AI가 배터리 노이즈 걸러내고 ‘건강 신호’만 잡는다 작성일 02-04 35 목록 <div id="layerTranslateNotice" style="display:none;"></div> <strong class="summary_view" data-translation="true">UNIST, 배터리 구성 달라도 재학습 필요 없는 AI 진단<br>전기차배터리·ESS 관리 효율 높일 것으로 기대</strong> <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> <section dmcf-sid="Ftz7Z2J6hN"> <figure class="figure_frm origin_fig" contents-hash="019d89dc9aa445aa1df05be76223cdcf7bc53d041da9fe0e0428a6090d43f410" dmcf-pid="3Fqz5ViPva" dmcf-ptype="figure"> <p class="link_figure"><img alt="배터리 구성에 영향을 받지 않아 재학습이 필요 없는 배터리 건강 상태 진단 AI모델. 연구그림=UNIST" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202602/04/seouleconomy/20260204085818563jdrp.png" data-org-width="620" dmcf-mid="tvZXh0fzlj" dmcf-mtype="image" height="auto" src="https://img4.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202602/04/seouleconomy/20260204085818563jdrp.png" width="658"></p> <figcaption class="txt_caption default_figure"> 배터리 구성에 영향을 받지 않아 재학습이 필요 없는 배터리 건강 상태 진단 AI모델. 연구그림=UNIST </figcaption> </figure> <p contents-hash="718bf73ea870ea6d636d32213b3a622fd36f9b79e8c6773afbb72b76edd1ffc9" dmcf-pid="0awDLC5TCg" dmcf-ptype="general"><br> 울산과학기술원(UNIST) 연구진이 배터리의 연결 형태가 바뀌어도 데이터를 새로 학습시킬 필요 없이 정확하게 수명을 진단할 수 있는 인공지능(AI) 기술을 개발했다.<br><br> UNIST 에너지화학공학과 김동혁·최윤석 교수팀은 배터리의 직·병렬 연결 구조와 상관없이 적용 가능한 ‘배터리 건강 상태(SoH) 진단 AI 모델’을 개발했다고 4일 밝혔다.<br><br> 최근 전기차와 에너지저장장치(ESS) 수요가 급증하면서 다양한 용량과 형태의 배터리 팩이 사용되고 있다. 하지만 기존 AI 진단 기술은 배터리 셀 하나를 학습한 모델을 수십, 수백 개가 연결된 모듈이나 팩에 바로 적용할 수 없었다. 연결 방식에 따라 내부 저항이나 전압 불균형이 발생해 데이터 패턴이 달라지기 때문에 매번 데이터를 새로 수집하고 재학습해야 하는 번거로움이 있었다.<br><br> 연구팀은 챗GPT와 제미나이 등 생성형 AI의 기반이 되는 ‘트랜스포머(Transformer) 모델’의 핵심인 ‘어텐션 알고리즘’을 활용해 이 문제를 해결했다.<br><br> 개발된 AI는 배터리 충·방전 데이터에서 추출한 62개 패턴 중, 연결 방식에는 영향을 받지 않으면서도 수명 예측에는 민감하게 반응하는 5개의 핵심 지표를 스스로 선별해낸다. 즉, 배터리 형태라는 ‘노이즈’는 거르고, ‘진짜 건강 신호’만 포착하도록 설계된 것이다.<br><br> 실험 결과, 단일 셀 데이터로만 학습한 이 AI 모델은 7개의 셀이 병렬로 연결된 모듈의 수명도 정확하게 짚어냈다. 기존 AI 모델이 배터리 구성 변화를 따라가지 못하고 6.31×10⁻² 수준의 예측 오차(RMSE)를 보인 반면, 새 모델은 그 3분의 1 수준인 1.90×10⁻²의 오차를 기록하며 뛰어난 정확도를 입증했다.<br><br> 이번 기술은 복잡한 수식 없이 전압, 전류, 온도 등의 측정값만으로 배터리 상태를 진단할 수 있어 활용도가 높다.<br><br> 김동혁 교수는 “AI가 배터리의 연결 방식과 무관한 ‘진짜 건강 신호’만을 스스로 골라내도록 설계해 하나의 AI 모델로 다양한 배터리 시스템을 진단할 수 있는 해법을 찾았다”며 “전기차 배터리 관리 시스템, 대규모 에너지저장장치, 사용 후 배터리 성능 평가 및 재활용 분야 등으로 확장해 적용될 수 있을 것”이라고 말했다.<br><br> 이번 연구 결과는 화학공학 분야 국제 학술지인 화학공학저널(Chemical Engineering Journal)에 1월 15일 온라인으로 게재됐으며, 한국연구재단의 지원을 받아 이뤄졌다.<br><br> 울산=장지승 기자 jjs@sedaily.com</p> </section> </div> <p class="" data-translation="true">Copyright © 서울경제. 무단전재 및 재배포 금지.</p> 관련자료 이전 스티브 앨리슨 부사장 “에픽게임즈 스토어, 서드 파티 4억 달러로 최대 성과… 2026년 새판 짤 것” 02-04 다음 코엑스 전시장 리모델링... 무협 일방 결정에 300여 MICE 행사 중단 위기 02-04 댓글 0 등록된 댓글이 없습니다. 로그인한 회원만 댓글 등록이 가능합니다.
