논문 전문 : https://www.sciencedirect.com/science/article/abs/pii/S2352152X19302233
[출처] Sheng Shen, Mohammadkazem Sadoughi, Xiangyi Chen, Mingyi Hong, Chao Hu,A deep learning method for online capacity estimation of lithium-ion batteries,Journal of Energy Storage,Volume 25,2019,100817,ISSN 2352-152X,
https://doi.org/10.1016/j.est.2019.100817.https://doi.org/10.1186/s10033-018-0268-8
※ The picture and content of this article are from the original paper.
[논문요약]
A deep learning method for online capacity estimation of lithium-ion batteries
이전에 정리했던 논문과 동일한 방식으로 CNN을 통해 SOH를 추정하는 논문입니다.
하기 링크의 논문이 1년뒤에 나온것으로, 방법론적으론 동일하다고 해당 논문에도 참고 논문에 나와있네요
https://limitsinx.tistory.com/169
CNN으로 SOH를 구하는 논문인데, 상기 논문에서는 EIS데이터로 학습을 시켰다면 해당 논문에서는 Voltage, Current, Charge Capacity로 Input을, SOH를 output으로 합니다.
Purpose
해당 논문은 전류,전압,충전용량(전류적산) 한것을 시간순으로 쭉 나열하여 CNN을 적용하고 Feature Extracting을하고 이것을 FCNN을 통해 SOH를 추정합니다.
충전 전류는 전류적산값을 사용하기에 사실상 SOC에 대응한다고 볼 수 있으며, Column이 3개인 3차원 데이터이기에 2X2 Kernel CNN을 사용하여 Feature Extracting을 진행합니다.
얻어진 강한 Feature들을 기반으로, FCNN을 통해 최종 1개의 Output(SOH)로 도달하는데, 여기서 학습시키기 위한 SOH는 각 충전시험별 방전용량/Fresh할때 방전용량 으로 구합니다.
Contents
이 논문의 대단한점은, 해당 데이터를 10년동안 직접 배터리를 열화시키면서 뽑았다고합니다.
방법론적으로는, 상기 링크(EIS-CNN)글에서도 적었지만, 왜 굳이 CNN을 써야하는지, 다른 딥러닝 모델대비 얼마나 나은지가 상세히 기술되어있지 않은데요, Hysteresis 성분을 가지는 특성상 시계열데이터 딥러닝을 쓰는것이 성능이 더 좋기때문에라고 생각됩니다.
따라서, 방법론적으로 의미가있다기보단, 이 데이터를 10년간 직접 열화시키면서 얻어냈다는게 더욱 대단하게 느껴지네요
CCCV 충/방전을 C-rate별로 진행하였다고 합니다. 온도는 고정이네요
필자는 이 논문이 Deep Learning으로 배터리 SOH를 추정하는 첫 논문이라고 합니다.
실제 셀들을 열화시키며 7:3의 비율로 Training / Test를 나누어 학습을 진행합니다.
배터리 센싱데이터에서 CNN을 쓰는 논문들은 하나같이 "CNN은 특정 데이터에서 Feature들을 잘 뽑아내기에 사용한다" 라고만 하고 CNN을 쓰는 이유를 끝내버리는데, CNN은 데이터들의 이미지적 특성 자체가 유의미할때 사용하는것이 맞습니다. 즉, 배터리데이터를 시간순으로 쭉 나열한것은 이미지적 특성은 없죠 시계열적 특성만 있을뿐
따라서 LSTM ,GRU , RNN같은 시계열 딥러닝으로 논문이 많이 나오는데, CNN은 이 모델들 대비 어떤점에서 유의미한지를 설명하진 않아 아쉽습니다.
Results
엄청나게 많은 데이터로 학습을 진행했기에 CNN으로도 결과가 잘 나오는것처럼 보일 수 있지만, 다른 어떤 모델을 썼더라도 이정도 결과는 나오지 않았을까 싶습니다.
읽어보니 산업계는 아니고 학계에서 나온 논문인데, 이런식으로도 해볼수있다~ 정도로만 알고있으면 될것 같습니다.
참조
1. Sheng Shen, Mohammadkazem Sadoughi, Xiangyi Chen, Mingyi Hong, Chao Hu,A deep learning method for online capacity estimation of lithium-ion batteries,Journal of Energy Storage,Volume 25,2019,100817,ISSN 2352-152X,
https://doi.org/10.1016/j.est.2019.100817.https://doi.org/10.1186/s10033-018-0268-8
댓글