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
- 김종훈
- 발행연도
- 2020
- 저작권
- 충남대학교 논문은 저작권에 의해 보호받습니다.
이용수42
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
에너지 저장 시스템의 효율을 높이기 위해서 충전 상태 및 수명 정보와 같은 배터리 상태를 예측하고 추정하는 것은 필수적이다. 일반적으로 배터리 상태를 예측하기 위한 통계적 접근 방식은 실험을 통해 측정된 기록 데이터에 따라 결정되지만, 실험 데이터를 기반으로 한 통계 방법은 부하 정보가 일정하지 않는 실제 어플리케이션에 적합하지 않다. 따라서 본 논문에서는 측정 데이터 량이 부족한 상태에서 통계 모델을 통해 배터리의 수명 정보를 예측하기 위해 DEKF (Dual Extended Kalman Filter)와 AR (AutoRegressive) 모델을 결합한 통합 모델을 제안한다. DEKF는 배터리 상태를 실시간으로 추정하는 데 유리하며 AR 모델은 이전 데이터를 사용하여 배터리 상태를 예측하는 것에 활용하였다. 또한 일반적인 AR 모델의 용량 예측 성능이 선형적인 관계식에 정립되어 있기 때문에 다변수 AR 모델이 사용하여 예측 모델의 성능을 향상시킨다.
목차
제 1 장 서 론 11.1 연구배경 11.2 연구목적 및 연구범위 41.3 논문개요 9제 2 장 SOC/SOH 추정 기법 102.1 배터리 상태 추정 기법 102.1.1 SOC 정의 102.1.2 SOH 정의 102.1.3 배터리 등가회로 모델 및 실시간 변수 추정법의 필요성 122.2 배터리 등가회로 모델 132.2.1 개방 회로 전압 모델 132.2.2 OCV-R0 모델 132.2.3 Thevenin 등가 모델 132.2.4 파라미터 추출 방법 152.3 확장 칼만 필터 182.3.1 기본 개념 182.3.2 배터리 SOC 추정용 칼만 필터 설계 192.3.3 시뮬레이션 및 게인값 조정 방법 212.4 이중 확장 칼만 필터 262.4.1 기본 개념 262.4.2 기존 방법의 한계성 282.5 제안된 이중 확장 칼만 필터 312.5.1 ARX 모델 312.5.2 실시간 파라미터 추정 기법 332.5.3 제안된 이중 확장 칼만 필터 352.6 검증 및 시뮬레이션 결과 382.6.1 주행 프로파일 검증 결과 422.6.2 열화 검증 결과 45제 3 장 SOH 예측 모델 523.1 자기 회귀모형을 이용한 다중회귀 모형 523.1.1 기본 개념 523.1.2 피어슨 상관 계수 분석 533.2 시뮬레이션 결과 57제 4 장 결론 66참고문헌 67ABSTRACT* 72
최근 본 자료
댓글(0)
0