KR102009734B1 - 전기 배터리의 열화 상태 추정 - Google Patents

Abstract

본 발명은 전기화학적 어큐뮬레이터를 관리하기 위한 방법으로서, 상기 어큐뮬레이터의 열화 상태의 추정 값(SOHE_bary(t))을 판단하는 단계를 포함하는 방법에 관한 것이다. 상기 추정된 값(SOHE_bary(t))은 상기 어큐뮬레이터의 열화 상태를 나타내는 적어도 두 개의 값들의 무게 중심(barycenter)으로서 산출된, 즉, 제1 방법에 의해 산출된 상기 어큐뮬레이터의 열화 상태를 나타내는 제1 값(SOHE_model(t)) 및 상기 제1 방법과는 상이한 제2 방법에 의해 산출된 상기 어큐뮬레이터의 열화 상태를 나타내는 제2 값(SOHE_R(t))의 무게중심으로서 산출된, 열화 상태의 무게 중심 값이다. 상기 어큐뮬레이터의 초기 시운전 상태에서부터, 상기 무게 중심 계수들(α₁, α₂)은 적어도 한번 변화되며, 이로써, 상기 제1 방법에 따라 산출된 상기 어큐뮬레이터의 이전 SOHE 값(SOHE_model(t))이 제1 임계값을 통과할 때, 상기 어큐뮬레이터 열화 상태의 다음 무게 중심 값을 산출할 수 있게 한다.

Description

전기 배터리의 열화 상태 추정{Estimation of the state of deterioration of an electric battery}

본 발명은 전기 축전지의 충전을 관리하는 것에 관한 것이며, 특히, 전기 자동차 및/또는 하이브리드 자동차용 배터리의 충전을 관리하는 것에 관한 것이다.

이러한 배터리들은, 예를 들어, 리튬-이온 유형일 수 있다. 일반적으로, 이러한 배터리들은 셀들이라고도 불리는 다수의 전기 어큐뮬레이터(accumulator)들을 포함한다. 각각의 셀은 전기화학적 시스템을 가지며, 상기 전기화학적 시스템은 최대 무부하 전압까지 충전될 수 있고, 그 다음 초기에 상기 최대 무-부하 전압보다 약간 적은 전압에서 전류를 전달하며, 상기 배터리의 다음 재충전 단계까지 일정한 전류 세기에서 전압이 감소한다. 배터리들은 일반적으로 전자 배터리 제어 시스템("배터리 관리 시스템(battery management system; BMS)")에 의해 제어되는 바, 그 배터리 관리 시스템은 상기 배터리의 과열을 유발하지 않으면서, 그리고 상기 셀들 중 임의의 셀이 다른 배터리 셀들에 비해 상당히 높은 충전 레벨 또는 상당히 낮은 충전 레벨에 도달하는 것을 막으면서, 재충전의 끝 무렵에 상기 배터리가 원하는 전압을 갖게 하도록, 예를 들어 배터리 단계들(phases)을 제어한다.

BMS 시스템은 공지된 방법들 그 자체에 의해 배터리의 충전 레벨을, 0 내지 1 사이의 변수를 사용하여, 수량화하는 것을 가능하게 하는 무차원 변수"SOC"(충전 상태)를 계산하도록 구성될 수 있다. 상기 변수는, 예를 들어, 상기 배터리를 통과한 전류 세기 값들의 적분, 배터리의 전압 레벨의 변화(variation), 그리고 상기 배터리를 통과하는 전류가 0일 때 측정된 상기 배터리의 무-부하 전압을 포함한다.

BMS 시스템은 상기 배터리가 정격 작동 범위 외에서 작동하는 것을 방지함으로써 상기 배터리의 내구도를 보장하며, 특히, (충전 중의) 과전류, 과전압, (방전시의) 부족 전압으로부터의 상기 배터리 보호를 보장하며, 심지어는 과열 및 낮은-온도(under-temperature)로부터의 상기 배터리 보호를 보장한다. 이는 리튬-이온 배터리들에게 특히 중요하다.

BMS 시스템은 특히, 충전 시 승인되는(authorized) 전력의 최대 레벨을 재충전 단계 동안 고정(fixing)시킴으로써, 상기 배터리의 충전을 관리하는 것을 가능하게 해 준다. 상기 시스템은 상기 SOC와 같은 상기 배터리 상태의 특성 값들을 디스플레이하는 것을 가능하게 한다. 또한 BMS 시스템은, 차량이 운행 중인 동안, 배터리의 수명 주기 동안의 배터리 성능 저하들을 고려하여, 상기 배터리가 최대로 충전될 때 그 배터리에서 이용 가능한 에너지의 레벨을 수량화시키는 것을 가능하게 하는 계수인 건강 에너지 상태(state of health energy; SOHE) 값을 추정하도록 구성될 수도 있다. SOHE 값은 예를 들어, 다음의 값들의 비율로서 계산될 수 있다 :

- 배터리의 완전 충전 상태, 현재 마모 상태, 기준 온도(예를 들어, 25 ℃) 및 일정한 전류 기준 레벨(reference level)(예를 들어, 33Ah의 셀에 대해 33A)부터 시작하여, 상기 배터리를 가로지르는 전압이 낮은 전압 임계값(예를 들어, 2.5V)으로 떨어질 때까지, 상기 배터리로부터 도출될 수 있는 에너지.

- 배터리가 새로울 때, 동일한 기준 온도 및 동일한 일정 전류 기준 레벨에서, 배터리의 완전 충전 상태부터 시작하여, 상기 배터리를 가로지르는 전압이 낮은 전압 임계값(예를 들어, 2.5V)으로 떨어질 때까지, 상기 배터리로부터 도출될 수 있는 에너지.

상기 낮은 전압 임계값은 상기 배터리를 가로지르는 최소 전압에 대응할 수 있으며, 상기 최소 전압("차단" 전압으로 알려짐) 이하에서는, 배터리의 성능을 저하시키지 않기 위해, 배터리로부터 에너지를 얻는 것이 금지된다.

SOHE 값은 아래에 언급된 여러 방법들에 의해 계산될 수 있으며, 충전의 끝 무렵에 배터리에서 사용가능한 에너지, 그리고 운전자가 이동하길 바랄 수 있는 주행 거리를 추정하는 것을 가능하게 한다.

자율주행차 수명 추정의 정확도를 향상시키기 위해, 가능한 한 정확하게 SOHE를 추정하는 것이 유익하다. 그러나 계산 착오의 원인들은 다양하며, 그것들의 계산 착오의 크기(amplitude)는, 배터리의 나이가 증가함에 따라, 그리고 상기 배터리의 사이클이 증가됨에 따라 증가한다. 게다가, 일 재충전에서부터 다음 재충전까지 불규칙해 보일 수 있는, 추정된 자율성의 변동들의 결과로 차량 운전자를 걱정하게 만들지 않기 위해, SOHE의 추정된 값의 전개(evolution)는 일 재충전에서 다음 재충전까지 일정한 것이 바람직하다.

뿐만 아니라, 배터리 SOHE의 신뢰할만한 추정에서 기인하여, 계속해서 상기 배터리의 무-부하 전압의 동일한 한도 내에서 수행될 것인 충-방전 사이클과 비교하여 상기 배터리의 수명을 증가시키도록, 상기 배터리의 충/방전 사이클을 최적화시키는 것이 가능할 수 있다.

많은 경험적 배터리 열화 모델들이 존재한다. 예를 들어, 문서 "R.Spotnitz의 "Simulation of capacity fade in lithium ion batteries", Journal of Power Sources 113 (2003) 72-80"은, 특정 고객 사용 프로파일에 대해, 이론적 배터리 열화를 예측할 수 있게 한다. 제안된 모델은 개방 루프의 모델이다. 즉, 상기 모델에 의해 예측되지 않은 배터리 성능 저하(비정상적인 성능 저하 또는 불완전하게 보정된 모델)의 경우, SOHE의 추정은 잘못된 것일 수 있다 : SOHE는 상기 모델을 보정하는데 사용되는 이론적 배터리의 전개(evolution)를 따르지만, 실제 배터리의 성능 저하에 기초하여 재조정되지는 않는다.

문서 "배터리의 건강 상태를 추정하는 방법 및 장치(Method and apparatus of estimating state of health of battery"(US2007/0001679 A1)는 배터리 셀의 내부 저항 및 그것의 열화 상태(SOH 또는 "건강 상태") 간에 관련이 있다는 것을 개시한다. 상기 문서는 추정된 셀의 내부 저항을, 매핑된 기준(reference) 저항값들과 비교하는 것을 제안한다. 이 방법의 단점은 SOHE의 추정이 상기 배터리의 실제 사용 프로파일(전류, 온도)에도 의존한다는 것이다.

