KR102215703B1 - 에너지 저장장치 잔존 수명 추정 및 적정 동작구간 설정 기술 - Google Patents

에너지 저장장치 잔존 수명 추정 및 적정 동작구간 설정 기술 Download PDF

Info

Publication number
KR102215703B1
KR102215703B1 KR1020190098722A KR20190098722A KR102215703B1 KR 102215703 B1 KR102215703 B1 KR 102215703B1 KR 1020190098722 A KR1020190098722 A KR 1020190098722A KR 20190098722 A KR20190098722 A KR 20190098722A KR 102215703 B1 KR102215703 B1 KR 102215703B1
Authority
KR
South Korea
Prior art keywords
data
storage device
energy storage
remaining life
damaged
Prior art date
Application number
KR1020190098722A
Other languages
English (en)
Inventor
최준균
김장겸
한재섭
오현택
Original Assignee
한국과학기술원
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 한국과학기술원 filed Critical 한국과학기술원
Priority to KR1020190098722A priority Critical patent/KR102215703B1/ko
Application granted granted Critical
Publication of KR102215703B1 publication Critical patent/KR102215703B1/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]
    • G01R31/392—Determining battery ageing or deterioration, e.g. state of health
    • 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]
    • G01R31/396—Acquisition or processing of data for testing or for monitoring individual cells or groups of cells within a battery
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

에너지 저장장치 잔존 수명 추정 및 적정 동작구간 설정 방법 및 장치가 제시된다. 본 발명에서 제안하는 에너지 저장장치 잔존 수명 추정 및 적정 동작구간 설정 방법은 에너지 저장장치의 에너지의 누적 데이터를 수집하고 데이터의 손상 여부를 분석하여 손상 데이터를 검출하는 단계, 손상 데이터에 대한 복원 및 학습 데이터 셋을 구성하는 단계, 학습 데이터 셋을 이용하여 에너지 저장장치 사용에 따른 배터리 총량과 잔존 수명 사이의 상관 관계 결과를 바탕으로 에너지 저장장치 내 잔존 수명을 검출하는 단계 및 검출된 잔존 수명에 따른 에너지 저장장치의 잔존 가치 및 감소된 에너지 저장장치의 총용량을 이용하여 에너지 저장장치의 적정 동작 구간을 산출하는 단계를 포함한다.

