CN111344584A - 电池管理装置和方法 - Google Patents
电池管理装置和方法 Download PDFInfo
- Publication number
- CN111344584A CN111344584A CN201980005674.1A CN201980005674A CN111344584A CN 111344584 A CN111344584 A CN 111344584A CN 201980005674 A CN201980005674 A CN 201980005674A CN 111344584 A CN111344584 A CN 111344584A
- Authority
- CN
- China
- Prior art keywords
- battery
- soc
- voltage
- voltage difference
- processor
- Prior art date
- Legal status (The legal status 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 status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title abstract description 19
- 230000015556 catabolic process Effects 0.000 claims abstract description 78
- 238000006731 degradation reaction Methods 0.000 claims abstract description 78
- 238000007599 discharging Methods 0.000 claims abstract description 66
- 230000006866 deterioration Effects 0.000 claims description 57
- 238000007726 management method Methods 0.000 claims description 44
- 230000009467 reduction Effects 0.000 claims description 20
- 230000003247 decreasing effect Effects 0.000 claims description 6
- 238000006722 reduction reaction Methods 0.000 description 18
- 230000008859 change Effects 0.000 description 16
- 239000007773 negative electrode material Substances 0.000 description 15
- 230000007423 decrease Effects 0.000 description 13
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 11
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 11
- 229910002804 graphite Inorganic materials 0.000 description 11
- 239000010439 graphite Substances 0.000 description 11
- 229910052710 silicon Inorganic materials 0.000 description 11
- 239000010703 silicon Substances 0.000 description 11
- 238000006243 chemical reaction Methods 0.000 description 6
- 239000007772 electrode material Substances 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000012937 correction Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 101100193633 Danio rerio rag2 gene Proteins 0.000 description 3
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 3
- 101100193635 Mus musculus Rag2 gene Proteins 0.000 description 3
- 239000011149 active material Substances 0.000 description 3
- 238000004146 energy storage Methods 0.000 description 3
- 229910052744 lithium Inorganic materials 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000010354 integration Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000003252 repetitive effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- NDVLTYZPCACLMA-UHFFFAOYSA-N silver oxide Chemical compound [O-2].[Ag+].[Ag+] NDVLTYZPCACLMA-UHFFFAOYSA-N 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- VNDYJBBGRKZCSX-UHFFFAOYSA-L zinc bromide Chemical compound Br[Zn]Br VNDYJBBGRKZCSX-UHFFFAOYSA-L 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- OJIJEKBXJYRIBZ-UHFFFAOYSA-N cadmium nickel Chemical compound [Ni].[Cd] OJIJEKBXJYRIBZ-UHFFFAOYSA-N 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003487 electrochemical reaction Methods 0.000 description 1
- 239000003792 electrolyte Substances 0.000 description 1
- 238000006056 electrooxidation reaction Methods 0.000 description 1
- 150000002500 ions Chemical class 0.000 description 1
- UGKDIUIOSMUOAW-UHFFFAOYSA-N iron nickel Chemical compound [Fe].[Ni] UGKDIUIOSMUOAW-UHFFFAOYSA-N 0.000 description 1
- 229910052987 metal hydride Inorganic materials 0.000 description 1
- 229910052759 nickel Inorganic materials 0.000 description 1
- PXHVJJICTQNCMI-UHFFFAOYSA-N nickel Substances [Ni] PXHVJJICTQNCMI-UHFFFAOYSA-N 0.000 description 1
- -1 nickel metal hydride Chemical class 0.000 description 1
- QELJHCBNGDEXLD-UHFFFAOYSA-N nickel zinc Chemical compound [Ni].[Zn] QELJHCBNGDEXLD-UHFFFAOYSA-N 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007747 plating Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 229910001923 silver oxide Inorganic materials 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 229910052720 vanadium Inorganic materials 0.000 description 1
- 229940102001 zinc bromide Drugs 0.000 description 1
