논문 전문 : https://www.sciencedirect.com/science/article/abs/pii/S0263224117307443
[출처] Xiaoyu Li, Zhenpo Wang,A novel fault diagnosis method for lithium-Ion battery packs of electric vehicles,Measurement,Volume 116,2018,Pages 402-411,ISSN 0263-2241, https://doi.org/10.1016/j.measurement.2017.11.034.
※ The picture and content of this article are from the original paper.
[논문 요약]
A novel fault diagnosis method for lithium-Ion battery packs of electric vehicles
본 논문은 interclass correlation coefficient(이하 ICC)를 활용해 이상 배터리 셀을 진단하는 논문입니다.
이런 류의 논문은 참 많습니다. 배터리 Fault detection의 영역에서 Signal Processing/통계적 기법이 큰 부분을 차지하고 있기 때문인데요, 본 논문은 Polarization/단자전압의 비율에 대한 ICC를 활용하는 연구입니다.
Contents
본 논문의 Introduction은 아주 마음에 듭니다.
학교에서 나온 논문(베이징대)임에도 불구하고, 필드에서 어떤 진단기술을 요구하는지, 학교에서는 고려하지 못하는 필드상의 한계점들이 무엇인지 명확히 인지하고 있습니다.
본 논문은 제가 직전에 정리했던 일반적인 correlation비교를 통한 배터리 Fault detection 논문과 거의 흡사한데, 어떤것을 correlation하는지(전 논문은 단자전압)와 약간의 correlation 연산과정에서의 테크닉적인 차이만이 있습니다.
상기와 같이, 각 셀간에 ICC를 모두 구합니다. 예를들어 100개 셀이 직렬연결 되어있다하면, 100Combination2만큼의 연산이 최소한 필요합니다.
하지만 이것을 매 시간간격마다 다시 할순없을것입니다. BMS 메모리 한계도있을것이고, 연산량이 너무나도 과하게 많습니다. 특히, 과거에 연산했던 각 셀의 ICC 값들을 저장해놓는다는것은 메모리상 아주 큰 부담일 것입니다.
따라서, 본 논문에서는 Moving Average 필터를 통해 최근 N개에 대한 ICC값들에 집중해서 연산하고, 과거의 값들은 점차 잊어가는 방식으로 진단한다고 합니다.
이부분이 잘 안와닿을수있는데, 예를들어 10초 간격마다 각 셀의 ICC가 1개씩 나온다고 가정해보겠습니다.
그러면 1000초라면 각 셀의 ICC가 100번 연산되겠죠. (10*100=1000). 그러면 이 100번의 각 셀의 ICC의 추이를 보고 진단한다고했을때, 메모리에는 100(1000초에 해당하는 연산)*100(셀 갯수)=100,000개의 변수가 최소한 저장되어야합니다.
따라서, 이런 문제를 발생하지 않게끔 하고자, Moving Average Filter를 통해 100번 전체로 진단하는게 아니라 예를들어 사이즈 5의 필터만으로 진단을 해가며 과거의 ICC값은 점차 잊어가자는 형식입니다.
Results
크게 신기한건 없는 논문이였습니다.
ICC라고 거창하게 이름붙이긴하지만, 결국에는 각 셀의 correlation을 모두 구하고, 메모리가 조금 부담되니 Moving Average Filter를 써서 메모리 요구사양을 조금 줄이자는 정도입니다.
참조
[1] Xiaoyu Li, Zhenpo Wang,A novel fault diagnosis method for lithium-Ion battery packs of electric vehicles,Measurement,Volume 116,2018,Pages 402-411,ISSN 0263-2241, https://doi.org/10.1016/j.measurement.2017.11.034.
댓글