리튬이온전지의 노화를 고려한 SOH 및 SOC 추정 알고리즘에 관한 연구

Q: 이 논문에서 정의한 내부저항 추정기법이란 무엇인가?

내부저항 추정기법은 배터리의 전압, 전류, 온도를 활용하여 SOH를 추정하고, OCV만 고려하여 비용을 절감할 수 있는 방법이다. 휴지기 단계에서 voltage based 방식으로 SOC를 추정하고, 충방전 시 coulomb counting 방식으로 사용된 전하량을 적분하여 Qmax를 갱신하며, 이를 통해 내부저항을 추정하고 OCV 값을 보정한다.

Q: 리튬이온 배터리의 SOH 및 SOC 추정 알고리즘은 노화에 어떻게 대응하는가?

연구 결과, 제안된 내부저항 추정기법 기반 알고리즘은 배터리 노화로 인한 내부저항 증가와 전체 에너지량 감소를 시뮬레이션을 통해 확인할 수 있었다. 이는 기존 voltage based 방식과 coulomb counting 방식의 단점을 보완하며, 노화된 배터리의 Qmax를 갱신하여 SOC 추정 시 적절한 보정을 가능하게 한다.

한상현; 최웅철

추천

검색

질문

자료유형: 학술대회자료

저자정보: 한상현 (국민대학교) 최웅철 (국민대학교)

저널정보: 한국자동차공학회 한국자동차공학회 추계학술대회 및 전시회 2019년 한국자동차공학회 추계학술대회 및 전시회

발행연도: 2019.11

수록면: 1,204 - 1,209 (6page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법: 이 논문의 연구방법이 궁금하신가요?

🏆

연구결과: 이 논문의 연구결과가 궁금하신가요?

초록· 키워드

Due to industrialization and the use of fossil fuels, the world is facing problems of abnormal climate and global warming. In order to solve this problem, research and development of electric vehicles and energy storage systems are also rapidly progressing. In this study, we fabricated SOH and SOC estimation algorithm of BMS for efficient use of battery, which is a key component of electric vehicle and energy storage system. Algorithm is made by using internal resistance measuring method that compensates for the disadvantages of voltage based method and coulomb counting method applied to existing BMS. In addition, in order to confirm the algorithm using the internal resistance estimating technique, the experiment was conducted by producing OCV characteristics test and battery model. The SOH and SOC estimation algorithms using internal resistance estimation technique can be used more efficiently than the normal estimation method.

#Battery(배터리) #Electric Vehicle(전기자동차) #State of Charge(충전상태) #State of Health(수명상태) #Open Circuit Voltage(개방회로전압) #Battery Management System(배터리관리시스템)

참고문헌

참고문헌 신청

최근 본 자료

전체보기

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

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

목차

참고문헌

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)