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

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
김재영 (충남대학교) 권상욱 (충남대학교) 박성윤 (충남대학교) 조인호 (한국교통대학교) 이건복 (한국철도기술연구원) 김종훈 (충남대학교)
저널정보
대한전자공학회 전자공학회논문지 전자공학회논문지 제58권 제10호(통권 제527호)
발행연도
2021.10
수록면
77 - 85 (9page)
DOI
10.5573/ieie.2021.58.10.77

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
현재 리튬이온 배터리는 다양한 에너지시스템에 적용되고 있으며, 안정적이고 효율적인 배터리 사용을 위해 배터리 관리 시스템(Battery management system; BMS)의 중요성이 대두되고 있다. 충전 상태(State-of-charge; SOC)는 효율적으로 BMS를 제어하기 위한 가장 중요한 배터리 상태 정보 중 하나로써, 정확한 SOC 추정을 위한 다양한 연구가 진행되고 있다. 본 논문에서는 리튬이온 배터리의 온도 특성을 활용하여 열화상 기술을 접목시킨 합성곱 신경망(Convolutional neural network; CNN) 기반 SOC 추정방법을 제안한다. SOC를 추정하기 위해 필요한 CNN 모델의 학습 데이터셋은 표준 충전 전류 0.5C-rate보다 이상의 고전류 방전 시험 동안 촬영된 열화상 이미지를 통해 SOC 구간별로 나누어 구축하였다. 제안하는 모델의 SOC 추정 성능은 수신자 조작 특성 곡선(Receiver operator characteristic curve; ROC Curve)의 성능 평가 지표인 곡선 아래 면적(Area of under the curve; AUC)을 활용하여 검증하였다.

목차

요약
Abstract
Ⅰ. 서론
Ⅱ. 본론
Ⅲ. 결론
REFERENCES

참고문헌 (17)

참고문헌 신청

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

최근 본 자료

전체보기

댓글(0)

0