KR20230122820A - 선택적 열전달 효과 조절이 가능한 지능형 단열 냉각 부품 - Google Patents

선택적 열전달 효과 조절이 가능한 지능형 단열 냉각 부품 Download PDF

Info

Publication number
KR20230122820A
KR20230122820A KR1020220019497A KR20220019497A KR20230122820A KR 20230122820 A KR20230122820 A KR 20230122820A KR 1020220019497 A KR1020220019497 A KR 1020220019497A KR 20220019497 A KR20220019497 A KR 20220019497A KR 20230122820 A KR20230122820 A KR 20230122820A
Authority
KR
South Korea
Prior art keywords
thermal conductivity
cell
temperature
heat transfer
unit
Prior art date
Application number
KR1020220019497A
Other languages
English (en)
Inventor
이상민
Original Assignee
동의대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 동의대학교 산학협력단 filed Critical 동의대학교 산학협력단
Priority to KR1020220019497A priority Critical patent/KR20230122820A/ko
Publication of KR20230122820A publication Critical patent/KR20230122820A/ko

Links

Classifications

    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00—Secondary cells; Manufacture thereof
    • H01M10/60—Heating or cooling; Temperature control
    • H01M10/65—Means for temperature control structurally associated with the cells
    • H01M10/658—Means for temperature control structurally associated with the cells by thermal insulation or shielding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00—Secondary cells; Manufacture thereof
    • H01M10/60—Heating or cooling; Temperature control
    • H01M10/61—Types of temperature control
    • H01M10/613—Cooling or keeping cold
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00—Secondary cells; Manufacture thereof
    • H01M10/60—Heating or cooling; Temperature control
    • H01M10/63—Control systems
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00—Secondary cells; Manufacture thereof
    • H01M10/60—Heating or cooling; Temperature control
    • H01M10/63—Control systems
    • H01M10/633—Control systems characterised by algorithms, flow charts, software details or the like
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00—Secondary cells; Manufacture thereof
    • H01M10/60—Heating or cooling; Temperature control
    • H01M10/65—Means for temperature control structurally associated with the cells
    • H01M10/655—Solid structures for heat exchange or heat conduction
    • H01M10/6552—Closed pipes transferring heat by thermal conductivity or phase transition, e.g. heat pipes
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M2220/00—Batteries for particular applications
    • H01M2220/20—Batteries in motive systems, e.g. vehicle, ship, plane
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02E60/10—Energy storage using batteries

Landscapes

  • Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Chemical & Material Sciences (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Electrochemistry (AREA)
  • General Chemical & Material Sciences (AREA)
  • Automation & Control Theory (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Control Of Temperature (AREA)

Abstract

본 발명에 의한 선택적 열전달 효과 조절이 가능한 지능형 단열 냉각 부품은 전기를 저장하고, 전기 시스템에 전기를 공급하기 위해 전력을 내보내는 셀(100)과 상기 셀에 접촉하여 설치되는 복수의 열전도율 조절 패드(200)와 상기 열전도율 조절 패드에 접촉하여 설치되는 복수의 히트 파이프(300)와 상기 열전도율 조절 패드를 제어하는 제어부(400)를 포함하여 구성되는 것을 특징으로 한다.

Description

선택적 열전달 효과 조절이 가능한 지능형 단열 냉각 부품{Intelligent insulating and cooling component with selective heat transfer control}
본 발명은 선택적 열전달 효과 조절이 가능한 지능형 단열 냉각 부품에 관한 것으로서, 더욱 상세하게는 MEMS(Micro Electro Mechanical Systems)를 이용하여 선택적 영역에 열전도율을 조절하여, 온도 상승으로 냉각이 필요한 경우 높은 열전도도를 가지도록 제어하고, 온도 감소로 단열이 필요한 경우에는 낮은 열전도도를 가지도록 제어가 가능한 선택적 열전달 효과 조절이 가능한 지능형 단열 냉각 부품이다.
전기자동차의 열관리 시스템 효율 개선과 관련된 연구는 전기자동차 산업에서 핵심 기술로써 학계 및 산업계 전체에서 많은 관심을 모으고 있는데, 종래의 연구들은 배터리 및 모 모터와 같은 부품의 냉각효율 향상에 초점이 맞춰져 있다.
그러나, 겨울철과 같은 저온 환경에서 배터리의 에너지 소모가 크며, 이는 전기차 전체 성능 저하로 연계되지만, 배터리 효율을 향상하기 위해서 가열하기에는 또 다른 에너지 소모를 발생시킨다.
또한, 배터리와 같은 부품의 하우징 재료에 외부로의 열손실을 막기 위해, 단열 성능이 큰 재료를 선택하게 되면, 냉각 성능 저하로 인해 배터리 성능 저하가 발생하는 문제점이 있다.
KR 10-2140658 B1 2020.07.28 KR 10-1933166 B1 2018.12.20 KR 10-2021-0113226 A 2021.09.15
본 발명은 상기와 같은 문제점을 해결하기 위하여 안출된 것으로,
본 발명의 목적은 MEMS(Micro Electro Mechanical Systems)를 이용하여 선택적 영역에 열전도율을 조절하여, 온도 상승으로 냉각이 필요한 경우 높은 열전도도를 가지도록 제어하고, 온도 감소로 단열이 필요한 경우에는 낮은 열전도도를 가지도록 제어가 가능한 선택적 열전달 효과 조절이 가능한 지능형 단열 냉각 부품을 제공하는데 있다.
상기와 같은 기술적인 문제점을 해결하기 위하여,
본 발명에 의한 선택적 열전달 효과 조절이 가능한 지능형 단열 냉각 부품은 전기를 저장하고, 전기 시스템에 전기를 공급하기 위해 전력을 내보내는 셀(100)과 상기 셀에 접촉하여 설치되는 복수의 열전도율 조절 패드(200)와 상기 열전도율 조절 패드에 접촉하여 설치되는 복수의 히트 파이프(300)와 상기 열전도율 조절 패드를 제어하는 제어부(400)를 포함하여 구성되는 것을 특징으로 한다.
또한 바람직하게는 상기 열전도율 조절 패드(200)는 상기 셀(100) 및 상기 히트 파이프(300)에 접촉되도록 상기 열전도율 조절 패드(200)의 일측에 설치되어 상기 셀(100) 및 상기 히트 파이프(300)의 온도를 측정하는 복수의 온도 센서(210)와 상기 열전도율 조절 패드(200)의 내부에 설치되는 MEMS(Micro Electro Mechanical Systems)를 기반으로 한 마이크로 액추에이터(220)를 포함하여 구성되는 것을 특징으로 한다.
또한 바람직하게는 상기 마이크로 액추에이터(220)는 MEMS를 기반으로 제작되어, 상기 센서(210)에서 센싱한 상기 셀(100) 및 상기 히트 파이프(300)의 온도를 기반으로 냉각이 필요한 경우 높은 열전도도를 가지고, 단열이 필요한 경우 낮은 열전도도를 가지는 것을 특징으로 한다.
또한 바람직하게는 상기 제어부(400)는 각각의 상기 온도 센서(210)와 연결되어 상기 온도 센서(210)에서 센싱한 온도 데이터를 수집하는 데이터 수집부(410)와 상기 데이터 수집부(410)에서 수집한 데이터의 상관관계 및 중요도를 분석하는 데이터 분석부(420)와 상기 데이터 분석부(420)에서 분석한 결과에 따라 변수를 선정하고 상기 셀(100)의 온도를 출력변수로 하여 학습데이터를 생성하고 다양한 머신러닝 모델을 통해 학습을 수행하는 머신러닝부(430)와 각각의 머신러닝 모델의 학습결과를 비교하여 최적의 머신러닝 모델을 선정하여 저장하는 학습모델 저장부(440)와 상기 학습모델 저장부(440)에 저장된 머신러닝 모델을 이용하여 상기 셀(100)의 온도를 예측하는 예측부(450)와 상기 예측부(450)에서 예측한 상기 셀(100)의 온도를 이용하여 상기 열전도율 조절 패드(200)의 상기 마이크로 액추에이터(220)를 작동시키는 작동부(460)를 포함하여 구성되는 것을 특징으로 한다.
상기한 바와 같이 이루어진 본 발명의 선택적 열전달 효과 조절이 가능한 지능형 단열 냉각 부품에 따르면, 다음과 같은 효과를 얻을 수 있다.
MEMS(Micro Electro Mechanical Systems)를 이용하여 선택적 영역에 열전도율을 조절하여, 온도 상승으로 냉각이 필요한 경우 높은 열전도도를 가지도록 제어하고, 온도 감소로 단열이 필요한 경우에는 낮은 열전도도를 가지도록 제어가 가능한 선택적 열전달 효과 조절이 가능한 지능형 단열 냉각 부품이다.
본 발명은 도면에 도시된 실시예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 당해 기술 분야에서 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 다른 실시예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 특허청구범위의 기술적 사상에 의하여 정해져야 할 것이다.
도 1은 본 발명의 바람직한 일 실시예에 따른 선택적 열전달 효과 조절이 가능한 지능형 단열 냉각 부품을 도시한 분해 사시도.
도 2는 본 발명의 바람직한 일 실시예에 따른 선택적 열전달 효과 조절이 가능한 지능형 단열 냉각 부품의 열전도율 조절 패드를 도시한 구성도.
도 3은 본 발명의 바람직한 일 실시예에 따른 선택적 열전달 효과 조절이 가능한 지능형 단열 냉각 부품의 제어부를 도시한 세부 구성도.
도 4는 본 발명의 바람직한 일 실시예에 따른 선택적 열전달 효과 조절이 가능한 지능형 단열 냉각 부품의 제어부 작동을 도시한 순서도.
도 5는 본 발명의 바람직한 일 실시예에 따른 선택적 열전달 효과 조절이 가능한 지능형 단열 냉각 부품의 셀 냉각과 단열을 도시한 흐름도.
이하, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 본 발명의 기술적 사상을 용이하게 실시할 수 있을 정도로 상세히 설명하기 위하여, 본 발명의 실시예를 첨부한 도면을 참조하여 설명하기로 한다.
도 1은 본 발명의 바람직한 일 실시예에 따른 선택적 열전달 효과 조절이 가능한 지능형 단열 냉각 부품을 도시한 분해 사시도이다.
도 1을 참조하면, 선택적 열전달 효과 조절이 가능한 지능형 단열 냉각 부품은 전기를 저장하고, 전기 시스템에 전기를 공급하기 위해 전력을 내보내는 셀(100)과 상기 셀에 접촉하여 설치되는 복수의 열전도율 조절 패드(200)와 상기 열전도율 조절 패드에 접촉하여 설치되는 복수의 히트 파이프(300)와 상기 열전도율 조절 패드를 제어하는 제어부(400)를 포함하여 구성될 수 있다.
여기서, 상기 셀(100)은 리튬 이온 배터리를 구성하는 셀로써, 전기를 저장하고 전기 시스템에 전기를 공급하기 위해 전력을 내보내고, 사용가능 온도는 0℃ 내지 60℃ 정도이지만, 최적의 성능을 위해서 15℃ 내지 35℃에서 작동해야 안전하고 안정적으로 사용될 수 있다.
그리고, 상기 히트 파이프(300)는 상기 상기 열전도율 조절 패드(200)와 외부 사이의 열을 전달하는 열교환기일 수 있다.
도 2는 본 발명의 바람직한 일 실시예에 따른 선택적 열전달 효과 조절이 가능한 지능형 단열 냉각 부품의 열전도율 조절 패드를 도시한 구성도이다.
도 2를 참조하면, 상기 열전도율 조절 패드(200)는 상기 셀(100) 및 상기 히트 파이프(300)에 접촉되도록 상기 열전도율 조절 패드(200)의 일측에 설치되어 상기 셀(100) 및 상기 히트 파이프(300)의 온도를 측정하는 복수의 온도 센서(210)와 상기 열전도율 조절 패드(200)의 내부에 설치되는 MEMS(Micro Electro Mechanical Systems)를 기반으로 한 마이크로 액추에이터(220)를 포함하여 구성될 수 있다.
여기서, MEMS는 입체적인 미세구조와 회로, 센서와 액추에이터를 실리콘 기판 위에 집적화 시킨 것일 수 있다.
또한, 일반적으로 MEMS는 마이크로(1㎛=10-6m) 단위의 작은 부품과 시스템으로 설계, 제작 및 응용되는데, 최소 수 mm(1mm=10-3m) 이상의 기존 기계 부품이나 시스템보다는 작고, 나노(1nm=10-9m) 영역의 분자 소자나 탄소 나노 튜브보다는 큰 영역에 속하고 있으며, 이보다 더 작은 영역은 NEMS(Nano Electro Mechanical Systems)로 분류될 수 있다.
따라서, MEMS는 사진석판술(photolithography), CMOS, 그리고 기타 가공기술로 저렴하게 대량 생산할 수 있는 단일 칩 형태의 MEMS는 애플리케이션에 따라 액추에이터/센서 및 스마트 구조의 노드, IC와 안테나, 프로세서와 메모리, 상호접속 망(통신 버스), IO(input-output) 시스템 등이 통합될 수 있다.
또한, 상기 마이크로 액추에이터(220)는 MEMS를 기반으로 제작되어, 상기 센서(210)에서 센싱한 상기 셀(100) 및 상기 히트 파이프(300)의 온도를 기반으로 냉각이 필요한 경우 상기 열전도율 조절 패드(200)가 높은 열전도도를 가지게 하고, 단열이 필요한 경우 상기 열전도율 조절 패드(200)가 낮은 열전도도를 가지게 할 수 있다.
여기서, 상기 마이크로 액추에이터(220)는 상기 열전도 조절 패드(200) 내부의 유체를 교체하여 상기 열전도 조절 패드(200)의 열전도도를 조절할 수 있다.
또한, 상기 열전도 조절 패드(200) 내부의 유체는 높은 열전도도를 가지는 제1 유체와 낮은 열전도도를 가지는 제2 유체가 포함될 수 있다.
여기서, 상기 제1 유체는 에틸렌글리콜 작용기가 도입된 탄소나노튜브가 물, 에틸렌글리콜, 및 폴리에틸렌글리콜 중 어느 하나 또는 이들의 혼합물인 용매에 용해될 수 있다.
또한, 상기 에틸렌글리콜 작용기가 도입된 탄소나노튜브는 0.01~10 중량% 일 수 있다.
그리고, 상기 제2 유체는 공기일 수 있다.
따라서, 상기 셀(100)의 온도가 상기 히트 파이프(300)의 온도보다 높거나 같은 경우, 상기 열전도율 조절 패드(200)가 높은 열전도도를 가져, 상기 셀(100)에서 상기 히트 파이프(300)로 높은 열유량으로 이동되고, 상기 셀(100)의 온도가 상기 히트 파이프(300)의 온도보다 낮은 경우, 상기 열전도율 조절 패드(200)가 낮은 열전도도를 가져, 상기 셀(100)에서 상기 히트 파이프(300)로 낮은 열유량으로 이동되거나 열전달이 되지 않을 수 있다.
