논문 전문 : https://www.sciencedirect.com/science/article/abs/pii/S0378775316315300
[출처] Bing Xia, Yunlong Shang, Truong Nguyen, Chris Mi,A correlation based fault detection method for short circuits in battery packs,Journal of Power Sources,Volume 337,2017,Pages 1-10,ISSN 0378-7753, https://doi.org/10.1016/j.jpowsour.2016.11.007.
※ The picture and content of this article are from the original paper.
[논문 요약]
A correlation based fault detection method for short circuits in battery packs
correlation을 기반으로 배터리 시스템 내 fault cell을 찾아내는 논문입니다.
놀랍게도 이것이 전부입니다. 각 셀마다 하나씩 다 correlation을 구해가면서 동일한 전류인가 상황에서 흐르는 전압커브특성이 다른것을 찾아내는것이 목표입니다.
단순무식하지만, 어떻게보면 가장 정석적인 방법중 하나인데요, 하지만 개인적으론 correlation이 다른진단기술대비 파워풀하다고 생각하진 않습니다.
Contents
놀랍게도 정말 하나하나씩 correlation을 비교하면서 이상셀을 찾아낸다고 합니다.
즉, 동일한 전류부하에 대해 대부분의 셀은 전압곡선이 비슷하게 나타날것입니다. 하지만 만약, 1번/3번셀이 Correlation이 낮고 3번/46번셀이 Correlation이 낮고.. 나아가 3번셀은 다른 모든 셀들과 상대적으로 correlation이 낮게나오겠죠. 그러면 진단하겠다는 형식입니다.
이 논문에서는 correlation coefficient를 구하기위한 covariance연산과정에서, 한가지 테크닉을 사용하긴 합니다.
즉, correlation이라는것이 배터리의 전압 '값' 그자체만이 아니라 전류에 따라 fluctuate되는 전압 '개형' 자체를 따라가기 위해 aX+b라는 Linear한 텀을 한개의 전압개형에 곱해주고 covariance를 구합니다.
이것이 무슨의미냐면, 전압 데이터 값자체가 아닌 '개형'에 집중함으로써 Internal Resistance나 Differenct OCV에 강건화하기 위함이라고 합니다. 그런데, 저는 이게 크게 의미가 있을지 모르겠네요. '개형'에 집중한다는건 괜찮은 의도인것 같습니다만, Linear한 텀을 Covariance의 대상중 한개에 곱해주는게 IR과 Different OCV에 강건하다는것은 물리적으로 와닿지 않습니다.
즉 이렇다할 정도로 뭔가가 없는 논문인데, citation이 200이 넘는이유에 대해 개인적으로 결론을 내린바로는, 방법론 자체가 멋져서라기보다는상기와 같이 하나하나 검증을 통해 세세하게 정리를 해나가는 과정때문이 아닐까 생각됩니다. (그래도 이상하게 citation이 높네요..)
Results
놀랍게도 핵심만 놓고보면 너무나도 간단하며, 이게 논문거리인가? 생각될정도의 논문.
correlation으로 비교하여 outlier detection하는것은 너무 일반적인 방법인데.. 나온지 오래된 논문도 아니고, 이게 왜이렇게 citation이 높은지는 잘 공감이 안됩니다.
참조
[1] Bing Xia, Yunlong Shang, Truong Nguyen, Chris Mi,A correlation based fault detection method for short circuits in battery packs,Journal of Power Sources,Volume 337,2017,Pages 1-10,ISSN 0378-7753, https://doi.org/10.1016/j.jpowsour.2016.11.007.
댓글