- SZKTYYIADWRVSA-UHFFFAOYSA-N zinc manganese(2+) oxygen(2-) Chemical compound [O--].[O--].[Mn++].[Zn++] SZKTYYIADWRVSA-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/378—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC] specially adapted for the type of battery or accumulator
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/392—Determining battery ageing or deterioration, e.g. state of health
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/3644—Constructional arrangements
- G01R31/3648—Constructional arrangements comprising digital calculation means, e.g. for performing an algorithm
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
- G01R31/3835—Arrangements for monitoring battery or accumulator variables, e.g. SoC involving only voltage measurements
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Tests Of Electric Status Of Batteries (AREA)
Abstract
本公开涉及一种电池管理装置和方法,其基于电池的根据SOC的充电电压和放电电压之间的基于SOC的电压差来设置劣化SOC区域,并基于所设置的劣化SOC区域中的电压差来估计电池的劣化程度。
Description
技术领域
本申请要求于2018年9月12日提交的韩国专利申请NO.10-2018-0109210和于2019年9月10日提交的韩国专利申请NO.10-2019-0112316的优先权,其公开内容通过引用并入本文。
本公开涉及一种电池管理装置和方法,更具体地,涉及一种用于估计使用各种活性材料的电池的劣化程度和预期寿命的电池管理装置和方法。
背景技术
二次电池通过电化学氧化和还原反应产生电能,并且被广泛用于各种应用中。例如,二次电池的使用领域逐渐扩展到能够在人手中携带的便携式设备,诸如蜂窝电话、膝上型计算机、数字照相机、摄像机、平板计算机或电力工具;各种电驱动设备,诸如电动自行车、电动摩托车、电动车辆、混合动力电动车辆、电动船或电动飞机;用于存储可再生能源产生的电力或剩余发电的电力存储设备;用于稳定地向包括用于通信的服务器计算机和基站的各种信息通信设备供应电力的电力供应设备;等等。
二次电池包括三个基本部件,即包含在放电期间释放电子的同时被氧化的物质的负电极(阳极)、包含在放电期间接收电子的同时被还原的物质的正电极(阴极)、以及允许离子在负电极和正电极之间转移的电解质。电池可被分类为在被放电后不可重复使用的一次电池和由于电化学反应至少部分可逆而允许重复地充电和放电的二次电池。
本领域已知的二次电池的示例包括铅酸电池、镍镉电池、镍锌电池、镍铁电池、氧化银电池、镍金属氢化物电池、氧化锌锰电池、溴化锌电池、金属空气电池、锂二次电池等。在它们中,与其他二次电池相比,锂二次电池由于其高能量密度、高电池电压和长寿命而引起了最大的商业兴趣。
近来,为了高容量,已经开发了具有由各种电极活性材料制成的电极的二次电池。例如,与具有仅由一种材料制成的负电极活性材料的二次电池相比,具有由硅和石墨制成的负电极活性材料的二次电池具有更高的容量和更高的能量密度。
具有由各种电极活性材料制成的电极的二次电池针对每种电极活性材料具有不同的充电和放电特性。例如,在具有由硅和石墨制成的负电极活性材料的二次电池中,在低容量区域中硅比石墨引起更多的活性化学反应,并且在高容量区域中石墨比硅引起更多的活性化学反应。
由于具有由各种电极活性材料制成的电极的二次电池的充电和放电特性,使用其中通过将根据容量的电压与参考电压进行比较来估计劣化程度的传统方法可能无法准确地估计二次电池的劣化程度。
因此,需要一种用于准确地估计具有由各种电极活性材料制成的电极的二次电池的劣化程度的技术。
发明内容
技术问题
本公开旨在提供一种电池管理装置和方法,其计算在电池的根据SOC(充电状态)的充电电压和放电电压之间的基于SOC的电压差,基于该基于SOC的电压差设置劣化SOC区域,并基于该基于SOC的电压差当中、与被包括在劣化SOC区域中的SOC对应的基于SOC的电压差来估计电池的劣化程度。
本公开的这些和其他目的以及优点可以从下面的详细描述中理解,并且根据本公开的示例性实施例将变得更加显而易见。而且,将容易理解,本公开的目的和优点可以通过所附权利要求中示出的装置及其组合来实现。
技术方案
根据本公开的一个方面的电池管理装置可以包括:感测单元,其被配置为当电池被充电时测量电池的根据SOC(充电状态)的充电电压,并且当电池被放电时测量电池的根据SOC的放电电压;以及,处理器,其被配置为计算在根据SOC的充电电压和根据SOC的放电电压之间的基于SOC的电压差,基于该基于SOC的电压差来设置劣化SOC区域,并基于该基于SOC的电压差当中、与被包括在劣化SOC区域中的SOC对应的劣化区域电压差,以及在劣化SOC区域中电池的充电和放电循环的数目中的至少一个来估计电池的劣化程度。
处理器可以被配置为:计算基于SOC的电压差中的每一个与基于SOC的电压差当中具有最大电压差的第一电压差的电压差比率,并且通过将所计算的电压差比率与参考比率进行比较来设置劣化SOC区域。
处理器可以被配置为:将包括与所计算的电压差比率当中、等于或大于参考比率的电压差比率对应的SOC的区域设置为劣化SOC区域。
处理器可以被配置为:将在电池的充电和放电时的充电和放电c速率与参考c速率进行比较,并利用比较结果来改变参考比率。
处理器可以被配置为:当充电和放电c速率等于或大于参考c速率时降低参考比率,并且当充电和放电c速率小于参考c速率时增加参考比率。
处理器可以被配置为:计算劣化区域电压差的平均电压差,并且通过将平均电压差与第一参考电压差进行比较来估计电池的劣化程度。
处理器可以被配置为:将平均电压差与第一参考电压差的降低比率估计为电池的劣化程度。
处理器可以被配置为:通过将在劣化区域电压差当中与最大SOC对应的第二电压差与第二参考电压差进行比较来估计电池的劣化程度。
处理器可以被配置为:将第二电压差与第二参考电压差的降低比率估计为电池的劣化程度。
处理器可以被配置为:分别累积地计算电池的整个充电和放电循环的数目以及在劣化SOC区域中的劣化充电和放电循环的数目,计算劣化充电和放电循环的数目与整个充电和放电循环的数目之间的数目比率,并通过对应于数目比率增加或减小初始预期寿命来估计预期寿命。
处理器可以被配置为:根据所估计的电池的劣化程度来改变电池的可用电压范围。
处理器可以被配置为:选择与基于SOC的电压差当中具有最大电压差的第一电压差对应的SOC,并基于所选择的SOC和所估计的电池的劣化程度来改变电池的可用电压范围的最高值和最低值中的至少一个。
处理器可以被配置为:随着所估计的电池的劣化程度越大,增加电池的可用电压范围的降低宽度。
根据本公开的另一方面的电池组可以包括根据本公开的一方面的电池管理装置。
根据本公开的另一方面的电池管理方法可以包括:当电池被充电时测量电池的根据SOC的充电电压的充电电压测量步骤;当电池被放电时测量电池的根据SOC的放电电压的放电电压测量步骤;计算根据SOC的充电电压和根据SOC的放电电压之间的基于SOC的电压差的电压差计算步骤;基于该基于SOC的电压差来设置劣化SOC区域的劣化SOC区域设置步骤;以及基于该基于SOC的电压差当中、与被包括在劣化SOC区域中的SOC对应的劣化区域电压差和在劣化SOC区域中电池的充电和放电循环的数目中的至少一个来估计电池的劣化程度的劣化程度估计步骤。
有益效果
根据本公开,可以计算在电池的根据SOC(充电状态)的充电电压和放电电压之间的基于SOC的电压差,基于该基于SOC的电压差来设置劣化SOC区域,并基于该基于SOC的电压差当中、与被包括在劣化SOC区域中的SOC对应的基于SOC的电压差来准确地估计电池的劣化程度。
附图说明
附图图示了本公开的优选实施例,并且与前述公开一起,用于提供对本公开的技术特征的进一步理解,并且因此,本公开不应被解释为限于附图。
图1是示出根据本公开的实施例的电池管理装置的图。
图2是示出根据电池的SOC的电池的充电电压和放电电压的曲线图。
图3是示出根据电池的SOC的电池的充电电压和放电电压之间的基于SOC的电压差的示例的曲线图。
图4是示出根据电池的SOC的电池的充电电压和放电电压之间的基于SOC的电压差的另一示例的曲线图。
图5是示出根据电池的SOC的电池的充电电压和放电电压之间的基于SOC的电压差的又一示例的曲线图。
图6是示出根据电池的SOC的电池的充电和放电循环的数目的曲线图。
图7是示出根据电池的劣化程度的电压降低宽度的示例的图。
图8是用于示意性地图示根据本公开的另一实施例的电池管理方法的流程图。
具体实施方式
此后,将参考附图详细描述本公开的优选实施例。在描述之前,应该理解的是,说明书和所附权利要求书中使用的术语或单词不应被解释为限于一般含义和词典含义,而是在允许发明人适当地限定术语以获得最佳解释的原则的基础上,基于与本公开的技术方面对应的含义和概念来解释。
