ES3024782T3 - Battery management apparatus, battery management method and battery pack - Google Patents

Battery management apparatus, battery management method and battery pack Download PDF

Info

Publication number
ES3024782T3
ES3024782T3 ES20888120T ES20888120T ES3024782T3 ES 3024782 T3 ES3024782 T3 ES 3024782T3 ES 20888120 T ES20888120 T ES 20888120T ES 20888120 T ES20888120 T ES 20888120T ES 3024782 T3 ES3024782 T3 ES 3024782T3
Authority
ES
Spain
Prior art keywords
data sets
variables
external
internal
control unit
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.)
Active
Application number
ES20888120T
Other languages
English (en)
Inventor
Bo-Mi Lim
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
LG Energy Solution Ltd
Original Assignee
LG Energy Solution Ltd
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 LG Energy Solution Ltd filed Critical LG Energy Solution Ltd
Application granted granted Critical
Publication of ES3024782T3 publication Critical patent/ES3024782T3/es
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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]
    • G01R31/3644—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]
    • G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
    • 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]
    • G01R31/396—Acquisition or processing of data for testing or for monitoring individual cells or groups of cells within a battery
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
    • G06F11/3447—Performance evaluation by modeling
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/0499—Feedforward networks
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/09—Supervised 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
    • H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
    • H01M10/425—Structural combination with electronic components, e.g. electronic circuits integrated to the outside of the casing
    • 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
    • H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
    • H01M10/44—Methods for charging or discharging
    • H01M10/443—Methods for charging or discharging in response to temperature
    • 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
    • H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
    • H01M10/48—Accumulators combined with arrangements for measuring, testing or indicating the condition of cells, e.g. the level or density of the electrolyte
    • H01M10/486—Accumulators combined with arrangements for measuring, testing or indicating the condition of cells, e.g. the level or density of the electrolyte for measuring temperature
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M50/00—Constructional details or processes of manufacture of the non-active parts of electrochemical cells other than fuel cells, e.g. hybrid cells
    • H01M50/50—Current conducting connections for cells or batteries
    • H01M50/572—Means for preventing undesired use or discharge
    • H01M50/574—Devices or arrangements for the interruption of current
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—ELECTRIC POWER NETWORKS; CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or discharging batteries or for supplying loads from batteries
    • H02J7/80—Circuit arrangements for charging or discharging batteries or for supplying loads from batteries including monitoring or indicating arrangements
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—ELECTRIC POWER NETWORKS; CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or discharging batteries or for supplying loads from batteries
    • H02J7/90—Regulation of charging or discharging current or voltage
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
    • H01M10/425—Structural combination with electronic components, e.g. electronic circuits integrated to the outside of the casing
    • H01M2010/4271—Battery management systems including electronic circuits, e.g. control of current or voltage to keep battery in healthy state, cell balancing
    • 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
    • H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
    • H01M10/425—Structural combination with electronic components, e.g. electronic circuits integrated to the outside of the casing
    • H01M2010/4278—Systems for data transfer from batteries, e.g. transfer of battery parameters to a controller, data transferred between battery controller and main controller
    • 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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Electrochemistry (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Chemical & Material Sciences (AREA)
  • General Chemical & Material Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Power Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Quality & Reliability (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Secondary Cells (AREA)
  • Tests Of Electric Status Of Batteries (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

Se proporcionan un dispositivo de gestión de baterías, un método de gestión de baterías y un paquete de baterías. Un dispositivo de gestión de baterías utiliza varios conjuntos de datos de observación asociados con variables externas observables desde el exterior de una celda de batería, y varios conjuntos de datos deseados asociados con variables internas no observables desde el exterior de la celda de batería, para establecer al menos una de las variables externas como válida con respecto a cada una de las variables internas. El conjunto de datos de observación asociado con cada variable externa válida se utiliza para el entrenamiento automático de un perceptrón submulticapa necesario para estimar cada una de las variables internas. (Traducción automática con Google Translate, sin valor legal)

