KR101946163B1 - 빅데이터 기반의 배터리 열화도 추정장치 및 방법 - Google Patents

빅데이터 기반의 배터리 열화도 추정장치 및 방법 Download PDF

Info

Publication number
KR101946163B1
KR101946163B1 KR1020170135700A KR20170135700A KR101946163B1 KR 101946163 B1 KR101946163 B1 KR 101946163B1 KR 1020170135700 A KR1020170135700 A KR 1020170135700A KR 20170135700 A KR20170135700 A KR 20170135700A KR 101946163 B1 KR101946163 B1 KR 101946163B1
Authority
KR
South Korea
Prior art keywords
battery
deterioration
data
per unit
unit energy
Prior art date
Application number
KR1020170135700A
Other languages
English (en)
Inventor
한세경
최정현
정중호
박정주
Original Assignee
경북대학교 산학협력단
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 경북대학교 산학협력단 filed Critical 경북대학교 산학협력단
Priority to KR1020170135700A priority Critical patent/KR101946163B1/ko
Priority to PCT/KR2018/012380 priority patent/WO2019078658A1/ko
Application granted granted Critical
Publication of KR101946163B1 publication Critical patent/KR101946163B1/ko

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]
    • G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
    • 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]
    • G01R31/392—Determining battery ageing or deterioration, e.g. state of health

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Secondary Cells (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

빅데이터 기반의 배터리 열화도 추정장치 및 방법이 개시된다. 빅데이터 기반의 배터리 열화도 추정장치는 배터리에 마련되는 배터리 관리 장치로부터 배터리의 운용 구간별 단위 에너지당 열화 인자 데이터를 수신하는 데이터 수집부, 미리 저장된 운용 구간별 단위 에너지당 열화도의 빅데이터에 기반하여, 데이터 수집부에서 수신하는 열화 인자 데이터를 반영한 단위 에너지당 열화도를 산출하는 데이터 처리부, 상기 데이터 처리부에서 산출한 열화도를 반영하여 상기 운용 구간별 단위 에너지당 열화도의 빅데이터를 업데이트하는 데이터 저장부 및 상기 운용 구간별 단위 에너지당 열화도의 빅데이터에 기반하여 임의의 사용패턴을 갖는 배터리의 열화도를 산출하는 열화도 산출부를 포함한다.

