부산경남소식

유니스트(UNIST), 리튬이온배터리 건강상태 진단 모델 개발


  • 박현 기자
    • 기사
    • 프린트하기
    • 크게
    • 작게

    입력 : 2023-04-06 08:43:46

    ▲ 윗줄 왼쪽부터 서동화 교수, 최윤석 교수, 김동혁 교수, 아랫줄 왼쪽부터 제1 저자 이현준 연구원, 제 1저자 박서정 연구원. ©(사진제공=UNIST)

    Materials Horizons 게재

    [울산 베타뉴스=박현 기자] UNIST 에너지화학공학과 김동혁, 최윤석 교수와 탄소중립대학원 임한권 교수팀은 인공지능 분야의 딥러닝 모델을 기반으로 ‘리튬이온 배터리 평가를 위한 딥러닝 기반 그래픽 접근법(Deep-learning-based Graphical approach to Estimation of Lithium-ion batteries SOH, D-GELS) 모델을 개발했다고 6일 밝혔다.

    연구팀에 따르면 D-GELS 모델은 전압, 전류, 온도 데이터를 RGB 값으로 변환해 이미지를 생성할 수 있다. 특히 이번 모델은 LFP, NCA 배터리 등 다양한 종류에 적용가능하다는 특징을 보인다.

    이번 연구를 통해 연구팀은 손실된 충방전 데이터의 크기가 커질수록 진단 정확도가 낮아지는 것을 확인했다. 또한 초기 방전 데이터가 손실됐을 경우 평균 제곱근 오차 값이 증가하는 경향을 확인했다. 이를 통해 리튬이온배터리의 건강 상태를 진단하기 위해선 초기 방전 데이터의 영향이 크다는 것을 확인할 수 있었다.

    ▲ D-GELS를 이용한 리튬이온배터리 건강 상태를 진단하는 구조. ©(사진제공=UNIST)

    제1저자인 박서정 UNIST 에너지화학공학과 석·박사통합과정연구원은 “시계열적 특성을 띄는 리튬이온배터리 충·방전 데이터를 이미지와 같이 공간화해 딥러닝 모델을 학습했다”며 “이번 연구는 배터리 진단에 새로운 접근법을 제시했고 충·방전 조건에 제한 없이 적용 가능한 범용적인 모델이다”고 설명했다.

    공동 제1저자인 이현준 UNIST 에너지화학공학과 박사는 “부분 충·방전 데이터를 사용해 배터리를 진단할 수 있다면 추후 폐배터리를 재활용하기 전 진단할 때 많은 시간과 비용을 절감할 수 있을 것이다”며 “향후 다양한 분야에 확대 적용할 수 있는 기반을 제공했다”고 전했다.

    이번 연구는 국제학술지 ‘머티리얼스 호라이즌스(Materials Horizons)’ 2월호에 출판됐다.


    베타뉴스 박현 기자 (ph9777@betanews.net)
    Copyrights ⓒ BetaNews.net





    http://m.betanews.net/1404282?rebuild=on