KR102392627B1 - 배터리 상태 평가 및 분석을 위한 bms 데이터 처리 장치 및 방법 - Google Patents
배터리 상태 평가 및 분석을 위한 bms 데이터 처리 장치 및 방법 Download PDFInfo
- Publication number
- KR102392627B1 KR102392627B1 KR1020200061348A KR20200061348A KR102392627B1 KR 102392627 B1 KR102392627 B1 KR 102392627B1 KR 1020200061348 A KR1020200061348 A KR 1020200061348A KR 20200061348 A KR20200061348 A KR 20200061348A KR 102392627 B1 KR102392627 B1 KR 102392627B1
- Authority
- KR
- South Korea
- Prior art keywords
- data
- bms
- area
- parameter
- reliability
- Prior art date
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]
- G01R31/396—Acquisition or processing of data for testing or for monitoring individual cells or groups of cells within a battery
-
- 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
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
- H01M10/425—Structural combination with electronic components, e.g. electronic circuits integrated to the outside of the casing
- H01M2010/4271—Battery management systems including electronic circuits, e.g. control of current or voltage to keep battery in healthy state, cell balancing
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
- H01M10/425—Structural combination with electronic components, e.g. electronic circuits integrated to the outside of the casing
- H01M2010/4278—Systems for data transfer from batteries, e.g. transfer of battery parameters to a controller, data transferred between battery controller and main controller
-
- Y—GENERAL 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/10—Energy storage using batteries
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
본 발명은 배터리 관리 시스템(이하 BMS)이 배터리의 상태 판정을 위해 수집한 데이터를 인가받는 데이터 수신부, BMS가 관리하는 배터리를 모의하여 기저정된 배터리 모델에 인가된 데이터를 대입하는 경우, 배터리 모델의 기지정된 파라미터의 변화율을 나타내는 파라미터 민감도를 분석하는 파라미터 민감도 판별부, 분석된 파라미터 민감도를 기반으로 배터리 모델에서 인가된 데이터에 따른 파라미터 신뢰도를 피셔 정보 행렬을 이용하여 계산하는 신뢰도 판별부 및 피셔 정보 행렬을 이용하여 데이터를 구분하기 위한 적어도 하나의 영역을 설정하고, 설정된 영역 각각의 데이터에 따른 파라미터 신뢰도를 누적하여 설정된 영역별 신뢰도를 계산하며, 영역별 신뢰도 중 기준 신뢰도 이상인 영역별 신뢰도를 갖는 영역을 선별 영역으로 설정하는 선별 영역 설정부를 포함하여 BMS가 수집한 데이터 중 설정된 선별 영역에 대응하는 데이터를 추출하여 클라우드 서버로 전송하도록 하는 BMS 데이터 처리 장치 및 방법을 제공할 수 있다.
Description
본 발명은 BMS 데이터 처리 장치 및 방법에 관한 것으로, 배터리 상태 평가 및 분석을 위해 클라우드를 활용한 BMS 데이터 처리 장치 및 방법에 관한 것이다.
최근 이차전지 시장은 전기 자동차(EV) 및 에너지 저장장치(ESS) 시스템 사용의 확대와 함께 빠르게 성장하고 있다. 그리고 여러 이차전지 기술 중 고밀도를 가지는 리튬 이온 배터리의 기술이 현재 대표적으로 사용되고 있다.
그러나 리튬 이온 배터리는 열폭주로 인한 화재, 과도한 충/방전으로 인한 빠른 수명 감소 등과 같은 해결해야하는 다양한 문제를 여전히 가지고 있다. 이러한 문제의 원인은 균일하지 않은 주위 환경, 초기 불량, 오작동, 모듈 내의 셀 간 전압 편차등에 의해 배터리 내부의 각 요소들이 변화하기 때문에 발생한다.
이러한 배터리의 문제를 해결하기 위해, 배터리 관리 시스템(Battery management system: 이하 BMS)에 대한 연구 또한 활발하게 수행되고 있다. BMS는 배터리가 안전한 작동 영역에서 작동할 수 있도록 도우며, 배터리 작동 중 얻어지는 데이터를 바탕으로 배터리의 상태를 모니터링하고 주위 환경을 컨트롤 하며 배터리 셀들을 리밸런싱 하는 등의 역할을 수행한다.
배터리 상태를 모니터링 할 때, BMS의 경우 충전 상태(State of Charge: 이하 SOC) 및 예상 수명(State of Health: 이하 SOH)을 주로 판단 기준으로 삼지만, 상기한 배터리의 문제점들을 좀 더 상세히 해결하기 위해서는 배터리 내부의 각 요소들을 모니터링 하는 방법이 필요하다. 이를 위해서는 물리적 의미가 있는 파라미터로 구성된 수치해석 기반의 전기화학 배터리 모델과, 실험 데이터에서 전기화학 배터리 모델의 파라미터를 찾는 방법이 필요하다.
하지만, 수치해석 기반의 전기화학 배터리 모델을 이용하여 BMS 데이터를 분석하기에는 BMS의 계산 능력의 한계가 존재한다. 이를 해결하기 위해 최근에는 클라우드 컴퓨팅을 활용한 BMS가 도입되고 있다. 클라우드 컴퓨팅을 활용한 BMS는, BMS에서 계산하기에는 복잡한 전기화학 배터리 모델을 계산하기 위해 BMS에서 획득한 정보를 고성능의 클라우드 컴퓨터로 송신하고, 클라우드 컴퓨터에서 얻어진 정보를 다시 BMS로 송신하여 사용자에게 배터리의 상태를 알려주는 방법이다.
이때 BMS에서 실시간으로 얻어지는 대량의 데이터를 클라우드 컴퓨터로 모두 보내게 되면, 클라우드 컴퓨터를 사용할 지라도 연산 복잡도와 연산 시간이 급격하게 증가하는 문제가 있다.
본 발명의 목적은 획득된 대량의 데이터 중 배터리 상태 평가 및 분석에 중요한 데이터를 선별하여 클라우드 서버로 전송할 수 있도록 하는 BMS 데이터 처리 장치 및 방법을 제공하는데 있다.
본 발명의 다른 목적은 BMS에서 획득된 데이터의 영역별로 배터리 모델에 의해 지정된 파라미터의 민감도가 큰 영역을 분석하여 신뢰도가 높은 영역으로 설정하여 BMS가 중요 데이터를 선별할 수 있도록 하는 BMS 데이터 처리 장치 및 방법을 제공하는데 있다.
