KR102054050B1 - 배터리의 충전 상태를 추정하는 방법 및 배터리 관리 장치 - Google Patents

배터리의 충전 상태를 추정하는 방법 및 배터리 관리 장치 Download PDF

Info

Publication number
KR102054050B1
KR102054050B1 KR1020170182328A KR20170182328A KR102054050B1 KR 102054050 B1 KR102054050 B1 KR 102054050B1 KR 1020170182328 A KR1020170182328 A KR 1020170182328A KR 20170182328 A KR20170182328 A KR 20170182328A KR 102054050 B1 KR102054050 B1 KR 102054050B1
Authority
KR
South Korea
Prior art keywords
value
state
current
battery
charge
Prior art date
Application number
KR1020170182328A
Other languages
English (en)
Other versions
KR20190080102A (ko
Inventor
이성원
김호영
Original Assignee
광운대학교 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 광운대학교 산학협력단 filed Critical 광운대학교 산학협력단
Priority to KR1020170182328A priority Critical patent/KR102054050B1/ko
Publication of KR20190080102A publication Critical patent/KR20190080102A/ko
Application granted granted Critical
Publication of KR102054050B1 publication Critical patent/KR102054050B1/ko

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/3644Constructional arrangements
    • G01R31/3648Constructional arrangements comprising digital calculation means, e.g. for performing an algorithm
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/382Arrangements for monitoring battery or accumulator variables, e.g. SoC
    • G01R31/3835Arrangements for monitoring battery or accumulator variables, e.g. SoC involving only voltage measurements
    • HELECTRICITY
    • H01ELECTRIC ELEMENTS
    • H01MPROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00Secondary cells; Manufacture thereof
    • H01M10/42Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
    • H01M10/425Structural combination with electronic components, e.g. electronic circuits integrated to the outside of the casing
    • HELECTRICITY
    • H01ELECTRIC ELEMENTS
    • H01MPROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00Secondary cells; Manufacture thereof
    • H01M10/42Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
    • H01M10/425Structural combination with electronic components, e.g. electronic circuits integrated to the outside of the casing
    • H01M2010/4271Battery management systems including electronic circuits, e.g. control of current or voltage to keep battery in healthy state, cell balancing
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02EREDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02E60/10Energy storage using batteries

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Manufacturing & Machinery (AREA)
  • Chemical & Material Sciences (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Electrochemistry (AREA)
  • General Chemical & Material Sciences (AREA)
  • Secondary Cells (AREA)

Abstract

본 발명은 배터리의 충전 상태를 추정하는 방법 및 배터리 관리 장치에 관한 것이다. 본 발명의 일실시예에 따르면, 배터리를 이용하는 장치에 장착된 상기 배터리가 처음 이용되는 것인지 여부를 판단하는 단계; 상기 배터리가 처음 이용되는 것인 경우, 초기화를 실행하는 단계; 상기 초기화를 실행하는 경우, 롱텀 에너지 프로세스를 수행하는 단계; 상기 롱텀 에너지 프로세스를 통하여 상기 배터리의 충전 상태값 및 저항값을 예측하는 단계; 상기 초기화를 실행하지 아니하는 경우, 숏텀 에너지 프로세스를 수행하는 단계; 상기 배터리의 전류값 및 전압값에 기초하여 휴지 상태에 도입하는지 여부를 결정하는 단계; 상기 휴지 상태에 도입하는 경우, 상기 배터리의 개로 전압값을 획득하여 상기 배터리의 충전 상태값 을 재조정하는 단계; 및 상기 휴지 상태에 도입하지 아니하는 경우, 상기 숏텀 에너지 프로세스를 계속 수행하여 상기 배터리의 현재 저항값 및 현재 개로 전압값을 예측하는 단계를 포함한다.

