본 기술은 배터리를 충전할 때 측정되는 전압(V), 전류(I), 온도(T) 세 가지 데이터를 묶어 시계열 패턴을 FNN, CNN, RNN, LSTM 등 머신러닝으로 학습시킴으로써, 복잡한 물리 모델 없이도 배터리의 현재 용량(Capacity)과 성능 상태(SoH)를 정확하게 추정하는 기술입니다.
기존 전기화학 모델이나 등가회로 모델은 수식이 복잡해 계산량과 하드웨어 자원 소모가 컸습니다. 또 전압처럼 한두 가지 지표만으로 열화를 판단하다 보니 실제 사용 환경에서 배터리 노화 상태를 추정하는 정확도가 낮은 한계가 있었습니다.
본 기술은 정전류·정전압 충전 구간에서 사이클마다 달라지는 전압, 전류, 온도 변화를 시계열로 측정해 해당 시점의 용량과 짝지은 매트릭스형 학습 데이터셋을 만들고, LSTM·GLU 등으로 이전의 불규칙한 방전 이력이 반영된 열화 패턴을 학습하도록 구성됩니다. 전기차 BMS, 에너지저장장치 운영 관리, 사용 후 배터리의 잔존가치 평가에 적용될 수 있어 별도 진단 장비 없이 충전 데이터만으로 교체 시점과 재사용 가능성을 판단할 수 있습니다.
N/A