因此,本文描述的实施例和附图中示出的图示仅是本公开的最优选实施例,但是并不旨在完全描述本公开的技术方面,因此应理解,在提交申请时可以对其进行各种其他的等同和修改。
另外,在描述本公开时,当认为相关的已知元件或功能的某些详细描述使本公开的关键主题模糊时,在此省略详细描述。
包括诸如“第一”、“第二”等的序数的术语可用于区分各种元件当中的一个元件与另一元件,但不旨在通过术语限制元件。
除非上下文另有明确指示,否则将理解,当将一部分称为“包括”或“包含”任何元件时,意味着该部分可以进一步包括其他元件,而不排除其他元件。另外,说明书中描述的术语“处理器”指处理至少一个功能或操作的单元,并且可以通过硬件或软件或硬件和软件的组合实现。
此外,在整个说明书中,当将一部分被称为“连接”到另一部分时,不限于它们“直接连接”的情况,而是还包括它们用插入它们之间的另一元件“间接连接”的情况。
图1是示出根据本公开的实施例的电池管理装置100的图,图2是示出根据电池B的SOC的电池B的充电电压和放电电压的曲线图,图3是示出根据电池B的SOC的电池B的充电电压和放电电压之间的基于SOC的电压差的示例的曲线图。
首先,参照图1,根据本公开的实施例的电池管理装置100被设置在包括电池B的电池组1中,并且可以被连接到电池B以估计电池B的劣化程度。
同时,根据本公开的实施例的电池管理装置100可以被包括在电池组1中设置的电池管理系统(BMS)中。
电池B是估计其充电状态(SOC)的最小单元单体,并且包括串联和/或并联电连接的多个单位单体。当然,电池组B仅包括一个单元单体的情况也落入本公开的范围。
在电池B中,正电极和负电极中的至少一个可以由各种活性材料制成。例如,电池B的负电极可以由包含石墨和硅的活性材料制成。
电池B可以通过外部端子电耦合到各种类型的外部设备。外部设备可以是例如电动车辆、混合动力电动车辆、诸如无人机的飞行物体、电网中包括的大容量能量存储系统(ESS)、或移动设备。
电池B的外部端子可以选择性地耦合到充电设备。可以通过电池组B被安装到的外部设备的控制将充电设备选择性地耦合到电池B。
参照图1至图3,根据本公开的实施例的电池管理装置100可以包括感测单元110、存储单元120、处理器130和通知单元140。
感测单元110可操作地耦合到处理器130。也就是说,感测单元110可以连接到处理器130以将电信号发送到处理器130或从处理器130接收电信号。
感测单元110可以在电池B被充电时以预定循环重复地测量施加在电池B的正电极和负电极之间的充电电压,并在电池B被放电时以预定循环重复地测量施加在电池B的正电极和负电极之间的放电电压。
这里,电池B的充电电压和放电电压可以是电池B的开路电压。
感测单元110可以在电池B被充电时重复地测量流入电池B的充电电流,并且在电池B被放电时重复地测量从电池B流出的放电电流。
感测单元110可以将指示测量的充电电压、测量的放电电压、测量的充电电流和测量的放电电流的测量信号提供给处理器130。
感测单元110可以进一步包括被配置为测量电池B的充电电压和放电电压的电压传感器。此外,感测单元110包括被配置为测量电池B的充电电流和放电电流的电流传感器。
如果从感测单元110接收到测量信号,则处理器130可以通过信号处理分别确定电池B的充电电压、放电电压、充电电流和放电电流的数字值。另外,处理器130可以将电池B的充电电压、放电电压、充电电流和放电电流的确定的数字值存储在存储单元120中。
存储单元120是记录、擦除和更新由处理器130产生的数据的半导体存储设备,并且存储为估计电池B的SOC而准备的多个程序代码。此外,存储单元120可以存储用于实现本公开的各种预定参数的预设值。
存储单元120可以不受特别限制,只要它是本领域已知的能够记录、擦除和更新数据的半导体存储元件即可。例如,存储单元120可以是DRAM、SDRAM、闪存、ROM、EEPROM、寄存器等。另外,存储单元120可以进一步包括存储定义处理器130的控制逻辑的程序代码的存储介质。该存储介质包括诸如闪存或硬盘的非易失性存储元件。存储单元120可以在物理上与处理器130分离或者可以与处理器130集成在一起。
处理器130可以基于输入到电池B的充电电流和从电池B输出的放电电流来估计电池B的SOC(充电状态)。
在此,电池B的SOC可以是电池B的充电容量与总容量的比率。例如,SOC可以由0%至100%的范围表示,或者可以由0至1的范围表示。
处理器130可以通过使用对电池B的充电电流和放电电流进行积分的电流积分方法来估计电池B的SOC。
尽管处理器130被描述为使用电流积分方法估计电池B的SOC,但是应当注意,估计方法不受限制,只要可以估计电池B的SOC即可。
同时,处理器130可以通过将电池B的充电电压和放电电压与电池B的估计SOC进行映射来产生电池B的SOC-电压数据。
为此,感测单元110可以在电池B被充电时测量电池B的根据SOC的充电电压,并且在电池B被放电时测量电池B的根据SOC的放电电压。
换句话说,如果电池B正在充电,则感测单元110可以测量在电池B的SOC被估计时的充电电压。另外,如果电池B正在放电,则感测单元110可以测量在电池B的SOC被估计时的放电电压。
电池B的SOC-电压数据可以如图2所示由根据电池B的SOC的电池B的充电电压曲线和放电电压曲线表示。
在这种情况下,存储单元120可以以下述中的至少一个的形式来存储电池B的SOC-电压数据:将电池B的SOC-电压数据近似于电池B的根据SOC的电池B的充电电压曲线和放电电压曲线的近似函数,和其中针对电池B的每个SOC映射电池B的充电电压和放电电压的查找表。
处理器130可以计算根据SOC的充电电压与根据SOC的放电电压之间的基于SOC的电压差,基于该基于SOC的电压差设置劣化SOC区域,并基于在基于SOC的电压差当中、与被包括在劣化SOC区域中的SOC对应的劣化区域电压差来估计电池的劣化程度。
具体地,如图3所示,处理器130可以在“0%至100%”的整个SOC区域中计算根据相同SOC的充电电压和放电电压之间的电压差。
在这种情况下,处理器130可以使用下面的等式1来计算根据SOC的充电电压与根据SOC的放电电压之间的基于SOC的电压差。
[等式1]
ΔV(SOCn)=Vch(SOCn)-Vdis(SOCn)
在此,ΔV(SOCn)表示SOC n%处的充电电压和放电电压的电压差,Vch(SOCn)表示SOCn%处的充电电压,Vdis(SOCn)表示SOC n%处的放电电压,并且n表示0%至100%。
作为参考,如果电池B的负电极活性材料由硅和石墨制成,则基于SOC的电压差可以取决于硅和石墨的含量而变化。具体地,具有硅含量大于石墨含量的负电极活性材料的电池B可以具有比具有石墨含量大于硅含量的负电极活性材料的电池B更大的基于SOC的电压差。
此外,基于SOC的电压差可以取决于电池B的劣化程度而变化。具体地,随着电池B的进一步劣化,基于SOC的电压差可能变得更小。
根据本公开的电池管理装置100可以通过使用由形成电池B的负电极活性材料的负电极材料的含量和电池B的劣化程度引起的基于SOC的电压差的改变来估计电池B的劣化程度和预期寿命。
处理器130可以计算每个基于SOC的电压差与在基于SOC的电压差当中具有最大电压差的第一电压差(Va)的电压差比率,并通过将电压差比率与参考比率进行比较来设置劣化SOC区域(Rag)。
如图3所示,在分别对应于SOC“0%至100%”的电压差当中,处理器130可以选择对应于SOC“10%”的电压差“0.4V”作为第一电压差(Va)。之后,处理器130可以计算其他基于SOC的电压差中的每个与第一电压差(Va)的电压差比率。
在这种情况下,处理器130可以使用下面的等式2来计算电压差比率。
[等式2]
Rv(SOCn)=ΔV(SOCn)÷Va
这里,Rv(SOCn)表示SOC n%处的电压差比率,ΔV(SOCn)表示SOC n%处的充电电压和放电电压的电压差,Va表示在基于SOC的电压差当中具有最大电压差的第一电压差,并且n表示0%至100%。
例如,如图3所示,处理器130可以计算SOC“45%”处的电压差比率。在此,SOC“45%”处的电压差(V45)可以是“0.16V”。处理器130可以将电压差(V45)“0.16V”与第一电压差(V3a)“0.4V”的电压差比率计算为“0.4”。
另外,处理器130可以计算SOC“2%”处的电压差比率。在此,SOC“2%”处的电压差(V2)可以是“0.16V”。处理器130可以将电压差(V2)“0.16V”与第一电压差(V3a)“0.4V”的电压差比率计算为“0.4”。
处理器130可以根据上述方法来计算SOC“0%至100%”的整个区域中的电压差比率。
随后,处理器130可以将所计算的电压差比率等于或大于参考比率的区域设置为劣化SOC区域(Rag)。具体地,处理器130可以将所计算的电压差比率与参考比率进行比较,并且根据比较结果将包括电压差比率等于或大于参考比率的SOC的区域设置为劣化SOC区域(Rag)。
例如,在图3的实施例中,假设参考比率被设置为“0.4”。处理器130可以将针对每个SOC计算的电压差比率与参考比率“0.4”进行比较。之后,处理器130可以将与等于或大于参考比率“0.4”的电压差比率对应的SOC区域“2%至45%”设置为劣化SOC区域(Rag)。
同时,在劣化SOC区域(Rag)中,在形成电池B的负电极的各种负电极活性材料当中,产生充电电压和放电电压之间的电压差的一种负电极活性材料可能更积极地引起化学反应。因此,劣化SOC区域(Rag)可以是其中电池B的充电电压和放电电压之间的电压差等于或大于特定电压的SOC区域。
在实施例中,电池B的负电极由硅和石墨制成,并且如果电池B在劣化SOC区域(Rag)中充电和放电,则与石墨相比,产生充电电压和放电电压之间的电压差的硅可能更积极地引起化学反应。因此,在劣化SOC区域(Rag)中,电池B的充电电压与放电电压之间的电压差可以等于或大于特定电压。
另外,如前面示例所述,由于具有由包括各种材料的负电极活性材料制成的负电极的电池B劣化,因此在劣化SOC区域(Rag)中电池B的充电电压和放电电压之间的电压差减小。
同时,处理器130可以将在所计算的基于SOC的电压差当中的、其中对应SOC被包括在劣化SOC区域(Rag)中的电压差分类为劣化区域电压差。
例如,如图3所示,处理器130可以将在所计算的基于SOC的电压差当中的、其中对应SOC被包括在劣化SOC区域(Rag)“2%至45%”中的电压差分类为劣化区域电压差。
此后,处理器130可以计算劣化区域电压差的平均电压差,并且通过将平均电压差与第一参考电压差进行比较来估计劣化程度。
为此,处理器130可以通过将与劣化SOC区域(Rag)中包括的每个SOC对应的电压差相加并将相加的结果除以劣化SOC区域(Rag)的最大SOC和最小SOC之间的SOC差来计算平均电压差。
例如,在图3的实施例中,处理器130可以通过将与劣化SOC区域(Rag)中包括的每个SOC对应的电压差相加并将相加的结果除以劣化SOC区域(Rag)的SOC差“44%”来计算平均电压差。在此,劣化SOC区域(Rag)的SOC差“44%”是劣化SOC区域(Rag)的大小,并且可以基于最小SOC“2%”和最大SOC“45%”来计算。具体地,处理器130可以通过计算“45-2+1”(%)来计算劣化SOC区域(Rag)的大小。
处理器130可以被配置为通过将所计算的平均电压差与第一参考电压差进行比较来估计电池B的劣化程度。具体地,处理器130可以将平均电压差与第一参考电压差的降低比率估计为劣化程度。即,处理器130可以将平均电压差基于第一参考电压差而降低的比率估计为劣化程度。
在此,第一参考电压差可以是通过与上述相同的方法从处于未劣化的BOL状态的电池所计算的平均电压差。第一参考电压差可以从处于BOL状态的电池获得,并且可以预先存储在存储单元120中。
同时,BOL状态意指当电池B的循环计数小于预定值时的寿命开始。
处理器130可以使用下面的等式3来估计电池B的劣化程度。
[等式3]
D=((R1-VAVR)÷R1)×100
在此,D表示电池B的劣化程度,R1表示第一参考电压差,并且VAVR表示平均电压差。
例如,如果所计算的平均电压差为“0.3V”并且第一参考电压差为“0.35V”,则处理器130可以将电池B的劣化程度估计为“14.285%”。
这里,劣化程度可以意指作为估计劣化程度的目标的电池B相对于处于BOL状态的电池的劣化程度。
处理器130可以选择性地包括专用集成电路(ASIC)、另一芯片组、逻辑电路、寄存器、通信调制解调器和数据处理设备。可以组合处理器130可执行的各种控制逻辑中的至少一个,并且将组合的控制逻辑写入计算机可读代码系统中并记录在计算机可读记录介质上。记录介质没有限制,只要其可以被计算机中包括的处理器130访问即可。作为一个示例,记录介质包括选自由ROM、RAM、寄存器、CD-ROM、磁带、硬盘、软盘和光学数据记录设备组成的组中的至少一种。另外,代码系统可以被调制为载波信号并且在特定时间被存储在通信载波中,并且可以以分布式的方式被存储和执行在通过网络连接的计算机上。此外,在本公开所属的技术领域中,程序员可以容易地推断出用于实施组合的控制逻辑的功能程序、代码和段。
通知单元140可以接收由处理器130获得的估计结果并将其输出到外部。更具体地,通知单元140可以包括以下至少一项:用于通过使用符号、数字和代码中的至少一种来显示电池B的劣化程度的估计结果的显示单元;以及用于以声音输出估计结果的扬声器单元。
通知单元140还可以从根据稍后描述的另一实施例的处理器130'接收电池B的劣化程度的估计结果,并将估计结果输出到外部。另外,通知单元140还可以从根据稍后描述的又一实施例的处理器130”接收电池B的预期寿命的估计结果,并将该估计结果输出到外部。
通知单元140可以将估计的进度输出到外部终端COM以便将估计结果输出到外部。
处理器130可以被配置为将电池B的充电和放电中的充电和放电c速率与参考c速率进行比较。
这里,c速率是在1小时内能够对与电池B的容量对应的电力进行充电或放电的充电和放电速率。例如,如果完全充电的电池B以c速率“1C”放电,则电池B可以在1小时后被完全放电。
另外,参考c速率是与参考比率对应的c速率,并且可以是被预先存储在存储单元120中的值。即,其中与充电和放电c速率对应的比率被匹配的查找表可以被存储在存储单元中。
处理器130可以基于电池B的充电/放电时间和SOC来估计充电和放电c速率。
例如,在图2的实施例中,如果在电池B的初始SOC为“0%”时启动充电并且电池B的SOC在1小时后变为“100%”,则处理器130可以将充电c速率估计为“1C”。。
处理器130可以被配置为根据将充电和放电c速率与参考c速率进行比较的结果来改变参考比率。例如,如果改变了充电和放电c速率,则电池B的基于SOC的电压差可能在充电和放电期间改变。即,基于SOC的电压差可能受到c速率的影响。
具体地,将参照图3和图4描述根据c速率改变的基于SOC的电压差。
图4是示出根据电池B的SOC的电池B的充电电压与放电电压之间的基于SOC的电压差的另一示例的曲线图。假设在图3中电池B以参考c速率进行充电和放电,并且在图4中电池B以大于参考c速率的充电和放电c速率进行充电和放电。
可以发现,在图3和图4中基于SOC的电压差当中具有最大电压差的第一电压差是不同的。即,在图3的示例中,第一电压差(V3a)为0.4[V],而在图4的示例中,第一电压差(V4a)为0.5[V]。即,随着充电和放电c速率更大,基于SOC的充电电压和基于SOC的放电电压之间的差可以进一步增加。
随着充电和放电c速率增加,基于SOC的电压差变得更大。因此,如果使用相同的参考比率设置劣化SOC区域,则可能无法准确地估计电池B的劣化程度。因此,处理器130可以通过将参考比率改变为与充电和放电c速率对应来改变作为估计电池B的劣化程度的基础的劣化SOC区域。
如在先前的实施例中一样,假设参考比率被设置为“0.4”。
在图3的实施例中,第一电压差(V3a)为“0.4[V]”,并且通过将第一电压差(V3a)乘以参考比率而获得的值为“0.16[V]”。因此,处理器130可以将与基于SOC的电压差“0.16[V]至0.4[V]”对应的SOC“2%至45%”区域设置为劣化SOC区域(Rag)。
在图4的实施例中,第一电压差(V4a)为“0.5[V]”,并且通过将第一电压差(V4a)乘以参考比率而获得的值为“0.2[V]”。因此,如果应用与图3的实施例中相同的参考比率,处理器130可以将与“0.2[V]至0.5[V]”对应的SOC“1%至45%”区域设置为劣化SOC区域(Rag1)。在这种情况下,即使与图3的实施例的第一电压差(V3a)相比图4的实施例的第一电压差(V4a)增加了“25%”,劣化SOC区域的大小被几乎相同地设置。即,由于未考虑充电和放电c速率的比率,可以认为从劣化SOC区域(Rag1)中排除了影响电池B的劣化程度的一些区域。
因此,在图4的实施例中,由于电池B的充电和放电以与参考c速率不同的c速率执行,因此处理器130可以参照存储在存储单元120中的查找表来改变参考比率。另外,可以根据由处理器130改变的参考比率将SOC“0.8%至53%”区域设置为劣化SOC区域(Rag2)。
由于用于设置劣化SOC区域(Rag2)的参考比率根据充电和放电c速率而改变,因此电池管理装置100可以更准确地估计电池B的劣化程度。另外,由于考虑充电和放电c速率来计算电池B的劣化程度,也可以提高估计的电池B的劣化程度的可靠性。
优选地,如果充电和放电c速率大于或等于参考c速率,则处理器130可被配置为降低参考比率。相反,如果充电和放电c速率小于参考c速率,则处理器130可以被配置为增加参考比率。
如上所述,随着充电和放电c速率增加,基于SOC的电压差可以增加。即,如果即使充电和放电c速率增加也将劣化SOC区域(Rag1)设置为与参考c速率对应的参考比率,则实际上能够影响电池B的劣化程度的部分区域可能被排除在外。
因此,如果充电和放电c速率大于或等于参考c速率,则处理器130可以参考存储在存储单元120中的查找表来降低参考比率。在这种情况下,由于劣化SOC区域(Rag2)的范围增加,因此可以更准确地诊断电池B的劣化程度。
相反,如果充电和放电c速率小于参考c速率,则处理器130可以参考存储在存储单元120中的查找表来增加参考比率。在这种情况下,劣化SOC区域的范围可以减小。但是,由于电池B以比参考c速率低的充电和放电c速率进行充电和放电,因此排除了与电池B的劣化程度没有显着关系的区域,并且可以仅利用极大地影响电池B的劣化程度的区域来设置劣化SOC区域。因此,可以节省处理器130估计电池B的劣化程度所需的时间和资源。
由于如上所述基于电池B的充电和放电c速率来改变参考比率,因此电池管理装置100可以改变劣化SOC区域的大小。因此,由于考虑到充电和放电c速率的增加和减小来估计电池B的劣化程度,因此可以更准确且更可靠地估计电池B的劣化程度。另外,由于节省了估计电池B的劣化程度所需的时间和资源,因此可以有效地估计电池B的劣化程度。
此后,将描述根据另一实施例的处理器130'。
图5是示出根据电池B的SOC的电池B的充电电压和放电电压之间的基于SOC的电压差的又一示例的曲线图。
参照图5,根据另一实施例的处理器130'与根据实施例的处理器130的不同之处可以仅在于估计电池B的劣化程度的过程。即,处理器130'和处理器130可以在估计电池B的劣化程度之前,相同地计算基于SOC的电压差,设置劣化SOC区域(Rag)并且对劣化区域电压差进行分类。将省略其重复描述。
在图5的实施例中,处理器130'可以确定具有最大基于SOC的电压差的第一电压差V5a。另外,可以基于第一电压差(V5a)和参考比率来设置劣化SOC区域(Rag)。在此,如前面实施例中,参考比率可以是“0.4”。
处理器130'可以通过将劣化区域电压差当中具有最大SOC的第二电压差(Vb)与第二参考电压差进行比较来估计劣化程度。
在图5的实施例中,处理器130'可以将劣化SOC区域(Rag)中的最大SOC确定为“50%”。另外,处理器130'可以选择与SOC“50%”对应的电压差作为第二电压差(Vb)。
即,在图5的实施例中,处理器130'可以将劣化区域电压差当中、其中对应SOC最大的劣化区域电压差分类为第二电压差(Vb)。
此后,处理器130'可以将第二电压差(Vb)与第二参考电压差的降低比率估计为劣化程度。更具体地,处理器130'可以将第二电压差(Vb)基于第二参考电压差而降低的比率估计为劣化程度。
例如,在图5的实施例中,处理器130'可以计算第二电压差(Vb)与第二参考电压差的降低比率,并且将所计算的降低比率估计为电池B的劣化程度。
这里,第二参考电压差可以是使用与上述相同的方法从处于未劣化的BOL状态的电池B获得的电压差。也就是说,以与根据另一实施例的处理器130'从作为估计劣化程度的目标的电池B获得第二电压差(Vb)的方法相同的方式从处于BOL状态的电池获得的电压差可以是第二参考电压差。第二参考电压差可以从处于BOL状态的电池获得,并预先存储在存储单元120中。
根据另一实施例的处理器130'可以使用下面的等式4来估计劣化程度。
[等式4]
D=((R2-Vb)÷R2)×100
在此,D表示电池B的劣化程度,R2表示第二参考电压差,Vb表示第二电压差。
例如,如图5所示,根据另一实施例的处理器130'可以通过将劣化区域电压差当中具有最大SOC“50%”的第二电压差(Vb)“0.1V”与第二参考电压差“0.15V”进行比较来估计劣化程度。这里,如上所述,可以从处于BOL状态的电池获得第二参考电压差“0.15V”,并且将其预先存储在存储单元120中。
根据另一实施例的处理器130'可以将第二电压差(Vb)“0.1V”与第二参考电压差“0.15V”的降低比率“33.33%”估计为电池的劣化程度。
此后,将描述根据本公开的又一实施例的处理器130”。
图6是示出根据电池B的SOC的电池B的充电和放电循环的数目的曲线图。
参照图6,与处理器130相比,处理器130”可以进一步估计预期寿命。通过计算基于SOC的电压差来设置劣化SOC区域(Rag)的过程可以相同。将省略其重复描述。
同时,随着在劣化SOC区域(Rag)中电池B的充电和放电的数目增加,各种负电极活性材料当中的、产生充电电压和放电电压之间的电压差的特定负电极活性材料可能引起更频繁的化学反应。在这种情况下,电池B的预期寿命可能减小。
换句话说,如果电池B在各种负电极活性材料当中的、产生充电电压和放电电压之间的电压差的特定负电极活性材料引起更多的化学反应的劣化SOC区域(Rag)中经常被充电和放电,电池B的预期寿命可能减小。
首先,处理器130”可以分别累积地计算电池B的整个充电和放电循环的数目以及在劣化SOC区域中的劣化充电和放电循环的数目。
另外,处理器130”可以计算劣化充电和放电循环的数目与整个充电和放电循环的数目之间的数目比率。处理器130”可以响应于所计算的数目比率来估计并改变电池B的预期寿命。此外,处理器130”可以基于整个充电和放电循环的数目以及电池B的所估计的预期寿命来计算电池B的劣化程度。
这里,初始预期寿命可以是根据处于BOL状态的电池估计的预期寿命。即,随着电池B被充电和放电,被设置为初始预期寿命的电池B的预期寿命可以由处理器130”估计和改变。
首先,如果电池B被充电和放电,则处理器130”可以检查电池B的SOC是否被包括在劣化SOC区域(Rag)中,并且如果SOC被包括在劣化SOC区域(Rag)中,则处理器130”可以增加劣化充电和放电循环的数目。另外,如果电池B被充电或放电,无论电池B的SOC是否被包括在劣化SOC区域(Rag)中,处理器130”可以增加整个充电和放电循环的数目。
此后,处理器130”可以计算劣化充电和放电循环的数目与整个充电和放电循环的数目的数目比率,并且响应于所计算的数目比率,通过随着数目比率增加而减小初始预期寿命来估计预期寿命。
具体地,处理器130”可以使用下面的等式5来估计预期寿命(L)。
[等式5]
L=Linit-(Ntotal+(Ntotal×((Ndeg÷Ntotal)-a)))
这里,L表示预期寿命,Linit表示电池B的初始预期寿命,Ntotal表示电池B的整个充电和放电循环的数目,Ndeg表示电池B的劣化充电和放电循环的数目,a表示校正常数。
处理器130”可以计算劣化充电和放电循环的数目(Ndeg)与整个充电和放电循环的数目(Ntotal)的数目比率(Ndeg÷Ntotal)。另外,处理器130”可以基于所计算的数目比率(Ndeg÷Ntotal)和校正常数(a)来计算校正的数目比率((Ndeg÷Ntotal)-a))。处理器130”可以基于校正的数目比率((Ndeg÷Ntotal)-a))和整个充电和放电循环的数目(Ntotal)来计算校正的整个充电和放电循环的数目(Ntotal+(Ntotal×((Ndeg÷Ntotal)-a)))。最后,处理器130”可以通过从初始预期寿命(Linit)中减去校正的整个充电和放电循环的数目(Ntotal+(Ntotal×((Ndeg÷Ntotal)-a)))来计算电池B的预期寿命(L)。
例如,假设初始预期寿命为“1000个循环”,并且校正常数为“0.5”。参照图6,在SOC“0%至100%”中的整个充电和放电循环的数目可以是“300个循环”,并且在劣化SOC区域(Rag)中的劣化充电和放电循环的数目可以是“200个循环”。如图6所示,处理器130”可以将整个充电和放电循环的数目累积地计算为“300个循环”,并且将劣化充电和放电循环的数目计算为“200个循环”。
此后,处理器130可以通过将整个充电和放电循环的数目“300个循环”乘以“1/6”来计算“50个循环”,该“1/6”是通过从数目比率“2/3”减去校正常数“0.5”而获得的。随后,处理器130”可以通过从初始预期寿命“1000个循环”中减去“350个循环”来将电池B的预期寿命估计为“650个循环”,该“350个循环”是通过将所计算的“50个循环”与整个充电和放电循环的数目“300个循环”相加而获得的。
即,根据又一实施例的处理器130”不通过从初始预期寿命“1000循环”减去整个充电和放电循环的数目“300个循环”来简单地估计预期寿命,而是可以基于在使劣化加速的劣化SOC区域(Rag)中进行充电和放电的电池B的劣化充电和放电循环的数目与整个充电和放电循环的数目之间的数目比率来估计电池B的预期寿命。例如,如在前面示例中,处理器130”可以通过从初始预期寿命“1000个循环”减去大于整个充电和放电循环的数目“300个循环”的“350个循环”来将电池B的预期寿命估计为“650个循环”。
另外,处理器130”可以通过计算初始预期寿命和所估计的预期寿命之间的改变比率来计算电池B的劣化程度。
在以上实施例中,处理器130”可以将初始预期寿命“1000个循环”与所估计的预期寿命“650个循环”之间的改变比率计算为“35%”。在此,处理器130可以将初始预期寿命和所估计的预期寿命之间的改变比率计算为“(1000-650)÷1000×100”,以将电池B的劣化程度计算为“35%”。
处理器130可以被配置为根据电池B的所估计的劣化程度来改变电池B的可用电压范围。
具体地,即使在相同的电压下,处于BOL状态的电池B和劣化的电池B可能处于不同的状态。例如,假设处于BOL状态的电池B和劣化的电池B具有相同的电压“4.2[V]”。处于BOL状态的电池B可能处于“4.2[V]”的完全充电状态,但是劣化的电池B可能处于“4.2[V]”的过充电状态。因此,考虑到这一点,处理器130可以根据电池B的劣化程度来改变电池B的可用电压范围。
图7是示出根据电池B的劣化程度的电压降低宽度的示例的图。可以将图7中所示的电池B的劣化程度和与之对应的电压降低宽度存储在存储单元120中。处理器130可以估计电池B的劣化程度并参考与所估计的电池B的劣化程度对应的电压降低宽度来改变电池B的可用电压范围。
电池管理装置100可以通过考虑电池B的劣化程度而改变电池B的可用电压范围来设置与电池B的劣化程度对应的可用电压范围。因此,电池管理装置可以预先防止电池B被过放电或过充电。
另外,处理器130可以选择与在基于SOC的电压差当中具有最大电压差的第一电压差对应的SOC。
例如,在图3的实施例中,处理器130可以将“0.4[V]”选择为第一电压差(V3a)。另外,处理器130可以将“10%”选择为与第一电压差(V3a)对应的SOC。
处理器130可以被配置为改变电池B的可用电压范围的最高值和最低值中的至少一个。
例如,处于BOL状态的电池B的可用电压范围可以被设置为“2.4[V]至4.2[V]”。即,如果处于BOL状态的电池B的电压小于“2.4[V]”,则处理器130可以确定处于BOL状态的电池B是过放电状态。另外,如果处于BOL状态的电池B的电压超过“4.2[V]”,则处理器130可以确定处于BOL状态的电池B处于过充电状态。
