임베디드 보드를 사용한 EKF 기반 실시간 배터리 SOC 추정
Real-time EKF-based SOC estimation using an embedded board for Li-ion batteries
1
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
정확한 SOC 추정은 배터리 운영 전략을 제시하는 중요한 지표로 많은 연구가 진행되었다. 기존 연구에서 검증을 위해 주로 사용되던 시뮬레이션 방식은 실제 BMS 환경처럼 실시간 SOC를 추정하기 어렵다. 따라서 본 논문에서는 실시간 배터리 SOC 추정이가능한 임베디드 시스템을 구현하고 검증 과정에서 발생 가능한 문제 분석을 목표로 한다. 2개의 라즈베리파이 보드로 구성된 환경은 Simscape 배터리에서 측정된 데이터로 EKF 기반 SOC 추정을 진행한다. 검증 단계에서는 온도에 따라 달라지는 배터리 특성을고려하여, 다양한 주변 온도에서 결과를 확인하였다. 또 임베디드 환경에서 발생하는 오프셋 오류와 패킷 손실에 대비하여, 문제 상황에서 SOC 추정 성능을 검증하였다. 이를 통해 안정범위의 5%내의 오차를 갖는 실시간 SOC 추정이 가능한 임베디드 시스템 구현을 위한 전략을 제시한다.
Abstract
Accurate SOC estimation is an important indicator of battery operation strategies, and many studies have beenconducted. The simulation method which was mainly used in previous studies, is difficult to conduct real-timeSOC estimation like real BMS environment. Therefore, this paper aims to implement a real-time battery SOCestimation embedded system and analyze problems that can arise during the verification process. In environmentconsisting of two Raspberry Pi boards, SOC estimation with the EKF uses data measured by the Simscape batterymodel. Considering that the operating characteristics of the battery vary depend on the temperature, the resultswere analyzed at various ambient temperatures. It was confirmed that accurate SOC estimation was performedeven when offset fault and packet loss occurred due to communication or sensing problems. This paper proposesa guide for embedded system strategies that enable real-time SOC estimation with errors within 5%.
참고문헌 (14)
- J. Hwang, "Technology and Market Trend of Secondary Battery", Journal of the Korean Society of Automotive Engineers, 43(10), pp.31~35 (2021)
- M.A. Hannan, "A review of lithium-ion battery state of charge estimation and management system in electric vehicle applications: Challenges and recommendations", Renewable and Sustainable Energy Reviews, 78(C), pp.834~854 (2017), Elsevier BV[DOI]
- 김시진, "차량 시뮬레이터 및 인공신경망을 이용한 배터리의 SOC 추정", 한국정보기술학회논문지, 19(5), pp.51~62 (2021), 한국정보기술학회[DOI]
- F. Yang, "State-of-charge estimation of lithium-ion batteries based on gated recurrent neural network", Energy, 175, pp.66~75 (2019)
- 윤범진, "리튬 폴리머 배터리의 SOC 추정을 위한 확장 칼만 필터의 LSTM 기반 보정방법", 한국자동차공학회 논문집, 27(7), pp.501~507 (2019), 한국자동차공학회[DOI]
- Mani Dheeraj Mudaliar, "IoT based real time energy monitoring system using Raspberry Pi", Internet of Things, 12, pp.100292~ (2020), Elsevier BV[DOI]
- 조성우, "확장 칼만 필터를 이용한 배터리 모니터링 시스템 개발", 한국융합학회논문지, 11(6), pp.7~14 (2020), 한국융합학회[DOI]
- H. Lee, "Research for Trustworthiness Evaluation and Recovery of Battery Management Data using Artificial Intelligent Methods against Cyber Attack", Doctor, pp.2021
- Prashant Shrivastava, "Overview of model-based online state-of-charge estimation using Kalman filter family for lithium-ion batteries", Renewable and Sustainable Energy Reviews, 113, pp.109233~ (2019), Elsevier BV[DOI]
- 정대웅, "센서 오차를 고려한 전류 적산과 확장 칼만 필터 방법의 배터리 SOC 추정 성능 비교에 관한 연구", 조명.전기설비학회논문지, 34(5), pp.43~50 (2020), 한국조명.전기설비학회[DOI]
- Hongwen He, "Evaluation of Lithium-Ion Battery Equivalent Circuit Models for State of Charge Estimation by an Experimental Approach", Energies, 4(4), pp.582~598 (2011), MDPI AG[DOI]
- 유경상, "확장칼만필터를 이용한 전기자동차용 배터리 SOC 추정", 한국산학기술학회논문지, 18(10), pp.15~23 (2017), 한국산학기술학회[DOI]
- 윤창오, "비수계 리튬에어 배터리의 전기화학적 분석 및 확장 칼만 필터를 이용한 SOC 추정기법", 전력전자학회 논문지, 23(2), pp.106~111 (2018), 전력전자학회[DOI]
- J. Park, "Improvement of SOC Estimation based on Noise Parameter Differential Design of Extended Kalman Filter according to Non-linearity of LiFePO4 Battery", Proc. of the Power Electronics Conference, pp.121~122 (2018)