논문 전문 : https://www.sciencedirect.com/science/article/pii/S1876610217307397
[출처] Zhenyu Sun, Peng Liu, Zhenpo Wang,Real-time Fault Diagnosis Method of Battery System Based on Shannon Entropy,Energy Procedia,Volume 105,2017,Pages 2354-2359,ISSN 1876-6102, https://doi.org/10.1016/j.egypro.2017.03.676.
※ The picture and content of this article are from the original paper.
All picture and figures used in this article are sourced from publicily available on the internet.
[논문 요약]
Real-time fault diagnosis method of battery system based on Shannon entropy
최근 청라 벤츠 전기차 화재 사건을 필두로, BMS의 안전진단 관련하여서 상당히 많은 관심이 쏟아지고 있습니다. 문제가 발생하고 진단하는것보다, 미리 조금의 조짐이라도 보이면 진단하는게 중요하겠죠.
그런관점에서 배터리는 하나의 신호 시스템입니다. 즉, 전자공학의 Digital Signal Processing을 통해 신호처리를 기반으로 뭔가 Anomality를 찾아낼수도 있다는것이죠. 본 논문이 그러한 테크닉이고, 저도 이러한 테크닉을 적용하여 국제학회에서 올해 하나 발표를 했습니다. 이렇듯 신호처리 테크닉을 적용하여 불량 배터리를 진단하는 기술들이 다시 주목받고있습니다.
Contents
본 논문은 Wavelet Transform이후 Shannon Entropy를 적용하여 배터리 시스템 내 이상 배터리 셀을 찾는 논문입니다.
복잡한 테크닉은 아니고, Wavelet function에 따른 주파수, 시간별 Wavelet Coefficient를 도출하고 주파수 범위별로 Level을 나누어 De-noising을 한 후, Inverse Wavelet Transform을 하여 신호를 원복하고, 이 신호에대해 특정 전압 구간내 몇개의 Point가 찍히는지를 Shannon Entropy로 구하여 이상 배터리 셀을 진단하는 방식입니다.
복잡해보이는데, 원리는 간단합니다.
Wavelet Transform을 하고 상기 Fig.2와 같이 총 3단계로 나누어 De-noising을 합니다.
본 논문에서는 저주파를 지속적으로 분할하는데, 그림과 같이 전체 Signal S가 0~0.5kHz라고 가정해봅시다.
0~0.25kHz/0.25~0.5kHz로 각각 A1,D1으로 분할합니다.
그 다음, 0~0.25kHz인 A1을 다시 2분할하여 0~0.125kHz~0.125~2.5kHz로 각각 A2, D2로 분할합니다.
그다음, 다시 0~0.125kHz를 0~0.06125kHz/0.06125~0.125kHz로 각각 A3, D3로 분할합니다. 이런식으로 n단계를 진행해서 최종 De-noising Signal은 An + D1 + ... + Dn으로 정의합니다.
이는 가능한 저주파 노이즈를 모두 제거해낸 신호이며, 이 신호를 다시 업샘플링해가며 원본 Signal과 동일하게 원상복구시킵니다.
물론 여기서는 단순히 2분할 하는것으로 설명했지만, Wavelet Transform의 Decomposition Level에 따라 다르게 분할되며, 이에 대한 De-noising 결과는 하기와 같습니다.
그다음 Shannon Entropy를 활용하여 최종 진단을 하는데, 상당히 재미있는 방식을 사용합니다.
하기 그림에서 l은 전압구간을 l등분했다는 뜻입니다. 즉, l등분을 많이할수록 한 구간에서의 dV는 작아지겠죠.
그때 De-noising후 원복된 신호들이 해당 전압구간안에 몇개 Point가 존재하느냐에 대해 Shannon Entropy를 구해서 이 값이 많이 튀는 경우 이상 셀로 판단하겠다는 컨셉의 논문입니다.
하기 그림을 보시면 l=5일때는 크게 구분이 안되지만, l이 100일때 20Cycle시점을 보면 확실히 1번셀의 거동이 이상하게 크다는것을 확인하실 수 있습니다.
Results
Wavelet Transform을 써서 De-noising에 활용한다는것은 신선한 방식인것 같습니다.
하지만, 이런식으로 Decomposition Level을 구분하여 De-noising한 신호가 물리/화학적으로 뭘 의미하는지에 대한 설명은 조금 부족한것 같아 아쉽습니다.
(단순히 필터링 시킨 데이터의 하나로 치부한것인지, 센서 노이즈 정도 잡는게 목표였는지..)
참조
[1] Zhenyu Sun, Peng Liu, Zhenpo Wang,Real-time Fault Diagnosis Method of Battery System Based on Shannon Entropy,Energy Procedia,Volume 105,2017,Pages 2354-2359,ISSN 1876-6102, https://doi.org/10.1016/j.egypro.2017.03.676.
댓글