물리 기반 확률모형을 이용한 열화·열화원인 불확실성 예후

Physics-Based Probabilistic Prognostics and Uncertainty Modeling for Degradation

연구 내용

물리 제약을 반영한 가우시안 과정과 다중 소스를 이용해 열화 과정을 예후하고 불확실성을 정량화하는 연구

배터리와 부품 시스템에서 열화 진행을 확률적으로 모델링하고 예후 성능과 신뢰도를 동시에 확보하는 연구를 수행합니다. 물리 기반 가우시안 과정 확률모형에 다중 소스 데이터를 결합하여 열화 과정의 비선형성과 정보 불완전성을 함께 다룹니다. 또한 EV 배터리 모듈의 적층 압력에 대해 현상론적 모델 기반 불확실성 분석을 수행하여 상태 예측의 변동 요인을 추적합니다. 부분 충전 데이터로부터 최대 사용 가능 용량을 추정하고, 다중 시간척도 전기-기계 모델의 파라미터를 순차 최적화로 식별함으로써 장기 성능 예측의 기반을 마련합니다.

관련 프로젝트

2건

연구 흐름

초기에는 열화 및 성능 저하를 설명하기 위한 현상론적 모델 또는 전기-기계 모델 기반 접근으로 측정 불확실성과 식별 가능성을 확인했습니다. 이후 예후 단계에서 확률적 예측이 가능하도록 물리 제약을 반영한 가우시안 과정 프레임워크로 확장하고, 서로 다른 출처의 데이터를 통합하는 방향으로 연구를 심화했습니다. 최근에는 부분 관측 데이터에서도 상태 특성을 보존하는 특징 설계를 통해 배터리 용량 추정을 수행하고, 다중 시간척도 파라미터 식별을 통해 모델 갱신 절차를 체계화하고 있습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

배터리 예후 모델링
상태 예측 불확실성 지도
부분 데이터 기반 용량 추정
다중 시간척도 파라미터 식별
열화 원인 요인 분해
확률적 유지보수 의사결정
에너지부품 신뢰성 평가
데이터 결측 대응 예측
상태기반 운용전략 수립
예후 성능 검증 프로토콜