공과대학 시스템경영공학과 권대일 교수 연구팀은 한국항공대학교 항공우주 및 기계공학부 최주호 교수 연구팀과 공동으로 이차전지 상태변화를 반영한 잔여수명 예측기술을 개발하여, IEEE Transactions on Industrial Electronics (IF=7.515, Instruments & Instrumentation 분야 상위 0.78% 저널)에 논문으로 게재하였다.

휴대폰을 오래 사용하다 보면 완전 충전을 했음에도 새 휴대폰대비 사용시간이 조금씩 짧아짐을 느낀적이 있을 것이다. 이는 리튬이온 배터리 사용에 따른 충전, 방전이 반복됨에 따라 에너지를 저장하는 전기용량이 서서히 감소하는 capacity fade 현상으로 알려져있다. 대부분의 리튬이온 배터리는 충방전에 따른 전기용량의 감소 패턴이 어느 정도 일관성을 보이나, 일부 배터리에서는 특정 충방전 이후 급격한 용량 저하가 일어나 제품 사용시간이 짧아지고 나아가 사용자의 클레임을 유발한다.

본 연구에서는 정상 배터리뿐만 아니라 상태변화로 인한 전기용량의 급격한 용량저하가 일어나는 배터리의 잔여 수명 또한 정확하게 예측하는 기술을 개발하였다. 기존 배터리 잔여수명 예측 연구에 많이 사용되는 파티클 필터 방법은 정상 배터리의 전기용량 거동을 모델링하여 잔여수명 예측을 시도하나 급격한 용량저하와 같은 비정상 거동에 대해 대처할 수 없는 한계가 있다. 개발한 예측 기술은 전기용량 변화의 학습을 통해 전기용량 거동의 변화를 실시간으로 파악하고 모델을 업데이트하여 잔여수명 예측의 정확도를 높여 그 성능을 인정받았다.

개발한 기술은 이차전지뿐만 아니라 향후 상태변화가 수반되는 시스템의 거동을 분석하고 잔여수명을 예측하는데 확장 가능하여, 엔지니어링 자산의 효과적인 건전성 관리에 큰 기여를 할 것으로 기대된다. [출처: 성균관대학교 Research Stories(KOR) No.163, 2021.05.27.]

A research collaboration team led by Prof. Daeil Kwon (Dept. of Systems Management Engineering) and Prof. Jooho Choi (Korea Aerospace University) developed a remaining useful life prediction method for secondary batteries with state changes. This research was published IEEE Transactions on Industrial Electronics (IF=7.515, Instruments &Instrumentation, JCR top 0.78% in instruments & instrumentation)

Most cell phone users may have noticed over the lifetime that the usage time of their cell phones is becoming short, compared to that of a new phone, even after the phone is fully charged. This phenomenon is known as capacity fade, the capacity of li-ion batteries gradually decreases over repeated charge and discharge cycles. While capacity fading for most batteries is fairly consistent, some batteries show significant capacity drop after a certain charge and discharge cycles, sometimes resulting in consumer claims.

This research developed an advanced method to accurately predict remaining useful life of secondary batteries even with state changes. Particle filter, a popular model-based method for battery life prediction, may be inappropriate for batteries with state changes. The proposed method demonstrated accurate remaining useful life prediction performance by continuously learning the changes in battery capacity behavior, and by updating the prediction model accordingly.

The proposed method is expected to apply to systems with state changes in analyzing system behavior, as well as predicting remaining useful life, and thus to contribute effective and efficient management of engineering assets. [Captured from: Sungkyunkwan University Research Stories (ENG) No.161, 2021.05.27.]