최윤석 연구실
울산과학기술원 에너지화학공학과
최윤석 교수
배터리 열화 진단
State of Health
배터리 재사용성
최윤석 교수 연구실
홈
최윤석 연구실
울산과학기술원 에너지화학공학과 최윤석 교수
최윤석 연구실은 에너지화학공학과 기반으로 이차전지의 열화 진단과 상태 예측, 배터리 재사용 평가, 배터리 시스템 설계 및 안전·경제성 분석을 수행합니다. 전압·전류 데이터와 열화 관련 신호를 활용해 용량과 SOH를 예측하는 머신러닝·딥러닝 모델을 개발하며, 부분 사이클 프로파일에서도 상태 추정을 수행하도록 입력 표현을 설계합니다. 또한 팩 수준 정보로 모듈 단위 재사용성을 검증하는 생성 모델 기반 진단과 이종 열화 건강지표를 결합합니다. 해수전지 모듈화와 water-in-battery 안전 개념, 급속 충전 중 열화 진단과 리튬 플레이팅 위험 제어, 사용 배터리의 경제성 분석까지 배터리 운영 관점의 응용을 병행합니다.
배터리 열화 진단State of Health배터리 재사용성이차전지 모듈 설계딥러닝 기반 예측
대표 연구 분야
연구 영역 전체보기
머신러닝·딥러닝 기반 배터리 용량 및 SOH 예측 연구
Machine Learning-Based Battery Capacity and SOH Prognostics Research
연구 분야 상세보기
머신러닝·딥러닝 기반 배터리 용량 및 SOH 예측 연구
Machine Learning-Based Battery Capacity and SOH Prognostics Research
연구 분야 상세보기
모듈 단위 재사용성 검증과 이종 열화 건강지표 연구
Module-Level Reusability Verification and Heterogeneous Degradation Health Indicator Research
연구 분야 상세보기
해상 배터리 모듈 설계와 안전·경제성 중심 배터리 시스템 연구
Seawater Battery Module Design and Battery System Research Focused on Safety and Economics
연구 분야 상세보기
연구 성과 추이
표시된 성과는 수집된 데이터 기준으로 산출되며, 일부 차이가 있을 수 있습니다.
5개년 연도별 논문 게재 수
12총합
5개년 연도별 피인용 수
376총합
주요 논문
5
논문 전체보기
1
article
|
·
인용수 9
·
2023A deep learning-based framework for battery reusability verification: one-step state-of-health estimation of pack and constituent modules using a generative algorithm and graphical representation
Seojoung Park, Dongjun Lim, Hyunjun Lee, Dawoon Jung, Yunseok Choi, Hankwon Lim, Donghyuk Kim
IF 10.7 (2023)
Journal of Materials Chemistry A
배터리 팩의 상태(health state)에 기반하여 개별 모듈의 건강 상태를 비침습적으로 파악하는 접근은, 공간화된 배터리 팩 사이클링 프로파일을 통해 생성적 적대 신경망(generative adversarial networks, GAN)으로 구현된다.
https://doi.org/10.1039/d3ta03603k
Reusability
Battery pack
Battery (electricity)
Representation (politics)
Computer science
Generative grammar
State (computer science)
State of health
Artificial intelligence
Algorithm
2
article
|
·
인용수 24
·
2023Deep-learning based spatio-temporal generative model on assessing state-of-health for Li-ion batteries with partially-cycled profiles
Seojoung Park, Hyunjun Lee, Zoe K. Scott-Nevros, Dongjun Lim, Dong‐Hwa Seo, Yunseok Choi, Hankwon Lim, Donghyuk Kim
IF 12.2 (2023)
Materials Horizons
. D-GELS는 SOH 예측에서 정확한 성능을 보였으며, RMSE가 0.012 미만으로 나타났고, 양극(음극) 소재와 무관하게 예측이 가능했으며, 그 적용 가능성이 확인되었다. 또한 D-GELS는 부분적으로 사이클을 거친 데이터로도 SOH를 예측할 수 있었는데, 이미지의 50%가 누락된 경우에도 RMSE가 0.046 미만으로 관찰되었다. 부분 사이클 프로파일을 사용할 때는 평가 대상 배터리의 수가 크게 증가함에 따라, 사용 배터리 관리에서 상당한 경제적 이점을 확인할 수 있으며, 이는 비용 절감으로 이어진다.
https://doi.org/10.1039/d3mh00013c
Battery (electricity)
State of health
Cathode
Computer science
Mean squared error
Lithium (medication)
Ion
Materials science
Lithium-ion battery
Deep learning
3
article
|
·
인용수 6
·
2023Diagnosis of high-Ni NCA/Gr-Si cells before rapid capacity drop by monitoring the heterogeneous degradation
Tae Young Kim, Soobin Park, JunWoo Bae, Da‐Woon Jung, Hansu Cheon, Wang‐Geun Lee, Yunseok Choi
IF 12.2 (2023)
Materials Horizons
리튬이온전지의 열화(degradation)를 이해하는 것은 예기치 않은 용량 저하를 예방하고 안전 문제를 해결하는 데 있어 매우 중요하다. 작동 중 배터리가 열화되는 방식은 이후의 사이클 성능에 주목할 만한 영향을 미친다. 특히, 음극(anode) 열화의 공간적 이질성(spatial heterogeneity)에 관련된 급격한 용량 저하는 정확한 배터리 진단을 위한 건강 지표(health indicator)의 필요성을 부각시킨다. 본 연구에서 제안한 새로운 건강 지표인 음극 및 양극(negative and positive electrodes) 간 지배적 열화 인자(Dominant degradation factors among Negative and Positive electrodes, DNP) 점수는 용량 수준이 유사하더라도 열화된 상태를 명확하게 식별할 수 있게 한다. 구체적으로, 음극 열화가 이질적인 배터리는 음의 점수를 보였으며 사이클 성능의 악화를 나타냈다. 이러한 건강 지표는 열화된 상태에 따라 배터리를 구별하여 평가할 수 있을 것으로 기대되며, 온보드 배터리 관리와 배터리 재사용 산업에서의 자원 효율적 배분을 지원할 수 있다.
https://doi.org/10.1039/d3mh01761c
Degradation (telecommunications)
Drop (telecommunication)
Drop out
Materials science
Chemical engineering
Lithium (medication)
Nanotechnology
Medicine
Engineering
Internal medicine
최신 정부 과제
4
과제 전체보기
1
협동|
2021년 3월-2024년 6월
|3,743,600,000원차량 탑재상태 잔존가치 분석 및 응용분야별 재사용성 최적화 기술 개발
본 과제는 전기차 배터리의 현재 상태와 남은 수명을 정확히 파악하고, 이를 바탕으로 잔존 가치를 분석하여 다양한 응용 분야에서 효율적으로 재사용할 수 있는 최적화 기술을 개발하는 연구임. 특히, 배터리가 차량에 탑재된 상태에서 실시간 정보를 분석하고 활용하는 데 중점을 둠.
연구 목표는 차량 전주기 실증 및 검증 기술 개발, 탑재상태 배터리 상태정보 추정 정확도 향상, 클라우드 기반 데이터베이스 구축, 그리고 배터리 팩 데이터 기반 SOH 및 RUL 추정 모델 개발 및 검증임. 핵심 연구 내용은 Cloud D/B 활용 실차 주행 검증, 수명 가속화 시험을 통한 배터리 Degradation 관계 분석, BMS 및 통신처리 Sub-board 통합 설계 및 제작, 탑재상태 배터리 상태정보 알고리즘 탑재 및 실차 시험을 통한 정보 전송 시험임. 또한, 배터리 재사용을 위한 Slave BMS 인터페이스 프로토콜 표준안 작성 및 Data-driven SOH/RUL 추정 모델 개발/검증이 포함됨. 기대 효과는 전기차 배터리 시스템 활용 극대화를 위한 전주기 토탈 솔루션 개발 및 가정용, 산업용 등 응용 분야별 재사용 가능성 증대임. 폐배터리 재사용이 용이한 BMS 개발에 기여하며, 실증 데이터 기반 내구성 진단 및 잔존수명 추정 모델 개발을 통해 기존 기술의 안정성과 신뢰성 향상이 전망됨.
