UNIST, 리튬이온배터리 상태진단모델 개발…국제적 주목

기사내용 요약
김동혁·최윤석·임한권 교수팀, 부분 데이터 활용
다양한 양극재에 적용 가능

[울산=뉴시스] <위> 왼쪽부터 서동화 교수, 최윤석 교수, 김동혁 교수 <아래> 왼쪽부터 제1저자 이현준 연구원, 제1저자 박서정 연구원 *재판매 및 DB 금지

[울산=뉴시스]구미현 기자 = 울산과학기술원(UNIST)은 에너지화학공학과 김동혁·최윤석 교수, 탄소중립대학원 임한권 교수팀이 리튬이온배터리 건강상태를 진단할 수 있는 모델을 개발했다고 6일 밝혔다.

연구진은 인공지능 분야의 딥러닝 모델을 기반으로 ‘리튬이온 배터리 평가를 위한 딥러닝 기반 그래픽 접근법(D-GELS)’ 모델을 개발했다.

D-GELS 모델은 전압, 전류, 온도 데이터를 RGB 값으로 변환해 이미지를 생성한다. 이번 모델은 LFP(리튬·인산·철) 배터리, NCA(니켈·코발트·알루미늄) 배터리, NMC(니켈·코발트) 배터리 등에 적용 가능하다는 특징을 보인다.

D-GELS에서 예측한 배터리 건강 상태 값의 정확도를 보여주는 지표로써 평균 제곱근 오차값을 활용했다. 그 값은 0.0088로 확인됐다.

또 부분 충·방전으로 손실된 데이터를 D-GELS 모델을 활용하면 완전히 충·방전된 데이터로 복원해 배터리의 건강 상태를 진단할 수 있다. 연구팀은 각각 12.5%, 25%, 50%, 75% 손실된 충·방전 데이터를 기존 충·방전 데이터로 복원해 건강 상태를 진단했다.

부분 충·방전 데이터를 이용해 배터리 건강 상태를 진단한 최초의 연구 결과임에도 불구하고 높은 정확도를 확인했다.

[울산=뉴시스] 전압, 전류, 온도 데이터를 이미지로 변환한 예시 *재판매 및 DB 금지

이번 연구에서는 손실된 충·방전 데이터의 크기가 커질수록 진단 정확도는 낮아지는 것을 확인했다. 또한 초기 방전 데이터가 손실됐을 경우 평균 제곱근 오차 값이 증가하는 경향을 확인했다. 이를 통해 리튬이온배터리의 건강 상태를 진단하기 위해선 초기 방전 데이터의 영향이 크다는 것을 확인할 수 있었다.

공동 제1저자인 이현준 UNIST 에너지화학공학과 박사는 “부분 충·방전 데이터를 사용해 배터리를 진단할 수 있다면 추후 폐배터리를 재활용하기 전 진단할 때 많은 시간과 비용을 절감할 수 있을 것이다”며 “향후 다양한 분야에 확대 적용할 수 있는 기반을 제공했다”고 전했다.

산업통상자원부과 방위사업청의 지원으로 수행된 연구다. 국제학술지 ‘머티어리얼스 호라이즌스(Materials Horizons)’ 2월호로 출판됐다.

☞공감언론 뉴시스 gorgeouskoo@newsis.com