A Study on Time-Series Deep Learning-Based State of Charge Estimation Technology for LFP Batteries in Railway Vehicles
이공학학술연구기반구축(R&D) · 석사과정생연구장려금지원
2026년
2340066261
교육부
한국연구재단
국립한국교통대학교
심재욱
1명
2026.09.01 ~ 2027.08.31
2026.09.01 ~ 2027.08.31
1,200만원
1,200만원
기초연구
대학
충청북도 충주시
전기/전자 > 전지 > 이차전지
LFP 배터리는 고유한 전기적 특성(OCV Plateau, 히스테리시스)으로 인해 기존 충전량 추정 기법으로는 신뢰성 확보가 어렵다는 문제가 존재한다. 본 연구는 이러한 한계를 극복하기 위해, 별도의 물리적 모델 없이 시계열 측정 데이터(전압, 전류 등)로부터 충전량과의 관계를 직접 학습할 수 잇는 딥러닝(LSTM, GRU, 1D CNN 등) 기법을 활용하...
1. LFP 배터리의 충방전 실험을 통해 전아 변화가 거의 없는 OCV Plateau 및 히스테리시스 등 고유 전기적 ㅌ그성을 분석하고 발생 원인을 규명한다.2. 기존 리튬이온 배터리에 사용되는 충전량 추정 기법을 검토하고, 이를 LFP 배터리에 적용했을 때, 타 리튬이온 배터리 대비 추정 신뢰성이 저하되는 현상을 실험적으로 검증한다.3. 시간에 따른 데이...
연구 개발 성과- SCI(E) 급 국제 학술지 논문 투고 3건(주저자 2건, 공동저자 1건), 국내외 학술대회 발표 2건활용 계획 및 기대효과- 본 연구에서 개발하는 딥러닝 기반 LFP 배터리 충전량 추정 기술은 철도차량 배터리관리시스템(Battery Management System, BMS)에 적용하여 과충전 및 과방전으로 인한 화재 및 폭발 위험을 예방...