UNIST, 리튬이온배터리 상태 진단 모델 개발

김동혁·최윤석·임한권 교수팀
부분 데이터 활용...다양한 양극재에 적용 가능

UNIST 연구진(뒷줄 왼쪽부터 시계방향으로 서동화 교수, 최윤석 교수, 김동혁 교수, 박서정 연구원, 이현준 연구원)

UNIST(총장 이용훈)는 김동혁·최윤석 에너지화학공학과 교수팀과 임한권 탄소중립대학원 교수팀이 리튬이온배터리 건강상태 진단 모델인 '리튬이온 배터리 평가를 위한 딥러닝 기반 그래픽 접근법(D-GELS)'을 개발했다고 6일 밝혔다.

'D-GELS'는 전압, 전류, 온도 등 충·방전에 따른 데이터 변화를 학습하고, 도출한 충·방전 데이터를 시각화해 배터리 현재 상태를 진단한다. LFP(리튬·인산·철), NCA(니켈·코발트·알루미늄), NMC(니켈·코발트) 등 리튬이온배터리 3개 양극재에 적용할 수 있다.

D-GELS를 이용한 리튬이온배터리 건강 상태 진단 구조. 3가지 양극재에서 얻은 전압, 전류, 온도 데이터를 이미지로 변환해 건강상태를 진단하는 모델이다.

연구진이 D-GELS로 예측한 배터리 건강상태는 기존 진단 모델보다 정확했다. 부분 충·방전 데이터를 기존 충·방전 데이터 형태로 복원해 진단 정확도를 높였다. 연구진이 각각 12.5%, 25%, 50%, 75% 손실된 충·방전 데이터를 기존 충·방전 데이터로 복원해 상태를 진단한 결과, 높은 정확도를 나타냈다.

손실된 충·방전 데이터의 크기가 클수록 진단 정확도는 떨어지고, 리튬이온배터리 상태 진단 결과는 초기 방전 데이터의 영향을 많이 받는다는 것도 확인했다.

이번 연구성과를 담은 논문은 국제학술지 '머티리얼스 호라이즌스' 2월호에 실렸다.

공동 제1저자 이현준 UNIST 에너지화학공학과 박사는 “부분 충·방전 데이터로 배터리를 진단하면 폐배터리 재활용에 필요한 많은 시간과 비용을 절감할 수 있다”며 “새로운 배터리 진단 접근법이고 충·방전 조건에 제한없이 적용 가능한 범용 모델”이라고 말했다.

울산=임동식기자 dslim@etnews.com