KR20130105123A - 배터리 상태 추정 장치 및 방법 - Google Patents

Abstract

본 발명은 확장 칼만 필터(Extended Kalman Filter)를 이용하여 배터리의 SOC 등과 같은 배터리의 상태를 추정하되 배터리에 포함된 전류 센서의 전류 오프셋을 고려하여 배터리의 상태가 보다 정확하게 추정될 수 있도록 하는 장치 및 방법을 개시한다. 본 발명에 따른 배터리 상태 추정 장치는, 배터리의 충방전 전류를 측정하는 전류 센서를 구비하는 배터리의 상태를 추정하는 장치로서, 상기 배터리의 단자 전압, 충방전 전류 및 전류 오프셋값을 측정하는 측정부; 상기 배터리의 SOC 및 오버포텐셜을 상태 변수로 포함하고, 상기 배터리의 단자 전압을 출력 변수로 포함하는 상태 방정식을 이용하여 상태 변수 및 출력 변수를 예측하는 예측부; 상기 예측된 출력 변수를 상기 측정부에 의해 측정된 출력 변수와 비교하여 상기 예측된 상태 변수를 보정하는 보정부; 상기 보정된 상태 변수를 통해 상기 배터리의 SOC를 추정하는 SOC 추정부; 및 상기 측정된 전류 오프셋값에 따라 상기 배터리의 SOC를 추정하기 위한 하나의 상태 변수를 선택하여, 상기 선택된 상태 변수를 통해 상기 SOC 추정부가 상기 배터리의 SOC를 추정하도록 하는 제어부를 포함한다.

Description

배터리 상태 추정 장치 및 방법{Apparatus and method for estimating battery state}

본 발명은 배터리의 상태를 추정하는 장치 및 방법에 관한 것으로, 더욱 상세하게는 확장 칼만 필터(Extended Kalman Filter)를 이용하여 배터리의 SOC 등과 같은 배터리의 상태를 추정하되 배터리에 포함된 전류 센서의 전류 오프셋을 고려하여 배터리의 상태가 보다 정확하게 추정될 수 있도록 하는 장치 및 방법에 관한 것이다.

근래에 들어서, 노트북, 비디오 카메라, 휴대용 전화기 등과 같은 휴대용 전자 제품의 수요가 급격하게 증대되고, 에너지 저장용 축전지, 로봇, 위성 등의 개발이 본격화됨에 따라, 반복적인 충방전이 가능한 고성능 이차 전지에 대한 연구가 활발히 진행되고 있다.

현재 상용화된 이차 전지로는 니켈 카드뮴 전지, 니켈 수소 전지, 니켈 아연 전지, 리튬 이차 전지 등이 있는데, 이 중에서 리튬 이차 전지는 니켈 계열의 이차 전지에 비해 메모리 효과가 거의 일어나지 않아 충 방전이 자유롭고, 자가 방전율이 매우 낮으며 에너지 밀도가 높은 장점으로 각광을 받고 있다.

특히, 최근에는 탄소 에너지가 점차 고갈되고 환경에 대한 관심이 높아지면서, 미국, 유럽, 일본, 한국을 비롯하여 전 세계적으로 하이브리드 자동차와 전기 자동차에 대한 수요가 점차 증가하고 있다. 이러한 하이브리드 자동차나 전기 자동차는 배터리 팩의 충방전 에너지를 이용하여 차량 구동력을 얻기 때문에, 엔진만을 이용하는 자동차에 비해 연비가 뛰어나고 공해 물질을 배출하지 않거나 감소시킬 수 있다는 점에서 많은 소비자들에게 좋은 반응을 얻고 있다. 따라서, 하이브리드 자동차나 전기 자동차의 핵심적 부품인 차량용 배터리에 보다 많은 관심과 연구가 집중되고 있다.

상기와 같이 배터리는 노트북이나 자동차와 같은 각종 이동성 장치에 사용되는 것으로, 사용 시간에 한계가 있기 때문에 배터리의 SOC에 대한 정확한 정보를 파악하는 것이 중요하다. 이러한 SOC는 배터리가 어느 정도의 시간만큼 사용 가능한지 가늠하는 척도가 되므로 사용자가 해당 장치를 사용하는데 있어서 매우 중요한 정보이다. 때문에 노트북이나 휴대폰, 자동차 등의 일반적인 배터리 장착 장치들은 배터리의 SOC를 추정하고 그로부터 배터리의 사용 가능 시간이나 사용 가능량 등의 정보를 파악하여 사용자에게 제공한다.

배터리의 SOC는 배터리의 만충전 용량(FCC, Full Charge Capacity)에 대한 잔량을 백분율로 표시하는 형태가 일반적이다. 배터리의 SOC를 추정하는 방법으로는 다양한 방식이 이용될 수 있는데, 대표적인 방식은 전류 적산법을 이용하여 SOC를 추정하는 방식이다. 이러한 전류 적산 방식은, 배터리의 입출력 전류를 적산하고 초기 용량에서 가감함으로써 SOC를 구하는 형태이다.

이러한 전류 적산 방식의 경우 배터리의 충방전 경로에 설치된 전류 센서를 통해 측정된 전류에 의해 SOC가 추정되기 때문에, 전류 센서의 정확한 센싱이 매우 중요하다고 할 수 있다. 하지만, 전류 센서의 경우 퇴화 등의 원인으로 인해 실제 전류와 전류 측정값에 차이가 있는 전류 오프셋(offset)이 발생할 수 있다. 이러한 전류 오프셋이 발생하면 전류 측정값과 실제 전류값의 차이인 전류 오프셋값으로 인해 실제 SOC와 추정된 SOC 사이에 차이를 발생시킬 수 있다. 특히, 칼만 필터와 같은 알고리즘을 통해 배터리의 SOC를 추정하는 때에는, 이러한 전류 오프셋값으로 인한 SOC의 차이는 계속적으로 누적되어, SOC의 추정값에 대한 오차는 점차 커질 수 있다. 그러나, 종래 SOC 추정 기술에 의하면 SOC 추정시 이러한 전류 오프셋을 고려하지 못하므로 SOC 추정이 정확하지 못하게 되는 문제가 있다.

이처럼, 전류 오프셋으로 인해 SOC와 같은 배터리 상태를 정확하게 추정하지 못하는 경우, 사용자에게 큰 불편과 손해를 끼칠 수 있다. 특히, 전기 자동차에 사용되는 배터리의 경우, 배터리의 SOC가 실제보다 과다하게 추정되면, 사용자가 배터리의 SOC 소진을 미처 예상하지 못해 배터리의 충전을 하지 않아, 차량 운행 중 배터리가 만방전되는 상황이 발생할 수 있다. 그리고, 이러한 차량 운행 중 만방전은 차량이 견인되어야 하는 등 여러 불편을 끼치는 것은 물론, 교통 사고로까지 이어질 수 있어 큰 문제가 될 수 있다.

따라서, 본 발명은 상기와 같은 문제점을 해결하기 위해 창안된 것으로서, 확장 칼만 필터를 이용하되 전류 센서의 오프셋에 따라 전류 센서를 신뢰할지 또는 배터리 모델을 신뢰할지 여부를 결정하여 배터리의 SOC와 같은 배터리 상태를 보다 정확하게 추정할 수 있는 장치 및 방법을 제공하는 것을 목적으로 한다.

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

상기와 같은 목적을 달성하기 위한 본 발명에 따른 배터리 상태 추정 장치는, 배터리의 충방전 전류를 측정하는 전류 센서를 구비하는 배터리의 상태를 추정하는 장치로서, 상기 배터리의 단자 전압, 충방전 전류 및 전류 오프셋값을 측정하는 측정부; 상기 배터리의 SOC 및 오버포텐셜을 상태 변수로 포함하고, 상기 배터리의 단자 전압을 출력 변수로 포함하는 상태 방정식을 이용하여 상태 변수 및 출력 변수를 예측하는 예측부; 상기 예측된 출력 변수를 상기 측정부에 의해 측정된 출력 변수와 비교하여 상기 예측된 상태 변수를 보정하는 보정부; 상기 보정된 상태 변수를 통해 상기 배터리의 SOC를 추정하는 SOC 추정부; 및 상기 측정된 전류 오프셋값에 따라 상기 배터리의 SOC를 추정하기 위한 하나의 상태 변수를 선택하여, 상기 선택된 상태 변수를 통해 상기 SOC 추정부가 상기 배터리의 SOC를 추정하도록 하는 제어부를 포함한다.

바람직하게는, 상기 제어부는, 상기 측정된 전류 오프셋값이 참조값보다 크면, 상기 SOC를 추정하기 위한 상태 변수로서 오버포텐셜을 선택하여, 상기 SOC 추정부로 하여금 보정된 오버포텐셜을 통해 상기 배터리의 SOC를 추정한다.

또한 바람직하게는, 상기 SOC 추정부는, 상기 보정된 오버포텐셜을 통해 상기 배터리의 OCV를 산정하고, 상기 산정된 OCV를 통해 상기 배터리의 SOC를 추정한다.

또한 바람직하게는, 상기 제어부는, 상기 측정된 전류 오프셋값이 참조값 이하이면, 상기 SOC를 추정하기 위한 상태 변수로서 SOC를 선택하여, 상기 SOC 추정부로 하여금 보정된 SOC를 상기 배터리의 SOC로 추정한다.

또한 바람직하게는, 상기 SOC 추정부에 의해 추정된 SOC에 따라 상기 배터리의 SOH를 추정하는 SOH 추정부를 더 포함한다.

또한 상기와 같은 목적을 달성하기 위한 본 발명에 따른 배터리 관리 시스템은 상술한 배터리 상태 추정 장치를 포함한다.

또한 상기와 같은 목적을 달성하기 위한 본 발명에 따른 자동차는 상술한 배터리 상태 추정 장치를 포함한다.

또한 상기와 같은 목적을 달성하기 위한 본 발명에 따른 배터리 상태 추정 방법은, 배터리의 단자 전압, 충방전 전류 및 전류 오프셋값을 측정하는 단계; 상기 배터리의 SOC 및 오버포텐셜을 상태 변수로 포함하고, 상기 배터리의 단자 전압을 출력 변수로 포함하는 상태 방정식을 이용하여 상태 변수 및 출력 변수를 예측하는 단계; 상기 예측된 출력 변수를 측정된 출력 변수와 비교하여 상기 예측된 상태 변수를 보정하는 단계; 및 상기 측정된 전류 오프셋값에 따라 상기 배터리의 SOC를 추정하기 위한 하나의 상태 변수가 선택되어, 상기 선택된 상태 변수를 통해 상기 배터리의 SOC를 추정하는 단계를 포함한다.

본 발명에 의하면, 확장 칼만 필터를 이용하여 배터리의 SOC와 같은 상태를 추정함으로써 배터리의 상태가 보다 정확하게 추정할 수 있다. 특히, 배터리의 충방전 전류를 측정하는 전류 센서의 전류 오프셋값이 존재하더라도 배터리의 SOC가 정확하게 추정될 수 있다. 즉, 전류 오프셋값에 따라, 전류 측정값에 의해 SOC를 추정할지, 오버포텐셜값에 의해 SOC를 추정할지를 결정하도록 함으로써, 전류 오프셋 상황이 고려된 배터리의 보다 정확한 상태 추정이 가능하게 될 수 있다.

특히 본 발명의 일 실시예에 의할 경우, 전류 오프셋값이 참조값보다 크면 상태 변수에 포함된 오버포텐셜값에 의해 SOC가 결정되고, 전류 오프셋값이 참조값 이하이면 상태 변수포함된 SOC에 의해 SOC 추정값이 결정된다. 따라서, 전류 오프셋값이 일정 수준 초과인 경우 배터리 모델을 신뢰하여 배터리의 SOC가 추정되고, 전류 오프셋값이 일정 수준 이하인 경우 전류 센서를 신뢰하여 배터리의 SOC가 추정된다. 그러므로, 전류 오프셋에 따른 적절한 SOC 추정이 가능하게 된다.

따라서, 사용자는 전류 센서의 오프셋에도 불구하고 배터리의 만방전 시점을 정확하게 제공받을 수 있으므로, 배터리를 충전시키는 등 배터리의 만방전에 미리 충분하게 대비할 수 있게 되어 불측의 사고나 손해, 불편 등을 방지할 수 있게 된다.

본 명세서에 첨부되는 다음의 도면들은 본 발명의 바람직한 실시예를 예시하는 것이며, 후술하는 발명의 상세한 설명과 함께 본 발명의 기술사상을 더욱 이해시키는 역할을 하는 것이므로, 본 발명은 그러한 도면에 기재된 사항에만 한정되어 해석되어서는 아니 된다.
도 1은, 본 발명의 일 실시예에 따른 배터리 상태 추정 장치의 기능적 구성을 개략적으로 도시하는 블록도이다.
도 2는, 본 발명의 일 실시예에 따른 배터리 상태 추정 방법을 개략적으로 나타내는 흐름도이다.

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

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

도 1은, 본 발명의 일 실시예에 따른 배터리 상태 추정 장치의 기능적 구성을 개략적으로 도시하는 블록도이다.

도 1을 참조하면, 본 발명에 따른 배터리 상태 추정 장치는, 측정부(110), 예측부(120), 보정부(130), 제어부(160) 및 SOC 추정부(140)를 포함할 수 있다.

상기 측정부(110)는, 배터리의 단자 전압 및 충방전 전류를 측정한다. 이때, 배터리의 충방전 전류는 전류 센서와 같은 종래 배터리 팩에 구비된 전류 측정부를 통해 측정될 수 있다.

특히, 본 발명에 따른 측정부(110)는, 배터리의 전류 오프셋값을 측정한다. 여기서, 배터리의 전류 오프셋값이란, 전류 센서(전류 측정부)의 오프셋(offset)으로 인해 발생하는 전류에 대한 측정값과 배터리의 충방전 경로에 실제 흐르는 전류값 사이의 차를 의미한다. 예를 들어, 실제 배터리의 충방전 경로에는 전류가 흐르지 않고 있으나, 배터리의 전류 센서에 의해 2A의 전류가 흐르는 것으로 측정된 경우, 전류 오프셋값은 2A라고 할 수 있다. 이러한 전류 오프셋 현상은 전류 센서의 퇴화 등으로 인해 발생할 수 있다.

상기 측정부(110)는, 배터리의 전압 측정 등 여러 방식을 통해 전류 오프셋값을 측정할 수 있다. 일례로, 상기 측정부(110)는 배터리에 전류가 흐르지 않을 때 전류 센서에 의한 센싱값을 측정하는 등의 방식을 통해 전류 오프셋값을 결정할 수 있다.

상기 예측부(120) 및 보정부(130)는 알고리즘을 이용하여 상태 변수와 출력 변수를 예측하고 보정한다. 특히, 본 발명에 따른 예측부(120) 및 보정부(130)는, 상태 변수와 출력 변수를 예측하고 보정하기 위한 알고리즘으로서 확장 칼만 필터(Extended Kalman Filter)를 이용할 수 있다.

칼만 필터는, 배터리의 동작을 모델링하고 이러한 모델에 근거하여 SOC를 예측하는 기술 중 하나로서, 시스템의 출력값을 통해 동적 시스템의 내적 상태를 순환적으로 예측할 수 있도록 한다. 확장 칼만 필터는, 이러한 칼만 필터의 기본적 원리 하에, 선형 함수가 아닌 비선형 함수를 대상으로 한다는 점에 특징이 있다. 본 발명에서는 이러한 확장 칼만 필터를 이용하여 배터리의 SOC 등을 추정한다. 이러한 확장 칼만 필터의 원리는 본 발명의 기술 분야에 속하는 당업자에게 널리 알려져 있으므로, 본 명세서에서는 본 발명의 특징적인 부분을 위주로 설명하도록 한다.

상기 예측부(120)는, 상태 방정식을 이용하여 상태 변수 및 출력 변수를 예측한다. 여기서, 상태 방정식에는 상태 변수에 관한 시스템 방정식과 출력 변수에 관한 측정 방정식을 포함할 수 있다. 특히, 상태 방정식의 상태 변수에는 배터리의 SOC 및 오버포텐셜이 포함될 수 있고, 상태 방정식의 출력 변수에는 배터리의 단자 전압이 포함될 수 있다.

본 발명의 예측부(120)에서 사용하는 확장 칼만 필터의 일반적인 상태 방정식을 나타내면 다음의 수학식 1 및 수학식 2와 같이 나타낼 수 있다.

상기 수학식 1은 확장 칼만 필터의 일반적인 시스템 방정식이고, 상기 수학식 2는 일반적인 측정 방정식이다.

여기서, k는 시간 스텝을 나타낸다. 그리고, x_k는 상태 변수로서 추정하고자 하는 값이며, u_k는 배터리의 전류이고, w_k는 시스템 노이즈 성분이다. 또한, y_k는 출력 변수로서 측정할 수 있는 값이며, z_k는 측정 노이즈 성분이다.

본 발명에 따른 예측부(120)는 상기 상태 방정식에 대하여, 배터리의 SOC(State Of Charge) 및 오버포텐셜(overpotential)을 상태 변수로 포함하고, 배터리의 단자 전압을 출력 변수로 포함할 수 있다. 여기서, 배터리의 SOC란 배터리의 충전 상태를 나타내는 것이고, 배터리의 오버포텐셜이란 배터리의 단자 전압에서 개방회로전압(OCV; Open Circuit Voltage)을 뺀 값을 의미한다.

따라서, 본 발명에 따른 예측부(120)에서 이용하는 상태 방정식은 다음의 수학식 3 및 수학식 4와 같이 보다 구체적인 형태로 나타낼 수 있다.

상기 수학식 3 및 4에서, k는 시간 스텝을 나타내며, x_1(k+1) 및 x_2(k+1)은 각각 현 단계의 SOC 및 오버포텐셜, 즉 SOC 및 오버포텐셜의 예측값을 나타내고, x_1(k) 및 x_2(k)는 각각 이전 단계의 SOC 및 오버포텐셜을 나타낸다. 또한, u_{1 (k)} 및 u_{2 (k)}는 각각 현재의 배터리 전류 및 이전의 배터리 전류를 나타내고, w_{1 (k)} 및 w_{2 (k)}는 시스템 노이즈 성분을 나타낸다. 그리고, A, B 및 C는 배터리의 저항 및 커패시턴스와 같은 배터리의 특성을 나타내는 변수로서, 실험적으로 결정될 수 있다. 또한, α_ekf는 배터리의 용량과 관련된 변수로서, 실험적으로 결정될 수 있다.

또한, y_k는 배터리의 단자 전압을 나타내고, H₁은 SOC와 OCV의 상호 관계를 나타내는 변수로서, 실험적으로 결정될 수 있다.

상기 예측부(120)는, 수학식 3과 같은 시스템 방정식을 이용하여 상태 변수를 예측하고, 수학식 4와 같은 출력 방정식을 이용하여 출력 변수를 예측할 수 있다.

특히, 상기 예측부(120)는, 첫 번째 단계에서는 초기 파라미터의 입력을 통해 SOC 및 오버포텐셜에 관한 상태 변수를 예측할 수 있다. 하지만, 이후 단계에서는 보정부(130)에 의해 보정된 상태 변수를 통해 상태 변수를 예측할 수 있다.

또한, 상기 예측부(120)는, 상태 변수 추정에 의한 오차에 대한 분산, 즉 추정오차 분산을 예측할 수 있다. 이때, 추정오차 분산(P_k)은 다음의 수학식 5와 같이 계산될 수 있다.

여기서, A_{k -1}은

를 의미하고, A_{k -1} ^T는 A_{k -1}의 전치 행렬을 의미한다. 또한, W는

를 의미하고, Q는 프로세스 노이즈 파라미터를 의미하여, WQW^T는 시스템 노이즈의 분산값을 의미한다.

상기 보정부(130)는, 상기 예측부(120)에 의해 예측된 출력 변수를 상기 측정부(110)에 의해 측정된 출력 변수와 비교한다. 그리고, 보정부(130)는 이러한 비교 결과를 이용하여 예측된 상태 변수를 보정한다.

이를 위해, 상기 보정부(130)는 다음의 수학식 6과 같은 수식을 통해 칼만 게인(K_k), 즉 게인 팩터를 생성할 수 있다.

여기서, P_k는 추정오차 분산을 의미하고, C_k는

을 의미한다. 그리고, V 및 R은 측정 노이즈 파라미터를 나타내며, VRV^T는 측정 노이즈의 분산값을 의미한다.

이와 같이 게인 팩터가 얻어지면, 상기 보정부(130)는 다음의 수학식 7과 같이, 이러한 게인 팩터와 함께 예측된 출력 변수 및 측정된 출력 변수를 이용하여 예측된 상태 변수를 보정할 수 있다.

여기서, x_k'은 예측된 상태 변수, x_k의 보정된 값을 의미하며, K_k는 게인 팩터, 즉 칼만 게인을 의미한다. 또한, y_k는 측정된 출력 변수, 즉 측정된 배터리 단자 전압을 의미하고, g(x_k, u_k)는 예측부(120)에 의해 예측된 출력 변수, 즉 예측된 배터리 단자 전압을 의미한다.

이와 같이 예측된 상태 변수가 보정되면, 보정된 상태 변수는 다음 단계의 상태 변수를 예측하기 위한 이전 값으로 입력될 수 있다. 예를 들어, 수학식 7의 x_k'은 수학식 1의 x_k로 입력되어 다음 단계의 상태 변수 x_(k+1)을 예측하는데 이용될 수 있다.

또한, 상기 보정부(130)는, 예측부(120)에 의해 예측된 추정오차 분산을 칼만 게인을 이용하여 보정할 수 있으며, 이에 대해서는 다음의 수학식 8과 같이 나타낼 수 있다.

여기서, P_k'은 예측된 추정오차 분산, P_k의 보정된 값을 의미하며, K_k는 칼만 게인을 의미한다. 또한, C_k는

을 의미한다.

이와 같이 예측된 추정오차 분산이 보정되면, 보정된 추정오차 분산은 다음 단계의 추정오차 분산을 예측하기 위한 이전 값으로 입력될 수 있다. 예를 들어, 수학식 8의 P_k'은 수학식 5의 P_{k -1}로 입력되어 다음 단계의 추정오차 분산 P_k를 예측하는데 이용될 수 있다.

상기 SOC 추정부(140)는, 보정부(130)에 의해 보정된 상태 변수를 이용하여 배터리의 SOC를 추정한다. 여기서, 보정부(130)에 의해 보정되는 상태 변수에는 SOC와 오버포텐셜이 포함될 수 있다. 따라서, 상기 SOC 추정부(140)는, 보정부(130)에 의해 보정된 SOC를 이용하여 SOC를 추정하거나 보정부(130)에 의해 보정된 오버포텐셜을 이용하여 SOC를 추정할 수 있다.

상기 제어부(160)는, 측정부(110)에 의해 측정된 전류 오프셋값에 따라 배터리의 SOC를 추정하기 위한 하나의 상태 변수를 선택한다. 즉, SOC 추정부(140)가 SOC를 추정하기 위해서는 상태 변수로서 보정된 SOC 또는 보정된 오버포텐셜을 이용하는데, 어떠한 상태 변수를 이용할지는 제어부(160)에 의해 선택될 수 있다.

따라서, 제어부(160)는 보정된 SOC 및 보정된 오버포텐셜 중 어느 하나를 선택하여, 이와 같이 선택된 상태 변수를 통해 SOC 추정부(140)로 하여금 배터리의 SOC가 추정되도록 할 수 있다.

이때, 본 발명에 따른 제어부(160)는 측정부(110)에 의해 측정된 전류 오프셋값에 따라 어느 상태 변수를 통해 배터리의 SOC를 추정할지를 결정할 수 있다.

이를 위해, 제어부(160)는 측정된 전류 오프셋값을 참조값과 비교할 수 있다. 여기서, 참조값이란 전류 오프셋의 측정값과 비교되기 위한 전류값으로, 미리 정해질 수 있다. 이러한 참조값은, 배터리의 SOC 추정시 전류 센서에 의해 측정된 전류값을 신뢰할 수 있다고 볼 만한 전류 오차에 대한 최대값이 될 수 있다.

예를 들어, 참조값은 0A일 수 있다. 이 경우, 전류 오프셋값의 유무에 따라 SOC를 추정하기 위한 상태 변수가 달라질 수 있다. 이러한 전류 오프셋의 참조값은 제어부(160)의 내부 또는 외부에 구비된 메모리에 미리 저장될 수 있다.

바람직하게는, 상기 제어부(160)는, 측정부(110)에 의해 측정된 전류 오프셋값이 미리 정해진 참조값보다 크면, SOC를 추정하기 위한 상태 변수로서 오버포텐셜이 선택되도록 할 수 있다. 따라서, 이 경우, SOC 추정부(140)는 보정부(130)에 의해 보정된 오버포텐셜을 통해 배터리의 SOC를 추정할 수 있다.

예를 들어, 상기 수학식 3에서 오버포텐셜에 관한 상태 변수인 x_2(k+1)이 수학식 7에 의해 보정되어 배터리의 SOC를 추정하는데 이용될 수 있다.

보다 구체적으로, 상기 SOC 추정부(140)는, 보정된 오버포텐셜을 통해 배터리의 개방 회로 전압(Open Circuit Voltage; OCV)을 산정하고, 산정된 OCV를 통해 배터리의 SOC를 추정할 수 있다. 여기서, 배터리의 OCV와 SOC의 관계는, 실험적 측정 등을 통해, 수학식이나 테이블과 같은 형태로 제어부(160)의 내외부에 구비된 메모리 등의 저장 장치에 저장되어 있을 수 있다.

상태 변수로서 포함되어 예측 및 보정되는 SOC(x_1(k))는 전류 측정값에 의하여 결정된 것이나, 전류 오프셋값이 참조값보다 클 때에는 전류 센서를 신뢰하기 어려우므로 전류 측정값에 따라 결정된 SOC는 실제 SOC와 오차가 적지 않을 수밖에 없다. 따라서, 본 발명의 상기 실시예에 의하면, 전류 오프셋값이 참조값보다 큰 경우, 상태 변수로서 보정된 SOC가 아닌 보정된 오버포텐셜을 이용하여 SOC가 추정되도록 함으로써, 보다 정확한 SOC가 추정될 수 있다. 즉, 상기 실시예에 의하면, 전류 오프셋값이 참조값보다 큰 경우, 전류 센서를 신뢰하지 않고 배터리 모델을 신뢰하여 배터리의 SOC가 추정될 수 있도록 한다.

또한 바람직하게는, 상기 제어부(160)는, 측정부(110)에 의해 측정된 전류 오프셋값이 참조값 이하이면, SOC를 추정하기 위한 상태 변수로서 SOC가 선택되도록 할 수 있다. 따라서, 이 경우, SOC 추정부(140)는 보정부(130)에 의해 보정된 SOC를 배터리의 SOC로 추정할 수 있다.

예를 들어, 상기 수학식 3에서 SOC에 대하여 예측된 x_1(k+1)이 수학식 7에 의해 보정된 값이 배터리의 SOC 추정값으로 산출될 수 있다.

전류 오프셋값이 참조값 이하라면, 전류 오프셋은 무시할 수 있을 정도라 할 것이므로, 이 경우 상태 변수로서 포함되어 예측 및 보정된 SOC를 그대로 배터리의 SOC 추정값으로 볼 수 있다. 즉, 전류 오프셋값이 참조값 이하인 경우에는, 전류 센서를 신뢰하여 전류 측정값에 의해 결정된 SOC를 배터리의 SOC 추정값으로 이용할 수 있다.

이처럼, 상기 제어부(160)는 어느 상태 변수를 통해 SOC가 추정되도록 할지를 결정할 수 있는데, 특히 제어부(160)는 상태 방정식의 시스템 노이즈 성분을 변화시킴으로써 SOC 추정시 어느 상태 변수가 이용되도록 할지를 결정할 수 있다.

예를 들어, 상기 수학식 3에서 w_{1 (k)} 및 w_{2 (k)}는 시스템 노이즈 성분을 나타내는데, 상기 제어부(160)는 이러한 w_{1 (k)} 및 w_{2 (k)}를 변화시킴으로써 어느 상태 변수를 이용하여 SOC가 추정되도록 할지를 결정할 수 있다.

이때, 제어부(160)는 측정된 전류 오프셋값에 따라 상태 방정식에서 상태 변수들에 대한 시스템 노이즈 성분의 비를 변화시킴으로써 어느 상태 변수를 이용하여 SOC가 추정되도록 할지를 결정할 수 있다.

예를 들어, 전류 오프셋값에 대한 참조값이 0A이고, 측정된 전류 오프셋값은 2A라고 가정한다. 이때, 제어부(160)는 측정된 전류 오프셋값이 참조값보다 크므로, SOC를 추정하기 위한 상태 변수로서 오버포텐셜이 선택되도록 할 수 있다. 이를 위해, 제어부(160)는, SOC에 대한 상태 변수 x_1(k)에 대한 시스템 노이즈 성분인 w_{1 (k)} 및 오버포텐셜에 대한 상태 변수 x_2(k)에 대한 시스템 노이즈 성분인 w_{2 (k)}의 비, w_{1 (k)}:w_{2 (k)}를 변화시킬 수 있다.

보다 구체적으로, 제어부(160)는, 전류 오프셋값이 0A일 때에는 w_{1 (k)}:w_{2 (k)}를 1:0.1로 하였다가, 전류 오프셋값이 참조값보다 큰 2A일 때에는 w_{1 (k)}:w_{2 (k)}를 1:0.01로 변경시킬 수 있다. 즉, 제어부는 전류 오프셋값이 참조값보다 클 때에는, 전류 센서를 신뢰하지 않고 배터리 모델을 신뢰할 수 있도록 한다는 의미에서 w₂ 파라미터를 0.1에서 0.01로 변화시킬 수 있다. 그리고, 이 경우, 이후에 전류 오프셋값이 참조값보다 작아지게 되면, 다시 전류 센서를 신뢰하여 전류의 센싱값도 알고리즘에 영향을 줄 수 있도록 하기 위해 w₂ 파라미터를 0.01에서 0.1로 되돌릴 수 있다.

즉, 이후에 전류 오프셋값이 참조값보다 작아질 때에는, 제어부(160)는 w_{2 (k)}에 대한 w_{1 (k)}의 크기를 증가시킴으로써, x_1(k)에 의한 SOC 추정이 가능하도록 할 수 있다.

또한 바람직하게는, 상기 측정부(110)는 배터리의 온도를 측정할 수 있다. 이 경우, 상기 제어부(160)는 이와 같이 측정부(110)에 의해 측정된 배터리의 온도에 따라 상태 변수들에 대한 시스템 노이즈 성분의 비를 변화시킬 수 있다.

이때 더욱 바람직하게는, 상기 제어부(160)는 측정된 배터리의 온도가 소정 온도 이하이면 배터리의 SOC를 추정하기 위한 상태 변수로서 SOC가 선택되도록 할 수 있다. 이 경우, 제어부(160)는 SOC 추정부(140)로 하여금 수학식 7에 의하여 보정된 SOC가 배터리의 SOC로 추정되도록 할 수 있다.

배터리의 온도가 낮을 때에는 OCV 등을 통한 배터리 SOC 추정의 신뢰도가 떨어질 수 있다. 따라서, 상기 실시예에 의하면, 배터리의 온도가 소정 온도 이하의 저온 상태가 되는 경우, 상태 변수로서 예측 및 보정된 SOC를 배터리의 SOC 추정값으로 그대로 이용될 수 있도록 한다. 즉, 배터리의 온도가 소정 온도 이하인 경우, 배터리의 OCV에 따른 배터리 모델을 신뢰하지 않고 전류 센서를 신뢰할 수 있도록 한다.

따라서, 이때의 소정 온도는 OCV를 통한 배터리의 SOC 추정시 용인될 만한 최대 오차를 나타내는 최저 온도로서, 실험적으로 미리 결정될 수 있다. 이러한 소정 온도는 제어부(160)의 내외부에 구비된 메모리에 미리 저장되어 있을 수 있다.

예를 들어, 소정 온도가 0℃로 정해져 있는 경우, 측정부(110)에 의해 측정된 배터리의 온도가 0℃ 이하라면, 제어부(160)는 수학식 3의 SOC에 대한 상태 변수 x_1(k+1)의 수학식 7에 의해 보정된 값이 배터리의 SOC 추정값으로 산출되도록 할 수 있다.

바람직하게는, 본 발명에 따른 배터리 상태 추정 장치는, SOH 추정부(150)를 더 포함할 수 있다. 상기 SOH 추정부(150)는, 상기 SOC 추정부(140)에 의해 추정된 SOC에 따라 배터리의 건강 상태(State Of Health; SOH)를 추정할 수 있다.

배터리는 계속적인 사용에 따라 전력 및 용량 등의 성능이 퇴화될 수 있으며, 따라서 배터리의 SOH는 계속적으로 감소할 수 있다. 이러한 배터리의 SOH는 배터리의 SOC에 의해 추정될 수 있는데, 이는 본원 발명이 속하는 기술분야의 당업자에게 자명하므로 상세한 설명을 생략한다. 본 발명에 의하면 전류 오프셋을 고려하여 배터리의 SOC가 추정되고, 이러한 SOC 추정 결과에 따라 배터리의 SOH가 추정되므로 배터리의 SOH 추정시에도 전류 오프셋이 고려된다고 할 수 있다. 따라서, 본 발명의 이러한 실시예에 따르면 전류 오프셋을 고려하여 배터리의 SOH가 보다 정확하게 예측될 수 있다.

한편, 본 발명에 따른 배터리 상태 추정 장치는 배터리 팩의 배터리 관리 시스템(Battery Management System; BMS)에 포함되는 형태로 구현될 수 있다. 즉, 본 발명에 따른 배터리 관리 시스템은, 상술한 배터리 상태 추정 장치를 포함할 수 있다. 여기서, 배터리 관리 시스템이란, 배터리 팩의 충방전 동작을 전반적으로 제어하는 관리 장치로서, 이러한 BMS는 배터리 팩 보호 장치에 통상적으로 포함될 수 있다. 특히, BMS에는 MCU(Micro Controller Unit)가 구비될 수 있는데, 상술한 배터리 상태 추정 장치의 제어부(160) 등은 이러한 MCU에 의해 구현될 수 있다.

또한, 본 발명에 따른 배터리 상태 추정 장치는 자동차에 포함될 수 있다. 특히, 하이브리드 자동차를 포함하는 전기 자동차는 배터리에 의해 모터의 구동 전력이 공급되므로, 배터리의 운용시 배터리의 SOC와 같은 상태를 추정하는 것이 매우 중요하다. 본 발명에 따른 자동차는 상술한 배터리 상태 추정 장치를 포함하기 때문에, 전류 센서의 오프셋이 발생하더라도 배터리의 SOC 및 SOH의 보다 정확한 추정이 가능하게 될 수 있다.

도 2는, 본 발명의 일 실시예에 따른 배터리 상태 추정 방법을 개략적으로 나타내는 흐름도이다. 도 2에서 각 동작의 주체는 상술한 배터리 상태 추정 장치의 구성요소들일 수 있다.

도 2에 도시된 바와 같이, 본 발명에 따른 배터리 상태 추정 방법은 배터리의 단자 전압, 충방전 전류 및 전류 오프셋값을 측정하는 단계를 포함한다(S110). 다만, 여기서 배터리의 단자 전압, 충방전 전류 및 전류 오프셋값의 측정이 반드시 동일한 단계에서 함께 이루어져야 하는 것은 아니다. 특히, 배터리의 단자 전압의 측정이나 전류 오프셋값의 측정은 반드시 S120 단계 이전에 이루어져야 하는 것은 아니다.

다음으로, 배터리의 SOC 및 오버포텐셜을 상태 변수로 포함하는 상태 방정식, 즉 시스템 방정식을 설정하고 여기에 측정된 전류값을 입력하여 상태 변수를 예측한다(S120). 이때, 처음 단계에서는 상태 변수로서 배터리의 초기 파라미터가 입력될 수 있다.

또한, 배터리의 단자 전압을 출력 변수로 포함하는 상태 방정식, 즉 출력 방정식에 예측된 상태 변수를 입력하여 출력 변수를 예측한다(S130).

다음으로, 이와 같이 예측된 출력 변수를 측정된 출력 변수와 비교하여 예측된 상태 변수를 보정한다(S160). 즉, 상기 S130 단계에서 예측된 배터리의 단자 전압을 상기 S110 단계에서 측정된 배터리의 단자 전압과 비교하고, 이러한 비교 결과를 통해 상기 S120 단계에서 예측된 상태 변수를 보정할 수 있다.

이를 위해 상기 S130 단계 이후에 추정오차 분산(P_k)이 예측될 수 있으며(S140), 이러한 추정오차 분산 결과를 이용하여 게인 팩터로서 칼만 게인(K_k)이 연산될 수 있다(S150). 그리고, 이와 같이 S150 단계에서 연산된 칼만 게인은 상기 S130 단계에서 예측된 단자 전압 및 상기 S110 단계에서 측정된 단자 전압과 함께 상기 S160 단계에서의 상태 변수 보정을 위해 이용될 수 있다.

이처럼, 상태 변수가 보정되면, 보정된 상태 변수를 이용해 SOC가 추정된다(S170). 다만, 보정된 상태 변수에는 배터리의 SOC 관련 상태 변수와 배터리의 오버포텐셜 관련 상태 변수가 포함될 수 있는데, 상기 S170 단계에서 배터리의 SOC가 추정되기 위해서는, 이 중 하나의 상태 변수가 선택될 수 있다. 이때, 상태 변수의 선택은 상기 S110 단계에서 측정된 전류 오프셋값에 따라 결정될 수 있다. 즉, 상기 S170 단계에서는 배터리의 전류 오프셋값에 따라 배터리의 SOC를 추정하기 위한 하나의 상태 변수가 선택되며, 이와 같이 선택된 상태 변수를 통해 배터리의 SOC가 추정된다. 예를 들어, 상기 S110 단계에서 측정된 전류 오프셋값이 참조값보다 크면, 상기 S170 단계에서는 보정된 오버포텐셜을 통해 SOC가 추정될 수 있다.

한편, 상기 S160 단계에서 보정된 상태 변수는 상기 S120 단계의 이전 값으로 입력되어 다음 단계의 상태 변수를 예측하는데 이용될 수 있다.

또한, 상기 S160 단계 이후에, 추정오차 분산이 보정되는 단계가 더 포함될 수 있다(S180). 즉, 상기 S140 단계에서 예측된 추정오차 분산값은, 상기 S150 단계에서 연산된 칼만 게인을 통해 보정될 수 있으며, 이와 같이 보정된 추정오차 분산값은 상기 S140 단계의 이전 값으로 입력되어 다음 단계의 추정오차 분산을 예측하는데 이용될 수 있다.

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

한편, 본 명세서에서 '부'라는 용어를 사용하였으나, 이는 논리적인 구성 단위를 나타내는 것으로서, 반드시 물리적으로 분리될 수 있거나 물리적으로 분리되어야 하는 구성요소를 나타내는 것이 아니라는 점은 본 발명이 속하는 기술 분야의 당업자에게 자명하다.

110: 측정부
120: 예측부
130: 보정부
140: SOC 추정부
150: SOH 추정부
160: 제어부

Claims (15)

1. 배터리의 단자 전압, 충방전 전류 및 전류 오프셋값을 측정하는 측정부;
   상기 배터리의 SOC 및 오버포텐셜을 상태 변수로 포함하고, 상기 배터리의 단자 전압을 출력 변수로 포함하는 상태 방정식을 이용하여 상태 변수 및 출력 변수를 예측하는 예측부;
   상기 예측된 출력 변수를 상기 측정부에 의해 측정된 출력 변수와 비교하여 상기 예측된 상태 변수를 보정하는 보정부;
   상기 보정된 상태 변수를 통해 상기 배터리의 SOC를 추정하는 SOC 추정부; 및
   상기 측정된 전류 오프셋값에 따라 상기 배터리의 SOC를 추정하기 위한 하나의 상태 변수를 선택하여, 상기 선택된 상태 변수를 통해 상기 SOC 추정부가 상기 배터리의 SOC를 추정하도록 하는 제어부
   를 포함하는 것을 특징으로 하는 배터리 상태 추정 장치.
2. 제1항에 있어서,
   상기 제어부는, 상기 측정된 전류 오프셋값이 참조값보다 크면, 상기 SOC를 추정하기 위한 상태 변수로서 오버포텐셜을 선택하여, 상기 SOC 추정부로 하여금 보정된 오버포텐셜을 통해 상기 배터리의 SOC를 추정하도록 하는 것을 특징으로 하는 배터리 상태 추정 장치.
3. 제2항에 있어서,
   상기 SOC 추정부는, 상기 보정된 오버포텐셜을 통해 상기 배터리의 OCV를 산정하고, 상기 산정된 OCV를 통해 상기 배터리의 SOC를 추정하는 것을 특징으로 하는 배터리 상태 추정 장치.
4. 제2항에 있어서,
   상기 제어부는, 상기 측정된 전류 오프셋값이 참조값 이하이면, 상기 SOC를 추정하기 위한 상태 변수로서 SOC를 선택하여, 상기 SOC 추정부로 하여금 보정된 SOC를 상기 배터리의 SOC로 추정하도록 하는 것을 특징으로 하는 배터리 상태 추정 장치.
5. 제1항에 있어서,
   상기 제어부는, 상기 측정된 전류 오프셋값에 따라 상기 상태 방정식의 시스템 노이즈 성분을 변화시키는 것을 특징으로 하는 배터리 상태 추정 장치.
6. 제5항에 있어서,
   상기 제어부는, 상기 측정된 전류 오프셋값에 따라 상기 상태 변수들에 대한 시스템 노이즈 성분의 비를 변화시키는 것을 특징으로 하는 배터리 상태 추정 장치.
7. 제1항에 있어서,
   상기 예측부는, 상기 보정부에 의해 보정된 상태 변수를 이전 값으로 이용하여 다음 상태 변수 및 출력 변수를 예측하는 것을 특징으로 하는 배터리 상태 추정 장치.
8. 제1항에 있어서,
   상기 측정부는 상기 배터리의 온도를 더 측정하고,
   상기 제어부는 상기 측정된 배터리의 온도에 따라 상기 상태 변수들에 대한 시스템 노이즈 성분의 비를 변화시키는 것을 특징으로 하는 배터리 상태 추정 장치.
9. 제8항에 있어서,
   상기 제어부는 상기 측정된 배터리의 온도가 소정 온도 이하이면 상기 배터리의 SOC를 추정하기 위한 상태 변수로서 SOC를 선택하여, 상기 SOC 추정부로 하여금 보정된 SOC를 상기 배터리의 SOC로 추정하도록 하는 것을 특징으로 하는 배터리 상태 추정 장치.
10. 제1항에 있어서,
    상기 예측부는,
    

    

    
    상기 방정식을 이용하여 상기 상태 변수를 예측하되,
    여기서, x_1(k+1) 및 x_2(k+1)은 각각 현 단계의 SOC 및 오버포텐셜을 나타내고, x_1(k) 및 x_2(k)는 각각 이전 단계의 SOC 및 오버포텐셜을 나타내며, u_{1 (k)} 및 u_{2 (k)}는 각각 현재의 배터리 전류 및 이전의 배터리 전류를 나타내고, w_{1 (k)} 및 w_{2 (k)}는 시스템 노이즈 성분을 나타내며, A, B 및 C는 배터리 특성과 관련된 변수이고, α_ekf는 배터리 용량과 관련된 변수이며, k는 시간 스텝을 나타내는 것을 특징으로 하는 배터리 상태 추정 장치.
11. 제1항에 있어서,
    상기 보정부는, 게인 팩터, 상기 예측된 출력 변수 및 상기 측정된 출력 변수를 통해 상기 예측된 상태 변수를 보정하는 것을 특징으로 하는 배터리 상태 추정 장치.
12. 제1항에 있어서,
    상기 SOC 추정부에 의해 추정된 SOC에 따라 상기 배터리의 SOH를 추정하는 SOH 추정부를 더 포함하는 것을 특징으로 하는 배터리 상태 추정 장치.
13. 제1항 내지 제12항 중 어느 한 항에 따른 배터리 상태 추정 장치를 포함하는 배터리 관리 시스템.
14. 제1항 내지 제12항 중 어느 한 항에 따른 배터리 상태 추정 장치를 포함하는 자동차.
15. 배터리의 단자 전압, 충방전 전류 및 전류 오프셋값을 측정하는 단계;
    상기 배터리의 SOC 및 오버포텐셜을 상태 변수로 포함하고, 상기 배터리의 단자 전압을 출력 변수로 포함하는 상태 방정식을 이용하여 상태 변수 및 출력 변수를 예측하는 단계;
    상기 예측된 출력 변수를 측정된 출력 변수와 비교하여 상기 예측된 상태 변수를 보정하는 단계; 및
    상기 측정된 전류 오프셋값에 따라 상기 배터리의 SOC를 추정하기 위한 하나의 상태 변수가 선택되어, 상기 선택된 상태 변수를 통해 상기 배터리의 SOC를 추정하는 단계
    를 포함하는 것을 특징으로 하는 배터리 상태 추정 방법.

Images