리튬이온 배터리 팩 내부 셀 간 불균형 상태 평가를 위한 SOF 추정 알고리즘 :The state-of-function estimation algorithm for determining cell-to-cell inconsistency of battery pack

김건우

추천

검색

자료유형: 학위논문

저자정보: 김건우 (충남대학교, 忠南大學校大學院)

지도교수: 김종훈

발행연도: 2021

저작권: 충남대학교 논문은 저작권에 의해 보호받습니다.

이용수14

이 논문의 연구 히스토리 (2)

2021

리튬이온 배터리 팩 내부 셀 간 불균형 상태 평가를 위한 SOF 추정 알고리즘

김건우 전기공학과 2021.01 학위논문

2020

배터리 팩 내부 셀간 편차를 고려하여 안전 상태를 판별할 수 있는 새로운 SOF 알고리즘 제안 연구

김건우 , 신승화 , 이성준 외 3명 전력전자학회 학술대회 논문집 2020.08 학술대회자료

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

This paper proposes an state-of-function (SOF) estimation algorithm to determine the degree of inconsistency by utilizing the cell-to-cell parameter deviation that make up the battery pack. The distribution of voltage and capacity extracted based on electrical equivalent circuit modeling (EECM) and dual extended Kalman filter (DEKF) is combined with the local outlier factor (LOF) algorithm to determine outlier, which are converted into SOF, an indicator of the degree of inconsistency. For estimating voltage, a Rint model was designed with an open-circuit voltage (OCV) observer based on Lyapunov function, and apply this model to DEKF for estimating the capacity value. Verification data is obtained through electrical characteristic experiments. The voltage and capacity data from the each cells that make up the battery pack are used by the LOF algorithm to diagnose outlier. The calculated LOF value is converted to Z-score, and SOF is calculated by applying the 6-sigma method. As a result of the simulation, the SOF of the cell with the largest voltage and capacity variation among each cell constituting the battery pack was found to be the lowest. This results show that the SOF algorithm proposed in this paper can be used as an indicator to determine the inconsistency by using the cell-to-cell parameter distribution comprising the battery pack.

제 1 장 서론 1
1.1 연구 배경 1
1.2 연구 목적 및 연구 범위 4
1.3 논문 개요 9
제 2 장 이상치 진단을 위한 데이터 추출 10
2.1 전압 추정을 위한 배터리의 전기적 등가회로 모델링 10
2.1.1 OCV 모델 10
2.1.2 Rint 모델 11
2.1.3 Thevenin 모델 12
2.1.4실험 데이터 기반 배터리의 파라미터 추출 방법 13
2.1.5 Rint 모델 기반 온라인 파라미터 추정 모델 15
2.2 용량 추정을 위한 이중 확장 칼만 필터 21
2.2.1 확장 칼만 필터 21
2.2.2 이중 확장 칼만 필터 26
2.2.3 시뮬레이션 기반 DEKF의 SOC 및 용량 추정 결과 29
제 3 장 SOF 추정 알고리즘 32
3.1 이상치 진단을 위한 LOF 알고리즘 32
3.1.1 LOF 알고리즘의 기본 개념 32
3.1.2 배터리 팩 실험 기반 데이터 추출 34
3.1.3 시뮬레이션 결과 분석 43
3.2 LOF값을 통한 SOF 산출 및 시뮬레이션 결과 48
제 4 장 결론 52
참고문헌 54
Abstract 60
감사의 글 62

최근 본 자료

전체보기

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

이 논문의 연구 히스토리 (2)

초록· 키워드

목차

최근 본 자료

댓글(0)