도 3은 본 발명의 바람직한 일 실시예에 따른 선택적 열전달 효과 조절이 가능한 지능형 단열 냉각 부품의 제어부를 도시한 세부 구성도이고, 도 4는 본 발명의 바람직한 일 실시예에 따른 선택적 열전달 효과 조절이 가능한 지능형 단열 냉각 부품의 제어부 작동을 도시한 순서도이다.
도 3 내지 도 4를 참조하면, 상기 제어부(400)는 각각의 상기 온도 센서(210)와 연결되어 상기 온도 센서(210)에서 센싱한 온도 데이터를 수집하는 데이터 수집부(410)와 상기 데이터 수집부(410)에서 수집한 데이터의 상관관계 및 중요도를 분석하는 데이터 분석부(420)와 상기 데이터 분석부(420)에서 분석한 결과에 따라 변수를 선정하고 상기 셀(100)의 온도를 출력변수로 하여 학습데이터를 생성하고 다양한 머신러닝 모델을 통해 학습을 수행하는 머신러닝부(430)와 각각의 머신러닝 모델의 학습결과를 비교하여 최적의 머신러닝 모델을 선정하여 저장하는 학습모델 저장부(440)와 상기 학습모델 저장부(440)에 저장된 머신러닝 모델을 이용하여 상기 셀(100)의 온도를 예측하는 예측부(450)와 상기 예측부(450)에서 예측한 상기 셀(100)의 온도를 이용하여 상기 열전도율 조절 패드(200)의 상기 마이크로 액추에이터(220)를 작동시키는 작동부(460)를 포함하여 구성될 수 있다.
이때, 상기 머신러닝부(430)는 상기 머신러닝 모델 생성시 아담(Adaptive Moment Estimation, Adam) 옵티마이저(optimizer)를 이용하여 손실함수의 최저값을 찾을 수 있다.
상기 아담 옵티마이저는 현재 가장 많이 사용되는 딥러닝 최적화 기법으로, 모멘텀(Momentum)방식의 계산하는 기울기의 지수평균과 RMSProp의 기울기의 제곱값의 지수평균을 저장할 수 있다.
Figure pat00001
Figure pat00002
여기서,
Figure pat00003
는 계산하는 기울기의 지수평균,
Figure pat00004
는 계산하는 기울기의 제곱값의 지수평균이다.
Figure pat00005
Figure pat00006
여기서,
Figure pat00007
와
Figure pat00008
는
Figure pat00009
과
Figure pat00010
가 0으로 초기화 되어 있기 때문에 학습의 초반부에서는
Figure pat00011
와
Figure pat00012
가 0에 가깝게 bias 되었을 것이라고 판단하여 이를 unbiased하게 만들어준 보정값이다.
여기서,
Figure pat00013
은 0.9,
Figure pat00014
는 0.999,
Figure pat00015
은 10-8을 사용한다.
도 5는 본 발명의 바람직한 일 실시예에 따른 선택적 열전달 효과 조절이 가능한 지능형 단열 냉각 부품의 셀 냉각과 단열을 도시한 흐름도이다.
도 5를 참조하면, 상기 작동부(460)는 상기 예측부(450)에서 예측한 상기 셀(100)의 온도가 35℃ 초과인 경우 상기 셀(100) 냉각을 하고 35℃ 이하인 경우 상기 셀(100) 단열을 할 수 있다.
이때, 상기 작동부(460)가 냉각을 하는 경우 상기 마이크로 액추에이터(220)는 상기 열전도율 조절 패드(200)가 높은 열전도도를 가지게 하고, 단열을 하는 경우 상기 열전도율 조절 패드(200)가 낮은 열전도도를 가지게 할 수 있다.
100: 셀 200: 열전도율 조절 패드
210: 온도 센서 220: 마이크로 액추에이터
300: 히트 파이프 400: 제어부
410: 데이터 수집부 420: 데이터 분석부
430: 머신러닝부 440: 학습모델 저장부
450: 예측부 460: 작동부

Claims (4)

  1. 선택적 열전달 효과 조절이 가능한 지능형 단열 냉각 부품에 있어서,
    전기를 저장하고, 전기 시스템에 전력을 내보내는 셀(100);
    상기 셀에 접촉하여 설치되는 복수의 열전도율 조절 패드(200);
    상기 열전도율 조절 패드에 접촉하여 설치되는 복수의 히트 파이프(300); 및
    상기 열전도율 조절 패드를 제어하는 제어부(400)를 포함하여 구성되는 것을
    특징으로 하는 선택적 열전달 효과 조절이 가능한 지능형 단열 냉각 부품.
  2. 제 1항에 있어서,
    상기 열전도율 조절 패드(200)는
    상기 셀(100) 및 상기 히트 파이프(300)에 접촉되도록 상기 열전도율 조절 패드(200)의 일측에 설치되어 상기 셀(100) 및 상기 히트 파이프(300)의 온도를 측정하는 복수의 온도 센서(210); 및
    상기 열전도율 조절 패드(200)의 내부에 설치되는 MEMS(Micro Electro Mechanical Systems)를 기반으로 한 마이크로 액추에이터(220)를 포함하여 구성되는 것을
    특징으로 하는 선택적 열전달 효과 조절이 가능한 지능형 단열 냉각 부품.
  3. 제 2항에 있어서,
    상기 마이크로 액추에이터(220)는
    MEMS를 기반으로 제작되어, 상기 센서(210)에서 센싱한 상기 셀(100) 및 상기 히트 파이프(300)의 온도를 기반으로 냉각이 필요한 경우 상기 열전도율 조절 패드(200)가 높은 열전도도를 가지게 하고, 단열이 필요한 경우 상기 열전도율 조절 패드(200)가 낮은 열전도도를 가지게 하는 것을
    특징으로 하는 선택적 열전달 효과 조절이 가능한 지능형 단열 냉각 부품.
  4. 제 1항에 있어서,
    상기 제어부(400)는
    각각의 상기 온도 센서(210)와 연결되어 상기 온도 센서(210)에서 센싱한 온도 데이터를 수집하는 데이터 수집부(410);
    상기 데이터 수집부(410)에서 수집한 데이터의 상관관계 및 중요도를 분석하는 데이터 분석부(420);
    상기 데이터 분석부(420)에서 분석한 결과에 따라 변수를 선정하고 상기 셀(100)의 온도를 출력변수로 하여 학습데이터를 생성하고 다양한 머신러닝 모델을 통해 학습을 수행하는 머신러닝부(430);
    각각의 머신러닝 모델의 학습결과를 비교하여 최적의 머신러닝 모델을 선정하여 저장하는 학습모델 저장부(440);
    상기 학습모델 저장부(440)에 저장된 머신러닝 모델을 이용하여 상기 셀(100)의 온도를 예측하는 예측부(450); 및
    상기 예측부(450)에서 예측한 상기 셀(100)의 온도를 이용하여 상기 열전도율 조절 패드(200)의 상기 마이크로 액추에이터(220)를 작동시키는 작동부(460)를 포함하여 구성되는 것을
    특징으로 하는 선택적 열전달 효과 조절이 가능한 지능형 단열 냉각 부품.
KR1020220019497A 2022-02-15 2022-02-15 선택적 열전달 효과 조절이 가능한 지능형 단열 냉각 부품 KR20230122820A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020220019497A KR20230122820A (ko) 2022-02-15 2022-02-15 선택적 열전달 효과 조절이 가능한 지능형 단열 냉각 부품

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220019497A KR20230122820A (ko) 2022-02-15 2022-02-15 선택적 열전달 효과 조절이 가능한 지능형 단열 냉각 부품

Publications (1)

Publication Number Publication Date
KR20230122820A true KR20230122820A (ko) 2023-08-22

Family

ID=87799491

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220019497A KR20230122820A (ko) 2022-02-15 2022-02-15 선택적 열전달 효과 조절이 가능한 지능형 단열 냉각 부품

Country Status (1)

Country Link
KR (1) KR20230122820A (ko)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101933166B1 (ko) 2015-07-01 2019-04-05 한온시스템 주식회사 차량 공조 장치 및 차량 배터리의 온도 조절을 위해 상기 차량 공조 장치를 제어하기 위한 방법
KR102140658B1 (ko) 2019-12-19 2020-08-04 주식회사 코렌스 전기차용 배터리 온도관리 시스템
KR20210113226A (ko) 2018-12-12 2021-09-15 위스크 에어로 엘엘씨 액체 온도 제어 시스템을 구비한 배터리

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101933166B1 (ko) 2015-07-01 2019-04-05 한온시스템 주식회사 차량 공조 장치 및 차량 배터리의 온도 조절을 위해 상기 차량 공조 장치를 제어하기 위한 방법
KR20210113226A (ko) 2018-12-12 2021-09-15 위스크 에어로 엘엘씨 액체 온도 제어 시스템을 구비한 배터리
KR102140658B1 (ko) 2019-12-19 2020-08-04 주식회사 코렌스 전기차용 배터리 온도관리 시스템

Similar Documents

Publication Publication Date Title
Yue et al. Advances in thermal management systems for next-generation power batteries
Cen et al. Li-ion power battery temperature control by a battery thermal management and vehicle cabin air conditioning integrated system
He et al. Model predictive control with lifetime constraints based energy management strategy for proton exchange membrane fuel cell hybrid power systems
Sulaiman et al. Experimental and theoretical study of thermoelectric generator waste heat recovery model for an ultra-low temperature PEM fuel cell powered vehicle
Twaha et al. A comprehensive review of thermoelectric technology: Materials, applications, modelling and performance improvement
Almehmadi et al. Combining an active method and a passive method in cooling lithium-ion batteries and using the generated heat in heating a residential unit
KR101749298B1 (ko) 고열 전도성 재료를 이용하여 전기 에너지 저장 디바이스 또는 전기화학 에너지 생성 디바이스의 온도를 변경하는 시스템 및 방법
KR102218137B1 (ko) 열전기 가열 및 냉각 시스템
Mojumder et al. Application of support vector machine for prediction of electrical and thermal performance in PV/T system
US20060028182A1 (en) Thermoelectric methods to control temperature of batteries
Monfray et al. Innovative thermal energy harvesting for zero power electronics
Osmani et al. Recent progress in the thermal management of lithium-ion batteries
CN103532439A (zh) 一种对偶型的温差发电装置
Kwan et al. Integrated TEG-TEC and variable coolant flow rate controller for temperature control and energy harvesting
US20220294050A1 (en) Battery with thermal switch
US20120073620A1 (en) Thermoelectric power generation apparatus and method
KR20230122820A (ko) 선택적 열전달 효과 조절이 가능한 지능형 단열 냉각 부품
US11920869B2 (en) Balanced heat transfer mechanism and control for automotive vehicles communication systems
Odoi-Yorke et al. Optimisation of thermal energy storage systems incorporated with phase change materials for sustainable energy supply: A systematic review
Pan et al. Experimental analysis of power battery preheating system based on thermoelectric elements
CN109450287A (zh) 一种基于mteg和薄膜拍打式teng的热能与风能多能互补的微型自供能装置
Liu et al. Surrogate based multi-objective optimization of j-type battery thermal management system
Hong et al. Round-the-clock performance of solar thermoelectric wall with phase change material in subtropical climate: Critical analysis and parametric investigations
Liu et al. Self-adapting intelligent battery thermal management system via artificial neural network based model predictive control
KR102062630B1 (ko) 온도 조건 적응형 열전 발전 모듈