배터리 충·방전 시 생성 데이터를 빛의 삼원색 값으로 변환해 이미지화
배터리 분해하지 않아도 간편하게 판단
(내외방송=정지원 기자) 세계적으로 전기자동차 사용량이 많아지면서 폐배터리 문제가 대두되고 있는 가운데, 배터리 재활용에 대한 관심도 높아지고 있다.
유럽연합(EU)은 지난 6월 '지속가능한 배터리법'을 승인해 2031년부터 배터리 재활용 의무를 실시할 예정이며 미국과 중국에서도 관련 제도 등을 만들어 폐배터리 재활용에 적극 나서고 있다.
전기자동차에 사용되는 리튬 배터리는 성능이 조금만 떨어져도 교체해야할 뿐만 아니라 까다로운 처리 과정 탓에 비용이 많이 든다.
전기자동차의 탄생 배경에 걸맞은 '친환경 시대'로 나아가기 위해서 폐배터리 재활용에 관한 많은 연구가 이뤄지고 있다.
폐배터리를 재활용하기 위해서는 재활용이 가능한지 '건강 상태'를 점검하는 과정이 필요하다.
UNIST(울산과학기술원)가 "김동혁, 최윤석 에너지화학공학과 교수와 임한권 탄소중립대학원 교수 연구팀이 컴퓨터가 독립적으로 훈련하는 딥러닝을 기반으로 배터리 부품의 건강 상태를 진단할 수 있는 시스템 'DeepSUGAR'를 개발했다"고 최근 밝혔다.
DeepSUGAR는 학습을 통해 새로운 창작물을 만드는 생성형 인공지능 기술인 '생성형 대립 신경망(GAN)'과 효과적으로 이미지를 처리할 수 있는 '합성곱 신경망(CNN)'이 결합됐다.
리튬 배터리를 충·방전할 때 만들어진 전압과 전류, 용량 데이터를 DeepSUGAR가 빛의 삼원색(빨강, 파랑, 노랑) 값으로 변환해 이미지화한다.
이 이미지를 인공지능 딥러닝 모델을 활용해 배터리 건강 상태를 예측할 수 있는 것이다.
배터리 구성에 상관없이 적용 가능하기 때문에 기존 배터리 진단 방법과 차별화된다.
특히, 배터리를 분해하거나 충·방전 테스트 없이 내부 모듈(전자기기 구성 요소)의 재활용 여부를 판단할 수 있다.
김 교수는 "충·방전 데이터를 이미지화하는 DeepSUGAR의 특징을 활용해 배터리를 분해하지 않고도 사용된 배터리의 재활용 여부를 판단할 수 있는 검증 시스템을 구축하겠다"고 말했다.
박서정, 임동준 석박사통합과정연구원이 공동 제1저자로 참여한 이번 연구는 과학기술정보통신부 등의 지원을 받아 수행됐으며 국제학술지인 '재료화학 A(Journal of Materials Chemistry A)'에 최근 표지논문으로 선정됐다(논문명: A deep learning-based framework for battery resuability verification: one-step state-ofhealth estimation of pack and constituent modules using a generative algorithm and graphical representation).