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
- 학위논문
- 저자정보
- 지도교수
- 이인수.
- 발행연도
- 2022
- 저작권
- 경북대학교 논문은 저작권에 의해 보호받습니다.
이용수28
이 논문의 연구 히스토리 (3)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
최근, 리튬 이온 배터리는 높은 에너지 밀도, 낮은 자가 방전률, 긴 수명의 에너지 저장 능력으로 많은 분야에서 동력원으로 사용되고 있다. 하지만 잦은 충전 및 방전이 불가피하다. 이로 인해 시스템 정지, 사고 또는 폭발로 인한 재산 상해가 발생할 수 있다. 따라서 안정적이고 효율적인 배터리 사용을 위해서는 배터리의 SOC(State of charge)를 정확하게 예측해야한다. 본 논문에서는 차량 주행 시뮬레이터를 이용한 SOC 추정 방법을 제안한다. 2개의 차량 주행 시뮬레이터를 제작 후 각 시뮬레이터에 차량 연비 측정 테스트 모드인 FTP-75(Federal Test Procedure-75)와 HWFET(Highway fuel economy test)를 적용하였다. 그 후 2개의 차량 주행 시뮬레이터를 각각 사용하여 방전실험을 진행하여 전압, 전류, 방전시간 데이터를 수집하였다. 본 논문에서는 2개의 시뮬레이터의 수집된 데이터를 다층신경망 및 RNN(Recurrent Neural Network)기반 LSTM(Long Short Term Memory)의 입력 파라미터로 사용하여 배터리의 SOC를 추정하고 오차를 비교하였다. 그리고 본 논문에서 사용한 차량 주행 시뮬레이터와 LSTM 모델로 방전실험을 진행함과 동시에 실시간으로 배터리의 SOC를 추정하였다.
목차
Ⅰ. Introduction 1Ⅱ. Vehicle driving simulator 42.1 Simulator production 42.2 Driving test cycle 5Ⅲ. SOC estimation algorithm using neural networks 73.1 The proposed battery SOC estimation 73.2 Artificial neural network 73.2.1 Multi-layer neural network 83.2.2 Long short term memory 11Ⅳ. Experimental results 134.1 Experiment setup 134.2 Experiment results 164.2.1 Estimation SOC of the vehicle driving simulator with FTP-75 164.2.2 Estimation SOC of the vehicle driving simulator with HWFET 224.3 Online SOC estimation by LSTM 28Ⅴ. Conclusion 30Ⅵ. Reference 31초 록 33
최근 본 자료
댓글(0)
0