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
- 학위논문
- 저자정보
- 지도교수
- 이교범
- 발행연도
- 2022
- 저작권
- 아주대학교 논문은 저작권에 의해 보호받습니다.
이용수63
이 논문의 연구 히스토리 (3)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
본 논문에서는 리튬인산철(LifePO4) 배터리 관리 시스템(BMS)에서 SOH추정을 위한 회기 분석 알고리즘을 제시한다. 머신러닝의 방법 중 지도학습(supervised learning)은 입력된 배터리특성 데이터와 출력되는 고장데이터 간의 관계를 학습하여 이를 규칙이나 함수로 표현되는 모델을 찾는다. 비지도 학습(unsupervised learning)은 사용 중 변화되는 배터리특성 데이터에 내재되어 있는 패턴을 발견하여 고장의 진단 및 예측을 수행한다. 알고리즘은 입력되는 파라미터(충전상태, 무 부하 단자전압, 온도, Current rate등)에 따른 내부저항(DCIR:Direct Current Internal Resistance)을 지도학습의 선형회귀 분석을 이용하여 도출하고 비지도학습의 군집화 알고리즘으로 데이터의 유사성에 따른 군집화를 하여 고장원인과의 연관성을 확인한다. 제안한 머신러닝 알고리즘의 타당성을 실험으로 검증한다.
목차
제 1 장 서론 1제 2 장 리튬인산철배터리의 특징 및 상태분석 32.1 리튬인산철 배터리의 전기적 특성 32.2 SOC (State of Charge) 42.3 SOH (State of Health) 62.4 DCIR (Direct Current Internal Resistance) 72.5 OCV/DCIR과 SOC의 관계분석 92.6 DCIR과 SOH의 관계분석 12제 3 장 회귀분석을 이용한 배터리 상태추정 143.1 SOC 추정 143.2 선형회귀분석을 통한 SOH 추정 17제 4 장 실험을 통한 고장진단 알고리즘 검증 244.1 배터리 관리 시스템 244.2 실험장비 구성 254.3 알고리즘 검증 27제 5 장 결 론 28참고문헌 29
최근 본 자료
댓글(0)
0