UNIST, 배터리 건강 진단 AI 모델 개발…"재학습 없어도 정확"

(울산=뉴스1) 김세은 기자 = 배터리 연결 방식에 상관없이 배터리 건강 상태를 정확히 진단할 수 있는 인공지능 기술이 개발됐다.

울산과학기술원(UNIST) 에너지화학공학과 김동혁·최윤석 교수팀은 배터리의 연결 구조가 달라져도 별도의 재학습 없이 적용할 수 있는 배터리 건강 진단 AI 모델을 개발했다고 4일 밝혔다.

배터리 건강 상태는 초기 용량 대비 현재 사용할 수 있는 용량 비율로, 배터리 잔존 수명과 폭발 위험 등 안전성을 진단할 수 있는 지표다.

AI 기술을 활용하면 사람이 일일이 복잡한 수식을 풀지 않아도, 배터리를 작동시킬 때 측정된 전압, 전류, 온도 등의 값만으로 건강 상태를 진단할 수 있게 된다.

이번에 개발된 AI 모델은 배터리 충·방전 데이터에서 추출한 62개의 데이터 패턴 중 배터리의 직·병렬 연결 방식에는 영향을 받지 않으면서 잔존 수명 예측에 민감하게 반응하는 5개의 지표를 선별한다. 덕분에 단일 셀(Cell) 데이터만으로 학습시켜도 여러 셀이 연결된 모듈의 건강 상태도 정확히 진단할 수 있다.

실험 결과, 연구팀이 개발한 AI는 단일 셀 데이터만으로 학습했음에도 불구하고 7개의 셀이 병렬로 연결된 모듈의 수명을 정확하게 짚어냈다. 개발된 모델은 기존 대비 3분의 1 수준의 예측오차를 기록했다.

기존 기술은 배터리 셀 하나를 진단하는 모델을 만들어도 이를 수백 개 연결한 모듈이나 팩에는 바로 적용할 수 없었다.

연구팀은 트랜스포머의 '어텐션 알고리즘'을 기반으로 이 모델을 만들었다고 설명했다. 개발된 모델은 어텐션 알고리즘을 활용해 배터리 수명을 예측할 때는 높은 중요도를, 반대로 배터리 형태를 구분하는 데는 낮은 중요도를 보이는 데이터 패턴만을 교집합으로 선별해 낸다.

김동혁 교수는 "전기차 배터리 관리 시스템, 대규모 에너지저장장치, 사용 후 배터리 성능 평가 및 재활용 분야 등으로 확장해 적용될 수 있을 것"이라고 말했다.

이번 연구 결과는 화학공학 분야 국제 학술지인 화학공학저널(Chemical Engineering Journal)에 지난달 15일 온라인으로 게재됐으며, 한국연구재단의 지원을 받아 이뤄졌다.

syk000120@news1.kr