KR101529515B1 - Apparatus and method for estimating battery charge state using mmae-ekf - Google Patents
Apparatus and method for estimating battery charge state using mmae-ekf Download PDFInfo
- Publication number
- KR101529515B1 KR101529515B1 KR1020140071590A KR20140071590A KR101529515B1 KR 101529515 B1 KR101529515 B1 KR 101529515B1 KR 1020140071590 A KR1020140071590 A KR 1020140071590A KR 20140071590 A KR20140071590 A KR 20140071590A KR 101529515 B1 KR101529515 B1 KR 101529515B1
- Authority
- KR
- South Korea
- Prior art keywords
- soc
- value
- battery
- error
- values
- Prior art date
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]
-
- 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
-
- 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)
- Manufacturing & Machinery (AREA)
- Chemical & Material Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- General Chemical & Material Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
- Tests Of Electric Status Of Batteries (AREA)
Abstract
Description
본 발명은 배터리의 SOC(State Of Charge) 추정 방법 및 그 장치에 관한 것이다.The present invention relates to a method of estimating SOC (State Of Charge) of a battery and an apparatus therefor.
일반적으로, 배터리의 SOC는 배터리의 만충전 용량(FCC, Full Charge Capacity)에 대한 잔량을 백분율로 표시하는 형태가 일반적이다. 배터리의 SOC를 추정하는 방법으로는 다양한 방식이 이용될 수 있는데, 대표적인 방식은 전류 적산법을 이용하여 SOC를 추정하는 방식이다. 이러한 전류 적산 방식은, 배터리의 입출력 전류를 적산하고 초기 용량에서 가감함으로써 SOC를 구하는 형태이다. In general, the SOC of a battery is generally expressed in percentage as a percentage of the battery's full charge capacity (FCC). As a method of estimating the SOC of the battery, various methods can be used. A representative method is a method of estimating the SOC using the current integration method. In this current integration method, the SOC is obtained by integrating the input / output current of the battery and adding / subtracting it from the initial capacity.
이러한 전류 적산 방식의 경우 배터리의 충방전 경로에 설치된 전류 센서를 통해 측정된 전류에 의해 SOC가 추정되기 때문에, 전류 센서의 정확한 센싱이 매우 중요하다고 할 수 있다. 하지만, 전류 센서의 경우 퇴화 등의 원인으로 인해 실제 전류와 전류 측정값에 차이가 있는 전류 오프셋(offset)이 발생할 수 있다. 이러한 전류 오프셋이 발생하면 전류 측정값과 실제 전류값의 차이인 전류 오프셋값으로 인해 실제 SOC와 추정된 SOC 사이에 차이를 발생시킬 수 있다. In such a current integration method, since the SOC is estimated by the current measured through the current sensor installed in the charge / discharge path of the battery, accurate sensing of the current sensor is very important. However, in the case of a current sensor, a current offset that may differ from the actual current and the current measurement value may occur due to degradation or the like. If such a current offset occurs, a difference between the actual SOC and the estimated SOC can be generated due to the current offset value which is the difference between the current measurement value and the actual current value.
본 발명은 확장 칼만 필터 (Extended Kalman Filter, EKF)에서 사용하는 배터리 모델의 에러와 외부 노이즈에 대한 영향을 최소화함으로써, 전기 자동차용 배터리의 SOC(State Of Charge)를 정확하게 추정할 수 있는 배터리의 SOC 추정 방법 및 그 장치를 제공하는 데 그 목적이 있다.The present invention minimizes the influence of errors and external noises of a battery model used in an Extended Kalman Filter (EKF), thereby reducing the SOC (State of Charge) of a battery for an electric vehicle And an object of the present invention is to provide an estimation method and apparatus therefor.
본 명세서의 실시예에 따른 배터리의 SOC 추정 장치는, 배터리의 현재 전류, 온도, 전압을 포함하는 배터리 상태 정보를 수신하고, 상기 수신된 배터리 상태 정보를 다수의 확장 칼만 필터(EKF)에 적용함으로써 상기 배터리의 현재 SOC 값들과 오차 공분산들을 실시간 또는 미리설정된 주기마다 추정하는 SOC 추정부와; 상기 다수의 확장 칼만 필터를 통해 추정된 SOC 값들에 상기 추정된 오차 공분산들에 반비례하는 가중치를 각각 곱하고, 상기 가중치가 각각 곱해진 SOC 값들을 합하고, 상기 합해진 값을 최종 SOC 값으로서 출력하는 SOC 보정부를 포함할 수 있다.The apparatus for estimating SOC of a battery according to an embodiment of the present invention receives battery state information including current current, temperature and voltage of a battery, and applies the received battery state information to a plurality of extended Kalman filters (EKF) An SOC estimator for estimating current SOC values and error covariances of the battery in real time or every predetermined cycle; A SOC correction unit for multiplying SOC values estimated through the plurality of extended Kalman filters by inversely proportional to the estimated error covariances, summing the SOC values multiplied by the weights, and outputting the sum as a final SOC value Section.
