KR101449276B1 - 배터리온도 예측방법 및 시스템 - Google Patents

배터리온도 예측방법 및 시스템 Download PDF

Info

Publication number
KR101449276B1
KR101449276B1 KR1020130046469A KR20130046469A KR101449276B1 KR 101449276 B1 KR101449276 B1 KR 101449276B1 KR 1020130046469 A KR1020130046469 A KR 1020130046469A KR 20130046469 A KR20130046469 A KR 20130046469A KR 101449276 B1 KR101449276 B1 KR 101449276B1
Authority
KR
South Korea
Prior art keywords
battery
matrix
temperature
air conditioning
input
Prior art date
Application number
KR1020130046469A
Other languages
English (en)
Inventor
이건구
윤병동
김태진
Original Assignee
현대자동차주식회사
기아자동차주식회사
서울대학교산학협력단
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 현대자동차주식회사, 기아자동차주식회사, 서울대학교산학협력단 filed Critical 현대자동차주식회사
Priority to KR1020130046469A priority Critical patent/KR101449276B1/ko
Priority to US14/080,563 priority patent/US20140324379A1/en
Application granted granted Critical
Publication of KR101449276B1 publication Critical patent/KR101449276B1/ko

Links

Images

Classifications

    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
    • G01K7/00—Measuring temperature based on the use of electric or magnetic elements directly sensitive to heat ; Power supply therefor, e.g. using thermoelectric elements
    • G01K7/42—Circuits effecting compensation of thermal inertia; Circuits for predicting the stationary value of a temperature
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R16/00—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for
    • B60R16/02—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements
    • B60R16/04—Arrangement of batteries
    • 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
    • H01M10/60—Heating or cooling; Temperature control
    • 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

Abstract

배터리 공조라인의 입구단 온도, 배터리 공조라인의 풍량, 배터리 전류량을 측정하는 측정단계; 상기 측정된 데이터를 토대로 배터리의 발열량을 도출하는 도출단계; 및 상기 입구단 온도, 풍량, 전류량, 발열량을 미리 마련된 연산로직에 대입하여 배터리의 복수 지점의 온도를 도출하는 도출단계;를 포함하는 배터리온도 예측방법 및 시스템이 소개된다.

Description

배터리온도 예측방법 및 시스템 {SYSTEM AND METHOD FOR PREDICTING TEMPERATURE OF BATTERY}
본 발명은 차량용 배터리의 각 모듈 도는 셀들의 온도를 직접 측정하지 않고 간접적으로 예측하기 위한 배터리온도 예측방법 및 시스템에 관한 것이다.
하이브리드, 연료전지, 전기자동차 등의 친환경차량에 적용되고 있는 리튬이온 배터리는 일반적으로 배터리 온도에 따라서 성능의 변화가 심하다. 고온에서 배터리를 사용할 경우에는 배터리 열화가 가속화되고, 저온에서 배터리를 사용하는 경우에는 가용에너지 범위가 줄어들게 되고, 대전류 통전 시 리튬석출 등의 문제가 발생하게 된다.
따라서 배터리시스템의 온도관리가 매우 중요하다. 일반적으로 1개 이상의 온도센서를 배터리모듈 등에 설치를 하여 배터리온도를 모니터링하면서 배터리온도에 따라 공랭식의 경우에는 냉각팬의 단수를 조절하거나 수냉식의 경우에는 냉각수의 유량을 조절함으로써 배터리온도를 관리하게 된다. 그런데, 과거의 경험상 다수의 온도센서를 설치함에 따라 센서의 불량에 의한 클레임발생, 다수의 온도센서를 연결하기 위한 하드웨어 레이아웃 설계의 어려움 등이 따르게 되고 이로 인해 불필요한 수리비용 발생 혹은 부품비용 상승 등이 발생하게 된다.
본 발명은 배터리온도를 모니터링 하는 온도센서의 수량을 최소화하면서 배터리시스템의 온도분포를 정확하게 예측하는 모델을 적용함으로써 온도센서 수량 축소에 따른 원가절감, 센서불량에 의한 불필요한 수리 비용 축소, 최소수량의 온도센서를 사용함에 따른 하드웨어 레이아웃 간소화 등을 목적으로 한다.
상기의 배경기술로서 설명된 사항들은 본 발명의 배경에 대한 이해 증진을 위한 것일 뿐, 이 기술분야에서 통상의 지식을 가진자에게 이미 알려진 종래기술에 해당함을 인정하는 것으로 받아들여져서는 안 될 것이다.
JP 2005-265825 A
본 발명은 이러한 문제점을 해결하기 위하여 제안된 것으로, 배터리온도를 모니터링 하는 온도센서의 수량을 최소화하면서 배터리시스템의 온도분포를 정확하게 예측하는 모델을 적용함으로써 온도센서 수량 축소에 따른 원가절감, 센서불량에 의한 불필요한 수리 비용 축소, 최소수량의 온도센서를 사용함에 따른 하드웨어 레이아웃 간소화가 가능한 배터리온도 예측방법 및 시스템을 제공하는데 그 목적이 있다.
상기의 목적을 달성하기 위한 본 발명에 따른 배터리온도 예측방법은, 배터리 공조라인의 입구단 온도, 배터리 공조라인의 풍량, 배터리 전류량을 측정하는 측정단계; 상기 측정된 데이터를 토대로 배터리의 발열량을 도출하는 도출단계; 및 상기 입구단 온도, 풍량, 전류량, 발열량을 미리 마련된 연산로직에 대입하여 배터리의 복수 지점의 온도를 도출하는 도출단계;를 포함한다.
상기 측정단계는 배터리 공조라인의 블로워의 작동부하로부터 풍량을 도출할 수 있다.
상기 계산단계는 미리 마련된 데이터맵에 배터리 전류량을 대입하여 배터리 발열량을 도출할 수 있다.
상기 연산로직은 인풋레이어, 히든레이어, 아웃풋레이어로 구성된 인공신경망 모델일 수 있다.
상기 인풋레이어는 입구단 온도, 풍량, 전류량, 발열량으로 구성된 인풋행렬일 수 있다.
상기 히든레이어에서는 인풋행렬에 제1가중치행렬을 곱하고 제1바이어스행렬을 더하여 제1준비행렬을 도출할 수 있다.
상기 히든레이어에서는 인풋행렬을 정규화하고, 정규화된 행렬에 제1가중치행렬을 곱하고 제1바이어스행렬을 더하여 제1준비행렬을 도출할 수 있다.
상기 히든레이어에서는 제1준비행렬을 아래 수식의 전달함수에 대입하여 제1결과행렬을 도출할 수 있다.
Figure 112013036875096-pat00001
상기 아웃풋레이어에서는 제1결과행렬에 제2가중치행렬을 곱하고 제2바이어스행렬을 더하여 제2결과행렬을 도출할 수 있다.
상기 아웃풋레이어에서는 제2결과행렬을 비정규화함으로써 배터리의 복수 지점의 온도로 구성된 최종행렬을 도출할 수 있다.
본 발명의 배터리온도 예측시스템은, 배터리 공조라인의 입구단에 설치된 온도센서, 배터리 공조라인의 블로워 및 배터리 전류량을 측정하는 전류센서; 및 상기 센서들과 블로워의 데이터를 토대로 배터리의 발열량을 도출하고, 배터리 공조라인의 입구단 온도, 배터리 공조라인의 풍량, 배터리 전류량, 배터리 발열량을 미리 마련된 연산로직에 대입하여 배터리의 복수 지점의 온도를 도출하는 제어부;를 포함한다.
상술한 바와 같은 구조로 이루어진 배터리온도 예측방법 및 시스템에 따르면, 배터리온도를 모니터링 하는 온도센서의 수량을 최소화하면서 배터리시스템의 온도분포를 정확하게 예측하는 모델을 적용함으로써 온도센서 수량 축소에 따른 원가절감, 센서불량에 의한 불필요한 수리 비용 축소, 최소수량의 온도센서를 사용함에 따른 하드웨어 레이아웃 간소화가 가능하다.
도 1은 본 발명의 일 실시예에 따른 배터리온도 예측시스템의 구성도.
도 2는 본 발명의 일 실시예에 따른 배터리온도 예측방법의 순서도.
도 3은 도 2에 도시된 배터리온도 예측방법의 블록도.
도 4는 도 2에 도시된 배터리온도 예측방법의 인풋레이어에 관하여 설명하기 위한 도면.
도 5 내지 6은 도 2에 도시된 배터리온도 예측방법의 히든레이어에 관하여 설명하기 위한 도면.
도 7은 도 2에 도시된 배터리온도 예측방법의 아웃풋레이어에 관하여 설명하기 위한 도면.
이하에서는 첨부된 도면을 참조하여 본 발명의 바람직한 실시 예에 따른 배터리온도 예측방법 및 시스템에 대하여 살펴본다.
도 1은 본 발명의 일 실시예에 따른 배터리온도 예측시스템의 구성도이고, 도 2는 본 발명의 일 실시예에 따른 배터리온도 예측방법의 순서도이며, 도 3은 도 2에 도시된 배터리온도 예측방법의 블록도이고, 도 4는 도 2에 도시된 배터리온도 예측방법의 인풋레이어에 관하여 설명하기 위한 도면이며, 도 5 내지 6은 도 2에 도시된 배터리온도 예측방법의 히든레이어에 관하여 설명하기 위한 도면이고, 도 7은 도 2에 도시된 배터리온도 예측방법의 아웃풋레이어에 관하여 설명하기 위한 도면이다.
도 1은 본 발명의 일 실시예에 따른 배터리온도 예측시스템의 구성도로서, 본 발명의 배터리온도 예측시스템은 배터리 공조라인(L)의 입구단에 설치된 온도센서(200), 배터리 공조라인(L)의 블로워(400) 및 배터리 전류량을 측정하는 전류센서(300); 및 상기 센서들과 블로워(400)의 데이터를 토대로 배터리(100)의 발열량을 도출하고, 배터리 공조라인(L)의 입구단 온도, 배터리 공조라인의 풍량, 배터리 전류량, 배터리 발열량을 미리 마련된 연산로직에 대입하여 배터리의 복수 지점의 온도를 도출하는 제어부(500);를 포함하여 구성된다.
본 발명의 경우 차량용 배터리에 적합한 것으로서, 하이브리드차량, 전기차량, 연료전지차량 등 대용량 배터리로서 별도의 공조시스템을 구비하고 있는 경우에 적용될 수 있다.
이러한 배터리에는 공조공기가 유입되어 순환후 토출됨으로써 배터리의 과열을 방지하거나 예열을 하게 되는데, 본 발명의 경우 그 공조 조절을 위해 배터리의 각 부분의 온도를 체크하고 비정상적인 배터리셀을 파악함에 있어, 배터리의 각 부분마다 온도센서를 설치하는 비효율적인 방법을 피하고, 비교적 정확하게 그 온도를 예측함으로써 원가를 절감하고 온도센서의 불량이나 고장으로부터 자유롭게 할 수 있게 하기 위한 것이다.
이러한 본 발명의 배터리온도 예측시스템은 먼저 배터리 공조라인(L)의 입구단에 설치된 온도센서(200)가 구비된다. 온도센서(200)는 배터리 공조라인의 입구단에 설치되어 공조공기의 온도를 최초로 측정하는 것이다.
그리고, 배터리 공조라인의 블로워(400)가 필요하다. 블로워(400)는 공조라인(L)에서 공기가 순환되도록 하기 위한 것으로서, 그 위치는 공기의 흐름상에 어디에도 설치가 가능한 것이다. 본 실시예의 경우 토출측에 마련된 것이다.
또한, 배터리 전류량을 측정하는 전류센서(300)가 필요하다.
이러한 센서들을 통해 배터리 입구단의 유입되는 공기온도, 배터리 전류량, 배터리 풍량을 알 수 있다. 풍량은 상술한 블로워의 작동단수를 통해 쉽게 알 수 있다. 그리고 배터리의 전류량을 통해 배터리 발열량을 추적할 수 있다.
제어부(500)에서는 각각의 정보를 토대로 배터리 각 부분의 온도를 추정하는 계산을 수행한다. 즉, 제어부(500)는 상기 센서들과 블로워의 데이터를 토대로 배터리의 발열량을 도출하고, 배터리 공조라인의 입구단 온도, 배터리 공조라인의 풍량, 배터리 전류량, 배터리 발열량을 미리 마련된 연산로직에 대입하여 배터리의 복수 지점의 온도를 도출하는 것이다.
구체적으로, 도 2는 본 발명의 일 실시예에 따른 배터리온도 예측방법의 순서도로서, 본 발명의 배터리온도 예측방법은, 배터리 공조라인의 입구단 온도, 배터리 공조라인의 풍량, 배터리 전류량을 측정하는 측정단계(S100); 상기 측정된 데이터를 토대로 배터리의 발열량을 도출하는 도출단계(S200); 및 상기 입구단 온도, 풍량, 전류량, 발열량을 미리 마련된 연산로직에 대입하여 배터리의 복수 지점의 온도를 도출하는 결과단계(S300);를 포함한다.
먼저, 제어부는 배터리 공조라인의 입구단 온도, 배터리 공조라인의 풍량, 배터리 전류량을 측정한다. 여기서 배터리 전류량을 통해 배터리 발열량을 추적한다.
그리고 입구단 온도, 풍량, 전류량, 발열량을 미리 마련된 연산로직에 대입하여 배터리의 복수 지점의 온도를 도출하는 것이다. 그리고 상기 측정단계는 배터리 공조라인의 블로워의 작동부하로부터 풍량을 도출하는 것이 쉬운 방법이다.
또한, 상기 도출단계(S200)는 미리 마련된 데이터맵에 배터리 전류량을 대입하여 배터리 발열량을 도출토록 하는 것으로서, 그 데이터맵은 미리 실험을 통하여 마련해둔다. 데이터맵에는 배터리 전류량을 입력으로 하여 그에 해당하는 발열량을 실험값으로 가지고 있도록 한다.
도 3은 도 2에 도시된 배터리온도 예측방법의 블록도로서, 상기 연산로직은 인풋레이어, 히든레이어, 아웃풋레이어로 구성된 인공신경망 모델로 하는 것을 나타낸다. 인공신경망 모델(ANN, artificial neural network)은 뇌기능의 특성 몇 가지를 컴퓨터 시뮬레이션으로 표현하는 것을 목표로 하는 수학 모델이다. 인공신경망은 시냅스의 결합으로 네트워크를 형성한 인공 뉴런(노드)이 학습을 통해 시냅스의 결합 세기를 변화시켜, 문제 해결 능력을 가지는 모델 전반을 가리킨다. 좁은 의미에서는 오차역전파법을 이용한 다층퍼셉트론을 가리키는 경우도 있지만, 이것은 잘못된 용법으로, 인공신경망은 이에 국한되지 않는다.
인공신경망에는 교사 신호(정답)의 입력에 의해서 문제에 최적화되어 가는 교사 학습과 교사 신호를 필요로 하지 않는 비교사 학습이 있다. 명확한 해답이 있는 경우에는 교사 학습이, 데이터 클러스터링에는 비교사 학습이 이용된다. 결과적으로 모두 차원을 줄이기 위해, 화상이나 통계 등 다차원량의 데이터로, 선형 분리 불가능한 문제에 대해서, 비교적 작은 계산량으로 양호한 회답을 얻을 수 있는 것이 많다. 그 때문에, 패턴 인식이나 데이터 마이닝 등, 다양한 분야에서 응용되고 있다. 인공신경망은 특수한 컴퓨터를 사용하여 구성될 수도 있으나 대부분 일반 컴퓨터에서 응용소프트웨어에 의해 구현된다.
이러한 인공신경망 모델은 기본적으로 인풋레이어(input layer), 히든레이어(hidden layer), 아웃풋레이어(output layer)로 구성된다. 도 3의 블록도에는 이러한 3단계의 레이어에 따른 계산 순서가 나타나 있다. 먼저, 도 4는 도 2에 도시된 배터리온도 예측방법의 인풋레이어에 관하여 설명하기 위한 도면으로서, 인풋레이어에 입력되는 값은 행렬의 형태로 짜여진다. 즉, 상기 인풋레이어는 입구단 온도, 풍량, 전류량, 발열량으로 구성된 인풋행렬이 될 수 있다.
input 1은 배터리 전류값, input 2는 배터리 입구단 온도, input 3은 배터리 발열량, input 4는 배터리 공조 풍량을 나타낸다. 그리고 이러한 데이터 조합이 시간차를 두고 다수 회 측정되어 복수의 case를 이룸에 따라 도시된 인풋행렬(R)이 완성되는 것이다.
그리고 도 3과 같이 히든레이어에서는 인풋행렬(R)을 정규화하고, 정규화된 행렬(p1)에 제1가중치행렬(IW)을 곱하고 제1바이어스행렬(b1)을 더하여 제1준비행렬(n1)을 도출하는 것이다.
도 4에는 이러한 정규화(normalization)의 방법이 기재되어 있다. 먼저, 각 측정 인풋값들 중에서 각 항목별로 최대값과 최소값을 찾고 이를 통하여 아래의 수식에 따라 모든 데이터를 정규화하는 것이다.
Figure 112013036875096-pat00002
그 정규화된 데이터 역시 도 4 하단의 정규화된 행렬(p1)로 나타나게 된다.
그 후 히든레이어에서는 정규화된 행렬(p1)에 제1가중치행렬(IW)을 곱하고 제1바이어스행렬(b1)을 더하여 제1준비행렬(n1)을 도출하는 것이다. 이는 아래의 식으로 나타낼 수 있다.
Figure 112013036875096-pat00003
도 5 내지 6은 도 2에 도시된 배터리온도 예측방법의 히든레이어에 관하여 설명하기 위한 도면이다.
도 5에 도시된 제1가중치행렬(IW)과 제1바이어스행렬(b1)은 미리 마련되는 행렬값으로서, 도시된 실시예의 행렬값을 대입하여 정규화된 행렬(p1)에 제1가중치행렬(IW)을 곱하고 제1바이어스행렬(b1)을 더하여 제1준비행렬(n1)을 도출한다.
그리고 도 6과 같이, 제1준비행렬(n1)을 아래 수식의 전달함수에 대입하여 제1결과행렬(a1)을 도출한다.
Figure 112013036875096-pat00004
도출된 제1결과행렬(a1)은 도 3과 같이, 제1결과행렬(a1)에 제2가중치행렬(LW)을 곱하고 제2바이어스행렬(b2)을 더하여 제2결과행렬(n2)을 도출한다. 그리고 그 제2결과행렬(n2)을 비정규화함으로써 도 1의 배터리의 복수 지점(T)의 온도로 구성된 최종행렬을 도출하는 것이다.
여기서, 실시예로서의 제2가중치행렬(LW)과 제2바이어스행렬(b2)은 제1가중치행렬(IW)과 제1바이어스행렬(b1)과 동일하게 두어 사용하였다. 이는 아래의 식과 같이 나타낼 수 있다.
Figure 112013036875096-pat00005
즉, 상기 수학식 2과 같은 방식을 통하여 도 7의 제2결과행렬(n2)을 도출하는 것이다. 제2결과행렬(n2)은 전달함수를 거치지 않고 바로 동일하게 a2 행렬로서 사용된다. 이는 도 3의 블록도와 도 7의 실시예에서 알 수 있다. 그리고 그 a2 행렬의 최대값(t_max)과 최소값(t_min)을 통하여 아래의 식으로 a2 행렬을 비정규화를 취하고, 이를 통해 배터리의 복수 지점의 온도로 구성된 최종행렬(y)을 도출하는 것이다.
Figure 112013036875096-pat00006
최종행렬의 값은 각 case에 대응되는 배터리의 복수의 지점에 대한 온도값으로서, output 1~5 지점에 대한 온도값으로 도출된다. 즉, 4개의 입력값을 통해 5 군데의 온도값을 알 수 있는 것이고, 중요한 것은 배터리 내부에는 입구를 제외한 나머지 부분에서 온도센서를 전혀 사용하지 않았다는 점이다.
이러한 과정을 통하여 배터리 각 부분의 온도를 정확히 예측할 수 있는 것이고, 그에 따라 온도센서의 삭제가 가능한 것이다.
본 발명은 특정한 실시예에 관련하여 도시하고 설명하였지만, 이하의 특허청구범위에 의해 제공되는 본 발명의 기술적 사상을 벗어나지 않는 한도 내에서, 본 발명이 다양하게 개량 및 변화될 수 있다는 것은 당 업계에서 통상의 지식을 가진 자에게 있어서 자명할 것이다.
100 : 배터리 200 : 온도센서
300 : 전류센서 400 : 블로워
500 : 제어부

Claims (11)

  1. 배터리 공조라인의 입구단 온도, 배터리 공조라인의 풍량, 배터리 전류량을 측정하는 측정단계;
    상기 측정된 데이터를 토대로 배터리의 발열량을 도출하는 도출단계; 및
    상기 입구단 온도, 풍량, 전류량, 발열량을 미리 마련된 연산로직에 대입하여 배터리의 복수 지점의 온도를 도출하는 결과단계;를 포함하고,
    상기 연산로직은 인풋레이어, 히든레이어, 아웃풋레이어로 구성된 인공신경망 모델이며,
    상기 인풋레이어는 입구단 온도, 풍량, 전류량, 발열량으로 구성된 인풋행렬인 것을 특징으로 하는 배터리온도 예측방법.
  2. 청구항 1에 있어서,
    상기 측정단계는 배터리 공조라인의 블로워의 작동부하로부터 풍량을 도출하는 것을 특징으로 하는 배터리온도 예측방법.
  3. 청구항 1에 있어서,
    상기 도출단계는 미리 마련된 데이터맵에 배터리 전류량을 대입하여 배터리 발열량을 도출하는 것을 특징으로 하는 배터리온도 예측방법.
  4. 삭제
  5. 삭제
  6. 청구항 1에 있어서,
    상기 히든레이어에서는 인풋행렬에 제1가중치행렬을 곱하고 제1바이어스행렬을 더하여 제1준비행렬을 도출하는 것을 특징으로 하는 배터리온도 예측방법.
  7. 청구항 6에 있어서,
    상기 히든레이어에서는 인풋행렬을 정규화하고, 정규화된 행렬에 제1가중치행렬을 곱하고 제1바이어스행렬을 더하여 제1준비행렬을 도출하는 것을 특징으로 하는 배터리온도 예측방법.
  8. 청구항 7에 있어서,
    상기 히든레이어에서는 제1준비행렬을 아래 수식의 전달함수에 대입하여 제1결과행렬을 도출하는 것을 특징으로 하는 배터리온도 예측방법.
    Figure 112013036875096-pat00007
  9. 청구항 8에 있어서,
    상기 아웃풋레이어에서는 제1결과행렬에 제2가중치행렬을 곱하고 제2바이어스행렬을 더하여 제2결과행렬을 도출하는 것을 특징으로 하는 배터리온도 예측방법.
  10. 청구항 9에 있어서,
    상기 아웃풋레이어에서는 제2결과행렬을 비정규화함으로써 배터리의 복수 지점의 온도로 구성된 최종행렬을 도출하는 것을 특징으로 하는 배터리온도 예측방법.
  11. 배터리 공조라인의 입구단에 설치된 온도센서, 배터리 공조라인의 블로워 및 배터리 전류량을 측정하는 전류센서; 및
    상기 센서들과 블로워의 데이터를 토대로 배터리의 발열량을 도출하고, 배터리 공조라인의 입구단 온도, 배터리 공조라인의 풍량, 배터리 전류량, 배터리 발열량을 미리 마련된 연산로직에 대입하여 배터리의 복수 지점의 온도를 도출하는 제어부;를 포함하고,
    상기 연산로직은 인풋레이어, 히든레이어, 아웃풋레이어로 구성된 인공신경망 모델이며,
    상기 인풋레이어는 입구단 온도, 풍량, 전류량, 발열량으로 구성된 인풋행렬인 것을 특징으로 하는 배터리온도 예측시스템.
KR1020130046469A 2013-04-26 2013-04-26 배터리온도 예측방법 및 시스템 KR101449276B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020130046469A KR101449276B1 (ko) 2013-04-26 2013-04-26 배터리온도 예측방법 및 시스템
US14/080,563 US20140324379A1 (en) 2013-04-26 2013-11-14 System and method for predicting temperature of battery

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020130046469A KR101449276B1 (ko) 2013-04-26 2013-04-26 배터리온도 예측방법 및 시스템

Publications (1)

Publication Number Publication Date
KR101449276B1 true KR101449276B1 (ko) 2014-10-14

Family

ID=51789950

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020130046469A KR101449276B1 (ko) 2013-04-26 2013-04-26 배터리온도 예측방법 및 시스템

Country Status (2)

Country Link
US (1) US20140324379A1 (ko)
KR (1) KR101449276B1 (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108490250A (zh) * 2018-03-26 2018-09-04 四川飞通系统集成有限公司 智慧楼宇电力监控方法
CN109755683A (zh) * 2018-12-04 2019-05-14 厦门大学 一种基于压缩感知理论的电池包内部温度实时监测方法
KR20220018124A (ko) 2020-08-05 2022-02-15 디티아이코리아(주) 상변화 물질에 의해 온도가 관리되는 배터리
US11795973B2 (en) 2019-07-18 2023-10-24 Hyundai Motor Company Deep learning-based cooling system temperature prediction apparatus according to physical causality and method therefor

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6488974B2 (ja) * 2015-10-05 2019-03-27 トヨタ自動車株式会社 バッテリ装置
JP6658407B2 (ja) * 2016-09-01 2020-03-04 トヨタ自動車株式会社 電池温度の推定方法
CN109301396B (zh) * 2018-08-24 2020-07-28 中国矿业大学 一种电动汽车低温环境下电池保温系统及其控制方法
CN109987000B (zh) * 2019-02-19 2021-07-13 中国第一汽车股份有限公司 一种动力电池温度预测系统及方法
CN112100928B (zh) * 2020-11-09 2021-02-05 北京邮电大学 一种基于温度改善锂离子电池性能的方法和装置
FR3118805A1 (fr) * 2021-01-12 2022-07-15 Psa Automobiles Sa Dispositif de simulation thermique de batterie de vehicule electrique par apprentissage automatique, procede, vehicule comprenant un tel dispositif
FR3128828A1 (fr) * 2021-11-04 2023-05-05 Psa Automobiles Sa Procede d’estimation de la temperature d’au moins une barre de distribution de courant agencee au sein d’une batterie electrique

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0992347A (ja) * 1995-09-19 1997-04-04 Nissan Motor Co Ltd バッテリ冷却装置
KR20120048967A (ko) * 2010-11-08 2012-05-16 현대자동차주식회사 배터리의 온도 추정 로직 및 방법
KR20120096614A (ko) * 2011-02-23 2012-08-31 현대자동차주식회사 연료전지용 수소 공급 시스템의 고장 진단 방법
JP2013069470A (ja) * 2011-09-21 2013-04-18 Toyota Motor Corp バッテリ冷却装置

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3070643B2 (ja) * 1992-10-23 2000-07-31 株式会社デンソー ニューラルネット型追加学習装置
JP4466595B2 (ja) * 2006-03-28 2010-05-26 トヨタ自動車株式会社 冷却システムおよびこれを搭載する自動車並びに冷却システムの制御方法
JP5581886B2 (ja) * 2010-08-11 2014-09-03 株式会社日立製作所 車両用空調システム
DE102010037446A1 (de) * 2010-09-10 2012-03-15 Ford Global Technologies, Llc. Verfahren zur Steuerung einer Klimaanlage
US9318781B2 (en) * 2013-01-11 2016-04-19 Johnson Controls Technology Company Predicted sensor information for a battery

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0992347A (ja) * 1995-09-19 1997-04-04 Nissan Motor Co Ltd バッテリ冷却装置
KR20120048967A (ko) * 2010-11-08 2012-05-16 현대자동차주식회사 배터리의 온도 추정 로직 및 방법
KR20120096614A (ko) * 2011-02-23 2012-08-31 현대자동차주식회사 연료전지용 수소 공급 시스템의 고장 진단 방법
JP2013069470A (ja) * 2011-09-21 2013-04-18 Toyota Motor Corp バッテリ冷却装置

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108490250A (zh) * 2018-03-26 2018-09-04 四川飞通系统集成有限公司 智慧楼宇电力监控方法
CN108490250B (zh) * 2018-03-26 2020-05-22 武汉三合鼎盛科技股份有限公司 智慧楼宇电力监控方法
CN109755683A (zh) * 2018-12-04 2019-05-14 厦门大学 一种基于压缩感知理论的电池包内部温度实时监测方法
US11795973B2 (en) 2019-07-18 2023-10-24 Hyundai Motor Company Deep learning-based cooling system temperature prediction apparatus according to physical causality and method therefor
KR20220018124A (ko) 2020-08-05 2022-02-15 디티아이코리아(주) 상변화 물질에 의해 온도가 관리되는 배터리

Also Published As

Publication number Publication date
US20140324379A1 (en) 2014-10-30

Similar Documents

Publication Publication Date Title
KR101449276B1 (ko) 배터리온도 예측방법 및 시스템
Li et al. Big data driven lithium-ion battery modeling method based on SDAE-ELM algorithm and data pre-processing technology
Chen et al. Degradation prediction of proton exchange membrane fuel cell based on grey neural network model and particle swarm optimization
Zhu et al. A real-time battery thermal management strategy for connected and automated hybrid electric vehicles (CAHEVs) based on iterative dynamic programming
Xu et al. Life prediction of lithium-ion batteries based on stacked denoising autoencoders
Vatanparvar et al. Extended range electric vehicle with driving behavior estimation in energy management
Suri et al. A control-oriented cycle-life model for hybrid electric vehicle lithium-ion batteries
Liu et al. Self-adapting J-type air-based battery thermal management system via model predictive control
Xu et al. Multi-objective component sizing based on optimal energy management strategy of fuel cell electric vehicles
Lin et al. Online parameterization of lumped thermal dynamics in cylindrical lithium ion batteries for core temperature estimation and health monitoring
KR101992051B1 (ko) 배터리 잔량 예측 방법 및 배터리 잔량 예측 시스템
Panchal et al. Thermal and electrical performance assessments of lithium-ion battery modules for an electric vehicle under actual drive cycles
Jia et al. A novel energy management strategy for hybrid electric bus with fuel cell health and battery thermal-and health-constrained awareness
US10059222B2 (en) Battery temperature estimation system
Yuan et al. A novel model-based internal state observer of a fuel cell system for electric vehicles using improved Kalman filter approach
Allafi et al. A lumped thermal model of lithium-ion battery cells considering radiative heat transfer
Meng et al. Incipient short-circuit fault diagnosis of lithium-ion batteries
Chen et al. Impact of battery cell imbalance on electric vehicle range
Hasan et al. A data-driven approach to estimate battery cell temperature using a nonlinear autoregressive exogenous neural network model
Ma et al. Battery thermal management strategy for electric vehicles based on nonlinear model predictive control
Wang et al. Real-time estimation of temperature distribution for cylindrical lithium-ion batteries under boundary cooling
Zhang et al. Intelligent state of charge estimation of battery pack based on particle swarm optimization algorithm improved radical basis function neural network
Chang et al. A probabilistic approach for prognosis of battery pack aging
Anbarasu et al. Novel enhancement of energy management in fuel cell hybrid electric vehicle by an advanced dynamic model predictive control
Erb et al. Analytical methods for determining the effects of lithium-ion cell size in aligned air-cooled battery packs

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20190926

Year of fee payment: 6