메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
권상욱 (충남대학교) 한동호 (충남대) 박성윤 (충남대) 김종훈 (충남대)
저널정보
대한전기학회 전기학회논문지 전기학회논문지 제68권 제10호
발행연도
2019.10
수록면
1,214 - 1,221 (8page)
DOI
10.5370/KIEE.2019.68.10.1214

이용수

DBpia Top 5%동일한 주제분류 기준으로
최근 2년간 이용수 순으로 정렬했을 때
해당 논문이 위치하는 상위 비율을 의미합니다.
표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
The state-of-health(SOH) information of a rechargeable lithium-ion battery is dependent on variable electric vehicle(EV)’s output features caused by frequent discharging/charging current, temperature, and state-of-charge(SOC) operating range. Above all, the most important thing to be checked is this SOH information should be correctly predicted for providing guarantee lithium-ion battery statuses to EV users. For this goal, critical aging factors that results in battery management system(BMS) performance should be obtained by various experiments and be reflected in a sophisticated study. Therefore, this paper introduces two steps for accomplishing an improved SOH prediction of a rechargeable lithium-ion battery. The first step is to perform aging factors extraction and their correlation analyses based on experiments using urban dynamometer driving schedule(UDDS) current profile. From this step, the long short term memory(LSTM) used to predict nonlinear and time-series datasets is newly proposed in the second step. According to the comparison with the recurrent neural network(RNN)-based SOH and clear verification, this paper provides the effectiveness of the SOH prediction.
#vehicle(EV) #Urban dynamometer driving schedule(UDDS) #State-of-health(SOH) #Machine learning #Artificial neural network(ANN) #Long short term memory(LSTM)

목차

Abstract
1. 서론
2. 리튬이온 배터리 열화 실험 및 분석(자동차 주행 사이클 이용)
3. 인공신경망 모델
4. 실험 및 결과
5. 결론
References

참고문헌 (14)

참고문헌 신청
A. Barré / 2013 / A review on lithium-ion battery ageing mechanisms and estimations for automotive applications / Journal of Power Sources 241:680~689 google schola T. Kodama / 1999 / Present status and future prospect for national project on lithium batteries / Journal of Power Sources 81:144~149 google schola L. Su / 2016 / Identifying main factors of capacity fading in lithium ion cells using orthogonal design of experiments / Applied Energy 163:201~210 google schola X. Han / 2014 / A comparative study of commercial lithium ion battery cycle life in electrical vehicle : Aging mechanism identification / Journal of Power Sources 251:38~54 google schola M. Berecibar / 2016 / Critical review of state of health estimation methods of Li-ion batteries for real applications / Renewable and Sustainable Energy Reviews 56:572~587 google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

LSTM 모델 기반 리튬이온 배터리의 SOH 예측
고하나 ,  이솔비 ,  김의직 디지털콘텐츠학회논문지 2021 .04
LSTM 기반 리튬 이온 배터리의 SOC 추정
박재형 ,  김시진 ,  이종현 외 1명 Proceedings of KIIT Conference 2020 .10
건전성 지표 기반 주성분분석(PCA)을 적용한 고용량 배터리 팩의 열화 인자 추출 방법 및 SOH 진단 기법 연구
이평연 ,  권상욱 ,  강덕훈 외 2명 전력전자학회논문지 2020 .10
그린워싱 사례 분석을 통한 친환경 기업 경영 환경 조성 대책
이정민 ,  장고은 ,  진승희 외 2명 대한환경공학회지 2023 .10
선형회귀분석법을 이용한 리튬인산철 배터리의 상태추정
임희성 ,  윤진식 ,  이교범 전기학회논문지 2022 .02

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2019-560-001237265