본 명세서의 실시예에 따르면, 상기 SOC 보정부는 상기 합해진 값의 평균값을 상기 최종 SOC 값으로서 출력할 수도 있다.According to an embodiment of the present invention, the SOC correcting unit may output an average value of the summed values as the final SOC value.
본 명세서의 실시예에 따르면, 상기 SOC 보정부는 상기 오차 공분산들 중에서 기준값보다 작은 오차 공분산를 갖는 SOC 추정값에는 기준 가중치보다 큰 값의 가중치를 곱하고, 상기 오차 공분산들 중에서 상기 기준값보다 큰 오차 공분산를 갖는 SOC 추정값에는 상기 기준 가중치보다 작은 값의 가중치를 곱할 수 있다.According to an embodiment of the present invention, the SOC correcting unit multiplies an SOC estimation value having an error covariance smaller than a reference value among the error covariances by a weight of a value larger than a reference weight, and calculates an SOC estimation value having an error covariance larger than the reference value among the error covariances May be multiplied by a weight having a value smaller than the reference weight.
본 명세서의 실시예에 따른 배터리의 SOC 추정 방법은, 배터리의 현재 전류, 온도, 전압을 포함하는 배터리 상태 정보를 수신하는 단계와; 상기 수신된 배터리 상태 정보를 다수의 확장 칼만 필터(EKF)에 적용함으로써 상기 배터리의 현재 SOC 값들과 오차 공분산들을 실시간 또는 미리설정된 주기마다 추정하는 단계와; 상기 다수의 확장 칼만 필터를 통해 추정된 SOC 값들에 상기 추정된 오차 공분산들에 반비례하는 가중치를 각각 곱하는 단계와; 상기 가중치가 각각 곱해진 SOC 값들을 합하는 단계와; 상기 합해진 값을 최종 SOC 값으로서 출력하는 단계를 포함할 수 있다.A method of estimating SOC of a battery according to an embodiment of the present invention includes receiving battery state information including current current, temperature, and voltage of a battery; Estimating current SOC values and error covariances of the battery in real time or every predetermined cycle by applying the received battery state information to a plurality of extended Kalman filters (EKF); Multiplying the SOC values estimated through the plurality of extended Kalman filters by a weight inversely proportional to the estimated error covariances, respectively; Summing the SOC values multiplied by the weights; And outputting the sum as a final SOC value.
본 발명의 실시예에 따른 배터리의 SOC 추정 방법 및 그 장치는, 확장 칼만 필터 (Extended Kalman Filter, EKF)에서 사용하는 배터리 모델의 에러와 외부 노이즈에 대한 영향을 최소화함으로써, 전기 자동차용 배터리의 SOC(State Of Charge)를 정확하게 추정할 수 있다.A method and apparatus for estimating an SOC of a battery according to an embodiment of the present invention minimize the influence of errors and external noise on a battery model used in an Extended Kalman Filter (EKF) (State Of Charge) can be accurately estimated.
도 1은 본 발명의 실시예에 따른 MMAE-EKF를 이용한 배터리의 SOC 추정 장치를 나타낸 도이다.
도 2는 MMAE-EKF를 이용하여 SOC를 추정하는 알고리즘을 나타낸 예시도이다.
도 3은 실제 SOC 값과 EKF만을 이용하여 SOC 추정 결과 그리고 MMAE-EKF를 이용하여 SOC 추정 결과를 나타낸 실험 결과이다.
도 4는 EKF만을 이용한 SOC 추정 에러율과 MMAE-EKF를 이용한 SOC 추정 에러율을 나타낸 실험 결과이다.1 is a block diagram of an apparatus for estimating SOC of a battery using an MMAE-EKF according to an embodiment of the present invention.
2 is an exemplary diagram illustrating an algorithm for estimating the SOC using the MMAE-EKF.
FIG. 3 shows experimental results showing the SOC estimation result using only the actual SOC value and the EKF, and the SOC estimation result using the MMAE-EKF.
4 shows experimental results showing SOC estimation error rate using only EKF and SOC estimation error rate using MMAE-EKF.
이하, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명의 기술적 사상을 용이하게 실시할 수 있을 정도로 상세하게 설명하기 위하여, 본 발명의 실시 예가 첨부된 도면을 참조하여 설명한다. 하지만, 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며, 여기에서 설명하는 실시 예에 한정되지 않는다. 그리고, 도면에서 본 발명을 명확하게 설명하기 위해 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통해 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.Hereinafter, embodiments of the present invention will be described with reference to the accompanying drawings so that those skilled in the art can easily carry out the technical idea of the present invention. The present invention may, however, be embodied in many different forms and should not be construed as limited to the embodiments set forth herein. In order to clearly explain the present invention, parts not related to the description are omitted, and like parts are denoted by similar reference numerals throughout the specification.