Description

배터리의 충전 상태를 추정하는 방법 및 배터리 관리 장치{A METHOD OF ESTIMATING STATE OF CHARGE OF BATTERY AND AN APPARATUS FOR MANAGING OF BATTERY}
본 발명은 배터리의 충전 상태를 추정하는 방법 및 배터리 관리 장치에 관한 것으로서, 더욱 상세하게는, 배터리의 이용 여부에 따라 다양한 방법으로 배터리의 충전 상태를 추정하는 방법 및 상기 방법을 이용하는 배터리 관리 장치에 관한 것이다.
소형 모바일 장치들 및 사물 인터넷(IoT) 장치들로부터 성능을 위한 요구가 증가함과 유사하게, 안정성을 확보하고 배터리의 가용 시간을 보증하기 위하여 이용되고, 여러 장치들의 주 전원 소스인 배터리 관리 시스템(BMS) 에 대한 관심이 증가하고 있다. 명백하게는, 낮은 비용으로 정확하게 차지(charge) 상태를 측정하기 위한 배터리 관찰 기술은 하드웨어 리소스들과 전원 공급이 제한적인 소형 모바일 기기 또는 사물 인터넷 장치들에서 효율적인 전력 관리를 위해 필수적일 수 있다.
휴대용 장치를 위한 충전 상태(state of charge, SOC) 추정에 널리 이용되는 기술들은 크게 개로 전압(open-circuit voltage, OCV) 기반의 추정 방법과 쿨롱 카운팅(Coulomb counting) 기반의 추정 방법으로 구분될 수 있다. 상기 개로 전압 기반의 방법은 장치가 이용되지 않는 휴지 상태에서의 배터리의 전압을 측정하고, 단자 전압(Vt)을 상기 개로 전압 값에 가깝게 할 수 있다. 그러나, 휴지 상태의 배터리를 위해서는, 장치들이 연장되는 기간을 위해 매우 낮은 전류의 방전 상태를 유지하여야만 한다. 그러므로, 장치들이 연속으로 상기 충전 상태를 추정하는 것은 어려울 수 있다.
또한, 쿨롱 카운팅 기반의 방법은 특정한 기간동안 방전 전류를 축척함으로써 충전량을 획득할 수 있고, 상기 충전 상태의 값을 추정할 수 있다. 그러나, 상기 방법은 초기 충전 상태 값을 알 수 없는 경우, 현재 충전 상태 레벨을 명확히 알 수 없다. 그리고, 전류 측정의 에러 때문에 쿨롱 카운팅 프로세스가 계속됨에 따라 에러가 누적되어 증가될 수 잇다. 상기 두 가지 방법의 조합을 이용하는 기술은 상기 충전 상태 측정의 명확성을 향상시킬 수 있다. 그러나, 소형 휴대용 또는 사물 인터넷 장치는 낮은 전력 공급 소스를 갖기 때문에, 동시에 전압과 전류를 측정함으로써 상기 충전 상태를 추정하는 것은 관련 하드웨어의 비용 소모를 증가시킬 수 있다.
또 다른 방법으로는, 단자 전압만을 간헐적으로 측정함으로써 상기 충전 상태를 추정하는 저 비용 방법도 존재한다. 상기 방법은 특정 구간에서의 단자 전압의 전압차와 상기 개로 전압 값의 차이 사이의 유사도를 이용함으로써, 상기 단자 전압만을 측정하기 때문에, 비용이 적게 소요될 수 있다. 또한, 상기 방법은 전류 측정과 관련된 추가적인 회로에 대한 비용을 필요로 하지 않기 때문에, 대략적인 상기 충전 상태 추정 확률을 확인할 수 있다.
그러나 이러한 방법은 일시적으로 한꺼번에 방전 전류가 변화하는 변동적인 방전 구간에서 상기 충전 상태 추정의 명확성이 떨어질 수 있다. 이러한 제한 때문에 상기 방법은 연산 성능이 향상되고 전원 사용 패턴이 굉장히 변동적인 최근 휴대용 또는 사물 인터넷 장치에서 실질적으로 상기 충전 상태 측정에 대한 에러를 발생시킬 수 있다.
본 발명이 이루고자 하는 기술적 과제는, 배터리의 상태에 따라 다양한 방법으로 배터리의 충전 상태를 추정할 수 있는 방법을 제공하는 것이다.
또한, 본 발명이 이루고자 하는 다른 기술적 과제는, 배터리의 충전 상태 추정시 축척되는 에러의 영향을 최소화할 수 있는 배터리의 충전 상태 추정 방법을 수행하는 배터리 관리 장치를 제공하는 것이다.
본 발명의 일실시예에 따르면, 배터리를 이용하는 장치에 장착된 상기 배터리가 처음 이용되는 것인지 여부를 판단하는 단계; 상기 배터리가 처음 이용되는 것인 경우, 초기화를 실행하는 단계; 상기 초기화를 실행하는 경우, 롱텀 에너지 프로세스를 수행하는 단계; 상기 롱텀 에너지 프로세스를 통하여 상기 배터리의 충전 상태값 및 저항값을 예측하는 단계; 상기 초기화를 실행하지 아니하는 경우, 숏텀 에너지 프로세스를 수행하는 단계; 상기 배터리의 전류값 및 전압값에 기초하여 휴지 상태에 도입하는지 여부를 결정하는 단계; 상기 휴지 상태에 도입하는 경우, 상기 배터리의 개로 전압값을 획득하여 상기 배터리의 충전 상태값을 재조정하는 단계; 및 상기 휴지 상태에 도입하지 아니하는 경우, 상기 숏텀 에너지 프로세스를 계속 수행하여 상기 배터리의 현재 저항값 및 현재 개로 전압값을 예측하는 단계를 포함한다. 상기 초기화를 실행하는 단계는 초기 단자 전압, 초기 충전 상태 값, 및 초기 저항값을 설정할 수 있다.
일 실시예에서, 상기 롱텀 에너지 프로세스를 수행하는 단계는, 상기 초기 단자 전압 값과 측정되는 단자 전압 값을 이용하여 개로 전압값을 예측하는 단계; 상기 개로 전압값, 상기 초기 충전 상태값, 측정되는 충전 상태값을 이용하여 충전 상태 차이값을 측정하는 단계; 상기 충전 상태 차이값을 이용하여 평균 전류값을 예측하는 단계; 상기 평균 전류값, 상기 초기 저항값을 기초로 획득되는 저항값을 이용하여 상기 개로 전압값을 획득하여 상기 배터리의 충전 상태값을 재예측하는 단계; 및 상기 예측된 개로 전압값 및 상기 획득된 저항값을 기초로 상기 롱텀 에너지의 충전 상태값 및 저항값을 예측할 수 있다.
또한, 상기 숏텀 에너지 프로세스를 수행하는 단계는, 상기 배터리의 개로 전압, 충전 상태값, 및 저항값을 추정하는 단계; 상기 개로 전압, 상기 충전 상태값, 및 상기 저항값을 이용하여 전류값을 추정하는 단계; 및 상기 전류값, 상기 충전 상태값의 차이값을 이용하여 상기 배터리의 현재 충전 상태값 및 현재 저항값을 예측하는 단계를 포함할 수 있다.
상기 휴지 상태에 도입하는지 여부를 결정하는 단계는 상기 배터리의 전류값이 최소 전류값보다 작거나 현재 단자 전압값이 일정하게 유지되는 기간이 문턱 시간보다 긴 경우 상기 휴지 상태에 도입할 수 있다. 상기 배터리의 개로 전압값을 재조정하는 단계는 상기 롱텀 에너지 프로세스 및 상기 숏텀 에너지 프로세스 중 적어도 하나 이상을 다시 수행하는 단계를 포함한다.
본 발명의 다른 실시예에 따르면, 상기 배터리의 충전 상태를 추정하는 방법을 컴퓨터에서 실행하기 위한 프로그램을 기록하는 컴퓨터 판독 가능한 기록 매체일 수 있다.
본 발명의 또 다른 실시예에 따르면, 배터리 관리 장치에 있어서, 상기 배터리 관리 장치는 프로세서를 포함하고, 상기 프로세서는, 배터리를 이용하는 장치에 장착된 상기 배터리가 처음 이용되는 것인지 여부를 판단하는 동작; 상기 배터리가 처음 이용되는 것인 경우, 초기화를 실행하는 동작; 상기 초기화를 실행하는 경우, 롱텀 에너지 프로세스를 수행하는 동작; 상기 롱텀 에너지 프로세스를 통하여 상기 배터리의 충전 상태값 및 저항값을 예측하는 동작; 상기 초기화를 실행하지 아니하는 경우, 숏텀 에너지 프로세스를 수행하는 동작; 상기 배터리의 전류값 및 전압값에 기초하여 휴지 상태에 도입하는지 여부를 결정하는 동작; 상기 휴지 상태에 도입하는 경우, 상기 배터리의 개로 전압값을 획득하여 상기 배터리의 충전 상태값을 재예측하는 동작; 및 상기 휴지 상태에 도입하지 아니하는 경우, 상기 숏텀 에너지 프로세스를 계속 수행하여 상기 배터리의 현재 저항값 및 현재 개로 전압값을 예측하는 동작을 수행할 수 있다.
상기 초기화를 실행하는 동작은 초기 단자 전압, 초기 충전 상태 값, 및 초기 저항값을 설정할 수 있다.
일 실시예에서, 상기 롱텀 에너지 프로세스를 수행하는 동작은, 상기 초기 단자 전압 값과 측정되는 단자 전압 값을 이용하여 개로 전압값을 예측하는 동작; 상기 개로 전압값, 상기 초기 충전 상태값, 측정되는 충전 상태값을 이용하여 충전 상태 차이값을 측정하는 동작; 상기 충전 상태 차이값을 이용하여 평균 전류값을 예측하는 동작; 상기 평균 전류값, 상기 초기 저항값을 기초로 측정되는 저항값을 이용하여 상기 개로 전압값을 재예측하는 동작; 및 상기 측정된 개로 전압값 및 상기 측정된 저항값을 기초로 상기 롱텀 에너지의 충전 상태값 및 저항값을 추정할 수 있다.
상기 숏텀 에너지 프로세스를 수행하는 동작은, 상기 배터리의 개로 전압, 충전 상태값, 및 저항값을 예측하는 동작; 상기 개로 전압, 상기 충전 상태값, 및 상기 저항값을 이용하여 전류값을 예측하는 동작; 및 상기 전류값, 상기 충전 상태값의 차이값을 이용하여 상기 배터리의 현재 충전 상태값 및 현재 저항값을 예측할 수 있다.
상기 휴지 상태에 도입하는지 여부를 결정하는 동작은 상기 배터리의 전류값이 최소 전류값보다 작거나 현재 단자 전압값이 일정하게 유지되는 기간이 문턱 시간보다 긴 경우 상기 휴지 상태에 도입할 수 있다. 상기 배터리의 개로 전압값을 획득하여 상기 배터리의 충전 상태값을 재예측하는 동작은 상기 롱텀 에너지 프로세스 및 상기 숏텀 에너지 프로세스 중 적어도 하나 이상을 다시 수행하는 단계를 포함할 수 있다.
본 발명의 실시예에 따르면, 배터리의 상태에 따라 다양한 방법으로 배터리의 충전 상태를 추정함으로써, 상기 배터리의 충전 상태 추정의 명확성을 향상시키면서 추가되는 하드웨어를 최소화할 수 있는 배터리의 충전 상태를 추정 또는 예측할 수 있는 방법을 제공하는 것이다.
본 발명의 다른 실시예에 따르면, 잠정적인 정정 방법을 적용함으로써 배터리의 충전 상태 추정시 축척되는 에러의 영향을 최소화할 수 있는 배터리의 충전 상태를 추정 또는 예측하는 방법을 수행하는 배터리 관리 장치를 제공하는 것이다. 또한, 단자 전압만을 측정하고 이를 이용함으로써 저비용 및 저전력으로 배터리의 충전 상태값을 추정할 수 있는 방법 및 이러한 배터리의 관리 장치를 제공하는 것이다.
도 1은 본 발명의 일 실시예에 따른 배터리 충전 상태 추정 장치의 구성을 도시한 것이다.
도 2는 본 발명의 일 실시예에 따른 롱텀 에너지 추정 프로세스를 나타내는 순서도이다.
도 3은 본 발명의 일 실시예에 따른 숏텀 에너지 추정 프로세스를 나타내는 순서도이다.
도 4는 본 발명의 일 실시예에 따른 배터리 충전 상태의 추정 방법을 나타내는 순서도이다.
도 5는 본 발명의 일 실시예에 따른 배터리의 충전 상태를 추정하는 상세 방법을 나타내는 순서도이다.
도 6a 및 도 6b는 안정적인 방전 상태에서의 초기 충전 상태값을 추정하는 실험 결과 그래프들이다.
도 7a 및 도 7b는 변동적인 방전 상태에서의 초기 충전 상태값을 추정한 실험 결과 그래프들이다.
도 8a 내지 도 8d는 안정적인 방전 시나리오에서의 충전 상태값을 추정한 실험 결과 그래프들이다.
도 9a 내지 도 9d는 변동적인 방전 시나리오에서의 충전 상태값을 추정한 실험 결과 그래프들이다.
도 10a 내지 도 10d는 변동적인 방전 시나리오에서의 충전 상태값을 추정한 실험 결과 그래프들이다.
이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 상세히 설명하기로 한다.
본 발명의 실시예들은 당해 기술 분야에서 통상의 지식을 가진 자에게 본 발명을 더욱 완전하게 설명하기 위하여 제공되는 것이며, 하기 실시예는 여러 가지 다른 형태로 변형될 수 있으며, 본 발명의 범위가 하기 실시예에 한정되는 것은 아니다. 오히려, 이들 실시예는 본 개시를 더욱 충실하고 완전하게 하고, 당업자에게 본 발명의 사상을 완전하게 전달하기 위하여 제공되는 것이다.
도면에서 동일 부호는 동일한 요소를 지칭한다. 또한, 본 명세서에서 사용된 바와 같이, 용어 "및/또는"은 해당 열거된 항목 중 어느 하나 및 하나 이상의 모든 조합을 포함한다.
본 명세서에서 사용된 용어는 실시예를 설명하기 위하여 사용되며, 본 발명의 범위를 제한하기 위한 것이 아니다. 또한, 본 명세서에서 단수로 기재되어 있다 하더라도, 문맥상 단수를 분명히 지적하는 것이 아니라면, 복수의 형태를 포함할 수 있다. 또한, 본 명세서에서 사용되는 "포함한다(comprise)" 및/또는 "포함하는(comprising)"이란 용어는 언급한 형상들, 숫자, 단계, 동작, 부재, 요소 및/또는 이들 그룹의 존재를 특정하는 것이며, 다른 형상, 숫자, 동작, 부재, 요소 및/또는 그룹들의 존재 또는 부가를 배제하는 것이 아니다.
이하, 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다. 실시예들을 설명함에 있어 관련된 공지 기능 또는 구성에 관한 구체적인 설명이 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는, 그에 관한 상세한 설명은 생략할 것이다.
일실시예에 따른 영상 처리 방법은 영상 처리 장치에 의해 수행될 수 있다. 각 도면에 제시된 동일한 참조부호는 동일한 부재를 나타낸다.
본 발명의 배터리의 충전 상태를 추정하는 방법에서는 숏텀 기반의 충전 상태 추정 방법 및 롱텀(OCV, resistance [R]) 을 기반으로 하여 잠정적인 정정(interim correction) 방법을 이용한다. 이는 단자 전압만을 측정하는 저 비용의 충전 상태 추정을 위한 변동적인 방전 상태의 다양성 내에서 충전 상태 추정의 명확성을 향상시키기 위한 것이다. 본 발명의 일 실시예에 따른 배터리의 충전 상태를 추정하는 방법은 변동적인 방전 테스트에서 다른 현존하는 방법들에 비해 제안 방법이 더 적은 충전 상태값의 추정 에러를 보임을 추후에 설명하기로 한다.
일반적으로 전류 센서 없이 단자 전압만 이용하는 휴대용 장치들에서 충전 상태를 추정하기 위한 방법으로서, 1차 RC 회로 내의 배터리를 모델링하고, 방전 상태에서 단자 전압을 향한 커패시터 전압 변화 및 레지스터 전압 변화의 특성을 카테고리화하며, 저주파 대역 필터(LPF)를 기초로 전류를 측정하고, 쿨롱 카운트를 수행하는 방법을 이용하였다. 상기 방법은 다른 방법들에 비해 간단한 프로세스로 충전 상태를 추정할 수 있으나, 초기 충전 상태를 충전할 수 없고, 방전 전류가 빠르게 변할 때 충전 상태값의 추정 레벨의 정확도가 변동적인 방전 상태에서 낮아질 수 있다.
도 1은 본 발명의 일 실시예에 따른 배터리 충전 상태 추정 장치의 구성을 도시한 것이다.
도 1을 참조하면, 일 실시예에 따르면, 배터리 관리 장치(Battery Management System, BMS)(102)는 배터리(104)의 충전 상태를 실시간으로 추정할 수 있다. 배터리 관리 장치(102)는 센서를 통해 측정된 배터리(104)의 관찰 가능한 상태 정보를 이용하여 배터리(104)의 내부 상태 또는 관찰 불가능한 변수를 실시간으로 추정할 수 있다. 배터리 관리 장치(102)는 측정된 상태 정보를 미리 추정된 충전 상태와 동화(assimilation)함으로써 배터리(104)의 관찰 불가능한 변수를 정확하게 추정, 추적 또는 예측할 수 있다.
여기서, 관찰 가능한 상태 정보는 배터리(104)의 전압, 전류 및 온도 중 하나 이상의 상태 정보를 포함할 수 있다. 관찰 불가능한 변수는 충전 상태(State of Charge, SoC) 또는 열화 상태(State of Health, SoH)를 포함할 수 있다. 배터리(104)의 충전 상태는 배터리(104)의 단자 전압, 단자 전류, 충/방전 효율, 내부 온도, 충전율 및 전하 농도 중 하나 이상을 포함할 수 있다.
배터리 관리 장치(102)는 숏텀 에너지(Short-term Energy, STE) 추정 방법, 롱텀 에너지(Long-term Energy, LTE) 추정 방법, 및 잠정적인 정정(Interim Correction) 방법을 이용하여 배터리(104)의 단자 전압, 충전 상태값, 저항값 등을 획득할 수 있다. 상세하게는, 배터리(104)가 장착된 장치에의 배터리(104)가 이전에 이용된 적이 있는 배터리인지 여부에 따라 숏텀 에너지 추정 방법 또는 롱텀 에너지 추정 방법을 통하여 배터리(104)의 충전 상태를 나타내는 값을 획득할 수 있다.
배터리 충전 상태 추정 장치(100)는 배터리 관리 장치(102) 및 배터리(104)를 포함할 수 있다. 일 실시예에서, 배터리 관리 장치(102)는 배터리(104)와 별도로 외부에 존재할 수도 있다. 배터리 관리 장치(102)는 모바일 폰 또는 랩탑과 같은 전자 장치 또는 전기 자동차에 포함될 수 있다. 배터리(104)의 충전 상태를 추정하는 방법은 배터리 관리 장치(102)에서 구현될 수 있다. 배터리(104)의 충전 상태를 추정하는 방법은 배터리 충전 상태 추정 장치(100)에 통합된 배터리 관리 장치(102)가 배터리(104)의 충전 상태를 추정하기 위한 기능들을 수행하도록 할 수 있다. 배터리(104)는, 예를 들어, 리튬-이온 셀을 포함할 수 있다.
배터리 관리 장치(102)는 전자 장치 또는 전기 자동차 등에서 요구되는 지능형 배터리 관리(intelligent battery management)에 적용될 수 있다. 배터리 관리 장치(102)는 서로 다른 환경에서 사용자, 운전자 또는 파일럿의 행동에 지능적으로 반응할 수 있다. 예를 들어, 배터리 관리 장치(102)는 무인 전기 자동차의 배터리(104)의 상태에 관해 불확실성이 존재하는 경우에, 무인 전기 자동차의 자율 주행 컨트롤러가 적합한 결정을 내리도록 도울 수 있다. 배터리 관리 장치(102)는 일정 기준 이상의 신뢰성으로 배터리(104)의 관찰 불가능한 변수들을 추정할 수 있다.
예를 들어, 전기 자동차는 일반적으로 직렬 및/또는 병렬 구조로 배치된 리튬-이온 셀로 구성된 배터리 팩을 사용함으로써 높은 출력을 만족시킨다. 배터리 관리 장치(102)는 리튬-이온 셀을 모니터링하거나 온도, 전류 또는 전압 등과 같은 관찰 가능한 변수를 추정하기 위하여 센서를 사용할 수 있다. 센서는 온-보드(on-board) 센서일 수 있으며 배터리(104) 내부에 배치될 수 있고, 배터리 관리 장치(102) 역시 온-보드 형태로 배치될 수 있다.
배터리 관리 장치(102)는 데이터를 실시간으로 동화함으로써 관찰 불가능한 변수 및 내부 상태를 실시간으로 추정할 수 있다. 배터리 관리 장치(102)는 각각의 리튬-이온 셀을 지속적으로 모니터링하고 충전 상태 또는 열화 상태와 같은 배터리(104)의 관찰 불가능한 변수들을 추정함으로써 안전한 구동을 보장할 수 있다. 이처럼, 배터리 관리 장치(102)는 스케일이 확장된(scaled-up) 배터리 팩 구성으로부터 야기되는 새로운 안전 문제를 해소할 수 있다.
배터리 관리 장치(102)는 센서에 의해 측정된 전류, 전압 또는 온도 등의 배터리(104)의 파라미터 정보 또는 상태 정보를 획득하는 프레임워크(framework)를 제공할 수 있다. 배터리 관리 장치(102)는 획득된 정보를 초기에 추정된 충전 상태와 비교하고, 비교 결과를 기초로 배터리(104)의 현재 충전 상태를 추정할 수 있다.
배터리 관리 장치(102)는 센서로부터 전압, 전류 또는 온도 등과 같은 배터리(104)의 관찰 가능한 상태를 측정함으로써 배터리(104)의 관찰 불가능한 상태 및 내부 상태에 관한 정보를 실시간으로 추정할 수 있다. 배터리 관리 장치(102)는 계산적으로 효율적인 데이터 동화를 수행하며, 여기서 추정된 충전 상태는 배터리(104)의 관찰 가능한 파라미터들의 정보와 결합됨으로써 배터리(104)의 현재 충전 상태를 추정하는데 사용될 수 있다. 배터리 관리 장치(102)는 실시간 구현을 위해 수정될 수 있으며, 계산적으로 경제적이다. 배터리 관리 장치(102)는 보드에 임베딩(embedding)되도록 수정될 수도 있다.
배터리 관리 장치(102)는 배터리(104) 양단 사이의 전위 차이, 캐소드(cathode) 및 애노드(anode)에서의 표면 농도(surface concentration), 애노드에서의 고체 상태 전위(solid potential), 전해질 농도(electrolyte concentration) 또는 전해질 전위(electrolyte potential) 등과 같은 배터리(104)의 내부 상태에 관한 확률적 정보를 제공할 수 있다. 배터리 관리 장치(102)는 충전 상태와 같은 관찰 불가능한 변수의 확률적 정보를 제공할 수 있다. 예를 들면, 자율주행/반 자율주행 차량의 컨트롤러를 포함하는 차량 제어 시스템과 배터리 관리 장치(102)가 통합되거나 사물 인터넷 장치의 제어 시스템과 배터리 관리 장치(102)가 통합되어 확률적 정보가 이용될 수 있다.
배터리 관리 장치(102)는 초기 충전 상태가 알려지지 않았을 때 배터리(104)의 충/방전의 시작부터 160초 내로 배터리(104)의 내부 상태를 정확하게 추적할 수 있다. 배터리 관리 장치(102)는 배터리(104) 전체에 걸쳐 배터리(104)의 내부 상태를 정확하게 예측할 수 있다. 예를 들면, 배터리 관리 장치(102)는 실제 드라이브 주기와 관련된 부하 전류에서의 어떠한 빠르기의 변화를 다루거나 사물 인터넷 장치의 사용 전압 또는 사용 전류의 변화도 다룰 수 있다.
본 발명의 일 실시예에 따른 배터리의 충전 상태를 추정하는 방법은 롱텀 에너지(LTE) 추정 알고리즘, 숏텀 에너지(STE) 추정 알고리즘, 및 단자 전압 측정을 기반으로 하며, 상기 충전 상태 추정 방법의 정확도를 향상시키기 위한 상기 롱텀 에너지 및 상기 숏텀 에너지 사이의 잠정적인 정정 단계를 포함할 수 있다. 이는 충전 상태의 추정 파라미터의 특성들을 시간의 함수로서 변경시켜 적용됨으로써 수행될 수 있다. 다시 말해, 충전 상태에서의 변화량은 평균 단자 전압들 사이의 차이값 및 롱텀 에너지 추정 알고리즘의 개로 회로 전압들의 차이값들 사이의 유사도에 기반하여 예측될 수 있다. 상기 예측에 기초하여, 상기 충전 상태는 역 쿨롱 카운팅 이후에 갱신될 수 있다.
숏텀 에너지 추정 알고리즘에서, 짧은 기간 내에서의 방전 전류들은 개로 전압 및 저항 값이 단기간에 시간의 함수로서 천천히 변화하는 지점에서의 특성을 이용함으로써, 이전 값들이 될 현재 파라미터 값들을 추정하는 과정을 통하여 예측될 수 있다. 이후, 충전 상태는 쿨롱 카운팅 프로세스를 이용하여 예측될 수 있다.
마지막으로, 잠정적인 정정 방법은 장시간에 걸쳐 적용되는 숏텀 에너지 추정 방법에서의 이전 값을 고정하는 연속적인 과정에서 축척될 수 있는 에러들의 잠정적인 정정을 위해 제안될 수 있다.
본 발명의 상기 충전 상태의 에너지 추정 방법은 다양한 전력 노이즈의 제거 및 추정 에러를 발생을 감소시키기 위한 전처리 과정에서의 저주파 대역 필터를 포함하고, 이것은 간헐적인 단자 전압을 측정하는 환경에서 발생될 수 있다.
도 2는 본 발명의 일 실시예에 따른 롱텀 에너지 추정 프로세스를 나타내는 순서도이다.
본 발명은 변동적인 방전 상태에서의 단자 전압의 큰 폭의 변동 때문에 발생되는 충전 상태의 추정 에러를 정정하기 위하여 추정 단위 시간을 연장할 수 있으며, 이는 최근 사물 인터넷 장치들에 빈번하게 일어난다. 또한, 역 쿨롱 카운팅 과정을 적용하여 평균 방전 전류를 추정하기 위한 단자 전압에서의 차이에 기초해 개로 전압 및 충전 상태의 차이들을 산출할 수 있다. 이후, 상기 개로 전압 값은 현재 측정된 단자 전압(Vt[n]) 및 전압 강하(voltage drop, IR) 사이의 차이를 산출함으로써 예측될 수 있다.
먼저, 휴지 상태(Relaxation State)에서의 개로 전압값(OCV_RST)이 존재하는지 여부를 나타내는 플래그가 1인지 판단한다(S10). 만일 개로 전압값(OCV_RST)가 존재하는 경우에는, 휴지 상태의 개로 전압값(OCVRST)을 n-d 시간의 개로 전압값(OCV[n-d])로 설정한다(S11). 한편, 개로 전압값(OCV_RST)가 존재하지 아니하는 경우에는 초기화 단계 수행중인지 여부를 나타내는 초기화 플래그(FLAGINT)가 1인지 판단한다(S12). 만일 상기 초기화 플래그가 1인 경우에는 n 에서의 저항값(RLTE[n])을 n-1 에서의 저항값(RLTE[n-1])으로 설정한다(S13). 한편, 상기 초기화 플래그가 0인 경우에는 숏텀 에너지 추정 프로세스의 n에서의 저항값(RSTE[n])을 n-1 에서의 저항값(RSTE[n-1])으로 설정한다(S14).
이후, 단자 전압의 차이값(△Vt= △OCV)을 산출하고, 상기 단자 전압의 차이값을 이용하여 n 에서의 개로 전압값(OCV[n])을 산출할 수 있다(S15). 상기 개로 전압값을 충전 상태값의 테이블(SOC_TBL)을 이용하여 n-d 및 n 에서의 롱텀 에너지 프로세스의 충전 상태값(SOCLTE[n-d], SOCLTE[n])을 산출할 수 있고, 이들을 이용하여 충전 상태값의 차이값(△SOC)를 측정할 수 있다(S16). 또한, 상기 충전 상태값의 차이값과 최대 전하량(Qmax), 및 측정 시간을 이용하여 평균 전류값(Iavr)을 산출할 수 있고(S17), 상기 평균 전류값과 상기 n-1 에서의 저항값을 이용하여 단자 전압값(Vd)를, 상기 단자 전압값을 이용하여 임시적인 개로 전압값(OCVtmp)을, 상기 최대 개로 전압값(OCVmax) 및 임시 개로 전압값(OCVtmp)을 이용하여 n 에서의 개로 전압값(OCV[n])을 예측할 수 있다(S18). 마지막으로, 상기 획득된 n 에서의 개로 전압값(OCV[n])을 충전 상태값 테이블에 대입하여 n 에서의 충전 상태값(SOCLTE[n])을 획득하고, 상기 충전 상태값을 저항값 테이블에 대입하여 n 에서의 저항값(RLTE[n])을 획득할 수 있다(S19).
이러한 방법은 초기 값을 참조할 필요 없이 특정 시간동안 동작 후에 초기 값을 획득할 수 있고, 롱텀에서 상기 충전 상태의 평균 변화를 예측할 수 있으므로, 일반적인 쿨롱 카운팅 방법에서 축척되는 에러 발생 문제를 잠정적으로 정정할 수 있다.
시간 경과에 따른 배터리 상태와 관련된 신호의 변화는 충전 상태-개로 전압(SOC-OCV) 및 충전 상태-저항(SOC-R) 그래프에서 볼 수 있다. 이러한 주파수 특성들을 분석할 때, 단자 전압에 비하여 개로 전압 및 내부 저항 파라미터들은 시간이 지날수록 매우 천천히 변화되었다. 이것은 상기 개로 전압 및 저항 값들이 숏텀 방전 전류를 예측하는 과정에서 근사치를 낼 수 있음을 함축한다. OCV[n-1] 값과 Vt[n] 값 사이의 차이가 충전 시간 측정과 관련된 배터리 신호에서 이러한 특성의 변화에 기초하여 R[n-1] 값으로 나뉠 수 있을 때, 방전 전류(I[n])는 작은 에러 범위 이내에서 예측될 수 있다.
하기 수학식 1 및 2는 이전 값들을 이용하여 현재 개로 전압 및 저항을 추정하는 과정을 나타내며, 하기 수학식 3은 이러한 가정에 기초하여 I[n]을 산출하는 수학식이다.
Figure 112017130399434-pat00001
Figure 112017130399434-pat00002
Figure 112017130399434-pat00003
도 3은 본 발명의 일 실시예에 따른 숏텀 에너지(STE) 추정 프로세스를 나타내는 순서도이고, 이는 상술한 가정들에 기초하여 제안되었다.
도 3을 참조하면, 먼저, 휴지 상태에서의 개로 전압값이 존재하는지를 나타내는 플래그인 휴지 상태의 개로 전압 플래그(FLAGOCV _ RST)가 1인지 확인할 수 있다(S20). 만일 상기 개로 전압 플래그가 1인 경우, 상기 휴지 상태의 개로 전압값(OCVRST)을 n-1 에서의 개로 전압값(OCV[n-1])으로 설정할 수 있다(S22). 한편, 만일 상기 개로 전압 플래그가 0인 경우, n 에서의 개로 전압값(OCV[n])을 n-1 에서의 개로 전압값(OCV[n-1])으로 설정할 수 있다(S21).
이후, 롱텀 에너지 추정 프로세스가 수행중인지 여부를 나타내는 롱텀 플래그(FLAGLTE)를 확인할 수 있다(S23). 만일 상기 롱텀 플래그가 1인 경우, n 에서의 롱텀 에너지 추정 프로세스에서의 충전 상태값(SOCLTE[n]) 및 저항값(RLTE[n])을 n-1 에서의 충전 상태값(SOCSTE[n-1]) 및 저항값(RSTE[n-1])으로 설정하고, 상기 롱텀 플래그가 0인 경우, n 에서의 숏텀 에너지 추정 프로세스에서의 충전 상태값(SOCSTE[n]) 및 저항값(RSTE[n])을 n-1 에서의 숏텀 에너지 추정 프로세스에서의 충전 상태값(SOCSTE[n-1]) 및 저항값(RSTE[n-1])으로 설정할 수 있다(S24).
상기 n-1 에서의 충전 상태값(SOC[n-1]) 및 저항값(R[n-1])을 이용하여 n 에서의 전류값(I[n]) 및 클리핑된 전류값(Ic[n])을 산출할 수 있다(S26). 상기 n 에서의 전류값(I[n])은 상기 수학식 3을 이용하여 산출될 수 있다. 또한, 상기 클리핑된 전류값(Ic[n])을 이용하여 n 에서의 충전 상태값(SOCSTE[n])을 획득할 수 있다(S27). 상기 롱텀 플래그(FLAGLTE)를 다시 확인하여(S28), 상기 롱텀 플래그(FLAGLTE)가 1인 경우에는 상기 n 에서의 충전 상태값(SOCSTE[n])을 충전 상태값 테이블(SOC_TBL)에 적용하여 n 에서의 저항값(RSTE[n])을 획득하고, 상기 저항값(RSTE[n])을 이용하여 n 에서의 개로 전압값(OCV[n])을 획득할 수 있다(S29). 또한, 상기 n 에서의 개로 전압값(OCV[n])을 이용하여 n 에서의 충전 상태값(SOCSTE[n])을 다시 획득하고, 상기 충전 상태값(SOCSTE[n])을 이용하여 n 에서의 저항값(RSTE[n])을 다시 획득할 수 있다(S29_5).
상기 산출된 I[n] 값은 상기 개로 전압 값이 항상 단자 전압값 보다 큰 사실을 이용함으로써 클리핑 과정을 통해 분류될 수 있고, 그러므로, 양수의 값만이 남는다. 이후, 클리핑을 통해 이미 산출된 Ic[n] 값은 충전 상태에서의 숏텀 변화를 계산하기 위해 역 쿨롱 카운팅 방법으로 처리될 수 있다. 이후, 현재 충전 상태 값은 이전 충전 상태 값으로부터 변경된 충전 상태 값을 감산함으로써 추정될 수 있다. 마지막으로, 전류 R 및 개로 전압 값은 SOC-R 및 SOC-OCV 테이블을 이용해 각각 갱신될 수 있다.
이러한 방법은 숏텀에서의 충전 상태를 추정하기 위해 정확도를 높일 수 있다. 그러나, 변동적인 배터리의 방전 상태가 휴지 상태 없이 계속되는 경우에는 이전 값들이 될 개로 전압 및 저항 값의 추정 과정에서 발생되어 축척되는 에러가 끊임없이 증가하는 문제도 발생될 수 있다.
본 발명의 일 실시예에 따른 추정 방법은 숏텀 에너지 추정 프로세스에서 축척되는 에러 문제에 대하여 잠정적인 정정을 수행하기 위하여, 롱텀 에너지 및 숏텀 에너지 추정 프로세스들을 조합하여 적용하였다. 오랜 시간동안 계속되는 방전 상태에서는 단자 전압값 간의 평균 차이가 개로 전압 값 간의 차이와 유사하고, 따라서, 계속되는 숏텀 에너지 추정 프로세스로 인해 축척되는 충전 상태의 추정 에러는 롱텀 에너지 및 숏텀 에너지 추정 프로세스를 통하여 잠정적으로 정정될 수 있다. 숏텀에서 방전되는 전류는 숏텀 에너지 추정 프로세스로 예측되는 것이 더 정확하기 때문에, 롱텀 에너지 및 숏텀 에너지 추정 프로세스는 잠정적인 정정 과정에서 연속적으로 수행될 수 있다.
롱텀 에너지 추정 프로세스에서 획득되는 충전 상태값(SOCLTE) 및 저항값(RLTE)은 숏텀 에너지 추정 프로세스로 전송되고, 이후 숏텀 에너지 추정 프로세스만이 수행될 수 있다. 도 3에서 도시되는 숏텀 에너지 추정 프로세스에서는 롱텀 에너지 및 숏텀 에너지 추정 프로세스의 잠정적인 정정 모드가 커져 있을 때, 롱텀 에너지 추정 프로세스로부터 전송된 충전 상태값(SOCLTE) 및 저항값(RLTE) 값은 이전 값들로 저장될 수 있고, 즉각적인 방전 전류는 이전 값을 이용해 계산될 수 있고, 이를 수학식 3으로 나타냈다. 이후, 충전 상태에서의 숏텀 차이값은 쿨롱 카운팅 방법을 이용하여 획득될 수 있고, 현재 동작 모드의 플래그가 롱텀 에너지 및 숏텀 에너지 추정 프로세스의 잠정적인 정정 상태에 있을 때, 숏텀 프로세스에서의 저항값(RSTE) 값은 갱신될 수 있고, 전압 강하가 산출될 수 있다. 최종 개로 전압값은 현재의 단자 전압에 IR을 가산함으로써 획득될 수 있다. 최종 단계에서 모든 SOC_STE 및 R_STE 값들은 획득된 개로 전압값을 기초로 하여 갱신될 수 있다.
도 4는 본 발명의 일 실시예에 따른 배터리 충전 상태의 추정 방법을 나타내는 순서도이다.
도 4를 참조하면, 본 발명의 일 실시예에 따른 배터리 충전 상태의 추정 방법은 초기화 단계, 롱텀 에너지 추정 단계, 숏텀 에너지 추정 단계, 및 휴지 단계를 포함한다.
먼저 상기 추정 방법은 배터리를 이용하는 장치에 장착된 상기 배터리가 이전에 이용된 적이 없이 처음 이용되는 것인지 여부를 판단한다(S30). 상기 배터리가 처음 이용되는 경우, 초기화 단계를 시작하여 초기 충전 상태값 및 초기 단자 전압값, 및 초기 저항값을 설정할 수 있다(S31). 초기화 단계(S31)가 완료되면 롱텀 에너지 추정 프로세스를 시작할 수 있다(S32). 상기 롱텀 에너지 추정 프로세스를 통하여 롱텀 에너지 추정에서의 충전 상태값(SOCLTE), 저항값(RLTE), 및 롱텀 에너지 추정 프로세스가 수행되는지 여부를 나타내는 롱텀 플래그(FLAGLTE)를 획득할 수 있다(S33).
상기 배터리가 처음 이용되는 것인지 여부를 판단하는 단계(S30)에서 상기 배터리가 이전에 이용된 적이 있는 배터리인 경우에는 숏텀 에너지 추정 프로세스를 시작할 수 있다(S34). 상기 배터리가 이용된 적이 있다면 상기 배터리에 대한 모든 정보인 현재 충전 상태값, 단자 전압값, 및 저항값을 모두 알고 있으므로 이들을 기초로 하여 프로세스를 수행할 수 있다. 상기 숏텀 에너지 추정 프로세스 중 예측되는 전류값이 최소 전류값 보다 작고 단자 전압값이 작은 값으로 일정 시간 이상 안정적인 경우인지 판단할 수 있다(S35).
만일 조건에 해당하지 않는 경우에는 상기 숏텀 에너지 추정 프로세스를 통하여 숏텀 에너지 추정에서의 충전 상태값(SOCSTE), 저항값(RSTE), 개로 전압값(OCVSTE)및 숏텀 에너지 추정 프로세스가 수행되는지 여부를 나타내는 숏텀 플래그(FLAGSTE)를 획득할 수 있다(S36). 또한, 상기 조건에 해당하는 경우, 상기 배터리는 휴지 상태에 도입할 수 있다(S37). 상기 휴지 상태 중에도 전류값을 예측하여 상기 전류값이 최소 전류값 보다 작고 단자 전압값이 작은 값으로 일정 시간 이상 안정적인 경우인지 판단함으로써(S38), 조건을 만족시키는 경우에는 상기 휴지 상태(S37)를 유지할 수 있다. 또한, 상기 조건을 만족시키지 못하는 경우에는 개로 전압값(OCV)을 획득할 수 있다(S39).
도 5는 본 발명의 일 실시예에 따른 배터리 충전 상태의 추정하는 상세 방법을 나타내는 순서도이다.
도 5를 참조하면, 상기 순서는 초기화 단계, LTE 추정 단계, STE 추정 단계, 및 휴지 단계를 포함한다. 제안하는 방법이 임베디드되는 시스템을 위해 상기 초기화 단계는 현재 연결된 배터리가 켜졌는지, 사용되던 배터리인지, 또는 새로운 것인지 여부에 따라 다르게 수행될 수 있다(S50). 만일 새로운 배터리가 연결되었으면, 상기 배터리에 대한 기존의 정보를 전혀 모르기 때문에, 초기값을 결정하기 위한 초기화 단계를 시작하여야 한다(S51). 만일 현재 연결된 배터리가 기존에 이용되던 배터리이면, 상기 시스템은 상기 배터리의 상태(SOC, OCV, R 등)에 대한 모든 정보들을 이미 알고 있으므로, 제한하는 알고리즘 프로세스는 단 시간동안 충전 상태값의 추정을 위해 STE로 이동될 수 있다(S59, S60).
상기 초기화 단계에서 상기 초기 단자 전압은 OCV-SOC 테이블을 이용해 갱신될 수 있고, 상기 LTE 프로세스가 시작될 수 있다(S52). LTE 프로세스에서는, 초기 충전 상태 값은 SOC_LTE 차이값이 SOC_TH0값 보다 커질때까지 프로세스를 반복함으로써 추정될 수 있다.
상기 초기값(SOC, R)은 이러한 방법으로 추정되며, 관련된 FLAG값(FLAG_LTE)은 숏텀 에너지 추정 프로세스로 전송될 수 있다. 상기 롱텀 에너지 추정 프로세스는 앞서 도 2를 참조하여 설명한 과정을 수행할 수 있으며, 충전 상태값의 차이값이 문턱값보다 큰 경우(S55의 Yes), 잠정적인 정정 과정을 수행하여(S58) 충전 상태값, 저항값, 및 플래그 값을 획득할 수 있으며, 이는 숏텀 에너지 추정 프로세스로 전송될 수 있다.
숏텀 에너지 추정 프로세스(S60)도 앞서 도 3을 참조하여 설명한 과정을 수행할 수 있다. 상기 숏텀 에너지 추정 프로세스 중에도 예측된 전류값이 최소 전류값보다 작고 전압이 안정적인지 체크하며(S61), 체크시 조건에 해당하지 아니하는 경우에는 측정 시간이 400초를 초과하는지를 체크할 수 있다(S62). 상기 측정 시간이 400초를 초과하는 경우에는 숏텀 에너지 추정 프로세스를 완료하고, 저항값(RSTE)을 획득할 수 있다.
상기 전류값 및 전압값 체크하는 단계(S61)에서 상기 조건을 만족하는 경우에는 휴지 단계에 도입할 수 있다(S66). 상기 휴지 단계 중에도 상기 전류값 및 전압값은 체크되며(S67), 상기 조건 만족시 계속하여 휴지 단계에 머무르고, 상기 조건이 만족되지 아니하는 경우에는 휴지 단계에서의 개로 전압값 및 플래그를 숏텀 에너지 추정 프로세스의 시작 단계로 전송할 수 있다(S68). 상기 휴지 상태가 유지되는 동안, 단자 전압 및 개로 전압 값은 서로 거의 동일해지며, 따라서, 개로 전압_RST 값은 높은 정확성을 가지고 개로 전압 값을 연속적으로 리셋하기 위하여 LTE 및 STE 프로세스들로 전송될 수 있다. 상기 휴지 상태에서, 방전 전류(I) 는 상기 수학식 3을 이용하여 추정될 수 있다. 상기 휴지 상태에서 결정되는 상기 I_min 값은 실험적으로 결정될 수 있다.
본 발명의 일 실시예에 따른 충전 상태 추정 알고리즘은 C 언어를 이용하여 데스크탑 컴퓨터에 임베디드 될 수 있다. 배터리 방전 시뮬레이션을 위한 상기 실험예적인 환경은 Keithley 2281s 배터리 시뮬레이터, 방전 전류의 입력을 위한 Keithley SM2602 소스미터, 및 단자 전압의 측정을 위한 Keithley DMM7510 멀티미터를 포함할 수 있다. 이러한 실험에서 실제 배터리 방전 상태에서 가능한 것과 유사하도록 고 정확성 시뮬레이션 환경을 제공할 수 있다.
2281s 에서의 초기 모델링 과정은 LG G2 스마트폰을 위한 BL-54SG 2610 mAh 리튬이온 배터리를 이용하여 수행될 수 있다. 최신 소형 모바일 장치 및 사물 인터넷 장치들의 환경에서 다양한 방전 전류 프로파일 시나리오를 만들기 위하여, 방전 전류 입력 웨이브폼 신호는 매트랩으로 생성되었고, SM2602A를 이용하여 20Hz의 샘플링 속도에서 2281s가 적용되었다. 또한, 실제 변동적인 방전 상태에서 간헐적으로 측정되는 단자 전압값을 획득하기 위하여, DMM7510는 1 Hz 샘플링 속도에서 단자 전압값들을 측정하기 위해 2281s에 연결될 수 있다. 이들은 데스크탑 환경에서 충전 상태 추정 알고리즘의 입력으로서 이용될 수 있다.
충전 상태의 추정의 정확성을 확인하기 위한 실험에서 두 가지 실험들이 시행되었다. 첫번째는, 안정적인 및 변동적인 방전 시나리오에서의 본 발명의 일 실시예에 따른 LTE 방법에 기초하는 초기 충전 상태 추정시 에러 범위를 평가하였다. 두번째로는, 휴지 상태 없이 연속적인 안정/변동적인 방전 시나리오에서, 본 발명의 일 실시예에 따른 방법의 충전 상태 추정 정확도와 일반적인 알고리즘을 충전 상태 에러의 절대값으로 비교하였다.
첫번째 실험예에서 본 발명의 LTE 알고리즘 방법에 따른 초기 충전 상태 추정의 정확성을 확인하였다. 초기값을 위한 실험적인 조건에 따르면, 새로운 배터리의 초기 충전 상태는 95% 정도로 추정되었다. 실험을 위한 방전 전류 시나리오는 안정적인 방전 상태와 변동적인 방전 상태로 구분될 수 있다. LTE 알고리즘에서 초기값 추정의 타이밍을 결정하는 상기 SOC_TH0 값은 방전 시나리오의 타입에 따라 실험적으로 결정될 수 있다.
도 6a 및 도 6b는 안정적인 방전 상태에서의 초기 충전 상태값을 추정하는 실험 결과 그래프들이다.
도 6a는 안정적인 방전 전류(staircase wave)의 입력 상태를 나타내고, 도 6b는 시뮬레이터의 충전 상태에 점차적으로 다다르는 특정 시간동안 연속적으로 동작하는 LTE 추정 방법의 결과를 나타내는 것이다.
649 초에서 LTE 알고리즘의 SOC_LTE의 절대값이 TH1(7%)보다 커질 때, 초기값이 추정될 수 있다. 이 순간, 상기 시뮬레이터의 상기 충전 상태 값은 약 89.2% 이고, LTE 방법으로 추정되는 SOC 값은 약 93.9%에 다다를 수 있으며, 초기값 추정의 정확도 레벨은 오차 범위 4.7% 내로 보인다.
도 7a 및 도 7b는 변동적인 방전 상태에서의 초기 충전 상태값을 추정한 실험 결과 그래프들이다.
도 7a는 변동적인 방전 전류(3.25 Hz wave)의 입력 상태를 나타내고, 도 7b는 LTE 초기값 추정 결과를 나타내는 것이다. 변동적인 방전시 배터리 상태에서 초기값을 추정하기 위해 안정적인 상태에서의 배터리 상태값 추정시 보다 더 긴 시간동안 반복적으로 LTE 방법을 동작시켰다. 1144초에서 SOC_LTE 값이 TH2(15%)보다 커질 때, 초기값이 추정되었다. 그 순간, 시뮬레이터의 충전 상태 값은 79.9% 였고, LTE 방법으로 추정되는 충전 상태는 77.3%에 다다랐다. 또한, 초기값 추정을 위한 정확도 레벨은 오차범위 2.6% 내외였다.
결과적으로, 일반적인 초기값 추정 방법은 휴지 상태에 도입되었을 때에만 초기 값을 추정할 수 있다. 한편, 초기값 추정에 대한 실험 결과는 본 발명의 일 실시예에 따른 방법이 특정 시간동안 상기 추정 프로세스를 수행함으로써 대략적으로 충전 상태를 추정할 수 있음을 나타낸다.
두번째 실험예에서 충전 상태는 장시간동안 휴지 상태 없는 연속적인 방전 시나리오 상에서 추정되었으며, 이는 오늘날의 소형 모바일 및 사물 인터넷 장치에서 빈번하게 일어나는 상황이다. 다양한 방전 상태들에서의 추정 정확도를 측정하기 위해, 안정적인 방전 상태 및 변동적인 방전 상태 시나리오 모두를 실험에 적용하였다. 또한, 일반적인 방법들 및 제안방법에 의한 충전 상태 추정의 정확도는 충전 상태에 대한 에러의 절대값으로 비교될 수 있다.
먼저, 도 8a 및 도 8d는 2036초 동안의 안정적인 방전 전류의 시나리오에서의 실험 결과를 나타낸다.
도 8a는 계단 형태의 웨이브폼 방전 전류의 입력 시나리오를 나타내고, 도 8b는 50 탭 무빙 평균 필터(MV50)에 의해 필터링된 1 Hz 샘플링 레이트에서 측정된 단자 전압 값을 나타내며, 도 8c는 각 알고리즘에 의한 충전 상태 추정 결과를 나타낸다. 또한, 도 8d는 각 알고리즘의 충전 상태 추정시 축척되는 에러의 절대값들을 나타낸다.
도 8d 및 하기 표 1에서 나타나는 실험예 결과에서는, 이는 LTE의 잠정적인 정정의 성능 이전에 측정된 것이기 때문에, 제안 방법의 충전 상태 추정 에러가 STE 방법의 추정 에러와 같거나 700 초에서 FTV의 에러와 비교했을 때 0.035% 이하의 차이를 보인다. 이후, 1167초에서는 LTE 프로세스를 통해 잠정적인 정정 과정이 적용되었기 때문에, 제안 방법의 충전 상태 추정 에러는 STE 방법에 비하여 0.052 내지 0.068% 적을 수 있다. 2036초에서는 FTV 방법의 추정 에러가 STE 방법에 비하여 0.042% 적을 수 있으나, 제안 방법의 충전 상태 추정 에러는 FTV 방법에 비해 0.001% 적을 수 있다. 결론적으로, 제안 방법의 추정 정확성은 방전되는 시간 전체적으로 가장 높을 수 있다.
Time
(sec)
2281s_
SOC
FTV_
eSOC
|FTV_eSOC_
Err|
STE_
eSOC
|STE_eSOC_
Err|
제안된 eSOC |제안된 eSOC_Err|
700 93.754 93.636 0.118 93.670 0.083 93.670 0.083
1167 89.592 89.517 0.074 89.534 0.058 89.586 0.006
2036 81.858 81.841 0.017 81.799 0.059 81.875 0.016
도 9a 내지 9d, 및 하기 표 2는 변동적인 입력 웨이브폼(3.25 Hz)을 위한 충전 상태 추정 에러를 나타낸다. 일반적으로, FTV 및 STE 방법들은 모두 추정 프로세스는 연속적이므로, 이로 인하여 발생하여 축척되는 에러가 연속적으로 증가한다. 한편, 잠정적인 정정 프로세스 때문에 제안 방법의 충전 상태 추정 에러가 감소될 수 있다. 2530초에서 제안 방법의 추정 에러는 STE 방법에 비하여 0.283% 적을 수 있고, FTV 방법에 비하여는 0.171% 적을 수 있다.
오랫동안 방전 상태가 지속된 3689초에서는 제안 방법의 추정 에러가 STE 방법에 비해서는 0.539%, FTV 방법에 비해서는 0.362% 적을 수 있다.
Time
(sec)
2281s_
SOC
FTV_
eSOC
|FTV_eSOC_
Err|
STE_
eSOC
|STE_eSOC_
Err|
제안된 eSOC |제안된 eSOC_Err|
1232 83.799 83.053 0.746 83.034 0.765 83.113 0.686
2530 66.761 65.612 1.149 65.499 1.261 65.783 0.978
3698 51.424 49.857 1.567 49.680 1.744 50.219 1.205
도 10a 내지 도 10d, 및 하기 표 3은 6.25 Hz 입력 웨이브폼 시나리오에서의 충전 상태 추정 에러를 나타내며, 이는 고주파수에서 실행된다. 일반적으로, 축척되는 에러는 이전 실험에 비하여 큰 마진(margin)으로 인하여 증가되고, 제안 방법의 충전 상태 추정 에러는 최소화될 수 있다. 4800초에서는, 제안 방법의 추정 에러가 STE 방법에 비하여 0.968% 적고, FTV 방법에 비하여는 0.798% 적을 수 있다.
Time
(sec)
2281s_
SOC
FTV_
eSOC
|FTV_eSOC_
Err|
STE_
eSOC
|STE_eSOC_
Err|
제안된 eSOC |제안된 eSOC_Err|
1600 77.385 76.508 0.877 76.470 0.915 76.597 0.788
3200 54.758 53.349 1.409 53.229 1.530 53.731 1.027
4800 32.141 30.087 2.054 29.916 2.224 30.885 1.256
본 발명의 일 실시예에 따른 배터리의 충전 상태를 추정하는 방법은 소형 휴대용 및 사물 인터넷 장치에서 빈번하게 발생되는 연속적인 변동적 방전 상태에서의 단자 전압만을 이용하여 충전 상태를 추정하는 일반적인 방법에서 증가하는 축척된 에러 문제를 향상시킬 수 있다. 이러한 목적을 위하여, 시간 함수에서 배터리 상태와 관련된 파라미터들의 변형 특성을 분석하고, STE 및 LTE 추정 알고리즘을 조합하여 둘다 이용하는 잠정적인 정정 방법을 솔루션으로 제안한다. 또한, 본 발명의 일 실시예에 따른 배터리의 충전 상태를 추정하는 방법은 대략적인 초기 충전 상태 값이 초기 값들을 결정하는 휴지 상태만을 기다리는 일반적인 추정 방법을 업그레이드함으로써 LTE 기반의 알고리즘을 통한 정확한 추정이 가능하게 할 수 있다. 상기 방법의 정확도가 이를 장시간 연속적인 안정적 방전 및 변동적 방전 시나리오들에 적용함으로써 추정될 수 있을 때, 제안 방법의 상기 충전 상태의 추정 에러는 다른 방법들에 비하여 적을 수 잇다.
그러나, 본 발명의 일 실시예에 따른 배터리의 충전 상태를 추정하는 방법은 초기값을 완벽히 정확하게 추정하기 어렵고, 멀티 셀의 경우 적절하게 고려되지 않는다는 한계가 있다. 멀티 셀 배터리의 충전 상태 뿐만 아니라, 셀 밸런싱에 있어서 더 높은 정확성을 갖는 초기 값을 추정하기 위한 방법은 향후 연구될 예정이다.
이상에서 설명한 본 발명이 전술한 실시예 및 첨부된 도면에 한정되지 않으며, 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 여러가지 치환, 변형 및 변경이 가능하다는 것은, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 있어 명백할 것이다.

Claims (13)

  1. 배터리를 이용하는 장치에 장착된 상기 배터리가 처음 이용되는 것인지 여부를 판단하는 단계;
    상기 배터리가 처음 이용되는 것인 경우, 초기화를 실행하는 단계;
    상기 초기화를 실행하는 경우, 측정된 이전 전압과 현재 전압의 차이값을 개로 전압 차이값으로 설정하는 단계; 상기 개로 전압 차이값과 이전 개로 전압값을 합하여 현재 개로 전압값을 산출하는 단계; 상기 개로 전압 차이값으로 설정하는 단계 및 상기 현재 개로 전압값을 산출하는 단계를 반복하여 상기 이전 개로 전압값 및 상기 현재 개로 전압값을 획득하는 단계; 상기 이전 개로 전압값 및 상기 현재 개로 전압값을 이용하여 이전 충전 상태값 및 현재 충전 상태값을 획득하는 단계; 상기 이전 충전 상태값 및 상기 현재 충전 상태값으로부터 충전 상태 차이값을 산출하는 단계; 상기 충전 상태 차이값을 이용하여 평균 전류값을 산출하는 단계; 상기 평균 전류값을 이용하여 단자 전압값을 산출하는 단계; 상기 단자 전압값으로부터 현재 개로 전압값을 재결정하는 단계; 및 상기 재결정된 현재 개로 전압값을 이용하여 최종 현재 충전 상태값을 추정하는 단계; 및
    상기 배터리가 처음 이용되는 것이 아닌 경우, 기측정된 개로 전압값, 충전 상태값, 저항값을 이전 개로 전압값, 이전 충전 상태값, 이전 저항값으로 설정하는 단계; 상기 이전 충전 상태값 및 상기 이전 저항값을 이용하여 현재 전류값 및 클리핑 전류값을 산출하는 단계; 상기 클리핑 전류값을 이용하여 현재 충전 상태값을 추정하는 단계; 상기 충전 상태값을 이용하여 현재 저항값 및 현재 개로 전압값을 재결정하는 단계; 및 상기 재결정된 현재 개로 전압값을 이용하여 최종 현재 충전 상태값을 추정하는 단계를 포함하는 배터리의 충전 상태를 추정하는 방법.
  2. 제 1 항에 있어서,
    상기 초기화를 실행하는 단계는 초기 단자 전압, 초기 충전 상태 값, 및 초기 저항값을 설정하는 것인 배터리의 충전 상태를 추정하는 방법.
  3. 삭제
  4. 삭제
  5. 제 1 항에 있어서,
    상기 배터리의 전류값 및 전압값에 기초하여 휴지 상태에 도입하는지 여부를 결정하는 단계; 및
    상기 휴지 상태에 도입하지 아니하는 경우, 상기 배터리가 처음 이용되는 것이 아닌 경우의 단계를 계속 수행하여 상기 배터리의 최종 현재 충전 상태값을 추정하는 단계를 더 포함하는 배터리의 충전 상태를 추정하는 방법.
  6. 제 5 항에 있어서,
    상기 휴지 상태에 도입하는 경우, 소정의 시간이 지난 후 상기 배터리의 전류값 및 전압값에 기초하여 휴지 상태인지 여부를 결정하는 단계를 반복하는 배터리의 충전 상태를 추정하는 방법.
  7. 제 1 항의 방법을 컴퓨터에서 실행하기 위한 프로그램을 기록하는 컴퓨터 판독 가능한 기록 매체.
  8. 배터리 관리 장치에 있어서,
    상기 배터리 관리 장치는 프로세서를 포함하고, 상기 프로세서는,
    배터리를 이용하는 장치에 장착된 상기 배터리가 처음 이용되는 것인지 여부를 판단하는 동작;
    상기 배터리가 처음 이용되는 것인 경우, 초기화를 실행하는 동작;
    상기 초기화를 실행하는 경우, 측정된 이전 전압과 현재 전압의 차이값을 개로 전압 차이값으로 설정하는 동작; 상기 개로 전압 차이값과 이전 개로 전압값을 합하여 현재 개로 전압값을 산출하는 동작; 상기 개로 전압 차이값으로 설정하는 단계 및 상기 현재 개로 전압값을 산출하는 동작을 반복하여 상기 이전 개로 전압값 및 상기 현재 개로 전압값을 획득하는 동작; 상기 이전 개로 전압값 및 상기 현재 개로 전압값을 이용하여 이전 충전 상태값 및 현재 충전 상태값을 획득하는 동작; 상기 이전 충전 상태값 및 상기 현재 충전 상태값으로부터 충전 상태 차이값을 산출하는 동작; 상기 충전 상태 차이값을 이용하여 평균 전류값을 산출하는 동작; 상기 평균 전류값을 이용하여 단자 전압값을 산출하는 동작; 상기 단자 전압값으로부터 현재 개로 전압값을 재결정하는 동작; 및 상기 재결정된 현재 개로 전압값을 이용하여 최종 현재 충전 상태값을 추정하는 동작; 및
    상기 배터리가 처음 이용되는 것이 아닌 경우, 기측정된 개로 전압값, 충전 상태값, 저항값을 이전 개로 전압값, 이전 충전 상태값, 이전 저항값으로 설정하는 동작; 상기 이전 충전 상태값 및 상기 이전 저항값을 이용하여 현재 전류값 및 클리핑 전류값을 산출하는 동작; 상기 클리핑 전류값을 이용하여 현재 충전 상태값을 추정하는 동작; 상기 충전 상태값을 이용하여 현재 저항값 및 현재 개로 전압값을 재결정하는 동작; 및 상기 재결정된 현재 개로 전압값을 이용하여 최종 현재 충전 상태값을 추정하는 동작을 수행하는 배터리 관리 장치.
  9. 제 8 항에 있어서,
    상기 초기화를 실행하는 동작은 초기 단자 전압, 초기 충전 상태 값, 및 초기 저항값을 설정하는 것인 배터리 관리 장치.
  10. 삭제
  11. 삭제
  12. 제 8 항에 있어서,
    상기 배터리의 전류값 및 전압값에 기초하여 휴지 상태에 도입하는지 여부를 결정하는 동작; 및
    상기 휴지 상태에 도입하지 아니하는 경우, 상기 배터리가 처음 이용되는 것이 아닌 경우의 단계를 계속 수행하여 상기 배터리의 최종 현재 충전 상태값을 추정하는 동작을 더 포함하는 배터리 관리 장치.
  13. 제 12 항에 있어서,
    상기 휴지 상태에 도입하는 경우, 소정의 시간이 지난 후 상기 배터리의 전류값 및 전압값에 기초하여 휴지 상태인지 여부를 결정하는 동작을 반복하는 배터리 관리 장치.
KR1020170182328A 2017-12-28 2017-12-28 배터리의 충전 상태를 추정하는 방법 및 배터리 관리 장치 KR102054050B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170182328A KR102054050B1 (ko) 2017-12-28 2017-12-28 배터리의 충전 상태를 추정하는 방법 및 배터리 관리 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170182328A KR102054050B1 (ko) 2017-12-28 2017-12-28 배터리의 충전 상태를 추정하는 방법 및 배터리 관리 장치

Publications (2)

Publication Number Publication Date
KR20190080102A KR20190080102A (ko) 2019-07-08
KR102054050B1 true KR102054050B1 (ko) 2019-12-09

Family

ID=67256522

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170182328A KR102054050B1 (ko) 2017-12-28 2017-12-28 배터리의 충전 상태를 추정하는 방법 및 배터리 관리 장치

Country Status (1)

Country Link
KR (1) KR102054050B1 (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110596596A (zh) * 2019-10-12 2019-12-20 深圳中科新能源汽车技术有限公司 一种新型的基于ocv曲线的soc逐次校正方法
CN116449221B (zh) * 2023-06-14 2023-09-29 浙江天能新材料有限公司 锂电池荷电状态预测方法、装置、设备及存储介质

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4171536B2 (ja) * 1998-04-01 2008-10-22 株式会社東芝 二次電池の充電状態検出装置
KR100985667B1 (ko) * 2007-08-22 2010-10-05 주식회사 엘지화학 배터리 개방전압 추정장치, 이를 이용한 배터리 충전상태추정장치 및 그 제어 방법
KR101983392B1 (ko) * 2012-11-27 2019-05-29 에스케이이노베이션 주식회사 배터리 충전 상태 추정 장치 및 그 방법
KR20150019190A (ko) * 2013-08-13 2015-02-25 현대모비스 주식회사 배터리 충전 상태 추정 방법 및 이를 위한 장치

Also Published As

Publication number Publication date
KR20190080102A (ko) 2019-07-08

Similar Documents

Publication Publication Date Title
US11079437B2 (en) Battery state-of-health determination upon charging using state-of-health classifier
US11243258B2 (en) Method for approximating algorithms for fast charging li-ion batteries based on electrochemical battery models
US20220239122A1 (en) Server-side characterisation of rechargeable batteries
KR101866073B1 (ko) 배터리 soh 추정 방법
Pérez et al. Enhanced closed loop State of Charge estimator for lithium-ion batteries based on Extended Kalman Filter
EP3542173B1 (en) Determining a state of health of a battery and providing an alert
KR101846690B1 (ko) Wls 기반 soh 추정 시스템 및 방법
KR101615139B1 (ko) 배터리 잔존수명 실시간 추정 장치 및 방법
RU2328753C2 (ru) Устройство и способ для оценки уровня заряженности батареи с использованием нейронной сети
JP5058814B2 (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
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
US10830821B2 (en) Methods and apparatus for battery power and energy availability prediction
US9989595B1 (en) Methods for on-line, high-accuracy estimation of battery state of power
US10267863B2 (en) Automatic method for determining the state-of-charge of a battery
US20130158916A1 (en) Battery fuel gauge
KR101661578B1 (ko) 듀얼확장칼만필터를 이용한 배터리 상태 추정 방법, 시스템 및 이를 수행하기 위한 기록매체
JP2017194476A (ja) 二次電池の電池状態推定装置
KR102054050B1 (ko) 배터리의 충전 상태를 추정하는 방법 및 배터리 관리 장치
JP2018072346A (ja) 二次電池の電池状態推定装置
CN115917341A (zh) 电池管理装置、电池管理方法
TW202242434A (zh) 電池狀態推定裝置、電力系統
JP2018077199A (ja) 推定装置
KR101835377B1 (ko) 다변량 웨이블릿 변환 기반의 배터리팩 충전상태 추정 방법 및 그 장치
KR102171199B1 (ko) 배터리의 충전 상태값을 추정하는 방법 및 배터리 관리 장치
CN111971200A (zh) 用于确定电池的老化状态的方法、计算机程序、存储装置、控制设备和车辆

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E90F Notification of reason for final refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant