Mobile QR Code QR CODE : Journal of the Korean Institute of Illuminating and Electrical Installation Engineers

Journal of the Korean Institute of Illuminating and Electrical Installation Engineers

ISO Journal TitleJ Korean Inst. IIIum. Electr. Install. Eng.

  1. (Undergraduate Student, Department of Electrical Eng., Chungbuk National Univ., Korea)
  2. (Master course, Department of Electrical Eng., Chungbuk National Univ., Korea)



Battery model, Battery parameter, BMS(Battery Management System), Li-ion battery

1. 서 론

전기자동차(EV), 에너지저장장치(ESS) 등 배터리 어플리케이션 시장이 확대되고 환경 이슈에 대한 대응의 필요성이 높아짐에 따라서 리튬이온 배터리에 관한 연구가 활발히 진행 중이다[1]. Fig. 1과 같이 리튬이온 배터리는 양극, 음극, 전해질과 분리막으로 구성되어 있으며 다른 이차전지에 비해 에너지밀도가 높고 충·방전 사이클 특성이 우수하며 자가 방전율이 작은 장점으로 많이 사용된다. 그러나 다른 전지에 비하여 온도에 따른 영향이 크며 안전성이 낮다는 단점이 있다[2, 3]. 이러한 배터리의 단점들을 극복하고 안정된 운전영역에서 효율적으로 사용하기 위하여 배터리관리시스템(BMS)이 필요하다. BMS는 과충전, 과방전 및 과전류로부터 보호, 배터리 잔존용량(SOC) 추정, 배터리 수명(SOH)추정, 상태진단, 셀 밸런싱 등의 기능이 있다[4-5].

Fig. 1. The structure and elements of the lithium-ion battery

../../Resources/kiiee/JIEIE.2022.36.12.024/fig1.png

배터리의 SOC, SOH, 상태를 추정하기 위하여 배터리 파라미터들이 이용되고 있으며 이들의 추정 정확도는 파라미터들의 정확도에 의해 직접적인 영향을 받는다[6, 7]. 일반적으로 배터리 파라미터는 저항, 커패시터 등의 전기적 소자들로 나타내며 펄스 충·방전 실험과 임피던스 분광법(EIS) 등의 방법을 이용하여 추출한다[8, 9]. 그중에서 펄스 충·방전 실험은 실험의 방법과 절차가 간단하며 배터리의 전기적 모델(ECM)로부터 유도된 간단한 수식으로부터 배터리 파라미터를 추출할 수 있어 많이 사용되고 있다.

배터리 파라미터들은 온도, C-rate, 충·방전 Cycle, SOC 등에 따라서 변하는 가변적인 특성이 있으며 이에 대한 많은 연구들이 수행되어 왔다 [10-13]. [10]은 저온에서 고온까지 리튬이온 배터리에 미치는 온도의 영향을 분석하였으며 [11]은 배터리 충·방전 Cycle에 따른 배터리의 노화 임피던스를 측정하고 노화에 의한 배터리의 특성에 대해서 논의하였다. [12]는 C-rate에 따른 배터리 파라미터들을 추출하여 임피던스가 변하는 경향에 대해서 분석하였다. [13]은 SOC에 따른 배터리 파라미터들의 변화를 배터리 모델에 적용하였다. 이를 위하여 SOC에 따른 배터리 파라미터들의 변화를 그래프로 나타내고 이를 커브 피팅하고 각 파라미터를 SOC에 관한 변수로 하는 수식으로 표현하였다. 위 참고논문들을 비롯하여 많은 선행 연구들은 온도, C-rate, 충·방전 Cycle 등 각각의 단일 조건들에 대한 배터리 파라미터들의 변화와 원인을 분석하였다. 그러나 실제 리튬이온 배터리는 여러가지 요인들이 복합된 다양한 환경에서 동작한다. 따라서 실제 동작 환경에서의 배터리 파라미터들의 변화에 대한 좀 더 정확한 정보를 얻기 위해서는 여러 요인이 중첩된 동작 조건에서의 배터리 파라미터에 대한 실험과 분석이 필요하다.

본 논문에서는 3개의 C-rate와 3개의 온도 조건을 중첩하여 9개의 동작 환경에서 SOC에 따른 배터리 파리미터의 변화를 실험하였으며 이를 3차원 그래프를 이용하여 분석하였다. 논문의 구성은 다음과 같다. 2장에서는 리튬이온 배터리의 전기적 회로 모델과 파라미터 그리고 파라미터 추출 방법에 대하여 설명하였다. 3장에서는 C-rate와 온도가 중첩된 조건에서 실제 상용 배터리의 SOC에 따른 배터리 파라미터를 변화를 3차원 그래프를 이용하여 나타내고 경향성과 원인을 분석하였다. 마지막으로 4장에서는 본 논문의 연구 결과를 요약하고 향후 추가 연구계획을 기술하였다.

2. 배터리 파라미터 및 추출방법

배터리의 파라미터를 추출하기 위해서 가장 쉬운 방법 중 하나로 배터리의 전기적 등가회로가 사용되며 파라미터 추출의 편의성과 연산량 등을 고려하여 일반적으로 1차 또는 2차 RC-ladder 모델이 선택된다. Fig. 2의 1차 RC-ladder 모델은 배터리 잔존용량(SOC)을 나타내는 무부하 상태의 전압인 OCV(open circuit voltage)와 배터리 내부 이온의 이동으로 인해 발생하는 확산전압을 고려하기 위한 확산저항과 커패시터(R$_{d}$, C$_{d}$) 그리고 배터리의 전극과 내부의 전체 저항(R$_{i}$)으로 구성된다. 이 배터리 파라미터들은 Fig. 3의 배터리 전류(Ib)를 펄스로 인가 시 나타나는 배터리 터미널전압(Vt)의 그래프를 통해 추출할 수 있다[14].

Fig. 2. First order RC ladder electrical circuit model of the lithium-ion battery

../../Resources/kiiee/JIEIE.2022.36.12.024/fig2.png

Fig. 3. Voltage and current during discharging of the lithium-ion battery

../../Resources/kiiee/JIEIE.2022.36.12.024/fig3.png

Δv1은 배터리에서 펄스전류에 의해서 방전이 시작되는 순간인 t1에서의 배터리 전압의 강하를 의미하며 Δv2는 배터리가 방전되기 시작하여 끝나는 시간 동안인 t1∼t3동안 감소되는 전압을 말한다. 시정수 τ는 Δv2 의 63.2% 가 되는 정도까지 배터리 전압이 감소되는 시간을 의미한다. 방전 펄스 전류 인가 시 배터리의 1차 RC-ladder모델은 5개의 동작 모드를 가지게 되며 각 동작 모드로부터 다음과 같은 (1)(8)의 수식들이 유도된다[14].

모드 1은 전류가 흐르지 않아 배터리가 안정화된 상태로 터미널전압과 OCV가 같게 되며 수식 (1)로 나타낼 수 있다.

(1)
$V_{t}=V_{OCV}$

모드 2는 방전 펄스 전류가 인가되는 순간이다. Δv1은 방전 펄스 전류의 크기가 변하는 순간에는 확산커패시터 C$_{d}$의 임피던스가 매우 작으므로 단락된 것으로 가정할 수 있다. 따라서 터미널전압은 수식 (2)와 같이 표현되며, 내부저항 Ri에 의한 전압강하만을 고려하며 수식 (3)을 유도할 수 있다.

(2)
$V_{t}=V_{OCV}-V_{i}$
(3)
$R_{i}=\dfrac{\triangle v_{1}}{I_{b}}$

모드 3은 방전 펄스 전류가 인가되는 구간이다. Δv2는 방전 펄스 전류가 인가되는 도중 확산저항 Rd와 확산커패시터 C$_{d}$에 의한 전압강하를 의미한다. 터미널전입은 수식 (4)와 같이 표현되며, Rd는 수식 (5)에 의해서 계산된다.

(4)
$V_{t}=V_{OCV}-V_{i}-V_{d}$
(5)
$R_{d}=\dfrac{\triangle v_{2}}{I_{b}}$

C$_{d}$는 시정수 τ를 이용한 수식 (3)로 구할 수 있다.

(6)
$C_{d}=\dfrac{\tau}{R_{d}}$

모드 4는 방전이 종료되고 전류 Ib가 0이 되는 순간이다. 전류가 0이 되는 순간 내부저항에 의한 전압 강하가 일어나지 않으며 터미널전압은 수식 (7)과 같다.

(7)
$V_{t}=V_{OCV}- V_{d}$

모드 5는 방전이 종료되고 방전전류가 흐르지 않는 구간이다. C$_{d}$에 걸려있던 전압 Vd가 Rd를 통해 전압이 방전되어 터미널 전압은 점차 증가한다. 따라서 터미널전압은 수식 (8)과 같이 표현된다.

(8)
$V_{t}=V_{OCV}- V_{d}$

3. 배터리 파라미터 실험

3.1 실험 방법 및 절차

다양한 온도와 C-rate에 따른 리튬이온 배터리의 파라미터 변화를 분석하기 위하여 상용 리튬이온배터리에 펄스전류를 인가하여 파라미터 추출 실험을 수행하였다. 다음으로 각각의 온도와 C-rate에서 추출된 배터리 파라미터 데이터들을 매트랩 시뮬레이션 툴을 이용하여 분석하였다. 실험에 사용된 배터리는 삼성 INR21700–50E이며 Table 1은 배터리의 상세 스펙을 나타낸다. Fig. 4는 배터리의 파라미터를 추출하기 위한 실험장비와 실험환경을 나타낸 그림이다. 배터리는 항온 챔버를 이용하여 외기 온도를 0°C, 25°C, 45°C으로 온도 실험을 진행하였으며 각 온도에서 배터리를 0.5C-rate, 1C-rate, 2C-rate로 방전시켰다. 이를 통해서 3개의 온도와 3개의 C-rate로 조합된 9개의 동작 환경에서의 리튬이온 배터리의 SOC에 따른 파라미터들을 추출하였다. 각각의 동작 환경에서 리튬이온 배터리의 파라미터들을 정확하게 추출하기 위하여 다음과 같은 순서로 실험을 진행하였다. 먼저 항온 챔버를 사용하여 설정한 외기 온도에서 배터리를 유지하였으며 완전 방전 후 완전 충전을 1 Cycle 진행하여 배터리 초기화를 하였다. 다음으로 휴지기간을 충분히 준 후 완전 충전에서 완전 방전이 될 때까지 펄스 방전 전류를 이용하여 SOC를 5%씩 방전시켰다. 5%씩 방전이 끝나면 휴지기간을 1시간 두어 배터리를 안정화하였다. Fig. 3과 같은 배터리 전압과 전류 파형으로부터 각 SOC 구간에서의 배터리 파라미터들을 추출하였다.

Table 1. Specification of Samsung INR21700-50E

Battery

INR21700-50E

Standard Capacity

4900mAh

Charging Voltage

4.2V

Nominal Voltage

3.6V

Cutoff Voltage

2.5V

Fig. 4. Battery testing equipment and experiment environment

../../Resources/kiiee/JIEIE.2022.36.12.024/fig4.png

3.2 C-rate와 외기 온도에 따른 배터리 파라미터 평균 변화 분석

배터리의 파라미터들은 배터리 잔존용량(SOC)에 따라서 다른 값을 가지게 되며 C-rate와 외기 온도에 따라서 변하게 된다[12, 13]. 그러나 배터리 잔존용량과 노후화를 추정하는 알고리즘에서는 일반적으로 전체 SOC 구간에서의 배터리 파라미터들의 평균값이 사용된다. 따라서 본 논문에서는 C-rate와 외기 온도에 따른 배터리 파라미터들의 전반적인 변화를 분석하고자 각 실험조건에서 전체 SOC 구간에서의 배터리 파라미터들의 평균값을 계산하였다. Fig. 5는 0°C, 25°C, 45°C의 외기 온도(T)와 0.5C-rate, 1C-rate, 2C-rate의 방전전류(C-rate)가 중첩되는 9개의 배터리 실험조건에서 배터리 파라미터들의 변화를 3차원 그래프로 나타낸 그림이다. Table 2Table 3은 각각 Fig. 5에서 온도와 C-rate에 따른 파라미터들의 최대 편차를 나타낸다.

Table 2. Maximum deviation of parameters at 0, 25, and 45℃

Parameter

T

Maximum Deviation

$R_{i}$(Ω)

0℃

0.0029

25℃

0.0001

45℃

0.0001

R$_{d}$(Ω)

0℃

0.0537

25℃

0.0354

45℃

0.0322

$C_{d}$(F)

0℃

6682

25℃

12533

45℃

17924

Table 3. Maximum deviation of parameters at 0.5, 1, and 2C-rate

Parameter

C-rate

Maximum Deviation

$R_{i}$(Ω)

0.5C-rate

0.015

1C-rate

0.0148

2C-rate

0.012

R$_{d}$(Ω)

0.5C-rate

0.0421

1C-rate

0.0296

2C-rate

0.0206

$C_{d}$(F)

0.5C-rate

23506

1C-rate

15362

2C-rate

12264

Fig. 5. Average values of parameters over the entire SOC range at each C-rate and temperature

../../Resources/kiiee/JIEIE.2022.36.12.024/fig5.png

Fig. 5(a)는 내부저항 Ri의 변화를 나타낸 그래프이다. 0°C에서 C-rate가 증가하면 Ri의 평균값은 감소하였으며 C-rate에 따른 Ri의 평균값의 최대편차는 0.0029Ω으로 매우 작았다. 또한 25°C와 45°C에서 C-rate에 따른 Ri의 변화는 없었다. 반면에 Ri는 상대적으로 외기 온도에 의해 영향을 크게 받았다. Ri의 평균값은 외기 온도가 감소하였을 때 증가하며 작은 C-rate에서 외기 온도에 의한 감소폭이 컸다. 0.5C에서 0°C의 Ri의 평균값은 45°C에 비하여 61.6% 증가하였다.

Fig. 5(b)는 확산저항 Rd의 변화를 나타낸 그래프이다. 2C에서 0.5C까지 C-rate가 감소할 때 Rd의 평균값은 증가하였으며 외기 온도가 높을수록 C-rate에 의한 Rd의 증가 폭이 커졌다. 0.5C의 Rd의 평균값은 2C와 비교하여 133.3%∼164%로 증가하였다. 또한, Rd는 C-rate뿐만 아니라 외기 온도에 따라서도 평균값이 변하였으며 외기 온도가 낮을수록 Rd의 평균값은 증가하였다. 특히, 큰 C-rate에서 외기 온도에 따른 Rd의 평균값이 많이 변하였다. 2C에서 0°C의 Rd의 평균값은 45°C와 비교하여 104.6% 증가하였다. 위 실험 결과로부터 확산저항 Rd는 C-rate와 외기 온도 모두에서 임피던스의 변화가 일어났으며 외기 온도보다는 C-rate의 영향이 다소 큰 것으로 분석되었다.

