Hybrid Machine Learning for Predicting Remaining Useful Life and Capacity Fade in Lithium-Ion Batteries
연구 내용
리튬이온 배터리의 잔여수명과 용량 페이드를 용량, 전압, 사이클, 온도 데이터로부터 하이브리드 머신러닝 모델로 예측하는 연구
리튬이온 배터리의 잔여수명 예측은 배터리 관리 시스템에서 최적 운용과 수명 예측을 가능하게 합니다. 연구에서는 k-Nearest Neighbors, Random Forest, XGBoost 기반 모델과 하이브리드 모델링 전략을 결합하여 배터리 파라미터의 복잡한 관계를 학습합니다. 용량, 전압, 사이클, 온도 변수를 포함한 종합 데이터셋을 구성하고, 잔여수명(RUL)과 용량 페이드 예측 성능을 중심으로 실험과 평가를 수행합니다. 이를 통해 성능과 강건성을 동시에 고려한 유지보수 의사결정 지원을 목표로 합니다.
관련 연구 성과
관련 논문
1편
관련 특허
0건
관련 프로젝트
2건
연구 흐름
단일 시점의 연구 흐름으로 2023년 하이브리드 머신러닝 기반 배터리 신뢰성 예측 모델을 제시했습니다. 잔여수명과 용량 페이드 문제를 동시에 다루기 위해 배터리 파라미터 데이터셋을 정리하고, kNN과 랜덤 포레스트, XGBoost를 활용한 예측 구조를 구축했습니다. 이후 배터리 관리 관점에서 모델의 강건성과 정확도를 평가하여 성능 개선 근거를 도출하는 방향으로 연구를 수행했습니다. 별도로 2022년부터는 신산업 분야 지식재산 융합 인재양성 및 2023년 기술마케팅·창업 플랫폼 교육·컨설팅 형태의 사업도 병행했습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
A Novel Approach for Predicting Remaining Useful Life and Capacity Fade in Lithium-Ion Batteries Using Hybrid Machine Learning
관련 프로젝트
구분
제목
2023년도 대학기술경영촉진사업(공동지원)
신산업 분야 지식재산 융합인재 양성사업(제주대학교 경영정보학과)