논문 전문 : https://ieeexplore.ieee.org/stamp/stamp.jsp?arnumber=8057747
[출처] Li, Xiaoyu and Zhenpo Wang. “State of health estimation for lithium-ion battery by combining incremental capacity analysis with Gaussian process regression.” arXiv: Signal Processing (2019): n. pag.
※ The picture and content of this article are from the original paper.
[논문요약]
SOH Estimation for LIB based on the Multi-Island Genetic Algorithm and the Gaussian Process Regression
SOH 추정을 위해 Gaussian Process Regression(이하 GPR)을 사용하고, GPR의 Hyper parameter를 최적화하기 위한 방안으로 유전알고리즘 중, Multi-Island Genetic Algorithm(이하 MIGA)을 사용하는 논문입니다.
MIGA로 GPR의 Hyper Parameter를 튜닝하는건 별로 관심없고.. GPR의 인자로 어떤 데이터를 썼는지를 주 관심사로 본 논문입니다.
Purpose
배터리의 SOH를 추정하기위해 ICA를 분석하여 Peak Position, Peak Value를 토대로 Correlation을 파악하여 GPR로 학습하는 논문입니다.
아쉽게도 CC로 만충전 만방전을 해야 파악이 가능하다는 단점이 있어 Dynamic Load를 사용하는 대부분의 배터리 인더스트리에는 활용이 불가능합니다.
Contents
전류/전압/온도 만으로는 배터리의 유의미한 Characteristic을 파악하기 힘드니 DVA나 ICA와 같은 다양한 파라미터들을 추가적으로 만들어냅니다.
특히, ICA가 최근 조금 범용적으로 쓰이고있는데요, DVA는 직접 그려보는게 제일 빠르지만 이렇다할 특징이 딱히 없습니다. 하지만, ICA는 배터리셀의 타입과 관계없이 케미컬 Electrode에 직접적으로 연관을 받기때문에 General하게 쓰일 수 있다는 장점이 있습니다.
하지만 ICA커브를 보면, 열화나 온도, C-rate에 따라 많이 흔들릴 뿐만 아니라 뭔가 특징이 있을 법 하긴한데, 육안으로나 수식으로는 접근하기 힘들다는 단점이 있습니다.
따라서 이 부분에서 딥러닝을 사용하고자 하는게 이 논문의 핵심인데요, 이런 접근법의 논문들도 아주 많습니다.
https://limitsinx.tistory.com/201
https://limitsinx.tistory.com/199
온도와 C-rate에 따른 ICA Curve입니다.
여기서 ICA를 통해 얻을 수 있는 도표해석방법에 대해 모두 정리하도록 하겠습니다.
① C-rate가 높을수록 오른쪽으로 이동한듯한 형상
이렇게 그래프 개형이 이동한듯한 형상을 Parameter Shift 혹은 Parameter position이라고 부릅니다.
이렇게 개형이 나타나는 이유에 대한 확실한 이해가 필요합니다.
C-rate가 낮을수록 배터리 셀의 내부저항은 낮아지게됩니다.
그렇다면, 동일한 용량만큼 충전을 해도 Terminal Voltage(단자전압)은, 높은 C-rate대비 상대적으로 낮게됩니다.
따라서, ICA Curve의 개형이 높은 C-rate대비 빠르게 그려지게 되고 이것은 왼쪽에 있는듯한 모습을 나타냅니다.
② 온도가 높아질수록 왼쪽으로 이동하는듯한 형상
이것도 ①과 마찬가지입니다.
온도가 높을수록 배터리 셀의 내부저항은 상대적으로 낮은온도대비 작아지기때문에
온도가 높을수록 동일한 용량만큼 충전했을때의 Terminal Voltage는 낮습니다.
따라서, 온도가 높을수록 왼쪽에 있는 ICA가 그려지게됩니다.
이제, 1번과 2번을 종합해석하여 3번, SOH와 ICA Curve에 대한 연관성을 이해할 수 있습니다.
배터리의 열화는 크게 두가지로, 용량열화와 저항열화가 있습니다.
저항열화로 이해하면 위의 그래프가 간단합니다.
300Cycle 즉, 열화를 많이 시킬수록 오른쪽으로 이동하고, Peak치의 값은 낮아지는것을 확인할 수 있습니다.
이부분이 논문의 필자가 관심을 둔 포인트입니다.
1. 열화가 될수록 Peak치가 낮아진다 (ICA Peak Value)
2. 열화가 될수록 오른쪽으로 이동한다 (ICA Peak Shift)
1번, 열화가 될수록 Peak치가 낮아지는 이유는 ICA수식 DQ/DV에서 열화가 진행될수록 동일한 DQ지점에서 DV값이 높아지기때문에 전체적인 DQ/DV값은 낮아지게 되는것입니다.
ICA는 흔히들 2개의 봉우리가 존재한다고 하는데 심지어 초기의 봉우리는 작아지다못해 사라지게 됩니다.
2번, 열화가 될수록 오른쪽으로 Shift하는 이유는, 위에서 정리한 온도/C-rate별 ICA Curve와 동일합니다.
열화가 진행될수록 내부저항이 높아지기때문에 DQ/DV에서 동일한 DQ일때 DV값이 커지게되죠
즉 동일한 용량만큼 충전할때 Voltage의 변화량이 커지게 된다는 것은, x축 Voltage를 기준으로봤을때 변화량이 커지니까 오른쪽으로 Shift된것 처럼 보이게 되는것입니다.
이것에 관해서는 하기 논문에서 조금 더 자세하게 정리해놓았습니다.
https://limitsinx.tistory.com/200
이 논문의 하이라이트는 바로 이것입니다.
Peak Value, Peak Shift와 SOH간의 관계를 이렇게 표로 정리했습니다.
정말 Correlation이 높은것을 확인할 수 있는데요, 논문의 필자가 일일이 1C-rate로 수백사이클씩 돌리며 실험적으로 뽑아낸 결과라고하니 정말 고생하신것 같습니다.
요새 한국에서 배터리로 딥러닝 한답시고 나오는 논문들은 어디서 대충 P2D 모델 주어와서 시뮬레이션으로 SOH값뽑았다~ 이러고 마는데말이죠
결과적으론, 상기 두개의 파라미터를 인자로하여 SOH를 Output으로 두고 GPR을 학습시킨 논문입니다.
GPR의 Hyper Parameter은 MIGA를 사용했는데, 사실 이건 LSTM을쓰든 뭘 쓰든 모델은 결국 회귀만 잘하면 되는 "Tool" 이기때문에 별로 깊게 정리하진 않겠습니다.
Results
결과 그래프를 보면 상당히 잘 따라가는것을 확인할 수 있습니다.
그도 그런것이, Input인자로 워낙 SOH와 직접적 연관이 있는 데이터들을 사용했기 때문입니다.
참조
1. Li, Xiaoyu and Zhenpo Wang. “State of health estimation for lithium-ion battery by combining incremental capacity analysis with Gaussian process regression.” arXiv: Signal Processing (2019): n. pag.
댓글