KR20090020362A - 배터리의 장기 특성 예측 시스템 및 방법 - Google Patents
배터리의 장기 특성 예측 시스템 및 방법 Download PDFInfo
- Publication number
- KR20090020362A KR20090020362A KR1020070085080A KR20070085080A KR20090020362A KR 20090020362 A KR20090020362 A KR 20090020362A KR 1020070085080 A KR1020070085080 A KR 1020070085080A KR 20070085080 A KR20070085080 A KR 20070085080A KR 20090020362 A KR20090020362 A KR 20090020362A
- Authority
- KR
- South Korea
- Prior art keywords
- data
- characteristic
- long
- battery
- term
- 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]
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
Description
Claims (17)
- 학습 대상으로 선택된 배터리의 초기 특성 학습 데이터와 장기 특성 학습 데이터를 입력 받는 학습 데이터 입력부;장기 특성의 예측 대상이 되는 배터리의 초기 특성 측정 데이터를 입력 받는 측정 데이터 입력부; 및상기 학습 데이터 입력부로부터 초기 특성 학습 데이터와 장기 특성 학습 데이터를 수신하여 인공 신경망을 학습시키고, 상기 측정 데이터 입력부로부터 초기 특성 측정 데이터를 입력 받아 학습된 인공 신경망을 적용함으로써 배터리의 초기 특성 측정 데이터로부터 장기 특성 예측 데이터를 산출하여 출력하는 인공 신경망 연산부;를 포함하는 것을 특징으로 하는 인공 신경망을 이용한 배터리의 장기 특성 예측 시스템.
- 제1항에 있어서,상기 학습된 인공 신경망은 직렬로 연결된 1개 이상의 뉴런층을 포함하고,상기 뉴런층은 입력 벡터를 출력 벡터로 변환하되, 인공 신경망 학습에 의해 산출된 가중치 행렬과 편중치 벡터를 상기 입력 벡터에 반영한 후 뉴런 전달함수로 처리하여 출력 벡터로 변환하는 것을 특징으로 하는 인공 신경망을 이용한 배터리의 장기 특성 예측 시스템.
- 제2항에 있어서,상기 뉴런층의 직렬 배열에서 첫 번째 뉴런층의 입력 벡터는 초기 특성 측정데이터로 구성된 벡터임을 특징으로 하는 인공 신경망을 이용한 배터리의 장기 특성 예측 시스템.
- 제1항에 있어서,상기 초기 특성과 관련된 데이터는,배터리의 활성화 공정에서 측정한 배터리의 충전 특성 변화 데이터; 또는 초기 사이클 특성 측정을 통해 얻은 배터리의 충전 특성 변화 데이터, 방전 특성 변화 데이터, 두께 변화 데이터 또는 개방 전압 변화 데이터이고,상기 장기 특성과 관련된 데이터는 미리 설정한 장기 사이클에서 배터리의 충전 특성 변화 데이터, 방전 특성 변화 데이터, 두께 변화 데이터 또는 개방 전압 변화 데이터인 것을 특징으로 하는 인공 신경망을 이용한 배터리의 장기 특성 예측 시스템.
- 제1항에 있어서,활성화 공정에 투입된 배터리의 충전 특성을 측정하여 초기 특성 측정 데이터로서 출력하는 초기 특성 측정 센서를 더 포함하고,상기 측정 데이터 입력부는 상기 초기 특성 측정 센서로부터 초기 특성 측정 데이터를 입력 받는 것을 특징으로 하는 인공 신경망을 이용한 배터리의 장기 특성 예측 시스템.
- 제1항에 있어서,상기 인공 신경망 연산부로부터 장기 특성 예측 데이터를 입력 받아 디스플레이 장치를 통해 그래픽 유저 인터페이스로 표시하는 표시부를 더 포함하는 것을 특징으로 하는 인공 신경망을 이용한 배터리의 장기 특성 예측 시스템.
- 제1항에 있어서,상기 인공 신경망 연산부로부터 장기 특성 예측 데이터를 입력 받아 기준 장기 특성 데이터와 비교하여 배터리의 장기 특성 품질을 판정하는 장기 특성 판정부를 더 포함하는 것을 특징으로 하는 인공 신경망을 이용한 배터리의 장기 특성 예측 시스템.
- 제7항에 있어서,상기 장기 특성 판정부는 배터리의 장기 특성 품질 판정 결과를 디스플레이 장치를 통해 그래픽 유저 인터페이스로 출력하는 것을 특징으로 하는 인공 신경망을 이용한 배터리의 장기 특성 예측 시스템.
- 학습 대상으로 선택된 배터리의 초기 특성 학습 데이터와 장기 특성 학습 데이터를 입력 받는 학습 데이터 입력부;장기 특성의 예측 대상이 되는 배터리의 초기 특성 측정 데이터를 입력 받는 측정 데이터 입력부;초기 특성 학습 데이터 및 장기 특성 학습 데이터를 제1 및 제2자료 구조로 변환한 후 자료 구조 별로 초기 특성 학습 데이터 및 장기 특성 학습 데이터에 대해 인공 신경망을 학습시키고, 상기 입력된 초기 특성 측정 데이터를 제1 및 제2자료 구조로 변환한 후 자료 구조에 대응되는 인공 신경망을 개별적으로 적용하여 자료 구조 별로 장기 특성 예측 데이터를 산출하여 출력하는 인공 신경망 연산부; 및상기 출력된 자료 구조 별 장기 특성 예측 데이터의 오차를 계산하여 오차에 크기에 따라 예측 데이터의 신뢰성을 판정하는 장기 특성 판정부를 포함하는 것을 특징으로 하는 인공 신경망을 이용한 배터리의 장기 특성 예측 시스템.
- (a) 학습 대상으로 선택된 배터리의 초기 특성 학습 데이터와 장기 특성 학습데이터를 입력 받는 단계;(b) 상기 입력된 초기 특성 학습 데이터와 장기 특성 학습 데이터에 대해 인공 신경망 학습을 수행하는 단계;(c) 장기 특성의 예측 대상이 되는 배터리의 초기 특성 측정 데이터를 입력 받는 단계; 및(d) 상기 입력된 초기 특성 측정 데이터에 학습된 인공 신경망을 적용함으로써 배터리의 초기 특성 측정 데이터로부터 장기 특성 예측 데이터를 산출하여 출력하는 단계를 포함하는 것을 특징으로 하는 인공 신경망을 이용한 배터리의 장기 특 성 예측 방법.
- 제10항에 있어서,상기 학습된 인공 신경망은 직렬로 배열된 1개 이상의 뉴런층을 포함하고,상기 (d) 단계는,(d1) 상기 초기 특성 측정 데이터를 입력 벡터로 변환하는 단계;(d2) 상기 변환된 입력 벡터를 상기 뉴런층 배열의 첫 번째 뉴런층으로 입력하는 단계;(d3) 상기 뉴런층 배열의 각 뉴런층이 인공 신경망 학습에 의해 산출된 가중치 행렬과 편중치 벡터를 입력 벡터에 반영한 후 뉴런 전달함수로 처리하여 출력 벡터로 변환하여 출력하는 단계; 및(d4) 상기 뉴런층 배열의 마지막 뉴런층이 장기 특성 예측 벡터를 출력 벡터로 출력하는 단계를 포함하는 것을 특징으로 하는 인공 신경망을 이용한 배터리의 장기 특성 예측 방법.
- 제10항에 있어서,상기 초기 특성과 관련된 데이터는,배터리의 활성화 공정에서 측정한 배터리의 충전 특성 변화 데이터; 또는 초기 사이클 특성 측정을 통해 얻은 배터리의 충전 특성 변화 데이터, 방전 특성 변화 데이터, 두께 변화 데이터 또는 개방 전압 변화 데이터이고,상기 장기 특성과 관련된 데이터는,미리 설정한 장기 사이클에서 배터리의 충전 특성 변화 데이터, 방전 특성 변화 데이터, 두께 변화 데이터 또는 개방 전압 변화 데이터인 것을 특징으로 하는 인공 신경망을 이용한 배터리의 장기 특성 예측 방법.
- 제10항에 있어서,상기 초기 특성 학습 데이터는 활성화 공정에 투입된 학습 대상 배터리의 충전 특성 변화 데이터이고, 상기 장기 특성 학습 데이터는 학습 대상 배터리에 대해 미리 정한 장기 사이클에서 배터리의 충전 특성 변화 데이터, 방전 특성 변화 데이터, 두께 변화 데이터 또는 개방 전압 변화 데이터이고,상기 (c) 단계는,장기 특성 예측 대상이 되는 배터리를 활성화 공정에 투입하는 단계;상기 배터리로부터 충전 특성 변화를 측정하는 단계; 및상기 측정된 충전 특성 변화 데이터를 초기 특성 측정 데이터로 입력 받는 단계를 포함하는 것을 특징으로 하는 인공 신경망을 이용한 배터리의 장기 특성 예측 방법.
- 제10항에 있어서,상기 장기 특성 예측 데이터를 시각적으로 표시하는 단계를 더 포함하는 것을 특징으로 하는 인공 신경망을 이용한 배터리의 장기 특성 예측 방법.
- 제10항에 있어서,상기 장기 특성 예측 데이터를 기준 장기 특성 데이터와 비교하여 배터리의 장기 특성 품질을 판정하는 단계를 더 포함하는 것을 특징으로 하는 인공 신경망을 이용한 배터리의 장기 특성 예측 방법.
- 제15항에 있어서,상기 배터리의 장기 특성 품질 평가 결과를 시각적으로 표시하는 단계를 더 포함하는 것을 특징으로 하는 인공 신경망을 이용한 배터리의 장기 특성 예측 방법.
- (a) 학습 대상으로 선택된 배터리의 초기 특성 학습 데이터와 장기 특성 학습데이터를 입력 받는 단계;(b) 상기 입력된 초기 특성 학습 데이터와 장기 특성 학습 데이터를 제1 및 제2자료 구조로 변환한 후 자료 구조 별로 인공 신경망 학습을 개별적으로 수행하는 단계;(c) 장기 특성의 예측 대상이 되는 배터리의 초기 특성 측정 데이터를 입력 받는 단계;(d) 상기 입력된 초기 특성 측정 데이터를 제1 및 제2자료 구조로 변환한 후 자료 구조 별로 대응되는 인공 신경망을 적용함으로써 자료 구조 별 장기 특성 예 측 데이터를 산출하여 출력하는 단계; 및(e) 상기 출력된 자료 구조 별 장기 특성 예측 데이터의 오차를 계산하여 오차에 크기에 따라 예측 데이터의 신뢰성을 판정하는 단계를 포함하는 것을 특징으로 하는 인공 신경망을 이용한 배터리의 장기 특성 예측 방법.
Priority Applications (7)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020070085080A KR100911316B1 (ko) | 2007-08-23 | 2007-08-23 | 배터리의 장기 특성 예측 시스템 및 방법 |
CN2008801083042A CN101809456B (zh) | 2007-08-23 | 2008-08-21 | 用于估计电池的长期特性的系统和方法 |
PCT/KR2008/004883 WO2009025512A2 (en) | 2007-08-23 | 2008-08-21 | System and method for estimating long term characteristics of battery |
PL08793395T PL2188642T3 (pl) | 2007-08-23 | 2008-08-21 | System i sposób estymowania charakterystyk długoterminowych akumulatora |
US12/674,647 US9255973B2 (en) | 2007-08-23 | 2008-08-21 | System and method for estimating long term characteristics of battery |
JP2010521790A JP5005814B2 (ja) | 2007-08-23 | 2008-08-21 | バッテリーの長期特性予測システム及び方法 |
EP08793395.8A EP2188642B1 (en) | 2007-08-23 | 2008-08-21 | System and method for estimating long term characteristics of battery |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020070085080A KR100911316B1 (ko) | 2007-08-23 | 2007-08-23 | 배터리의 장기 특성 예측 시스템 및 방법 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020070093251A Division KR100936892B1 (ko) | 2007-09-13 | 2007-09-13 | 배터리의 장기 특성 예측 시스템 및 방법 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20090020362A true KR20090020362A (ko) | 2009-02-26 |
KR100911316B1 KR100911316B1 (ko) | 2009-08-11 |
Family
ID=40378834
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020070085080A KR100911316B1 (ko) | 2007-08-23 | 2007-08-23 | 배터리의 장기 특성 예측 시스템 및 방법 |
Country Status (7)
Country | Link |
---|---|
US (1) | US9255973B2 (ko) |
EP (1) | EP2188642B1 (ko) |
JP (1) | JP5005814B2 (ko) |
KR (1) | KR100911316B1 (ko) |
CN (1) | CN101809456B (ko) |
PL (1) | PL2188642T3 (ko) |
WO (1) | WO2009025512A2 (ko) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20140137181A (ko) * | 2013-05-22 | 2014-12-02 | 삼성에스디아이 주식회사 | 배터리의 두께 예측 시스템 및 배터리의 두께 예측 방법 |
WO2022034983A1 (ko) * | 2020-08-14 | 2022-02-17 | 주식회사 한국파워셀 | 신경망 기반의 배터리 셀 불량 및 화재 사전 진단 방법 및 장치 |
WO2022103185A1 (ko) * | 2020-11-13 | 2022-05-19 | 주식회사 엘지화학 | 전지의 용량 측정 장치 및 방법, 및 상기 장치를 포함하는 전지 제어 시스템 |
WO2022114873A1 (ko) * | 2020-11-26 | 2022-06-02 | 주식회사 엘지화학 | 배터리 관리 장치 및 방법 |
WO2022149824A1 (ko) * | 2021-01-08 | 2022-07-14 | 주식회사 엘지에너지솔루션 | 배터리 관리 장치 및 방법 |
WO2022265458A1 (ko) * | 2021-06-18 | 2022-12-22 | 주식회사 엘지화학 | 이차전지 저전압 불량 예측 장치 및 방법, 상기 장치를 포함하는 전지 제어 시스템 |
WO2023063599A1 (ko) * | 2021-10-13 | 2023-04-20 | 주식회사 엘지에너지솔루션 | 배터리 충방전 프로파일 분석 방법 및 배터리 충방전 프로파일 분석 장치 |
WO2023182860A1 (ko) * | 2022-03-25 | 2023-09-28 | 주식회사 엘지에너지솔루션 | 배터리 셀 공정 데이터 분석 시스템 및 방법 |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102221756B1 (ko) * | 2014-07-18 | 2021-03-02 | 삼성전자주식회사 | 배터리의 상태를 추정하는 방법 및 장치 |
KR102241683B1 (ko) | 2014-07-30 | 2021-04-19 | 삼성전자주식회사 | 배터리의 상태를 추정하는 방법 및 장치 |
US11079212B2 (en) * | 2014-10-24 | 2021-08-03 | Qnovo Inc. | Circuitry and techniques for determining swelling of a battery/cell and adaptive charging circuitry and techniques based thereon |
KR20160090140A (ko) * | 2015-01-21 | 2016-07-29 | 삼성전자주식회사 | 배터리의 상태를 추정하는 방법 및 장치 |
CN105429230B (zh) * | 2015-12-22 | 2018-01-30 | 重庆西南集成电路设计有限责任公司 | 基于人工神经网络算法的电池管理系统及方法 |
CN107069122A (zh) * | 2017-04-01 | 2017-08-18 | 山东省科学院自动化研究所 | 一种动力电池剩余使用寿命的预测方法 |
JP2019158831A (ja) * | 2018-03-16 | 2019-09-19 | 株式会社Gsユアサ | 検査方法、検査装置及び学習モデル |
US10983167B2 (en) * | 2018-06-14 | 2021-04-20 | Huayuan Semiconductor (Shenzhen) Limited Company | Method and device for gauging an electronic apparatus |
US11119494B2 (en) | 2019-01-07 | 2021-09-14 | Wing Aviation Llc | Using machine learning techniques to estimate available energy for vehicles |
KR20200101754A (ko) * | 2019-02-20 | 2020-08-28 | 삼성에스디아이 주식회사 | 배터리 제어 장치 및 배터리 제어 방법 |
JP7200762B2 (ja) | 2019-03-12 | 2023-01-10 | トヨタ自動車株式会社 | 予測モデル生成装置、方法、プログラム、電池寿命予測装置、方法及びプログラム |
DE102021105784A1 (de) | 2021-03-10 | 2022-09-15 | TWAICE Technologies GmbH | Abschätzung von Kenngrößen bei wiederaufladbaren Batterien |
Family Cites Families (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2740555A1 (fr) | 1995-10-31 | 1997-04-30 | Philips Electronique Lab | Systeme de controle des cycles de charge-decharge d'une batterie rechargeable, et dispositif hote muni d'une batterie intelligente |
JP3520886B2 (ja) * | 1996-03-08 | 2004-04-19 | サンケン電気株式会社 | 二次電池の状態判定方法 |
US6064180A (en) | 1996-10-29 | 2000-05-16 | General Motors Corporation | Method and apparatus for determining battery state-of-charge using neural network architecture |
WO1998058270A1 (en) * | 1997-06-19 | 1998-12-23 | Snap-On Equipment Limited | Battery testing and classification |
DE10012964A1 (de) * | 2000-03-16 | 2001-10-04 | Implex Hear Tech Ag | Vorrichtung und Verfahren zum Betreiben eines wiederaufladbaren Speichers für elektrische Energie |
JP2002162452A (ja) * | 2000-11-28 | 2002-06-07 | Nec Yonezawa Ltd | 電池残量検出回路 |
KR100372879B1 (ko) * | 2000-12-13 | 2003-02-15 | (주)에스티비 | 2차 전지 잔량 측정 방법 및 그 장치 |
JP4292721B2 (ja) * | 2001-02-14 | 2009-07-08 | 株式会社日本自動車部品総合研究所 | ハイブリッド車の電池状態制御方法 |
US6534954B1 (en) * | 2002-01-10 | 2003-03-18 | Compact Power Inc. | Method and apparatus for a battery state of charge estimator |
US20030184307A1 (en) * | 2002-02-19 | 2003-10-02 | Kozlowski James D. | Model-based predictive diagnostic tool for primary and secondary batteries |
JP4038788B2 (ja) * | 2002-02-22 | 2008-01-30 | アクソンデータマシン株式会社 | バッテリの残存容量判定方法と、その装置 |
KR20040051195A (ko) * | 2002-12-12 | 2004-06-18 | 주식회사 팬택 | 배터리 잔량 측정 장치 및 방법 |
US20040253489A1 (en) | 2003-06-12 | 2004-12-16 | Horgan Thomas J. | Technique and apparatus to control a fuel cell system |
US7532987B2 (en) | 2003-08-28 | 2009-05-12 | Panasonic Corporation | Fuel-cell power generation system and control method therefor |
JP4331210B2 (ja) | 2003-12-18 | 2009-09-16 | エルジー・ケム・リミテッド | 神経網を用いたバッテリ残存量推定装置及び方法 |
US7076350B2 (en) | 2003-12-19 | 2006-07-11 | Lear Corporation | Vehicle energy management system using prognostics |
US20060008706A1 (en) * | 2004-07-09 | 2006-01-12 | Takitaro Yamaguchi | Rechargeable lithium battery |
JP4914059B2 (ja) * | 2005-01-14 | 2012-04-11 | 住友電気工業株式会社 | 集電体、電池用電極基板及びそれらの製造方法 |
DE602006002896D1 (de) | 2005-02-14 | 2008-11-13 | Denso Corp | Verfahren und Vorrichtung zur Erkennung des Ladestatus einer Sekundärbatterie auf Basis neuronaler Netzwerkkalkulation |
US7197487B2 (en) * | 2005-03-16 | 2007-03-27 | Lg Chem, Ltd. | Apparatus and method for estimating battery state of charge |
JP4587306B2 (ja) * | 2005-04-20 | 2010-11-24 | 株式会社デンソー | 二次電池の残存容量演算方法 |
JP2007103111A (ja) * | 2005-10-03 | 2007-04-19 | Matsushita Electric Ind Co Ltd | アルカリ一次電池およびオキシ水酸化ニッケルの製造方法 |
US7518340B2 (en) * | 2005-12-15 | 2009-04-14 | Dell Products L.P. | Method and system for charge rate adjustment to enhance battery cycle life |
-
2007
- 2007-08-23 KR KR1020070085080A patent/KR100911316B1/ko active IP Right Grant
-
2008
- 2008-08-21 WO PCT/KR2008/004883 patent/WO2009025512A2/en active Application Filing
- 2008-08-21 JP JP2010521790A patent/JP5005814B2/ja active Active
- 2008-08-21 CN CN2008801083042A patent/CN101809456B/zh active Active
- 2008-08-21 US US12/674,647 patent/US9255973B2/en active Active
- 2008-08-21 PL PL08793395T patent/PL2188642T3/pl unknown
- 2008-08-21 EP EP08793395.8A patent/EP2188642B1/en active Active
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20140137181A (ko) * | 2013-05-22 | 2014-12-02 | 삼성에스디아이 주식회사 | 배터리의 두께 예측 시스템 및 배터리의 두께 예측 방법 |
WO2022034983A1 (ko) * | 2020-08-14 | 2022-02-17 | 주식회사 한국파워셀 | 신경망 기반의 배터리 셀 불량 및 화재 사전 진단 방법 및 장치 |
KR20220021973A (ko) * | 2020-08-14 | 2022-02-23 | 주식회사 한국파워셀 | 신경망 기반의 배터리 셀 불량 및 화재 사전 진단 방법 및 장치 |
US11830991B2 (en) | 2020-08-14 | 2023-11-28 | Korea Power Cell Co., Ltd. | Method and apparatus based on neural network for pre-diagnosing defect and fire in battery cell |
WO2022103185A1 (ko) * | 2020-11-13 | 2022-05-19 | 주식회사 엘지화학 | 전지의 용량 측정 장치 및 방법, 및 상기 장치를 포함하는 전지 제어 시스템 |
WO2022114873A1 (ko) * | 2020-11-26 | 2022-06-02 | 주식회사 엘지화학 | 배터리 관리 장치 및 방법 |
WO2022149824A1 (ko) * | 2021-01-08 | 2022-07-14 | 주식회사 엘지에너지솔루션 | 배터리 관리 장치 및 방법 |
WO2022265458A1 (ko) * | 2021-06-18 | 2022-12-22 | 주식회사 엘지화학 | 이차전지 저전압 불량 예측 장치 및 방법, 상기 장치를 포함하는 전지 제어 시스템 |
WO2023063599A1 (ko) * | 2021-10-13 | 2023-04-20 | 주식회사 엘지에너지솔루션 | 배터리 충방전 프로파일 분석 방법 및 배터리 충방전 프로파일 분석 장치 |
WO2023182860A1 (ko) * | 2022-03-25 | 2023-09-28 | 주식회사 엘지에너지솔루션 | 배터리 셀 공정 데이터 분석 시스템 및 방법 |
Also Published As
Publication number | Publication date |
---|---|
PL2188642T3 (pl) | 2019-08-30 |
JP2010538246A (ja) | 2010-12-09 |
WO2009025512A3 (en) | 2009-04-23 |
JP5005814B2 (ja) | 2012-08-22 |
CN101809456A (zh) | 2010-08-18 |
EP2188642B1 (en) | 2019-03-06 |
KR100911316B1 (ko) | 2009-08-11 |
EP2188642A2 (en) | 2010-05-26 |
WO2009025512A2 (en) | 2009-02-26 |
CN101809456B (zh) | 2013-11-13 |
US9255973B2 (en) | 2016-02-09 |
US20110191278A1 (en) | 2011-08-04 |
EP2188642A4 (en) | 2014-01-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR100911316B1 (ko) | 배터리의 장기 특성 예측 시스템 및 방법 | |
KR100936892B1 (ko) | 배터리의 장기 특성 예측 시스템 및 방법 | |
KR102354112B1 (ko) | 인공 지능에 기반하여 배터리의 상태를 추정하는 장치 및 방법 | |
KR102362532B1 (ko) | 신경망 기반의 배터리 잔존 수명 예측 방법 및 장치 | |
US11092460B2 (en) | Sensor control support apparatus, sensor control support method and non-transitory computer readable medium | |
US20160239592A1 (en) | Data-driven battery aging model using statistical analysis and artificial intelligence | |
JP2022514992A (ja) | バッテリ診断システム、バッテリ診断方法、及び記憶媒体 | |
CN112327191B (zh) | 一种基于几何特征融合决策的电池跳水概率评估方法 | |
CN116453438B (zh) | 一种显示屏参数检测方法、装置、设备及存储介质 | |
Qian et al. | State of health estimation of lithium-ion battery using energy accumulation-based feature extraction and improved relevance vector regression | |
CN115856641A (zh) | 一种电池剩余充电时间预测方法、装置及电子设备 | |
JP5985328B2 (ja) | 蓄電池の残存価値格付け装置およびプログラム | |
CN109436980B (zh) | 电梯部件的状态检测方法和系统 | |
CN114236272A (zh) | 一种电子产品的智能检测系统 | |
CN116736174B (zh) | 电池剩余寿命预测方法、装置、计算机设备和存储介质 | |
WO2022149372A1 (ja) | 情報処理装置、情報処理方法及びプログラム | |
US20220114519A1 (en) | Method for Device Monitoring | |
KR20230171126A (ko) | 이차전지 수명 분석방법 및 장치 | |
Hell et al. | Development of a Data-Driven Method for Online Battery Remaining-Useful-Life Prediction. Batteries 2022, 8, 192 | |
CN117113818A (zh) | 微架构设计空间探索方法、装置和计算机设备 | |
CN116090332A (zh) | 一种蓄电池后备时长确定方法、装置、设备和存储介质 | |
KR20230036822A (ko) | 무선 디바이스를 위한 배터리 수명 진단 장치 및 방법 | |
CN115219763A (zh) | 电位均衡故障的预测方法、装置、电子终端及存储介质 | |
CN117761563A (zh) | 一种电池的健康状态确定方法、装置、设备和存储介质 | |
CN117407761A (zh) | 资源转移方法、装置、设备、介质和程序产品 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A201 | Request for examination | ||
A107 | Divisional application of patent | ||
E902 | Notification of reason for refusal | ||
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant | ||
FPAY | Annual fee payment |
Payment date: 20130717 Year of fee payment: 5 |
|
FPAY | Annual fee payment |
Payment date: 20140716 Year of fee payment: 6 |
|
FPAY | Annual fee payment |
Payment date: 20150716 Year of fee payment: 7 |
|
FPAY | Annual fee payment |
Payment date: 20160725 Year of fee payment: 8 |
|
FPAY | Annual fee payment |
Payment date: 20170718 Year of fee payment: 9 |
|
FPAY | Annual fee payment |
Payment date: 20180619 Year of fee payment: 10 |
|
FPAY | Annual fee payment |
Payment date: 20190625 Year of fee payment: 11 |