서강대학교 전자공학과

김홍석 교수 연구팀,

에너지 분야 국제 저명 저널 Applied Energy 논문 게재

▲ (왼쪽부터) 전자공학과 김홍석 교수, 전지훈 석박통합과정, 천호진 석박통합과정

전자공학과 전지훈 석박통합과정(지도교수 김홍석)의 논문이 에너지 분야 국제 저명 저널인 Applied Energy(2024년 기준 JCR Impact Factor 10.1, 상위 6.1%)에 게재 승인되었다.

해당 논문은 실제 운행 중인 에너지 저장 시스템(Energy Storage System, ESS) 데이터를 활용해서 전기화학적 모델과 딥러닝 모델을 동시에 고려하여 배터리의 상태를 진단한다. 실제 운행 중인 ESS에 발생하는 화재나 폭발과 같은 사고는 큰 금전적, 인명적 손실을 초래하기에 사전에 문제가 발생하기 전에 ESS 구성요소인 모듈의 이상을 판별하는 것이 매우 중요한 목표이다.

본 논문에서 딥러닝 모델과 전기화학 모델을 활용하여 배터리의 본질적 특성을 포착하고 상호보완적인 관점에서 배터리의 상태를 진단한다. 먼저 디노이징 오토인코더를 활용하여 배터리의 고장 데이터가 없는 환경을 극복하고 잠재 공간 분류 방법으로 이상 모듈을 탐지한다. 둘째로 전통적인 용량 증분 분석을 재해석하여 실시간 ESS 운용에 적합하도록 전압 증분 분석 방법을 제안한다. 이후 앞서 활용된 디노이징 오토인코더와 전압증분 분석을 공동으로 고려하여 ESS의 이상 배터리 모듈을 탐지하고 정량화한다. 구체적으로, 비지도 학습 기반 이상 분류 알고리즘(One Class Support Vector Machine, OCSVM)과 정규화 변환된 표준점수(Transformed Z-score)를 활용하여 이상 배터리 모듈을 판별하고, 이상치를 정량화한다.

제안된 프레임워크는 실제 운행중인 ESS 배터리를 활용하여 두 상보적인 관점에서 배터리를 분석하고 이상 모듈 판별 및 정량화로 안전한 배터리 운용을 가능하게 한다.

▶ 논문명 : ProADD Practive Battery Anomaly Dual Detection Leveraging Denoising Convolutional Autoencoder and Incremental Voltage Analysis

▶ 저널명 : Applied Energy(IF 10.1, JCR 상위 6.1%)

▶ 저자명 : 전지훈(서강대학교), 천호진(서강대학교), 정병일(두산에너빌리티), 김홍석(서강대학교)