SoC 전구간에서의 임피던스 스펙트럼을 이용한 리튬이온 배터리의 잔존 수명 평가를 위한 뉴로 퍼지 시스템 = A Neuro Fuzzy System to Evaluate the Remaining Useful Life of the Lithium-Ion Battery Using the Impedance Spectrum in the Overall Range of SoCs

국문 초록 (Abstract)

리튬이온 배터리는 이동용 전원으로서 요구되는 여러 가지 필요 조건들을 만족시켜 다양한 분야에서 사용이 확대되고 있다. 리튬 배터리를 평가하는 방법 중 임피던스 파라미터를 추출하고 싸이클 횟수를 예측하여 잔존수명을 확인하는 뉴로 퍼지 모델이 기존에 제안되었지만, 측정하려는 배터리의 충전 상태(State of Charge, SoC)를 100%로 하지 않으면 추정 모델이 적절한 예측값을 출력할 수 없는 문제가 있었다. 그래서 본 논문에서는 SoC 레벨을 나누어 각각 임피던스 파라미터를 측정하고 뉴로 퍼지 시스템의 입력 데이터로 사용하여 싸이클 횟수를 추정하는 뉴로 퍼지 모델을 구성하였다. 3개의 Samsung Galaxy S9+ 리튬 배터리를 1000 싸이클 테스트로 노화시키면서 EIS 테스트를 통해 AC 임피던스 스펙트럼을 측정하고 SoC 0%부터 100%까지 총 6개의 SoC 레벨로 분류하였다. AC 임피던스 스펙트럼은 등가회로 모델을 통해 임피던스 파라미터로서 값을 추출하였다. 리튬 배터리를 측정해서 얻은 임피던스 파라미터를 통해 단일 배터리 모델 및 다중 배터리 결합 모델을 만들고 측정값과 예측값 사이의 오차 지표를 분석하여 여러 SoC 레벨과 리튬 배터리들을 사용한 추정 모델이 구성 가능하다는 것을 검증하였다. 단, 노화 과정에서 리튬 배터리 간의 차이가 크게 나타나는 데이터는 본 추정법을 사용하기 어렵다는 한계점을 논의한다.

다국어 초록 (Multilingual Abstract)

A lithium-ion battery satisfies various requirements required as a mobile power source, and its use is expanding in various fields. Among the methods of evaluating a lithium battery, Neuro fuzzy model, which extracts impedance parameters and predicts cycles and checks the remaining life, has been proposed, but the estimated model could not output an appropriate prediction value unless the State of Charge (SoC) of the battery to be measured is 100%. Therefore, in this paper, Neuro fuzzy model was constructed to estimate the cycle count by dividing the SoC level, measuring the impedance parameter, and using it as input data of the Neuro fuzzy system. While three Samsung Galaxy S9+ lithium batteries were aged by 1,000 cycles, the AC impedance spectrum was measured through the EIS test and classified into a total of 6 SoC levels from 0% to 100%. The AC impedance spectrum extracted values as impedance parameters through an equivalent circuit model. It was verified that a single battery model and a multi-battery combination model could be formed using impedance parameters obtained by measuring a lithium battery, and an error index between measured and predicted values could be analyzed. However, the data, which shows a large difference between lithium batteries during aging, discusses the limitations that this estimation method is difficult to use.

목차 (Table of Contents)

• 제 1 장 서론 1
• 1.1 소개 및 배경 1
• 1.2 리튬이온 배터리 상태 예측 및 성능 평가 방법 2
• 1.2.1 상태 예측을 위한 모델링 방법 2
• 1.2.2 지능형 알고리즘을 이용한 성능 평가 3
• 1.3 제안된 리튬이온 배터리 평가 방법 4
• 제 2 장 배터리 사이클 및 EIS 테스트 6
• 2.1 사이클, EIS 테스트 방법 6
• 2.2 배터리 테스트 결과 9
• 2.2.1 사이클 테스트 이후 잔존용량 및 임피던스 스펙트럼 9
• 2.2.2 임피던스 스펙트럼 분석을 통한 등가회로 모델링 13
• 2.2.3 임피던스 파라미터의 변화 및 특성 16
• 제 3 장 뉴로 퍼지 시스템을 이용한 배터리의 잔존 싸이클 추정 24
• 3.1 뉴로 퍼지 시스템의 구성 24
• 3.2 배터리 싸이클 수 추정 모델의 구성 및 평가 28
• 3.2.1 추정 모델 구성 및 평가 방법 28
• 3.2.2 단일 배터리 모델 평가 결과 32
• 3.2.3 2개 결합 배터리 모델 평가 결과 36
• 3.2.4 3개 결합 배터리 모델 평가 결과 39
• 3.3 배터리 노화 테스트 간의 SoC-OCV 커브 변화 42
• 제 4 장 결론 49
• 참고문헌 50