상기 목적을 달성하기 위한 본 발명의 일 실시예에 따른 BMS 데이터 처리 장치는 배터리 관리 시스템(이하 BMS)이 배터리의 상태 판정을 위해 수집한 데이터를 인가받는 데이터 수신부; BMS가 관리하는 배터리를 모의하여 기저정된 배터리 모델에 인가된 데이터를 대입하는 경우, 상기 배터리 모델의 기지정된 파라미터의 변화율을 나타내는 파라미터 민감도를 분석하는 파라미터 민감도 판별부; 분석된 파라미터 민감도를 기반으로 상기 배터리 모델에서 인가된 데이터에 따른 파라미터 신뢰도를 피셔 정보 행렬을 이용하여 계산하는 신뢰도 판별부; 및 상기 피셔 정보 행렬을 이용하여 데이터를 구분하기 위한 적어도 하나의 영역을 설정하고, 설정된 영역 각각의 데이터에 따른 파라미터 신뢰도를 누적하여 설정된 영역별 신뢰도를 계산하며, 영역별 신뢰도 중 기준 신뢰도 이상인 영역별 신뢰도를 갖는 영역을 선별 영역으로 설정하여, 상기 BMS가 수집한 데이터 중 설정된 선별 영역에 대응하는 데이터를 추출하여 클라우드 서버로 전송하도록 하는 선별 영역 설정부를 포함한다.
상기 선별 영역 설정부는 상기 선별 영역에 대한 정보와 함께 나머지 구분된 영역에 대한 정보를 상기 BMS로 전송하고, 상기 BMS로부터 기존에 구분되지 않은 영역의 데이터가 상기 BMS 데이터 처리 장치로 인가되면, 구분되지 않은 영역의 데이터를 구분하기 위한 영역을 추가로 설정하여 영역별 신뢰도를 계산할 수 있다.
상기 선별 영역 설정부는 기존에 설정된 선별 영역에 따라 상기 BMS로부터 전송된 데이터에서 계산된 영역 신뢰도가 상기 기준 신뢰도 미만이면, 상기 BMS로 선별 영역 소거 요청을 전송하여 상기 BMS에 저장된 선별 영역을 삭제할 수 있다.
상기 파라미터 민감도 판별부는 인가된 데이터 각각을 상기 배터리 모델에 입력하는 하는 경우, 적어도 하나의 내부 파라미터로 구성되는 파라미터의 내부 파라미터 각각의 기울기를 상기 파라미터 민감도로 계산할 수 있다.
상기 파라미터 민감도 판별부는 상기 파라미터 민감도(Yx)를 수학식
(여기서 x는 파라미터이고, Vmodel 은 배터리 모델을 나타내며, n은 데이터를 나타낸다. 그리고 Δx 는 파라미터 변위로서 파라미터의 값의 기지정된 범위에서 미리 설정되는 값이다.)에 따라 획득할 수 있다.
상기 신뢰도 판별부는 상기 파라미터 민감도를 이용하여 피셔 정보 행렬(FIM)을 수학식
(여기서 Ndata 는 데이터의 개수이고 Qn 은 Ndata × Ndata 크기를 갖는 측정 잡음의 공분산 행렬이며, Yx T 는 파라미터 민감도(Yx)의 전치 행렬이다.)에 따라 계산하고, 계산된 피셔 정보 행렬의 역행렬(FIM-1)을 이용하여 상기 데이터 각각에 따른 파라미터의 신뢰도를 수학식
(여기서 xj 는 파라미터(x)를 구성하는 적어도 하나의 파라미터 중 j번째 내부 파라미터를 나타내고, ρj 는 j번째 내부 파라미터 신뢰도를 나타낸다)에 따라 계산할 수 있다.
상기 선별 영역 설정부는 데이터를 구분하기 위한 적어도 하나의 영역을 수학식
(여기서 t는 기지정된 수준의 신뢰 구간과 자유도를 갖는 통계적 분포값을 나타낸다.)에 따라 설정하고, 설정된 영역 각각에 대한 영역별 신뢰도를 수학식
(여기서 Npara 는 배터리 모델의 파라미터를 구성하는 내부 파라미터의 개수를 나타내고, wj 는 내부 파라미터 신뢰도(ρj) 각각에 대한 내부 파라미터 가중치이다.)에 따라 계산할 수 있다.
상기 다른 목적을 달성하기 위한 본 발명의 다른 실시예에 따른 BMS 데이터 처리 방법은 배터리 관리 시스템(이하 BMS)이 배터리의 상태 판정을 위해 수집한 데이터를 클라우드 서버로 전송하여 배터리 상태를 판정하는 시스템을 위한 BMS 데이터 처리 방법에 있어서, BMS가 수집한 데이터를 인가받는 단계; 상기 BMS가 관리하는 배터리를 모의하여 기저정된 배터리 모델에 인가된 데이터를 대입하는 경우, 상기 배터리 모델의 기지정된 파라미터의 변화율을 나타내는 파라미터 민감도를 분석하는 단계; 분석된 파라미터 민감도를 기반으로 상기 배터리 모델에서 인가된 데이터에 따른 파라미터 신뢰도를 피셔 정보 행렬을 이용하여 계산하는 단계; 및 상기 피셔 정보 행렬을 이용하여 데이터를 구분하기 위한 적어도 하나의 영역을 설정하고, 설정된 영역 각각의 데이터에 따른 파라미터 신뢰도를 누적하여 설정된 영역별 신뢰도를 계산하여, 상기 BMS가 수집한 데이터 중 설정된 선별 영역에 대응하는 데이터를 추출하여 클라우드 서버로 전송하도록 계산된 영역별 신뢰도 중 기준 신뢰도 이상인 영역별 신뢰도를 갖는 영역을 선별 영역으로 설정하는 단계를 포함한다.
따라서, 본 발명의 실시예에 따른 BMS 데이터 처리 장치 및 방법은 배터리 모델에 의해 지정된 파라미터의 민감도를 BMS에서 획득된 데이터의 영역별로 구분하여 분석하고, 분석 결과에 따라 민감도가 큰 영역에 대해 신뢰도가 높은 영역으로 설정할 수 있다. 이에 BMS가 배터리 상태 평가 및 분석을 위한 중요 데이터로서 설정된 영역의 데이터를 선별하여 클라우드 서버로 전송할 수 있어, 클라우드 서버는 배터리 상태를 평가 및 분석하기 위해 수신 및 처리해야하는 데이터량을 크게 줄일 수 있다. 그러므로 통신 및 계산 비용을 저감할 수 있을 뿐만 아니라, 배터리 상태를 빠르게 판별할 수 있어 BMS가 실시간으로 배터리를 관리할 수 있도록 한다.
도 1은 본 발명의 일 실시예에 따른 클라우드를 활용한 BMS 데이터 처리 시스템의 개략적 구성을 나타낸다.
