논문 전문 : https://ieeexplore.ieee.org/document/9164208
[출처] Y. Li and J. Tao, "CNN and transfer learning based online SOH estimation for lithium-ion battery," 2020 Chinese Control And Decision Conference (CCDC), 2020, pp. 5489-5494, doi: 10.1109/CCDC49329.2020.9164208.https://doi.org/10.1186/s10033-018-0268-8
※ The picture and content of this article are from the original paper.
[논문요약]
CNN and transfer learning based online SOH estimation for lithium-ion battery
해당 논문의 연구 내용은 하기링크에 요약해놓은 1년전 논문과 완벽히 동일합니다.
https://limitsinx.tistory.com/170?category=960087
차이점이라면, 위의 논문은 직접 10년간 배터리 시험을 통해 열화를 시킨 정성들인 데이터로 진행했다면,
해당 논문은 과충전/과방전을 지속 반복하여 가속 열화시킨 셀 데이터를 가지고 결과를 낸다는 점입니다.
해당 논문의 전체적인 내용은 위의 링크내용과 완벽히 동일하니, 차이점인 부분만 정리하도록 하겠습니다.
Summary
기존논문(상기링크)에서는 하기와 같은 시퀀스로 연구를 진행했었습니다.
이런식으로 진행을 하게되면, 충전시험의 데이터를 얻는 과정에서 직접 열화를 시켜야했기에 너무나 오랜시간이 걸리다는 단점이 존재했었습니다.
이것을 일정부분 개선하고자 한것이 현재 논문인데요, 현재 논문은 하기와 같은 시퀀스로 연구를 진행합니다.
가속 열화데이터를 통해 위논문과 동일한 방식으로 A라는 pre-trained 모델을 만듭니다.
그다음, 정상열화 시험을 통해 얻은 데이터를 가지고 가속열화데이터로 만들었던 Pre-trained모델을 'Fine-tuning'해줍니다. 즉, 가속열화데이터로 전체적인 큰 틀을 만들고 적은양의 정상 열화데이터로 Tuning을 진행하여, 정상열화상태에서의 SOH값을 추정가능하도록 하고자 한 논문입니다.
여기서 A라는 pre-trained 모델을 그대로 가져와서 쓴다는 점에서 transfer-learning이라고 명명한듯합니다.
해당 논문의 저자 또한 상기 링크의 논문에 경외를 표합니다. Introduction에서 위 논문을 "outstanding attempt to apply deep learning method to battery SOH estimation" 이라고 표현했더라구요
BTW, 이런식으로 진행하면 기존 논문대비 SOH추정에 필요한 데이터를 얻는데 획기적으로 시간을 줄일 수 있다는 점이 포인트인 논문이였습니다.
참조
1. Y. Li and J. Tao, "CNN and transfer learning based online SOH estimation for lithium-ion battery," 2020 Chinese Control And Decision Conference (CCDC), 2020, pp. 5489-5494, doi: 10.1109/CCDC49329.2020.9164208.https://doi.org/10.1186/s10033-018-0268-8
댓글