KR20160067510A

KR20160067510A - 배터리의 상태를 추정하는 방법 및 장치

Info

Publication number: KR20160067510A
Application number: KR1020140173008A
Authority: KR
Inventors: 박상도
Original assignee: 삼성전자주식회사
Priority date: 2014-12-04
Filing date: 2014-12-04
Publication date: 2016-06-14
Also published as: KR102343967B1; US10101406B2; US20160161567A1

Abstract

배터리의 상태를 추정하는 방법 및 장치가 개시된다. 배터리 수명 추정 장치는 배터리에 대한 센싱 데이터를 미리 정해진 구간으로 분할하고, 분할된 구간에 대응하는 시간 정보를 누적하고 누적된 시간 정보로부터, 적어도 하나의 주기에 대응하는 시간 정보를 추출할 수 있다. 또한, 배터리 수명 추정 장치는 누적된 시간 정보, 적어도 하나의 주기에 대응하는 시간 정보 및 미리 정해진 학습 정보를 기초로 예상 시간 정보를 추출하고, 예상 시간 정보를 기초로 배터리의 수명 종료 시점을 추정할 수 있다.

Description

배터리의 상태를 추정하는 방법 및 장치{METHOD AND APPARATUS FOR ESTIMATING STATE OF BATTERY}

아래의 실시 예들은 배터리의 상태를 추정하는 방법 및 장치에 관한 것이다.

환경문제와 에너지 자원 문제가 대두되면서, 가운데 전기 자동차 (Electric Vehicle)가 미래의 운송 수단으로 각광받고 있다. 전기 자동차는 충방전이 가능한 다수의 2차 전지(cell)가 하나의 팩(pack)으로 형성된 배터리를 주동력원으로 이용하기 때문에 배기가스가 전혀 없고 소음이 작다는 장점이 있다.

전기 자동차에서 배터리는 가솔린 자동차의 엔진 및 연료 탱크와 같은 역할을 하므로, 전기 자동차 사용자의 안전을 위하여, 배터리의 상태를 확인하는 것이 중요할 수 있다.

최근에는, 보다 정확하게 배터리의 상태를 확인하면서, 사용자의 편의성을 증대시키기 위한 연구가 계속되고 있다.

일 실시예에 따른 배터리 수명 추정 장치는 배터리에 대한 센싱 데이터를 미리 정해진 구간으로 분할하고, 상기 분할된 구간에 대응하는 시간 정보를 누적하는 시간 정보 누적부; 상기 누적된 시간 정보로부터, 적어도 하나의 주기에 대응하는 시간 정보를 추출하는 시간 정보 추출부; 및 상기 누적된 시간 정보, 상기 적어도 하나의 주기에 대응하는 시간 정보 및 미리 정해진 학습 정보를 기초로, 상기 배터리의 사용에 따른 상기 누적된 시간 정보의 변화를 예상하여 예상 시간 정보를 추출하고, 상기 예상 시간 정보를 기초로 상기 배터리의 수명 종료 시점(End Of Life: EOL)을 추정하는 수명 추정부를 포함할 수 있다.

상기 시간 정보 누적부는, 상기 배터리의 전압 신호, 전류 신호 또는 온도 신호 중 적어도 하나를 실시간으로 측정할 수 있다.

상기 시간 정보 추출부는, 상기 배터리의 사용 이력을 고려하여 상기 적어도 하나의 주기를 설정할 수 있다.

일 실시예에 따른 배터리 수명 추정 장치는 상기 배터리의 전류 신호로부터 상기 배터리가 충전 또는 방전 중인지 여부를 판단하는 충방전 판단부를 더 포함할 수 있다.

상기 수명 추정부는, 상기 적어도 하나의 주기 중 최장 주기부터 최단 주기의 순서로, 상기 적어도 하나의 주기 각각에 대응하는 시간 정보를 상기 누적된 시간 정보에 추가하여 상기 예상 시간 정보를 추출할 수 있다.

상기 수명 추정부는, 상기 적어도 하나의 주기 각각에 대응하는 시간 정보가 복수개인 경우, 상기 적어도 하나의 주기 각각에 대응하는 복수개의 시간 정보 중 최근에 센싱된 센싱 데이터에 기반한 시간 정보를 이용하여 상기 예상 시간 정보를 추출할 수 있다.

상기 수명 추정부는, 상기 누적된 시간 정보를 상기 예상 시간 정보로 설정하고, 상기 적어도 하나의 주기 각각에 대응하는 시간 정보를 상기 예상 시간 정보에 추가하여 상기 예상 시간 정보를 갱신할 수 있다.

상기 수명 추정부는, 상기 예상 시간 정보가 갱신될 때마다, 상기 갱신된 예상 시간 정보 및 상기 미리 정해진 학습 정보를 기초로 상기 배터리의 수명을 추정하고, 상기 적어도 하나의 주기마다, 상기 예상된 배터리의 수명이 종료되지 않을 때까지 해당 주기에 대응하는 시간 정보를 상기 예상 시간 정보에 추가하여 상기 예상 시간 정보를 갱신할 수 있다.

상기 수명 추정부는, 상기 최장 주기인 첫번째 주기부터 n-1번째 주기 각각에 대응하는 시간 정보가 추가된 상기 예상 시간 정보에 n번째 주기에 대응하는 시간 정보를 상기 예상된 배터리의 수명이 종료되지 않을 때까지 추가할 수 있다.

상기 수명 추정부는, 상기 누적된 시간 정보에 추가된 시간 정보에 대응하는 기간을 합산하여 상기 배터리의 수명 종료 시점을 추출할 수 있다.

상기 수명 추정부는, 상기 갱신된 예상 시간 정보 및 상기 미리 정해진 학습 정보에 기초하여 상기 배터리의 용량을 추정하고, 상기 배터리의 용량을 기초로 상기 배터리의 수명을 추정할 수 있다.

상기 수명 추정부는, 상기 추정된 배터리의 용량이 상기 배터리의 최초 용량의 0.8배보다 작을 경우, 상기 배터리의 수명이 종료된 것으로 판단할 수 있다.

일 실시예에 따른 배터리 수명 추정 장치는 상기 예상 시간 정보에 대응하는 입력 벡터의 차원이 감소하도록 상기 입력 벡터를 변환하는 차원 변환부를 더 포함하고, 상기 수명 추정부는, 상기 변환된 입력 벡터 및 상기 미리 정해진 학습 정보에 기초하여 상기 배터리의 용량을 추정할 수 있다.

상기 수명 추정부는, 상기 변환된 입력 벡터 및 상기 미리 정해진 학습 정보를 학습기에 입력하여, 상기 최장 주기부터 상기 최단 주기 순으로 상기 배터리의 용량을 추정할 수 있다.

상기 학습기는, 뉴럴 네트워크(Neural Network), 히든 마르코프 모델(Hidden Markov Model), 베이지안 네트워크(Beyesian Network), SVM(Support Vector Machine), 및 DT(Decision Tree) 중 하나를 포함할 수 있다.

상기 수명 추정부는, 통신 인터페이스를 이용하여 상기 미리 정해진 학습 정보를 외부로부터 수신할 수 있다.

일 실시예에 따른 배터리 수명 추정 장치는 배터리에 대한 트레이닝 데이터를 획득하는 트레이닝 데이터 획득부; 상기 트레이닝 데이터를 미리 정해진 구간으로 분할하고, 상기 분할된 구간에 대응하는 트레이닝 시간 정보를 누적하는 트레이닝 시간 정보 누적부; 상기 누적된 트레이닝 시간 정보 및 기준 정보에 기초하여 상기 배터리의 수명 종료 시점을 추정하기 위한 학습 정보를 결정하는 학습 정보 결정부; 상기 배터리에 대한 센싱 데이터를 미리 정해진 구간으로 분할하고, 상기 분할된 구간에 대응하는 시간 정보를 누적하는 시간 정보 누적부; 상기 누적된 시간 정보로부터 적어도 하나의 주기에 대응하는 시간 정보를 추출하는 시간 정보 추출부; 및 상기 누적된 시간 정보, 상기 적어도 하나의 주기에 대응하는 시간 정보 및 상기 결정된 학습 정보를 기초로, 상기 배터리의 사용에 따른 상기 누적된 시간 정보의 변화를 예상하여 예상 시간 정보를 추출하고, 상기 예상 시간 정보를 기초로 상기 배터리의 수명 종료 시점을 추정하는 수명 추정부를 포함할 수 있다.

상기 트레이닝 데이터 획득부는, 상기 배터리의 전압 신호, 전류 신호 또는 온도 신호 중 적어도 하나를 실시간으로 측정할 수 있다.

상기 트레이닝 데이터 획득부는, 미리 저장된 배터리 데이터로부터 샘플 배터리 정보를 수집할 수 있다.

상기 학습 정보 결정부는, 상기 누적된 시간 정보 및 상기 기준 정보를 학습기에 입력하여 상기 학습 정보에 대응하는 파라미터를 학습할 수 있다.

상기 학습기는, 뉴럴 네트워크, 히든 마르코프 모델, 베이지안 네트워크, SVM, 및 DT 중 하나를 포함할 수 있다.

상기 학습 정보 결정부는, 통신 인터페이스를 이용하여 외부에 상기 학습 정보를 전송할 수 있다.

일 실시예에 따른 배터리 수명 추정 방법은 배터리에 대한 센싱 데이터를 미리 정해진 구간으로 분할하는 단계; 상기 분할된 구간에 대응하는 시간 정보를 누적하는 단계; 상기 누적된 시간 정보로부터, 적어도 하나의 주기에 대응하는 시간 정보를 추출하는 단계; 상기 누적된 시간 정보, 상기 적어도 하나의 주기에 대응하는 시간 정보 및 미리 정해진 학습 정보를 기초로, 상기 배터리의 사용에 따른 상기 누적된 시간 정보의 변화를 예상하여 예상 시간 정보를 추출하는 단계; 및 상기 예상 시간 정보를 기초로 상기 배터리의 수명 종료 시점(End Of Life: EOL)을 추정하는 단계를 포함할 수 있다.

일 실시예에 따른 배터리 수명 추정 방법은 배터리에 대한 트레이닝 데이터를 획득하는 단계; 상기 트레이닝 데이터를 미리 정해진 구간으로 분할하고, 상기 분할된 구간에 대응하는 트레이닝 시간 정보를 누적하는 단계; 상기 누적된 트레이닝 시간 정보 및 기준 정보에 기초하여 상기 배터리의 수명 종료 시점을 추정하기 위한 학습 정보를 결정하는 단계; 상기 배터리에 대한 센싱 데이터를 미리 정해진 구간으로 분할하고, 상기 분할된 구간에 대응하는 시간 정보를 누적하는 단계; 상기 누적된 시간 정보로부터 적어도 하나의 주기에 대응하는 시간 정보를 추출하는 단계; 상기 누적된 시간 정보, 상기 적어도 하나의 주기에 대응하는 시간 정보 및 상기 결정된 학습 정보를 기초로, 상기 배터리의 사용에 따른 상기 누적된 시간 정보의 변화를 예상하여 예상 시간 정보를 추출하는 단계; 및 상기 예상 시간 정보를 기초로 상기 배터리의 수명 종료 시점을 추정하는 단계를 포함할 수 있다.

도 1은 배터리의 충전 및 방전 사이클을 예시적으로(exemplarily) 도시한 도면이다.
도 2는 배터리의 사용 사이클의 증가에 의한 배터리 수명의 감소를 예시적으로 도시한 도면이다.
도 3은 배터리가 사용되는 온도에 따른 배터리 수명의 감소를 예시적으로 도시한 도면이다.
도 4는 방전율(C-rate, Current rate)에 따른 배터리 수명의 감소를 예시적으로 도시한 도면이다.
도 5는 배터리의 충전 및 방전에 따른 전압 및 전류의 패턴을 예시적으로 도시한 도면이다.
도 6 내지 도 8은 배터리의 전압 구간 별 사용에 따른 배터리 수명의 감소를 예시적으로 도시한 도면이다.
도 9는 일 실시예에 따른 배터리 수명 추정 장치를 나타낸 블록도이다.
도 10은 다른 일 실시예에 따른 배터리 수명 추정 장치를 나타낸 블록도이다.
도 11은 일 실시예에 따른 배터리 시스템을 나타낸 블록도이다.
도 12는 일 실시예에 따른 센싱 데이터의 분할 및 분할된 구간에 대응하는 시간 정보의 누적을 설명하기 위한 도면이다.
도 13은 일 실시예에 따른 적어도 하나의 주기에 대응하는 시간 정보를 설명하기 위한 도면이다.
도 14는 일 실시예에 따른 배터리의 수명 추정을 설명하기 위한 도면이다.
도 15는 일 실시예에 따른 사용자 인터페이스를 설명하기 위한 도면이다.
도 16은 일 실시예에 따른 배터리 수명 정보를 제공하기 위한 사용자 인터페이스를 설명하기 위한 도면이다.
도 17은 일 실시예에 따른 배터리 수명 추정 방법을 나타낸 동작 흐름도이다.
도 18은 다른 일 실시예에 따른 배터리 수명 추정 방법을 나타낸 동작 흐름도이다.

이하에서, 첨부된 도면을 참조하여 실시예들을 상세하게 설명한다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.

아래 설명하는 실시예들에는 다양한 변경이 가해질 수 있다. 아래 설명하는 실시예들은 실시 형태에 대해 한정하려는 것이 아니며, 이들에 대한 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.

실시예에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 실시예를 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성 요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.

또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조 부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 실시예의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.

도 1은 배터리의 충전 및 방전 사이클을 예시적으로(exemplarily) 도시한다.

도 1을 참조하면, 그래프 (a)는 완전 충방전을 수행하는 배터리의 시간에 따른 전압의 변화를 예시적으로 나타낸다. 그래프 (a)의 가로축은 시간을 나타내고, 세로축은 전압을 나타낸다. 배터리가 최대로 충전된 시점(111, 112, 113, 114, 115)은 완전 충전으로 나타낼 수 있고, 배터리가 최대로 방전된 시점(121, 122, 123, 124, 125)은 완전 방전으로 나타낼 수 있다.

여기서, 배터리의 충전 및 방전과 관련된 하나의 사이클은 배터리가 완전히 충전된 후, 충전된 전력을 모두 방전하고 다시 충전되는 것을 나타낼 수 있다. 예를 들어, 도 1에서는 완전 충전된 두 시점(111, 112) 사이의 구간이 하나의 사이클이 될 수 있다.

그래프 (b)는 배터리의 완전 충방전에 따른 용량의 변화를 예시적으로 나타낸다. 그래프 (b)의 가로축은 시간을 나타내고, 세로축은 배터리의 용량을 나타낸다. 선(131, 132, 133, 134, 135)은 각각 배터리가 최대로 충전된 시점(111, 112, 113, 114, 115)에 대응하는 배터리의 용량을 나타낼 수 있다. 그래프 (b)에 나타난 바와 같이, 배터리가 완전 충방전을 수행할수록 배터리의 용량은 감소할 수 있다.

도 2는 배터리의 사용 사이클의 증가에 의한 배터리 수명의 감소를 예시적으로 도시한 도면이다.

도 2는 배터리가 충전 및 방전되는 사이클 수가 증가할수록 배터리 수명이 감소하는 것을 도시한다. 여기서, 배터리 수명은 배터리가 어플리케이션에 정상적으로 전력 등을 공급할 수 있는 기간으로 나타낼 수 있다. 예를 들어, 배터리의 캐퍼시티(capacity)(210)에 대응할 수 있다. 여기서, 캐퍼시티(210)는 배터리에 저장될 수 있는 최대 전하량을 나타낼 수 있다. 이 때, 배터리의 캐퍼시티(210)가 임계값(220) 이하로 감소되면 배터리가 어플리케이션에서 요구하는 전력 요건 등을 만족하지 못하게 되어, 배터리의 교체가 필요할 수 있다. 이와 같이, 배터리 수명은 배터리의 사용 시간 또는 사용 사이클과 높은 상관 관계를 가질 수 있다.

도 3은 배터리가 사용되는 온도에 따른 배터리 수명의 감소를 예시적으로 도시한 도면이다.

도 3은 배터리를 동일한 조건에서 충전 및 방전시킬 때, 서로 다른 온도에 따른 배터리 수명의 저하 정도를 예시적으로 나타낸다. 도 3에 도시된 바와 같이, 일반적으로 고온에서 동작시킨 배터리의 수명이 더 급격하게 줄어들 수 있다. 예를 들어, 25도보다 55도인 경우에, 사용 사이클 수가 증가할수록 배터리 수명(예를 들면, SOH, State-Of-Health)이 보다 급격히 감소할 수 있다.

이하 본 명세서에서, 배터리 수명은 배터리의 현재 캐퍼시턴스 값, 내부 저항값 및 SOH 등에 대응할 수 있다. 여기서, SOH는

로 정의될 수 있다.

도 4는 방전율(C-rate, Current rate)에 따른 배터리 수명의 감소를 예시적으로 도시한 도면이다.

여기서, C-rate는 배터리의 충전 및 방전시 다양한 사용 조건 하에서의 전류값 설정 및 배터리의 사용 가능시간을 예측하거나 표기하기 위한 단위를 나타낸다. 예를 들어, C-rate의 단위는 C로 나타낼 수 있고, C-rate= (충전 및 방전 전류)/(배터리 용량)으로 정의할 수 있다.

도 4는 배터리의 방전 C-rate을 다양하게 설정하여 수명 테스트를 실시한 결과를 예시적으로 도시한 도면이다. 도 4에 도시된 바와 같이, 일반적으로 C-rate가 높을 수록 배터리 수명이 급격히 줄어들 수 있다. 이러한 C-rate는 전압의 변화와 함께 센싱될 수 있다.

도 5는 배터리의 충전 및 방전에 따른 전압 및 전류의 패턴을 예시적으로 도시한 도면이다.

배터리에서는 충전과 방전에 따라 전압 또는 전류 패턴이 서로 상이하게 나타날 수 있다. 예를 들어, 충전인가 방전인가에 따라 동일한 전압 값 및 전류 값이 배터리 수명에 미치는 영향이 다르게 해석될 수 있다.

예를 들어, 도 5에서는 충전에 따른 전압 패턴(510) 및 방전에 따른 전압 패턴(520)이 도시될 수 있다. 도 5에 도시된 바와 같이, 동일한 SoC (State-of-Charge)에서, 배터리가 충전 또는 방전 상태인지 여부에 따라 전압 값이 다르게 센싱될 수 있다.

도 6 내지 도 8은 배터리의 전압 구간 별 사용에 따른 배터리 수명의 감소를 예시적으로 도시한 도면이다.

예를 들면, 도 6에서는 배터리의 전압이 50% 내지 75%인 경우의 배터리 수명(610), 배터리의 전압이 25% 내지 50%인 경우의 배터리 수명(620), 배터리의 전압이 0% 내지 25%인 경우의 배터리 수명(630), 및 배터리의 전압이 75% 내지 100%인 경우의 배터리 수명(640)이 예시적으로 도시되어 있다. 이와 같이, 배터리의 전압 구간에 따라 수명 감소 효과가 달라질 수 있다.

도 7은 완전 충전 상태에서의 사용에 따른 에너지 저장 레벨(710) 및 80% 충전 상태에서의 에너지 저장 레벨(720)을 예시적으로 도시한 것으로서, 배터리를 완전 충전 상태에서 사용하는 것 보다 중간 정도로 충전한 상태에서 사용하는 것이 배터리 수명 감소 효과가 적게 나타날 수 있다.

도 8은 컷오프 전압(cut-off voltage)의 차이에 따른 배터리 수명의 차이를 예시적으로 도시한다. 여기서 컷오프 전압은 충전이 종료된 때 또는 방전이 종료되는 때의 전압을 의미할 수 있다. 도 8에 도시된 바와 같이, 컷오프 전압을 조절한 경우의 방전 용량(Discharge Capacity)(820)이 조절하지 않은 경우의 방전 용량(810)보다 감소되는 정도가 작을 수 있다.

전기 자동차의 경우 배터리의 상태, 그 중에서 배터리 수명(예를 들면, SOH)를 정확하게 추정하는 것이 필요하다. 배터리 수명은 전기 자동차의 주행거리 및 안전 사고와 관련되는 중요 항목이므로, 전기 자동차의 배터리 제어 장치(Battery Management System: BMS)는 배터리 수명을 추정할 수 있다.

이하에서, 배터리 시스템은 배터리 및 배터리 제어 장치를 포함할 수 있다. 배터리는 배터리 시스템이 장착된 구동 수단(예를 들어, 전기 자동차)에 전력을 공급할 수 있고, 복수 개의 배터리 모듈을 포함할 수 있다. 복수 개의 배터리 모듈 각각은 복수 개의 셀을 포함할 수 있다. 복수 개의 배터리 모듈 상호간은 직렬 및 병렬로 혼합 연결될 수 있다. 일 실시예에서, 복수 개의 배터리 모듈은 리튬 이온 배터리와 같은 2차 전지일 수 있다. 또한, 복수 개의 배터리 모듈의 용량은 서로 동일할 수도 있고, 서로 상이할 수도 있다. 또한, 배터리 시스템은 에너지 저장 시스템(Energy Storage System: ESS)를 의미할 수 있다.

배터리 제어 장치는 배터리의 상태를 모니터링하고, 배터리를 제어할 수 있다. 일 실시예에서, 배터리 제어 장치는 배터리에 포함된 복수 개의 배터리 모듈의 열 제어를 수행할 수 있다. 또한, 배터리 제어 장치는 배터리의 과충전 및 과방전을 방지하고, 셀 밸런싱을 수행하여 배터리에 포함된 복수 개의 배터리 모듈간의 충전 상태가 균등하도록 제어할 수 있다. 이에 따라, 배터리의 에너지 효율이 높아지고, 배터리의 수명이 연장될 수 있다.

배터리 제어 장치는 수명 정보, 충전 정보, 기능 정보 등을 전자 제어 장치(Electronic Control Unit: ECU)에 제공할 수 있다. 일 실시예에서, 배터리 제어 장치는 CAN(Controller Area Network) 통신을 이용하여 전자 제어 장치(ECU)와 통신을 수행할 수 있다.

도 9는 일 실시예에 따른 배터리 수명 추정 장치를 나타낸 블록도이다.

도 9를 참조하면, 배터리 수명 추정 장치(900)는 시간 정보 누적부(910), 시간 정보 추출부(920) 및 수명 추정부(930)를 포함한다.

배터리 수명 추정 장치(900)는 전기 자동차의 에너지원인 배터리의 상태(예를 들면, 수명 정보(State Of Health: SOH), 수명 종료 시점(End Of Life: EOL))를 추정한다. 수명 정보 또는 수명 종료 시점에 대한 보다 정확한 추정을 통해 전기 자동차 운전자들에게 전기 자동차의 정확한 상태 정보를 제공함으로써, 가솔린 자동차 대비 전기 자동차에 대한 거부감을 완화할 수 있다. 또한, 배터리 수명 추정 장치(900)는 경량화되어 배터리 제어 장치(BMS)에 장착될 수 있다. 더 나아가, 배터리 수명 추정 장치(900)는 배터리 상태를 추정하는데 소요되는 시간을 단축시킬 수 있다. 배터리 수명 추정 장치(900)는 전기 자동차 외에도, 배터리를 사용하는 모든 어플리케이션에 적용될 수 있다.

시간 정보 누적부(910)는 배터리에 대한 센싱 데이터를 미리 정해진 구간으로 분할하고, 분할된 구간에 대응하는 시간 정보를 누적한다. 시간 정보 누적부(910)는 전압 센서, 전류 센서 또는 온도 센서 중 적어도 하나를 포함할 수 있고, 시간 정보 누적부(910)에 포함된 센서들을 이용하여 배터리의 전압 신호, 전류 신호 또는 온도 신호 중 적어도 하나를 실시간으로 측정할 수 있다.

시간 정보 누적부(910)는 획득한 센싱 데이터를 미리 정한 범위의 구간으로 분할한다. 예를 들어, 시간 정보 누적부(910)는 측정된 전압 신호로부터 추출한 전압 데이터를 0.2V(Volt) 단위로 분할할 수 있고, 측정된 전류 신호로부터 추출한 전류 데이터를 1A(Ampere) 단위로 분할할 수 있고, 측정된 온도 신호로부터 추출한 온도 데이터를 0.5℃ 단위로 분할할 수 있다.

시간 정보 누적부(910)는 분할된 각 구간에 따라, 배터리가 사용된 시간 정보를 누적할 수 있다.

또한, 시간 정보 누적부(910)는 누적된 시간 정보를 저장할 수 있다. 일 실시예에서, 시간 정보 누적부(910)는 누적된 시간 정보를 벡터의 형태로 저장할 수 있다.

일 실시예에서, 배터리 수명 추정 장치(900)는 충방전 판단부를 포함할 수 있다. 충방전 판단부는 측정된 배터리의 전류 신호를 이용하여 배터리가 충전 중인지 또는 방전 중인지 여부를 판단할 수 있다.

시간 정보 추출부(920)는 누적된 시간 정보로부터 적어도 하나의 주기에 대응하는 시간 정보를 추출한다. 여기서, 적어도 하나의 주기는 미리 설정될 수도 있고, 시간 정보 추출부(920)가 설정할 수도 있다. 일 실시예에서, 시간 정보 추출부(920)는 배터리의 사용 이력을 고려하여 적어도 하나의 주기를 설정할 수 있다. 예를 들어, 5일 동안의 배터리 사용량이 많고, 2일 동안의 배터리 사용량이 적은 패턴이 반복되는 경우, 시간 정보 추출부(920)는 1주를 적어도 하나의 주기에 포함할 수 있다. 또한, 분기(또는 계절)에 따라 배터리의 사용량이 다른 경우, 시간 정보 추출부(920)는 분기(또는, 계절)을 적어도 하나의 주기에 포함할 수 있다. 또한, 다른 예로서, 시간 정보 추출부(920)는 통신 인터페이스를 이용하여 외부 장치(예를 들어, 서버)로부터 적어도 하나의 주기에 대한 정보를 수신할 수 있다.

시간 정보 추출부(920)는 누적된 시간 정보를 적어도 하나의 주기에 따라 저장할 수 있다. 예를 들어, 시간 정보 추출부(920)는 누적된 시간 정보를 적어도 하나의 주기인 1일, 1주일, 1개월, 1년의 주기에 따라 저장할 수 있다. 이에 따라, 배터리가 2년 동안 사용된 경우, 시간 정보 추출부(920)는 1일 주기의 시간 정보를 730개, 1주일 주기의 시간 정보를 104개, 1개월 주기의 시간 정보를 24개, 1년 주기의 시간 정보를 2개 추출할 수 있다.

일 실시예에서, 시간 정보 추출부(920)는 적어도 하나의 주기에 대응하는 시간 정보를 입력 벡터의 형태로 추출할 수 있다.

일 실시예에 따르면 배터리를 사용할수록 배터리 수명이 감소하는 바, 감소된 현재의 배터리 수명은 과거 배터리의 사용 이력과 관련성이 높을 수 있다. 이에 따라, 시간 정보 누적부(910)는 센싱 데이터를 전압, 전류, 및 온도의 미리 정한 범위에 대응하는 각 구간으로 분할하고, 각 구간에서 배터리가 사용된 시간 정보를 누적하고, 수명 추정부(930)는 각 구간에 누적된 시간 정보를 학습기에 대한 학습 정보로 활용함으로써, 배터리의 사용 이력에 대응하는 배터리의 수명을 추정할 수 있다. 여기서, 학습 정보는 학습기가 배터리의 사용 이력으로부터 학습한 정보일 수 있다. 예를 들어, 학습기는 블랙박스 함수(black-box function)를 포함할 수 있고, 블랙박스 함수에 대한 입력과 출력이 주어지면, 학습기는 해당 입력에 대응하는 출력을 생성하기 위한, 블랙박스 함수의 파라미터를 학습할 수 있다. 예를 들어, 학습 정보는 학습기의 종류 및 파라미터 등을 포함할 수 있다. 여기서, 학습기는 뉴럴 네트워크(Neural Network), 히든 마르코프 모델(Hidden Markov Model), 베이지안 네트워크(Beyesian Network), SVM (Support Vector Machine), 및 DT (Decision Tree) 중 하나를 포함할 수 있다. 일 실시예에서, 수명 추정부(930)는 통신 인터페이스를 이용하여 외부로부터 학습 정보를 수신할 수 있고, 학습기에 외부로부터 수신한 학습 정보를 입력할 수 있다. 여기서, 외부는 배터리 수명 추정 장치(900) 이외의 다른 장치를 의미할 수 있다.

수명 추정부(930)는 배터리의 사용에 따른 누적된 시간 정보의 변화를 예측하여 예상 시간 정보를 추출하고, 예상 시간 정보를 기초로 배터리의 수명 종료 시점(End Of Life: EOL)을 추정한다. 여기서, 예상 시간 정보는 미래에 예상되는 시간 정보를 의미할 수 있다.

수명 추정부(930)는 누적된 시간 정보, 적어도 하나의 주기에 대응하는 시간 정보 및 미리 정해진 학습 정보를 기초로 예상 시간 정보를 추출할 수 있다. 일 실시예에서, 수명 추정부(930)는 적어도 하나의 주기 중 최장 주기부터 최단 주기의 순서로, 적어도 하나의 주기 각각에 대응하는 시간 정보를 누적된 시간 정보에 추가하여 예상 시간 정보를 추출할 수 있다. 이 때, 적어도 하나의 주기 각각에 대응하는 시간 정보가 복수개인 경우, 적어도 하나의 주기 각각에 대응하는 복수개의 시간 정보 중 최근에 센싱된 센싱 데이터에 기초한 시간 정보를 이용하여 예상 시간 정보를 추출할 수 있다. 수명 추정부(930)는 누적된 시간 정보를 초기의 예상 시간 정보로 설정하고, 적어도 하나의 주기 각각에 대응하는 시간 정보를 초기의 예상 시간 정보에 추가하여 예상 시간 정보를 갱신할 수 있다. 수명 추정부(930)는 예상 시간 정보가 갱신될때마다, 갱신된 예상 시간 정보 및 미리 정해진 학습 정보를 기초로 배터리의 수명을 예측하고, 적어도 하나의 주기마다, 예측된 배터리의 수명이 종료되지 않을 때까지 해당 주기에 대응하는 시간 정보를 예상 시간 정보에 추가하여 예상 시간 정보를 갱신할 수 있다. 예를 들어, n번째 주기에 대응하는 시간 정보를 예상 시간 정보에 추가하는 경우, 수명 추정부(930)는 최장 주기인 첫번째 주기부터 n-1번째 주기 각각에 대응하는 시간 정보가 추가된 예상 시간 정보에 n번째 주기에 대응하는 시간 정보를 예측된 배터리의 수명이 종료되지 않을 때까지 추가할 수 있다. 이 때, 수명 추정부(930)는 갱신된 예상 시간 정보 및 미리 정해진 학습 정보에 기초하여 배터리의 용량을 추정하고, 추정된 배터리의 용량이 배터리의 최초 용량의 0.8배보다 작을 경우, 수명 추정부(930)는 배터리의 수명이 종료된 것으로 판단할 수 있다. 수명 추정부(930)는 추출된 예상 시간 정보에서, 초기의 예상 시간 정보에 추가된 시간 정보에 대응하는 기간을 합산하여, 합산된 기간을 배터리의 수명 종료 시점으로 추출할 수 있다.

일 실시예에서, 수명 추정부(930)는 예상 시간 정보에 대응하는 입력 벡터의 차원이 감소하도록 입력 벡터의 차원을 변환할 수 있다. 입력 벡터의 차원이 감소함으로써, 수명 추정부(930)의 배터리의 용량을 추정하는데 소요되는 시간이 감소할 수 있다. 예를 들면, 수명 추정부(930)는 PCA(Principal Component Analysis), LDA(Linear Discriminant Analysis) 등의 기법을 이용하여, 입력 벡터의 차원이 감소함으로써 발생하는 정보의 손실을 최소화할 수 있다. 수명 추정부(930)는 차원이 변환된 입력 벡터 및 미리 정해진 학습 정보를 학습기에 입력하여, 배터리의 용량을 추정할 수 있다. 이 때, 수명 추정부(930)는 미리 정해진 학습 정보를 외부로부터 수신할 수 있다.

예를 들어, 시간 정보 추출부(920)가 1년, 1개월 및 1주에 대응하는 시간 정보를 추출한 경우, 수명 추정부(930)는 누적된 시간 정보를 초기의 예상 시간 정보로 설정하고, 추가 주기를 1로 설정하고, 1년에 대응하는 시간 정보를 초기의 예상 시간 정보에 추가하여 예상 시간 정보를 갱신할 수 있다. 수명 추정부(930)는 갱신된 예상 시간 정보를 기초로 배터리의 용량을 추정할 수 있다. 추정된 배터리의 용량이 배터리의 초기 용량의 0.8배 이상인 경우, 수명 추정부(930)는 추가 주기를 2로 설정하고, 1년에 대응하는 시간 정보를 예상 시간 정보에 추가하여 예상 시간 정보를 갱신할 수 있다. 수명 추정부(930)는 갱신된 예상 시간 정보를 기초로 배터리의 용량을 추정할 수 있고, 추정된 배터리의 용량이 배터리의 초기 용량의 0.8배 이상인 경우, 수명 추정부(930)는 추가 주기를 3으로 설정하고, 1년에 대응하는 시간 정보를 예상 시간 정보에 추가하여 예상 시간 정보를 갱신할 수 있다. 수명 추정부(930)는 갱신된 예상 시간 정보를 기초로 배터리의 용량을 추정하여, 추정된 배터리의 용량이 배터리의 초기 용량의 0.8배보다 작은 경우, 수명 추정부(930)는 추가 주기가 2일 때의 예상 시간 정보를 1년의 주기에 대응하는 예상 시간 정보로 추출할 수 있다. 이에 따라, 수명 추정부(930)는 1년의 주기에 대응하는 배터리의 잔여 수명을 2년으로 추출할 수 있다. 수명 추정부(930)는 이와 같은 예상 시간 정보의 갱신 및 배터리 용량의 추정을 1개월의 주기 및 1일의 주기에 따라 반복할 수 있다. 이 때, 1개월의 주기에 대응하는 예상 시간 정보의 추가 주기가 5인 경우, 수명 추정부(930)는 1개월의 주기에 대응하는 배터리의 잔여 수명을 5개월로 추출할 수 있고, 1일의 주기에 대응하는 예상 시간 정보의 추가 주기가 3인 경우, 수명 추정부(930)는 1일의 주기에 대응하는 배터리의 잔여 수명을 3일로 추출할 수 있다. 이에 따라, 초기의 예상 시간 정보에 추가된 시간 정보는 2년에 대응하는 시간 정보, 5개월에 대응하는 시간 정보 및 3일에 대응하는 시간 정보이므로, 수명 추정부(930)는 배터리의 수명 종료 시점을 현재로부터 2년 5개월 3일 후로 추정할 수 있다.

도 10은 다른 일 실시예에 따른 배터리 수명 추정 장치를 나타낸 블록도이다.

도 10을 참조하면, 배터리 수명 추정 장치(1000)는 트레이닝 데이터 획득부(1010), 트레이닝 시간 정보 누적부(1020), 학습 정보 결정부(1030), 시간 정보 누적부(1040), 시간 정보 추출부(1050) 및 수명 추정부(1060)를 포함한다.

트레이닝 데이터 획득부(1010)는 배터리에 대한 트레이닝 데이터를 획득한다. 일 실시예에서, 트레이닝 데이터 획득부(1010)는 하나의 배터리에 대한 트레이닝 데이터를 획득할 수도 있고, 복수 개의 배터리에 대한 트레이닝 데이터를 획득할 수도 있다. 또한, 트레이닝 데이터 획득부(1010)는 배터리의 전압 신호, 전류 신호 또는 온도 신호 중 적어도 하나를 실시간으로 측정하여 트레이닝 데이터를 획득할 수 있다. 또한, 트레이닝 데이터 획득부(1010)는 미리 저장된 배터리 데이터로부터 샘플 배터리 정보를 수집할 수 있다. 여기서, 샘플 배터리 정보는 미리 저장된 데이터의 일부 정보로서, 종래 자동차의 주행 정보를 시뮬레이션한 데이터에 대응할 수 있다. 예를 들어, 종래 자동차의 주행 정보는 UDDS(Urban Dynamometer Driving Schedule) 프로파일을 포함할 수 있다.

트레이닝 시간 정보 누적부(1020)는 트레이닝 데이터를 미리 정해진 구간으로 분할하여 누적한다. 트레이닝 시간 정보 누적부(1020)는 미리 정한 범위의 구간으로 분할된 트레이닝 데이터의 각 구간에, 배터리가 사용된 시간 정보를 누적할 수 있다. 또한, 트레이닝 시간 정보 누적부(1020)는 누적된 트레이닝 시간 정보를 저장할 수 있다.

일 실시예에서, 트레이닝 시간 정보 누적부(1020)는 누적된 트레이닝 시간 정보를 입력 벡터로 변환할 수 있다.

또한, 트레이닝 시간 정보 누적부(1020)는 누적된 트레이닝 시간 정보와 대응되는 입력 벡터의 차원이 감소하도록 입력 벡터의 차원을 변환할 수 있다. 입력 벡터의 차원이 감소함으로써, 학습 정보를 결정하는데 소요되는 시간이 감소할 수 있다. 예를 들어, 트레이닝 시간 정보 누적부(1020)는 PCA, LDA 등의 기법을 이용하여, 누적된 트레이닝 시간 정보와 대응되는 입력 벡터의 차원을 감소시킬 수 있다.

일 실시예에서, 배터리 수명 추정 장치(1000)는 충방전 판단부를 포함할 수 있다. 충방전 판단부는 측정된 배터리의 전류 신호를 이용하여 배터리가 충전 중인지 또는 방전 중인지 여부를 판단할 수 있다.

학습 정보 결정부(1030)는 누적된 트레이닝 시간 정보 및 기준 정보에 기초하여 배터리의 수명 종료 시점을 추정하기 위한 학습 정보를 결정한다. 기준 정보는 배터리의 수명 종료 시점을 추정하기 위한 기준이 되는 상태 정보로서, 예를 들어, 실제 수명 또는 미리 저장된 배터리 데이터로부터 추출된 배터리 수명을 포함할 수 있다. 예를 들어, 실제 수명은 EIS 기법 등에 의해 배터리로부터 직접적으로 측정된 배터리 수명을 나타낼 수 있다.

학습 정보 결정부(1030)는 누적된 트레이닝 시간 정보 및 기준 정보를 학습기에 입력할 수 있다. 학습기는 누적된 트레이닝 시간 정보 및 기준 정보에 기초하여 학습 정보에 대응하는 최적의 파라미터를 학습할 수 있다. 예를 들어, 학습기는 누적된 트레이닝 시간 정보에 대응하는 입력 벡터 및 배터리의 상태 정보와 같은 기준 정보에 기초하여 학습기에 사용된 학습 모델에 최적화된 파라미터를 학습할 수 있다. 예를 들어, 학습기는, 뉴럴 네트워크, 히든 마르코프 모델, 베이지안 네트워크, SVM, 또는 DT 중 적어도 하나를 포함할 수 있다. 또한, 학습 정보 결정부(1030)는 결정된 파라미터를 저장할 수 있다. 학습 정보 결정부(1030)에 저장된 파라미터는 배터리의 수명 종료 시점을 추정할 때 사용될 수 있다. 또한, 학습 정보 결정부(1030)는 통신 인터페이스를 이용하여 결정된 학습 정보를 외부에 전송할 수 있다.

일 실시예에서, 트레이닝 데이터 획득부(1010), 트레이닝 시간 정보 누적부(1020) 및 학습 정보 결정부(1030)는 별도의 장치(예를 들어, 배터리의 수명 종료 시점 추정을 위한 전처리 장치)로 구성될 수도 있다.

시간 정보 누적부(1040)는 배터리에 대한 센싱 데이터를 미리 정해진 구간으로 분할하고, 분할된 구간에 대응하는 시간 정보를 누적한다.

시간 정보 추출부(1050)는 누적된 시간 정보로부터 적어도 하나의 주기에 대응하는 시간 정보를 추출한다.

수명 추정부(1060)는 누적된 시간 정보, 적어도 하나의 주기에 대응하는 시간 정보 및 학습 정보 결정부(1030)에서 결정된 학습 정보를 기초로, 배터리의 사용에 따른 누적된 시간 정보의 변화를 예측하여 예상 시간 정보를 추출하고, 추출한 예상 시간 정보를 기초로 배터리의 수명 종료 시점을 추정한다.

도 10에 도시된 시간 정보 누적부(1040), 시간 정보 추출부(1050) 및 수명 추정부(1060)에는 도 9의 시간 정보 누적부(910), 시간 정보 추출부(920) 및 수명 추정부(930)에서 설명된 내용이 그대로 적용될 수 있으므로, 보다 상세한 설명은 생략한다.

도 11은 일 실시예에 따른 배터리 시스템을 나타낸 블록도이다.

도 11을 참조하면, 배터리 시스템(1100)는 배터리(1110), 센서(1120) 및 배터리 제어 장치(1130)를 포함한다. 도 11에서는 센서(1120)가 배터리 제어 장치(1130)의 외부에 존재하는 것으로 표현되었지만, 구현에 따라, 센서(1120)는 배터리 제어 장치(1130)의 내부에 존재할 수 있다.

배터리(1110)는 배터리(1110)가 장착된 구동 수단에 전력을 공급하고, 복수 개의 배터리 모듈을 포함할 수 있다. 복수 개의 배터리 모듈의 용량은 서로 동일할 수도 있고, 서로 다를 수도 있다.

센서(1120)는 배터리(1110)에 대한 센싱 데이터를 획득한다. 센서(1120)는 전압 센서, 전류 센서 및 온도 센서 중 적어도 하나를 포함할 수 있다. 이에 따라, 센서(1120)는 배터리(1110)에 포함된 복수 개의 배터리 모듈의 전압 신호, 전류 신호 또는 온도 신호 중 적어도 하나를 실시간으로 측정할 수 있다.

배터리 제어 장치(1130)는 구간 분할부(1141), 누적부(1142), 누적 시간 정보 저장부(1143), 충방전 센서(1151), 주기 검출부(1161), 예상 시간 정보 추출부(1162), 차원 변환부(1163), 학습기(1171), 파라미터 저장부(1172) 및 통신 인터페이스(1181)을 포함할 수 있다.

구간 분할부(1141)는 센서(1120)에서 측정된 배터리의 전압 신호, 전류 신호 및 온도 신호와 같은 배터리(1110)에 대한 센싱 데이터를 획득한다. 구간 분할부(1141)는 배터리에 대한 센싱 데이터를 미리 정해진 구간으로 분할할 수 있다. 예를 들어, 구간 분할부(1141)는 측정된 전압 신호로부터 추출한 전압 데이터를 0.2V(Volt) 단위로 분할할 수 있고, 측정된 전류 신호로부터 추출한 전류 데이터를 1A(Ampere) 단위로 분할할 수 있고, 측정된 온도 신호로부터 추출한 온도 데이터를 0.5℃ 단위로 분할할 수 있다.

누적부(1142)는 구간 분할부(1141)로부터 미리 정해진 구간으로 분할된 센싱 데이터를 수신하고, 분할된 구간에 대응하는 시간 정보를 누적한다. 예를 들어, 배터리(1110)가 한 시간 동안 사용된 경우, 누적부는(1142)는 0.2V 단위로 분할된 센싱 데이터로부터, 3.4V 내지 3.6V의 구간에 누적된 시간 정보인 10분, 3.6V 내지 3.8V의 구간에 누적된 시간 정보인 30분, 3.8V 내지 4.0V의 구간에 누적된 시간 정보인 5분, 4.0V 내지 4.2V의 구간에 누적된 시간 정보인 15분을 추출할 수 있다.

누적부(1142)는 누적된 시간 정보를 누적 시간 정보 저장부(1143)에 저장할 수 있다.

충방전 센서(1151)는 측정된 배터리(1110)의 전류 신호값을 이용하여 배터리(1110)의 상태가 충전 또는 방전 중인지를 감지한다.

주기 검출부(1161)는 배터리(1110)의 수명 종료 시점을 추정하기 위하여 요구되는 적어도 하나의 주기를 검출한다. 주기 검출부(1161)는 미리 저장된 정보로부터 적어도 하나의 주기를 검출할 수 있다. 예를 들어, 주기 검출부(1161)는 미리 저장된 정보로부터 1주, 1개월, 1분기 및 1년의 주기를 검출할 수 있다. 또한, 주기 검출부(1161)는 배터리(1110)의 사용 이력을 고려하여 적어도 하나의 주기를 검출할 수도 있다. 예를 들어, 최근 1년간의 사용 이력을 고려할 때, 2주, 3개월 및 6개월을 주기로 배터리의 사용 패턴이 변화하는 경우, 주기 검출부(1161)는 적어도 하나의 주기로 2주, 3개월 및 6개월을 검출할 수 있다.

예상 시간 정보 추출부(1162)는 배터리의 사용에 따른 누적된 시간 정보의 변화를 예측하여 예상 시간 정보를 추출한다.

일 실시예에서, 예상 시간 정보 추출부(1162)는 누적 시간 정보 저장부(1143)에 저장된 누적된 시간 정보로부터, 주기 검출부(1161)에서 검출된 적어도 하나의 주기에 대응하는 시간 정보를 추출할 수 있다. 예를 들어, 예상 시간 정보 추출부(1162)는 누적된 시간 정보로부터 현재로부터 1주까지의 주기에 대응하는 시간 정보, 현재로부터 1개월까지의 주기에 대응하는 시간 정보 및 현재로부터 1년까지의 주기에 대응하는 시간 정보를 추출할 수 있다. 또한, 예상 시간 정보 추출부(1162)는 적어도 하나의 주기 중 최장 주기부터 최단 주기의 순서로, 적어도 하나의 주기 각각에 대응하는 시간 정보를 누적된 시간 정보에 추가하여 예상 시간 정보를 추출할 수 있다. 예상 시간 정보 추출부(1162)는 누적된 시간 정보를 초기의 예상 시간 정보로 설정하고, 적어도 하나의 주기 각각에 대응하는 시간 정보를 초기의 예상 시간 정보에 추가하여 예상 시간 정보를 갱신할 수 있다.

차원 변환부(1163)는 예상 시간 정보가 갱신될 때마다, 갱신된 예상 시간 정보에 대응하는 입력 벡터의 차원이 감소하도록 입력 벡터를 변환한다. 이 때, 차원 변환부(1163)는 입력 벡터를 변환하기 위하여 PCA 또는 LDA 등의 기법을 이용할 수 있다.

학습기(1171)는 차원 변환부(1163)에서 변환된 입력 벡터를 입력으로 수신하고, 미리 결정된 학습 정보에 대응하는 파라미터를 이용하여 예상 시간 정보 추출부(1162)에서 갱신된 예상 시간 정보에 대응하는 배터리(1110)의 용량을 추정한다. 이 때, 학습기(1171)는 파라미터 저장부(1172)로부터 미리 결정된 학습 정보를 수신할 수 있다. 여기서, 학습기는 뉴럴 네트워크, 히든 마르코프 모델, 베이지안 네트워크, SVM 및 DT 중 하나를 포함할 수 있다.

파라미터 저장부(1172)는 통신 인터페이스(1181)를 이용하여 외부로부터 미리 결정된 학습 정보를 수신한다. 일 실시예에서, 학습기(1171)는 트레이닝 데이터 및 기준 정보에 기초하여 미리 학습 정보에 대응하는 최적의 파라미터를 학습할 수 있고, 학습한 최적의 파라미터를 파라미터 저장부(1172)에 저장할 수 있다. 여기서, 기준 정보는 배터리의 수명 종료 시점을 추정하기 위한 기준이 되는 상태 정보로서, 예를 들어, 실제 수명 또는 미리 저장된 배터리 데이터로부터 추출된 배터리 수명을 포함할 수 있다. 파라미터 저장부(1172)는 저장한 최적의 파라미터를 학습기(1171)에 제공할 수 있다.

예상 시간 정보 추출부(1162)는 최장 주기에서 최단 주기의 순서로 적어도 하나의 주기 각각에 대응하는 시간 정보를 예상 시간 정보에 추가하여 예상 시간 정보를 갱신할 때마다, 차원 변환부(1163) 및 학습기(1171)를 이용하여 배터리(1110)의 용량을 예측하고, 적어도 하나의 주기마다, 추정된 배터리의 용량이 배터리의 최초 용량의 0.8배보다 작아질 때까지, 해당 주기에 대응하는 시간 정보를 예상 시간 정보에 추가하여 예상 시간 정보를 갱신한다. 예를 들어, 예상 시간 정보에 1일의 주기에 대응하는 시간 정보가 3번 추가될 때 추정된 배터리의 용량이 배터리의 최초 용량의 0.81배이고, 1일의 주기에 대응하는 시간 정보가 4번 추가될 때 추정된 배터리의 용량이 배터리의 최초 용량의 0.79배일 경우, 예상 시간 정보 추출부(1162)는 1일의 주기에 대응하는 시간 정보를 3번 추가하여 예상 시간 정보를 갱신할 수 있다.

또한, 예상 시간 정보 추출부(1162)는 누적부(1142)에서 누적된 시간 정보에 추가된 시간 정보에 대응하는 기간을 합산하여 배터리(1110)의 수명 종료 시점을 추출할 수 있다. 예를 들어, 예상 시간 정보 추출부(1162)에서 추출된 예상 시간 정보가 누적부(1142)에서 누적된 시간 정보에 1년의 주기에 대응하는 시간 정보가 3번, 1개월의 주기에 대응하는 시간 정보가 4번, 1일의 주기에 대응하는 시간 정보가 3번 추가되어 생성될 경우, 예상 시간 정보 추출부(1162)는 배터리(1110)의 수명 종료 시점을 현재로부터 3년 4개월 3일 후로 추출할 수 있다.

일 실시예에서, 예상 시간 정보 추출부(1162)는 추출한 배터리(1110)의 수명 종료 시점을 외부에 전송할 수 있다.

도 12는 일 실시예에 따른 센싱 데이터의 분할 및 분할된 구간에 대응하는 시간 정보의 누적을 설명하기 위한 도면이다.

도 12를 참조하면, 그래프(1210, 1220, 1230)는 각각 50분동안 배터리를 센싱한 전압 데이터(1211), 전류 데이터(1221) 및 온도 데이터(1231)를 예시적으로 나타낸다. 그래프(1210, 1220, 1230)의 가로축은 시간을 나타내고, 세로축은 각각 전압, 전류 및 온도의 크기를 나타낸다. 배터리 수명 추정 장치는 전압 데이터(1211), 전류 데이터(1221) 및 온도 데이터(1231)를 미리 정해진 구간으로 분할할 수 있다. 예를 들어, 배터리 수명 추정 장치는 전압 데이터(1211)를 0.1V 범위의 구간으로 분할할 수 있고, 전류 데이터(1221)를 1.7A 범위의 구간으로 분할할 수 있고, 온도 데이터(1231)를 0.4℃ 범위의 구간으로 분할할 수 있다.

배터리 수명 추정 장치는 분할된 구간에 대응하는 시간 정보를 누적할 수 있다. 배터리 수명 추정 장치는 전압 데이터(1211), 전류 데이터(1221) 및 온도 데이터(1231) 각각에 대하여, 분할된 구간에 따라 누적된 시간 정보를 나타내는 히스토그램(1250, 1260, 1270)을 생성할 수 있다.

예를 들어, 그래프(1210)에서, 전압 데이터(1211)가 3.4V 내지 4.2V의 범위에서 반복되는 것을 확인할 수 있다. 이에 따라, 전압 데이터(1211)에 대한 히스토그램(1250)의 경우, 3.4V 내지 4.2V의 범위의 8개 구간에서 누적된 시간이 유사할 수 있다.

또한, 그래프(1220)에서, 전류 데이터(1221)가 대부분의 시간동안 -0.4A 내지 1.3A의 범위의 전류값을 갖는 것을 확인할 수 있다. 이에 따라, 전류 데이터(1221)에 대한 히스토그램(1260)의 경우, -0.4A 내지 1.3A의 범위의 구간에서 가장 많은 시간이 누적될 수 있다.

또한, 그래프(1230)에서, 온도 데이터(1231)가 대부분의 시간동안 25.9℃ 내지 26.7℃ 범위의 온도값을 갖는 것을 확인할 수 있다. 이에 따라, 온도 데이터(1231)에 대한 히스토그램(1270)의 경우, 25.9℃ 내지 26.3℃ 범위의 구간 및 26.3℃ 내지 26.7℃ 범위의 구간에서 많은 시간이 누적될 수 있다.

도 13은 일 실시예에 따른 적어도 하나의 주기에 대응하는 시간 정보를 설명하기 위한 도면이다.

도 13을 참조하면, 도 13의 표는 적어도 하나의 주기에 따른 시간 정보를 예시적으로 나타낸다. 표의 가로축은 적어도 하나의 주기(1일, 1주, 1개월, 6개월, 1년)을 나타내고, 세로축은 전압 구간, 전류 구간 및 온도 구간을 나타낸다. 예를 들어, V1은 4.1V 내지 4.2V 범위의 구간, V2는 4.0V 내지 4.1V 범위의 구간, Vn은 3.2V 내지 3.3V 범위의 구간을 나타낼 수 있다.

배터리 수명 추정 장치는 배터리에 대한 센싱 데이터를 미리 정해진 구간으로 분할하고, 분할된 구간에 대응하는 시간 정보를 누적하고, 누적된 시간 정보로부터 적어도 하나의 주기에 대응하는 시간 정보를 추출할 수 있다. 일 실시예에서, 배터리 수명 추정 장치는 도 13의 표를 벡터의 형태로 저장할 수 있다. 배터리 수명 추정 장치는 누적된 시간 정보, 도 13의 표와 같은 적어도 하나의 주기에 대응하는 시간 정보 및 미리 정해진 학습 정보를 기초로, 배터리의 사용에 따른 누적된 시간 정보의 변화를 예측하여 예상 시간 정보를 추출하고, 예상 시간 정보를 기초로 상기 배터리의 수명 종료 시점을 추정할 수 있다.

도 14는 일 실시예에 따른 배터리의 수명 추정을 설명하기 위한 도면이다.

도 14를 참조하면, 그래프 (a)는 100시간의 주기에 대응하는 시간 정보 및 예상 시간 정보를 예시적으로 나타낸다. 그래프 (a)의 가로축은 시간을 나타낸다.

배터리 수명 추정 장치는 배터리에 대한 센싱 데이터를 미리 정해진 구간으로 분할하고, 분할된 구간에 대응하는 시간 정보를 누적하고, 누적된 시간 정보(1412)로부터 100시간의 주기에 대응하는 시간 정보를 추출할 수 있다.

배터리 수명 추정 장치는 100시간의 주기에 대응하는 시간 정보(1411)를 누적된 시간 정보(1412)에 추가하여 예상 시간 정보를 갱신할 수 있다. 배터리 수명 추정 장치는 예상 시간 정보가 갱신될 때마다, 갱신된 예상 시간 정보 및 미리 정해진 학습 정보를 학습기에 입력하여 배터리의 용량을 추정할 수 있다. 이 때, 배터리 수명 추정 장치는 추정된 배터리의 용량이 배터리의 최초 용량의 0.8배보다 작아지기 전까지 100시간이 주기에 대응하는 시간 정보(1411)를 예상 시간 정보에 추가하여 예상 시간 정보를 갱신할 수 있다. 도 14의 예에서, 배터리 수명 추정 장치는 100시간이 주기에 대응하는 시간 정보(1411)를 누적된 시간 정보(1412)에 4번 추가하여 예상 시간 정보를 생성할 수 있다.

그래프 (b)는 예상 시간 구간의 갱신에 따라 추정되는 배터리의 용량을 예시적으로 나타낸다. 그래프 (b)의 가로축은 시간을 나타내고, 세로축은 배터리의 용량을 나타낸다. 앞서 설명한 바와 같이, 배터리 수명 추정 장치는 예상 시간 구간을 갱신할 때마다 배터리의 용량을 추정할 수 있다. 그래프 (a)에서 100시간의 주기에 대응하는 시간 정보를 추가하여 예상 시간 구간을 갱신함에 따라, 추정된 배터리의 용량(1441)은 실제 배터리의 용량(1431)과 유사한 추세를 나타낼 수 있다.

도 15는 일 실시예에 따른 사용자 인터페이스를 설명하기 위한 도면이다.

도 15를 참조하면, 배터리 제어 장치는 외부로부터 트리거(trigger) 신호를 수신하고 트리거 신호의 수신에 응답하여 배터리에 대한 센싱 데이터를 획득할 수 있다. 이에 따라, 배터리 제어 장치는 배터리가 부분 충방전을 수행하는 경우에도 실시간으로 배터리의 수명 종료 시점을 추정할 수 있다. 예를 들어, 전자 제어 장치(ECU)는 배터리 및 배터리 제어 장치가 장착된 전기 자동차의 시동이 온(on) 상태일 때, 계기판에 사용자 인터페이스(1510)를 디스플레이할 수 있다. 사용자 인터페이스(1510)는 트리거 신호를 생성하기 위한 인터페이스(1520)를 포함할 수 있다. 사용자로부터 인터페이스(1520)가 선택된 경우, 전자 제어 장치(ECU)는 배터리 제어 장치에 트리거 신호를 전송할 수 있다. 배터리 제어 장치는 배터리에 대한 센싱 데이터를 미리 정해진 구간으로 분할하고, 분할된 구간에 대응하는 시간 정보를 누적하고, 누적된 시간 정보로부터, 적어도 하나의 주기에 대응하는 시간 정보를 추출할 수 있다. 또한, 배터리 제어 장치는 누적된 시간 정보, 적어도 하나의 주기에 대응하는 시간 정보 및 미리 정해진 학습 정보를 기초로, 배터리의 사용에 따른 누적된 시간 정보의 변화를 예측하여 예상 시간 정보를 추출하고, 예상 시간 정보를 기초로 배터리의 수명 종료 시점을 추정할 수 있다.

일 실시예에서, 배터리 제어 장치는 추정한 배터리의 수명 종료 시점을 전자 제어 장치(ECU)에 전송할 있고, 전자 제어 장치(ECU)는 배터리 제어 장치로부터 수신한 배터리의 수명 종료 시점을 디스플레이할 수 있다.

도 16은 일 실시예에 따른 배터리 수명 정보를 제공하기 위한 사용자 인터페이스를 설명하기 위한 도면이다.

도 16을 참조하면, 전기 자동차(1610)는 배터리 시스템(1620)을 포함할 수 있다. 배터리 시스템(1620)은 배터리(1630) 및 배터리 제어 장치(1640)를 포함할 수 있다. 배터리 제어 장치(1640)는 배터리(1630)의 수명 종료 시점을 추출한 후 무선 인터페이스를 이용하여 단말(1650)에 배터리(1630)의 수명 종료 시점을 전송할 수 있다.

일 실시예에서, 배터리 제어 장치(1640)는 무선 인터페이스를 통하여 단말(1650)로부터 트리거 신호를 수신할 수 있고, 트리거 신호의 수신에 응답하여 배터리(1630)의 수명 종료 시점을 추정할 수 있다. 배터리 제어 장치(1640)는 추출한 수명 종료 시점(1661)를 무선 인터페이스를 이용하여 단말(1650)에 전송할 수 있다. 단말(1650)은 사용자 인터페이스(1660)를 이용하여 배터리(1610)의 수명 종료 시점(1661)을 디스플레이할 수 있다.

도 17은 일 실시예에 따른 배터리 수명 추정 방법을 나타낸 동작 흐름도이다.

도 17을 참조하면, 배터리 수명 추정 장치는 배터리에 대한 센싱 데이터를 미리 정해진 구간으로 분할할 수 있다(1710).

또한, 배터리 수명 추정 장치는 분할된 구간에 대응하는 시간 정보를 누적할 수 있다(1720).

또한, 배터리 수명 추정 장치는 누적된 시간 정보로부터, 적어도 하나의 주기에 대응하는 시간 정보를 추출할 수 있다(1730).

또한, 배터리 수명 추정 장치는 누적된 시간 정보, 적어도 하나의 주기에 대응하는 시간 정보 및 미리 정해진 학습 정보를 기초로, 배터리의 사용에 따른 누적된 시간 정보의 변화를 예측하여 예상 시간 정보를 추출할 수 있다(1740).

또한, 배터리 수명 추정 장치는 예상 시간 정보를 기초로 배터리의 수명 종료 시점을 추정할 수 있다(1750).

도 17에 도시된 일 실시예에 따른 배터리 수명 추정 방법에는 도 1 내지 도 16을 통해 설명된 내용이 그대로 적용될 수 있으므로, 보다 상세한 설명은 생략한다.

도 18은 다른 일 실시예에 따른 배터리 수명 추정 방법을 나타낸 동작 흐름도이다.

도 18을 참조하면, 배터리 수명 추정 장치는 배터리에 대한 트레이닝 데이터를 획득할 수 있다(1810).

또한, 배터리 수명 추정 장치는 트레이닝 데이터를 미리 정해진 구간으로 분할하고, 분할된 구간에 대응하는 트레이닝 시간 정보를 누적할 수 있다(1820).

또한, 배터리 수명 추정 장치는 누적된 트레이닝 시간 정보 및 기준 정보에 기초하여 배터리의 수명 종료 시점을 추정하기 위한 학습 정보를 결정할 수 있다(1830).

또한, 배터리 수명 추정 장치는 배터리에 대한 센싱 데이터를 미리 정해진 구간으로 분할하고, 분할된 구간에 대응하는 시간 정보를 누적할 수 있다(1840).

또한, 배터리 수명 추정 장치는 누적된 시간 정보로부터 적어도 하나의 주기에 대응하는 시간 정보를 추출할 수 있다(1850).

또한, 배터리 수명 추정 장치는 누적된 시간 정보, 적어도 하나의 주기에 대응하는 시간 정보 및 결정된 학습 정보를 기초로, 배터리의 사용에 따른 누적된 시간 정보의 변화를 예측하여 예상 시간 정보를 추출할 수 있다(1860).

또한, 배터리 수명 추정 장치는 예상 시간 정보를 기초로 배터리의 수명 종료 시점을 추정할 수 있다(1870).

도 18에 도시된 다른 일 실시예에 따른 배터리 수명 추정 방법에는 도 1 내지 도 16을 통해 설명된 내용이 그대로 적용될 수 있으므로, 보다 상세한 설명은 생략한다.

이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPA(field programmable array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.

소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.

실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.

이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.

그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims

배터리에 대한 센싱 데이터를 미리 정해진 구간으로 분할하고, 상기 분할된 구간에 대응하는 시간 정보를 누적하는 시간 정보 누적부;
상기 누적된 시간 정보로부터, 적어도 하나의 주기에 대응하는 시간 정보를 추출하는 시간 정보 추출부; 및
상기 누적된 시간 정보, 상기 적어도 하나의 주기에 대응하는 시간 정보 및 미리 정해진 학습 정보를 기초로, 상기 배터리의 사용에 따른 상기 누적된 시간 정보의 변화를 예상하여 예상 시간 정보를 추출하고, 상기 예상 시간 정보를 기초로 상기 배터리의 수명 종료 시점(End Of Life: EOL)을 추정하는 수명 추정부
를 포함하는,
배터리 수명 추정 장치.
제1항에 있어서,
상기 시간 정보 누적부는,
상기 배터리의 전압 신호, 전류 신호 또는 온도 신호 중 적어도 하나를 실시간으로 측정하는,
배터리 수명 추정 장치.
제1항에 있어서,
상기 시간 정보 추출부는,
상기 배터리의 사용 이력을 고려하여 상기 적어도 하나의 주기를 설정하는,
배터리 수명 추정 장치.
제1항에 있어서,
상기 배터리의 전류 신호로부터 상기 배터리가 충전 또는 방전 중인지 여부를 판단하는 충방전 판단부
를 더 포함하는,
배터리 수명 추정 장치.
제1항에 있어서,
상기 수명 추정부는,
상기 적어도 하나의 주기 중 최장 주기부터 최단 주기의 순서로, 상기 적어도 하나의 주기 각각에 대응하는 시간 정보를 상기 누적된 시간 정보에 추가하여 상기 예상 시간 정보를 추출하는,
배터리 수명 추정 장치.
제1항에 있어서,
상기 수명 추정부는,
상기 적어도 하나의 주기 각각에 대응하는 시간 정보가 복수개인 경우, 상기 적어도 하나의 주기 각각에 대응하는 복수개의 시간 정보 중 최근에 센싱된 센싱 데이터에 기반한 시간 정보를 이용하여 상기 예상 시간 정보를 추출하는,
배터리 수명 추정 장치.
제5항에 있어서,
상기 수명 추정부는,
상기 누적된 시간 정보를 상기 예상 시간 정보로 설정하고,
상기 적어도 하나의 주기 각각에 대응하는 시간 정보를 상기 예상 시간 정보에 추가하여 상기 예상 시간 정보를 갱신하는,
배터리 수명 추정 장치.
제7항에 있어서,
상기 수명 추정부는,
상기 예상 시간 정보가 갱신될 때마다, 상기 갱신된 예상 시간 정보 및 상기 미리 정해진 학습 정보를 기초로 상기 배터리의 수명을 추정하고,
상기 적어도 하나의 주기마다, 상기 예상된 배터리의 수명이 종료되지 않을 때까지 해당 주기에 대응하는 시간 정보를 상기 예상 시간 정보에 추가하여 상기 예상 시간 정보를 갱신하는,
배터리 수명 추정 장치.
제8항에 있어서,
상기 수명 추정부는,
상기 최장 주기인 첫번째 주기부터 n-1번째 주기 각각에 대응하는 시간 정보가 추가된 상기 예상 시간 정보에 n번째 주기에 대응하는 시간 정보를 상기 예상된 배터리의 수명이 종료되지 않을 때까지 추가하는,
배터리 수명 추정 장치.
제5항에 있어서,
상기 수명 추정부는,
상기 누적된 시간 정보에 추가된 시간 정보에 대응하는 기간을 합산하여 상기 배터리의 수명 종료 시점을 추출하는,
배터리 수명 추정 장치.
제8항에 있어서,
상기 수명 추정부는,
상기 갱신된 예상 시간 정보 및 상기 미리 정해진 학습 정보에 기초하여 상기 배터리의 용량을 추정하고, 상기 배터리의 용량을 기초로 상기 배터리의 수명을 추정하는,
배터리 수명 추정 장치.
제11항에 있어서,
상기 수명 추정부는,
상기 추정된 배터리의 용량이 상기 배터리의 최초 용량의 0.8배보다 작을 경우, 상기 배터리의 수명이 종료된 것으로 판단하는,
배터리 수명 추정 장치.
제11항에 있어서,
상기 예상 시간 정보에 대응하는 입력 벡터의 차원이 감소하도록 상기 입력 벡터를 변환하는 차원 변환부
를 더 포함하고,
상기 수명 추정부는,
상기 변환된 입력 벡터 및 상기 미리 정해진 학습 정보에 기초하여 상기 배터리의 용량을 추정하는,
배터리 수명 추정 장치.
제13항에 있어서,
상기 수명 추정부는,
상기 변환된 입력 벡터 및 상기 미리 정해진 학습 정보를 학습기에 입력하여, 상기 최장 주기부터 상기 최단 주기 순으로 상기 배터리의 용량을 추정하는,
배터리 수명 추정 장치.
제14항에 있어서,
상기 학습기는,
뉴럴 네트워크(Neural Network), 히든 마르코프 모델(Hidden Markov Model), 베이지안 네트워크(Beyesian Network), SVM(Support Vector Machine), 및 DT(Decision Tree) 중 하나를 포함하는,
배터리 수명 추정 장치.
제1항에 있어서,
상기 수명 추정부는,
통신 인터페이스를 이용하여 상기 미리 정해진 학습 정보를 외부로부터 수신하는,
배터리 수명 추정 장치.
배터리에 대한 트레이닝 데이터를 획득하는 트레이닝 데이터 획득부;
상기 트레이닝 데이터를 미리 정해진 구간으로 분할하고, 상기 분할된 구간에 대응하는 트레이닝 시간 정보를 누적하는 트레이닝 시간 정보 누적부;
상기 누적된 트레이닝 시간 정보 및 기준 정보에 기초하여 상기 배터리의 수명 종료 시점을 추정하기 위한 학습 정보를 결정하는 학습 정보 결정부;
상기 배터리에 대한 센싱 데이터를 미리 정해진 구간으로 분할하고, 상기 분할된 구간에 대응하는 시간 정보를 누적하는 시간 정보 누적부;
상기 누적된 시간 정보로부터 적어도 하나의 주기에 대응하는 시간 정보를 추출하는 시간 정보 추출부; 및
상기 누적된 시간 정보, 상기 적어도 하나의 주기에 대응하는 시간 정보 및 상기 결정된 학습 정보를 기초로, 상기 배터리의 사용에 따른 상기 누적된 시간 정보의 변화를 예상하여 예상 시간 정보를 추출하고, 상기 예상 시간 정보를 기초로 상기 배터리의 수명 종료 시점을 추정하는 수명 추정부
를 포함하는,
배터리 수명 추정 장치.
제17항에 있어서,
상기 트레이닝 데이터 획득부는,
상기 배터리의 전압 신호, 전류 신호 또는 온도 신호 중 적어도 하나를 실시간으로 측정하는,
배터리 수명 추정 장치.
제17항에 있어서,
상기 트레이닝 데이터 획득부는,
미리 저장된 배터리 데이터로부터 샘플 배터리 정보를 수집하는,
배터리 수명 추정 장치.
제19항에 있어서,
상기 학습 정보 결정부는,
상기 누적된 시간 정보 및 상기 기준 정보를 학습기에 입력하여 상기 학습 정보에 대응하는 파라미터를 학습하는,
배터리 정보 추정 장치.
제20항에 있어서,
상기 학습기는,
뉴럴 네트워크, 히든 마르코프 모델, 베이지안 네트워크, SVM, 및 DT 중 하나를 포함하는,
배터리 수명 추정 장치.
제17항에 있어서,
상기 학습 정보 결정부는,
통신 인터페이스를 이용하여 외부에 상기 학습 정보를 전송하는,
배터리 수명 추정 장치.
배터리에 대한 센싱 데이터를 미리 정해진 구간으로 분할하는 단계;
상기 분할된 구간에 대응하는 시간 정보를 누적하는 단계;
상기 누적된 시간 정보로부터, 적어도 하나의 주기에 대응하는 시간 정보를 추출하는 단계;
상기 누적된 시간 정보, 상기 적어도 하나의 주기에 대응하는 시간 정보 및 미리 정해진 학습 정보를 기초로, 상기 배터리의 사용에 따른 상기 누적된 시간 정보의 변화를 예상하여 예상 시간 정보를 추출하는 단계; 및
상기 예상 시간 정보를 기초로 상기 배터리의 수명 종료 시점(End Of Life: EOL)을 추정하는 단계
를 포함하는,
배터리 수명 추정 방법.
배터리에 대한 트레이닝 데이터를 획득하는 단계;
상기 트레이닝 데이터를 미리 정해진 구간으로 분할하고, 상기 분할된 구간에 대응하는 트레이닝 시간 정보를 누적하는 단계;
상기 누적된 트레이닝 시간 정보 및 기준 정보에 기초하여 상기 배터리의 수명 종료 시점을 추정하기 위한 학습 정보를 결정하는 단계;
상기 배터리에 대한 센싱 데이터를 미리 정해진 구간으로 분할하고, 상기 분할된 구간에 대응하는 시간 정보를 누적하는 단계;
상기 누적된 시간 정보로부터 적어도 하나의 주기에 대응하는 시간 정보를 추출하는 단계;
상기 누적된 시간 정보, 상기 적어도 하나의 주기에 대응하는 시간 정보 및 상기 결정된 학습 정보를 기초로, 상기 배터리의 사용에 따른 상기 누적된 시간 정보의 변화를 예상하여 예상 시간 정보를 추출하는 단계; 및
상기 예상 시간 정보를 기초로 상기 배터리의 수명 종료 시점을 추정하는 단계
를 포함하는,
배터리 수명 추정 방법.
제23항 및 제24항의 방법을 수행하기 위한 프로그램이 기록된 컴퓨터로 판독 가능한 기록 매체.