[IEEE-2023] Cross-Domain Prognostic Method of Lithium-Ion Battery in New Energy Electric Aircraft With Domain Adaption

논문 전문 : https://ieeexplore.ieee.org/document/10130743

[출처]  Y. Zhu, X. Li, Y. Zhang and W. Zhang, "Cross-Domain Prognostic Method of Lithium-Ion Battery in New Energy Electric Aircraft With Domain Adaptation," in IEEE Sensors Journal, vol. 23, no. 13, pp. 14487-14498, 1 July1, 2023, doi: 10.1109/JSEN.2023.3277131.

 

※ 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]
Cross-Domain Prognostic Method of Lithium-Ion Battery in New Energy Electric Aircraft With Domain Adaption

 

 

배터리 분야의 Cross-Domain 연구는 현시점까지 진행된 바로는 특이한 기술이 더이상 나올 기미가 안보이는구나 라는 생각이 든 논문입니다. 이제까지 Battery Domain Adaption 관련하여 많은 논문들을 리뷰했는데, MMD쓰거나 Domain Adversarial Network를 쓰거나, 모두 이런 몇가지 정형화된 틀에서 벗어나지못했고, 올해 7월에 발표된 이 논문도 차이가 없었습니다.

23년 Nature에서 나온 논문 하나만 조금 방법론이 달랐었는데, 성능 측면에선 한계점이 많이 있었죠

이것이 비단 배터리뿐만 아니고, Domain Adaption이라는것이 시계열데이터에 적용하기에 큰 어려움이 있는것 같습니다.

Language,Vision분야에서는 DL이 확실히 좋은 성능을 보여주지만 "Deep learning is not all you need"라는 시계열 논문도 20년 Intel에서 발표되었듯, Tabular Time Series Data에서는 아직 가시적인 성과에 한계가 있는것 같습니다.

대부분, Language/Vision에서 나온 테크닉들을 한번 적용해보고, 오 성능 괜찮네? 이정도 인것 같습니다. (적어도 제가 느끼기에는)

 

본 논문이 그런 저의 아쉬움에 종지부를 찍어주었습니다. Domain Adaption이라는 주제 자체가 어렵긴 하지만, 배터리에 적용하는 Domain Adaption은 한계가 있고 현재까지 특이한 Breakthru가 나온것은 없다는 것을 확신합니다.

 

Contents

 

 

초반에 디스를 많이하긴했지만, 본 논문이 완전히 엉터리냐?라고 하면 아닙니다.

너무 General해서 특이사항이 전혀 없다는것이 문제점일뿐, 논문의 데이터나 결과해석이 엉망진창인 논문은 아닙니다.

 

본 논문은 과거의 SOH 데이터를 기반으로 미래의 SOH를 예측하는 논문입니다.

여기서 첫번째로 좀 아쉬운데, 보통 SOH를 예측하는 논문의 대부분은 그것이 비록 Domain Adaption이라 할지라도 이런식으로 하진 않습니다. 전압과 전류사이의 어떤 상관관계 식을 만들고 그것이 열화에 따라 어떤식으로 바뀌는지 본다던가, 적어도 충전시간이 줄어든다는것을 본다던가... 이런식인데 이런 부분에서 좀 성의가 없는것 같습니다.

이건 딱히 Domain Adaption이라고 보기도 어려움.

 

두번째로 아쉬운점은 개나소나(워딩이 쎄지만, 본 논문의 저자를 비하하는 의도는 아님.) UAM에 발 걸칠려고 이런식으로 제목 어그로를 끈다는점입니다.

Electric Aircraft라고 제목을 붙이면 뭔가 그럴싸해보이고, ESS나 EV, 사이클 시험이 아닌 eVTol에 특화된 어떤 연구인가? 라는 식으로 이목을 끕니다.

하지만 논문을 읽어보면 전혀(정말 0%) 상관 없을 뿐 아니라, SOH 과거 데이터로 미래 SOH를 예측하는 아주 일말의 데이터 고민조차 하지않고 Regression을 하는 논문입니다.

특히 요새 IEEE에 이런식으로 제목 낚시하는 논문을 많이 Accept하던데, 아무리 저널마다 차이가 있지만 리뷰어가 대체 어떤 인간인가라는 의구심이 가끔 들기도 합니다.

 

본 논문은 나온지 얼마안되서, 대부분의 Figure를 공개하지 않았습니다.

하지만 걱정할 필요 없습니다. 제가 예전에 정리한 하기 글과 모두 동일한 내용이기때문에, 밑에 글을 보셔도 전혀 이 논문을 이해하는데 어려움이 없으실 것입니다.

 

https://limitsinx.tistory.com/291

[IEEE-2021] Multisource Domain Adaption for Health Degradation Monitoring of Lithium-Ion Batteries

 

Source Domain, Target Domain 나눠서 학습하고 MMD로 Domain간 차이를 최소화하고자 하는것이 본 논문의 전부입니다.

이정도로 내용상으로는 General한 논문입니다.

 

Results

Aircraft로 어그로를 끈것 말고는 크게 아쉬운 점은 없습니다.

Too much Generalized 된 분야이기에 새로운것이 전혀없고 그냥 해보았다에 의의를 둔 논문이기에 기대를 할것도 딱히 없었기 때문입니다.

Cross Domain분야가 그렇습니다. 특히 배터리 Cross Domain이 더 심하구요.

저도 항상 고민하고있는데, 올해 나올 논문들중에서 어떤 Brilliant한 연구자가 Breakthru 한 논문을 쓰지않을까 기대해봅니다.

 

참조

[1]  Y. Zhu, X. Li, Y. Zhang and W. Zhang, "Cross-Domain Prognostic Method of Lithium-Ion Battery in New Energy Electric Aircraft With Domain Adaptation," in IEEE Sensors Journal, vol. 23, no. 13, pp. 14487-14498, 1 July1, 2023, doi: 10.1109/JSEN.2023.3277131.