KR101805514B1 - 배터리의 동적 엔트로피 추정 방법 - Google Patents

Abstract

배터리의 동적 엔트로피 추정 방법이 개시된다. BMS에서 추정된 배터리의 잔존용량(SOC) 각 지점마다 그에 상응하는 온도를 측정하고, 배터리의 개방 전압(OCV)의 예측을 하여 데이타를 저장한다. 새롭게 저장된 온도값과 OCV 값으로 계산을 통해 현재 상태의 엔트로피를 얻을 수 있다. 새롭게 얻은 엔트로피 값을 근거로 배터리 건강 상태(SOH)와 배터리의 위험도(SOC) 값을 업데이트한다. 기존에는 BMS의 경우는 엔트로피를 사용하지 않고 배터리 내부 저항을 통해 SOH를 예측하였으나, 본 발명은 엔트로피를 사용함으로써 배터리 내부 상태를 열역학적 분석적으로 파악할 수 있고, SOH는 물론 SOS까지 모니터링 함으로써 보다 정확한 배터리 상태를 파악할 수 있다.

Description

배터리의 동적 엔트로피 추정 방법 {Method of dynamically extracting entropy on battery}

본 발명은 배터리에 관한 것으로서, 보다 상세하게는 배터리의 엔트로피를 동적으로 측정할 수 있는 방법에 관한 것이다.

오늘날 약 13억 명의 사람들은 아직도 전기의 혜택을 받지 못하고 있으며, 이 숫자는 가까운 장래에는 거의 변화가 없을 것이다. 전 세계적으로 약 12억 명이 2030년에 전기의 혜택을 받지 못할 것으로 예상된다. 이 문제는 빠르게 발전하고 있는 아시아 및 아프리카 지역에서 특히 심하다. 이들 지역에서는 인구의 성장 및 산업의 발전으로 기존의 전기 기반시설에 대한 커다란 수요를 낳고 있다. 하지만, 배전망 기반시설 자체가 부족한 나라들에서는 주요 전기망에 연결되지 못한 또 다른 국내 소비자 제품 시장이 빠르게 성장하고 있다. 그러한 장치들은 종종 배터리, 케로신이나 디젤 발전기 등에 의해 전기를 공급받는다. 하지만 화석연료 에너지는 가까운 미래에 사라지는 것으로 되어 있고, 중국이나 인도와 같은 새로운 역할자들은 모든 오일 및 가스 생산 증가분을 흡수하고 있어, 배터리의 필요성이 앞으로 수십 년간 상당히 증가할 것이다.

선진국에서는 오프 그리드 응용(off grid applications)에 대한 요구 또한 증가하고 있다. 사람들은 랩탑 컴퓨터나 스마트 폰과 같은 휴대용 전자기기들을 점점 더 많이 사용하고 있다. 또한, 도 1에 나타낸 것처럼 환경과 경제에 관한 관심 때문에 전기자동차(electric vehicle: EV) 및 하이브리드 전기자동차(hybrid electric vehicle: HEV) 시장이 기지개를 켜기 시작했다. 이런 나라들에서는 사물 인터넷(Internet of Things: IoT) 또한 빠르게 증가하는 추세를 보이고 있으며, 에너지 저장 수단에 관한 요구 또한 이미 성장하고 있다.

물론 때로는 작은 시스템들은 하이퍼 캐패시터(hyper-capacitors)에 의존하는 경우도 있지만, 이와 같은 장치들에서 전기를 저장하는 주요 수단은 배터리이다. 사용되는 배터리의 대다수는 리튬-기반 배터리(Li-Ion, Life-Po…)인데, 이는 더 높은 전력밀도와 고속 충전능력을 제공하기 때문이다(도 2 참조). 또한, 리튬-기반 배터리들은 자체방전(self-discharge)이 낮고 점화에 필요한 요건을 갖고 있지 않다. 그래서 리튬 배터리들은 오늘날 모바일 폰에서 어린이 장난감, 전기자전거, 승객 운송수단 등에 이르기까지 넓은 범위의 소비자 상품에 전력을 제공하기 위해 사용되고 있다. 리튬-기반 배터리는 이미 배터리 시장에서 제일 큰 부분을 차지하고 있으며, 그에 대한 요구는 여전히 계속 증가하고 있어, 앞으로 2020년까지 시장이 거의 4배 정도 성장할 것으로 예상되고 있다.

하이퍼 캐패시터는 에너지 저장의 새로운 방식으로서 등장하고 있다. 그것은 높은 에너지 밀도를 제공하기에 주어진 무게의 배터리와 거의 같은 정도의 전기를 저장할 수 있고, 수명 또한 길다. 배터리에 비해, 하이퍼 캐패시터는 훨씬 더 빠르고 더 쉽게 충전할 수 있고, 더 안전하게 사용할 수 있으며, 훨씬 더 낮은 저항을 보이고, 우수한 저온 충방전 성능을 제공한다.

하지만, 하이퍼 캐패시터는 자체 방전율이 높고 셀 에너지가 낮으며 선형 방전 전압을 갖는다. 이런 문제들은 에너지 스펙트럼 전체를 사용하는 데 지장을 초래한다. 하이퍼 캐패시터는 이런 단점들로 인해 시장에서 지배적 위치를 차지하지 못하고 있다.

대신, 리튬-기반 배터리들이 여전히 시장에서의 지배적 지위를 차지하고 있으며, 이런 상황은 상당히 오랫동안 계속될 것이다. 하지만, 리튬-기반 배터리들은 또한 몇 가지 도전에 직면해 있다. 그 배터리들은 다른 몇 가지 재충전 가능한 기술들처럼 튼튼하지 않다. 그 리튬-기반 배터리들은 과충전 되는 것과 과방전 되는 것을 막을 필요가 있다. 또한, 그 리튬-기반 배터리들은 온도와, 전압 및 전류의 잘못된 사용에 민감하다. 만약 적정한 조건들이 만족되지 않으면, 그 배터리들의 수명은 쉽게 저하된다.

게다가 리튬 배터리에서는 노화 과정이 다른 문제로 된다. 시간과 달력에 의존되어 있을 뿐만 아니라, 배터리가 거쳐 간 충방전 사이클의 회수에도 의존한다. 더구나 리튬 배터리는 잠재적으로 폭발가능성을 가지고 있다. 적정한 보호 아래 놓이지 못하면 불이 날 수도 있다.

이런 문제들을 해결하기 위해, 배터리 관리 엔지니어들은 많은 노력을 기울여 왔다. 그들은 배터리 모델들에 관한 해법을 내놓고 있고, 리튬 사용의 신뢰도를 보장하고 증가하기 위한 경험적 연구들이 수행되고 있다. 이들 모델과 연구들을 통해, 엔지니어들은 배터리 보안, 사용자 안전, 배터리 동작 조건을 다루기 위한 알고리즘과 하드웨어를 발전시켜오고 있다. 배터리 관리 시스템(battery management system: BMS)과 여러 가지 많은 조사보고서가 그것들을 여러 가지 조합의 기능들을 가지고 상세하게 규정하고 있다.

수년 동안, BMS 성능은 상당히 향상되어 왔고, 리튬-기반 배터리 기술을 대중화시켰다. 그리고 여전히 새로운 실증적 연구들을 통해 BMS 기반의 새로운 모델들이 개발되고 있다.

BMS의 개발에서 주목할 점은 대개 전기 및 컴퓨터 엔지니어들이 그 개발을 수행한다는 것이다. 그들의 기본적인 접근법은 배터리의 행동에 관한 경험적 분석과 전기적 모델화이다. 도 3의 회로도는 이러한 전기적 모델화한 리튬-이온 배터리를 나타낸다. 그러한 방법들은 개발을 빠르게 할 수 있고, 해결책을 선형 산업 개발 프로세서에 접목하기가 쉬운 장점을 제공한다(화학자들은 배터리를 만들고, 전기전자 엔지니어들은 하드웨어를 개발하고, 컴퓨터 엔지니어들은 알고리즘과 제어를 개발하는 형태).

그러나 전기전자 및 컴퓨터 엔지니어들은 화학에 대한 이해가 낮아 경험한 상황 이외의 배터리 행동을 예측하기가 어렵다. 그러한 상황은 위험한 상황이나 사고에 이르게 할 수도 있다. 이러한 사고들은 고급 제품(보잉 및 테슬라)부터 보통의 제품(전자 담배)에 이르기까지 시장의 각 단계에서 발생할 수 있다. 그러므로 배터리 내부의 화학적 및 물리적 구조에 관한 깊은 이해에 의거하여, 보다 근본적인 접근을 할 필요가 있다.

기존에 이런 관점에서, 배터리의 플러그를 뽑은 상태에서 온도를 변화시켜 엔트로피를 측정하는 방법이 제안된 바 있으나, 그 방법은 배터리를 정적인 상태를 유지하면서 엔트로피를 측정하였기에, 엔트로피 측정에 수십 시간이 소요되는 등의 단점을 가지고 있어서 상업적으로 활용되기에는 적합하지 않았다.

따라서 동적인 열역학 파라미터 추출법을 위한 BMS 기술들의 실질적인 필요성이 대두대고 있다. 이에 본 발명은 상기한 바와 같은 종래 기술의 문제점을 인식하고 그 한계를 극복하기 위해 착안한 것으로, 본 발명은 배터리를 충전하거나 방전을 하는 동안에 배터리의 엔트로피 값을 실시간으로 추정할 수 있는 방법을 제공하는 것을 목적으로 한다.

본 발명은 또한, 배터리의 플러그를 뽑지 않은 상태에서 배터리의 온도를 변화시키지 않고 엔트로피와 엔탈피를 결정할 수 있는 방법을 제공하는 것을 다른 목적으로 한다.

또한, 본 발명은 엔트로피를 사용하여 배터리 내부 상태를 열역학적 분석적으로 파악할 수 있고, 특히 SOH는 물론 SOS까지 모니터링 할 수 있게 되어, 보다 정확한 배터리 상태를 파악할 수 있는 방법을 제공하는 것을 또 다른 목적으로 한다.

위와 같은 목적을 달성하기 위한 본 발명의 일 실시예에 따르면, BMS에서 배터리의 잔존용량(SOC)을 추정한다. 그런 다음 그 추정된 SOC 값이 측정 기준값과 같은지 비교한다. 같지 않으면, SOC 추정을 다시 수행한다. 추정된 SOC 값과 측정 기준값이 같은 경우, 적어도 1 사이클 이상 각 사이클별로 배터리 온도를 측정하고, 배터리의 개방전압(OCV)을 추정한다. 온도 측정값과 OCV 추정값에 관한 데이타를 저장한다. 새롭게 저장된 온도 측정값과 OCV 추정값에 기초하여 배터리의 현재 상태의 엔트로피를 새로 계산한다. 새로 얻은 엔트로피 값에 기초하여 배터리 건강 상태(SOH) 값과 배터리의 위험도(SOS) 값을 업데이트한다.

종래의 BMS는 엔트로피를 사용하지 않고 배터리 내부 저항을 통해 SOH를 예측하였으나, 본 발명은 엔트로피를 사용함으로써 배터리 내부 상태를 열역학적 분석적으로 파악할 수 있다. 그러므로 SOH는 물론 SOS까지 모니터링 할 수 있게 되어, 보다 정확한 배터리 상태를 파악할 수 있다.

본 발명의 목적을 달성하기 위한 본 발명의 일 실시예에 따르면, 배터리 엔트로피의 동적 추정 방법이 제공된다. 이 엔트로피 동적 추정 방법은, 배터리와 연결된 배터리 관리 시스템(Battery Management System: BMS)에서 프로그램을 실행하여 수행되는 방법으로서, 기능적 상태가 동적으로 변하는 상태에 있는 상기 배터리의 온도를 측정함과 더불어 그 온도 측정 시점 근처에서 상기 배터리의 개방 전압(Open Circuit Voltage: OCV)을 추정하는 단계와, 온도 측정값들과 OCV 추정값들에 기초하여 상기 배터리의 엔트로피 변화량을 추정하는 단계를 포함할 수 있다.

일 실시예에 따르면, 상기 배터리 엔트로피의 동적 추정 방법은, 상기 배터리의 충전 상태(SOC)를 지속적으로 모니터링하면서 추정하여, SOC 추정값이 미리 설정해둔 측정 기준값과 같은지 비교하는 단계를 더 포함할 수 있다. 이 단계를 통해, 상기 모니터링된 SOC 값이 상기 측정 기준값과 같은 때에, 상기 OCV를 추정하는 단계 및 상기 엔트로피 변화량을 추정하는 단계를 수행할 수 있다.

상기 배터리 엔트로피의 동적 추정 방법의 일 실시예에 따르면, 상기 SOC 추정값은 소정의 배터리 온도와 상기 배터리의 OCV에 의거하여 상기 배터리의 잔류 전하량을 선형회귀분석으로 산출될 수 있다.

상기 배터리 엔트로피의 동적 추정 방법의 다른 실시예에 따르면, 상기 SOC 추정값은 상기 배터리의 전류를 측정하고 이를 시간에 대해 적분하는 쿨롱 카운팅법으로 산출될 수 있다.

상기 배터리 엔트로피의 동적 추정 방법의 또 다른 실시예에 따르면, 상기 SOC 추정값은 칼만 필터링(Kalman filtering)을 이용하여 산출될 수 있다.

일 실시예에 따르면, 상기 엔트로피 변화량을 추정하는 기준이 되는 상기 측정 기준값은 필요에 따라 임의적으로 설정될 수 있다.

일 실시예에 따르면, 상기 배터리 엔트로피의 동적 추정 방법은, 상기 엔트로피 변화량에 기초하여, 상기 배터리 건강 상태(State of Health: SOH) 및/또는 상기 배터리의 위험도를 나타내는 안전 상태(State of Safety: SOS) 값을 산출하는 단계를 더 포함할 수 있다.

일 실시예에 따르면, 상기 엔트로피 변화량의 측정은, 상기 SOC와 상기 배터리 온도, 그리고 상기 OCV 측정을 2 사이클 이상에 걸쳐서 수행하여 얻어지는 상기 OCV와 상기 배터리 온도의 상관관계를 기초로 하여 측정할 수 있다.

일 실시예에 따르면, 상기 엔트로피의 변화량 측정은, 상기 SOC의 전 구간에 걸쳐 수행할 수 있다.

일 실시예에 따르면, 상기 엔트로피의 변화량 측정은, 상기 SOC가 상기 측정 기준값만큼 변할 때마다 반복해서 수행할 수 있다.

일 실시예에 따르면, 상기 OCV는 측정법에 의하지 않고, 상기 SOC 추정값과 상기 배터리 온도를 이용한 추정으로 산출될 수 있다.

일 실시예에 따르면, 상기 배터리 엔트로피의 동적 추정 방법은, 상기 온도 측정값들과 상기 OCV 추정값들을 상기 BMS내의 데이터베이스에 저장하는 단계를 더 포함할 수 있다.

일 실시예에 따르면, 배터리 엔트로피의 동적 추정 방법은 집적 회로 시스템으로 구현될 수 있다.

일 실시예에 따르면, 배터리 엔트로피의 동적 추정 방법은 범용 CPU 또는 MCU에서 구동되는 프로그램으로 구현될 수 있다.

일 실시예에 따르면, 배터리 엔트로피의 동적 추정 방법은, 로직 회로로 구현될 수 있다.

일 실시예에 따르면, 배터리 엔트로피의 동적 추정 방법은, 클라우드 시스템에서 구동되는 프로그램으로 구현될 수 있다.

종래의 기술은 배터리의 상태 예측의 오류가 많았고, 이로 인한 배터리 폭발 및 수명 저하, 부풀음과 같은 사고가 빈번하게 발생하는 문제점이 있었다.

하지만, 본 발명에 의하면, 배터리를 사용하는 동안에 엔트로피의 동적 변화를 측정할 수 있고, 이를 통해 배터리의 상태를 종래에 비해 정확하게 예측하는 것이 가능하다. 그에 따라 배터리 폭발 등과 같은 사고를 미연에 방지할 수 있다.

또한, 본 발명에 따르면, 배터리의 엔트로피를 배터리를 충전하거나 방전하면서 동적으로 추정할 수 있다. 엔트로피 추정도 매우 신속하게 이루어질 수 있다. 이러한 장점은 본 발명의 실용성을 매우 높여준다.

도 1은 2010년부터 2025년까지의 전기 자동차 및 하이브리드 전기자동차의 예상 생산량을 나타내는 그래프이고,
도 2는 배터리 종류별로 에너지 밀도를 비교한 그래프이고,
도 3은 리튬-이온 배터리를 종래방식에 따라 전기적으로 모델링한 회로도이고,
도 4는 배터리를 충전하는 과정에서 정적인 방법으로 배터리의 SOC를 측정하는 스케줄을 예시하는 그래프이며,
도 5는 본 발명에 따른 배터리의 엔트로피를 동적으로 추정하는 방법을 나타낸 흐름도이고,
도 6은 본 발명의 방법을 실행하기 위한 BMS의 일예를 도시하며,
도 7은 본 발명의 방법을 실행하기 위한 BMS의 다른 예를 도시하며,
도 8은 원격지의 클라우드 시스템에 적용하여 본 발명의 방법을 실행하기 위한 BMS의 또 다른 예를 도시하며,
도 9는 Li-Ion 배터리 셀의 데이터 쉬트에서 제공되는 배터리의 용량(Capacity)과 OCV의 관계를 나타내는 특성 곡선의 일예이고,
도 10은 서로 다른 방전 전류값 별로 배터리 전압을 배터리 SOC의 함수로서 예시적으로 나타낸 그래프이고,
도 11은 기전력을 발생시키는 전압 발생기와 내부 저항으로 구성된 형태로 모델링된 배터리의 등가회로도이고,
도 12는 엔트로피 변화량을 SOC의 함수로 표시한 예시적인 그래프이고,
도 13은 엔트로피 변화량과 배터리 용량 손실 간의 관계를 나타내는 예시적인 그래프이고,
도 14는 자체 가열율과 엔트로피 변화량 간의 관계를 나타내는 예시적인 그래프이다.

본문에 개시되어 있는 본 발명의 실시예들에 대해서, 특정한 구조적 내지 기능적 설명들은 단지 본 발명의 실시예를 설명하기 위한 목적으로 예시된 것으로, 본 발명의 실시예들은 다양한 형태로 실시될 수 있으며 본문에 설명된 실시예들에 한정되는 것으로 해석되어서는 아니 된다.

본 발명은 다양한 변경을 가할 수 있고 여러 가지 형태를 가질 수 있는바, 특정 실시예들을 도면에 예시하고 본문에 상세하게 설명하고자 한다. 그러나 이는 본 발명을 특정한 개시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.

제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로 사용될 수 있다. 예를 들어, 본 발명의 권리 범위로부터 이탈되지 않은 채 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다.

어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다. 구성요소들 간의 관계를 설명하는 다른 표현들, 즉 "~사이에"와 "바로 ~사이에" 또는 "~에 이웃하는"과 "~에 직접 이웃하는" 등도 마찬가지로 해석되어야 한다.

본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 설시된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미이다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미인 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.

이하에서는 첨부한 도면을 참조하면서 본 발명을 용이하게 실시할 수 있도록 구체적으로 설명한다.

(1) 용어의 정의: 우선 본 발명의 구체적인 설명에 앞서, 본 발명에서 사용하는 주요 용어들의 의미를 간략하게 설명한다.

- 개로전압(open circuit voltage: OCV): 전지에 부하가 걸려 있지 않을 때, 즉 외부에 전류를 방출하고 있지 않을 때의 양과 음의 두 전극간의 전압. 개로 전압의 최대값은 이론상 그 전지의 기전력의 값과 동등해진다.

- (전기) 셀: 전기 에너지로(대개 직류 전류의 형태로) 전환될 수 있는 화학 에너지를 저장하는 장치.

- 배터리: 셀 하나 또는 셀 집단을 내포하는 전기에너지 저장 장치.

- 배터리 충전 상태(State of Charge: SOC): 충전 상태를 의미하며, 배터리의 연료 게이지와 등가적이다. 이것의 단위는 퍼센티지 포인트이다 (0% = 완전 고갈(empty); 100% = 만충(full)). SOC는 주로 사용 중인 배터리의 현재 충전 상태를 나타낼 때 사용된다.

- 배터리 건강 상태(State of health: SOH): 배터리의 이상적인 조건에 비해 배터리(또는 셀, 또는 배터리 팩)의 조건의 성능지수(figure of merit)이다. 단위는 퍼센트 포인트이다(100%=배터리의 조건들이 배터리의 사양에 부합함). 통상적으로, 배터리는 제조 시에 SOH가 100%일 것이고, 시간 경과 및 사용에 따라 SOH 값은 감소할 것이다. 그렇지만, 제조 시의 배터리의 성능은 그것의 사양을 만족시키지 못할 수도 있고, 그 경우에는 그것의 초기 SOH는 100%보다 작을 것이다.

- 배터리 안전 상태 (State of Safety: SOS): 주어진 SOC 및 SOS에서 배터리가 위험하게 행동할 즉, 갑자기 연소하고나 대개는 폭발하는 등의 행동을 할 확률을 나타낸다.

- 배터리 관리 시스템(Battery Management System: BMS): 재충전 가능 배터리(셀 또는 배터리 팩)를 관리하는 전자 시스템으로서, 배터리가 안전 운영 영역 밖에서 운영되지 않도록 보호하고, 배터리의 상태를 모니터링 하며, 2차 데이터를 계산하고, 그 데이터를 보고하며, 그것의 환경을 제어하며, 배터리를 인증 및/또는 밸런싱하는 등의 관리 작업들(이런 작업에만 국한되는 것은 아님)을 수행한다.

- 엔탈피(Enthalpy): 시스템의 전체 열량과 등가적인 양으로서, 그 시스템의 내부 에너지와, 압력과 부피의 곱을 합한 값과 같다. 시스템의 엔탈피 변화는 특정 화학적 프로세스와 연관되어 있다.

- 엔트로피: 기계적인 일로 전환하는 데 유용하지 않은 시스템의 열에너지를 나타내는 열역학적 양(상태 함수)으로서, 종종 그 시스템의 무질서도 또는 임의성의 정도로 해석된다.

- 배터리 사이클: 방전과 충전으로 이루어지는 배터리 생명의 일부분

- 리튬-기반 배터리(Li-based battery): 두 개의 산화 환원 커플(RedOx couples) 중 하나가 리튬-기반 배터리로 여겨지므로, 모든 화학적 특성이 리튬에 의존하는 모든 종류의 배터리. 예로는 Li-Ion, Li-Po, Li-Mn, Li-Al 등의 배터리를 생각해볼 수 있을 것이다.

(2) 배터리의 내부 상태에 관한 전기화학 및 열역학 기반의 정적 측정법

전기화학적 열역학적 측정(electrochemical thermodynamics measurements: ETMs)에 기반하여, 리튬-이온 배터리의 내부 상태를 비파괴적인 방식으로 파악할 수 있고, 배터리의 충전 상태(SOC), 건강 상태(SOH), 그리고 안전 상태(SOS)와 같은 파라미터들을 계산하여, 배터리의 양극과 음극 물질을 분석할 수 있다. 이를 위한 방법은, SOC의 여러 가지 다른 값에서, 배터리의 개로전압(OCV)(E ₀)의 점진적 변화(evolution)를 배터리 셀 온도(T)와 함께 모니터링 하는 방식이다. OCV는 Li_xC6와 Li_1-xCoO₂ 각각에서 배터리의 양극과 음극에서의 리튬의 화학량론(stoichiometry)(x)에 대응한다. 엔트로피[ΔS(x)]와 엔탈피[ΔH(x)] 상태 함수들은 다음과 같은 일반적인 열역학 법칙들로부터 계산될 수 있다.

위 식에서, G는 깁스 자유 에너지(Gibb's free energy)를 나타내며, n은 통상적인 기본 반응에서 전자들의 교환량을 나타내며, F는 패러데이 상수이다.

위 식에서 엔트로피[ΔS(x)]와 엔탈피[ΔH(x)]는 배터리의 규정된 충전상태(x)에서 측정될 수 있으므로, 엔트로피[ΔS(x)]와 엔탈피[ΔH(x)]는 충전상태(x)에 대한 배터리 시스템의 전체 엔트로피의 국지적 기울기와, 그 전체 엔탈피 변화로 각각 정의될 수 있다. 따라서 엔트로피[ΔS(x)]와 엔탈피[ΔH(x)]를 정하기 위한 기준 상태의 필요성은 없다.

식 (1)로부터, 엔트로피는 두 측정 지점간의 온도 차이 및 OCV 차이와 이를 링크시켜주는 상수 계수에 따라 정해진다. 달리 말하면, 엔트로피는 주어진 SOC에 관한 고정값을 나타내며, OCV와 온도 간의 관계는 선형적이다. (이에 관한 구체적인 사항은 아래 식 (5)와 그에 관한 설명 참조)

엔트로피[ΔS(x)]와 엔탈피[ΔH(x)]를 측정하기 위한 한 가지 방법으로서, 배터리의 충전과정에서, '배터리 온도의 측정과 그 온도에서의 SOC 및 OCV의 산출(단계 1) --> SOC의 설정값(예컨대 5%의 SOC)만큼 충전되면 배터리 내부에서 화학적 이완(chemical relaxation)에 도달할 때까지 대기(단계 2) 후 다시 단계 1을 수행'하는 것을, 배터리가 만충될 때까지 반복하는 방법을 고려할 수 있다. 그런데 이 방법은, 도 4에 예시된 측정 스케줄에서 알 수 있듯이, 예컨대 SOC의 특정 값에서 1회 측정한 다음 다른 값에서 다시 측정하는 시점(SOC가 5% 증가한 때 다시 한 번 측정함) 사이에 반드시 배터리가 충전상태에서 화학적 이완상태로 천이될 때까지 대기해야 한다는 점에서, 정적인 측정 방법으로 볼 수 있다. 즉, 그 연속되는 두 번의 측정 간에 결과적인 지연이 존재하게 되고, 그런 다음 OCV가 측정되기 전에 열-화학적 평형에 도달해야 한다. 개략적으로 계산해보면, 20분의 이완 시간을, 무시할 수 있는 충전시간, SOC의 매 5%마다 측정, 그리고 3번의 온도 측정과 함께 고려하고, 온도 변화 시간 또한 무시할 수 있는 것으로 생각하면, 한 번 충전에 20시간을 필요로 한다. 만약 이완 시간이 40분으로 늘어나면, 배터리를 만충하는 데 40시간이 요구된다.

그러므로 이런 정적인 측정 방법은 현실계에서 적용하기에는 한계가 있다. 실제로 임베디드 시스템들 중에서 자신의 배터리의 SOC, SOH, 또는 SOS를 업데이트할 필요가 있는 시간마다 끌 수 있는 것은 없다. 더구나, 단순한 이완 시간은 배터리의 충전을 하루 종일 걸리는 과정이 되게 한다. 실제로 배터리 충전은 대개의 경우 30분 이내에 만충 상태의 60%에 도달할 것을 요구한다. 상기 정적인 측정 접근법은 이런 요구를 수용할 수 없으므로 비현실적이다. 게다가, 온도를 낮추어야 할(또는 높여야 할) 필요 때문에 종래의 엔트로피 추출 방법은 BMS의 단가를 비싸게 만들어, 실제 시스템들 특히 부피가 작은 IoT와 스마트폰에 적용하는 데 비용이 많이 들어 적용하기 어렵다. 또한, 냉각 시스템을 위한 단위 비용이 지나치게 감소되어 상업성이 없다. 이런 한계들을 극복할 수 있는 새로운 접근법이 필요하다.

(3) 본 발명에 따른 해법: 전기화학 및 열역학 기반의 동적인 엔트로피 측정법

본 발명은, 어떠한 외부에서의 냉각 제어방법에 의존하지 않고, 부하에 연결되어 작동하고 있는 배터리를 그대로 유지하면서, 엔트로피를 산출하는 방법을 제안한다. 도 5는 본 발명이 제안하는 엔트로피 추출 방법의 알고리즘을 나타내는 흐름도이다. 이 알고리즘은 배터리 관리 시스템(Battery Management System: BMS)의 기능의 일부로 구현될 수 있다.

임의의 기능적 상태에 있는 충전가능형 배터리에 대하여, BMS는 그 배터리가 안전 운용 영역(safe operation area) 밖에서 운용되는 것을 방지하고, 배터리의 상태를 모니터링 하며, 2차적인 데이터를 계산하고, 그 데이터를 보고하며, 배터리의 환경을 제어하고, 배터리의 인증 등을 수행함으로써 필요한 사항을 체크하면서 관리를 해나간다.

본 발명이 적용되는 BMS는, 예컨대 도 6에 예시되어 있듯이, 프로그램의 실행을 통해 필요한 연산 및 제어를 수행하고 데이터 등을 저장하는 마이크로콘트롤러(110)(또는 CPU 및 메모리)를, 배터리에 연결되어 필요한 신호를 획득하여 마이크로콘트롤러로 제공하는 프로브(120)와 배터리 전원으로 동작해야 하는 장비들에서 최소한의 전력으로 구동하도록 제어하는 파워 IC(130) 등과 함께 회로기판 상에 장착한 회로기판의 형태의 BMS(100)일 수 있다. 또한, 도 7에 예시되어 있는 것처럼, 마이크로콘트롤러(110)와 등가적인 기능을 갖는 로직 제어기(210) 및 메모리(220), 파워 IC(130)와 등가적인 기능을 갖는 파워 스위치(230) 및 파워 구동부(240)(이는 로직 제어기(210)의 제어에 따라 파워 스위치(230)를 구동함), 그리고 프로브(250) 등으로 구현된 집적회로 형태의 BMS(200)일 수 있다. 본 발명의 BMS 기능은 클라우드 시스템과 연계하여 작용할 수도 있다. 즉, 이를 위한 BMS 장치는, 도 8에 예시된 것처럼, 네트워크를 통해 원격에 있는 클라우드 시스템(310)과 통신하기 위한 네트워크 인터페이스(320), 그리고 위에서 언급한 파워 스위치(330)와 파워 구동부(340), 그리고 프로브(350) 등을 포함할 수 있다.

이처럼 본 발명이 적용될 수 있는 BMS의 하드웨어적 구성 형태는 다양할 수 있다. 어떤 형태의 BMS든 그것이 프로그램의 실행을 통해, 필요한 연산과 제어를 수행하고, 데이터를 저장하는 등의 작업을 수행할 수 있는 것이라면, 배터리와 연결되어, 이하에서 설명하는 기능을 수행할 수 있다.

본 발명에 따른 방법은 배터리가 충전 중이거나 또는 방전 중인 동안에 실행될 수 있다. 배터리가 충전 또는 방전됨에 따라 SOC 값이 변하게 된다. 즉, 배터리는 동적으로 상태 변화를 하는 중일 수 있다. 배터리의 엔트로피 추출 주기를 SOC 값의 변화량을 기준으로 설정할 수 있다. 예컨대, SOC 값이 만충 상태의 SOC를 기준으로 5% 변할 때마다 이하의 온도 및 OCV 측정을 통한 엔트로피의 추정을 수행하는 루프를 실행하도록 설정할 수 있다. 이 설정값 즉, SOC 추정 주기는 시스템의 필요에 따라 다양한 값, 예컨대 1%, 3% 또는 8% 등과 같이 다른 값으로 설정될 수 있음은 물론이다.

본 발명에 따라 BMS가 배터리의 엔트로피를 추출하는 알고리즘은 다음과 같다.

BMS는 배터리가 충전되거나 방전되는 과정에서 BMS는 그 배터리의 충전의 정도 즉, SOC를 계속 측정하면서 SOC의 변화를 모니터링 한다(S30 단계). SOC는 보통 직접적으로 측정하는 것이 어렵기 때문에 간접적인 방법에 의해 측정할 수 있다.

SOC 측정을 위한 한 가지 방법은 배터리의 OCV와 온도에 의거하여 선형회귀법으로 추정하는 것이다. 배터리의 전압은 온도에도 영향을 받으므로, 배터리의 전압과 온도를 함께 참조하여 SOC를 연산할 수 있다. 구체적으로, 배터리 제조자는 각 배터리별로 그 배터리의 특성을 나타내는 데이터 쉬트를 제공한다. 그 배터리 데이터 쉬트에는 배터리 특성 곡선이 제공되는데, 그 배터리 특성 곡선에 근거하여 배터리의 OCV와 온도로부터 배터리의 실제 충전 상태(SOC)를 결정할 수 있다. 도 9는 예컨대 2200mAh Li-Ion 배터리 셀의 데이터 쉬트에서 제공되는 배터리의 용량(Capacity)과 OCV의 관계를 나타내는 특성 곡선을 예시적으로 보여준다. 배터리의 전압은 배터리에 남아 있는 전하량에 따라 점진적으로 변화한다. 그러므로 OCV 값과 그에 대응하는 측정 온도값과, 배터리 특성 곡선을 이용하여 선형회귀법(a linear regression estimation)을 적용함으로써, 배터리에 남아있는 전하량을 추정할 수 있다.

배터리의 SOC를 추정하는 다른 방법으로는, 쿨롱 카운팅(Coulomb counting)을 이용하는 방법이다. 이 쿨롱 카운팅법은 OCV를 이용하는 방법과는 근본적으로 다른 방법으로서, 일명 전류적분법(Current integration method)이라고도 하는데, 배터리의 전류를 측정하고 이를 시간에 대해 적분하여 SOC를 계산하는 방법이다. 알려져 있는 배터리 용량의 포텐셜 에너지를 고려하는 것 및 그 안에 남아 있는 전하의 퍼센티지를 정하는 대신에, 이 방법은 배터리를 연료 탱크처럼 생각한다. 그러므로 이 방법은, 배터리 충전 과정 동안에 그 배터리에 들어가는 전하의 양을 측정함으로써, 그 배터리의 최대 용량을 결정한다. 그런 다음, 배터리 밖으로 흘러나오는 전하를 카운팅한다. 이렇게 함으로써 배터리의 잔류 용량을 쉽게 산출할 수 있다. 배터리 안으로 들어가거나 또는 밖으로 나오는 전하의 양은 배터리 안으로 전류가 흘러들어가거나 밖으로 흘러나오는 전류의 시간 간격에 걸쳐서 적분함으로써 계산될 수 있다.

그 밖의 방법으로는, 위의 두 가지 방법 즉, OCV 기반 SOC 산출법과 쿨롱 카운팅 기반 SOC 산출법은 나름의 한계를 가지고 있는 점을 고려하여, 이 두 가지 OCV 추정법을 복합적으로 이용하여 추정하는 방법(하이브리드형 방법)도 가능하다. 이 하이브리드형 방법은 상기 두 가지 OCV 추정법 중 어느 하나의 방법이 나머지 하나의 방법의 오차를 줄여주는 방식으로 활용할 수 있게 해준다. 그 외에, 배터리의 전해질의 비중과 pH를 측정하여 SOC를 계산하는 화학적 방법도 있다.

BMS에서는 이와 같은 방법들 중 어느 한 가지를 이용하여 배터리의 SOC를 주기적으로 측정하면서 그 값의 변화를 모니터링 한다. 그리고 SOC값이 산출될 때마다, 그 측정된 SOC 값이 엔트로피 추출을 위해 미리 설정해둔 값에 도달했는지 여부를 판별한다(S32 단계). 예컨대, 상기 SOC 측정 주기를 5%로 설정해둔 경우, SOC 값이 이전 측정 주기에 비해 5% 증가하거나 감소하게 되면, 이하에서 설명하는 엔트로피 추출 루프(S34~S40 단계)를 실행한다. 그 외의 경우에는, S30 단계로 다시 리턴되어 SOC 값의 변화를 계속 모니터링 한다.

BMS가 S32단계에서, 배터리의 SOC 값이 엔트로피 측정을 위한 설정값에 이른 것으로 판단되면, 곧바로 그 때의 배터리의 온도를 측정한다. 그와 동시에, 그 배터리의 OCV를 추정한다(S34 단계). OCV는 배터리의 개방전압이므로, 이의 동적 변화는 직접 측정하는 것은 이치에 맞지 않고, 현실적으로도 불가능에 가깝다. 그러므로 OCV는 간접적으로 측정 즉, 추정한다. 배터리 온도는 예컨대 섭씨 단위로 측정할 수 있고, OCV는 예컨대 볼트 단위로 측정할 수 있다.

S34 단계에서, 배터리의 OCV를 추정하는 방법에는 여러 가지 방법이 사용될 수 있다. OCV를 추정할 수 있는 예시적인 한 가지 방법은, SOC의 추정에 관한 설명에서도 언급하였듯이, 해당 배터리의 특성 곡선을 이용하여 추정하는 방법이다.

배터리를 구입할 때, 배터리 제조사로부터 해당 배터리의 데이터 쉬트를 구할 수 있다. 배터리 데이터 쉬트는 배터리의 기술적인 사양 (예컨대, 동작 범위, 안전 사용 한계치, 패키지의 사이즈 등)을 제공한다. 대부분의 배터리 데이터 쉬트에는 배터리 전압(OCV)과 방전용량(SOC) 간의 관계를 나타내는 특성 곡선에 관한 정보가 포함되어 있다. 그 특성 곡선은 예컨대 서로 다른 방전 전류값 별로 배터리 전압을 배터리 SOC의 함수로서 그린 것이다. 도 10은 이의 예시적인 그래프를 나타낸다. 이 특성 곡선을 이용하여 OCV를 추정하기 위해서, 배터리의 단자에서 전압과 전류 모두를 측정한다. 그런 다음, 그 측정된 전류를 표현하는 전류를 방전하는 두 개의 곡선을 선택한다. 그리고 그 선택된 두 개의 곡선을 이용하여 선형 회귀법(linear regression)으로 OCV의 값을 추정할 수 있다.

OCV를 추정하는 다른 방법은, 배터리들이 저주파수 충전 (방전) 변화(variations)에 노출되어 있고, 그 드레인 (충전) 전류가 지나치게 높지 않은 경우 (대개는 정격 전류의 20% 이하), 단순화 된 모델로 배터리를 나타낼 수 있다. 예컨대 도 11에 도시된 것처럼, 부하(R)에 연결된 배터리는 기전력(ε)을 발생시키는 전압 발생기와 내부 저항(r)으로 구성된 형태로 모델링 될 수 있다. 오옴의 방정식으로부터, 내부 저항(r)에 흐르는 전류의 효과로서 배터리 내부에서 발생하는 전압강하를 결정할 수 있다.

기전력 (ε)은 OCV에 해당하고, 전류(I)가 흐르지 않을 때에는 배터리의 양단에 나타나는 전압은 기전력 (ε) 즉, OCV와 같다. 또한, 전류가 흐르는 경우에는 배터리 양 단자(A, B)에 나타나는 전압은 기전력 (ε)과 내부저항(r)에서의 전압강하의 합과 같다. 이를 식으로 정리하면 다음과 같다.

OCV = ε ......(4-1)

Vbatt_{I =0} = OCV ......(4-2)

Vbatt_{I ≠0} = ε+ r*I ......(4-3)

그렇다면, 이의 반대 과정을 따라서, 내부 저항값을 알고 있는 상태에서, 부하에 전류가 흐를 때 배터리의 전압과 전류를 측정하면, 위 식을 이용하여 OCV를 추정할 수 있다.

OCV를 추정하는 또 다른 방법으로, 칼만 필터링(Kalman filtering)을 이용한 OCV 추정도 가능하다. 칼만 필터링은, 상태 변수 값을 정확하게 추정해야 하지만 그것의 효과나 파생 신호들을 측정할 수 있을 뿐인 상황일 때, 여러 영역에서 사용되는 반복 대수연산법(an algebraic iterative method)이다. 이 방법은 개념적으로는 꽤 간단하지만, 알고리즘으로서 적용하기는 만만하지 않을 수 있다. 이 방법의 개념은 다음과 같다: (i) 시스템은 변수의 이전의 추정 상태값들로 채워져 있음; (ii) 측정과, 이전의 추정 상태, 그리고 그 시스템의 사용자 지정 모델(a custom model)로부터, 다음 상태를 추정함. 그런 다음, 그 상태로부터 측정 가능한 파라미터 값에 대한 추정이 이루어짐; (iii) 그 파라미터가 측정되고, 추정 오차(측정과 추정 간)가 계산됨; (iv) 그 추정 오차로부터 그 추정 상태가 보정되고, 보정된 값은 그 시스템의 다음 단계의 입력으로 투입하는 데 사용됨. 이 방법은 단계적 처리 과정에 따른다. 이 방법의 정확성은 그것이 의존하는 모델과, 감시 하에 있는 그 시스템의 변화 속도에 비교되는 추정의 시간적 단계에 달려있다.

위에서 언급한 방법들 중 어느 한 가지를 프로그램으로 구현한 OCV 추정모듈을 BMS에서 실행되도록 하는 것에 의해, 현재 상태에서의 OCV를 추정할 수 있다. 배터리의 엔트로피 산출을 위해서는 OCV 외에, 배터리의 온도값도 필요하다. 그러므로 OCV 추정 시 배터리 온도도 함께 측정한다(S34 단계). 배터리의 온도는 온도 센서를 이용하여 실시간으로 직접 측정을 할 수 있다. 경우에 따라서는, 간접적으로 측정하거나, 배터리가 존재하는 실내온도 또는 기상정보에 근거하여 근사 온도값을 입력할 수도 있을 것이다.

SOH와 SOS를 정하기 위해서는 SOC의 전 영역에 걸쳐서 엔트로피를 측정하는 것이 필요하다. 그러므로 단계 S32에서, 배터리의 온도와 OCV를 측정하는 기준점으로 삼는 SOC 설정값의 간격(resolution)은 이런 점을 고려하여 정할 필요가 있다. 그리고 특정 SOC 값에서 배터리의 온도와 OCV의 측정은 수 사이클에 걸쳐 수행된다. 측정 주기의 횟수는 예상되는 정확도 및 시스템의 평상시 엔트로피의 점진적인 변화율(entropy usual evolution rate)을 고려하여 정할 수 있을 것이다. 예컨대 측정 주기의 횟수는 2와 사용자 희망 횟수 사이에서 가변적일 수 있다.

연속적인 2회 이상의 충방전 주기에 걸쳐서, 온도가 똑같이 유지될 가능성은 매우 낮다. 그래서 똑같은 SoC 및 다른 온도에서, OCV를 주기적으로(from cycle to cycle) 측정할 수 있다. 엔트로피의 점진적 진전이 현저하지 않다고 가정하면, 그리고 식 (1)에 의해 기술된 관계에 따르면, 그 엔트로피 값은 몇 주기 동안에 걸쳐서 정해질 수 있다(에러 정정을 위해).

S34단계에서 측정한 온도값과 추정된 OCV 값은 BMS내 저장수단의 데이터베이스에 저장한다(S36 단계).

그런 다음, 이렇게 측정한 값들에 기초하여, 배터리의 엔트로피를 구하기 위한 연산을 수행한다(S38 단계). 엔트로피 연산은 아래 식을 이용하여 수행한다.

......(5)

즉, 특정 SOC 값에서 새롭게 측정되는 엔트로피의 변화량(ΔS _신규 : 직전 주기의 엔트로피 추정값과 현재 주기의 엔트로피 추정값 간의 차이)은 OCV 추정값의 변화량(ΔOCV _추정 : 직전 주기의 OCV 추정값과 현재 주기의 OCV 추정값 간의 차이)을 온도 측정값의 변화량(ΔT _측정 : 직전 주기의 온도 값과 현재 주기의 온도 값 간의 차이)으로 나눈 값에 비례한다. 여기서, k는 일정한 비례상수이다.

위와 같은 엔트로피 산출식이 얻어지는 근거를 설명하면 다음과 같다. 깁스 에너지(Gibb's energy)는 어떤 화학 시스템에서 '사용가능한' 에너지의 양을 나타낸다. 배터리의 경우, 이 에너지는 전기로 바뀔 수 있다. 그러므로 깁스 에너지는 어떤 지정된 순간에서 배터리 내에 존재하는 전하의 주율 양과 바로 그 순간에서 배터리의 전압을 곱한 것이다. 즉, 배터리의 경우 깁스 에너지는 다음 관계식으로 정해진다.

ΔG(x) = -nFE₀(x) ......(6)

그것은 배터리 관찰 시점에서 그 배터리의 상태에 의해 정해진다. 그리고 배터리 계에서는 초기 에너지 E₀(x)는 OCV이므로 식(6)은 다음과 같이 고쳐 쓸 수 있다.

ΔG(x) = -nF · OCV ......(7)

여기서, x는 행해진 화학 반응의 퍼센티지를 나타내고, n은 통상적인 기본 반응에서 전자들의 교환량을 나타내며, F는 패러데이 상수이다.

또한, 열역학 제2 법칙에 따르면 깁스 에너지는 다음 식으로 표시된다.

ΔG(x) = ΔH - TΔS ......(8)

여기서, 엔탈피 H는 계 내의 에너지 총량 즉, 사용가능한 에너지와 사용이 불가능한 에너지의 합(포텐셜 에너지, 있다면 운동 에너지까지 포함)을 나타낸다. 배터리의 경우, 외부의 힘은 존재하지 않으므로 그 계는 열-화학적 분석(thermo-chemical analysis)으로 귀결될 수 있다.

위 식 (7)과 (8)로부터,

k· OCV = -ΔH + TΔS ......(9)

이고, 이를 온도 T에 대하여 미분하면 다음과 같이 된다.

......(10)

일반적인 경우, 배터리 계는 준-정적인 상태로 볼 수 있으므로, 엘링험(Ellingham)의 근사법을 통해 x의 고정값에서 엔트로피(ΔS)나 엔탈피(ΔH)는 그 어느 것도 온도의 함수가 아닌 것으로 추정할 수 있다. 그러므로 위 식 (10)에서 우변의 첫 번째 항과 세 번째 항은 영이 되어, 다음과 같이 간략하게 정리된다.

......(11)

따라서 엔트로피 변화량 ΔS는 식(5)와 같이 OCV의 배터리 온도 T에 대한 미분값으로부터 추출할 수 있음을 알 수 있다. 이처럼, 매 측정 주기마다 배터리의 엔트로피 변화량을 추출하면 그 배터리가 충전되기까지의 전 과정에서의 엔트로피 프로파일을 얻을 수 있다.

S38 단계에서 엔트로피 변화량 ΔS를 구하면, 그 값을 여러 가지로 활용할 수 있을 것이다. 예컨대 SOH 및 SOS의 추정을 위해 엔트로피 값을 업데이트하고, 엔트로피 변화량 ΔS를 이용하여 SoH와 SoS를 결정할 수 있다(S40 단계). 따라서 배터리의 상태함수 SOH와 SOS는, BMS가 계속 모니터링 할 필요 없이, 차동 엔트로피의 미적분 연산(calculus of differential entropy)을 통해, 주변의 특정 지점들에서의 측정값으로부터 계산될 수 있다.

엔트로피는 배터리가 에이징되어 가는 전체 과정에서 SoC의 전 범위에 걸쳐서 균일하게(homogeneously) 변해나가지 않는다. 실제로, 배터리의 에이징 과정에서 엔트로피의 매우 강한 변화를 보이는 SOC의 두 값이 있다. 그것은 15% 이하의 영역과 85% 이상의 영역이다(엔트로피 변화량을 SOC의 함수로 표시한 도 12의 그래프 참조).

이들 값에서 엔트로피의 변화량은 배터리 용량(도 13의 그래프 참조) 및 자체-가열율(self-heating rate)(도 14의 그래프 참조)에 거의 비례한다. 그러므로 SOH는 에이징 때문에 생기는 배터리 용량의 손실의 추정값이므로, 엔트로피 변화량은 참조식(BMS의 구현 전에 실험적으로 얻을 수 있음)을 통해 SOH를 추정하기 위한 완벽한 도구일 수 있다. 자체-가열율은 배터리의 열폭주 능력(thermal runaway capability)을 결정하는 화학적 상태 함수이다. 여기서, 그것은 안전 운용 한계 내에서 배터리가 자발적으로 발화할 가능성을 의미한다. 그러므로 그것은 SOS를 제공한다.