Description

빅데이터 기반의 배터리 열화도 추정장치 및 방법{APPARATUS AND METHOD FOR REAL-TIME STATE OF HEALTH ESTIMATION BASED ON BIG DATA}
본 발명은 빅데이터 기반의 배터리 열화도 추정장치 및 방법에 관한 것으로서, 보다 상세하게는 배터리의 효율적인 관리 및 제어를 위한 배터리 열화도 추정장치 및 방법에 관한 것이다.
배터리 관리 시스템(BMS)은 최소한의 열화 방향으로 배터리를 제어하는 시스템이다. 이를 위해, 배터리 관리 시스템은 배터리의 열화도를 정확히 추정하는 것이 중요하다.
한편, 배터리 열화요인은 수많은 변수를 가진다. 이에, 배터리 열화도 추정시 변수들의 정보가 포함된 백데이터가 필요하다. 예를 들면, 열화요인(온도, c_rate, SOC 등)이 포함된 구간별 열화정도를 나타내는 사전시험이 되어있으면 그 백데이터를 이용한 열화도의 추정이 가능하다. 그러나 이러한 사전시험은 막대한 시간과 비용이 필요하기 때문에 현실적으로 불가능하다.
이에, 종래의 배터리 열화도 추정방법으로는 초기의 백데이터에 의존하여 이루어지는데, 시간이 지남에 따라 진행되는 배터리의 열화정도가 반영되지 않으므로, 정확한 배터리 열화도를 추정하는데 어려움이 있다.
다양한 운용 조건 하에서 동작하는 배터리로부터 운용 구간별 단위 에너지당 열화 인자 데이터를 수신하여 빅데이터화하고, 이에 기반한 배터리 열화도 추정장치 및 방법을 제공하고자 한다.
본 발명의 일 측면에 따른 빅데이터 기반의 배터리 열화도 추정장치는, 배터리에 마련되는 배터리 관리 장치로부터 배터리의 운용 구간별 단위 에너지당 열화 인자 데이터를 수신하는 데이터 수집부, 미리 저장된 운용 구간별 단위 에너지당 열화도의 빅데이터에 기반하여, 데이터 수집부에서 수신하는 열화 인자 데이터를 반영한 단위 에너지당 열화도를 산출하는 데이터 처리부, 상기 데이터 처리부에서 산출한 열화도를 반영하여 상기 운용 구간별 단위 에너지당 열화도의 빅데이터를 업데이트하는 데이터 저장부 및 상기 운용 구간별 단위 에너지당 열화도의 빅데이터에 기반하여 임의의 사용패턴을 갖는 배터리의 열화도를 산출하는 열화도 산출부를 포함한다.
한편, 상기 데이터 수집부는, 상기 배터리 관리 장치로부터 배터리의 운용 구간을 나타낼 수 있도록, 용량유지율(CR: Capacity Retention), 출력유지율(PR: Power Retention) 및 수명 종료 지점(EOL: End-of-Life)에 따라 산출되는 수명평가함수를 수신할 수 있다.
또한, 상기 데이터 수집부는, 상기 배터리 관리 장치로부터 단위 구간에서의 에너지에 해당하는 사용용량(△q)값을 수신할 수 있다.
또한, 상기 데이터 수집부는, 상기 배터리 관리 장치로부터 상기 단위 구간에서의 온도(Temp), 방전 율속(C_rate) 및 완전 충전 상태로부터 현재 용량까지의 거리인 완충 거리(DFC: Distance to the Full Charge)를 포함하는 열화 인자 데이터를 수신할 수 있다.
또한, 상기 데이터 처리부는, 배터리의 운용 구간을 나타내는 수명평가함수의 미리 정해진 구간의 값이, 각 구간에서의 적어도 하나의 단위 에너지의 사용용량(△q) 및 단위 에너지당 열화도(Wi,j)에 따라 산출될 수 있도록 데이터 수집부에서 수신하는 열화 인자 데이터를 반영한 단위 에너지당 열화도를 산출할 수 있다.
또한, 상기 데이터 처리부는, 배터리의 운용 구간을 나타내는 수명평가함수의 미리 정해진 구간의 값이, 각 구간에서의 단위 에너지의 사용용량(△q)에 단위 에너지당 열화도(Wi,j)를 곱한 값들의 합으로 이루어질 수 있도록 데이터 수집부에서 수신하는 열화 인자 데이터를 반영한 단위 에너지당 열화도를 산출할 수 있다.
또한, 상기 데이터 저장부는, 상기 운용 구간별로 온도(Temp), 방전 율속(C_rate) 및 완전 충전 상태로부터 현재 용량까지의 거리인 완충 거리(DFC)를 포함하는 열화 인자 데이터를 반영한 단위 에너지당 열화도를 빅데이터로 저장할 수 있다.
또한, 상기 데이터 수집부는, 동일한 사양의 배터리에 마련되는 복수의 배터리 관리 장치로부터 각 배터리의 운용 구간별 단위 에너지당 열화 인자 데이터를 수신할 수 있다.
또한, 상기 데이터 수집부는, 상기 배터리 관리 장치로부터 배터리의 운용 구간을 나타낼 수 있도록, 배터리의 개방 회로 전압(OCV: Open Circuit Voltage) 및 전류적산치에 따라 산출되는 용량유지율(CR)을 반영한 수명평가함수를 수신할 수 있다.
한편, 본 발명의 다른 측면에 따른 빅데이터 기반의 배터리 열화도 추정방법은, 배터리에 마련되는 배터리 관리 장치로부터 배터리의 운용 구간별 단위 에너지당 열화 인자 데이터를 수신하고, 미리 저장된 운용 구간별 단위 에너지당 열화도의 빅데이터에 기반하여, 상기 열화 인자 데이터를 반영한 단위 에너지당 열화도를 산출하고, 산출한 열화도를 반영하여 상기 운용 구간별 단위 에너지당 열화도의 빅데이터를 업데이트하며, 상기 운용 구간별 단위 에너지당 열화도의 빅데이터에 기반하여 임의의 사용패턴을 갖는 배터리의 열화도를 산출한다.
한편, 배터리에 마련되는 배터리 관리 장치로부터 배터리의 운용 구간별 단위 에너지당 열화 인자 데이터를 수신하는 것은, 상기 배터리 관리 장치로부터 배터리의 운용 구간을 나타낼 수 있도록, 용량유지율(CR: Capacity Retention), 출력유지율(PR: Power Retention) 및 수명 종료 지점(EOL: End-of-Life)에 따라 산출되는 수명평가함수를 수신하는 것을 포함할 수 있다.
또한, 배터리에 마련되는 배터리 관리 장치로부터 배터리의 운용 구간별 단위 에너지당 열화 인자 데이터를 수신하는 것은, 상기 배터리 관리 장치로부터 단위 구간에서의 에너지에 해당하는 사용용량(△q)값을 수신하는 것을 포함할 수 있다.
또한, 배터리에 마련되는 배터리 관리 장치로부터 배터리의 운용 구간별 단위 에너지당 열화 인자 데이터를 수신하는 것은, 상기 배터리 관리 장치로부터 상기 단위 구간에서의 온도(Temp), 방전 율속(C_rate) 및 완전 충전 상태로부터 현재 용량까지의 거리인 완충 거리(DFC)를 포함하는 열화 인자 데이터를 수신하는 것을 포함할 수 있다.
또한, 미리 저장된 운용 구간별 단위 에너지당 열화도의 빅데이터에 기반하여, 데이터 수집부에서 수신하는 열화 인자 데이터를 반영한 단위 에너지당 열화도를 산출하는 것은, 배터리의 운용 구간을 나타내는 수명평가함수의 미리 정해진 구간의 값이, 각 구간에서의 적어도 하나의 단위 에너지의 사용용량(△q) 및 단위 에너지당 열화도(Wi,j)에 따라 산출될 수 있도록 데이터 수집부에서 수신하는 열화 인자 데이터를 반영한 단위 에너지당 열화도를 산출하는 것일 수 있다.
또한, 미리 저장된 운용 구간별 단위 에너지당 열화도의 빅데이터에 기반하여, 데이터 수집부에서 수신하는 열화 인자 데이터를 반영한 단위 에너지당 열화도를 산출하는 것은, 배터리의 운용 구간을 나타내는 수명평가함수의 미리 정해진 구간의 값이, 각 구간에서의 단위 에너지의 사용용량(△q)에 단위 에너지당 열화도(Wi,j)를 곱한 값들의 합으로 이루어질 수 있도록 데이터 수집부에서 수신하는 열화 인자 데이터를 반영한 단위 에너지당 열화도를 산출하는 것일 수 있다.
또한, 산출한 열화도를 반영하여 상기 운용 구간별 단위 에너지당 열화도의 빅데이터를 업데이트하는 것은, 상기 운용 구간별로 온도(Temp), 방전 율속(C_rate) 및 완전 충전 상태로부터 현재 용량까지의 거리인 완충 거리(DFC)를 포함하는 열화 인자 데이터를 반영한 단위 에너지당 열화도를 빅데이터로 저장하는 것일 수 있다.
또한, 배터리에 마련되는 배터리 관리 장치로부터 배터리의 운용 구간별 단위 에너지당 열화 인자 데이터를 수신하는 것은, 동일한 사양의 배터리에 마련되는 복수의 배터리 관리 장치로부터 각 배터리의 운용 구간별 단위 에너지당 열화 인자 데이터를 수신하는 것일 수 있다.
또한, 배터리에 마련되는 배터리 관리 장치로부터 배터리의 운용 구간별 단위 에너지당 열화 인자 데이터를 수신하는 것은, 상기 배터리 관리 장치로부터 배터리의 운용 구간을 나타낼 수 있도록, 배터리의 개방 회로 전압(OCV: Open Circuit Voltage) 및 전류적산치에 따라 산출되는 용량유지율(CR)을 반영한 수명평가함수를 수신하는 것을 포함할 수 있다.
상술한 본 발명에 따르면, 다양한 운용 조건 하에서 동작하는 배터리로부터 획득하는 데이터에 기반하여 배터리 열화도를 추정하므로, 종래의 초기 백데이터에만 의존하는 배터리 열화도 추정 방식에 비해 보다 정교한 배터리 열화도 추정이 가능하며, 아울러, 열화 인자를 파악할 수 있어 이를 이용한 최적의 관리 및 제어를 통해 배터리의 효율을 높일 수 있다.
도 1은 본 발명의 일 실시예에 따른 빅데이터 기반의 배터리 열화도 추정 시스템의 구성을 도시한 도면이다.
도 2는 본 발명의 일 실시예에 따른 빅데이터 기반의 배터리 열화도 추정 시스템에서의 배터리 열화도 추정방법을 나타낸 도면이다.
도 3은 도 1에 도시된 배터리 관리 장치의 제어 블록도이다.
도 4는 수명평가함수(CLEF: Cycle Life Evaluation Function)을 설명하기 위한 도면이다.
도 5는 배터리의 비선형적 열화 특성을 설명하기 위한 그래프이다.
도 6은 배터리 관리 장치에서의 배터리 열화 인자 데이터를 획득하는 과정을 도시한 순서도이다.
도 7은 도 1에 도시된 배터리 열화도 추정장치의 제어 블록도이다.
도 8은 도 7에 도시된 배터리 열화도 추정장치에서의 배터리 열화도 추정 과정을 도시한 순서도이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.
본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소, 단계 및 동작은 하나 이상의 다른 구성요소, 단계 및 동작의 존재 또는 추가를 배제하지 않는다.
도 1은 본 발명의 일 실시예에 따른 빅데이터 기반의 배터리 열화도 추정 시스템의 구성을 도시한 도면이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 빅데이터 기반의 배터리 열화도 추정 시스템(1000)은 복수의 배터리 관리 장치(100) 및 배터리 열화도 추정장치(200)를 포함하여 구성되며, 복수의 배터리 관리 장치(100) 및 배터리 열화도 추정장치(200) 간의 통신을 수행하여 배터리 열화도와 관련된 데이터를 송수신할 수 있다.
특히, 본 발명의 일 실시예에 따른 빅데이터 기반의 배터리 열화도 추정 시스템(1000)은 동일한 사양의 배터리에 마련되는 복수의 배터리 관리 장치(100)에서 배터리의 열화에 영향을 끼치는 데이터를 획득하여 배터리 열화도 추정장치(200)로 전송하고, 배터리 열화도 추정장치(200)에서 복수의 배터리 관리 장치(100)로부터 수신하는 데이터를 빅데이터로 저장할 수 있으며, 이러한 빅데이터를 이용하여 임의의 운용 조건 하에서의 동작하는 배터리의 열화도를 추정할 수 있다.
구체적으로는, 배터리 관리 장치(100)는 배터리의 효율을 높일 수 있도록 최소한의 열화 방향으로 배터리를 관리 및 제어하기 위해 배터리에 마련되는 장치로, 예컨대, 배터리 관리 시스템(BMS: Battery Management System)일 수 있다. 도 1에서는 배터리 관리 장치(100)가 차량에 마련된 것을 예로 들어 도시하였으나, 배터리 관리 장치(100)는 노트북, 스마트폰 등 배터리를 사용하는 다양한 장치에 마련될 수 있다. 배터리 관리 장치(100)는 고정되거나 이동성을 가질 수 있으며, 서버(server) 또는 엔진(engine) 형태일 수 있다.
배터리 관리 장치(100)는 배터리의 전류 및 전압을 측정하여 해당 배터리의 열화 정도를 산출할 수 있으며, 배터리의 열화에 영향을 끼치는 각종 데이터를 획득하여 배터리 열화도 추정장치(200)로 전송할 수 있다. 또한, 배터리 관리 장치(100)는 배터리 열화도 추정장치(200)에서 산출하는 배터리 열화도를 수신하고 이에 기반하여 배터리를 관리 및 제어할 수 있다.
배터리 열화도 추정장치(200)는 복수의 배터리 관리 장치(100)와 무선 통신을 수행할 수 있는 장치로, 고정되거나 이동성을 가질 수 있으며, 서버(server) 또는 엔진(engine) 형태일 수 있다.
배터리 열화도 추정장치(200)는 복수의 배터리 관리 장치(100)로부터 배터리의 열화에 영향을 끼치는 각종 데이터를 수신하고, 이를 빅데이터화할 수 있다. 이때, 배터리 열화도 추정장치(200)는 복수의 배터리 관리 장치(100)로부터 다양한 운용 패턴에 따른 데이터를 수신하고 이를 빅데이터로 저장하므로, 이러한 빅데이터에 기반하여 임의의 운용 패턴을 갖는 배터리의 열화도를 추정할 수 있다.
이와 같은, 본 발명의 일 실시예에 따른 빅데이터 기반의 배터리 열화도 추정 시스템(1000)에 따르면, 다양한 운용 조건 하에서 동작하는 배터리로부터 획득하는 데이터에 기반하여 배터리 열화도를 추정하므로, 종래의 초기 백데이터에만 의존하는 배터리 열화도 추정 방식에 비해 보다 정교한 배터리 열화도 추정이 가능하며, 아울러, 열화 인자를 파악할 수 있어 이를 이용한 최적의 관리 및 제어를 통해 배터리의 효율을 높일 수 있다.
이하, 도 2를 참조하여 도 1에 도시된 빅데이터 기반의 배터리 열화도 추정 시스템(1000)에서의 배터리 열화도 추정방법에 대하여 구체적으로 설명하기로 한다.
도 2는 본 발명의 일 실시예에 따른 빅데이터 기반의 배터리 열화도 추정 시스템에서의 배터리 열화도 추정 방법을 나타낸 도면이다.
도 2를 참조하면, 복수의 배터리 관리 장치(100)는 각각 배터리의 열화 정도를 나타내는 수명평가함수(CLEF: Cycle Life Evaluation Function)를 산출할 수 있다.
또한, 복수의 배터리 관리 장치(100)는 각각 수명평가함수의 구간별로 사용 용량(△q)에 따른 단위 에너지당 열화 인자 데이터를 획득할 수 있다. 이때, 열화 인자 데이터는 일반적으로 배터리 열화에 영향을 끼치는 데이터로, 온도(Temp), 방전 율속(C_rate) 및 완전 충전 상태로부터 현재 용량까지의 거리인 완충 거리(DFC: Distance to the Full Charge)(△Ah)를 포함할 수 있다. 완충 거리(DFC)는 상술한 바와 같이 완전 충전 상태로부터 현재 용량까지의 거리를 의미하나, 이하의 설명 및 도면에서 완충 거리의 단위는 설명의 편의를 위해 배터리의 사용 용량 값을 더한 (△Ah)로 표시하기로 한다.
이처럼, 복수의 배터리 관리 장치(100)는 각각 수명평가함수의 구간별로 단위 에너지당 열화 인자 데이터를 획득하여 배터리 열화도 추정장치(200)로 전송할 수 있다.
배터리 열화도 추정장치(200)는 복수의 배터리 관리 장치(100)로부터 수신하는 데이터를 조합하여, 단위 에너지당 열화 인자 데이터를 반영한 열화도(Wi,p)를 산출할 수 있다. 배터리 열화도 추정장치(200)는 수명평가함수의 각 구간의 값은, 그 구간에서 획득한 단위 에너지당 열화 인자 데이터를 반영한 열화도(Wi,p)에 해당 단위 에너지의 용량(△q)을 곱한 값들의 합으로 정의된다는 사실에 기인하여, 단위 에너지당 열화 인자 데이터를 반영한 열화도(Wi,p)를 산출할 수 있다. 이에, 배터리 열화도 추정장치(200)는 복수의 배터리 관리 장치(100)로부터 다양한 운용 조건 하에서의 파라미터들을 획득할수록 보다 정확한 단위 에너지당 열화 인자 데이터를 반영한 열화도(Wi,p)를 산출할 수 있다.
배터리 열화도 추정장치(200)는 수명평가함수의 전체 구간에 있어서, 수명평가함수의 구간별로 단위 에너지당 열화 인자 데이터를 반영한 열화도(Wi,p)를 빅데이터로 저장할 수 있다.
또한, 배터리 열화도 추정장치(200)는 빅데이터에 기반하여 임의의 운용 패턴을 갖는 배터리의 열화도를 추정할 수 있다. 예를 들면, 배터리 열화도 추정장치(200)는 임의의 운용 패턴을 갖는 배터리에 마련된 배터리 관리 장치(100)로부터 해당 배터리의 수명평가함수, 단위 에너지당 열화 인자 데이터를 수신하면, 빅데이터에 기반하여 이러한 파라미터에 해당하는 열화도를 추정할 수 있다.
이하에서는, 도 1에 도시된 본 발명의 일 실시예에 따른 빅데이터 기반의 배터리 열화도 추정 시스템(1000)에 포함되는 각 구성요소에 대하여 구체적으로 설명하기로 한다.
먼저, 도 3은 도 1에 도시된 배터리 관리 장치의 제어 블록도이다.
도 3을 참조하면, 배터리 관리 장치(100)는 열화 정도 산출부(110) 및 열화 인자 데이터 획득부(120)를 포함하여, 열화 정도를 나타내는 수명평가함수를 산출하고, 단위 에너지당 열화 인자 데이터를 획득할 수 있다. 이하, 도 3에 도시된 배터리 관리 장치(100)의 각 구성요소에 대하여 구체적으로 설명하기로 한다.
열화 정도 산출부(110)는 배터리의 열화 정도를 나타내는 수명평가함수를 산출할 수 있다. 수명평가함수는 배터리의 수명을 평가하는 함수로 용량유지율(Capacity Retention) 및 출력유지율(Power Retention)을 변수로 두어 배터리의 열화 정도를 나타내는데, 사용자에 의해 정해지는 수명 종료 지점(EOL: End-of-Life)에 따라 0%~100%로 정의될 수 있다. 여기서, 용량유지율(CR)은 배터리 출고시의 가용용량 대비 현재의 가용용량의 비를 의미하고, 출력유지율(PR)은 배터리 출고시의 최대 출력 대비 현재의 최대 출력의 비를 의미한다. 수명평가함수와 관련하여, 도 4를 참조하여 구체적으로 설명하기로 한다.
예를 들면, 도 4와 같이, 수명 종료 지점(EOL)을 용량유지율(CR)=80%, 출력유지율(PR)=80%로 설정한 경우, 수명 종료 지점(EOL)에서의 수명평가함수(CLEF)는 0%로 산출되고, 용량유지율(CR)=100%, 출력유지율(PR)=100% 지점에서의 수명평가함수(CLEF)는 100%로 산출될 수 있다.
열화 정도 산출부(110)는 이러한 수명평가함수를 산출하기 위해 용량유지율(CR) 및 출력유지율(PR)을 산출할 수 있다. 여기서, 열화 정도 산출부(110)는 배터리의 비선형적인 열화 특성을 반영하여 보다 정교한 용량유지율(CR)을 산출할 수 있다. 이와 관련하여, 도 5를 참조하여 설명하기로 한다.
도 5는 배터리의 비선형적 열화 특성을 설명하기 위한 그래프이다.
도 5를 참조하면, 용량유지율(CR)에 따른 개방 회로 전압(OCV: Open Circuit Voltage)과 방전량(DC: Discharge Capacity)의 관계를 확인할 수 있는데, 배터리의 열화가 진행됨에 따라 가용용량, 즉, 배터리의 완전충전 상태에서 완전방전 상태까지의 방전전류의 적산치가 줄어듬을 확인할 수 있다. 아울러, 배터리의 열화는 비선형적으로 진행됨을 확인할 수 있다.
열화 정도 산출부(110)는 이러한 배터리의 비선형적 열화 특성을 반영할 수 있도록 선행 실험을 통해 도출한 용량유지율(CR)별 개방 회로 전압(OCV)-전류적산치 테이블을 참조하여 용량유지율(CR)을 산출할 수 있다. 이를 위해, 열화 정도 산출부(110)는 동일한 전류적산치 지점에서 서로 다른 값을 갖는 적어도 둘 이상의 단자전압 및 전류 조합의 데이터 셋을 획득하고, 이러한 데이터 셋을 연립방정식에 적용하여 런타임 중의 개방 회로 전압(OCV) 값을 산출할 수 있다. 그리고, 열화 정도 산출부(110)는 산출한 개방 회로 전압(OCV) 값과 해당 지점에서의 전류적산치 값을 용량유지율(CR)별 개방 회로 전압(OCV)-전류적산치 테이블에 적용함으로써, 배터리의 용량유지율(CR)을 산출할 수 있다.
열화 정도 산출부(110)는 이와 같은 방식으로 배터리의 비선형적 열화 특성을 반영한 용량유지율(CR)을 산출할 수 있으며, 배터리의 현재 출력을 획득하여 출력유지율(PR)을 산출할 수 있다. 그리고, 열화 정도 산출부(110)는 미리 설정되는 수명 종료 지점(EOL), 용량유지율(CR) 및 출력유지율(PR)에 따라 열화 정도를 나타내는 수명평가함수를 산출할 수 있다.
열화 인자 데이터 획득부(120)는 수명평가함수의 구간별로 단위 에너지당 열화 인자 데이터를 획득할 수 있다. 이때, 열화 인자 데이터는 배터리 열화에 영향을 끼치는 데이터로, 온도(Temp), 방전 율속(C_rate) 및 완충 거리(DFC)를 포함할 수 있다. 여기서, 방전 율속(C_rate)은 배터리의 충, 방전시 다양한 사용조건하에서의 전류값을 설정 및 배터리의 사용 가능 시간을 표기하기위한 단위로, 충, 방전률에 따른 전류값의 산출은 충전 또는 방전전류를 배터리 정격용량의 단위를 뺀 값으로 나누어 산출할 수 있다 (C_rate=충방전전류(A)/전지의 정격용량). 완충 거리(DFC)는 서로 다른 열화도를 갖는 배터리에 있어서 사용 용량 수치를 객관적으로 나타내기 위해 정의한 개념이다. 본 발명의 일 실시예에 따른 배터리 수명 측정 시스템은 복수의 배터리로부터 데이터를 획득하여 임의의 배터리의 열화도 산출을 위한 빅데이터를 구축하는 것을 주요 특징으로 한다. 이때, 복수의 배터리의 열화 정도가 동일하다면 방전 또는 충전에 따른 사용 용량을 더한 전류적산치(△Ah)를 열화 인자 데이터 중 하나로 사용하여도 무방하다. 그러나, 복수의 배터리가 서로 다른 열화 정도를 가진다면, 열화 정도에 따라 SOC의 용량적 수치가 다르므로, 전류적산치(△Ah)를 열화 인자 데이터로 획득하기에는 바람직하지 않다. 완충 거리(DFC)는 상술한 바와 같이 완전 충전 상태로부터 현재 용량까지의 거리를 나타내므로, 충전과 방전에 대한 방향성을 가지고 있어 사용 정도를 정확히 표현하기에 적절하며, 복수의 배터리들의 열화 정도와 무관하게 객관적인 기준으로 사용 정도를 나타내는 열화 인자 데이터로 사용되기에 적합하다.
열화 인자 데이터 획득부(120)는 수명평가함수의 구간별로 배터리의 사용용량이 △q에 도달할 때마다 온도(Temp), 방전 율속(C_rate) 및 완충 거리(DFC)를 측정할 수 있다. 여기서, 수명평가함수의 구간은 미리 정해질 수 있다. 예컨대, 열화 인자 데이터 획득부(120)는 새롭게 출고된 배터리의 열화 인자 데이터를 획득하는 경우, 먼저, 수명평가함수가 100~99% 구간의 열화 인자 데이터를 획득할 수 있다. 이때, 수명평가함수가 100~99% 구간에서 배터리는 일정한 사용 패턴을 가지지 않는 경우가 대부분이다. 이에, 열화 인자 데이터 획득부(120)는 수명평가함수의 100~99% 구간에서 사용용량이 △q 에 도달할 때마다 해당 구간에서의 온도(Temp), 방전 율속(C_rate) 및 완충 거리(DFC)를 측정할 수 있다. 열화 인자 데이터 획득부(120)는 이처럼 수명평가함수의 구간별로 단위 에너지당 열화 인자 데이터를 획득하여 배터리 열화도 추정장치(200)로 전송할 수 있다.
이와 같이, 복수의 배터리 관리 장치(100)는 동일한 사양의 배터리에 장착되어 미리 정해지는 운용 구간별로 각 배터리의 열화 인자 데이터를 트래킹할 수 있으며, 해당 데이터를 배터리 열화도 추정장치(200)로 전송할 수 있다.
이하에서는, 도 6을 참조하여, 도 3에 도시된 배터리 관리 장치(100)에서의 배터리의 열화 인자 데이터를 획득하는 방법에 대하여 설명하기로 한다.
도 6은 배터리 관리 장치에서의 배터리 열화 인자 데이터를 획득하는 과정을 도시한 순서도이다.
도 6을 참조하면, 배터리 관리 장치(100)는 동일한 전류적산치 지점에서의 서로 다른 값을 갖는 적어도 둘 이상의 단자전압 및 전류 조합의 데이터 셋을 획득하고(600), 단자전압 및 전류 조합의 데이터 셋을 이용하여 개방 회로 전압(OCV)을 산출할 수 있으며(610), 산출한 개방 회로 전압(OCV) 값을 개방 회로 전압(OCV)-전류적산치 테이블과 비교하여 용량유지율(CR)을 산출할 수 있다(620).
배터리 관리 장치(100)는 용량유지율(CR)에 따른 수명평가함수를 산출할 수 있다(630).
또한, 배터리 관리 장치(100)는 단위 에너지(△q)당 온도(Temp), 방전 율속(C_rate) 및 완충 거리(DFC)를 획득할 수 있다(640).
배터리 관리 장치(100)는 수명평가함수, 사용용량(△q), 온도(Temp), 방전 율속(C_rate) 및 완충 거리(DFC)를 배터리 열화도 추정장치(200)로 전송할 수 있다(650).
도 7은 도 1에 도시된 배터리 열화도 추정장치(200)의 제어 블록도이다.
도 7을 참조하면, 배터리 열화도 추정장치(200)는 데이터 수집부(210), 데이터 처리부(220), 데이터 저장부(230) 및 열화도 산출부(240)를 포함하여, 복수의 배터리 관리 장치(100)로부터 수신하는 데이터를 빅데이터화하고 이를 이용하여 임의의 사용패턴을 갖는 배터리의 열화도를 추정할 수 있다. 이하, 도 7에 도시된 배터리 열화도 추정장치(200)의 각 구성요소에 대하여 구체적으로 설명하기로 한다.
데이터 수집부(210)는 동일한 사양의 배터리 셀로 구성되는 복수의 배터리에 각각 마련되는 복수의 배터리 관리 장치(100)로부터, 각 배터리의 운용 구간별 단위 에너지당 열화 인자 데이터를 수신할 수 있다.
구체적으로는, 데이터 수집부(210)는 배터리 관리 장치(100)로부터, 각 배터리의 열화 정도에 따른 운용 구간을 나타내는 수명평가함수, 단위 구간에서의 사용용량(△q), 해당 구간에서의 온도(Temp), 방전 율속(C_rate) 및 완충 거리(DFC)를 포함하는 열화 인자 데이터를 수신할 수 있다.
데이터 처리부(220)는 데이터 수집부(210)에서 수신하는 데이터에 따라, 단위 에너지당 열화 인자 데이터를 반영한 열화도(Wi,j)를 산출할 수 있다. 여기서, 열화도(Wi,j)는 열화밀도함수(WDF: Wear Density Function)로, 배터리의 잔존수명 및 열화비용을 정량적으로 추정할 수 있는데, 본 발명 발명자의 선행 특허인 "한국등록특허 10-1615139"에 자세히 정의되어 있다.
데이터 처리부(220)는, 수명평가함수의 각 구간의 값은 그 구간에서 획득한 단위 에너지당 열화 인자 데이터를 반영한 열화도(Wi,j)에 해당 단위 에너지의 사용용량(△q)을 곱한 값들의 합으로 정의된다는 사실에 기인하여, 단위 에너지당 열화 인자 데이터를 반영한 열화도(Wi,j)를 산출할 수 있다.
구체적으로는, 데이터 처리부(220)는 아래의 수학식 1을 이용하여 단위 에너지당 열화 인자 데이터를 반영한 열화도(Wi,j)를 산출할 수 있다.
Figure 112017103092614-pat00001
수학식 1에서 CLEFi는 수명평가함수의 구간을 나타내고, Wi,j=Wi(△Ah, Temp, C_rate)로 단위 에너지당 열화도를 나타내며, △q는 단위 에너지의 사용용량을 나타낸다.
데이터 처리부(220)는 수학식 1과 같이, 수명평가함수의 구간의 값이, 해당 구간에서의 단위 에너지의 사용용량(△q)과 단위 에너지당 열화도(Wi,j)의 곱들의 합으로 이루어질 수 있도록, 단위 에너지당 열화도(Wi,j)를 산출할 수 있다.
여기에서, 데이터 처리부(220)에서 산출하는 단위 에너지당 열화 인자 데이터를 반영한 열화도(Wi,j)는 일련의 과정을 거쳐 수명평가함수의 구간별로 데이터 저장부(230)에 저장되는데, 이에, 데이터 처리부(220)는 데이터 저장부(230)에 미리 저장된 수명평가함수의 구간별 단위 에너지당 열화도(Wi,j)의 값이 많을수록 해당 수명평가함수의 구간에서의 단위 에너지당 열화도(Wi,j)를 보다 정확하게 산출할 수 있다.
예를 들면, 데이터 처리부(220)는 복수의 배터리 관리 장치(100)로부터 수신하는 열화 인자 데이터에 있어서, 수명평가함수의 어느 구간에서의 온도(Temp) 10 구간, 방전 율속(C_rate) 10 구간, 완충 거리(DFC) 10 구간의 열화 인자 데이터를 수신하는 경우, 일련의 과정을 거쳐 빅데이터화하여 해당 수명평가함수 구간에서 아래와 같은 1000개 조합의 열화 인자 데이터를 반영한 단위 에너지당 열화도(Wi,j)를 산출할 수 있다.
Figure 112017103092614-pat00002
데이터 처리부(220)는 이와 같이 데이터 수집부(210)에서 수집하는 데이터 셋에 대한 열화도(Wi,j)를 산출할 수 있다. 즉, 데이터 처리부(220)는 미리 정의되는 수명평가함수의 구간별로, 각 구간에서 획득하는 단위 에너지당 열화 인자 데이터를 반영한 열화도(Wi,j)를 산출할 수 있다.
데이터 저장부(230)는 데이터 수집부(210)에서 수신하는 데이터 셋에 따라 데이터 처리부(220)에서 산출하는 열화도(Wi,j)를 빅데이터화하여 저장할 수 있다.
데이터 저장부(230)는 아래의 수학식 2와 같은 행렬식으로 수명평가함수의 각 구간이 해당 구간에서의 단위 에너지의 사용용량(△q)과 단위 에너지당 열화도(Wi,p)의 곱들의 합으로 산출될 수 있도록 저장할 수 있다.
Figure 112017103092614-pat00003
수학식 2에서 CLEFi는 수명평가함수의 각 구간을 나타내고, Wi,p=Wi(△Ah, Temp, C_rate)로 단위 에너지당 열화도를 나타내며, △q는 단위 에너지의 사용용량을 나타낸다.
여기에서, 데이터 처리부(220)는 이러한 수학식 2로부터 데이터 수집부(210)에서 수집하는 데이터 셋에 대한 열화도(Wi,j)를 산출할 수 있다.
열화도 산출부(240)는 데이터 저장부(230)의 빅데이터에 기반하여, 임의의 사용패턴을 갖는 배터리의 열화도를 산출할 수 있다.
열화도 산출부(240)는 데이터 저장부(230)의 빅데이터의 파라미터를 제공한 배터리와 동일한 사양의 임의의 배터리로부터, 해당 배터리의 운용구간에 대한 정보와 그때의 온도(Temp), 방전 율속(C_rate), 완충 거리(DFC)의 열화 인자 데이터 정보를 획득하면, 해당 배터리의 열화도를 산출하여 제공할 수 있다.
구체적으로는, 열화도 산출부(240)는 배터리 관리 장치(100)로부터 해당 배터리의 수명평가함수, 사용용량(△q) 및 해당 사용용량 구간에서의 온도(Temp), 방전 율속(C_rate), 완충 거리(DFC) 값을 수신하면, 데이터 저장부(230)의 빅데이터를 참조하여, 해당 배터리의 온도(Temp), 방전 율속(C_rate), 완충 거리(DFC)를 반영한 열화도를 산출할 수 있으며, 산출한 열화도를 배터리 관리 장치(100)로 전송할 수 있다. 이와 같은 경우, 배터리 관리 장치(100)는 열화도 산출부(240)로부터 수신하는 열화도에 기반하여 배터리를 관리 및 제어함으로써 배터리의 효율을 높일 수 있다.
이와 같이, 배터리 열화도 추정장치(200)는 복수의 배터리 관리 장치(100)로부터 수신하는 다양한 사용패턴 하에서의 열화 인자 데이터에 따른 열화도를 산출하여 빅데이터화하고, 이러한 빅데이터에 기반하여 임의의 사용패턴에서 작동하는 배터리에 대한 열화도를 보다 정확하게 추정하여 제공할 수 있다.
이하, 도 8을 참조하여, 도 7에 도시된 배터리 열화도 추정장치(200)에서의 배터리의 열화도를 추정하는 방법에 대하여 설명하기로 한다.
도 8은 배터리 열화도 추정장치에서의 배터리 열화도를 추정하는 과정을 도시한 순서도이다.
도 8을 참조하면, 배터리 열화도 추정장치(200)는 복수의 배터리 관리 장치(100)로부터 각 배터리의 수명평가함수, 단위 구간에서의 사용용량(△q) 및 해당 단위 구간에서의 온도(Temp), 방전 율속(C_rate) 및 완충 거리(DFC)의 열화 인자 데이터를 수신할 수 있다(800). 이때, 복수의 배터리 관리 장치(100)는 동일한 사양의 배터리에 마련되는 장치일 수 있다.
배터리 열화도 추정장치(200)는 미리 저장된 수명평가함수의 구간별 단위 에너지당 열화도의 빅데이터에 기반하여 복수의 배터리 관리 장치(100)로부터 수신하는 각 열화 인자 데이터를 반영한 단위 에너지당 열화도를 산출하고(810), 이를 반영하여 수명평가함수의 구간별 단위 에너지당 열화도의 빅데이터를 업데이트할 수 있다(820). 배터리 열화도 추정장치(200)는 수학식 2에 기반하여 열화 인자 데이터를 반영한 단위 에너지당 열화도를 산출할 수 있다.
배터리 열화도 추정장치(200)는 임의의 배터리 관리 장치(100)로부터 해당 배터리의 열화 인자 데이터를 수신하면(830), 빅데이터를 참조하여 해당 배터리의 열화 인자 데이터를 반영한 단위 에너지당 열화도를 추정하고(840), 추정한 열화도를 해당 데이터를 수신한 배터리 관리 장치(100)로 전송할 수 있다(850).
이와 같은, 배터리 열화도 추정방법은 다양한 컴퓨터 구성요소를 통하여 수행될 수 있는 프로그램 명령어의 형태로 구현되어 컴퓨터 판독 가능한 기록 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능한 기록 매체는 프로그램 명령어, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다.
상기 컴퓨터 판독 가능한 기록 매체에 기록되는 프로그램 명령어는 본 발명을 위하여 특별히 설계되고 구성된 것들이거니와 컴퓨터 소프트웨어 분야의 당업자에게 공지되어 사용 가능한 것일 수도 있다.
컴퓨터 판독 가능한 기록 매체의 예에는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM, DVD 와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 ROM, RAM, 플래시 메모리 등과 같은 프로그램 명령어를 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다.
프로그램 명령어의 예에는, 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함된다. 상기 하드웨어 장치는 본 발명에 따른 처리를 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상 첨부된 도면을 참조하여 본 발명의 실시예를 설명하였지만, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다.
1000: 빅데이터 기반의 배터리 열화도 추정 시스템
100: 배터리 관리 장치
200: 배터리 열화도 추정 장치

Claims (18)

  1. 배터리에 마련되는 배터리 관리 장치로부터 배터리의 운용 구간별로 미리 정해진 사용용량(△q)에 도달할 때마다 측정하는 온도(Temp), 방전 율속(C_rate) 및 완전 충전 상태로부터 현재 용량까지의 거리인 완충 거리(DFC: Distance to the Full Charge) 조합의 단위 에너지당 열화 인자 데이터 및 상기 사용용량(△q)을 수신하는 데이터 수집부;
    미리 저장된 운용 구간별 단위 에너지당 열화도의 빅데이터에 기반하여, 데이터 수집부에서 수신하는 열화 인자 데이터를 반영한 단위 에너지당 열화도(Wi,j)를 산출하는 데이터 처리부;
    상기 사용용량(△q)과 상기 데이터 처리부에서 산출한 열화도(Wi,j)를 곱하고, 상기 운용 구간별 단위 에너지당 열화도의 빅데이터에서 상기 배터리의 운용 구간을 나타내는 값에 상기 사용용량(△q)과 상기 데이터 처리부에서 산출한 열화도(Wi,j)를 곱한 값을 포함시켜 상기 운용 구간별 단위 에너지당 열화도의 빅데이터를 업데이트하는 데이터 저장부; 및
    상기 운용 구간별 단위 에너지당 열화도의 빅데이터에 기반하여 임의의 사용패턴을 갖는 배터리의 열화도를 산출하는 열화도 산출부를 포함하는 빅데이터 기반의 배터리 열화도 추정장치.
  2. 제1항에 있어서,
    상기 데이터 수집부는,
    상기 배터리 관리 장치로부터 배터리의 운용 구간을 나타낼 수 있도록, 용량유지율(CR: Capacity Retention), 출력유지율(PR: Power Retention) 및 수명 종료 지점(EOL: End-of-Life)에 따라 산출되는 수명평가함수를 수신하는, 빅데이터 기반의 배터리 열화도 추정장치.
  3. 삭제
  4. 삭제
  5. 제2항에 있어서,
    상기 데이터 처리부는,
    배터리의 운용 구간을 나타내는 수명평가함수의 미리 정해진 구간의 값이, 각 구간에서의 적어도 하나의 단위 에너지의 사용용량(△q) 및 단위 에너지당 열화도(Wi,j)에 따라 산출될 수 있도록 데이터 수집부에서 수신하는 열화 인자 데이터를 반영한 단위 에너지당 열화도를 산출하는, 빅데이터 기반의 배터리 열화도 추정장치.
  6. 제5항에 있어서,
    상기 데이터 처리부는,
    배터리의 운용 구간을 나타내는 수명평가함수의 미리 정해진 구간의 값이, 각 구간에서의 단위 에너지의 사용용량(△q)에 단위 에너지당 열화도(Wi,j)를 곱한 값들의 합으로 이루어질 수 있도록 데이터 수집부에서 수신하는 열화 인자 데이터를 반영한 단위 에너지당 열화도를 산출하는, 빅데이터 기반의 배터리 열화도 추정장치.
  7. 제1항에 있어서,
    상기 데이터 저장부는,
    상기 운용 구간별로 온도(Temp), 방전 율속(C_rate) 및 완전 충전 상태로부터 현재 용량까지의 거리인 완충 거리(DFC)를 포함하는 열화 인자 데이터를 반영한 단위 에너지당 열화도를 빅데이터로 저장하는, 빅데이터 기반의 배터리 열화도 추정장치.
  8. 제1항에 있어서,
    상기 데이터 수집부는,
    동일한 사양의 배터리에 마련되는 복수의 배터리 관리 장치로부터 각 배터리의 운용 구간별 단위 에너지당 열화 인자 데이터를 수신하는, 빅데이터 기반의 배터리 열화도 추정장치.
  9. 제1항에 있어서,
    상기 데이터 수집부는,
    상기 배터리 관리 장치로부터 배터리의 운용 구간을 나타낼 수 있도록, 배터리의 개방 회로 전압(OCV: Open Circuit Voltage) 및 전류적산치에 따라 산출되는 용량유지율(CR)을 반영한 수명평가함수를 수신하는, 빅데이터 기반의 배터리 열화도 추정장치.
  10. 배터리에 마련되는 배터리 관리 장치로부터 배터리의 운용 구간별로 미리 정해진 사용용량(△q)에 도달할 때마다 측정하는 온도(Temp), 방전 율속(C_rate) 및 완전 충전 상태로부터 현재 용량까지의 거리인 완충 거리(DFC: Distance to the Full Charge) 조합의 단위 에너지당 열화 인자 데이터 및 상기 사용용량(△q)을 수신하고,
    미리 저장된 운용 구간별 단위 에너지당 열화도의 빅데이터에 기반하여, 상기 열화 인자 데이터를 반영한 단위 에너지당 열화도(Wi,j)를 산출하고,
    상기 사용용량(△q)과 데이터 처리부에서 산출한 열화도(Wi,j)를 곱하고, 상기 운용 구간별 단위 에너지당 열화도의 빅데이터에서 상기 배터리의 운용 구간을 나타내는 값에 상기 사용용량(△q)과 상기 데이터 처리부에서 산출한 열화도(Wi,j)를 곱한 값을 포함시켜 상기 운용 구간별 단위 에너지당 열화도의 빅데이터를 업데이트하며,
    상기 운용 구간별 단위 에너지당 열화도의 빅데이터에 기반하여 임의의 사용패턴을 갖는 배터리의 열화도를 산출하는 빅데이터 기반의 배터리 열화도 추정방법.
  11. 제10항에 있어서,
    배터리에 마련되는 배터리 관리 장치로부터 배터리의 운용 구간별 단위 에너지당 열화 인자 데이터를 수신하는 것은,
    상기 배터리 관리 장치로부터 배터리의 운용 구간을 나타낼 수 있도록, 용량유지율(CR: Capacity Retention), 출력유지율(PR: Power Retention) 및 수명 종료 지점(EOL: End-of-Life)에 따라 산출되는 수명평가함수를 수신하는 것을 포함하는, 빅데이터 기반의 배터리 열화도 추정방법.
  12. 삭제
  13. 삭제
  14. 제11항에 있어서,
    미리 저장된 운용 구간별 단위 에너지당 열화도의 빅데이터에 기반하여, 데이터 수집부에서 수신하는 열화 인자 데이터를 반영한 단위 에너지당 열화도를 산출하는 것은,
    배터리의 운용 구간을 나타내는 수명평가함수의 미리 정해진 구간의 값이, 각 구간에서의 적어도 하나의 단위 에너지의 사용용량(△q) 및 단위 에너지당 열화도(Wi,j)에 따라 산출될 수 있도록 데이터 수집부에서 수신하는 열화 인자 데이터를 반영한 단위 에너지당 열화도를 산출하는 것인 빅데이터 기반의 배터리 열화도 추정방법.
  15. 제14항에 있어서,
    미리 저장된 운용 구간별 단위 에너지당 열화도의 빅데이터에 기반하여, 데이터 수집부에서 수신하는 열화 인자 데이터를 반영한 단위 에너지당 열화도를 산출하는 것은,
    배터리의 운용 구간을 나타내는 수명평가함수의 미리 정해진 구간의 값이, 각 구간에서의 단위 에너지의 사용용량(△q)에 단위 에너지당 열화도(Wi,j)를 곱한 값들의 합으로 이루어질 수 있도록 데이터 수집부에서 수신하는 열화 인자 데이터를 반영한 단위 에너지당 열화도를 산출하는 것인 빅데이터 기반의 배터리 열화도 추정방법.
  16. 제10항에 있어서,
    산출한 열화도를 반영하여 상기 운용 구간별 단위 에너지당 열화도의 빅데이터를 업데이트하는 것은,
    상기 운용 구간별로 온도(Temp), 방전 율속(C_rate) 및 완전 충전 상태로부터 현재 용량까지의 거리인 완충 거리(DFC)를 포함하는 열화 인자 데이터를 반영한 단위 에너지당 열화도를 빅데이터로 저장하는 것인 빅데이터 기반의 배터리 열화도 추정방법.
  17. 제10항에 있어서,
    배터리에 마련되는 배터리 관리 장치로부터 배터리의 운용 구간별 단위 에너지당 열화 인자 데이터를 수신하는 것은,
    동일한 사양의 배터리에 마련되는 복수의 배터리 관리 장치로부터 각 배터리의 운용 구간별 단위 에너지당 열화 인자 데이터를 수신하는 것인 빅데이터 기반의 배터리 열화도 추정방법.
  18. 제10항에 있어서,
    배터리에 마련되는 배터리 관리 장치로부터 배터리의 운용 구간별 단위 에너지당 열화 인자 데이터를 수신하는 것은,
    상기 배터리 관리 장치로부터 배터리의 운용 구간을 나타낼 수 있도록, 배터리의 개방 회로 전압(OCV: Open Circuit Voltage) 및 전류적산치에 따라 산출되는 용량유지율(CR)을 반영한 수명평가함수를 수신하는 것을 포함하는 빅데이터 기반의 배터리 열화도 추정방법.
KR1020170135700A 2017-10-19 2017-10-19 빅데이터 기반의 배터리 열화도 추정장치 및 방법 KR101946163B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020170135700A KR101946163B1 (ko) 2017-10-19 2017-10-19 빅데이터 기반의 배터리 열화도 추정장치 및 방법
PCT/KR2018/012380 WO2019078658A1 (ko) 2017-10-19 2018-10-19 빅데이터 기반의 배터리 열화도 추정장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170135700A KR101946163B1 (ko) 2017-10-19 2017-10-19 빅데이터 기반의 배터리 열화도 추정장치 및 방법

Publications (1)

Publication Number Publication Date
KR101946163B1 true KR101946163B1 (ko) 2019-04-17

Family

ID=66173410

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170135700A KR101946163B1 (ko) 2017-10-19 2017-10-19 빅데이터 기반의 배터리 열화도 추정장치 및 방법

Country Status (2)

Country Link
KR (1) KR101946163B1 (ko)
WO (1) WO2019078658A1 (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210001592A (ko) * 2019-06-28 2021-01-06 오씨아이 주식회사 에너지 스토리지 시스템의 배터리 수명 추산 장치
WO2021049905A1 (ko) * 2019-09-12 2021-03-18 삼성전자 주식회사 배터리 상태 측정 방법 및 배터리 관리 시스템
WO2021149973A1 (ko) * 2020-01-22 2021-07-29 주식회사 엘지에너지솔루션 배터리 진단 시스템, 전력 시스템 및 배터리 진단 방법
US11639115B2 (en) 2019-12-16 2023-05-02 Hyundai Motor Company Power relay assembly deterioration control system for vehicles and power relay assembly deterioration control method thereof

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115389965B (zh) * 2022-10-27 2023-03-24 中安芯界控股集团有限公司 一种基于大数据的电池安全性能测试系统及方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140051881A (ko) * 2014-04-04 2014-05-02 주식회사 엘지화학 배터리의 퇴화도를 이용한 배터리 관리 장치 및 배터리 관리 방법
KR20150109643A (ko) * 2014-03-20 2015-10-02 현대모비스 주식회사 배터리팩 열화 상태 추정 장치 및 방법
KR101615139B1 (ko) * 2014-09-11 2016-05-11 한밭대학교 산학협력단 배터리 잔존수명 실시간 추정 장치 및 방법
KR20160120476A (ko) * 2015-04-08 2016-10-18 현대자동차주식회사 열화도 산출 장치 및 방법

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101500128B1 (ko) * 2013-08-23 2015-03-06 현대자동차주식회사 고전압 배터리의 열화 검출 방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150109643A (ko) * 2014-03-20 2015-10-02 현대모비스 주식회사 배터리팩 열화 상태 추정 장치 및 방법
KR20140051881A (ko) * 2014-04-04 2014-05-02 주식회사 엘지화학 배터리의 퇴화도를 이용한 배터리 관리 장치 및 배터리 관리 방법
KR101615139B1 (ko) * 2014-09-11 2016-05-11 한밭대학교 산학협력단 배터리 잔존수명 실시간 추정 장치 및 방법
KR20160120476A (ko) * 2015-04-08 2016-10-18 현대자동차주식회사 열화도 산출 장치 및 방법

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210001592A (ko) * 2019-06-28 2021-01-06 오씨아이 주식회사 에너지 스토리지 시스템의 배터리 수명 추산 장치
KR102614065B1 (ko) 2019-06-28 2023-12-14 오씨아이 주식회사 에너지 스토리지 시스템의 배터리 수명 추산 장치
WO2021049905A1 (ko) * 2019-09-12 2021-03-18 삼성전자 주식회사 배터리 상태 측정 방법 및 배터리 관리 시스템
US11543460B2 (en) 2019-09-12 2023-01-03 Samsung Electronics Co., Ltd. Battery state measuring method and battery management system
US11639115B2 (en) 2019-12-16 2023-05-02 Hyundai Motor Company Power relay assembly deterioration control system for vehicles and power relay assembly deterioration control method thereof
WO2021149973A1 (ko) * 2020-01-22 2021-07-29 주식회사 엘지에너지솔루션 배터리 진단 시스템, 전력 시스템 및 배터리 진단 방법

Also Published As

Publication number Publication date
WO2019078658A1 (ko) 2019-04-25

Similar Documents

Publication Publication Date Title
KR101946163B1 (ko) 빅데이터 기반의 배터리 열화도 추정장치 및 방법
JP7289063B2 (ja) 二次電池の残存性能評価方法、二次電池の残存性能評価プログラム、演算装置、及び残存性能評価システム
EP3745151B1 (en) Method and apparatus for correcting soc, battery management system and storage medium
US11982720B2 (en) Method and battery management system for ascertaining a state of health of a secondary battery
US20190285704A1 (en) Method and apparatus for correcting error occurring in estimation of battery life
US10001528B1 (en) Battery deterioration degree estimating apparatus and estimating method
CN108663621B (zh) 一种动力电池组的荷电状态计算方法及系统
CN113625175B (zh) 一种基于云端大数据平台的soc估算方法和系统
WO2015041093A1 (ja) 蓄電池性能評価装置およびその方法
JP5535968B2 (ja) 充電率推定装置、充電率推定方法、及びプログラム
KR20100019249A (ko) 배터리 전압 거동을 이용한 배터리 용량 퇴화 추정 장치 및방법
CN101535827A (zh) 用于在电池非平衡时确定电池的荷电状态的设备和方法
EP3433628A1 (en) An energy storage device monitoring technique
KR20180058057A (ko) 배터리 상태 추정 방법, 그 방법을 수행하는 장치 및 컴퓨터 프로그램
US20230349981A1 (en) Battery management device, battery management method
CN110888065B (zh) 电池包荷电状态修正方法和装置
US20210382115A1 (en) Cost-effective yet still precise ascertainment of the degradation state of a rechargeable battery
CN104833917B (zh) 用于锂蓄电池中荷电状态实时估算的标称电池电阻的确定
KR101399345B1 (ko) 배터리 잔여랑을 추정하는 방법
KR20160097243A (ko) 자동차 차량 배터리의 에너지량 평가
JP2015087344A (ja) 容量劣化推定装置、蓄電装置および容量劣化推定方法
JPWO2020090429A1 (ja) パラメータ推定システム、パラメータ推定装置、車両、コンピュータプログラム及びパラメータ推定方法
US20210263105A1 (en) Method and device for determining a maximum duration of use of a battery
KR102255914B1 (ko) 저온 환경에서의 예측 정확도 향상을 위한 리튬이차전지 잔량 예측방법 및 예측장치
KR101937591B1 (ko) 배터리 수명 예측장치 및 방법