지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2021.4
- 수록면
- 177 - 184 (8page)
- DOI
- 10.5050/KSNVE.2021.31.2.177
이용수
DBpia Top 10%동일한 주제분류 기준으로최근 2년간 이용수 순으로 정렬했을 때
해당 논문이 위치하는 상위 비율을 의미합니다.
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
Currently, lithium-ion batteries are becoming the most promising power source for a variety of portable electronics as well as electric vehicles. Some of the advantages that promote their widespread usage include their long battery cycle life, high durability, low self-discharge rate, and fast charge rate. However, despite their superiority in comparison with other power sources, there exists a lack of understanding regarding their battery lifetime owing to their sophisticated electrochemical actions, which cannot be sufficiently modeled and predicted using traditional physics-based models. This limitation has motivated the development of numerous data-driven approaches. However, data-driven methods also have certain limitations, such as low interpretability and inability to extrapolate well. This necessitates an alternative method that can leverage the strengths of both models while complementing their drawbacks. In this study, the state-of-health of lithium-ion batteries is estimated using a physics-informed neural network with the integration of physics in the deep learning pipeline. The results of this study indicate that the proposed model outperforms the conventional data-driven methods in RMSE and physical inconsistency.
목차
ABSTRACT
1. 서론
2. 리튬이온 배터리 SoH 모니터링
3. 결론
References
참고문헌 (11)
참고문헌 신청
Barré, A., Deguilhem, B., Grolleau, S., Gérard, M., Suard, F. and Riu, D., 2013, A Review on Lithium-Ion Battery Ageing Mechanisms and Estimations for Automotive Applications, Journal of Power Sources, Vol. 241, pp. 680~689.
Kwon, D., Kim, J. H., Park, G., Bae, S. J., An, D. et al., 2016, Recent Trends in the Research of PHM Techniques, Proceedings of the KSNVE Annual Autumn Conference, p. 124.
Zhou, D., Li, Z., Zhu, J., Zhang, H. and Hou, L., 2020, State of Health Monitoring and Remaining Useful Life Prediction of Lithium-Ion Batteries Based on Temporal Convolutional Network, IEEE Access, Vol. 8, pp. 53307~53320.
Zou, Y., Hu, X., Ma, H. and Li, S. E., 2015, Combined State of Charge and State of Health Estimation over Lithium-Ion Battery Cell Cycle Lifespan for Electric Vehicles, Journal of Power Sources, Vol. 273, pp. 793~803.
He, L. and Shin, K. G., 2017, How Long Will My Phone Battery Last?, arXiv preprint arXiv:1711.03651.
Kwon, D., Kim, J. H., Park, G., Bae, S. J., An, D. et al., 2016, Recent Trends in the Research of PHM Techniques, Proceedings of the KSNVE Annual Autumn Conference, p. 124.
Zhou, D., Li, Z., Zhu, J., Zhang, H. and Hou, L., 2020, State of Health Monitoring and Remaining Useful Life Prediction of Lithium-Ion Batteries Based on Temporal Convolutional Network, IEEE Access, Vol. 8, pp. 53307~53320.
Zou, Y., Hu, X., Ma, H. and Li, S. E., 2015, Combined State of Charge and State of Health Estimation over Lithium-Ion Battery Cell Cycle Lifespan for Electric Vehicles, Journal of Power Sources, Vol. 273, pp. 793~803.
He, L. and Shin, K. G., 2017, How Long Will My Phone Battery Last?, arXiv preprint arXiv:1711.03651.
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
물리기반 인공신경망을 활용한 리튬이온 전지 열화 예측
한국소음진동공학회 학술대회논문집
2020 .11
-
Lithium ion Battery Parameter extraction using the Physics Based Mathematical model and Neural Network method
전력전자학회 학술대회 논문집
2023 .07
-
SOH Monitoring and RUL Estimation of Lithium-Ion Batteries Using Physics-Infused Deep Learning
대한기계학회 춘추학술대회
2021 .04
-
Physics-informed Neural Networks
대한기계학회 춘추학술대회
2022 .05
-
물리기반 인공신경망을 이용한 위상최적설계
대한기계학회 춘추학술대회
2021 .11
-
물리지식기반 인공신경망과 실측된 변위정보를 결합한 응력집중계수의 추정
한국항공우주학회 학술발표회 초록집
2023 .11
-
물리적 특성 변화를 고려한 열 유동 모사 물리기반 인공신경망
대한기계학회 춘추학술대회
2023 .05
-
물리기반 인공신경망을 이용한 선형탄성 해석
대한기계학회 춘추학술대회
2021 .08
-
물리기반 인공신경망을 이용한 적층제조 구조물의 해석
대한기계학회 춘추학술대회
2022 .05
-
물리지식기반 기계학습의 개요 및 최신 응용
한국항공우주학회 학술발표회 초록집
2023 .11
-
물리 정보 기반 인공신경망 및 영역 분할을 이용한 온도장 예측
대한기계학회 춘추학술대회
2022 .11
-
리튬이온전지 대형화의 수명열화가속영향 모델링 연구
한국자동차공학회 추계학술대회 및 전시회
2016 .11
-
Adaptive Fast Charging Strategies for Lithium-Ion Batteries: Bridging Physics-Based Modeling and Reinforcement Learning
한국통신학회 학술대회논문집
2025 .02
-
물리 정보 기반 인공신경망을 활용한 연소부안정성 진단
KOSCO SYMPOSIUM 논문집
2024 .05
-
물리기반 인공신경망을 활용한 파동 산란 예측 모델 구축 및 물리적 정합성 분석
대한기계학회 춘추학술대회
2022 .05
-
물리지식기반 인공신경망과 가상센서를 이용한 실시간 이상감지기술에 관한 연구
한국항공우주학회 학술발표회 초록집
2023 .11
-
유동 해석을 위한 물리기반 인공신경망 재초기화 전략
대한기계학회 춘추학술대회
2023 .05
-
물리지식 기반 인공신경망을 활용한 실린더의 전자기장 및 열전달 멀티피직스 해석
대한기계학회 춘추학술대회
2023 .05
-
Physics-Based State of Charge and Energy Estimation Framework Using Physics-Informed Deep Learning Model
대한산업공학회 추계학술대회 논문집
2024 .10
-
물리 기반 인공신경망을 통한 극저온 용기의 희박 기체 열전달 해석
대한기계학회 춘추학술대회
2024 .11
이 논문의 저자 정보
이 논문과 함께 이용한 논문
기초과학연구원_발화 위험 없는 차세대 리튬이온전지, 핵심 원리 규명
서재창
전자기술
2022
.02
정상 충방전 데이터에 기반한 리튬 이온 배터리 고장 탐지
이건희
정보과학회 컴퓨팅의 실제 논문지
2021
.01
Physics-Informed Neural Network for Solving Fluid Dynamic Problems
Pham Quy Duc Thinh
,
T
,
an Minh Tam
외 1명
대한기계학회 춘추학술대회
2020
.12
리튬 이차전지의 양극 내부 이온 확산 및 상변화 특성 연구
김수일
,
김동철
대한기계학회 춘추학술대회
2012
.11
치과 치아교정 관련비용 실태조사
편집부
조사보고서
1997
.12
최근 본 자료
댓글(0)
0