본 발명은 전기 자동차용 배터리의 SOC(State Of Charge)를 추정하는 방법 및 그 장치에 관한 것으로, 확장 칼만 필터 (Extended Kalman Filter, EKF)를 이용하여 배터리 SOC 등과 같은 배터리의 상태를 추정하되 EKF에서 사용하는 배터리 모델의 에러와 외부 노이즈에 대한 영향을 최소화하여 배터리의 SOC가 보다 정확하게 추정될 수 있도록 다중 모델 적응 필터 (MMAE, Multiple Model Adaptive Estimation)를 적용한 장치 및 그 방법에 관한 것이다. The present invention relates to a method and an apparatus for estimating SOC (State Of Charge) of an electric vehicle battery, and estimates the state of a battery such as a battery SOC using an Extended Kalman Filter (EKF) The present invention relates to an apparatus and method for applying Multiple Model Adaptive Estimation (MMAE) so that the SOC of a battery can be more accurately estimated by minimizing an error of a battery model and an influence on external noise.
배터리는 전기적, 화학적, 환경적 요소에 모두 영향을 받기 때문에 EKF에 사용되는 배터리 모델을 정확하게 구현하는 것은 어려우며, 센서를 이용하여 배터리의 현재 상태를 추정하는 것은 센서의 측정 노이즈 등 외부 노이즈에 항상 영향을 받는다. 또한 이러한 배터리 SOC를 정확하게 추정하기 어렵게 만드는 요인들은 외부 환경에 의해 불규칙하게 변하기 때문에 에러율과 노이즈에 대한 정확한 크기를 정의하는 것 역시 어렵다. 따라서 EKF를 이용한 배터리 SOC의 추정에는 배터리 모델 에러와 외부 노이즈 영향의 최소화 방법이 필요하다. EKF는 센서를 통하여 배터리의 현재 전류, 온도, 전압을 입력받아 현재 배터리 SOC를 추정한다.Since the battery is affected by both electrical, chemical and environmental factors, it is difficult to accurately model the battery model used in the EKF. Estimating the current state of the battery using the sensor is always affected by external noise such as sensor noise . It is also difficult to define the exact size of the error rate and noise because the factors that make it difficult to accurately estimate the battery SOC are irregularly changed by the external environment. Therefore, estimation of battery SOC using EKF requires a method of minimizing battery model error and external noise influence. The EKF estimates the current SOC of the battery by inputting current current, temperature, and voltage of the battery through the sensor.
도 1은 본 발명의 실시예에 따른 MMAE-EKF를 이용한 배터리의 SOC 추정 장치를 나타낸 도이다.1 is a block diagram of an apparatus for estimating SOC of a battery using an MMAE-EKF according to an embodiment of the present invention.
도 1에 도시한 바와 같이, 본 발명의 실시예에 따른 MMAE-EKF를 이용한 배터리의 SOC 추정 장치는, As shown in FIG. 1, an apparatus for estimating SOC of a battery using an MMAE-EKF according to an embodiment of the present invention includes:
배터리의 현재 전류(i), 온도(T), 전압(V) 등과 같은 배터리 상태 정보를 수신하고, 그 수신된 배터리 상태 정보 및 다수의 확장 칼만 필터(EKF)를 이용하여 배터리의 현재 SOC 값들과 오차 공분산(SOC 추정값이 얼마나 정확한지 알려주는 척도)들을 실시간 또는 미리설정된 주기마다 추정하는 SOC 추정부(10)와; And receives battery state information such as current current (i), temperature (T), voltage (V), and the like of the battery and uses the received battery state information and a plurality of extended Kalman filters (EKF) An
상기 다수의 확장 칼만 필터를 통해 추정된 SOC 값들에 상기 추정된 오차 공분산들에 반비례하는 가중치를 각각 곱하고, 상기 가중치가 각각 곱해진 SOC 값들을 합하고, 그 합해진 값을 최종 SOC 값으로서 출력하는 SOC 보정부(20)를 포함한다.An SOC calculation unit for multiplying SOC values estimated through the plurality of extended Kalman filters by inversely proportional to the estimated error covariances, summing the SOC values multiplied by the weights, and outputting the sum as a final SOC value (20).
