KR102160274B1

KR102160274B1 - 배터리 충전 상태 추정 장치 및 방법

Info

Publication number: KR102160274B1
Application number: KR1020170114601A
Authority: KR
Inventors: 임보미
Original assignee: 주식회사 엘지화학
Priority date: 2017-09-07
Filing date: 2017-09-07
Publication date: 2020-09-25
Also published as: KR20190027609A; JP2020508442A; WO2019050330A1; EP3588115A4; JP6830544B2; US20200003841A1; EP3588115A1; US11231466B2; EP3588115B1

Abstract

본 발명은 배터리의 충전 상태를 추정하는 장치 및 방법에 관한 것이다. 본 발명의 일 실시예에 따른 장치는, 상기 배터리의 전압 및 전류를 각각 측정하도록 구성된 센싱부, 상기 측전된 전류를 기초로, 소정 주기동안의 전류 적산값을 산출하도록 구성된 전류 적산부 및 상기 센싱부 및 상기 전류 적산부와 동작 가능하게 결합된 프로세서를 포함한다. 상기 프로세서는, 상기 배터리의 동작 특성에 따라, 확장 칼만 필터에 의해 이용되는 프로세스 노이즈 공분산의 값을 조절하고, 조절된 프로세스 노이즈 공분산의 값을 기초로 배터리의 충전 상태를 추정한다.

Description

배터리 충전 상태 추정 장치 및 방법{Apparatus and method for estimating state of charge for battery and method thereof}

본 발명은 배터리의 충전 상태(SOC: state of charge)를 추정하는 장치 및 방법에 관한 것으로서, 보다 상세하게는, 배터리의 동작 상태에 따라 확장 칼만 필터(Extended Kalmann Filter)와 관련된 파라미터를 조절함으로써, 배터리의 충전 상태를 적응적으로 추정하는 장치 및 방법에 관한 것이다.

최근, 노트북, 비디오 카메라, 휴대용 전화기 등과 같은 휴대용 전자 제품의 수요가 급격하게 증대되고, 전기 자동차, 에너지 저장용 축전지, 로봇, 위성 등의 개발이 본격화됨에 따라, 반복적인 충방전이 가능한 배터리에 대한 연구가 활발히 진행되고 있다.

현재 상용화된 배터리로는 니켈 카드뮴 전지, 니켈 수소 전지, 니켈 아연 전지, 리튬 배터리 등이 있는데, 이 중에서 리튬 배터리는 니켈 계열의 배터리에 비해 메모리 효과가 거의 일어나지 않아 충방전이 자유롭고, 자가 방전율이 매우 낮으며 에너지 밀도가 높은 장점으로 각광을 받고 있다.

배터리를 사용 및 관리함에 있어서 중요한 파라미터들 중 하나는 충전 상태이다. 충전 상태는, 배터리가 완전히 충전된 때에 배터리에 저장된 전기 에너지를 나타내는 최대 용량(maximum capacity)에 대한 현재의 용량의 상대적 비율을 나타내는 파라미터로서, 0~1 또는 0%~100%로 표현될 수 있다.

배터리의 충전 상태를 추정하는 데에는 전류 적산 모델과 등가 회로 모델이 대표적으로 이용되고 있다.

전류 적산 모델은, 전류 센서를 이용하여 배터리를 통해 흐르를 전류를 측정하고, 측정된 전류를 시간에 대해 누적한 전류 적산값을 기초로, 배터리의 충전 상태를 추정한다. 그러나, 전류 센서의 측정 오차로 인해, 전류 적산 모델을 이용하여 추정된 충전 상태와 실제의 충전 상태 간의 차이가 발생하며, 그 차이는 시간이 경과할수록 커진다는 문제가 있다.

등가 회로 모델은, 배터리의 전기적인 동작 특성을 모사하도록 설계된 것이다. 다만, 배터리는 동작 상태에 따라 비선형적인 특성을 가지는데, 배터리의 비선형적인 특성을 완벽하게 모사하도록 등가 회로 모델을 설계하는 것은 매우 어려운 일이다.

전술한 전류 적산 모델과 등가 회로 모델 각각의 단점을 해결하기 위해, 확장 칼만 필터를 이용하여 배터리의 충전 상태를 추정하는 기술이 존재한다. 확장 칼만 필터는, 전류 적산 모델과 등가 회로 모델을 조합함으로써, 전류 적산 모델 및 등가 회로 모델 중 어느 하나만을 이용할 때보다 정확한 충전 상태를 추정할 수 있다. 즉, 배터리의 충전 상태를 실제에 보다 근접하게 추정할 수 있다.

확장 칼만 필터를 이용하여 배터리의 충전 상태를 추정하기 위해서는, 적어도 하나의 상태 변수(예, 충전 상태, 오버포텐셜) 각각과 관련된 적어도 하나의 프로세스 노이즈 공분산의 값이 요구된다. 그런데, 종래에는, 프로세스 노이즈 공분산의 값으로서 상수가 할당되었다. 따라서, 배터리의 동작 특성이나 사용 환경과는 무관하게, 프로세스 노이즈 공분산은 변하지 않는다.

본 발명은, 상기와 같은 문제점을 해결하기 위해 안출된 것으로서, 배터리의 동작 특성에 따라 확장 칼만 필터에 의해 이용되는 프로세스 노이즈 공분산의 값을 조절하고, 조절된 프로세스 노이즈 공분산의 값을 기초로 배터리의 충전 상태를 주기적으로 추정하는 장치 및 방법을 제공하는 것을 목적으로 한다.

본 발명의 다른 목적 및 장점들은 하기의 설명에 의해서 이해될 수 있으며, 본 발명의 실시예에 의해 보다 분명하게 알게 될 것이다. 또한, 본 발명의 목적 및 장점들은 특허청구범위에 나타난 수단 및 그 조합에 의해 실현될 수 있음을 쉽게 알 수 있을 것이다.

상기 목적을 달성하기 위한 본 발명의 다양한 실시예는 다음과 같다.

본 발명의 일 측면에 따른 배터리의 충전 상태를 추정하는 장치는, 상기 배터리의 전압 및 전류를 각각 측정하도록 구성된 센싱부; 상기 측전된 전류를 기초로, 소정 주기동안의 전류 적산값을 산출하도록 구성된 전류 적산부; 및 상기 센싱부 및 상기 전류 적산부와 동작 가능하게 결합된 프로세서;를 포함한다. 상기 프로세서는, 메모리로부터 상기 배터리의 충전 상태와 관련된 제1 초기값, 상기 배터리의 오버포텐셜과 관련된 제2 초기값 및 확장 칼만 필터의 오차 공분산 행렬과 관련된 제3 초기값을 독출한다. 상기 프로세서는, 상기 제1 초기값 및 상기 제2 초기값 각각을 확장 칼만 필터의 제1 상태 방정식의 제1 상태 변수 및 제2 상태 변수에 할당한다. 상기 프로세서는, 상기 제1 상태 방정식을 이용하여, 상기 전류 적산값을 기초로 상기 제1 상태 변수 및 상기 제2 상태 변수 각각을 예측한다. 상기 프로세서는, 상기 제1 초기값 및 상기 예측된 제1 상태 변수 중 어느 하나를 기초로, 상기 확장 칼만 필터의 프로세스 노이즈 공분산 행렬을 결정한다. 상기 프로세서는, 상기 확장 칼만 필터의 제2 상태 방정식을 이용하여, 상기 제3 초기값 및 상기 결정된 프로세스 노이즈 공분산 행렬을 기초로, 상기 오차 공분산 행렬을 예측한다. 상기 프로세서는, 상기 예측된 오차 공분산 행렬을 기초로, 상기 확장 칼만 필터의 칼만 게인을 결정한다. 상기 프로세서는, 상기 결정된 칼만 게인 및 상기 측정된 전압을 기초로, 상기 예측된 제1 상태 변수 및 상기 예측된 제2 상태 변수를 각각 보정한다.

또한, 상기 프로세서는, 상기 보정된 제1 상태 변수 및 상기 보정된 제2 상태 변수 중 적어도 하나를 나타내는 통지 신호를 외부 장치에게 출력할 수 있다.

또한, 상기 프로세서는, 상기 제1 초기값을 상기 보정된 제1 상태 변수의 값과 동일하게 설정하고, 상기 제2 초기값을 상기 보정된 제2 상태 변수의 값과 동일하게 설정할 수 있다.

또한, 상기 프로세서는, 상기 결정된 칼만 게인을 기초로, 상기 예측된 오차 공분산 행렬을 보정하고, 상기 제3 초기값을 상기 보정된 오차 공분산 행렬과 동일하게 설정할 수 있다.

또한, 상기 센싱부는, 상기 배터리의 온도를 더 측정할 수 있다. 이 경우, 상기 프로세서는, 상기 측정된 온도를 기초로, 상기 배터리의 등가 회로 모델에 관련된 복수의 회로 파라미터를 결정하고, 상기 결정된 파라미터를 더 기초로, 상기 제2 상태 변수를 예측할 수 있다.

또한, 상기 프로세서는, 상기 제1 초기값이 제1 구간 내인 경우, 상기 프로세스 노이즈 공분산 행렬의 제1 프로세스 노이즈 및 제2 프로세스 노이즈 각각에 미리 정해진 제1 값 및 미리 정해진 제2 값을 할당할 수 있다.

또한, 상기 프로세서는, 상기 배터리의 충전 상태과 개방 전압 간의 관계를 나타내는 개방 전압 커브를 상기 배터리의 충전 상태과 개방 전압 간의 관계를 나타내는 개방 전압 변화율 커브로 변환할 수 있다. 상기 프로세서는, 상기 개방 전압 변화율 커브를 기초로, 상기 개방 전압 변화율이 임계값 이상이 되는 충전 상태 구간을 상기 제1 구간으로 설정하고, 상기 개방 전압 변화율 커브를 기초로, 상기 개방 전압 변화율이 상기 임계값 미만이 되는 충전 상태 구간을 제2 구간으로 설정할 수 있다.

일 구현예에서, 상기 프로세서는, 상기 제2 초기값이 상기 제1 구간과는 다른 제2 구간 내인 경우, 상기 제1 프로세스 노이즈에 상기 제1 값보다 작은 제3 값을 할당하고, 상기 제2 프로세스 노이즈에 상기 제2 값을 할당할 수 있다.

다른 구현예에서, 상기 프로세서는, 상기 예측된 제1 상태 변수가 상기 제2 구간 내인 경우, 상기 제1 프로세스 노이즈에 상기 제1 값을 할당하고, 상기 제2 프로세스 노이즈에 상기 제2 값보다 큰 제4 값을 할당할 수 있다.

또 다른 구현예에서, 상기 프로세서는, 상기 예측된 제1 상태 변수가 상기 제2 구간 내인 경우, 상기 제1 프로세스 노이즈에 상기 제1 값보다 작은 제5 값을 할당하고, 상기 제2 프로세스 노이즈에 상기 제2 값보다 큰 제6 값을 할당할 수 있다.

본 발명의 다른 측면에 따른 배터리 팩은, 상기 배터리 충전 상태 추정 장치를 포함한다.

본 발명의 실시예들 중 적어도 하나에 의하면, 배터리의 동작 특성에 따라 확장 칼만 필터에 의해 이용되는 프로세스 노이즈 공분산의 값을 조절하고, 조절된 프로세스 노이즈 공분산의 값을 기초로 배터리의 충전 상태를 주기적으로 추정할 수 있다. 이에 따라, 프로세스 노이즈 공분산의 값을 특정 상수로 유지하는 방식에 비하여, 배터리의 충전 상태를 보다 정확하게 추정할 수 있다.

본 발명의 효과들은 이상에서 언급한 효과들로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 청구범위의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.

본 명세서에 첨부되는 다음의 도면들은 본 발명의 바람직한 실시예를 예시하는 것이며, 후술되는 발명의 상세한 설명과 함께 본 발명의 기술사상을 더욱 이해시키는 역할을 하는 것이므로, 본 발명은 그러한 도면에 기재된 사항에만 한정되어 해석되어서는 아니 된다.
도 1은 본 발명의 일 실시예에 따른 배터리 충전 상태 추정 장치의 개략적인 구성도이다.
도 2는 도 1에 도시된 배터리 충전 상태 추정 장치에 의해 이용되는 예시적인 등가 회로 모델을 보여준다.
도 3은 배터리의 충전 상태와 개방 전압 간의 관계를 나타내는 예시적인 개방 전압 커브를 보여주는 그래프이다.
도 4는 배터리의 충전 상태와 개방 전압의 변화율 간의 관계를 나타내는 예시적인 개방 전압 변화율 커브를 보여주는 그래프이다.
도 5는 본 발명의 일 실시예에 따라 확장 칼만 필터의 프로세스 노이즈 공분산 행렬의 성분들을 조절한 경우와 조절하지 않은 경우의 차이를 보여주는 그래프이다.

이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 상세히 설명하기로 한다. 이에 앞서, 본 명세서 및 청구범위에 사용된 용어나 단어는 통상적이거나 사전적인 의미로 한정해서 해석되어서는 아니 되며, 발명자는 그 자신의 발명을 가장 최선의 방법으로 설명하기 위해 용어의 개념을 적절하게 정의할 수 있다는 원칙에 입각하여 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야 한다.

따라서, 본 명세서에 기재된 실시예와 도면에 도시된 구성은 본 발명의 가장 바람직한 일 실시예에 불과할 뿐이고 본 발명의 기술적 사상을 모두 대변하는 것은 아니므로, 본 출원시점에 있어서 이들을 대체할 수 있는 다양한 균등물과 변형예들이 있을 수 있음을 이해하여야 한다.

또한, 본 발명을 설명함에 있어 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략한다.

제1, 제2 등과 같이 서수를 포함하는 용어들은, 다양한 구성요소들 중 어느 하나를 나머지와 구별하는 목적으로 사용되는 것이고, 그러한 용어들에 의해 구성요소들을 한정하기 위해 사용되는 것은 아니다.

명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라, 다른 구성요소를 더 포함할 수 있다는 것을 의미한다. 또한, 명세서에 기재된 <제어 유닛>과 같은 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어, 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다.

덧붙여, 명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐만 아니라, 그 중간에 다른 소자를 사이에 두고 "간접적으로 연결"되어 있는 경우도 포함한다.

이하, 본 발명의 일 실시예에 따른 장치에 대해 설명하도록 한다.

도 1은 본 발명의 일 실시예에 따른 배터리 충전 상태 업데이트 장치의 개략적인 구성도이고, 도 2는 도 1에 도시된 배터리 충전 상태 업데이트 장치에 의해 이용되는 예시적인 등가 회로 모델을 보여준다.

도 1을 참조하면, 배터리팩(1)은 배터리(B) 및 배터리 충전 상태 추정 장치(100)(이하, '추정 장치'라고 함)를 포함할 수 있다. 추정 장치(100)는, 센싱부(110), 전류 적산부(120) 및 프로세서(130)를 포함한다.

센싱부(110)는, 전류 적산부(120) 및 프로세서(130)와 동작 가능하게 결합된다. 즉, 센싱부(110)는, 전류 적산부(120) 및 프로세서(130) 각각에게 전기적 신호를 전송하거나 전류 적산부(120) 및 프로세서(130) 각각으로부터 전기적 신호를 수신 가능하도록 전류 적산부(120) 및 프로세서(130)에 접속될 수 있다.

센싱부(110)는, 제1 소정 주기마다 배터리(B)의 양극과 음극 사이에 인가되는 전압과 배터리(B)로 흘러 들어가거나 흘러 나오는 전류를 반복 측정하고 측정된 전압과 전류를 나타내는 신호를 전류 적산부(120) 및 프로세서(130) 중 적어도 하나에게 제공할 수 있다.

센싱부(110)는, 배터리(B)의 전류를 측정하도록 구성된 전류 센서를 포함한다. 또한, 센싱부(110)는, 배터리(B)의 전압을 측정하도록 구성된 전압 센서를 더 포함할 수 있다. 또한, 센싱부(110)는, 배터리(B)의 온도를 측정하도록 구성된 온도 센서를 더 포함할 수 있다.

전류 적산부(120)는, 센싱부(110) 및 프로세서(130)와 동작 가능하게 결합된다. 전류 적산부(120)는, 제2 소정 주기마다 전류 적산값을 산출하도록 구성된다. 이때, 쿨롬 카운터(couloumb counter)가 전류 적산부(120)로 이용될 수 있다. 전류 적산값의 단위는 'Ah(ampere hour)'일 수 있다. 또한, 제2 소정 주기는 제1 소정 주기와 같거나 더 긴 시간일 수 있다 예컨대, 제2 소정 주기는, 제1 소정 주기의 정수배일 수 있다. 이하에서는, 설명의 편의를 위해, 제1 소정 주기와 제2 소정 주기가 서로 같은 것으로 가정한다.

구체적으로, 전류 적산부(120)는, 센싱부(110)에 의해 측정된 전류를 기초로, 제2 소정 주기동안의 전류 적산값을 산출하고, 산출된 전류 적산값을 나타내는 신호를 프로세서(130)에게 전송하는 과정을 제2 소정 주기마다 반복할 수 있다.

전류 적산 모델에서, 전류 적산값과 충전 상태는 아래의 수식 1과 같이 정의될 수 있다.

<수식1>

수식 1에서, 아래 첨자로 사용된 k는 시간 인덱스로서, 제2 소정 주기마다 1씩 증가하는 값이다. 또한, SOC는 충전 상태, Δt는 제2 소정 주기의 시간 길이, Q_max는 배터리(B)의 최대 용량을 나타낸다.

프로세서(130)는, 센싱부(110) 및 전류 적산부(120)와 동작 가능하게 결합된다. 프로세서(130)는, 확장 칼만 필터를 이용하여, 센싱부(110) 및 전류 적산부(120) 각각으로부터의 신호가 나타내는 배터리(B)의 동작 상태를 기초로, 배터리(B)의 충전 상태를 추정한다. 전류 적산부(120)는 제2 소정 주기마다 적류 전산값을 산출하므로, 프로세서(130) 역시 제2 소정 주기마다 배터리(B)의 충전 상태를 추정할 수 있다. 프로세서(130)는, 추정된 충전 상태를 나타내는 메시지를 통신 단자(COM)를 통해 외부 장치(예, 차량의 ECU, 디스플레이 등)로 전송할 수 있다.

프로세서(130)는, 다양한 제어 로직들을 실행하기 위해 당업계에 알려진 ASIC(application-specific integrated circuit), 다른 칩셋, 논리 회로, 레지스터, 통신 모뎀, 데이터 처리 장치 등을 선택적으로 포함할 수 있다. 프로세서(130)에 의해 실행될 수 있는 다양한 제어 로직들은 적어도 하나 이상이 조합되고, 조합된 제어 로직들은 컴퓨터가 읽을 수 있는 코드 체계로 작성되어 컴퓨터가 읽을 수 있는 기록매체에 수록될 수 있다. 기록매체는 컴퓨터에 포함된 프로세서(130)에 의해 접근이 가능한 것이라면 그 종류에 특별한 제한이 없다. 일 예시로서, 기록매체는 ROM, RAM, 레지스터, CD-ROM, 자기 테이프, 하드 디스크, 플로피디스크 및 광 데이터 기록장치를 포함하는 군에서 선택된 적어도 하나 이상을 포함한다. 또한, 코드 체계는 캐리어 신호로 변조되어 특정한 시점에 통신 캐리어에 포함될 수 있고, 네트워크로 연결된 컴퓨터에 분산되어 저장되고 실행될 수 있다. 또한, 조합된 제어 로직들을 구현하기 위한 기능적인 프로그램, 코드 및 코드 세그먼트들은 본 발명이 속하는 기술분야의 프로그래머들에 의해 용이하게 추론될 수 있다.

프로세서(130)에는 메모리(131)가 내장될 수 있다. 메모리(131)는 데이터를 기록, 소거, 갱신 및 독출할 수 있다고 알려진 공지의 정보 저장 수단이라면 그 종류에 특별한 제한이 없다. 일 예시로서, 메모리는 DRAM, SDRAM, 플래쉬 메모리, ROM, EEPROM, 레지스터 등일 수 있다. 메모리(131)는 프로세서(130)에 의해 실행 가능한 프로세스들이 정의된 프로그램 코드들을 저장할 수 있다. 특히, 메모리(131)에는, 확장 칼만 필터를 실행하는 데에 요구되는 제1 상태 방정식, 제2 상태 방정식, 제1 관측 방정식, 제2 관측 방정식, 제3 관측 방정식 및 등가 회로 모델 각각을 정의하는 데이터가 미리 저장된다.

프로세서(130)는, 센싱부(110) 및 전류 적산부(120)로부터의 신호를 기초로, 제1 상태 방정식, 제2 상태 방정식, 제1 관측 방정식, 제2 관측 방정식, 제3 관측 방정식 및 등가 회로 모델 중 적어도 하나에 관련된 변수의 값을 결정함으로써, 배터리(B)의 충전 상태를 시간에 대해 반복적으로 추정해나갈 수 있다.

이때, 제1 상태 방정식은, 배터리(B)의 충전 상태와 오버 포텐셜을 예측하는 데에 이용된다. 제2 상태 방정식은, 오차 공분산 행렬을 예측하는 데에 이용된다. 제1 관측 방정식은, 칼만 게인을 결정하는 데에 이용된다. 제2 관측 방정식은, 제1 관측 방정식을 통해 결정된 칼만 게인을 기초로, 제1 상태 방정식을 통해 예측된 충전 상태와 예측된 오버 포텐셜 각각을 보정하는 데에 이용된다. 제3 관측 방정식은, 제1 관측 방정식을 통해 결정된 칼만 게인을 기초로, 제2 상태 방정식을 통해 예측된 오차 공분산 행렬을 보정하는 데에 이용된다.

도 2를 참조하면, 등가 회로 모델(200)은, 개방 전압원(210), 내부 저항(220) 및 RC 회로(230)를 포함한다. 도시된 바와 같이, 개방 전압원(210), 내부 저항(220) 및 RC 회로(230)은 서로 직렬로 연결될 수 있다.

개방 전압원(210)은, 전기화학적으로 장시간 동안 안정화된 배터리(B)의 양극과 음극 사이의 전압인 개방 전압을 모사하는 것으로서, 배터리(B)의 충전 상태와 비선형적인 함수 관계를 가진다. 즉, OCV = f₁(SOC)이고, SOC = f₂(OCV)로서, f₁과 f₂는 서로 다른 함수를 나타낸다.

개방 전압원(210)에 의해 형성되는 개방 전압은, 사전 실험을 통해 다양한 충전 상태와 온도별로 미리 정의될 수 있다.

즉, 미리 정해진 복수의 온도 각각마다, 배터리(B)의 충전 상태에 따른 개방 전압의 변화를 측정하고, 배터리(B)의 충전 상태와 개방 전압 간의 관계를 나타내는 데이터를 룩업 테이블의 형태로 메모리(131)에 미리 저장할 수 있다. 예컨대, 사전 실험에 사용된 온도가 m개인 경우, m개의 OCV-SOC 커브를 나타내는 룩업 테이블이 메모리에 미리 저장될 수 있다.

내부 저항(220)은 배터리(B)의 IR 드롭(drop)을 모사하는 것이다. IR 드롭은, 배터리(B)의 충전이나 방전될 때 배터리(B)의 양단 전압의 순간적인 변화인 전압 드롭을 의미한다. IR 드롭에 의해, 무부하 상태의 배터리(B)에 대한 충전이 개시되는 시점에 측정되는 전압은 개방 전압보다 크다. 반대로, 무부하 상태의 배터리(B)에 대한 방전이 개시되는 시점에 측정되는 전압은 개방 전압보다 작다. 내부 저항(220)의 저항값(resistance, R₀) 역시 사전 실험을 통해 미리 정해진 복수의 온도 각각마다 상이하게 설정될 수 있다.

RC 회로(230)는 배터리(B)의 전기 이중층(electric double layer) 등에 의해 유도되는 오버 포텐셜을 모사하는 것으로서, 서로 병렬 연결된 저항(231)과 커패시터(232)를 포함한다. R₁은 저항(231)의 저항값, C₁은 커패시터(232)의 커패시턴스이다. 오버 포텐션은 '분극 전압'이라고 칭할 수도 있다. R₁과 C₁ 각각은, 사전 실험을 통해 미리 정해진 복수의 온도 각각마다 상이하게 설정될 수 있다.

등가 회로 모델(200)에서, 오버 포텐셜은 아래의 수식 2과 같이 정의될 수 있다.

<수식2>

수식 2에서, 아래 첨자로 사용된 k는 시간 인덱스로서, 제2 소정 주기마다 1씩 증가하는 값이다. 또한, Vop는 오버 포텐셜, I는 센싱부(110)에 의해 측정된 전류, Δt는 제2 소정 주기의 시간 길이, R₁은 저항의 저항값, C₁은 커패시터의 커패시턴스를 나타낸다.

프로세서(130)는, 제2 소정 주기마다, 기 추정된 충전 상태 및 센싱부(110)에 의해 측정된 배터리(B)의 온도를 기초로, 메모리에 기 저장된 데이터를 참조하여, 등가 회로 모델(200)과 관련된 파라미터들 중 하나인 개방 전압을 결정할 수 있다.

프로세서(130)는, 제2 소정 주기마다, 센싱부(110)에 의해 측정된 배터리(B)의 온도를 기초로, 메모리에 기 저장된 데이터를 참조하여, 등가 회로 모델(200)과 관련된 다른 복수의 회로 파라미터인 내부 저항의 저항값, 저항의 저항값 및 커패시터의 커패시턴스를 결정할 수 있다.

제1 상태 방정식은, 전류 적산 모델과 등가 회로 모델(200)의 조합으로부터 유도될 수 있으며, 아래의 수식 3과 같이 표현될 수 있다.

<수식 3>

수식 3에서, A와 B 각각은 확장 칼만 필터의 서로 다른 시스템 행렬로서, 각각은 고정된 성분들만을 가진다. 또한, 아래 첨자로 사용된 k는 시간 인덱스로서, 제2 소정 주기마다 1씩 증가하는 값이다. 또한, a는 제1 상태 변수, b는 제2 상태 변수, I는 센싱부(110)에 의해 측정된 전류, R₁은 저항의 저항값, C₁은 커패시터의 커패시턴스, Δt는 제2 소정 주기의 시간 길이, Q_max는 배터리(B)의 최대 용량을 나타낸다. a는 제1 상태 변수이고, b는 제2 상태 변수이다.

프로세서(130)는, 메모리로부터 배터리(B)의 충전 상태와 관련된 제1 초기값 및 배터리(B)의 오버 포텐셜과 관련된 제2 초기값을 독출한다. 프로세서(130)는, 제1 초기값을 제1 상태 변수 a에 할당하고, 제2 초기값을 제2 상태 변수 b에 할당한다. 여기서, 제1 초기값은, 시간 인덱스가 k-1일 때 추정된 충전 상태인 이전 충전 상태를 나타낸다. 또한, 제2 초기값은, 시간 인덱스가 k-1일 때 추정된 오버 포텐셜인 이전 오버 포텐셜을 나타낸다. 또한, ^은 확장 칼만 필터에 의해 예측된 값임을 나타내는 기호이고, ^-은 확장 칼만 필터에 의해 보정되지 않은 값임을 나타내는 기호이다.

k-1=0일 때, 미리 정해진 두 값이 제1 상태 변수 a와 제2 상태 변수 b에 각각 입력될 수 있다.

수식 3을 통해 확인할 수 있듯이, 프로세서(130)는 제1 상태 방정식을 이용하여, 전류 적산값 Δt×I_k을 기초로, 제1 상태 변수 및 제2 상태 변수 각각의 예측값을 포함하는

을 산출할 수 있다. 즉, 시간 인덱스 k-1에서 기 추정된 충전 상태와 오버 포텐셜로부터 시간 인덱스가 k일 때의 충전 상태와 오버 포텐셜을 각각 예측할 수 있다.

제2 상태 방정식은, 아래의 수식 4와 같이 표현될 수 있다.

<수식 4>

수식 4에서, 아래 첨자로 사용된 k는 시간 인덱스로서, 제2 소정 주기마다 1씩 증가하는 값이다. 또한, P는 오차 공분산 행렬(error corvariance matrix), Q는 프로세스 노이즈 공분산 행렬, M_k ²는 충전 상태와 관련된 프로세스 노이즈의 공분산, N_k ²는 오버 포텐셜과 관련된 프로세스 노이즈의 공분산, T는 전치 행렬 연산자를 나타낸다. 즉, A^T는 A의 전치 행렬이다. ^-은 확장 칼만 필터에 의해 보정되지 않은 값임을 나타내는 기호이다. k-1=0일 때, 미리 정해진 값이

에 입력될 수 있다.

프로세서(130)는, 메모리로부터 확장 칼만 필터의 오차 공분산 행렬과 관련된 제3 초기값을 독출할 수 있다. 제3 초기값은, 시간 인덱스 k-1에서 기 보정된 이전 오차 공분산 행렬인

를 나타낸다.

수식 4를 통해 확인할 수 있듯이, 프로세서(130)는 제2 상태 방정식을 이용하여, 이전 오차 공분산 행렬인

및 프로세스 노이즈 공분산 행렬

을 기초로, 오차 공분산 행렬을 예측할 수 있다. 즉, 시간 인덱스 k-1에서 기 보정된 오차 공분산 행렬

및 시간 인덱스가 k일 때 결정된 프로세스 노이즈 공분산 행렬

을 기초로, 시간 인덱스가 k일 때의 오차 공분산 행렬

을 예측할 수 있다.

이를 위해, 프로세서(130)는, 제1 초기값 및 제1 상태 방정식을 통해 예측된 제1 상태 변수 중 어느 하나를 기초로, 프로세스 노이즈 공분산 행렬

을 결정할 수 있다. 여기서, 프로세스 노이즈 공분산 행렬을 결정한다는 것은, M_k ²과 N_k ²을 결정한다는 것을 의미할 수 있다. 프로세서(130)가 M_k ²과 N_k ²을 결정하는 동작은, 도 4를 참조하여 이하에서 별도로 설명하기로 한다.

제1 관측 방정식은, 아래의 수식 5와 같이 표현될 수 있다.

<수식 5>

수식 5에서, H는 A 및 B와는 다른 시스템 행렬로서, 고정된 성분들만을 가진다. 또한, K는 칼만 게인, R은 측정 노이즈 공분산 행렬(measurement noise covariance matrix)을 나타낸다. 프로세서(130)는, 제1 관측 방정식을 이용하여, 제2 상태 방정식을 통해 예측된 오차 공분산 행렬을 기초로, 칼만 게인을 결정한다.

제2 관측 방정식은, 아래의 수식 6과 같이 표현될 수 있다.

<수식 6>

수식 6에서, z는 센싱부(110)에 의해 측정된 배터리(B)의 전압이다.

는, 배터리(B)의 전압의 예측값일 수 있다. 프로세서(130)는, 제1 관측 방정식을 통해 결정된 칼만 게인 및 센싱부(110)에 의해 측정된 전압을 기초로, 제1 상태 방정식을 통해 예측된 제1 및 제2 상태 변수를 각각 보정할 수 있다.

수식 6에 대해 보다 상세히 설명하면, z_k와

의 차이에 K_k을 곱한 값을 예측된 제1 및 제2 상태 변수를 포함하는 행렬

에 합함으로써, 보정된 제1 및 제2 상태 변수를 포함하는 행렬

이 산출될 수 있다.

보정된 제1 및 제2 상태 변수가 산출됨으로써, k번째 주기에서의 충전 상태의 추정이 완료될 수 있다. 즉, 시간 인덱스 k에서 보정된 제1 상태 변수가 충전 상태의 추정값으로 설정될 수 있다. 프로세서(130)는, 메모리에 기 저장된 제1 초기값을 보정된 제1 상태 변수의 값과 동일하게 설정할 수 있다. 또한, 프로세서(130)는, 메모리에 기 저장된 제2 초기값을 보정된 제2 상태 변수의 값과 동일하게 설정할 수 있다. 즉, 프로세서(130)는, 제1 및 제2 초기값 각각을 새로운 값으로 갱신할 수 있다.

한편, 프로세서(130)는, 제2 관측 방정식을 통해 보정된 제1 및 제2 상태 변수 중 적어도 하나를 나타내는 통지 신호를 외부 장치(예, 디스플레이, 전기차의 MCU)에게 출력할 수 있다.

제3 관측 방정식은, 아래의 수식 7과 같이 표현될 수 있다.

<수식 7>

수식 7에서, E는 단위 행렬을 나타낸다. 프로세서(130)는, 제2 상태 방정식을 통해 예측된 오차 공분산 행렬

및 제1 관측 방정식을 통해 결정된 칼만 게인 K_k을 기초로, 예측된 오차 공분산 행렬을 보정할 수 있다. 프로세서(130)는, 메모리에 기 저장된 제3 초기값

을 보정된 오차 공분산 행렬

과 동일하게 설정할 수 있다. 즉, 프로세서(130)는, 제3 초기값을

에서

로 갱신할 수 있다.

도 3은 배터리(B)의 충전 상태와 개방 전압 간의 관계를 나타내는 예시적인 개방 전압 커브(300)를 보여주는 그래프이고, 도 4는 배터리(B)의 충전 상태와 개방 전압의 변화율 간의 관계를 나타내는 예시적인 개방 전압 변화율 커브(400)를 보여주는 그래프이다.

먼저 도 3의 개방 전압 커브(300)를 참조하면, 배터리(B)의 온도가 특정값(예, 30℃)으로 유지되는 환경에서, 충전 상태 0%~100%의 범위에서 기록된 개방 전압의 변화를 확인할 수 있다. 쉽게 이해할 수 있듯이, 충전 상태가 0%에서 100%를 향해 증가하면서, 개방 전압은 비선형적으로 증가한다. 반대로, 충전 상태가 100%에서 0%를 향해 감소하면서, 개방 전압은 비선형적으로 감소한다.

다음으로, 도 4를 참조하면, 도 3의 개방 전압 커브(300)에 관련된 개방 전압 변화율 커브(400)를 확인할 수 있다. 프로세서(130)는, 도 3에 도시된 개방 전압 커브(300)를 도 4에 도시된 개방 전압 변화율 커브(400)로 변환할 수 있다. 프로세서(130)는, 충전 상태를 0%에서 100%까지 소정 비율 ΔSOC(예, 1%)만큼씩 변화시키면서 개방 전압의 증가량 ΔOCV을 산출하는 과정을 반복함으로써, 개방 전압 커브로부터 개방 전압 변화율 커브를 획득할 수 있다.

개방 전압 변화율 커브가 획득되면, 프로세서(130)는 개방 전압 변화율 커브(400)를 기초로, 충전 상태 0%~100% 내의 제1 구간과 제2 구간을 각각 설정할 수 있다. 제1 구간은, 개방 전압 변화율이 임계값(TH) 이상이 되는 충전 상태 구간이다. 도 4에서는, 0%~S1%와 S2%~100%가 제1 구간으로 설정될 수 있다. 제2 구간은, 제1 구간과는 다르게 개방 전압 변화율이 임계값 미만이 되는 충전 상태 구간이다. 도 4에서는, S1%~S2%가 제2 구간으로 설정될 수 있다. 즉, 제1 구간과 제2 구간은 서로 중첩되지 않는다.

한편, 개방 전압 변화율이 작아질수록, 등가 회로 모델(200)과 관련된

의 정확도는 감소한다. 따라서, 개방 전압 변화율을 기초로, 적류 적산 모델의 신뢰도를 일시적으로 높이는 동작 및 등가 회로 모델(200)의 신뢰도를 일시적으로 낮추는 동작 중 적어도 하나를 실행할 필요가 있다.

프로세서(130)는, 제1 초기값 a이 제1 범위 내인 경우, 프로세스 노이즈 공분산 행렬(process noise covariance matrix)의 두 성분인 제1 프로세스 노이즈 공분산 및 제2 프로세스 노이즈 공분산 각각에 미리 정해진 제1 값(예, 0.1) 및 미리 정해진 제2 값(예, 0.001)을 할당할 수 있다. 제1 값과 제2 값은, 사전 실험을 통해 미리 결정된 상수일 수 있다.

반면, 프로세서(130)는, 제1 초기값 a이 제2 범위 내인 경우, 제1 값 및 제2 값 중 적어도 하나를 다른 값으로 대체할 수 있다. 예컨대, 프로세서(130)는, 제1 프로세스 노이즈 공분산에 제1 값보다 작은 제3 값(0.01)을 할당하고, 제2 프로세스 노이즈 공분산에 제2 값을 할당할 수 있다. 다른 예로, 프로세서(130)는, 제1 프로세스 노이즈 공분산에 제1 값을 할당하고, 제2 프로세스 노이즈 공분산에 제2 값보다 큰 제4 값(0.005)을 할당할 수 있다. 또 다른 예로, 프로세서(130)는, 제1 프로세스 노이즈 공분산에 제1 값보다 작은 제5 값(0.05)을 할당하고, 제2 프로세스 노이즈 공분산에 제2 값보다 큰 제6 값(0.01)을 할당할 수 있다. 이때, 제1 값과 제3 값 간의 차이 및 제1 값과 제5 값 간의 차이는, 임계값과 개방 전압 변화율 간의 차이에 비례할 수 있다. 또한, 제2 값과 제4 값 간의 차이 및 제2 값과 제6 값 간의 차이 역시 임계값과 개방 전압 변화율 간의 차이에 비례할 수 있다.

전술한 바에 따르면, 프로세서(130)는, 제1 초기값 a이 제2 범위 내인 경우, 제1 초기값 a이 제1 범위 내인 경우에 비하여, 제1 프로세스 노이즈 공분산에 대한 제2 프로세스 노이즈 공분산의 비율을 증가시킨다. 결과적으로, 배터리(B)의 충전 상태를 추정함에 있어서, 등가 회로 모델(200)의 신뢰도가 상대적으로 낮아지고, 적류 적산 모델의 신뢰도는 상대적으로 높아진다.

도 5는 본 발명의 일 실시예에 따라 확장 칼만 필터의 프로세스 노이즈 공분산 행렬의 성분들을 조절한 경우와 조절하지 않은 경우의 차이를 보여주는 그래프이다.

도 5를 참조하면, 충전 상태 100%인 배터리(B)를 일정한 속도로 충전 상태 0%까지 방전시키면서, 실제 충전 상태에 대한 확장 칼만 필터에 의해 추정된 충전 상태의 오차를 시간에 대해 기록한 결과를 확인할 수 있다. 도 5에서, 제1 커브(501)는 시간 인덱스 k가 1만큼 증가할때마다 갱신되는 제1 초기값에 따라 프로세스 노이즈 공분산 행렬의 두 성분이 조절되는 확장 칼만 필터를 이용하여 추정된 충전 상태의 오차를 시간을 따라 기록한 것이다. 또한, 제2 커브(502)는 프로세스 노이즈 공분산 행렬의 두 성분이 각각 제1 값과 제2 값으로 고정된 확장 칼만 필터를 이용하여 추정된 충전 상태의 오차를 시간을 따라 기록한 것이다.

이때, t0는 실제 충전 상태가 100%인 시점이고, t1는 실제 충전 상태가 S1%가 되는 시점이며, t2는 실제 충전 상태가 S2%가 되는 시점이고, t3는 실제 충전 상태가 0%가 되는 시점이다.

도 5를 통해 확인할 수 있듯이, t0부터 t1까지, 제1 커브와 제2 커브는 서로 일치한다. 또한, t1부터 t2까지, 제1 커브는 제2 커브의 아래에 위치한다. 또한, t2부터 t3까지, 제1 커브와 제2 커브는 서로 일치한다. 이는, 개방 전압 변화율이 임계값 미만으로 유지되는 t1부터 t2까지의 기간 동안, 확장 칼만 필터의 프로세스 노이즈 공분산 행렬의 두 성분 중 적어도 하나를 조절됨에 따라, 실제 충전 상태에 대한 추정된 충전 상태의 오차는 감소하게 된다는 것을 뒷받침한다.

이상에서 설명한 본 발명의 실시예는 장치 및 방법을 통해서만 구현이 되는 것은 아니며, 본 발명의 실시예의 구성에 대응하는 기능을 실현하는 프로그램 또는 그 프로그램이 기록된 기록 매체를 통해 구현될 수도 있으며, 이러한 구현은 앞서 설명한 실시예의 기재로부터 본 발명이 속하는 기술분야의 전문가라면 쉽게 구현할 수 있는 것이다.

이상에서 본 발명은 비록 한정된 실시예와 도면에 의해 설명되었으나, 본 발명은 이것에 의해 한정되지 않으며 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 본 발명의 기술사상과 아래에 기재될 특허청구범위의 균등범위 내에서 다양한 수정 및 변형이 가능함은 물론이다.

또한, 이상에서 설명한 본 발명은 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 있어 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 여러 가지 치환, 변형 및 변경이 가능하므로 전술한 실시예 및 첨부된 도면에 의해 한정되는 것이 아니라, 다양한 변형이 이루어질 수 있도록 각 실시예들의 전부 또는 일부가 선택적으로 조합되어 구성될 수 있다.

1: 배터리팩
B: 배터리
100: 배터리 충전 상태 추정 상태
110: 센싱부
120: 전류 적산부
130: 프로세서
200: 등가 회로 모델

Claims

배터리의 충전 상태를 추정하는 장치에 있어서,
상기 배터리의 전압 및 전류를 각각 측정하도록 구성된 센싱부;
상기 측정된 전류를 기초로, 소정 주기동안의 전류 적산값을 산출하도록 구성된 전류 적산부; 및
상기 배터리의 충전 상태와 개방 전압 간의 관계를 나타내는 개방 전압 커브를 상기 배터리의 충전 상태와 개방 전압 변화율 간의 관계를 나타내는 개방 전압 변화율 커브로 변환하고, 상기 개방 전압 변화율 커브를 기초로, 상기 개방 전압 변화율이 임계값 이상이 되는 충전 상태 구간을 제1 구간으로 설정하고, 상기 개방 전압 변화율이 상기 임계값 미만이 되는 충전 상태 구간을 제2 구간으로 설정하는 프로세서;를 포함하고,
상기 프로세서는,
메모리로부터 상기 배터리의 충전 상태와 관련된 제1 초기값, 상기 배터리의 오버포텐셜과 관련된 제2 초기값 및 확장 칼만 필터의 오차 공분산 행렬과 관련된 제3 초기값을 독출하고,
상기 제1 초기값 및 상기 제2 초기값 각각을 확장 칼만 필터의 제1 상태 방정식의 제1 상태 변수 및 제2 상태 변수에 할당하며,
상기 제1 상태 방정식을 이용하여, 상기 전류 적산값을 기초로 상기 제1 상태 변수 및 상기 제2 상태 변수 각각을 예측하고,
상기 제1 초기값 또는 상기 예측된 제1 상태 변수가 상기 제1 구간 내인 경우, 제1 프로세스 노이즈 및 제2 프로세스 노이즈 각각에 미리 정해진 제1 값 및 미리 정해진 제2 값을 할당하여, 상기 확장 칼만 필터의 프로세스 노이즈 공분산 행렬을 결정하고,
상기 확장 칼만 필터의 제2 상태 방정식을 이용하여, 상기 제3 초기값 및 상기 결정된 프로세스 노이즈 공분산 행렬을 기초로, 상기 오차 공분산 행렬을 예측하며,
상기 예측된 오차 공분산 행렬을 기초로, 상기 확장 칼만 필터의 칼만 게인을 결정하고,
상기 결정된 칼만 게인 및 상기 측정된 전압을 기초로, 상기 예측된 제1 상태 변수 및 상기 예측된 제2 상태 변수를 각각 보정하는 배터리 충전 상태 추정 장치.
제1항에 있어서,
상기 프로세서는,
상기 보정된 제1 상태 변수 및 상기 보정된 제2 상태 변수 중 적어도 하나를 나타내는 통지 신호를 외부 장치에게 출력하는 배터리 충전 상태 추정 장치.
제1항에 있어서,
상기 프로세서는,
상기 제1 초기값을 상기 보정된 제1 상태 변수의 값과 동일하게 설정하고,
상기 제2 초기값을 상기 보정된 제2 상태 변수의 값과 동일하게 설정하는 배터리 충전 상태 추정 장치.
제1항에 있어서,
상기 프로세서는,
상기 결정된 칼만 게인을 기초로, 상기 예측된 오차 공분산 행렬을 보정하고,
보정된 상기 예측된 오차 공분산 행렬과 동일하게 상기 제3 초기값을 설정하는 배터리 충전 상태 추정 장치.
제1항에 있어서,
상기 센싱부는,
상기 배터리의 온도를 더 측정하고,
상기 프로세서는,
상기 측정된 온도를 기초로, 상기 배터리의 등가 회로 모델에 관련된 복수의 회로 파라미터를 결정하고,
상기 결정된 파라미터를 더 기초로, 상기 제2 상태 변수를 예측하는 배터리 충전 상태 추정 장치.
삭제
삭제
제1항에 있어서,
상기 프로세서는,
상기 제2 초기값이 상기 제2 구간 내인 경우, 상기 제1 프로세스 노이즈에 상기 제1 값보다 작은 제3 값을 할당하고, 상기 제2 프로세스 노이즈에 상기 제2 값을 할당하는 배터리 충전 상태 추정 장치.
제1항에 있어서,
상기 프로세서는,
상기 예측된 제1 상태 변수가 상기 제2 구간 내인 경우, 상기 제1 프로세스 노이즈에 상기 제1 값을 할당하고, 상기 제2 프로세스 노이즈에 상기 제2 값보다 큰 제4 값을 할당하는 배터리 충전 상태 추정 장치.
제1항에 있어서,
상기 프로세서는,
상기 예측된 제1 상태 변수가 상기 제2 구간 내인 경우, 상기 제1 프로세스 노이즈에 상기 제1 값보다 작은 제5 값을 할당하고, 상기 제2 프로세스 노이즈에 상기 제2 값보다 큰 제6 값을 할당하는 배터리 충전 상태 추정 장치.
제1항 내지 제5항 및 제8항 내지 제10항 중 어느 한 항에 따른 상기 배터리 충전 상태 추정 장치;
를 포함하는 배터리 팩.