본 기술은 상태 추정, 열역학, 화학 반응, 압력 추정 모델로 구성된 다중 물리 연산 모델이 생성한 가상 데이터 셋으로 DeepONet 구조 등의 인공지능 모델을 사전 학습시키는 기술입니다. 학습된 모델은 실시간 배터리 온도와 냉각 성능을 입력받아 SEI 농도, 전극 농도 등 내부 상태와 열 폭주 가능성을 예측합니다.
이차전지의 열 폭주를 예측하려면 복잡한 화학적·물리적 연산이 필요해 실시간 예측이 어려웠습니다. 또한 실제 실험 데이터로 모델을 학습시키는 데에는 많은 시간과 비용이 들고 확보 가능한 데이터도 제한적이라는 한계가 있었습니다.
본 기술은 가상 시나리오에서 도출한 열 곡선을 다중 물리 연산 모델에 넣어 가상 데이터 셋을 만들고, 이를 이용해 인공지능 알고리즘을 미리 학습시키도록 구성됩니다. 운용 단계에서는 측정된 배터리 표면 온도와 냉각 유체의 온도, 유속, 대류 계수 등을 입력해 열 폭주 상태 정보와 발생 가능성을 빠르게 추론합니다. 전기차 배터리팩, 대형 ESS 컨테이너, 배터리 안전 모니터링 플랫폼에 적용될 수 있어 값비싼 열 남용 실험 없이도 열 폭주 조기 경보와 냉각 시스템 선제 가동을 구현할 수 있습니다.
본 발명은 과학기술정보통신부의 저주파 및 고주파 합성 면압 가진를 통한 전기자동차용 리튬이온 배터리 임피던스 관리 및 수명향상 기술 개발 지원을 통해 개발되었습니다.
US2026-0141140A1