상기 SOC 보정부(20)는,The
상기 미리설정된 주기마다 추정된 다수의 SOC 값들 각각에 상기 오차공분산에 반비례하는 가중치를 각가 부여하고, 상기 각 가중치가 부여된 각 SOC 값을 합하고, 그 합한 값들의 평균값을 상기 최종 SOC 값으로서 출력할 수도 있다.Adds a weight inversely proportional to the error covariance to each of a plurality of estimated SOC values for each of the predetermined periods, adds the weighted SOC values to each other, and outputs an average value of the combined SOC values as the final SOC value It is possible.
상기 SOC 보정부(20)는, 상기 오차 공분산의 크기가 기준값보다 작으면 상기 기준값보다 작은 오차 공분산를 갖는 SOC 추정값에는 기준 가중치보다 큰 값의 가중치를 부여하고(곱하고), 상기 오차 공분산의 크기가 기준값보다 크면 상기 기준값보다 큰 오차 공분산를 갖는 SOC 추정값에는 상기 기준 가중치보다 작은 값의 가중치를 부여한다(곱한다). 상기 큰 값의 가중치 또는 작은 값의 가중치는 설계자의 의도 또는 상기 외부 노이즈 변화에 따라 변경될 수 있다. 외부 노이즈는 전류 및 전압의 측정 시 발생되는 노이즈(측정 에러)를 의미한다. EKF는 측정 에러(외부 노이즈로 통칭함)와 모델 에러를 고려하여 보다 더 정확한 SOC 추정값을 출력한다. If the size of the error covariance is smaller than the reference value, the
도 2는 MMAE-EKF를 이용하여 SOC를 추정하는 알고리즘을 나타낸 예시도이다. 2 is an exemplary diagram illustrating an algorithm for estimating the SOC using the MMAE-EKF.
도 2에서 알 수 있듯이, MMAE-EKF를 이용한 SOC를 추정 방법은 배터리 모델 에러율과 외부 노이즈의 크기가 반영된 다수의 EKF(EKF1, EKF2, EKF3, ..., EKFk)를 통한 다수의 SOC 추정 결과(추정된 SOC 값)(x1, X2, X3,.... Xk)에 각각의 추정 결과의 정확도 지표가 되는 오차 공분산에 반비례하는 가중치(p1, p2, p3, ..., pk)를 부여하고, 그 가중치가 부여된 각 SOC 추정 결과(추정된 SOC 값)을 합하고, 그 합해진 값들의 평균값을 최종 SOC 값으로 결정함으로써 SOC 값을 정확하게 추정할 수 있다.As can be seen from FIG. 2, the SOC estimation method using the MMAE-EKF includes a plurality of SOC estimation results through a plurality of EKFs (EKF1, EKF2, EKF3, ..., EKFk) reflecting the battery model error rate and the magnitude of external noise (P1, p2, p3, ..., pk) in inverse proportion to the error covariance, which is an index of accuracy of each estimation result, is given to (estimated SOC value) (x1, X2, , Summing up the weighted SOC estimation results (estimated SOC values), and determining the average value of the summed values as the final SOC value, thereby accurately estimating the SOC value.
MMAE-EKF에 이용하는 가중치는 잔류 공분산 (Sk)과 확률밀도함수 (fn(ik))를 이용하여 계산할 수도 있다. 상기 가중치(Pn(k))는 다음의 수학식 1과 같이 계산될 수도 있다.The weight used for the MMAE-EKF may be calculated using the residual covariance (Sk) and the probability density function (fn (ik)). The weight Pn (k) may be calculated according to the following equation (1).
여기서, Sk는, 
또한 fn(ik)는
여기서, Pn(k)는 상기 가중치 (weight factor), fn(k)는 확률 밀도 함수, Sk는 잔류 공분산, Hk는 전류 매트릭스 (해당 시간에서 측정에 관계되는 행렬), Pk는 오차 공분산, Rk는 프로세스 노이즈 (가우시안 랜덤 프로세스 분포를 따름), r는 실제 전압값과 추정 전압값(실제 전압값 - 추정 전압값)의 차이를 나타낸다.Here, P n (k) is the weight (weight factor), f n (k) is the probability density function, S k is the residual covariance, H k is (matrix according to a measurement at the time) the current matrix, P k is R k is the process noise (following the Gaussian random process distribution), and r is the difference between the actual voltage value and the estimated voltage value (actual voltage value - estimated voltage value).
도 3은 실제 SOC 값과 EKF만을 이용하여 SOC 추정 결과 그리고 MMAE-EKF를 이용하여 SOC 추정 결과를 나타낸 실험 결과이다. FIG. 3 shows experimental results showing the SOC estimation result using only the actual SOC value and the EKF, and the SOC estimation result using the MMAE-EKF.
도 4는 EKF만을 이용한 SOC 추정 에러율과 MMAE-EKF를 이용한 SOC 추정 에러율을 나타낸 실험 결과이다.4 shows experimental results showing SOC estimation error rate using only EKF and SOC estimation error rate using MMAE-EKF.
도 3 및 도4에서 알 수 있듯이, MMAE-EKF를 이용한 배터리 SOC 추정 장치 및 그 방법은, EKF를 만을 사용할 때보다 더욱 정확하게 SOC를 추정할 수 있음을 확인할 수 있다. 이때, EKF를 이용한 SOC 결과값 몇 개를 이용하여 최종 SOC 추정값을 만들지는 MCU(SOC 보정부)의 처리 속도와 SOC 추정의 정확도 사이의 트레이드 오프(Trade-off) 관계에 의해 결정할 수 있다. As can be seen from FIGS. 3 and 4, the battery SOC estimating apparatus and method using the MMAE-EKF can more accurately estimate the SOC than when using only the EKF. At this time, it can be determined by a trade-off relationship between the processing speed of the MCU (SOC correcting unit) that generates the final SOC estimation value by using several SOC result values using the EKF and the accuracy of the SOC estimation.
이상에서 설명한 바와 같이, 본 발명의 실시예에 따른 배터리의 SOC 추정 방법 및 그 장치는, 확장 칼만 필터 (Extended Kalman Filter, EKF)에서 사용하는 배터리 모델의 에러와 외부 노이즈에 대한 영향을 최소화함으로써, 전기 자동차용 배터리의 SOC(State Of Charge)를 정확하게 추정할 수 있다. 예를 들면, 배터리를 이용하여 제품화하는 모든 곳에서 가능 큰 문제점 중 하나가 안전성 확보를 위해 SOC의 정확한 추정이다. 하지만 지금까지 사용하는 방법은 높은 정확도를 제공하기 위해서는 사전에 많은 실험이 필요하지만, 본 발명을 사용함으로써 배터리 적용전 필요한 실험 시간을 줄일 수 있어 비용 감소가 기대된다. 또한 더욱 높은 정확도의 SOC의 추정이 가능하여 배터리 안전성 확보가 가능할 것으로 기대된다.As described above, the method and apparatus for estimating the SOC of a battery according to an embodiment of the present invention minimize the influence of errors and external noises of a battery model used in an Extended Kalman Filter (EKF) The state of charge (SOC) of the battery for an electric vehicle can be accurately estimated. For example, one of the biggest problems that can occur anywhere in a battery is the accurate estimation of SOC to ensure safety. However, in order to provide a high accuracy, a lot of experiments are required beforehand. However, by using the present invention, it is expected that the time required for the experiment before the application of the battery can be reduced, thereby reducing the cost. In addition, it is expected that SOC can be estimated with higher accuracy, thus ensuring battery safety.
본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 발명에 개시된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다. It will be understood by those skilled in the art that various changes in form and details may be made therein without departing from the spirit and scope of the invention as defined by the appended claims. Therefore, the embodiments disclosed in the present invention are intended to illustrate rather than limit the scope of the present invention, and the scope of the technical idea of the present invention is not limited by these embodiments. The scope of protection of the present invention should be construed according to the following claims, and all technical ideas within the scope of equivalents should be construed as falling within the scope of the present invention.
Claims (6)
상기 다수의 확장 칼만 필터를 통해 추정된 SOC 값들에 상기 추정된 오차 공분산들에 반비례하는 가중치를 각각 곱하고, 상기 가중치가 각각 곱해진 SOC 값들을 합하고, 상기 합해진 값을 최종 SOC 값으로서 출력하는 SOC 보정부를 포함하며,
상기 SOC 보정부는 상기 합해진 값의 평균값을 상기 최종 SOC 값으로서 출력하는 것을 특징으로 하는 배터리의 SOC 추정 장치.(SOC) values and the error covariances of the battery in real time or in advance by applying the received battery state information to a plurality of extended Kalman filters (EKF) by receiving battery state information including current current, temperature and voltage of the battery An SOC estimator for estimating each SOC;
A SOC correction unit for multiplying SOC values estimated through the plurality of extended Kalman filters by inversely proportional to the estimated error covariances, summing the SOC values multiplied by the weights, and outputting the sum as a final SOC value ≪ / RTI >
And the SOC correcting unit outputs the average value of the sum as the final SOC value.
상기 오차 공분산들 중에서 기준값보다 작은 오차 공분산를 갖는 SOC 추정값에는 기준 가중치보다 큰 값의 가중치를 곱하고,
상기 오차 공분산들 중에서 상기 기준값보다 큰 오차 공분산를 갖는 SOC 추정값에는 상기 기준 가중치보다 작은 값의 가중치를 곱하는 것을 특징으로 하는 배터리의 SOC 추정 장치.The apparatus of claim 1, wherein the SOC correcting unit comprises:
Wherein an SOC estimation value having an error covariance smaller than a reference value among the error covariances is multiplied by a weight value larger than a reference weight,
Wherein an SOC estimation value having an error covariance larger than the reference value among the error covariances is multiplied by a weight value smaller than the reference weight.
상기 수신된 배터리 상태 정보를 다수의 확장 칼만 필터(EKF)에 적용함으로써 상기 배터리의 현재 SOC 값들과 오차 공분산들을 실시간 또는 미리설정된 주기마다 추정하는 단계와;
상기 다수의 확장 칼만 필터를 통해 추정된 SOC 값들에 상기 추정된 오차 공분산들에 반비례하는 가중치를 각각 곱하는 단계와;
상기 가중치가 각각 곱해진 SOC 값들을 합하는 단계와;
상기 합해진 값의 평균값을 구하는 단계와;
상기 평균값을 최종 SOC 값으로서 출력하는 단계를 포함하는 것을 특징으로 하는 배터리의 SOC 추정 방법.Receiving battery state information including current current, temperature, and voltage of the battery;
Estimating current SOC values and error covariances of the battery in real time or every predetermined cycle by applying the received battery state information to a plurality of extended Kalman filters (EKF);
Multiplying the SOC values estimated through the plurality of extended Kalman filters by a weight inversely proportional to the estimated error covariances, respectively;
Summing the SOC values multiplied by the weights;
Obtaining an average value of the summed values;
And outputting the average value as a final SOC value.
상기 오차 공분산들 중에서 기준값보다 작은 오차 공분산를 갖는 SOC 추정값에는 기준 가중치보다 큰 값의 가중치를 곱하는 단계와;
상기 오차 공분산들 중에서 상기 기준값보다 큰 오차 공분산를 갖는 SOC 추정값에는 상기 기준 가중치보다 작은 값의 가중치를 곱하는 단계를 포함하는 것을 특징으로 하는 배터리의 SOC 추정 방법.5. The method of claim 4, wherein multiplying the weights comprises:
Multiplying an SOC estimation value having an error covariance smaller than a reference value among the error covariances by a weight value larger than a reference weight;
And multiplying the SOC estimation value having the error covariance larger than the reference value among the error covariances by a weight value smaller than the reference weight.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020140071590A KR101529515B1 (en) | 2014-06-12 | 2014-06-12 | Apparatus and method for estimating battery charge state using mmae-ekf |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020140071590A KR101529515B1 (en) | 2014-06-12 | 2014-06-12 | Apparatus and method for estimating battery charge state using mmae-ekf |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR101529515B1 true KR101529515B1 (en) | 2015-06-17 |
Family
ID=53519207
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020140071590A KR101529515B1 (en) | 2014-06-12 | 2014-06-12 | Apparatus and method for estimating battery charge state using mmae-ekf |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101529515B1 (en) |
Cited By (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105974323A (en) * | 2016-05-09 | 2016-09-28 | 深圳市鑫成泰科技有限公司 | Algorithm model improving electric automobile SOC estimation precision |
| CN107765242A (en) * | 2017-09-16 | 2018-03-06 | 太原理工大学 | System state estimation method based on state augmentation iterative extended Kalman filter |
| CN108490250A (en) * | 2018-03-26 | 2018-09-04 | 四川飞通系统集成有限公司 | Wisdom building power monitoring method |
| WO2018164346A1 (en) * | 2017-03-06 | 2018-09-13 | 주식회사 엘지화학 | Apparatus and method for processing battery cell voltage data |
| WO2018190508A1 (en) * | 2017-04-12 | 2018-10-18 | 주식회사 엘지화학 | Apparatus and method for calculating state of charge of battery by reflecting noise |
| CN109143097A (en) * | 2018-09-05 | 2019-01-04 | 合肥工业大学 | It is a kind of meter and temperature and cycle-index lithium ion battery SOC estimation method |
| WO2019050330A1 (en) * | 2017-09-07 | 2019-03-14 | 주식회사 엘지화학 | Device and method for estimating state-of-charge of battery |
| CN111157899A (en) * | 2020-01-20 | 2020-05-15 | 南京邮电大学 | Method for estimating SOC of battery based on model fusion idea |
| CN111537895A (en) * | 2020-07-13 | 2020-08-14 | 延锋伟世通电子科技（南京）有限公司 | Multi-parameter joint SOC estimation method |
| CN111679197A (en) * | 2020-05-08 | 2020-09-18 | 深圳市鹏诚新能源科技有限公司 | Lithium ion battery SOC estimation method based on improved AEKF |
| CN112858920A (en) * | 2021-02-01 | 2021-05-28 | 山西国润储能科技有限公司 | SOC estimation method of all-vanadium redox flow battery fusion model based on adaptive unscented Kalman filtering |
| WO2022055080A1 (en) * | 2020-09-11 | 2022-03-17 | 삼성에스디아이주식회사 | Method for estimating state of charge of battery |
| US11467217B2 (en) | 2018-02-20 | 2022-10-11 | Lg Energy Solution, Ltd. | Charge capacity calculation device and method for energy storage system |
| US11493557B2 (en) | 2019-01-23 | 2022-11-08 | Lg Energy Solution, Ltd. | Battery management apparatus, battery management method, and battery pack |
| CN116930772A (en) * | 2023-09-15 | 2023-10-24 | 东方电子股份有限公司 | Battery SOC estimation method and device considering boundary constraint |
| US11824394B2 (en) | 2019-01-23 | 2023-11-21 | Lg Energy Solution, Ltd. | Battery management device, battery management method, and battery pack |
| CN112327183B (en) * | 2020-09-18 | 2023-11-28 | 国联汽车动力电池研究院有限责任公司 | Lithium ion battery SOC estimation method and device |
| US20230392929A1 (en) * | 2020-09-11 | 2023-12-07 | Raytheon Company | Navigation integrity in gps challenged environments |
| US11923710B2 (en) | 2019-02-07 | 2024-03-05 | Lg Energy Solution, Ltd. | Battery management apparatus, battery management method and battery pack |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20130105123A (en) * | 2012-03-16 | 2013-09-25 | 주식회사 엘지화학 | Apparatus and method for estimating battery state |
| KR20140066394A (en) * | 2012-11-23 | 2014-06-02 | 삼성전자주식회사 | Measuring device for state of charging of battery and measuring method the same |
-
2014
- 2014-06-12 KR KR1020140071590A patent/KR101529515B1/en active IP Right Grant
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20130105123A (en) * | 2012-03-16 | 2013-09-25 | 주식회사 엘지화학 | Apparatus and method for estimating battery state |
| KR20140066394A (en) * | 2012-11-23 | 2014-06-02 | 삼성전자주식회사 | Measuring device for state of charging of battery and measuring method the same |
Cited By (31)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105974323A (en) * | 2016-05-09 | 2016-09-28 | 深圳市鑫成泰科技有限公司 | Algorithm model improving electric automobile SOC estimation precision |
| US11560067B2 (en) | 2017-03-06 | 2023-01-24 | Lg Energy Solution, Ltd. | Apparatus and method for processing battery cell voltage data |
| WO2018164346A1 (en) * | 2017-03-06 | 2018-09-13 | 주식회사 엘지화학 | Apparatus and method for processing battery cell voltage data |
| CN109690335A (en) * | 2017-03-06 | 2019-04-26 | 株式会社Lg化学 | Device and method for treatment of battery cell voltage data |
| EP3499255A4 (en) * | 2017-03-06 | 2019-07-24 | LG Chem, Ltd. | Apparatus and method for processing battery cell voltage data |
| KR102179677B1 (en) * | 2017-04-12 | 2020-11-17 | 주식회사 엘지화학 | Apparatus and method for calculating soc |
| WO2018190508A1 (en) * | 2017-04-12 | 2018-10-18 | 주식회사 엘지화학 | Apparatus and method for calculating state of charge of battery by reflecting noise |
| KR20180115124A (en) * | 2017-04-12 | 2018-10-22 | 주식회사 엘지화학 | Apparatus and method for calculating soc |
| US11340298B2 (en) | 2017-04-12 | 2022-05-24 | Lg Chem, Ltd. | Apparatus and method for calculating state of charge of battery by reflecting noise |
| WO2019050330A1 (en) * | 2017-09-07 | 2019-03-14 | 주식회사 엘지화학 | Device and method for estimating state-of-charge of battery |
| US11231466B2 (en) | 2017-09-07 | 2022-01-25 | Lg Energy Solution, Ltd. | Apparatus and method for estimating a state of charge of a battery |
| CN107765242A (en) * | 2017-09-16 | 2018-03-06 | 太原理工大学 | System state estimation method based on state augmentation iterative extended Kalman filter |
| US11467217B2 (en) | 2018-02-20 | 2022-10-11 | Lg Energy Solution, Ltd. | Charge capacity calculation device and method for energy storage system |
| CN108490250B (en) * | 2018-03-26 | 2020-05-22 | 武汉三合鼎盛科技股份有限公司 | Intelligent building power monitoring method |
| CN108490250A (en) * | 2018-03-26 | 2018-09-04 | 四川飞通系统集成有限公司 | Wisdom building power monitoring method |
| CN109143097A (en) * | 2018-09-05 | 2019-01-04 | 合肥工业大学 | It is a kind of meter and temperature and cycle-index lithium ion battery SOC estimation method |
| US11824394B2 (en) | 2019-01-23 | 2023-11-21 | Lg Energy Solution, Ltd. | Battery management device, battery management method, and battery pack |
| US11493557B2 (en) | 2019-01-23 | 2022-11-08 | Lg Energy Solution, Ltd. | Battery management apparatus, battery management method, and battery pack |
| US11923710B2 (en) | 2019-02-07 | 2024-03-05 | Lg Energy Solution, Ltd. | Battery management apparatus, battery management method and battery pack |
| CN111157899A (en) * | 2020-01-20 | 2020-05-15 | 南京邮电大学 | Method for estimating SOC of battery based on model fusion idea |
| CN111157899B (en) * | 2020-01-20 | 2022-09-13 | 南京邮电大学 | Method for estimating SOC of battery based on model fusion idea |
| CN111679197A (en) * | 2020-05-08 | 2020-09-18 | 深圳市鹏诚新能源科技有限公司 | Lithium ion battery SOC estimation method based on improved AEKF |
| CN111537895A (en) * | 2020-07-13 | 2020-08-14 | 延锋伟世通电子科技（南京）有限公司 | Multi-parameter joint SOC estimation method |
| CN111537895B (en) * | 2020-07-13 | 2020-10-30 | 延锋伟世通电子科技（南京）有限公司 | Multi-parameter joint SOC estimation method |
| US11879736B2 (en) * | 2020-09-11 | 2024-01-23 | Raytheon Company | Navigation integrity in GPS challenged environments |
| WO2022055080A1 (en) * | 2020-09-11 | 2022-03-17 | 삼성에스디아이주식회사 | Method for estimating state of charge of battery |
| US20230392929A1 (en) * | 2020-09-11 | 2023-12-07 | Raytheon Company | Navigation integrity in gps challenged environments |
| CN112327183B (en) * | 2020-09-18 | 2023-11-28 | 国联汽车动力电池研究院有限责任公司 | Lithium ion battery SOC estimation method and device |
| CN112858920A (en) * | 2021-02-01 | 2021-05-28 | 山西国润储能科技有限公司 | SOC estimation method of all-vanadium redox flow battery fusion model based on adaptive unscented Kalman filtering |
| CN116930772A (en) * | 2023-09-15 | 2023-10-24 | 东方电子股份有限公司 | Battery SOC estimation method and device considering boundary constraint |
| CN116930772B (en) * | 2023-09-15 | 2023-11-24 | 东方电子股份有限公司 | Battery SOC estimation method and device considering boundary constraint |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101529515B1 (en) | Apparatus and method for estimating battery charge state using mmae-ekf | |
| US10330738B2 (en) | Apparatus for estimating battery degradation state, system including the same, and method thereof | |
| EP3207388B1 (en) | Battery condition monitoring | |
| Neal et al. | Efficient incorporation of channel cross-section geometry uncertainty into regional and global scale flood inundation models | |
| US7589532B2 (en) | System and method for estimating a state vector associated with a battery | |
| EP2700964B1 (en) | Battery state estimation system, battery control system, battery system, and battery state estimation method | |
| EP3593155B1 (en) | A battery cell state of charge estimation method and a battery state monitoring system | |
| KR101355958B1 (en) | System, method and article of manufacture for determining an estimated battery parameter vector | |
| US10162014B2 (en) | Battery state determining device | |
| KR20180047768A (en) | Method and appratus for caculating state of health(soh) of a battery | |
| CN102057291A (en) | Method for protecting a radio navigation receiver user against aberrant pseudo-range measurements | |
| KR101865972B1 (en) | Method for checking deterioration of battery | |
| KR20140066394A (en) | Measuring device for state of charging of battery and measuring method the same | |
| JP2015184219A (en) | Estimation program, estimation method, and estimation device | |
| JP6421411B2 (en) | Estimation program for estimating battery charging rate, estimation method for estimating battery charging rate, and estimation device for estimating battery charging rate | |
| CN109085513B (en) | Method and device for calculating internal resistance of battery | |
| JP6484577B2 (en) | Shape estimation apparatus, shape estimation method, and program | |
| Tang et al. | Data-physics-driven estimation of battery state of charge and capacity | |
| US20160231389A1 (en) | Deterioration function calculation device, deterioration rate estimation device, deterioration rate estimation system, deterioration function calculation method, deterioration rate estimation method, and program | |
| Walder et al. | Adaptive state and parameter estimation of lithium-ion batteries based on a dual linear Kalman filter | |
| Seto et al. | NUBF correction methods for the GPM/DPR level-2 algorithms | |
| KR101726483B1 (en) | Apparatus and method for battery usage pattern analysis | |
| KR20150015200A (en) | Device for measuring frequency of power based on zero-crossing and method for measuring frequency of power based on zero-crossing | |
| CN107003413B (en) | Method and device for determining statistical properties of raw measurement values | |
| KR101511289B1 (en) | Method, apparatus and system for estimating degree of uniformity of susceptor |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |