LSTM Model-Based SOH Prediction for Lithium-Ion Battery

리튬이온 배터리는 높은 에너지 밀도, 높은 출력 밀도, 긴 수명 등의 장점으로 인해 다양한 분야에서 사용되고 있다. 그러나, 리튬이온 배터리는 안전성 문제 및 빈번한 충·방전으로 인한 배터리 성능 저하 문제를 가지고 있다. 이에 따라, 배터리의 수명 예측이 필수적으로 요구된다. 따라서, 본 논문에서는 장단기 기억 신경망 (Long Short-Term Memory, LSTM) 모델 기반의 리튬이온 배터리의 수명상태 (State of Health, SOH) 예측 모델을 제안한다. 제안하는 모델은 Feature Selection, Data Extraction, Normalization, LSTM Prediction의 네 가지 단계를 통해, 리튬이온 배터리의 SOH 예측을 수행한다. 제안하는 모델의 우수성을 입증하기 위해 SOH 예측 실험을 수행하고, 제안하는 모델의 성능을 Recurrent Neural Network (RNN) 기반 모델의 성능과 비교하였다. 그 결과, 제안하는 모델이 RNN 기반 모델보다 평균적으로 28.07% 더 높은 SOH 예측 정확도를 보였다.