건강 상태(SOH)는 리튬 이온 배터리 노화의 핵심 지표로써, 정확한 평가가 배터리 구동 시스템의 신뢰성 있는 운영을 위한 필수 조건입니다. 기존 대부분 방법은 단일 또는 인접 충방전 주기에서 추출한 특성에 의존하여, 서로 다른 주기 간에 숨겨진 모니터링 신호의 변화를 파악하지 못합니다. 이에 본 논문에서는 주기 간 특성을 미분 방식으로 이용하여 건강 상태를 추정하는 새로운 프레임워크를 제안합니다. 먼저 교차 재귀 정량 분석(CRQA)을 이용해 서로 다른 주기의 배터리 신호를 비교하고, 원본 측정 데이터의 주기 간 변화를 반영하는 CRQA 지표 행렬 군을 구성합니다. 다음으로 임의 두 주기 간 건강 상태 변화량(ΔSOH)을 예측 목표로 설정하며, 직접 건강 상태를 예측하지 않습니다. 이후 시계열 교차 검증이 포함된 합성곱 신경망을 구축하여 건강 상태 변화량을 예측하고, ΔSOH의 고유한 시간 의존성을 유지합니다. 마지막으로 NASA 배터리 데이터셋을 기반으로 제안한 프레임워크를 배치하고 테스트하여 예측 성능을 평가 및 비교하였습니다. 실험 결과 평균 절대 오차는 0.2965%, 평균 제곱근 오차는 0.4156%로, 주기 간 건강 지표 기반 간접 방법이 배터리 건강 상태 추정에 유효하고 적용 가능함을 검증하였습니다.

리튬 이온 배터리;건강 상태;교차 재귀 정량 분석;예측;주기 간 특성