The battery management system (BMS) is a system that increases the safety and efficiency of the battery by estimating the state of the battery, predicting battery life and performance, and maintaining the battery in an optimal state. Among the roles of BMS, prediction of the peak current of the battery is a factor closely related to the safety of the battery. In addition, real-time prediction of the peak current is an important factor in determining and responding to whether or not the power demand required by the device being used is met. However, the traditional methods use the peak current experimentally designed and use an equivalent circuit model(ECM) This methods don’t predict the battery’s transient characteristics and internal factors and limit the output to operate safely in most states. There is a problem in that it cannot use battery full potential. In addition, it does not consider the time that the predicted peak current can be maintained, but only deals with the instantaneous peak current. In order to solve this problem, it is necessary to predict the peak current in consideration of the transient characteristics of the battery and internal factors, but it is a difficult problem due to the complexity of the internal characteristics of the battery.
This research develops a real-time electrochemical model with excellent accuracy even when high and dynamic currents are used by using the lithium-ion concentration, which is an internal factor of the battery. The mechanical stress of the electrode is derived through the relationship with the lithium-ion concentration. The mechanical stress in the electrode is derived by using the relationship between the lithium-ion concentration and the mechanical stress. The mechanical stress is used to predict the time when active material fracture, one of the causes of power and capacity loss will occur. Using the predicted value, the available peak current and duration time are simultaneously predicted. Through this research, it will play an important role in suggesting an optimal charging and discharging strategy that can maximize performance while minimizing mechanical damage to the battery
배터리 관리 시스템은 배터리 상태 추정 및 배터리 수명과 성능을 예측하며 배터리를 최적 상태로 유지시켜 배터리의 안전성과 효율성을 높이는 시스템이다. 배터리 관리 시스템의 역할 중 배터리의 최대 전류에 대한 예측은 배터리의 안전성과 직결된다. 또한 최대 전류의 실시간 예측은 사용하는 장치에서 요구되는 전력 수요를 충족하는지 여부를 파악하고 대응하는데 중요한 요소이다. 하지만 기존의 방법들은 실험적으로 설계된 최대 전류를 그대로 사용하거나, 등가 회로 모델을 이용함으로써 배터리의 시변하는 특성과 내부 요소를 고려하지 않고 예측한다. 이러한 방법들은 대부분의 상태에서 안전하게 동작하도록 출력 제한을 함으로써 배터리의 성능을 최대로 끌어내지 못하는 문제가 발생한다. 또한 최대 전류의 지속 가능한 시간에 대해서도 고려하지 않고 순간 최대 전류에 대해서만 다루고 있다. 이러한 문제를 해결하기 위해 배터리의 시변하는 특성과 내부 요소를 고려하여 최대 전류를 예측하는 것이 필요하지만 배터리 내부 특성의 복잡함으로 인하여 어려운 문제이다.
본 연구는 배터리의 내부 요소인 리튬이온농도를 이용하여 높고 동적인 전류를 입력해도 우수한 정확도를 가진 전기화학 실시간 모델을 개발하였다. 또한 모델의 리튬이온농도와 기계적 응력간의 관계를 이용하여 전극 내 기계적 응력을 유도한다. 유도한 기계적 응력을 사용해 전력 및 용량 손실의 원인 중 하나인 활물질 파괴가 일어나는 시점을 예측한다. 예측한 값을 사용하여 이용 가능한 최대 전류와 지속 시간을 동시에 예측한다. 위 연구를 통해 배터리의 기계적 손상을 최소화하면서 성능을 최대로 끌어낼 수 있는 최적의 충, 방전 전략을 제시하는데 중요한 역할을 할 것이다.
