수상·소식
- 관리자
- 2026.03.31
- 1
김홍석 교수 연구팀, 에너지 분야 국제 저명 저널 Journal of Energy Storage 논문 게재
본교 전자공학과 전지훈 석박사통합과정과 천호진 석박통합과정, 김민수 교수, 서형석 석박통합과정 (지도교수 김홍석)의 논문이 에너지 분야 국제 저명 저널인 Journal of Energy Storage (2026년 기준 JCR Impact Factor 9.8)에 게재되었다.
본 연구는 배터리의 사용 이력이나 운용 조건에 의존하지 않는 usage-agnostic 진단 프레임워크를 제안하며, 전압 relaxation 신호만을 활용하여 용량(capacity), 상태(SOH), 양극재(cathode)를 동시에 추정하는 멀티태스크 학습 구조를 설계하였다. 특히, 전기화학적 해석이 가능한 KG-ECM(Knowledge-Guided Equivalent Circuit Model)을 기반으로 relaxation 곡선에서 물리적으로 의미 있는 특징을 추출하고, 이를 딥러닝 모델의 입력으로 활용한다.
제안된 모델은 단일 인코더를 기반으로 공유 임베딩을 학습하며, 회귀 기반의 용량 추정과 함께 SOH 및 양극재 분류를 위해 supervised contrastive learning(SupCon)을 통합한 multi-task contrastive learning framework를 구성한다. 이를 통해 동일 클래스 간 임베딩은 가깝게, 다른 클래스 간은 멀어지도록 학습되어, 서로 다른 진단 과제를 동시에 수행하면서도 높은 표현력을 유지한다.
실험 결과, 제안된 방법은 기존 통계 기반 특징 대비 용량 추정 정확도를 크게 향상시키며, 단일 태스크에서 RMSE 0.0026, 멀티태스크 환경에서도 RMSE 0.0108 수준의 높은 성능을 달성하였다. 또한 SOH 진단 정확도 94.6%, 양극재 식별 정확도 99.6%를 기록하여, 하나의 모델로 다양한 배터리 진단을 동시에 수행할 수 있음을 입증하였다.
이를 통해 본 연구는 멀티태스크 + contrastive learning 기반의 통합 배터리 진단 방법을 제시하며, 실제 EV 및 ESS 환경에서 활용 가능한 효율적이고 실용적인 솔루션을 제공한다.
논문명: Battery Usage-Agnostic Multi-Task Diagnostics Using Contrastive Learning and Knowledge-guided Voltage Relaxation
저널명: Journal of Energy Storage (IF 9.8)
저자명: 전지훈 (서강대학교), 천호진 (서강대학교), 김민수 (한밭대학교), 서형석 (서강대학교), 김홍석 (서강대학교)