KR101873845B1 - 배터리를 급속 충전하는 장치 및 방법 - Google Patents

배터리를 급속 충전하는 장치 및 방법 Download PDF

Info

Publication number
KR101873845B1
KR101873845B1 KR1020137012438A KR20137012438A KR101873845B1 KR 101873845 B1 KR101873845 B1 KR 101873845B1 KR 1020137012438 A KR1020137012438 A KR 1020137012438A KR 20137012438 A KR20137012438 A KR 20137012438A KR 101873845 B1 KR101873845 B1 KR 101873845B1
Authority
KR
South Korea
Prior art keywords
battery
charging
charge
dynamic representation
model
Prior art date
Application number
KR1020137012438A
Other languages
English (en)
Other versions
KR20140025310A (ko
Inventor
이안 헌터
서지 알. 라폰텐
Original Assignee
누클레우스 사이언티픽, 인크.
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 누클레우스 사이언티픽, 인크. filed Critical 누클레우스 사이언티픽, 인크.
Publication of KR20140025310A publication Critical patent/KR20140025310A/ko
Application granted granted Critical
Publication of KR101873845B1 publication Critical patent/KR101873845B1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/007—Regulation of charging or discharging current or voltage
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/007—Regulation of charging or discharging current or voltage
    • H02J7/007188—Regulation of charging or discharging current or voltage the charge cycle being controlled or terminated in response to non-electric parameters
    • H02J7/007192—Regulation of charging or discharging current or voltage the charge cycle being controlled or terminated in response to non-electric parameters in response to temperature
    • H02J7/007194—Regulation of charging or discharging current or voltage the charge cycle being controlled or terminated in response to non-electric parameters in response to temperature of the battery
    • 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
    • H01M10/44—Methods for charging or discharging
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/007—Regulation of charging or discharging current or voltage
    • H02J7/00712—Regulation of charging or discharging current or voltage the cycle being controlled or terminated in response to electric parameters
    • 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
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B40/00—Technologies aiming at improving the efficiency of home appliances, e.g. induction cooking or efficient technologies for refrigerators, freezers or dish washers

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Manufacturing & Machinery (AREA)
  • Chemical & Material Sciences (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Electrochemistry (AREA)
  • General Chemical & Material Sciences (AREA)
  • Secondary Cells (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

하나 이상의 배터리를 초고속 충전하는 장치 및 방법은 예를 들어 리튬 이온 배터리를 포함한다. 충전 전류는 배터리와 연관된 내부 상태 변수의 세트 및 배터리를 특징화하는 넌-파라미터 데이터 또는 모델 파라미터의 세트의 함수에 기초하여 모델의 최적화에 의해 결정된다. 즉각적인 내부 상태 변수가 결정되고, 최적화된 충전 전류가 배터리 특정적 제약의 세트의 대상이 되는 배터리에 인가된다. 내부 상태 변수는 충전중인 배터리의 거동 뿐만 아니라 데이터베이스에 저장되거나 네트워크를 통해 획득한 동족 배터리의 거동에 기초하여 회귀적으로 업데이트된다.

Description

배터리를 급속 충전하는 장치 및 방법{APPARATUS AND METHOD FOR RAPIDLY CHARGING BATTERIES}
본 출원은 2010년 10월 22일에 제출된 미국 가출원 번호 61/405,829의 우선권을 주장하며, 참고로 여기에 포함된다.
본 발명은 전기 화학 셀 충전에 관한 것으로, 특히, 리튬 이온 배터리를 충전하는 장치 및 방법에 관한 것이다.
정의: 본 설명 및 첨부 청구범위에서 사용되는 바와 같이, 컨텍스트가 다른 것을 요구하지 않으면, "배터리"는 전위를 제공하는 하나 이상의 화학 에너지 저장 셀(또는 전기 화학 셀)을 지칭한다. "2차 배터리"는 전류의 인가에 의해 충전 또는 재충전될 수 있는 배터리를 지칭한다.
전기 배터리를 충전하는 프로세스는 배터리에 전류를 넣어 전하 및 에너지를 축적하는 것을 포함한다. 프로세스는 주의깊게 제어되어야 한다. 일반적으로 과도한 충전 레이트 또는 충전 전압은 배터리의 성능을 영구적으로 저하시키고 궁극적으로 완전한 실패를 유발하거나 심지어 케이스의 구멍 및 부식성이 강한 화학 물질의 누설 또는 폭발 등의 돌발 장애를 유발할 수 있다.
직렬로 접속된 전기 화학 셀을 충전하는 프로세스는 특별한 주의가 필요하다. 이러한 배터리를 재충전하는 것은 충분히 방전되었을 때 역충전함으로써 유발되는 셀 손상을 유도할 수 있다. 일부의 충전기는 이러한 배터리를 재충전하도록 설계되고 이들은 일반적으로 개별 셀 양단의 전압을 모니터링하는 것을 수반한다. 개별 셀을 균일하게 충전하는데 특수 충전 기술이 사용된다.
정상적인 배터리 충전 프로세스는 예를 들어, http://www.maxim-ic.com/app-notes/index.mvp/id/680 (2002)에서 이용가능한 맥심 인테그레이티드 프로덕트 아이엔씨.(Maxim Integrated Products, Inc.)의 애플리케이션 노트 680에서 교시하는 바와 같이 배터리 타입에 따라 2 또는 4개의 별개의 페이즈를 포함한다. 상당한 메모리 효과를 갖는 니켈-카드뮴(NiCad) 배터리가 대부분 사용되는 제1 선택적 페이즈는 배터리의 전체 방전에 있다. "벌크" 페이즈 또는 "급속 충전 페이즈 및 종료"라 불리우는 제2 페이즈는 정전압 도달 또는 전류의 감소 등의 임의의 기준이 충족될 때까지 일정한 전류를 강요하는데 있다. "C"가 충전 단위(종종 Q로 표시) A·h의 배터리 용량이면, 암페어 단위의 전류가 C의 분수(또는 승수)로서 선택된다. 예를 들어, 2.4A 또는 2*C 정전류에서 1.2A·h Ni-MH 배터리를 급속 충전하는 것은 충전이 손실없이 수행되면 배터리를 30분 내에 재충전할 수 있는데, 이것은 일반적인 경우가 아니다. 충전기는 전류 및 충전 전압 모두를 리튬 이온 셀에 대하여 0.75%(4V의 단일 셀에 대하여 30mV)의 정확도로 제한한다. 종료는 전류가 소정의 값 미만으로 감소할 때를 검출하는 것, 또는 전압이 그 최고 값에 도달한 후에 경과된 고정 시간에 기초한다.
제3 페이즈 또는 "마무리(top-off) 충전" 페이즈는 작은 전류를 넣어 완전한 배터리 충전을 달성하는 것에 있다. 이 페이즈는 전압이 최대 값에 도달하거나 소정의 마무리 충전 시간 또는 배터리 온도 후에 종료한다.
제4 페이즈 또는 "세류(trickle) 충전" 페이즈는 일반적으로 Li 이온 배터리를 제외한 모든 배터리(화학) 타입에 사용된다. 이 "세류 충전" 페이즈의 목적은 시간에 따른 충전 손실 및 배터리의 정상적인 내부 누설을 보상하는 것이다. 이 페이즈에서, 낮은 전류(C/16 내지 C/50이 공통 범위이다)가 인가되거나 낮은 듀티 사이클(duty cycle)의 펄스가 인가되어 평균 전류가 작다(예를 들어, C/512).
기존의 배터리 충전 프로토콜은, 느리고 불필요하게 배터리 수명을 감소시킨다는 점에서 단점이 있다. 기존의 프로토콜은 동일한 제조 배치(batch)의 배터리 중에서도 배터리들에 걸친 변화를 설명하지 못한다.
본 발명의 실시예에 따르면, 배터리를 충전하는 장치가 제공된다. 장치는 배터리에 전기적으로 결합하기 위한 인터페이스 및 배터리 전압 및 전류를 동시에 측정하는 회로를 갖는다. 추가적으로, 장치는 복수의 배터리로부터 배터리 파라미터 데이터를 축적하는 데이터베이스 및 공동으로 측정된 배터리 전압 및 전류 및 데이터베이스로부터 수신된 축적된 파라미터 데이터에 기초하여 배터리를 나타내는 모델을 특징화하는 데이터를 회귀적으로 업데이트하는 프로세서를 포함한다. 마지막으로, 장치는 프로세서에 의해 통제되는, 배터리를 충전하는 전류를 공급하는 전류 공급기(여기에 정의됨)를 포함한다.
본 발명의 다른 실시예에서, 프로세서는 적어도 부분적으로 시스템 식별 또는 비선형 시스템 식별에 기초하여 상기 배터리에 대한 셀 역학(cell dynamics)의 동적 표현을 업데이트하도록 적응된다.
다른 실시예에서, 배터리 전압 및 전류를 동시에 측정하는 회로는 4-포트 구성을 포함할 수 있고, 배터리에 전기적으로 결합하기 위한 인터페이스는 배터리의 기준 전극에 결합하도록 적응될 수 있다. 프로세서는 배터리의 특성을 감지하는 센서로부터 신호를 수신하기 위한 입력을 가질 수 있다. 장치는 또한 배터리의 온도를 제어하는 온도 제어기를 가질 수 있다.
본 발명의 다른 실시예에 따르면, 배터리를 충전하는 방법이 제공된다. 방법은,
a) 상기 배터리에 대한 셀 역학의 동적 표현을 제공하는 단계;
b) 상기 동적 표현에 기초하여 상기 배터리에 대한 충전 프로파일을 결정하는 단계; 및
c) 적어도 부분적으로 상기 충전 프로파일 및 배터리에 저장된 총 전하의 트랙킹에 기초하여 상기 배터리에 최적화된 충전 전류를 인가하는 단계
를 포함한다.
다른 실시예에서, 최적화된 전류를 인가하는 단계는 배터리 특정적 제약 세트의 대상이 될 수 있고, 다시 배터리 특정적 제약 세트는 충전/방전 사이클의 반복 시퀀스에 기초하여 도출될 수 있다. 특히, 충전 프로파일은 충전 전류 프로파일일 수 있다.
방법은 배터리의 온도를 트랙킹하는 추가 단계를 포함할 수 있고, 배터리에 최적화된 충전 전류를 인가하는 단계는 적어도 부분적으로 트랙킹된 배터리 온도에 기초할 수 있다. 최적화된 전류를 인가하는 단계는 적어도 부분적으로 상기 배터리에 대한 즉각적인 상태 변수들의 트랙킹에 기초할 수 있다. 총 전하를 트랙킹하는 것은 배터리를 충전하는 동안 배터리에 대한 적어도 하나의 즉각적인 내부 상태 변수를 결정하거나 배터리를 방전하는 동안 배터리에 대한 적어도 하나의 즉각적인 내부 상태 변수를 결정하는 것을 포함할 수 있다.
본 발명의 다른 실시예에 따르면, 배터리에 대한 셀 역학의 동적 표현은 비선형 시스템 식별에 의해 도출될 수 있다. 또한, 배터리에 대한 셀 역학의 동적 표현은 내부 상태 변수 세트 및/또는 모델 파라미터 세트를 포함할 수 있다. 또한 배터리에 대한 셀 역학의 동적 표현은 적어도 부분적으로 모델을 특징화하는 넌-파라미터 데이터를 포함할 수 있다.
배터리에 대한 충전 프로파일을 결정하는 단계는 배터리를 방전하는 동안 또는 배터리를 충전하는 동안 수행될 수 있다.
모델 파라미터 세트는 데이터베이스, 특히, 배터리를 충전하는 동안 업데이트된 데이터베이스로부터 도출된 파라미터를 포함할 수 있다. 배터리에 대한 셀 역학의 동적 표현은 특정 개별 셀에 특정적인 내부 상태 변수의 세트 또는 셀의 속(genus)에 특정적인 모델 파라미터의 세트를 포함할 수 있다. 동적 표현은 또한 적어도 부분적으로 복수의 네트워크화된 충전 시스템의 충전/방전 사이클에 기초할 수 있다.
본 발명의 다른 실시예에 따르면, 경험적 배터리 모델 데이터를 도출하는 네트워크가 제공된다. 네트워크는 개별 배터리에 전류를 공급하는 전원 및 프로세서를 포함하는 복수의 충전 시스템을 갖는다. 네트워크는 또한 복수의 프로세서 각각으로부터 데이터를 수신하고 복수의 충전 시스템 각각에 의해 포함될 셀 역학의 동적 표현에 대하여 업데이트된 데이터를 반환하는 서버를 갖는다.
다른 실시예에서, 복수의 충전 시스템 중의 적어도 하나의 프로세서는 적어도 부분적으로 시스템 식별 또는 비선형 시스템 식별에 기초하여 상기 배터리에 대한 셀 역학의 동적 표현을 업데이트하도록 적응된다.
본 발명의 상술한 특징은 첨부된 도면을 참조한 다음의 상세한 설명으로부터 더 쉽게 이해할 것이다.
도 1의 (A)는 간단한 배터리 모델의 최소 회로 개략도이고, 도 1의 (B)는 배터리의 데브난(Thevenin) 모델이며, 이들 양 모델은 종래의 모델이다.
도 2는 국립 에너지 실험실의 종래의 리튬-이온 배터리 모델을 나타낸다.
도 3은 본 발명의 실시예에 따른, 4-와이어 구성을 이용하여 회로 파라미터가 도출될 수 있는 모델을 나타내는 회로도이다.
도 4는 도 3의 회로에 적용된 간단한 경험에 기초한 이상적인 충전 곡선의 플롯이다.
도 5a는 본 발명의 실시예에 따라 충전 문제에 대한 솔루션을 적용한 배터리 충전 방법을 나타내는 플로우챠트이다.
도 5b는 본 발명의 실시예에 따라 배터리의 충전 상태를 조사하고 급속 배터리 충전을 구현하는 대표적인 회로를 나타낸다.
도 6은 본 발명의 실시예에 따른 배터리 충전 레이트를 제조자-특정 절차에 의해 제공되는 배터리 충전 레이트와 비교한다.
도 7은 본 발명의 실시예에 따른 배터링 수명을 제조자-특정 절차에 의해 제공되는 배터리 수명과 비교한다.
도 8은 본 발명의 실시예에 따라 배터리 및 배터리와 관련된 모델 파라미터를 확립하는 방법을 나타내는 플로우챠트.
도 9는 본 발명의 실시예에 따라 데이터가 풀링(pool)되어 충전 파라미터의 최적화를 용이하게 하는 복수의 충전기의 집합을 나타낸다.
도 10은 모델 파라미터의 작은 변화로부터 초래하는 전류 불안정성의 시작을 나타낸다.
도 11은 출력 및 내부 전압에서의 해당 불안성의 시작을 나타낸다.
도 12는 본 발명의 실시예에 따라 배터리 방전 또는 휴면 동안에 측정이 수행되도록 배터리에 걸쳐 동요하는 부하를 부과하기 위하여 사용될 회로의 간략화된 개략도이다.
도 13은 본 발명의 실시예에 따라 배터리 충전, 방전 또는 휴면 동안에 측정이 수행되도록 배터리에 걸쳐 동요하는 부하를 부과하기 위하여 사용될 회로의 간략화된 개략도이다.
도 14는 본 발명의 실시예에 따라 충전 또는 방전 동안에 배터리의 상태를 동요(perturb)시키고 충전 문제에 대한 솔루션을 적용하는 방법을 나타내는 플로우챠트이다.
정의: 여기 및 첨부된 청구항에서 사용되는 바와 같이 용어 "전류 공급기"는 일반적으로 시스템의 컴포넌트로 전자(electron)를 전달하는 전원 장치를 지칭하며 제어된 전류의 전달로 제한되는 의미로 사용되지 않고 컴포넌트에 걸쳐 지정된 전위를 제공하고 필요에 따라 이러한 전류를 전달하여 지정된 전위(즉, "전압원")를 유지하는 소스를 포함할 수 있다. 마찬가지로, "충전 전류"의 인가는 충전 전압의 인가를 포함한다.
컨텍스트가 다른 것을 요구하지 않으면, 용어 "동적 표현(dynamic representation)"은, 시간에 맞추어 전개하는 시스템의 거동의 모델을 지칭하며, 이는 파라미터식 또는 넌-파라미터식이며 시간의 독립 변수가 명확히 포함된다.
용어 "동적 표현"은 시스템의 모델을 지칭하지만, 용어 "배터리 셀 역학"은 전체의 여러 가지의 배터리 조건 하에서 시간의 함수로서 배터리의 실제 전기 화학 거동을 나타낸다.
"충전 프로파일(charging profile)"은 적어도 시간(그리고, 가능하게는, 예를 들어, 부하 또는 온도 또는 초기 충전 상태와 같은 다른 파라미터)의 함수로서 전압 또는 전류, 또는 둘 다를 표현하는 함수이다.
여기 및 첨부된 청구항에서 사용되는 바와 같이, "최적화"는 설계자에 의해 지정된 임의의 표준에 대하여 임의의 유틸리티 기능을 최대화하고 예로서 제한없이 인용된 충전 지속기간, 배터리 수명 등의 인자를 고려할 수 있는 지정된 배터리 파마리터들의 공간 내의 궤적을 지칭한다.
본 발명의 실시예를 설명하는 컨텍스트에서, 용어 "배터리"는 대부분 단일 셀 배터리의 의미로 사용된다. 그러나, 본 발명의 실시예에 따라 실시되는 급속 충전 기술은 직렬의 셀들을 포함하는 배터리 및 심지어 더 복잡한 배터리 시스템에 유리하게 적용될 수 있다는 것을 이해해야 한다.
또한, 여기에 기재된 발명의 실시예는 또한 기준 전극 및 다른 전극의 전위가 측정될 수 있는 추가의 전극에 대하여 적용될 수 있음을 이해해야 한다. 재충전가능 배터리 내의 이러한 기준 전극의 사용은 예를 들어 미국 공개 출원 2009/0104510에 기재된다. 기준 전극 또는 추가의 전극의 사용은 배터리 내의 전기 화학 반응의 내부 상태를 더 엄밀하게 모니터링함으로써 여기에 기재된 급속 충전 방법을 용이하게 할 수 있다. 유사한 방식으로, 온도 센서, pH 센서 등의 추가의 센서가 셀 내에 통합되거나 그와 결합할 수 있다.
회로 설계의 목적으로, 배터리 충전 또는 방전을 위해, 배터리는 수치적으로 표현될 수 있도록 종종 모델링된다. 다양한 모델은 근본적인 전기 컴포넌트의 네트워크에 기초한 것(복소수 값 RLC 임피던스로서든 또는 더 일반적으로 SPICE(Simulation Program with Integrated Circuit Emphasis) 또는 SPICE-유사 비선형 시뮬레이션을 이용하든지 간에), 전기 화학 모델에 기초한 것, 및, 최종적으로, 파라미터 또는 넌-파라미터 표현에 기초한 "블랙박스" 또는 애드혹 (ad-hoc) 모델을 포함한다. 본 발명의 실시예에 따르면, 배터리의 표현은 파라미터식 또는 넌-파라미터식일 수 있다. 예를 들어, 배터리 모델은 시간에 맞는 전류의 임펄스에 대한 시스템의 응답이 무엇인지일 수 있고, 따라서, 시간의 연속 함수는 모델의 일부일 수 있다. 연속 함수는 보통 샘플링된 데이터 시스템이 사용된 마이크로프로세서 기반 제어기에서와 같이 디지털화될 수 있다. 또한, 데이터 감소 목적 및 잡음 감소를 위해, 함수(function) 또는 기능(functional) 등의 분석 함수가 데이터 세트에 맞추어질 수 있다. 예를 들어 임펄스 응답 함수는 2차인 것으로 가정되고 단지 3개의 자유 파라미터로 표현될 수 있다.
본 발명에서 교시되는 신규 충전 프로토콜에 따라 채용될 수 있는 배터리 충전 모델의 예는 스펠티노(Speltino) 등의 Experimental Validation of a Lithium-Ion Battery State of Charge Estimation with an Extended Kalman Filter, Proceedings of the 2009 European Control Conference (2009)이며, 참고로 여기에 포함된다.
모델의 가장 간단한 형태에서, 배터리는 정전압원으로서 표현된다. 통상, 최소한, 도 1의 (A)의 간단한 배터리 모델에 도시된 바와 같이 등가 직렬 저항(Resr)이 이상적인 셀에 부가되어 전류와 함께 그 내부 저항 및 전압 강하를 모델링한다. 외부 회로에 의해 유도된 전류(Iout)의 존재시의 출력 전압(Vout)은 Resr 양단의 전압 강하에 의해 개방 회로 전압(Vocv)에 대하여 감소된다. 개방 회로 전압은 현실적으로 충전 상태(state of charge; SOC) 또는 방전, 온도 및 히스토리의 비선형 함수이다. 데브난(도 1의 (B)) 모델에서, 직렬 저항기(Resr1) 후에 커패시터(Coc) 및 저항기(Resr2)의 병렬 조합이 추가되어 과충전을 나타낸다.
도 2는 존슨 등의 http://www.nrel.gov/vehiclesandfuels/energystorage/pdfs/evs17poster.pdf에서 이용가능한 공지된 국립 에너지 실험실 리튬-이온 배터리 모델("NREL 모델")을 나타낸다. NREL 모델에 따른 총체적으로 숫자(20)로 지정된 배터리는 2개의 커패시터 모델을 포함하는 온도 의존 네트워크를 포함하고, 커패시터(Cb)는 충전 상태(SOC)에 직접 관련되고, Cb 양단 전압(VCb)은 개방 회로 전압(OCV)를 나타낸다. 이 모델의 변형은 충전 상태의 함수로서 Re, Rc 또는 Rt의 변형을 포함한다. 모델은 직렬 전류(Is)의 함수로서 출력 전압(Vo)을 제공한다.
더 정교한 모델은 배터리 및 전기 화학 프로세스 즉, 충전 및 방전동안 진행되는 열적 및 확산 프로세스의 분산된 3차원 특성을 나타낸다. NREL에서 김(Kim)과 스미스(Smith)에 의해 개발된 이러한 모델은 http://www.nrel.gov/vehiclesandfuels/energystorage/pdfs/43166.pdf(2008)에서 이용가능하다. 일반적으로, 유한 요소 모델링 기술을 수반하는 전기 화학 배터리 모델이 개발되어 배터리의 더 상세한 이해를 얻고 궁극적으로 그 설계를 개선한다.
시스템 식별 및 파라미터 추정
배터리 충전 및 방전이 본 발명의 범위 내에서 표현될 수 있는 넓은 부류의 모델은 선형 및 비선형 모델, 시불변(time invariant) 및 시변 모델, 라플라스(Laplace)(주파수) 도메인 및 시간 도메인 표현, 집중 모델(lumped model), 분산 모델 및 유한 요소 모델, 제1 원리에 기초한 "화이트 박스" 모델, "블랙 박스" 또는 애드혹 모델 및 "그레이 박스" 하이브리드 모델, 메모리가 있는 모델 및 메모리가 없는 모델을 포함한다.
모델이 선택되면, 다음 단계는 시스템 식별 기술로서 공지된 경험적 어프로치 또는 더 형식적인 기술을 이용하여 미지의 계수, 파라미터, 곡선 및 함수(functional)(후술하는 바와 같이 볼테라 커널(Volterra kernel)에 있어서 확장된 것 등의 벡터 공간의 실가 함수(function))에 대한 수치 값을 얻는 것이다. 파라미터 모델에서 사용되는 것과 같은 그러한 수치 값 및 넌-파라미터 모델에 사용되는 함수를 얻는데 많은 기술이 이용가능하다. 이러한 모든 기술은 후술하는 바와 같이 본 발명의 범위 내에 있다. 파라미터 및 넌-파라미터 모델은 곡선을 정적 파라미터 함수와 맞춤으로써 함수가 근사화될 수 있다는 점에서 완전히 분리된 부류는 아니다. 엔지니어 또는 과학자는 모델을 데이터에 맞추고 컴포넌트, 파라미터 및 함수에 대한 수치 값을 식별하고, 모델을 유효화하고, 오더(order) 및 복잡도를 추정하고, 에러 및 불확실성을 추정하는 기술의 큰 어레이를 마음대로 사용한다. 이러한 교시의 소스는 다음의 참조를 포함한다.
Figure 112013042448785-pct00001
대부분의 경우, 시스템 식별 기술이 사용될 수 있기 전에, 모델 및 모델링된 시스템에 대하여 예비 간소화 또는 추정이 수행된다. 예를 들어, 선형 모델은 통상 입력 및 출력 진폭이 특정 범위 내에 있도록 제한되는 동작점 주변을 선형화함으로써 비선형 시스템과 함께 사용될 수 있다.
임의의 유한 메모리 시불변 비선형 동적 시스템은
Figure 112013042448785-pct00002
의 형태의 유한 순서 볼테라(Volterra) 급수로 임의의 정밀도로 표현될 수 있다. 볼테라 급수의 커널(kernal)은 기본 필드, 일반적으로, 전압 또는 전류 등의 스칼라에 파라미터 공간 내의 벡터를 맵핑하는 함수이다. 볼테라 급수에 밀접하게 관련된 것은 위이너(Wiener) 급수이다. 위이너 급수에서, 항이 순수하게 랜덤한 화이트 노이즈 입력에 대하여 직교하고 예를 들어 상호 상관 기술을 이용하여 더 용이하게 식별된다.
코렌버그(Korenberg)(Parallel Cascade Identification and Kernel Estimation for Nonlinear System, Annals of Biomedical Engineering, vol. 19, pp. 429-55 (1990))는 유한 볼테라 급수에 의해 표현될 수 있는 임의의 이산 시간 유한 메모리 시스템이 또한 선형 동적 시스템과 그에 이어서 정적 비선형성(위이너 시스템 또는 LN 시스템)의 병렬 캐스케이드의 유한 급수에 의해 표현될 수 있다는 것을 증명함으로써 프레쉐(Frechet) 이론을 확장하였다. 위이너 시스템은 캐스케이드 또는 블록 구조 시스템으로서 공지된 모델의 클레스의 예이고, 이는 또한 비선형성과 그에 이어서 선형 시스템(NL)으로 구성되는 해머스테인(Hammerstein) 모델, 및 선형 시스템과 그에 이어서 비선형 및 그에 이어서 또다른 선형 시스템(LNL)을 포함하는 캐스케이드 시스템을 포함한다. 코렌버그 및 헌터(Hunter)는 헌터 등의 "The Identification of nonlinear Biological Systems: Wiener and Hammerstein Cascade Models, Biological Cybernetics, vol. 55 pp. 135-44 (1986)"에 기재된 위이너(LN) 및 해머스테인(NL) 시스템을 식별하는 효율적인 기술을 개발하였다. 이들은 또한 PCWS(parallel cascade Wiener system)을 식별하는 실질적이고 효율적인 기술을 개발하였다. 본 발명의 다른 실시예에 따라서, 선형 시스템 및 그에 이어서 정적 비선형성 및 다른 선형 시스템(LNL)의 병렬 캐스케이드를 포함하는 일반적인 표현은 또한 예를 들어 코렌버그 등의 "The Identification of Nonlinear Biological Systems: LNL Cascade Models, Biological Cybernetics, vol. 55, pp. 125-34 (1986)에 기재된 바와 같이 사용될 수 있다. 실제로, 유한 메모리를 갖는 모든 연속적인 이산 시간 시스템은 LNL 시스템의 유한 합에 의해 균일하게 근사화될 수 있는 것이 증명되었다.
특히 위이너 및 볼테르 커널에 대하여 비선형 시스템 식별을 사용하는 것에 대한 추가의 설명은 다음의 참조에서 찾을 수 있다.
Figure 112013042448785-pct00003
캐스케이드 동적 선형 컴포넌트 및 정적 비선형성을 포함하는 위이너 모델로서 배터리 충전 시스템의 식별 예는 밀로코(Milocco) 등의 "State of Charge Estimation in Ni-MH Rechargeable Batteries, J. Power Sources, vol. 194, pp. 558-67 (2009)"에 의해 제공된다. 본 발명의 실시예에 따라, 상술한 것 등의 비선형 기술은 충전 기술을 개발하기 전에 채용될 수 있고 모델 파라미터의 추정치를 개선하기 위하여 배터리 충전시 채용될 수 있다.
본 발명의 실시예에 따라서, 배터리 충전 동안, 작업하기 위해 방전되는 동안 또는, 사용되지 않을 때, 모델이 추정되거나 개선된 모델 파라미터가 얻어질 수 있다. 이처럼, 특수 회로가 설계되어 배터리가 사용되는 장치 내에 통합되거나 배터리 케이스 내에 통합될 수 있다. 이들 케이스 중의 임의의 것에 사용되는 회로의 간략화된 개략도는 도 12에 도시되며, 셀 전압 및 션트 전류(Ishunt)가 측정되는 동안 전계 효과 트랜지스터(FET) 또는 다른 적절한 스위칭 장치가 션트 저항기(Rshunt)와 함께 사용되어 셀로부터 전류를 유도한다. 게이트 전압은 마이크로프로세서에 의해 제어되어 매우 높은 주파수 펄스 주파수 변조 신호(PFM) 또는 펄스 폭 변조 신호(PWM) 또는 임의의 타입의 펄스 변조를 요구되는 여기 스펙트럼을 갖는 전류 및 전압의 준연속(quasi-continuous) 변형의 결과에 제공하거나 이산 전류 변화가 시스템 식별에 적절한 준랜덤(quasi-random) 의사 바이너리 시퀀스(PRBS)를 제공하는데 사용된다. ("매우 높은 주파수"는 바람직한 실시예에 의해 지시되지만, 본 발명의 범위는 이에 한정되지 않는다는 것을 이해해야 한다.)
도 12에 도시된 회로는 셀의 잠재적인 방전 및 방전 전류만에 의한 셀 테스트 등의 단점을 제시하지만, 충전 및 방전 전류를 이용하여 셀을 테스트하는 것이 바람직하다. 이러한 어려움을 피하기 위하여, 양 극성(충전 및 방전)의 여기 전류를 제공하면서 배터리 손실을 최소화하는 액티브 회로가 채용될 수 있다. 이러한 회로의 개략도는 도 13에 도시된다. 도 13에서, 저손실 FET 등의 2개의 스위칭 장치(T1 및 T2)가 이용된다. 트랜지스터(T1) 및 인덕터(L1)는, 셀 "B1"로부터 에너지를 끌어내어 커패시터(C1)로 펌핑하는데 사용된다. 커패시터(C1) 양단의 전압이 셀 전압을 수 볼트만큼 초과하면, 트랜지스터(T2) 및 인덕터(L1)는 배터리에 전류를 펌핑하는데 사용된다. 이 프로세스 동안, 셀 전압(Vemf) 및 셀 전류(IB)는 시스템 식별 목적으로 마이크로프로세서에 의해 측정될 수 있다. 배터리 전류(IB)는 저저항, 저유도(low induction) 전류 감지 저항기 또는 홀 효과(Hall Effect) 센서 등의 적절한 전류 센서로 측정된다. 커패시터(C1)는 릴레이(S1) 등의 스위치에 의해 테스팅이 수행되지 않을 때 셀 전압에서 유지될 수 있다. 정상적으로, 릴레이가 폐쇄되고, 시스템 식별 실험이 시작되기 전에 개방된다.
배터리가 충전중이면, 상술한 것 등의 회로는 충전기(520)(도 5b에 도시됨)와 결합하여 사용되어 도 14의 플로우챠트에 도시된 바와 같이 충전 전류 위에 작은 섭동을 제공한다. 또한, 도 1에 도시된 바와 같이 셀에 필수적인 섭동을 제공하는 로직이 배터리 충전기(520)에 통합될 수 있다. 이 경우, 충전기는 실시간으로 고주파수 섭동 신호를 산출하여 하나씩 충전 전압 또는 전류에 인가 및 부가된다. 이 산출은 일반적으로 배터리 충전시 실시간으로 수행된다. 대안으로, 충전기(920)는 특수 충전 회로와 평행하게 도 13에 도시된 개별 회로를 포함할 수 있지만, 여기서, C1은 셀 전압(Vemf)보다 높은 전압을 갖는 다른 전압원(V2)으로 대체되거나 그와 병행할 수 있다. 간략화를 위하여, 공간 요구사항을 감소시키기 위하여, 인덕터(L1)는 약간의 에너지 손실을 감수하고 전력 저항기로 대체될 수 있다.
셀 모델은 충전 목적 외에 몇 개의 목적을 위해 사용될 수 있다. 일반적으로 추정되는 하나의 중요한 파라미터는 현재의 에너지 량(주울), 일반적으로 충전 상태(SOC)라 불리우는 배터리에 남아 있는 용량(쿨롱)이고, 이들은 절대값 또는 상대값으로 외부 디스플레이에서 사용될 수 있고, 셀 용량이 배터리에 안전한 하한에 도달할 때 전력을 오프하는데 사용될 수 있다. 셀 특성을 연속적으로 재추정하는 것은 또한 새로운 충전 사이클을 시작할 때 셀 상태의 정확한 추정치를 제공한다. 셀 모델, SOC 및 추정된 셀 온도 정보는 모두 장치가 이용되는 모드를 조절하는데 사용될 수 있다.
시스템 식별에서, 넌-파라미터 모델은 일반적으로 시스템의 "블랙 박스 표현"과 연관되고, 모델 자체가 반드시 물리, 화학, 전기 특성 등의 시스템에 대한 임의의 이해로 대체되는 것은 아닌 것을 의미한다. 시스템의 선험적 지식으로 개발된 모델은 정상적으로 파라미터 모델 또는 분산 유한 요소 모델(FEM)을 산출한다. 그러나, 하나의 공간으로부터 다른 공간으로, 즉, 넌-파라미터 모델로부터 파라미터 형태로, 모델을 맵핑하는 수학적 기술이 존재한다. 이 방식으로, 예를 들어, 그 임펄스 응답으로 표현되는 바와 같이 선형 시스템 및 그 후의 정적 비선형성으로 구성되는 비선형 위이너 모델은 파라미터 선형 모델(예를 들어, 상태 공간 또는 전달 함수) 및 그 후의 정적 비선형성으로 변환될 수 있다. 그 후, 파라미터 모델은 더 쉽게 시스템 내에서 내부 프로세스의 추정을 받아들일 수 있다. 또한, 먼저 넌-파라미터 모델을 추정하고 그 후 이를 파라미터 형태로 변환하는 것은 종종 파라미터 추정의 더 강건한 기술이다. 이 방식으로, 여전히 시스템 구조에 대한 선험적 지식 및 넌-파라미터 모델로부터 시스템의 상태(예를 들어, 다양한 구획의 SOC) 또는 파라미터(저항, 커패시턴스 등)를 추정할 수 있다.
충전 프로파일의 설계
충전 전략을 개발하기 위하여, 먼저, 물리적 제약 및 배터리 제한의 세트를 알아야 한다. 예를 들어, 과전압 또는 전류 또는 셀 온도 등의 일부의 제한을 초과하는 것은 영구적으로 배터리의 성능을 저하할 수 있고, 따라서, 이러한 제한은 배터리 충전에 대하여 제약을 부과할 수 있다. 최적화된 급속 충전 알고리즘에 대하여, 달성할 목표는 바람직하게 목적 함수로서 표현된다. 여기에서 사용되는 바와 같이 및 임의의 첨부된 청구범위에서, 용어 "목적 함수"는 특정한 제약 세트를 대상으로 최적화 루틴이 최소화하거나 최대화할 것을 찾는 하나 이상의 파라미터의 실제 함수를 지칭한다.
셀 전압 및 전류 등의 모델링 전기 파라미터에 더하여, 모델은 또한 발명의 실시예에 따라 셀 온도, 내부 압력 등의 다른 변수를 포함할 수 있다.
가장 간단한 경우, 목적 함수는 충전 시간의 최소화이다. 예를 들어, 배터리가 직렬 저항기(R)와 함께 커패시터(C)에 의해 근사화되면 - 여기서, Imax는 전류 제한이고 Vmax는 커패시터 양단의 브레이크다운 전압임 -, 해결할 문제는 적분 방정식이 주어지면 충전 시간(T)을 최소화하는 I(t)를 찾는 것이다.
Figure 112013042448785-pct00004
제약:
Figure 112013042448785-pct00005
을 조건으로 함
이 문제의 솔루션 및 마찬가지로 모든 선형 배터리 모델에 대한 솔루션은 최적 제어 이론으로부터 용이하게 이용가능하고 솔루션은 뱅뱅 제어(bang-bang control)의 형태이고, 전류(I)는 "스위칭 포인트"에 도달되면 Imax 및 0 사이에서 스위칭된다. 스위칭 포인트의 대상이 되는 솔루션은 제어 이론에서 공지된다. 간단한 커패시터 모델에 대하여, 전체 충전이 달성될 때까지 최대 허용가능 전류가 이용될 수 있다.
그러나, 실제로, 커패시터 양단 전압(V)은 저항기(R)에 의해 표현되는 내부 저항 때문에 직접 측정할 수 없다. 커패시터 양단에서 실제로 측정된 전압(Vout(t))은 Vout(t)=V(t)+R·I(t)이고, 전원으로부터 요구되는 전압(Vs)은 Vs(t)=V(t)+(R+Rs)·I(t)이고, 여기서, Rss는 충전 회로로의 배터리의 접속과 관련된 추가의 직렬 저항이다.
배터리 충전 시간을 최소화하기 위하여, 파라미터(R 및 Rs)를 알아야 한다. Rs는 대부분의 경우 무시될 수 있지만, 25A를 초과하는 전류가 끌어 당겨질 수 있고 심지어 1mΩ의 저항을 갖는 접속부가 25mV의 상당한 전압 강하를 생성하는 리튬 이온 배터리에 대한 경우에서는 그렇지 않다. Rs 는 원리적으로 전원을 커패시터에 연결하는 리드(lead)의 저항을 측정함으로써 얻어질 수 있다. 그러나, 더 나은 솔루션은 도 3을 참조하여 설명하는 바와 같이 4-와이어 구성의 형태로 이용가능하다. 4개의 리드가 사용되는데, 2개의 리드(32 및 33)는 충전 전류를 전달하는 와이어 쌍을 포함하지만, 리드(34 및 35)는 전압(Vout)을 측정하는데 사용된다. 전압을 측정하는데 사용되는 회로(36)는 매우 높은 입력 임피던스를 갖기 때문에, Vout를 모니터링하는데 사용되는 와이어(34, 35)에는 무시할만한 전류만이 흐르고 측정 에러는 무시할 수 있다. 본 발명의 범위 내에서, 전류 인가를 위한 것이든 전압 또는 임의의 다른 양의 측정을 위한 것이든, 배터리로의 결합은 전체적으로 또는 부분적으로 귀납적이거나 무선일 수 있다.
파라미터(R)는 일반적으로 실험 및 시스템 식별에 의해 도출된다. 본 발명의 바람직한 실시예에 따르면, 볼테라 급수의 커널을 특징화하거나 다른 모델을 특징화하는 다른 데이터와 같은 파라미터(R)는 셀 또는 셀의 배터리의 충전 및/또는 방전 사이클 동안 도출되고 업데이트될 수 있다. 예를 들어, 인가된 전류로부터 측정된 전압의 디콘볼루션은 저항(R)을 산출한다. 충전 또는 방전 동안 수행되는 측정은 통상 충전 프로세스와 관련된 내부 셀 역학을 초과하는 스펙트럼을 갖는 고주파 "섭동"을 포함한다.
종종, 간단한 체험적 기술은 일부의 파라미터에 사용될 수 있다. 일 예로서, 도 3에 도시된 회로에 대하여, 전류 스텝(I0)이 적용될 수 있고 커패시터 양단 전압이 측정된다. 이 상황에서의 이상적인 충전 곡선(40)은 도 4에 도시된다. 전류 스텝(I0)의 인가는 커패시터 양단 전압(V0)에 효율적으로 즉각적인 점프를 초래하여 내부 커패시턴스 저항이
Figure 112013042448785-pct00006
로서 도출될 수 있다.
도 3에 도시된 항에 기재된 시스템에 대한 가장 간단한 최적의 충전 프로토콜은 다음과 같이 구성된다.
· Vs를 제어하여 Vout=Vmax+R·Imax까지 전류 I=Imax를 유지한다. 여기서, Vmax 는 최대 허용가능 내부 전압이다.
· Vs를 제어하여 I가 주어진 임계치 미만으로 떨어질 때까지 Vout=Vmax+R·I가 되도록 한다.
본 발명의 소정의 실시예에 따르면, 상기 절차 동안, 배터리의 온도는 펠티어 효과 제어기 또는 임의의 다른 타입의 온도 제어기인 온도 제어기(37)에 의해 적극적으로 제어된다.
일반적으로, 배터리 충전에서의 목적 함수는 총 충전 시간, 효율, 장치 내부 가열 및 제조자 시방서로부터 또는 측정을 통해 도출된 전류 제한의 함수로서 정의된다. 일반적으로, 충전 문제는 다음과 같이 표현될 수 있다.
A·x≤b에 대하여
Figure 112013042448785-pct00007
여기서, x는 장치의 내부 상태 변수의 벡터를 나타내고, p는 벡터 모델 파라미터를 나타내고, b는 초과되지 않는 제한을 나타낸다. 상태 변수는 내부 전압 및 전류를 포함하고, 파라미터는 내부 저항, 커패시턴스, 인덕턴스 등을 포함한다.
충전 문제에 대한 최적 또는 만족스러운 솔루션을 찾으면, 그 솔루션은 도 5a에 제시된 플로우챠트에 따라 배터리를 충전하는데 사용된다. 개방 회로 전압(VOC)이 측정된다(502). 추정된 초기 상태(501) 및 초기 모델 추정치(503)가 또한 입력으로서 기능하고, 이로부터 추정된 모델 상태(504) 및 시스템 모델(505)이 각각 도출된다. 제어 알고리즘(506)의 적용에 의해, 본 명세서의 다른 곳에서 설명한 바와 같이, 충전 전압(또는 전류)이 조절된다(511). 하나 이상의 전압, 하나 이상의 전류, 하나 이상의 온도 등의 시스템 파라미터의 값이 계속 측정된다(507). 특히, 배터리에 저장된 총 전하는 최적화된 충전 전류를 결정하는 기본으로서 트랙킹된다.
시스템 식별 알고리즘이 적용되고(508), 다른 곳에서 설명하는 바와 같이, 시스템 모델의 업데이트에 반영된 모델 추정치, 충전 상태 업데이트, 내부 상태 등을 제공한다(509).
도 14를 참조하여 설명하는 바와 같이, 충전, 방전 또는 휴면(quiescence) 시 수행될 수 있는 측정 동안, 바람직하게 100Hz를 초과하는 레이트, 10,000 데이터 포인트 초과 및 "고주파" 변조로서 특징화된 전류 또는 전압의 변조를 부과함으로써 회로 파라미터가 동요할 수 있다(510). 따라서, 1kHz에서 샘플링된 3분(또는 180s)이 걸리는 "급속 충전"은 시간당 180,000 샘플링된 데이터 포인트를 초래한다. 임의의 파형의 섭동은 본 발명의 범위 내에서 부과될 수 있지만, 통상 관심있는 주파수 범위에 걸쳐 충분한 여기를 제공하도록 설계된다. 모델이 얻어지면, 모델 자체는 추가의 실험에 후속으로 사용될 수 있는 최적 또는 좀 더 효율적인 여기를 계산하는데 사용될 수 있다. 섭동과 결합하여 또는 다르게 수행되는 측정은 데이터를 파라미터식으로 또는 다르게 업데이트하는 것을 구비하여, 배터리 모델을 구성한다.
원하는 전압 및 전류에 대하여 측정 내부 배터리 전압과 전류 간의 차를 최소화하기 위하여 제어 알고리즘(506)이 일반적으로 채용된다. 임의의 표준에 대한 최소화는 본 발명의 범위 내에 있지만, 바람직한 표준은 산출된 내부 배터리 전압과 지정된 타겟 내부 배터리 전압 간의 차의 제곱 또는 절대값이다. 제어 이론의 공지된 기술 중의 임의의 것은 이 목적을 위해 사용될 수 있고 수치 최소화 기술을 포함할 수 있고, 모델 역전 및 충전 프로파일은 모델로부터 미리 추정될 수 있고, 모델은 실시간으로 전류 또는 전압이 어떻게 충전될 필요가 있는지를 계산하는데 사용될 수 있다.
본 발명의 소정의 실시예에 따르면, 배터리 특정적 제약 세트를 대상으로 충전 프로세스 내의 임의의 단계에서 최대 전류가 인가된다.
제어 알고리즘에 의해 제공되는 솔루션에 기초하여, 충전 전압(Vs)이 조절된다(506). 장치의 내부 상태 변수(x) 및 벡터 모델 파라미터(p) 및 제한(b)을 포함하는 배터리 파라미터가 재산출되고, 충전이 완료되면(59), 프로세스는 종료한다(500). 그렇지 않으면, 프로세스는 반복된다.
도 5b를 참조하면, 급속 충전을 위한 충전기(90)는 일반적으로 급속 충전을 구현하기 위한 프로세서(91)를 채용한다. 본 발명의 실시예에 따르면, 프로세서(91)는 메모리(98)에 전류 및 이력 모델 데이터 및 내부 배터리 상태 값을 저장할 수 있다.
일반적으로, 컴퓨터 제어된 전원(38)(도 3에 도시됨)이 사용되고, 프로세서(39)는 10Hz 또는 그 이상의 일반적인 주파수에서 출력 전압 및 최대 전류 등의 파라미터를 설정한다. 프로세서(39)는 배터리에 대하여 수행되는 재충전 사이클의 수 등의 데이터를 유지하는 마이크로 칩과의 통신으로부터 뿐만 아니라 광 리더기, RFID(액티브 또는 패시브) 태그, 배터리 전압 상의 고주파 변조 등을 이용하여 예를 들어 온도 또는 pH, 배터리 타입, 배치(batch), 제조일 등의 배터리로부터 얻어진 데이터를 포함하는 배터리의 특성을 감지하는 적어도 하나의 센서로부터 신호를 수신하는 입력을 가질 수 있다.
프로세서(39)는 또한 온도 제어기(37)를 통제할 수 있다. 본 발명의 범위 내에서, 제어 알고리즘의 일부는 전원 내 또는 전원 밖의 하드웨어 또는 소프트웨어에 의해 실행될 수 있고, 전원은 전원에 의해 전달될 최대 출력 전류만이 전원에 제공될 필요가 있도록 구성될 수 있다.
모든 경우, 제한이 비교적 작은 값만큼만 초과되면 장치 성능 및 수명이 비가역적으로 영향을 받을 수 있으므로 장치 제한을 초과하지 않도록 하는 것이 중요하다. 그러므로, 본 발명의 바람직한 실시예에 따르면, 전압, 전류 및 온도는 각각 정확한 제어를 달성하고 장치 성능을 보존하기 위하여 높은 정확도, 바람직하게 16 내지 24 비트의 정밀도로 측정된다. 측정 정확도 요구사항의 추가의 설명은 이하에 제공된다.
도 6은 배터리 제조자에 의해 추천된 가장 빠른 충전 시간과 본 발명에 따른 초고속 충전 알고리즘을 이용하는 충전 시간을 비교한다. 곡선(601)은 총 충전의 80%가 720초에서 얻어진다는 것을 나타내는 제조자 추천에 따라 충전 시간 진행을 나타낸다. 반대로, 본 발명의 교시에 따른 실행은 총 충전의 80%가 322초에서 얻어지는 곡선(602)의 충전 프로파일을 유발하여 충전 시간을 56% 감소시킨다.
도 7은 하루에 한번의 가정(assumed) 충전/방전 사이클에 기초하여 시간의 함수로서 (초기 용량의 퍼센트로서 표현되는) 배터리에 저장된 총 에너지를 비교한다. 본 발명의 실시예에 따라 수행되는 7,800 충전/방전 사이클 후에, 곡선(72)으로 플로팅된 에너지 용량은 초기 값의 39%로 감소한다. 배터리 에너지는 2년 2개월 내에 90%로 감소하였고(789 충전/방전 사이클), 5년 9개월 후에 85%로 감소하였고(2115 충전/방전 사이클) 8년 2개월 후에 80%로 감소하였다(2995 충전/방전 사이클). 제조자에 의해 추천된 충전 절차는 550 사이클 후에 초기 충전의 90%로 1400 사이클 후에 84%(곡선(71)으로 표시됨)로의 열화를 유발한다. 본 발명의 실시예에 따른 개선된 배터리 수명은 정상 열화 레이트와 비교하면 명백하다.
배터리 파라미터 트랙킹의 다양한 모드가 본 발명의 범위 내에 포함된다. 배터리 파라미터 트랙킹의 하나의 모드에 따라, 충전이 진행함에 따라 또는 각각의 반복에서 모든 측정 신호를 메모리에 유지하고 충전이 완료된 후 파라미터를 재산출함으로써, 각 충전 사이클에서, 배터리 파라미터는 실시간으로 반복적으로 재추정될 수 있다.
배터리 제약 결정
일반적으로, 장치를 충전할 때 초과되지 않는 최대 또는 최소 값(수학식 2의 벡터(b))의 측면에서, 장치 제약을 위한 정확한 값은 큰 불확실성으로 미지이거나 기지이고 실험적으로 결정되어야 한다. 그 특성에 의해, 이들 실험은 파괴적 테스트를 수반할 수 있고, 필수적인 데이터를 얻기 전에 많은 수의 장치를 잠재적으로 필요로 할 수 있다.
제한의 일부는 배터리 제조자에 의해 공급되고, 공개된 제한은 더 나은 값이 특정 목적의 함수가 얻어짐에 따라 얻어질 수 있는 매우 유용한 시작점을 제공한다. 예를 들어, 목적이 매우 빠른 충전을 달성하는 것이면, 특정 수의 충전/방전 사이클에 걸쳐 배터리 성능의 수락가능한 열화에 대한 요구사항을 완화하는 것이 수용가능할 수 있다.
도 8의 플로우챠트는 충전 파라미터 및 제한이 결정될 수 있는 본 발명의 실시예에 따른 반복적인 테스트 절차를 나타낸다. 개발된 배터리 모델(60) 및 배터리 모델과 일치하는 모델 파라미터 세트에 기초하여, 모델 파라미터의 초기 세트가 추정된다(61). 사용되지 않은 배터리가 설치되고(62) 및 테스트되는 배터리의 특정 특징(배터리 타입, 용량, 등)에 기초하여 그 최대 및 최소 충전 값이 추정된다(63). 배터리가 소정수(N)의 사이클 동안 충전되고(64) 방전된다(65). 충전 방법은 도 5를 참조하여 상술한 알고리즘을 따르지만, 방전은 배터리의 추정 예상 사용을 따른다. 각 사이클에서, 배터리를 충전하는데 요구되는 에너지량, 배터리를 방전하는데 얻어지는 에너지량 및 재추정된 파라미터값 등의 값이 메모리에 저장된다. 검색은 최상의 파라미터를 찾아 저장할 때까지 계속된다(69).
열화 측정치를 제공하는 목적 함수는 재산출되어 표준 랜덤 검색, 등판(hill-climbing) 기술, 또는 그 임의의 정교화 등의 검색 알고리즘(66)에 사용된다. 배터리의 특성은 테스트에 의해 변경된 것으로 기대될 수 있기 때문에, 새로운 배터리는 충전/방전 사이클의 각각의 새로운 급수의 시작에서 사용되어야 한다.
모델 및 충전 방법을 개선하기 위한 필드 데이터 사용
도 9를 참조하면, 급속 충전을 위해 개발된 충전기(90)는 일반적으로 그 구현을 위해 프로세서(91)를 채용한다. 인터넷 또는 로컬 네트워크(93)로의 네트워크 접속이 이용가능한 충전 시스템(92)이 종종 사용된다. 본 발명의 실시예에 따르면, 네트워크 접속이 검출될 때 충전 및 방전 사이클 동안 측정된 데이터를 저장하는 충분한 메모리를 프로세서(91)에 제공함으로써, 프로세서에 의해 저장된 측정 배터리 데이터는 네트워크 상의 하나 이상의 다른 프로세서(94) 또는 인터넷 상의 원격 서버(95)로 전달된다. 동시에, 프로세서(91)는 배터리 모델, 최적의 충전 파라미터 및 충전 알고리즘에 대한 업데이트된 데이터를 얻는다.
최적의 충전 요법의 산출을 위한 측정 절차 및 프로세스는 바람직하게 단일 셀의 급속 충전에 대하여 여기에 기재된 것이며, 특히, 비선형 시스템 식별을 포함하는 이전에 기재된 기술 중의 임의의 것을 포함한다.
본 발명의 다른 실시예에서, 충전 시스템(92)은 프로세서(91)가 충전 시스템(92)에 결합된 배터리로부터 직접 배터리 모델, 제조자, 배치 번호, 제조일, 공장 사전결정 모델 및 충전 파라미터 등의 배터리 코드를 얻도록 하는 센서(96)를 포함한다. 이것은 라인 CCD 어레이 등의 센서(76)에 의해 판독된 배터리 상의 바코드를 이용하여 달성될 수 있다. 데이터베이스(97) 또는 데이터를 저장하는 임의의 다른 방법은 본 발명의 범위 내에 있으며, 충전하의 배터리에 의해 전력이 공급된 액티브 RFID 태그 등을 포함한다.
프로세서(91)는, 데이터가 서버(95)로 전송될 때, 배터리 모델 및 특성과 함께 수집된 모든 데이터를 포함하는 다른 프로세서(94)로부터 수신된 데이터의 결과로서 충전 알고리즘을 조절한다.
일반적으로, 리튬 이온 배터리는 엄밀한 제조 허용오차로 제조되어 장치 간의 변화가 비교적 작다. 그러나, 최적의 충전 프로세스는 소정의 장치 파라미터에 매우 민감하다. 본 발명의 실시예에 따라 서버에 의해 수집된 바와 같이 동일한 배터리 부류에 대한 방대한 양의 데이터는 이롭게도 모델 파라미터의 좀더 정확한 추정 및 모델의 개선을 허용한다. 특히, 이롭게도 적어도 부분적으로 배터리의 제조 시간 또는 배치(batch)에 기초한 파라미터 조절이 가능하다.
글로벌 최적화
급속 충전 배터리에 사용할 최적 제한을 찾는 것은 초기에 새로운 배터리를 필요로 하는 많은 수의 시도를 요구한다. 이것은 "노이즈" 또는 랜덤 섭동을 최적화 프로세스에 도입한 장치 간의 가능한 변화에 의해 복잡할 수 있다. 일반적으로 도 8을 참조하여 상술한 최적화 프로세스의 처음 초기 단계에서 적절한 충전 파라미터를 찾을 수 있다. 이 점으로부터, 최적화 프로세스는 단지 파라미터 값에 대하여 매우 작은 섭동만을 포함하고, 장치의 수명에 크게 영향을 주지 않는다. 최적화의 다음 단계는 프로세스를 필드에 이미 존재하는 충전기들(90)에 맡김으로써 얻어질 수 있다. 서버(95)에 연결할 때, 이들은, 최적화 프로세스에 사용될 다음 충전 파라미터에 대하여 지시할 수 있다. 마이크로프로세서(94)는 반복이 완료되면 결과를 서버(95)로 반환한다.
본 발명의 실시예에 따라 모델 파라미터 및 측정 배터리량에 대한 충전 프로콜의 감도가 도 10에 도시된다. 채용된 모델은 도 3의 모델이다. 충전 전류는 25A에서 시작하고, 추정된 내부 전압이 3.55의 공칭값에 도달한 후에 감소한다. 저항 소자(R)에 의해 표현되는 내부 강하를 고려하면, 외부 충전 전압은 3.6V의 추천된 최대 배터리 충전 전압을 초과하는 것이 허용된다.
본 발명의 방법이 채용되면, 리튬 이온 전지에서 정상적으로 관찰된 충전 프로파일은 숫자(100)으로 지정되고, 여기서, 추정된 내부 저항(R)은 6mΩ이었다. 그러나, 8mΩ의 내부 저항을 가정하면, 충전 프로세스는 곡선(102)으로 플로팅된 전류가 20A로 감소한 200초 후에 불안정해진다. 도 11을 참조하면, 225초에서, 전압(곡선 111)은 ~20mV만큼 진동하였고, 시간에 따라 불안정성이 증가하였다. 그러나, 곡선(113)으로 플로팅된 추정된 내부 전지 전압 내에서의 진동은 수 mV를 초과하지 않고, 단지 3.556V에 도달하고, 3.55V의 최대 프리셋 안전 충전 전압을 약 6mV만큼 초과한다.
내부 셀 전압이 V=Vout-R×I에 기초하여 추정되므로, V 및 R×I는 약 1mV인 내부 전압을 결정하는데 요구되는 정확도 내에서 확립되어야 한다. 12비트 정확도 및 ±5V 또는 ±10V의 전압 범위로 배터리 충전 애플리케이션에 일반적으로 채용되는 A/D(또는 D/A) 컨버터는 각각, 2.4mV 또는 4.8mV의 공칭 1비트 정밀도를 제공하고, 즉, ~1mV보다 큰 레벨의 내부 전압의 불확실성은 충전 프로세스의 불안정성 및 제한된 배터리 수명을 유발하기 때문에 일반적으로 부적절하다. 그러므로, 초고속 충전 알고리즘을 구현하기 위하여 16비트 장치가 바람직하다.
배터리 파라미터를 도출하고 도출된 파라미터에 기초하여 배터리를 충전하는 방법의 실시예는 컴퓨터 시스템과 함께 사용될 컴퓨터 프로그램 제품으로서 구현될 수 있다. 이러한 구현은 매체를 통해 네트워크에 접속된 통신 어댑터 등의 모뎀 또는 다른 인터페이스 장치를 거쳐 컴퓨터 시스템으로 송신가능하거나 컴퓨터 판독가능 매체(예를 들어, 디스켓, CD-ROM, ROM, 또는 고정 디스크) 등의 유형 매체 상에 고정된 일련의 컴퓨터 명령을 포함할 수 있다. 매체는 유형 매체(예를 들어, 광 또는 아날로그 통신 라인) 또는 무선 기술로 구현되는 매체(예를 들어, 마이크로웨이브, 적외선 또는 다른 송신 기술)일 수 있다. 일련의 컴퓨터 명령은 시스템에 대하여 상술한 기능의 전부 또는 일부를 구현한다. 당업자는 이러한 컴퓨터 명령이 많은 컴퓨터 아키텍쳐 또는 오퍼레이팅 시스템과 함께 사용되도록 다수의 프로그래밍 언어로 기입될 수 있다는 것을 이해해야 한다. 또한, 이러한 명령은 반도체, 자기, 광 또는 다른 메모리 장치 등의 임의의 메모리 장치에 저장될 수 있고 광, 적외선, 마이크로웨이브 또는 다른 송신 기술 등의 임의의 통신 기술을 이용하여 송신될 수 있다. 이러한 컴퓨터 프로그램 제품은 첨부된 인쇄 또는 전자 문서(예를 들어, 수축 포장 소프트웨어)를 갖는 제거가능 매체로서 배포되거나, (예를 들어, 시스템 ROM 또는 고정 디스크 상의)컴퓨터 시스템과 함께 프리로딩되거나 네트워크(예를 들어, 인터넷 또는 월드 와이드 웹)을 통해 서버 또는 전자 게시판으로부터 배포될 수 있을 것으로 기대된다. 본 발명의 일부의 실시예는 소프트웨어(예를 들어, 컴퓨터 프로그램 제품) 및 하드웨어의 조합으로서 구현될 수 있다. 본 발명의 다른 실시예는 완전히 하드웨어 또는 완전히 소프트웨어(예를 들어, 컴퓨터 프로그램 제품)로서 구현된다.
본 발명의 실시예는 단지 예시적이며 많은 변형과 변경이 당업자에게 자명할 것이다. 이러한 모든 변형과 변경은 청구범위에서 정의된 본 발명의 범위 내에 있다.

Claims (33)

  1. 타겟 배터리를 충전하는 장치로서,
    a) 상기 타겟 배터리에 전기적으로 결합하기 위한 인터페이스;
    b) 상기 타겟 배터리의 전압 및 전류를 동시에 측정하는 회로;
    c) 상기 타겟 배터리 이외의 복수의 배터리로부터 배터리 파라미터 데이터를 축적하는 데이터베이스;
    d) 상기 회로에 의해 동시에 측정된 타겟 배터리의 전압 및 전류와, 상기 데이터베이스로부터 수신된 상기 타겟 배터리 이외의 복수의 다른 배터리에 대한 축적된 배터리 파라미터 데이터 둘다에 기초하여 상기 타겟 배터리에 대한 셀 역학(cell dynamics)의 동적 표현을 회귀적으로 업데이트하도록 구성된 프로세서 - 상기 동적 표현은 시간의 독립 변수가 명확히 포함되는 표현임 - ; 및
    e) 상기 프로세서에 의해 통제되는 것으로서, 상기 타겟 배터리를 충전하는 전류를 공급하는 전류 공급기
    를 포함하는 장치.
  2. 제1항에 있어서, 상기 프로세서는 시스템 식별에 적어도 부분적으로 기초하여 상기 타겟 배터리에 대한 셀 역학의 동적 표현을 업데이트하도록 구성되는 장치.
  3. 제1항에 있어서, 상기 프로세서는 비선형 시스템 식별에 적어도 부분적으로 기초하여 상기 타겟 배터리에 대한 셀 역학의 동적 표현을 업데이트하도록 구성되는 장치.
  4. 배터리를 충전하는 방법으로서,
    a) 상기 배터리에 대한 셀 역학의 비선형 동적 표현을 제공하는 단계 - 상기 비선형 동적 표현은 시간의 독립 변수가 명확히 포함되는 표현임 - ;
    b) 최적화 루틴을 적용하여, 상기 비선형 동적 표현 및 상기 배터리에 대한 하나 이상의 시스템 상태 변수의 트랙킹에 적어도 부분적으로 기초하여 상기 배터리에 대한 최적화된 충전 프로파일을 결정하는 단계 - 상기 최적화된 충전 프로파일을 결정하는 단계는 상기 비선형 동적 표현으로부터 도출된 목적 함수(objective function)에 상기 최적화 루틴을 적용하는 것을 포함함 - ; 및
    c) 상기 최적화된 충전 프로파일에 적어도 부분적으로 기초하여 상기 배터리에 충전 전류를 인가하는 단계
    를 포함하는 방법.
  5. 제4항에 있어서, 상기 최적화된 충전 프로파일을 결정하는 단계는 또한 배터리 특정적 제약 세트의 대상이 되는 방법.
  6. 제5항에 있어서, 충전/방전 사이클들의 반복 시퀀스에 기초하여 상기 배터리 특정적 제약 세트를 도출하는 단계를 더 포함하는 방법.
  7. 제4항에 있어서, 상기 충전 프로파일은 충전 전류 프로파일인 방법.
  8. 제4항에 있어서, 상기 배터리의 온도를 트랙킹하는 단계를 더 포함하고, 상기 최적화된 충전 프로파일을 결정하는 단계는 또한 상기 배터리의 트랙킹된 온도에 적어도 부분적으로 기초하는 방법.
  9. 제4항에 있어서, 상기 최적화된 충전 프로파일을 결정하는 단계는 또한 상기 배터리에 대한 즉각적인 상태 변수들의 트랙킹에 적어도 부분적으로 기초하는 방법.
  10. 제4항에 있어서, 총 전하를 트랙킹하는 것은 상기 배터리를 충전하는 동안 상기 배터리에 대한 적어도 하나의 즉각적인 내부 상태 변수를 결정하는 것을 포함하는 방법.
  11. 제4항에 있어서, 총 전하를 트랙킹하는 것은 상기 배터리를 방전하는 동안 상기 배터리에 대한 적어도 하나의 즉각적인 내부 상태 변수를 결정하는 것을 포함하는 방법.
  12. 제4항에 있어서, 상기 배터리에 대한 셀 역학의 비선형 동적 표현은 비선형 시스템 식별 기술에 의해 도출되는 방법.
  13. 제4항에 있어서, 상기 배터리에 대한 셀 역학의 비선형 동적 표현은 내부 상태 변수 세트를 포함하는 방법.
  14. 제4항에 있어서, 상기 배터리에 대한 셀 역학의 비선형 동적 표현은 모델 파라미터 세트를 포함하는 방법.
  15. 제4항에 있어서, 상기 배터리에 대한 셀 역학의 비선형 동적 표현은 적어도 부분적으로 모델을 특징화하는 넌-파라미터 데이터(non-parametric data)를 포함하는 방법.
  16. 제4항에 있어서, 상기 동적 표현에 기초하여 상기 배터리에 대한 충전 프로파일을 결정하는 것은 상기 배터리를 방전하는 과정 동안 수행되는 방법.
  17. 제4항에 있어서, 상기 동적 표현에 기초하여 상기 배터리에 대한 충전 프로파일을 결정하는 것은 상기 배터리를 충전하는 과정 동안 수행되는 방법.
  18. 제14항에 있어서, 상기 모델 파라미터 세트는 데이터베이스로부터 도출된 파라미터들을 포함하는 방법.
  19. 제14항에 있어서, 상기 모델 파라미터 세트는 상기 배터리를 충전하는 과정 동안 업데이트되는 데이터베이스로부터 도출된 파라미터들을 포함하는 방법.
  20. 제4항에 있어서, 상기 배터리에 대한 셀 역학의 동적 표현은 특정 개별 셀에 특정적인 내부 상태 변수의 세트를 포함하는 방법.
  21. 제4항에 있어서, 상기 배터리에 대한 셀 역학의 동적 표현은 셀의 속(genus)에 특정적인 모델 파라미터의 세트를 포함하는 방법.
  22. 제4항에 있어서, 복수의 네트워화된 충전 시스템의 충전/방전 사이클들에 적어도 부분적으로 기초하여 상기 비선형 동적 표현을 제공하는 단계를 더 포함하는 방법.
  23. 경험적 배터리 모델 데이터를 도출하는 네트워크 시스템으로서,
    a) 복수의 배터리의 개별 배터리에 전류를 공급하는 전원 및 프로세서를 각각 포함하는 복수의 충전 시스템; 및
    b) 상기 복수의 배터리 각각으로부터 얻어진 데이터를 상기 복수의 프로세서 각각으로부터 수신하고 상기 복수의 충전 시스템 각각에 의해 포함될 셀 역학의 동적 표현에 대하여 업데이트된 데이터를 반환하도록 구성된 서버 - 상기 업데이트된 데이터는 상기 복수의 배터리 각각으로부터 얻어진 데이터로부터 적어도 부분적으로 도출되고, 상기 동적 표현은 시간의 독립 변수가 명확히 포함되는 표현이고, 상기 복수의 충전 시스템 중 적어도 하나의 충전 시스템의 프로세서는 상기 반환된 업데이트된 데이터에 적어도 부분적으로 기초하여 상기 배터리에 대한 셀 역학의 동적 표현을 업데이트하도록 구성됨 -
    를 포함하는 네트워크 시스템.
  24. 제23항에 있어서, 상기 복수의 충전 시스템 중 적어도 하나의 충전 시스템의 프로세서는 시스템 식별 기술에 적어도 부분적으로 기초하여 상기 배터리에 대한 셀 역학의 동적 표현을 업데이트하도록 구성되는 네트워크 시스템.
  25. 제23항에 있어서, 상기 복수의 충전 시스템 중 적어도 하나의 충전 시스템의 프로세서는 비선형 시스템 식별 기술에 적어도 부분적으로 기초하여 상기 배터리에 대한 셀 역학의 동적 표현을 업데이트하도록 구성되는 네트워크 시스템.
  26. 제4항에 있어서, 상기 비선형 동적 표현은 선형 동적 부분 및 정적 비선형 부분을 가지는 방법.
  27. 제4항에 있어서, 상기 비선형 동적 표현은 위이너(Wiener) 모델인 방법.
  28. 제4항에 있어서, 상기 비선형 동적 표현은 해머스테인(Hammerstein) 모델인 방법.
  29. 제4항에 있어서, 상기 비선형 동적 표현은 유한 순서 볼테라 급수(Volterra series)인 방법.
  30. 제4항에 있어서, 상기 배터리에 대한 상기 하나 이상의 시스템 상태 변수는 상기 배터리에 저장된 총 전하를 포함하는 방법.
  31. 제4항에 있어서, 상기 최적화된 충전 프로파일을 결정하는 단계는,
    상기 배터리를 충전하는 동안, 상기 배터리에 대한 셀 역학의 업데이트된 비선형 동적 표현들을 반복적으로 도출하고;
    상기 업데이트된 비선형 동적 표현들을 이용하여 상기 최적화된 충전 프로파일을 결정하는 것을 포함하는 방법.
  32. 제31항에 있어서, 상기 배터리에 대한 셀 역학의 업데이트된 비선형 동적 표현들을 도출하는 것은 비선형 시스템 식별 기술을 이용하여 상기 업데이트된 비선형 동적 표현들을 도출하는 것을 포함하는 방법.
  33. 제31항에 있어서, 상기 업데이트된 비선형 동적 표현들은 선형 동적 부분 및 정적 비선형 부분을 가지는 방법.
KR1020137012438A 2010-10-22 2011-10-21 배터리를 급속 충전하는 장치 및 방법 KR101873845B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US40582910P 2010-10-22 2010-10-22
US61/405,829 2010-10-22
PCT/US2011/057338 WO2012054864A2 (en) 2010-10-22 2011-10-21 Apparatus and method for rapidly charging batteries

Related Child Applications (1)

Application Number Title Priority Date Filing Date
KR1020187018084A Division KR101934288B1 (ko) 2010-10-22 2011-10-21 배터리를 급속 충전하는 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20140025310A KR20140025310A (ko) 2014-03-04
KR101873845B1 true KR101873845B1 (ko) 2018-07-04

Family

ID=45972467

Family Applications (2)

Application Number Title Priority Date Filing Date
KR1020187018084A KR101934288B1 (ko) 2010-10-22 2011-10-21 배터리를 급속 충전하는 장치 및 방법
KR1020137012438A KR101873845B1 (ko) 2010-10-22 2011-10-21 배터리를 급속 충전하는 장치 및 방법

Family Applications Before (1)

Application Number Title Priority Date Filing Date
KR1020187018084A KR101934288B1 (ko) 2010-10-22 2011-10-21 배터리를 급속 충전하는 장치 및 방법

Country Status (14)

Country Link
US (1) US9397516B2 (ko)
EP (1) EP2630716B1 (ko)
JP (1) JP5964841B2 (ko)
KR (2) KR101934288B1 (ko)
CN (2) CN103270668B (ko)
AU (1) AU2011316798B2 (ko)
BR (1) BR112013009715A2 (ko)
CA (1) CA2815218C (ko)
IL (1) IL225870B (ko)
MX (1) MX346388B (ko)
NZ (2) NZ609703A (ko)
RU (1) RU2581844C2 (ko)
SG (3) SG10201508552TA (ko)
WO (1) WO2012054864A2 (ko)

Families Citing this family (65)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10367239B1 (en) 2011-03-31 2019-07-30 Elite Power Holdings Llc Integral battery temperature control system
US9201119B2 (en) * 2011-12-19 2015-12-01 Qualcomm Incorporated Battery fuel gauge
US20150051853A1 (en) * 2012-02-22 2015-02-19 Keio University Apparatus for parameter estimation
CN104394930B (zh) 2012-03-09 2016-11-09 安特罗麦迪克斯公司 用在医疗设备中的安全特征件
US9716294B2 (en) * 2012-04-20 2017-07-25 Ford Global Technologies, Llc Battery controller with monitoring logic for model-based battery control
US9263908B2 (en) * 2012-06-26 2016-02-16 Samsung Sdi Co., Ltd. Battery pack having linear voltage profile, and SOC algorithm applying to the battery pack
WO2014008278A1 (en) * 2012-07-02 2014-01-09 Robert Bosch Gmbh System and method for fast charging of lithium-ion batteries with improved safety
EP2881828B1 (en) * 2012-08-02 2016-06-15 Nissan Motor Co., Ltd. Error detection system for unpiloted conveyance vehicles
NZ710059A (en) 2012-12-18 2017-12-22 Nucleus Scient Inc Nonlinear system identification for optimization of wireless power transfer
CN103066341B (zh) * 2012-12-28 2015-11-18 陈思达 一种锂聚合物电池跟踪充电的方法
CN103454592B (zh) * 2013-08-23 2016-05-11 中国科学院深圳先进技术研究院 一种动力电池荷电状态估计方法及系统
US9673655B2 (en) 2013-12-31 2017-06-06 Fairchild Semiconductor Corporation Apparatus and methods of charging to safe cell voltage
US9475398B2 (en) 2014-05-08 2016-10-25 Cummins, Inc. Optimization-based predictive method for battery charging
US9225187B2 (en) * 2014-05-14 2015-12-29 StoreDot Ltd. Multi-functional electrode devices for fast-charging of energy-storage devices and methods therein
US10451678B2 (en) 2014-07-17 2019-10-22 Ford Global Technologies, Llc Battery system identification through impulse injection
US10186887B2 (en) 2014-07-28 2019-01-22 Ec Power, Llc Systems and methods for fast charging batteries at low temperatures
DE102014220062A1 (de) * 2014-10-02 2016-04-07 Robert Bosch Gmbh Verfahren zum Schalten von mehreren Batteriezellen einer Batterie und Batteriesystem mit einer Batterie mit mehreren Batteriezelleinheiten mit jeweils einer Batteriezelle und einem der Batteriezelle zugeordneten Batteriezellüberwachungsmodul
KR101651991B1 (ko) 2014-10-30 2016-08-30 주식회사 엘지화학 전지 급속 충전 방법 및 장치
ES2811276T3 (es) 2014-12-01 2021-03-11 Ec Power Llc Batería de litio toda en estado sólido
CN105743190A (zh) * 2014-12-23 2016-07-06 蒋本璋 智能电源适配系统
US9853489B2 (en) 2015-01-22 2017-12-26 Alta Devices, Inc. Charging station for mobile device with solar panel
KR101640706B1 (ko) * 2015-01-28 2016-07-18 엘지전자 주식회사 진공 청소기
WO2016154431A1 (en) 2015-03-24 2016-09-29 Horizon Hobby, LLC Systems and methods for battery charger with safety component
US9954384B2 (en) 2015-05-13 2018-04-24 Nucleus Scientific Inc. Instrumented super-cell
KR101683181B1 (ko) * 2015-11-16 2016-12-08 주식회사 투엠아이 열적 안전성을 고려한 배터리의 급속 충전 시스템 및 방법
CN106960985B (zh) * 2016-01-08 2019-10-15 松下知识产权经营株式会社 服务器装置的控制方法和服务器装置
US10367235B2 (en) * 2016-02-19 2019-07-30 Cps Technology Holdings Llc Systems and methods for real-time parameter estimation of a rechargeable battery
US11171509B2 (en) 2016-02-25 2021-11-09 California Institute Of Technology Adaptive charging network using adaptive charging stations for electric vehicles
DE102016203730A1 (de) * 2016-03-08 2017-09-14 Siemens Aktiengesellschaft Elektrisches Energiespeichersystem
US10447054B2 (en) * 2016-05-20 2019-10-15 Robert Bosch Gmbh Staircase charging
US11811248B2 (en) 2016-07-21 2023-11-07 C.E. Niehoff & Co. Vehicle generator using battery charging profiles
EP3526851B1 (en) * 2016-10-12 2023-03-22 CPS Technology Holdings LLC Battery model and control application calibration systems and methods
AT519335B1 (de) * 2016-11-04 2022-08-15 Avl List Gmbh Verfahren zur Diagnose eines technischen Systems
CN106450537B (zh) * 2016-11-21 2018-12-11 清华大学 一种用于多种电池充电算法的开发方法
CN110036304B (zh) * 2016-12-21 2021-08-20 沃尔沃卡车集团 电池管理系统和用于控制电池管理系统的方法
FR3061307B1 (fr) 2016-12-22 2021-05-07 Electricite De France Caracterisation perfectionnee d'un dispositif electrochimique en operation pour un pronostic de fonctionnement futur du dispositif
KR101867225B1 (ko) 2017-03-31 2018-06-12 지엠 글로벌 테크놀러지 오퍼레이션스 엘엘씨 리튬 이온 배터리 급속 충전 방법
US10312699B2 (en) * 2017-07-31 2019-06-04 Robert Bosch Gmbh Method and system for estimating battery open cell voltage, state of charge, and state of health during operation of the battery
DE102017216223A1 (de) * 2017-09-13 2019-03-14 Robert Bosch Gmbh Verfahren zum Betrieb einer elektrischen Energiespeichereinheit
WO2019109084A1 (en) 2017-12-01 2019-06-06 California Institute Of Technology Optimization framework and methods for adaptive ev charging
US11677102B2 (en) 2017-12-07 2023-06-13 Yazami Ip Pte. Ltd. Adaptive charging protocol for fast charging of batteries and fast charging system implementing this protocol
CN111656644A (zh) * 2017-12-07 2020-09-11 雅扎米Ip私人有限公司 对电池充电的基于非线性伏安法的方法和实现该方法的快速充电系统
JP6820905B2 (ja) * 2017-12-29 2021-01-27 ゴゴロ インク 交換可能エネルギー貯蔵装置ステーションを管理するためのシステムおよび方法
KR102255490B1 (ko) * 2018-01-03 2021-05-24 주식회사 엘지에너지솔루션 배터리의 내부 저항을 최적화하기 위한 배터리 관리 시스템 및 방법
CN108988426B (zh) * 2018-07-27 2020-10-30 北京小米移动软件有限公司 充电电路、终端及充电方法
US10666076B1 (en) 2018-08-14 2020-05-26 Veritone Alpha, Inc. Using battery state excitation to control battery operations
CN109066814B (zh) * 2018-08-29 2020-12-18 国网浙江省电力有限公司电力科学研究院 储能装置辅助火电机组二次调频的控制方法及系统
CN110392968A (zh) * 2018-09-06 2019-10-29 Oppo广东移动通信有限公司 一种充电调整方法、终端及计算机存储介质
JP7361122B2 (ja) * 2018-09-11 2023-10-13 スリーエム イノベイティブ プロパティズ カンパニー アクティブバッテリ管理方法
US10770914B2 (en) 2018-11-05 2020-09-08 C.E. Niehoff & Co. Dual control loop for charging of batteries
KR102286780B1 (ko) * 2018-11-27 2021-08-09 디티아이코리아(주) 이차전지 충전 방법
WO2020163873A1 (en) * 2019-02-08 2020-08-13 California Institute Of Technology Systems and methods for adaptive ev charging
US10985951B2 (en) 2019-03-15 2021-04-20 The Research Foundation for the State University Integrating Volterra series model and deep neural networks to equalize nonlinear power amplifiers
CN110068771B (zh) * 2019-05-28 2020-02-07 山东大学 基于输出响应重构的高精度电池模型参数辨识方法及系统
KR20210028476A (ko) * 2019-09-04 2021-03-12 삼성전자주식회사 배터리 충전 장치 및 방법
CN110597236A (zh) * 2019-10-12 2019-12-20 北京北方华德尼奥普兰客车股份有限公司 一种新能源汽车整车控制器的整车模型系统
US11418066B2 (en) 2019-10-17 2022-08-16 Massachusetts Institute Of Technology Techniques for charging and/or discharging a battery using frequency modulation
CN111092272B (zh) * 2019-12-18 2023-04-18 湖南大学 一种考虑内阻特性的锂离子电池三段式充电方法
US11181587B1 (en) 2020-05-07 2021-11-23 Zitara Technologies, Inc. Battery analysis system and method
CN111791738B (zh) * 2020-07-10 2022-06-07 西安许继电力电子技术有限公司 一种电动船舶充电机多机并联恒压均流控制方法及装置
CN112462285A (zh) * 2020-11-23 2021-03-09 广东石油化工学院 一种基于伪随机信号的电池阻抗在线测量装置及方法
CN113839440B (zh) * 2021-08-31 2024-01-30 蜂巢能源科技(无锡)有限公司 电池的充电方法、装置、计算机可读存储介质及处理器
US11774504B2 (en) 2021-10-04 2023-10-03 Zitara Technologies, Inc. System and method for battery management
WO2023107710A2 (en) 2021-12-09 2023-06-15 Zitara Technologies, Inc. System and method for determining a battery condition
CN116520095B (zh) * 2023-07-03 2023-09-12 昆明理工大学 故障测距方法、系统以及计算机可读存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008059910A (ja) 2006-08-31 2008-03-13 Toyota Motor Corp 二次電池の制御システムおよびそれを搭載したハイブリッド車両
JP2009500787A (ja) 2005-06-30 2009-01-08 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 物理モデルに基づく充電可能電池の急速充電方法及び充電器
US20090091299A1 (en) 2007-10-04 2009-04-09 Gm Global Technology Operations, Inc. Dynamically adaptive method for determining the state of charge of a battery
US20100253281A1 (en) 2009-04-07 2010-10-07 Qualcomm Incorporated Wireless power transmission scheduling

Family Cites Families (39)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH05227603A (ja) * 1992-02-14 1993-09-03 Tatsuno Co Ltd 電気自動車のバッテリー管理システム
RU2118032C1 (ru) * 1994-09-15 1998-08-20 Открытое акционерное общество "Уралкалий" Зарядное устройство
DE4439785C2 (de) 1994-11-07 1999-05-12 Mikron Ges Fuer Integrierte Mi Verfahren zum Laden einer aufladbaren Batterie und Vorrichtung zur Durchführung des Verfahrens
US5684387A (en) 1996-08-15 1997-11-04 Motorola, Inc. Voltage cutoff compensation method for a battery in a charger
US5814973A (en) * 1996-09-20 1998-09-29 Ericsson Inc. Power unit and charger for a battery powered electrical apparatus and method
US5986430A (en) * 1998-07-06 1999-11-16 Motorola, Inc. Method for ultra-rapidly charging a rechargeable battery using multi-mode regulation in a vehicular recharging system
US5969508A (en) 1998-07-27 1999-10-19 Motorola, Inc. Battery charging method using battery circuitry impedence measurement to determine optimum charging voltage
US7249080B1 (en) 1999-10-25 2007-07-24 Upstream Technologies Llc Investment advice systems and methods
US20020047711A1 (en) * 2000-09-14 2002-04-25 Bertness Kevin I. Method and apparatus for testing cells and batteries embedded in series/parallel systems
US6534954B1 (en) * 2002-01-10 2003-03-18 Compact Power Inc. Method and apparatus for a battery state of charge estimator
US6555991B1 (en) * 2002-02-05 2003-04-29 Andrew Michael Zettel Battery operating condition dependent method and apparatus for controlling energy transfer between an energy bus and a system of batteries
KR100450887B1 (ko) * 2002-03-29 2004-10-08 주식회사 프로파워 배터리 충전 및 방전 분석 시스템
JP2004079316A (ja) * 2002-08-15 2004-03-11 Nisshinbo Ind Inc 急速充電電池用充電システム
US20050187643A1 (en) * 2004-02-19 2005-08-25 Pavilion Technologies, Inc. Parametric universal nonlinear dynamics approximator and use
CN1268029C (zh) * 2003-06-10 2006-08-02 财团法人工业技术研究院 电池最佳充电曲线搜寻设备及方法
US7321220B2 (en) * 2003-11-20 2008-01-22 Lg Chem, Ltd. Method for calculating power capability of battery packs using advanced cell model predictive techniques
JP4092580B2 (ja) * 2004-04-30 2008-05-28 新神戸電機株式会社 多直列電池制御システム
US7612532B2 (en) * 2005-06-21 2009-11-03 Gm Global Technology Operations, Inc. Method for controlling and monitoring using a state estimator having variable forgetting factors
US8446127B2 (en) * 2005-08-03 2013-05-21 California Institute Of Technology Methods for thermodynamic evaluation of battery state of health
JP4928099B2 (ja) * 2005-08-17 2012-05-09 日立マクセルエナジー株式会社 バッテリパック、モバイル機器およびバッテリパックの充電方法
US7626362B2 (en) 2005-09-30 2009-12-01 International Components Corporation Rapid charge lithium ion battery charger
KR100991084B1 (ko) * 2005-12-15 2010-10-29 주식회사 엘지화학 멀티 전지 팩 시스템 및 그 제어방법, 및 이를 이용한 전지팩
KR100804698B1 (ko) 2006-06-26 2008-02-18 삼성에스디아이 주식회사 배터리 ｓｏｃ 추정 방법 및 이를 이용하는 배터리 관리시스템 및 구동 방법
CN102437384B (zh) * 2006-11-06 2014-08-06 日本电气株式会社 电池控制系统以及电池控制方法
JP4719163B2 (ja) * 2007-01-17 2011-07-06 プライムアースＥｖエナジー株式会社 容量均等化装置
JP4144646B1 (ja) * 2007-02-20 2008-09-03 トヨタ自動車株式会社 電動車両、車両充電装置および車両充電システム
JP4703593B2 (ja) * 2007-03-23 2011-06-15 株式会社豊田中央研究所 二次電池の状態推定装置
CN100536278C (zh) * 2007-05-16 2009-09-02 郑德明 一种铅酸蓄电池的脉冲恒能充电方法及其充电装置
JP4807329B2 (ja) * 2007-06-14 2011-11-02 トヨタ自動車株式会社 ハイブリッド車両およびハイブリッド車両運用システム
CN101855773B (zh) 2007-09-14 2015-01-21 A123系统公司 具有用于健康状态监视的参考电极的锂可再充电电池
KR100962856B1 (ko) * 2008-04-03 2010-06-09 현대자동차주식회사 배터리의 잔존용량 추정 방법
US8754611B2 (en) * 2008-04-11 2014-06-17 Apple Inc. Diffusion-limited adaptive battery charging
US8032316B2 (en) * 2008-04-16 2011-10-04 Phoenix Broadband Technologies, Llc Measuring and monitoring a power source
US8138723B2 (en) * 2008-05-26 2012-03-20 Steve Carkner Remote battery charging system with dynamic voltage adjustment and method of use
CA2632513C (en) * 2008-05-26 2014-08-05 Steve Carkner Remote battery charging system with dynamic voltage adjustment and method of use
JP5106272B2 (ja) * 2008-06-30 2012-12-26 パナソニック株式会社 劣化判定回路、電源装置、及び二次電池の劣化判定方法
CN101388562B (zh) * 2008-07-10 2010-10-13 广州丰江电池新技术有限公司 快速充电方法
CN101599651B (zh) * 2009-06-30 2011-12-14 聊城大学 通用型快速智能充电器及充电方法
US8346693B2 (en) * 2009-11-24 2013-01-01 King Fahd University Of Petroleum And Minerals Method for hammerstein modeling of steam generator plant

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009500787A (ja) 2005-06-30 2009-01-08 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 物理モデルに基づく充電可能電池の急速充電方法及び充電器
JP2008059910A (ja) 2006-08-31 2008-03-13 Toyota Motor Corp 二次電池の制御システムおよびそれを搭載したハイブリッド車両
US20090091299A1 (en) 2007-10-04 2009-04-09 Gm Global Technology Operations, Inc. Dynamically adaptive method for determining the state of charge of a battery
US20100253281A1 (en) 2009-04-07 2010-10-07 Qualcomm Incorporated Wireless power transmission scheduling

Also Published As

Publication number Publication date
CN106451600A (zh) 2017-02-22
CN103270668B (zh) 2016-09-07
BR112013009715A2 (pt) 2016-07-19
KR20140025310A (ko) 2014-03-04
SG189493A1 (en) 2013-05-31
RU2581844C2 (ru) 2016-04-20
KR20180077302A (ko) 2018-07-06
SG10201508548PA (en) 2015-11-27
CA2815218A1 (en) 2012-04-26
WO2012054864A3 (en) 2012-08-16
CA2815218C (en) 2018-10-09
IL225870B (en) 2018-01-31
MX2013004467A (es) 2013-08-29
NZ609703A (en) 2014-11-28
SG10201508552TA (en) 2015-11-27
JP5964841B2 (ja) 2016-08-03
CN103270668A (zh) 2013-08-28
US9397516B2 (en) 2016-07-19
AU2011316798B2 (en) 2017-02-02
KR101934288B1 (ko) 2019-01-03
RU2013118467A (ru) 2014-11-27
AU2011316798A1 (en) 2013-05-23
NZ700620A (en) 2016-04-29
CN106451600B (zh) 2019-06-18
MX346388B (es) 2017-03-03
JP2013543238A (ja) 2013-11-28
EP2630716A2 (en) 2013-08-28
US20120098481A1 (en) 2012-04-26
EP2630716B1 (en) 2018-10-10
EP2630716A4 (en) 2015-06-03
WO2012054864A2 (en) 2012-04-26
IL225870A0 (en) 2013-06-27

Similar Documents

Publication Publication Date Title
KR101873845B1 (ko) 배터리를 급속 충전하는 장치 및 방법
Nejad et al. A systematic review of lumped-parameter equivalent circuit models for real-time estimation of lithium-ion battery states
EP4130769A1 (en) Method and device for determining state of charge of battery, and battery management system
CN107690585B (zh) 用于确定锂硫电池组的健康状况和充电状态的方法和装置
CN104348222B (zh) 使用多个充电电路对电池自适应充电的系统和方法
Waag et al. On-line estimation of lithium-ion battery impedance parameters using a novel varied-parameters approach
EP3017993B1 (en) Power and current estimation for batteries
Xiong et al. Adaptive state of charge estimator for lithium-ion cells series battery pack in electric vehicles
JP4473823B2 (ja) 電気エネルギー蓄積器のための複数の部分モデルを用いた状態量およびパラメータの推定装置
JP6555773B2 (ja) 蓄電残量推定装置、蓄電池の蓄電残量を推定する方法、及びコンピュータプログラム
US10254322B2 (en) System and method for the measurement and prediction of the charging efficiency of accumulators
US20060284600A1 (en) Method for control and monitoring using a state estimator having variable forgetting factors
JP2008522152A (ja) バッテリーの状態及びパラメーターの推定システム及び方法
Li et al. A new parameter estimation algorithm for an electrical analogue battery model
Zhang et al. State-of-charge estimation based on microcontroller-implemented sigma-point Kalman filter in a modular cell balancing system for Lithium-Ion battery packs
KR20080012079A (ko) 슬라이딩 모드 관측기를 이용한 ２차 전지 ｓｏｃ 예측방법 및 장치
Nambisan et al. Real-time optimal fast charging of Li-ion batteries with varying temperature and charging behaviour constraints
Ghaeminezhad et al. Charging control strategies for lithium‐ion battery packs: Review and recent developments
AU2022263786A1 (en) Battery state estimation device and power system
JP2014075953A (ja) 電池充電装置および電圧均等化方法
Padalale et al. State of charge (soc) determination through extended kalman filter in battery management systems
CN109782177A (zh) 一种电池电量的获取方法、装置及汽车
CN116973770B (zh) 一种基于稳态卡尔曼滤波器的电池soc估计方法及系统
Zhang et al. Modeling and State-of-Charge Coestimation for a Lithium-ion Battery Based on a Class of Nonlinear Time Series Model

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
A107 Divisional application of patent
GRNT Written decision to grant