배터리 팩
재사용
잔존 가치
알고리즘
단말장치
2
협동|
2021년 3월-2023년 12월
|2,279,000,000원차량 탑재상태 잔존가치 분석 및 응용분야별 재사용성 최적화 기술 개발
본 과제는 전기자동차에 탑재된 배터리의 잔존 가치를 분석하고, 다양한 용도로 재사용할 수 있도록 최적화하는 기술을 개발하는 연구임. 이는 고가의 전기차 배터리 수명을 연장하고 자원 효율성을 높이는 중요한 과정임.
연구 목표는 전주기 요건이 반영된 전기차 배터리 모듈/팩 설계 기술 개발, 배터리팩 성능 품질 확보를 위한 충방전기/검사장치 개발, 탑재 상태 배터리 상태정보 외부 전송이 가능한 BMS 설계 및 시제품 개발, SOH/RUL 추정 모델 개발을 위한 데이터 수집 및 모델 검증에 있음. 핵심 연구 내용은 재사용 배터리 운용행태 및 요구특성 분석, 용도 전환을 반영한 시스템 설계, Thermal 관리시스템 최적화, 배터리 셀/모듈 표준화 및 공용화, 배터리 상태정보 외부 전송 가능한 BMS 설계 및 Firmware 개발, 그리고 공개 데이터를 활용한 SOH 및 RUL 추정 모델 개발 및 검증을 포함함. 기대 효과는 전기차 배터리 셀 SOH 진단 및 RUL 추정 모델 개발 및 검증, 전주기 사용에 적합한 신개념 배터리 시스템 설계 기술 개발, 응용분야별 재사용 배터리 운용 형태 및 요구 특성 분석 기술 개발, 그리고 차량 탑재 상태 배터리 상태/이력정보 외부 전송 및 DB 구축 가능한 BMS 기술 개발임.
배터리 팩
재사용
잔존 가치
알고리즘
단말장치
3
주관|
2018년 3월-2022년 12월
|3,773,148,000원전지·ESS 기반 에너지산업 혁신생태계 구축사업
본 과제는 울산혁신도시 이전 공공기관과 대학·기업이 함께 쓰는 개방형 산·학·연 혁신플랫폼(오픈랩)을 구축해 전지·ESS 기반 에너지산업 생태계를 키우는 연구임.
연구목표는 이차전지·ESS의 개방형 혁신 주도, 선도기술 개발로 전지산업 밸류체인 강화에 있음. 핵심연구내용은 이차전지 안전성 평가를 위한 연구장비·성능평가 장비 구축, 울산대/UNIST 대학원연구실 설치 및 공동연구, 기업 대상 에너지진단·에너지효율 개선지원·시제품제작지원·기술지도, 공공기관연계 네트워크 운영임. 다목적(ESS & NEV)용 고에너지밀도 블록형 경량화 배터리팩, 그린모빌리티 연계 배터리연료전지 하이브리드 파워팩 개발도 포함됨. 기대효과는 지역경제 활력 제고, 기업 기술경쟁력 및 동반성장 촉진, 에너지 절감·효율화 및 친환경 에너지산업단지 전환 기여, 이전공공기관의 경험 전수 및 협업모델 확산임.
울산혁신도시
그린에너지
에너지저장장치
이차전지
공공기관
최신 특허
특허 전체보기
전체 특허
급속 충전을 위한 딥러닝 기반 실시간 배터리 열화 진단 전자 장치 및 그 동작 방법
상태
등록출원연도
2025출원번호
1020250009650배터리 상태 예측 시스템 및 배터리 상태 예측 방법
상태
등록출원연도
2024출원번호
1020240017222침지배터리 및 이를 포함하는 배터리 모듈
상태
등록출원연도
2021출원번호
1020210055239