JP2020508442A - バッテリー充電状態推定装置及び方法 - Google Patents

Abstract

本発明は、バッテリーの充電状態を推定する装置及び方法に関する。本発明の一実施例による装置は、前記バッテリーの電圧及び電流を各々測定するように構成されたセンシング部と、前記測定された電流に基づいて、所定の周期の間の電流積算値を算出するように構成された電流積算部と、前記センシング部及び前記電流積算部と動作可能に結合されたプロセッサと、を含む。前記プロセッサは、前記バッテリーの動作特性によって、拡張カルマンフィルタによって用いられるプロセスノイズ共分散の値を調節し、調節されたプロセスノイズ共分散の値に基づいてバッテリーの充電状態を推定する。

Description

本発明は、バッテリーの充電状態（ｓｔａｔｅ ｏｆ ｃｈａｒｇｅ；ＳＯＣ）を推定する装置及び方法に関し、より詳しくは、バッテリーの動作状態に応じて拡張カルマンフィルタ（Ｅｘｔｅｎｄｅｄ Ｋａｌｍａｎｎ Ｆｉｌｔｅｒ）に関わるパラメータを調節することで、バッテリーの充電状態を適応的に推定する装置及び方法に関する。

本出願は、２０１７年９月７日出願の韓国特許出願第１０−２０１７−０１１４６０１号に基づく優先権を主張し、該当出願の明細書及び図面に開示された内容は、すべて本出願に組み込まれる。

最近、ノートブックＰＣ、ビデオカメラ、携帯電話などのような携帯用電子製品の需要が急増し、電気自動車、エネルギー貯蔵用蓄電池、ロボット、衛星などの開発が本格化するにつれ、反復的な充放電の可能な高性能バッテリーについての研究が活発に進行しつつある。

現在、商用化したバッテリーとしては、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、リチウムバッテリーなどがあり、このうち、リチウムバッテリーは、ニッケル系のバッテリーに比べてメモリー効果がほとんど起こらず、充放電が自由で、自己放電率が非常に低くてエネルギー密度が高いという長所から脚光を浴びている。

バッテリーの使用及び管理における重要なパラメータの一つは、充電状態である。充電状態は、バッテリーが完全に充電されたときにバッテリーに貯蔵された電気エネルギーを示す最大容量（ｍａｘｉｍｕｍ ｃａｐａｃｉｔｙ）に対する現在容量の相対的割合を示すパラメータであって、０〜１または０％〜１００％で表現され得る。

バッテリーの充電状態の推定には、電流積算モデル及び等価回路モデルが代表的に用いられている。

電流積算モデルは、電流センサーを用いてバッテリーを流れる電流を測定し、測定された電流を時間に対して累積した電流積算値に基づいて、バッテリーの充電状態を推定する。しかし、電流センサーの測定誤差によって、電流積算モデルを用いて推定された充電状態と実際の充電状態との差が発生し、その差は時間が経過するほど大きくなるという問題がある。

等価回路モデルは、バッテリーの電気的な動作特性に倣うように設計されたものである。但し、バッテリーは、動作状態に応じて非線形的な特性を有し、バッテリーの非線形的な特性に完璧に倣うように等価回路モデルを設計することはかなり難しい。

前述の電流積算モデル及び等価回路モデル各々の短所を解決するために、拡張カルマンフィルタを用いてバッテリーの充電状態を推定する技術が存在する。拡張カルマンフィルタは、電流積算モデルと等価回路モデルとを組み合わせることで、電流積算モデル及び等価回路モデルのいずれか一つのみを用いる場合よりも正確な充電状態を推定することができる。即ち、バッテリーの充電状態をより実際に近接して推定することができる。

拡張カルマンフィルタを用いてバッテリーの充電状態を推定するためには、少なくとも一つの状態変数（例えば、充電状態、オーバーポテンシャル）各々に関わる少なくとも一つのプロセスノイズ共分散の値が求められる。ところが、従来には、プロセスノイズ共分散の値として定数が割り当てられていた。これによって、バッテリーの動作特性や使用環境とは無関係に、プロセスノイズ共分散は変わらない。

本発明は、上記問題点に鑑みてなされたものであり、バッテリーの動作特性に応じて拡張カルマンフィルタによって用いられるプロセスノイズ共分散の値を調節し、調節されたプロセスノイズ共分散の値に基づいてバッテリーの充電状態を周期的に推定する装置及び方法を提供することを目的とする。

本発明の他の目的及び長所は、下記の説明によって理解でき、本発明の実施例によってより明らかに分かるであろう。また、本発明の目的及び長所は、特許請求の範囲に示される手段及びその組合せによって実現することができる。

上記の課題を達成するための本発明の多様な実施例は、以下のようである。

本発明の一面によるバッテリーの充電状態を推定する装置は、前記バッテリーの電圧及び電流を各々測定するように構成されたセンシング部と、前記測定された電流に基づいて、所定の周期の間の電流積算値を算出するように構成された電流積算部と、前記センシング部及び前記電流積算部と動作可能に結合したプロセッサと、を含む。前記プロセッサは、メモリーから前記バッテリーの充電状態に関わる第１初期値と、前記バッテリーのオーバーポテンシャルに関わる第２初期値と、拡張カルマンフィルタの誤差共分散行列に関わる第３初期値と、を読み出す。前記プロセッサは、前記第１初期値及び前記第２初期値各々を拡張カルマンフィルタの第１状態方程式の第１状態変数及び第２状態変数に割り当てる。前記プロセッサは、前記第１状態方程式を用いて、前記電流積算値に基づいて前記第１状態変数及び前記第２状態変数各々を予測する。前記プロセッサは、前記第１初期値及び前記予測された第１状態変数のいずれか一つに基づいて、 前記拡張カルマンフィルタのプロセスノイズ共分散行列を決定する。前記プロセッサは、前記拡張カルマンフィルタの第２状態方程式を用いて、前記第３初期値及び前記決定されたプロセスノイズ共分散行列に基づいて、前記誤差共分散行列を予測する。前記プロセッサは、前記予測された誤差共分散行列に基づいて、前記拡張カルマンフィルタのカルマンゲインを決定する。前記プロセッサは、前記決定されたカルマンゲイン及び前記測定された電圧に基づいて、前記予測された第１状態変数及び前記予測された第２状態変数を各々補正する。

また、前記プロセッサは、前記補正された第１状態変数及び前記補正された第２状態変数の少なくとも一つを示す通知信号を外部装置に出力し得る。

また、前記プロセッサは、前記第１初期値を前記補正された第１状態変数の値と同一に設定し、前記第２初期値を前記補正された第２状態変数の値と同一に設定し得る。

また、前記プロセッサは、前記決定されたカルマンゲインに基づいて、前記予測された誤差共分散行列を補正し、前記第３初期値を前記補正された誤差共分散行列と同一に設定し得る。

また、前記センシング部は、前記バッテリーの温度をさらに測定し得る。この場合、前記プロセッサは、前記測定された温度に基づいて、前記バッテリーの等価回路モデルに関わる複数の回路パラメータを決定し、前記決定されたパラメータにさらに基づいて、前記第２状態変数を予測し得る。

また、前記プロセッサは、前記第１初期値が第１区間内である場合、前記プロセスノイズ共分散行列の第１プロセスノイズ及び第２プロセスノイズ各々に、予め決定された第１値及び予め決定された第２値を割り当て得る。

また、前記プロセッサは、前記バッテリーの充電状態と開放電圧との関係を示す開放電圧カーブを、前記バッテリーの充電状態と開放電圧変化率との関係を示す開放電圧変化率カーブに変換し得る。前記プロセッサは、前記開放電圧変化率カーブに基づいて、前記開放電圧変化率が臨界値以上となる充電状態の区間を前記第１区間に設定し、前記開放電圧変化率カーブに基づいて、前記開放電圧変化率が前記臨界値未満になる充電状態の区間を第２区間に設定し得る。

一具現例において、前記プロセッサは、前記第１初期値が前記第２区間内である場合、前記第１プロセスノイズに前記第１値よりも小さい第３値を割り当て、前記第２プロセスノイズに前記第２値を割り当て得る。

他の具現例において、前記プロセッサは、前記第１初期値が前記第２区間内である場合、前記第１プロセスノイズに前記第１値を割り当て、前記第２プロセスノイズに前記第２値よりも大きい第４値を割り当て得る。

さらに他の具現例において、前記プロセッサは、前記第１初期値が前記第２区間内である場合、前記第１プロセスノイズに前記第１値よりも小さい第５値を割り当て、前記第２プロセスノイズに前記第２値よりも大きい第６値を割り当て得る。

本発明の他面によるバッテリーパックは、前記バッテリー充電状態推定装置を含む。

本発明の実施例の少なくとも一つによれば、バッテリーの動作特性に応じて拡張カルマンフィルタによって用いられるプロセスノイズ共分散の値を調節し、調節されたプロセスノイズ共分散の値に基づいてバッテリーの充電状態を周期的に推定することができる。これによって、プロセスノイズ共分散の値を特定定数に維持する方式に比べ、バッテリーの充電状態をより正確に推定することができる。

本発明の効果は上述の効果に制限されず、言及されていないさらに他の効果は、請求範囲の記載から当業者にとって明確に理解されるであろう。

本明細書に添付される次の図面は、本発明の望ましい実施例を例示するものであり、発明の詳細な説明とともに本発明の技術的な思想をさらに理解させる役割をするため、本発明は図面に記載された事項だけに限定されて解釈されてはならない。

本発明の一実施例によるバッテリー充電状態推定装置の概略的な構成図である。 図１に示したバッテリー充電状態推定装置によって用いられる例示的な等価回路モデルを示す。 バッテリーの充電状態と開放電圧との関係を示す開放電圧カーブを例示的に示したグラフである。 バッテリーの充電状態と開放電圧の変化率との関係を示す開放電圧変化率カーブを例示的に示したグラフである。 本発明の一実施例によって拡張カルマンフィルタのプロセスノイズ共分散行列の成分を調節した場合と調節していない場合との差を示すグラフである。

以下、添付された図面を参照して本発明の望ましい実施例を詳しく説明する。これに先立ち、本明細書及び請求範囲に使われた用語や単語は通常的や事前的な意味に限定して解釈されてはならず、発明者自らは発明を最善の方法で説明するために用語の概念を適切に定義できるという原則に則して本発明の技術的な思想に応ずる意味及び概念で解釈されねばならない。

したがって、本明細書に記載された実施例及び図面に示された構成は、本発明のもっとも望ましい一実施例に過ぎず、本発明の技術的な思想のすべてを代弁するものではないため、本出願の時点においてこれらに代替できる多様な均等物及び変形例があり得ることを理解せねばならない。

また、本発明に関連する公知の機能または構成についての具体的な説明が、本発明の要旨をぼやかすと判断される場合、その説明を省略する。

第１、第２などのように序数を含む用語は、多様な構成要素のうちいずれか一つを残りと区別する目的として使用され、このような用語によって構成要素が限定されることではない。

なお、明細書の全体にかけて、ある部分が、ある構成要素を「含む」とするとき、これは特に反する記載がない限り、他の構成要素を除くことではなく、他の構成要素をさらに含み得ることを意味する。また、明細書に記載の「制御ユニット」のような用語は、少なくとも一つの機能や動作を処理する単位を示し、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とソフトウェアとの結合せにより具現され得る。

さらに、明細書の全体に亘って、ある部分が他の部分と「連結（接続）」されているとするとき、これは、「直接的に連結（接続）」されている場合のみならず、その中間に他の素子を介して「間接的に連結（接続）」されている場合も含む。

図１は、本発明の一実施例によるバッテリー充電状態推定装置の概略的な構成図であり、図２は、図１に示したバッテリー充電状態推定装置によって用いられる例示的な等価回路モデルを示す。

図１を参照すれば、バッテリーパック１は、バッテリーＢ及びバッテリー充電状態推定装置１００（以下、「推定装置」とする。）を含み得る。推定装置１００は、センシング部１１０、電流積算部１２０及びプロセッサ１３０を含む。

センシング部１１０は、電流積算部１２０及びプロセッサ１３０と動作可能に結合する。即ち、センシング部１１０は、電流積算部１２０及びプロセッサ１３０各々に電気的信号を伝送するか、電流積算部１２０及びプロセッサ１３０各々から電気的信号を受信するように電流積算部１２０及びプロセッサ１３０に接続し得る。

センシング部１１０は、第１所定の周期ごとにバッテリーＢの正極と負極との間に印加される電圧と、バッテリーＢに対して流入または流出する電流を繰り返して測定し、測定された電圧及び電流を示す信号を電流積算部１２０及びプロセッサ１３０の少なくとも一つに提供し得る。

センシング部１１０は、バッテリーＢの電流を測定するように構成された電流センサーを含む。また、センシング部１１０は、バッテリーＢの電圧を測定するように構成された電圧センサーをさらに含み得る。また、センシング部１１０は、バッテリーＢの温度を測定するように構成された温度センサーをさらに含み得る。

電流積算部１２０は、センシング部１１０及びプロセッサ１３０と動作可能に結合する。電流積算部１２０は、第２所定の周期ごとに電流積算値を算出するように構成される。この際、クーロンカウンター（ｃｏｕｌｏｍｂ ｃｏｕｎｔｅｒ）が電流積算部１２０として用られ得る。電流積算値の単位は、「Ａｈ（ａｍｐｅｒｅ ｈｏｕｒ）」である。また、第２所定の周期は、第１所定の周期と同一またはより長い時間であり得る。例えば、第２所定の周期は、第１所定の周期の定数倍であり得る。以下では、説明の便宜のために、第１所定の周期と第２所定の周期とが相互同一であると仮定する。

具体的に、電流積算部１２０は、センシング部１１０によって測定された電流に基づいて、第２所定の周期の間の電流積算値を算出し、算出された電流積算値を示す信号をプロセッサ１３０に伝送する過程を第２所定の周期ごとに繰り返し得る。

電流積算モデルにおいて、電流積算値及び充電状態は、下記の数式１のように定義することができる。

数式１において、下付き文字ｋは、時間インデックスであり、第２所定の周期ごとに１ずつ増加する値である。また、ＳＯＣは充電状態、Δｔは第２所定の周期の時間長さ、Ｑ_ｍａｘはバッテリーＢの最大容量（ｍａｘｉｍｕｍ ｃａｐａｃｉｔｙ）を示す。

プロセッサ１３０は、センシング部１１０及び電流積算部１２０と動作可能に結合する。プロセッサ１３０は、拡張カルマンフィルタを用いて、センシング部１１０及び電流積算部１２０各々からの信号が示すバッテリーＢの動作状態に基づいて、バッテリーＢの充電状態を推定する。電流積算部１２０は、第２所定の周期ごとに電流電算値を算出するため、プロセッサ１３０も第２所定の周期ごとにバッテリーＢの充電状態を推定できる。プロセッサ１３０は、推定充電状態を示すメッセージを通信端子ＣＯＭを介して外部装置（例えば、車両のＥＣＵ、ディスプレイなど）に伝送し得る。

プロセッサ１３０は、多様な制御ロジッグを実行するために当業界に知られたＡＳＩＣ（ａｐｐｌｉｃａｔｉｏｎ−ｓｐｅｃｉｆｉｃ ｉｎｔｅｇｒａｔｅｄ ｃｉｒｃｕｉｔ）、他のチップセット、論理回路、レジスター、通信モデム、データ処理装置などを選択的に含み得る。プロセッサ１３０によって実行可能な多様な制御ロジッグは、少なくとも一つ以上が組み合わせられ、組み合わせられた制御ロジッグは、コンピュータが読出可能なコード体系で作成され、コンピュータが読出可能な記録媒体に収録され得る。記録媒体は、コンピュータに含まれたプロセッサ１３０によってアクセス可能なものであれば、その種類は特に制限されない。一例として、記録媒体は、ＲＯＭ、ＲＡＭ、レジスター、ＣＤ−ＲＯＭ、磁気テープ、ハードディスク、フロッピーディスク及び光データ記録装置を含む群より選択された少なくとも一つ以上を含む。また、コード体系は、キャリア信号に変調されて特定の時点で通信キャリアに含まれ得、ネットワークによって接続したコンピュータに分散して保存されて実行され得る。また、組み合わせられた制御ロジッグを具現するための機能的なプログラム、コード及びコードセグメントは、本発明が属する技術分野におけるプログラマーによって容易に推論できる。

プロセッサ１３０には、メモリー１３１が内蔵され得る。メモリー１３１は、データを記録、消去、更新及び読出可能であると知られた公知の情報保存手段であれば、その種類は特に制限されない。一例として、メモリーは、ＤＲＡＭ、ＳＤＲＡＭ、フラッシュメモリー、ＲＯＭ、ＥＥＰＲＯＭ、レジスターなどであり得る。メモリー１３１は、プロセッサ１３０によって実行可能なプロセスが定義されたプログラムコードを保存し得る。特に、メモリー１３１には、拡張カルマンフィルタを実行するのに要求される第１状態方程式、第２状態方程式、第１観測方程式、第２観測方程式、第３観測方程式及び等価回路モデル各々を定義するデータが予め保存される。

プロセッサ１３０は、センシング部１１０及び電流積算部１２０からの信号に基づいて、第１状態方程式、第２状態方程式、第１観測方程式、第２観測方程式、第３観測方程式及び等価回路モデルのうち少なくとも一つに関わる変数の値を決定することで、バッテリーＢの充電状態を時間に従って繰り返して推定して行くことができる。

この際、第１状態方程式は、バッテリーＢの充電状態とオーバーポテンシャルを予測することに用いられる。第２状態方程式は、誤差共分散行列を予測することに用いられる。第１観測方程式は、カルマンゲインを決定することに用いられる。第２観測方程式は、第１観測方程式によって決定されたカルマンゲインに基づいて、第１状態方程式によって予測された充電状態及び予測されたオーバーポテンシャル各々を補正することに用いられる。第３観測方程式は、第１観測方程式によって決定されたカルマンゲインに基づいて、第２状態方程式によって予測された誤差共分散行列を補正することに用いられる。

図２を参照すれば、等価回路モデル２００は、開放電圧源２１０、内部抵抗２２０及びＲＣ回路２３０を含む。図示したように、開放電圧源２１０、内部抵抗２２０及びＲＣ回路２３０は、相互直列に接続し得る。

開放電圧源２１０は、電気化学的に長時間の間（即ち、充分に）安定化したバッテリーＢの正極と負極と間の電圧である開放電圧に倣い、バッテリーＢの充電状態と非線形的な関数関係を有する。即ち、ＯＣＶ＝ｆ_１（ＳＯＣ）であり、ＳＯＣ＝ｆ_２（ＯＣＶ）であって、ｆ_１とｆ_２とは相異なる関数を示す。

開放電圧源２１０によって形成される開放電圧は、事前実験によって多様な充電状態と温度別に予め定義され得る。

即ち、予め決定された複数の温度各々ごとに、バッテリーＢの充電状態に応じた開放電圧の変化を測定し、バッテリーＢの充電状態と開放電圧との関係を示すデータをルックアップテーブルの形態でメモリー１３１に予め保存し得る。例えば、事前実験に用いられた温度値がｍ個である場合、ｍ個のＯＣＶ−ＳＯＣカーブを示すルックアップテーブルがメモリーに予め保存され得る。

内部抵抗２２０は、バッテリーＢのＩＲドロップ（ｄｒｏｐ）に倣う。ＩＲドロップとは、バッテリーＢの充電や放電時、バッテリーＢの両端電圧の瞬間的な変化である電圧ドロップを意味する。ＩＲドロップによって、無負荷状態のバッテリーＢに対する充電が開始される時点で測定される電圧は、開放電圧よりも大きい。逆に、無負荷状態のバッテリーＢに対する放電が開始される時点で測定される電圧は、開放電圧よりも小さい。内部抵抗２２０の抵抗値（ｒｅｓｉｓｔａｎｃｅ）Ｒ_０も、事前実験によって予め決定された複数の温度各々ごとに相異に設定され得る。

ＲＣ回路２３０は、バッテリーＢの電気二重層（ｅｌｅｃｔｒｉｃ ｄｏｕｂｌｅ ｌａｙｅｒ）などによって誘導されるオーバーポテンシャルに倣い、相互並列で接続した抵抗２３１及びキャパシタ２３２を含む。Ｒ_１は抵抗２３１の抵抗値、Ｃ_１はキャパシタ２３２のキャパシタンスである。オーバーポテンシャルは、「分極電圧」と称することもある。Ｒ_１及びＣ_１各々は、事前実験によって予め決定された複数の温度各々ごとに相異に設定され得る。

等価回路モデル２００において、オーバーポテンシャルは、下記の数式２のように定義することができる。

数式２において、下付き文字ｋは時間インデックスであり、第２所定の周期ごとに１ずつ増加する値である。また、Ｖｏｐはオーバーポテンシャル、Ｉはセンシング部１１０によって測定された電流、Δｔは第２所定の周期の時間長さ、Ｒ_１は抵抗２３１の抵抗値、Ｃ_１はキャパシタ２３２のキャパシタンスを示す。

プロセッサ１３０は、第２所定の周期ごとに、既に推定された充電状態及びセンシング部１１０によって測定されたバッテリーＢの温度に基づいて、メモリー１３１に既に保存されたデータを参照して、等価回路モデル２００に関わるパラメータの一つである開放電圧を決定し得る。

プロセッサ１３０は、第２所定の周期ごとに、センシング部１１０によって測定されたバッテリーＢの温度に基づいて、メモリーに既に保存されたデータを参照して、等価回路モデル２００に関わる他の複数の回路パラメータである内部抵抗２２０の抵抗値Ｒ_０、抵抗２３１の抵抗値Ｒ_１及びキャパシタ２３２のキャパシタンスＣ_１を決定し得る。

第１状態方程式は、電流積算モデルと等価回路モデル２００との組合せから誘導され得、下記の数式３のように表すことができる。

数式３において、Ａ及びＢ各々は拡張カルマンフィルタの相異なるシステム行列であって、各々は固定された成分のみを有することができる。また、下付き文字ｋは時間インデックスであり、第２所定の周期ごとに１ずつ増加する値である。また、ａは第１状態変数、ｂは第２状態変数、Ｉはセンシング部１１０によって測定された電流、Ｒ_１は抵抗２３１の抵抗値、Ｃ_１はキャパシタ２３２のキャパシタンス、Δｔは第２所定の周期の時間長さ、Ｑ_ｍａｘはバッテリーＢの最大容量を示す。

プロセッサ１３０は、メモリー１３１からバッテリーＢの充電状態に関わる第１初期値及びバッテリーＢのオーバーポテンシャルに関わる第２初期値を読み出す。プロセッサ１３０は、第１初期値を第１状態変数ａに割り当て、第２初期値を第２状態変数ｂに割り当てる。ここで、第１初期値は、時間インデックスがｋ−１であるときに推定された充電状態である以前充電状態を示す。また、第２初期値は、時間インデックスがｋ−１であるときに推定されたオーバーポテンシャルである以前オーバーポテンシャルを示す。また、上付き記号「^∧」は、拡張カルマンフィルタによって予測された値であることを示す記号であり、上付き記号「⁻」は拡張カルマンフィルタによって補正される前の値であることを示す記号である。

ｋ−１＝０であるとき、予め決定された二つの値が第１状態変数ａと第２状態変数ｂに各々入力され得る。

数式３から確認することができるように、プロセッサ１３０は、第１状態方程式を用いて、電流積算値Δｔ×Ｉ_ｋに基づき、第１状態変数及び第２状態変数各々の予測値を含む

を算出することができる。即ち、時間インデックスｋ−１で既に推定された充電状態及びオーバーポテンシャルから、時間インデックスがｋであるときの充電状態及びオーバーポテンシャルを各々予測することができる。第２状態方程式は、下記の数式４のように表すことができる。

数式４において、下付き文字ｋは時間インデックスであり、第２所定の周期ごとに１ずつ増加する値である。また、Ｐは誤差共分散行列（ｅｒｒｏｒ ｃｏｖａｒｉａｎｃｅ ｍａｔｒｉｘ）、Ｑはプロセスノイズ共分散行列、

は、充電状態に関わるプロセスノイズの共分散、

はオーバーポテンシャルに関わるプロセスノイズの共分散、Ｔは転置行列演算子を示す。即ち、Ａ^ＴはＡの転置行列である。記号「⁻」は、拡張カルマンフィルタによって補正する前の値であることを示す記号である。ｋ−１＝０であるとき、予め決定された値がＰ_ｋ−１に入力され得る。

プロセッサ１３０は、メモリーから拡張カルマンフィルタの誤差共分散行列に関わる第３初期値を読み出すことができる。第３初期値は、時間インデックスｋ−１で既に補正された以前誤差共分散行列であるＰ_ｋ−１を示す。

数式４から確認することができるように、プロセッサ１３０は、第２状態方程式を用いて、以前誤差共分散行列Ｐ_ｋ−１及びプロセスノイズ共分散行列Ｑ_ｋに基づいて、誤差共分散行列を予測することができる。即ち、時間インデックス ｋ−１において既に補正された誤差共分散行列Ｐ_ｋ−１及び時間インデックスが ｋであるときに決定されたプロセスノイズ共分散行列Ｑ_ｋに基づいて、時間インデックスがｋであるときの誤差共分散行列

を予測することができる。

このために、プロセッサ１３０は、第１初期値及び第１状態方程式によって予測された第１状態変数のいずれか一つに基づいて、プロセスノイズ共分散行列Ｑ_ｋを決定することができる。ここで、プロセスノイズ共分散行列を決定するというのは、

を決定するということを意味する。プロセッサ１３０が

を決定する動作は、図４を参照して以下で別途説明する。

第１観測方程式は、下記の数式５のように表すことができる。

数式５において、Ｈは、Ａ及びＢとは異なるシステム行列であり、固定された成分のみを有する。また、Ｋはカルマンゲイン、Ｒは測定ノイズ共分散行列（ｍｅａｓｕｒｅｍｅｎｔ ｎｏｉｓｅ ｃｏｖａｒｉａｎｃｅ ｍａｔｒｉｘ）である。プロセッサ１３０は、第１観測方程式を用いて、第２状態方程式によって予測された誤差共分散行列に基づき、カルマンゲインを決定する。

第２観測方程式は、下記の数式６のように表すことができる。

数式６において、ｚ_ｋはセンシング部１１０によって測定されたバッテリーＢの電圧である。

は、バッテリーＢの電圧の予測値である。プロセッサ１３０は、第１観測方程式によって決定されたカルマンゲイン及びセンシング部１１０によって測定された電圧に基づいて、第１状態方程式によって予測された第１及び第２状態変数を各々補正することができる。

数式６について詳しく説明すれば、ｚ_ｋと

との差にＫ_ｋを掛けた値を、予測された第１及び第２状態変数を含む行列

に足すことで、補正された第１及び第２状態変数を含む行列

が算出される。

補正された第１及び第２状態変数が算出されることで、ｋ番目の周期における充電状態の推定が完了する。即ち、時間インデックスｋにて補正された第１状態変数が充電状態の推定値として設定される。プロセッサ１３０は、メモリー１３１に既に保存された第１初期値を、補正された第１状態変数の値と同一に設定し得る。また、プロセッサ１３０は、メモリーに既に保存された第２初期値を、補正された第２状態変数の値と同一に設定し得る。即ち、プロセッサ１３０は、第１及び第２初期値各々を新たな値に更新することができる。

一方、プロセッサ１３０は、第２観測方程式によって補正された第１及び第２状態変数の少なくとも一つを示す通知信号を通信チャンネルを介して外部装置（例えば、ディスプレイ、電気自動車のＭＣＵ）に出力することができる。通信チャンネルは、有線または無線通信を支援する。有線通信は、例えば、ＣＡＮ（ｃｏｎｔｏｌｌｅｒ ａｒｅａ ｎｅｔｗｏｒｋ）通信であり得、無線通信は、例えば、ジグビーやブルートゥス通信であり得る。

第３観測方程式は、下記の数式７のように表すことができる。

数式７において、Ｅは、単位行列を示す。プロセッサ１３０は、第２状態方程式によって予測された誤差共分散行列

及び第１観測方程式によって決定されたカルマンゲインＫ_ｋに基づき、予測された誤差共分散行列

を補正することができる。プロセッサ１３０は、メモリーに既に保存されたＰ_ｋ−１をＰ_ｋと同一に設定することができる。即ち、プロセッサ１３０は、第３初期値をＰ_ｋ−１からＰ_ｋに更新することができる。

図３は、バッテリーＢの充電状態と開放電圧との関係を例示的に示す開放電圧カーブ３００を示すグラフであり、図４は、バッテリーＢの充電状態と開放電圧の変化率との関係を示す例示的な開放電圧変化率カーブ４００を示すラフである。

先ず、図３の開放電圧カーブ３００を参照すれば、バッテリーＢの温度が特定値（例えば、３０℃）に維持される環境で、充電状態０％〜１００％の範囲で記録された開放電圧の変化を確認することができる。即ち、充電状態が０％から１００％に向けて増加しながら、開放電圧は非線形的に増加し、逆に、充電状態が１００％から０％に向けて減少しながら、開放電圧は非線形的に減少することが分かる。

次に、図４を参照すれば、図３の開放電圧カーブ３００に関わる開放電圧変化率カーブ４００を確認することができる。プロセッサ１３０は、図３に示しした開放電圧カーブ３００を図４に示した開放電圧変化率カーブ４００に変換することができる。プロセッサ１３０は、充電状態が０％から１００％まで所定の割合ΔＳＯＣ（例えば、１％）ずつ変化することによる開放電圧の増加量 ΔＯＣＶを示す開放電圧変化率（即ち、ΔＯＣＶ／ΔＳＯＣ）を算出する過程を繰り返すことで、開放電圧カーブ３００から開放電圧変化率カーブ４００を獲得することができる。

開放電圧変化率カーブ４００が獲得されれば、プロセッサ１３０は、開放電圧変化率カーブ４００に基づき、充電状態０％〜１００％内の第１区間及び第２区間を各々設定することができる。第１区間は、開放電圧変化率が臨界値ＴＨ以上にある充電状態の区間である。図４においては、０％〜Ｓ１％とＳ２％〜１００％とが第１区間に設定され得る。第２区間は、第１区間とは異なり、開放電圧変化率が臨界値ＴＨ未満になる充電状態の区間である。図４においては、Ｓ１％〜Ｓ２％が第２区間に設定され得る。即ち、第１区間と第２区間とは、相互重ねられない。

一方、開放電圧変化率が小さくなるほど、等価回路モデル２００に関わる

の正確度は減少する。したがって、開放電圧変化率に基づいて、電流積算モデルの信頼度を一時的に高める動作及び等価回路モデル２００の信頼度を一時的に低める動作の少なくとも一つを実行する必要がある。

プロセッサ１３０は、第１初期値ａが第１区間内である場合、プロセスノイズ共分散行列（ｐｒｏｃｅｓｓ ｎｏｉｓｅ ｃｏｖａｒｉａｎｃｅ ｍａｔｒｉｘ）の二つの成分である第１プロセスノイズ共分散及び第２プロセスノイズ共分散の各々に予め決定された第１値（例えば、０．１）及び予め決定された第２値（例えば、０．００１）を割り当て得る。第１値と第２値は、事前実験によって予め決定された定数であり得る。

一方、プロセッサ１３０は、第１初期値ａが第２区間内である場合、第１値及び第２値の少なくとも一つを他の値に代替することができる。例えば、プロセッサ１３０は、第１プロセスノイズ共分散に第１値よりも小さい第３値（０．０１）を割り当て、第２プロセスノイズ共分散に第２値を割り当て得る。他の例で、プロセッサ１３０は、第１プロセスノイズ共分散に第１値を割り当て、第２プロセスノイズ共分散に第２値よりも大きい第４値（０．００５）を割り当て得る。さらに他の例で、プロセッサ１３０は、第１プロセスノイズ共分散に第１値よりも小さい第５値（０．０５）を割り当て、第２プロセスノイズ共分散に第２値よりも大きい第６値（０．０１）を割り当て得る。この際、第１値と第３値との差及び第１値と第５値との差は、臨界値と開放電圧変化率との差に比例し得る。また、第２値と第４値との差及び第２値と第６値との差も、臨界値と開放電圧変化率との差に比例し得る。

前述の説明によれば、プロセッサ１３０は、第１初期値ａが第２区間内である場合、第１初期値ａが第１区間内である場合に比べ、第１プロセスノイズ共分散に対する第２プロセスノイズ共分散の割合を増加させる。結果的に、バッテリーＢの充電状態を推定するに際し、等価回路モデル２００の信頼度が相対的に低くなり、電流積算モデルの信頼度は相対的に高くなる。

図５は、本発明の一実施例によって拡張カルマンフィルタのプロセスノイズ共分散行列の成分を調節した場合と調節していない場合との差を示すグラフである。

図５を参照すれば、充電状態１００％であるバッテリーＢを一定な速度で充電状態０％まで放電しながら、実際の充電状態に対する拡張カルマンフィルタによって推定された充電状態の誤差を時間に従って記録した結果を確認することができる。図５において、第１カーブ５０１は、時間インデックスｋが１だけ増加する度に更新される第１初期値によってプロセスノイズ共分散行列の二つの成分が調節される拡張カルマンフィルタを用いて推定された充電状態の誤差を、時間の経過につれて記録したものである。また、第２カーブ５０２は、プロセスノイズ共分散行列の二つの成分が各々第１値及び第２値に固定された拡張カルマンフィルタを用いて推定された充電状態の誤差を時間の経過につれて記録したものである。

この際、ｔ０は実際の充電状態が１００％である時点であり、ｔ１は実際の充電状態がＳ１％になる時点であり、ｔ２は実際の充電状態がＳ２％になる時点であり、ｔ３は実際の充電状態が０％になる時点である。

図５から確認することができるように、ｔ０からｔ１まで、第１カーブと第２カーブとは相互一致する。また、ｔ１からｔ２まで、第１カーブは、第２カーブの下に位置する。また、ｔ２からｔ３まで、第１カーブと第２カーブとは相互一致する。これは、開放電圧変化率が臨界値未満に維持されるｔ１からｔ２までの期間、拡張カルマンフィルタのプロセスノイズ共分散行列の二つの成分の少なくとも一つを調節することによって、実際の充電状態に対して推定された充電状態の誤差は減少するということを裏付ける。

以上で説明した本発明の実施例は、必ずしも装置及び方法を通じて具現されることではなく、本発明の実施例の構成に対応する機能を実現するプログラムまたはそのプログラムが記録された記録媒体を通じて具現され得、このような具現は、本発明が属する技術分野における専門家であれば、前述した実施例の記載から容易に具現できるはずである。

以上、本発明を限定された実施例と図面によって説明したが、本発明はこれに限定されず、本発明の属する技術分野で通常の知識を持つ者によって本発明の技術思想と特許請求の範囲の均等範囲内で多様な修正及び変形が可能であることは言うまでもない。

また、上述の本発明は、本発明が属する技術分野における通常の知識を持つ者によって本発明の技術思想から脱しない範囲内で多様な置換、変形及び変更が可能であるため、上述の実施例及び添付された図面によって限定されず、多様な変形が行われるように各実施例の全部または一部を選択的に組み合わせて構成可能である。

１ バッテリーパック
Ｂ バッテリー
１００ バッテリー充電状態推定装置
１１０ センシング部
１２０ 電流積算部
１３０ プロセッサ
１３１ メモリー
２００ 等価回路モデル
２１０ 開放電圧源２２０ 内部抵抗
２３０ ＲＣ回路
２３１ 抵抗
２３２ キャパシタ
３００ 開放電圧カーブ
４００ 開放電圧変化率カーブ
５０１ 第１カーブ
５０２ 第２カーブ

Claims (11)

1. バッテリーの充電状態を推定するバッテリー充電状態推定装置であって、
   前記バッテリーの電圧及び電流を各々測定するように構成されたセンシング部と、
   前記測定された電流に基づいて、所定の周期の間の電流積算値を算出するように構成された電流積算部と、
   前記センシング部及び前記電流積算部と動作可能に結合したプロセッサと、を含み、
   前記プロセッサは、
   メモリーから前記バッテリーの充電状態に関わる第１初期値と、前記バッテリーのオーバーポテンシャルに関わる第２初期値と、拡張カルマンフィルタの誤差共分散行列に関わる第３初期値と、を読み出し、
   前記第１初期値及び前記第２初期値各々を拡張カルマンフィルタの第１状態方程式の第１状態変数及び第２状態変数に割り当て、
   前記第１状態方程式を用いて、前記電流積算値に基づいて前記第１状態変数及び前記第２状態変数各々を予測し、
   前記第１初期値及び前記予測された第１状態変数のいずれか一つに基づいて、 前記拡張カルマンフィルタのプロセスノイズ共分散行列を決定し、
   前記拡張カルマンフィルタの第２状態方程式を用いて、前記第３初期値及び前記決定されたプロセスノイズ共分散行列に基づいて、前記誤差共分散行列を予測し、
   前記予測された誤差共分散行列に基づいて、前記拡張カルマンフィルタのカルマンゲインを決定し、
   前記決定されたカルマンゲイン及び前記測定された電圧に基づいて、前記予測された第１状態変数及び前記予測された第２状態変数を各々補正する、バッテリー充電状態推定装置。
2. 前記プロセッサは、
   前記補正された第１状態変数及び前記補正された第２状態変数の少なくとも一つを示す通知信号を外部装置に出力する、請求項１に記載のバッテリー充電状態推定装置。
3. 前記プロセッサは、
   前記第１初期値を前記補正された第１状態変数の値と同一に設定し、
   前記第２初期値を前記補正された第２状態変数の値と同一に設定する、請求項１又は２に記載のバッテリー充電状態推定装置。
4. 前記プロセッサは、
   前記決定されたカルマンゲインに基づいて、前記予測された誤差共分散行列を補正し、
   前記第３初期値を前記補正された誤差共分散行列と同一に設定する、請求項１〜３のいずれか一項に記載のバッテリー充電状態推定装置。
5. 前記センシング部は、
   前記バッテリーの温度をさらに測定し、
   前記プロセッサは、
   前記測定された温度に基づいて、前記バッテリーの等価回路モデルに関わる複数の回路パラメータを決定し、
   前記決定されたパラメータにさらに基づいて、前記第２状態変数を予測する、請求項１〜４のいずれか一項に記載のバッテリー充電状態推定装置。
6. 前記プロセッサは、
   前記第１初期値が第１区間内である場合、前記プロセスノイズ共分散行列の第１プロセスノイズ及び第２プロセスノイズ各々に、予め決定された第１値及び予め決定された第２値を割り当てる、請求項１〜５のいずれか一項に記載のバッテリー充電状態推定装置。
7. 前記プロセッサは、
   前記バッテリーの充電状態と開放電圧との関係を示す開放電圧カーブを、前記バッテリーの充電状態と開放電圧変化率との関係を示す開放電圧変化率カーブに変換し、
   前記開放電圧変化率カーブに基づいて、前記開放電圧変化率が臨界値以上となる充電状態の区間を前記第１区間に設定し、
   前記開放電圧変化率カーブに基づいて、前記開放電圧変化率が前記臨界値未満になる充電状態の区間を第２区間に設定する、請求項６に記載のバッテリー充電状態推定装置。
8. 前記プロセッサは、
   前記第１初期値が前記第２区間内である場合、前記第１プロセスノイズに前記第１値よりも小さい第３値を割り当て、前記第２プロセスノイズに前記第２値を割り当てる、請求項７に記載のバッテリー充電状態推定装置。
9. 前記プロセッサは、
   前記第１初期値が前記第２区間内である場合、前記第１プロセスノイズに前記第１値を割り当て、前記第２プロセスノイズに前記第２値よりも大きい第４値を割り当てる、請求項７に記載のバッテリー充電状態推定装置。
10. 前記プロセッサは、
    前記第１初期値が前記第２区間内である場合、前記第１プロセスノイズに前記第１値よりも小さい第５値を割り当て、前記第２プロセスノイズに前記第２値よりも大きい第６値を割り当てる、請求項７に記載のバッテリー充電状態推定装置。
11. 請求項１から請求項１０のいずれか一項に記載のバッテリー充電状態推定装置を含む、バッテリーパック。