| 1 |
1
배터리 팩의 압력 변이 예측 및 관리를 위한 데이터 세트를 입력하는 데이터 세트 입력부;배터리 열화에 따른 압력 변이와 관련된 특징 인자를 추출하여 상관관계를 분석하는 특징 인자 선정부;다중 특징인자를 선정하여 추계학적 회기분석법을 이용해 비가역적 힘을 추정하는 비가역적 힘 예측부;현상학적 모델링을 통해 가역적 힘을 추정하는 가역적 힘 예측부;산출한 비가역적 힘(irreversible forces)과 가역적 힘(reversible forces)의 합을 배터리에 인가되는 최종 힘(total forces)으로 추정하고, 제곱근오차평균과 오차평균을 이용하여 결과를 분석하는 최종 예측값 출력부;를 포함하는 것을 특징으로 하는 배터리 팩의 압력 변이 예측 및 관리를 위한 장치
|
| 2 |
2
제 1 항에 있어서, 상기 특징 인자 선정부에서 선정되는 특징 인자는,HI 1: 충전 초기 전압(CIV)을 열화에 따라 추출한 인자, HI 2: 정전류 충전 모드에서 초기 전압 기울기(IVS@CC), HI 3: 정전류 충전 모드(EVS@CC) 중 종지 전압 기울기, HI 4: 정전압 충전 모드 중 초기 전류 기울기(ICS@CV), HI 5: 정전압 충전 모드(ECS@CV) 중 종지 전류 기울기, HI 6: 방전 초기 전압(DIV)을 열화에 따라 추출한 인자를 포함하는 것을 특징으로 하는 배터리 팩의 압력 변이 예측 및 관리를 위한 장치
|
| 3 |
3
제 1 항에 있어서, 상기 특징 인자 선정부에서의 상관관계 분석은 GRA(Grey relational analysis)을 이용하고,GRA의 경우, 두 시퀀스가 정확히 같으면 GRG는 1로 나타나고,GRG(Grey relational grade)는 머신러닝 학습을 위한 학습 입력으로 다변수 특징 인자를 결정하는 정량적 지표로 사용하여 최종 HI를 선택하여 비가역적 힘의 변이를 예측하는 것을 특징으로 하는 배터리 팩의 압력 변이 예측 및 관리를 위한 장치
|
| 4 |
4
제 1 항에 있어서, 비가역적 힘 예측부는,배터리 열화의 내부 반응에서 음극에 SEI(solid electrolyte interface)가 지속적으로 형성 및 증가하여 배터리 전체 두께를 증가시고, 구속조건이 있는 경우 비가역적 힘을 증가시키는 것을 이용하여,전기 화학적 열화를 나타내는 특징을 비가역적 힘을 예측하는 데 사용하는 것을 특징으로 하는 배터리 팩의 압력 변이 예측 및 관리를 위한 장치
|
| 5 |
5
제 4 항에 있어서, SEI 형성은 이용 가능한 리튬이온의 양을 감소시킴으로 용량의 손실을 초래하여 정전류 구간에서 전압을 증가시켜,SEI의 형성과 성장이 리튬이온 배터리의 임피던스를 증가시키는 것을 이용하는 것을 특징으로 하는 배터리 팩의 압력 변이 예측 및 관리를 위한 장치
|
| 6 |
6
제 1 항에 있어서, 가역적 힘 예측부는,현상학적 모델링을 통해 가역적 힘을 추정하고, 현상학적 모델링에서 압력 변이를 추정하기 위해서 등가 강성을 부피 변이와 힘 변이의 열화 실험 데이터를 SOC(state of charge, 충전률)에 따라 융합하여 추정하는 것을 특징으로 하는 배터리 팩의 압력 변이 예측 및 관리를 위한 장치
|
| 7 |
7
제 6 항에 있어서, 중간 SOC에서는 음극의 다상의 상태가 강성 k를 포함한 기계적 거동과 속성을 지배하는 반면, 하위 및 고위 SOC에는 단상이 존재하는 것을 이용하여,가역적 힘은 하위 SOC(SOC 0%~33%), 중간 SOC(SOC 34%~66%), 상위 SOC(SOC 67%~100%)로 3개의 영역으로 나누고, 변곡점이 열화에 따라 일정한 것으로 가정하는 것을 특징으로 하는 배터리 팩의 압력 변이 예측 및 관리를 위한 장치
|
| 8 |
8
제 7 항에 있어서, 구속조건에서 가역적 힘()은,으로 정의되고,여기서, , 및 는 선형 등가 강성 계수, 비선형 등가 강성 계수 및 배터리 단면의 부피 변화인 것을 특징으로 하는 배터리 팩의 압력 변이 예측 및 관리를 위한 장치
|
| 9 |
9
제 8 항에 있어서, 가역적 힘은 열응력과 리튬이온 삽입으로 인한 응력으로부터 생성되고, 가역적 힘은 중간 SOC에서는 약한 비선형을 보이고 열화에 따라 변이를 나타내고, 상위 SOC에서는 강한 비선형을 갖고 열화에 따른 변이는 작은 것을 특징으로 하는 배터리 팩의 압력 변이 예측 및 관리를 위한 장치
|
| 10 |
10
제 9 항에 있어서, 하위 SOC와 중간 SOC의 경우 선형항, 즉 만을 다루고, 선형 및 비선형 항을 모두 다루는 비선형 힘 모델()은 상위 SOC에 사용하는 것을 특징으로 하는 배터리 팩의 압력 변이 예측 및 관리를 위한 장치
|
| 11 |
11
제 1 항에 있어서, 최종 예측값 출력부는,최종적으로 총 힘 은 비가역적 힘 와 가역적 힘 의 합이며 비가역적 힘 은 초기 예하중 과 SEI 성장()에 의한 응력의 합이고,으로 정의되고,초기 예하중 은 초기 변위인 것을 특징으로 하는 배터리 팩의 압력 변이 예측 및 관리를 위한 장치
|
| 12 |
12
데이터 세트가 입력되면 배터리 열화에 따른 압력 변이와 관련된 특징 인자를 추출하여 상관관계를 분석하는 단계;다중 특징인자를 선정하여 추계학적 회기분석법을 이용해 비가역적 힘을 추정하는 단계;현상학적 모델링을 통해 가역적 힘을 추정하는 단계;산출한 비가역적 힘(irreversible forces)과 가역적 힘(reversible forces)의 합을 배터리에 인가되는 최종 힘(total forces)으로 추정하고, 제곱근 오차평균과 오차평균을 이용하여 결과를 분석하여 출력하는 단계;를 포함하는 것을 특징으로 하는 배터리 팩의 압력 변이 예측 및 관리를 위한 방법
|
| 13 |
13
제 12 항에 있어서, 특징 인자를 추출하여 상관관계를 분석하는 단계에서 선정되는 특징 인자는,HI 1: 충전 초기 전압(CIV)을 열화에 따라 추출한 인자, HI 2: 정전류 충전 모드에서 초기 전압 기울기(IVS@CC), HI 3: 정전류 충전 모드(EVS@CC) 중 종지 전압 기울기, HI 4: 정전압 충전 모드 중 초기 전류 기울기(ICS@CV), HI 5: 정전압 충전 모드(ECS@CV) 중 종지 전류 기울기, HI 6: 방전 초기 전압(DIV)을 열화에 따라 추출한 인자를 포함하는 것을 특징으로 하는 배터리 팩의 압력 변이 예측 및 관리를 위한 방법
|