Fig. 5(c)는 확산커패시터 C$_{d}$의 변화를 나타낸 그래프이다. 2C에서 0.5C까지 C-rate가 감소할 때 C$_{d}$의 평균값은 증가하였으며 낮은 외기 온도에서 C-rate에 따른 C$_{d}$의 증가 폭이 커졌다. 0.5C의 C$_{d}$의 평균값은 2C와 비교하여 105.4%∼140.8% 증가하였다. 또한, C$_{d}$는 C-rate뿐만 아니라 외기 온도에 따라서도 평균값이 변하였다. 외기 온도가 높을수록 C$_{d}$의 평균값은 증가하였으며 높은 C-rate에서 외기 온도에 따른 C$_{d}$ 평균값의 증가 폭이 커졌다. 2C에서 45°C의 C$_{d}$의 평균값은 0°C와 비교하여 258.5% 증가하였다. 다른 파라미터들과 비교하였을 때 C$_{d}$는 외기 온도에 따라서 평균값이 가장 크게 변하였다. 위 실험 결과로부터 확산커패시터 C$_{d}$는 C-rate와 외기 온도 모두에서 임피던스의 변화가 일어났으며 C-rate보다는 외기 온도의 영향이 더 큰 것으로 분석되었다.

Fig. 5로부터 C-rate가 증가할수록 모든 배터리 파라미터들은 임피던스의 크기가 감소하였으며 외기 온도가 증가할수록 Ri와 Rd은 감소하였으나 C$_{d}$는 증가하였다. 외기 온도에 의한 영향을 가장 많이 받는 파라미터는 확산커패시터 C$_{d}$였으며 C-rate에 의한 영향은 확산저항 Rd가 가장 컸다. 내부저항 Ri은 다른 파라미터들에 비해서 상대적으로 외기 온도에 의한 영향은 적었으며 C-rate에 의해서는 거의 변화가 없었다.

3.3 각 SOC 구간에서 C-rate와 외기 온도에 따른 배터리 파라미터 분석

본 장에서는 각 SOC 구간에서 배터리 파라미터들이 C-rate와 외기 온도에 따른 변화를 분석하였다. 배터리 파라미터들은 각 동작 조건에서 5% SOC 간격으로 추출되었으며 이를 이용하여 Fig. 6에서는 10% SOC마다 파라미터들의 값을 3차원 그래프로 나타내었다. Table 46Fig. 6에서 SOC 100%, 50%, 10%의 지점에서 각 C-rate와 외기 온도에서의 R$_{i}$, R$_{d}$, C$_{d}$를 나타낸다.

Fig. 6. Changes of battery parameters according to C-rate and temperature at each SOC: (a) R$_{i}$ at SOC 100% ∼50%; (b) R$_{i}$ at SOC 50%∼0%; (c) R$_{d}$ at SOC 100%∼50%; (d) R$_{d}$ at SOC 50%∼0%; (e) C$_{d}$ at SOC 100%∼50%; (f) C$_{d}$ at SOC 50%∼0%

../../Resources/kiiee/JIEIE.2022.36.12.024/fig6.png

Table 4. $R_{i}$ according to C-rate and temperature at SOC 100%, 50%, and 10%

PAR

SOC

T

C-rate

0.5C

1C

2C

$R_{i}$(Ω)

100%

0℃

0.0382

0.0259

0.0240

25℃

0.0378

0.0263

0.0241

45℃

0.0354

0.0260

0.0242

50%

0℃

0.0383

0.0256

0.0237

25℃

0.0380

0.0258

0.0238

45℃

0.0359

0.0256

0.0239

10%

0℃

0.0405

0.0275

0.0249

25℃

0.0402

0.0275

0.0249

45℃

0.0374

0.0273

0.0249

Table 5. $R_{d}$ according to C-rate and temperature at SOC 100%, 50%, and 10%

PAR

SOC

T

C-rate

0.5C

1C

2C

R$_{d}$(Ω)

100%

0℃

0.0775

0.0484

0.0429

25℃

0.0507

0.0302

0.0258

45℃

0.0326

0.0187

0.0161

50%

0℃

0.0771

0.0428

0.0376

25℃

0.0533

0.0297

0.0252

45℃

0.0367

0.0202

0.0175

10%

0℃

0.1502

0.1124

0.1023

25℃

0.1140

0.0708

0.0605

45℃

0.0641

0.0478

0.0381

Table 6. $C_{d}$ according to C-rate and temperature at SOC 100%, 50%, and 10%

PAR

SOC

T

C-rate

0.5C

1C

2C

$C_{d}$(F)

100%

0℃

7216

21597

26274

25℃

4181

15205

19840

45℃

1716

10367

13882

50%

0℃

12082

29112

36827

25℃

8653

19591

24969

45℃

5691

13834

18013

10%

0℃

9452

16674

18361

25℃

6489

11627

13595

45℃

2432

7798

9038

Fig. 6(a)(b)는 10%의 SOC 구간마다 C-rate와 외기 온도에 따라 변화하는 내부저항 Ri를 나타낸 그래프이다. Fig. 6(a)에서 보듯이 100%∼50%의 SOC 구간들에서는 C-rate에 따라서 Ri의 변화가 거의 없으며 외기 온도의 경우 45°C∼25°C에서 Ri의 변화는 거의 없으며 25°C∼0°C에서 Ri가 증가하였다. 이 들 구간에서는 SOC에 의한 Ri의 변화는 거의 없었다. Fig. 6(b)의 50%∼0%의 SOC 구간들에서 Ri는 앞서 Fig. 6(a)에서 설명과 유사한 변화양상을 보였다. 그러나 이 구간에서는 SOC가 감소할수록 Ri가 조금씩 증가한 것을 볼 수 있다. Fig. 6(a)(b) 모두에서 25°C∼0°의 외기 온도에서 온도가 감소하면 Ri가 크게 증가하였다.

Fig. 6(c)(d)는 10%의 SOC 구간마다 C-rate와 외기 온도에 따라 변화하는 확산저항 Rd를 나타낸 그래프이다. Fig. 6(c)에서 보듯이 100%∼50%의 SOC 구간들에서는 외기 온도와 C-rate가 감소할수록 Rd는 증가하였다. SOC에 의해서는 경향을 보이지 않았으며 80%의 SOC에서 Rd는 가장 큰 값을 가졌다. Fig. 6(d)는 50%∼0%의 SOC 구간들에서 C-rate와 외기 온도에 의한 Rd의 변화를 나타낸다. Rd는 앞서 Fig. 6(c)에서 설명한 것과 같이 유사한 양상을 보였다. 그러나 이 구간에서는 SOC가 감소할수록 Rd가 증가하였다.

Fig. 6(e)와 (f)는 확산커패시터 C$_{d}$를 나타낸 그래프이다. 전체 SOC 구간에서 C$_{d}$는 C-rate가 감소하고 외기 온도가 높아질수록 증가하였으며 C-rate에 비하여 외기 온도에 의한 변화가 컸다. 10%와 100%의 SOC끝 구간에서는 다른 구간들에 비하여 상대적으로 C-rate와 외기 온도에 의한 C$_{d}$의 변화가 작았다가 감소함에 따라서 크게 증가하였다. Rd는 각 SOC 구간마다 C-rate에 의한 변화의 정도가 달랐으며 그 결과 0.5C에서 각 SOC 구간의 Rd들 간 편차가 가장 크게 발생하였다. C$_{d}$는 각 SOC 구간마다 외기 온도가 높아짐에 따라서 증가하는 정도가 달랐으며 그로 인해 45°C에서 각 SOC 구간의 C$_{d}$들 간 편차가 컸다.

본 논문에서는 C-rate와 외기 온도에 의해서 변하는 배터리 파라미터들의 평균값과 각 SOC 구간에서의 특징을 분석함으로써 배터리의 잔존용량과 수명 그리고 상태를 추정할 수 있는데 도움이 되는 의미 있는 정보를 제공하였다.

4. 결 론

본 논문에서는 3개의 C-rate(0.5C-rate, 1C-rate, 2C-rate)와 3개의 온도 조건(0°C, 25°C, 45°C)으로 9개의 동작 환경을 조합하였으며 각 동작 환경에서 배터리 파라미터를 추출하고 이를 3차원 그래프를 이용하여 분석하였다. 우선 C-rate와 외기 온도에 따른 배터리 파라미터들의 변화 정도를 분석하고자 각 실험조건에서 전체 SOC 구간에서의 배터리 파라미터들의 평균값을 계산하였다. 실험 결과 C-rate가 증가할수록 모든 배터리 파라미터들은 감소하였다. 또한, 외기 온도가 증가할수록 내부저항(R$_{i}$)와 확산저항(R$_{d}$)은 감소하나 확산커패시터(C$_{d}$)는 증가하였다. 외기 온도와 C-rate에 의한 가장 영향을 많이 받는 파라미터는 각각 C$_{d}$와 Rd이었다. Ri은 다른 파라미터들과 비교하여 외기 온도에 대한 영향이 작으며 C-rate에 의한 영향은 거의 없다. 마지막으로 본 논문에서는 10% SOC 구간마다 C-rate와 외기 온도의 영향이 분석되었다. Ri는 외기 온도 25°C∼0°C에서 온도가 감소함에 따라서 크게 증가하였다. Rd는 각 SOC 구간마다 C-rate에 의한 변화의 정도가 달랐으며 그 결과 0.5C에서 각 SOC 구간의 Rd들 간 편차가 가장 크게 발생하였다. C$_{d}$는 각 SOC 구간마다 외기 온도가 높아짐에 따라서 증가되는 정도가 달랐으며 그로 인해 45°C에서 각 SOC 구간의 C$_{d}$들 간 편차가 컸다. 향후 본 연구결과를 이용하여 SOC 또는 SOH 알고리즘의 추정 정확도를 높이는 연구를 수행하고자 한다.

Acknowledgement

이 논문은 2020학년도 충북대학교 학술연구지원사업의 연구비 지원에 의해 연구되었음.

또한, 이 성과는 정부(과학기술정보통신부)의 재원으로 한국연구재단의 지원을 받아 수행된 연구임.(NRF-2022R1F1A1074667)

References

1 
Lee P. Y., Kim J. H., Choi Y. O., Kim C. J., 2017, Comparative Analysis of 18650 Lithium-Ion Cylindrical Cells for Electric Vehicle (EV) and Battery Energy Storage System (BESS), Journal of Advanced Engineering and Technology, Vol. 10, No. 1, pp. 131-137Google Search
2 
Nguyen V. H., Kim Y. H., 2018, Recent Advances in Cathode and Anode Materials for Lithium Ion Batteries, The Korean Society of Industrial and Engineering Chemistry, Vol. 29, No. 6, pp. 635-644DOI
3 
Lee S. K., Kim H. S., 2022, A Study on the Estimation of Air Flow Rate with Discharge Rate for an Air-cooled Lithium-ion Battery Pack Using CFD Simulation, Journal of The Korean Society Automotive Engineers, Vol. 30, No. 4, pp. 273-280Google Search
4 
Lee B. J., et al. , 2017, A Study on Explosion and Fire Risk of Lithium-Ion and Lithium-Polymer Battery, The Journal of Korean Institute of Communications and Information Sciences, Vol. 42, No. 4, pp. 855-863DOI
5 
Cho I. H., Kim D. Y., Lee B. H., 2018, Research on Technical Characteristics of Battery Management System for Railway Systems, Journal of the Korean Society for Railway, Vol. 21, No. 9, pp. 882-891Google Search
6 
Yoon B. J., Yoo S. Y., Seong S. M., 2019, Compensation Method of EKF Based on LSTM for Estimating State of Charge of Li-polymer Battery, Journal of The Korean Society Automotive Engineers, Vol. 27, No. 7, pp. 501-507Google Search
7 
Du C. Q., et al. , 2022., Research on Co-Estimation Algorithm of SOC and SOH for Lithium-Ion Batteries in Electric Vehicles, Electronics, Vol. 11, No. 2, pp. 181DOI
8 
Marracci M., Tellini B., 2018, Ageing Characterization of Li-Ion Batteries Discharged at High Pulse Current Rates, Proc. of 2018 IEEE 4th International Forum on Research and Technology for Society and IndustryDOI
9 
Yoon C. O., Kim J. H., Moon E. A., Kim K. H., 2017, Lifetime Prediction and Internal Parameter Analysis of Lithium-Ion Cell for Spacecraft Application, Journal of Advanced Engineering and Technology, Vol. 10, No. 1, pp. 17-22Google Search
10 
Ma S., et al. , 2018, Temperature Effect and Thermal Impact in Lithium-ion Batteries: A Review, Progress in Natural Science: Materials International, Vol. 28, No. 6, pp. 653-666DOI
11 
Lee J. H., Kim S. B., Oh S. K., Song S. H., 2020, A Study on Battery Simulator Including Aging and Dynamic Impedance Model, The Transactions of The Korean Institute of Power Electronics, Vol. 25, No. 3, pp. 171-180DOI
12 
Han H. C., Noh T. W., Lee B. K., 2019, Analysis of Equivalent Circuit Model Parameter Change Tendency Based on C-rate of NMC Battery, Proc. of 2019 IEEE Transportation Electrification Conference and Expo, Asia-PacificDOI
13 
Diab Y., Auger F., Schaeffer E., Wahbeh M., 2017., Estimating Lithium-Ion Battery State of Charge and Parameters Using a Continuous-Discrete Extended Kalman Filter, Energies, Vol. 10, No. 8, pp. 1075DOI
14 
Kim Y. J., Baek S. H., Kwon Y. S., 2021, A Study on the Parameters Extraction Method of Cylindrical Lithium-ion Battery Cell for Electric Vehicles, Journal of Korea Academia-Industrial cooperation Society, Vol. 22, No. 10, pp. 609-618Google Search

Biography

Hyeong-Wook Park
../../Resources/kiiee/JIEIE.2022.36.12.024/au1.png

Since 2015, He has been B.S. degree in Electric Engineering from Chungbuk National University. His research interests include power converters, inverters and battery management system.

Jae-Hyung Lee
../../Resources/kiiee/JIEIE.2022.36.12.024/au2.png

He received the B.S. degree in the Department of Electronic Engineering from Daegu University in 2021. He is currently pursuing the M.S. degree in electrical engineering at Chungbuk National University. His research interests include power converters, inverters and battery management system.

Yeon-Ho Choi
../../Resources/kiiee/JIEIE.2022.36.12.024/au3.png

He received the B.S. degree in electrical engineering from Chungbuk National University in 2022, where he is currently pursuing the M.S. degree in electrical engineering. His research interests include power converters, inverters and battery management system.

Sung-Jae Son
../../Resources/kiiee/JIEIE.2022.36.12.024/au4.png

He received the B.S. degree in the Department of Electronic Engineering from Daegu University in 2021. He is currently pursuing the M.S. degree in electrical engineering from Chungbuk National University. His research interests include power converters, inverters and battery management system.

Jae-Jung Yun
../../Resources/kiiee/JIEIE.2022.36.12.024/au5.png

He received the Ph.D. degree in electric engineering from Pohang University of Science and Technology in 2012. After graduation, he joined the Samsung Advanced Institute of Technology, Suwon, South Korea, where he worked on developing power conversion systems for electric vehicles and renewable energy. From 2014 to 2020, he was an assistant professor with the department of electrical engineering, Daegu University, Gyeongsan, South Korea. Since 2020, he has been an assistant professor in school of electrical engineering from Chungbuk National University. His research interests include power converters, wireless power transfer, and battery management system.