◆ 행사안내
친환경 에너지에 대한 요구 증대와 고유가로 인한 고연비 이동 수단이 확대되면서 EV, PHEV, HEV, E-Bike, E-Scooter 등이 인기를 더해 가면서 기존의 납축전지나 Ni-MH에서 고성능, 고출력, 경중량 및 장수명 특성이 있는 리튬이온배터리로 전환된 가운데, 비정상적인 상황에서 발화 및 폭발의 위험성이 점점 더 사회문제가 되고 있다. 이러한 안전성과 셀 밸런스를 위해서 필수적인 시스템으로 배터리 관리 시스템(Battery Management System; BMS)이 등장하게 되었다.
BMS는 셀 밸런싱, 과충전 및 과방전 방지, 충전 제어, 온도 관리 등 다양한 환경 조건에서 배터리 수명을 최대화하고 안전과 성능을 보장하는 시스템이며, 최근에는 BMS를 더욱 효과적으로 개선하기 위한 AI 알고리즘 적용에 대한 관심이 증대되고 있다. BMS 보정 및 성능 향상을 위해 딥러닝(Deep learning) 모델이 도입되었고, 배터리의 시계열 데이터 예측을 위해 다양한 알고리즘이 사용되고 있으며, 배터리 이상(고장) 탐지를 위한 알고리즘도 활용되고 있다.
글로벌 시장 분석 업체 모도인텔리던스(Modor intelligence)에 따르면 글로벌 BMS 시장 규모는 2024년 93억 달러(약 13조 원)에서 해마다 4.85% 성장해 2029년 111억 달러(약 15조 원)에 이를 것으로 전망되며, 포춘 비즈니스 인사이트는 2032년에는 381억 달러(약 52조 원)까지 성장할 것으로 예상한다.
이번 교육은 ESS와 전동화 자동차 배터리 팩 등과 관련한 선도적 연구로 관련 기술의 발전을 견인하고 있는 ‘BMS 국내 1호 박사’ 충남대학교 김종훈 교수가 주관하여 차세대 AI BMS에 대한 폭 넓은 논의가 진행될 예정이다.
특히 BMS 개발 시 엔지니어들이 중요하게 고려해야 하는 아키텍쳐 설계부터 모델링, 시뮬레이션, 테스팅 및 검증 등의 전반적인 개발 프로세스에 대해 다룰 예정이며, BMS를 둘러싼 기본 기술은 물론, 최근의 deep learning, AI 연계형 차세대 기술, 무선 BMS 등 BMS 개발 환경에 대한 폭넓은 정보 공유가 이루어질 것으로 기대된다. BMS 전문 인력에 대한 수요가 갈수록 커지고 있는 가운데 이번 교육이 전문인력양성 기반의 초석이 되기를 바란다
▶ 주제 : 배터리 어플리케이션 최적 운용을 위한 BMS 설계 및 AI-BMS 전문가 과정
- Step 1: BMS 기반 배터리 상태추정 고도화 프로세스 구축 - 11/29(금)
- Step 2: AI 기반 차세대 BMS 소개 및 데이터 전처리 프로세스 구축 - 12/12(목)
- Step 3: AI 기반 수명예측/고장 진단 프로세스 구축 - 12/13(금)
▶ 일시 : 2024-11-29 / 2024-12-12 / 2024-12-13 (10:00-17:00)
▶ 장소 : 한국경제인협회 컨퍼런스센터 2층, 사파이어홀(여의도 소재)/ 온라인 홈페이지
▶ 주최 : 한국미래기술교육연구원
▶ 문의 : 02-545-4020 / kecft@kecft.or.kr
▶ 관련 등록 및 상세 페이지 :
STEP 1 - https://kecft.or.kr/shop/item20.php?it_id=1729335256
STEP 2 - https://kecft.or.kr/shop/item20.php?it_id=1729335512
STEP 3 - https://kecft.or.kr/shop/item20.php?it_id=1729335780
STEP(전과정) - https://kecft.or.kr/shop/item20.php?it_id=1729334916
▶ 주요 프로그램
Step 1: AI 연계형 차세대 BMS 기술
* 전기적 등가회로 모델 개발(실습)
- 실시간 코칭을 활용한 모델 개발 및 실습 리뷰(Matlab/Simulink 사용)
* SOC 진단(추정) 알고리즘(실습)
- SOC 진단(추정) 알고리즘 검증 및 최적화(Matlab/Simulink 사용)
* RLS 알고리즘 기반 전기적 등가회로 모델링 (실습)
- RLS 알고리즘을 활용한 전기적 등가회로 모델 실시간화(Matlab/Simulink 사용)
* SOH 진단(추정) 알고리즘(실습)
- SOH 진단(추정) 알고리즘 검증 및 최적화(Matlab/Simulink 사용)
* 배터리시스템 열화모델(실습)
- 열화모델 검증 및 최적화(Matlab/Simulink 사용)
Step 2: AI 기반 차세대 BMS 소개 및 데이터 전처리 프로세스 구축
* 인공 지능 연계형 차세대 BMS 기술
- BIg data 기반 BMS 고도화를 위한 인공지능 도입 필요성
- 다양한 인공지능 연계형 차세대 BMS 기술
* 인공지능 모델 구축을 위한 Data pre-processing
- 인공지능 적용을 위한 데이터 전처리 프로세스
- 배터리 열화데이터 분석 및 건전성 지표/특징 엔지니어링 방안
- 신호 해석을 통한 실험 데이터 분해 및 압축
* 수명 예측 알고리즘 설계를 위한 데이터 전처리 프로세스(실습)
- 수명 예측 알고리즘 개발을 위한 가상 환경 구성
- 배터리 수명 예측 알고리즘 Target Label 생성
- 수명 예측 알고리즘 설계를 위한 HI 추출
- 수명 예측 알고리즘 설계를 위한 특징 엔지니어링
- 인공지능 모델 입력/성능 향상을 위한 데이터 변환
- 수명 예측 알고리즘 학습을 위한 데이터 분할
* 고장 진단 알고리즘 설계를 위한 데이터 전처리 프로세스(실습)
- 고장 진단 알고리즘 개발을 위한 가상 환경 구성
- EIS 도출 원리 및 특성 실험 수행 프로세스
- 배터리 고장 진단 알고리즘 Target Label 생성
- RP 알고리즘 기반 EIS 이미지 패턴 변환
- 고장 진단 알고리즘 학습을 위한 데이터 분할
Step 3: AI 기반 수명예측/고장 진단 프로세스 구축
* 모델에 따른 인공지능 이론 소개
- 초기 인공신경망(Artificial neural network; ANN) 모델
- 배터리 도메인 적용 목적 딥러닝 알고리즘 – 시계열 예측/이상 탐지/고장 진단
- 배터리 딥러닝 알고리즘 최근 동향
* 배터리 최적 운용을 위한 수명 예측 알고리즘
- 인공지능 기반 배터리 수명 예측 알고리즘 개발 필요성
- 운용환경을 고려한 데이터 보완 및 수명예측 알고리즘 연구 사례
- EV 주행 환경을 고려한 실시간 SOH 추정 알고리즘 연구 사례
- 폐배터리 재사용을 위한 RUL 예측 알고리즘 연구 사례
* 배터리 안전 운용을 위한 고장 진단 알고리즘
- 인공지능 기반 배터리 고장 진단 알고리즘 개발 필요성
- 배터리 고장 진단을 위한 데이터 패턴화 및 이상 상태 진단 연구 사례
- EIS 이미지 입력을 통한 CNN 기반 외부환경 분류 사례
* 인공지능 기반 수명 예측 알고리즘 구축(실습)
- 수명 예측 모델 별(RNN/LSTM/GRU) 구조 설계
- 하이퍼 파라미터 최적화 기반 수명 예측 성능 향상
- 최적 모델 선정 및 수명 예측 결과 도출
* 인공지능 기반 고장 진단 알고리즘 구축(실습)
- CNN 알고리즘 구조 설계
- 이미지 패턴별 모델 학습에 따른 분류 결과 도출
- 하이퍼 파라미터 최적화 기반 분류 성능 향상
