JP2015505955A - バッテリー残容量推定装置および方法 - Google Patents

Abstract

バッテリー残容量推定装置および方法が開示される。本発明によるバッテリー残容量推定装置は、既に設定された時間の間のバッテリーの入出力電力を分析して前記バッテリーの入出力電力パターンを取得する入出力電力パターン分析部、前記バッテリーの入出力電力パターンを分析して前記バッテリーの現在適用状態を判断する適用状態判断部、および前記バッテリーの現在適用状態に対応する残容量（Ｓｔａｔｅ Ｏｆ Ｃｈａｒｇｉｎｇ；ＳＯＣ）推定アルゴリズムを用いて前記バッテリーのＳＯＣを算出するＳＯＣ算出部を含む。【選択図】図２

Description

本出願は２０１２年１０月２６日に韓国特許庁に提出された韓国特許出願第１０−２０１２−０１１９７０９号の出願日の利益を主張し、その内容の全ては本明細書に含まれる。

本発明は、バッテリー残容量推定装置および方法に関し、既に設定された時間の間のバッテリーの入出力電力パターンを分析してバッテリーの現在適用状態を判断し、バッテリーの現在適用状態に対応する残容量（Ｓｔａｔｅ Ｏｆ Ｃｈａｒｇｉｎｇ；ＳＯＣ）推定アルゴリズムを用いてバッテリーのＳＯＣを算出することにより、バッテリーのＳＯＣを推定するにおいて状況に合った推定アルゴリズムを能動的に適用してバッテリーのＳＯＣ推定誤差を最小化して、より正確なバッテリーのＳＯＣ推定値を得ることができるバッテリー残容量推定装置および方法に関する。

製品群に応じた適用容易性が高く、高いエネルギー密度などの電気的特性を有する二次電池は、携帯用機器だけでなく、電気的駆動源によって駆動する電気車両（ＥＶ；Ｅｌｅｃｔｒｉｃ Ｖｅｈｉｃｌｅ）、ハイブリッド車両（ＨＶ；Ｈｙｂｒｉｄ Ｖｅｈｉｃｌｅ）または家庭用または産業用に用いられる中大型バッテリーを用いたエネルギー貯蔵システム（Ｅｎｅｒｇｙ Ｓｔｏｒａｇｅ Ｓｙｓｔｅｍ；ＥＳＳ）や無停電電源供給装置（Ｕｎｉｎｔｅｒｒｕｐｔｉｂｌｅ Ｐｏｗｅｒ Ｓｕｐｐｌｙ；ＵＰＳ）システムなどに普遍的に応用されている。

このような二次電池は、化石燃料の使用を画期的に減少できるという一次的な長所だけでなく、エネルギーの使用に応じた副産物が全く発生しないという点で、環境に優しく且つエネルギー効率性の向上のための新しいエネルギー源として注目されている。

二次電池は携帯端末などのバッテリーとして実現される場合は必ずしもそうではないが、上記のように電気車両またはエネルギー貯蔵源などに適用されるバッテリーは、通常、単位二次電池セル（ｃｅｌｌ）が複数集合された形態で用いられ、高容量環境に適合性を高めることになる。

このようなバッテリー、特に多数の二次電池が充電と放電を交互に行う場合は、これらの充放電を効率的に制御してバッテリーが適正な動作状態および性能を維持するように管理する必要がある。

このために、バッテリーの状態および性能を管理するバッテリー管理システム（Ｂａｔｔｅｒｙ Ｍａｎａｇｅｍｅｎｔ Ｓｙｓｔｅｍ；ＢＭＳ）が備えられる。ＢＭＳは、バッテリーの電流、電圧、温度などを測定し、それに基づいてバッテリーの残容量（Ｓｔａｔｅ Ｏｆ Ｃｈａｒｇｉｎｇ；ＳＯＣ）を推定し、燃料消費効率が最も良くなるようにＳＯＣを制御する。ＳＯＣを正確に制御するためには、充放電を行っているバッテリーのＳＯＣを正確に測定することが必要である。

従来、ＢＭＳにおいてバッテリーのＳＯＣを測定する方法には、バッテリーに流れる充放電電流を積算してバッテリーのＳＯＣを推定する方法がある。この方法は、電流センサを介して電流を測定する過程で発生する誤差が継続的に累積し、時間の経過に伴ってＳＯＣの正確度が落ちるという問題がある。

または、バッテリーの充放電中にバッテリーの電圧を測定し、測定された電圧から無負荷状態のバッテリー開放電圧（ｏｐｅｎ ｃｉｒｃｕｉｔ ｖｏｌｔａｇｅ；ＯＣＶ）を推定し、開放電圧別ＳＯＣテーブルを参照し、推定された開放電圧に該当するＳＯＣをマッピングする方法がある。しかし、バッテリーの充放電が行われている時に測定された電圧は実際の電圧と多くの差を示す。例えば、バッテリーが負荷に連結されて放電が始まればバッテリーの電圧が急激に落ち、バッテリーが外部電源から充電が始まればバッテリーの電圧が急激に上がる。したがって、バッテリーの充放電時に測定された電圧と実際の電圧との誤差によってＳＯＣの正確度が落ちるという問題がある。

本発明の目的は、既に設定された時間の間のバッテリーの入出力電力パターンを分析してバッテリーの現在適用状態を判断し、バッテリーの現在適用状態に対応するＳＯＣ推定アルゴリズムを用いてバッテリーのＳＯＣを算出することにより、バッテリーのＳＯＣを推定するにおいて状況に合った推定アルゴリズムを能動的に適用してバッテリーのＳＯＣ推定誤差を最小化して、より正確なバッテリーのＳＯＣ推定値を得ることができるバッテリー残容量推定装置および方法を提供することにある。

本発明の一実施形態によるバッテリー残容量推定装置は、既に設定された時間の間のバッテリーの入出力電力を分析して前記バッテリーの入出力電力パターンを取得する入出力電力パターン分析部、前記バッテリーの入出力電力パターンを分析して前記バッテリーの現在適用状態を判断する適用状態判断部、および前記バッテリーの現在適用状態に対応する残容量（Ｓｔａｔｅ Ｏｆ Ｃｈａｒｇｉｎｇ；ＳＯＣ）推定アルゴリズムを用いて前記バッテリーのＳＯＣを算出するＳＯＣ算出部を含んで構成される。

前記入出力電力パターンは、短期入出力電力パターンおよび長期入出力電力パターンを含んでも良い。この時、前記入出力電力パターン部は、第１設定時間の間のバッテリーの入出力電力を分析して前記バッテリーの短期入出力電力パターンを取得する短期入出力電力パターン分析部、および前記第１設定時間より長い第２設定時間の間の前記バッテリーの入出力電力を分析して前記バッテリーの長期入出力電力パターンを取得する長期入出力電力パターン分析部を含んでも良い。

前記ＳＯＣ推定アルゴリズムは、ＥＫＦ（Ｅｘｔｅｎｄｅｄ Ｋａｌｍａｎ Ｆｉｌｔｅｒ） ＳＯＣ推定アルゴリズムまたはＳＳＭＥ（Ｓｍａｒｔ ＳＯＣ Ｍｏｖｉｎｇ Ｅｓｔｉｍａｔｉｏｎ）アルゴリズムを含んでも良い。

前記バッテリーの現在適用状態は、定電流（Ｃｏｎｓｔａｎｔ Ｃｕｒｒｅｎｔ；ＣＣ）状態、光発電（ＰｈｏｔｏＶｏｌｔａｉｃ；ＰＶ）状態、周波数調整（Ｆｒｅｑｕｅｎｃｙ Ｒｅｇｕｌａｔｉｏｎ；ＦＲ）状態およびピークシェービング（Ｐｅａｋ Ｓｈａｖｉｎｇ；ＰＳ）状態のうち１つ以上を含んでも良い。

前記ＳＯＣ算出部は、前記バッテリーの現在適用状態がＣＣ状態またはＰＶ状態である場合、前記ＥＫＦ ＳＯＣ推定アルゴリズムを用いて前記バッテリーのＳＯＣを算出しても良い。

前記ＳＯＣ算出部は、前記バッテリーの現在適用状態がＦＲ状態またはＰＳ状態である場合、前記ＳＳＭＥアルゴリズムを用いて前記バッテリーのＳＯＣを算出しても良い。

前記ＳＯＣ算出部は、前記バッテリーの入出力電力パターンの放電深度（Ｄｅｐｔｈ Ｏｆ Ｄｉｓｃｈａｒｇｅ；ＤＯＤ）が既に設定された基準値以上である場合、前記ＥＫＦ ＳＯＣ推定アルゴリズムを用いて前記バッテリーのＳＯＣを算出しても良い。

前記ＳＯＣ算出部は、前記バッテリーの入出力電力パターンのＤＯＤが既に設定された基準値未満である場合、前記ＳＳＭＥアルゴリズムを用いて前記バッテリーのＳＯＣを算出しても良い。

前記バッテリー残容量推定装置は、前記バッテリーに入出力される電流値を測定する電流センサの有無または電流センサの異常有無を確認する電流センサ確認部をさらに含んでも良い。

前記ＳＯＣ算出部は、前記電流センサ確認部において電流センサがないかまたは電流センサに異常があると判断される場合、前記ＳＳＭＥアルゴリズムを用いて前記バッテリーのＳＯＣを算出しても良い。

本発明の一実施形態によるバッテリー残容量推定方法は、既に設定された時間の間のバッテリーの入出力電力を分析して前記バッテリーの入出力電力パターンを取得するステップ、前記バッテリーの入出力電力パターンを分析して前記バッテリーの現在適用状態を判断するステップ、および前記バッテリーの現在適用状態に対応するＳＯＣ推定アルゴリズムを用いて前記バッテリーのＳＯＣを算出するステップを含んで構成される。

前記入出力電力パターンは、短期入出力電力パターンおよび長期入出力電力パターンを含んでも良い。この時、前記バッテリーの入出力電力パターンを取得するステップは、第１設定時間の間のバッテリーの入出力電力を分析して前記バッテリーの短期入出力電力パターンを取得するステップ、および前記第１設定時間より長い第２設定時間の間の前記バッテリーの入出力電力を分析して前記バッテリーの長期入出力電力パターンを取得するステップを含んでも良い。

前記ＳＯＣ推定アルゴリズムは、ＥＫＦ ＳＯＣ推定アルゴリズムまたはＳＳＭＥアルゴリズムを含んでも良い。

前記バッテリーの現在適用状態は、定電流（Ｃｏｎｓｔａｎｔ Ｃｕｒｒｅｎｔ；ＣＣ）状態、光発電（ＰｈｏｔｏＶｏｌｔａｉｃ；ＰＶ）状態、周波数調整（Ｆｒｅｑｕｅｎｃｙ Ｒｅｇｕｌａｔｉｏｎ；ＦＲ）状態およびピークシェービング（Ｐｅａｋ Ｓｈａｖｉｎｇ；ＰＳ）状態のうち１つ以上を含んでも良い。

前記バッテリーのＳＯＣを算出するステップは、前記バッテリーの現在適用状態がＣＣ状態またはＰＶ状態である場合、前記ＥＫＦ ＳＯＣ推定アルゴリズムを用いて前記バッテリーのＳＯＣを算出するステップを含んでも良い。

前記バッテリーのＳＯＣを算出するステップは、前記バッテリーの現在適用状態がＦＲ状態またはＰＳ状態である場合、前記ＳＳＭＥアルゴリズムを用いて前記バッテリーのＳＯＣを算出するステップを含んでも良い。

前記バッテリーのＳＯＣを算出するステップは、前記バッテリーの入出力電力パターンの放電深度（Ｄｅｐｔｈ Ｏｆ Ｄｉｓｃｈａｒｇｅ；ＤＯＤ）が既に設定された基準値以上である場合、前記ＥＫＦ ＳＯＣ推定アルゴリズムを用いて前記バッテリーのＳＯＣを算出するステップを含んでも良い。

前記バッテリーのＳＯＣを算出するステップは、前記バッテリーの入出力電力パターンのＤＯＤが既に設定された基準値未満である場合、前記ＳＳＭＥアルゴリズムを用いて前記バッテリーのＳＯＣを算出するステップを含んでも良い。

前記バッテリー残容量推定方法は、前記バッテリーに入出力される電流値を測定する電流センサの有無または電流センサの異常有無を確認するステップをさらに含んでも良い。
前記バッテリーのＳＯＣを算出するステップは、前記電流センサの有無を確認するステップにおいて電流センサがないかまたは電流センサに異常があると判断される場合、前記ＳＳＭＥアルゴリズムを用いて前記バッテリーのＳＯＣを算出しても良い。

本発明の一側面によれば、既に設定された時間の間のバッテリーの入出力電力パターンを分析してバッテリーの現在適用状態を判断し、バッテリーの現在適用状態に対応するＳＯＣ推定アルゴリズムを用いてバッテリーのＳＯＣを算出することにより、バッテリーのＳＯＣを推定するにおいて状況に合った推定アルゴリズムを能動的に適用してバッテリーのＳＯＣ推定誤差を最小化して、より正確なバッテリーのＳＯＣ推定値を得ることができるバッテリー残容量推定装置および方法を提供することができる。

本発明の一実施形態によるバッテリー残容量推定装置が適用される電気自動車を概略的に示す図である。 本発明の一実施形態によるバッテリー残容量推定装置を概略的に示す図である。 本発明の一実施形態によるバッテリー残容量推定装置に用いられるＳＳＭＥアルゴリズムを説明するための図である。 本発明の一実施形態によるバッテリー残容量推定装置に用いられるＳＳＭＥアルゴリズムを説明するための図である。 本発明の一実施形態によるバッテリー残容量推定装置に用いられるＳＳＭＥアルゴリズムを説明するための図である。 本発明の一実施形態によるバッテリー残容量推定方法を説明するためのフローチャートである。

本発明を添付図面を参照して詳細に説明すれば次の通りである。ここで、繰り返される説明、本発明の要旨を不要に濁す恐れのある公知機能および構成に関する詳細な説明は省略する。本発明の実施形態は当業界で平均的な知識を有する者に本発明をより完全に説明するために提供されるものである。したがって、図面での要素の形状および大きさ等はより明確な説明のために誇張されることがある。

明細書の全体において、ある部分がある構成要素を「含む」とする時、これは、特に反対となる記載がない限り、他の構成要素を除外するのではなく、他の構成要素をさらに含むことができることを意味する。

また、明細書に記載された「...部」という用語は１つ以上の機能や動作を処理する単位を意味し、これは、ハードウェアやソフトウェアまたはハードウェアおよびソフトウェアの結合で実現されることができる。

以下に記述する電気自動車（ｅｌｅｃｔｒｉｃ ｖｅｈｉｃｌｅ）は推進力として１つまたはそれ以上の電気モータを含む車両をいう。電気自動車を推進するのに用いられるエネルギーは、再充電可能なバッテリーおよび／または燃料電池のような電気的ソース（ｅｌｅｃｔｒｉｃａｌ ｓｏｕｒｃｅ）を含む。電気自動車は内燃機関（ｃｏｍｂｕｓｔｉｏｎ ｅｎｇｉｎｅ）をまた１つの動力源として用いるハイブリッド電気自動車であっても良い。

図１は、本発明の一実施形態によるバッテリー残容量推定装置が適用される電気自動車を概略的に示す図である。

図１に本発明の一実施形態によるバッテリー残容量推定装置が電気自動車に適用された例を示しているが、本発明の一実施形態によるバッテリー残容量推定装置は、電気自動車以外にも家庭用または産業用のエネルギー貯蔵システム（Ｅｎｅｒｇｙ Ｓｔｏｒａｇｅ Ｓｙｓｔｅｍ；ＥＳＳ）や無停電電源供給装置（Ｕｎｉｎｔｅｒｒｕｐｔｉｂｌｅ Ｐｏｗｅｒ Ｓｕｐｐｌｙ；ＵＰＳ）システムなどの二次電池が適用できる分野であれば、いかなる技術分野にも適用されることができる。

電気自動車１は、バッテリー１０、ＢＭＳ２０（Ｂａｔｔｅｒｙ Ｍａｎａｇｅｍｅｎｔ Ｓｙｓｔｅｍ）、ＥＣＵ３０（Ｅｌｅｃｔｒｏｎｉｃ Ｃｏｎｔｒｏｌ Ｕｎｉｔ）、インバータ４０およびモータ５０を含んで構成されることができる。

バッテリー１０は、モータ５０に駆動力を提供して電気自動車１を駆動させる電気エネルギー源である。バッテリー１０は、モータ５０および／または内燃機関（図示せず）の駆動に応じてインバータ４０によって充電されたり放電されたりすることができる。

ここで、バッテリー１０の種類は特に限定されず、例えば、リチウムイオン電池、リチウムポリマー電池、ニッケルカドミウム電池、ニッケル水素電池、ニッケル亜鉛電池などで構成することができる。

また、バッテリー１０は、複数の電池セルが直列および／または並列に連結された電池パックで形成される。また、このような電池パックが１つ以上備えられ、バッテリー１０を形成することもできる。

ＢＭＳ２０は、バッテリー１０の状態を推定し、推定した状態情報を用いてバッテリー１０を管理する。例えば、バッテリー１０の残容量（Ｓｔａｔｅ Ｏｆ Ｃｈａｒｇｉｎｇ；ＳＯＣ）、残存寿命（Ｓｔａｔｅ Ｏｆ Ｈｅａｌｔｈ；ＳＯＨ）、最大入出力電力許容量、出力電圧などのバッテリー１０の状態情報を推定し管理する。また、このような状態情報を用いてバッテリー１０の充電または放電を制御し、さらにバッテリー１０の交替時期の推定も可能である。

また、本発明によるＢＭＳ２０は、後述するバッテリー残容量推定装置（図２の１００）を含むことができる。このようなバッテリー残容量推定装置によってバッテリー１０のＳＯＣ推定の正確度および信頼度をさらに向上させることができる。

ＥＣＵ３０は電気自動車１の状態を制御する電子的制御装置である。例えば、アクセラレータ（ａｃｃｅｌｅｒａｔｏｒ）、ブレーキ（ｂｒｅａｋ）、速度などの情報に基づいてトルク程度を決定し、モータ５０の出力がトルク情報に合うように制御する。

また、ＥＣＵ３０は、ＢＭＳ２０によって伝達されたバッテリー１０のＳＯＣ、ＳＯＨなどの状態情報に基づいてバッテリー１０が充電または放電されるようにインバータ４０に制御信号を送る。

インバータ４０は、ＥＣＵ３０の制御信号に基づいてバッテリー１０が充電または放電されるようにする。

モータ５０は、バッテリー１０の電気エネルギーを用いてＥＣＵ３０から伝達される制御情報（例えば、トルク情報）に基づいて電気自動車１を駆動する。

上述した電気自動車１は、バッテリー１０の電気エネルギーを用いて駆動するため、バッテリー１０の状態（例えば、ＳＯＣ）を正確に推定することが重要である。

したがって、以下では、図２〜図６を参照して、本発明によるバッテリー残容量推定装置および方法について説明する。

図２は、本発明の一実施形態によるバッテリー残容量推定装置を概略的に示す図である。

図２を参照すれば、本発明の一実施形態によるバッテリー残容量推定装置１００は、バッテリー１０と連結され、バッテリー１０のＳＯＣを推定する。本発明の一実施形態によるバッテリー残容量推定装置１００は、バッテリー１０に連結されたバッテリー管理システム（Ｂａｔｔｅｒｙ Ｍａｎａｇｅｍｅｎｔ Ｓｙｓｔｅｍ；ＢＭＳ）、電力モニタリングシステム［例；遠隔監視制御データ収集システム（Ｓｕｐｅｒｖｉｓｏｒｙ Ｃｏｎｔｒｏｌ Ａｎｄ Ｄａｔａ Ａｃｑｕｉｓｉｔｉｏｎ；ＳＣＡＤＡ）］、ユーザ利用端末および充放電機のうち１つ以上に含まれるか、またはＢＭＳ、電力モニタリングシステム、ユーザ利用端末および充放電機の形態として実現されることができる。

本発明の一実施形態によるバッテリー残容量推定装置１００は、入出力電力パターン分析部１１０、適用状態判断部１２０、ＳＯＣ算出部１３０および電流センサ確認部１４０を含んで構成されることができる。図２に示されたバッテリー残容量推定装置１００は一実施形態によるものであり、その構成要素は図２に示された実施形態に限定されるものではなく、必要に応じて一部の構成要素が付加、変更または削除されても良い。

入出力電力パターン分析部１１０は、既に設定された時間の間のバッテリー１０の入出力電力を分析してバッテリー１０の入出力電力パターンを取得する。入出力電力パターンは、例えば、一定レベル以上に充電され、一定レベル以下に放電される過程が持続的に発生して放電深度（Ｄｅｐｔｈ Ｏｆ Ｄｉｓｃｈａｒｇｅ；ＤＯＤ）が高いパターン、特定ＳＯＣにおいて上下に交差して繰り返される過程が発生して放電深度が低いパターンなどがある。

前記のような入出力電力パターンは、短期入出力電力パターンおよび長期入出力電力パターンを含むことができる。また、入出力電力パターン分析部１１０は、短期入出力電力パターン分析部１１１および長期入出力電力パターン分析部１１２を含んで構成されることができる。

短期入出力電力パターン分析部１１１は第１設定時間の間のバッテリー１０の入出力電力を分析してバッテリー１０の短期入出力電力パターンを取得し、長期入出力電力パターン分析部１１２は前記第１設定時間より長い第２設定時間の間のバッテリー１０の入出力電力を分析してバッテリー１０の長期入出力電力パターンを取得する。この時、第１設定時間および第２設定時間は本発明の一実施形態によるバッテリー残容量推定装置１００において固定された値に予め設定されていても良く、ユーザの入力を受けて設定されても良い。例えば、第１設定時間は１分であっても良く、第２設定時間は６０分であっても良い。

適用状態判断部１２０は、バッテリー１０の入出力電力パターンを分析してバッテリー１０の現在適用状態（ａｐｐｌｉｃａｔｉｏｎ）を判断する。バッテリー１０の現在適用状態はバッテリー１０が現在どのような様相に適用されているかを意味し、定電流（Ｃｏｎｓｔａｎｔ Ｃｕｒｒｅｎｔ；ＣＣ）状態、光発電（ＰｈｏｔｏＶｏｌｔａｉｃ；ＰＶ）状態、周波数調整（Ｆｒｅｑｕｅｎｃｙ Ｒｅｇｕｌａｔｉｏｎ；ＦＲ）状態およびピークシェービング（Ｐｅａｋ Ｓｈａｖｉｎｇ；ＰＳ）状態のうち１つ以上であっても良い。ＣＣ状態はバッテリー１０に定電流が流れる状態であって、バッテリー１０が定電流で充電または放電される状態である。ＰＶ状態は光発電によってバッテリー１０に電力が発生する状態である。ＦＲ状態はバッテリー１０が負荷変動時に周波数維持のために周波数調整に用いられる状態である。ＰＳ状態はバッテリー１０がシステムピーク（ｐｅａｋ）時間帯にピークを削減するために非常用電力を供給するのに用いられる状態である。

一般的に、ＣＣ状態またはＰＶ状態においては、バッテリー１０の入出力電力パターンが一定レベル以上に充電され、一定レベル以下に放電される過程が持続的に発生してＤＯＤが高いパターンを示すため、このようなパターンの場合に、適用状態判断部１２０はバッテリー１０の現在適用状態をＣＣ状態またはＰＶ状態に判断することができる。

また、ＦＲ状態またはＰＳ状態においては、バッテリー１０の入出力電力パターンが特定ＳＯＣにおいて上方または下方に交差して繰り返される過程が発生して放電深度が低いパターンを示すため、このようなパターンの場合に、適用状態判断部１２０はバッテリー１０の現在適用状態をＦＲ状態またはＰＳ状態に判断することができる。

ＳＯＣ算出部１３０は、バッテリー１０の現在適用状態に対応するＳＯＣ推定アルゴリズムを用いてバッテリー１０のＳＯＣを算出する。ＳＯＣ推定アルゴリズムは、ＥＫＦ（Ｅｘｔｅｎｄｅｄ Ｋａｌｍａｎ Ｆｉｌｔｅｒ） ＳＯＣ推定アルゴリズムまたはＳＳＭＥ（Ｓｍａｒｔ ＳＯＣ Ｍｏｖｉｎｇ Ｅｓｔｉｍａｔｉｏｎ）アルゴリズムを含むことができる。

ＥＫＦ ＳＯＣ推定アルゴリズムは、バッテリーを電気モデル化し、バッテリーモデルの理論出力値と実際出力値を比較して能動的な補正を通じてＳＯＣを推定する方法である。ＥＫＦ ＳＯＣ推定アルゴリズムの入力値は電圧、電流および温度があり、出力値はＳＯＣである。ＥＫＦ ＳＯＣ推定アルゴリズムは、従来の公知の多数の資料を通じて広く知られたアルゴリズムであるため、ＥＫＦ ＳＯＣ推定アルゴリズムにおいてＳＯＣ推定がどのような過程で行われるかに関する具体的な説明は省略する。

ＥＫＦ ＳＯＣ推定アルゴリズムは、常温でＳＯＣ最大誤差が３％レベルとして低く、電力パターンに大きくは関係なく安定的にＳＯＣ推定が可能であるという長所があるが、バッテリーモデルのパラメータ（ｐａｒａｍｅｔｅｒ）にセンシティブであり、電流センサが必ず必要であり、バッテリーの残存寿命（Ｓｔａｔｅ Ｏｆ Ｈｅａｌｔｈ；ＳＯＨ）の変化にセンシティブであるという短所がある。

ＳＳＭＥアルゴリズムは、電流値を用いることなく、終端測定電圧の以前値と現在値の変化に基づいて開放電圧（Ｏｐｅｎ Ｃｉｒｃｕｉｔ Ｖｏｌｔａｇｅ；ＯＣＶ）の変化を推定し、推定されたＯＣＶに基づいてＳＯＣを推定する方法である。ＥＫＦ ＳＯＣ推定アルゴリズムの入力値は電圧および温度があり、出力値はＳＯＣである。以下、図３〜図５を参照してＳＳＭＥアルゴリズムを説明する。

図３〜図５は、本発明の一実施形態によるバッテリー残容量推定装置に用いられるＳＳＭＥアルゴリズムを説明するための図である。

図３および図４は、２つの電圧パターンに応じたＯＣＶ変化を推定する方法を説明するための図である。

図３の場合、測定電圧値２０１の曲線が時間の経過に伴って収斂する様子を示す。この時、実際ＯＣＶは収斂する電圧値である確率が高いため、ＳＳＭＥアルゴリズムは推定ＯＣＶ値２０２を測定電圧値２０１に速く近接させる。

図４の場合、測定電圧値３０１の曲線が時間の経過に伴って傾きが大きくなりつつ発散する様子を示す。この時には、一時的な大きい電流の影響で電圧スパイクが発生する場合である確率が高いため、できるだけ推定ＯＣＶ値３０２を徐々に追従するようになる。

図５は、図３および図４で説明した２つの電圧パターンによるＯＣＶ推定の場合に生じ得る問題点に対するＳＳＭＥアルゴリズムの解決方式を説明するための図である。

測定電圧値４０１の曲線が時間の経過に伴って傾きが大きくなりつつ発散する電圧パターンの場合、これが図４で説明したように一時的でなく持続的に電圧が発散するものであれば、曲線４０２のように測定電圧値４０１を適期に追従することができず、誤差が大きくなる危険がある。このため、ＳＳＭＥアルゴリズムにおいては移動平均に応じた補正ファクターを用いる。すなわち、移動平均値と推定ＯＣＶ値が一定レベル以上に広がれば、補正ファクターを用いて推定ＯＣＶ値が電圧パターンに関係なく測定電圧値４０１を追従するようにして曲線４０３を作る。

ＳＳＭＥアルゴリズムは、電流センサが不要であり、誤差の累積がないという長所があるが、線形電力パターンにおいては正確度が落ち、常温でＳＯＣの最大誤差が５％程度として、ＥＫＦ ＳＯＣ推定アルゴリズムに比べて多少誤差が大きいという短所がある。

このように説明したＳＯＣ推定アルゴリズムは各自の長短所が確実であるのでどれが確実に良いとは断定できない。各ＳＯＣ推定アルゴリズムは、バッテリー１０の入出力電力パターンに応じてＳＯＣ正確度が異なり得る。したがって、ＳＯＣ算出部１３０は、バッテリー１０の現在適用状態に対応する適切なＳＯＣ推定アルゴリズムを用いてバッテリー１０のＳＯＣを算出することでＳＯＣの正確度を高めることができる。

一実施形態において、ＳＯＣ算出部１３０は、バッテリー１０の現在適用状態がＣＣ状態またはＰＶ状態である場合、前記ＥＫＦ ＳＯＣ推定アルゴリズムを用いてバッテリー１０のＳＯＣを算出するようにすることができる。バッテリー１０の現在適用状態がＣＣ状態またはＰＶ状態である場合、バッテリー１０に一定電流が流れる状況であるために線形電力パターンを示すので、ＳＳＭＥアルゴリズムよりはＥＫＦ ＳＯＣ推定アルゴリズムを用いれば、より正確なＳＯＣを算出することができる。バッテリー１０の適用状態は、ＦＲ状態またはＰＳ状態を除いては大半が線形電力パターンを示すため、大半のバッテリー１０の現在適用状態においてＥＫＦ ＳＯＣ推定アルゴリズムを適用することができる。

また、ＳＯＣ算出部１３０は、バッテリー１０の現在適用状態がＦＲ状態またはＰＳ状態である場合、前記ＳＳＭＥアルゴリズムを用いてバッテリー１０のＳＯＣを算出するようにすることができる。バッテリー１０の現在適用状態がＦＲ状態またはＰＳ状態である場合、バッテリー１０に電流が上／下に交差して繰り返される状況であるために非線形電力パターンを示すので、ＥＫＦ ＳＯＣ推定アルゴリズムよりはＳＳＭＥアルゴリズムを用いれば、より正確なＳＯＣを算出することができる。

他の実施形態において、ＳＯＣ算出部１３０は、バッテリー１０の入出力電力パターンの放電深度（Ｄｅｐｔｈ Ｏｆ Ｄｉｓｃｈａｒｇｅ；ＤＯＤ）が既に設定された基準値以上である場合、前記ＥＫＦ ＳＯＣ推定アルゴリズムを用いてバッテリー１０のＳＯＣを算出することができる。バッテリー１０のＤＯＤが高いということは、一定レベル以上に充電され、一定レベル以下に放電される過程が持続的に発生するということであるので、線形電力パターンを示す。したがって、ＳＳＭＥアルゴリズムよりはＥＫＦ ＳＯＣ推定アルゴリズムを用いれば、より正確なＳＯＣを算出することができる。既に設定された基準値は、ＳＯＣ算出部１３０に固定された値として予め設定されていても良く、ユーザの入力を受けて設定されても良い。

ＳＯＣ算出部１３０は、バッテリー１０の入出力電力パターンのＤＯＤが既に設定された基準値未満である場合、前記ＳＳＭＥアルゴリズムを用いてバッテリー１０のＳＯＣを算出することができる。バッテリー１０のＤＯＤが低いということは、電力パターンが特定ＳＯＣにおいて上下に交差して繰り返すということであるので、非線形電力パターンを示す。したがって、ＥＫＦ ＳＯＣ推定アルゴリズムよりはＳＳＭＥアルゴリズムを用いれば、より正確なＳＯＣを算出することができる。

電流センサ確認部１０４は、バッテリー１０に入出力される電流値を測定する電流センサ１１の有無または電流センサ１１の異常有無を確認する。

電流センサ確認部１０４によって確認した結果、電流センサ１１がないか、または電流センサ１１に異常があると判断される場合、ＳＯＣ算出部１０３は直ちにＳＳＭＥアルゴリズムを用いてバッテリー１０のＳＯＣを算出する。ＳＳＭＥアルゴリズムは、電流値を必要としないので電流センサ１１がなくても良いためである。

図６は、本発明の一実施形態によるバッテリー残容量推定方法を説明するためのフローチャートである。

図６を参照すれば、本発明の一実施形態によるバッテリー残容量推定方法が開始されれば、先ず、電流センサの有無（Ｓ１０）および電流センサの異常有無（Ｓ２０）を確認する。また、電流センサがないか、または電流センサに異常があると判断されれば、直ちにＳＳＭＥアルゴリズム（Ｓ８０）を用いてＳＯＣを算出する（Ｓ９０）。

電流センサがあり、電流センサに異常がないと判断されれば、既に設定された時間の間のバッテリーの入出力電力を分析して前記バッテリーの入出力電力パターンを取得する。前記入出力電力パターンは短期入出力電力パターンおよび長期入出力電力パターンを含む。前記バッテリーの入出力電力パターンを取得する過程は、第１設定時間の間のバッテリーの入出力電力を分析して前記バッテリーの短期入出力電力パターンを取得し（Ｓ３０）、前記第１設定時間より長い第２設定時間の間の前記バッテリーの入出力電力を分析して前記バッテリーの長期入出力電力パターンを取得する（Ｓ４０）過程からなることができる。

次に、前記バッテリーの入出力電力パターンを分析して前記バッテリーの現在適用状態を判断する（Ｓ５０）。

また、前記バッテリーの現在適用状態に対応するＳＯＣ推定アルゴリズムを用いて前記バッテリーのＳＯＣを算出する（Ｓ６０、Ｓ７０、Ｓ８０、Ｓ９０）。

例えば、前記バッテリーの現在適用状態（Ｓ６０）がＣＣ状態またはＰＶ状態である場合は、前記ＥＫＦ ＳＯＣ推定アルゴリズム（Ｓ７０）を用いて前記バッテリーのＳＯＣを算出し（Ｓ９０）、前記バッテリーの現在適用状態（Ｓ６０）がＦＲ状態またはＰＳ状態である場合は、前記ＳＳＭＥアルゴリズム（Ｓ８０）を用いて前記バッテリーのＳＯＣを算出する（Ｓ９０）。

前述したバッテリー残容量推定方法は図面に提示されたフローチャートを参照して説明した。簡単に説明するために前記方法は、一連のブロックで図示して説明したが、本発明は、前記ブロックの順に限定されず、いくつかのブロックは他のブロックと本明細書で図示して記述したものとは異なる順にまたは同時になされても良く、同一または類似の結果を達成する様々な他の分岐、流れ経路、およびブロックの順が実現されても良い。また、本明細書で記述される方法の実現のために示された全てのブロックが必要とされない場合もある。

以上、本発明の特定実施形態を図示して説明したが、本発明の技術思想は添付図面と前記説明の内容に限定されるものではなく、本発明の思想を逸脱しない範囲内で様々な形態の変形が可能であるということは本分野の通常の知識を有する者には明らかであり、このような形態の変形は本発明の精神に違背しない範囲内で本発明の特許請求の範囲に属するとみなすことができる。

前記入出力電力パターンは、短期入出力電力パターンおよび長期入出力電力パターンを含んでも良い。この時、前記入出力電力パターン分析部は、第１設定時間の間のバッテリーの入出力電力を分析して前記バッテリーの短期入出力電力パターンを取得する短期入出力電力パターン分析部、および前記第１設定時間より長い第２設定時間の間の前記バッテリーの入出力電力を分析して前記バッテリーの長期入出力電力パターンを取得する長期入出力電力パターン分析部を含んでも良い。

電流センサ確認部１４０は、バッテリー１０に入出力される電流値を測定する電流センサ１１の有無または電流センサ１１の異常有無を確認する。

電流センサ確認部１４０によって確認した結果、電流センサ１１がないか、または電流センサ１１に異常があると判断される場合、ＳＯＣ算出部１３０は直ちにＳＳＭＥアルゴリズムを用いてバッテリー１０のＳＯＣを算出する。ＳＳＭＥアルゴリズムは、電流値を必要としないので電流センサ１１がなくても良いためである。

Claims (20)

1. 既に設定された時間の間のバッテリーの入出力電力を分析して前記バッテリーの入出力電力パターンを取得する入出力電力パターン分析部、
   前記バッテリーの入出力電力パターンを分析して前記バッテリーの現在適用状態を判断する適用状態判断部、および
   前記バッテリーの現在適用状態に対応する残容量（Ｓｔａｔｅ Ｏｆ Ｃｈａｒｇｉｎｇ；ＳＯＣ）推定アルゴリズムを用いて前記バッテリーのＳＯＣを算出するＳＯＣ算出部を含むことを特徴とするバッテリー残容量推定装置。
2. 前記入出力電力パターンは、
   短期入出力電力パターンおよび長期入出力電力パターンを含み、
   前記入出力電力パターン部は、
   第１設定時間の間のバッテリーの入出力電力を分析して前記バッテリーの短期入出力電力パターンを取得する短期入出力電力パターン分析部、および
   前記第１設定時間より長い第２設定時間の間の前記バッテリーの入出力電力を分析して前記バッテリーの長期入出力電力パターンを取得する長期入出力電力パターン分析部を含むことを特徴とする、請求項１に記載のバッテリー残容量推定装置。
3. 前記ＳＯＣ推定アルゴリズムは、
   ＥＫＦ（Ｅｘｔｅｎｄｅｄ Ｋａｌｍａｎ Ｆｉｌｔｅｒ） ＳＯＣ推定アルゴリズムまたはＳＳＭＥ（Ｓｍａｒｔ ＳＯＣ Ｍｏｖｉｎｇ Ｅｓｔｉｍａｔｉｏｎ）アルゴリズムを含むことを特徴とする、請求項１に記載のバッテリー残容量推定装置。
4. 前記バッテリーの現在適用状態は、
   定電流（Ｃｏｎｓｔａｎｔ Ｃｕｒｒｅｎｔ；ＣＣ）状態、光発電（ＰｈｏｔｏＶｏｌｔａｉｃ；ＰＶ）状態、周波数調整（Ｆｒｅｑｕｅｎｃｙ Ｒｅｇｕｌａｔｉｏｎ；ＦＲ）状態およびピークシェービング（Ｐｅａｋ Ｓｈａｖｉｎｇ；ＰＳ）状態のうち１つ以上を含むことを特徴とする、請求項３に記載のバッテリー残容量推定装置。
5. 前記ＳＯＣ算出部は、
   前記バッテリーの現在適用状態がＣＣ状態またはＰＶ状態である場合、前記ＥＫＦ ＳＯＣ推定アルゴリズムを用いて前記バッテリーのＳＯＣを算出することを特徴とする、請求項４に記載のバッテリー残容量推定装置。
6. 前記ＳＯＣ算出部は、
   前記バッテリーの現在適用状態がＦＲ状態またはＰＳ状態である場合、前記ＳＳＭＥアルゴリズムを用いて前記バッテリーのＳＯＣを算出することを特徴とする、請求項４に記載のバッテリー残容量推定装置。
7. 前記ＳＯＣ算出部は、
   前記バッテリーの入出力電力パターンの放電深度（Ｄｅｐｔｈ Ｏｆ Ｄｉｓｃｈａｒｇｅ；ＤＯＤ）が既に設定された基準値以上である場合、前記ＥＫＦ ＳＯＣ推定アルゴリズムを用いて前記バッテリーのＳＯＣを算出することを特徴とする、請求項３に記載のバッテリー残容量推定装置。
8. 前記ＳＯＣ算出部は、
   前記バッテリーの入出力電力パターンのＤＯＤが既に設定された基準値未満である場合、前記ＳＳＭＥアルゴリズムを用いて前記バッテリーのＳＯＣを算出することを特徴とする、請求項３に記載のバッテリー残容量推定装置。
9. 前記バッテリーに入出力される電流値を測定する電流センサの有無または電流センサの異常有無を確認する電流センサ確認部をさらに含むことを特徴とする、請求項３に記載のバッテリー残容量推定装置。
10. 前記ＳＯＣ算出部は、
    前記電流センサ確認部において電流センサがないかまたは電流センサに異常があると判断される場合、前記ＳＳＭＥアルゴリズムを用いて前記バッテリーのＳＯＣを算出することを特徴とする、請求項９に記載のバッテリー残容量推定装置。
11. 既に設定された時間の間のバッテリーの入出力電力を分析して前記バッテリーの入出力電力パターンを取得するステップ、
    前記バッテリーの入出力電力パターンを分析して前記バッテリーの現在適用状態を判断するステップ、および
    前記バッテリーの現在適用状態に対応する残容量（Ｓｔａｔｅ Ｏｆ Ｃｈａｒｇｉｎｇ；ＳＯＣ）推定アルゴリズムを用いて前記バッテリーのＳＯＣを算出するステップを含むことを特徴とするバッテリー残容量推定方法。
12. 前記入出力電力パターンは、
    短期入出力電力パターンおよび長期入出力電力パターンを含み、
    前記バッテリーの入出力電力パターンを取得するステップは、
    第１設定時間の間のバッテリーの入出力電力を分析して前記バッテリーの短期入出力電力パターンを取得するステップ、および
    前記第１設定時間より長い第２設定時間の間の前記バッテリーの入出力電力を分析して前記バッテリーの長期入出力電力パターンを取得するステップを含むことを特徴とする、請求項１１に記載のバッテリー残容量推定方法。
13. 前記ＳＯＣ推定アルゴリズムは、
    ＥＫＦ（Ｅｘｔｅｎｄｅｄ Ｋａｌｍａｎ Ｆｉｌｔｅｒ） ＳＯＣ推定アルゴリズムまたはＳＳＭＥ（Ｓｍａｒｔ ＳＯＣ Ｍｏｖｉｎｇ Ｅｓｔｉｍａｔｉｏｎ）アルゴリズムを含むことを特徴とする、請求項１１に記載のバッテリー残容量推定方法。
14. 前記バッテリーの現在適用状態は、
    定電流（Ｃｏｎｓｔａｎｔ Ｃｕｒｒｅｎｔ；ＣＣ）状態、光発電（ＰｈｏｔｏＶｏｌｔａｉｃ；ＰＶ）状態、周波数調整（Ｆｒｅｑｕｅｎｃｙ Ｒｅｇｕｌａｔｉｏｎ；ＦＲ）状態およびピークシェービング（Ｐｅａｋ Ｓｈａｖｉｎｇ；ＰＳ）状態のうち１つ以上を含むことを特徴とする、請求項１３に記載のバッテリー残容量推定方法。
15. 前記バッテリーのＳＯＣを算出するステップは、
    前記バッテリーの現在適用状態がＣＣ状態またはＰＶ状態である場合、前記ＥＫＦ ＳＯＣ推定アルゴリズムを用いて前記バッテリーのＳＯＣを算出するステップを含むことを特徴とする、請求項１４に記載のバッテリー残容量推定方法。
16. 前記バッテリーのＳＯＣを算出するステップは、
    前記バッテリーの現在適用状態がＦＲ状態またはＰＳ状態である場合、前記ＳＳＭＥアルゴリズムを用いて前記バッテリーのＳＯＣを算出するステップを含むことを特徴とする、請求項１４に記載のバッテリー残容量推定方法。
17. 前記バッテリーのＳＯＣを算出するステップは、
    前記バッテリーの入出力電力パターンの放電深度（Ｄｅｐｔｈ Ｏｆ Ｄｉｓｃｈａｒｇｅ；ＤＯＤ）が既に設定された基準値以上である場合、前記ＥＫＦ ＳＯＣ推定アルゴリズムを用いて前記バッテリーのＳＯＣを算出するステップを含むことを特徴とする、請求項１３に記載のバッテリー残容量推定方法。
18. 前記バッテリーのＳＯＣを算出するステップは、
    前記バッテリーの入出力電力パターンのＤＯＤが既に設定された基準値未満である場合、前記ＳＳＭＥアルゴリズムを用いて前記バッテリーのＳＯＣを算出するステップを含むことを特徴とする、請求項１３に記載のバッテリー残容量推定方法。
19. 前記バッテリーに入出力される電流値を測定する電流センサの有無または電流センサの異常有無を確認するステップ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残容量推定方法。
20. 前記バッテリーのＳＯＣを算出するステップは、
    前記電流センサの有無を確認するステップにおいて電流センサがないかまたは電流センサに異常があると判断される場合、前記ＳＳＭＥアルゴリズムを用いて前記バッテリーのＳＯＣを算出するステップを含むことを特徴とする、請求項１９に記載のバッテリー残容量推定方法。

Images