온도에 따르는 리튬 이온 배터리의 신경망 기반 충전상태 추정장치 및 방법

온도 구간별 심층 신경망 뱅크를 선택 구동하는 차량 배터리 SOC 추정

본 기술은 서로 다른 온도 조건에서 개별 학습된 심층 신경망(MNN, LSTM, GRU) 모델들을 온도기반모델 뱅크에 저장해 두고, 실시간 배터리 온도에 맞는 모델을 선택적으로 구동하여 배터리 충전 상태(SOC)를 추정하는 기술입니다.

리튬 이온 배터리의 내부 저항은 온도에 따라 비선형적으로 변합니다. 그런데 기존의 정적 테이블 기반 추정 방식은 온도 변화 시 정확도가 낮고 데이터 신뢰도에 크게 의존한다는 한계가 있었습니다.

본 기술은 전압, 전류, 온도, 시간 데이터를 입력으로 하여 MNN, LSTM, GRU 등 심층 신경망으로 온도 구간별 특화 모델을 구축하고, 실시간 측정 온도에 가장 적합한 모델을 골라 SOC를 산출함으로써 추정 오차(MAE)를 줄이도록 구성됩니다. 혹한기와 혹서기를 오가는 전기차·하이브리드차 BMS, 외기 온도 편차가 큰 옥외형 에너지 저장 설비 등에 적용될 수 있어 계절이나 지역에 따라 흔들리던 주행 가능 거리 예측을 안정적으로 유지할 수 있습니다.

‍

‍

Key Features:

• 차량에 설치된 배터리의 전압, 전류, 온도 데이터로 구성되는 배터리 데이터를 제공받는 배터리 데이터 획득부
• 배터리 데이터 중 온도 데이터를 받아 온도기반모델 선택정보를 출력하는 온도 데이터 획득부
• 배터리 데이터를 온도기반모델 선택정보에 대응하는 온도기반모델로 선택적으로 전달하는 온도기반모델 선택부
• 다수 온도별로 해당 온도의 배터리 데이터만으로 각각 학습된 심층 신경망 모델들을 구비한 온도기반모델 뱅크부

‍