Description

에너지 저장장치 잔존 수명 추정 및 적정 동작구간 설정 기술{Estimation of the remaining useful life of the energy storage system and the appropriate operating boundary decision algorithm}
본 발명은 에너지 저장장치 잔존 수명 추정 및 적정 동작구간 설정 방법 및 장치에 관한 것이다.
현재 에너지 저장장치(Energy Storage System; ESS) 시장이 급증하고 있다. 2014년기준 전세계 누적 설치량은 4,553MWh이며, 2020년까지 14,093MW로 증가할 것으로 예상된다. 해당 기간 동안의 연 평균 성장률은 25% 였다.
ESS의 주 재료로는 리튬이온, 바나듐, Na-S, 등이 존재하나, 리튬이온이 전체 시장의 90% 이상을 차지하고 있다. 저장장치의 보급과 관련해서, 리튬이온 배터리는 전체 저장장치 관련 시장의 대부분을 차지하고 있다.
2017년 기준 전 세계적인 전기자동차 보급율은 310만대로, 연간 증가율 50%이상으로 보급이 확대되었다. 전기 자동차의 동력원은 배터리로, 현재까지 주 전력원은 리튬 이온 배터리만을 취급하고 있다.
리튬이온 배터리의 경우, 높은 에너지 밀도와 효율이 각광을 받아 넓은 분야에서 사용되고 있으나, 수명에 따른 사용이 제한적이며 전체 용량의 감소로 인한 폭발 및 안전에 따른 위험이 존재한다. 사용 환경 및 방법에 따라 각기 다른 소모율을 갖고 있기 때문에 정량적인 측정이 어려우며, 배터리 운영 효율이 전체 용량의 70~80%로 감소하거나 혹은 정해진 기간이 지날 경우 폐기 처리를 진행하고 있다.
에너지 저장장치의 특성상 동작을 실시간으로 측정하는 것에는 어려움이 있다. 정확한 잔존 수명에 기반한 동작을 진행하기 위해서는 수집한 데이터의 활용을 통한 에너지 저장장치의 잔존 수명과 가치를 예측하는 기술이 필요하다.
종래기술에 따른 에너지 저장장치의 모듈 관리 시스템 및 방법(한국공개특허 제10-2010-0140224호)에서는 저장장치의 실시간 동작을 모니터링함으로써, 잔존 수명을 예측하고 이를 통한 운영 방안을 제시한다. 실시간으로 저장장치의 동작을 모니터링할 경우, 저장장치의 오동작 혹은 데이터의 손상으로 인한 정확한 측정이 어려울 뿐만 아니라, 기존에 해당 시스템을 갖추지 못한 저장장치의 경우, 정확한 잔존 수명을 예측할 수 없다.
또 다른 종래기술에 따른 에너지 저장장치의 수명 예측 방법(한국공개특허 제10-2018-0103302호)에서는 유사 등가 회로의 구축을 바탕으로 배터리의 잔존 수명을 예측 하는 방안을 제시한다. 유사 등가회로의 경우, 기존의 학계에서도 사용하였던 방법이지만, 저장장치가 동작하는 환경(예를 들어, 온도, 습도, 사용자 특성에 따른 잦은 충방전)이 반영될 경우, 실제와 다른 결과를 나타내므로 정확한 결과를 도출할 수 없다는 문제를 갖고 있다.
에너지 저장장치의 경우, 그 특성이 분 및 초단위로 이루어짐에 따라 해당 데이터의 실시간 수집 및 분석을 필요로 한다. 이와 같은 짧은 기간 동안의 데이터 수집에 따른 분석을 진행할 경우, 데이터의 누락 혹은 손상 발생시 저장장치의 오동작으로 인한 것인지, 데이터 수집상 문제 발생인지 판별 데 어려움이 있다.
또한, 에너지 저장장치의 경우, 시계열의 특성을 갖고 있음에 따라 각 데이터간의 상관관계를 바탕으로 학습 및 예측을 진행하는 재귀 신경 네트워크(Recursive neural network)에 따른 동작 예측이 가능하다. 이 경우, 예측된 결과와 수집된 결과 사이의 오차율을 분석을 통한 수집된 데이터의 이상 여부에 대한 판별 및 복원이 가능하다.
기존의 칼만 필터(Kalman filter) 및 패턴인식에 기반한 추정 방식의 경우, 기존의 지속적인 데이터 누적에 따른 잔존 수명을 예측하는 방법을 적용하고 있으나, 이 경우, 누적 데이터가 부족한 경우, 정확한 예측이 어렵다는 문제점을 갖고 있다.
이를 해결하기 위해, 배터리 용량 및 잔존 수명 사이의 상관관계를 유추함으로써, 배터리의 사용에 대한 누적 데이터가 미비한 환경에서도 저장장치의 잔존 수명을 예측하는 기술이 필요하게 되었다.
재사용이 가능한 배터리라 하더라도, 소모품인 이상 사용에 따른 용량 변화로 인한 적정 동작구간에 변화가 발생함을 알 수 있다. 안전한 저장장치의 운영을 위해, 수명 감소에 따른 배터리 용량 변화를 사전에 파악하고 이로 인한 적정 동작 구간의 실시간 검출기술이 필요하다.
본 발명이 이루고자 하는 기술적 과제는 배터리 용량 및 잔존 수명 사이의 상관관계를 유추함으로써, 배터리의 사용에 대한 누적 데이터가 미비한 환경에서도 저장장치의 잔존 수명을 예측하기 위한 방법 및 장치를 제공하는데 있다. 또한, 안전한 저장장치의 운영을 위해, 수명 감소에 따른 배터리 용량 변화를 사전에 파악하고 이로 인한 적정 동작 구간의 실시간 검출하기 위한 방법 및 장치를 제공하고자 한다.
일 측면에 있어서, 본 발명에서 제안하는 에너지 저장장치 잔존 수명 추정 및 적정 동작구간 설정 방법은 에너지 저장장치의 에너지의 누적 데이터를 수집하고 데이터의 손상 여부를 분석하여 손상 데이터를 검출하는 단계, 손상 데이터에 대한 복원 및 학습 데이터 셋을 구성하는 단계, 학습 데이터 셋을 이용하여 에너지 저장장치 사용에 따른 배터리 총량과 잔존 수명 사이의 상관 관계 결과를 바탕으로 에너지 저장장치 내 잔존 수명을 검출하는 단계 및 검출된 잔존 수명에 따른 에너지 저장장치의 잔존 가치 및 감소된 에너지 저장장치의 총용량을 이용하여 에너지 저장장치의 적정 동작 구간을 산출하는 단계를 포함한다.
에너지의 누적 데이터를 수집하고 데이터의 손상 여부를 분석하여 손상 데이터를 검출하는 단계는 충전과 방전의 한 사이클 동안 수집된 데이터를 시계열에 맞추어 전압, 전류 및 용량에 대한 각 특성 별로 분류하고, 최대 충전량 및 최대 방전량에 대한 수집 데이터의 손상 여부를 판단한다.
손상 데이터에 대한 복원 및 학습 데이터 셋을 구성하는 단계는 수집된 누적 데이터의 활용을 통한 해당 구간에서의 손상 데이터에 대한 복원을 위해 특징 추출 및 해당 데이터의 패턴풀을 이용하여 데이터 별 최적 복원 파라미터를 도출하고, 통계적 분석 및 KNN 방법을 통한 손상 데이터의 복원을 수행한다.
학습 데이터 셋을 이용하여 에너지 저장장치 사용에 따른 배터리 총량과 잔존 수명 사이의 상관 관계 결과를 바탕으로 에너지 저장장치 내 잔존 수명을 검출하는 단계는 충전과 방전의 이전 사이클에서의 에너지 저장장치의 사용으로 인한 열화도 측정 및 잔존 수명을 검출하여 에너지 저장장치의 충전에 따른 분석 결과만으로 잔존 수명을 판단한다.
검출된 잔존 수명에 따른 에너지 저장장치의 잔존 가치 및 감소된 에너지 저장장치의 총용량을 이용하여 에너지 저장장치의 적정 동작 구간을 산출하는 단계는 과충전 및 과방전을 방지하기 위한 에너지 저장장치의 정상 동작 구간 설정하고, 설정된 정상 동작구간에 따른 적정 동작 구간을 계산하여 에너지 저장장치의 잔존 가치를 분석한다.
또 다른 일 측면에 있어서, 본 발명에서 제안하는 에너지 저장장치 잔존 수명 추정 및 적정 동작구간 설정 장치는 에너지 저장장치의 에너지의 누적 데이터를 수집하고 데이터의 손상 여부를 분석하여 손상 데이터를 검출하는 손상 검출부, 손상 데이터에 대한 복원 및 학습 데이터 셋을 구성하는 데이터 입력부, 학습 데이터 셋을 이용하여 에너지 저장장치 사용에 따른 배터리 총량과 잔존 수명 사이의 상관 관계 결과를 바탕으로 에너지 저장장치 내 잔존 수명을 검출하는 잔존 수명 검출부 및 검출된 잔존 수명에 따른 에너지 저장장치의 잔존 가치 및 감소된 에너지 저장장치의 총용량을 이용하여 에너지 저장장치의 적정 동작 구간을 산출하는 동작 구간 산출부를 포함한다.
손상 검출부는 충전과 방전의 한 사이클 동안 수집된 데이터를 시계열에 맞추어 전압, 전류 및 용량에 대한 각 특성 별로 분류하는 데이터 분류부 및 최대 충전량 및 최대 방전량에 대한 수집 데이터의 손상 여부를 판단하는 이상치 검출부를 포함한다.
데이터 입력부는 수집된 누적 데이터의 활용을 통한 해당 구간에서의 손상 데이터에 대한 복원을 위해 특징 추출 및 해당 데이터의 패턴풀을 이용하여 데이터 별 최적 복원 파라미터를 도출하는 누적 데이터 분석부 및 통계적 분석 및 KNN 방법을 통한 손상 데이터의 복원을 수행하는 데이터 복원부를 포함한다.
잔존 수명 검출부는 충전과 방전의 이전 사이클에서의 에너지 저장장치의 사용으로 인한 열화도 측정 및 잔존 수명을 검출하여 에너지 저장장치의 충전에 따른 분석 결과만으로 잔존 수명을 판단한다.
동작 구간 산출부는 과충전 및 과방전을 방지하기 위한 에너지 저장장치의 정상 동작 구간 설정하는 정상 동작 구간 설정부 및 설정된 정상 동작구간에 따른 적정 동작 구간을 계산하여 에너지 저장장치의 잔존 가치를 분석하는 분석 및 계산부를 포함한다.
본 발명의 실시예들에 따르면 배터리 용량 및 잔존 수명 사이의 상관관계를 유추함으로써, 배터리의 사용에 대한 누적 데이터가 미비한 환경에서도 저장장치의 잔존 수명을 예측할 수 있다. 또한, 안전한 저장장치의 운영을 위해, 수명 감소에 따른 배터리 용량 변화를 사전에 파악하고 이로 인한 적정 동작 구간의 실시간 검출할 수 있다.
도 1은 본 발명의 일 실시예에 따른 에너지 저장장치 잔존 수명 추정 및 적정 동작구간 설정 방법을 설명하기 위한 흐름도이다.
도 2는 본 발명의 일 실시예에 따른 에너지 저장장치 잔존 수명 추정 및 적정 동작구간 설정 장치의 구성을 나타내는 도면이다.
도 3은 본 발명의 일 실시예에 따른 손상 검출부 및 데이터 입력부를 설명하기 위한 도면이다.
도 4는 본 발명의 일 실시예에 따른 잔존 수명 검출부 및 동작 구간 산출부를 설명하기 위한 도면이다.
도 5는 본 발명의 일 실시예에 따른 리튬이온 배터리 종류에 따른 잔존 수명 검출 결과를 나타내는 그래프이다.
이하, 본 발명의 실시 예를 첨부된 도면을 참조하여 상세하게 설명한다.
도 1은 본 발명의 일 실시예에 따른 에너지 저장장치 잔존 수명 추정 및 적정 동작구간 설정 방법을 설명하기 위한 흐름도이다.
제안하는 에너지 저장장치 잔존 수명 추정 및 적정 동작구간 설정 방법은 에너지 저장장치의 에너지의 누적 데이터를 수집하고 데이터의 손상 여부를 분석하여 손상 데이터를 검출하는 단계(110), 손상 데이터에 대한 복원 및 학습 데이터 셋을 구성하는 단계(120), 학습 데이터 셋을 이용하여 에너지 저장장치 사용에 따른 배터리 총량(다시 말해, 에너지 저장장치의 총용량)과 잔존 수명 사이의 상관 관계 결과를 바탕으로 에너지 저장장치 내 잔존 수명을 검출하는 단계(130) 및 검출된 잔존 수명에 따른 에너지 저장장치의 잔존 가치 및 감소된 에너지 저장장치의 총용량을 이용하여 에너지 저장장치의 적정 동작 구간을 산출하는 단계(140)를 포함한다.
단계(110)에서, 에너지 저장장치의 에너지의 누적 데이터를 수집하고 데이터의 손상 여부를 분석하여 손상 데이터를 검출한다. 충전과 방전의 한 사이클 동안 수집된 데이터를 시계열에 맞추어 전압, 전류 및 용량에 대한 각 특성 별로 분류하고, 최대 충전량 및 최대 방전량에 대한 수집 데이터의 손상 여부를 판단한다.
본 발명의 일 실시예에 따른 에너지 저장장치 잔존 수명 추정 및 적정 동작구간 설정 방법에 있어서, 데이터의 이상치 검출 및 원인 분석을 위해 먼저 수집된 에너지 저장장치 데이터로부터 기준치 이상의 오동작 데이터 발견 시 관련 데이터(예를 들어, 전압, 전류 입출력)와의 연동을 통한 데이터의 손상 여부를 검토한다.
단계(120)에서, 손상 데이터에 대한 복원 및 학습 데이터 셋을 구성한다. 수집된 누적 데이터의 활용을 통한 해당 구간에서의 손상 데이터에 대한 복원을 위해 특징 추출 및 해당 데이터의 패턴풀을 이용하여 데이터 별 최적 복원 파라미터를 도출하고, 통계적 분석 및 KNN 방법을 통한 손상 데이터의 복원을 수행한다.
이후, 이상치에 대한 원인을 분석하기 위해 데이터의 이상치의 주 원인이 에너지 저장장치의 오작동으로 인한 것인지 또는 데이터 수집상에서 발생한 노이즈 또는 손상이 원인지를 분석한다. 저장장치 오작동의 경우 배터리(다시 말해, 에너지 저장장치) 동작 측면에서의 원인분석이 필요한 반면, 데이터 수집상에서 발생한 손상인 경우, 이에 대한 복원 프로세스가 필요하다.
비정상 데이터 선별 및 손상 데이터 복원을 위해 먼저 누락 데이터 복원을 수행한다. 이때, 기 손상된 데이터의 전후 동작 데이터와의 상관관계를 바탕으로 복원을 수행한다.
본 발명의 실시예에 따른 KNN(K-Nearest Neighborhood) 방법의 경우, 시계열에 따른 각 데이터간의 상관 관계를 바탕으로 예측 또는 복원 결과를 도출하는 것이 가능하므로 누락 데이터로 인한 문제를 보다 효율적으로 해결하는 것이 가능하다. 이와 같이, 데이터의 복원을 통한 정상 데이터 셋의 확보 및 이를 통한 잔존 수명 예측을 진행한다.
단계(130)에서, 학습 데이터 셋을 이용하여 에너지 저장장치 사용에 따른 배터리 총량과 잔존 수명 사이의 상관 관계 결과를 바탕으로 에너지 저장장치 내 잔존 수명을 검출한다. 충전과 방전의 이전 사이클에서의 에너지 저장장치의 사용으로 인한 열화도 측정 및 잔존 수명을 검출하여 에너지 저장장치의 충전에 따른 분석 결과만으로 잔존 수명을 판단한다.
본 발명의 실시예에 따른 DNN(Deep-Neural Network)를 통한 저장장치상태에 따른 잔존 수명 검출 방법은 잔존 수명 검출을 위해 배터리의 용량 변화율 및 잔존 수명 사이의 상관관계를 학습함으로써, 기 사용중인 배터리에 추가적인 작업 없이 잔존 수명 및 현재까지의 사용으로 인한 열화율을 검출할 수 있다.
단계(140)에서, 검출된 잔존 수명에 따른 에너지 저장장치의 잔존 가치 및 감소된 에너지 저장장치의 총용량을 이용하여 에너지 저장장치의 적정 동작 구간을 산출한다. 과충전 및 과방전을 방지하기 위한 에너지 저장장치의 정상 동작 구간 설정하고, 설정된 정상 동작구간에 따른 적정 동작 구간을 계산하여 에너지 저장장치의 잔존 가치를 분석한다.
본 발명의 실시예에 따른 예상 사용 기간 및 적정 동작 구간 도출은 배터리의 잔존 용량(capacity) 및 감소된 수명을 바탕으로, 각 소비자별 사용에 따른 잔존 사용량 검출 및 적정 동작 구간을 도출함으로써 과충전 또는 과동작으로 인한 문제를 미연에 방지할 수 있다.
도 2는 본 발명의 일 실시예에 따른 에너지 저장장치 잔존 수명 추정 및 적정 동작구간 설정 장치의 구성을 나타내는 도면이다.
제안하는 에너지 저장장치 잔존 수명 추정 및 적정 동작구간 설정 장치는 손상 검출부(210), 데이터 입력부(220), 배터리 관리부(230), 잔존 수명 검출부(240) 및 동작 구간 산출부(250)를 포함한다.
손상 검출부(210)는 에너지 저장장치의 에너지의 누적 데이터를 수집하고 데이터의 손상 여부를 분석하여 손상 데이터를 검출한다. 충전과 방전의 한 사이클 동안 수집된 데이터를 시계열에 맞추어 전압, 전류 및 용량에 대한 각 특성 별로 분류하고, 최대 충전량 및 최대 방전량에 대한 수집 데이터의 손상 여부를 판단한다.
본 발명의 일 실시예에 따른 에너지 저장장치 잔존 수명 추정 및 적정 동작구간 설정에 있어서, 데이터의 이상치 검출 및 원인 분석을 위해 먼저 수집된 에너지 저장장치 데이터로부터 기준치 이상의 오동작 데이터 발견 시 관련 데이터(예를 들어, 전압, 전류 입출력)와의 연동을 통한 데이터의 손상 여부를 검토한다.
데이터 입력부(220)는 손상 데이터에 대한 복원 및 학습 데이터 셋을 구성한다. 수집된 누적 데이터의 활용을 통한 해당 구간에서의 손상 데이터에 대한 복원을 위해 특징 추출 및 해당 데이터의 패턴풀을 이용하여 데이터 별 최적 복원 파라미터를 도출하고, 통계적 분석 및 KNN 방법을 통한 손상 데이터의 복원을 수행한다.
이후, 이상치에 대한 원인을 분석하기 위해 데이터의 이상치의 주 원인이 에너지 저장장치의 오작동으로 인한 것인지 또는 데이터 수집상에서 발생한 노이즈 또는 손상이 원인지를 분석한다. 저장장치 오작동의 경우 배터리 동작 측면에서의 원인분석이 필요한 반면, 데이터 수집상에서 발생한 손상인 경우, 이에 대한 복원 프로세스가 필요하다.
비정상 데이터 선별 및 손상 데이터 복원을 위해 먼저 누락 데이터 복원을 수행한다. 이때, 기 손상된 데이터의 전후 동작 데이터와의 상관관계를 바탕으로 복원을 수행한다.
본 발명의 실시예에 따른 KNN(K-Nearest Neighborhood) 방법의 경우, 시계열에 따른 각 데이터간의 상관 관계를 바탕으로 예측 또는 복원 결과를 도출하는 것이 가능하므로 누락 데이터로 인한 문제를 보다 효율적으로 해결하는 것이 가능하다. 이와 같이, 데이터의 복원을 통한 정상 데이터 셋의 확보 및 이를 통한 잔존 수명 예측을 진행한다.
배터리 관리부(230)는 한 사이클이 진행될 때마다 다음 동작을 실행한다. 먼저, 저장장치 사용자의 장비 운영 목적에 따른 배터리 동작 정책(Battery operation policy)을 수행한다. 다음으로, 배터리의 부하를 최소로 하는 동작 구간을 설정한다. 예를 들어, 정상 동작 구간(Normal operating boundary) 및 최소 감소 간격(Minimum degradation interval)을 설정한다. 그리고, 최대 충전량 및 방전량에 대한 데이터를 기록하고, 해당 주기 동안의 저장장치의 전압 및 전류 입, 출력 데이터를 기록한다.
잔존 수명 검출부(240)는 학습 데이터 셋을 이용하여 에너지 저장장치 사용에 따른 배터리 총량과 잔존 수명 사이의 상관 관계 결과를 바탕으로 에너지 저장장치 내 잔존 수명을 검출한다. 충전과 방전의 이전 사이클에서의 에너지 저장장치의 사용으로 인한 열화도 측정 및 잔존 수명을 검출하여 에너지 저장장치의 충전에 따른 분석 결과만으로 잔존 수명을 판단한다.
본 발명의 실시예에 따른 DNN(Deep-Neural Network)를 통한 저장장치상태에 따른 잔존 수명 검출 방법은 잔존 수명 검출을 위해 배터리의 용량 변화율 및 잔존 수명 사이의 상관관계를 학습함으로써, 기 사용중인 배터리에 추가적인 작업 없이 잔존 수명 및 현재까지의 사용으로 인한 열화율을 검출할 수 있다.
동작 구간 산출부(250)는 검출된 잔존 수명에 따른 에너지 저장장치의 잔존 가치 및 감소된 에너지 저장장치의 총용량을 이용하여 에너지 저장장치의 적정 동작 구간을 산출한다. 과충전 및 과방전을 방지하기 위한 에너지 저장장치의 정상 동작 구간 설정하고, 설정된 정상 동작구간에 따른 적정 동작 구간을 계산하여 에너지 저장장치의 잔존 가치를 분석한다.
본 발명의 실시예에 따른 예상 사용 기간 및 적정 동작 구간 도출은 배터리의 잔존 용량(capacity) 및 감소된 수명을 바탕으로, 각 소비자별 사용에 따른 잔존 사용량 검출 및 적정 동작 구간을 도출함으로써 과충전 또는 과동작으로 인한 문제를 미연에 방지할 수 있다.
도 3은 본 발명의 일 실시예에 따른 손상 검출부 및 데이터 입력부를 설명하기 위한 도면이다.
손상 검출부(310)는 데이터 분류부(311) 및 이상치 검출부(312)를 포함한다.
손상 검출부(310)는 데이터 분류부(311)를 통해 수집된 한 사이클 동안의 데이터를 시계열에 맞추어 각 특성 별로 분류한다. 예를 들어, 전압, 전류 용량 별로 분류할 수 있다. 이후, 이상치 검출부(312)를 통해 최대 충, 방전량에 대한 수집 데이터의 손상 여부를 판단한다.
데이터 입력부(220)는 누적 데이터 분석부(321) 및 데이터 복원부(322)를 포함한다. 누적 데이터 분석부(321)는 손상된 데이터와 관련된 데이터를 수집한 누적 데이터로부터 선별한다. 데이터 복원부(322)는 제안하는 알고리즘의 활용을 통한 손상 데이터의 복원을 진행한다.
더욱 상세하게는, 충전과 방전을 한 사이클로 설정함으로써, 동작에 따라 각 데이터를 분류하고 동작에 따른 입, 출력 전압 및 전류 그리고 최대 충전량 및 방전량을 기록한다.
이전 사이클과는 다른 최대 충전량 또는 방전량이 도출 되는 경우, 각 동작 시간대에서의 입, 출력 전류값을 통한 저장장치의 정상 동작 여부를 확인한다. 이를 통해 비정상 동작에 따른 저장장치 내 문제인지 또는 데이터 수집상 문제가 발생한 것인지 판별한다.
본 발명의 실시예에 따르면, 데이터에 기반한 예상 동작구간 설정을 통한 이상 데이터 검출을 수행할 수 있다.
예를 들어, RNN-LSTM 기법을 활용한 해당 구간에서의 예상 최대 충, 방전량을 계산하고, 해당 시간대의 전압 및 전류 변화량을 수집한다. LSTM에 대한 예측 결과 대비 허용 범위 이상의 오차 발생할 경우, 이상 데이터로 판별한다. 해당 결과를 도출하기 위해 사용된 저장장치의 입, 출력 전압 및 전류값을 분석하고, 전압 및 전류의 동작에 따른 문제점 미발견 시 데이터 손상으로 판단한다. 이와 같이 검출된 이상 데이터에 대한 복원 프로세스를 진행한다.
이때, 누적 데이터의 활용을 통한 해당 구간에서의 데이터 복원을 진행할 수 있다. 기존에 수집한 누적데이터의 활용을 통한 해당 구간에서의 데이터 복원을 진행한다. 특징 추출(Feature extraction) 및 해당 데이터의 패턴풀을 활용한 데이터 별 최적 복원 파라미터를 도출하고, 통계적 분석(Statistical analysis) 및 KNN(K-nearest neighborhood) 방법을 통한 손상 데이터 복원을 진행한다.
도 4는 본 발명의 일 실시예에 따른 잔존 수명 검출부 및 동작 구간 산출부를 설명하기 위한 도면이다.
잔존 수명 검출부(410)는 이전 사이클에서의 배터리 사용으로 인한 열화도 측정 및 이로 인한 잔존 수명을 검출한다. 잔존 수명 검출부(410)는 기존에 학습한 배터리 총량과 잔존 수명 사이의 상관 관계 결과를 바탕으로 주어진 폐 배터리의 잔존 수명을 검출한다. 이러한 방법을 통해 추가적인 장비 없이 배터리의 충전에 따른 분석 결과만으로 잔존 수명의 판단이 가능하다.
동작 구간 산출부(420)는 정상 동작 구간 설정부(421) 및 분석 및 계산부(422)를 포함한다. 정상 동작 구간 설정부(421)는 과충전 및 과방전을 방지하기 위한 배터리의 정상 동작 구간을 설정한다.
과충전 방지를 위해 열화된 배터리의 총량을 바탕으로, 잔존 수명과 최대 충전량 사이의 상관 관계식 도출하고, 해당 구간 이상의 전력 충전이 이루어지지 않도록 문턱값을 설정한다.
배터리의 총량은 주기적 사용에 따라 감소하며, 이에 따라 잔존 수명 또한 감소하게 된다. 초기 설정된 과방전 방지를 위한 설정은 배터리 열화에 따라 그 효용이 감소하므로, 배터리의 사용에 따른 열화도를 계산하여 최소 충전량이 실시간으로 업데이트 되도록 설정한다.
분석 및 계산부(422)는 저장장치의 잔존가치의 분석과 앞서 설정한 정상 동작구간을 통한 적정 운영 구간을 계산한다.
도 5는 본 발명의 일 실시예에 따른 리튬이온 배터리 종류에 따른 잔존 수명 검출 결과를 나타내는 그래프이다.
에너지 저장장치의 경우 민간 업체를 통한 전력 소비자를 대상으로 시장이 확대 됨에 따라 시장 확대가 급격히 이루어질 것으로 판단된다.
배터리 요금의 절감과 더불어 사용 용도의 다각화에 따른 에너지 저장장치 시장의 확대가 예상되는 환경에서, 폭발 및 오작동과 같은 기존 문제로부터 보다 안전하게 저장장치를 사용 가능하게 하는 잔존 수명 및 열화에 대한 연구의 필요성이 부각되고 있다.
고가의 측정 장비를 통한 상태 측정이 어려운 환경에서 데이터의 선별 및 분석을 바탕으로 잔존 수명을 도출함과 동시에 적정 동작구간을 산출하는 본 발명은 사용자의 금전적인 부담을 완화할 뿐만 아니라, 저장장치의 오동작으로 인해 발생 가능한 다양한 문제를 사전에 해결할 수 있다.
전기자동차의 보급이 10년이 넘게 지난 이 시점에서, 폐 배터리의 급증은 새로운 사회적, 환경적인 이슈를 만들 가능성이 높다.
잔존 수명의 추정을 바탕으로 배터리의 운영 효율을 극대화하는 본 발명의 경우, 안정적으로 폐 배터리를 재활용 할 수 있는 방안을 제시할 뿐만 아니라, 이로 인한 전력 수급의 안정화를 통한 사회적인 기여가 가능하다.
이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPA(field programmable array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다.　 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다.　 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다.　 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다.　 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다.　 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치에 구체화(embody)될 수 있다.　 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다.　 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다.　 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다.　 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다.　 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.　
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다.　 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims (10)

  1. 에너지 저장장치의 에너지의 누적 데이터를 수집하고 데이터의 손상 여부를 분석하여 손상 데이터를 검출하는 단계;
    손상 데이터에 대한 복원 및 손상 데이터가 복원된 학습 데이터 셋을 구성하는 단계;
    학습 데이터 셋을 이용하여 에너지 저장장치 사용에 따른 에너지 저장장치 총량과 잔존 수명 사이의 상관 관계 결과를 바탕으로 에너지 저장장치 내 잔존 수명을 검출하는 단계; 및
    검출된 잔존 수명에 따른 에너지 저장장치의 잔존 가치 및 감소된 에너지 저장장치의 총용량을 이용하여 에너지 저장장치의 적정 동작 구간을 산출하는 단계
    를 포함하고,
    손상 데이터에 대한 복원 및 손상 데이터가 복원된 학습 데이터 셋을 구성하는 단계는,
    수집된 누적 데이터의 활용을 통한 해당 구간에서의 손상 데이터에 대한 복원을 위해 특징 추출 및 해당 데이터의 패턴풀을 이용하여 데이터 별 최적 복원 파라미터를 도출하고,
    손상 데이터에 대한 원인을 분석하기 위해 손상 데이터의 원인이 에너지 저장장치의 오작동으로 인한 것인지 또는 데이터 수집 상에서 발생한 노이즈로 인한 것인지 분석하고, 손상 데이터의 원인에 따라 손상 데이터 선별 및 손상 데이터 복원을 위해 누락 데이터 복원을 수행하고, 손상 데이터의 전후 동작 데이터와의 상관관계에 기초하여 통계적 분석 및 KNN 방법을 통한 손상 데이터의 복원을 수행하는
    에너지 저장장치 잔존 수명 추정 및 적정 동작구간 설정 방법.
  2. 제1항에 있어서,
    에너지의 누적 데이터를 수집하고 데이터의 손상 여부를 분석하여 손상 데이터를 검출하는 단계는,
    충전과 방전의 한 사이클 동안 수집된 데이터를 시계열에 맞추어 전압, 전류 및 용량에 대한 각 특성 별로 분류하고, 최대 충전량 및 최대 방전량에 대한 수집 데이터의 손상 여부를 판단하는
    에너지 저장장치 잔존 수명 추정 및 적정 동작구간 설정 방법.
  3. 삭제
  4. 제1항에 있어서,
    학습 데이터 셋을 이용하여 에너지 저장장치 사용에 따른 에너지 저장장치 총량과 잔존 수명 사이의 상관 관계 결과를 바탕으로 에너지 저장장치 내 잔존 수명을 검출하는 단계는,
    충전과 방전의 이전 사이클에서의 에너지 저장장치의 사용으로 인한 열화도 측정 및 잔존 수명을 검출하여 에너지 저장장치의 충전에 따른 분석 결과만으로 잔존 수명을 판단하는
    에너지 저장장치 잔존 수명 추정 및 적정 동작구간 설정 방법.
  5. 제1항에 있어서,
    검출된 잔존 수명에 따른 에너지 저장장치의 잔존 가치 및 감소된 에너지 저장장치의 총용량을 이용하여 에너지 저장장치의 적정 동작 구간을 산출하는 단계는,
    과충전 및 과방전을 방지하기 위한 에너지 저장장치의 정상 동작 구간 설정하고, 설정된 정상 동작구간에 따른 적정 동작 구간을 계산하여 에너지 저장장치의 잔존 가치를 분석하는
    에너지 저장장치 잔존 수명 추정 및 적정 동작구간 설정 방법.
  6. 에너지 저장장치의 에너지의 누적 데이터를 수집하고 데이터의 손상 여부를 분석하여 손상 데이터를 검출하는 손상 검출부;
    손상 데이터에 대한 복원 및 손상 데이터가 복원된 학습 데이터 셋을 구성하는 데이터 입력부;
    학습 데이터 셋을 이용하여 에너지 저장장치 사용에 따른 에너지 저장장치 총량과 잔존 수명 사이의 상관 관계 결과를 바탕으로 에너지 저장장치 내 잔존 수명을 검출하는 잔존 수명 검출부; 및
    검출된 잔존 수명에 따른 에너지 저장장치의 잔존 가치 및 감소된 에너지 저장장치의 총용량을 이용하여 에너지 저장장치의 적정 동작 구간을 산출하는 동작 구간 산출부
    를 포함하고,
    데이터 입력부는,
    수집된 누적 데이터의 활용을 통한 해당 구간에서의 손상 데이터에 대한 복원을 위해 특징 추출 및 해당 데이터의 패턴풀을 이용하여 데이터 별 최적 복원 파라미터를 도출하는 누적 데이터 분석부; 및
    통계적 분석 및 KNN 방법을 통한 손상 데이터의 복원을 수행하는 데이터 복원부
    를 포함하고,
    손상 데이터에 대한 원인을 분석하기 위해 손상 데이터의 원인이 에너지 저장장치의 오작동으로 인한 것인지 또는 데이터 수집 상에서 발생한 노이즈로 인한 것인지 분석하고, 손상 데이터의 원인에 따라 손상 데이터 선별 및 손상 데이터 복원을 위해 누락 데이터 복원을 수행하고, 손상 데이터의 전후 동작 데이터와의 상관관계에 기초하여 통계적 분석 및 KNN 방법을 통한 손상 데이터의 복원을 수행하는
    에너지 저장장치 잔존 수명 추정 및 적정 동작구간 설정 장치.
  7. 제6항에 있어서,
    손상 검출부는,
    충전과 방전의 한 사이클 동안 수집된 데이터를 시계열에 맞추어 전압, 전류 및 용량에 대한 각 특성 별로 분류하는 데이터 분류부; 및
    최대 충전량 및 최대 방전량에 대한 수집 데이터의 손상 여부를 판단하는 이상치 검출부
    를 포함하는 에너지 저장장치 잔존 수명 추정 및 적정 동작구간 설정 장치.
  8. 삭제
  9. 제6항에 있어서,
    잔존 수명 검출부는,
    충전과 방전의 이전 사이클에서의 에너지 저장장치의 사용으로 인한 열화도 측정 및 잔존 수명을 검출하여 에너지 저장장치의 충전에 따른 분석 결과만으로 잔존 수명을 판단하는
    에너지 저장장치 잔존 수명 추정 및 적정 동작구간 설정 장치.
  10. 제6항에 있어서,
    동작 구간 산출부는,
    과충전 및 과방전을 방지하기 위한 에너지 저장장치의 정상 동작 구간 설정하는 정상 동작 구간 설정부; 및
    설정된 정상 동작구간에 따른 적정 동작 구간을 계산하여 에너지 저장장치의 잔존 가치를 분석하는 분석 및 계산부
    를 포함하는 에너지 저장장치 잔존 수명 추정 및 적정 동작구간 설정 장치.
KR1020190098722A 2019-08-13 2019-08-13 에너지 저장장치 잔존 수명 추정 및 적정 동작구간 설정 기술 KR102215703B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190098722A KR102215703B1 (ko) 2019-08-13 2019-08-13 에너지 저장장치 잔존 수명 추정 및 적정 동작구간 설정 기술

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190098722A KR102215703B1 (ko) 2019-08-13 2019-08-13 에너지 저장장치 잔존 수명 추정 및 적정 동작구간 설정 기술

Publications (1)

Publication Number Publication Date
KR102215703B1 true KR102215703B1 (ko) 2021-02-16

Family

ID=74687034

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190098722A KR102215703B1 (ko) 2019-08-13 2019-08-13 에너지 저장장치 잔존 수명 추정 및 적정 동작구간 설정 기술

Country Status (1)

Country Link
KR (1) KR102215703B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230082313A (ko) * 2021-12-01 2023-06-08 주식회사 피엠그로우 에너지 저장 시스템을 기반으로 전기 자동차의 배터리의 운영을 위한 스케줄링을 수행하는 배터리 스케줄링 방법 및 장치

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09243716A (ja) * 1996-03-08 1997-09-19 Sanken Electric Co Ltd 二次電池の状態判定方法
JPH11176480A (ja) * 1997-12-09 1999-07-02 Denso Corp 電気自動車用組み電池の電池管理装置
KR20110081604A (ko) * 2010-01-08 2011-07-14 주식회사 엘지화학 배터리의 용량 추정 장치 및 방법
JP2013217897A (ja) * 2012-04-05 2013-10-24 Samsung Sdi Co Ltd バッテリーの寿命予測システム
KR101944313B1 (ko) * 2018-04-30 2019-02-01 쌍용자동차 주식회사 배터리의 수명예측장치

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09243716A (ja) * 1996-03-08 1997-09-19 Sanken Electric Co Ltd 二次電池の状態判定方法
JPH11176480A (ja) * 1997-12-09 1999-07-02 Denso Corp 電気自動車用組み電池の電池管理装置
KR20110081604A (ko) * 2010-01-08 2011-07-14 주식회사 엘지화학 배터리의 용량 추정 장치 및 방법
JP2013217897A (ja) * 2012-04-05 2013-10-24 Samsung Sdi Co Ltd バッテリーの寿命予測システム
KR101944313B1 (ko) * 2018-04-30 2019-02-01 쌍용자동차 주식회사 배터리의 수명예측장치

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230082313A (ko) * 2021-12-01 2023-06-08 주식회사 피엠그로우 에너지 저장 시스템을 기반으로 전기 자동차의 배터리의 운영을 위한 스케줄링을 수행하는 배터리 스케줄링 방법 및 장치
KR102639174B1 (ko) 2021-12-01 2024-02-21 주식회사 피엠그로우 에너지 저장 시스템을 기반으로 전기 자동차의 배터리의 운영을 위한 스케줄링을 수행하는 배터리 스케줄링 방법 및 장치

Similar Documents

Publication Publication Date Title
US11215679B2 (en) Method and apparatus for detecting micro short circuit of battery
KR102359315B1 (ko) 배터리 상태 추정 장치 및 방법
JP6482819B2 (ja) グリッドタイ・エネルギ背景の経済的最適化のための戦略的モデリング
US11557798B2 (en) Method and system for predicting onset of capacity fading in a battery
KR102332399B1 (ko) 배터리 상태 추정 장치 및 방법
US8519674B2 (en) Method for estimating battery degradation in a vehicle battery pack
Singh et al. Fault diagnosis of Li-Ion batteries using multiple-model adaptive estimation
KR102247052B1 (ko) 배터리의 이상 상태를 감지하는 장치 및 방법
CN108226693B (zh) 实时电池内短路检测方法、检测装置和计算机可读存储介质
CN116683588B (zh) 锂离子电池充放电控制方法及系统
KR102422594B1 (ko) 전기차 배터리의 잔존 수명 예측 방법 및 장치
CN102279928B (zh) 基于支持向量机和模糊信息粒化的产品性能退化区间预测方法
KR102215703B1 (ko) 에너지 저장장치 잔존 수명 추정 및 적정 동작구간 설정 기술
CN116643178A (zh) 一种电池管理系统的soc估算方法及相关装置
KR102439932B1 (ko) 배터리 이상 검출 방법 및 장치
CN117872146A (zh) 监测电池异常的方法、装置、设备及存储介质
CN116736166A (zh) 电池包的电芯异常检测方法、装置及电池包
Vanem et al. Data-driven approaches to diagnostics and state of health monitoring of maritime battery systems
US20220283234A1 (en) Method for predicting soh of battery and battery pack employing same
KR20220147500A (ko) 배터리 안전도를 평가하는 방법 및 시스템
Malekzadeh et al. A hybrid data interpretation framework for automated performance monitoring of infrastructure
Rozas et al. Residual-based scheme for detection and characterization of faults in lithium-ion batteries
Salameh et al. Battery modeling and lifetime prediction
KR101971553B1 (ko) 사물인터넷 기반 기기 관리 시스템 및 방법
WO2024057996A1 (ja) 蓄電素子の劣化状態の算出装置、劣化状態の算出方法、劣化状態の算出プログラム、劣化状態の推定装置、劣化状態の推定方法、異常検知装置及び異常検知方法

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant