JP2014163930A - 故障検出装置、バッテリー故障検出方法、及びエネルギー保存システム - Google Patents

故障検出装置、バッテリー故障検出方法、及びエネルギー保存システム Download PDF

Info

Publication number
JP2014163930A
JP2014163930A JP2014022484A JP2014022484A JP2014163930A JP 2014163930 A JP2014163930 A JP 2014163930A JP 2014022484 A JP2014022484 A JP 2014022484A JP 2014022484 A JP2014022484 A JP 2014022484A JP 2014163930 A JP2014163930 A JP 2014163930A
Authority
JP
Japan
Prior art keywords
data
value
failure
voltage
battery
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.)
Pending
Application number
JP2014022484A
Other languages
English (en)
Inventor
Jong-Hoon Kim
鍾勳 金
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.)
Samsung SDI Co Ltd
Original Assignee
Samsung SDI Co 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 Samsung SDI Co Ltd filed Critical Samsung SDI Co Ltd
Publication of JP2014163930A publication Critical patent/JP2014163930A/ja
Pending legal-status Critical Current

Links

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]
    • G01R31/3644—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]
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
    • G01R19/25—Arrangements for measuring currents or voltages or for indicating presence or sign thereof using digital measurement techniques
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
    • G01R19/28—Arrangements for measuring currents or voltages or for indicating presence or sign thereof adapted for measuring in circuits having distributed constants
    • 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]
    • G01R31/385—Arrangements for measuring battery or accumulator variables

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)
  • Secondary Cells (AREA)
  • Measurement Of Current Or Voltage (AREA)
  • Tests Of Electric Status Of Batteries (AREA)

Abstract

【課題】バッテリーパック電圧のように容易に得られるデータに基づいて、バッテリーシステムの故障の発生有無を検出する装置及び方法を提供する。
【解決手段】バッテリーシステムの故障を検出するための装置であり、前記バッテリーシステムから電圧信号を受信し、前記電圧信号をデジタル化して電圧データを生成するように構成される電圧検出器と、前記電圧データを受信し、前記電圧データの離散ウェーブレット変換を行って変換データを生成するように構成される離散ウェーブレット変換器と、前記変換データを受信し、前記変換データを処理して前記変換データの平均値を含む統計データを生成するように構成される統計処理部と、前記統計データに基づいて、前記バッテリーシステムの前記故障を検出し、前記故障が検出される時に故障信号を送信するように構成される故障診断部と、を備えるバッテリーシステムの故障検出装置。
【選択図】図１

Description

本発明は、故障検出装置、バッテリー故障検出方法、及びエネルギー保存システムに関する。
環境破壊、資源枯渇などが深刻な問題となりつつ、エネルギーを保存し、保存されたエネルギーを効率的に活用できるシステムへの関心が高まりつつある。また、公害を誘発しない、もしくは、公害の誘発を抑制しつつエネルギーを生産できる新材生エネルギーへの関心も高まりつつある。エネルギー保存システムは、例えば、新材生エネルギー、及び電気エネルギーのようなエネルギーを保存するバッテリーシステム、及び既存の系統を互いに連係させるシステムである。
特開２００８−２８７１０８号公報 米国特許第８０６７９４２号明細書 韓国公開特許第２００８−００５４０７７号公報 韓国公開特許第２００１−００９２８５５号公報 韓国公開特許第２００９−００９５８６０号公報 韓国公開特許第２０１０−００６５８６８号公報
エネルギー保存システムの運用時、予期しないエラーによってバッテリーシステムに故障が発生する場合がある。故障によって、エネルギー保存システムの正常な運用が不可能になって、エネルギー保存システムに連係された系統（ｇｒｉｄ ｓｙｓｔｅｍ）にも影響を及ぼす可能性がある。予期しないエラーを完全に防止することは困難であるが、迅速に正常状態に復旧するために、故障の発生をリアルタイムで検出及び診断する装置が要求される。
本発明が解決しようとする課題は、バッテリーパック電圧のように容易に得られるデータに基づいて、バッテリーシステムの故障の発生有無を検出する装置及び方法を提供することである。
本発明が解決しようとする課題は、バッテリーシステムの故障の発生有無を検出できるエネルギー保存システムを提供することである。
上記課題を解決するために、本発明のある観点によれば、バッテリーシステムの故障を検出するための装置であり、前記バッテリーシステムから電圧信号を受信し、前記電圧信号をデジタル化して電圧データを生成するように構成される電圧検出器と、前記電圧データを受信し、前記電圧データの離散ウェーブレット変換を行って変換データを生成するように構成される離散ウェーブレット変換器と、前記変換データを受信し、前記変換データを処理して前記変換データの平均値を含む統計データを生成するように構成される統計処理部と、前記統計データに基づいて、前記バッテリーシステムの前記故障を検出し、前記故障が検出される時に故障信号を送信するように構成される故障診断部と、を備えるバッテリーシステムの故障検出装置が提供される。
前記変換データがｊレベルの周波数成分データを含み、ｊは自然数であり、前記統計処理部は、前記ｊレベルの周波数成分データを前記変換データとして受信し、前記ｊレベルの周波数成分データの絶対値を計算して、前記ｊレベルの周波数成分データそれぞれの大きさ値を生成するように構成されてもよい。
前記故障診断部は、前記大きさ値を基準値と比較して前記故障を検出し、前記大きさ値のうち少なくとも１つが前記基準値より大きい場合、前記故障を検出するように構成されてもよい。
前記基準値ＲＥＦは、開始基準値に設定されてもよい。
前記統計処理部は、前記大きさ値の平均を計算して前記平均値を生成し、前記平均値に係数を乗算して係数値を生成し、前記係数値を前記基準値と比較し、前記係数値が前記基準値より大きければ、前記基準値を前記係数値に設定するように構成されてもよい。
前記係数は、２〜５の範囲に含まれる値であってもよい。
最大値抽出部をさらに備え、前記統計処理部は、前記大きさ値の平均を計算して前記平均値を生成するように構成され、前記最大値抽出部は、前記大きさ値及び前記平均値を受信し、第１時区間に対応する前記ｊレベルの周波数成分データそれぞれの前記大きさ値の最大値を計算して最大大きさ値を生成し、前記第１時区間に対応する前記平均値の最大値を計算して最大平均値を生成するように構成され、前記故障診断部は、前記最大大きさ値及び前記最大平均値を受信し、前記最大大きさ値のそれぞれの前記最大平均値（ＡＶＲ|Ｄ［ｘ］|）に対する割合をそれぞれ比較し、前記割合のうち少なくとも１つがしきい値より大きければ、前記故障を検出するように構成されてもよい。
前記しきい値は、２〜５の範囲に含まれる値であってもよい。
前記故障信号は、前記ｊレベルの周波数成分データのうち、前記故障が検出されたレベルの周波数成分データに関する情報または前記故障の深刻度に関する情報を含んでもよい。
前記電圧検出器は、前記電圧信号をデジタル化して秒当り１ないし１０サンプルのサンプリングレートで前記電圧データを生成するように構成されてもよい。
前記離散ウェーブレット変換は、ドベシィ（Ｄａｕｂｅｃｈｉｅｓ）３ウェーブレットに基づいてもよい。
また、上記課題を解決するために、本発明の別の観点によれば、バッテリーの故障を検出するための方法であり、バッテリーシステムから電圧信号を受信する段階と、前記電圧信号をデジタル化して電圧データを生成する段階と、前記電圧データに対して離散ウェーブレット変換を行って変換データを生成する段階と、前記変換データを処理して前記変換データの平均値を含む統計データを生成する段階と、前記統計データを分析して故障を検出する段階と、前記故障が検出される場合、故障信号を送信する段階と、を含むバッテリー故障検出方法が提供される。
前記変換データは、１つ以上の周波数成分データを含み、前記変換データを処理して前記統計データを生成する段階は、前記１つ以上の周波数成分データの絶対値を計算する段階を含み、前記統計データは、前記絶対値をさらに含み、前記統計データを分析して故障を検出する段階は、前記絶対値を基準値と比較する段階と、前記絶対値のうち少なくとも１つが前記基準値より大きければ、前記故障を示す段階と、を含んでもよい。
前記基準値を既定の値に初期化する段階をさらに含んでもよい。
前記絶対値に基づいて前記平均値を計算する段階と、前記平均値に係数を乗算して係数の平均値を生成する段階と、前記係数の平均値を前記基準値と比較する段階と、前記係数の平均値が前記基準値より大きければ、前記係数の平均値を前記基準値と設定する段階と、をさらに含んでもよい。
前記変換データは、１つ以上の周波数成分データを含み、前記変換データを処理して前記統計データを生成する段階は、前記１つ以上の周波数成分データの絶対値を計算する段階であって、前記統計データは前記絶対値をさらに含む段階と、前記絶対値に基づいて前記平均値を計算する段階と、を含み、前記統計データを分析して前記故障を検出する段階は、第１時区間に対応する前記絶対値の最大絶対値を計算する段階と、前記第１時区間に対応する前記平均値の最大平均値を計算する段階と、前記最大平均値に対する前記最大絶対値の割合を計算する段階と、前記割合のうち少なくとも１つが基準値を超過すれば、前記故障を検出する段階と、を含んでもよい。
また、上記課題を解決するために、本発明の別の観点によれば、エネルギー保存システムとして、第１電力を第２電力に変換するように構成される電力変換システム（ＰＣＳ）と、前記第２電力を保存及び供給するように構成されるバッテリーシステムと、を含み、前記バッテリーシステムは、互いに連結された複数のバッテリーセルと、前記バッテリーセルのうち第１バッテリーセルに連結される端子と、前記端子及び前記電力変換システム（ＰＣＳ）に連結されるスイッチと、バッテリー管理システムと、を含み、前記バッテリー管理システムは、前記バッテリーセルから電圧信号を受信し、前記電圧信号をデジタル化して電圧データを生成するように構成される電圧検出器と、前記電圧データを受信し、前記電圧データの離散ウェーブレット変換を行って変換データを生成するように構成される離散ウェーブレット変換器と、前記変換データを受信し、前記変換データを処理して前記変換データの平均値を含む統計データを生成するように構成される統計処理部と、前記統計データに基づいて前記バッテリーセルの故障を検出し、前記故障が検出される時に故障信号を送信するように構成される故障診断部と、を備え、前記スイッチは、前記故障信号によって前記バッテリーセルを前記電力変換システム（ＰＣＳ）に連結するように構成されることを特徴とするエネルギー保存システムが提供される。
前記電圧信号は、前記端子の電圧または前記バッテリーセルのうち１つのセル電圧に対応していてもよい。
以上説明したように本発明によれば、バッテリーパック電圧のように容易に得られるデータに基づいて、バッテリーシステムの故障の発生有無を検出する装置及び方法が提供される。また、バッテリーシステムの故障の発生有無を検出できるエネルギー保存システムが提供される。
本発明の多様な実施形態によるバッテリーシステムの故障検出装置を示すブロック図である。 本発明の多様な実施形態によるバッテリーシステムの故障検出装置を示すブロック図である。 例示的なスケール関数及びウェーブレット関数を示すグラフである。 離散ウェーブレット変換をフィルタリングの観点で説明したブロック図である。 低域通過フィルタ及び高域通過フィルタの例示的な係数を示す図面である。 電圧データが離散ウェーブレット変換の多解像度分析によって分解される過程を示す図面である。 ダウンサンプリングを説明するための図面である。 第ｎレベルの近似電圧データ及び第１ないし第Ｎレベルの詳細電圧データの周波数帯域を表現した図面である。 本発明の多様な実施形態による故障検出方法を説明するために提供される例示的な電圧データのグラフである。 図９Ａの電圧データから、離散ウェーブレット変換の多解像度分析を通じて抽出される第５レベルの低周波成分データ及び、第１ないし第５レベルの周波数成分データのグラフである。 図９Ａの電圧データから、離散ウェーブレット変換の多解像度分析を通じて抽出される第５レベルの低周波成分データ及び、第１ないし第５レベルの周波数成分データのグラフである。 図９Ａの電圧データから、離散ウェーブレット変換の多解像度分析を通じて抽出される第５レベルの低周波成分データ及び、第１ないし第５レベルの周波数成分データのグラフである。 図９Ａの電圧データから、離散ウェーブレット変換の多解像度分析を通じて抽出される第５レベルの低周波成分データ及び、第１ないし第５レベルの周波数成分データのグラフである。 図９Ａの電圧データから、離散ウェーブレット変換の多解像度分析を通じて抽出される第５レベルの低周波成分データ及び、第１ないし第５レベルの周波数成分データのグラフである。 図９Ａの電圧データから、離散ウェーブレット変換の多解像度分析を通じて抽出される第５レベルの低周波成分データ及び、第１ないし第５レベルの周波数成分データのグラフである。 統計処理部の動作を説明するためのグラフである。 統計処理部の動作を説明するためのグラフである。 統計処理部の動作を説明するためのグラフである。 最大値抽出部及び故障診断部の動作を説明するための例示的な表である。
以下に添付図面を参照しながら、本発明の好適な実施の形態について詳細に説明する。なお、本明細書及び図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複説明を省略する。
本発明の実施形態において、特定側面及び特徴は、添付する図面と共に詳細に後述される実施形態を参照すれば明らかになる。しかし、本発明は、以下で開示される実施形態に限定されるものではなく、互いに異なる多様な形態で具現される。後述する実施形態は本発明の開示を完全にし、当業者に発明の範疇を完全に知らせるために提供されるものである。本発明は、請求項のみによって定義される。
本出願で使った用語は単に特定の実施形態を説明するために使われたものであり、本発明を限定しようとする意図ではない。単数の表現は、文脈上明らかに異なって意味しない限り、複数の表現を含む。本出願で、”含む”または”持つ”などの用語は、明細書上に記載の特徴、数字、段階、動作、構成要素、部品またはこれらを組み合わせたものが存在するということを指定しようとするものであり、１つまたはそれ以上の他の特徴や数字、段階、動作、構成要素、部品またはこれらを組み合わせたものの存在または付加可能性を予め排除しないと理解されねばならない。第１及び第２などの用語は、多様な構成要素を説明するときに使われるが、構成要素は、前記用語によって限定されてはならない。前記用語は、１つの構成要素を他の構成要素から区別する目的のみで使われる。
図１は、本発明の多様な実施形態によるバッテリーシステムの故障検出装置を示すブロック図である。
図１を参照すれば、故障検出装置１０はバッテリーシステム１００に連結され、電圧検出部１１０、離散ウェーブレット変換部（以下、’ＤＷＴ’と称する）１２０、統計処理部１３０、最大値抽出部１４０及び故障診断部１５０を備える。
バッテリーシステム１００は、外部から電気エネルギーを供給されてこれを保存でき、保存されている電気エネルギーを再び外部に供給できるバッテリーを備えるシステムである。
バッテリーシステム１００は、バッテリー、前記バッテリーを保護するための保護回路、及び前記保護回路を制御して前記バッテリーを保護するバッテリー管理システムを備える。例えば、過電流が流れるか、または過放電された場合、前記バッテリー管理システムは、前記保護回路のスイッチを開放させて前記バッテリーと入出力端子との間を分離させる。また、前記バッテリー管理システムは、前記バッテリーの状態、例えば、温度、電圧、電流などをモニタリングして電圧データ、電流データ、温度データのような各種データを収集する。前記バッテリー管理システムは、収集したデータ及び内部アルゴリズムによってバッテリーセルのセルバランシング動作を行える。バッテリーシステム１００の故障を検出する故障検出装置１０は、前記バッテリー管理システムに含まれる。
バッテリーシステム１００は、発電システム及び系統と連係して負荷に電力を安定的に供給するエネルギー保存システムの一部でもありうる。前記エネルギー保存システムは、前記発電システムで生産された電気エネルギーをバッテリーに保存するか、または前記系統に供給し、バッテリーに保存された電気エネルギーを前記系統に供給するか、または、前記系統から供給された電気エネルギーをバッテリーに保存する。また、前記エネルギー保存システムは、前記発電システムで生産された電気エネルギーまたはバッテリーに保存された電気エネルギーを前記負荷に供給することもできる。このために、前記エネルギー保存システムは、電力変換システム（以下、’ＰＣＳ’と称する）、バッテリーシステム１００、第１スイッチ、及び第２スイッチを備える。
前記ＰＣＳは、前記発電システム、前記系統、及び／または前記バッテリーシステム１００から提供される電気エネルギーを適当な形態の電気エネルギーに変換して必要な所に供給できるように、インバータ、コンバータ、整流器などの電力変換装置及び統合制御器を備える。前記統合制御器は、前記発電システム、前記系統、前記バッテリー及び前記負荷の状態をモニタリングし、アルゴリズムまたは運用者の命令によって前記第１スイッチ、前記第２スイッチ、前記バッテリーシステム１００、及び前記電力変換装置を制御する。故障検出装置１０は、前記エネルギー保存システムの前記統合制御器に含まれる。
本実施形態によれば、電圧検出部１１０は、バッテリーシステム１００から電圧ｖ（ｔ）を受信し、電圧ｖ（ｔ）をデジタル化し、電圧データＶ［ｘ］を生成して保存する。電圧検出部１１０のサンプリングレートは、例えば、秒当り約１〜１０回である。しかし、これは、本発明を限定せず、サンプリングレートは、例えば、約１より小さいか、または約１０より大きい。
電圧ｖ（ｔ）は、バッテリーシステム１００の出力端子での端子電圧である。他の例によれば、電圧ｖ（ｔ）は、バッテリーシステム１００内の特定バッテリーセルのセル電圧であってもよい。電圧ｖ（ｔ）は、バッテリーシステム１００に／から入力／出力される電流プロファイルによって変わるアナログ値を持つ。
電圧データＶ［ｘ］は、時間ｔによる電圧ｖ（ｔ）をデジタル化して生成されるデジタル値を持つ。電圧データＶ［ｘ］は、時間ｘによって定義される前記デジタル値の集合を含む。電圧検出部１１０は、故障の発生有無を調べる期間中の電圧データＶ［ｘ］を保存する。よって、電圧検出部１１０は、アナログ電圧ｖ（ｔ）をデジタル電圧データＶ［ｘ］に変換するためのアナログ−デジタル変換器（ＡＤＣ）を備える。また、電圧検出部１１０は、生成されたデジタル電圧データＶ［ｘ］を保存するためのメモリをさらに備える。
ＤＷＴ １２０は、電圧検出部１１０から提供された電圧データＶ［ｘ］について離散ウェーブレット変換を行って、複数レベルの周波数成分データＤ１［ｘ］、Ｄ２［ｘ］、Ｄ３［ｘ］、…、Ｄｊ［ｘ］（例えば、高周波成分データ）を生成する。本例では、第１ないし第ｊレベルの周波数成分データＤ１［ｘ］、Ｄ２［ｘ］、Ｄ３［ｘ］、…、Ｄｊ［ｘ］が生成されると仮定する。ここでｊは、２より大きい自然数である。
第１レベルの周波数成分データＤ１［ｘ］は、最も高い周波数帯域のデータであり、第２レベルの周波数成分データＤ２［ｘ］は、第１レベルの周波数成分データＤ１［ｘ］の周波数帯域よりは低い周波数帯域のデータであり、第ｊレベルの周波数成分データＤｊ［ｘ］は、最も低い周波数帯域のデータである。
例えば、第１レベルの周波数成分データＤ１［ｘ］が特定周波数ｆ０より大きい周波数帯域のデータならば、第２レベルの周波数成分データＤ２［ｘ］は、周波数ｆ０より小さくて周波数ｆ０／２より大きい周波数帯域のデータであり、第３レベルの周波数成分データＤ３［ｘ］は、周波数ｆ０／２より小さくて周波数ｆ０／４より大きい周波数帯域のデータであり、第ｊレベルの周波数成分データＤｊ［ｘ］は、周波数ｆ０／２ｊ−１より小さくて周波数ｆ０／２ｊより大きい周波数帯域のデータである。
例示的な離散ウェーブレット変換について、図３ないし図８を参照して以下で詳細に説明する。
統計処理部１３０は、ＤＷＴ １２０で生成された第１ないし第ｊレベルの周波数成分データＤ１［ｘ］、Ｄ２［ｘ］、Ｄ３［ｘ］、…、Ｄｊ［ｘ］を受信して、第１ないし第ｊレベルの周波数成分データＤ１［ｘ］、Ｄ２［ｘ］、Ｄ３［ｘ］、…、Ｄｊ［ｘ］のサイズ、及び第１ないし第ｊレベルの周波数成分データサイズ|Ｄ１［ｘ］|、|Ｄ２［ｘ］|、|Ｄ３［ｘ］|、…、|Ｄｊ［ｘ］|の平均ＡＶＲ（|Ｄ［ｘ］|）を生成する。なお、周波数成分データサイズが、周波数成分データの「大きさ値」の一例に相当する。
統計処理部１３０は、第１ないし第ｊレベルの周波数成分データＤ１［ｘ］、Ｄ２［ｘ］、Ｄ３［ｘ］、…、Ｄｊ［ｘ］の負及び正の符号を除去することで、第１ないし第ｊレベルの周波数成分データサイズ|Ｄ１［ｘ］|、|Ｄ２［ｘ］|、|Ｄ３［ｘ］|、…、|Ｄｊ［ｘ］|を生成する。一実施形態によれば、第１ないし第ｊレベルの周波数成分データサイズ|Ｄ１［ｘ］|、|Ｄ２［ｘ］|、|Ｄ３［ｘ］|、…、|Ｄｊ［ｘ］|は、第１ないし第ｊレベルの周波数成分データＤ１［ｘ］、Ｄ２［ｘ］、Ｄ３［ｘ］、…、Ｄｊ［ｘ］の絶対値である。
統計処理部１３０は、算術平均を通じて第１ないし第ｊレベルの周波数成分データサイズ|Ｄ１［ｘ］|、|Ｄ２［ｘ］|、|Ｄ３［ｘ］|、…、|Ｄｊ［ｘ］|の平均ＡＶＲ（|Ｄ［ｘ］|）を生成する。平均ＡＶＲ（|Ｄ［ｘ］|）は、時間ｘで第１ないし第ｊレベルの周波数成分データＤ１［ｘ］、Ｄ２［ｘ］、Ｄ３［ｘ］、…、Ｄｊ［ｘ］のサイズの平均を意味する。
最大値抽出部１４０は、統計処理部１３０で生成された第１ないし第ｊレベルの周波数成分データサイズ|Ｄ１［ｘ］|、|Ｄ２［ｘ］|、|Ｄ３［ｘ］|、…、|Ｄｊ［ｘ］|、及びこれらの平均ＡＶＲ（|Ｄ［ｘ］|）を受信し、これらそれぞれの最大値を抽出して、第１ないし第ｊ最大値|Ｄ１|ｍａｘ、|Ｄ２|ｍａｘ、|Ｄ３|ｍａｘ、…、|Ｄｊ|ｍａｘ、及び最大平均値ＡＶＲ|Ｄ|ｍａｘを生成する。
第１最大値|Ｄ１|ｍａｘは、第１レベルの周波数成分データサイズ|Ｄ１［ｘ］|で最大の値である。例えば、ｘ＝ｘ１の時、第１レベルの周波数成分データサイズ|Ｄ１［ｘ］|が最も大きい場合、第１最大値|Ｄ１|ｍａｘは、|Ｄ１［ｘ１］|と同一である。
第ｊ最大値|Ｄｊ|ｍａｘは、第ｊレベルの周波数成分データサイズ|Ｄｊ［ｘ］|で最大の値である。例えば、ｘ＝ｘｊの時、第ｊレベルの周波数成分データサイズ|Ｄｊ［ｘ］|が最も大きい場合、第ｊ最大値|Ｄｊ|ｍａｘは、|Ｄｊ［ｘｊ］|と同一である。この時、ｘ１とｘｊとは、同じ時間であっても、異なる時間であってもよい。
最大平均値ＡＶＲ|Ｄ|ｍａｘは、平均ＡＶＲ（|Ｄ［ｘ］|）で最大の値である。平均ＡＶＲ（|Ｄ［ｘ］|）が最大の値を持つ時間ｘは、第１ないし第ｊ最大値|Ｄ１|ｍａｘ、|Ｄ２|ｍａｘ、|Ｄ３|ｍａｘ、…、|Ｄｊ|ｍａｘが生成された時間（例えば、ｘ１、ｘ２、ｘ３、…、ｘｊ）のうちいずれか１つと同一であっても、これらと異なる時間であってもよい。
本実施形態によれば、故障診断部１５０は、最大値抽出部１４０で生成された第１ないし第ｊ最大値|Ｄ１|ｍａｘ、|Ｄ２|ｍａｘ、|Ｄ３|ｍａｘ、…、|Ｄｊ|ｍａｘ及び最大平均値ＡＶＲ|Ｄ|ｍａｘを受信して、第１ないし第ｊ最大値|Ｄ１|ｍａｘ、|Ｄ２|ｍａｘ、|Ｄ３|ｍａｘ、…、|Ｄｊ|ｍａｘを最大平均値ＡＶＲ|Ｄ|ｍａｘとそれぞれ比較し、割合が所定のしきい値または適当なしきい値を超える場合に故障が発生したと診断する。
例えば、故障診断部１５０は、最大平均値ＡＶＲ|Ｄ|ｍａｘに対する第１最大値|Ｄ１|ｍａｘの割合を前記しきい値と比較して、前記割合が前記しきい値より大きい場合に故障が発生したと診断する。この時、故障検出装置１０は、第１レベルの周波数成分データＤ１［ｘ］から故障を検出したのである。言い換えれば、故障検出装置１０は、第１レベルの周波数成分データＤ１［ｘ］に対応する周波数帯域の成分を故障と検出したのである。
故障診断部１５０は、最大平均値ＡＶＲ|Ｄ|ｍａｘに対する第２最大値（|Ｄ２|ｍａｘ）の割合と前記しきい値とを比較することで、故障発生有無を診断する。これと同様に、故障診断部１５０は、最大平均値ＡＶＲ|Ｄ|ｍａｘに対する第ｊ最大値|Ｄｊ|ｍａｘの割合と前記しきい値とを比較することで、故障発生有無を診断する。故障診断部１５０は、故障検出診断結果を信号ＲＥＳＵＬＴとして出力する。
前記しきい値は、バッテリーシステム１００及びバッテリーの連結関係によって変わる。例えば、前記しきい値は、約２〜５のうちいずれか一値である。例えば、前記しきい値は、約２．５である。
一実施形態によれば、故障診断部１５０は、最大平均値ＡＶＲ|Ｄ|ｍａｘに対する第１ないし第ｊ最大値|Ｄ１|ｍａｘ、|Ｄ２|ｍａｘ、|Ｄ３|ｍａｘ、…、|Ｄｊ|ｍａｘの割合がいずれも前記しきい値より小さい場合、故障が発生していないことを示す信号ＲＥＳＵＬＴを出力する。一方、故障診断部１５０は、最大平均値ＡＶＲ|Ｄ|ｍａｘに対する第１ないし第ｊ最大値|Ｄ１|ｍａｘ、|Ｄ２|ｍａｘ、|Ｄ３|ｍａｘ、…、|Ｄｊ|ｍａｘの割合のうちいずれか１つでも前記しきい値より大きい場合、故障が発生したことを示す信号ＲＥＳＵＬＴを出力する。
本実施形態による故障検出装置１０は、バッテリーシステム１００から出力される電圧ｖ（ｔ）に基づいて故障発生有無を診断する。例えば、バッテリーシステム１００に高電流が流れ込む場合、バッテリーシステム１００から出力される電圧ｖ（ｔ）は急増する。本発明による故障検出装置１０は、電圧ｖ（ｔ）を、離散ウェーブレット変換の多解像度分析を通じていろいろな周波数帯域の成分に分解して、故障発生有無を診断することで故障発生有無が正確に分かる。
それだけでなく、本発明による故障検出装置１０は、いかなる周波数帯域の電圧成分から故障が発生したかが分かるので、故障の原因を把握するのに役に立つ。また、本発明による故障検出装置１０は、最大平均値ＡＶＲ|Ｄ|ｍａｘに対する第１ないし第ｊ最大値|Ｄ１|ｍａｘ、|Ｄ２|ｍａｘ、|Ｄ３|ｍａｘ、…、|Ｄｊ|ｍａｘの割合を検出できるので、故障の深刻度も判別する。
図２は、本発明の多様な実施形態によるバッテリーシステムの故障検出装置を示すブロック図である。
図２を参照すれば、故障検出装置２０はバッテリーシステム１００に連結され、電圧検出部２１０、ＤＷＴ
２２０、統計処理部２３０、基準値保存部１４０及び故障検出部２５０を備える。
図２のバッテリーシステム１００は、図１のバッテリーシステムと実質的に同等である。バッテリーシステム１００は、外部から電気エネルギーを供給されてこれを保存でき、保存されている電気エネルギーを外部に供給できるバッテリーを備えるシステムである。
電圧検出部２１０は、バッテリーシステム１００から電圧ｖ（ｔ）を受信し、リアルタイムで電圧ｖ（ｔ）をデジタル化して、時間ｘによる電圧データＶ（ｘ）を出力する。電圧検出部２１０のサンプリングレートは、秒当り約１〜１０回である。しかし、これは本発明を限定せず、サンプリングレートは、約１より小さいか、または約１０より大きくてもよい。
電圧ｖ（ｔ）は、バッテリーシステム１００の端子電圧またはバッテリーシステム１００内の特定バッテリーセルのセル電圧である。電圧データＶ（ｘ）は、時間ｔによる電圧ｖ（ｔ）をデジタル化して生成されたデジタル値であり、ｘも時間を示す。
電圧検出部２１０は、アナログ電圧ｖ（ｔ）をデジタル電圧データＶ（ｘ）にリアルタイムで変換するためのアナログ−デジタル変換器（ＡＤＣ）を備える。
ＤＷＴ ２２０は、電圧検出部１１０で生成された電圧データＶ（ｘ）に対して離散ウェーブレット変換を行い、複数レベルの周波数成分データＤ１（ｘ）、Ｄ２（ｘ）、Ｄ３（ｘ）、…、Ｄｊ（ｘ）をリアルタイムで生成する。
第１レベルの周波数成分データＤ１（ｘ）は、最も高い周波数帯域のデータであり、第２レベルの周波数成分データＤ２（ｘ）は、第１レベルの周波数成分データＤ１（ｘ）の周波数帯域より低い周波数帯域のデータであり、第ｊレベルの周波数成分データＤｊ（ｘ）は、最も低い周波数帯域のデータである。
本実施形態によれば、統計処理部２３０は、ＤＷＴ ２２０で生成された第１ないし第ｊレベルの周波数成分データＤ１（ｘ）、Ｄ２（ｘ）、Ｄ３（ｘ）、…、Ｄｊ（ｘ）を受信して、第１ないし第ｊレベルの周波数成分データサイズ|Ｄ１（ｘ）|、|Ｄ２（ｘ）|、|Ｄ３（ｘ）|、…、|Ｄｊ（ｘ）|を生成する。また、統計処理部２３０は、第１ないし第ｊレベルの周波数成分データサイズ|Ｄ１（ｘ）|、|Ｄ２（ｘ）|、|Ｄ３（ｘ）|、…、|Ｄｊ（ｘ）|を算術平均して、平均ＡＶＲ（|Ｄ（ｘ）|）を生成でき、平均ＡＶＲ（|Ｄ（ｘ）|）を基準値保存部２４０に提供する。
基準値保存部２４０は、基準値ＲＥＦを保存でき、基準値ＲＥＦを故障検出部２５０に提供する。
故障検出部２５０は、統計処理部２３０から第１ないし第ｊレベルの周波数成分データサイズ|Ｄ１（ｘ）|、|Ｄ２（ｘ）|、|Ｄ３（ｘ）|、…、|Ｄｊ（ｘ）|を受信し、これらをそれぞれ故障検出部２５０から受信した基準値ＲＥＦと比較して、故障の発生有無をリアルタイムで検出する。
本実施形態によれば、故障検出部２５０は、第１ないし第ｊレベルの周波数成分データサイズ|Ｄ１（ｘ）|、|Ｄ２（ｘ）|、|Ｄ３（ｘ）|、…、|Ｄｊ（ｘ）|を基準値ＲＥＦと比較し、第１ないし第ｊレベルの周波数成分データサイズ|Ｄ１（ｘ）|、|Ｄ２（ｘ）|、|Ｄ３（ｘ）|、…、|Ｄｊ（ｘ）|のうちいずれか１つでも基準値ＲＥＦより大きければ、故障が発生したと検出する。故障検出部２５０は、故障の発生を示す信号ＲＥＳＵＬＴを出力する。
しかし、第１ないし第ｊレベルの周波数成分データサイズ|Ｄ１（ｘ）|、|Ｄ２（ｘ）|、|Ｄ３（ｘ）|、…、|Ｄｊ（ｘ）|がいずれも基準値ＲＥＦより小さい場合、故障検出部２５０は、故障が発生していないことを示す信号ＲＥＳＵＬＴを出力する。
第１ないし第ｊレベルの周波数成分データサイズ|Ｄ１（ｘ）|、|Ｄ２（ｘ）|、|Ｄ３（ｘ）|、…、|Ｄｊ（ｘ）|は、ＤＷＴ ２１０及び統計処理部２３０を通じてバッテリーシステム１００の電圧ｖ（ｔ）からリアルタイムで生成された値である。故障検出部２５０は、第１ないし第ｊレベルの周波数成分データサイズ|Ｄ１（ｘ）|、|Ｄ２（ｘ）|、|Ｄ３（ｘ）|、…、|Ｄｊ（ｘ）|をリアルタイムで受信し、これらを基準値ＲＥＦと比較することで、故障の発生有無を感知（例えば、即刻で感知）する。
本実施形態によれば、基準値保存部２４０には初期基準値ＲＥＦｉｎｉが保存されている。基準値保存部２４０は、故障検出装置２０の初期起動時に初期基準値ＲＥＦｉｎｉを基準値ＲＥＦとして出力する。初期基準値ＲＥＦｉｎｉは、バッテリーシステム１００によって変わる。例えば、初期基準値ＲＥＦｉｎｉは、約２〜５の値である。例えば、初期基準値ＲＥＦｉｎｉは、約２．５である。
一実施形態によれば、基準値保存部２４０は、統計処理部２３０から平均ＡＶＲ（|Ｄ（ｘ）|）を受信する。基準値保存部２４０は、平均ＡＶＲ（|Ｄ（ｘ）|）に既定の係数ｋを乗算して算出される値ｋＡＶＲ（|Ｄ（ｘ）|）を生成する。他の例によれば、統計処理部２３０が平均ＡＶＲ（|Ｄ（ｘ）|）と係数ｋとを乗算した値ｋＡＶＲ（|Ｄ（ｘ）|）を基準値保存部２４０に提供してもよい。
係数ｋは、バッテリーシステム１００によって変わる。例えば、係数ｋは、約２〜５の値である。例えば、係数ｋは、約２．５である。
基準値保存部２４０は、値ｋＡＶＲ（|Ｄ（ｘ）|）を基準値ＲＥＦと比較して、値ｋＡＶＲ（|Ｄ（ｘ）|）が基準値ＲＥＦより大きい場合、基準値ＲＥＦを値ｋＡＶＲ（|Ｄ（ｘ）|）にアップデートする。故障検出装置２０の初期起動時に、基準値ＲＥＦは初期基準値ＲＥＦｉｎｉを持つので、基準値保存部２４０は、値ｋＡＶＲ（|Ｄ（ｘ）|）を初期基準値ＲＥＦｉｎｉと比較して、値ｋＡＶＲ（|Ｄ（ｘ）|）が初期基準値ＲＥＦｉｎｉより大きくなれば、基準値ＲＥＦを値ｋＡＶＲ（|Ｄ（ｘ）|）にアップデートする。このようなアップデート過程はリアルタイムで行われ、基準値保存部２４０は、初期基準値ＲＥＦｉｎｉと平均ＡＶＲ（|Ｄ（ｘ）|）の最大値と係数ｋとを乗算した値ｋＡＶＲ|Ｄ|ｍａｘのうちさらに大きい値を、基準値ＲＥＦと保存する。
例えば、初期基準値ＲＥＦｉｎｉと係数ｋとがそれぞれ２．５である場合を仮定すれば、平均ＡＶＲ（|Ｄ（ｘ）|）が１より小さな場合、基準値ＲＥＦは２．５である。平均ＡＶＲ（|Ｄ（ｘ）|）がｘ＝ｘ１で２．５より大きくなれば、例えば、２．７になれば、基準値ＲＥＦは２．７にアップデートされる。次いで、平均ＡＶＲ（|Ｄ（ｘ）|）がｘ＝ｘ２で２．７より大きくなれば、例えば、３．１になれば、基準値ＲＥＦは３．１に再びアップデートされる。
故障検出装置２０は、バッテリーシステム１００から出力される電圧ｖ（ｔ）をリアルタイムで収集し、故障発生有無をリアルタイムで検出する。例えば、バッテリーシステム１００に高電流が流れ込む場合、バッテリーシステム１００から出力される電圧ｖ（ｔ）は急増する。１つ以上の実施形態による故障検出装置２０は、電圧ｖ（ｔ）を、離散ウェーブレット変換の多解像度分析を通じていろいろな周波数帯域の成分に分解することで、特定周波数帯域の成分で基準値ＲＥＦより大きいピークが発生したと検出することで、故障発生事実をリアルタイムで感知する。
故障検出装置２０は、いかなる周波数帯域の電圧成分から故障が発生したかが分かるため、故障の原因を把握する。また、故障検出装置２０は、特定周波数帯域の成分のピーク値を通じて故障の深刻度に関する情報も得られる。
以下、離散ウェーブレット変換の例示的な実施形態について説明する。ウェーブレット変換は、円形のウェーブレット関数の大きさ及び水平位置を変換させてソース信号ｘ（ｔ）を分解することである。連続ウェーブレット変換（ＣＷＴ：Ｃｏｎｔｉｎｕｏｕｓ Ｗａｖｅｌｅｔ）は、次の数式１のように定義される。
Figure 2014163930
ここで、ａ及びｂは、それぞれスケール（ｓｃａｌｅ）及び水平移動（ｔｒａｎｓｌａｔｉｏｎ）を示すパラメータである。ψ（ｔ）は、ウェーブレット解析関数であり、ψ＊は、複素共役関数（ｃｏｍｐｌｅｘ ｃｏｎｊｕｇａｔｅ）を示す。数式１の結果は、スケール及び水平移動パラメータに対するウェーブレット係数である。
数式１にａ＝２ｊ及びｂ＝ｋ２ｊを代入すれば、次の数式２のように定義される離散ウェーブレット変換になる。定数ｊ及びｋは、それぞれスケール及び水平移動変数になる。
Figure 2014163930
ウェーブレットを用いた１次元信号分解では、スケール関数φ及びウェーブレット関数ψが使われる。ウェーブレット関数ψは、ソース信号ｘ（ｔ）から詳細成分Ｄｊを得るために使われ、スケール関数φは、ソース信号ｘ（ｔ）から近似成分Ａｊを分解するために使われる。図３は、例示的なスケール関数φ及びウェーブレット関数ψを示す。図３に示したスケール関数φ及びウェーブレット関数ψは、一例として、ドベシィ３（ｄＢ３）ウェーブレットに基づく。
ＤＷＴで、ソース信号ｘ（ｔ）から任意のスケールｊで得られた近似情報ｘａ ｊ（ｔ）及び詳細情報ｘｄ ｊ（ｔ）は、それぞれ数式３のように示す。
Figure 2014163930
ａｊ，ｋ及びｄｊ，ｋは、それぞれ近似係数（スケール係数）及び詳細係数（ウェーブレット係数）を示す。
ソース信号ｘ（ｔ）は、近似情報ｘａ ｊ（ｔ）及び詳細情報ｘｄ ｊ（ｔ）を用いて数式４のように表現される。
Figure 2014163930
また、ａｊ，ｋ及びｄｊ，ｋは、それぞれスケール関数φ及びウェーブレット関数ψを用いて数式５のように表現される。
Figure 2014163930
近似情報ｘａ ｊ（ｔ）は、低周波成分であるスケール関数（φｊ，ｋ（ｔ）に対応し、詳細情報ｘｄ ｊ（ｔ）は、高周波成分であるウェーブレット関数ψｊ，ｋ（ｔ）に対応する。簡単に近似情報ｘａ ｊ（ｔ）をＡ、詳細情報ｘｄ ｊ（ｔ）をＤとする時、信号ｘ（ｔ）は、第Ｎレベルまで多解像度分解した場合、次の数式６のように表現される。
Figure 2014163930
近似情報Ａｎに詳細情報Ｄｎを加えれば、一段階さらに高い解像度を持つ近似情報Ａｎ−１になる。すなわち、Ａｎ−１＝Ａｎ＋Ｄｎである。また、ｘ（ｔ）は、Ａ１＋Ｄ１で表現される。
図４は、フィルタリングの観点で離散ウェーブレット変換を説明したブロック図である。
離散ウェーブレット変換で、データｘ（ｎ）は、低周波成分に対応する近似情報Ａと高周波成分に対応する詳細情報Ｄとに分解される。データｘ（ｎ）から近似情報Ａが抽出されるためには、低域通過フィルタ（ＬＰＦ）が用いられる。また、データｘ（ｎ）から詳細情報Ｄが抽出されるためには、高域通過フィルタ（ＨＰＦ）が用いられる。低域通過フィルタ（ＬＰＦ）及び高域通過フィルタ（ＨＰＦ）は、物理的または回路的に具現される実際のフィルタではなく、データ処理によって具現される。
図５は、低域通過フィルタ（ＬＰＦ）及び高域通過フィルタ（ＨＰＦ）の例示的な係数を示す。
例えば、図５に示したように、低域通過フィルタ（ＬＰＦ）の係数は、｛０．０３５２、−０．０８５４、−０．１３５０、０．４５９９、０．８０６９、０．３３２７｝であり、高域通過フィルタ（ＨＰＦ）の係数は、｛−０．３３２７、０．８０６９、−０．４５９９、−０．１３５０、０．０８５４、０．０３５２｝である。
図６は、電圧データＶ（ｘ）が離散ウェーブレット変換の多解像度分析によって分解される過程を示す。図６では、５回の離散ウェーブレット変換が繰り返して行われると図示されるが、離散ウェーブレット変換の繰り返し回数は本発明を限定しない。例えば、離散ウェーブレット変換がただ１回のみ行われてもよく、５回を超過した回収で繰り返されてもよい。
電圧データＶ（ｘ）は、第１離散ウェーブレット変換及びダウンサンプリングによって、第１レベルの近似電圧データＡ１（ｘ）と第１レベルの詳細電圧データＤ１（ｘ）とに分解される。第１レベルの近似電圧データＡ１（ｘ）は、第２離散ウェーブレット変換及びダウンサンプリングによって、第２レベルの近似電圧データＡ２（ｘ）と第２レベルの詳細電圧データＤ２（ｘ）とに分解される。
第２レベルの近似電圧データＡ２（ｘ）は、第３離散ウェーブレット変換及びダウンサンプリングによって、第３レベルの近似電圧データＡ３（ｘ）と第３レベルの詳細電圧データＤ３（ｘ）とに分解される。第３レベルの近似電圧データＡ３（ｘ）は、第４離散ウェーブレット変換及びダウンサンプリングによって、第４レベルの近似電圧データＡ４（ｘ）と第４レベルの詳細電圧データＤ４（ｘ）とに分解される。第４レベルの近似電圧データＡ４（ｘ）は、第５離散ウェーブレット変換及びダウンサンプリングによって、第５レベルの近似電圧データＡ５（ｘ）と第５レベルの詳細電圧データＤ５（ｘ）とに分解される。
第１ないし第５レベルの詳細電圧データＤ１（ｘ）、Ｄ２（ｘ）、Ｄ３（ｘ）、Ｄ４（ｘ）、Ｄ５（ｘ）は、それぞれ第１ないし第５レベルの周波数成分データＤ１（ｘ）、Ｄ２（ｘ）、Ｄ３（ｘ）、Ｄ４（ｘ）、Ｄ５（ｘ）として、統計処理部１３０または統計処理部２３０に提供される。
図６に示したように、電圧データＶ（ｘ）は、第５レベルの近似電圧データＡ５（ｘ）及び第１ないし第５レベルの詳細電圧データＤ１（ｘ）、Ｄ２（ｘ）、Ｄ３（ｘ）、Ｄ４（ｘ）、Ｄ５（ｘ）を用いて表現される。また、第（ｎ−１）レベルの近似電圧データＡｎ−１（ｘ）は、第Ｎレベルの近似電圧データＡｎ（ｘ）と第ｎレベルの詳細電圧データＤｎ（ｘ）との和で表現される。
本例で、第５レベルの近似電圧データＡ５（ｘ）及び第１ないし第５レベルの詳細電圧データＤ１（ｘ）、Ｄ２（ｘ）、Ｄ３（ｘ）、Ｄ４（ｘ）、Ｄ５（ｘ）から電圧データＶ（ｘ）が復元される。このような復元過程は、離散ウェーブレット逆変換（ＩＤＷＴ）と称する。
図６に示したように、離散ウェーブレット変換が繰り返されれば、データの全体量が増加する。電圧データＶ（ｘ）が近似電圧データＡ（ｘ）と詳細電圧データＤ（ｘ）とに分解されるからである。よって、離散ウェーブレット変換が行われた後でダウンサンプリング行われる。ダウンサンプリングは、以前の離散ウェーブレット変換によって生成された近似電圧データの偶数番目データまたは奇数番目データを選択し、選択されていないデータを除去することを意味する。図７は、ダウンサンプリングを説明するための図面である。図７に示したように、ダウンサンプリングによって、Ｎ個のデータはｎ／２個のデータに縮小する。
図８は、第ｎレベルの近似電圧データＡｎ（ｘ）及び第１ないし第Ｎレベルの詳細電圧データＤ１（ｘ）、Ｄ２（ｘ）、…、Ｄｎ（ｘ）の周波数帯域を表現した図面である。
一実施形態によれば、第１レベルの詳細電圧データＤ１（ｘ）が、第１周波数ｆｓ／２より小さくて第２周波数ｆｓ／４より大きい周波数帯域のデータであると仮定する場合、第２レベルの詳細電圧データＤ２（ｘ）が、第２周波数ｆｓ／４より小さくて第３周波数ｆｓ／８より大きい周波数帯域のデータに該当する。また、第３レベルの詳細電圧データＤ３（ｘ）が、第３周波数ｆｓ／８より小さくて第４周波数ｆｓ／１６より大きい周波数帯域のデータに該当する。また、第Ｎレベルの詳細電圧データＤｎ（ｘ）が、第Ｎ周波数ｆｓ／２ｎより小さくて第Ｎ＋１周波数ｆｓ／２ｎ＋１より大きい周波数帯域のデータに該当する。また、第Ｎレベルの近似電圧データＡｎ（ｘ）が、第Ｎ＋１周波数ｆｓ／２ｎ＋１より小さな周波数帯域のデータに該当する。
図９Ａは、本発明の多様な実施形態による故障検出方法を説明するために提供される例示的な電圧データＶ（ｘ）のグラフである。
図９Ｂないし図９Ｇは、図９Ａの電圧データＶ（ｘ）から、離散ウェーブレット変換の多解像度分析を通じて抽出される第５レベルの低周波成分データＡ５及び第１ないし第５レベルの周波数成分データＤ１〜Ｄ５のグラフである。
図９Ａを参照すれば、時間ｘに対する電圧データＶ（ｘ）が例示的に図示される。
図９Ｂないし図９Ｇを参照すれば、電圧データＶ（ｘ）に対する離散ウェーブレット変換の多解像度分析を通じて抽出される第５レベルの低周波成分データＡ５及び第１ないし第５レベルの周波数成分データＤ１〜Ｄ５が図示される。
第５レベルの低周波成分データＡ５は、電圧データＶ（ｘ）と類似しており、電圧データＶ（ｘ）から高周波成分のデータが除去されたものである。第５レベルの低周波成分データＡ５は、第５レベルの近似電圧データと称する。
第１ないし第５レベルの周波数成分データＤ１〜Ｄ５は、０を基準として負及び正の値を持つ。一実施形態よれば、第１ないし第５レベルの周波数成分データＤ１〜Ｄ５を時間に対して積分すれば、積分値は０の値を持つ。
充電時間及び放電時間が短い場合、例えば、充電及び放電が交互に頻繁に行われる場合、周波数成分データＤ１〜Ｄ５の値がグラフで大きくなる。しかし、充電時間及び放電時間が長い場合、充電と放電との間の変化は周波数成分データＤ１〜Ｄ５に示されない可能性もある。
故障によってバッテリーシステムに急に高電流が流れ込む場合、このような急激な変化は低周波成分データＡ５で見つけ難く、周波数成分データＤ１〜Ｄ５から容易に見つけられる。
図示された実施形態によれば、第４レベルの周波数成分データＤ４は、他の周波数成分データＤ１〜Ｄ３、Ｄ５とは異なって概ね８０００より若干早い時間に大きいピークを持つ。同一時点に他の周波数成分データＤ１〜Ｄ３、Ｄ５には大きいピークがないが、第４レベルの周波数成分データＤ４には大きいピークが見つけられるので、故障が発生したと診断する。例えば、ピークの大きさが既定の正常範囲を超える場合、故障が発生したということを示す。
図１０Ａないし図１０Ｃは、統計処理部１３０の動作を説明するためのグラフである。
図１０Ａを参照すれば、統計処理部が、第４レベルの周波数成分データＤ４から第４レベルの周波数成分データサイズ|Ｄ４|を生成する過程を示す。
第４レベルの周波数成分データサイズ|Ｄ４|は、第４レベルの周波数成分データＤ４に絶対値を計算したものである。例えば、第４レベルの周波数成分データＤ４のうち負の値を持つデータは、同一サイズの正の値を持つデータに変換する。
図１０Ｂは、統計処理部によって生成された第１ないし第５レベルの周波数成分データサイズ|Ｄ１|〜|Ｄ５|を示す。図１１Ｂに示した第１ないし第５レベルの周波数成分データサイズ|Ｄ１|〜|Ｄ５|のグラフは、図１０Ｂに示した第１ないし第５レベルの周波数成分データＤ１〜Ｄ５のグラフから生成されたものである。
図１０Ｃは、統計処理部によって生成された平均ＡＶＲ|Ｄ|と、第１ないし第５レベルの周波数成分データサイズ|Ｄ１|〜|Ｄ５|とを共に示す。平均ＡＶＲ|Ｄ|は、第１ないし第５レベルの周波数成分データサイズ|Ｄ１|〜|Ｄ５|の平均であり、統計処理部によって生成される。
第４レベルの周波数成分データサイズ|Ｄ|及び平均ＡＶＲ|Ｄ|が図示された２番目のグラフを参照すれば、時間（ｘ＝８０００）近くで第４レベルの周波数成分データサイズ|Ｄ|は、平均ＡＶＲ|Ｄ|の最大値より非常に大きい値を持つことが見つけられる。平均ＡＶＲ|Ｄ|の最大値は、バッテリーシステム１００が正常に動作することを意味する正常範囲を定める基準である。例えば、時間（ｘ＝８０００）近くで第４レベルの周波数成分データサイズ|Ｄ|は、平均ＡＶＲ|Ｄ|の最大値の３倍を超える大きい値を持つ。しきい値２．５の場合、平均ＡＶＲ|Ｄ|の最大値の３倍を超えるピークが第４レベルの周波数成分データＤ４に発生したので、故障の発生が検出される。
図１１は、最大値抽出部１４０及び故障診断部１５０の動作を説明するための例示的な表である。
図１１を参照すれば、最大値抽出部１４０は、第１ないし第５レベルの周波数成分データサイズ|Ｄ１|〜|Ｄ５|から、第１ないし第５最大値|Ｄ１|ｍａｘ、|Ｄ２|ｍａｘ、|Ｄ３|ｍａｘ、|Ｄ４|ｍａｘ、|Ｄ５|ｍａｘを抽出する。本例で、第１ないし第５最大値|Ｄ１|ｍａｘ、|Ｄ２|ｍａｘ、|Ｄ３|ｍａｘ、|Ｄ４|ｍａｘ、|Ｄ５|ｍａｘは、それぞれ１．４５５８１、２．０６２７７、２．２７２１８、３．４４３４３、２．１０５９６である。
また、最大抽出部１４０は、平均ＡＶＲ|Ｄ|から平均最大値ＡＶＲ|Ｄ|ｍａｘを抽出でき、本例で、平均最大値ＡＶＲ|Ｄ|ｍａｘは１．１１９５８である。
故障診断部１５０は、最大値抽出部１４０から、第１ないし第５最大値|Ｄ１|ｍａｘ、|Ｄ２|ｍａｘ、|Ｄ３|ｍａｘ、|Ｄ４|ｍａｘ、|Ｄ５|ｍａｘ及び平均最大値ＡＶＲ|Ｄ|ｍａｘを受信する。故障診断部１５０は、平均最大値ＡＶＲ|Ｄ|ｍａｘに対する第１ないし第５最大値|Ｄ１|ｍａｘ、|Ｄ２|ｍａｘ、|Ｄ３|ｍａｘ、|Ｄ４|ｍａｘ、|Ｄ５|ｍａｘの割合を算出する。本例によれば、平均最大値ＡＶＲ|Ｄ|ｍａｘに対する第１ないし第５最大値|Ｄ１|ｍａｘ、|Ｄ２|ｍａｘ、|Ｄ３|ｍａｘ、|Ｄ４|ｍａｘ、|Ｄ５|ｍａｘの割合は、それぞれ１．３００３１、１．８４２４５、２．０２９４９、３．０７５６４、１．８８１０２である。
この時、故障診断部１５０は、前記割合がしきい値より大きいかどうかを判定し、前記割合のうちいずれか１つでもしきい値より大きければ、故障が発生したと診断する。ここで、しきい値は、２．５と仮定する。
故障診断部１５０は、平均最大値ＡＶＲ|Ｄ|ｍａｘに対する第４最大値|Ｄ４|ｍａｘの割合が３．０７５６４であって、２．５より大きいため、故障が発生したと診断する。
本発明の多様な実施形態はいかなる方法でも本発明の範囲を限定しない。明細書を簡単にするために、従来電子的な構成、制御システム、ソフトウェア、前記システムの他の機能的な側面の記載は略される。また、図面に示した構成要素間の線の連結または連結部材は、機能的な連結及び／または物理的または回路的連結を例示的に示すものであり、実際の装置では、代替または追加できる多様な機能的な連結、物理的な連結、または回路連結で具現される。また、”必須な”、”重要に”などの具体的な言及がなければ、本発明の実施のために必ず必要な構成要素であるとはいえない。
本発明で範囲（ｒａｎｇｅ）を記載した場合、前記範囲に属する個別的な値を適用した発明を含むものであり（これに反する記載がない限り）、発明の詳細な説明に前記範囲を構成する各個別的な値を記載したことと同様である。最後に、本発明による方法を構成する段階について明らかに順序を記載するか、または反する記載がない限り、前記段階は適当な順序で行われる。必ずしも前記段階の記載順序によって本発明が限定されるものではない。本発明ですべての例または例示的な用語（例えば、など）の使用は、単純に本発明を詳細に説明するためのものであり、特許請求の範囲によって限定されない以上、前記例または例示的な用語によって本発明の範囲が限定されるものではない。また、当業者は、多様な修正、組み合わせ及び変更が加えられた特許請求の範囲またはその均等物の範疇内で、設計条件及びファクターによって構成されるということが分かる。
したがって、本発明の思想は、前記の実施形態に限って定められてはならず、特許請求の範囲だけではなく、この特許請求の範囲と均等なまたはこれより等価的に変更されたあらゆる範囲は、本発明の思想の範疇に属するといえる。
以上、添付図面を参照しながら本発明の好適な実施形態について詳細に説明したが、本発明はかかる例に限定されない。本発明の属する技術の分野における通常の知識を有する者であれば、特許請求の範囲に記載された技術的思想の範疇内において、各種の変更例または修正例に想到し得ることは明らかであり、これらについても、当然に本発明の技術的範囲に属するものと了解される。
本発明は、バッテリーシステムの故障を検出する装置関連の技術分野に好適に用いられる。
１０、２０ 故障検出装置
１００：バッテリーシステム
１１０、２１０ 電圧検出部
１２０、２２０ 離散ウェーブレット変換部（ＤＷＴ）
１３０、２３０ 統計処理部
１４０ 最大値抽出部
１５０ 故障診断部
２４０ 基準値保存部
２５０ 故障検出部

Claims (18)

  1. バッテリーシステムの故障を検出するための装置であり、
    前記バッテリーシステムから電圧信号を受信し、前記電圧信号をデジタル化して電圧データを生成するように構成される電圧検出器と、
    前記電圧データを受信し、前記電圧データの離散ウェーブレット変換を行って変換データを生成するように構成される離散ウェーブレット変換器と、
    前記変換データを受信し、前記変換データを処理して前記変換データの平均値を含む統計データを生成するように構成される統計処理部と、
    前記統計データに基づいて、前記バッテリーシステムの前記故障を検出し、前記故障が検出される時に故障信号を送信するように構成される故障診断部と、を備えるバッテリーシステムの故障検出装置。
  2. 前記変換データがｊレベルの周波数成分データを含み、ｊは自然数であり、
    前記統計処理部は、前記ｊレベルの周波数成分データを前記変換データとして受信し、前記ｊレベルの周波数成分データの絶対値を計算して、前記ｊレベルの周波数成分データそれぞれの大きさ値を生成するように構成されることを特徴とする請求項１に記載のバッテリーシステムの故障検出装置。
  3. 前記故障診断部は、前記大きさ値を基準値と比較して前記故障を検出し、前記大きさ値のうち少なくとも１つが前記基準値より大きい場合、前記故障を検出するように構成されることを特徴とする請求項２に記載のバッテリーシステムの故障検出装置。
  4. 前記基準値ＲＥＦは、開始基準値に設定されることを特徴とする請求項３に記載のバッテリーシステムの故障検出装置。
  5. 前記統計処理部は、
    前記大きさ値の平均を計算して前記平均値を生成し、
    前記平均値に係数を乗算して係数値を生成し、
    前記係数値を前記基準値と比較し、
    前記係数値が前記基準値より大きければ、前記基準値を前記係数値に設定するように構成されることを特徴とする請求項４に記載のバッテリーシステムの故障検出装置。
  6. 前記係数は、２〜５の範囲に含まれる値であることを特徴とする請求項５に記載のバッテリーシステムの故障検出装置。
  7. 最大値抽出部をさらに備え、
    前記統計処理部は、前記大きさ値の平均を計算して前記平均値を生成するように構成され、
    前記最大値抽出部は、
    前記大きさ値及び前記平均値を受信し、
    第１時区間に対応する前記ｊレベルの周波数成分データそれぞれの前記大きさ値の最大値を計算して最大大きさ値を生成し、
    前記第１時区間に対応する前記平均値の最大値を計算して最大平均値を生成するように構成され、
    前記故障診断部は、
    前記最大大きさ値及び前記最大平均値を受信し、
    前記最大大きさ値のそれぞれの前記最大平均値（ＡＶＲ|Ｄ［ｘ］|）に対する割合をそれぞれ比較し、
    前記割合のうち少なくとも１つがしきい値より大きければ、前記故障を検出するように構成されることを特徴とする請求項２に記載のバッテリーシステムの故障検出装置。
  8. 前記しきい値は、２〜５の範囲に含まれる値であることを特徴とする請求項７に記載のバッテリーシステムの故障検出装置。
  9. 前記故障信号は、前記ｊレベルの周波数成分データのうち、前記故障が検出されたレベルの周波数成分データに関する情報または前記故障の深刻度に関する情報を含むことを特徴とする請求項２に記載のバッテリーシステムの故障検出装置。
  10. 前記電圧検出器は、前記電圧信号をデジタル化して秒当り１ないし１０サンプルのサンプリングレートで前記電圧データを生成するように構成されることを特徴とする請求項１に記載のバッテリーシステムの故障検出装置。
  11. 前記離散ウェーブレット変換は、ドベシィ（Ｄａｕｂｅｃｈｉｅｓ）３ウェーブレットに基づくことを特徴とする請求項１に記載のバッテリーシステムの故障検出装置。
  12. バッテリーの故障を検出するための方法であり、
    バッテリーシステムから電圧信号を受信する段階と、
    前記電圧信号をデジタル化して電圧データを生成する段階と、
    前記電圧データに対して離散ウェーブレット変換を行って変換データを生成する段階と、
    前記変換データを処理して前記変換データの平均値を含む統計データを生成する段階と、
    前記統計データを分析して故障を検出する段階と、
    前記故障が検出される場合、故障信号を送信する段階と、を含むバッテリー故障検出方法。
  13. 前記変換データは、１つ以上の周波数成分データを含み、
    前記変換データを処理して前記統計データを生成する段階は、前記１つ以上の周波数成分データの絶対値を計算する段階を含み、
    前記統計データは、前記絶対値をさらに含み、
    前記統計データを分析して故障を検出する段階は、
    前記絶対値を基準値と比較する段階と、
    前記絶対値のうち少なくとも１つが前記基準値より大きければ、前記故障を示す段階と、を含むことを特徴とする請求項１２に記載のバッテリー故障検出方法。
  14. 前記基準値を既定の値に初期化する段階をさらに含むことを特徴とする請求項１３に記載のバッテリー故障検出方法。
  15. 前記絶対値に基づいて前記平均値を計算する段階と、
    前記平均値に係数を乗算して係数の平均値を生成する段階と、
    前記係数の平均値を前記基準値と比較する段階と、
    前記係数の平均値が前記基準値より大きければ、前記係数の平均値を前記基準値と設定する段階と、をさらに含むことを特徴とする請求項１４に記載のバッテリー故障検出方法。
  16. 前記変換データは、１つ以上の周波数成分データを含み、
    前記変換データを処理して前記統計データを生成する段階は、
    前記１つ以上の周波数成分データの絶対値を計算する段階であって、前記統計データは前記絶対値をさらに含む段階と、
    前記絶対値に基づいて前記平均値を計算する段階と、を含み、
    前記統計データを分析して前記故障を検出する段階は、
    第１時区間に対応する前記絶対値の最大絶対値を計算する段階と、
    前記第１時区間に対応する前記平均値の最大平均値を計算する段階と、
    前記最大平均値に対する前記最大絶対値の割合を計算する段階と、
    前記割合のうち少なくとも１つが基準値を超過すれば、前記故障を検出する段階と、を含むことを特徴とする請求項１２に記載のバッテリー故障検出方法。
  17. エネルギー保存システムとして、
    第１電力を第２電力に変換するように構成される電力変換システム（ＰＣＳ）と、
    前記第２電力を保存及び供給するように構成されるバッテリーシステムと、を含み、
    前記バッテリーシステムは、
    互いに連結された複数のバッテリーセルと、
    前記バッテリーセルのうち第１バッテリーセルに連結される端子と、
    前記端子及び前記電力変換システム（ＰＣＳ）に連結されるスイッチと、
    バッテリー管理システムと、を含み、
    前記バッテリー管理システムは、
    前記バッテリーセルから電圧信号を受信し、前記電圧信号をデジタル化して電圧データを生成するように構成される電圧検出器と、
    前記電圧データを受信し、前記電圧データの離散ウェーブレット変換を行って変換データを生成するように構成される離散ウェーブレット変換器と、
    前記変換データを受信し、前記変換データを処理して前記変換データの平均値を含む統計データを生成するように構成される統計処理部と、
    前記統計データに基づいて前記バッテリーセルの故障を検出し、前記故障が検出される時に故障信号を送信するように構成される故障診断部と、を備え、
    前記スイッチは、前記故障信号によって前記バッテリーセルを前記電力変換システム（ＰＣＳ）に連結するように構成されることを特徴とするエネルギー保存システム。
  18. 前記電圧信号は、前記端子の電圧または前記バッテリーセルのうち１つのセル電圧に対応することを特徴とする請求項１７に記載のエネルギー保存システム。
JP2014022484A 2013-02-21 2014-02-07 故障検出装置、バッテリー故障検出方法、及びエネルギー保存システム Pending JP2014163930A (ja)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US201361767744P 2013-02-21 2013-02-21
US61/767,744 2013-02-21
US14/082,036 2013-11-15
US14/082,036 US20140236509A1 (en) 2013-02-21 2013-11-15 Apparatus for detecting faults in battery system

Publications (1)

Publication Number Publication Date
JP2014163930A true JP2014163930A (ja) 2014-09-08

Family

ID=48520704

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2014022484A Pending JP2014163930A (ja) 2013-02-21 2014-02-07 故障検出装置、バッテリー故障検出方法、及びエネルギー保存システム

Country Status (5)

Country Link
US (1) US20140236509A1 (ja)
EP (1) EP2770336A2 (ja)
JP (1) JP2014163930A (ja)
KR (1) KR20140104893A (ja)
CN (1) CN104007388A (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101807280B1 (ko) * 2015-12-14 2017-12-08 연세대학교 산학협력단 동기위상기 신호를 이용한 전력계통 사고 발생 자동 검출 장치 및 방법

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5850017B2 (ja) * 2013-10-15 2016-02-03 株式会社デンソー バッテリ監視装置
KR102156866B1 (ko) 2014-11-14 2020-09-17 한국전기연구원 미소 전류를 이용한 교류 임피던스 기반의 배터리 수명 예측 장치
US10641833B2 (en) * 2016-11-18 2020-05-05 Pacesetter, Inc. Method of screening high rate electrochemical cells
FR3067124B1 (fr) * 2017-06-02 2019-07-05 Universite De Franche-Comte Procede et systeme pour diagnostiquer en temps reel l'etat de fonctionnement d'un systeme electrochimique, et systeme electrochimique integrant ce systeme de diagnostic
US11391780B2 (en) 2018-04-10 2022-07-19 Lg Energy Solution, Ltd. Battery diagnostic device and method
KR102259415B1 (ko) 2018-08-29 2021-06-01 주식회사 엘지에너지솔루션 배터리 관리 장치, 배터리 관리 방법, 배터리 팩 및 전기 차량
CN109856552B (zh) * 2019-01-28 2021-01-26 蜂巢能源科技(无锡)有限公司 车辆及其基于电流值的电池异常检测方法和装置
CN110133538B (zh) * 2019-05-16 2021-03-12 合肥工业大学 一种anpc三电平逆变器开路故障诊断方法及实验平台
KR20220057229A (ko) 2020-10-29 2022-05-09 (주)비에이에너지 딥러닝 기반의 안전 진단 방법 및 컴퓨터 프로그램, 그 프로그램을 설치한 에너지저장장치(ess).
CN112183499B (zh) * 2020-11-27 2021-03-05 万鑫精工(湖南)股份有限公司 基于信号分量差商值的时域信号诊断方法及存储介质
CN114818831B (zh) * 2022-05-27 2023-04-07 深圳先进技术研究院 基于多源感知的双向锂离子电池故障检测方法及系统
KR102583019B1 (ko) * 2023-04-13 2023-09-27 주식회사 쿨맥스 고장 예측 기능을 구비한 인공지능 냉장고
CN118131056A (zh) * 2024-05-06 2024-06-04 深圳市华芯控股有限公司 一种bms多量程电流检测电路

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH04110785A (ja) * 1990-08-31 1992-04-13 Fujitsu Ltd バッテリのアラーム装置
KR100387491B1 (ko) * 2000-12-28 2003-06-18 현대자동차주식회사 전기 자동차의 배터리 고장 진단방법
JP2005287108A (ja) * 2004-03-29 2005-10-13 Kitakyushu Foundation For The Advancement Of Industry Science & Technology 直流電源装置の劣化診断装置及び劣化診断方法
JP5221468B2 (ja) * 2009-02-27 2013-06-26 株式会社日立製作所 電池監視装置
US8219333B2 (en) * 2010-06-29 2012-07-10 O2Micro, Inc Battery management systems for protecting batteries from fault conditions

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101807280B1 (ko) * 2015-12-14 2017-12-08 연세대학교 산학협력단 동기위상기 신호를 이용한 전력계통 사고 발생 자동 검출 장치 및 방법

Also Published As

Publication number Publication date
CN104007388A (zh) 2014-08-27
EP2770336A2 (en) 2014-08-27
KR20140104893A (ko) 2014-08-29
US20140236509A1 (en) 2014-08-21

Similar Documents

Publication Publication Date Title
JP2014163930A (ja) 故障検出装置、バッテリー故障検出方法、及びエネルギー保存システム
EP2778700A2 (en) Apparatus for predicting state of a battery pack using discrete wavelet transforms
US11527891B2 (en) Smart sensor for online situational awareness in power grids
CN110044623B (zh) 经验模态分解剩余信号特征的滚动轴承故障智能识别方法
CN112348071B (zh) 一种模块化多电平换流器子模块开关管开路故障诊断方法
CN103018629A (zh) 一种基于马拉算法的电力系统故障录波数据分析方法
WO2022022659A1 (zh) 一种光伏组件诊断方法、装置、设备及可读存储介质
KR100918313B1 (ko) 지능형 전기품질 진단 분석 방법
CN109061414A (zh) 光伏系统直流故障电弧检测方法
CN109387728B (zh) 一种单相接地故障选线方法和系统
CN113702773B (zh) 配电网的高阻接地故障定位方法、装置、设备和介质
US20150331062A1 (en) Failure Detection Method and Detection Device for Inverter
Swarnkar et al. Multivariable signal processing algorithm for identification of power quality disturbances
CN117289022B (zh) 一种基于傅里叶算法的电网谐波检测方法及系统
CN116488578A (zh) 一种基于ai视觉辅助的光伏设备分析方法
Nandi et al. Diagnosis of induction motor faults using frequency occurrence image plots—a deep learning approach
CN117269660A (zh) 基于变异系数差分算法的故障电弧检测方法及系统
Bhuiyan et al. A reliable open-switch fault diagnosis strategy for grid-tied photovoltaic inverter topology
TWI341923B (ja)
CN117890825B (zh) 充电枪的泄露电流测试方法、装置、设备及存储介质
CN117081502B (zh) 一种光伏直流电弧监测平台及其控制方法
CN110232482B (zh) 基于神经网络的设备管理方法及装置
Bhadra et al. Robust Short-Circuit Fault Analysis Scheme for Overhead Transmission Line
Machado et al. Application of Wavelet transform and artificial neural network to extract power quality information from voltage oscillographic signals in electric power systems
EP4370939A1 (en) Electrical signal analysis and appliance monitoring