또한 US 특허 6 653 817 (제너럴 모터스)는 배터리의 내부 저항의 특성으로부터 배터리의 열화 상태를 추정하는 방법을 개시한다. 이 문서에 설명된 방법은 특정한 고-출력 전자 부품들을 가진 시스템 구조를 필요로 한다. 게다가, 이 방법은 중간 계산을 사용하며, SOHP("건강 전력 상태(state of health power)"), 그리고 SOHP-SOHE 관계의 좋지 않은 특성은 SOHE 추정에 상당한 오류를 유발할 수 있다.

마지막으로, 예를 들어 "Enhanced coulomb counting method for estimating state-of-charge and state-of-health of lithium-ion batteries(Applied Energy, Volume 86, Issue 9, 2009.09, pages 1506-1511)" 에 설명된 바와 같은, "전류 적산법(coulomb counting)"으로 공지된 것에 의해 배터리의 열화 상태를 추정하는 방법들이 존재한다. 이 방법의 단점은, 배터리가 두 번의 재충전들 사이에서 오직 부분적으로만 방전되기 때문에(예를 들어 주행되는 도로들의 프로필 또는 메인 전원을 통한 재충전의 빈도가, 더 낮아지지 않고 100% 와 50% 사이에서 변화하는 SOC를 야기할 때), 본 방법은 정밀도가 부족하다는 것이다.

본 발명은, 배터리의 전체 수명에 걸쳐 정확하고 운전자의 주행 습관에 좌우되지 않는, 전기 차량 또는 하이브리드 차량 내에 설치된 배터리의 열화 상태의 추정을 제공하는 것을 목적으로 한다. 또한, 본 발명은 산출된 열화 상태에 기초해 상기 배터리의 충전 단계들의 관리를 최적화하여, 배터리의 수명을 연장하고자 한다.

이를 위해, 본 발명은 전기화학적 어큐뮬레이터 또는 축전지를 관리하기 위한 방법으로서, 상기 어큐뮬레이터의 열화 상태 추정 값은 상기 어큐뮬레이터를 가로지르는 전압 값들의 이력, 상기 어큐뮬레이터를 통해 흐르는 전류 세기의 이력, 그리고 상기 어큐뮬레이터 전역에 걸친 온도의 이력으로부터 판단되는, 방법이 제공된다. 상기 추정된 값은 상기 어큐뮬레이터의 열화 상태를 나타내는 적어도 두 개의 값들의 무게 중심으로서 산출된 열화 상태의 무게 중심 값, 즉, 제1 방법에 의해 산출된 상기 어큐뮬레이터의 열화 상태를 나타내는 제1 값 및 상기 제1 방법과는 상이한 제2 방법에 의해 산출된 상기 어큐뮬레이터의 열화 상태를 나타내는 제2 값의 무게중심으로서 산출된 열화 상태의 무게 중심 값이다. 상기 어큐뮬레이터의 초기 시운전 상태에서부터, 상기 무게 중심 계수들은 적어도 한번 변화되며, 이는 상기 제1 방법에 따라 산출된 상기 어큐뮬레이터의 이전 SOHE 값이 제1 임계값을 통과할 때, 상기 어큐뮬레이터 열화 상태의 다음 무게 중심 값을 산출할 수 있게 한다.

유리하게는, 상기 제1 지표 값은 상기 어큐뮬레이터의 연이은 상태들의 특성을 나타내는 제1 온도 및 충전 상태 계수들 각각에, 각각의 상태에서 소비된 시간을 곱한 값의 제1 합으로부터, 그리고 상기 어큐뮬레이터의 연이은 상태들의 특성을 나타내는 제2 온도 및 충전 상태 계수들에, 이 상태에서 상기 배터리에 의해 방전된 에너지를 곱한 값의 제2 합으로부터 계산된다. 유리하게는, 상기 제1 지표 값은 상기 제1 합의 제1 제곱 및 상기 제2 합의 제2 제곱의 합을 고려하여 계산된다. 예를 들어, 상기 제1 지표 값은 상기 제1 합의 제1 제곱 및 상기 제2 합의 제2 제곱을 합한 것의 1의 보수(one's complement)로서 산출될 수 있다.

바람직한 실시예에 따르면, 상기 제2 산출 방법은 상기 어큐뮬레이터의 내부 저항과 유사한 중간 산출 항 그리고/또는 상기 배터리의 총 충전 용량의 산출과 유사한 중간 산출 항을 제공하는 산출 방법이다.

더 일반적으로, 상기 제1 산출 방법은 개방 루프 산출 방법(open loop calculation method)일 수 있고, 상기 제2 산출 방법은 폐루프 산출 방법일 수 있다. 여기에서는, 방법이 전류 사이클의 진폭(SOC 변화들 또는 전압 변화들)과 무관하게 시간이 흐름에 따라 상기 배터리에서 연속적으로 기록된 값들에 기초하여 계산된 값들을 합산함으로써 진행한다면, 상기 방법은 개방 루프 방법인 것으로 간주된다. 개방 루프 방법은 상기 배터리가 비정상적으로 빨리 조기에 열화하는지를 검출하는 것을 불가능하게 한다. 여기에서, 방법이 상기 배터리의 열화 상태의 실제 진행을 반영하기 위해, 공지된 물리적 값들을 나타내는 (상기 배터리의 내부 저항, 상기 배터리의 겉보기 내부 저항 또는 상기 배터리의 총 충전 용량과 같은) 중간 산출 값들을 포함한다면, 상기 방법은 폐루프 방법인 것으로 간주된다. 특히, 상기 방법이 사이클 임계값보다 큰 상기 배터리의 사이클 진폭 동안 획득된 값들로부터 중간 값들을 산출하는 것을 가능하게 한다면, 그리고/또는 상기 방법이 이론적 행동 변화 편차(deviation) 방정식과 비교된 상기 배터리의 행동 편차들에 응답하여 디지털 필터에 의해 중간 값들을 산출(예를 들어, Kalman 필터 유형 방법들에 의한 SOC 산출들 및 총 배터리 용량의 산출들)하는데 사용된다면, 폐루프인 것으로 간주될 수 있다. 상기 폐루프 산출 방법들은, 확실하게 나타난(advertized) 동일한 이론적 행동을 가졌지만, 시간이 흐름에 따른 동일한 사이클을 가짐에도 불구하고 상이한 실제 성능들을 나타내는 두 개의 배터리들 간의 행동 차이를 검출하는 것을 가능하게 한다. 이는 적응성 접근법이다.

변형 실시예에 따르면, 상이한 방법들에 의해 산출된 배터리 열화 상태를 나타내는 세 개의 값들의 무게중심과 같은, 상기 배터리의 열화 상태를 나타내는 세 개 이상의 값들의 무게 중심으로서 상기 무게 중심 값을 산출하는 것이 가능하다. 제1 지표 값은, 상기 어큐뮬레이터의 연이은 상태들의 특성을 나타내는 온도들 및 충전 상태들에 기초한 항들의 합들을 포함하는, 일반적으로 "경험적 모델"이라 불리는 방법에 의해 산출될 수 있다. 열화 상태를 나타내는 제2 값 및/또는 열화 상태를 나타내는 제3 값은 각각, 시간에 따른 상기 어큐뮬레이터의 총 충전 용량의 전개의 산출을 포함하는 쿨롱 적산법으로 알려진 방법에 의해, 그리고 시간에 따른 상기 어큐뮬레이터의 임피던스의 전개 또는 상기 어큐뮬레이터의 내부 저항의 전개의 산출을 포함하는, 임피던스 또는 내부 저항 방법으로 알려진 방법에 의해 산출될 수 있다.

바람직하게는, 상기 제1 방법에 의해 산출된 값과 연관된 가중 계수는, 상기 배터리의 시운전시 0.5 보다 크고, 그 후 감소하며, 상기 제2 방법에 의해 산출된 값과 연관된 가중 계수는 0.5 보다 작으며, 시간이 지남에 따라 증가한다.

상기 열화 상태를 나타내는 상기 제1 값과 연관된 상기 무게중심 계수는, 상기 무게 중심 값이 제1 임계값을 통과할 때까지 일정하게 유지될 수 있으며, 그 다음, 상기 무게 중심 값이 제2 임계값을 통과할 때 까지 상기 무게중심 값에 기초하여 실질적으로 선형으로 변화할 수 있다.

유리하게는, 상기 무게중심 값은, 제1 임계값이 상기 무게중심 값에 의해 통과될 때까지, 열화 상태를 나타내는 상기 제1 값에 근접해지거나 심지어는 동일해질 수 있다. 그 다음, 상기 무게중심 값은, 상기 무게 중심 값이 제2 임계값에 도달하는 동안, 상기 무게 중심 값이 상기 열화 상태를 나타내는 제2 표지 값과 동일해질 때까지, 제2 값에 점차적으로 더 근접해질 수 있다. 상기 무게 중심 값이 제3 값을 통과할 때, 무게중심 계수들의 효과의 결과로서, 상기 무게 중심 값이 제4 임계값에 도달하는 순간에 상기 제3 값에 도달할 때까지, 상기 열화 상태를 나타내는 제3 값에 다가가기 시작할 수 있는 것이 가능하다.

바람직한 실시예에서, 열화 상태를 나타내는 상기 제2 값은 전류 적산법(coulomb counting) 유형의 방법에 의해 산출되며, 열화 상태를 나타내는 상기 제3 값은 상기 어큐뮬레이터의 임피던스의 전개 또는 상기 어큐뮬레이터의 내부 저항의 전개의 산출을 포함하는 방법에 의해 산출된다.

어큐뮬레이터가 내장된 차량에 대한 본 발명의 적용에 따르면, 상기 어큐뮬레이터의 재충전의 단계들 동안, 상기 무게중심 값에 기초하여 산출된 충전-최종 전압(end-of-charging voltage)은 고정되며, 이러한 충전-최종 전압은 상기 어큐뮬레이터가 내장된 차량을 사용하는 동안 점진적으로 증가된다.

바람직한 실시예에 따르면, 상기 어큐뮬레이터의 시운전 및 상기 무게중심 값의 제5 임계값 사이에서, 상기 충전-최종 전압은 상기 무게 중심 값에 대해 선형적으로 변화하도록 정해지며, 상기 어큐뮬레이터가 내장된 차량의 다음 사용동안 실질적으로 일정하게 유지된다.

일 변형 실시예에 따르면, 상기 충전-최종 전압은 상기 무게 중심 값에 대한 감소 함수 또는 증가 함수이며, 상기 충전-최종 전압은 상기 어큐뮬레이터 수명의 말기에서보다 상기 어큐뮬레이터의 시운전시에 상기 무게중심 값에 비해 더 빨리 변화한다. 상기 어큐뮬레이터의 수명의 말기에, 상기 충전-최종 전압의 커브는 플래토(plateau)를 가질 수 있으며, 또는 플래토를 향해 수렴할 수 있다.

또 다른 양상에 따르면, 본 발명은 적어도 하나의 전기화학적 어큐뮬레이터, 상기 어큐뮬레이터와 연관된 온도 센서, 상기 어큐뮬레이터를 가로지르는 전압 및 상기 어큐뮬레이터를 통과하는 전류 세기를 추정할 수 있게 하는 전압 센서 및 전류 세기 센서, 그리고 특히 상기 전압 값 및 세기 값들을 사용함으로써, 시간에 따른 상기 어큐뮬레이터의 충전 레벨을 추정하도록 구성된 컴퓨터를 포함하는 전력 공급 시스템을 제안한다. 상기 시스템은, 두 개의 상이한 방법들에 의해 산출되고 상기 어큐뮬레이터의 열화 상태의 특성을 나타내는 적어도 하나의 제1 값 및 적어도 하나의 제2 값의 무게 중심과 같은, 상기 어큐뮬레이터의 열화 상태의 무게 중심 값을 산출하도록 구성된 전자 제어 유닛을 포함한다. 주어진 시간에서 상기 무게 중심 값을 산출하는데 사용된 상기 무게중심 계수들은 이전 시간에서의 상기 열화 상태의 평가 동안 상기 열화 상태의 특성을 나타내는 상기 제1 값에 의해 추정되는 값에 따라 달라진다.

상기 전력 공급 시스템은 어큐뮬레이터 관리 유닛을 포함하며, 상기 어큐뮬레이터 관리 유닛은, 상기 어큐뮬레이터의 수명 동안, 최대 무-부하 전압을 정의하는 충전-최종 전압을 증가시키도록 구성되며, 재충전 시스템은 상기 어큐뮬레이터가 상기 충전-최종 전압이 되게 만들도록 승인된다. 상기 충전-최종 전압은 산출된 상기 무게 중심 값에 기초하여 고정된다.

본 발명의 효과는 본 명세서에 해당되는 부분들에 개별적으로 명시되어 있다.

본 발명의 추가 목적들, 특징들 및 이점들은 첨부 도면을 참조하여 오직 비-제한적인 예로서 주어진 다음의 설명을 읽음으로써 명백해질 것이다.
도 1은 배터리 및 본 발명에 따른 배터리 관리 시스템이 장착된 자동차의 개략도이다.
도 2는 본 발명에 따른 배터리 관리 시스템에 의해 배터리의 열화 상태를 산출하기 위한 간략화된 알고리즘이다.

도 1에 도시된 바와 같이, 자동차(1)(예를 들어, 전기식 자동차 또는 하이브리드식 자동차)는 상기 차량의 차륜들을 구동할 수 있는 모터(3)를 구비하며, 그리고 상기 모터(3)에 전력을 공급할 수 있는 전력 공급 시스템(2)을 구비한다. 상기 전력 공급 시스템(2)은 특히, 전기 축전지(4), 그리고 상기 배터리(4)를 관리하도록 구성된 전자 제어 유닛(5)을 포함하며, 상기 전자 제어 유닛(5)은 "배터리 관리 시스템(battery management system)"의 두문자인 BMS로 표기되어 있다. 상기 배터리(4)는 상기 BMS(5)에게 전달되는 상기 배터리의 특성인 온도 T를 측정할 수 있는 온도 센서(6)를 구비한다. 또한 상기 배터리는 상기 배터리(4)를 가로지르는 전압 U를 알 수 있게 해주는 전압계(7)도 구비하며, 상기 전압계(7)는 이 U 값을 상기 BMS(5)에게 전달한다. 마지막으로, 상기 배터리(4)에 전류계(8)가 연결되어, 상기 배터리(4)를 통해 흐르는 전류의 세기를 측정할 수 있다. 상기 전류 세기에 대응하는 i값 또한 상기 BMS(5)에게 전달된다.

상기 BMS는 특히 상기 배터리를 가로지르는 전압 및 상기 배터리를 통과하는 전류 세기를 모니터링하는 것을 가능하게 하며, 상기 배터리의 충전 상태를 추정할 수 있게 하고, 그리고 특히 상기 배터리의 충전 상태, 그리고 상기 배터리의 온도 또는 상기 배터리를 형성하는 전기화학 셀들의 온도들과 같은 파라미터들에 따라, 예를 들어, 상기 배터리 단자들에 대해 임계값 이상의 전압을 인가하는 것 그리고/또는 상기 배터리를 통과하는 임계값 이상의 전류 흐름을 금지할 수 있게 한다.

또한, 상기 BMS 시스템은 상기 배터리의 충전 상태가 특정 임계값 아래로 떨어질 때, 상기 배터리로부터 에너지를 얻는 것을 금지시킬 수 있으며, 그리고, 예를 들어 메인 전원을 통해, 상기 배터리의 재충전 동안 상기 배터리 단자들에 인가되는 전압을 고정시켜, 상기 배터리가 충전-최종 전압(end-of-charging voltage)에 있게 한다.

상기 BMS 시스템(5)은 상기 배터리(4)의 충전 레벨(SOC : 충전 상태), 상기 배터리의 열화 상태의 특성을 나타내는 SOHE 값, 그리고 상기 배터리의 최대 충전 용량 Q_max과 같은 값들을 산출하도록 구성될 수 있다. 이 때, 대체로 이 값은 측정된 전류 레벨에서 상기 배터리가 저장할 수 있는 최대 에너지에 대응한다. 상기 BMS는 작동 한계들(상기 배터리로부터 에너지를 얻는 것을 금지하기 전 상기 배터리를 가로지르는 최소 전압, 상기 배터리의 재충전의 끝무렵의 상기 배터리를 가로지르는 최대 전압, 상기 배터리로부터 얻어지도록 허가되는 최대 순간 전력 등)을 조정하기 위해 이러한 값들을 사용할 수 있다. 상기 BMS는 상기 작동 한계 범위 내에서 상기 배터리의 작동을 승인한다.

도 2는 특히, 상기 배터리(4)의 마모를 고려하여, 상기 배터리의 열화 상태를 나타내는 값 SOHE_bary을 추정하기 위해 도 1의 BMS(5)에 의해 구현되는 산출 과정을 도시한다. 후술하는 이유들을 위해, 이러한 값 SOHE_bary의 산출은 세 개의 독립적인 방법들에 의해 추정되는 세 개의 열화 상태 추정치들 SOHE_model, SOHE_coulomb 및 SOHE_R의 가중 평균 또는 무게중심 평균(barycentric average)을 수행함으로써 구현된다. 산출 시각 t에서, 도 1의 센서들(6, 7, 8)은 상기 배터리(4)의 온도 T, 상기 배터리(4)를 가로지르는 전압 U, 그리고 상기 배터리(4)를 통해 흐르는 전류 세기 i를 판단한다. 이러한 값들은 시각 t에서 수행된 상기 측정치들을 나타내는 참조번호 10의 박스에 요약되어 있다. 동일한 시각 t에서, 메모리 박스들에서 이용 가능한, 참조번호 12의 메모리 박스 내의 제1 값 "age" 및 참조번호 11의 메모리 박스 내의 값 U₀이 존재한다. 상기 값 "age"는 이전에 수행된(상기 모델 SOHE_model로부터 산출된) 열화 상태 산출로부터 비롯되며, 상기 값 U₀은 상기 시각 t 전에 시각 t_i0에서 기록된 상기 배터리(4)의 무-부하 전압 값이며, 이 시각동안, 상기 배터리는 전류를 수신하지도 않았으며 전달하지도 않았다. 변형 실시예들에 따르면, 상기 값 U₀은 주기적인 간격으로 수행되는 다른 측정치들 T, U, i에 의존하는 다양한 방법들에 의해 재평가될 수 있다. 상기 BMS(5)는, 공지된 방법들에 따라 상기 시각 t에서의 상기 배터리(4)의 충전 상태에 대응하는 값 SOC(t)을 추정하는, SOC 컴퓨터(13)를 포함한다. 일반적으로, 이러한 SOC 값은 상기 전압 U의 이력(history), 상기 전류 세기 i의 이력에 의존하여, 그리고 사용된 방법들에 따라, 마지막으로 이용가능한 무-부하 전압 값들 U₀에 의존하여, 산출될 수 있다.

상기 BMS(5)는, 상기 컴퓨터(13)에 의해 산출된 충전 상태 값들 SOC 및 상기 센서(6)에 의해 측정된 온도들 T를 사용하는 경험적 유형의 열화 상태 추정기(14)를 포함한다. 일반적으로, 상기 추정기(14)는 SOC, T 상태 쌍에 기초하여 표로 작성된(tabulated) 계수들의 선형 조합들을 포함하는, T에 따른 값 SOHE_model을 전달하며, 이 때, 특정 계수들은 상기 배터리의 휴지 상태와 관련있으며, 이 조건에서의 상기 배터리의 상주 시간(residence time)에 의해 가중되고, 다른 계수들은 상기 배터리가 상기 SOC, T 쌍에 대응하는 상태에 있었을 때 상기 배터리가 겪은 에너지 변동들에 의해 가중된다.

또한, 상기 BMS(5)는 내부 저항 추정기(16)를 포함한다. 상기 내부 저항 추정기(16)는 상기 배터리(4)의 겉보기 내부 저항(apparent internal resistance)의 추정을 수행하며, 이로부터, 참조번호 18의 맵의 도움을 받아, 상기 배터리(4)의 열화 상태의 값 SOHE_R을 추론한다.

특히, 상기 배터리(4)의 내부 저항 R의 추정은 상기 배터리의 충전/방전 단계 동안, 전달된 전압 변화 △U와 함께 전달된 전류 변화 △_i 를 측정함으로써 수행될 수 있다.

전류 적산법(coulomb counting)에 의한 상기 배터리(4)의 열화 상태 추정기(15)는 상기 시각 t에서 상기 배터리의 충전 용량 Q_max의 추정을 수행한다. 이를 위해, 참조번호 15의 추정기는 상기 SOC 컴퓨터(13)에 의해 참조번호 15의 추정기에 전달되는, 상기 배터리의 충전 상태의 차이 △SOC를 사용할 수 있다. 초기 순간의 선택 및 이러한 초기 상태에 대응하는 SOC 값의 저장은 참조번호 13의 추정기 또는 참조번호 15의 추정기 중 하나에서 이루어질 수 있으며, 이 때, SOC 차이는 상기 초기상태부터 상기 시각 t까지 산출된다.

또한, 쿨롱 추정기(15)는 시간이 지남에 따라 기록된 전류 세기들 i(t)에 관한 정보도 수신한다. 예를 들어, 적분기(21)는 시각 t까지 시간에 지남에 따라 측정된 전류 세기들 i(t)의 적분 값을 수신한다. 이러한 값들로부터, 상기 쿨롱 추정기는 t의 최대 충전 용량 Q_max을 산출하며, 가능하다면, 이러한 최대 충전을 상기 배터리가 새로울 때의 최대 충전의 초기 값으로 나눈 후, 이 값을 사용하여, 참조번호 17의 맵에서, 열화 상태 값 SOHE_coulomb을 읽는다. 상기 열화 상태 값들 SOHE_model, SOHE_coulomb 및 SOHE_R의 산출과 병행하여, 상기 BMS(5)는 선택기(19)를 사용하여, 무게 중심 계수들 α₁, α₂ 및 α₃을 선택한다. 상기 값들 α₁, α₂ 및 α₃은 상기 메모리(12)에 저장되어 있는 상기 "age" 값에 기초할 수 있으며, 또는 이러한 "age" 값에 기초한 맵들에서 판독될 수 있다. 상기 BMS(5)는 가중치 단계(20)에서, 상기 세 개의 값들 SOHE_model, SOHE_coulomb 및 SOHE_R을 상기 세 개의 무게 중심 계수들 α₁, α₂ 및 α₃로 가중시킴으로써, 상기 배터리(4)의 열화 상태의 무게중심 값을 산출한다.

이러한 열화 상태의 무게 중심이 추정되면, 상기 BMS(5)는, 예를 들어 상기 배터리의 재충전의 끝 무렵에서의 최대 전압 V_{charge_max} 을 판단하기 위해 찾아진, 이 값을 사용할 수 있다. 상기 BMS는 이 값 V_{charge_max}을 사용하여 다음 배터리 재충전 단계 동안의 최대 재충전 전압을 제한할 수 있다. 이는, 그 사이에 새로운 최대 전하 값이 산출되지 않을 때 발생한다. 또한 상기 BMS는 상기 값 SOHE_bary을 사용하여, 재충전의 끝 무렵에 상기 배터리에서 이용가능한 에너지량을 정확하게 계산할 수 있으며, 그리고 그로부터, 상기 차량의 운전자에게 디스플레이되는 자율 주행 거리(mileage autonomy)를 추론할 수 있다. 마지막 값 SOHE_bary 또한 SOHE_bary의 새로운 값이 이용가능할 때까지, SOC를 산출할 때 사용될 수 있다.

참조번호 22의 단계에서, 무게중심 계수 α₁, α₂ 및 α₃를 판단하는데 사용되는 상기 "age" 값은 산출된 새로운 값 SOHE_model(t)을 상기 메모리(12)에 기록함으로써 갱신된다. 그 다음, 단계 23에서, 시간 t의 카운터가 증가되며, 온도, 전압 및 전류 세기 센서들을 사용하여, 새로운 일련의 측정들 T(t), U(t), i(t)가 수행된다.

본 발명은 여러 산출 방법들을 결합함으로써 배터리의 열화 상태 SOHE를 산출하는 것을 제안한다. 일반적으로, 열화 상태의 특성을 나타내는 값은, 상기 배터리가 새로울 때, 1과 동일하며(또는 100% 와 동일), 그 후 감소한다. 본 발명에 따라 산출된 값 SOHE는 여러 방법들에 의해 서로 독립적으로 획득된 여러 추정치들의 무게중심(barycenter)이다. 상기 배터리의 수명의 주어진 단계에서 에러가 선험적으로 더 낮을 것이라고 생각되는 방법에 가장 큰 가중치가 주어진다. 이를 위해, 다양한 방법들에 할당되는 가중치는 수행된 배터리 열화 상태 평가 중 가장 최근 평가에 기초하여 산출된다. 예를 들어, 값 SOHE_model이 제1 임계값 아래로 떨어질 때, 상이한 방법들의 가중치들은 상기 SOHE_model에 기초하여 선형적으로 변화되기 시작한다. 상기 BMS(5)는, 예를 들어, 상기 배터리의 수명 초기에 사용된 방법과 연관된 계수가 1에서 0이 되게 하며, 그와 동시에, 상기 배터리의 수명의 후반기에 바람직해지는 방법의 계수가 0에서 1이 되게 한다. 배터리 수명의 말기에 SOHE를 산출하는 제3 방법을 조력(favoring)하기 위해, 상기 SOHE_model가 제2 임계값 아래로 떨어질 때, 상기 접근법을 적용하는 것이 가능하다. 또 다른 변형 실시예를 따르면, 제1 산출 방법은 상기 배터리 수명의 초기에 적용될 수 있으며, 상기 무게중심 계수들은 수명의 중간부 및/또는 말기에, 가중 평균인 값을 산출하기 위해 개발(developing)될 수 있다 - 두 개의 다른 산출 방법들의 결과들 사이에서 일정한(constant) 계수들을 사용한다. 다른 조합들도 가능하며, 상기 무게중심 계수들은 반드시 0 또는 1 값들을 지날 필요는 없다.

이제, SOHE를 추정하기 위한 기본적인 세 개의 바람직한 방법들의 산출의 개요가 제공될 것이다. 바람직하게는, 본 발명에 따른 BMS는 이러한 기본적인 방법들 중 적어도 두 개의 무게 중심 조합(barycentric combination)을 사용하도록 구성된다. 바람직하게는, 상기 무게 중심은 상기 배터리가 새로울 때, "경험적" 방법 유형에 더 많은 가중치를 두고, 그 뒤에, "전류 적산법 " 유형 또는 상기 배터리의 "내부 저항"을 추정하는 유형 중 하나인, 적어도 하나의 제2 방법의 가중치를 증가시킴으로써 산출된다.

SOHE의 값은 전체 배터리에 대해 전반적으로 산출되거나, 또는, 특히, 각각의 셀마다 제공된 전압 센서들이 존재하고 온도 추정기가 각각의 배터리 셀의 온도의 값을 구하는 것을 가능하게 한다면, 먼저 각각의 셀에 대해 SOHE를 산출하고, 그 다음, 주어진 순간에서의 배터리의 SOHE 값으로서, 그 순간에 모든 셀들에 대해 산출된 최소 SOHE 값을 취함으로써 산출될 수 있다.

내부 저항에 기초한 배터리 셀의 열화 상태의 추정

상기 BMS는 큰 전류 세기 변화(충전 또는 방전)를 통한 상기 셀의 겉보기 저항의 계산으로부터 SOHE를 산출한다. 전반적인 원리는 다음과 같다 : 주어진 시간 동안의 전류 변화는 상기 셀의 단자 전압의 변화와 비교된다. 상기 전압 변화와 상기 전류 세기 변화의 비율은 상기 셀의 "겉보기 저항"에 대응한다. 이 겉보기 저항이 특정 주파수 범위에서 결정되는 경우, 셀 임피던스가 참조된다. 적어도 두 개의 구현 기법들이 가능하다.

이러한 겉보기 저항

은 동일한 충전 조건 또는 동일한 방전 조건 하에서 새로운 상태에서 이 셀이 가졌을 내부 저항 값

과 비교된다. 그 다음, 예를 들어 SOHP라 불리는 파라미터가 산출되며, 이 파라미터는 상기 셀의 내부 저항 증가의 특성을 나타내는 비율이다.

-

(방정식 1)

마지막으로, 미리 기록된 맵은 이렇게 측정된 값 SOHP을 기반으로 값 SOHE_R을 읽어내는 것(reading)을 가능하게 한다.

이러한 접근법은 구현이 간단하다는 장점을 갖는다.

상기 셀에 대해 산출된 상기 "겉보기" 저항은, (방전할 때, 메인 전원을 통해 충전할 때, 그리고 회생 제동의 경우) 상기 셀에게 상기 셀의 최대 승인 전력 이상으로 스트레스를 주지 않기 위해, 최대 승인 전류 세기를 산출하는 데에도 유용할 수 있는 값이다.

상기 값

은 명확하게 식별된 구체적 조건들(예를 들어, 정규화된 피크 전류) 하에서 측정된 새 것의 셀의 저항인 것으로 평가될 수 있다. 그러나 실제로는, (전류 프로파일은 운전자에 의해 제어되기 때문에) 상기 구체적 조건들은 상기 내부 저항이 측정되었을 때의 조건들이 아니다. 따라서 산출된 SOHP는 상기 맵을 설정하기 위해 사용된 SOHP와 다르다.

또한, 일부 셀들은 수명 초기에 감소하는 겉보기 내부 저항을 가질 수 있다(이는 놀라운 것으로 보일 수 있다). SOHP 및 SOHE 간의 관계는, 특히 수명 초기에, 일대일 대응이 아니다. 이로 인해, 상기 배터리의 내부 저항 측정에 기반하는 상기 배터리의 열화 측정은, 특히 수명 초기에, 매우 불확실해진다.

상기 셀의 내부 저항에 기반하는 추정 방법은 상기 배터리를 통과하는 전류 세기의 변화가 더 클수록 더욱 더 정확하다. 따라서 SOC의 정확한 추정을 제공하는 상기 BMS의 능력은 차량 운전자의 사용 특성에 의존할 것이다.

특정 주파수 대역에서의 여기(excitation)에 의해 셀의 임피던스를 계산할 수 있다.

옵션으로, 상기 특정 주파수 대역은 단일 주파수로 제한될 수 있다. 이러한 추정은 상기 특정 주파수 대역에 걸친 여기 전류(또는 여기 전압)의 적용을 필요로 한다; 이러한 여기는 충전 시스템 또는 (DC/DC 컨버터와 같은) 고-전압 회로의 다른 전력 전자 부품들에서 비롯될 수 있다.

이러한 후자 유형의 셀 특성은, 관심있는 주파수 대역에서의 전류 여기가 항상 동일하도록 구성될 수 있기 때문에, 반복가능하다. 이는 새 것의 셀이 동일한 조건들에서 가졌을 값에서 측정된 임피던스의 비교가 상기 SOHP의 계산과 더 관련 있도록 만든다.

그러나 이러한 특성은, 상기 시스템이, 뚜렷하게 경계가 정해진 주파수 대역에서 반복가능한 여기를 상기 배터리들에 적용할 수 있게 하기 위해, 상기 전력 전자 시스템을 위한 특정 아키텍처 및 제어 시스템을 필요로 한다.

여기에서, 상기 내부 저항에 기초하는 배터리 셀의 열화 상태 SOHE_R 추정은, 이것이 상기 산출 방법을 보정하는데 사용되는 기준 셀로서 작용하지 않는다면, 상기 산출된 값들이 상기 셀의 조기(premature) 열화를 검출하는 것을 가능하게 한다는 점에서, 폐루프 추정이다.

전류 적산법에 의한 배터리 셀의 열화 상태 추정

전반적인 원리는 다음과 같다 : 다음들이 비교된다 :

- 순환 과정 동안, 상기 셀의 충전 상태 진행(developing) :

. 이 때,

는 순환의 끝 무렵에서의 충전 상태이며,

는 순환의 시작 지점에서의 충전 상태이다.

- 상기 사이클 동안 상기 셀에 의해 전달된 총 전하 :

. 이 때, I는 상기 셀을 통과하는 전류이다.

상기 셀이 이 순간에 자신의 최대 용량까지 재충전되었다면 상기 셀이 전달할 수 있을 최대 전하 Q_max는 상기 전달된 전하로부터, 그리고 SOC의 변화로부터 다시 계산될 수 있다 :

또한 Q_max는 "셀의 총 용량"으로도 지칭된다.

이러한 최대 용량, 그리고 상기 셀이 새 것일 때 상기 셀의 최대 용량의 비율, 즉

은, 맵의 도움을 받아, 상기 셀의 열화 상태의 특성을 나타내는 값 SOHE_coulomb을 추적하는 것을 가능하게 한다.

이 방법은 구현하기 매우 간단하다. 그러나 이러한 계산은 오직 상기 SOC가 상기 셀을 가로지르는 전압으로부터 산출된 경우에만 타당하다. 상기 계산은 (셀들의 분극(polarization)으로 인한) SOC 추정의 오류에 의해 왜곡될 수 있다.

또한, 상기 계산은 (특히 전력 오프셋 때문에) 좋지 않은 전류 측정에 의한 오류들에 의해 손상될 수 있다.

SOHE의 정확한 추정을 얻기 위해, 상기 값들은 높은 진폭의 SOC 변동에 대응하는 사이클(cycling)에 대해 기록되어야 한다. 따라서 SOC의 정확한 추정을 제공하는 상기 BMS의 능력은 차량 운전자의 주행 습관들 및 배터리 재충전 습관들에 의존할 것이다.

이러한 산출 방법에서, "셀 전압" 정보에 기초하여 상기 사이클의 초기에 그리고 상기 사이클의 말기에 상기 SOC 값들을 재-추정하는 것이 필요하다. 이에 따라, 고려해야할 중요한 가정은, 전압 및 충전 상태 SOC를 연결하는 커브의 공지 여부이며, 이것이 오직 부차적으로만 열화에 의존한다는 것이다. 이 방법은 상기 BMS에 의해 추정된 열화 상태의 상당한 변동을 유발할 수 있다. 왜냐하면, 이러한 유형의 추정은 사이클 프로파일(전류 프로파일, 셀 온도)에 크게 의존하기 때문이다.

전류 적산법에 의한 배터리 셀의 열화 상태 추정은 마찬가지로 본원에서 폐루프 추정인 것으로 간주된다. 산출된 값들은, 상기 셀의 성능 저하가 본질적으로 활성 물질의 손실로 연결된다면, 셀의 조기 열화를 검출하는 것을 가능하게 한다.

열화의 온보드 모델(onboard model)을 사용한, 배터리 셀의 열화 상태 추정.

전반적인 원리는 다음과 같다 : 상기 셀 열화 모델은 각각의 SOC 레벨에서, 그리고 각각의 온도 레벨에서, 상기 셀에 의해 소비된 시간으로부터 상기 셀의 보유 용량(retention capacity)을 산출하는 것을 가능하게 한다. 상기 모델은 개방 루프 모델이다. 이 계산은, 상기 셀의 열화가 상기 모델을 보정하는데 사용되는 기준 셀(reference cell)의 열화에 대응하는지를 검출할 수 있게 하지 않는다. 그러나 이러한 산출 방법은 상기 배터리의 임의의 특정 사이클 프로파일을 필요로 하지 않는다.

상기 모델은 상기 유형의 공식에 따라 상기 셀의 열화 상태의 값 SOHE_model을 추정하는 것을 제안한다 :

α(SOC, T)는, 주어진 SOC 값 및 주어진 T 값 각각에 대해, 예를 들어 센터링된, 제공된 온도 범위[T-△_T, T+△_T]와 연관된, 그리고 충전 상태 범위[SOC-△_SOC, SOC+△_SOC]와 연관된, 캘린더(calendar) 저하의 매핑 계수(mapped coefficient)이다.

δt는 고려된 충전 상태 범위[SOC-△_SOC, SOC+△_SOC]에서, 그리고 온도 범위[T-△_T, T+△_T]에서 상기 셀에 의해 소비되는 총 시간이다.

상기에 있는 합

는 상기 셀의 동작 동안 고려할 수 있는 모든 범위들 [SOC-△_SOC, SOC+△_SOC] 및 [T-△_T, T+△_T]을 커버한다.

β는 주어진 충전 상태 범위 [SOC-△_SOC, SOC+△_SOC] 및 주어진 온도 범위 [T-△_T, T+△_T] 와 연관된, 사이클에 의한 성능 저하의 매핑 계수이다.

δE는 상기 배터리가 주어진 충전 상태 범위[SOC-△_SOC, SOC+△_SOC]에, 그리고 주어진 온도 범위[T-△_T, T+△_T]에 있을 때마다, 상기 배터리의 사이클 동안 방전된 총 에너지(단위 kWh)이다.

바람직하게는, m 및 n은 전부가 또는 일부가, 0.5 와 2 사이의 지수들이다.

대안적 실시예에 따르면, 상기 계수들

및

을 바로 매핑하는 것이 가능하다.

일반적으로, 상기 적분

은,

및

을 매핑하기 위해, 상기 SOC 또는 상기 온도 T 중 하나가 정의된 범위 한계들(range limits) 중 하나를 통과한 마지막 순간 이후부터, 지속적으로 계산된다. 상기 한계들 중 하나가 다시 통과된다면, 상기 적분의 값은 바로 전에 지나가진 범위들 쌍 [SOC-△_SOC, SOC+△_SOC], [T-△_T, T+△_T] 과 연관된 메모리에 부가되며,

는 상기 셀의 현재 상태에 대응하는 새로운 범위 쌍에 대응하는 또 다른 메모리 박스에 상기 적분 값을 부가하기 위해, 다시 재계산된다.

특정 실시예에 따르면, 상기 매개변수

또한 상기 셀을 통과하는 전류의 레벨에 따라 달라질 수 있다.

경험적 모델에 의한 이러한 산출 방법은 추정된 SOHE의 상당한 요동(fluctuation)들을 방지한다.

상기 모델은 개방 루프이기 때문에, 이는 상기 모델을 보정할 수 있도록 하기 위해, 다수의 셀 열화 특성 테스트들의 실현을 필요로 한다. 상기 배터리가 상기 모델을 보정하는데 사용되는 상기 기준 셀에 근접한 특성들 및 특성들의 진행들(developments)을 제공하기 때문에, 보정은 더욱 더 적절하며, 선험적으로, 셀 수명의 초기에 가장 적절하다.

상기 배터리가 고온 조건 하에 있다면, 상기 BMS가 꺼져있는 동안, 열화의 산출은 이 현상을 고려하지 않을 것이다.

가중 계수들(weighting coefficients)의 선택

본 발명은 상기 배터리의 상이한 열화 단계들에서 이러한 방법들 각각의 장점들로부터 이익을 얻을 수 있게 한다 :

- 수명 초기에, 온보드 모델에 의한 열화 계산은 정확할 뿐만 아니라, 상기 BMS에 의해 추정된 열화 상태 SOHE의 큰 변동을 방지하는 것을 가능하게 한다.

- 수명 말기에, (상기 모델이 예상하지 못했던) 상기 배터리의 어떤 성능 저하라도 검출하기 위해, (상기 내부 저항으로부터 그리고/또는 전류 적산법으로부터) 폐루프 추정을 수행하는 것이 유익하다. 이에 따라, 본 발명은 다음과 같이 계산되는 상기 배터리의 열화 상태 추정기(estimator) SOHE_bary를 산출하는 것을 제안한다 :

이 때, α₁, α₂ 및 α₃ 는 상기 열화 상태의 산출과 연관된 무게 중심 계수들이며, 이 때,

이다.

시간에 의존하여 가중 계수들을 변화시키는 대신에, 본 발명은 이전 시간에 상기 BMS에 의해 추정된 열화 레벨 SOHE_bary에 기초하여 상기 계수들 α₁, α₂ 및 α₃을 변화시키는 것을 제안한다.

SOHE_model, SOHE_Coulomb 및 SOHE_R은 전체로서 상기 배터리에 직접 적용되는 상술된 방법들에 의해, 상기 배터리를 가로지르는 전압을 통해, 그리고 상기 배터리의 전반적(overall) SOC를 통해 산출될 수 있다. SOHE_model, SOHE_Coulomb 및 SOHE_R은 각각, 상기 배터리 셀들 세트에 대해서, 각각의 배터리 셀에 대해 주어진 시각에서 산출된 값들 SOHE_model, SOHE_Coulomb 및 SOHE_R 중 최솟값으로서 각각 산출될 수 있다.

상술된 바와 같이, 본 발명은 추정된 배터리 열화 상태에 기초하여 최적화된 방식으로 상기 계수들 α₁, α₂ 및 α₃ 을 선택하는 것을 제안한다.

본 발명의 특정 실시예에 따르면, 또한 상기 계수들 α₁, α₂ 및 α₃ 은 상기 배터리의 사용 프로파일 그리고/또는 상기 배터리가 설치된 차량의 사용 프로파일에 따라 달라질 수 있다. 예를 들어, SOHE_bary가 제1 임계값 아래로 떨어지면, 상기 SOHE_model 산출 방법과 연관된 가중치 α₁를 감소시킬 수 있으며, 가중치들 α₂ 및 α₃을 증가시킬 수 있다. 배터리 수명의 제2 부분에서, 마지막으로 기록된 방전 사이클 또는 사이클들이 방전 임계값 보다 더 큰 진폭을 갖는다면(예를 들어, 0.7 보다 큰 SOC 진폭, 그리고 바람직하게는 0.8 보다 큰 SOC 진폭), α₂ < α₃ (예를 들어, α₂ = 0 및 α₃ = 1)이도록 선택하는 것이 가능하며, 그렇지 않다면, α₂ > α₃(α₂ = 1 및 α₃ = 0)이도록 선택하는 것이 가능하다.

이전 실시예와 결합될 수 있는 실시예에 따르면, SOHE_bary는, SOHE_bary를 다음의 공식으로 한정함으로써, 경험적 모델에 의해 산출된 SOHE_model 이하로 지속적으로 고정될 수 있다 :

무게중심 계수 변화 프로파일들의 일부 예들은 이하에 제공된다.

예를 들어, 상기 값 SOHE_bary이 값 SOHE_{threshold_1}에 도달할 때 까지 주로(predominantly) SOHE_model를 사용하고자 하며, 그 다음, 주로 SOHE_coulomb를 사용하고자 하며,

- 수명 초기에, SOHE_bary > SOHE_{threshold_1} 일 때, α₁ = 1이다.

SOHE_bary = SOHE_{threshold _ 1} 인 다음 SOHE_bary < SOHE_{threshold _ 1} 일 때, α₁은 (SOHE_bary에 비해) 1에서 0으로 선형적으로 감소된다. 예를 들어, α₁는 0.9 와 0.8 사이의 SOHE_bary 범위에 걸쳐 1에서 0으로 선형적으로 감소될 수 있다.

다른 변형 실시예에 따르면, α₁의 선형 변화는 SOHE_model 그 자체에 대해, 심지어는 상기 배터리가 설치된 차량에 의해 주행된 주행거리에 대해 수행될 수 있으며,

- SOHE_model < 80 %에 대해, α₁ = 0 이다.

α₁의 감소는 다른 무게중심 계수들 중 하나를 단독으로 선형적으로 증가시킴으로써(예를 들어, α₂는 전류 적산법에 우위를 준다), 또는 여러 다른 무게 중심 계수들을 동시에 선형적으로 증가시킴으로써, 보상될 수 있다.

전류 적산법이 심방전(deep discharge) 상태에 대해 수행된다고 가정하면, 일반적으로 상기 배터리의 내부 저항으로부터의 SOHE의 추정이 전류 적산법에 의한 SOHE 추정보다 덜 정확하다는 것은 당업자에 의해 공지되어 있다.

이에 따라, 배터리에 의해 구동되는 차량의 운전자가 상기 배터리의 심방전을 수행하지 않는 한, 폐루프로 상기 배터리의 열화 상태를 추정하는 최적의 방법은 상기 배터리의 내부 저항에 기초한 접근법을 사용하는 것이다.

바람직한 실시예에 따르면, 차량의 운전자가, SOHE_{threshold_1}를 통과하기 전에, 제한된 SOC 범위들 내에서만 상기 배터리를 사용한다면(예를 들어, SOC는 지속적으로 0.7 이상으로 유지한다), α₂를 증가시킴으로써 α₁의 감소를 보상하도록 선택된다. 즉, α₂가 1이 될 때까지 α₂ = 1 - α₁ 및 α₃ = 0로 설정된다.

그러나 상기 차량의 운전자가, 최소 사이클 개수 동안, SOC 변화들을 임계값보다 크게 고정시킨다면, 예를 들어, SOC 변화들을 0.4 의 SOC 진폭보다 크게 고정시킨다면, α₃를 증가시킴으로써 α₁의 감소를 보상하도록 선택된다. α₃가 1이 될 때까지 α₃ = 1 - α₁ 및 α₂ = 0로 설정된다.

α₂ = 1인 특정한 경우에, 임계값보다 큰 SOC 변화들(예를 들어, 0.4의 SOC 진폭보다 큰 SOC 변화들)을 가진 사이클들의 최소 개수를 검출한 후, α₂를 선형적으로 감소시키는 것도 가능하며, α₃를 증가시킴으로써, 즉, α₃가 1이 될 때까지 α₃ = 1 - α₂ 및 α₁ = 0로 설정함으로써, α₂의 감소를 보상하는 것도 가능하다.

물론 다른 특정 경우들도 가능하다. 예를 들어, α₂ 및 α₃를 동시에 증가시킴으로써 α₁의 선형적 감소를 보상하는 것(예를 들어, α₂ = α₃, α₂ = 0.5 - 0.5α₁)도 가능하다.

상기 배터리의 충전-최종 전압(end-of-charging voltage)이 높을수록, 상기 배터리는 사이클 동안 더 빨리 열화된다는 것은 공지되어 있다. 상기 배터리가 감소된 SOC 범위 내에서 순환되었다면, 몇 달 또는 몇 년 후에, 상기 배터리의 열화 상태는 더 빨리 저하된다. 이에 따라, 단-기간 재충전의 끝 무렵에 가지도록 요구되는 에너지, 그리고 상기 배터리의 내구성 사이의 상기 충전-최종 전압 관리에 의해 관리되기 위한 절충이 존재한다.

본 발명의 변형예에 따르면, 상기 배터리의 수명을 개선시키기 위해, 상기 배터리의 수명 초기에, 상기 BMS는 재충전의 말기에 허용 가능한 최대 전압 보다 적은, 상기 재충전의 말기의 최대 전압을 고정시킨다. 그 다음 상기 BMS는 상기 배터리 수명 동안 이러한 최대 전압을 증가시키며, 상기 최대 전압의 변화는 산출된 무게 중심 SOHE 값들에 기초한 미리-정해진 커브를 따른다. 예를 들어 상기 진행은 상기 배터리의 시운전, 그리고 상기 BMS에 의해 고정된 상기 최대 충전-최종 전압이 상기 배터리의 제조업체에 의해 추천된 최대 충전-최종 전압과 동일해지는 순간, 또는 상기 BMS에 의해 고정된 상기 최대 충전-최종 전압이 미리 고정된 임의의 최대 전압과 동일해지는 순간 사이에서, 선형적으로 증가할 수 있다. 그 순간에서부터, 상기 BMS는 동일한 최대 충전-최종 전압을 계속해서 고정시킬 수 있다. 그 다음, 상기 최대 충전-최종 전압 커브는 임계값 아래에 있는 SOHE 값들에 대한 플래토(plateau)를 갖는다(이 경우, 높은 값들의 SOHE는 상기 배터리의 새로운 상태에 대응한다). 다른 커브 형태들도 물론 가능하며, 이 때, (예를 들어, SOHE_bary와 관련하여 표현되는) 상기 최대 충전-최종 전압의 증가율은 상기 배터리의 나이가 증가함에 따라 감소된다.

본 발명은 설명된 예시적 실시예들에 제한되지 않으며, 많은 변형예들로 제공될 수 있다. 예를 들어, 상기 개념은 상기 배터리 열화 상태의 특성을 나타내는 값을 사용하여 수행될 수 있으며, 상기 값은, 예를 들어 상술된 SOHE 값들의 일의 보수(complement)(또는 100 % 보수)를 취함으로써, 시간에 따라 증가할 수 있다. SOC, SOHE 및 SOHP의 값들은 0 및 1 사이에서 카운팅될 수 있으며, 또는 임의의 정수 값에서(예를 들어, 100%) 곱해질 수 있다. 무게중심 산출에서 고려되는 상이한 산출 방법들에 따른 상기 SOHE 값들의 추정은 전체 배터리에 대해 전반적으로 산출될 수 있으며, 또는 바람직하게는, 특히 하나 이상의 셀들의 조기 열화를 필요에 따라 고려하기 위해, 각각의 셀에 대해 산출될 수 있다. 상기 무게 중심 계수들은 온보드 모델에 의한 SOHE_model 추정을 제외한 기본적인 SOHE 추정들 중 하나에 의해 가정되는 값들에 기초하여, 예를 들어 전류 적산법 유형의 방법에 의해 획득된 값 SOHE_coulomb에 기초하여, 또는 상기 어큐뮬레이터의 임피던스 또는 내부 저항의 진행의 산출을 포함하는 방법에 의해 산출되는 값 SOHE_R에 기초하여, 변화될 수 있다. 또 다른 실시예에 따르면, 이전 시각에서 산출된 무게 중심 값 자체에 기초하여 상기 무게 중심 계수들을 변화시키는 것이 가능하다. 다른 추정 방법들 보다 더 적은 임의 요동(random fluctuation)들을 갖는 SOHE_model에 기초하여 이러한 계수들을 변화시키는 것이 유익하다. 바람직하게는, 한 방향으로의 SOHE의 임계값 통과(예를 들어, SOHE 임계값 아래로 통과)는 무게중심 계수들의 변화를 야기하지만, 이러한 임계값 주위에서 차후의 요동들이 있는 경우, 반대 방향으로의 계수들의 변화를 야기하지는 않는다.

본 발명은 축전기의 열화 상태의 값들의 정확성을 개선시키는 것을 가능하게 하며, 그리고 축전기의 열화 상태의 값들의 추정 분산을 감소시킬 수 있다. 상기 배터리의 열화 상태를 추정하는데 있어서의 이러한 일관성은 상기 배터리의 수명을 개선시키기 위해, 상기 배터리의 충전-최종 전압들의 신뢰성 있고 일관성 있는 관리를 제공하는 것을 가능하게 하면서, 각각의 재충전의 끝 무렵에, 차량의 운전자가 정기적으로, 그리고 안전하게 진행하는 자율 주행 거리를 갖는 것을 보장한다.

Claims (10)

1. 전기화학적 어큐뮬레이터를 관리하기 위한 방법에 있어서,
   상기 방법은 :
   상기 어큐뮬레이터를 가로지르는 전압 값들의 이력, 상기 어큐뮬레이터를 통해 흐르는 전류 세기의 이력, 그리고 상기 어큐뮬레이터의 온도의 이력으로부터 상기 어큐뮬레이터의 열화 상태 추정 값을 판단하는 단계; 및
   상기 추정 값에 기초하여 상기 어큐뮬레이터의 재충전을 관리하는 단계를 포함하며,
   상기 추정된 값은 상기 어큐뮬레이터의 적어도 하나의 수명 값에 기초하는 무게 중심 계수들과 연관된, 상기 어큐뮬레이터의 열화 상태를 나타내는 적어도 두 개의 값들의 무게 중심(barycenter)으로서 산출된 열화 상태의 무게 중심 값이며,
   상기 적어도 두 개의 값들은 제1 방법에 의해 산출된 상기 어큐뮬레이터의 열화 상태를 나타내는 제1 값 및 상기 제1 방법과는 상이한 제2 방법에 의해 산출된 상기 어큐뮬레이터의 열화 상태를 나타내는 제2 값을 포함하며,
   상기 어큐뮬레이터의 초기 시운전 상태에서부터, 무게 중심 계수들은 적어도 한번 변화되어,
   상기 제1 방법에 따라 산출된 상기 어큐뮬레이터의 열화 상태의 이전 값이 제1 임계값을 통과할 때, 상기 어큐뮬레이터 열화 상태의 다음 무게 중심 값을 산출하는 것을 특징으로 하는, 방법.
2. 청구항 1에 있어서,
   상기 제1 값은,
   상기 어큐뮬레이터의 연이은 상태들의 특성을 나타내는 제1 온도 및 제1 충전 상태 계수들 각각에, 각각의 상태에서 소비된 시간을 곱한 값의 제1 합으로부터, 그리고 상기 어큐뮬레이터의 연이은 상태들의 특성을 나타내는 제2 온도 및 제2 충전 상태 계수들에, 이 상태에서 상기 어큐뮬레이터에 의해 방전된 에너지를 곱한 값의 제2 합으로부터 계산되는, 방법.
3. 청구항 2에 있어서,
   상기 제1 방법에 의해 산출된 상기 열화 상태를 나타내는 제1 값과 연관된 제1 무게중심 계수는, 상기 어큐뮬레이터의 시운전시 0.5 보다 크고, 그 후 감소하며,
   상기 제2 방법에 의해 산출된 상기 열화 상태를 나타내는 제2 값과 연관된 제2 무게중심 계수는 0.5 보다 작으며, 시간이 지남에 따라 증가하는, 방법.
4. 청구항 3에 있어서,
   상기 열화 상태를 나타내는 상기 제1 값과 연관된 상기 제1 무게중심 계수는,
   상기 어큐뮬레이터의 열화 상태의 상기 무게 중심 값이 제1 임계값을 통과할 때까지 일정하게 유지되며, 그 다음,
   상기 어큐뮬레이터의 열화 상태의 상기 무게 중심 값이 제2 임계값을 통과할 때까지 상기 어큐뮬레이터의 열화 상태의 상기 무게중심 값에 기초하여 실질적으로 선형으로 변화하는, 방법.
5. 청구항 2에 있어서,
   상기 어큐뮬레이터의 열화 상태의 상기 무게중심 값은, 제1 임계값이 상기 어큐뮬레이터의 열화 상태의 상기 무게중심 값에 의해 통과될 때까지, 열화 상태를 나타내는 상기 제1 값에 점점 근접해지며, 그 후,
   상기 어큐뮬레이터의 열화 상태의 상기 무게중심 값은, 제3 임계값이 상기 어큐뮬레이터의 열화 상태의 상기 무게중심 값에 의해 통과될 때까지, 상기 열화 상태를 나타내는 상기 제2 값에 점점 근접해지며, 그 후,
   상기 어큐뮬레이터의 열화 상태의 상기 무게중심 값은, 제4 임계값이 상기 어큐뮬레이터의 열화 상태의 상기 무게중심 값에 의해 통과될 때까지, 열화 상태를 나타내는 제3 값에 점진적으로 근접해지는, 방법.
6. 청구항 5에 있어서,
   열화 상태를 나타내는 상기 제2 값은 전류 적산법(coulomb counting) 유형의 방법에 의해 산출되며,
   열화 상태를 나타내는 상기 제3 값은 상기 어큐뮬레이터의 임피던스의 진행(development)의 산출 또는 상기 어큐뮬레이터의 내부 저항의 진행의 산출을 포함하는 방법에 의해 산출되는, 방법.
7. 청구항 1에 있어서,
   상기 어큐뮬레이터의 재충전 동안, 상기 어큐뮬레이터의 열화 상태의 상기 무게중심 값에 기초하여 산출된 충전-최종 전압(end-of-charging voltage)은 고정되며,
   상기 충전-최종 전압은 상기 어큐뮬레이터가 내장된 차량을 사용하는 동안 점진적으로 증가되는, 방법.
8. 청구항 7에 있어서,
   상기 충전-최종 전압은 :
   상기 어큐뮬레이터의 시운전 및 상기 어큐뮬레이터의 열화 상태의 상기 무게중심 값의 제5 임계값 사이에서, 상기 어큐뮬레이터의 열화 상태의 상기 무게 중심 값에 대해 선형적으로 변화하도록 정해지며,
   상기 어큐뮬레이터가 내장된 차량의 다음 사용동안 실질적으로 일정하게 유지되는, 방법.
9. 자동차를 위한 전력 공급 시스템에 있어서, 상기 전력 공급 시스템은 :
   적어도 하나의 전기화학적 어큐뮬레이터;
   상기 어큐뮬레이터와 연관된 온도 센서;
   상기 어큐뮬레이터를 가로지르는 전압을 추정할 수 있게 하는 전압 센서;
   상기 어큐뮬레이터를 통과하는 전류의 세기를 추정할 수 있게 하는 전류 세기 센서; 및
   처리 회로를 포함하며,
   상기 처리 회로는 :
   상기 전압 및 세기의 값들을 사용함으로써, 시간에 따른 상기 어큐뮬레이터의 충전 레벨을 추정하도록 구성되며; 그리고
   상기 어큐뮬레이터의 열화 상태의 특성을 나타내는 적어도 하나의 제1 값 및 적어도 하나의 제2 값의 무게 중심을 포함하는, 상기 어큐뮬레이터의 열화 상태의 무게 중심 값을 산출하도록 구성되며,
   상기 제1 값 및 상기 제2 값은 상기 어큐뮬레이터의 적어도 하나의 수명 값에 기초하는 무게 중심 계수들과 연관되며 그리고 두 개의 상이한 방법들에 의해 산출되고,
   주어진 시간에서 상기 어큐뮬레이터의 열화 상태의 상기 무게 중심 값을 산출하는데 사용된 무게중심 계수들은 :
   이전 시간에서의 상기 열화 상태의 평가 동안 제1 방법에 따라 산출된 이전 값에 따라 달라지는 것을 특징으로 하는, 전력 공급 시스템.
10. 청구항 9에 있어서,
    상기 처리 회로는 :
    상기 어큐뮬레이터의 수명 동안, 최대 전압을 정의하는 충전-최종 전압을 증가시키도록 더 구성되며,
    재충전 시스템은 상기 어큐뮬레이터가 상기 충전-최종 전압이 되게 만들도록 승인되며,
    상기 충전-최종 전압은 상기 어큐뮬레이터의 열화 상태의 상기 산출된 무게 중심 값에 기초하여 고정되는, 전력 공급 시스템.
    

Images