Description

DESCRIPCIÓN
Aparato de gestión de batería, método de gestión de batería y paquete de batería
Sector de la técnica
La presente divulgación se refiere a una tecnología que analiza una correlación entre variables externas y variables internas dependientes del estado químico interno de una célula de batería.
La presente solicitud reivindica el beneficio de la solicitud de patente coreana n.° 10-2019-0147025 presentada el 15 de noviembre de 2019 en la Oficina de Propiedad Intelectual de Corea.
Estado de la técnica
Recientemente, se ha producido un rápido aumento en la demanda de productos electrónicos portátiles tales como ordenadores portátiles, cámaras de vídeo y teléfonos móviles y, dado el amplio desarrollo de los vehículos eléctricos, los acumuladores para el almacenamiento de energía, los robots y los satélites, se están realizando muchos estudios sobre baterías de alto rendimiento que se puedan recargar repetidamente.
Actualmente, las baterías disponibles en el mercado incluyen baterías de níquel-cadmio, baterías de níquel-hidrógeno, baterías de níquel-zinc, baterías de litio y similares y, entre ellas, las baterías de litio presentan un nivel bajo o inexistente de efecto de memoria y, por lo tanto, resultan más llamativas que las baterías de níquel por las ventajas de que se pueden recargar cuando sea conveniente, su tasa de autodescarga es muy baja y su densidad de energía es alta.
Una célula de batería se degrada gradualmente con el tiempo debido a las repetidas cargas y descargas. A medida que la célula de batería se degrada, también cambia el estado químico interno de la célula de batería. Sin embargo, las variables internas (p. ej., la conductividad eléctrica del material activo del electrodo positivo) que indican el estado químico interno de la célula de la batería no se pueden observar fuera de la célula de la batería.
Paralelamente, el estado químico interno de la célula de la batería provoca un cambio en las variables externas (p. ej., la tensión y la temperatura de la célula de la batería) que se pueden observar fuera de la célula de la batería. Por consiguiente, hay intentos de estimar las variables internas en función de las variables externas.
Sin embargo, algunas de las variables internas y algunas de las variables externas pueden tener una correlación muy baja. De este modo, sin tener en cuenta la correlación entre las variables internas y las variables externas, las variables internas estimadas utilizando las variables externas pueden ser muy diferentes del estado químico interno real de la célula de la batería. El documento: BAI GUANGXlNG ET AL, "An internal state variable mapping approach for Li-Plating diagnosis", JOURNAL OF POWER SOURCES, ELSEVIER, ÁMSTERDAM, NL, (20160518), vol. 323, doi: 10.1016/J.JP0WS0UR.2016.05.040, ISSN 0378-7753, páginas 115 - 124, se refiere a un método de asignación de variables internas a variables externas en un sistema de baterías.
Objeto de la técnica
Problema técnico
La presente divulgación está diseñada para resolver el problema descrito anteriormente y, por lo tanto, la presente divulgación pretende proporcionar un aparato de gestión de batería, un método de gestión de batería, y una batería que analiza una correlación entre variables internas y variables externas de una célula de batería.
La presente divulgación pretende, además, proporcionar un aparato de gestión de batería, un método de gestión de batería y un paquete de batería, en que solo las variables externas que tienen al menos un cierto nivel de correlación con cada variable interna se usan en el modelado de un perceptrón submulticapa necesario para la estimación de cada variable interna.
Estos/as y otros/as objetivos y ventajas de la presente divulgación se entenderán mediante la siguiente descripción y serán evidentes a partir de las realizaciones de la presente divulgación. Adicionalmente, se entenderá fácilmente que los objetivos y ventajas de la presente divulgación pueden realizarse mediante los medios expuestos en las reivindicaciones adjuntas y una combinación de los mismos.
Solución técnica
En un primer aspecto, se proporciona un aparato de gestión de baterías de acuerdo con la reivindicación 1.
La unidad de memoria puede estar configurada además para almacenar un perceptrón multicapa principal que define una relación de correspondencia entre las variables externas primera a irrésima y las variables internas primera a nés¡ma. La unidad de control puede estar configurada para adquirir conjuntos de datos de salida primero a n-és¡m° de nodos de salida primero a n<-ésimo>incluidos en una capa de salida del perceptrón multicapa principal proporcionando los conjuntos de datos de entrada primero a m<-ésimo>a nodos de entrada primero a m<-ésimo>incluidos en una capa de entrada del perceptrón multicapa principal. Cada uno de los conjuntos de datos de salida primero a n<-ésimo>puede incluir el mismo número de valores de resultado que el número predeterminado. La unidad de control puede estar configurada para determinar los factores de error primero a n<-ésimo>en función de los conjuntos de datos de salida primero a n<-ésimo>y los conjuntos de datos deseados primero a n<-ésimo>La unidad de control puede estar configurada para determinar valores de referencia primero a n<-ésimo>comparando cada uno de los factores de error primero a n-*5™ con un factor de error de umbral.
La unidad de control puede estar configurada para determinar un factor de error j<-ésimo>que es igual a una relación de error del conjunto de datos de salida j<-ésimo>con respecto al conjunto de datos deseado j<-ésimo>cuando j es un número entero de 1 a n.
La unidad de control puede estar configurada para establecer el valor de referencia j<-ésimo>para que sea igual a un primer valor predeterminado cuando el factor de error j<-ésimo>es menor que el factor de error de umbral.
La unidad de control puede estar configurada para establecer el valor de referencia j<-ésimo>para que sea igual a un segundo valor predeterminado cuando el factor de error j<-ésimo>es igual o mayor que el factor de error de umbral. El segundo valor predeterminado puede ser mayor que el primer valor predeterminado.
La unidad de control puede estar configurada para determinar si establecer una variable externa i<-ésima>entre las variables externas primera a m<-ésima>como una variable externa válida para la variable interna j<-ésima>en función de un conjunto de datos de entrada i<-ésimo>un conjunto de datos deseado j<-ésimo>y un valor de referencia j<-ésimo>cuando i es un número entero de 1 a m y j es un número entero de 1 a n. La unidad de control puede estar configurada para aprender un perceptrón submulticapa asociado con la variable interna j<-ésima>utilizando el conjunto de datos de entrada i<-ésimo>como datos de entrenamiento cuando la variable externa i<-ésima>se establece como la variable externa válida para la variable interna j<-ésima>
La unidad de control puede estar configurada para determinar un coeficiente de correlación múltiple entre el conjunto de datos de entrada i-*5™ y el conjunto de datos deseados j<-ésimo>La unidad de control puede estar configurada para establecer la variable externa i<-ésima>como variable externa válida para la variable interna j<-ésima>cuando un valor absoluto del coeficiente de correlación múltiple es mayor que el valor de referencia j<-ésimo>
La unidad de control puede estar configurada para establecer la variable externa i<-ésima>como variable externa inválida para la variable interna j<-ésima>cuando el valor absoluto del coeficiente de correlación múltiple es igual o inferior al valor de referencia j<-ésimo>.
Un paquete de batería de acuerdo con otro aspecto de la presente divulgación incluye el aparato de gestión de batería.
Un método de gestión de batería de acuerdo con otro aspecto más de la presente divulgación se proporciona en la reivindicación 10.
Efectos ventajosos
Según al menos una de las realizaciones de la presente divulgación, es posible analizar una correlación entre las variables internas y las variables externas de una célula de batería.
Según al menos una de las realizaciones de la presente divulgación, cuando una correlación entre dos variables externas es igual o superior a un nivel predeterminado, solo se extrae un conjunto de datos observacionales para una de las dos variables externas, y el conjunto de datos observacionales extraído puede utilizarse en el modelado de un perceptrón submulticapa.
Según al menos una de las realizaciones de la presente divulgación, solo las variables externas que tengan al menos un cierto nivel de correlación con cada variable interna podrán usarse en el modelado de un perceptrón submulticapa necesario para la estimación de cada variable interna.
Los efectos de la presente divulgación no se limitan a los efectos mencionados anteriormente y los expertos en la técnica entenderán claramente estos y otros efectos a partir de las reivindicaciones adjuntas.
Descripción de las figuras
Los dibujos adjuntos ilustran una realización preferida de la presente divulgación y, junto con la descripción detallada de la presente divulgación que se describe a continuación, sirven para proporcionar una mayor comprensión de los aspectos técnicos de la presente divulgación y, por tanto, no se debe interpretar que la presente divulgación está limitada a los dibujos.
La figura 1 es un diagrama de ejemplo que muestra una configuración de un paquete de batería que incluye un aparato de gestión de batería de acuerdo con una realización de la presente divulgación.
La figura 2 es un diagrama que muestra, a modo de ejemplo, un perceptrón multicapa principal utilizado por el aparato de gestión de baterías de la FIG. 1.
La figura 3 es un diagrama que muestra, a modo de ejemplo, un perceptrón submulticapa.
La figura 4 es un diagrama de flujo que muestra, a modo de ejemplo, un primer método que puede ser ejecutado por el aparato de gestión de batería de la figura 1.
La figura 5 es un diagrama de flujo que muestra, a modo de ejemplo, un segundo método que puede ser realizado por el aparato de gestión de batería de la figura 1.
La figura 6 es un diagrama de flujo que muestra, a modo de ejemplo, un tercer método que puede ser ejecutado por el aparato de gestión de batería de la figura 1.
Descripción detallada de la invención
En lo sucesivo en el presente documento, se describirán las realizaciones preferidas de la presente divulgación en detalle con referencia a los dibujos adjuntos. Antes de la descripción, se debería entender que no se debe interpretar que los términos o las palabras que se usan en la memoria descriptiva y en las reivindicaciones adjuntas están limitados a significados generales y del diccionario, sino que deben interpretarse en función de los significados y conceptos correspondientes a los aspectos técnicos de la presente divulgación considerando que el inventor puede definir los términos apropiadamente para una mejor explicación.
Por lo tanto, las realizaciones descritas en el presente documento y las ilustraciones que se muestran en los dibujos son únicamente una realización más preferente de la presente divulgación, pero no pretenden describir exhaustivamente los aspectos técnicos de la presente divulgación, por lo que debe entenderse que, en el momento en que se presentó la solicitud, podrían haberse hecho en la misma diversas modificaciones y otras realizaciones equivalentes.
Los términos que incluyen un número ordinal, tales como "primero/a", "segundo/a" y similares, se usan para distinguir un elemento de otro entre diversos elementos, pero sin pretender limitar los elementos mediante dichos términos.
A menos que el contexto indique claramente lo contrario, se entenderá que el término "comprende", cuando se usa en esta memoria descriptiva, especifica la presencia de elementos mencionados, pero no excluye la presencia o adición de uno o más otros elementos. De forma adicional, la expresión "unidad de control", como se utiliza en el presente documento, se refiere a una unidad de procesamiento de al menos una función u operación, y esta puede implementarse porhardwareosoftwareo por sí solos o combinados.
Adicionalmente, a lo largo de toda la memoria descriptiva, se entenderá, además, que, cuando se hace referencia a un elemento "conectado a" otro elemento, este puede estar conectado directamente al otro elemento o pueden estar presentes elementos intermedios.
La figura 1 es un diagrama de ejemplo que muestra una configuración de un paquete de baterías 1 que incluye un aparato de gestión de batería 100 de acuerdo con la presente divulgación, la figura 2 es un diagrama que muestra, a modo de ejemplo, un perceptrón multicapa principal utilizado por el aparato de gestión de batería 100 de la figura 1, y la figura 3 es un diagrama que muestra, a modo de ejemplo, un perceptrón submulticapa.
Con referencia a la figura 1, el paquete de batería 1 incluye una célula de batería 10, un conmutador 20 y el aparato de gestión de batería 100.
El paquete de baterías 1 se monta en un dispositivo propulsado por electricidad, tal como un vehículo eléctrico, para suministrar la energía eléctrica necesaria para accionar el dispositivo propulsado por electricidad. El aparato de gestión de batería 100 está previsto para conectarse eléctricamente a los terminales positivo y negativo de la célula de la batería 10.
La célula de la batería 10 puede ser una célula de iones de litio. La célula de la batería 10 puede incluir cualquier tipo que pueda cargarse y descargarse repetidamente, y no se limita a la célula de iones de litio.
La célula de la batería 10 puede estar acoplada eléctricamente a un dispositivo externo a través de terminales de alimentación (+, -) del paquete de batería 1. El dispositivo externo puede ser, por ejemplo, una carga eléctrica (p. ej., un motor), un inversor de corriente continua (CC)-corriente alterna (CA) y un cargador del vehículo eléctrico.
El conmutador 20 se instala en una vía de corriente que conecta el terminal positivo de la célula de batería 10 con el terminal de alimentación (+) o una vía de corriente que conecta el terminal negativo de la célula de batería 10 con el terminal de alimentación (-). Mientras el conmutador 20 está en estado de funcionamiento de apertura, la célula de la batería 10 interrumpe la carga y la descarga. Mientras el conmutador 20 está en estado de funcionamiento cerrado, la célula de la batería 10 puede cargarse y descargarse.
El aparato de gestión de batería 100 incluye una unidad de interfaz 110, una unidad de memoria 120 y una unidad de control 130. El aparato de gestión de batería 100 puede incluir además una unidad de detección 140.
La unidad de detección 140 incluye un sensor de tensión 141, un sensor de corriente 142 y un sensor de temperatura 143. El sensor de tensión 141 está configurado para medir una tensión a través de la célula de la batería 10. El sensor de corriente 142 está configurado para medir una corriente eléctrica que fluye a través de la célula de la batería 10. El sensor de temperatura 143 está configurado para medir una temperatura de la célula de la batería 10. La unidad de detección 140 puede transmitir datos de detección que indican la tensión medida, la corriente medida y la temperatura medida a la unidad de control 130.
La unidad de interfaz 110 puede estar acoplada al dispositivo externo para permitir la intercomunicación. El dispositivo externo puede ser, por ejemplo, un sistema de carga, una carga eléctrica y un dispositivo móvil. La unidad de interfaz 110 está configurada para admitir la comunicación por cable o inalámbrica entre la unidad de control 130 y el dispositivo externo. La comunicación por cable puede ser, por ejemplo, comunicación de red de área de controlador (CAN), y la comunicación inalámbrica puede ser, por ejemplo, comunicación ZigBee o Bluetooth. La unidad de interfaz 110 puede incluir un dispositivo de salida tal como una pantalla o un altavoz para proporcionar los resultados de cada operación realizada por la unidad de control 130 de tal manera que puedan ser reconocidos por un usuario. La unidad de interfaz 110 puede incluir un dispositivo de entrada tal como un ratón y un teclado para recibir datos del usuario.
La unidad de memoria 120 está acoplada de forma operativa a al menos una de las unidades de interfaz 110, la unidad de control 130 o la unidad de detección 140. La unidad de memoria 120 puede almacenar los resultados de cada operación realizada por la unidad de control 130. La unidad de memoria 120 puede incluir, por ejemplo, al menos un tipo de medio de almacenamiento, tal como una memoria flash, un disco duro, un disco de estado sólido (SSD), una unidad de disco de silicio (SDD), una tarjeta multimedia de tipo micro, una memoria de acceso aleatorio (RAM), una memoria de acceso aleatorio estática (SRAM), memoria de solo lectura (ROM), una memoria programable de solo lectura borrable eléctricamente (EEPROM) o una memoria programable de solo lectura (PROM).
La unidad de memoria 120 está configurada para almacenar diversos datos necesarios para estimar el estado químico interno de la célula de la batería 10. Específicamente, la unidad de memoria 120 almacena un primer número de conjuntos de datos observacionales y un segundo número de conjuntos de datos deseados. Por ejemplo, la unidad de interfaz 110 recibe del dispositivo externo información que incluye los conjuntos de datos observacionales primero a p<-ésimo>y los conjuntos de datos deseados primero a n<-ésimo>. La unidad de memoria 120 puede almacenar además el perceptrón multicapa principal. En lo sucesivo en el presente documento, se supone que p indica el primer número y es un número entero de 2 o mayor, y n indica el segundo número y es un número entero de 2 o mayor.
Los conjuntos de datos observacionales primero a p<-ésimo>están asociados cada uno con p variables externas que son observables fuera de la célula de batería 10. Cada conjunto de datos observacionales incluye un tercer número predeterminado (es decir, 10000) de valores de entrada. Por ejemplo, el tercer número de valores de entrada para una de las p variables externas se incluye en el conjunto de datos observacionales q<-ésimo>
La unidad de control 130 está acoplada operativamente a al menos una de la unidad de interfaz 110, la unidad de memoria 120 o la unidad de detección 140. La unidad de control 130 puede implementarse físicamente utilizando al menos uno de circuitos integrados específicos de aplicación (ASIC), procesadores de señales digitales (DSP), dispositivos de procesamiento de señales digitales (DSPD), dispositivos lógicos programables (PLD), matrices de puertas programables en campo (FPGA), microprocesadores o unidades eléctricas para llevar a cabo otras funciones.
La unidad de control 130 extrae m conjuntos de datos observacionales desde el conjunto de datos observacionales primero a p<-ésimo>mediante filtrado de datos, y establece los m conjuntos de datos observacionales como el conjunto de datos de entrada primero a m<-ésimo>de acuerdo con el orden de extracción, m es un número entero de 1 o mayor y p o menor. A continuación, se describirá el proceso de extracción de los m conjuntos de datos observacionales con referencia a las figuras 4.
En la memoria descriptiva, Xi denota el conjunto de datos de entrada i<-ésimo>asociado con la variable externa i<-ésima>, y Xi(k) denota el valor de entrada k<-ésimo>del conjunto de datos de entrada i<-ésimo>.
Por ejemplo, cuando m = 16, las variables externas primera a decimosexta pueden definirse del siguiente modo.
La primera variable externa puede indicar el período de tiempo desde el momento en que el estado de carga (SOC) de la célula de la batería 10 es igual a un primer SOC (p. ej., 100 %) hasta el momento en que la tensión de la célula de la batería 10 alcanza una primera tensión (p. ej., 3,0 V) mediante una primera prueba de descarga de la célula de la batería 10 con una corriente de un primer índice de corriente (es decir, 1/3 C) a una primera temperatura.
La segunda variable externa puede indicar la tensión de la célula de la batería 10 en un momento en que se realiza una segunda prueba durante un primer tiempo de referencia (p. ej., 0,1 s), la segunda prueba de descarga de la célula de la batería 10 con una corriente de un segundo índice de corriente (es decir, p. ej., 200 A) a una segunda temperatura desde el momento en que el SOC de la célula de la batería 10 es igual a un segundo SOC (p. ej., 50 %).
La tercera variable externa puede indicar la tensión de la célula de la batería 10 en el momento en que se realiza la segunda prueba durante un segundo tiempo de referencia (p. ej., 1,0 s) que es mayor que el primer tiempo de referencia.
La cuarta variable externa puede indicar la tensión de la célula de la batería 10 en el momento en que se realiza la segunda prueba durante un tercer tiempo de referencia (p. ej., 10,0 s) que es mayor que el segundo tiempo de referencia.
La quinta variable externa puede indicar la tensión de la célula de la batería 10 en el momento en que se realiza la segunda prueba durante un cuarto tiempo de referencia (p. ej., 30,0 s) que es mayor que el tercer tiempo de referencia.
La sexta variable externa puede incluir el período de tiempo desde el momento en que el SOC de la célula de la batería 10 es igual a un tercer SOC (es decir, 100 %) hasta el momento en que la tensión de la célula de la batería 10 alcanza una segunda tensión (p. ej., 3,8 V) mediante una tercera prueba de descarga de la célula de la batería 10 con una corriente de una tercera velocidad de corriente (p. ej., 1,0 C) a una tercera temperatura.
La séptima variable externa puede indicar el período de tiempo transcurrido hasta el momento en que la tensión de la célula de la batería 10 alcanza una tercera tensión (p. ej., 3,5 V) que es menor que la segunda tensión en la tercera prueba.
La octava variable externa puede representar el tiempo que tarda la tensión de la célula de la batería 10 en reducirse desde la segunda tensión hasta la tercera tensión en la tercera prueba.
La novena variable externa puede indicar la tensión de la célula de batería 10 en el punto de tiempo en que se realiza una cuarta prueba de descarga de la célula de batería 10 con una corriente de un cuarto índice de corriente (es decir, 1,0 C) a una cuarta temperatura se realiza durante un quinto tiempo de referencia (p. ej., 0,1 s) desde el momento en que el SOC de la célula de la batería 10 es igual a un cuarto SOC (p. ej., 10 %).
La décima variable externa puede indicar la tensión de la célula de la batería 10 en el momento en que se realiza la cuarta prueba durante un sexto tiempo de referencia (p. ej., 1,0 s) que es mayor que el quinto tiempo de referencia.
La undécima variable externa puede indicar la tensión de la célula de la batería 10 en el momento en que se realiza la cuarta prueba durante un séptimo tiempo de referencia (p. ej., 10,0 s) que es mayor que el sexto tiempo de referencia.
La duodécima variable externa puede indicar la tensión de la célula de la batería 10 en el momento en que se realiza la cuarta prueba durante un octavo tiempo de referencia (p. ej., 30,0 s) que es mayor que el séptimo tiempo de referencia.
La decimotercera variable externa puede indicar la tensión de la célula de la batería 10 en el momento en que se realiza la cuarta prueba durante un noveno tiempo de referencia (p. ej., 100,0 s) que es mayor que el octavo tiempo de referencia.
La decimocuarta variable externa puede indicar una relación entre una variación de tensión de la célula de batería 10 durante un primer período (p. ej., 0,0 a 0,1 s) y una variación de tensión de la célula de la batería 10 durante un segundo período (p. ej., 20,0 a 20,1 s) mediante una quinta prueba de carga de la célula de la batería 10 con una corriente de una quinta velocidad de corriente (es decir, p. ej., 1,0 C) a una quinta temperatura desde el momento en que el SOC de la célula de la batería 10 es igual a un quinto estado (p. ej., 10 %).
La decimoquinta variable externa puede indicar la tensión del primer pico en una curva de capacidad diferencial de la célula de batería 10 obtenida mediante una sexta prueba de carga de la célula de batería 10 con una corriente de una sexta velocidad de corriente (por ejemplo, p. ej., 0,04 C) a una sexta temperatura desde el momento en que el SOC de la célula de la batería 10 es igual a un sexto SOC (p. ej., 0 %). Cuando V, dV y dQ son la tensión de la célula de la batería 10, el cambio de tensión de la célula de la batería 10, y el cambio de capacidad de la célula de la batería 10, respectivamente, la curva de capacidad diferencial muestra una relación de correspondencia entre V y dQ/dV. La curva de capacidad diferencial puede denominarse "curva V-dQ/dV". El primer pico puede ser un pico que tiene el V más pequeño entre una pluralidad de picos en la curva de capacidad diferencial.
La decimosexta variable externa puede indicar una diferencia entre la tensión del primer pico y una tensión de referencia. La tensión de referencia es la tensión del primer pico de la curva de capacidad diferencial obtenida cuando la célula de la batería 10 se encuentra al comienzo de su vida útil (BOL), y puede estar preestablecida.
Los conjuntos de datos deseados del primero al n'ésim° están asociados con las variables internas del primero al n'ésim° que son inobservables fuera de la célula de batería 10, respectivamente. Es decir, cuando un segundo índice j es un número entero de 1 a n, el conjunto de datos deseado j<-ésimo>se asocia a la variable interna j<-ésima>. Cada variable interna indica el estado químico interno de la célula de la batería 10. Cada conjunto de datos deseado incluye el mismo número de valores objetivo que el tercer número. Por ejemplo, el tercer número de valores preestablecidos como la variable interna j<-ésima>se incluyen en el conjunto de datos deseado j<-ésimo>
En la memoria descriptiva, Yj denota el conjunto de datos deseado j<-ésimo>, y Yj(k) denota el valor objetivo k<-ésimo>del conjunto de datos deseado j<-ésimo>.
Y-i(k) a Yn(k) son los valores esperados para las variables internas primera a n<-ésima>cuando la célula de batería 10 tiene un estado de degradación particular. X-i(k) a Xm(k) son los valores esperados para las variables externas primera a m<-ésima>dependientes de Y-i(k) a Yn(k) cuando la célula de batería 10 tiene el estado de degradación en particular. El estado de degradación de la célula de batería 10 cambia en función del entorno en el que se utiliza la célula de batería 10, y cada estado de degradación puede definirse mediante una combinación de las variables internas primera a n<-ésima>. Cuando a t b, X1(a) a Xm(a) e Y1(a) a Yn(a) están asociados con el estado de degradación 'a', y X1(b) a Xm(b) e Y1(b) a Yn(b) están asociados con el estado de degradación "b" que es diferente del estado de degradación "a" de la célula de batería 10.
Por ejemplo, cuando n = 14, las variables internas primera a decimocuarta pueden definirse del siguiente modo. La primera variable interna puede ser la conductividad eléctrica del electrodo positivo de la célula de la batería 10. La segunda variable interna puede ser la difusividad iónica del material activo del electrodo positivo de la célula de batería 10.
La tercera variable interna puede ser la constante de velocidad de la densidad de corriente de intercambio del material activo del electrodo positivo de la célula de batería 10.
La cuarta variable interna puede ser la difusividad iónica del material activo negativo de la célula de batería 10. La quinta variable interna puede ser la constante de velocidad de la densidad de corriente de intercambio del material activo negativo de la célula de batería 10.
La sexta variable interna puede ser la tortuosidad del electrodo negativo de la célula de batería 10. La tortuosidad es la relación entre la distancia que recorre un ion de un punto a otro y la distancia en línea recta entre los mismos dos puntos.
La séptima variable interna puede ser la porosidad del electrodo negativo de la célula de batería 10.
La octava variable interna puede ser la concentración de iones del electrolito de la célula de la batería 10.
La novena variable interna puede ser el factor de escala por el que se multiplica la conductividad iónica inicial del electrolito de la célula de batería 10. La conductividad iónica inicial puede ser un valor preestablecido que indica la conductividad iónica del electrolito de la célula de batería 10 cuando la célula de batería 10 está en BOL.
La décima variable interna puede ser el factor de escala por el que se multiplica la difusividad iónica inicial del electrolito de la célula de batería 10. La difusividad iónica inicial puede ser un valor preestablecido que indica la difusividad iónica del electrolito de la célula de batería 10 cuando la célula de batería 10 está en BOL.
La undécima variable interna puede ser el número de transferir cationes del electrolito de la célula de batería 10. El número de transferencia indica la contribución fraccional de los cationes (p. ej., Li+) a la conductividad eléctrica del electrolito.
La duodécima variable interna puede ser la Pérdida de Inventario de Litio (LLI) de la célula de la batería 10. La LLI indica la pérdida de litio en la célula de la batería 10 en comparación con el BOL.
La decimotercera variable interna puede ser la Pérdida de Material Activo (LAM) del electrodo positivo de la célula de la batería 10. El LAM del electrodo positivo indica la pérdida de material activo del electrodo positivo de la batería en comparación con el BOL.
La decimocuarta variable interna puede ser el LAM del electrodo negativo de la célula de batería 10. El LAM del electrodo negativo indica la pérdida de material activo del electrodo negativo de la batería en comparación con el BOL. Los conjuntos de datos de entrada primero a m<-ésimo>y los conjuntos de datos deseados primero a n<-ésimo>pueden preestablecerse a partir de los resultados de simulación de una pluralidad de células de batería que tengan las mismas especificaciones electroquímicas que la célula de batería 10, pero diferentes estados de degradación.
La unidad de control 130 puede determinar los valores de referencia primero a n-és¡mo necesarios para el modelado del perceptrón submulticapa primero a n<-ésimo>utilizando el perceptrón multicapa principal 200 almacenado en la unidad de memoria 120.
Con referencia a la figura 2, el perceptrón multicapa principal 200 incluye una capa de entrada 201, un número predeterminado de capas intermedias 202 y una capa de salida 203. En el perceptrón multicapa principal 200, el número de nodos (también denominados "neuronas") incluidos en cada capa, las conexiones entre nodos y las funciones de cada nodo incluido en cada capa intermedia pueden estar preestablecidas. Las ponderaciones de cada conexión pueden establecerse utilizando datos de entrenamiento predefinidos.
La capa de entrada 201 incluye los nodos de entrada primero a m<-ésimo>Ii a Im. Los nodos de entrada primero a m<-ésimo>Ii a Im están asociados con las variables externas primera a m<-ésima>, respectivamente. Cada valor de entrada incluido en el conjunto de datos de entrada i<-ésimo>x ¡ se proporciona al nodo de entrada i<-ésimo>Ii.
La capa de salida 203 incluye los nodos de salida primero a n<-ésimo>O1 a On. Los nodos de salida primero a n<-ésimo>O1 a On están asociados con las variables internas primero a n<-ésimo>, respectivamente.
Cuando el valor de entrada k<-ésimo>de cada uno de los conjuntos de datos de entrada primero a m<-ésimo>X1 a Xm se introduce a los nodos de entrada primero a m<-ésimo>I1 a Im, respectivamente, el valor del resultado k<-ésimo>de cada uno de los conjuntos de datos de salida primero a n<-ésimo>Z1 a Zn se emite desde los nodos de salida primero a n<-ésimo>O1 a On, respectivamente.
La unidad de control 130 puede generar conjuntos de datos de salida primero a n<-ésimo>Z1 a Zn, cada uno de los cuales tiene el mismo número de valores de resultado que el tercer número, repitiendo el proceso de introducción de m valores de entrada (p. ej., X1(k) a Xm(k)) del mismo orden en los conjuntos de datos de entrada primero a m<-ésimo>X1 a Xm a los nodos de entrada primero a m<-ésimo>I1 a Im, respectivamente. En la memoria descriptiva, Zj denota el conjunto de datos de salida j<-ésimo>, y Zj(k) denota el valor de resultado k<-ésimo>del conjunto de datos de salida j<-ésimo>En los conjuntos de datos de salida primero a n<-ésimo>, n valores de resultado Z1(k) a Zn(k) pueden disponerse en el mismo orden.
La unidad de control 130 puede determinar los factores de error primero a n<-ésimo>en función de los conjuntos de datos de salida primero a n<-ésimo>y los conjuntos de datos deseados del primero al n<-ésimo>. Es decir, la unidad de control 130 puede determinar el factor de error j<-ésimo>comparando el conjunto de datos de salida j<-ésimo>con el conjunto de datos deseado j<-ésimo>Específicamente, la unidad de control 130 puede determinar el factor de error j<-ésimo>utilizando la siguiente Ecuación 1.
En la Ecuación 1, u es el tercer número, y Ferror_j es el factor de error j<-ésimo>Es decir, el factor de error j<-ésimo>puede determinarse como igual a una relación de error del conjunto de datos de salida j<-ésimo>con respecto al conjunto de datos deseado j<-ésimo>.
La unidad de control 130 puede determinar los valores de referencia primero a n<-ésimo>comparando cada uno de los factores de error primero a n<-ésimo>con un factor de error de umbral. El factor de error de umbral puede ser un valor preestablecido, por ejemplo, 3 %. Específicamente, cuando el factor de error j<-ésimo>es menor que el factor de error de umbral, la unidad de control 130 puede determinar que el valor de referencia j<-ésimo>es igual a un primer valor predeterminado. Por el contrario, cuando el factor de error j<-ésimo>es igual o mayor que el factor de error de umbral, la unidad de control 130 puede determinar que el valor de referencia j<-ésimo>es igual a un segundo valor predeterminado. El segundo valor predeterminado (p. ej., 0,25) puede ser inferior al primer valor predeterminado (es decir, 0,50). Una vez determinados los valores de referencia primero a n<-ésimo>, puede completarse el proceso utilizando el perceptrón multicapa principal 200. Como alternativa, cada uno de los valores de referencia primero a n<-ésimo>puede preestablecerse al primer valor predeterminado o al segundo valor predeterminado. En este caso, puede omitirse el proceso que utiliza el perceptrón multicapa principal 200.
La unidad de control 130 lleva a cabo el proceso para determinar los perceptrones submulticapa primero a n<-ésimo>.
La unidad de control 130 determina un coeficiente de correlación múltiple entre cada uno de los conjuntos de datos deseados primero a n<-ésimo>y cada uno de los conjuntos de datos de entrada primero a m<-ésimo>. El coeficiente de correlación múltiple entre el conjunto de datos de entrada i<-ésimo>y el conjunto de datos deseados j<-ésimo>puede determinarse a partir de la siguiente Ecuación 2.
<Ecuación 2>
En la Ecuación 2, N es el tercer número, y r¡,j es el coeficiente de correlación múltiple entre el conjunto de datos de entrada i<-ésimo>y el conjunto de datos deseados j<-ésimo>. Se determinan m coeficientes de correlación múltiples para cada conjunto de datos deseado, puede determinarse un total de m*n coeficientes de correlación múltiples.
El valor absoluto del coeficiente de correlación múltiple r¡,j que es mayor que el valor de referencia j<-ésimo>indica una alta correlación entre la variable externa i<-ésima>y la variable interna j<-ésima>. Cuando el valor absoluto del coeficiente de correlación múltiple n,j es mayor que el valor de referencia j<-ésimo>, la unidad de control 130 puede determinar el uso del conjunto de datos de entrada i<-ésimo>para el modelado del perceptrón submulticapa j<-ésimo>. Cuando el valor absoluto del coeficiente de correlación múltiple r¡,j es mayor que el valor de referencia j<-ésimo>, la unidad de control 130 puede establecer la variable externa i<-ésima>como variable externa válida para la variable interna j<-ésima>.
Por el contrario, el valor absoluto del coeficiente de correlación múltiple n,j que es igual o inferior que el valor de referencia j<-ésimo>indica una baja correlación entre la variable externa i<-ésima>y la variable interna j<-ésima>. Cuando el valor absoluto del coeficiente de correlación múltiple n,j es igual o inferior que el valor de referencia j<-ésimo>, la unidad de control 130 puede determinar no usar el conjunto de datos de entrada i<-ésimo>para el modelado del perceptrón submulticapa jésimo. Es decir, la unidad de control 130 puede excluir la variable externa i<-ésima>de una variable externa válida para la variable interna j<-ésima>.
La unidad de control 130 puede generar los perceptrones submulticapa primero a n<-ésimo>asociados con las variables internas primera a n<-ésima>, respectivamente. Es decir, la variable interna j<-ésima>y el perceptrón submulticapa j<-ésimo>están asociados entre sí. El perceptrón submulticapa j<-ésimo>se utiliza para estimar un valor de la variable interna j<-ésima>.
Con referencia a la figura 3, el perceptrón submulticapa j<-ésimo>300j incluye una capa de entrada 301j, un número predeterminado de capas intermedias 302j y una capa de salida 303j. La función de cada nodo incluido en cada capa intermedia 302j puede estar preestablecida. La capa de salida 303j tiene un único nodo de salida asociado a la variable interna j<-ésima>.
La unidad de control 130 puede generar el mismo número de nodos de entrada de la capa de entrada 301j del perceptrón submulticapa j<-ésimo>que el número de conjuntos de variables externas válidas para la variable interna j<-ésima>. La figura 3 muestra ejemplarmente que cada una de variables externas primera, tercera y quinta se establece como la variable externa válida para la variable interna j<-ésima>.
La capa de entrada 301j del perceptrón submulticapa j<-ésimo>tiene tres nodos de entrada Ij1 a Ij3. Los conjuntos de datos de entrada primero, tercero y quinto, respectivamente, asociados con las tres variables externas se proporcionan como datos de entrenamiento a cada uno de los tres nodos de entrada Ij1 a Ij3, y el aprendizaje del perceptrón submulticapa j<-ésimo>300j se lleva a cabo mediante la comparación entre los valores de resultado del conjunto de datos Wj obtenidos de la capa de salida 303j del perceptrón submulticapa j<-ésimo>y los valores objetivo del conjunto de datos deseados j -ésimo
Una vez finalizado el aprendizaje del perceptrón submulticapa j<-ésimo>300j, la unidad de control 130 puede medir la tensión, la corriente y la temperatura de la célula de la batería 10 mediante la unidad de detección 140. La unidad de control 130 puede determinar los valores de tres variables externas en función de los datos de detección de la unidad de detección 140. Posteriormente, la unidad de control 130 puede obtener un valor de resultado en la capa de salida 303j del perceptrón submulticapa j<-ésimo>300j introduciendo los valores de las tres variables externas en los tres nodos de entrada Ij1 a Ij3 del perceptrón submulticapa j<-ésimo>300j, respectivamente. El valor del resultado correspondiente es un valor estimado de la variable interna j<-ésima>asociada al estado de degradación correspondiente a los valores de las tres variables externas. Cuando el valor estimado de la variable interna j<-ésima>está fuera de un intervalo de seguridad j<-ésimo>predeterminado, la unidad de control 130 puede controlar el conmutador 20 en el estado de funcionamiento de apertura para proteger la célula de batería 10.
La figura 4 es un diagrama de flujo que muestra, a modo de ejemplo, un primer método que puede ser realizado por el aparato de gestión de batería 100 de la figura 1. El primer método según la figura 4 es un método de filtrado de datos para extraer al menos uno de los conjuntos de datos observacionales del conjunto de datos de entrada primero a p<-ésimo>.
Con referencia a las figuras 1 a 4, en la etapa S410, la unidad de control 130 almacena los conjuntos de datos observacionales primero a p<-ésimo>y los conjuntos de datos deseados primero a n<-ésimo>en la unidad de memoria 120.
En la etapa S420, la unidad de control 130 establece cada uno del primer índice q y del segundo índice m a 1.
En la etapa S430, la unidad de control 130 determina un coeficiente de correlación múltiple entre el conjunto de datos observacionales q<-ésimo>y el conjunto de datos observacionales q+1<-ésimo>Por ejemplo, cuando q=1, se determina el coeficiente de correlación múltiple entre el primer conjunto de datos observacionales y el segundo conjunto de datos observacionales. El coeficiente de correlación múltiple entre el conjunto de datos observacionales q<-ésimo>y el conjunto de datos observacionales q+1<-ésimo>puede determinarse a partir de la Ecuación 3 siguiente. En la memoria descriptiva, Pq indica el conjunto de datos observacionales q<-ésimo>.
En la Ecuación 3, N es el tercer número, Pq(k) es el valor de entrada k<-ésimo>del conjunto de datos observacionales qésimo, Pq+1(k) es el valor de entrada k<-ésimo>del conjunto de datos observacionales q+1<-ésimo>, y Rq,q+1 es el coeficiente de correlación múltiple entre el conjunto de datos observacionales q<-ésimo>y el conjunto de datos observacionales q+1<-ésimo>
En la etapa S440, la unidad de control 130 determina si el valor absoluto del coeficiente de correlación múltiple Rq,q+1 es inferior a un valor de filtrado predeterminado (por ejemplo, 0,75). Un valor de la etapa S440 que sea "Sí" representa que la correlación entre el conjunto de datos observacionales q<-ésimo>y el conjunto de datos observacionales q+1<-ésimo>no es suficientemente alta. Por consiguiente, es muy necesario establecer el conjunto de datos observacionales q<-ésimo>como conjunto de datos de entrada. Cuando el valor de la etapa S440 es "Sí", se realiza la etapa S450. Por el contrario, que el valor de la etapa S440 sea "No" representa que la correlación entre el conjunto de datos observacionales q<-ésimo>y el conjunto de datos observacionales q+1<-ésimo>es suficientemente alta. Por consiguiente, la necesidad de establecer el conjunto de datos observacionales q<-ésimo>como conjunto de datos de entrada es baja. Cuando el valor en la etapa S440 es "No", se realiza la etapa S470.
En la etapa S450, la unidad de control 130 establece el conjunto de datos observacionales q<-ésimo>como el conjunto de datos de entrada m<-ésimo>. En un ejemplo, cuando q=1, m=1, el primer conjunto de datos de entrada es igual al primer conjunto de datos observacionales. En otro ejemplo, cuando q=3, m=2, el segundo conjunto de datos de entrada es igual al tercer conjunto de datos observacionales.
En la etapa S460, la unidad de control 130 aumenta el segundo índice m en 1.
En la etapa S470, la unidad de control 130 determina si el primer índice q es igual a p-1. p es el número de conjuntos de datos observacionales. Cuando un valor de la etapa S470 es "No", se realiza la etapa S480. Cuando el valor de la etapa S470 es "Sí", se realiza la etapa S490.
En la etapa S490, la unidad de control 130 establece el conjunto de datos observacionales q+1<-ésimo>como el conjunto de datos de entrada m<-ésimo>Mediante la etapa S490, entre los conjuntos de datos observacionales primero a p<-ésimo>, al menos el conjunto de datos observacionales p<-ésimo>se establece como el conjunto de datos de entrada.
Mediante las etapas S430 ~ S450 de la figura 4, cuando los dos conjuntos de datos observacionales tienen una fuerte correlación, solo se extrae uno de ellos como conjunto de datos de entrada. En comparación con el caso en que todos los conjuntos de datos observacionales se utilizan como conjuntos de datos de entrada sin excepción, es posible reducir la cantidad de computación requerida para el modelado de los perceptrones submulticapa primero al n<-ésimo>y aumentar la tasa de computación.
Una vez determinados los conjuntos de datos de entrada primero a m<-ésimo>mediante el método de la figura 4, la unidad de control 130 puede ejecutar el método de la figura 5. Como alternativa, la unidad de control 130 puede usar los conjuntos de datos observacionales primero a p<-ésimo>como los conjuntos de datos de entrada primero a m<-ésimo>sin realizar el método según la figura 4, y en este caso, p=m.
La figura 5 es un diagrama de flujo que muestra, a modo de ejemplo, un segundo método que puede realizar el aparato de gestión de batería 100 de la figura 1.
Con referencia a las figuras 1 a 5, en la etapa S510, la unidad de control 130 adquiere conjuntos de datos de salida primero a n<-ésimo>a partir de los conjuntos de datos de entrada primero a m<-ésimo>utilizando el perceptrón multicapa principal 200.
En la etapa S520, la unidad de control 130 establece el tercer índice j en 1.
En la etapa S530, la unidad de control 130 determina el factor de error j<-ésimo>en función del conjunto de datos de salida j<-ésimo>y el conjunto de datos deseados j<-ésimo>.
En la etapa S540, la unidad de control 130 determina si el factor de error j<-ésimo>es menor que el factor de error de umbral. Cuando un valor en la etapa S540 es "Sí", se realiza la etapa S550. Cuando el valor en la etapa S540 es "No", se realiza la etapa S560.
En la etapa S550, la unidad de control 130 establece el valor de referencia j<-ésimo>para que sea igual al primer valor predeterminado.
En la etapa S560, la unidad de control 130 establece el valor de referencia j<-ésimo>para que sea igual al segundo valor predeterminado.
En la etapa S570, la unidad de control 130 determina si el tercer índice j es igual a n. n es el número de conjuntos de datos deseados. Cuando un valor de la etapa S570 es "No", se realiza la etapa S580.
En la etapa S580, la unidad de control 130 aumenta el segundo índice j en 1. Después la etapa S580, el proceso vuelve a la etapa S530.
Los valores de referencia primero a n<-ésimo>se determinan mediante el método de la figura 5, la unidad de control 130 puede ejecutar el método de la figura 6. Como alternativa, cuando los valores de referencia primero a n<-ésimo>se preestablecen y almacenan en la unidad de memoria 120 como se ha descrito anteriormente, la unidad de control 130 puede realizar el método de la figura 6 sin realizar el método de la figura 5.
La figura 6 es un diagrama de flujo que muestra ejemplarmente un tercer método que puede ser realizado por el aparato de gestión de batería 100 de la figura 1. El tercer método según la figura 6 puede ser un método de filtrado de datos para extraer un conjunto de datos de entrada utilizado para el aprendizaje automático de cada perceptrón submulticapa a partir de los conjuntos de datos de entrada primero a m<-ésimo>
Con referencia a las figuras 1 a 6, en la etapa S610, la unidad de control 130 establece cada uno del tercer índice j y de un cuarto índice i a 1.
En la etapa S620, la unidad de control 130 determina un coeficiente de correlación múltiple entre el conjunto de datos de entrada i<-ésimo>y el conjunto de datos deseados j<-ésimo>.
En la etapa S630, la unidad de control 130 determina si el valor absoluto del coeficiente de correlación múltiple es mayor que el valor de referencia j<-ésimo>Cuando un valor en la etapa S630 es "Sí", se realiza la etapa S640. Cuando el valor en la etapa S630 es "No", se realiza la etapa S650.
En la etapa S640, la unidad de control 130 establece la variable externa i<-ésima>como variable externa válida para la variable interna j<-ésima>.
En la etapa S650, la unidad de control 130 determina si el cuarto índice i es igual a m. m es el número de conjuntos de datos de entrada. Cuando un valor de la etapa S650 es "No", se realiza la etapa S660. Cuando el valor de la etapa S650 es "Sí", se realiza la etapa S670.
En la etapa S660, la unidad de control 130 aumenta el cuarto índice i en 1. Después la etapa S660, el proceso vuelve a la etapa S620.
En la etapa S670, la unidad de control 130 determina si el tercer índice j es igual a n. Cuando un valor de la etapa S670 es "No", se realiza la etapa S680.
En la etapa S680, la unidad de control 130 aumenta el tercer índice j en 1, y pone el cuarto índice i a 1. Después la etapa S680, el proceso vuelve a la etapa S620.
Que el valor de la etapa S650 sea "Sí" indica que se ha completado el establecimiento de la variable externa válida para la variable interna j<-ésima>. Cada vez que el valor de la etapa S650 es "Sí", la unidad de control 130 puede generar el perceptrón submulticapa j<-ésimo>utilizado para estimar el valor de la variable interna j<-ésima>.
Las realizaciones de la presente divulgación descritas anteriormente no se implementan únicamente a través del aparato y el método, y pueden implementarse a través de programas que realizan las funciones correspondientes a las configuraciones de las realizaciones de la presente divulgación o medios de grabación que tienen los programas grabados en ellos, y tal implementación pueden lograrla fácilmente los expertos en la técnica a partir de la divulgación de las realizaciones descritas anteriormente.
Si bien la presente divulgación se ha descrito anteriormente con respecto a un número limitado de realizaciones y dibujos, la presente divulgación no se limita a estos y es obvio para los expertos en la materia que se pueden realizar diversas modificaciones y diversos cambios en los mismos dentro de los aspectos técnicos de la presente divulgación. De forma adicional, los expertos en la materia pueden realizar otras tantas sustituciones, modificaciones y cambios en la presente divulgación descrita en lo que antecede sin apartarse de los aspectos técnicos de la presente divulgación, la presente divulgación no está limitada por las realizaciones descritas anteriormente y los dibujos adjuntos.

Claims (10)

REIVINDICACIONES
1. Un aparato de gestión de batería (100), que comprende:
una unidad de memoria (120) configurada para almacenar conjuntos de datos observacionales primero a p<-ésimo>conjuntos de datos deseados primero a n<-ésimo>, en donde cado uno de p y n son números enteros iguales o superiores a 2; y
una unidad de control (130) acoplada de forma operativa a la unidad de memoria (120),
en donde los conjuntos de datos observacionales primero a p<-ésimo>están respectivamente asociados con p variables externas que son observables fuera de una célula de batería,
cada uno de los conjuntos de datos observacionales primero a p<-ésimo>incluye un número predeterminado de valores de entrada,
los conjuntos de datos deseados primero a n<-ésimo>están asociados con las variables internas primera a n<-ésima>, respectivamente, en donde las variables internas primera a n<-ésima>dependen de un estado químico interno de la célula de batería y son inobservables fuera de la célula de batería,
cada uno de los conjuntos de datos deseados primero a n<-ésimo>incluye el mismo número de valores objetivo que el número predeterminado, y
la unidad de control (130) está configurada para:
establecer m conjuntos de datos observacionales extraídos por filtrado de datos de los conjuntos de datos observacionales primero a p<-ésimo>como conjuntos de datos de entrada primero a m<-ésimo>, en donde m es un número entero con 1 < m < p, determinando un coeficiente de correlación múltiple entre el conjunto de datos observacionales q<-ésimo>y el conjunto de datos observacionales q+1<-ésimo>, cuando q es un número entero de 1 a p-1, y
establecer el conjunto de datos observacionales q<-ésimo>como uno de los conjuntos de datos de entrada primero a m<-ésimo>cuando un valor absoluto del coeficiente de correlación múltiple es inferior a un valor de filtrado predeterminado, y
establecer al menos una de las variables externas primera a m<-ésima>como variable externa válida para cada una de las variables internas primera a n<-ésima>en función de los conjuntos de datos de entrada primero a m<-ésimo>y los conjuntos de datos deseados primero a n<-ésimo>analizando una correlación entre las variables internas y las variables externas, y
en donde las variables externas primera a m<-ésima>son m variables externas asociadas con los m conjuntos de datos observacionales, entre las p variables externas.
2. El aparato de gestión de batería (100) de acuerdo con la reivindicación 1, en donde la unidad de memoria (120) está configurada además para almacenar un perceptrón multicapa principal que define una relación de correspondencia entre las variables externas primera a m<-ésima>y las variables internas primera a n<-ésima>, y la unidad de control (130) está configurada para:
adquirir conjuntos de datos de salida primero a n<-ésimo>de nodos de salida primero a n<-ésimo>incluidos en una capa de salida del perceptrón multicapa principal proporcionando los conjuntos de datos de entrada primero a m<-ésimo>a nodos de entrada primero a m<-ésimo>incluidos en una capa de entrada del perceptrón multicapa principal, incluyendo cada uno de los conjuntos de datos de salida primero a n<-ésimo>el mismo número de valores de resultado que el número predeterminado,
determinar factores de error primero a n<-ésimo>en función de los conjuntos de datos de salida primero a n<-ésimo>y los conjuntos de datos deseados primero a n<-ésimo>, y
determinar valores de referencia primero a n<-ésimo>comparando cada uno de los factores de error primero a n<-ésimo>con un factor de error de umbral.
3. El aparato de gestión de batería (100) de acuerdo con la reivindicación 2, en donde la unidad de control (130) está configurada para determinar un factor de error j<-ésimo>que es igual a una relación de error del conjunto de datos de salida j<-ésimo>con respecto al conjunto de datos deseado j<-ésimo>cuando j es un número entero de 1 a n.
4. El aparato de gestión de batería (100) de acuerdo con la reivindicación 3, en donde la unidad de control (130) está configurada para establecer el valor de referencia j<-ésimo>para que sea igual a un primer valor predeterminado cuando el factor de error j<-ésimo>es menor que el factor de error de umbral.
5. El aparato de gestión de batería (100) de acuerdo con la reivindicación 4, en donde la unidad de control (130) está configurada para establecer el valor de referencia j<-ésimo>para que sea igual a un segundo valor predeterminado cuando el factor de error j<-ésimo>es igual o mayor que el factor de error de umbral, y
en donde el segundo valor predeterminado es menor que el primer valor predeterminado.
6. El aparato de gestión de batería (100) de acuerdo con la reivindicación 2, en donde la unidad de control (130) está configurada para:
determinar si establecer una variable externa i<-ésima>entre las variables externas primera a m<-ésima>como una variable externa válida para la variable interna j -és¡ma en función de un conjunto de datos de entrada i-és¡m° un conjunto de datos deseado j<-ésimo>y un valor de referencia j<-ésimo>cuando i es un número entero de 1 a m y j es un número entero de 1 a n, y
aprender un perceptrón submulticapa asociado con la variable interna j<-ésima>usando el conjunto de datos de entrada i<-ésimo>como datos de entrenamiento cuando la variable externa i<-ésima>se establece como la variable externa válida para la variable interna j<-ésima>.
7. El aparato de gestión de batería (100) de acuerdo con la reivindicación 6, en donde la unidad de control (130) está configurada para:
determinar un coeficiente de correlación múltiple entre el conjunto de datos de entrada i<-ésimo>y el conjunto de datos deseados j<-ésimo>, y
establecer la variable externa i<-ésima>como variable externa válida para la variable interna j<-ésima>cuando un valor absoluto del coeficiente de correlación múltiple es mayor que el valor de referencia j<-ésimo>
8. El aparato de gestión de batería (100) de acuerdo con la reivindicación 7, en donde la unidad de control (130) está configurada para establecer la variable externa i<-ésima>como variable externa inválida para la variable interna j<-ésima>cuando el valor absoluto del coeficiente de correlación múltiple es igual o inferior al valor de referencia j<-ésimo>
9. Un paquete de batería (1) que comprende el aparato de gestión de batería (100) de acuerdo con una cualquiera de las reivindicaciones 1 a 8.
10. Un método de gestión de batería, que comprende:
almacenar (S410) conjuntos de datos observacionales primero a p<-ésimo>y conjuntos de datos deseados primero a n^sir™ en donde cada uno de p y n son números enteros iguales o superiores a 2, los conjuntos de datos observacionales primero a p<-ésimo>se asocian respectivamente con p variables externas que son observables fuera de una célula de batería, cada uno de los conjuntos de datos observacionales primero a p<-ésimo>incluye un número predeterminado de valores de entrada, los conjuntos de datos deseados primero a n<-ésimo>se asocian respectivamente con variables internas primera a n<-ésima>que son inobservables fuera de la célula de batería, dependiendo las variables internas primera a n<-ésima>de un estado químico interno de la célula de batería, y cada uno de los conjuntos de datos deseados primero a n<-ésimo>incluye el mismo número de valores objetivo que el número predeterminado;
establecer (S490) m conjuntos de datos observacionales extraídos por filtrado de datos de los conjuntos de datos observacionales primero a p<-ésimo>como conjuntos de datos de entrada primero a irrésim° en donde m es un número entero con 1 < m < p, determinando un coeficiente de correlación múltiple entre el conjunto de datos observacionales q<-ésimo>y el conjunto de datos observacionales q+1<-ésimo>cuando q es un número entero de 1 a p-1, y
establecer el conjunto de datos observacionales q<-ésimo>como uno de los conjuntos de datos de entrada primero a m^si™ cuando un valor absoluto del coeficiente de correlación múltiple es inferior a un valor de filtrado predeterminado; y
establecer (S640) al menos una de las variables externas primera a m<-ésima>como variable externa válida para cada una de las variables internas primera a n<-ésima>en función de los conjuntos de datos de entrada primero a m<-ésimo>y los conjuntos de datos deseados primero a n<-ésimo>analizando una correlación entre las variables internas y las variables externas,
en donde las variables externas primera a m<-ésima>son m variables externas asociadas con los m conjuntos de datos observacionales entre las p variables externas.
ES20888120T 2019-11-15 2020-10-20 Battery management apparatus, battery management method and battery pack Active ES3024782T3 (en)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020190147025A KR102785853B1 (ko) 2019-11-15 2019-11-15 배터리 관리 장치, 배터리 관리 방법 및 배터리 팩
PCT/KR2020/014353 WO2021096087A1 (ko) 2019-11-15 2020-10-20 배터리 관리 장치, 배터리 관리 방법 및 배터리 팩

