1) Title & Author

Source: Energy Conversion and Management 50 (2009) 3182?3186
Title: An adaptive Kalman filtering based State of Charge combined estimator for electric vehicle battery pack
Author: Wang Junping *, Guo Jingang, Ding Lei


2) Summary of Paper

기존에는 voltage를 판단 기준으로 배터리의 충전 상태(SOC, State of Charge)를 추정하였으나 이는 배터리의 전류가 크게 변할 때, 사용하기 어렵습니다. 그래서 Ah counting 방법이 주로 사용되고 있었으나 이 방법도 먼저 coulombic 효율을 정확히 추정하기 어렵고, 둘째 초기 SOC를 판단하기 어려우며, 셋째, SOC 추정하는데 오차(11.4%)가 크기 때문에 새로운 방법이 요구됩니다. 이 논문에서 제안하는 adaptive Kalman filtering method는 SOC를 추정하는 오차가 2.4%로 훨씬 나은 성능을 보여줍니다.
본 논문에서는 non-linear system을 위한 Adaptive extended Kalman filter인 Sage-Husa adaptive filtering method를 사용하였습니다. 이 방법은 크게 time update하는 부분과 measurement update하는 부분으로 나눌 수 있으며, 아래에 요약적으로 표현되어 있습니다.
SOC equation:  
S(t) 는 시간 t일 때의 SOC를 나타내며, S(0)는 초기 값이며, Cn은 nominal capacity, I(t)는 시간 t일 때의 전류, 그리고 η는 coulombic 효율을 의미합니다.
     
 
아래의 그림과 표는 4가지 방법을 통한 SOC 추정 결과를 보여줍니다.
   

결과로써 OcvAh는 기존의 Ah counting 방법을 나타내는데, 실제 discharge test와 크게 벗어난 결과를 보이는데 반해, 이 논문에서 적용한 AEKFAh 방법은 실제 값과 유사한 결과를 보여줍니다.


3) Originality & Creativity

1. 이 논문은 SOC의 estimation을 위해 Adaptive Extended Kalman Filter(AEFK)를 적용한 것에 대한 originality가 있으며, 기존의 방법 (Ah counting)에 비해 우수성을 보여주고 있습니다.

4) Contribution to ESEL

본 논문에서 배터리의 충전 상태(SOC, State of Charge)를 고려한 것처럼 역삼투막 해수담수화 공정에서 역삼투막의 오염상태 (SOF, State of Fouling)을 Adaptive Extended Kalman Filter를 통해 추정할 수 있을 것으로 보입니다. 그리고 이를 통해 적절한 멤브레인 세척 및 교체 시기를 알려줄 수 있을 것으로 기대됩니다.

5) 리뷰어 : lyg@gist.ac.kr