earticle

영어

Lead-acid Battery is the oldest rechargeable battery system and has maintained its position in the rechargeable battery field. The battery causes thermal runaway for various reasons, which can lead to major accidents. Therefore, preventing thermal runaway is a key part of the battery management system. Recently, research is underway to categorize thermal runaway battery cells into machine learning. In this paper, we present a thermal runaway hazard cell detection and verification algorithm using DBSCAN and statistical method. An experiment was conducted to classify thermal runaway hazard cells using only the resistance values as measured by the Battery Management System (BMS). The results demonstrated the efficacy of the proposed algorithms in accurately classifying thermal runaway cells. Furthermore, the proposed algorithm was able to classify thermal runaway cells between thermal runaway hazard cells and cells containing noise. Additionally, the thermal runaway hazard cells were early detected through the optimization of DBSCAN parameters using a grid search approach.

한국어

납축전지는 가장 오래된 충전식 배터리 시스템으로 현재까지 충전식 배터리 분야에서 자리를 지키고 있다. 이 배터리는 다양한 이유로 열폭주 현상이 생기는데 이는 큰 사고로 이어질 가능성이 있다. 그렇기 때문에 열폭주 현상을 예방하는 것은 배터리 관리 시스템의 핵심부분이다. 최근에는 열폭주 위험 배터리 셀을 기계학습으로 분류하는 연구가 진행 중이다. 본 논문에서는 비지도학습인 DBSCAN 클러스터링과 통계적 방법을 사용하여 열폭주 위험 셀 탐지 및 검증 알고리즘을 제안하였다. BMS에서 측정한 lead-acid 배터리의 저항 값만을 사용하여 열폭주 위험 셀 분류 실험을 진행하였고 본 논문에서 제안한 알고리즘이 열폭주 위험 셀을 정확히 검출해 냄을 보여주었다. 또한 본 논문에서 제안한 알고리즘을 사용하여 배터리 내 열폭주 위험이 있는 셀과 노이즈가 심한 셀을 분류할 수 있었으며 그리드 서치를 통한 DBSCAN 파라미터 최적화를 통해 열폭주 위험 셀을 초기에 검출해 낼 수 있었다.