1 |
1
블록킹 셀 형태의 리튬 이차전지에 대해, 복수의 주파수 인가 하에 임피던스 분광 분석을 수행하는 제 1 단계; 상기 임피던스 분광 분석 결과로부터 주파수(Hz)별 커패시턴스(F/cm2)의 관계를 도출하고, 이로부터 상기 리튬 이차전지의 전하량(F/cm2)을 산출하는 제 2 단계; 상기 리튬 이차전지에 대해 전기화학반응을 x 사이클만큼 반복 수행하면서 제 1 및 제 2 단계를 반복 진행하여, x 사이클별 리튬 이차전지의 전하량(F/cm2) 데이터를 수집하는 제 3 단계; 및 비-블록킹(non-blocking) 셀 형태의 리튬 이차전지에 대해, x 사이클별 용량 y (mAh/g)를 측정하고, 이를 제 3 단계에서 수집된 x 사이클별 전하량(F/cm2) 데이터와 대응시켜, 리튬 이차전지의 사이클별 용량의 예측식을 도출하는 제 4 단계를 포함하는 리튬 이차전지의 수명 특성 예측 방법
|
2 |
2
제 1 항에 있어서, 상기 블록킹 셀 형태의 리튬 이차전지는 서로 대면하는 전극, 분리막 및 전해질을 포함하되, 상기 대면하는 전극으로서 동일 극성의 전극 또는 미활성화 전극(pristine electrode)을 포함하거나, 상기 전해질이 비-인터칼레이션 염(non-intercalation salt)을 포함하는 리튬 이차전지의 수명 특성 예측 방법
|
3 |
3
제 1 항에 있어서, 상기 제 1 단계의 임피던스 분광 분석은 106 내지 10-4 Hz의 주파수 인가 하에 수행되는 리튬 이차전지의 수명 특성 예측 방법
|
4 |
4
제 1 항에 있어서, 상기 임피던스 분광 분석의 결과, 상기 리튬 이차전지의 나이퀴스트 선도(Nyquist plot), 실수 커패시턴스(real capacitance) 데이터, 허수 커패시턴스(imaginary capacitance) 데이터, 시간 상수(time constant) 데이터, 주파수별 커패시턴스 관계 그래프 및 이의 피크 분포 데이터를 포함한 결과 데이터가 도출되는 리튬 이차전지의 수명 특성 예측 방법
|
5 |
5
제 4 항에 있어서, 상기 제 2 단계는 상기 리튬 이차전지의 주파수(Hz)별 허수 커패시턴스(F/cm2)의 관계 그래프를 도출하는 단계; 및 상기 관계 그래프의 적분값으로부터 상기 리튬 이차전지의 전하량(F/cm2)을 산출하는 단계를 포함하는 리튬 이차전지의 수명 특성 예측 방법
|
6 |
6
제 5 항에 있어서, 상기 주파수별 허수 커패시턴스의 관계 그래프를 도출하는 단계는, 상기 임피던스 분광 분석의 결과로부터, 상기 리튬 이차전지의 나이퀴스트 선도(Nyquist plot)를 도출하는 단계; 및 상기 나이퀴스트 선도로부터 도출되는 주파수(Hz)별 실수 임피던스(Ω*cm2), 허수 임피던스(Ω*cm2) 및 복소 임피던스(Ω*cm2)를 하기 수학식 1에 대입하여, 주파수별 실수 커패시턴스(F/cm2) 및 허수 커패시턴스(F/cm2)를 각각 도출하는 단계를 포함하는 리튬 이차전지의 수명 특성 예측 방법: [수학식 1] 상기 수학식 1에서, C’는 리튬 이차전지의 실수 커패시턴스(F/cm2)를 나타내고, C”는 허수 커패시턴스(F/cm2)를 나타내며, w는 2*π*주파수로 정의되는 각속도를 나타내고, z’(w)는 각속도별 실수 임피던스(Ω*cm2)를 나타내고, z”(w)는 각속도별 허수 임피던스(Ω*cm2)를 나타내고, z(w)는 상기 실수 임피던스 및 허수 임피던스로부터 산출되는 전체 복소 임피던스(Ω*cm2)를 나타낸다
