인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술대회자료
- 저자정보
- 발행연도
- 2025.5
- 수록면
- 1,259 - 1,259 (1page)
이용수
초록· 키워드
전기자동차에서 배출되는 폐배터리는 신속하고 정확한 잔존용량 평가를 통해 재사용 및 재활용 가능성을 판단하게 된다. 기존 연구들은 리튬이온 배터리 단일 셀의 잔존용량을 추정하는 방법을 중심으로 진행되었으며, 데이터 기반 머신러닝 모델을 활용할 경우 신속하고 정밀한 진단이 가능함을 검증하였다. 그러나, 단일 셀을 대상으로 한 연구가 대부분인 반면, 실제 배터리 시스템은 다수의 셀이 직렬·병렬로 연결된 모듈 및 팩 단위로 구성되어 있어, 단일 셀 기반 진단 기법을 직접 적용하는 데에는 한계가 존재한다. 배터리 모듈 또는 팩 단위에서 데이터를 취득할 경우, 높은 전압과 전류가 요구되며, 셀 간 직렬 및 병렬 연결에 따른 내부 저항 증가, 모듈 내 버스바 및 연결부 저항 영향으로 인해 단일 셀과 동일한 방식으로 정밀한 데이터 확보가 어려울 수 있다. 반면, 단일 셀의 전압 및 전류 데이터는 상대적으로 낮은 전력에서 취득할 수 있어 데이터 기반 머신러닝 모델 학습 시 보다 정밀한 데이터를 효율적으로 확보할 수 있는 장점이 있다. 따라서, 단일 셀 단위에서 구축된 머신러닝 모델을 배터리 모듈 단위로 확장하여 적용하는 방법에 대한 연구가 필요하 ... 전체 초록 보기
#Electric vehicle(전기자동차)
#Module(모듈)
#Static capacity(정적용량)
#Estimation (추정)
#Single cell(단일 셀)
#Machine learning(기계학습)
상세정보 수정요청해당 페이지 내 제목·저자·목차·페이지정보가 잘못된 경우 알려주세요!
목차
등록된 정보가 없습니다.
참고문헌
참고문헌 신청최근 본 자료
