열관리 및 열폭주 방지

박우성 교수 연구팀은 나노 스케일 물질 측청 및 열전달 현상을 이용하여 전기차 배터리 시스템 내부의 전동화 부품에 포함되는 인버터와 배터리 내부 열전달 현상 및 전기차 전체의 열에너지 전달 등 시스템 레벨의 열관리 연구를 수행하고 있습니다. 구체적으로, 배터리 내부 발열과 열적 안정성을 개선하기 위해 내부 온도를 직접 측정하고 이를 기반으로 정교한 발열 모델을 구축하여 최적의 열전달 조건을 도출하는 데 집중하고 있습니다.

소홍윤 교수 연구팀은 센서 기반 기술을 활용하여 전기차 배터리의 열폭주 안전성을 확보하기 위한 연구를 진행하고 있습니다. 리튬 이온 배터리는 과충전, 과방전, 기계적 충격 등 고위험 조건에서 열폭주와 같은 폭발적 현상을 일으킬 수 있으며, 이를 방지하기 위해 사전 예측 기술이 중요합니다. 특히, 열폭주 발생 이전에 나타나는 배터리의 스웰링 현상을 통해 상태를 진단하고 위험을 조기에 예측하는 연구에 집중하고 있습니다. 연구팀은 다양한 이상 조건에서 센서를 이용한 조기 탐지 기술을 개발하며, 열폭주 발생 요인과 지점을 구체적으로 분석하여 전기차 배터리의 안전성을 높이는 데 기여하고 있습니다. 

소홍윤 교수 연구팀은 디지털 트윈 기술을 기반으로 전기차 주요 부품의 열 관리 시스템을 개발하고 있습니다. 인공지능과 센서 계측 기술을 접목하여 기존 기술로 해결하기 어려운 계측 문제를 가상 센싱 기술로 모니터링하고, 센서 없이도 다양한 공학적 문제를 해결하는 혁신적인 방안을 제시하고 있습니다. 또한, 차세대 전력 반도체인 GaN 디바이스 기반 인버터 등 전기차의 차세대 기술을 연구하며, 실험과 유한요소 시뮬레이션을 통해 최적의 방열 구조를 설계하고 적용하고 있습니다. 연구팀은 이러한 디지털 트윈 기술을 활용해 전기차를 넘어 다양한 공학적 문제를 선제적으로 해결할 수 있는 기술 개발을 목표로 하고 있습니다.

오기용 교수 연구팀은 학습 데이터가 부족한 상황에서도 열폭주를 신속 정확하게 예측할 수 있는 인공지능 연구를 수행중 입니다. 특히 열폭주를 지배하는 다양한 물리 방정식을 인공지능에 융합한 물리융합 인공신경망 (Physics-Informed Neural Network) 을 개발하여 열폭주 예측 성능과 강건성을 향상시켰습니다. 이 기술은 '물리 기반 수치해석 모델' 보다 최대 만 배 더 빠른 열폭주 추론 성능을 보유하고 있으며, 배터리의 디지털 전환 (digital transformation, DX)을 넘어 인공지능 전환 (AI transformation, AX) 을 연구팀의 실현한 대표 기술입니다.