|
7 |
7
제 1 항에 있어서, 상기 임피던스 분광 분석 결과를 기초로 인공 신경망 학습을 진행하여, 상기 제 4 단계의 예측식을 보정하는 제 5 단계를 더 포함하는 리튬 이차전지의 수명 특성 예측 방법
|
8 |
8
제 1 항에 있어서, 상기 제 4 단계의 사이클별 용량의 예측식은 상기 리튬 이차전지에 대해 30 사이클 이상의 전기화학반응을 진행한 후의 x 사이클별 용량 y의 관계식으로 도출되는 리튬 이차전지의 수명 특성 예측 방법
|
9 |
9
제 7 항에 있어서, 상기 제 4 단계의 데이터 대응 단계와, 상기 제 5 단계의 인공 신경망 학습 단계가 동시에 또는 동일 시스템 내에서 진행되어, 상기 리튬 이차전지의 사이클별 용량의 예측식이 도출되는 리튬 이차전지의 수명 특성 예측 방법
|
10 |
10
제 7 항에 있어서, 상기 임피던스 분광 분석의 결과, 상기 리튬 이차전지의 나이퀴스트 선도(Nyquist plot), 실수 커패시턴스(real capacitance) 데이터, 허수 커패시턴스(imaginary capacitance) 데이터, 시간 상수(time constant) 데이터, 주파수별 커패시턴스 관계 그래프 및 이의 피크 분포 데이터를 포함한 결과 데이터가 도출되며, 상기 제 5 단계에서는, 상기 임피던스 분광 분석 결과에서 도출된 실수 커패시턴스 데이터, 허수 커패시턴스 데이터, 시간 상수 데이터 및 주파수별 커패시턴스 관계 그래프의 피크 분포 데이터를 포함하는 데이터를 기초로 인공 신경망 학습을 진행하는 리튬 이차전지의 수명 특성 예측 방법
|
11 |
11
제 1 항 또는 제 7 항에 있어서, 상기 제 4 단계의 예측식 또는 상기 제 5 단계의 보정된 예측식에 기초하여, 측정 대상 리튬 이차전지의 사이클별 용량 특성을 예측하는 제 6 단계를 더 포함하는 리튬 이차전지의 수명 특성 예측 방법
|
12 |
12
임피던스 분광 분석 장치를 포함하는 제 1 측정부;비-블록킹 셀 형태의 리튬 이차전지에 대해 전기화학반응을 수행하면서, 사이클별 용량을 측정하는 제 2 측정부; 상기 제 1 측정부에서 도출된 블록킹 셀 형태의 리튬 이차전지의 임피던스 분광 분석 결과 데이터로부터, 전하량(F/cm2) 및 사이클별 전하량을 산출하는 데이터 처리부; 및 상기 제 2 측정부에서 입력된 비-블록킹 셀 형태의 리튬 이차전지의 사이클별 용량 데이터 및 상기 데이터 처리부에서 입력된 블록킹 셀 형태의 리튬 이차전지의 사이클별 전하량 데이터로부터, 리튬 이차전지의 사이클별 용량 예측식을 도출하는 연산부를 포함하는 리튬 이차전지의 수명 특성 예측 시스템
|
13 |
13
제 12 항에 있어서, 상기 데이터 처리부는 상기 임피던스 분광 분석 결과 데이터에 포함된 주파수(Hz)별 허수 커패시턴스(F/cm2)의 관계 데이터로부터, 상기 사이클별 전하량을 산출하는 리튬 이차전지의 수명 특성 예측 시스템
|
14 |
14
제 12 항에 있어서, 상기 제 1 측정부에서 입력된 임피던스 분광 분석 결과 데이터에 기초해 인공 신경망 학습을 진행하여, 상기 연산부에서 도출된 사이클별 용량 예측식을 보정하는 인공 신경망 학습부를 더 포함하는 리튬 이차전지의 수명 특성 예측 시스템
|