머신러닝을 활용한 자동차 배터리 화재 예방

전기 자동차의 가장 중요한 안전 문제 중 하나는 배터리를 시원하게 유지하는 것입니다. 온도 급등으로 인해 위험한 결과가 발생할 수 있기 때문입니다.

애리조나 대학 박사과정 학생이 주도한 새로운 연구에서는 이러한 자동차에 일반적으로 사용되는 리튬 이온 배터리의 온도 급증을 예측하고 방지하는 방법을 제안했습니다.

공과대학 박사과정 학생인 바사브 고스와미가 주도한 논문 "배터리 안전 향상"이 Journal of Power Sources에 게재되었습니다.

국방부 경쟁 연구 촉진을 위한 국방 설립 프로그램에서 599,808달러의 지원을 받아 고스와미와 그의 고문이자 항공우주 및 기계 공학 교수이자 프로젝트 수석 연구원인 비탈리 유르키프는 다중물리학 및 머신 러닝 모델을 사용하여 열 폭주라고 알려진 리튬 이온 배터리 과열을 감지, 예측 및 식별하는 프레임워크를 개발했습니다.

고스와미는 미래에는 이 프레임워크가 전기 자동차의 배터리 관리 시스템에 통합되어 배터리 과열을 막아 운전자와 승객을 보호할 수 있을 것이라고 말했습니다.

고스와미는 "우리는 녹색 에너지로 전환해야 합니다."라고 말했지만 "하지만 리튬 이온 배터리와 관련된 안전 문제가 있습니다."

과거를 이용하여 미래를 예측하다

열 폭주는 매우 위험하고 예측하기 어려울 수 있습니다.

고스와미는 "배터리의 온도는 기하급수적으로 상승하여 화재를 일으킬 수 있다"고 말했습니다.

전기 자동차 배터리 팩은 밀접하게 연결된 배터리 "셀"로 구성됩니다. 오늘날의 전기 자동차는 각 배터리 팩에 1,000개 이상의 셀을 가질 수 있습니다.

한 셀에서 열 폭주가 발생하면 주변 셀도 가열될 가능성이 높아 도미노 효과가 발생합니다. 그런 일이 발생하면 전기 자동차의 배터리 팩 전체가 폭발할 수 있다고 Goswami는 말했습니다.

이를 방지하기 위해 연구자들은 배터리 셀을 감싸는 열 센서를 사용하여 과거 온도 데이터를 머신 러닝 알고리즘에 공급하여 미래 온도를 예측하는 것을 제안합니다. 이 알고리즘은 폭주 이벤트가 언제 어디에서 시작될 가능성이 있는지 예측합니다.

"만약 우리가 핫스팟(열 폭주 시작 지점)의 위치를 ​​안다면, 우리는 배터리가 그 중요한 단계에 도달하기 전에 멈출 수 있는 솔루션을 가질 수 있습니다."라고 고스와미는 말했습니다.

Yurkiv는 Goswami의 알고리즘의 정확성에 감명을 받았다고 말했습니다. 그의 연구 이전에는 기계 학습 모델을 사용하여 열 폭주를 예측하지 못했습니다.

"우리는 머신 러닝이 열전대 온도와 핫스팟 위치를 그렇게 정확하게 예측하는 데 이렇게 뛰어날 것이라고는 예상하지 못했습니다." Yurkiv가 말했습니다. "인간은 절대 그렇게 할 수 없을 겁니다."

이 연구는 1월에 발표한 고스와미와 유르키프의 논문을 바탕으로 진행되었으며, 폭주 예측에 열화상을 사용하는 방법에 대해 조사했습니다. 이를 위해서는 무거운 영상 장비로 사진을 계속 찍어 검토해야 합니다.

고스와미와 유르키프가 최근 논문에서 발견한 해결책은 더 가볍고 비용 효율적입니다.

글로벌 수요 충족

고스와미의 연구는 미국 자동차 제조 역사의 중요한 시점에 발표되었습니다. 논문이 발표된 같은 달인 7월에 바이든 행정부는 8개 주에 걸쳐 전기 자동차 제조에 17억 달러를 투자한다고 발표했습니다. 2023년 글로벌 전기 자동차 판매는 2022년 대비 35% 증가했습니다.

고스와미는 수요가 증가함에 따라 전기 자동차 운동에 안전 조치가 필수적이라고 말했습니다.

"많은 사람들이 다양한 안전 문제로 인해 여전히 배터리를 받아들이는 데 주저하고 있습니다."라고 그는 말했습니다. "광범위하게 수용되려면 대중이 진행 중인 연구가 이러한 중요한 안전 문제를 적극적으로 다루고 있다는 것을 아는 것이 중요합니다."

출처: https://www.sciencedaily.com/releases/2024/09/240904184522.htm