AI 기반 ESS 진단 보정 및 복원 실증 연구

• 영문명: AI-Based Calibration and Restoration Study for ESS Diagnostics
• 발행기관: 한국스마트미디어학회
• 저자명: 박주훈(Ju-Hoon Park) 윤봉식(Bong Shik Yun) 이경일(Kyung-Il Lee)
• 간행물 정보: 『스마트미디어저널』제14권 제11호, 174~181쪽, 전체 8쪽
• 주제분류: 공학 > 컴퓨터학
• 파일형태: PDF
• 발행일자: 2025.11.28

국문 초록

본 논문은 에너지저장장치(ESS) 셀의 열화 진단 정밀도 향상과 복원 가능성 검증을 위해 인공지능 기반 3차 다항 보정모델을 구축하고, 리밸런싱·활성화 충방전·제한조건 사이클링을 포함한 복원 절차를 실증하였다. 특히 본 논문은 스마트농업 현장에 도입된 ESS 및 재생에너지 기반 농업설비에 응용 가능하도록 설계되었으며, 농업용 센서·IoT 기반 제어시스템에서 요구되는 배터리 효율성과 관리손실 감소를 목표로 한다. 실험은 히오키 기준 측정기와 자체 개발한 진단기를 병렬로 연결하여 전압, 전류, 온도, 내부저항 데이터를 1초 간격으로 수집하였으며, 13mΩ의 오프셋을 반영한 보정식을 적용해 측정 오차를 최소화하였다. AI 다항 보정모델은 다양한 폴리머형과 원통형 셀에서 평균 ±10% 이내의 저항 추정 오차를 보였으며, 결정계수는 0.91, RMSE는 0.0107로 나타났다. 복원 실험 결과 셀의 상태지수는 평균 68.6%에서 88.3%로 약 19.7%포인트 향상되었고, 충방전 효율은 90% 이상을 유지하였다. 이 결과는 UL 1974 제2판과 IEC 62933-2-1이 제시한 진단정확도 95% 및 RUL 예측 ±5% 성능 기준을 충족하였다. 본 논문은 셀 단위 진단–보정–복원 전주기 모델을 제시함으로써 기존 BMS 기반의 시스템 진단 한계를 극복하고, 스마트농업 및 ESS 재사용 영역에서 비용 절감과 안전성 향상에 기여할 수 있는 데이터 중심의 표준화 모델을 제안하였다.

영문 초록

This study develops and verifies a cubic polynomial calibration model based on artificial intelligence to improve diagnostic accuracy and restoration capability for ESS cells. The design specifically targets integration in smart agriculture systems, where battery efficiency and management loss reduction play critical roles. Parallel measurements using a HIOKI reference and an in-house diagnostic device recorded voltage, current, temperature, and internal resistance every second, applying a 13 mΩ offset correction to reduce error. The AI model achieved an average resistance estimation error within ±10 percent, with R² of 0.91 and RMSE of 0.0107, across both polymer and cylindrical cells. Restoration improved the state of health from 68.6 to 88.3 percent and maintained charge-discharge efficiency above 90 percent, meeting UL 1974 and IEC 62933-2-1 standards for diagnostic accuracy and RUL prediction. By integrating cell-level diagnosis, calibration, and restoration into a unified workflow, this study overcomes the limitations of conventional BMS-based diagnostics and establishes a data-driven standardization framework that reduces second-life ESS reuse costs and enhances safety and energy efficiency in smart agriculture and energy storage applications.

목차

Ⅰ. 서론

Ⅱ. 관련연구

Ⅲ. 연구 방법론

Ⅳ. 실험 결과 분석 및 고찰

Ⅴ. 결론

키워드

에너지저장장치 보정알고리즘 셀진단 배터리복원 스마트농업 예측 진단 Energy Storage System Calibration Algorithm Battery Restoration Smart Agriculture RUL Prediction