다. 이는 배터리 상태 변화에 대한 민감도가 높고, SOH 감소 경향성과 상관관계가 높은 특정 주파수 구간의 임피던스 데이터를 의미한다.

Q: 리튬이온 배터리 SOH 추정 정확도를 높이는 핵심 방법은 무엇인가?

연구 결과, Fuzzy logic을 활용하여 배터리 열화 및 SOC에 따른 임피던스 데이터 편차 정도를 수치화하고, 이를 통해 도출된 최적 건전성 지표를 LSTM 알고리즘의 입력 데이터로 사용함으로써 SOH 추정 정확도를 향상시킬 수 있다. 특히, 4Hz에서 측정된 EIS 데이터가 최적 건전성 지표로 선정되었다.

이재형; 공태현; 김종훈

doi:10.6113/TKPE.2024.29.4.308

학술저널 DBpia Top 10%

저자정보: 이재형 (충남대) 공태현 (충남대) 김종훈 (충남대)

저널정보: 전력전자학회 전력전자학회논문지 전력전자학회 논문지 제29권 제4호

오류 신고하기

피인용 1

검색

초록·키워드

Research on state estimation for lithium-ion battery, which is applied to various power conversion device fields, is receiving increased attention. Among various state estimation indicators, the estimation of the state-of-health (SOH) emerges as a critical factor, integral to the stability and efficiency of battery utilization. This paper explores an innovative approach to SOH estimation using electrochemical impedance spectroscopy (EIS). The sensitivity to impedance change due to battery degradation was quantified using fuzzy logic after analyzing the expected SOH estimation error for each battery state-of-charge (SOC) region. Therefore, optimal health indicators considering the two conditions were derived. Model performance verification was conducted by applying the long short-term memory algorithm for SOH estimation.

#Lithium-ion battery #Electrchemical impedance spectroscopy(EIS) #Fuzzy logic #Long Short-Term Memory(LSTM)

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록·키워드

참고문헌

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

피인용 자료 DBpia에 구축된 참고문헌을기준으로 집계되어, 타 사이트의피인용 수와 다를 수 있습니다.

댓글(0)

피인용 자료