도 2는 도 1의 BMS 데이터 처리 시스템에서 BMS와 BMS 데이터 처리 장치 및 클라우드 서버의 상세 구성의 일 예를 나타낸다.
도 3은 본 발명의 일 실시예에 따른 BMS 데이터 처리 시스템에서 BMS의 데이터 처리 방법을 나타낸다.
도 4는 본 발명의 일 실시예에 따른 BMS 데이터 처리 시스템에서 BMS 데이터 처리 장치의 데이터 처리 방법을 나타낸다.
도 2는 도 1의 BMS 데이터 처리 시스템에서 BMS와 BMS 데이터 처리 장치 및 클라우드 서버의 상세 구성의 일 예를 나타낸다.
도 3은 본 발명의 일 실시예에 따른 BMS 데이터 처리 시스템에서 BMS의 데이터 처리 방법을 나타낸다.
도 4는 본 발명의 일 실시예에 따른 BMS 데이터 처리 시스템에서 BMS 데이터 처리 장치의 데이터 처리 방법을 나타낸다.
본 발명과 본 발명의 동작상의 이점 및 본 발명의 실시에 의하여 달성되는 목적을 충분히 이해하기 위해서는 본 발명의 바람직한 실시예를 예시하는 첨부 도면 및 첨부 도면에 기재된 내용을 참조하여야만 한다.
이하, 첨부한 도면을 참조하여 본 발명의 바람직한 실시예를 설명함으로써, 본 발명을 상세히 설명한다. 그러나, 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며, 설명하는 실시예에 한정되는 것이 아니다. 그리고, 본 발명을 명확하게 설명하기 위하여 설명과 관계없는 부분은 생략되며, 도면의 동일한 참조부호는 동일한 부재임을 나타낸다.
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 있는 것을 의미한다. 또한, 명세서에 기재된 "...부", "...기", "모듈", "블록" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다.
도 1은 본 발명의 일 실시예에 따른 클라우드를 활용한 BMS 데이터 처리 시스템의 개략적 구성을 나타낸다.
도 1에서는 일 예로 적어도 하나의 전기 자동차(EV)와 같은 차량(11, 12)에 구비된 BMS와 클라우드 서버(13)를 포함하여 클라우드 기법으로 운용되는 BMS 데이터 처리 시스템을 도시하였다. 도 1에서 적어도 하나의 차량(11, 12)에는 BMS를 구비하여 배터리를 관리한다. BMS는 다양한 센서를 이용하여 모니터링을 수행함으로써 배터리의 상태를 판별하기 위한 각종 데이터를 수집하고, 수집된 데이터를 클라우드 서버(13)로 전송한다. 일 예로 BMS는 배터리 상태 확인을 위해 배터리에 공급되거나 배터리로부터 방출되는 전류와 배터리의 SOC 및 온도 등의 데이터를 모니터링하여 클라우드 서버(13)로 전송할 수 있다.
여기서 각 차량에 구비된 BMS가 수집한 데이터를 클라우드 서버(13)로 전달하는 것은 상기한 바와 같이, BMS가 직접 수치해석 기반의 배터리 모델을 기반으로 수집된 데이터를 분석하여 배터리의 상태를 판별하기에는 계산 능력의 한계가 존재하기 때문이다. 따라서 BMS는 모니터링을 통해 획득된 데이터를 클라우드 서버(13)로 전송한다.
이에 클라우드 서버(13)가 전송된 데이터를 기설정된 배터리 모델에 대입하여 배터리 상태를 분석하고, 분석된 배터리 상태를 BMS로 다시 전송함으로써, BMS가 분석된 배터리 상태에 따라 차량에 장착된 배터리를 관리하도록 한다.
다만 다수의 차량(11, 12) 각각에 구비된 BMS 각각이 획득한 대량의 데이터를 모두 클라우드 서버(13)으로 전송하게 되면, 클라우드 서버(13)가 전송된 데이터를 처리하는데 많은 시간을 소요하게 된다. 즉 계산 비용이 증가하게 된다. 따라서 클라우드 서버(13)가 BMS로 배터리 상태를 전송하기까지의 시간이 증가되어 BMS가 실시간으로 배터리를 관리하지 못하게 되는 문제가 발생된다.
그러나 BMS가 획득하는 데이터 중에는 실질적으로 배터리 상태에 미치는 영향이 크지 않는 데이터가 상당 부분 포함되어 있다. 상기한 예에서 모니터링된 전류, SOC 및 온도 데이터는 모두 배터리에 영향을 미치는 요인이지만, 일부 데이터는 배터리 상태에 큰 영향을 미치지 못할 수 있다. 예를 들어 전류 데이터를 기준으로 본다면, 전류 값이 일정하게 유지되는 동안의 BMS에서 수집되는 데이터들이 배터리의 상태를 추정하는데 미치는 영향 보다, 전류 값의 크기가 빠르게 변하거나 크기가 크거나 작은 구간에서 얻어지는 데이터들이 배터리 상태를 판별하는데 매우 중요한 요인으로 작용하게 된다.
따라서 클라우드 서버(13)가 BMS에서 획득된 모든 전류 데이터를 전송받아 배터리 상태를 분석할지라도, 전송된 대부분의 전류 데이터는 배터리 상태 판정에 별다른 영향을 미치지 못한다. 즉 클라우드 서버(13)가 BMS로부터 전류 데이터를 전송받지 않더라도 전류 데이터를 전송받은 경우와 거의 동일하게 배터리 상태를 판정할 수 있다. 그러나 전류 값의 크기가 빠르게 변하거나 크기가 크거나 작은 구간에서 BMS가 모니터링하여 획득한 전류 데이터의 경우, 배터리 상태 판정에 매우 큰 영향을 미치게 되므로, 클라우드 서버(13)는 전류 데이터를 반드시 반영하여 배터리 상태를 판정해야 한다.
이에 만일 BMS가 획득한 데이터 중 배터리 상태에 반드시 반영해야 하는 데이터를 구분하여 선별할 수 있다면, 클라우드 서버(13)는 BMS로부터 매우 적은 양의 데이터만을 인가받아도 정확하게 배터리 상태를 판별하여 BMS로 회신할 수 있게 된다. 즉 클라우드 서버(13)의 연산량을 줄여 배터리 상태를 빠르게 판별할 수 있도록 한다. 뿐만 아니라 BMS가 클라우드 서버(13)로 전송해야 하는 데이터가 저감됨에 따라 통신 비용 또한 크게 저감시킬 수 있다.
다만 BMS가 획득된 데이터 중 클라우드 서버(13)로 전송할 선별하기 위해서는 선별 기준이 BMS에 미리 설정되어 있어야만 한다. 즉 획득된 데이터 중 전송할 데이터의 영역이 미리 설정되어 있어야 한다. 그러나 클라우드 기법에서 BMS는 배터리 상태를 판별하기 위한 배터리 모델을 포함하지 않고 단순히 데이터를 수집하여 클라우드 서버(13)로 전달하므로, 데이터에 대한 선별 영역을 직접 판정할 수 없다.
이에 본 실시예에서는 BMS 데이터 처리 시스템이 BMS가 획득한 데이터를 선별할 수 있도록 선별 영역을 설정하는 BMS 데이터 처리 장치(14)를 더 포함한다. BMS 데이터 처리 장치(14)는 클라우드 서버(13)가 이용하는 배터리 모델에 기반하여, 파라미터를 선정하고, 선정된 파라미터의 민감도를 BMS에서 획득된 데이터의 영역별로 구분하여 분석하고, 분석 결과에 따라 민감도가 큰 영역에 대해 신뢰도가 높은 영역으로 설정할 수 있다. 이에 BMS는 배터리 상태 평가 및 분석을 위한 중요 데이터로서 설정된 영역의 데이터를 선별하여 클라우드 서버로 전송할 수 있도록 할 수 있으며, 클라우드 서버는 배터리 상태를 평가 및 분석하기 위해 수신 및 처리해야하는 데이터량을 크게 줄일 수 있다.
도 1에서는 BMS 데이터 처리 장치(14)가 별도의 장치인 것으로 도시하였으나, BMS 데이터 처리 장치(14)는 클라우드 서버(13)에 포함되도록 구성될 수 있다.
도 2는 도 1의 BMS 데이터 처리 시스템에서 BMS와 BMS 데이터 처리 장치 및 클라우드 서버의 상세 구성의 일 예를 나타낸다.
도 2에서는 하나의 BMS(100)와 데이터 처리 장치(200) 및 클라우드 서버(300)를 도시하였다. 여기서도 데이터 처리 장치(200)와 클라우드 서버(300)를 별도의 장치로 도시하였으나, 데이터 처리 장치(200)는 클라우드 서버(300)에 포함되어 구성될 수 있다.
도 2를 참조하면, BMS(100)는 데이터 선별 전송부(110)와 배터리 관리부(120)를 포함할 수 있다.
데이터 선별 전송부(110)는 대응하는 배터리의 상태를 판정하기 위한 각종 데이터를 모니터링하여 획득하고, 획득된 데이터 중 기지정된 선별 영역에 대응하는 데이터를 추출하여 BMS 데이터 처리 장치(200)와 클라우드 서버(300)로 전송한다. 그리고 배터리 관리부(120)는 클라우드 서버(300)로부터 배터리 상태 정보를 수신하고, 수신된 배터리 상태 정보에 따라 배터리가 안정적으로 동작할 수 있도록 배터리를 제어한다.
여기서 배터리 선별 전송부(110)는 데이터 수집부(111), 영역별 데이터 선별부(112), 데이터 전송부(113)를 포함할 수 있다. 데이터 수집부(111)는 적어도 하나의 센서를 포함하여 배터리의 상태에 영향을 미치는 요인들을 모니터링하여 배터리 관리를 위한 데이터를 획득한다.
영역별 데이터 선별부(112)는 데이터 수집부(111)에서 획득된 데이터 중 BMS 데이터 처리 장치(200)에 의해 설정된 다수의 영역 중 선별 영역에 대응하는 데이터만을 추출하여 데이터 전송부(113)로 전달한다. 이때 영역별 데이터 선별부(112)는 선별 영역이 설정되어 있지 않다면, 데이터 수집부(111)에서 획득된 모든 데이터를 데이터 전송부(113)로 전달할 수 있으며, BMS 데이터 처리 장치(200)로부터 선별 영역 소거 요청이 수신되면, 현재 설정된 선별 영역을 소거하여 모든 데이터를 전송할 수 있다. 또한 BMS 데이터 처리 장치(200)에 의해 설정되지 않은 영역의 데이터가 인가되는 경우에도, 해당 데이터를 데이터 전송부(113)로 전송한다. 여기서 설정되지 않은 영역의 데이터는 BMS 데이터 처리 장치(200)에 의해 데이터의 중요도가 판별되지 않은 영역의 데이터이므로, 해당 데이터를 BMS 데이터 처리 장치(200)로 전송하여 BMS 데이터 처리 장치(200)가 데이터의 중요도를 판별할 수 있도록 하기 위함이다.
데이터 전송부(113)는 영역별 데이터 선별부(112)에서 전달되는 데이터, 즉 선별된 데이터를 유/무선 네트워크를 통해 BMS 데이터 처리 장치(200)와 클라우드 서버(300)로 전송한다.
클라우드 서버(300)는 모델 저장부(310)와 배터리 상태 전송부(320)를 포함할 수 있다. 모델 저장부(310) BMS(100)가 관리하는 배터리 각각에 대한 배터리 모델을 저장한다. 여기서 배터리 모델은 수치해석 기반의 전기화학 배터리 모델일 수 있다. 따라서 모델 저장부(310)는 BMS(100)로부터 데이터가 전송되면, 전송된 데이터를 대응하는 배터리 모델에 입력함으로써, 해당 배터리에 대한 배터리 상태 정보를 획득할 수 있다. 여기서 배터리 상태 정보는 배터리 모델에 기반하여 추정되는 실제 배터리의 상태를 나타내는 정보이다.
본 실시예에서는 BMS(100)가 배터리 상태에 큰 영향을 미치는 선별 영역의 데이터만을 추출하여 전송하므로, 모델 저장부(310)는 선별 영역의 데이터를 배터리 모델이 입력하여 배터리 상태 정보를 획득할 수 있다. 따라서 모델 저장부(310)는 선별된 데이터가 인가되면 고속으로 배터리 상태 정보를 획득하여 BMS(100)로 회신할 수 있다. 따라서 BMS(100)는 고성능의 하드웨어 장치로 구현되지 않더라도 실시간으로 배터리를 관리할 수 있다.
이는 상기한 바와 같이, 배터리 모델이 다양한 서로 다른 데이터를 입력으로 인가받아 배터리 상태를 추정할 수 있으나, 입력되는 데이터의 대부분은 실질적으로 배터리 상태에 거의 영향을 미치지 못하므로 선별된 중요 데이터만 인가되더라도 배터리 상태를 정확하게 추정할 수 있기 때문이다.
배터리 상태 전송부(320)는 모델 저장부(310)가 배터리 모델이 전송된 데이터를 입력하여 획득한 배터리 상태 정보를 데이터를 전송한 BMS(100)로 회신함으로써, BMS(100)가 관리하는 배터리의 상태를 확인하고 확인된 상태에 따라 배터리를 제어할 수 있도록 한다.
BMS 데이터 처리 장치(200)는 BMS(100)로부터 데이터를 인가받고, 클라우드 서버(300)에 설정된 배터리 모델을 기반으로 인가된 데이터의 영역별 중요도를 판별함으로써, 선별 영역을 설정한다. 그리고 기존에 설정된 선별 영역에 따라 선별되어 전송된 데이터에 의한 영역별 신뢰도가 낮은 경우에 기존에 설정된 선별 영역에 대한 선별 영역 소거 요청을 BMS(100)로 전송할 수 있다.
BMS 데이터 처리 장치(200)는 데이터 수신부(210), 파라미터 민감도 판별부(220), 신뢰도 판별부(230) 및 선별 영역 설정부(240)를 포함할 수 있다.
데이터 수신부(210)는 네트워크를 통해 BMS(100)가 모니터링하여 획득한 데이터를 수신한다. 여기서 수신되는 데이터는 상기한 바와 같이, BMS가 이전 설정된 선별 영역에 따라 선별한 데이터이거나, 설정되지 않은 영역의 데이터일 수 있다.
파라미터 민감도 판별부(220)는 클라우드 서버(300)의 모델 저장부(310)에 저장된 대응하는 배터리 모델에 데이터가 입력되는 경우에 배터리 모델의 기지정된 파라미터들의 민감도를 판별한다(S230). 여기서 파라미터 민감도는 특정값을 갖는 데이터에 대해 배터리 모델이 어느 정도 변화량을 갖게 되는지를 판별하기 위함이다. 즉 특정값을 갖는 데이터에 따라 배터리 모델의 파라미터 변화량을 나타내는 기울기를 분석함으로써, 해당 데이터의 중요도를 판별하기 위해서이다.
파라미터 민감도 판별부(220)는 수학식 1에 따라 배터리 모델(Vmodel)의 각 파라미터(x)에 대한 민감도(Yx)를 판별할 수 있다.
여기서 Yx 는 파라미터(x)에 대한 민감도를 나타내고, Vmodel 은 배터리 모델을 나타내며, n은 데이터를 나타낸다. 그리고 Δx 는 파라미터 변위로서 파라미터의 값의 0.1 ~ 0.001% 수준의 범위에서 임의의 값으로 선택될 수 있다. 즉 인가된 데이터의 값에 따른 배터리 모델(Vmodel)의 파라미터 값에 미소 변화를 주어 파라미터의 기울기를 파라미터 민감도(Yx)로 판별한다.
파라미터(x)는 단일 파라미터일 수도 있으나, 일반적으로 배터리 모델(Vmodel)은 수치해석이 필요한 복잡한 함수의 형태로 표현되므로, 파라미터(x)는 다수의 내부 파라미터(여기서는 일 예로 a, b, c)가 포함된 파라미터(x = {a, b, c})일 수 있다. 이 경우 파라미터 민감도는 적어도 하나의 내부 파라미터(a, b, c) 각각에 대한 민감도로 계산될 수 있다.
일 예로 파라미터 변위(Δx)를 0.001로 설정하여 내부 파라미터(a)에 대한 민감도를 계산하는 경우, 수학식 2와 같이 계산될 수 있다.
신뢰도 판별부(230)는 파라미터 민감도 판별부(220)에 의해 인가된 데이터(n) 각각에 대응하는 파라미터 민감도(Yx)가 수학식 1에 따라 계산되면, 계산된 파라미터 민감도(Yx)를 기반으로 각 데이터에 대한 신뢰도를 판별한다.
본 실시예에서 신뢰도 판별부(230)는 데이터 각각에 대한 신뢰도를 판별하기 위해 피셔 정보 행렬(Fisher Information Matrix: 이하 FIM)을 이용한다.
피셔 정보 행렬은 통계학에서 어떤 확률변수의 관측값으로부터, 확률변수의 분포의 매개변수에 대해 유추할 수 있는 정보의 양을 표현하는 방식으로, 여기서는 파라미터의 민감도를 평가하기 위해 배터리 모델 파라미터의 변동으로 인한 배터리 모델의 출력 변동을 측정하기 위해 이용되며, 수학식 3과 같이 정의될 수 있다.
여기서 Ndata 는 데이터의 개수이고 Qn 은 Ndata × Ndata 크기를 갖는 측정 잡음의 공분산 행렬(covariance matrix)이며, Yx T 는 파라미터 민감도(Yx)의 전치 행렬(transposed matrix)이다.
상기한 예에 대한 FIM은 수학식 4로 계산될 수 있다.
신뢰도 판별부(230)는 파라미터 민감도(Yx)를 기반으로 FIM이 획득되면, FIM의 역행렬(FIM-1)을 획득한다.
상기한 예에 대한 FIM의 역행렬(FIM-1)은 수학식 5로 계산될 수 있다.
그리고 입력된 데이터 각각에 대한 내부 파라미터 신뢰도(ρj)를 수학식 6과 같이 계산한다.
여기서 xj 는 파라미터(x = {a, b, c})에서 j번째 내부 파라미터를 나타내고, ρj 는 j번째 내부 파라미터에 대한 신뢰도를 나타내며, FIMj -1는 j번째 내부 파라미터에 대한 FIM의 역행렬(FIM-1)을 나타낸다.
선별 영역 설정부(240)는 우선 기존에 설정된 선별 영역이 존재하면, 선별 영역에 대한 영역별 신뢰도를 판별한다.
선별 영역 설정부(240)는 선별 영역에 대한 영역별 신뢰도(ρtotal)를 수학식 7에 따라 계산할 수 있다.
여기서 Npara 는 내부 파라미터의 개수(여기서는 x = {a, b, c}이므로 일 예로 3)를 나타내고, wj 는 내부 파라미터 신뢰도(ρj) 각각에 대한 내부 파라미터 가중치이다. 내부 파라미터 가중치(wj)는 총 합이 1이 각 내부 파라미터(a, b, c)에 대응하여 기지정되는 값이다. 일 예로 내부 파라미터 가중치(wj)는 모든 내부 파라미터의 가중치가 균일하도록 1/Npara 로 설정될 수 있다.
그리고 계산된 선별 영역에 대한 영역별 신뢰도(ρtotal)가 기지정된 기준 신뢰도 미만이면, 기존 선별 영역에 대한 신뢰도 소거 요청을 영역별 데이터 선별부(112)로 전송한다.
그러나 기존에 설정된 선별 영역이 존재하지 않거나, 선별 영역에 대한 영역별 신뢰도(ρtotal)가 기준 신뢰도 이상이면, 전송된 데이터에 따른 신뢰도를 기반으로 신뢰도가 높은 영역을 분석하여 선별 영역을 설정하거나 재설정한다.
선별 영역 설정부(240)는 크래머 라오 하한(Cramer Rao lower bound) 기법에 따라 데이터를 구분하기 위한 영역을 수학식 8에 따라 설정할 수 있다.
여기서 t는 기지정된 수준(여기서는 일 예로 95%)의 신뢰 구간과 자유도(degrees of freedom)를 갖는 통계적 분포값을 나타낸다.
상기한 예에 따라 내부 파라미터(a)에 대한 영역을 수학식 9에 따라 설정할 수 있다.
그리고 선별 영역 설정부(240)는 구분된 각 영역에 대한 영역별 신뢰도(ρtotal)를 수학식 7에 따라 계산한다.
수학식 7에 따라 각 영역에 대한 영역별 신뢰도(ρtotal)가 계산되면, 선별 영역 설정부(240)는 계산된 영역별 신뢰도(ρtotal) 중 기지정된 기준 신뢰도 이상의 영역별 신뢰도(ρtotal)를 갖는 영역을 선별 영역으로 설정한다. 즉 신뢰도 판별부(230)는 각 영역에 대해 계산된 영역별 신뢰도(ρtotal)를 바탕으로 선별 영역을 설정할 수 있다. 그리고 설정된 선별 영역을 BMS(100)로 전송한다. 이때 선별 영역 이외에도 구분된 각 영역을 BMS(100)로 전송한다. 이는 상기한 바와 같이, 신뢰도가 판별되지 않은 데이터를 BMS(100)로부터 인가받아 신뢰도를 분석할 수 있도록 하기 위함이다.
이에 BMS(100)의 영역별 데이터 선별부(112)는 기존에 저장된 선별 영역을 새로이 전송된 선별 영역으로 갱신하고, 갱신된 선별 영역에 따라 데이터를 선별한다.
결과적으로 본 실시예에 따른 BMS 데이터 처리 시스템에서 BMS 데이터 처리 장치(200)는 BMS(100)가 수집한 데이터를 인가받고, 각 데이터에 대한 배터리 모델의 파라미터 신뢰도를 계산하여, 파라미터 신뢰도를 기반으로 배터리 모델의 출력값의 변화를 크게 하는 데이터 구간을 선별 영역으로 설정하여 BMS(100)로 전송한다. 따라서 BMS(100)는 배터리 상태 변화에 크게 영향을 미칠 수 있는 데이터만을 선별하여 클라우드 서버(300)로 전송할 수 있으며, 클라우드 서버(300)는 계산해야 하는 데이터 량이 저감됨에 따라 신속하게 배터리 상태를 판정하여 BMS(100)로 전송할 수 있다.
도 3은 본 발명의 일 실시예에 따른 BMS 데이터 처리 시스템에서 BMS의 데이터 처리 방법을 나타낸다.
도 2를 참조하여, 도 3의 BMS의 데이터 처리 방법을 설명하면, BMS(100)는 배터리의 상태를 판정하기 위해 기지정된 각종 데이터를 모니터링하여 수집한다(S11). 이후 BMS 데이터 처리 장치(200)에 의해 기설정되어 저장된 선별 영역이 존재하는지 판별한다(S12). 만일 선별 영역이 존재하면, 선별 영역에 대응하는 데이터를 추출한다(S13). 그리고 추출된 선별 영역의 데이터를 클라우드 서버(300)와 BMS 데이터 처리 장치(200)로 전송한다(S14). 그러나 선별 영역이 존재하지 않으면, 획득된 모든 데이터를 BMS 데이터 처리 장치(200)로 전송한다(S14). 또한 선별 영역에 포함되지 않더라도 BMS 데이터 처리 장치(200)가 기존에 신뢰도를 판별하지 않은, 즉 BMS 데이터 처리 장치(200)에 의해 구분된 영역 이외의 영역에 해당하는 데이터가 획득되는 경우에도 획득된 데이터를 BMS 데이터 처리 장치(200)로 전송한다(S14).
그리고 BMS(100)는 BMS 데이터 처리 장치(200)로부터 선별 영역이 설정되어 선별 영역 정보가 수신되는지 판별한다(S15). 만일 선별 영역 정보가 수신되면, 현재 설정되어 저장된 선별 영역을 수신된 선별 영역 정보를 기반으로 갱신한다(S16). 이때, BMS(100)는 BMS 데이터 처리 장치(200)로부터 선별 영역 이외의 영역에 대한 정보를 함께 수신할 수 있다. 선별 영역 이외의 영역 정보는 신뢰도가 판별되지 않은 데이터를 구분하기 위해 수신될 수 있다.
도 4는 본 발명의 일 실시예에 따른 BMS 데이터 처리 시스템에서 BMS 데이터 처리 장치의 데이터 처리 방법을 나타낸다.
도 2 및 도 3을 참조하여, 도 4의 BMS 데이터 처리 장치의 데이터 처리 방법을 설명하면, 데이터 처리 장치(200)는 우선 BMS(100)가 전송한 데이터를 수신한다(S21). 여기서 BMS(100)에서 전송되는 데이터는 기존에 선별 영역이 설정되어 있는 경우, 선별 영역에 해당하는 데이터일 수 있다. 또한 기존에 구분되지 않은 영역의 데이터일 수 있다. 그러나 선별 영역이 설정되어 있지 않은 경우, BMS(100)가 획득한 모든 데이터일 수 있다.
데이터가 수신되면, 데이터 처리 장치(200)는 수신된 데이터 각각을 기설정된 배터리 모델에 대입하는 경우에 배터리 모델에 지정된 파라미터의 민감도를 수학식 1에 따라 분석한다(S22).
그리고 데이터에 따른 파라미터 민감도(Yx)가 판별되면, 판별된 파라미터 민감도(Yx)를 기반으로 FIM을 이용하여 파라미터 신뢰도(ρj)를 판별한다(S23). 이후 기존에 설정된 선별 영역이 존재하는지 판별한다(S24). 그리고 선별 영역이 존재하면, 파라미터 신뢰도(ρj)를 기반으로 기존 선별 영역에 대한 신뢰도(ρtotal)를 계산한다(S25). 계산된 기존 선별 영역의 신뢰도(ρtotal)가 기지정된 기준 신뢰도 이상인지 판별하고(S26), 기준 신뢰도 미만이면, 기존 선별 영역을 소거하고, 선별 영역 소거 요청을 BMS로 전송한다(S27).
한편, 기존 선별 영역이 존재하지 않으면, FIM을 기반으로 기지정된 방식으로 인가된 데이터에 대한 파라미터 신뢰 구간을 구분하여 데이터를 구분하기 위한 영역을 설정한다(S28). 또한 기존 선별 영역이 존재하더라도 선별 영역의 신뢰도가 기준 신뢰도인 이상인 경우일지라도, 기존에 구분되지 않은 영역의 데이터가 인가되면, 해당 데이터를 구분하기 위한 영역을 설정한다(S28).
그리고 구분된 영역별 신뢰도(ρtotal)를 분석한다(S29). 영역별 신뢰도(ρtotal)가 분석되면, 분석된 영역별 신뢰도(ρtotal) 중 기준 신뢰도 이상인 영역을 선별 영역으로 설정한다(S30).
본 발명에 따른 방법은 컴퓨터에서 실행시키기 위한 매체에 저장된 컴퓨터 프로그램으로 구현될 수 있다. 여기서 컴퓨터 판독가능 매체는 컴퓨터에 의해 액세스 될 수 있는 임의의 가용 매체일 수 있고, 또한 컴퓨터 저장 매체를 모두 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함하며, ROM(판독 전용 메모리), RAM(랜덤 액세스 메모리), CD(컴팩트 디스크)-ROM, DVD(디지털 비디오 디스크)-ROM, 자기 테이프, 플로피 디스크, 광데이터 저장장치 등을 포함할 수 있다.
본 발명은 도면에 도시된 실시예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다.
따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 청구범위의 기술적 사상에 의해 정해져야 할 것이다.
100: BMS 110: 데이터 선별 전송부
111: 데이터 수집부 112: 영역별 데이터 선별부
113: 데이터 전송부 120: 배터리 관리부
121: 배터리 상태 수신부 122: 배터리 제어부
200: BMS 데이터 처리 장치 210: 데이터 수신부
220: 파라미터 민감도 판별부 230: 신뢰도 판별부
240: 선별 영역 설정부 300: 클라우드 서버
310: 모델 저장부 320: 배터리 상태 전송부
111: 데이터 수집부 112: 영역별 데이터 선별부
113: 데이터 전송부 120: 배터리 관리부
121: 배터리 상태 수신부 122: 배터리 제어부
200: BMS 데이터 처리 장치 210: 데이터 수신부
220: 파라미터 민감도 판별부 230: 신뢰도 판별부
240: 선별 영역 설정부 300: 클라우드 서버
310: 모델 저장부 320: 배터리 상태 전송부
Claims (10)
- 배터리 관리 시스템(이하 BMS)이 배터리의 상태 판정을 위해 수집한 데이터를 인가받는 데이터 수신부;
BMS가 관리하는 배터리를 모의하여 기저정된 배터리 모델에 인가된 데이터를 대입하는 경우, 상기 배터리 모델의 기지정된 파라미터의 변화율을 나타내는 파라미터 민감도를 분석하는 파라미터 민감도 판별부;
분석된 파라미터 민감도를 기반으로 상기 배터리 모델에서 인가된 데이터에 따른 파라미터 신뢰도를 피셔 정보 행렬을 이용하여 계산하는 신뢰도 판별부; 및
상기 피셔 정보 행렬을 이용하여 데이터를 구분하기 위한 적어도 하나의 영역을 설정하고, 설정된 영역 각각의 데이터에 따른 파라미터 신뢰도를 누적하여 설정된 영역별 신뢰도를 계산하며, 영역별 신뢰도 중 기준 신뢰도 이상인 영역별 신뢰도를 갖는 영역을 선별 영역으로 설정하여, 상기 BMS가 수집한 데이터 중 설정된 선별 영역에 대응하는 데이터를 추출하여 클라우드 서버로 전송하도록 하는 선별 영역 설정부를 포함하되,
상기 신뢰도 판별부는
상기 파라미터 민감도를 이용하여 피셔 정보 행렬(FIM)을 수학식
(여기서 Ndata 는 데이터의 개수이고 Qn 은 Ndata × Ndata 크기를 갖는 측정 잡음의 공분산 행렬이며, Yx T 는 파라미터 민감도(Yx)의 전치 행렬이다.)
에 따라 계산하고, 계산된 피셔 정보 행렬의 역행렬(FIM-1)을 이용하여 상기 데이터 각각에 따른 파라미터의 신뢰도를 수학식
(여기서 xj 는 파라미터(x)를 구성하는 적어도 하나의 파라미터 중 j번째 내부 파라미터를 나타내고, ρj 는 j번째 내부 파라미터 신뢰도를 나타낸다)
에 따라 계산하는 BMS 데이터 처리 장치.
- 제1항에 있어서, 상기 선별 영역 설정부는
상기 선별 영역에 대한 정보와 함께 나머지 구분된 영역에 대한 정보를 상기 BMS로 전송하고,
상기 BMS로부터 기존에 구분되지 않은 영역의 데이터가 상기 BMS 데이터 처리 장치로 인가되면, 구분되지 않은 영역의 데이터를 구분하기 위한 영역을 추가로 설정하여 영역별 신뢰도를 계산하는 BMS 데이터 처리 장치. - 제1항에 있어서, 상기 선별 영역 설정부는
기존에 설정된 선별 영역에 따라 상기 BMS로부터 전송된 데이터에서 계산된 영역 신뢰도가 상기 기준 신뢰도 미만이면, 상기 BMS로 선별 영역 소거 요청을 전송하여 상기 BMS에 저장된 선별 영역을 삭제하는 BMS 데이터 처리 장치. - 제1항에 있어서, 상기 파라미터 민감도 판별부는
인가된 데이터 각각을 상기 배터리 모델에 입력하는 하는 경우, 적어도 하나의 내부 파라미터로 구성되는 파라미터의 내부 파라미터 각각의 기울기를 상기 파라미터 민감도로 계산하는 BMS 데이터 처리 장치. - 삭제
- 배터리 관리 시스템(이하 BMS)이 배터리의 상태 판정을 위해 수집한 데이터를 클라우드 서버로 전송하여 배터리 상태를 판정하는 시스템을 위한 BMS 데이터 처리 방법에 있어서,
BMS가 수집한 데이터를 인가받는 단계;
상기 BMS가 관리하는 배터리를 모의하여 기저정된 배터리 모델에 인가된 데이터를 대입하는 경우, 상기 배터리 모델의 기지정된 파라미터의 변화율을 나타내는 파라미터 민감도를 분석하는 단계;
분석된 파라미터 민감도를 기반으로 상기 배터리 모델에서 인가된 데이터에 따른 파라미터 신뢰도를 피셔 정보 행렬을 이용하여 계산하는 단계; 및
상기 피셔 정보 행렬을 이용하여 데이터를 구분하기 위한 적어도 하나의 영역을 설정하고, 설정된 영역 각각의 데이터에 따른 파라미터 신뢰도를 누적하여 설정된 영역별 신뢰도를 계산하여, 상기 BMS가 수집한 데이터 중 설정된 선별 영역에 대응하는 데이터를 추출하여 클라우드 서버로 전송하도록 계산된 영역별 신뢰도 중 기준 신뢰도 이상인 영역별 신뢰도를 갖는 영역을 선별 영역으로 설정하는 단계를 포함하되,
상기 피셔 정보 행렬을 이용하여 계산하는 단계는
상기 파라미터 민감도를 이용하여 피셔 정보 행렬(FIM)을 수학식
(여기서 Ndata 는 데이터의 개수이고 Qn 은 Ndata × Ndata 크기를 갖는 측정 잡음의 공분산 행렬이며, Yx T 는 파라미터 민감도(Yx)의 전치 행렬이다.)
에 따라 계산하고, 계산된 피셔 정보 행렬의 역행렬(FIM-1)을 이용하여 상기 데이터 각각에 따른 파라미터의 신뢰도를 수학식
(여기서 xj 는 파라미터(x)를 구성하는 적어도 하나의 파라미터 중 j번째 내부 파라미터를 나타내고, ρj 는 j번째 내부 파라미터 신뢰도를 나타낸다)
에 따라 계산하는 BMS 데이터 처리 방법.
- 제8항에 있어서, 상기 선별 영역으로 설정하는 단계는
상기 선별 영역에 대한 정보와 함께 나머지 구분된 영역에 대한 정보를 상기 BMS로 전송하고,
상기 BMS로부터 기존에 구분되지 않은 영역의 데이터가 인가되면, 구분되지 않은 영역의 데이터를 구분하기 위한 영역을 추가로 설정하여 영역별 신뢰도를 계산하는 BMS 데이터 처리 방법. - 제8항에 있어서, 상기 선별 영역으로 설정하는 단계는
기존에 설정된 선별 영역에 따라 상기 BMS로부터 전송된 데이터에서 계산된 영역 신뢰도가 상기 기준 신뢰도 미만이면, 상기 BMS로 선별 영역 소거 요청을 전송하여 상기 BMS에 저장된 선별 영역을 삭제하는 BMS 데이터 처리 방법.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020200061348A KR102392627B1 (ko) | 2020-05-22 | 2020-05-22 | 배터리 상태 평가 및 분석을 위한 bms 데이터 처리 장치 및 방법 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020200061348A KR102392627B1 (ko) | 2020-05-22 | 2020-05-22 | 배터리 상태 평가 및 분석을 위한 bms 데이터 처리 장치 및 방법 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20210144254A KR20210144254A (ko) | 2021-11-30 |
KR102392627B1 true KR102392627B1 (ko) | 2022-04-28 |
Family
ID=78722417
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020200061348A KR102392627B1 (ko) | 2020-05-22 | 2020-05-22 | 배터리 상태 평가 및 분석을 위한 bms 데이터 처리 장치 및 방법 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR102392627B1 (ko) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117578990B (zh) * | 2023-11-15 | 2024-04-30 | 华能辛店发电有限公司 | 一种发电厂设备技术参数收集分析系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101748643B1 (ko) * | 2014-12-24 | 2017-07-03 | 주식회사 엘지화학 | 배터리 팩의 측정 데이터 선별 장치 및 방법 |
US10447046B2 (en) * | 2016-09-22 | 2019-10-15 | Robert Bosch Gmbh | Secondary battery management system with remote parameter estimation |
CN109919168A (zh) * | 2017-12-13 | 2019-06-21 | 北京创昱科技有限公司 | 一种电池分类方法和系统 |
KR102090476B1 (ko) | 2018-05-02 | 2020-03-19 | 주식회사 에스.제이테크 | 클라우드 및 빅데이터를 활용한 bms 최적화 시스템 |
-
2020
- 2020-05-22 KR KR1020200061348A patent/KR102392627B1/ko active IP Right Grant
Non-Patent Citations (1)
Title |
---|
Parameter sensitivity analysis of electrochemical model-based battery management systems for lithium-ion batteries(Applied Energy, 2020.05.16.공개) |
Also Published As
Publication number | Publication date |
---|---|
KR20210144254A (ko) | 2021-11-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102627949B1 (ko) | 전기차 충전 스테이션을 이용한 배터리 성능관리 시스템 및 방법 | |
Zhang et al. | Multi-objective decision analysis for data-driven based estimation of battery states: A case study of remaining useful life estimation | |
US20180097396A1 (en) | Systems and methods for direct estimation of battery parameters using only charge/discharge curves | |
CN101999101B (zh) | 系统运行预测的确定方法 | |
CN115356639B (zh) | 一种双向锂离子电池智能健康监控方法及系统 | |
KR20240010078A (ko) | 전기차 충전 스테이션을 이용한 배터리 성능관리 시스템 및 방법 | |
US20230059529A1 (en) | Characterization of Rechargeable Batteries Using Machine-Learned Algorithms | |
Wang et al. | Remaining useful life prediction of lithium‐ion battery using a novel health indicator | |
CN111626514B (zh) | 一种电动汽车充电负荷预测方法及装置 | |
KR102392627B1 (ko) | 배터리 상태 평가 및 분석을 위한 bms 데이터 처리 장치 및 방법 | |
CN117493067B (zh) | 基于数据服务保护的熔断控制方法及系统 | |
CN117891234A (zh) | 机房运行状态的检测方法、装置、存储介质以及电子设备 | |
CN113835036A (zh) | 电池健康状态评估方法、装置、计算机设备和存储介质 | |
Bisht et al. | A data-driven intelligent hybrid method for health prognosis of lithium-ion batteries | |
CN116901707A (zh) | 一种动力电池组故障预警方法、系统及车辆 | |
CN114518988B (zh) | 资源容量系统及其控制方法和计算机可读存储介质 | |
CN115426161A (zh) | 异常设备识别方法、装置、设备、介质和程序产品 | |
CN114048085A (zh) | 一种磁盘故障分析方法、装置、设备及可读存储介质 | |
Yin et al. | A network security situation assessment model based on BP neural network optimized by DS evidence theory | |
CN117851814B (zh) | 基于多模态数据融合的森林生物量估测关键因子识别方法 | |
KR102669519B1 (ko) | 클라우드 서버 장치, 이를 포함하는 배터리 관리 시스템 및 방법 | |
Bhattacharya | The extremal index and the maximum of a dependent stationary pulse load process observed above a high threshold | |
WO2019092762A1 (en) | Device for the monitoring of lead-acid storage systems | |
CN116774046A (zh) | 电池安全状态监测方法、装置、计算机设备、存储介质 | |
US20240192278A1 (en) | Battery data management system and method therefor |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
E902 | Notification of reason for refusal | ||
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant |