논문 전문 : https://www.sciencedirect.com/science/article/abs/pii/S0378775312014231
[출처] Yuejiu Zheng, Xuebing Han, Languang Lu, Jianqiu Li, Minggao Ouyang,
Lithium ion battery pack power fade fault identification based on Shannon entropy in electric vehicles,Journal of Power Sources,Volume 223,2013,Pages 136-146,ISSN 0378-7753,https://doi.org/10.1016/j.jpowsour.2012.09.015.
※ The picture and content of this article are from the original paper.
This article is more of an intuitive understanding than academic analysis.
[논문 요약]
Lithium ion battery pack power fade fault identification based on Shannon entropy in electric vehicles
추정한 내부저항을 Shannon Entropy를 통해 진단하는 Minggao 교수님 연구실에서 나온 논문입니다.
팩 단위 진단 기술 하면, 이 연구실에서 예전에 논문을 엄청 많이 냈다는것을 확인할 수 있습니다. 칭화대학교이기 때문에 중국 업체들의 많은 펀딩을 통한 자본으로, 실제 차나 팩 시험을 하는 몇안되는 대학교 연구실 중 하나이기 때문입니다.
본 논문은 10년도 더된 연구이기에, 이렇다 할 와우팩터는 없지만 그 당시에는 ECM + RLS 필터를 통한 저항추정이 대세였구나 라는것을 한번 더 되새김질 해볼 수 있습니다.
Contents
본 논문의 컨셉은 아주 간단합니다. 1RC-ECM을 통해 주행 패턴 기반 내부저항을 각 셀마다 계산합니다.
위와 같이 ECM을 구성하기위한 논리로, 전극 접촉 저항을 양/음극 나누고 Wire/Harness 저항도 고려해주고.. 했다고 하지만, 크게 의미는 없습니다. 결국에는 하기와 같이 ECM을 구성하고 우리가 익숙히 알고있는 1RC-ECM으로 귀결됩니다.
(수식적으로 접촉저항/물리적 와이어 저항 나누어 진짜 분극 저항만 구해준다하지만.. 전부다 Approximation하여 0으로 가정한다로 귀결되기에 크게 의미가 없습니다.)
Minggao 교수님 연구실에서 나오는 진단 논문들의 일반적인 패턴인데요, 위 그림의 (a)와 같이 Self discharge(Micro short)를 하나의 작은 저항으로 연결하여 표현합니다. 대부분 이를 통해 전압이나 저항차이를 기반으로 진단하는 형식이구요.
본 논문은 결국 Thevenin ECM에 대해 State Space Equation을 구하고, 미분방정식을 통해 데이터 기반 각 저항값을 추정합니다. 말이 어려워 보이지만, 칼만필터 돌리는 과정과 동일하다고 생각하시면 됩니다.
이를 통해 추정한 저항값을 RLS(Recursive Least Square)필터를 통과시키고, 최종적으로 도출한 각 셀들의 저항들을 비교하여 진단합니다. 이때, 비교하는 과정에서 Shannon Entropy를 사용합니다.
Information Theory에 나오는 Shannon Entropy는 본디, 정보의 가치를 나타내기 위한 수식입니다.
어려워 보이지만, 무척이나 간단하며 짧게 정리하자면 "확률적으로 발생 가능성이 낮은 사건일수록 정보로서의 가치가 높다." 입니다.
이것을, 배터리 진단에 적용하면 이상 배터리셀이 발생가능성이 낮기때문에 그것의 정보로서의 가치는 높고, 이것을 log함수를 통해 확실히 구분을 두어 진단을 하겠다는 컨셉입니다. (평균대비 편차... 이런식으로하면 눈에 안띄지만 log를 씌워 조금만 차이가나도 확연히 차이가 벌어지도록 하겠다...)
즉 1RC-ECM의 수학적 해석을 통해 도출한 저항값을 RLS 필터를 통과시키고, 각 셀의 저항을 Shannon Entropy를 통해 확실히 진단하는 방식입니다.
그런데, 이 연구실에서 나오는 논문들은 하나같이 정말 아쉬운 한계를 가지고 있습니다.
이전에도 여기 논문 정리하는 글에서는 몇번적었는데.. 상기와 같이 이상 배터리 셀이라고 가정하는 셀의 저항이 너무나도 큽니다. 이정도면 Shannon이건, 저항추정이건 상관없이 전압모니터링만으로도 진단이 될 수준입니다.
위의 그림을 보시면, 다른 정상셀 대비 저항이 4~5배까지 차이나는 셀을 가지고 진단한다고합니다.
즉, 이건 어떤 기술을 쓰든 심지어 기술을 만들지 않아도 한번에 이상하다는걸 알 수있는 상황입니다.
셀 전압으로만 봐도 충분히 이상한 셀이지만, 이런식으로 저항값의 Entropy를 통해 상기와 같이 조금 깔끔하게 진단하는 방식을 제안합니다.
한가지 재미있었던건, 온도별 저항 추정값이 잘 맞았다고 합니다. (Reference는 EIS로 측정, 잘나온 데이터 한정 예상)
Results
10년도 더된 논문이기에, 큰 인사이트를 목적으로 볼 논문은 아닙니다.
다만, 2000년대 후반~2010년대 초반에 이런식의 배터리 진단 연구가 유행했었고, 그 중심의 인물들 중 하나로 칭화대의 Minggao교수님이 있었다. 그리고 그때 이 연구실의 논문은 대부분 이런식으로 Self-discharge(Micro Short) 저항을 ECM에 추가하여 모델링했었다 정도만 알아도 충분할 것 같습니다.
내년 초에 진행될 학회에 논문을 하나 썼는데.. 학회 리더중 한분으로 Minggao 교수님이 계셨습니다. 아직도 현역에서 활발하게 연구를 하고 계신것 같습니다.
참조
[1]
Yuejiu Zheng, Xuebing Han, Languang Lu, Jianqiu Li, Minggao Ouyang,
Lithium ion battery pack power fade fault identification based on Shannon entropy in electric vehicles,Journal of Power Sources,Volume 223,2013,Pages 136-146,ISSN 0378-7753,https://doi.org/10.1016/j.jpowsour.2012.09.015.
댓글