리튬 폴리머 배터리의 SOC 추정을 위한 확장 칼만 필터의 LSTM 기반 보정방법

윤범진; 유승열; 성상만

doi:10.7467/KSAE.2019.27.7.501

추천

검색

질문

자료유형: 학술저널

저자정보: 윤범진 (한국기술교육대학교) 유승열 (한국기술교육대학교) 성상만 (한국기술교육대학교)

저널정보: 한국자동차공학회 한국자동차공학회논문집 한국자동차공학회논문집 제27권 제7호

발행연도: 2019.7

수록면: 501 - 507 (7page)

DOI: 10.7467/KSAE.2019.27.7.501

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

State of charge(SOC) and open circuit voltage(OCV) are essential for maintaining the performance and preventing battery malfunction in an electric vehicle(EV). Estimation methods about battery have been studied for decades; however, it is still difficult to estimate precise SOC immediately after the discharge. The extended Kalman filter(EKF) is generally used for diagnosis, but its accuracy can be reduced based on the parameter of the battery equivalent model. EKF, which is compensated by the long short-term memory(LSTM) network, is proposed in this paper. LSTM trains the tendency of the battery’s state and proceeds in a way that corrects the result of the EKF according to the load profile after discharging. This proposed method is verified through a comparison with the actual OCV and SOC. The findings of this experiment show the decrease in the margin of error when compared with normal EKF based on different load profiles.

#Electric vehicle(전기자동차) #Neural network(인공신경망) #Long short-term memory(장단기 기억) #Extended kalman filter(확장칼만필터) #SOC(충전량)

참고문헌 (11)

참고문헌 신청

H. He / 2011 / State-of-Charge Estimation of the Lithium-Ion Battery Using an Adaptive Extended Kalman Filter Based on an Improved Thevenin Model / IEEE Transactions on Vehicular Technology 60(4):1461~1469

X. Hu / 2016 / Advanced Machince Learning Approach for Lithium-Ion Battery State Estimation in Electric Vehicles / IEEE Transactions on Transportation Electrification 2(2):140~149

E. Meissner / 2003 / Battery Monitoring and Electrical Energy Management Precondition for Future Vehicle Electric Power Systems / Journal of Power Sources 116(1-2):79~98

S. C. Huang / 2017 / An Online SOC and SOH Estimation Model for Lithium-Ion Batteries / Energies 10:512~529

김호기 / 2009 / 최소 자승법을 이용한 하이브리드용 리튬이온 배터리 모델링 및 특성분석 / 한국자동차공학회 논문집 17(1):130~136

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

윤범진

소속기관 한국기술교육대학교

주요연구분야 공학 > 기계공학 > 자동차공학

논문수 3 이용수 479

유승열

소속기관 한국기술교육대학교

주요연구분야 공학 > 기계공학 > 기계공학 일반 TOP 10% 공학 > 기계공학 > 자동차공학

논문수 100 이용수 10,135

성상만

소속기관 한국기술교육대학교

주요연구분야 공학 > 기계공학 > 기계공학 일반 공학 > 기계공학 > 자동차공학

논문수 42 이용수 3,058

이 논문과 함께 이용한 논문

확장칼만필터 기반 실시간 노이즈 파라미터 보정을 적용한 적응형 클라우드 배터리시스템 구현

이동재 , 이평연 , 박진형 외 2명 한국자동차공학회논문집 2022 .04

운행 전기자동차의 주행특성에 따른 배터리 셀 간 전압편차 분석

이상현 , 김우일 , 한만배 한국자동차공학회논문집 2023 .01

GRU 배터리 모델 기반 SOC 추정기 설계

김주희 , 최완식 , 안창선 한국자동차공학회논문집 2022 .01

LSTM 모델 기반 리튬이온 배터리의 SOH 예측

고하나 , 이솔비 , 김의직 디지털콘텐츠학회논문지 2021 .04

뉴럴 네트워크를 이용한 배터리 셀 SOC 추정

유경상 , 김호찬 전기전자학회논문지 2020 .03

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2019-556-000682173

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (11)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)