|
|
이번 논문 “Functional Modeling of Lithium-Ion Battery Degradation for Enhanced Capacity Prediction(배터리 용량 예측 향상을 위한 리튬이온 배터리 열화의 함수형 모델링)”은 리튬이온 배터리의 성능 저하를 정밀하게 예측하기 위한 통계 기반 분석 프레임워크를 제안했다. 연구팀은 배터리 충·방전 시 발생하는 전압 데이터를 단순 수치가 아닌 연속적인 함수 형태로 변환해 분석하는 함수형 데이터 분석(Functional Data Analysis, FDA) 기법을 적용했다. 이는 기존 시계열 중심 딥러닝 방식이 포착하기 어려웠던 전압 곡선의 형태 정보와 미세한 열화 패턴을 효과적으로 분석했다는 평가를 받는다. 특히 연구팀은 NASA(미항공우주국) 배터리 12종과 옥스퍼드 배터리 8종 등 공개 데이터셋을 활용해 모델 성능을 검증했다. 분석 결과 제안된 모델은 기존 딥러닝 기반 예측 모델보다 높은 예측 정확도와 안정성을 나타냈다. 배터리 열화 과정에서 일시적으로 용량이 회복되는 용량 회복 현상(capacity regeneration)과 같은 비선형적 특성도 효과적으로 반영해 기술적 완성도를 높였다. 연구에서는 함수형 선형 회귀(FLR) 모델을 적용해 순환신경망(RNN), 장단기 메모리(LSTM), 게이트 순환 유닛(GRU) 등 기존 모델과 비교 분석을 수행했다. 그 결과 복잡한 구조나 별도의 특징 추출 과정 없이도 우수한 해석력과 예측 성능을 동시에 확보했음이 입증됐다. 이번 연구는 서울여대 데이터사이언스학과 안경민 교수 연구팀과 공동으로 수행됐다. 이도윤 연구원은 제1저자로 참여해 모델 설계와 데이터 분석 전반을 주도했으며, 핵심적인 연구 성과 도출에 기여했다. 이도윤 연구원은 “배터리 데이터를 함수 형태로 해석해 기존 방법으로 포착하기 어려웠던 열화 특성을 반영할 수 있었다”며, “이번 연구가 배터리 관리 시스템(BMS)의 신뢰성을 높이고 에너지 저장 장치의 안전성 향상에 기여하길 기대한다”고 말했다. 한편, 이번 연구는 한국연구재단 석사과정생 연구장려금 지원사업과 서울여자대학교의 지원을 통해 수행됐다.
|