엔트로피를 어느 지점에서 계산할 것인지를 정확하게 정하기 위해서는, SoC의 값을 정확하게 정해야 한다는 사실을 인식하는 것이 중요하다.

엔트로피를 정하기 위해, 배터리는 플러그를 뽑을 필요도 없고 제어 가능한 온도를 가질 필요도 없다. 그러므로 본 발명은, 배터리가 어떤 일을 수행하지 못하도록 막지 않고서, 그 어떤 일을 하고 있는 배터리로부터 엔트로피를 추출하는 방법을 제공한다. 최근 들어 충전 가능한 이차전기가 각광받고 있는 데 그 중 리튬 기반 배터리가 가장 많이 쓰인다. 본 발명은 이러한 리튬 기반의 배터리를 사용한 모든 디바이스에 들어가는 BMS에 적용될 수 있다. BMS에 추가 되는 블럭으로 적용될 수 있다. 그 추가 블록은 소프트웨어 및/또는 하드웨어적으로 구현될 수 있다. 그 BMS는 인터페이스를 통해 원격지에 있는 시스템의 배터리와 연계되어 본 발명의 기능을 발휘하도록 설계할 수도 있다.

상술한 바와 같이, 본 발명의 바람직한 실시예를 참조하여 설명하였지만 해당 기술 분야에서 통상의 지식을 가진 자라면 하기의 특허청구범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.

이차 전지인 리튬 배터리 기반의 BMS (Battery Management System) 에 적용가능하다. 웨어러블, 전기 자동차, 포터블디바이스 모두 적용가능하다.

100, 200: BMS

Claims (15)

1. 배터리와 연결된 배터리 관리 시스템(Battery Management System: BMS)에서 프로그램을 실행하여 수행되는 방법으로서,
   부하에 연결되어 기능적 상태가 동적으로 변할 수 있는 상태에 있는 상기 배터리의 온도를 측정함과 더불어 그 온도 측정 시점 근처에서 상기 배터리의 개방 전압(Open Circuit Voltage: OCV)을 추정하는 단계;
   온도 측정값들과 OCV 추정값들에 기초하여 상기 배터리의 엔트로피 변화량을 추정하는 단계; 및
   상기 배터리의 충전 상태(State of Charge: SOC)를 지속적으로 모니터링 하면서 SOC 추정값을 산출하고, 산출된 상기 SOC 추정값이 설정해둔 측정 기준값만큼 변할 때마다 상기 OCV를 추정하는 단계 및 상기 엔트로피 변화량을 추정하는 단계를 수행하는 단계를 포함하는 것을 특징으로 하는 배터리 엔트로피의 동적 추정 방법.
2. 제1항에 있어서, 상기 OCV는, 직접 측정법에 의하지 않고, 방전 전류값 별로 상기 배터리의 전압과 충전 상태(SOC) 간의 관계를 나타내는 특성곡선을 활용한 선형 회귀법에 의하여 간접 추정되는 값인 것을 특징으로 하는 배터리 엔트로피의 동적 추정 방법.
3. 제1항에 있어서, 상기 SOC 추정값은 소정의 배터리 온도와 상기 배터리의 OCV에 의거하여 상기 배터리의 잔류 전하량을 추정하는 선형회귀분석으로 산출되는 것을 특징으로 하는 배터리 엔트로피의 동적 추정 방법.
4. 제1항에 있어서, 상기 SOC 추정값은 상기 배터리의 전류를 측정하고 이를 시간에 대해 적분하는 쿨롱 카운팅법으로 산출되는 것을 특징으로 하는 배터리 엔트로피의 동적 추정 방법.
5. 제1항에 있어서, 상기 SOC 추정값은 칼만 필터링(Kalman filtering)을 이용하여 산출되는 것을 특징으로 하는 배터리 엔트로피의 동적 추정 방법.
6. 제1항에 있어서, 상기 측정 기준값은 임의적으로 설정될 수 있는 것을 특징으로 하는 배터리 엔트로피의 동적 추정 방법.
7. 제1항에 있어서, 상기 엔트로피 변화량에 기초하여, 상기 배터리의 건강 상태(State of Health: SOH) 값과, 상기 배터리의 위험도를 나타내는 안전 상태(State of Safety: SOS) 값 중 적어도 어느 한 가지를 산출하는 단계를 더 포함하는 것을 특징으로 하는 배터리 엔트로피의 동적 추정 방법.
8. 제1항에 있어서, 상기 엔트로피 변화량은, 상기 배터리의 SOC, 온도, 그리고 OCV의 측정을 2 사이클 이상에 걸쳐서 수행하여 얻어지는 상기 OCV와 상기 온도 간의 상관관계를 기초로 하여 추정하는 것을 특징으로 하는 배터리 엔트로피의 동적 추정 방법.
9. 제1항에 있어서, 상기 엔트로피 변화량의 추정은, 상기 SOC의 전 구간에 걸쳐 수행하는 것을 특징으로 하는 배터리 엔트로피의 동적 추정 방법.
10. 제1항에 있어서, 상기 OCV는, 직접 측정법에 의하지 않고, 배터리의 내부 저항값(r)을 알고 있는 상태에서, 부하에 전류가 흐를 때 배터리의 전압과 전류를 측정하여 아래 식들을 이용한 간접 추정되는 값인 것이고, 아래 식에서 ε는 배터리 기전력, I는 배터리 전류, Vbatt_I=0은 배터리 전류(I)가 흐르지 않을 때 배터리의 양 단자에 나타나는 전압, 그리고 Vbatt_I≠0은 배터리 전류(I)가 흐르는 동안에 배터리 양 단자에 나타나는 전압을 각각 나타내는 것을 특징으로 하는 배터리 엔트로피의 동적 추정 방법.
    OCV = ε
    Vbatt_I=0 = OCV
    Vbatt_I≠0 = ε + r*I
11. 제1항에 있어서, 상기 OCV는, 직접 측정법에 의하지 않고, 상기 SOC 추정값과 상기 배터리의 온도를 이용한 추정으로 산출되는 것을 특징으로 하는 배터리 엔트로피의 동적 추정 방법.
12. 제1항에 있어서, 상기 온도 측정값들과 상기 OCV 추정값들을 상기 BMS내의 데이터베이스에 저장하는 단계를 더 포함하는 것을 특징으로 하는 배터리 엔트로피의 동적 추정 방법.
13. 제1항에 있어서, 상기 방법은 집적 회로 시스템 또는 로직 회로로 구현되는 것을 특징으로 하는 배터리 엔트로피의 동적 추정 방법.
14. 제1항에 있어서, 상기 방법은 범용 CPU 또는 MCU에서 구동되는 프로그램으로 구현되는 것을 특징으로 하는 배터리 엔트로피의 동적 추정 방법.
15. 제1항에 있어서, 상기 방법은 클라우드 시스템에서 구동되는 프로그램으로 구현되는 것을 특징으로 하는 배터리 엔트로피의 동적 추정 방법.

Images