KR102301406B1 - Soc 보정 방법 및 장치 - Google Patents

Soc 보정 방법 및 장치 Download PDF

Info

Publication number
KR102301406B1
KR102301406B1 KR1020207034112A KR20207034112A KR102301406B1 KR 102301406 B1 KR102301406 B1 KR 102301406B1 KR 1020207034112 A KR1020207034112 A KR 1020207034112A KR 20207034112 A KR20207034112 A KR 20207034112A KR 102301406 B1 KR102301406 B1 KR 102301406B1
Authority
KR
South Korea
Prior art keywords
state
soc
steady
ocv
battery cell
Prior art date
Application number
KR1020207034112A
Other languages
English (en)
Other versions
KR20200141091A (ko
Inventor
지안 루안
스차오 리
밍슈 두
선즈 탕
옌화 루
웨이 장
Original Assignee
컨템포러리 엠퍼렉스 테크놀로지 씨오., 리미티드
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 컨템포러리 엠퍼렉스 테크놀로지 씨오., 리미티드 filed Critical 컨템포러리 엠퍼렉스 테크놀로지 씨오., 리미티드
Publication of KR20200141091A publication Critical patent/KR20200141091A/ko
Application granted granted Critical
Publication of KR102301406B1 publication Critical patent/KR102301406B1/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]
    • G01R31/385—Arrangements for measuring battery or accumulator variables
    • G01R31/387—Determining ampere-hour charge capacity or SoC
    • 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]
    • G01R31/3644—Constructional arrangements
    • G01R31/3648—Constructional arrangements comprising digital calculation means, e.g. for performing an algorithm
    • 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]
    • G01R31/374—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC] with means for correcting the measurement for temperature or ageing
    • 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]
    • G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
    • G01R31/3835—Arrangements for monitoring battery or accumulator variables, e.g. SoC involving only voltage measurements
    • 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]
    • G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
    • G01R31/3842—Arrangements for monitoring battery or accumulator variables, e.g. SoC combining voltage and current measurements
    • 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]
    • G01R31/385—Arrangements for measuring battery or accumulator variables
    • G01R31/387—Determining ampere-hour charge capacity or SoC
    • G01R31/388—Determining ampere-hour charge capacity or SoC involving voltage measurements
    • 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]
    • G01R31/396—Acquisition or processing of data for testing or for monitoring individual cells or groups of cells within a battery
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/0047—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with monitoring or indicating devices or circuits
    • H02J7/0048—Detection of remaining charge capacity or state of charge [SOC]

Abstract

본 출원은 SOC 보정 방법 및 장치, 배터리 관리 시스템 및 저장 매체를 개시한다. 이 방법은 사전-설정된 방치 조건을 충족할 때의 배터리 셀의 상태 데이터를 수집하는 단계; 상기 배터리 셀의 상태 데이터에서의 전압 데이터 길이가 제 1 사전-설정된 길이보다 길고 제 2 사전-설정된 길이보다 짧고 상기 배터리 셀의 상태 데이터에서의 전압 데이터의 변화 값이 사전-설정된 변화 임계값보다 큰 경우, 상기 배터리 셀의 상태 데이터에 따라, 사전-설정된 거의-정상-상태 배터리 모델의 제 1 세트의 결정될 파라미터를 결정하는 단계; 제 1 세트의 결정될 파라미터에 따라, 사전-설정된 거의-정상-상태 배터리 모델의 제 2 세트의 결정될 파라미터를 예측하는 단계; 제 2 세트의 결정될 파라미터에 따라 정상-상태 OCV 추정 값을 계산하고, 정상-상태 OCV와 SOC 사이의 사전-설정된 대응 관계를 사용하여 정상-상태 OCV 추정 값에 대응하는 SOC 보정 값을 결정하여 현재 SOC를 보정하는 단계를 포함한다. 본 출원의 실시양태들에 따르면, 배터리를 단시간 방치할 때 외부 회로 특성에 기초하여 정상-상태 OCV를 신속하게 추정할 수 있으며, 개방 회로 전압법의 적용성을 향상시킬 수 있다.

Description

SOC 보정 방법 및 장치
기술 분야
본 출원은 배터리 기술 분야, 특히 SOC 보정 방법 및 장치에 관한 것이다.
관련 출원에 대한 상호 참조
본 출원은 2019 년 5 월 27 일에 출원된 "SOC 보정 방법 및 장치, 배터리 관리 시스템 및 저장 매체"라는 제목으로 출원된 중국 특허 출원 제 201910441422.5 호를 우선권으로 주장하며, 그 전체 내용을 본원에 참조로 인용한다.
SOC(State of Charge, 충전 상태)는 완전 충전된 상태에 대한 배터리 잔류 용량의 비율을 나타내며, 이때 배터리 잔류 용량은, 배터리를 일정 기간 사용하거나 장시간 사용하지 않고 방치한 후에 남아있는 용량을 지칭한다. SOC = 0이면 배터리가 완전히 방전된 것이고, SOC = 1이면 배터리가 완전히 충전된 것이다. SOC 추정(estimation)은 배터리 관리 시스템의 가장 중요한 기능 중 하나로, 배터리 관리 시스템의 전원 표시, 남은 실행 길이 제시, 과충전 및 과방전 보호, 배터리 밸런싱, 충전 제어, 배터리 상태 예측을 가능하게 한다.
종래 기술에서 SOC 추정은 주로 개방 회로 전압법 사용에 의해 수행되었다. 특히, 정상-상태에서의 배터리의 SOC(즉, 정상-상태 SOC)를 얻기 위해, 배터리 셀의 정상-상태에서의 개방 회로 전압(OCV)과 SOC 간의 대응 관계를 사용하였다.
그러나, 정상-상태의 OCV를 얻기 위해서는 일반적으로 장시간(몇 시간 이상)방치하는 것이 필요하며, 실제 사용 조건에서는 배터리를 장시간 동안 방치할 가능성이 그다지 없으며, 따라서 배터리 셀의 정상-상태 OCV를 얻을 기회가 그다지 없어, 개방 회로 전압법의 적용 가능성이 적다.
본 출원의 목적은, 배터리가 단시간 방치되었을 때 배터리의 외부 회로 특성을 통해 정상-상태 OCV를 신속하게 추정할 수 있고 개방 회로 전압법의 적용성을 향상시킬 수 있는, SOC 보정 방법 및 장치, 배터리 관리 시스템 및 저장 매체를 제공하는 것이다.
제 1 양태에서, 본 출원의 일 실시양태는 SOC 보정 방법을 제공하며, 상기 SOC 보정 방법은 다음 단계들을 포함한다:
사전-설정된 방치 조건을 충족할 때의 배터리 셀의 상태 데이터를 수집하는 단계,
배터리 셀의 상태 데이터에서의 전압 데이터의 길이가 제 1 사전-설정된 길이보다 길고 제 2 사전-설정된 길이보다 짧고, 배터리 셀의 상태 데이터에서의 전압 데이터의 변화 값이 사전-설정된 변화 임계값(threshold)보다 큰 경우, 상기 배터리 셀의 상태 데이터에 따라, 사전-설정된 거의-정상-상태 배터리 모델의 제 1 세트의 결정될 파라미터를 결정하는 단계,
제 1 세트의 결정될 파라미터에 따라, 사전-설정된 거의-정상-상태 배터리 모델의 제 2 세트의 결정될 파라미터를 예측하는 단계;
제 2 세트의 결정될 파라미터에 따라 정상-상태 OCV 추정 값을 계산하고, 정상-상태 OCV와 SOC 사이의 사전-설정된 대응 관계를 사용하여 정상-상태 OCV 추정 값에 대응하는 SOC 보정 값을 결정하여 현재 SOC를 보정하는 단계.
제 2 양태에서, 본 출원의 일 실시양태는 다음을 포함하는 SOC 보정 장치를 제공한다:
사전-설정된 방치 조건을 충족할 때의 배터리 셀의 상태 데이터를 수집하도록 구성된, 데이터 수집 모듈;
상기 배터리 셀의 상태 데이터에서의 전압 데이터의 길이가 제 1 사전-설정된 길이보다 길고 제 2 사전-설정된 길이보다 짧고 상기 배터리 셀의 상태 데이터에서의 전압 데이터의 변화 값이 사전-설정된 변화 임계값보다 큰 경우, 상기 배터리 셀의 상태 데이터에 따라, 사전-설정된 거의-정상-상태 배터리 모델의 제 1 세트의 결정될 파라미터를 결정하도록 구성된, 제 1 세트의 결정될 파라미터의 결정 모듈;
제 1 세트의 결정될 파라미터에 따라, 사전-설정된 거의-정상-상태 배터리 모델의 제 2 세트의 결정될 파라미터를 예측하도록 구성된, 제 2 세트의 결정될 파라미터의 예측 모듈; 및
제 2 세트의 결정될 파라미터에 따라 정상-상태 OCV 추정 값을 계산하고, 정상-상태 OCV와 SOC 간의 사전-설정된 대응 관계를 사용하여 정상-상태 OCV 추정 값에 대응하는 SOC 보정 값을 결정하여 현재 SOC를 보정하도록 구성된, SOC 보정 모듈.
제 3 양태에서, 본 출원의 일 실시양태는 전술한 SOC 보정 장치를 포함하는 배터리 관리 시스템을 제공한다.
제 4 양태에서, 본 출원의 일 실시양태는 프로그램이 저장된 저장 매체를 제공하고, 이때 상기 프로그램은 프로세서에 의해 실행되어 상술한 SOC 보정 방법을 구현한다.
정상-상태 OCV의 수집은 배터리가 SOC 추정 동안 장시간 방치되어야 하는 문제를 피하기 위해, 본 출원의 실시양태는, 먼저, 배터리 셀이 사전-설정된 방치 조건을 충족시키는 조건 하에서 배터리 셀의 상태 데이터에 따라 거의-정상-상태 배터리 모델의 결정될 파라미터를 결정하여, 거의-정상-상태에서 시간에 따른 OCV 변화의 경향을 특성분석한 다음, 상기 결정될 파라미터를 사용하여 정상-상태 기간 임계값을 처리하여 정상-상태 OCV 추정 값을 얻은 다음, 정상-상태 OCV와 SOC 간의 사전-설정된 대응 관계를 사용하여 정상-상태 OCV 추정 값에 대응하는 SOC 값을 결정하여 현재 SOC를 보정한다.
종래 기술의 개방 회로 전압법과 비교하여, 본 출원의 실시양태는, 배터리가 짧은 시간 동안 방치되었을 때 배터리의 외부 회로 특성을 사용함으로써 거의-정상-상태에서 시간에 따른 개방 회로 전압 변화를 특성분석하는 데 사용되는 거의-정상-상태 배터리 모델의 제 1 세트의 결정될 파라미터를 결정하고, 상기 제 1 세트의 결정될 파라미터를 사용하여 정상-상태 OCV를 추정하여, 이로써 정상-상태 OCV를 얻는 데 필요한 시간이 줄이고 SOC 보정 가능성을 증가시켜 개방 회로 전압법의 적용 가능성이 향상되도록 한다.
또한, 본 출원의 실시양태에서는, 전압 데이터의 양이 충분한지 및 전압 데이터의 변화 값이 신뢰할 수 있는지의 관점에서, 거의-정상-상태 배터리 모델의 결정에 사용되는 배터리 셀의 상태 데이터의 조건이 제한된다. 예를 들어, 전압 데이터 길이가 불충분하다는 문제를 해결하기 위해, 본 출원의 실시양태는, 제 1 세트의 결정될 파라미터에 따라 제 2 사전-설정된 길이를 위한 사전-설정된 거의-정상-상태 배터리 모델의 제 2 세트의 결정될 파라미터를 예측하고, 이어서, 제 1 세트의 결정될 파라미터를 사용하여 정상-상태 OCV를 추정하여, 배터리 셀의 불충분한 상태 데이터로 인한 사전-설정된 거의-정상-상태 배터리 모델의 결정될 파라미터의 부정확성 문제를 방지하고, 개방 회로 전압법의 추정 정확도 및 적용 가능성을 더욱 향상시킨다.
이하, 첨부된 도면을 참조하여 본 출원의 예시적 실시양태의 특징, 장점 및 기술적 효과를 기술하며, 이 도면들은 실제 축척에 따라 도시된 것이 아니다.
도 1은 본 출원의 제 1 실시양태에 따르는 SOC 보정 방법의 개략적인 흐름도이다.
도 2는 본 출원의 실시양태에 따른 시간 시퀀스 및 그에 대응하는 전압 시퀀스에 기초하여 획득된 시간에 따른 전압 변화 곡선의 개략도이다.
도 3은 본 출원의 다른 실시양태에 따른 시간 시퀀스 및 그에 대응하는 전압 시퀀스에 기초하여 획득된 시간에 따른 전압 변화 곡선의 개략도이다.
도 4는 본 출원의 제 2 실시양태에 따르는 SOC 보정 방법의 개략적인 흐름도이다.
도 5는 본 출원의 제 3 실시양태에 따르는 SOC 보정 방법의 개략적인 흐름도이다.
도 6은 본 출원의 제 4 실시양태에 따르는 SOC 보정 방법의 개략적인 흐름도이다.
도 7은 본 출원의 제 5 실시양태에 따르는 SOC 보정 방법의 개략적인 흐름도이다.
도 8은 본 출원의 실시양태에 따르는 SOC 보정 장치의 개략적인 구조도이다.
본 출원의 다양한 양태의 특징 및 예시적인 실시양태가 아래에서 상세히 기술될 것이다. 다음의 상세한 설명에서는 이 출원에 대한 포괄적인 이해를 제공하기 위해 많은 특정 세부 사항이 제안된다.
본 출원의 실시양태는 SOC 보정 방법 및 장치, 배터리 관리 시스템 및 저장 매체를 제공한다. 본 출원의 실시양태의 기술적 해결책을 이용하여, 배터리의 개방 회로 전압이 정상-상태가 될 때의 모델을 결정하고, 배터리의 짧은 방치 기간 중의 외부 회로의 특성을 사용함으로써 정상-상태에서의 개방 전압을 추정하여, 정상-상태 개방 전압을 수득하는 데 필요한 시간을 줄이고, 정상-상태 개방 회로 전압의 획득이 너무 오랜 시간을 필요로 한다는 문제를 극복하고, SOC 보정 가능성을 증가시켜 개방 전압법 적용성이 개선될 수 있도록 한다.
본 출원의 실시양태에 관련된 몇 가지 개념이 아래에서 간략하게 기술된다.
개방 회로 전압(OCV)은, 배터리 셀이 개방 상태에 있거나 또는 외부 전류가 거의 0일 때의 셀의 단자 전압을 나타낸다.
정상-상태 OCV는, 배터리 셀이 장시간 동안 개방 상태에 있거나 외부 전류가 거의 0일 때, 전압 변화율이 사전-설정된 임계값 미만인 경우의 단자 전압을 의미한다.
비정상-상태 OCV는, 배터리 셀이 짧은 시간 동안 개방 상태에 있거나 외부 전류가 거의 0일 때, 분극 전압 보상 값이 추가되었을 때 추정된 개방 회로 전압을 의미한다.
거의-정상-상태 OCV는, 배터리 셀이 개방 상태에 있거나 전류 여자(current excitation) 기간 후 전류가 거의 0일 때, 정상-상태 OCV에 이르는 동안의 전압을 나타낸다.
도 1은 본 출원의 제 1 실시양태에 따르는 SOC 보정 방법의 개략적인 흐름도이다. 도 1에 도시된 바와 같이, SOC 보정 방법은 단계 101 내지 104를 포함한다.
단계 101에서는, 사전-설정된 방치 조건을 충족할 때의 배터리 셀의 상태 데이터를 수집한다.
배터리 셀의 상태 데이터는 SOH(State of Health, 성능 상태)를 포함한다. SOH는 배터리의 정격 용량에 대한 배터리의 전체 용량의 비율로서, 배터리의 전하 저장 능력을 나타내는 데 사용된다. 공장에서 새로이 출시된 배터리의 SOH는 100%이며, 사용 시간이 연장됨에 따라 SOH는 점차 감소할 것이다. SOH 값은 단시간에 변하지 않는 것으로 간주될 수 있다.
일 예에서, 배터리 셀의 상태 데이터는 전압, 전류, 온도 등을 추가로 포함한다.
일 예에서, 사전-설정된 방치 조건은 배터리 셀의 전류가 사전-설정된 전류 임계값보다 작음을 나타낼 수 있다.
사전-설정된 전류 임계값은, 현재의 배터리 셀의 SOC 및 온도에 따라 SOC, 온도 및 사전-설정된 전류 임계값 간의 사전 설정된 대응 관계를 조사하여 결정할 수 있다.
특정 구현예에서, 배터리 셀이 사전-설정된 방치 조건을 충족할 때, 배터리 셀의 SOH, 전압 시퀀스 UList = [V1, V2, ... Vn], 전류 시퀀스 IList = [I1, I2,..., In], 온도 시퀀스 TList = [T1, T2,… Tn] 및 시간 시퀀스 TimeList = [t1 t2,…, tn]를 기록하고, 상기 방치 조건을 충족할 때의 시간 기간 Te를 누적한다.
도 2는 본 출원의 실시양태에 따른 시간 시퀀스 및 그에 대응하는 전압 시퀀스에 기초하여 획득된 시간에 따른 전압 변화 곡선의 개략도이다.
도 2의 횡축은 시간, 종축은 전압이고, 시간 t1에 대응하는 전압은 V1, 시간 t2에 대응하는 전압은 V2, 시간 t12에 대응하는 전압은 V12, 시간 t13에 대응하는 전압은 V13이다.
일 예에서, 거의-정상-상태 배터리 모델을 사용하여 도 2의 변화 곡선을 특성분석할 수 있다.
다음은 4 개의 거의-정상-상태 배터리 모델을 보여주며, 이때 V(t)는 거의-정상-상태일 때의 시간 함수로서의 배터리의 전압이다.
모델 M1:
Figure 112020127486239-pct00001
(1)
이때,
Figure 112020127486239-pct00002
은 모델 M1의 결정될 파라미터이고, e는 자연 밑(natural base)이다.
모델 M2:
Figure 112020127486239-pct00003
(2)
이때,
Figure 112020127486239-pct00004
은 모델 M2의 결정될 파라미터이고, e는 자연 밑이다.
모델 M3:
Figure 112020127486239-pct00005
(3)
이때,
Figure 112020127486239-pct00006
은 모델 M3의 결정될 파라미터이고, e는 자연 밑이다.
모델 M4:
Figure 112020127486239-pct00007
(4)
이때,
Figure 112020127486239-pct00008
은 결정될 모델 파라미터이고, e는 자연 밑이다.
본 출원의 실시양태에 따른 거의-정상-상태 배터리 모델은 위의 네 가지 유형에 제한되지 않고 여기에 국한되지 않는 각 모델의 단순화 및 변형도 포함한다는 점에 유의해야 한다.
도 3은 본 출원의 다른 실시양태에 따른 시간 시퀀스 및 그에 대응하는 전압 시퀀스에 기초하여 얻은 전압 대 시간 곡선의 개략도이다.
도 3과 도 2의 차이점은 도 3은 t1-t7의 전압 시퀀스에 기초한 시간에 따른 전압 곡선을 나타낸 것인데, 도 3의 데이터의 경우에는 데이터량이 불충분하거나 방치 시간이 짧은 문제가 있을 수 있어, t1-t7에서의 전압 시퀀스에 기초해서는, t7 이후 시간에 따른 전압 변화를 정확하게 반영할 수 없으며, 이로써 사전-설정된 거의-정상-상태 배터리 모델의 결정될 파라미터의 정확도가 감소한다.
이러한 점에 비추어, 본 출원의 실시양태에서는, 전압 데이터의 길이를 사용하여, 수집된 전압 데이터의 개수, 즉 계산에 사용된 전압 데이터의 양을 나타내고, 또한 방치 시간의 길이를 반영한다.
본 출원의 실시양태에서는, 전압 데이터의 양이 충분한지 기술하기 위해 전압 데이터의 길이에 따라 세 개의 구간으로 나눌 수 있다.
제 1 길이 구간: 0에서 제 1 사전-설정된 길이까지. 수집된 전압 데이터의 길이가 제 1 길이 구간이면, 이는 데이터의 양이 너무 적고 셀 방치 시간이 너무 짧음을 의미하며, 이때 현재 SOC는 보정되지 않는다.
제 2 길이 구간: 제 1 사전-설정된 길이에서 제 2 사전-설정된 길이까지. 수집된 전압 데이터의 길이가 제 2 길이 구간이면, 이는 데이터 양이 충분하지 않고 셀 방치 시간이 충분히 길지 않음을 의미하며, 이때 정상 상태 OCV는 감소된 정확도로 직접 추정될 수 있다.
제 3 길이 구간: 제 2 사전-설정된 길이에서 +∞까지. 수집된 전압 데이터의 길이가 제 3 길이 구간이면 이는 데이터의 양이 충분하고 셀 방치 시간 또한 충분히 길다는 것을 의미하며, 이때 정상 상태 OCV는 높은 정확도로 직접 추정될 수 있다.
또한, 전압 데이터가 신뢰할만한 것인지를 기술하기 위해서는 배터리 셀의 상태 데이터에서 전압 데이터의 변화 값을 확인하는 것이 필요하다.
전압 데이터의 변화 값이 사전-설정된 변화 임계값보다 크면, 이는, 도 2 또는 도 3에서 시간에 따른 전압 대 시간 곡선의 변화 추세가 자명하고 정상 상태 OCV를 높은 정확도로 직접 추정할 수 있음을 의미한다.
전압 데이터의 변화 값이 사전-설정된 변화 임계값보다 크지 않다면, 이는, 도 2 또는 도 3에서 시간에 따른 전압 대 시간 곡선의 변화 추세가 명확하지 않음을 의미하며, 이때 정상 상태 OCV는 감소된 정확도로 직접 추정될 수 있음을 의미한다.
제 1 사전-설정된 길이와 제 2 사전-설정된 길이는 모두 배터리 셀의 전류에 의해 결정될 수 있다. 배터리 셀의 전류가 작으면 전압 기울기의 변화가 적다는 것을 의미하고, 제 1 사전-설정된 길이와 제 2 사전-설정된 길이의 값을 적절히 줄일 수 있다. 배터리 셀의 전류가 작으면 전압 기울기의 변화가 적고, 이 때 제 1 사전-설정된 길이와 제 2 사전-설정된 길이의 값을 적절하게 늘려 충분한 데이터량을 확보하여야, 사전-설정된 거의-정상-상태 배터리 모델의 결정될 파라미터의 정확도가 보장된다.
제 2 길이 구간의 경우, 단계 102 내지 단계 104가 수행될 수 있다.
단계 102에서는, 배터리 셀의 상태 데이터에서의 전압 데이터의 길이가 제 1 사전-설정된 길이보다 길고 제 2 사전-설정된 길이보다 짧고, 배터리 셀의 상태 데이터에서의 전압 데이터의 변화 값이 사전-설정된 변화 임계값보다 큰 경우, 상기 배터리 셀의 상태 데이터에 따라, 사전-설정된 거의-정상-상태 배터리 모델의 제 1 세트의 결정될 파라미터를 결정한다.
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
단계 103에서는, 제 1 세트의 결정될 파라미터에 따라, 사전-설정된 거의-정상-상태 배터리 모델의 제 2 세트의 결정될 파라미터를 예측한다.
특정 구현예에서, 사전-설정된 거의-정상-상태 배터리 모델의 제 2 세트의 결정될 파라미터는, 제 1 세트의 결정될 파라미터, 및 제 1 세트의 결정될 파라미터와 제 2 세트의 결정될 파라미터 사이의 전압 데이터 길이에 기초한 사전-설정된 대응 관계에 기초하여 예측될 수 있다.
예를 들어, 결정된 거의-정상-상태 배터리 모델 (예컨대 M1)의 경우, M1의 제 1 결정될 파라미터에 기초하여, 제 2 사전-설정된 길이에서의 M1의 제 1 세트의 결정될 파라미터와 제 2 세트의 결정될 파라미터 간의 사전-설정된 대응 관계를 조회하여, M1의 제 2 세트의 결정될 파라미터를 예측할 수 있다.
단계 104에서는, 제 2 세트의 결정될 파라미터에 따라 정상-상태 OCV 추정 값을 계산하고, 정상-상태 OCV와 SOC 사이의 사전-설정된 대응 관계를 사용하여 정상-상태 OCV 추정 값에 대응하는 SOC 보정 값을 결정하여 현재 SOC를 보정한다.
특정 구현예에서, 배터리 셀의 상태 데이터에 대응하는 정상-상태 기간 임계값 Tt가 결정되고, 이어서 이 정상-상태 기간 임계값 Tt는 제 2 세트의 결정될 파라미터에 의해 결정된 거의-정상-상태 배터리 모델을 사용함으로써 프로세싱되고, 즉, 정상-상태 기간 임계값 Tt는 제 2 세트의 결정될 파라미터에 의해 결정된 거의-정상-상태 배터리 모델에 적용되고, 마지막으로 정상-상태 OCV 추정 값이 결정될 수 있다.
상기 정상-상태 기간 임계값 Tt는, 현재 순간의 배터리 셀의 SOH 및 온도에 기초하여 SOH, 온도 및 정상-상태 기간 임계값 간의 사전-설정된 대응 관계를 조회함으로써 결정될 수 있다.
제 3 길이 구간의 경우, 단계 105 내지 단계 106이 수행될 수 있다 (도 4 참조).
단계 105에서는, 배터리 셀의 상태 데이터에서의 전압 데이터의 길이가 제 2 사전-설정된 길이보다 길고, 배터리 셀의 상태 데이터에서의 전압 데이터의 변화 값이 사전-설정된 변화 임계값보다 큰 경우, 배터리 셀의 상태 데이터에 따라 사전-설정된 거의-정상-상태 배터리 모델의 제 1 세트의 결정될 파라미터를 결정한다.
단계 106에서는, 제 1 세트의 결정될 파라미터에 따라 정상-상태 OCV 추정 값을 계산하고, 정상-상태 OCV와 SOC 사이의 사전-설정된 대응 관계를 사용하여, 정상-상태 OCV 추정 값에 대응하는 SOC 보정 값을 결정하여, 현재 SOC를 보정한다.
단계 101 내지 단계 106을 조합하면, 정상-상태 OCV가 SOC 추정 동안 장시간 방치되어야 하는 문제를 피하기 위해, 본 출원의 실시양태는 먼저, 셀이 사전-설정된 방치 조건을 충족할 때의 배터리 셀의 상태 데이터에 따라 거의-정상-상태 배터리 모델의 결정될 파라미터를 결정하여, 거의-정상-상태에서의 시간에 따른 OCV 변화 경향을 분석하며, 이어서 상기 결정될 파라미터를 사용하여 정상-상태 기간 임계값을 프로세싱하여 정상-상태 OCV 추정 값을 얻은 다음, 정상-상태 OCV와 SOC 간의 사전-설정된 대응 관계를 사용하여 정상-상태 OCV 추정 값에 대응하는 SOC를 결정하여, 현재 SOC를 보정한다.
종래 기술의 개방 회로 전압법과 비교하여, 본 출원의 실시양태는, 배터리가 단시간 동안 방치되었을 때 배터리의 외부 회로 특성을 사용함으로써 거의-정상-상태에서 시간에 따른 개방 회로 전압 변화를 특성분석하는 데 사용되는 제 1 세트의 거의-정상-상태 배터리 모델의 제 1 세트의 결정될 파라미터를 결정하고, 상기 제 1 세트의 결정될 파라미터를 사용하여 정상-상태 OCV를 추정하여, 이로써 정상-상태 OCV를 얻는 데 필요한 시간이 줄이고 SOC 보정 가능성을 증가시켜 개방 회로 전압법의 적용 가능성이 향상되도록 한다.
또한, 본 출원의 실시양태에서, 전압 데이터의 양이 충분한지 및 전압 데이터의 변화 값이 신뢰할 수 있는지의 관점에서, 거의-정상-상태 배터리 모델의 결정에 사용되는 배터리 셀의 상태 데이터에 대한 조건이 추가로 제한된다.
예를 들어, 전압 데이터의 길이가 제 2 길이 구간 내에 있어서 데이터가 불충분한 문제를 해결하기 위해, 본 출원의 실시양태는, 제 1 세트의 결정될 파라미터에 따라 제 2 사전-설정된 길이에서의 사전-설정된 거의-정상-상태 배터리 모델의 제 2 세트의 결정될 파라미터를 예측할 수 있고, 그 후 제 1 세트의 결정될 파라미터를 사용하여 정상-상태 OCV를 추정하여, 배터리 셀의 불충분한 상태 데이터로 인한 사전-설정된 거의-정상-상태 배터리 모델의 결정될 파라미터의 낮은 정확도 문제를 방지하고 개방 회로 전압법의 추정 정확도 및 적용 가능성을 더욱 개선한다.
선택적인 실시양태에서, 정상-상태 OCV 추정 값이 사전-설정된 OCV 추정 값 범위를 초과하는지 여부를 판단할 수 있으며, 정상-상태 OCV 추정 값이 사전-설정된 OCV 추정 값 범위를 초과하지 않으면 정상-상태 OCV와 SOC 사이의 사전-설정된 대응 관계를 사용하여, 정상-상태 OCV 추정 값에 대응하는 SOC 보정 값을 결정하여, 현재 SOC를 보정한다. 그렇지 않으면, 정상-상태 OCV 추정 값이 크게 벗어나거나 정상 작동 범위 내에 있지 않음을 의미한다. 이 경우 비정상-상태 OCV 방법을 사용하여 보정할 수 있거나 보정하지 않을 수도 있다.
거의-정상-상태 배터리 모델의 제 1 세트의 결정될 파라미터를 얻는 방법이 아래에서 기술된다.
일 예에서, 제 1 세트의 결정될 파라미터의 적어도 일부의 파라미터는, SOH, 전압, 전류, 온도 및 파라미터의 일부와 현재의 SOH, 전압, 전류 및 온도 사이의 사전-설정된 대응 관계에 기초하여 (즉, SOH, 전압, 전류, 온도 및 및 파라미터의 일부 간의 사전-설정된 대응 관계를 조회함으로써) 결정될 수 있다.
일 예에서, 제 1 세트의 결정될 파라미터의 적어도 일부의 파라미터는, 현재 순간까지의 전압 데이터를 피팅함으로써 결정된다. 본 출원에서 "적어도 일부의 파라미터"는 일부 파라미터 및 모든 파라미터를 포함한다는 것이 이해될 것이다.
일 예에서, 제 1 세트의 결정될 파라미터의 적어도 일부의 파라미터는, SOH, 전압, 전류, 온도 및 파라미터의 일부와 현재의 SOH, 전압, 전류 및 온도 사이의 사전-설정된 대응 관계에 기초하여 결정될 수 있으며, 나머지의 결정될 파라미터는, 사전-설정된 방치 조건의 개시로부터 현재 순간까지의 전압 시퀀스 UList = [V1, V2, ... Vn]을 피팅함으로써 결정될 수 있다. 피팅 알고리즘은 최소 제곱 방법 및 그 변형, 생성(genetic) 알고리즘, 또는 기타 파라미터 피팅 방법 등을 포함하지만, 이에 국한되지는 않는다.
예를 들어, 위에서 언급한 거의-정상-상태 배터리 모델 3의 경우, 현재의 배터리 셀의 SOH, 전압, 전류 및 온도에 기초하여 모델 파라미터 c3과 SOH, 전압, 전류 및 온도 간의 오프라인 사전 결정된 대응 관계를 조회함으로써, 모델 파라미터 c3 값을 결정하고, 이후 재귀 최소제곱법을 사용하여 UList = [V1, V2, ... Vn]을 피팅하여 결정될 파라미터 a3 및 b3을 얻는다.
단계 102에서의 사전-설정된 거의-정상-상태 배터리 모델의 결정은 아래에서 기술될 것이다.
일 예에서, 배터리 셀의 전압 데이터에 기초하여, 당업자는 사전-설정된 거의-정상-상태 배터리 모델로서 적절한 거의-정상-상태 배터리 모델을 경험적으로 선택할 수 있다.
일 예에서, 배터리 셀의 전압 데이터에 기초하여, 당업자는 적절한 거의-정상-상태 배터리 모델을 경험적으로 선택하고, 사전-설정된 거의-정상-상태 배터리 모델로서 복수의 거의-정상-상태 배터리 모델들의 합을 사용할 수 있다.
일 예에서, 당업자는 또한, 배터리 셀의 상태 데이터에서의 전압 데이터에 따라 m 개의 서브(sub)-거의-정상-상태 배터리 모델을 각각 피팅하여, m 개의 피팅된 곡선 및 그에 대응하는 피팅 차이 값을 얻은 다음, m 개의 서브-거의-정상-상태 배터리 모델을 상기 피팅 차이 값에 따라 순서대로 배치하고, 피팅 차이 값이 가장 작은 처음 n 개의 서브-거의-정상-상태 배터리 모델의 합을 사전-설정된 정상-상태 배터리 모델로 세팅한다 (여기서, m≥n≥1).
이 예에서, 피팅 차이 값이 작을수록 서브-거의-정상-상태 배터리 모델이 실제 작동 조건 데이터와 더 많이 일치한다. 즉, 거의-정상-상태 배터리 모델이 더 정확하고 SOC 추정 값의 정확도가 더 높다. 여기서, 피팅 분산도는, 분산도, 표준 편차, 절대 오차 값의 누적 합, 오차의 합, 절대 최대 오차 등일 수 있으며, 이들에 국한되지 않는다.
당업자는 필요에 따라 모델의 결정될 파라미터를 결정하기 위한 적절한 방법을 선택할 수 있으며, 이는 제한적이지 않다는 점에 유의해야 한다. 또한, 본원의 실시양태에서, 거의-정상-상태 배터리 모델의 결정될 파라미터를 결정하는 것은 실시간으로 수행될 수 있다. 즉, 거의-정상-상태 배터리 모델의 결정될 파라미터는 셀 방치 시간이 연장됨에 따라 지속적으로 또는 일정 시간 간격으로 업데이트될 수 있다.
전압 데이터의 신뢰할 수 없는 변화 값으로 인해 사전-설정된 정상-상태 배터리 모델을 기반으로 계산된 SOC의 정확도가 낮은 문제점을 고려하여, 본 출원의 실시양태는 또한, 제 2 길이 구간에 대해 단계 107을 수행할 수 있고 (도 5 참조), 제 3 길이 구간에 대해 단계 108을 또한 수행할 수 있다 (도 6 참조).
단계 107에서는, 상기 배터리 셀의 상태 데이터에서의 전압 데이터 길이가 제 1 사전-설정된 길이보다 길고 제 2 사전-설정된 길이보다 짧고 상기 배터리 셀의 상태 데이터에서의 전압 데이터의 변화 값이 사전-설정된 변화 임계값보다 작은 경우, 상기 배터리 셀의 상태 데이터에 따라 비정상-상태 OCV의 추정 값을 결정하고, 상기 비정상-상태 OCV와 SOC 사이의 사전-설정된 대응 관계를 이용하여, 비정상-상태 OCV 추정 값에 대응하는 SOC 보정 값을 결정하여 현재 SOC를 보정한다.
단계 108에서는, 배터리 셀의 상태 데이터에서의 전압 데이터의 길이가 제 2 사전-설정된 길이보다 길고 상기 배터리 셀의 상태 데이터에서의 전압 데이터의 변화 값이 사전-설정된 변화 임계값보다 작은 경우, 상기 배터리 셀의 상태 데이터에 따라 비정상-상태 OCV의 추정 값을 결정하고, 상기 비정상-상태 OCV와 SOC 사이의 사전-설정된 대응 관계를 이용하여, 비정상-상태 OCV 추정 값에 대응하는 SOC 보정 값을 결정하여 현재 SOC를 보정한다.
일 예에서, 비정상-상태 OCV 추정 값은 배터리 셀의 방치 기간이 끝나는 순간의 셀 전압과 분극 전압 보상 값 간의 차이일 수 있다.
일 예에서, 현재 방치 기간이 끝나는 순간의 배터리 셀의 전류와 온도에 기초하여, 전류 및 온도와 분극 전압 보상 값 사이의 사전-설정된 대응 관계를 조회하여, 현재 방치 기간이 끝나는 순간의 배터리 셀의 전압과 그 순간의 분극 전압 보상 값을 얻을 수 있다.
일 예에서, 분극 전압 보상 값은 또한, 현재 방치 기간 동안 배터리 셀의 전압 및 온도의 통계적 특성(예컨대 제곱 평균 제곱근 값)에 기초하여, 상기 통계적 특성과 분극 전압 보상 값 간의 사전-설정된 대응 관계를 조회하여, 결정될 수도 있다.
즉, 종래 기술의 개방 회로 전압 방식과 비교하여, 본 출원의 실시양태는, 전압 데이터의 신뢰할 수 없는 변화 값으로 인해 사전-설정된 거의-정상-상태 배터리 모델에 따라 계산된 SOC 정확도가 낮다는 문제점을 피하기 위해, 비정상-상태 OCV 추정 방식을 채택하여, SOC 보정 가능성을 증가시키고 개방 회로 전압법의 적용 가능성을 향상시킬 수 있다.
또한, 정상-상태 OCV의 직접 보정 방법과 달리, SOC의 과도한 보정을 피하기 위해, 비정상-상태 OCV에 대응되는 SOC를 사용하여 현재 SOC를 보정하기 전에 다음 보정 전략을 채택할 수 있다:
먼저, 현재 방치 기간 중에 배터리 셀의 전압 반동(rebound) 방향을 결정한다. 전압 반동 방향은 전류가 감소할 때 배터리 셀의 전압이 변화하는 방향을 나타낸다.
전압 반동 방향이 전압 증가를 나타내면 (즉, 방치 기간 동안 시간에 따른 전압 곡선이 단조롭게 증가하여 비정상-상태 OCV에 대응되는 SOC가 신뢰할 수 있는 SOC의 하한임을 나타내면), 비정상-상태 OCV에 대응되는 SOC가 현재 SOC보다 큰지를 결정하고, 이어서 상기 비정상-상태 OCV에 대응되는 SOC를 사용하여 현재 SOC를 보정한다.
전압 반동의 방향이 전압 감소를 나타내면 (즉, 방치 기간 동안 시간에 따른 전압 곡선이 단조롭게 감소하여 비정상-상태 OCV에 대응되는 SOC가 신뢰할 수 있는 SOC의 상한임을 나타내면), 비정상-상태 OCV에 대응되는 SOC가 현재 SOC보다 작은지를 결정하고, 이어서 상기 비정상-상태 OCV에 대응되는 SOC를 사용하여 현재 SOC를 보정한다.
또한, 컴퓨팅 리소스를 줄이기 위해, 비정상-상태 OCV에 대응되는 SOC를 사용하여 현재 SOC를 보정하기 전에, 다음 보정 전략을 채택할 수 있다:
비정상-상태 OCV에 대응되는 SOC와 현재 SOC의 차이를 계산하고, 그 차이의 절대 값이 사전-설정된 차이 임계값보다 크면, 비정상-상태 OCV에 대응되는 SOC를 사용하여 현재 SOC를 보정한다.
또한, 과도한 보정을 피하기 위해, 비정상-상태 OCV에 대응되는 SOC의 평균값 및 현재 SOC를 계산할 수 있으며, 상기 평균값을 이용하여 현재 SOC를 보정할 수 있다.
도 7은 본 출원의 다른 실시양태에 따른 SOC 보정 방법의 개략적인 흐름도이다.
도 7에 도시된 SOC 보정 방법은 단계 701 내지 713을 포함하며, 이들은 본 출원의 실시양태의 SOC 보정 방법을 기술하기 위한 것이다.
단계 701에서는, 배터리 셀이 사전-설정된 방치 조건을 충족하는지 여부를 판단하고, 그렇다면 단계 702를 실행하고, 그렇지 않으면 단계 701로 되돌아간다.
단계 702에서는, 배터리 셀이 방치 조건을 충족하는 경우, 배터리 셀의 전압 시퀀스, 전류 시퀀스, 온도 시퀀스 및 시간 시퀀스를 기록한다.
단계 703에서는, 전압 시퀀스의 길이가 사전-설정된 제 1 길이보다 짧은지 여부를 판단한다. 그렇다면 단계 702로 돌아가고, 그렇지 않으면 단계 704로 진행한다.
단계 704에서는, 전압 시퀀스의 길이가 제 1 사전-설정된 길이보다 길고 제 2 사전-설정된 길이보다 짧은지 여부를 판단한다. 그렇다면 단계 705로 이동하고, 그렇지 않으면 단계 712로 이동한다.
단계 705에서는, 전압 시퀀스의 전압 변화 값이 사전-설정된 변화 임계값보다 큰지 여부를 판단하고, 그렇다면 단계 706을 실행하고, 그렇지 않으면 단계 709를 실행한다.
단계 706에서는, 거의-정상-상태 배터리 모델의 제 1 세트의 결정될 파라미터를 결정한다.
단계 707에서는, 상기 제 1 세트의 결정될 파라미터에 따라 거의-정상-상태 배터리 모델의 제 2 세트의 결정될 파라미터를 예측하고, 제 2 세트의 결정될 파라미터에 따라 정상-상태 OCV 추정 값을 결정한다.
단계 708에서는, 정상-상태 OCV 추정 값에 기초하여 정상-상태 OCV와 SOC 사이의 사전-설정된 대응 관계를 조회함으로써 정상-상태 OCV 추정 값에 대응하는 SOC를 결정하여 현재 SOC를 보정한다.
단계 709에서는, 비정상-상태 OCV 추정 값을 결정한다.
단계 710에서는, 비정상-상태 OCV 추정 값에 기초하여 비정상-상태 OCV와 SOC 간의 사전-설정된 대응 관계를 조회함으로써 비정상-상태 OCV 추정 값에 대응하는 SOC를 결정한다.
단계 711에서는, 비정상-상태 OCV 추정 값에 대응하는 SOC를 사용하여 현재 SOC를 보정한다.
단계 712에서는, 전압 시퀀스의 길이가 제 2 사전-설정된 길이보다 긴지 여부를 판단하고, 단계 705를 실행하고, 그렇다면, 단계 713을 실행하고, 그렇지 않으면 단계 709를 실행한다.
단계 713에서는, 거의-정상-상태 배터리 모델의 제 1 세트의 결정될 파라미터를 결정하고, 제 1 세트의 결정될 파라미터에 따라 정상-상태 OCV를 추정하고, 이어서 단계 708을 실행한다.
도 8은 본 출원의 실시양태에 따르는 SOC 보정 장치의 개략적인 구조도이다. 도 8에 도시된 바와 같이, SOC 보정 장치는 데이터 수집 모듈(801), 제 1 세트의 결정될 파라미터의 결정 모듈(802) 및 제 2 세트의 결정될 파라미터의 예측 모듈(803) 및 SOC 보정 모듈(804)를 포함한다.
데이터 수집 모듈(801)은 사전-설정된 방치 조건을 충족하는 배터리 셀의 상태 데이터를 수집하도록 구성된다.
제 1 세트의 결정될 파라미터의 결정 모듈(802)은 상기 배터리 셀의 상태 데이터에서의 전압 데이터의 길이가 제 1 사전-설정된 길이보다 길고 제 2 사전-설정된 길이보다 짧고 상기 배터리 셀의 상태 데이터에서의 전압 데이터의 변화 값이 사전-설정된 변화 임계값보다 큰 경우, 상기 배터리 셀의 상태 데이터에 따라, 사전-설정된 거의-정상-상태 배터리 모델의 제 1 세트의 결정될 파라미터를 결정한다.
제 2 세트의 결정될 파라미터의 예측 모듈(803)은, 제 1 세트의 결정될 파라미터에 따라, 사전-설정된 거의-정상-상태 배터리 모델의 제 2 세트의 결정될 파라미터를 예측하도록 구성된다.
SOC 보정 모듈(804)은, 제 2 세트의 결정될 파라미터에 따라 정상-상태 OCV 추정 값을 계산하도록 구성되며, 정상-상태 OCV와 SOC 간의 사전-설정된 대응 관계를 사용하여 정상-상태 OCV 추정 값에 대응하는 SOC 보정 값을 결정하고, 현재 SOC를 보정한다.
본 출원의 일 실시양태는 또한 전술한 SOC 보정 장치를 포함하는 배터리 관리 시스템을 제공한다.
본 출원의 실시양태는 또한, 프로그램이 저장된 저장 매체를 제공하며, 이때 상기 프로그램이 프로세서에 의해 실행될 때 상기 SOC 보정 방법이 구현된다.
본 출원은 바람직한 실시양태를 참조하여 기술되었지만, 본 출원의 범위를 벗어나지 않고 다양한 변형이 이루어질 수 있으며 그 안의 구성 요소는 균등물로 대체될 수 있다. 특히, 구조적 충돌이 없는 한, 다양한 실시양태에서 언급된 다양한 기술적 특징은 임의의 방식으로 조합될 수 있다. 본 출원은 본문에 개시된 특정 실시양태에 한정되지 않고 청구 범위 내에 속하는 모든 기술적 해결책을 포함한다.

Claims (15)

  1. 충전 상태(SOC)의 보정(correction) 방법으로서,
    사전-설정된 방치 조건을 충족할 때의 배터리 셀의 상태 데이터를 수집하는 단계 - 상기 배터리 셀의 상기 상태 데이터는 전류 및 전압 데이터를 포함하고, 상기 사전-설정된 방치 조건은 상기 배터리 셀의 상기 상태 데이터의 상기 전류가 사전-설정된 전류 임계값(threshold)보다 작고, 상기 배터리 셀의 상기 상태 데이터의 상기 전압 데이터의 양이 사전-설정된 양보다 큰 것임 -;
    상기 배터리 셀의 상기 상태 데이터의 상기 전압 데이터의 변화 값이 사전-설정된 변화 임계값보다 큰 경우, 상기 배터리 셀의 상기 상태 데이터에 따라, 정상-상태 개방 회로 전압(open circuit voltage, OCV) 추정 값을 계산하는 단계;
    정상-상태 OCV와 SOC 사이의 사전-설정된 대응 관계를 사용하여, 상기 정상-상태 OCV 추정 값에 대응하는 SOC 보정 값을 결정하는 단계; 및
    상기 정상-상태 OCV 추정 값에 대응하는 상기 SOC 보정 값을 사용하여 현재 SOC를 보정하는 단계
    를 포함하는, SOC 보정 방법.
  2. 제 1 항에 있어서,
    상기 배터리 셀의 상기 상태 데이터는 성능 상태(State of Health, SOH)와 온도를 더 포함하고,
    상기 배터리 셀의 상기 상태 데이터에 따라, 상기 정상-상태 개방 회로 전압(open circuit voltage, OCV) 추정 값을 계산하는 단계는,
    상기 배터리 셀의 상기 상태 데이터의 상기 SOH와 상기 온도에 대응하는 정상-상태 시간 기간 임계값을 결정하는 단계와,
    상기 배터리 셀의 상기 상태 데이터의 상기 전압 데이터와 상기 정상-상태 시간 기간 임계값에 따라 상기 정상-상태 OCV 추정 값을 계산하는 단계
    를 포함하는, SOC 보정 방법.
  3. 제 2 항에 있어서,
    상기 배터리 셀의 상기 상태 데이터의 상기 전압 데이터와 상기 정상-상태 시간 기간 임계값에 따라 상기 정상-상태 OCV 추정 값을 계산하는 단계는,
    상기 배터리 셀의 상기 상태 데이터의 상기 전압 데이터에 따라 시간에 따른 거의-정상-상태(near-steady-state) OCV의 변화를 결정하는 단계와,
    상기 시간에 따른 거의-정상-상태 OCV의 변화와 상기 정상-상태 시간 기간 임계값에 따라 상기 정상-상태 OCV 추정 값을 계산하는 단계
    를 포함하는, SOC 보정 방법.
  4. 제 1 항 내지 제 3 항 중 어느 한 항에 있어서,
    상기 정상-상태 OCV와 SOC 사이의 사전-설정된 대응 관계를 사용하여, 상기 정상-상태 OCV 추정 값에 대응하는 상기 SOC 보정 값을 결정하는 단계는
    상기 정상-상태 OCV 추정 값이 사전-설정된 OCV 추정 값 범위를 초과하는지 여부를 판단하는 단계와;
    상기 정상-상태 OCV 추정 값이 상기 사전-설정된 OCV 추정 값 범위를 초과하지 않는 경우, 상기 정상-상태 OCV와 SOC 간의 사전-설정된 대응 관계를 사용하여 상기 정상-상태 OCV 추정 값에 대응하는 상기 SOC 보정 값을 결정하여 상기 현재 SOC를 보정하는 단계
    를 포함하는, SOC 보정 방법.
  5. 제 1 항에 있어서,
    상기 방법은 추가로,
    상기 배터리 셀의 상기 상태 데이터의 상기 전압 데이터의 상기 변화 값이 상기 사전-설정된 변화 임계값보다 작은 경우, 상기 배터리 셀의 상기 상태 데이터에 따라 비정상-상태(unsteady-state) OCV 추정 값을 결정하는 단계;
    비정상-상태 OCV와 SOC 사이의 사전-설정된 대응 관계를 사용하여 상기 비정상-상태 OCV 추정 값에 대응하는 SOC 보정 값을 결정하는 단계;
    상기 비정상-상태 OCV 추정 값에 대응하는 상기 SOC 보정 값을 사용하여 상기 현재 SOC를 보정하는 단계
    를 포함하는, SOC 보정 방법.
  6. 제 5 항에 있어서,
    상기 방법은 추가로,
    상기 배터리 셀의 방치 시간 기간 중의 전압 반동(rebound) 방향을 결정하는 단계 - 상기 전압 반동 방향은 상기 배터리 셀의 전류의 감소에 따른 상기 배터리 셀의 전압의 증가 또는 감소를 나타냄 -;
    를 더 포함하고,
    상기 현재 SOC를 보정하는 단계는
    상기 전압 반동 방향이 전압 증가를 나타내고 상기 비정상-상태 OCV 추정 값에 대응하는 상기 SOC 보정 값이 상기 현재 SOC보다 큰 경우, 상기 비정상-상태 OCV 추정 값에 대응하는 상기 SOC 보정 값을 사용하여 상기 현재 SOC를 보정하는 단계; 또는
    상기 전압 반동 방향이 전압 감소를 나타내고 상기 비정상-상태 OCV 추정 값에 대응하는 상기 SOC 보정 값이 상기 현재 SOC보다 작은 경우, 상기 비정상-상태 OCV 추정 값에 대응하는 상기 SOC 보정 값을 사용하여 상기 현재 SOC를 보정하는 단계
    를 포함하는, SOC 보정 방법.
  7. 제 2 항에 있어서,
    상기 사전-설정된 전류 임계값은 상기 SOC 및 상기 온도에 기초하여 결정되는,
    SOC 보정 방법.
  8. 제 1 항에 있어서,
    상기 사전-설정된 양은 상기 배터리 셀의 상기 상태 데이터의 상기 전류에 따라 결정되는,
    SOC 보정 방법.
  9. 충전 상태(SOC)의 보정 장치로서,
    배터리 셀이 사전-설정된 방치 조건을 충족할 때의 상기 배터리 셀의 상태 데이터를 수집하도록 구성된, 데이터 수집 모듈 - 상기 배터리 셀의 상기 상태 데이터는 전류 및 전압 데이터를 포함하고, 상기 사전-설정된 방치 조건은 상기 배터리 셀의 상기 상태 데이터의 상기 전류가 사전-설정된 전류 임계값(threshold)보다 작고, 상기 배터리 셀의 상기 상태 데이터의 상기 전압 데이터의 양이 사전-설정된 양보다 큰 것임 -;
    상기 배터리 셀의 상기 상태 데이터의 상기 전압 데이터의 변화 값이 사전-설정된 변화 임계값보다 큰 경우, 상기 배터리 셀의 상기 상태 데이터에 따라, 정상-상태 개방 회로 전압(open circuit voltage, OCV) 추정 값을 계산하고, 정상-상태 OCV와 SOC 사이의 사전-설정된 대응 관계를 사용하여, 상기 정상-상태 OCV 추정 값에 대응하는 SOC 보정 값을 결정하고, 상기 정상-상태 OCV 추정 값에 대응하는 상기 SOC 보정 값을 사용하여 현재 SOC를 보정하도록 구성된, SOC 보정 모듈
    을 포함하는, SOC 보정 장치.
  10. 제 9 항에 있어서,
    상기 SOC 보정 모듈은
    상기 배터리 셀의 상기 상태 데이터의 상기 전압 데이터의 상기 변화 값이 상기 사전-설정된 변화 임계값보다 작은 경우, 상기 배터리 셀의 상기 상태 데이터에 따라 비정상-상태(unsteady-state) OCV 추정 값을 결정하고,
    비정상-상태 OCV와 SOC 사이의 사전-설정된 대응 관계를 사용하여 상기 비정상-상태 OCV 추정 값에 대응하는 SOC 보정 값을 결정하고,
    상기 비정상-상태 OCV 추정 값에 대응하는 상기 SOC 보정 값을 사용하여 상기 현재 SOC를 보정하도록 구성되는,
    SOC 보정 장치.
  11. 제 9 항에 있어서,
    상기 배터리 셀의 상기 상태 데이터는 성능 상태(State of Health, SOH)와 온도를 더 포함하고,
    상기 SOC 보정 모듈은,
    상기 배터리 셀의 상기 상태 데이터의 상기 SOH와 상기 온도에 대응하는 정상-상태 시간 기간 임계값을 결정하고,
    상기 배터리 셀의 상기 상태 데이터의 상기 전압 데이터와 상기 정상-상태 시간 기간 임계값에 따라 상기 정상-상태 OCV 추정 값을 계산하도록 구성되는,
    SOC 보정 장치.
  12. 제 11 항에 있어서,
    상기 SOC 보정 모듈은,
    상기 배터리 셀의 상기 상태 데이터의 상기 전압 데이터에 따라 시간에 따른 거의-정상-상태(near-steady-state) OCV의 변화를 결정하고,
    상기 시간에 따른 상기 거의-정상-상태 OCV의 변화와 상기 정상-상태 시간 기간 임계값에 따라 상기 정상-상태 OCV 추정 값을 계산하도록 구성되는,
    SOC 보정 장치.
  13. 제 9 항 내지 제 12 항 중 어느 한 항에 있어서,
    상기 SOC 보정 모듈은,
    상기 정상-상태 OCV 추정 값이 사전-설정된 OCV 추정 값 범위를 초과하는지 여부를 판단하고,
    상기 정상-상태 OCV 추정 값이 상기 사전-설정된 OCV 추정 값 범위를 초과하지 않는 경우, 상기 정상-상태 OCV와 SOC 간의 사전-설정된 대응 관계를 사용하여 상기 정상-상태 OCV 추정 값에 대응하는 상기 SOC 보정 값을 결정하고,
    상기 정상-상태 OCV 추정 값에 대응하는 상기 SOC 보정 값을 사용하여 상기 현재 SOC를 보정하도록 구성되는,
    SOC 보정 장치.
  14. 제 11 항에 있어서,
    상기 사전-설정된 전류 임계값은 상기 SOC 및 상기 온도에 기초하여 결정되는,
    SOC 보정 장치.
  15. 제 9 항에 있어서,
    상기 사전-설정된 양은 상기 배터리 셀의 상기 상태 데이터의 상기 전류에 따라 결정되는,
    SOC 보정 장치.
KR1020207034112A 2019-05-24 2020-05-08 Soc 보정 방법 및 장치 KR102301406B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
CN201910441422.5 2019-05-24
CN201910441422.5A CN110967645B (zh) 2019-05-24 2019-05-24 Soc修正方法和装置、电池管理系统和存储介质
PCT/CN2020/089181 WO2020238583A1 (zh) 2019-05-24 2020-05-08 Soc修正方法和装置、电池管理系统和存储介质

Publications (2)

Publication Number Publication Date
KR20200141091A KR20200141091A (ko) 2020-12-17
KR102301406B1 true KR102301406B1 (ko) 2021-09-13

Family

ID=70029480

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020207034112A KR102301406B1 (ko) 2019-05-24 2020-05-08 Soc 보정 방법 및 장치

Country Status (6)

Country Link
US (2) US10871521B2 (ko)
EP (1) EP3745151B1 (ko)
JP (1) JP6963647B2 (ko)
KR (1) KR102301406B1 (ko)
CN (2) CN113075555A (ko)
WO (1) WO2020238583A1 (ko)

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110967646B (zh) * 2019-05-24 2021-03-30 宁德时代新能源科技股份有限公司 Soc修正方法和装置、电池管理系统和存储介质
CN113075555A (zh) 2019-05-24 2021-07-06 宁德时代新能源科技股份有限公司 Soc修正方法和装置、电池管理系统和存储介质
US11333711B2 (en) * 2020-01-19 2022-05-17 National Chung-Shan Institute Of Science And Technology Method for rapidly estimating for remaining capacity of a battery
CN113547955B (zh) * 2020-04-23 2023-06-16 宁德时代新能源科技股份有限公司 电池的充电控制方法、装置、电池管理系统和介质
CN111487537B (zh) * 2020-05-29 2022-05-27 重庆金康新能源汽车有限公司 修改荷电状态估计的方法和系统
CN114002603B (zh) * 2020-07-13 2022-08-02 宁德时代新能源科技股份有限公司 识别电芯的方法、装置及计算机存储介质
CN112068004A (zh) * 2020-09-16 2020-12-11 北京嘀嘀无限科技发展有限公司 一种电池异常、电池充电剩余时间的确定方法及装置
CN115248380A (zh) * 2021-04-28 2022-10-28 宁德新能源科技有限公司 容量保持率预测方法以及电子设备
KR20230165067A (ko) * 2022-05-26 2023-12-05 주식회사 엘지에너지솔루션 배터리 진단 장치 및 방법
CN116699448B (zh) * 2023-08-09 2023-12-26 合肥工业大学 一种磷酸锂电池平台期soc修正方法、装置和系统
CN117269774B (zh) * 2023-11-20 2024-04-12 羿动新能源科技有限公司 一种动力电池的soc的修正方法
CN117452251B (zh) * 2023-12-19 2024-03-26 浙江地芯引力科技有限公司 电池截止电量估算方法、装置、电子设备及存储介质
CN117517979B (zh) * 2023-12-19 2024-04-05 浙江地芯引力科技有限公司 电池参数更新方法、装置、电子设备及存储介质
CN117485199B (zh) * 2023-12-25 2024-03-19 力高(山东)新能源技术股份有限公司 一种基于电压回弹特性的快速soc修正方法
CN117791823A (zh) * 2024-02-23 2024-03-29 西安新衡科测控技术有限责任公司 电池组电芯电压均衡系统及方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110208453A1 (en) * 2010-02-23 2011-08-25 Song Ci Circuit-based method for estimating battery capacity
JP2017016991A (ja) * 2015-07-02 2017-01-19 学校法人同志社 データ抽出装置、データ抽出方法およびデータ抽出プログラム
CN107167738A (zh) 2017-04-21 2017-09-15 华南理工大学 一种基于ocv‑soc曲线特征的动力电池soc估算的修正方法及装置

Family Cites Families (36)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6927554B2 (en) 2003-08-28 2005-08-09 General Motors Corporation Simple optimal estimator for PbA state of charge
KR100804698B1 (ko) 2006-06-26 2008-02-18 삼성에스디아이 주식회사 배터리 ｓｏｃ 추정 방법 및 이를 이용하는 배터리 관리시스템 및 구동 방법
KR100985667B1 (ko) 2007-08-22 2010-10-05 주식회사 엘지화학 배터리 개방전압 추정장치, 이를 이용한 배터리 충전상태추정장치 및 그 제어 방법
DE102008034461A1 (de) * 2008-07-24 2010-01-28 Ford Global Technologies, LLC, Dearborn Verfahren und Vorrichtung zur Ermittlung des Betriebszustandes einer Fahrzeugbatterie
US8374807B2 (en) * 2008-11-13 2013-02-12 Lockheed Martin Corporation Method and apparatus that detects state of charge (SOC) of a battery
JP2011072161A (ja) * 2009-09-28 2011-04-07 Panasonic Corp 電源装置
US9201121B2 (en) 2010-12-06 2015-12-01 Texas Instruments Incorporated System and method for sensing battery capacity
KR101238478B1 (ko) * 2011-01-16 2013-03-04 김득수 배터리 잔존 용량 측정 방법
US20130275067A1 (en) * 2012-04-11 2013-10-17 Qualcomm Innovation Center, Inc. State of charge error correction systems and methods
CN103235264B (zh) 2012-11-09 2015-06-24 常州工学院 一种电池剩余容量测量方法及装置
KR101454834B1 (ko) * 2012-12-04 2014-10-28 주식회사 엘지화학 이차 전지의 파라미터 추정 장치 및 방법
CN103018679A (zh) * 2012-12-10 2013-04-03 中国科学院广州能源研究所 一种铅酸电池初始荷电状态soc0的估算方法
CN103439668B (zh) * 2013-09-05 2015-08-26 桂林电子科技大学 动力锂离子电池的电荷状态估算方法与系统
CN103675698A (zh) 2013-11-26 2014-03-26 北京航空航天大学 动力电池荷电状态估计装置及其估计方法
CN103616646B (zh) * 2013-12-02 2016-04-06 惠州市亿能电子有限公司 一种利用ocv-soc曲线修正soc的方法
KR102171096B1 (ko) * 2014-04-21 2020-10-28 삼성전자주식회사 전기 자동차의 운행 중 배터리의 수명을 추정하는 장치 및 방법
KR101543264B1 (ko) 2014-06-12 2015-08-11 국방과학연구소 전지의 잔존 용량 추정 장치 및 방법
CN106405421A (zh) * 2015-07-27 2017-02-15 中兴通讯股份有限公司 电池荷电状态soc值的估算方法及装置
CN105093127A (zh) * 2015-08-14 2015-11-25 合肥赛为智能有限公司 一种基于充电方式的锂电池荷电状态的校准与估计方法
KR102527326B1 (ko) 2015-08-20 2023-04-27 삼성전자주식회사 배터리 충전 상태(SoC)를 예측하는 배터리 시스템 및 방법
CN105277898B (zh) * 2015-10-27 2018-07-10 浙江大学 一种电池荷电状态的检测方法
CN105467328B (zh) * 2015-12-29 2018-07-03 哈尔滨工业大学 一种锂离子电池荷电状态估计方法
JP6657967B2 (ja) 2016-01-06 2020-03-04 株式会社Ｇｓユアサ 状態推定装置、状態推定方法
CN106772101B (zh) * 2017-02-16 2019-05-17 欣旺达电子股份有限公司 电池soc的修正方法、修正装置及电池soh估算方法
US11169213B2 (en) 2017-05-05 2021-11-09 Texas Instruments Incorporated Voltage based zero configuration battery management
US10788536B2 (en) 2017-05-11 2020-09-29 Texas Instruments Incorporated System and apparatus for battery internal short current detection under arbitrary load conditions
US10399452B2 (en) 2017-07-10 2019-09-03 Ford Global Technologies, Llc Battery charge management system
US10312699B2 (en) * 2017-07-31 2019-06-04 Robert Bosch Gmbh Method and system for estimating battery open cell voltage, state of charge, and state of health during operation of the battery
CN107959070B (zh) 2017-10-30 2019-11-05 安徽江淮汽车集团股份有限公司 一种soc修正方法及电池管理系统
CN108132442B (zh) * 2017-12-13 2019-12-06 中国船舶重工集团公司第七一九研究所 一种基于离线数据驱动的蓄电池联合状态估算方法
CN108248427B (zh) 2018-01-15 2021-01-01 上海中科深江电动车辆有限公司 动态修正soc误差的方法
US20190308630A1 (en) * 2018-04-10 2019-10-10 GM Global Technology Operations LLC Battery state estimation based on open circuit voltage and calibrated data
CN108717164B (zh) * 2018-04-11 2022-07-01 中国电力科学研究院有限公司 电池的荷电状态soc标定方法及系统
CN108445422B (zh) * 2018-06-08 2020-09-25 江苏大学 基于极化电压恢复特性的电池荷电状态估算方法
CN109613438A (zh) * 2018-12-17 2019-04-12 欣旺达电动汽车电池有限公司 一种soc-ocv关系估算方法
CN113075555A (zh) * 2019-05-24 2021-07-06 宁德时代新能源科技股份有限公司 Soc修正方法和装置、电池管理系统和存储介质

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110208453A1 (en) * 2010-02-23 2011-08-25 Song Ci Circuit-based method for estimating battery capacity
JP2017016991A (ja) * 2015-07-02 2017-01-19 学校法人同志社 データ抽出装置、データ抽出方法およびデータ抽出プログラム
CN107167738A (zh) 2017-04-21 2017-09-15 华南理工大学 一种基于ocv‑soc曲线特征的动力电池soc估算的修正方法及装置

Also Published As

Publication number Publication date
US20200371162A1 (en) 2020-11-26
US20210041503A1 (en) 2021-02-11
CN110967645A (zh) 2020-04-07
KR20200141091A (ko) 2020-12-17
EP3745151A1 (en) 2020-12-02
US10871521B2 (en) 2020-12-22
WO2020238583A1 (zh) 2020-12-03
US11366170B2 (en) 2022-06-21
EP3745151B1 (en) 2022-01-26
JP6963647B2 (ja) 2021-11-10
CN110967645B (zh) 2021-05-07
JP2020193963A (ja) 2020-12-03
CN113075555A (zh) 2021-07-06

Similar Documents

Publication Publication Date Title
KR102301406B1 (ko) Soc 보정 방법 및 장치
JP7088973B2 (ja) Ｓｏｃ補正方法及び装置、電池管理システム、及び記憶媒体
KR102082866B1 (ko) 배터리 관리 시스템 및 그 구동방법
CN110988690A (zh) 电池健康状态修正方法、装置、管理系统以及存储介质
KR20140082750A (ko) 배터리 모니터링을 위한 시스템 및 방법
EP3734309B1 (en) Method and device for determining available capacity of battery, management system, and storage medium
JP2019164959A (ja) 電池安全性評価装置、電池安全性評価方法、プログラム、制御回路及び蓄電システム
JP5535968B2 (ja) 充電率推定装置、充電率推定方法、及びプログラム
KR20140100086A (ko) 배터리 관리 시스템 및 그 구동방법
US11575271B2 (en) SOC and SOH estimation methods of battery pack
KR101547004B1 (ko) 배터리 잔존 수명 추정 장치 및 방법
US10634724B2 (en) Capacity maintenance rate estimation apparatus or capacity maintenance rate estimation method
CN111736083A (zh) 一种电池健康状态获取方法及装置、存储介质
US20210190879A1 (en) Soh estimation method of battery pack
CN112698218A (zh) 一种电池健康状态获取方法及装置、存储介质
CN113406523A (zh) 一种储能电池状态评价方法、装置、电子设备及存储系统
CN113009346A (zh) 电池系统及其soc值修正方法
KR20160098348A (ko) 복수의 배터리들의 잔류 용량들을 추정하는 방법
CN113075558B (zh) 一种电池soc估算方法、装置及系统
CN116930763A (zh) 一种基于雨流计数法的电池剩余容量检测方法及应用
KR102205318B1 (ko) 에너지 저장장치 충전상태 추정방법
KR102255914B1 (ko) 저온 환경에서의 예측 정확도 향상을 위한 리튬이차전지 잔량 예측방법 및 예측장치
CN117154791B (zh) 一种储能控制方法及装置
CN117368743B (zh) 电池健康状态评估方法、装置、计算机设备及存储介质
JP7169917B2 (ja) 二次電池の制御装置及び二次電池の制御方法

Legal Events

Date Code Title Description
A201 Request for examination
A302 Request for accelerated examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant