KR20160146032A - 배터리의 상태를 추정하는 장치 및 방법 - Google Patents

배터리의 상태를 추정하는 장치 및 방법 Download PDF

Info

Publication number
KR20160146032A
KR20160146032A KR1020150082555A KR20150082555A KR20160146032A KR 20160146032 A KR20160146032 A KR 20160146032A KR 1020150082555 A KR1020150082555 A KR 1020150082555A KR 20150082555 A KR20150082555 A KR 20150082555A KR 20160146032 A KR20160146032 A KR 20160146032A
Authority
KR
South Korea
Prior art keywords
battery
module
state
data
pack
Prior art date
Application number
KR1020150082555A
Other languages
English (en)
Other versions
KR102424528B1 (ko
Inventor
박상도
유개원
Original Assignee
삼성전자주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR1020150082555A priority Critical patent/KR102424528B1/ko
Priority to US15/007,861 priority patent/US10422837B2/en
Priority to CN201610223932.1A priority patent/CN106249152B/zh
Priority to EP16165050.2A priority patent/EP3109656B1/en
Priority to JP2016115282A priority patent/JP6757602B2/ja
Publication of KR20160146032A publication Critical patent/KR20160146032A/ko
Application granted granted Critical
Publication of KR102424528B1 publication Critical patent/KR102424528B1/ko

Links

Images

Classifications

    • G01R31/3606—
    • 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
    • G01R31/3658—
    • 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
    • G01R31/3679—
    • 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]
    • G01R31/392—Determining battery ageing or deterioration, e.g. state of health
    • G—PHYSICS
    • G08—SIGNALLING
    • G08C—TRANSMISSION SYSTEMS FOR MEASURED VALUES, CONTROL OR SIMILAR SIGNALS
    • G08C19/00—Electric signal transmission systems
    • G08C19/02—Electric signal transmission systems in which the signal transmitted is magnitude of current or voltage

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Secondary Cells (AREA)
  • Tests Of Electric Status Of Batteries (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

배터리의 상태를 추정하는 장치 및 방법이 제공된다. 일 실시예에 따른 배터리의 상태를 추정하는 장치는, 복수의 배터리 셀을 포함하는 배터리 팩을 단일 배터리 셀로 단순화함으로써, 전체 배터리 팩에 대한 팩 상태를 추정할 수 있다.

Description

배터리의 상태를 추정하는 장치 및 방법{METHOD AND DEVICE TO ESTIMATE STATE OF BATTERY}
이하, 배터리의 상태를 추정하는 장치 및 방법이 제공된다.
많은 전자 기기들은 기기의 동작 동안 반복적으로 충전되는 이차 전지와 같은 배터리가 탑재된다. 이차 전지가 방전 및 충전되는 횟수가 증가할 수록, 배터리의 캐퍼시티(capacity)가 점진적으로 감소될 수 있다. 각 충전 사이클과 함께, 전자 기기에 대한 배터리 수명이 짧아진다. 배터리 수명이 줄어듦에 따라 많은 충전 및 방전 사이클 후에 초기 배터리 캐퍼시티(capacity)가 보장될 수 없다. 배터리 캐퍼시티에서 지속적인 감소와 함께, 전자 기기의 파워, 운용 시간, 및 안정성이 절충될 수 있고, 결국 배터리는 교체 배터리로 교체되어야 할 수 있다.
예를 들어, 이러한 배터리를 교체하기 위해 예상되는 시간을 판단하기 위하여, 배터리의 SOH(state of health)를 추정할 수 있다.
일 실시예에 따르면 배터리의 상태를 추정하는 장치는 배터리 팩에 포함된 배터리 모듈로부터, 상기 배터리 모듈과 연관된 모듈 데이터를 수신하는 데이터 수신부(data receiver); 및 상기 수신된 모듈 데이터로부터 상기 배터리 모듈에 포함된 배터리 셀에 대응하는 셀 데이터를 획득하고, 상기 셀 데이터에 기초하여 상기 배터리 모듈과 연관된 모듈 상태를 결정하는 프로세서(processor)를 포함할 수 있다.
상기 프로세서는, 상기 모듈 상태에 기초하여 상기 배터리 팩과 연관된 팩 상태를 결정할 수 있다.
상기 배터리 팩은 복수의 배터리 모듈을 포함하고, 상기 프로세서는, 상기 복수의 배터리 모듈의 각각에 대한 모듈 상태의 통계 값(statistical value)을 산출함으로써 상기 팩 상태를 결정할 수 있다..
상기 프로세서는, 상기 배터리 팩이 전기 자동차에 장착된 경우에 응답하여, 상기 모듈 상태의 최소값을 산출하여 상기 팩 상태를 결정할 수 있다.
상기 프로세서는, 상기 배터리 모듈에 포함된 서로 병렬로 연결된 배터리 셀의 개수에 기초하여 상기 모듈 데이터를 변환하여 상기 셀 데이터를 획득할 수 있다.
상기 프로세서는, 상기 모듈 데이터 중 전압 신호 및 온도 신호는 유지하고, 전류 신호는 상기 배터리 셀의 개수로 나누어 상기 셀 데이터를 획득할 수 있다.
장치는 상기 수신된 모듈 데이터를 전처리(pre-process)하고, 전처리된 결과를 상기 프로세서로 전달하는 전처리부(pre-processor)를 더 포함할 수 있다.
상기 모듈 데이터는, 상기 배터리 모듈에서 출력되는 전압 신호, 전류 신호, 및 상기 배터리 모듈의 온도 중 적어도 하나를 포함할 수 있다.
상기 프로세서는, 상기 모듈 상태에 기초하여 상기 배터리 팩의 배터리 수명을 추정하고, 상기 추정된 배터리 수명에 기초하여 상기 배터리 팩의 충전량을 결정할 수 있다.
장치는 상기 모듈 상태 및 상기 팩 상태 중 적어도 하나를 외부로 전송하는 데이터 송신부를 더 포함할 수 있다.
장치는 단일 배터리 셀에 대한 배터리 열화가 모델링된 배터리 열화 모델을 저장하는 메모리를 더 포함하고, 상기 프로세서는, 상기 단일 배터리 셀에 대한 배터리 열화 모델을 이용하여, 상기 수신된 모듈 데이터로부터 획득된 상기 셀 데이터로부터 상기 배터리 모듈과 연관된 상기 모듈 상태를 결정할 수 있다.
상기 배터리 팩은 서로 직렬로 연결된 복수의 배터리 모듈을 포함하고, 상기 복수의 배터리 모듈의 각각은 서로 병렬로 연결된 복수의 배터리 셀을 포함할 수 있다.
일 실시예에 따른 배터리의 상태를 추정하는 방법은 배터리 팩에 포함된 배터리 모듈로부터, 상기 배터리 모듈과 연관된 모듈 데이터를 수신하는 단계; 상기 수신된 모듈 데이터로부터 상기 배터리 모듈에 포함된 배터리 셀에 대응하는 셀 데이터를 획득하는 단계; 및 상기 셀 데이터에 기초하여 상기 배터리 모듈과 연관된 모듈 상태를 결정하는 단계를 포함할 수 있다.
방법은 상기 모듈 상태에 기초하여 상기 배터리 팩과 연관된 팩 상태를 결정하는 단계를 더 포함할 수 있다.
상기 팩 상태를 결정하는 단계는, 상기 배터리 팩에 포함된 복수의 배터리 모듈의 각각에 대한 모듈 상태의 통계 값(statistical value)을 산출함으로써 상기 팩 상태를 결정하는 단계를 포함할 수 있다.
상기 셀 데이터를 획득하는 단계는, 상기 배터리 모듈에 포함된 서로 병렬로 연결된 배터리 셀의 개수에 기초하여 상기 모듈 데이터를 상기 셀 데이터로 변환하는 단계를 포함할 수 있다.
일 실시예에 따른 nSmP 구조의 배터리 팩의 상태를 추정하는 장치는, 상기 nSmP 구조의 배터리 팩에서 복수의 1SmP 구조의 모듈의 각각에 대한 모듈 데이터를 수신하는 데이터 수신부; 및 상기 수신된 모듈 데이터를 이용하여, 상기 복수의 1SmP 구조의 모듈의 각각에 대응하는 셀 데이터를 획득하고, 상기 셀 데이터를 이용하여 상기 배터리 팩의 상태를 추정하는 프로세서를 포함할 수 있다.
상기 프로세서는, 상기 셀 데이터를 이용하여 상기 복수의 1SmP 구조의 모듈의 각각에 대해 모듈 상태를 추정하고, 상기 추정된 모듈 상태에 기초하여 상기 배터리 팩의 상태를 결정할 수 있다.
상기 프로세서는, 상기 1SmP 구조의 모듈의 각각에 포함된 서로 병렬로 연결된 배터리 셀의 개수 m에 기초하여 상기 모듈 데이터를 변환함으로써 상기 셀 데이터를 획득할 수 있다.
도 1은 일 실시예에 따른 배터리 상태 추정 시스템의 개괄적인 블럭도를 도시한다.
도 2는 일 실시예에 따른 배터리 팩의 개괄적인 구성을 도시한다.
도 3 및 도 4는 일 실시예에 따른 배터리 상태 추정 장치의 개괄적인 블럭도를 도시한다.
도 5는 일 실시예에 따른 배터리의 상태를 추정하는 전반적인 과정을 도시한다.
도 6은 일 실시예에 따른 배터리 상태 추정 방법을 도시한 흐름도이다.
도 7은 일 실시예에 따른 팩 상태를 결정하는 방법을 도시한 흐름도이다.
도 8은 일 실시예에 따른 배터리 상태 추정 과정의 예시를 도시한다.
도 9는 일 실시예에 따른 배터리 모듈의 모듈 상태를 추정하는 과정의 예시를 도시한다.
도 10은 일 실시예에 따른 모듈 데이터를 전처리하는 방법을 도시한 흐름도이다.
도 11은 다른 일 실시예에 따른 배터리 상태 추정 시스템의 블럭도를 도시한다.
도 12는 일 실시예에 따른 배터리 상태 추정의 정확도를 나타낸 그래프를 도시한다.
이하, 실시예들을 첨부된 도면을 참조하여 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, 복수 개의 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 일 실시예에 따른 배터리 상태 추정 시스템의 개괄적인 블럭도를 도시한다.
일 실시예에 따른 배터리 상태 추정 시스템(100)은 배터리 팩(110) 및 배터리 상태 추정 장치(120)를 포함한다.
배터리 팩(110)은 전력을 충전 및 방전할 수 있고, 충전된 전력을 기기(apparatus)로 공급할 수 있다. 기기는 배터리를 탑재하는 모든 전기 기기로서, 예를 들어, 전기 자동차, 하이브리드 자동차, 및 에너지 저장 시스템(ESS, Energy Storage System) 등을 포함할 수 있다. 배터리 팩(110)은 복수의 배터리 셀을 포함하는 배터리를 나타낼 수 있고, 일 실시예에 따른 배터리 팩(110)은 하기 도 2에서 상세히 설명한다.
배터리 상태 추정 장치(120)는 배터리 팩(110)의 상태를 추정할 수 있다. 배터리 상태 추정 장치(120)는 일 실시예에 따른 방법(예를 들어, 하기 도 6의 방법)을 수행하는 알고리즘이 구현된 소프트웨어를 실행하거나, 해당 알고리즘이 구현된 칩을 탑재할 수 있다. 예를 들어, 배터리 상태 추정 장치(120)는 전기 자동차와 같은 전기 기기에 장착될 수 있다. 다른 예를 들어, 전기 기기가 통신 기능이 있는 경우, 전기 기기와는 구별되는 원격 관리 서버가 배터리 상태 추정 장치(120)를 포함하고, 배터리 상태 추정 장치(120)가 원격으로 배터리 팩(110)의 데이터를 수신하여, 전기 기기에 포함된 배터리 팩(110)의 상태를 추정할 수도 잇다.
종래에는 전체 배터리 팩(110)과 배터리 셀을 분리하여 배터리 셀의 상태를 추정함으로써, 전기 기기의 통상적인 동작에 대한 배터리 팩(110)의 가용 출력이 이전보다 감소하고, 이를 해소하기 위해 큰 용량의 배터리 셀을 탑재할 경우 비용이 상승할 수 있다. 또한, 분리된 배터리 셀에 대한 상태를 추정하기 위해서는 전기 기기의 동작과 무관한 별도의 충전부(charger) 내지 방전부(discharger)가 필수적으로 요구되어 비용이 상승할 수 있다. 더 나아가, 분리된 배터리 셀이 배터리 팩(110)을 구성하는 다른 배터리 셀들과 서로 상이한 에이징 이력(aging history)를 갖게 되고, 이러한 배터리간 불균형은 전체 배터리 팩(110)의 성능 저하를 초래할 수 있다. 다른 종래 기술로서, 배터리 셀에 대해 학습 모델을 생성하는 방식이 있으나, 배터리 셀은 배터리 팩(110)과 특성이 상이하여 그대로 적용되기 어렵고, 배터리 팩(110)에 대해서 직접 학습 모델을 생성하기 위해서는 대량의 학습 데이터가 요구될 수 있으며, 배터리 팩(110)의 구성이 변경될 경우 새로운 학습 프로세스가 수행될 필요가 있다.
이와 달리, 일 실시예에 따른 배터리 상태 추정 장치(120)는 배터리 팩(110)에 필요 이상의 용량을 가지는 배터리 셀을 탑재할 필요가 없고, 배터리 팩(110)의 상태를 측정하기 위한 고비용의 추가 유닛이 필요하지 않으며, 전기 기기의 배터리 운용을 방해하지 않고, 대량의 학습 데이터를 생성할 필요 없으며, 배터리 팩(110)의 구성이 변경되어도 추가 학습 프로세스가 최소화되어, 배터리 팩(110)의 상태를 추정할 수 있다.
이하, 본 명세서에서, 배터리의 상태, 배터리 모듈의 모듈 상태, 및 배터리 팩의 팩 상태 등은 상태 정보는 배터리, 배터리 모듈, 및 배터리 팩의 수명과 연관된 정보 등을 포함할 수 있다. 예를 들어, 배터리의 수명과 연관된 정보는 SOH(State of Health), SOC(State of Charge), 및 잔존수명(RUL, Remaining Useful Life) 등으로 나타낼 수 있다. 예를 들어, SOH는 배터리의 초기 캐퍼시티(capacity) 대비 현재 캐퍼시티(capacity)의 비율로 표현될 수 있으나, 이로 한정하는 것은 아니고 다양한 방식으로 표현될 수 있다. 이하, 본 명세서에서는 상태, 모듈 상태, 및 팩 상태의 예시로서, 배터리, 배터리 모듈, 및 배터리 팩의 SOH를 기준으로 설명하지만, 이로 한정하는 것은 아니다.
도 2는 일 실시예에 따른 배터리 팩의 개괄적인 구성을 도시한다.
일 실시예에 따르면 배터리 팩(200)은 서로 직렬로 연결된 복수의 배터리 모듈을 포함하고, 복수의 배터리 모듈의 각각은 서로 병렬로 연결된 복수의 배터리 셀을 포함할 수 있다. 예를 들어, 배터리 팩(200)은 nSmP 구조로 구성될 수 있다.
본 명세서에서, nSmP 구조의 배터리 팩(200)은 n개(여기서, n은 1 이상의 정수)의 배터리 모듈을 직렬(serial)로 연결하고, n개의 배터리 모듈의 각각은 병렬(parallel)로 연결된 m개(여기서, m은 1 이상의 정수)의 배터리 셀을 포함하는 구조를 가진다. 예를 들어, 도 2를 참조하면, 도 2의 배터리 팩(200)에서 배터리 셀들(211, 212, 213, 214, 215)이 병렬로 연결되어 배터리 모듈(210)을 형성하고, 이와 유사하게 나머지 배터리 모듈들(220, 230)을 형성한다. 그리고, 예시적으로 도 2에서는 3개의 배터리 모듈들(210, 220, 230)이 직렬로 연결되어 3S5P 구조(즉, n은 3, m은 5인 예시)의 배터리 팩(200)을 형성한다.
또한, 배터리 모듈의 각각에 대한 모듈 데이터를 측정하기 위한 센서(240)가 배터리 팩(200)의 내부 또는 외부에 장착될 수 있다. 도 2에서는 하나의 센서(240)가 배터리 모듈들(210, 220, 230)에 연결되어, 각각의 배터리 모듈로부터 모듈 데이터를 측정하는 것으로 도시되었으나, 이로 한정하는 것은 아니고, 센서(240)가 복수로 구성되어 센서(240)의 각각이 배터리 모듈의 각각에 대한 모듈 데이터를 측정할 수도 있다. 모듈 데이터는 배터리 모듈과 연관(associate)된 데이터로서, 예를 들어 배터리 모듈에서 출력되는 전압 신호, 전류 신호, 및 배터리 모듈의 온도 등의 데이터를 포함할 수 있다. 센서(240)는 측정한 모듈 데이터를 배터리 상태 추정 장치로 전달할 수 있다.
예를 들어, 센서(240)는 배터리 팩(200)에 포함된 배터리 모듈에 대한 모듈 데이터를 1Hz 이상의 센싱 주기를 통해 1초에 1회 이상 측정할 수 있다. 센서(240)의 측정 단위는 전압에 대해 V, 전류에 대해 A, 온도에 대해 ℃가 사용될 수 있다.
도 3 및 도 4는 일 실시예에 따른 배터리 상태 추정 장치의 개괄적인 블럭도를 도시한다.
도 3에 도시된 바와 같이 배터리 상태 추정 장치(300)는 데이터 수신부(310) 및 프로세서(320)를 포함한다.
데이터 수신부(310)는 배터리 팩에 포함된 배터리 모듈로부터, 배터리 모듈과 연관된 모듈 데이터를 수신한다. 데이터 수신부(310)는 nSmP 구조의 배터리 팩에서 복수의 1SmP 구조의 배터리 모듈의 각각에 대한 모듈 데이터를 수신할 수 있다. 예를 들어, 데이터 수신부(310)는 배터리 팩으로부터 데이터 인터페이스를 통해 직접 모듈 데이터를 수신하거나, 통신부를 통해 유선 또는 무선으로 모듈 데이터를 수신할 수 있다.
프로세서(320)는 수신된 모듈 데이터로부터 배터리 모듈에 포함된 배터리 셀에 대응하는 셀 데이터를 획득하고, 셀 데이터에 기초하여 배터리 모듈과 연관된 모듈 상태를 결정할 수 있다. 예를 들어, 프로세서(320)는 수신된 모듈 데이터를 이용하여, 복수의 1SmP 구조의 모듈의 각각에 대응하는 셀 데이터를 획득하고, 셀 데이터를 이용하여 배터리 팩의 상태를 추정할 수 있다.
셀 데이터는 배터리 모듈에 포함된 배터리 셀에 대응하는 데이터로서, 예를 들어, 배터리 모듈 내에 포함된 배터리 셀들은 동일한 전압, 전류 및 온도를 가지는 것으로 가정하면, 배터리 모듈에 대응하는 배터리 셀은 배터리 모듈과 동일한 전압 및 동일한 온도를 가지고, 배터리 모듈의 전류를 m(배터리 모듈에 포함된 배터리 셀의 개수)으로 나눈 값을 전류로 가지게 되고, 셀 데이터는 이러한 값들을 포함할 수 있다.
도 4에 도시된 바와 같이, 배터리 상태 추정 장치(400)는 도 3의 배터리 상태 추정 장치(300)에 비해 메모리(430)를 더 포함할 수 있다. 메모리(430)는 일 실시예에 따른 배터리 상태 추정 방법을 수행하도록 명령어들을 포함하는 하나 이상의 프로그램을 저장할 수 있다. 또한, 메모리(430)는 단일 배터리 셀에 대한 배터리 열화가 모델링된 배터리 열화 모델을 저장할 수 있다.
일 실시예에 따르면, 배터리 열화 모델은 데이터 주도 모델(data-driven model) 및 등가 회로 모델(equivalent circuit model) 등을 포함할 수 있다.
예를 들어, 데이터 주도 모델은 기계학습(ML, machine learning)에 적용되는 모델로서, 임의의 요인(factor)에 대해 배터리의 상태(예를 들어, 수명, 고장 등)가 열화되는 정도를 출력하기 위한 모델을 나타낼 수 있다. 예를 들어, 배터리 열화 모델은 기계학습 구조의 파라미터로서, 기계학습 구조로서 뉴럴 네트워크가 사용되는 경우 배터리 열화 모델은 뉴럴 네트워크의 각 노드 간의 연결 가중치일 수 있다. 예를 들어, 배터리 열화 모델은, 주어진 기계학습 구조에 대해, 기준 배터리 정보로부터 해당 기준 배터리 정보에 대응하는 기준 상태 정보가 출력되도록 학습된 학습기의 파라미터를 포함할 수 있다. 학습기를 학습시키기 위한 학습 데이터는 상술한 기준 상태 정보 및 기준 배터리 정보를 포함할 수 있고, 예를 들어, 기준 상태 정보는 기존의 프로파일 등에서 해당 기준 배터리 정보를 가지는 배터리가 나타냈던 상태 정보일 수 있다.
다른 예를 들어, 등가 회로 모델은, 배터리 셀의 등가 회로에 기초하여 도출된, 배터리 셀과 연관된 셀 데이터와 배터리의 상태 간의 수식적인 관계를 나타내는 등가 수식(equivalent equation)을 포함할 수 있다. 배터리 상태 추정 장치(400)의 프로세서(320)는 배터리 셀의 전압 및 전류와 배터리 셀의 저항 간의 관계를 나타내는 등가 수식에 기초하여, 배터리 셀의 전압 및 전류를 측정하여, 그로부터 배터리 셀의 저항을 추정할 수 있다.
도 5는 일 실시예에 따른 배터리의 상태를 추정하는 전반적인 과정을 도시한다.
일 실시예에 따르면, 배터리 상태 추정 장치는 복수의 배터리 셀이 직렬 및 병렬로 연결되어 구성된 배터리 팩(510)의 상태를 추정하기 위하여, nSmP 구조의 배터리 팩(510)을 단일 셀 구조로 변환하여 셀 단위로 배터리의 상태를 추정할 수 있다. 도 5에서 병렬로 연결된 배터리 셀의 개수 m은 5이고, 직렬로 연결된 배터리 모듈의 개수는 3인 경우를 가정한다.
일 실시예에 따르면, 배터리 상태 추정 장치는 각각의 배터리 모듈을 해당 배터리 모듈에 대응하는 배터리 셀로 변환할 수 있다. 배터리 모듈 내에서 병렬 연결된 배터리 셀들은 자체 밸런싱(self-balancing)에 의해 같은 배터리 모듈 내에 포함된 배터리 셀끼리는 서로 유사한 특성을 가지도록 수렴하는 바, 배터리 상태 추정 장치는 배터리 모듈 내에서 m개의 병렬로 연결된 배터리 셀을 동일한 m개의 배터리 셀로 변환하고, m개의 동일한 배터리 셀 중 하나의 배터리 셀에 대한 상태를 추정할 수 있다. m개의 동일한 배터리 셀 중 하나의 배터리 셀(도 5에서는 제1 배터리 셀(521), 제2 배터리 셀(522), 및 제3 배터리 셀(523)에 대응함)에 관한 셀 데이터 및 상태가 해당 배터리 모듈에 대응하는 데이터 및 모듈 상태인 것으로 고려될 수 있다.
예를 들어, 배터리 상태 추정 장치는 제1 배터리 모듈(511)에 관한 모듈 데이터로부터 제1 배터리 모듈(511)에 대응하는 제1 배터리 셀(521)에 관한 셀 데이터를 획득할 수 있고, 해당 셀 데이터로부터 제1 배터리 셀(521)의 상태를 추정함으로써 제1 배터리 모듈(511)의 모듈 상태를 결정할 수 있다. (제1 배터리 셀(521)의 상태가 제1 배터리 모듈(511)의 모듈 상태에 대응함) 배터리 상태 추정 장치는 유사한 방식으로 제2 배터리 모듈(512) 및 제3 배터리 모듈(513)을 단순화하여 제2 배터리 모듈(512)의 모듈 상태 및 제3 배터리 모듈(513)의 모듈 상태를 결정할 수 있다.
이후, 배터리 상태 추정 장치는 모든 배터리 모듈이 단순화되어 하나로 통합된 배터리 셀(530)에 관한 셀 데이터에 기초하여 결정된 모듈 상태를 이용하여, 전체 배터리 팩(510)의 팩 상태를 추정할 수 있다.
예를 들어, 배터리 상태 추정 장치는 제1 배터리 셀(521)에 관한 셀 데이터에 기초하여 결정된 모듈 상태, 제2 배터리 셀(522)에 관한 셀 데이터에 기초하여 결정된 모듈 상태, 및 제3 배터리 셀(523)에 관한 셀 데이터에 기초하여 결정된 모듈 상태를 이용하여 전체 배터리 팩(510)이 단순화되어 통합된 배터리 셀(530)의 상태를 산출하고, 단순화되어 통합된 배터리 셀(530)의 상태를 전체 배터리 팩(510)의 팩 상태로 추정할 수 있다. 도 5에 도시된 바와 같이, 전체 배터리 팩(510)이 단순화되어 통합된 배터리 셀(530)의 팩 상태는 SOH=f(SOHi)로서 산출될 수 있고, 여기서, f는 미리 결정된 임의의 함수, SOHi는 i번째 배터리 모듈의 모듈 상태를 나타낼 수 있다. 예를 들어, 임의의 함수 f의 출력은 모듈 상태의 통계 값(statistical value)일 수 있고, 통계 값은 입력들의 최소값, 중간값, 및 최대값 등을 포함할 수 있다.
일 실시예에 따른 복수의 배터리 셀을 포함하는 배터리 팩(510)을 단일 배터리 셀(530)로 변환하여, 전체 배터리 팩(510)에 대한 팩 상태를 추정하게 될 경우, 아날로그 디바이스인 배터리의 상태를 추정하기 위한 반복적인 실험에 있어서, 배터리 팩(510)을 대상으로 한 실험이 셀 단위로 경량화됨으로써 실험 비용이 크게 감소되고, 소용량 셀의 경우 안전사고가 발생하여도 피해가 최소화되어 안전 사고의 위험성이 감소될 수 있다. 또한, 배터리 팩(510)을 구성하는 모든 배터리 셀의 전부에 대해 연산할 필요가 없어 복잡도가 감소하므로, 전자 기기 또는 배터리 상태 추정 장치에 비싼 처리 장치를 탑재할 필요가 없어 비용이 절감될 수 있다.
또한, 대용량 배터리 팩을 만들고 그에 대한 데이터를 획득하는 것은 종래 기술로는 큰 시간과 비용을 요구되나, 일 실시예에 따른 배터리 상태 추정 장치는 배터리 팩(510)을 단일 배터리 셀(530)로 변환하여 팩 상태를 추정함으로써, 다양한 배터리 열화 모델을 활용할 수 있으며, 배터리 팩(510)의 구조가 변경되더라도 추가 실험이 필요없거나 적은 실험만으로 단일 배터리 셀(530)에 관한 배터리 열화 모델을 업데이트함으로써, 배터리 팩(510)의 팩 상태를 추정할 수 있다.
도 6은 일 실시예에 따른 배터리 상태 추정 방법을 도시한 흐름도이다.
우선, 단계(610)에서 배터리 상태 추정 장치의 데이터 수신부는 배터리 팩에 포함된 배터리 모듈로부터 배터리 모듈과 연관된 모듈 데이터를 수신한다. 예를 들어, 배터리 팩에 장착된 센서는 배터리 상태 추정 장치로 측정된 모듈 데이터를 주기적으로 전송할 수 있고, 배터리 상태 추정 장치는 최신 모듈 데이터를 갱신할 수 있다.
그리고 단계(620)에서 배터리 상태 추정 장치는 모듈 데이터로부터 셀 데이터를 획득한다. 예를 들어, 셀 데이터는 배터리 모듈에 포함된 배터리 셀에 대응하는 데이터일 수 있다. 일 실시예에 따르면, 배터리 상태 추정 장치는 배터리 모듈에 관한 모듈 데이터를 셀 단위로 스케일 다운(scale down)함으로써, 셀 데이터를 획득할 수 있다. 셀 데이터는 1SmP 구조의 배터리 모듈이 단순화된 1S1P 구조의 배터리 모듈에 대해 등가 관계에 있는 배터리 셀에 관한 데이터를 나타낼 수 있다.
예를 들어, 배터리 상태 추정 장치는 배터리 모듈에 포함된 서로 병렬로 연결된 배터리 셀의 개수에 기초하여 모듈 데이터를 셀 데이터로 변환할 수 있다. 배터리 상태 추정 장치는 모듈 데이터 중 전압 신호 및 온도 신호는 유지하고, 전류 신호는 배터리 셀의 개수로 나누어 셀 데이터를 획득할 수 있다.
이어서 단계(630)에서 배터리 상태 추정 장치는 셀 데이터에 기초하여 배터리 모듈과 연관된 모듈 상태를 결정할 수 있다. 예를 들어, 배터리 상태 추정 장치는 단일 배터리 셀에 대한 배터리 열화 모델을 이용하여, 수신된 모듈 데이터로부터 획득된 셀 데이터로부터 배터리 모듈과 연관된 모듈 상태를 결정할 수 있다. 배터리 상태 추정 장치는 배터리 열화 모델에 셀 데이터(예를 들어, 배터리 모듈에 대응하는 배터리 셀의 전압, 전류, 온도 등)를 입력할 수 있고, 셀 데이터가 입력된 해당 배터리 열화 모델로부터 출력된 상태(예를 들어, SOH)를 모듈 상태로 결정할 수 있다. 또한, 배터리 상태 추정 장치는 모듈 상태에 기초하여 배터리 팩의 배터리 수명(예를 들어, SOH)을 추정하고, 추정된 배터리 수명에 기초하여 배터리 팩의 충전량(예를 들어, SOC)을 결정할 수 있고, 이 경우 배터리 팩의 충전량을 모듈 상태로서 제공할 수 있다.
도 7은 일 실시예에 따른 팩 상태를 결정하는 방법을 도시한 흐름도이다.
단계(740)에서 배터리 상태 추정 장치는 모듈 상태에 기초하여 팩 상태를 결정할 수 있다. 예를 들어, 배터리 상태 추정 장치는 배터리 팩 내에서 직렬로 연결된 배터리 모듈들 각각의 모듈 상태(예를 들어, 배터리 모듈의 SOH)로부터 전체 배터리 팩에 대한 팩 상태(예를 들어, 배터리 팩의 SOH)를 추정할 수 있다. 여기서, 모듈 상태는 상술한 도 6의 단계(630)에서 결정된 것이다.
일 실시예에 따르면, 배터리 상태 추정 장치는 배터리 팩에 포함된 복수의 배터리 모듈의 각각에 대한 모듈 상태의 통계 값(statistical value)을 산출함으로써 팩 상태를 결정할 수 있다. 예를 들어, 배터리 팩이 전기 자동차에 장착된 경우에 응답하여, 배터리 상태 추정 장치는 배터리 모듈의 각각의 모듈 상태들의 최소값을 팩 상태로서 산출할 수 있다. 다른 예를 들어, 배터리 팩이 하이브리드 자동차에 장착된 경우에 응답하여, 배터리 상태 추정 장치는 모듈 상태들의 최대값을 팩 상태로서 산출할 수 있다. 또 다른 예를 들어, 배터리 팩이 에너지 저장 시스템(ESS, Energy Storage System)에서 사용되는 경우에 응답하여, 배터리 상태 추정 장치는 모듈 상태들의 중간값을 팩 상태로서 산출할 수 있다. 다만, 통계값을 상술한 최소값, 최대값, 중간값으로 한정하는 것은 아니고, 평균값 등도 사용될 수 있으며, 배터리 팩이 사용되는 어플리케이션 및 실시예 등에 따라, 모듈 상태들의 모듈 상태들의 다양한 선형 조합 또는 비선형 조합이 사용될 수 있다.
도 8은 일 실시예에 따른 배터리 상태 추정 과정의 예시를 도시한다.
도 8에 도시된 배터리 팩(811)은 nSmP(도 8에서는 예시적으로 6S5P) 구조로 된 배터리 팩(811)으로서, n*m개(도 8에서는 30개)의 배터리 셀을 포함한다. 예를 들어, 도 8의 배터리 팩(811)은 1SmP(도 8에서는 1S5P) 구조의 배터리 모듈이 n개(도 8에서는 6개)가 직렬로 연결된 것이다.
우선, 데이터 수신 (810)에서, 배터리 상태 추정 장치는 배터리 팩(811)으로부터 모듈 데이터를 수신할 수 있다. 예를 들어, 도 8에서는 6개의 배터리 모듈로부터 V1 내지 V6의 전압 신호, T1 내지 T6의 온도 신호, 및 I1의 전류 신호를 배터리 상태 추정 장치가 수신할 수 있다. 6개의 배터리 모듈은 직렬로 연결되어 있으므로, 측정되는 전류 신호가 I1으로 동일할 수 있고, V1 내지 V6의 전압 신호 및 T1 내지 T6의 온도 신호는 각각의 배터리 모듈의 상태에 따라 달라지거나 동일할 수 있다.
그리고 단순화 (820)에서 배터리 상태 추정 장치는 각각의 배터리 모듈을 단일 배터리 셀로 단순화할 수 있다. 배터리 상태 추정 장치는 1SmP 구조의 모듈의 각각에 포함된 서로 병렬로 연결된 배터리 셀의 개수 m(여기서, m은 1이상의 정수)에 기초하여 모듈 데이터를 변환함으로써 단순화된 배터리 셀에 대한 셀 데이터를 획득할 수 있다.
예를 들어, 1S5P 구조로 된 배터리 모듈을 구성하는 배터리 셀들의 전압은 병렬로 연결되어 같은 전압 값을 나타내므로 측정이 용이한데, 배터리 셀들 각각의 전류값은 배터리 셀의 내부 저항에 의해 상이한 값을 가질 수 있다. 이러한 개별 배터리 셀의 전류값을 측정하려면 전체적인 구조가 복잡해지고 비용이 상승할 수 있는 바, 일 실시예에 따른 배터리 상태 추정 장치는 배터리 모듈의 전류만 수집하고, 배터리 모듈에 포함된 배터리 셀들은 서로 병렬로 연결되어 자체 밸런싱(self-balance) 효과에 의해 동일한 값을 가지는 것으로 가정될 수 있다. 예를 들어, 도 8에서 제1 배터리 모듈이 단순화된 제1 배터리 셀(821)의 전압 V 및 온도 T는 제1 배터리 모듈의 전압 V1 및 T1이고, 제1 배터리 셀(821)의 전류 I는 제1 배터리 모듈의 전류 I1을 제1 배터리 모듈에 포함된 배터리 셀들의 개수 m(도 8에서는 5)로 나눈 값 I1/5로 산출될 수 있다. 도 8에서는 제1 배터리 셀(821)의 셀 데이터는 V, I, 및 T를 포함할 수 있다.
이어서 모듈 상태 추정(830)에서 배터리 상태 추정 장치는 배터리 열화 모델(831)을 이용하여 셀 데이터로부터 복수의 1SmP 구조의 모듈의 각각에 대해 모듈 상태를 추정할 수 있다. 배터리 상태 추정 장치는 1S5P 구조로 된 배터리 모듈이 동일한 전압, 전류, 및 온도를 가지는 5개의 배터리 셀을 포함하는 것으로 간주할 수 있다. 배터리 상태 추정 장치는 배터리 셀의 상태(예를 들어, SOC, SOH, 등)를 배터리 열화 모델(831)을 이용하여 추정할 수 있다. 배터리 열화 모델(831)은 배터리 팩 내에서 직렬로 연결된 6개의 배터리 모듈 각각에 대하여 모듈 상태(도 8에서는 SOH1, SOH2, 내지 SOH6)를 추정할 수 있다. 도 8에 도시된 배터리 열화 모델(831)은 각 배터리 모듈마다 총 6개로 도시되었으나, 각각의 배터리 열화 모델(831)은 서로 동일한 파라미터를 포함할 수 있고, 하나의 배터리 열화 모델(831)이 사용될 수도 있다. 다만, 이로 한정하는 것은 아니고, 배터리 상태 추정 장치는 동일한 배터리 모듈에 대해 여러 배터리 열화 모델들을 적용하여, 동일한 배터리 모듈에 대해 복수의 모듈 상태를 추정하고, 그로부터 하나의 모듈 상태를 통계값, 선택, 필터링 등을 통하여 도출할 수 있다.
그리고 팩 상태 추정 (840)에서 배터리 상태 추정 장치는 각각의 배터리 모듈의 모듈 상태에 기초하여 전체 배터리 팩의 팩 상태를 추정할 수 있다. 예를 들어, 각각의 배터리 모듈의 모듈 상태(도 8에서는 SOH1, SOH2, 내지 SOH6)는 서로 상이하거나 동일한 값을 나타낼 수 있는데, 배터리 상태 추정 장치는 임의의 함수 f에 모듈 상태를 적용하여 팩 상태를 추정할 수 있다. 도 8에서는 예시적으로 임의의 함수 f가 입력들 중 최소값을 출력하는 MIN인 경우로서, 배터리 상태 추정 장치는 6개의 모듈 상태(도 8에서는 SOH1, SOH2, 내지 SOH6) 중 최소값을 전체 배터리 팩의 SOH로 결정할 수 있다. 다만, 이는 순전히 예시적인 것으로서, 임의의 함수 f는 다른 통계적인 값을 출력하도록 설정될 수 있다.
도 9는 일 실시예에 따른 배터리 모듈의 모듈 상태를 추정하는 과정의 예시를 도시한다.
일 실시예에 따르면, 배터리 열화 모델로서, 기계 학습 모델이 사용될 수 있다. 기계 학습 모델은 예를 들어, 뉴럴 네트워크(920)로서, 입력 레이어(input layer), 히든 레이어(hidden layer), 및 출력 레이어(output layer)로 구성될 수 있고, 각각의 레이어의 노드 간은 학습된 연결 가중치로 연결될 수 있다.
예를 들어, 학습기는 복수의 패턴 프로필(910)을 포함하는 학습 데이터에 기초하여 뉴럴 네트워크(920)를 학습시킬 수 있다. 각각의 패턴 프로필(910)은 배터리의 사용 과정 또는 시뮬레이션 과정에서 미리 측정된 배터리의 전압, 전류, 온도 및 배터리의 수명을 포함할 수 있다. 학습기는 패턴 프로필(910)에 기초하여, 배터리 열화 모델이 패턴 프로필(910)에서 미리 설정된 전압, 전류, 및 온도 등의 입력으로부터 미리 설정된 배터리의 수명을 출력하도록, 뉴럴 네트워크(920)를 학습시킬 수 있다.
배터리 상태 추정 장치는 학습된 뉴럴 네트워크(920)를 이용하여 상술한 도 1 내지 도 8에서 배터리 모듈이 단순화된 배터리 셀(930)에 관한 셀 데이터로부터, 해당 배터리 모듈에 포함된 배터리 셀의 상태(모듈 상태에 대응함)를 추정할 수 있다.
도 10은 일 실시예에 따른 모듈 데이터를 전처리하는 방법을 도시한 흐름도이다.
단계(1011)에서 배터리 상태 추정 장치의 전처리부는 수신된 모듈 데이터에 대해 전처리를 수행할 수 있다. 예를 들어, 전처리부는 모듈 데이터에 대해 필터링(예를 들어, 로우 패스 필터링) 등을 수행하여, 데이터로부터 노이즈를 제거할 수 있다. 전처리부는 샘플링 레이트(Sampling rate)의 2배인 주파수로 필터링하여, 불필요한 노이즈 성분을 제거할 수 있다. 여기서, 모듈 데이터는 상술한 도 6의 단계(610)에서 배터리 모듈에 장착된 센서로부터 수신된다.
도 11은 다른 일 실시예에 따른 배터리 상태 추정 시스템의 블럭도를 도시한다.
일 실시예에 따른 배터리 상태 추정 시스템(1100)은 배터리 팩(200) 및 배터리 상태 추정 장치(1101)를 포함할 수 있다.
도 11에 도시된 배터리 팩(200)은 도 2에서 상세히 설명하였으므로, 설명을 생략한다. 배터리 팩(200)에 장착된 센서(240)는 도 2에서 상술한 바와 같이 배터리 팩(200) 내부 또는 외부에 탑재될 수 있다.
배터리 상태 추정 장치(1101)는 데이터 수신부(310), 전처리부(1121), 단순화부(1122), 모듈 상태 추정부(1123), 팩 상태 추정부(1124), 배터리 열화 모델(1130), 및 데이터 송신부(1140)를 포함한다.
데이터 수신부(310)는 배터리 팩(200)에 부착된 센서(240)로부터 데이터를 수신할 수 있고, 도 3에서 설명한 바와 같다.
전처리부(1121)는 수신된 모듈 데이터를 전처리(pre-process)하고, 전처리된 결과를 프로세서(예를 들어, 도 3 및 도 4에 도시된 320) 또는 단순화부(1122)로 전달할 수 있다. 예를 들어, 전처리부(1121)는 모듈 데이터에 대해 노이즈 필터링, 및 데이터 형(data type) 변환 등을 수행할 수 있으나, 이로 한정하는 것은 아니다.
단순화부(1122)는 배터리 팩(200) 내에서 병렬 연결된 배터리 모듈을 단일 배터리 셀의 등가 모델로 변환할 수 있다. 단순화부(1122)는 예를 들어, 배터리 모듈이 단순화된 단일 배터리 셀(등가 모델에 대응함)의 전압 및 온도에 대해 배터리 모듈의 전압 값 및 온도 값을 유지하고, 전류에 대해서는 배터리 모듈을 구성하는 배터리 셀의 개수로 나눈 값을 사용할 수 있다. 단순화부(1122)에서 출력되는 값은 모듈 데이터가 셀 단위로 변환된 셀 데이터이다.
모듈 상태 추정부(1123)는 배터리 모듈이 단순화된 단일 배터리 셀에 대한 상태를 추정할 수 있다. 예를 들어, 모듈 상태 추정부(1123)는 모듈 상태를 추정하기 위해, 등가회로 모델 및 데이터 주도 모델을 사용할 수 있고, 또는 전류 적산법(coulomb counting)을 이용할 수 있다. 여기서, 모듈 상태 추정부(1123)는 모듈 상태로서, 배터리의 수명(예를 들어, SOH) 또는 충전량(예를 들어, SOC)를 추정할 수 있다.
팩 상태 추정부(1124)는 직렬 연결된 배터리 모듈의 모듈 상태를 통합하여 전체 배터리 팩(200)의 팩 상태를 결정할 수 있다. 전기 자동차에 있어서, 모듈 상태 추정부(1123)에서 배터리의 수명 또는 충전량을 추정한 경우에 응답하여, 팩 상태 추정부(1124)는 배터리의 수명 또는 충전량의 최소값을 전체 배터리 팩(200)에 대한 팩 상태로 결정할 수 있다. 하이브리드 자동차에 있어서, 모듈 상태 추정부(1123)에서 충전량(예를 들어, SOC)을 추정한 경우에 응답하여, 팩 상태 추정부(1124)는 각각의 배터리 모듈의 충전량에 대한 합계(예를 들어, ∑SOC)를 팩 상태로 결정할 수 있는 바, 하이브리드 자동차(HEV, Hybrid Electrical Vehicle)에서는 배터리의 최대 전력(Max power)이 중요하기 때문이다.
배터리 열화 모델(1130)은 단일 배터리 셀에 대한 배터리 열화가 모델링된 모델을 나타낼 수 있다. 여기서, 도 11의 배터리 열화 모델(1130)은 도 4에 도시된 메모리(430)에 저장된 것을 나타낼 수 있다.
데이터 송신부(1140)는 모듈 상태 및 팩 상태 중 적어도 하나를 배터리 상태 추정 장치(1101) 내부의 다른 모듈에 전달하거나, 배터리 상태 추정 장치(1101)의 외부로 전송할 수 있다.
일 실시예에 따르면, 전기 자동차 등의 전기 기기에 배터리 상태 추정 장치(1101)를 장착할 경우, 팩 상태를 추정하기 위한 별도의 전원 장치 없이, 전기 기기를 운용하는 과정에서 발생하는 데이터만으로 팩 상태를 용이하게 추정할 수 있다.
도 11에 도시된 전처리부(1121), 단순화부(1122), 모듈 상태 추정부(1123), 및 팩 상태 추정부(1124)는 예를 들어, 상술한 도 3의 프로세서(320)에 의해 구현될 수 있다.
도 12는 일 실시예에 따른 배터리 상태 추정의 정확도를 나타낸 그래프를 도시한다.
도 12에서는 1개의 배터리 셀에 대한 실제 값 및 일 실시예에 따른 추정 값을 비교한 그래프(1210), 1S2P 구조의 배터리 팩에 대한 실제 값 및 일 실시예에 따른 추정 값을 비교한 그래프(1220), 1S3P 구조의 배터리 팩에 대한 실제 값 및 일 실시예에 따른 추정 값을 비교한 그래프(1230), 1S4P 구조의 배터리 팩에 대한 실제 값 및 일 실시예에 따른 추정 값을 비교한 그래프(1240), 1S5P 구조의 배터리 팩에 대한 실제 값 및 일 실시예에 따른 추정 값을 비교한 그래프(1250), 1S6P 구조의 배터리 팩에 대한 실제 값 및 일 실시예에 따른 추정 값을 비교한 그래프(1260), 1S7P 구조의 배터리 팩에 대한 실제 값 및 일 실시예에 따른 추정 값을 비교한 그래프(1270)를 도시한다.
각각의 그래프의 x 축은 배터리 셀 및 배터리 팩의 사이클 수로서, 하나의 사이클은 배터리를 완전 충전 후 완전 방전하는 것을 나타낼 수 있다. 그래프의 y축은 배터리의 수명(SOH)를 나타낼 수 있다.
각각의 그래프에서, 실제 값(Real Value)은 해당 배터리의 실제 수명을 나타낼 수 있다. 필터링된 값(Filtered)은 일 실시예에 따른 배터리 상태 추정 장치가 뉴럴 네트워크를 사용하는 경우에 있어서, 하나의 셀 데이터에 대해 복수의 뉴럴 네트워크를 적용하여 복수의 모듈 상태를 추정하고, 추정된 모듈 상태들 중 모듈 상태들의 중간 값으로부터 미리 정한 범위를 벗어나는 모듈 상태를 제외(예를 들어, 필터링)하는 과정을 미리 정한 횟수만큼 반복하여 획득된 값을 나타낼 수 있다.
각각의 그래프에서 도시된 바와 같이, 일 실시예에 따른 배터리 상태 추정 장치가 추정한 팩 상태(예를 들어, 상술한 필터링된 값)와 실제 값 사이에는 오차가 크지 않은 바, 일 실시예에 따른 배터리 상태 추정의 정확도가 높을 수 있다.
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 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 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 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. 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 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 (20)

  1. 배터리의 상태를 추정하는 장치에 있어서,
    배터리 팩에 포함된 배터리 모듈로부터, 상기 배터리 모듈과 연관된 모듈 데이터를 수신하는 데이터 수신부(data receiver); 및
    상기 수신된 모듈 데이터로부터 상기 배터리 모듈에 포함된 배터리 셀에 대응하는 셀 데이터를 획득하고, 상기 셀 데이터에 기초하여 상기 배터리 모듈과 연관된 모듈 상태를 결정하는 프로세서(processor)
    를 포함하는 배터리의 상태를 추정하는 장치.
  2. 제1항에 있어서,
    상기 프로세서는,
    상기 모듈 상태에 기초하여 상기 배터리 팩과 연관된 팩 상태를 결정하는,
    배터리의 상태를 추정하는 장치.
  3. 제2항에 있어서,
    상기 배터리 팩은 복수의 배터리 모듈을 포함하고,
    상기 프로세서는,
    상기 복수의 배터리 모듈의 각각에 대한 모듈 상태의 통계 값(statistical value)을 산출함으로써 상기 팩 상태를 결정하는,
    배터리의 상태 정보를 추정하는 장치.
  4. 제3항에 있어서,
    상기 프로세서는,
    상기 배터리 팩이 전기 자동차에 장착된 경우에 응답하여, 상기 모듈 상태의 최소값을 산출하여 상기 팩 상태를 결정하는,
    배터리의 상태 정보를 추정하는 장치.
  5. 제1항에 있어서,
    상기 프로세서는,
    상기 배터리 모듈에 포함된 서로 병렬로 연결된 배터리 셀의 개수에 기초하여 상기 모듈 데이터를 변환하여 상기 셀 데이터를 획득하는,
    배터리의 상태 정보를 추정하는 장치.
  6. 제5항에 있어서,
    상기 프로세서는,
    상기 모듈 데이터 중 전압 신호 및 온도 신호는 유지하고, 전류 신호는 상기 배터리 셀의 개수로 나누어 상기 셀 데이터를 획득하는,
    배터리의 상태 정보를 추정하는 장치.
  7. 제1항에 있어서,
    상기 수신된 모듈 데이터를 전처리(pre-process)하고, 전처리된 결과를 상기 프로세서로 전달하는 전처리부(pre-processor)
    를 더 포함하는 배터리의 상태 정보를 추정하는 장치.
  8. 제1항에 있어서,
    상기 모듈 데이터는,
    상기 배터리 모듈에서 출력되는 전압 신호, 전류 신호, 및 상기 배터리 모듈의 온도 중 적어도 하나를 포함하는,
    배터리의 상태 정보를 추정하는 장치.
  9. 제1항에 있어서,
    상기 프로세서는,
    상기 모듈 상태에 기초하여 상기 배터리 팩의 배터리 수명을 추정하고, 상기 추정된 배터리 수명에 기초하여 상기 배터리 팩의 충전량을 결정하는,
    배터리의 상태 정보를 추정하는 장치.
  10. 제2항에 있어서,
    상기 모듈 상태 및 상기 팩 상태 중 적어도 하나를 외부로 전송하는 데이터 송신부
    를 더 포함하는 배터리의 상태 정보를 추정하는 장치.
  11. 제1항에 있어서,
    단일 배터리 셀에 대한 배터리 열화가 모델링된 배터리 열화 모델을 저장하는 메모리
    를 더 포함하고,
    상기 프로세서는,
    상기 단일 배터리 셀에 대한 배터리 열화 모델을 이용하여, 상기 수신된 모듈 데이터로부터 획득된 상기 셀 데이터로부터 상기 배터리 모듈과 연관된 상기 모듈 상태를 결정하는,
    배터리의 상태 정보를 추정하는 장치.
  12. 제1항에 있어서,
    상기 배터리 팩은 서로 직렬로 연결된 복수의 배터리 모듈을 포함하고,
    상기 복수의 배터리 모듈의 각각은 서로 병렬로 연결된 복수의 배터리 셀을 포함하는,
    배터리의 상태를 추정하는 장치.
  13. 배터리의 상태를 추정하는 방법에 있어서,
    배터리 팩에 포함된 배터리 모듈로부터, 상기 배터리 모듈과 연관된 모듈 데이터를 수신하는 단계;
    상기 수신된 모듈 데이터로부터 상기 배터리 모듈에 포함된 배터리 셀에 대응하는 셀 데이터를 획득하는 단계; 및
    상기 셀 데이터에 기초하여 상기 배터리 모듈과 연관된 모듈 상태를 결정하는 단계
    를 포함하는 배터리의 상태를 추정하는 방법.
  14. 제13항에 있어서,
    상기 모듈 상태에 기초하여 상기 배터리 팩과 연관된 팩 상태를 결정하는 단계,
    를 더 포함하는 배터리의 상태를 추정하는 방법.
  15. 제13항에 있어서,
    상기 팩 상태를 결정하는 단계는,
    상기 배터리 팩에 포함된 복수의 배터리 모듈의 각각에 대한 모듈 상태의 통계 값(statistical value)을 산출함으로써 상기 팩 상태를 결정하는 단계
    를 포함하는 배터리의 상태 정보를 추정하는 방법.
  16. 제13항에 있어서,
    상기 셀 데이터를 획득하는 단계는,
    상기 배터리 모듈에 포함된 서로 병렬로 연결된 배터리 셀의 개수에 기초하여 상기 모듈 데이터를 상기 셀 데이터로 변환하는 단계,
    를 포함하는 배터리의 상태 정보를 추정하는 방법.
  17. 제13항의 방법을 수행하도록 명령어들을 포함하는 하나 이상의 프로그램을 저장한 컴퓨터 판독 가능 저장매체.
  18. nSmP 구조의 배터리 팩의 상태를 추정하는 장치에 있어서,
    상기 nSmP 구조의 배터리 팩에서 복수의 1SmP 구조의 모듈의 각각에 대한 모듈 데이터를 수신하는 데이터 수신부; 및
    상기 수신된 모듈 데이터를 이용하여, 상기 복수의 1SmP 구조의 모듈의 각각에 대응하는 셀 데이터를 획득하고, 상기 셀 데이터를 이용하여 상기 배터리 팩의 상태를 추정하는 프로세서
    를 포함하는 배터리의 상태를 추정하는 장치.
  19. 제18항에 있어서,
    상기 프로세서는,
    상기 셀 데이터를 이용하여 상기 복수의 1SmP 구조의 모듈의 각각에 대해 모듈 상태를 추정하고, 상기 추정된 모듈 상태에 기초하여 상기 배터리 팩의 상태를 결정하는,
    배터리의 상태를 추정하는 장치.
  20. 제18항에 있어서,
    상기 프로세서는,
    상기 1SmP 구조의 모듈의 각각에 포함된 서로 병렬로 연결된 배터리 셀의 개수 m에 기초하여 상기 모듈 데이터를 변환함으로써 상기 셀 데이터를 획득하는, -상기 m은 1이상의 정수임-
    배터리의 상태를 추정하는 장치.
KR1020150082555A 2015-06-11 2015-06-11 배터리의 상태를 추정하는 장치 및 방법 KR102424528B1 (ko)

Priority Applications (5)

Application Number Priority Date Filing Date Title
KR1020150082555A KR102424528B1 (ko) 2015-06-11 2015-06-11 배터리의 상태를 추정하는 장치 및 방법
US15/007,861 US10422837B2 (en) 2015-06-11 2016-01-27 Method and apparatus for estimating state of battery
CN201610223932.1A CN106249152B (zh) 2015-06-11 2016-04-12 用于估计电池状态的方法和设备
EP16165050.2A EP3109656B1 (en) 2015-06-11 2016-04-13 Method and apparatus for estimating state of battery
JP2016115282A JP6757602B2 (ja) 2015-06-11 2016-06-09 バッテリ状態推定装置及び方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020150082555A KR102424528B1 (ko) 2015-06-11 2015-06-11 배터리의 상태를 추정하는 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20160146032A true KR20160146032A (ko) 2016-12-21
KR102424528B1 KR102424528B1 (ko) 2022-07-25

Family

ID=55750357

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020150082555A KR102424528B1 (ko) 2015-06-11 2015-06-11 배터리의 상태를 추정하는 장치 및 방법

Country Status (5)

Country Link
US (1) US10422837B2 (ko)
EP (1) EP3109656B1 (ko)
JP (1) JP6757602B2 (ko)
KR (1) KR102424528B1 (ko)
CN (1) CN106249152B (ko)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180032907A (ko) * 2016-09-23 2018-04-02 주식회사 엘지화학 병렬 연결된 배터리 팩의 soc 및 soh 관리 장치 및 방법
KR20190001421A (ko) * 2017-06-27 2019-01-04 디와이 주식회사 충방전을 제어하는 전기자동차
KR102159817B1 (ko) * 2020-03-30 2020-09-24 주식회사 대건소프트 딥러닝을 통한 에너지저장장치 운영 방법, 이를 구현하기 위한 프로그램이 저장된 기록매체 및 이를 구현하기 위해 매체에 저장된 컴퓨터프로그램
WO2021040236A1 (ko) * 2019-08-26 2021-03-04 오토시맨틱스 주식회사 Ess 배터리의 상태진단 및 수명예측을 위한 장치 및 방법
US11340306B2 (en) 2017-11-16 2022-05-24 Semiconductor Energy Laboratory Co., Ltd. Lifetime estimation device, lifetime estimation method, and abnormality detection method of secondary battery
US11505088B2 (en) 2019-11-26 2022-11-22 Hyundai Motor Company Vehicle and control method thereof
WO2023191283A1 (ko) * 2022-03-30 2023-10-05 주식회사 엘지에너지솔루션 필드 데이터 기반 인공신경망 배터리 모델을 통한 배터리 이상 검출 방법 및 시스템

Families Citing this family (32)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102399722B1 (ko) * 2014-12-29 2022-05-19 삼성전자주식회사 전류 추정 방법 및 장치
KR102636362B1 (ko) * 2016-11-22 2024-02-14 삼성전자주식회사 배터리 상태 추정 방법 및 장치
US10460415B2 (en) * 2017-04-10 2019-10-29 Intel Corporation Contextual configuration adjuster for graphics
KR101904868B1 (ko) * 2017-04-28 2018-10-10 효성중공업 주식회사 변전소의 자산 관리 방법
CN107681209B (zh) * 2017-07-11 2019-12-03 唐瑭 电池状态控制方法、装置、系统及电池组、方法、装置
KR102055179B1 (ko) * 2017-12-14 2020-01-22 주식회사 디오시스템 태양광발전원의 전력패턴분석·신재생에너지 시각화기능을 갖는 스마트 에너지관리장치
US11073563B2 (en) * 2017-12-18 2021-07-27 Samsung Electronics Co., Ltd. Method and apparatus for estimating state of battery
US20190190091A1 (en) * 2017-12-18 2019-06-20 Samsung Electronics Co., Ltd. Method and apparatus estimating a state of battery
KR102525676B1 (ko) * 2018-02-20 2023-04-24 에스케이온 주식회사 배터리 관리 시스템
JP6966361B2 (ja) * 2018-03-08 2021-11-17 ファナック株式会社 電圧低下検知システム
US10996282B2 (en) * 2018-03-20 2021-05-04 Gs Yuasa International Ltd. Abnormality factor determination apparatus, degradation determination apparatus, computer program, degradation determining method, and abnormality factor determining method
WO2019235645A1 (ja) * 2018-06-08 2019-12-12 パナソニックＩｐマネジメント株式会社 バッテリ管理システム及びバッテリ管理方法
CN108627776B (zh) * 2018-06-28 2020-09-15 苏州市昌美新能源科技有限公司 一种光伏发电系统的蓄电池寿命评估系统
JP7310137B2 (ja) 2018-12-28 2023-07-19 株式会社Ｇｓユアサ データ処理装置、データ処理方法、及びコンピュータプログラム
CN113228379A (zh) * 2018-12-28 2021-08-06 株式会社杰士汤浅国际 数据处理装置、数据处理方法及计算机程序
US20220229121A1 (en) * 2019-06-14 2022-07-21 Cummins Inc. Methods and devices for determining battery state of health using incremental capacity analysis and support vector regression
KR20210007246A (ko) * 2019-07-10 2021-01-20 주식회사 엘지화학 배터리 팩의 상태 진단 장치 및 방법
US11967850B2 (en) * 2019-08-21 2024-04-23 SparkCognition, Inc. Systems and methods of applying artificial intelligence to battery technology
KR20210028476A (ko) * 2019-09-04 2021-03-12 삼성전자주식회사 배터리 충전 장치 및 방법
CN114651183A (zh) * 2019-11-07 2022-06-21 巴斯夫欧洲公司 电池性能预测
JP7031649B2 (ja) * 2019-11-18 2022-03-08 株式会社Ｇｓユアサ 評価装置、コンピュータプログラム及び評価方法
KR102426152B1 (ko) 2019-11-29 2022-07-28 한국과학기술원 소재 조성 도출용 라이브러리 생성 장치 및 방법
KR102298894B1 (ko) 2019-12-10 2021-09-08 한국과학기술원 물리량 영상 데이터 분석 장치 및 방법
US11581585B2 (en) 2020-03-10 2023-02-14 Samsung Electronics Co., Ltd. Methods and electronic devices for obtaining information on a battery pack
CN113030748A (zh) * 2021-03-03 2021-06-25 国轩高科美国研究院 一种电池数据管理方法及装置
JP2022179931A (ja) * 2021-05-24 2022-12-06 株式会社Subaru 電池の劣化状態推定装置
US11784358B2 (en) 2021-07-07 2023-10-10 The Aerospace Corporation Self regulating modular battery
US20230196629A1 (en) * 2021-12-16 2023-06-22 Volkswagen Aktiengesellschaft Generating microstructures for materials based on machine learning models
US11921163B2 (en) 2021-12-16 2024-03-05 Volkswagen Aktiengesellschaft Modular machine learning structure for electric vehicle battery state of health estimation
US20230278463A1 (en) * 2022-03-04 2023-09-07 Garrett Transportation I Inc. Using battery system parameters to estimate battery life expectancy within electric and hybrid electric vehicles
JP2024069074A (ja) 2022-11-09 2024-05-21 トヨタ自動車株式会社 情報処理装置、情報処理方法、及び情報処理プログラム
KR102688743B1 (ko) * 2023-08-16 2024-07-26 렉스이노베이션 주식회사 분산 배터리의 soh에 기초하여 이상을 탐지하는 방법

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20040005117A (ko) * 2002-07-08 2004-01-16 현대자동차주식회사 하이브리드 전기자동차의 배터리 팩 충전상태 예측방법
US20120290234A1 (en) * 2011-05-13 2012-11-15 Gm Global Technology Operations, Llc. Systems and methods for determining cell capacity values in a multi-cell battery
WO2013054672A1 (ja) * 2011-10-11 2013-04-18 新神戸電機株式会社 鉛蓄電池システム
KR20140056693A (ko) * 2012-10-31 2014-05-12 한국전기연구원 배터리 관리 시스템, 및 배터리 관리 시스템을 이용하는 배터리 충전상태의 추정방법
JP2014240807A (ja) * 2013-06-12 2014-12-25 三菱自動車工業株式会社 組電池の異常判定装置

Family Cites Families (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3197439B2 (ja) * 1994-11-08 2001-08-13 トヨタ自動車株式会社 電気自動車用電池の管理装置
US5541489A (en) * 1994-12-15 1996-07-30 Intel Corporation Smart battery power availability feature based on battery-specific characteristics
JPH09329654A (ja) * 1996-06-12 1997-12-22 Aisin Seiki Co Ltd 鉛蓄電池の寿命判定方法および寿命判定装置
KR100778440B1 (ko) 2006-01-25 2007-11-21 삼성에스디아이 주식회사 배터리의 ｓｏｃ 판단 장치 및 방법
US8049460B2 (en) * 2007-07-18 2011-11-01 Tesla Motors, Inc. Voltage dividing vehicle heater system and method
US7994755B2 (en) 2008-01-30 2011-08-09 Lg Chem, Ltd. System, method, and article of manufacture for determining an estimated battery cell module state
WO2010042517A1 (en) 2008-10-07 2010-04-15 Boston-Power, Inc. Li-ion battery array for vehicle and other large capacity applications
DE102009039161A1 (de) * 2009-08-27 2011-03-17 Voith Patent Gmbh System zur Speicherung elektrischer Energie
CN102472802A (zh) * 2010-03-26 2012-05-23 松下电器产业株式会社 充电状态检测电路、电池电源装置以及电池信息监视装置
EP2557428B1 (en) * 2010-04-09 2015-07-01 Toyota Jidosha Kabushiki Kaisha Secondary battery degradation determination device and degradation determination method
JP2011240896A (ja) * 2010-05-21 2011-12-01 Dendo Sharyo Gijutsu Kaihatsu Kk 電池制御装置および車両
KR20110129529A (ko) 2010-05-26 2011-12-02 한국기술교육대학교 산학협력단 배터리 충전량 측정 시스템 및 이를 이용한 배터리의 충전량 측정 방법
KR101798464B1 (ko) 2011-02-22 2017-11-16 에스케이이노베이션 주식회사 다중 팩 병렬 구조의 ｓｏｃ 보정 시스템
JP5670863B2 (ja) * 2011-11-09 2015-02-18 株式会社東芝 蓄電池劣化診断システムおよびその方法
US10297855B2 (en) * 2012-05-29 2019-05-21 Nutech Ventures Rechargeable multi-cell battery
WO2014059050A1 (en) 2012-10-09 2014-04-17 Wright J B Smart distributed battery system and method
US9417270B2 (en) * 2013-01-08 2016-08-16 GM Global Technology Operations LLC Systems and methods to capture and utilize temperature information in a battery system
US9318781B2 (en) * 2013-01-11 2016-04-19 Johnson Controls Technology Company Predicted sensor information for a battery
US10870360B2 (en) 2013-02-12 2020-12-22 Cps Technology Holdings Llc Battery monitoring network
WO2014191794A1 (en) 2013-05-29 2014-12-04 Freescale Semiconductor, Inc. Cell monitoring apparatus, battery monitoring apparatus, integrated circuit and method of monitoring a rechargeable cell
FR3010676B1 (fr) * 2013-09-16 2015-10-30 Renault Sas Procede de commande d'un systeme electrique de traction et systeme electrique de traction correspondant
CN106463801B (zh) * 2014-04-01 2019-01-25 密执安州立大学董事会 用于电动车辆的实时电池热管理
KR102215450B1 (ko) 2014-06-24 2021-02-15 삼성전자주식회사 배터리의 상태 정보를 학습 및 추정하는 장치 및 방법
JP6447029B2 (ja) * 2014-11-11 2019-01-09 三菱自動車工業株式会社 二次電池の制御装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20040005117A (ko) * 2002-07-08 2004-01-16 현대자동차주식회사 하이브리드 전기자동차의 배터리 팩 충전상태 예측방법
US20120290234A1 (en) * 2011-05-13 2012-11-15 Gm Global Technology Operations, Llc. Systems and methods for determining cell capacity values in a multi-cell battery
WO2013054672A1 (ja) * 2011-10-11 2013-04-18 新神戸電機株式会社 鉛蓄電池システム
KR20140056693A (ko) * 2012-10-31 2014-05-12 한국전기연구원 배터리 관리 시스템, 및 배터리 관리 시스템을 이용하는 배터리 충전상태의 추정방법
JP2014240807A (ja) * 2013-06-12 2014-12-25 三菱自動車工業株式会社 組電池の異常判定装置

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180032907A (ko) * 2016-09-23 2018-04-02 주식회사 엘지화학 병렬 연결된 배터리 팩의 soc 및 soh 관리 장치 및 방법
US10211651B2 (en) * 2016-09-23 2019-02-19 Lg Chem, Ltd. Device and method for managing SOC and SOH of parallel-connected battery pack
KR20190001421A (ko) * 2017-06-27 2019-01-04 디와이 주식회사 충방전을 제어하는 전기자동차
US11340306B2 (en) 2017-11-16 2022-05-24 Semiconductor Energy Laboratory Co., Ltd. Lifetime estimation device, lifetime estimation method, and abnormality detection method of secondary battery
WO2021040236A1 (ko) * 2019-08-26 2021-03-04 오토시맨틱스 주식회사 Ess 배터리의 상태진단 및 수명예측을 위한 장치 및 방법
US11505088B2 (en) 2019-11-26 2022-11-22 Hyundai Motor Company Vehicle and control method thereof
KR102159817B1 (ko) * 2020-03-30 2020-09-24 주식회사 대건소프트 딥러닝을 통한 에너지저장장치 운영 방법, 이를 구현하기 위한 프로그램이 저장된 기록매체 및 이를 구현하기 위해 매체에 저장된 컴퓨터프로그램
WO2023191283A1 (ko) * 2022-03-30 2023-10-05 주식회사 엘지에너지솔루션 필드 데이터 기반 인공신경망 배터리 모델을 통한 배터리 이상 검출 방법 및 시스템

Also Published As

Publication number Publication date
EP3109656A1 (en) 2016-12-28
EP3109656B1 (en) 2020-09-02
CN106249152A (zh) 2016-12-21
US20160363632A1 (en) 2016-12-15
JP6757602B2 (ja) 2020-09-23
CN106249152B (zh) 2021-01-15
JP2017004955A (ja) 2017-01-05
US10422837B2 (en) 2019-09-24
KR102424528B1 (ko) 2022-07-25

Similar Documents

Publication Publication Date Title
KR102424528B1 (ko) 배터리의 상태를 추정하는 장치 및 방법
EP3748380B1 (en) Battery capacity prediction system using charge and discharge cycles of a battery to predict capacity variations, and associated method
KR102357351B1 (ko) 복수의 배터리 셀들을 포함하는 배터리 팩의 상태를 추정하는 장치 및 방법
US10746804B2 (en) Battery management method and apparatus
KR102200550B1 (ko) 이차 전지의 충전 상태를 추정하기 위한 장치
KR102215450B1 (ko) 배터리의 상태 정보를 학습 및 추정하는 장치 및 방법
KR102241683B1 (ko) 배터리의 상태를 추정하는 방법 및 장치
KR20190032780A (ko) 배터리 상태 추정 장치 및 방법
KR101992051B1 (ko) 배터리 잔량 예측 방법 및 배터리 잔량 예측 시스템
KR20160067510A (ko) 배터리의 상태를 추정하는 방법 및 장치
KR20180037760A (ko) 배터리 상태 추정 장치 및 방법
KR20180056238A (ko) 배터리 충전 방법, 배터리 충전 정보 생성 방법 및 배터리 충전 장치
EP3379278A1 (en) Battery energy store
US20230213585A1 (en) Deterioration estimation apparatus, model generation apparatus, deterioration estimation method, model generation method, and non-transitory computer-readable storage medium
KR20160090140A (ko) 배터리의 상태를 추정하는 방법 및 장치
US20130158916A1 (en) Battery fuel gauge
Bockrath et al. State of charge estimation using recurrent neural networks with long short-term memory for lithium-ion batteries
KR20170134193A (ko) 배터리의 충전 상태를 추정하는 방법 및 그 방법을 실행하는 배터리 관리 시스템
CN113728242A (zh) 对可充电电池中的析锂进行表征
EP3832331B1 (en) Cell state estimation device and cell control device
Venugopal et al. Analysis of optimal machine learning approach for battery life estimation of Li-ion cell
CN115512777A (zh) 一种基于容量变化率的电化学模型参数辨识方法和系统
CN116381535A (zh) 用于在设备外部的中央单元中借助数字孪生高效监控设备电池组的电池组电池的方法和系统
CN117452225A (zh) 一种电池剩余电量估算方法、装置、系统及存储介质
CN113013507B (zh) 二次电池管理系统及二次电池管理方法

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant