심층 연산자 네트워크(DeepONet)를 이용한 리튬이온 배터리 열폭주 예측 (Deep Operator Network for Lithium-ion Batteries to Predict Thermal Runaways)

서지정보

· 발행기관 : 한국비파괴검사학회
· 수록지 정보 : 비파괴검사학회지 / 43권 / 2호 / 154 ~ 162페이지
· 저자명 : 정진호, 곽은지, 김준형, 오기용

초록

최근 리튬이온 배터리의 다양한 장점 덕분에 리튬이온 배터리 사용량이 급격히 증가함에 따라 배터리 관련 다양한 사고사례가 급격히 증가하고 있다. 특히 리튬이온 배터리의 열폭주 현상은 폭발 및 화염으로 인하여 인명사고를 유발할 수 있기 때문에 더욱 예측 및 관리가 필요하다. 본 연구는 다양한 열 운전조건 및 남용 조건에서 배터리의 열폭주 현상을 예측하기 위한 심층 연산자 네트워크(DeepONet)를 제안한다. 구체적으로, 제안하는 심층 연산자 네트워크는 배터리에 인가되는 다양한 열 운전조건에 대한 배터리의 온도와 양극, 음극, 전해질 그리고 고체 전해질 계면의 농도 변화를 예측 가능한 모델이다. 본 연구에서 배터리의 열폭주 현상의 측정은 상당히 제한적이기 때문에 본 연구에서는 열폭주 현상을 모사 가능한 정밀한 유한 요소모델을 기반으로 다양한 열 작동 및 남용 조건에서의 데이터를 생성하고 제안 신경망을 학습하였다. 학습된 심층 연산자 네트워크는 실제 열폭주 실험결과 및 다양한 열 운전조건에서의 유한 요소 분석 결과를 통해 정확성과 견고성을 검증하였다. 제안 기법은 데이터 생성을 위해 사용한 정밀 유한요소해석 모델과 비교하여 빠르지만 동일한 정확도를 갖기 때문에, 배터리 관리 시스템에 탑재하여 효과적인 열, 전력 및 에너지 관리에 사용 가능할 것으로 사료된다.

영어초록

The development of lithium-ion batteries (LIBs) has rapidly increased owing to their significant advantages. However, LIBs have several concerns related to their safety, including fires and explosions, and they suffer from the thermal runaway phenomenon, which limit their applications. This study proposes a deep operator network (DeepONet) for predicting the thermal runaway phenomenon of LIBs under a variety of thermal operational and abuse conditions. In particular, the DeepONet aims to use the functional mapping derived from a heating curve to predict the evolution of surface temperature and the dimensionless concentrations of the dominant components of LIBs, such as the anode, cathode, electrolyte, and solid-electrolyte interphase. Temperature evolution under various thermal operational and stress conditions was simulated using the high-fidelity finite element analysis (FEA) method, because thermal runaway measurements in batteries are complicated. A comparison of the DeepONet, high-fidelity FEA model, and experimental results revealed that the DeepONet has high accuracy and robustness under various thermal operational and abuse conditions. Moreover, the proposed surrogate model was considerably faster than the FEA model. Thus, the proposed surrogate model is thought to be effective for the thermal, power, and energy management of battery management systems during application.

참고자료

· 없음