머신러닝으로 전기자동차 배터리 열폭주 시점 예측한다

美 애리조나대 연구팀이 머신러닝(기계학습)을 활용해 전기자동차 배터리의 열폭주를 예측하고 예방할 수 있는 기술을 개발했다고 밝혔다.

전기자동차는 리툼이온 배터리 온도가 급격하게 치솟으면서 전기자동차의 안전에 가장 큰 위협 요인이 되고 있다.

애리조나대 비탈리 유르키브(Vitaliy Yurkiv) 교수, 박사과정 바삽 고스와미(Basab Goswami) 등 연구팀은 전문 학술지인 ‘저널 오브 파워 소시스(Journal of Power Sources)’에 발표한 논문에서 리튬이온 배터리의 온도 급상승을 예측하고, 예방할 수 있는 방법을 제안했다. (논문제목:Advancing battery safety: Integrating multiphysics and machine learning for thermal runaway prediction in lithium-ion battery module)

연구팀은 ‘국방부 경쟁연구촉진프로그램(Defense Established Program to Stimulate Competitive Research)’으로부터 59만 9808달러(약 8억원)의 자금 지원을 받아 다물리(multiphysics)와 머신러닝을 활용해 리튬이온 배터리의 과열(역폭주)을 감지, 예측 및 식별하는 프레임워크를 개발했다.

연구 팀은 “향후 이 프레임워크가 전기 자동차의 배터리 관리 시스템에 통합되어 배터리 과열을 방지하여 운전자와 승객을 보호할 수 있을 것”이라고 말했다.

전기 자동차 배터리 팩은 밀접하게 연결된 배터리 ‘셀’로 구성돼 있다. 전기 자동차는 배터리 팩에 1000개 이상의 셀을 넣을 수 있다. 하지만 한 셀에서 열 폭주가 발생하면 인근 셀에서도 열이 발생해 도미노 효과가 발생할 가능성이 높다. 그렇게 되면 전기자동차의 배터리 팩 전체가 폭발을 일으킬 수 있다.

연구팀은 배터리 셀에 열 센서를 둘러싸고, 이 센서를 통해 과거와 현재의 온도 데이터를 머신러닝 알고리즘에 입력해 미래 온도를 예측할 것을 제안한다. 이 알고리즘은 폭주 이벤트가 언제 어디서 시작될지 예측한다. "핫스팟 위치(열폭주의 시작점)를 파악하면 배터리가 중요한 단계에 도달하기 전에 배터리를 멈출 수 있는 몇 가지 해결책을 찾을 수 있다“는 설명이다.

연구팀은 "머신러닝이 열전지의 온도와 핫스팟의 위치를 이렇게 정확하게 예측할 수 있을지 기대하지 않았다”고 말했다.