优选地,处理器130可以根据电池B的劣化程度来改变电池B的可用电压范围的最高值和最低值两者。即,如果电池B劣化,则处理器130可以通过减小电池B的可用电压范围的最高值并增加其最低值来降低电池B的可用电压范围的大小。
此外,优选地,处理器130可以根据其中与电池B的第一电压差对应的SOC被包括在SOC区域的区域来改变电池B的可用电压范围的最高值或最低值。
如在前面实施例中,如果将“10%”选择为与第一电压差(V3a)对应的SOC,则处理器130可以基于电池B的劣化程度来增加电池B的可用电压范围的最低值。
例如,如果与基于SOC的电压差当中的最大电压差对应的SOC被包括在“等于或大于0%且小于50%”区域中,则处理器130可以基于电池B的劣化程度来增加电池B的可用电压范围的最低值。相反,如果与基于SOC的电压差当中的最大电压差对应的SOC被包括在“等于或大于小于50%且小于100%”区域中,则处理器130可以基于电池B的劣化程度来减小电池B的可用电压范围的最高值。
即,电池管理装置100可以通过根据电池B的劣化程度而改变电池B的可用电压范围来防止劣化的电池B被过放电和/或过充电。特别地,电池管理装置100可以通过基于具有最大的基于SOC的电压差的SOC来改变电池B的可用电压范围的最高值或最低值以更具体地反应电池B的状态,来防止电池B被过放电和/或过充电。
另外,由于防止电池B被过放电和/或过充电,因此可以防止诸如锂镀层或正电极面积降低的异常情况。因此,最终,电池B的使用效率被最大化,并且可以防止由电池B的劣化引起的事故。
优选地,处理器130可以被配置为随着所估计的电池B的劣化程度增加而增加电池B的可用电压范围的降低宽度。即,随着电池B的劣化程度增加,处理器130可以越来越多地减小电池B的可用电压范围。
例如,随着电池B的劣化程度增加,处理器130可以越来越多地减小电池B的可用电压范围的最高值。另外,随着电池B的劣化程度增加,处理器130可以越来越多地增加电池B的可用电压范围的最低值。
参照图7,可以发现,随着电池B的劣化程度增加,电压降低宽度增加。即,随着电池B的劣化程度增加,电池B的可用电压范围的降低宽度可以增加。
例如,在图7的实施例中,在电池B的劣化程度为“0%至20%”的区域中,电压降低宽度增加约“0.04[V]”。然而,在电池B的劣化程度为“20%至40%”的区域中,电压降低宽度增加约“0.18[V]”。
在这种情况下,如果具有劣化程度为“0%”的电池B劣化,使得电池B的劣化程度变为“20%”,则处理器130可以将电池B的可用电压范围减小“0.04[V]”。
随后,假设具有劣化程度为“20%”的电池B进一步劣化,使得电池B的劣化程度变为“40%”。在这种情况下,即使电池B的劣化程度增加了“20%”,类似于劣化程度从“0%”增加到“20%”的情况,处理器130可以进一步将电池B的可用电压范围减小“0.18[V]”。即,随着电池B的劣化程度增加,处理器130可以增加可用电压范围的降低宽度。
因此,电池管理装置随着电池B的劣化程度增加而进一步限制电池B的可用电压范围,从而更严格地防止电池B被过充电或过放电。
同时,根据本公开的车辆可以包括上述的电池管理装置100。由此,可以估计车辆中设置的电池的劣化程度和预期寿命。
同时,根据本公开的能量存储系统可以包括上述电池管理装置100。由此,可以估计能量存储系统中设置的电池的劣化程度和预期寿命。
图8是用于示意性地图示根据本公开的另一实施例的电池管理方法的流程图。图8所示的电池管理方法可以由根据本公开的实施例的电池管理装置执行。
参照图8,根据本公开的另一实施例的电池管理方法可以包括充电电压测量步骤S100、放电电压测量步骤S200、电压差计算步骤S300、劣化SOC区域设置步骤S400、和劣化程度估计步骤S500。
充电电压测量步骤S100是当电池B被充电时测量电池B的根据SOC的充电电压的步骤,其可以由感测单元110执行。
当电池B正在被充电时,感测单元110可以以预定循环重复地测量施加在电池B的正电极和负电极之间的充电电压。具体地,感测单元110可以通过测量电池B的正电极和负电极的电势并且获得所测量的正电极的电势和所测量的负电极的电势之间的差来测量电池B的充电电压。
放电电压测量步骤S200是当电池B被放电时测量电池B的根据SOC的放电电压的步骤,其可以由感测单元110执行。
当电池B正在被放电时,感测单元110可以以预定循环重复地测量施加在电池B的正电极和负电极之间的放电电压。具体地,感测单元110可以通过测量电池B的正电极和负电极的电势并且获得所测量的正电极的电势和所测量的负电极的电势之间的差来测量电池B的放电电压。
电压差计算步骤S300是计算根据SOC的充电电压与根据SOC的放电电压之间的基于SOC的电压差的步骤,其可以由处理器130执行。
首先,处理器130可以从感测单元110接收关于所测量的充电和放电电压的信号,并且通过信号处理来确定电池B的充电电压和放电电压。
另外,处理器130可以通过将电池B的充电电压和放电电压与电池B的SOC进行映射来产生电池B的SOC-电压数据。例如,如图3所示,处理器130可以产生SOC-电压数据,其中电池的充电电压和放电电压与电池B的每个SOC进行映射。
之后,处理器130可以计算根据SOC的充电电压与根据SOC的放电电压之间的基于SOC的电压差。具体地,处理器130可以通过获得针对相同SOC的充电电压和放电电压之间的差来计算基于SOC的电压差。例如,由处理器130基于图3的SOC-电压数据计算的基于SOC的电压差可以是图4所示的基于SOC的电压差。
劣化SOC区域设置步骤S400是基于该基于SOC的电压差来设置劣化SOC区域的步骤,其可以由处理器130执行。
参照图3,处理器130可以通过计算每个基于SOC的电压差与基于SOC的电压差当中具有最大电压差的第一电压差(Va)的电压差比率并将所计算的电压差比率与参考比率进行比较来设置劣化SOC区域(Rag)。
例如,在图3的实施例中,参考比率可以被设置为“40%”,并且第一电压差(Va)可以是“0.4V”。在这种情况下,处理器130可以将与所计算的电压差比率当中等于或大于参考比率的电压差比率对应的SOC区域“2%至45%”设置为劣化SOC区域(Rag)。
劣化程度估计步骤S500是基于与基于SOC的电压差当中、劣化SOC区域中包括的SOC对应的劣化区域电压差和在劣化SOC区域中电池B的充电和放电循环的数目中的至少一个来估计电池B的劣化程度的步骤,其可以由处理器130执行。
首先,处理器130可以将其中所计算的基于SOC的电压差当中、对应SOC被包括在劣化SOC区域(Rag)中的电压差分类为劣化区域电压差。另外,处理器130可以计算劣化区域电压差的平均电压差,并且将所计算的平均电压差与第一参考电压差进行比较以估计劣化程度。这里,第一参考电压差可以是通过与上述相同的方法从处于未劣化的BOL状态的电池计算的平均电压差。
例如,在图3的实施例中,如果所计算的平均电压差是“0.3V”并且第一参考电压差是“0.35V”,则处理器130可以将电池B的劣化程度估计为“14.285%”。
另外,处理器130可以分别累积地计算电池B的整个充电和放电循环的数目以及在劣化SOC区域(Rag)中的劣化充电和放电循环的数目。另外,处理器130可以计算劣化充电和放电循环的数目与整个充电和放电循环的数目之间的数目比率。处理器130可以响应于所计算的数目比率来估计并改变电池B的预期寿命。另外,处理器130可以基于电池B的整个充电和放电循环的数目以及所估计的预期寿命来计算电池B的劣化程度。
上述本公开的实施例不必须地由装置和方法来实施,而是也可以通过用于实现与本公开的配置对应的功能的程序或在其上记录有该程序的记录介质来实施。根据实施例的以上描述,本领域技术人员可以容易地执行该实施方式。
已经详细描述了本公开。然而,应当理解,详细说明和具体示例虽然指示了本公开的优选实施例,但是仅以说明的方式给出,因为从该详细描述中在本公开的范围内的各种改变和修改对于本领域技术人员而言将是显而易见的。
另外,本领域技术人员可以在不背离本公开的技术方面的情况对上文描述的本公开做出许多替换、修改和改变,并且本公开不限于上述实施例以及附图,并且每个实施例可以部分地或整体地选择性地组合以允许各种修改。
(参考符号)
1:电池组
B:电池
100:电池管理装置
110:感测单元
120:存储单元
130、130'、130”:处理器
140:通知单元
Claims (15)
1.一种电池管理装置,包括:
感测单元,所述感测单元被配置为当电池被充电时测量所述电池的根据SOC(充电状态)的充电电压,并且当所述电池被放电时测量所述电池的根据SOC的放电电压;以及
处理器,所述处理器被配置为:计算在所述根据SOC的充电电压和所述根据SOC的放电电压之间的基于SOC的电压差,基于所述基于SOC的电压差来设置劣化SOC区域,并基于所述基于SOC的电压差当中、与被包括在所述劣化SOC区域中的SOC对应的劣化区域电压差以及在所述劣化SOC区域中所述电池的充电和放电循环的数目中的至少一个来估计所述电池的劣化程度。
2.根据权利要求1所述的电池管理装置,
其中,所述处理器被配置为:计算所述基于SOC的电压差中的每一个与所述基于SOC的电压差当中具有最大电压差的第一电压差的电压差比率,并且通过将所计算的电压差比率与参考比率进行比较来设置所述劣化SOC区域。
3.根据权利要求2所述的电池管理装置,
其中,所述处理器被配置为:将包括与所计算的电压差比率当中、等于或大于所述参考比率的电压差比率对应的SOC的区域设置为所述劣化SOC区域。
4.根据权利要求2所述的电池管理装置,
其中,所述处理器被配置为:将在所述电池的充电和放电时的充电和放电c速率与参考c速率进行比较,并利用比较结果来改变所述参考比率。
5.根据权利要求4所述的电池管理装置,
其中,所述处理器被配置为:当所述充电和放电c速率等于或大于所述参考c速率时降低所述参考比率,并且当所述充电和放电c速率小于所述参考c速率时增加所述参考比率。
6.根据权利要求1所述的电池管理装置,
其中,所述处理器被配置为:计算所述劣化区域电压差的平均电压差,并且通过将所述平均电压差与第一参考电压差进行比较来估计所述电池的劣化程度。
7.根据权利要求6所述的电池管理装置,
其中,所述处理器被配置为:将所述平均电压差与所述第一参考电压差的降低比率估计为所述电池的劣化程度。
8.根据权利要求1所述的电池管理装置,
其中,所述处理器被配置为:通过将在所述劣化区域电压差当中与最大SOC对应的第二电压差与第二参考电压差进行比较来估计所述电池的劣化程度。
9.根据权利要求8所述的电池管理装置,
其中,所述处理器被配置为:将所述第二电压差与所述第二参考电压差的降低比率估计为所述电池的劣化程度。
10.根据权利要求1所述的电池管理装置,
其中,所述处理器被配置为:分别累积地计算所述电池的整个充电和放电循环的数目以及在所述劣化SOC区域中的劣化充电和放电循环的数目,计算劣化充电和放电循环的数目与整个充电和放电循环的数目之间的数目比率,并通过对应于所述数目比率增加或减小初始预期寿命来估计预期寿命。
11.根据权利要求1所述的电池管理装置,
其中,所述处理器被配置为:根据所估计的所述电池的劣化程度来改变所述电池的可用电压范围。
12.根据权利要求11所述的电池管理装置,
其中,所述处理器被配置为:选择与所述基于SOC的电压差当中具有最大电压差的第一电压差对应的SOC,并基于所选择的SOC和所估计的所述电池的劣化程度来改变所述电池的可用电压范围的最高值和最低值中的至少一个。
13.根据权利要求11所述的电池管理装置,
其中,所述处理器被配置为:随着所估计的所述电池的劣化程度越大,增加所述电池的可用电压范围的降低宽度。
14.一种包括根据权利要求1至13中的任一项所述的电池管理装置的电池组。
15.一种电池管理方法,包括:
当电池被充电时测量所述电池的根据SOC的充电电压的充电电压测量步骤;
当所述电池被放电时测量所述电池的根据SOC的放电电压的放电电压测量步骤;
计算在所述根据SOC的充电电压和所述根据SOC的放电电压之间的基于SOC的电压差的电压差计算步骤;
基于所述基于SOC的电压差来设置劣化SOC区域的劣化SOC区域设置步骤;以及
基于所述基于SOC的电压差当中、与被包括在所述劣化SOC区域中的SOC对应的劣化区域电压差和在所述劣化SOC区域中所述电池的充电和放电循环的数目中的至少一个来估计所述电池的劣化程度的劣化程度估计步骤。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR10-2018-0109210 | 2018-09-12 | ||
KR20180109210 | 2018-09-12 | ||
KR1020190112316A KR102351637B1 (ko) | 2018-09-12 | 2019-09-10 | 배터리 관리 장치 및 방법 |
KR10-2019-0112316 | 2019-09-10 | ||
PCT/KR2019/011871 WO2020055190A1 (ko) | 2018-09-12 | 2019-09-11 | 배터리 관리 장치 및 방법 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111344584A true CN111344584A (zh) | 2020-06-26 |
CN111344584B CN111344584B (zh) | 2022-04-05 |
Family
ID=69958096
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980005674.1A Active CN111344584B (zh) | 2018-09-12 | 2019-09-11 | 电池管理装置和方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US11280842B2 (zh) |
EP (1) | EP3690462B1 (zh) |
JP (1) | JP6908219B2 (zh) |
KR (1) | KR102351637B1 (zh) |
CN (1) | CN111344584B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI829455B (zh) * | 2022-11-14 | 2024-01-11 | 財團法人工業技術研究院 | 氫氣燃料電池無人機的飛行時間估算方法及其系統 |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20210016795A (ko) * | 2019-08-05 | 2021-02-17 | 주식회사 엘지화학 | 에너지 허브 장치 및 에너지 관리 방법 |
KR20220094469A (ko) | 2020-12-29 | 2022-07-06 | 주식회사 엘지에너지솔루션 | 배터리 진단 장치, 배터리 진단 방법, 배터리 팩 및 전기 차량 |
CN113945753B (zh) * | 2021-09-01 | 2023-11-28 | 力高(山东)新能源技术有限公司 | 一种判断电池组电芯电压异常的方法 |
KR20230111506A (ko) * | 2022-01-18 | 2023-07-25 | 주식회사 엘지에너지솔루션 | 배터리 제어 장치 및 방법 |
KR20240036410A (ko) * | 2022-09-13 | 2024-03-20 | 주식회사 엘지에너지솔루션 | 배터리 관리 장치 및 그것의 동작 방법 |
KR20240038887A (ko) * | 2022-09-16 | 2024-03-26 | 주식회사 엘지에너지솔루션 | 배터리 진단 장치, 배터리 진단 방법, 배터리 팩 및 자동차 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008179284A (ja) * | 2007-01-25 | 2008-08-07 | Toyota Motor Corp | 二次電池の劣化判定装置 |
JP2012057956A (ja) * | 2010-09-06 | 2012-03-22 | Calsonic Kansei Corp | バッテリの劣化度推定装置 |
US20140088898A1 (en) * | 2011-06-02 | 2014-03-27 | Sk Innovation Co., Ltd. | Method for Estimation State of Health for ESS |
US20170010327A1 (en) * | 2014-02-25 | 2017-01-12 | Mitsubishi Electric Corporation | Soc estimation device for secondary battery |
US20180164384A1 (en) * | 2016-12-14 | 2018-06-14 | Lg Chem, Ltd. | Method and apparatus for assessing lifespan of secondary battery |
Family Cites Families (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3192794B2 (ja) * | 1992-02-03 | 2001-07-30 | 日本電信電話株式会社 | 鉛蓄電池の劣化判定方法及び劣化判定器 |
JPH11250929A (ja) | 1998-03-03 | 1999-09-17 | Fuji Photo Film Co Ltd | リチウム二次電池の製造方法 |
DE10321720A1 (de) * | 2002-05-14 | 2003-12-04 | Yazaki Corp | Verfahren zum Abschätzen des Ladezustandes und der Leerlaufspannung einer Batterie, sowie Verfahren und Vorrichtung zum Berechnen des Degradationsgrades einer Batterie |
JP5011007B2 (ja) | 2007-07-04 | 2012-08-29 | プライムアースEvエナジー株式会社 | 組電池及びその製造方法 |
KR101093960B1 (ko) | 2009-09-29 | 2011-12-15 | 삼성에스디아이 주식회사 | 리튬 이온 전지의 화성 방법 |
KR101105142B1 (ko) | 2009-11-13 | 2012-01-16 | 주식회사 포스코 | 배터리의 잔존수명 측정방법 |
JP6073686B2 (ja) * | 2010-12-28 | 2017-02-01 | 三洋電機株式会社 | 電池の劣化度の検出方法 |
KR101293630B1 (ko) | 2011-04-25 | 2013-08-05 | 주식회사 엘지화학 | 배터리 용량 퇴화 추정 장치 및 방법 |
WO2012148070A1 (ko) | 2011-04-25 | 2012-11-01 | 주식회사 엘지화학 | 배터리 용량 퇴화 추정 장치 및 방법 |
JP5537521B2 (ja) * | 2011-09-20 | 2014-07-02 | 株式会社日立製作所 | リチウムイオン二次電池制御システムおよび組電池制御システム |
US9500713B1 (en) * | 2013-03-05 | 2016-11-22 | Qnovo Inc. | Circuitry and techniques for determining an SOC of a battery/cell having a silicon-based anode and a fuel gauge therefor |
JP2014190763A (ja) * | 2013-03-26 | 2014-10-06 | Toshiba Corp | 電池寿命推定方法及び電池寿命推定装置 |
KR101650041B1 (ko) | 2013-09-24 | 2016-08-22 | 주식회사 엘지화학 | 전지셀의 품질 규격을 산정하는 방법 및 그것을 이용한 품질관리 시스템 |
KR102080632B1 (ko) | 2013-10-28 | 2020-04-14 | 현대모비스 주식회사 | 배터리관리시스템 및 그 운용방법 |
US9843069B2 (en) * | 2014-09-26 | 2017-12-12 | Ford Global Technologies, Llc | Battery capacity degradation resolution methods and systems |
KR101738601B1 (ko) | 2014-11-03 | 2017-05-22 | 주식회사 엘지화학 | 배터리 용량 퇴화 추정 장치 |
US10557893B2 (en) * | 2014-11-19 | 2020-02-11 | Gs Yuasa International Ltd. | Management device for secondary battery, and method of managing secondary battery |
JP6527356B2 (ja) * | 2015-03-18 | 2019-06-05 | 積水化学工業株式会社 | 二次電池劣化検出システム、二次電池劣化検出方法 |
KR101684092B1 (ko) * | 2015-04-08 | 2016-12-07 | 현대자동차주식회사 | 열화도 산출 장치 및 방법 |
JP6638227B2 (ja) * | 2015-07-10 | 2020-01-29 | 株式会社Gsユアサ | 蓄電素子劣化状態推定装置、蓄電素子劣化状態推定方法及び蓄電システム |
KR101903225B1 (ko) * | 2015-08-21 | 2018-11-13 | 주식회사 엘지화학 | 이차 전지의 퇴화도 추정 장치 및 방법 |
EP3159708B1 (de) | 2015-10-19 | 2022-05-04 | Robert Bosch GmbH | Verfahren zum bestimmen eines alterungszustandes einer batterie, verfahren zum steuern einer batterie und betriebsvorrichtung |
JP2017156272A (ja) * | 2016-03-03 | 2017-09-07 | 大和製罐株式会社 | 電池の劣化状態推定装置及び、その劣化状態推定方法 |
JP6977582B2 (ja) * | 2018-01-24 | 2021-12-08 | 株式会社デンソー | 二次電池システム |
-
2019
- 2019-09-10 KR KR1020190112316A patent/KR102351637B1/ko active IP Right Grant
- 2019-09-11 EP EP19860512.3A patent/EP3690462B1/en active Active
- 2019-09-11 CN CN201980005674.1A patent/CN111344584B/zh active Active
- 2019-09-11 JP JP2020520271A patent/JP6908219B2/ja active Active
- 2019-09-11 US US16/769,500 patent/US11280842B2/en active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008179284A (ja) * | 2007-01-25 | 2008-08-07 | Toyota Motor Corp | 二次電池の劣化判定装置 |
JP2012057956A (ja) * | 2010-09-06 | 2012-03-22 | Calsonic Kansei Corp | バッテリの劣化度推定装置 |
US20140088898A1 (en) * | 2011-06-02 | 2014-03-27 | Sk Innovation Co., Ltd. | Method for Estimation State of Health for ESS |
US20170010327A1 (en) * | 2014-02-25 | 2017-01-12 | Mitsubishi Electric Corporation | Soc estimation device for secondary battery |
US20180164384A1 (en) * | 2016-12-14 | 2018-06-14 | Lg Chem, Ltd. | Method and apparatus for assessing lifespan of secondary battery |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI829455B (zh) * | 2022-11-14 | 2024-01-11 | 財團法人工業技術研究院 | 氫氣燃料電池無人機的飛行時間估算方法及其系統 |
Also Published As
Publication number | Publication date |
---|---|
KR102351637B1 (ko) | 2022-01-14 |
KR20200030467A (ko) | 2020-03-20 |
US11280842B2 (en) | 2022-03-22 |
US20210190878A1 (en) | 2021-06-24 |
EP3690462A4 (en) | 2020-12-09 |
EP3690462B1 (en) | 2023-07-26 |
JP6908219B2 (ja) | 2021-07-21 |
EP3690462A1 (en) | 2020-08-05 |
JP2021502545A (ja) | 2021-01-28 |
CN111344584B (zh) | 2022-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111344584B (zh) | 电池管理装置和方法 | |
CN111164437B (zh) | 用于诊断电池的设备和方法 | |
CN111201445B (zh) | 电池诊断设备和方法 | |
KR102420091B1 (ko) | 배터리 진단 장치 및 방법 | |
CN110546522B (zh) | 用于估计电池余裕容量的装置 | |
CN115552265A (zh) | 电池诊断设备和方法 | |
US20200174083A1 (en) | Apparatus and method for estimating state of secondary battery | |
KR20200009920A (ko) | 배터리 진단 장치 | |
CN110546523B (zh) | 用于估计电池的电阻的装置和方法 | |
KR102677986B1 (ko) | 배터리 관리 장치 및 방법 | |
EP4131568A1 (en) | Battery management device and method | |
KR20200078227A (ko) | 배터리 관리 장치 및 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20220322 Address after: Seoul, South Kerean Applicant after: LG Energy Solution Address before: Seoul, South Kerean Applicant before: LG CHEM, Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |