애리조나 대학의 연구원들은 리튬 이온 배터리의 과열을 예측하고 방지하는 머신 러닝 모델을 만들어 전기 자동차의 안전성을 향상시켰으며, 친환경 에너지 도입의 주요 장애물을 해결했습니다.
애리조나 대학의 연구원들은 리튬 이온 배터리의 위험한 온도 급등을 예측하고 방지할 수 있는 머신 러닝 모델을 개발함으로써 더 안전한 전기 자동차를 개발하는 데 큰 진전을 이루었습니다.
박사과정생 바사브 고스와미(Basab Goswami)가 이끄는 이 연구는 전기 자동차 산업에서 가장 중요한 안전 문제 중 하나에 대한 유망한 해결책을 제시합니다. "배터리 안전 향상(Advancing Battery Safety)"이라는 제목의 이 획기적인 연구는 출판 저널 오브 파워 소스에 실렸습니다.
고스와미와 그의 자문교수이자 항공우주 및 기계공학 교수인 비탈리 유르키프는 다중물리학과 머신러닝 모델을 통합하여 리튬 이온 배터리의 잠재적인 열 폭주를 모니터링하고 식별하는 프레임워크를 만들었습니다.
Goswami는 "우리는 녹색 에너지로 전환해야 합니다."라고 말했습니다. 보도 자료"하지만 리튬 이온 배터리에는 안전 문제가 있습니다."
열 폭주는 배터리 내부 온도가 통제할 수 없을 정도로 상승하여 화재나 폭발로 이어질 수 있는 위험한 현상입니다. 최신 전기차에는 1,000개가 넘는 배터리 셀이 밀접하게 연결되어 있어, 단일 셀에서 열 폭주가 발생하면 연쇄 반응이 발생하여 배터리 팩 전체가 위험에 처할 수 있습니다.
고스와미는 "배터리의 온도는 기하급수적으로 상승하여 화재를 일으킬 수 있다"고 덧붙였다.
이를 해결하기 위해 연구진은 배터리 셀에 열 센서를 감는 방식을 제안했습니다. 이 센서는 과거 온도 데이터를 머신러닝 알고리즘에 입력하여 잠재적인 열 폭주 사고를 예측합니다.
고스와미는 "핫스팟(열 폭주 시작 지점)의 위치를 알면 배터리가 그 중요한 단계에 도달하기 전에 멈출 수 있는 솔루션을 얻을 수 있다"고 덧붙였다.
유르키프는 머신 러닝 모델의 정확성에 놀라움을 표했다.
"머신러닝이 열전대 온도와 핫스팟 위치를 이렇게 정확하게 예측할 수 있을 거라고는 예상하지 못했습니다."라고 유르키브는 보도자료에서 밝혔습니다. "어떤 인간도 그렇게 할 수 없을 겁니다."
이 새로운 방법은 열 폭주 예측을 위해 열화상에 의존했던 기존 연구에서 한 단계 발전한 것으로, 기존에는 크고 비싼 이미징 장비가 필요했습니다. 가볍고 비용 효율적인 이 솔루션은 상당한 발전을 의미합니다.
고스와미는 "여러 안전 문제 때문에 많은 사람들이 여전히 배터리 사용을 주저하고 있습니다."라고 덧붙였습니다. "폭넓은 수용을 위해서는 지속적인 연구가 이러한 중요한 안전 문제를 적극적으로 다루고 있다는 사실을 대중에게 알리는 것이 중요합니다."
고스와미의 연구는 전기 자동차의 안전성과 신뢰성을 높이는 데 중요한 진전을 이루며, 더 친환경적인 에너지원으로의 전환을 가속화할 잠재력을 가지고 있습니다. 이 기술이 발전하고 전기 자동차 배터리 관리 시스템에 통합됨에 따라, 대중의 신뢰를 확보하고 전기 자동차의 광범위한 도입을 촉진하는 데 중요한 역할을 할 수 있을 것입니다.