시차열전압전류법 분석 및 LSTM 기반의 리튬이온 배터리 SOH 추정

Q: 이 논문에서 정의한 시차열전압전류법(이)란 무엇인가?

시차열전압전류법(DTV)은 배터리 CC 충전 중 단자 전압을 기준으로 배터리 표면 온도를 미분하여 얻는 곡선으로, 동일 시간 내 온도 및 전압 차이의 비율로도 계산된다. 이는 배터리 열화 파라미터를 추출하는 데 활용되며, 높은 C-rate 환경에서도 적용 가능하다.

Q: DTV 기반 열화 파라미터가 배터리 SOH 추정 정확도를 높이는 데 어떻게 기여하는가?

연구 결과, DTV 분석을 통해 추출된 peak, valley, 면적 등의 열화 파라미터는 SOH와 높은 상관관계를 가진다. 이 파라미터들을 LSTM 모델의 입력으로 활용하면, 배터리 내부의 열화 메커니즘을 반영하여 SOH 추정의 정확도를 크게 향상시킬 수 있다.

최연호; 윤재중

추천

검색

질문

자료유형: 학술대회자료

저자정보: 최연호 (충북대학교) 윤재중 (충북대학교)

저널정보: 한국자동차공학회 한국자동차공학회 추계학술대회 및 전시회 2023년 한국자동차공학회 추계학술대회 및 전시회

발행연도: 2023.11

수록면: 1,284 - 1,290 (7page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법: 이 논문의 연구방법이 궁금하신가요?

🏆

연구결과: 이 논문의 연구결과가 궁금하신가요?

초록· 키워드

Accurate state of health estimation(SOH) provides important indicators to ensure reliability and stability in battery-using applications. In this paper, battery degradation features were extracted through differential thermal voltammetry(DTV) analysis. Through Pearson correlation analysis, SOH was estimated using degradation features with a high correlation with SOH as input to the LSTM model. As a result of the estimation, it was confirmed that DTV-based degradation features have a high correlation with SOH and that high accuracy of SOH estimation can be achieved when estimating SOH using the LSTM model.

#Battery management system(배터리관리시스템) #State of health(잔존수명) #Differential thermal voltammetry(시차열전압전류법) #Degradation feature(열화 파라미터) #Long-short term memory(장단기 기억 신경망) #Health indicator(건전성 지표)

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)