Publications (1)

Publication Number Publication Date
ES3024782T3 true ES3024782T3 (en) 2025-06-05

Family

ID=75913035

Family Applications (1)

Application Number Title Priority Date Filing Date
ES20888120T Active ES3024782T3 (en) 2019-11-15 2020-10-20 Battery management apparatus, battery management method and battery pack

Country Status (9)

Country Link
US (1) US12586827B2 (es)
EP (1) EP4024065B1 (es)
JP (1) JP7355310B2 (es)
KR (1) KR102785853B1 (es)
CN (1) CN114402208B (es)
ES (1) ES3024782T3 (es)
HU (1) HUE070756T2 (es)
PL (1) PL4024065T3 (es)
WO (1) WO2021096087A1 (es)

Family Cites Families (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100712827B1 (ko) 2002-10-04 2007-05-02 (주)펄서스 테크놀러지 디지털 앰프의 일그러짐을 상쇄시킬 수 있는 신경망 필터및 상기 신경망 필터 형성 방법
CN100570388C (zh) 2003-12-18 2009-12-16 株式会社Lg化学 使用神经网络评估电池的充电状态的设备和方法
JP4897976B2 (ja) 2009-06-05 2012-03-14 古河電気工業株式会社 蓄電デバイスの状態検知方法及びその装置
FR2970785B1 (fr) 2011-01-20 2013-11-15 Commissariat Energie Atomique Procede d'evaluation de l'autodecharge d'un accumulateur au lithium
KR101282687B1 (ko) * 2011-11-07 2013-07-05 현대자동차주식회사 차량용 배터리 상태 예측 방법
JP6148498B2 (ja) 2013-02-28 2017-06-14 積水化学工業株式会社 電池モデル構築方法及び蓄電池劣化推定装置
KR20150019190A (ko) * 2013-08-13 2015-02-25 현대모비스 주식회사 배터리 충전 상태 추정 방법 및 이를 위한 장치
JP2015135286A (ja) 2014-01-17 2015-07-27 株式会社豊田中央研究所 二次電池の特性推定装置
JP2015172557A (ja) * 2014-03-12 2015-10-01 株式会社豊田中央研究所 電池内部状態推定装置
KR101754948B1 (ko) * 2014-10-07 2017-07-06 주식회사 엘지화학 배터리 관리 모듈의 통신 id 할당 방법 및 시스템
KR101846642B1 (ko) * 2015-02-02 2018-04-06 주식회사 엘지화학 이차 전지의 저항 팩터 결정 방법, 상기 저항 팩터를 이용한 충전 출력 추정 장치 및 방법
KR102424528B1 (ko) 2015-06-11 2022-07-25 삼성전자주식회사 배터리의 상태를 추정하는 장치 및 방법
KR102515829B1 (ko) 2015-11-02 2023-03-29 삼성전자주식회사 배터리 초기값 추정 장치 및 방법
WO2017087807A1 (en) * 2015-11-19 2017-05-26 The Regents Of The University Of Michigan State of battery health estimation based on swelling characteristics
US10209314B2 (en) * 2016-11-21 2019-02-19 Battelle Energy Alliance, Llc Systems and methods for estimation and prediction of battery health and performance
KR102636362B1 (ko) * 2016-11-22 2024-02-14 삼성전자주식회사 배터리 상태 추정 방법 및 장치
KR102101912B1 (ko) * 2017-02-17 2020-04-17 주식회사 엘지화학 에너지 저장장치 충전상태 추정방법
KR20190032780A (ko) 2017-09-20 2019-03-28 삼성전자주식회사 배터리 상태 추정 장치 및 방법
KR102258833B1 (ko) * 2017-09-28 2021-05-31 주식회사 엘지에너지솔루션 리튬 이온 배터리 셀의 퇴화 정보를 획득하는 장치
KR102608468B1 (ko) 2017-11-28 2023-12-01 삼성전자주식회사 배터리 상태 추정 방법 및 장치
KR102150068B1 (ko) * 2017-12-21 2020-08-31 주식회사 엘지화학 통신 진단 장치 및 방법
KR102349235B1 (ko) * 2018-02-14 2022-01-07 주식회사 엘지에너지솔루션 배터리의 충전 상태를 추정하기 위한 장치 및 방법
US11131713B2 (en) 2018-02-21 2021-09-28 Nec Corporation Deep learning approach for battery aging model
KR101992051B1 (ko) 2018-03-19 2019-06-21 충북대학교 산학협력단 배터리 잔량 예측 방법 및 배터리 잔량 예측 시스템
KR102770413B1 (ko) * 2018-06-22 2025-02-20 주식회사 엘지에너지솔루션 전류 측정 장치, 전류 측정 방법 및 상기 전류 측정 장치를 포함하는 배터리 팩
CN109143083B (zh) * 2018-11-07 2019-12-13 重庆大学 一种数据驱动的电动车辆锂离子电池析锂诊断方法
KR102757388B1 (ko) * 2019-02-22 2025-01-20 주식회사 엘지에너지솔루션 배터리 관리 시스템, 배터리 관리 방법, 배터리 팩 및 전기 차량
KR102766401B1 (ko) * 2019-09-19 2025-02-10 주식회사 엘지에너지솔루션 배터리 관리 장치, 배터리 관리 방법, 배터리 팩 및 전기 차량

Also Published As

Publication number Publication date
HUE070756T2 (hu) 2025-07-28
KR20210059505A (ko) 2021-05-25
US20220344729A1 (en) 2022-10-27
EP4024065A4 (en) 2022-10-19
JP2022547019A (ja) 2022-11-10
KR102785853B1 (ko) 2025-03-21
JP7355310B2 (ja) 2023-10-03
EP4024065A1 (en) 2022-07-06
CN114402208A (zh) 2022-04-26
US12586827B2 (en) 2026-03-24
PL4024065T3 (pl) 2025-05-12
WO2021096087A1 (ko) 2021-05-20
CN114402208B (zh) 2025-06-24
EP4024065B1 (en) 2025-03-12

Similar Documents

Publication Publication Date Title
ES2950106T3 (es) Aparato, procedimiento, paquete de batería y sistema eléctrico para determinar información de electrodo de batería
CN113811781B (zh) 电池诊断装置和方法
ES2991759T3 (es) Dispositivo y método de diagnóstico de celda de batería
ES2959802T3 (es) Aparato y método para someter a prueba una batería secundaria
ES2946078T3 (es) Aparato de diagnóstico de batería, método de diagnóstico de batería y sistema de almacenamiento de energía
CN114097159B (zh) 并联电池继电器诊断装置和方法
CN107533110A (zh) 用于评估二次电池的老化程度的设备和方法
US12206271B2 (en) Battery charge control device and method
US20250183384A1 (en) Battery management apparatus, battery management method and battery pack
JP2023535441A (ja) バッテリ抵抗算出装置および方法
ES3024782T3 (en) Battery management apparatus, battery management method and battery pack
KR102836759B1 (ko) 배터리 가열을 위한 장치 및 상기 장치를 포함하는 배터리팩과, 상기 장치를 제어하는 방법
JP7472430B2 (ja) バッテリー管理装置及び方法、バッテリー管理システム
JP2024519689A (ja) 電池管理装置およびその動作方法
KR20240082930A (ko) 배터리 진단 장치 및 방법
KR20240082933A (ko) 배터리 진단 장치 및 방법
KR20240082931A (ko) 배터리 진단 장치 및 방법
KR20240082929A (ko) 배터리 진단 장치 및 방법
CN119836577A (zh) 电池管理设备及其操作方法