AI 기계학습 활용한 전기차 베터리 화제 방지 제안
| |

AI 기계학습 활용한 전기차 베터리 화제 방지 제안

전기 자동차의 가장 중요한 안전 문제 중 하나는 배터리를 시원하게 유지하는 것이다. 베터리 온도 급등은 위험한 결과를 초래할 수 있기 때문이다.

새로운 연구에서는 이러한 자동차에 일반적으로 사용되는 리튬 이온 배터리의 온도 급등을 예측하고 방지하는 방법을 제안했다.

미국 애리조나 대학교 박사 과정 학생 바사브 고스와미(Basab Goswami)가 주도한 연구 논문 “Advancing Battery Safety”는 Journal of Power Sources에 게재됐다.

고스와미와 비탈리 유르키프 지도 교수(항공 우주 및 기계 공학)는 다중 물리 및 머신 러닝 모델을 사용하여 열 폭주라고 알려진 리튬 이온 배터리 과열을 감지, 예측 및 식별하는 프레임워크를 개발했다.

고스와미는 미래에 이 프레임워크를 전기 자동차의 배터리 관리 시스템에 통합하여 배터리 과열을 막아 운전자와 승객을 보호할 수 있다고 말했다.

고스와미는 “우리는 친환경 에너지로 전환해야 한다. 하지만 리튬 이온 배터리와 관련된 안전 문제가 있다”고 말했다.

열 폭주(thermal runaway)는 매우 위험하고 예측하기 어려울 수 있다.

“배터리의 온도는 기하급수적으로 상승하여 화재를 일으킬 수 있다”고 Goswami는 말했다.

전기 자동차 배터리 팩은 밀접하게 연결된 배터리 “셀”로 구성다. 오늘날의 전기 자동차는 각 배터리 팩에 1,000개 이상의 셀을 가질 수 있다. 한 셀에서 열 폭주가 발생하면 주변 셀도 가열되어 도미노 효과가 발생할 가능성이 높다. 그렇게 되면 전기 자동차의 배터리 팩 전체가 폭발할 수 있다.

이를 방지하기 위해 연구원들은 배터리 셀 주위에 감싼 열 센서를 사용하여 과거 온도 데이터를 머신 러닝 알고리즘에 공급해 미래 온도를 예측할 것을 제안했다. 이 알고리즘은 폭주 이벤트가 언제 어디에서 시작될 가능성이 있는지 예측한다.

“핫스팟(열 폭주의 시작)의 위치를 ​​안다면 배터리가 그 중요한 단계에 도달하기 전에 멈출 수 있는 몇 가지 솔루션을 가질 수 있다.” Goswami는 말했다.

알고리즘은 정확했고 기존 연구에서는 기계 학습 모델을 사용하여 이같은 정확도로 열 폭주를 예측하지 못했다.

Yurkiv는 “기계 학습이 열전대 온도와 핫스팟 위치를 그렇게 정확하게 예측하는 데 이렇게 뛰어날 것이라고는 예상하지 못했다. 인간은 절대 그렇게 할 수 없을 것”이라고 말했다.

이 연구는 Goswami와 Yurkiv가 1월에 발표한 논문을 기반으로 하며, 폭주를 예측하기 위해 열 화상을 사용하는 방법을 조사한 것이다. 이를 위해서는 검토를 위해 끊임없이 사진을 찍어야 하는 무거운 화상 장비가 필요했다.

Goswami와 Yurkiv가 최신 논문에서 발견한 솔루션은 더 가볍고 비용 효율적이다.

Goswami의 연구는 미국 자동차 제조 역사에서 중요한 시점에 발표됐다. 논문이 발표된 같은 달인 7월에 바이든 행정부는 8개 주에 걸쳐 전기 자동차 제조에 17억 달러를 투자한다고 발표했다. 2023년 글로벌 전기 자동차 판매는 2022년 대비 35% 증가했다.

수요가 증가함에 따라 전기 자동차 운동에 안전 조치가 필수적이다.

Goswami는 “많은 사람들이 다양한 안전 문제로 인해 여전히 배터리를 받아들이는 데 주저하고 있다”며 “광범위하게 수용되려면 진행 중인 연구가 이러한 중요한 안전 문제를 적극적으로 해결하고 있다는 것을 대중이 아는 것이 중요하다”고 말했다.

사이언스모니터 뉴스레터
AI·양자·R&D 핵심 해설을 주 2회(화·금) 이메일로 받아 보세요.

Similar Posts