리튬이온 배터리(LIBs)는 높은 에너지 밀도와 긴 사이클 수명으로 인해 전기자동차에 널리 사용된다. 일반적으로 정격 용량의 약 80% 수준에서 퇴역한 이후에도, LIBs는 주거용 에너지 저장 시스템(ESSs)과 같은 2차 수명(second-life) 응용 분야로 여전히 재활용될 수 있다. 그러나 이러한 이질적인 셀들을 효과적으로 군집화하는 것은 모듈의 성능을 최적화하는 데 결정적으로 중요하다. 퇴역 LIBs는 ESSs 및 기타 전원 백업과 같은 다양한 2차 수명 응용 분야로 효과적으로 재활용될 수 있다. 본 논문에서는 랜덤 그룹핑, 동일 개수의 Support Vector Clustering, K-means, 동일 개수의 Gaussian Mixture Model(GMM)을 포함한 4가지 군집화 접근법을 비교하여, 60개의 퇴역 셀을 15셀 단위로 구성된 48 V 모듈(15셀 그룹 3개)로 조직화한다. 각 방법의 성능은 15S2P 구성을 대상으로 한 시뮬레이션을 통해 최종 충전 전압의 표준편차, 평균 충전 처리량, 델타 용량, 쿨롬 효율을 중심으로 검증한다. 배터리 셀을 재그룹핑한 후 평가 지표를 분석하고, 이를 2차 수명 ESS 응용을 위해 시뮬레이션한 결과에 따르면, GMM 기반 군집화 방법이 더 나은 성능을 보인다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.