KR20160011172A - 배터리의 충전 상태를 추정하는 방법 및 시스템 - Google Patents

Abstract

본 발명은, 배터리가 충전 상태, 방전 상태 및 이완 상태 중 적어도 상태에 있을 때 배터리의 충전 상태(SOC)를 추정하는 방법에 관한 것이다. 본 발명은 배터리 전류 대신에 배터리 전압(VBAT)을 이용한다. 본 방법에서 모델을 구축하기 위하여, 표준 충전 및 방전 공정을 사용하여 배터리 정보를 수집한다.

Description

배터리의 충전 상태를 추정하는 방법 및 시스템{METHOD OF ESTIMATING THE STATE OF CHARGE OF A BATTERY AND SYSTEM THEREOF}

관련 출원에 대한 상호 참조

본 출원은 2014년 7월 21일에 출원된 US62/026,786의 우선권을 주장한다. 본 출원은 2015년 2월 10일에 출원된 US 14/617982의 부분 계속 출원이다.

배터리의 충전 상태(state of charge: SOC)는 휴대용 전자 디바이스의 사용자에 핵심적인 정보이다. 완전히-충전된 배터리의 SOC는 100%를 말하고; 완전히-방전된 배터리의 SOC는 0%일 것이다. 따라서 휴대용 전자 디바이스에 내장된 알고리즘을 사용하여 SOC를 추정하는 것이 필요하다.

본 발명의 측면은 첨부 도면과 함께 판독할 때 이하 상세한 설명으로부터 최상으로 이해될 것이다. 산업계의 표준 실무에 따라, 여러 특징들은 축척에 맞게 그려진 것은 아닌 것으로 이해된다. 사실, 여러 특징들의 크기는 설명을 명확히 하기 위해 임의로 증가되거나 감소되었을 수 있다.
도 1은 일부 실시예에 따라 배터리의 충전 상태를 추정하는 알고리즘의 예시적인 블록도의 블록도.
도 2는 일부 실시예에 따라 배터리의 충전 상태를 추정하는 알고리즘에서 가중 퍼지화기(weighting fuzzifier)와 dSOC/dV퍼지화기를 구축하는 측정 결과를 도시하는 도면.
도 3은 일부 실시예에 따라 dSOC/dV퍼지화기(120)를 위한 모델을 수립하는 일부를 도시하는 도면.
도 4는 일부 실시예에 따라 도 1에 있는 dSOC/dV퍼지화기(120)를 위한 모델을 수립하는 다른 부분을 도시하는 도면.
도 5는 일부 실시예에 따라 도 1에 있는 dSOC/dV퍼지화기(120)의 예시적인 모델을 도시하는 도면.
도 6은 일부 실시예에 따라 도 1에 있는 가중 퍼지화기(110)를 위한 모델을 수립하는 것을 도시하는 도면.
도 7은 일부 실시예에 따라 배터리의 충전 상태를 추정하는 알고리즘의 예시적인 블록도의 블록도와 예시적인 데이터 테이블을 도시하는 도면.
도 8은 일부 실시예에 따라 본 명세서에 언급된 알고리즘에 최소 제곱 최적화(least square optimization)를 적용한 실험 결과를 도시하는 도면.
도 9는 일부 실시예에 따라 도 1에 있는 배터리의 충전 상태를 추정하는 알고리즘(100)을 적용한 실험 결과를 도시하는 도면.
도 10은 일부 실시예에 따라 배터리의 충전 상태를 추정하는 방법의 흐름도.
도 11은 일부 실시예에 따라 배터리 전압에 기초하여 배터리의 충전 상태를 추정하는 방법의 흐름도.
도 12는 일부 실시예에 따라 배터리 전압에 기초하여 배터리의 충전 상태를 추정하는 시스템의 블록도.
도 13은 일부 실시예에 따라 배터리의 충전 상태를 추정하는 알고리즘의 예시적인 블록도의 블록도.
도 14는 일부 실시예에 따라 배터리 전압에 기초하여 배터리의 충전 상태(SOC)를 추정하는 시스템의 블록도.

이하 설명은 본 명세서에 제공된 주제의 상이한 특징들을 구현하기 위한 많은 상이한 실시예 또는 예들을 제공한다. 본 발명을 간략화하기 위해 특정 성분과 배열의 예들이 아래에서 설명된다. 물론 이들 예들은 단지 예를 위한 것일 뿐 본 발명을 제한하는 것으로 의도되지 않는다. 예를 들어, 이후 설명에서 제2 특징 위에 또는 제2 특징 상에 제1 특징을 형성한다는 것은 제1 특징과 제2 특징이 직접 접촉하여 형성되는 실시예를 포함하는 외에, 제1 및 제2 특징들이 직접 접촉하지 않도록 제1 및 제2 특징들 사이에 추가적인 특징들이 형성될 수 있는 실시예를 더 포함할 수 있다. 나아가, 본 발명은 여러 예들에서 참조 부호 및/또는 문자를 반복할 수 있다. 이러한 반복은 단순화와 명확화를 위한 것일 뿐, 설명된 여러 실시예 및/또는 구성들 사이에 관계를 나타내는 것은 아니다.

본 발명은, 배터리가 충전(charging) 상태, 방전(discharging) 상태 및 이완(relaxing) 상태 중 적어도 하나에 있을 때 배터리의 충전 상태(SOC)를 추정하는 방법에 관한 것이다. 본 발명은 배터리 전류 대신에 배터리 전압(VBAT)을 이용한다. 본 방법에서 모델을 구축하기 위하여, 본 발명자는 표준 충전 및 방전 공정을 사용하여 배터리 정보를 수집한다. 예를 들어, 본 발명자는, 상이한 충전 및 방전 전류를 적용하여 SOC와 배터리 전압(VBAT)을 관찰한다. 따라서, 이 관찰에 기초하여, 본 발명자는 (1) 배터리 전압(VBAT)과 배터리의 개방 회로 전압(open circuit voltage: OCV) 사이의 차이와; (2) 추정된 SOC를 조절하는데 사용될 SOC 차이; 사이에 멤버십 함수(membership function)(또는 관계)를 구축한다. 나아가, 이 관찰에 기초하여, 본 발명자는 SOC 차이에 적용될 가중치(또는 이득)와 배터리 전압(VBAT) 사이에 다른 멤버십 함수(또는 관계)를 생성한다. 2개의 멤버십 함수는 특정 배터리 충전 및 방전 정보에 따라 최적화될 수 있는 일반적인 모델을 형성한다. 특정 배터리 데이터는 통상 사용자 경험에서 가장 빈번히 사용된다. 추가적으로, 본 발명자는 최소화된 최소 제곱 에러(least square error) 알고리즘을 사용하여 SOC 차이를 더 튜닝(tuning)하는 것에 의해 최적화된 이득(K)을 찾을 수 있다.

이 실시예에서, 배터리의 충전 상태(SOC)를 추정하는 방법이 제안된다. 본 방법은 배터리 전압(VBAT)을 모니터링하는 단계; 및 제1 배터리 모델, 제2 배터리 모델 및 상기 배터리 전압에 기초하여 상기 SOC를 추정하는 단계를 포함한다. 상기 제1 배터리 모델은 상기 배터리를 충전하고 방전하고 이완하는 것에 의해 수집된 배터리 정보에 기초하여 상기 배터리 전압과 제1 가중치 사이에 제1 미리 결정된 관계를 포함한다. 상기 제2 배터리 모델은 상기 배터리 정보에 기초하여 상기 배터리 전압과 상기 배터리의 추정된 개방 회로 전압 사이의 차이와 SOC 차이 사이에 제2 미리 결정된 관계를 포함한다.

도 1은 일부 실시예에 따라 배터리의 충전 상태를 추정하는 알고리즘의 예시적인 블록도의 블록도이다. 도 1에 도시된 바와 같이, 배터리 전압 추정 알고리즘(100)이 제공된다. 이 알고리즘(100)은 가중 퍼지화기(110), dSOC/dV퍼지화기(120), 곱셈기(multiplier)(125), 최적화기(130), 누산기(140), 및 개방 회로 전압(OCV) 룩업 테이블(150)을 포함한다.

이 알고리즘(100)은 배터리 전압(VBAT)을 모니터링한다. 가중 퍼지화기(110)는 제1 배터리 모델과 배터리 전압(VBAT)에 기초하여 제1 가중치(112)를 추정한다. dSOC/dV퍼지화기(120)는 배터리 전압(VBAT)과 배터리의 추정된 개방 회로 전압(152) 사이의 차이(121)와 제2 배터리 모델에 기초하여 SOC 차이(dSOC*)(122)를 추정한다. 곱셈기(125)는 제1 가중치(112)와 SOC 차이(dSOC*)(122)에 기초하여 가중된 SOC 차이(dSOC)(131)를 생성한다. 일부 실시예에서, 최적화기(130)는 최적화를 위해 가중된 SOC 차이(dSOC)(131)에 추가적인 이득(K 값)을 적용할 수 있다. 그 다음에, 누산기(140)는, 예를 들어, 역 Z 변환을 사용하여 가중된 SOC 차이(dSOC)(131)를 누산하여 추정된 SOC를 결정한다. 추정된 SOC는 이후 OCV 룩업 테이블(150)을 통해 피드백되어, 추정된 개방 회로 전압(152)을 생성하고, 이 공정이 반복된다. 이하에서는 알고리즘(100)의 상세를 소개한다.

도 2는 일부 실시예에 따라 배터리의 충전 상태를 추정하는 알고리즘에서 가중 퍼지화기와 dSOC/dV퍼지화기를 구축하는 측정 결과이다. 도 2는 알고리즘(100)에서 SOC를 실시간으로 추정하기 전에 측정된 2개의 그래프(210, 220)를 포함한다.

그래프(210)는 상이한 충전 상태들에서 배터리 전압(VBAT)과 SOC 사이의 관계의 측정 결과를 도시한다. 충전 상태 OCV는 시간당 2% 배터리 용량을 충전하는 것을 말하고; 충전 상태 0.5C는 시간당 50% 배터리 용량을 충전하는 것을 의미하고; 충전 상태 0.25C는 시간당 25% 배터리 용량을 충전하는 것을 말한다. 그래프(210)는, 충전율(charging rate)이 크면 클수록, 동일한 SOC 값에서 배터리 전압(VBAT)이 더 커지는 것을 나타낸다.

그래프(220)는 상이한 방전 상태들에서 배터리 전압(VBAT)과 SOC 사이의 관계의 측정 결과를 도시한다. 방전 상태 OCV는 시간당 2% 배터리 용량으로 방전하는 것을 의미한다. 방전 상태 0.5C는 시간당 50% 배터리 용량으로 방전하는 것을 말한다. 방전 상태 0.25C는 시간당 25% 배터리 용량으로 방전하는 것을 나타낸다. 방전 상태 0.15C는 시간당 15% 배터리 용량으로 방전하는 것을 말한다. 방전 상태 0.1C는 시간당 10% 배터리 용량으로 방전하는 것을 말한다. 그래프(220)는, 방전율이 크면 클수록, 동일한 SOC 값에서 배터리 전압(VBAT)이 더 낮아지는 것을 나타낸다. 그 다음에, 도 1에 있는 dSOC/dV퍼지화기(120)를 구축하는 것으로 이동한다.

도 3은 일부 실시예에 따라 dSOC/dV퍼지화기(120)를 위한 모델을 수립하는 일부를 도시한다. 도 3은 테이블(310, 320)과 그래프(330, 340)를 포함한다. 테이블(310)은 도 2에 있는 그래프(210)로부터 추출된 정보를 포함한다. 예를 들어, 동일한 80% SOC에서, 시간당 2% 배터리 용량을 충전하기 위한 배터리 전압은 4000mV이고, 시간당 25% 배터리 용량을 충전하기 위한 배터리 전압은 4179mV이다. 나아가, 동일한 60% SOC에서, 시간당 2% 배터리 용량을 충전하기 위한 배터리 전압은 3850mV이고, 시간당 25% 배터리 용량을 충전하기 위한 배터리 전압은 4023mV이다.

테이블(320)은 테이블(310)에 있는 정보에 기초하여 생성된다. 예를 들어, 동일한 80% SOC에서, 본 발명자는 기초로서 (시간당 2% 배터리 용량을 충전하는) OCV를 취한다. OCV를 위한 배터리 전압과 시간당 25% 배터리 용량을 충전하기 위한 배터리 전압 사이의 차이는 4179mV-4000mV로부터 계산된 179mV이다. 한편, 동일한 60% SOC에서, OCV를 위한 배터리 전압과 시간당 25% 배터리 용량을 충전하기 위한 배터리 전압 사이의 차이는 4023mV-3850mV로부터 계산된 173mV이다. 이러한 계산 공정을 반복하는 것에 의해, 테이블(320)을 획득할 수 있다. 나아가, 테이블(320)에 기초하여, 상이한 SOC들에서 전압 차이와 충전율 사이의 관계(330)를 찾을 수 있다. 관계(330)를 정규화하는 것에 의해 곡선(340)이 생성된다.

도 4는 일부 실시예에 따라 도 1에 있는 dSOC/dV퍼지화기(120)를 위한 모델을 수립하는 다른 부분을 도시한다. 도 4는 테이블(410, 420)과 그래프(430, 440)를 포함한다. 테이블(410)은 도 2에 있는 그래프(220)로부터 추출된 정보를 포함한다. 예를 들어, 동일한 80% SOC에서, 시간당 2% 배터리 용량으로 방전하기 위한 배터리 전압은 4000mV이고, 시간당 10% 배터리 용량으로 방전하기 위한 배터리 전압은 3964mV이다. 나아가, 동일한 60% SOC에서, 시간당 2% 배터리 용량으로 방전하기 위한 배터리 전압은 3850mV이고, 시간당 10% 배터리 용량으로 방전하기 위한 배터리 전압은 3795mV이다.

테이블(420)은 테이블(410)에 있는 정보에 기초하여 생성된다. 예를 들어, 동일한 80% SOC에서, 기초로서 (시간당 2% 배터리 용량으로 방전하는) OCV를 취한다. OCV를 위한 배터리 전압과 시간당 10% 배터리 용량으로 방전하기 위한 배터리 전압 사이의 차이는 4000mV-3964mV로부터 계산된 36mV이다. 한편, 동일한 60% SOC에서, OCV를 위한 배터리 전압과 시간당 25% 배터리 용량으로 방전하기 위한 배터리 전압 사이의 차이는 3850mV-3795mV로부터 계산된 55mV이다. 이러한 계산 공정을 반복하는 것에 의해, 테이블(420)을 획득할 수 있다. 나아가, 테이블(420)에 기초하여, 상이한 SOC들에서 전압 차이와 방전율 사이의 관계(430)를 찾을 수 있다. 관계(430)를 정규화하는 것에 의해 곡선(440)이 생성된다.

도 5는 일부 실시예에 따라 도 1에 있는 dSOC/dV퍼지화기(120)의 예시적인 모델을 도시한다. 곡선(340, 440)을 조합하는 것에 의해, 도 1에 있는 dSOC/dV퍼지화기(120)를 위한 제2 배터리 모델(510)을 구축한다. 이러한 예시적인 모델(510)은, OCV를 위한 배터리 전압과 충전/방전 상태를 위한 배터리 전압 사이의 차이(dV)의 절대값이 크면 클수록, (도 1에서 SOC 차이(dSOC*)에 대응하는) 충전/방전 전류가 커져서, V자-형상의 관계를 초래하는 것을 도시한다.

도 6은 일부 실시예에 따라 도 1에 있는 가중 퍼지화기(110)를 위한 모델을 수립하는 것을 도시한다. 도 6은 테이블(610, 620)과 그래프(630, 640)를 포함한다. 테이블(610)은 도 2에 있는 그래프(220)로부터 추출된 정보를 포함한다. 예를 들어, 동일한 90% SOC에서, 시간당 2% 배터리 용량으로 방전하기 위한 배터리 전압은 4100mV이고, 시간당 10% 배터리 용량으로 방전하기 위한 배터리 전압은 4065mV이다. 나아가, 동일한 80% SOC에서, 시간당 2% 배터리 용량으로 방전하기 위한 배터리 전압은 4000mV이고, 시간당 15% 배터리 용량으로 방전하기 위한 배터리 전압은 3952mV이다. 추가적으로, 동일한 70% SOC에서, 시간당 2% 배터리 용량으로 방전하기 위한 배터리 전압은 3900mV이고, 시간당 25% 배터리 용량으로 방전하기 위한 배터리 전압은 3811mV이다.

테이블(620)은 테이블(610)에 있는 정보에 기초하여 생산된다. 예를 들어, 동일한 90% SOC에서, 기초로서 (시간당 2% 배터리 용량으로 방전하는) OCV를 취한다. VBAT 4.1V에 가중하고 시간당 10% 배터리 용량으로 방전하는 것은10/(4100-4065)으로부터 계산된 0.29이다. VBAT 4.0V에 가중하고 시간당 15% 배터리 용량으로 방전하는 것은 15/(4000-3952)로부터 계산된 0.31이다. VBAT 3.9V에 가중하고 시간당 25% 배터리 용량으로 방전하는 것은 25/(3900-3811)로부터 계산된 0.28이다. 이러한 계산 공정을 반복하는 것에 의해 테이블(620)을 획득할 수 있다. 나아가, 테이블(620)에 기초하여, 방전 전류에서 배터리 전압(VBAT)과 제1 가중치(112)(도 1) 사이의 관계(630)를 찾을 수 있다. 관계(630)를 정규화하는 것에 의해 도 1에 있는 가중 퍼지화기(110)를 위한 제1 모델(640)이 생성된다.

도 7은 일부 실시예에 따라 배터리의 충전 상태를 추정하는 알고리즘의 예시적인 블록도의 블록도와 예시적인 데이터 테이블을 도시한다. 도 7에 도시된 바와 같이, 배터리 전압 추정 알고리즘(100)을 설명하고, 도 5에 있는 제2 배터리 모델(510)과 도 6에 있는 제1 배터리 모델(640)을 알고리즘(100)에 병합한다. 배터리가 방전 상태를 경험하는 것으로 인해, 제2 배터리 모델(510)의 일부인 그래프(440)가 설명된다. 나아가, 알고리즘(100)에서 노드들을 위한 예시적인 데이터 테이블(710)을 제공한다.

제1 배터리 모델(640)에서, VBAT에 따라, 제1 가중치(112)는 0.8 내지 1.8에 있을 수 있는 것을 볼 수 있다. 이 실시예에서, 3.894 볼트의 VBAT에서, 퍼지화기(dSOC/dV) 블록의 출력에 적용하는 제1 가중치(112)는 0.9이다.

dSOC/dV퍼지화기(120)는 그 입력으로 차이(dV)(121)를 취한다. 배터리 전압(VBAT)으로부터 배터리의 추정된 개방 회로 전압(152)을 빼면 차이(dV)(121)가 남는다. OCV 룩업 테이블(150)에의 입력은 알고리즘(100)에 의해 계산된 SOC이다. 이 예시적인 dSOC/dV퍼지화기(120)에서 볼 수 있는 바와 같이, dV(121)의 절대값이 크면 클수록, dSOC/dV퍼지화기(120)에 의해 출력되는 SOC 차이(dSOC*)(122)의 절대 값이 커진다. 그래프(440)에서, 예를 들어, -100mV의 차이(dV)(121)에서, SOC 차이(dSOC*)(122)는 -0.25인 것을 볼 수 있다.

전술된 바와 같이 dSOC/dV퍼지화기(120)에 의해 계산된 dSOC*는 가중 퍼지화기(110)의 출력에 의해 가중되고 최적화기(130)에서 최적화된다. 일부 실시예에서, 최적화기(130)는 가중하고 나서, 최소 제곱 최적화와 배터리의 실제 충전/방전 데이터를 사용하여, dSOC를 계산하는데 사용되는 K 값을 생성한다.

알고리즘(100)은 누산기(140)에서 합산된 dSOC(예를 들어, SOC의 역 Z 변환)를 사용하여 새로운 SOC 값을 결정한다. 새로운 SOC 값은 이후 OCV 룩업 테이블(150)을 통해 피드백되고 이 공정이 반복된다. 예시적인 데이터 테이블(710)은 예시적인 배터리에서 매 36 초마다 하나씩 3개의 샘플을 나타내는 값들을 도시한다. 알고리즘(100)의 상기 설명으로부터 볼 수 있는 바와 같이, 이 알고리즘은, 차동 전압을 결정하고 복수의 퍼지 알고리즘을 사용하여 이 차동 전압에 작용하는 것으로 동작한다.

도 8은 일부 실시예에 따라 본 명세서에 언급된 알고리즘에 최소 제곱 최적화를 적용한 실험 결과를 도시한다. 도 8에 도시된 바와 같이, 알고리즘(810)은 도 1에 있는 알고리즘(100)과 유사하지만 추가적인 최소 제곱 최적화 블록(812)을 가진다. 대응하는 배터리 전압(VBAT)과 SOC가 각각 그래프(820, 830)에 도시된다. 최소 제곱 최적화 블록(812)은 외부 테스트 장비에 의해 측정된 그래프(830)에서 이상적인 SOC와, 알고리즘(810)에 의해 제공된 그래프(830)에서 추정된 SOC를 수신한다. 그리고 최소 제곱 최적화 블록(812)은 이에 따라 최적화기(816)를 점차적으로 튜닝한다. 최소 제곱 최적화 블록(812)에 의해 수행된 튜닝에 기초하여, 상이한 가중치(또는 이득)(#1-#3)가 최적화기(816)에 적용되는 것으로 도시된다. 이득(#1)은 이들 3개 중에서 더 우수한 결과를 가지는 것이어서 최적화된 이득(K)으로 선택된 것으로 이해된다.

도 9는 일부 실시예에 따라 도 1에 있는 배터리의 충전 상태를 추정하는 알고리즘(100)을 적용한 실험 결과를 도시한다. 도 9는 상이한 충전/방전 상태에서 추정된 SOC 에러를 나타내는 3개의 그래프(910-930)를 포함한다. 그래프(910)는 0.5C에서 표준 충전/방전 율을 도시하고, 여기서 추정된 SOC 에러는 약 -3% 내지 +3%이다. 그래프(920)는 0.25C에서 표준 충전/방전 율을 도시하고, 여기서 추정된 SOC 에러는 또한 약 -3% 내지 +3%이다. 그래프(930)는 0.5C에서 부분적인 충전/방전율을 나타내고, 여기서 추정된 SOC 에러는 또한 약 -4% 내지 +4%이다. 따라서, 이러한 그래프(910-930)는 알고리즘(100)의 정확도를 도시한다.

도 10은 일부 실시예에 따른 배터리의 충전 상태(SOC)를 추정하는 방법의 흐름도이다. 방법(1000)이 제공되고, 본 방법은 이하 동작, 즉 배터리 전압(1002)을 모니터링하는 동작; 및 제1 배터리 모델, 제2 배터리 모델 및 배터리 전압(1004)에 기초하여 SOC를 추정하는 동작을 포함하고, 여기서 제1 배터리 모델은 배터리를 충전하고 방전하고 이완하는 것에 의해 수집된 배터리 정보에 기초하여 제1 가중치와 배터리 전압 사이의 제1 미리 결정된 관계를 포함하고, 제2 배터리 모델은 배터리 정보에 기초하여 배터리 전압과 배터리의 추정된 개방 회로 전압 사이의 차이와 SOC 차이 사이의 제2 미리 결정된 관계를 포함한다.

일부 실시예에서, 배터리 전압을 모니터링하는 동작은 배터리가 충전 상태, 방전 상태 및 이완 상태 중 적어도 하나에 있을 때 직렬 다수의 배터리 셀을 위한 배터리 전압을 모니터링하는 동작을 더 포함한다. 일부 실시예에서, 본 방법(1000)은 SOC를 실시간으로 추정하기 전에 상이한 충전/방전 전류에서 SOC와 배터리 전압 사이의 배터리 정보를 수집하는 단계를 더 포함한다. 일부 실시예에서, 제1 배터리 모델, 제2 배터리 모델 및 배터리 전압에 기초하여 SOC를 추정하는 동작은 배터리 전류를 모니터링함이 없이 SOC를 추정하는 단계를 더 포함한다. 그러나, 배터리 전류 정보가 용이하게 이용가능한 일부 다른 실시예에서, 배터리 전류 정보는 SOC의 추정을 보상하거나 교정하는데 사용될 수 있는데 이는 차후에 설명된다.

일부 실시예에서, 본 방법(1000)은 상이한 충전/방전 전류에서 SOC와 배터리 전압을 측정하는 것에 의해 제1 배터리 모델과 제2 배터리 모델을 구축하는 단계를 더 포함한다. 일부 실시예에서, 본 방법(1000)은 상이한 충전/방전 전류에서 배터리 전압과 충전/방전 전류 사이의 차이를 사용하여 제1 가중치를 계산하는 것에 의해 제1 배터리 모델을 구축하는 단계를 더 포함한다. 일부 실시예에서, 본 방법(1000)은 충전/방전 전류를 사용하여 SOC 차이를 계산하는 것에 의해 제2 배터리 모델을 구축하는 단계를 더 포함한다.

일부 실시예에서, 본 방법(1000)은 제1 배터리 모델과 배터리 전압에 기초하여 제1 가중치를 추정하는 단계; 상기 배터리 전압과 배터리의 추정된 개방 회로 전압 사이의 차이와 제2 배터리 모델에 기초하여 SOC 차이를 추정하는 단계; 상기 제1 가중치와 상기 SOC 차이에 기초하여 가중된 SOC 차이를 생성하는 단계; 상기 가중된 SOC 차이를 누산하여 추정된 SOC를 제공하는 단계; 및 상기 추정된 SOC와 상기 개방 회로 전압을 위한 룩업 테이블에 기초하여 상기 배터리의 추정된 개방 회로 전압을 생성하는 단계를 더 포함한다.

도 11은 일부 실시예에 따라 배터리 전압에 기초하여 배터리의 충전 상태(SOC)를 추정하는 방법의 흐름도이다. 방법(1100)은 제공되고, 본 방법은, 이하 동작, 즉 충전 및 방전 동안 수집된 배터리 정보에 기초하여 배터리 전압과 제1 가중치 사이에 제1 미리 결정된 관계를 모델링하여 제1 배터리 모델(1102)을 구축하는 동작; 배터리 정보(1104)에 기초하여 상기 배터리 전압과 배터리의 추정된 개방 회로 전압 사이의 차이와 SOC 차이 사이에 제2 미리 결정된 관계를 모델링하는 단계; 상기 배터리 전압(1106)을 모니터링하는 단계; 및 제1 배터리 모델, 제2 배터리 모델 및 상기 배터리 전압(1108)에 기초하여 상기 SOC를 추정하는 단계를 포함한다.

일부 실시예에서, 상기 배터리 전압을 모니터링하는 동작은, 상기 배터리가 충전 상태, 방전 상태 및 이완 상태 중 적어도 하나에 있을 때 다수의 배터리 셀을 위한 배터리 전압을 직렬로 모니터링하는 동작을 더 포함한다. 일부 실시예에서, 본 방법(1100)은 SOC을 실시간으로 추정하기 전에 상이한 충전/방전 전류에서 SOC와 배터리 전압 사이의 배터리 정보를 수집하는 단계를 더 포함한다. 일부 실시예에서, 제1 배터리 모델, 제2 배터리 모델 및 배터리 전압에 기초하여 SOC를 추정하는 동작은 배터리 전류를 모니터링함이 없이 SOC를 추정하는 단계를 더 포함한다. 그러나, 배터리 전류 정보가 용이하게 이용가능한 일부 다른 실시예에서, 배터리 전류 정보는 SOC의 추정을 보상하거나 교정하는데 사용될 수 있는데, 이는 차후에 설명된다. 일부 실시예에서, 본 방법(1100)은 상이한 충전/방전 전류에서 SOC와 배터리 전압를 측정하는 것에 의해 제1 배터리 모델과 제2 배터리 모델을 구축하는 단계를 더 포함한다.

일부 실시예에서, 본 방법(1100)은 상이한 충전/방전 전류에서 배터리 전압과 충전/방전 전류 사이의 차이를 사용하여 제1 가중치를 계산하는 것에 의해 제1 배터리 모델을 구축하는 단계를 더 포함한다. 일부 실시예에서, 본 방법(1100)은 충전/방전 전류를 사용하여 SOC 차이를 계산하는 것에 의해 제2 배터리 모델을 구축하는 단계를 더 포함한다.

일부 실시예에서, 본 방법(1100)은 제1 배터리 모델과 배터리 전압에 기초하여 제1 가중치를 추정하는 단계; 배터리 전압과 배터리의 추정된 개방 회로 전압 사이의 차이와 제2 배터리 모델에 기초하여 SOC 차이를 추정하는 단계; 제1 가중치와 SOC 차이에 기초하여 가중된 SOC 차이를 생성하는 단계; 가중된 SOC 차이를 누산하여 추정된 SOC를 제공하는 단계; 및 추정된 SOC와 개방 회로 전압을 위한 룩업 테이블에 기초하여 배터리의 추정된 개방 회로 전압을 생성하는 단계를 더 포함한다.

도 12는 일부 실시예에 따라 배터리 전압에 기초하여 배터리의 충전 상태(SOC)를 추정하는 시스템의 블록도이다. 시스템(1200)은 제공되고, 본 시스템은, 배터리를 충전하고 방전하고 이완하는 것에 의해 수집된 배터리 정보에 기초하여 제1 가중치와 배터리 전압 사이에 제1 미리 결정된 관계를 포함하는 제1 배터리 모델(1202); 배터리 정보에 기초하여 배터리 전압과 배터리의 추정된 개방 회로 전압 사이의 차이와 SOC 차이 사이의 제2 미리 결정된 관계를 포함하는 제2 배터리 모델(1204); 배터리 전압(VBAT)을 모니터링하는 전압 검출기(1206); 및 전압 검출기에 연결되고, 제1 배터리 모델, 제2 배터리 모델 및 배터리 전압에 기초하여 SOC를 추정하는 SOC 추정기(1208)를 포함한다.

일부 실시예에서, 전압 검출기는, 배터리가 충전 상태, 방전 상태 및 이완 상태 중 적어도 하나에 있을 때 직렬 다수의 배터리 셀을 위한 배터리 전압을 더 모니터링한다. 일부 실시예에서, 제1 배터리 모델과 제2 배터리 모델은 SOC 추정기가 SOC의 실시간 추정을 시작하기 전에 상이한 충전/방전 전류에서 SOC와 배터리 전압 사이에 배터리 정보를 수집한다. 일부 실시예에서, SOC 추정기가 배터리 전류를 모니터링함이 없이 SOC를 추정한다. 그러나, 배터리 전류 정보가 용이하게 이용가능한 일부 다른 실시예에서, 배터리 전류 정보는 SOC의 추정을 보상하거나 교정하는데 사용될 수 있다.

일부 실시예에 따라 배터리의 SOC를 추정하는 알고리즘의 예시적인 블록도의 블록도인 도 13을 참조한다. 도 13에 도시된 실시예에서, 배터리 전류 정보는 용이하게 이용가능하다. 도 13에 도시된 바와 같이, 배터리 전압 추정 알고리즘(1300)이 제공된다. 이 알고리즘(1300)은 알고리즘(100)과 유사하지만, 이 알고리즘(1300)은 또한 배터리 전류(IBAT)와 관련된 정보를 획득한다. 배터리 전류(IBAT)는 전류 이득(180)과 곱해지는 것이 바람직하지만 반드시 필요한 것은 아니다. 이 실시예에서 전류 이득(180)과 곱해진 배터리 전류(IBAT)인 배터리 전류 정보(182)는 보상기(184)로 송신된다. 보상기(184)는 곱셈기(125)의 출력을 보상하거나 교정하여 보상된 가중된 SOC 차이(186)를 획득한다. 일 실시예에서, 보상기(184)는 곱셈기로 구현된다. 다른 실시예에서, 보상기(184)는 가산기로 구현되거나, 또는 배터리 전류 정보에 따라 곱셈기(125)의 출력을 보상하거나 교정하는 계산을 수행하는 보다 복잡한 계산 유닛으로 구현될 수 있다. 일 실시예에서, 보상된 가중된 SOC 차이(186)는 최적화기(130)에 의해 최적화되는 것이 바람직하지만 반드시 필요한 것은 아니다. 따라서, 도 13에 도시된 실시예에서, SOC의 추정은 배터리 전류 정보에 따라 조절될 수 있다. 이 알고리즘(1300)은 본 방법(1000 및 1100)에 적용될 수 있는 것으로 이해된다.

일부 실시예에 따라 배터리 전압에 기초하여 배터리의 충전 상태(SOC)를 추정하는 시스템의 블록도인 도 14를 참조한다. 이 시스템(1400)은, SOC 추정기(1208)가 예를 들어 전류 센서(1402)로부터 오는 전류 정보를 더 수신하는 것을 제외하고는, 시스템(1200)과 유사하다. SOC 추정기(1208)는 전압 검출기(1206)와 전류 센서(1402)에 연결되고, SOC 추정기(1208)는 제1 배터리 모델, 제2 배터리 모델 및 배터리 전압에 기초하여 SOC를 추정하고, 배터리 전류에 따라 SOC의 추정을 보상한다.

전술된 사항은 이 기술 분야에 통상의 지식을 가진 자가 본 발명의 측면을 더 잘 이해할 수 있도록 여러 실시예의 특징들을 약술한 것이다. 이 기술 분야에 통상의 지식을 가진 자라면 본 발명을 사용하여 이들 특징으로부터 본 명세서에 소개된 실시예와 동일한 목적을 수행하거나 및/또는 동일한 장점을 달성하는 다른 공정과 구조를 용이하게 설계하거나 변경할 수 있을 것임을 이해할 수 있을 것이다. 이 기술 분야에 통상의 지식을 가진 자라면 또한 본 발명의 사상과 범위를 벗어남이 없이 이와 균등한 구성을 구현할 수 있고, 본 발명의 사상과 범위를 벗어남이 없이 본 명세서에 여러 변경, 대체 및 변형을 수행할 수 있을 것을 인식할 수 있을 것이다.

Claims (25)

1. 배터리의 충전 상태(state of charge: SOC)를 추정하는 방법으로서,
   배터리 전압(VBAT)을 모니터링하는 단계; 및
   제1 배터리 모델, 제2 배터리 모델 및 상기 배터리 전압에 기초하여 상기 SOC를 추정하여 상기 SOC의 추정값을 획득하는 단계를 포함하고,
   상기 제1 배터리 모델은 상기 배터리를 충전하고 방전하고 이완하는 것에 의해 수집된 배터리 정보에 기초하여 상기 배터리 전압과 제1 가중치 사이의 제1 미리 결정된 관계를 포함하고,
   상기 제2 배터리 모델은 상기 배터리 정보에 기초하여 상기 배터리 전압과 상기 배터리의 추정된 개방 회로 전압 사이의 차이와 SOC 차이 사이의 제2 미리 결정된 관계를 포함하는 것을 특징으로 하는 방법.
2. 제1항에 있어서, 상기 배터리 전압을 모니터링하는 단계는, 상기 배터리가 충전 상태, 방전 상태 및 이완 상태 중 적어도 하나에 있을 때 다수의 배터리 셀을 위한 배터리 전압을 직렬로 모니터링하는 단계를 더 포함하는 것을 특징으로 하는 방법.
3. 제1항에 있어서, 상기 SOC를 실시간으로 추정하기 전에 상이한 충전/방전 전류에서 상기 SOC와 상기 배터리 전압 사이의 상기 배터리 정보를 수집하는 단계를 더 포함하는 것을 특징으로 하는 방법.
4. 제1항에 있어서, 제1 배터리 모델, 제2 배터리 모델 및 상기 배터리 전압에 기초하여 상기 SOC를 추정하는 단계는 배터리 전류를 모니터링함이 없이 상기 SOC를 추정하는 단계를 더 포함하는 것을 특징으로 하는 방법.
5. 제1항에 있어서, 상이한 충전/방전 전류에서 상기 SOC와 상기 배터리 전압을 측정하는 것에 의해 상기 제1 배터리 모델과 상기 제2 배터리 모델을 구축하는 단계를 더 포함하는 것을 특징으로 하는 방법.
6. 제5항에 있어서, 상이한 충전/방전 전류에서 상기 배터리 전압과 상기 충전/방전 전류 사이의 차이를 사용하여 상기 제1 가중치를 계산하는 것에 의해 상기 제1 배터리 모델을 구축하는 단계를 더 포함하는 것을 특징으로 하는 방법.
7. 제5항에 있어서, 상기 충전/방전 전류를 사용하여 상기 SOC 차이를 계산하는 것에 의해 상기 제2 배터리 모델을 구축하는 단계를 더 포함하는 것을 특징으로 하는 방법.
8. 제1항에 있어서,
   상기 제1 배터리 모델과 상기 배터리 전압에 기초하여 상기 제1 가중치를 추정하는 단계;
   상기 배터리 전압과 상기 배터리의 추정된 개방 회로 전압 사이의 차이와 상기 제2 배터리 모델에 기초하여 상기 SOC 차이를 추정하는 단계;
   상기 제1 가중치와 상기 SOC 차이에 기초하여 가중된 SOC 차이를 생성하는 단계;
   상기 가중된 SOC 차이를 누산하여 상기 SOC의 추정값을 제공하는 단계; 및
   상기 개방 회로 전압을 위한 룩업 테이블과 상기 SOC의 추정값에 기초하여 상기 배터리의 추정된 개방 회로 전압을 생성하는 단계를 더 포함하는 것을 특징으로 하는 방법.
9. 제1항에 있어서, 상기 배터리의 전류에 따라 상기 SOC의 추정값을 보상하는 단계를 더 포함하는 것을 특징으로 하는 방법.
10. 제9항에 있어서, 제1 배터리 모델, 제2 배터리 모델 및 상기 배터리 전압에 기초하여 상기 SOC를 추정하여 상기 SOC의 추정값을 획득하는 단계는,
    상기 제1 배터리 모델과 상기 배터리 전압에 기초하여 상기 제1 가중치를 추정하는 단계;
    상기 배터리 전압과 상기 배터리의 추정된 개방 회로 전압 사이의 차이와 상기 제2 배터리 모델에 기초하여 상기 SOC 차이를 추정하는 단계; 및
    상기 제1 가중치와 상기 SOC 차이에 기초하여 가중된 SOC 차이를 생성하는 단계를 포함하고;
    상기 배터리의 전류에 따라 상기 SOC의 추정값을 보상하는 단계는, 상기 배터리의 전류에 따라 상기 가중된 SOC 차이를 보상하여 보상된 가중된 SOC 차이를 생성하는 단계를 포함하고;
    상기 보상된 가중된 SOC 차이는 누산되어 상기 SOC의 추정값을 제공하는 것을 특징으로 하는 방법.
11. 배터리 전압에 기초하여 배터리의 충전 상태(SOC)를 추정하는 방법으로서,
    충전 및 방전 동안 수집된 배터리 정보에 기초하여 상기 배터리 전압과 제1 가중치 사이의 제1 미리 결정된 관계를 모델링하여 제1 배터리 모델을 구축하는 단계;
    상기 배터리 정보에 기초하여 상기 배터리 전압과 상기 배터리의 추정된 개방 회로 전압 사이의 차이와 SOC 차이 사이의 제2 미리 결정된 관계를 모델링하는 단계;
    상기 배터리 전압을 모니터링하는 단계; 및
    제1 배터리 모델, 제2 배터리 모델 및 상기 배터리 전압에 기초하여 상기 SOC를 추정하여 상기 SOC의 추정값을 획득하는 단계를 포함하는 것을 특징으로 하는 방법.
12. 제11항에 있어서, 상기 배터리 전압을 모니터링하는 단계는 상기 배터리가 충전 상태, 방전 상태 및 이완 상태 중 적어도 하나에 있을 때 다수의 배터리 셀을 위한 배터리 전압을 직렬로 모니터링하는 단계를 더 포함하는 것을 특징으로 하는 방법.
13. 제11항에 있어서, 상기 SOC를 실시간으로 추정하기 전에 상이한 충전/방전 전류에서 상기 SOC와 상기 배터리 전압 사이에 상기 배터리 정보를 수집하는 단계를 더 포함하는 것을 특징으로 하는 방법.
14. 제11항에 있어서, 제1 배터리 모델, 제2 배터리 모델 및 상기 배터리 전압에 기초하여 상기 SOC를 추정하는 단계는 배터리 전류를 모니터링함이 없이 상기 SOC를 추정하는 단계를 더 포함하는 것을 특징으로 하는 방법.
15. 제11항에 있어서, 상이한 충전/방전 전류에서 상기 SOC와 상기 배터리 전압을 측정하는 것에 의해 상기 제1 배터리 모델과 상기 제2 배터리 모델을 구축하는 단계를 더 포함하는 것을 특징으로 하는 방법.
16. 제15항에 있어서, 상이한 충전/방전 전류에서 상기 배터리 전압과 상기 충전/방전 전류 사이의 차이를 사용하여 상기 제1 가중치를 계산하는 것에 의해 상기 제1 배터리 모델을 구축하는 단계를 더 포함하는 것을 특징으로 하는 방법.
17. 제15항에 있어서, 상기 충전/방전 전류를 사용하여 상기 SOC 차이를 계산하는 것에 의해 상기 제2 배터리 모델을 구축하는 단계를 더 포함하는 것을 특징으로 하는 방법.
18. 제11항에 있어서,
    상기 제1 배터리 모델과 상기 배터리 전압에 기초하여 상기 제1 가중치를 추정하는 단계;
    상기 배터리 전압과 상기 배터리의 추정된 개방 회로 전압 사이의 차이와 상기 제2 배터리 모델에 기초하여 상기 SOC 차이를 추정하는 단계;
    상기 제1 가중치와 상기 SOC 차이에 기초하여 가중된 SOC 차이를 생성하는 단계;
    상기 가중된 SOC 차이를 누산하여 상기 SOC의 추정값을 제공하는 단계; 및
    상기 SOC의 추정값과 상기 개방 회로 전압을 위한 룩업 테이블에 기초하여 상기 배터리의 추정된 개방 회로 전압을 생성하는 단계를 더 포함하는 것을 특징으로 하는 방법.
19. 제11항에 있어서, 상기 배터리의 전류에 따라 상기 SOC의 추정값을 보상하는 단계를 더 포함하는 것을 특징으로 하는 방법.
20. 제19항에 있어서, 제1 배터리 모델, 제2 배터리 모델 및 상기 배터리 전압에 기초하여 상기 SOC를 추정하여 상기 SOC의 추정값을 획득하는 단계는,
    상기 제1 배터리 모델과 상기 배터리 전압에 기초하여 상기 제1 가중치를 추정하는 단계;
    상기 배터리 전압과 상기 배터리의 추정된 개방 회로 전압 사이의 차이와 상기 제2 배터리 모델에 기초하여 상기 SOC 차이를 추정하는 단계; 및
    상기 제1 가중치와 상기 SOC 차이에 기초하여 가중된 SOC 차이를 생성하는 단계를 포함하고;
    상기 배터리의 전류에 따라 상기 SOC의 추정값을 보상하는 단계는, 상기 배터리의 전류에 따라 상기 가중된 SOC 차이를 보상하여 보상된 가중된 SOC 차이를 생성하는 단계를 포함하고;
    상기 보상된 가중된 SOC 차이는 누산되어 상기 SOC의 추정값을 제공하는 것을 특징으로 하는 방법.
21. 배터리 전압에 기초하여 배터리의 충전 상태(SOC)를 추정하는 시스템으로서,
    상기 배터리를 충전하고 방전하고 이완시키는 것에 의해 수집된 배터리 정보에 기초하여 상기 배터리 전압과 제1 가중치 사이의 제1 미리 결정된 관계를 포함하는 제1 배터리 모델;
    상기 배터리 정보에 기초하여 상기 배터리 전압과 상기 배터리의 추정된 개방 회로 전압 사이의 차이와 SOC 차이 사이의 제2 미리 결정된 관계를 포함하는 제2 배터리 모델;
    상기 배터리 전압(VBAT)을 모니터링하는 전압 검출기; 및
    상기 전압 검출기에 연결된 SOC 추정기를 포함하고, 상기 SOC 추정기는 상기 제1 배터리 모델, 상기 제2 배터리 모델 및 상기 배터리 전압에 기초하여 상기 SOC를 추정하는 것을 특징으로 하는 시스템.
22. 제21항에 있어서, 상기 전압 검출기는 상기 배터리가 충전 상태, 방전 상태 및 이완 상태 중 적어도 하나에 있을 때 직렬 다수의 배터리 셀을 위한 배터리 전압을 더 모니터링하는 것을 특징으로 하는 시스템.
23. 제21항에 있어서, 상기 제1 배터리 모델과 상기 제2 배터리 모델은 상기 SOC 추정기가 상기 SOC의 실시간 추정을 시작하기 전에 상이한 충전/방전 전류에서 상기 SOC와 상기 배터리 전압 사이의 상기 배터리 정보를 수집하는 것을 특징으로 하는 시스템.
24. 제21항에 있어서, 상기 SOC 추정기는 배터리 전류를 모니터링함이 없이 상기 SOC를 추정하는 것을 특징으로 하는 시스템.
25. 제21항에 있어서, 상기 배터리의 전류 정보를 제공하는 전류 센서를 더 포함하고, 상기 SOC 추정기는 상기 전류 센서에 더 연결되고, 상기 SOC 추정기는 상기 배터리의 전류 정보에 따라 상기 SOC의 추정값을 보상하는 것을 특징으로 하는 시스템.

Images