KR20180043048A

KR20180043048A - 배터리 soh 추정 방법

Info

Publication number: KR20180043048A
Application number: KR1020160135852A
Authority: KR
Inventors: 성우석
Original assignee: 현대자동차주식회사
Priority date: 2016-10-19
Filing date: 2016-10-19
Publication date: 2018-04-27
Also published as: KR101866073B1; US20180106868A1; US10466304B2

Abstract

본 발명의 일 실시예에 따른 배터리 SOH 추정 방법은, 배터리를 충전하는 기설정된 전압 범위에서 기설정된 전압간격별 충전 소요 시간의 측정치를 산출하는 단계, 기설정된 배터리 메타 모델에 의해 전압간격별 충전 소요 시간의 추정치를 산출하는 단계 및 상기 충전 소요 시간의 추정치가 반복적으로 충전 소요 시간의 측정치에 접근하도록 하여 상기 충전 소요 시간의 측정치와 상기 충전 소요 시간의 추정치의 오차가 가장 낮은 SOH(State Of Health)를 추정하는 단계를 포함한다.

Description

배터리 SOH 추정 방법{Method for predicting State of Health of Battery}

본 발명은 배터리 SOH 추정 방법에 관한 것으로서, 더욱 구체적으로는 배터리의 실제 용량과 저장된 배터리 SOH 간의 불일치하는 현상을 줄이기 위한 배터리 SOH 추정 방법에 관한 것이다.

일반적으로, 전기 자동차 또는 하이브리드 전기 자동차(이하, '전기자동차'로 통칭함)는 전기 구동 모드에서 배터리의 전기 에너지를 이용하여 차량을 구동시킨다. 그런데, 이러한 배터리는 2차 전기로서 충/방전을 반복함에 따라 퇴화되어 그 기능이 저하되므로, 그 퇴화 정도를 평가할 필요가 있다.

SOH는 시효(Aging) 효과로 인한 배터리 용량의 특성 변화를 정량적으로 나타내는 파라미터로서, 배터리의 용량이 어느 정도 퇴화되었는지를 나타내는 척도이다. SOH는 배터리의 교체 시점과 배터리 사용기간에 따른 배터리 충/방전 용량을 조절하기 위하여 사용된다.

배터리 용량의 특성 변화는 배터리 내부저항과 온도에 의해 추정이 가능하다. 이에, 종래에는 충/방전 실험을 통해 배터리 내부저항과 온도별 배터리 용량을 미리 측정하고, 초기 용량에 대비한 측정 용량을 상대 수치화하여 SOH 맵핑을 위한 룩업 테이블을 얻은 다음, 배터리 내부저항과 온도에 대응하는 SOH를 추정하였다.

이때, 배터리 내부저항은 배터리 충방전 과정에서 직접 측정하기는 어려우므로, 이를 정확히 측정할 수 있는 기술이 요구된다.

간단하게는, 배터리 내부저항은 배터리 전압과 충방전 전류의 측정치를 옴의 법칙에 적용하여 간접 계산될 수 있다. 그러나, 배터리 전압의 측정치는 배터리의 IR 드롭 현상으로 인해 실 전압과는 오차가 있고, 배터리의 전류 또한 측정 오차가 있어, 옴의 법칙을 이용해 산출된 SOH는 오차가 컸다.

SOH 오차를 줄이기 위한, 종래의 다른 SOH 추정 방법은 배터리의 충방전 전류를 적산하여 배터리의 SOC를 추정하고, 추정된 SOC를 사용하여 SOH를 추정하는 방법이 있었다. 그런데, 이 방법은 전류를 측정하는 과정에서 발생되는 측정 오차가 누적되어, 시간이 지남에 따라 SOH 추정의 기초 데이터로 사용되는 SOC의 정확도가 떨어져 결국 SOH의 추정 신뢰성이 떨어지는 문제가 있었다.

[특허문헌]한국공개특허 2016-0012355호.

본 발명은 배터리의 노화 상태를 추정하되, 고정점 반복법(Fixed Point Iteration)과 같이 충전 소요 시간의 추정치가 반복적으로 충전 소요 시간의 측정치에 접근하도록 하여 충전 소요 시간의 측정치와 충전 소요 시간의 추정치의 오차가 낮은 배터리 SOH 추정 방법으로써, 저장된 배터리 SOH 정보가 없더라도 배터리 SOH를 추정할 수 있는 배터리 SOH 추정 방법을 제공한다.

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

또한, 상기 기설정된 전압 범위는, 3650mV 내지 3950mV이며, 상기 전압간격은, 25mV일 수 있다.

또한, 상기 SOH를 추정하는 단계는, 상기 충전 소요 시간의 최초 측정치를 획득하는 단계, 추정된 SOH를 1로 초기화하는 단계, 상기 배터리의 충전 시작 시간을 추정하는 단계 및 상기 충전 시작 시간이 부가된 최초 측정치를 상기 충전 소요 시간의 측정치로 업데이트하는 단계를 포함할 수 있다.

또한, 상기 충전 소요 시간의 측정치로 업데이트하는 단계 이후, 배터리 메타 모델을 이용하여 충전 소요 시간의 추정치를 추정하는 단계, 상기 충전 소요 시간의 추정치로부터 충전 소요 시간의 측정치를 뺄셈하여 잔차 벡터를 계산하는 단계 및 상기 잔차 벡터의 가중 최소 자승합이 최소가 되는 추정된 SOH를 업데이트하는 단계를 포함할 수 있다.

또한, 상기 측정치를 산출하는 단계는, 상기 배터리를 구성하는 모든 셀 중에서 최저, 평균 및 최대 전압의 셀을 선택하고, 선택된 3 셀에 대해 각기 상기 전압간격별 충전 소요 시간을 측정할 수 있다.

또한, 상기 추정하는 단계는, 상기 선택된 3셀에 대해 각기 상기 배터리 SOH를 추정하되, 상기 최대 전압의 셀의 SOH를 상기 SOH로 결정할 수 있다.

또한, 상기 배터리를 정전류 충전하기 전에, 잔류 용량(Residual Capacitor)을 충전 전류로 제산한 결과를 초 단위로 환산하여 상기 충전 소요 시간의 충전 시작 시간을 산출하는 단계를 더 포함할 수 있다.

또한, 상기 추정치를 산출하는 단계는, 예측 SOH의 충전 곡선을 충전 시작 시간에 대응하도록 변경하여 상기 충전 소요 시간의 추정치를 산출하는 단계를 포함할 수 있다.

본 기술은 배터리 노화 상태를 용이하게 추정할 수 있다.

아울러, 본 기술은 배터리(Battery)의 교체 또는 배터리 제어 시스템(Battery Management System)을 교체하는 경우에 배터리의 실제 용량과 배터리 제어 시스템에 저장된 이전 SOH(과거 SOH) 간의 불일치 되는 현상을 방지할 수 있다.

도 1은 SOC 메터와 SOH 메터를 도시한 도면이다.
도 2a 및 도 2b는 개방 루프 배터리 모델과 폐 루프 배터리 모델을 도시한 도면이다.
도 3은 본 발명의 일 실시예에서 전압과 시간에 따른 배터리 충전 곡선의 변화를 도시한 그래프이다.
도 4는 본 발명의 일 실시예에 따른 배터리 메타 모델의 동작 과정을 설명한 도면이다.
도 5는 본 발명의 일 실시예에 따른 배터리 관리 시스템을 도시한 구성도이다.
도 6은 본 발명의 일 실시예에 따른 배터리 ＳＯＨ 추정 시스템의 배터리 SOH 추정 방법을 설명하는 순서도이다.
도 7은 본 발명의 일 실시예에 따른 파라미터 추정부에서의 파라미터 추정 방법을 개략적으로 설명하는 순서도이다.
도 8은 본 발명의 일 실시예에 따른 배터리 SOH 추정 시스템의 파라미터 추정 방법을 설명하는 제 1 순서도이다.
도 9는 본 발명의 일 실시예에 따른 배터리 SOH 추정 시스템의 파라미터 추정 방법을 설명하는 제 2 순서도이다.
도 10a 내지 도 10e는 본 발명의 일 실시예에서 전압과 시간에 따른 배터리 충전 곡선의 변화를 도시한 그래프이다.
도 11은 본 발명의 일 실시예에 따른 고정점 반복법을 설명하는 그래프이다.
도 12는 본 발명의 일 실시예에 따른 배터리 SOH 추정 방법을 실행하는 컴퓨팅 시스템을 보여주는 블록도이다.

본 발명의 이점 및 특징, 그리고 그것을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시 예들을 통해 설명될 것이다. 그러나 본 발명은 여기에서 설명되는 실시 예들에 한정되지 않고 다른 형태로 구체화될 수도 있다. 단지, 본 실시 예들은 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 본 발명의 기술적 사상을 용이하게 실시할 수 있을 정도로 상세히 설명하기 위하여 제공되는 것이다.

도면들에 있어서, 본 발명의 실시 예들은 도시된 특정 형태로 제한되는 것이 아니며 명확성을 기하기 위하여 과장된 것이다. 본 명세서에서 특정한 용어들이 사용되었으나. 이는 본 발명을 설명하기 위한 목적에서 사용된 것이며, 의미 한정이나 특허 청구 범위에 기재된 본 발명의 권리 범위를 제한하기 위하여 사용된 것은 아니다.

본 명세서에서 '및/또는'이란 표현은 전후에 나열된 구성요소들 중 적어도 하나를 포함하는 의미로 사용된다. 또한, '연결되는/결합되는'이란 표현은 다른 구성요소와 직접적으로 연결되거나 다른 구성요소를 통해 간접적으로 연결되는 것을 포함하는 의미로 사용된다. 본 명세서에서 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 또한, 명세서에서 사용되는 '포함한다' 또는 '포함하는'으로 언급된 구성요소, 단계, 동작 및 소자는 하나 이상의 다른 구성요소, 단계, 동작 및 소자의 존재 또는 추가를 의미한다.

이하, 도면들을 참조하여 본 발명의 실시 예에 대해 상세히 설명하기로 한다.

본 발명의 구성을 설명하기에 앞서, 본 발명의 이론적 개념에 대하여 간략하게 설명한다.

도 1 내지 도 2b를 참조하여 본 발명의 실시예에 따른 SOH 추정 개념에 대하여 설명한다.

도 1은 SOC 메터와 SOH 메터를 도시한 도면이고, 도 2a 및 도 2b는 개방 루프 배터리 모델과 폐 루프 배터리 모델을 도시한 도면이다.

배터리 관리에서 가장 중요한 변수는 배터리 잔량에 관련된 SOC와 배터리 노화 상태에 관련된 SOH이다.

먼저, SOC는 하기의 수학식 1과 같이 현재 용량(Present Capacity)에 대한 잔류 용량(Residual Capacity)으로 산출될 수 있다. 여기서, 현재 용량과 잔류 용량은 hA 단위로 표현된다.

[수학식 1]

다음으로, SOH는 하기의 수학식 2와 같이 초기 용량(Initial Capacity)에 대한 현재 용량(Present Capacity)으로 산출된다. SOH는 0 내지 1 사이의 값, 또는 백분율로 표현된다.

[수학식 2]

이와 같이, SOC는 더 정확한 배터리 잔류 용량을 제공하기 위해 SOH와 관련될 필요가 있다.

이러한, SOH는 배터리 교체 주기를 제공하기 위해 온보드 상에 모니터될 수 있다. 일 예로서, 닛산 릿프는 도 1과 같이, 대시 보드에 SOC 메터와 SOH 메터를 구비한다.

이때, SOC 메터는 허용 충전 게이지로 불리며, SOH 메터는 이용 가능한 용량 게이지로 불린다. 이러한, SOC 메터는 방전됨에 따라 떨어지고 충전되면 다시 올라가나, SOH 메터의 레벨은 배터리가 교체되지 않는다면 지속적으로 떨어진다.

전술한, SOC와 SOH 추정을 위한 SOC 추정 기법은 크게 개방 루프 방법과 폐 루프 방법이 있다.

도 2a를 참조하면, 개방 루프 방법은 배터리 모델(Battery model)을 사용하여 피드백 없이 추정 용량(estimated capacity)을 출력한다. 따라서, 개방 루프 배터리 모델은 경험적(Arrhenius)으로 생성된 시스템 모델의 정확도에 의해 용량 추정의 정확도가 결정된다. 개방 루프 배터리 모델의 입력은 용량 손실에 영향을 주는 충/방전 전류율, 충전 컷오프 전압, SOC 및 온도 변수일 수 있다. 그런데, 개방 루프 배터리 모델에는 통상 이러한 변수 중 한 두 개만이 적용되므로 복수 입력 사이의 복잡한 상호작용 없이 적용될 수 있다. 그런데, 개방 루프 배터리 모델은 배터리 실 사용 패턴에서 획득된 다양한 시나리오를 나타내기에는 제약이 있다.

도 2b를 참조하면, 폐 루프 배터리 모델은 피드백에 대한 추정 전압을 출력하며, 전기적 또는 전기화학적이며, 그 입력은 노화 관련 파라미터이다. 폐 루프 배터리 모델은 원하는 출력으로 측정 전압을 사용하므로 실 환경 조건에서도 현재 용량의 추정할 수 있다. 그런데, 폐 루프 배터리 모델은 개방 루프 기법에 비해 더 많은 컴퓨팅 자원을 필요로 한다는 단점이 있다.

이러한 배터리 모델의 복잡성을 줄이기 위해서, 본 발명에서는 배터리 내부 원리에 의해 배터리 동작을 나타내는 메타 모델을 기반으로 고안되었다. 여기서, 관심 배터리 동작은 배터리 노화에 따른 충전 곡선의 형태 변화에 국한되므로, 메타 모델은 배터리 충전 영역에 대해서만 구성된다.

한편, 차량 대 그리드 시나리오에서 전기자동차(EV)의 배터리는 전류 크기는 다르더라도 정전류 충전 대상이다. 여기서, 전류 크기는 전기자동차의 사용자에 의해 선택된 충전기의 파워 레벨에 따라 다를 수 있다. 이러한 특징을 이용하여 본 발명에서는 정전류 충전에 따른 충전 시간을 이용하여 배터리 SOH를 추정한다.

도 3은 본 발명의 일 실시예에서 전압과 시간에 따른 배터리 충전 곡선의 변화를 도시한 그래프이다.

도 3을 참조하면, 배터리 메타 모델의 구축에 사용된 충전 곡선은 도 1과 같이 전압에 따른 시간 형태이다.

구체적으로, X축은 전압을 개시하고, Y축은 배터리 충전에 따른 시간을 개시한 것으로, 배터리 충전에 따른 시간은 충전 시작 시간 및 충전 경과 시간(충전 소요 시간)을 포함할 수 있다.

도 3에서 개시한 바와 같이, 충전 시작 전압은 3650mV이고, 충전 완료 전압은 3950mV이며, 배터리 SOH 추정 시스템은 충전 시작 전압과 충전 완료 전압 사이의 충전 경과 시간에서 매 25mV에서 측정된 벡터 y를 저장한다.

도 4는 본 발명의 일 실시예에 따른 배터리 메타 모델의 동작 과정을 설명한 도면이다.

도 4를 참조하면, 배터리 메타 모델(battery meta-model 또는 배터리 모델)은 파라미터 추정기(parameter estimator)의 출력인 노화 관련 파라미터(정규화 용량 = SOH)에 대한 출력으로 충전 소요 시간을 추정한다.

이에, 배터리 메타 모델의 구축에 사용된 충전 곡선은 전압에 따른 시간 형태이다.

그런데, 배터리 단자 전압은 듀티 사이클, 휴지 시간, SOC 및 온도에 민감하므로, 변수는 결국 충전 곡선의 형태를 왜곡하고 파라미터 추정에 영향을 미칠 것이다.

그러나, 본 발명에서는 SOH 추정과 가중 최소 제곱(WLS; weighted least square) 기법이 병행하여 현재 용량 이외의 충전 곡선의 형태에 영향을 미칠 수 있는 다른 요인을 억제할 수 있다.

이와 같이, 본 발명에서는 종래의 시간에 따른 전류 적산을 충전 소요 시간의 추정치와 측정치 간의 오차의 가중 최소 제곱으로 대체함에 따라 전류 적산에 의한 추정 오차를 방지하고, 배터리 용량 추정의 신뢰성을 향상시킬 수 있다.

또한, 본 발명에서는 배터리 메타 모델과 WLS의 조합으로 배터리 관리 시스템의 제한된 계산 리소스를 사용하여 현재 용량을 효율적으로 추정할 수 있다.

도 5는 본 발명의 일 실시예에 따른 배터리 관리 시스템을 도시한 구성도이다.

본 발명의 실시예에 따른 배터리 관리 시스템(100)은 저장부(150), 초기화부(110), 데이터 측정부(120), 파라미터 추정부(130) 및 스케줄러(140)를 포함한다. 여기서, 배터리 SOH 추정 시스템은 데이터 측정부(120) 및 파라미터 추정부(130)를 포함한다.

초기화부(110)는 저장부(150) 내 이전 충전으로부터 확인된 현재 용량(Normalized Capacity)을 확인하고, 현재 용량에 대응하는 잔류 용량을 초기시간(충전 시작 시간)으로 변환한다. 이때, 초기시간은 배터리 충전 곡선의 시작점이 된다.

상세하게는, 초기화부(110)는 하기의 수학식 3과 같이 잔류 용량을 충전 전류로 제산하여 산출된 시간 단위의 초기시간을 초 단위로 변환(*3600[sec])할 수 있다.

[수학식 3]

여기서, 잔류 용량은 현재 용량과 SOC를 곱하여 구할 수 있다.

여기서, 충전 전류는 배터리 관리 시스템의 전류 센서에 의해 계측된 값일 수 있거나, 충전 전류는 충전소에 의해 전달된 값일 수도 있다.

데이터 측정부(120)는 배터리 충전 시에 기설정된 전압범위에서 배터리 전압이 기설정된 전압간격씩 변화(충전)되는데 소요되는 복수의 충전 소요 시간을 측정하고, 벡터 y에 측정치를 저장한다.

이때, 전압범위와 전압간격은 다양할 수 있지만, 이하에서는 도 1에서와 같이 전압범위가 3650mV 내지 3950mV, 전압간격은 25mV인 경우를 예로 들어 설명한다.

이 경우, 데이터 측정부(120)는 다수 개의 소요 시간을 측정하며, 이는 충전 곡선의 다수의 점으로 표현될 수 있다.

데이터 측정부(120)는 스케줄러(140)에 의해 할당된 주기에(예컨대, 매 100ms) 충전 전압을 측정할 수 있다.

파라미터 추정부(130)는 충전 곡선 상의 기설정된 전압 범위에 대한 충전 소요 시간의 수집이 완료된 이후 파라미터(배터리 SOH)를 추정한다.

구체적으로, 파라미터 추정부(130)는 배터리 전압이 기설정된 전압 범위 이상이면, 기설정된 배터리 메타 모델에 의해 추정된 SOH에 따른 전압간격별 충전 소요 시간의 추정치를 산출한다. 그리고 파라미터 추정부(130)는 가중 최소 자승법에 의해 전압간격별 측정치와 전압간격별 추정치의 오차가 상대적으로 가장 낮은 추정된 SOH를 배터리 SOH(State Of Health)로 추정한다.

파라미터 추정부(130)는 저장부(150)로부터 각 배터리 셀의 충전 소요 시간의 측정치를 가져온다. 이때, 파라미터 추정부(130)는 저장부(150)로부터의 데이터를 이용하여 측정치 벡터 y를 구성한다. 이러한 측정치 벡터 y는 지속적으로 업데이트될 수 있다.

파라미터 추정부(130)는 배터리 메타 모델에 의해 충전 소요 시간을 추정한다. 상세하게는, 파라미터 추정부(130)는 배터리 메타 모델에 의해 충전 곡선의 각 측정점의 충전 소요 시간을 예측하여 추정치 벡터 x 내 저장시킨다.

이때, 파라미터 추정부(130)는 파라미터 추정을 시작한 후 최초에는 추정된 SOH(예측 SOH)를 1로 두고 SOH 1의 충전 곡선을 산출된 초기 시간에 따라 변환한 결과인 충전 소요 시간을 추정치 벡터 x에 저장시킨다.

그 후에, 파라미터 추정부(130)는 추정된 SOH를 점차로 줄여서 그 충전 곡선에 대응하는 충전 소요 시간을 추정치 벡터 x에 저장시킬 수 있다.

파라미터 추정부(130)는 충전 소요 시간에 기반하여 가중 최소 자승법에 의해 SOH 추정치를 산출한다. 상세하게는, 파라미터 추정부(130)는 추정치 벡터 x로부터 측정치 벡터 y를 감산하여 잔차 벡터 b를 산출하고, 잔차 벡터 b에 반비례하도록 가중치 벡터 W를 생성한다.

더불어, 파라미터 추정부(130)는 잔차 벡터 b의 1차 부분 도함수(derivative) 자코비안(Jacobian)을 기설정된 방법으로 수치적으로 계산한다. 여기서, 잔차 벡터 b는 추정치 벡터와 측정치 벡터 간의 오차 분산으로 볼 수 있다.

이때, 파라미터 추정부(130)는 SOH를 추정하되, 최대 반복 횟수 내에서 자코비안 벡터 J에 의해 가중 최소 자승 합이 더 이상 감소되지 않을 때까지 추정된 SOH를 갱신한다. 이와 같이, 반복 횟수를 제한하는 이유는 배터리 충전 완료 전에 파라미터 추정을 완료하기 위함이다. 참고로, 파라미터 추정 가능 시간은 반복 횟수 제한으로 인해 배터리 수명에 따라 감소된다.

파라미터 추정부(130)는 추정된 SOH를 갱신하여 SOH 추정을 수행함에 따라 가중 최소 자승 합이 수렴하거나 최대 반복 횟수이면, 해당 추정된 SOH를 배터리 SOH로 추정한다.

파라미터 추정부(130)는 선택된 모든 셀(3셀)에 대해 전술한 파라미터 추정 과정을 수행할 수 있다. 다만, 3셀 중에서 최대 전압의 셀이 목표전압에 가장 먼저 도달하므로, 현재 용량도 가장 적은 가장 노화된 셀이다. 이에, 파라미터 추정부(130)는 최대 전압 셀의 SOH 추정치를 배터리 SOH로 결정할 수 있다.

또는, 파라미터 추정부(130)는 3 셀의 SOH 추정치의 편차를 이용하여 배터리 셀의 SOH 편차를 확인할 수도 있다. 이때, 파라미터 추정부(130)는 SOH 편차를 계기판 등을 통해 사용자에게 제공할 수도 있다.

도 6은 본 발명의 일 실시예에 따른 배터리 ＳＯＨ 추정 시스템의 배터리 SOH 추정 방법을 설명하는 순서도이다.

도 6을 참조하면, 먼저, 배터리 ＳＯＨ 추정 시스템은 초기화한다(S11).

다음으로, 배터리 ＳＯＨ 추정 시스템의 데이터 측정부에서는 데이터를 측정한다(S13).

즉, 배터리 ＳＯＨ 추정 시스템은 배터리 충전 시에 기설정된 전압범위에서 배터리 전압이 기설정된 전압간격으로 변화(충전)되는데 소요되는 충전 소요 시간을 측정한다.

다음에는, 배터리 ＳＯＨ 추정 시스템의 파라미터 추정부에서는 파라미터(배터리 SOH)를 추정한다(S15).

즉, 배터리 ＳＯＨ 추정 시스템은 충전 곡선 상의 기설정된 전압 범위에 대한 충전 소요 시간의 수집이 완료된 이후 파라미터를 추정한다.

도 7은 본 발명의 일 실시예에 따른 파라미터 추정부에서의 파라미터 추정 방법을 개략적으로 설명하는 순서도이다.

도 7을 참조하면, 파라미터 추정부는 제 1 단계로써, 충전 시작 시간이 부가된 최초의 측정치 벡터 y를 측정치 벡터 y(충전 소요 시간의 측정치)로 업데이트 한다(S21).

여기서, S21 단계는 하기 도 8의 제 1 순서도에 따라 배터리 SOH 추정 시스템이 최초 측정치(최초 측정치 벡터 y)를 획득한다.

그리고, 배터리 SOH 추정 시스템은 파라미터(예측 SOH)를 1로 시작한다.

다음으로, 배터리 SOH 추정 시스템은 충전 시작 시간을 추정한다.

즉, 배터리 SOH 추정 시스템은 파라미터 추정을 시작한 후에 최초에는 추정된 SOH를 1로 가정하고, 추정된 SOH 1의 충전 곡선을 추정된 충전 시작 시간에 따라 변환한 결과인 충전 소요 시간을 추정치 벡터 x에 저장시킬 수 있다.

다음으로, 배터리 SOH 추정 시스템은 충전 시작 시간이 부가된 최초의 측정치 벡터 y를 측정치 벡터 y로 업데이트한다.

이러한 S21 단계는 하기 도 10a에서 구체적인 수치를 이용하여 그래프로 설명한다.

다음으로, 파라미터 추정부는 제 2 단계로써, 배터리 SOH를 추정하되, 최대 반복 횟수 내에서 자코비안 벡터 J에 의해 가중 최소 자승 합이 더 이상 감소되지 않을 때까지 추정된 SOH(예측 SOH)를 갱신한다(S23).

여기서, S23 단계는 하기 도 9의 제 2 순서도에 따라 배터리 SOH 추정 시스템이 배터리 메타 모델을 이용하여 SOH 추정치(충전 소요 시간의 추정치)를 추정한다.

즉, 배터리 SOH 추정 시스템은 배터리 메타 모델에 의해 충전 곡선의 각 측정점의 충전 소요 시간을 예측하여 추정치 벡터 x 내 저장시킨다.

다음에는, 배터리 SOH 추정 시스템은 추정치 벡터 x로부터 측정치 벡터 y를 감산하여 잔차(나머지, residuals) 벡터 b를 추정한다.

다음으로, 배터리 SOH 추정 시스템은 잔차 벡터 b에 반비례하도록 가중치 벡터 w를 계산한다.

다음에는, 배터리 SOH 추정 시스템은 잔차 벡터 b의 1차 부분 도함수(derivative) 자코비안(Jacobian)을 기 설정된 방법으로 계산한다.

다음으로, 배터리 SOH 추정 시스템은 파라미터(SOH)를 추정하되, 자코비안 벡터에 의해 가중 최소 자승 합이 더 이상 감소되지 않을 때까지 최후로 추정된 파라미터(SOH)를 갱신한다.

여기서, S23 단계부터 S27 단계까지는 하기 도 10b 및 도 10c에서 구체적인 수치를 이용하여 그래프로 설명한다.

다음에는, 파라미터 추정부는 추정된 SOH(1, 0.973, 0949, 0.854 등)를 계속 갱신할 지 여부를 판단하고, 추정된 SOH를 계속 갱신하여 추정된 SOH가 일정한 값(예를 들어, SOH 0.79)이 될 때까지 접근(수렴)한다(S25).

즉, 파라미터 추정부는 추정된 SOH를 업데이트 된 측정치 벡터 y(충전 소요 시간의 측정치)와 비교하고, 추정된 SOH가 업데이트 된 측정치 벡터 y 의 오차가 낮은 값이 될 때까지 접근하도록 한다.

다음으로, S25 단계 이후, 파라미터 추정부는 상기 제 1 단계에서 업데이트 된 측정치 벡터 y(예를 들어, 충전 소요 시간의 측정치 598초부터 956초)로 갱신할지 여부를 판단한다(S27).

즉, S27 단계에서 파라미터 추정부는 갱신 여부를 판단하여 업데이트 된 측정치 벡터 y가 추정된 SOH와 오차가 기설정된 값보다 낮다고 판단하면, 파라미터 추정을 완료한다.

그러나, 업데이트 된 측정치 벡터 y가 추정된 SOH와 오차가 설정된 값보다 높다고 판단되면, 파라미터 추정은 계속 실시된다.

즉, 이러한 파라미터 추정부에서는 제 1 단계 및 제 2 단계를 수 차례 반복하여 추정된 SOH를 계속 갱신하고, SOH 추정을 수행함에 따라 가중 최소 자승 합이 수렴하거나 최대 반복 횟수이면, 해당 추정된 SOH를 배터리 SOH로 추정할 수 있다.

도 8은 본 발명의 일 실시예에 따른 배터리 SOH 추정 시스템의 파라미터 추정 방법을 설명하는 제 1 순서도이다.

도 8을 참조하면, 배터리 SOH 추정 시스템은 최초 측정치(최초 측정치 벡터 y)를 획득한다(S31).

배터리 SOH 추정 시스템은 저장부로부터 각 배터리 셀의 충전 소요 시간의 측정치를 가져온다. 이때, 배터리 SOH 추정 시스템은 저장부로부터의 데이터를 이용하여 최초의 측정치 벡터 y를 구성한다.

다음으로, 배터리 SOH 추정 시스템은 파라미터(예측 SOH)를 1로 시작한다(S33).

다음에는, 배터리 SOH 추정 시스템은 충전 시작 시간을 추정한다(S35).

다음으로, 배터리 SOH 추정 시스템은 충전 시작 시간이 부가된 최초의 측정치 벡터 y를 측정치 벡터 y로 업데이트한다(S37).

도 9는 본 발명의 일 실시예에 따른 배터리 SOH 추정 시스템의 파라미터 추정 방법을 설명하는 제 2 순서도이다.

도 9를 참조하면, 배터리 SOH 추정 시스템은 배터리 메타 모델을 이용하여 SOH 추정치(충전 소요 시간의 추정치)를 추정한다(S41).

다음에는, 배터리 SOH 추정 시스템은 추정치 벡터 x로부터 측정치 벡터 y를 감산하여 잔차(나머지, residuals) 벡터 b를 추정한다(S43).

다음으로, 배터리 SOH 추정 시스템은 잔차 벡터 b에 반비례하도록 가중치 벡터 w를 계산한다(S45).

다음에는, 배터리 SOH 추정 시스템은 잔차 벡터 b의 1차 부분 도함수(derivative) 자코비안(Jacobian)을 기 설정된 방법으로 계산한다(S47).

다음으로, 배터리 SOH 추정 시스템은 파라미터(SOH)를 추정하되, 자코비안 벡터에 의해 가중 최소 자승 합이 더 이상 감소되지 않을 때까지 최후로 추정된 파라미터(SOH)를 갱신한다(S49).

도 10a 내지 도 10e는 본 발명의 일 실시예에서 전압과 시간에 따른 배터리 충전 곡선의 변화를 도시한 그래프이다.

도 10a를 참조하면, 배터리 SOH 추정 시스템은 저장부로부터의 데이터를 이용하여 측정치 벡터 y를 구성한다.

측정치 벡터 y를 구성하는 방법은 배터리 충전이 시작된 후에 3650mV 전압부터 3950mV 전압까지 11초 내지 369초가 소요된다.

여기서, 배터리 SOH 추정 시스템은 최초에는 추정된 SOH를 1로 추정하고, 충전 시작 시간(충전 곡선의 시작점 또는 잔류 용량)이 부가된 최초의 측정치 벡터 y를 새로운 측정치 벡터 y로 업데이트한다.

측정치 벡터 y로 업데이트 하는 방법은 상기 수학식 3을 이용하여 계산될 수 있다.

즉, 잔류 용량(충전 곡선의 시작점)은 SOC x SOH x 정격 용량(nominal capacity)로 계산할 수 있다.

예를 들어, 도 10a와 같이, 충전 시작 시간은 SOC(0.3) × SOH(1) × 정격 용량(42Ah) / 전류(61A) x 3600은 743초로 추정될 수 있다.

여기서, 배터리 충전이 시작된 후에 3650mV 전압부터 3950mV 전압까지 11초 내지 369초가 소요되었으나, 743초가 각각 부가되어 754초 및 1112초가 소요될 수 있다.

도 10b를 참조하면, 목표 전압에 도달하기 위하여 경과된 시간으로부터 얻은 SOH를 개시한다.

도 10b에서 도시된 바와 같이, SOH가 1에서부터 0.79까지 변경되는 동안 추정치 벡터 x는 충전 시작 시간이 754초이고, 충전 종료 시간이 1112초인 측정치 벡터 y로 접근(수렴)한다.

도 10c에서 도시된 바와 같이, SOH가 0.79에서부터 0.718까지 변경되는 동안 추정치 벡터 x는 충전 시작 시간이 598초이고, 충전 종료 시간이 956초인 측정치 벡터 y로 접근한다.

도 10d에서 도시된 바와 같이, SOH가 0.718에서부터 0.691까지 변경되는 동안 추정치 벡터 x는 충전 시작 시간이 544초이고, 충전 종료 시간이 902초인 측정치 벡터 y로 접근한다.

도 10e에서 도시된 바와 같이, SOH가 0.691에서부터 0.68까지 변경되는 동안 추정치 벡터 x는 충전 시작 시간이 524초이고, 충전 종료 시간이 882초인 측정치 벡터 y로 접근한다.

상기에서 설명하는 바와 같이, 본 발명의 일 실시예에 따른 배터리 SOH 추정 시스템은 고정점 반복법(Fixed-Point Iteration)과 같이 배터리 SOH가 루트(root, 방정식의 근)으로 수렴하면서 배터리 SOH를 추정할 수 있는 방법이다.

즉, 배터리 SOH 추정 시스템은 실제 SOH가 67.8%까지 측정되는 경우 SOH 추정치는 68%이므로 0.2% 이내의 추정 오차를 산출할 수 있다.

도 11은 본 발명의 일 실시예에 따른 고정점 반복법을 설명하는 그래프이다.

도 11을 참조하면, 본 발명의 일 실시예에 따른 배터리 SOH 추정 방법은 고정점 반복법과 같은 방식으로 배터리 SOH를 추정하는 방법이다.

여기서, 고정점은 방정식의 근(Roots of Equations)을 구하는 방법으로 추정할 수 있다.

도 11의 y=x 그래프에서 최후 고정점(A)을 얻기 위하여 허용 오차 범위 내에 고정점을 추정할 때까지 반복적으로 계산하는 방법이다. 여기서, x는 p0, p1, p2 등이 될 수 있고, y=g(x)에서의 고정점은 (p0, p1), (p1, p2), (p2, p3) 등이 될 수 있다.

예를 들어, 고정점 반복법은 f(x)=0을 만족하는 x를 찾기 위하여 y=x를 x=g(x)라는 수식으로 변형하면, f(x)=x-sinx=0이 되고, x=sinx=g(x)를 도출할 수 있다.

여기서, x=g(x)이므로, p0, p1 또는 p2는 각각 g(p0), g(p1), g(p2)가 될 수 있어서, 고정점 (p0, p1) 보다는 고정점 p1이 더 가까운 고정점으로 유추될 수 있고, 고정점 p1 보다는 고정점(p1, p2)이 더 가까운 고정점으로 유추될 수 있으며, 고정점(p1, p2)보다는 고정점 p2가 더 가까운 고정점으로 유추될 수 있다.

도 12는 본 발명의 일 실시예에 따른 배터리 SOH 추정 방법을 실행하는 컴퓨팅 시스템을 보여주는 블록도이다.

도 12를 참조하면, 컴퓨팅 시스템(1000)은 버스(1200)를 통해 연결되는 적어도 하나의 프로세서(1100), 메모리(1300), 사용자 인터페이스 입력 장치(1400), 사용자 인터페이스 출력 장치(1500), 스토리지(1600), 및 네트워크 인터페이스(1700)를 포함할 수 있다.

프로세서(1100)는 중앙 처리 장치(CPU) 또는 메모리(1300) 및/또는 스토리지(1600)에 저장된 명령어들에 대한 처리를 실행하는 반도체 장치일 수 있다. 메모리(1300) 및 스토리지(1600)는 다양한 종류의 휘발성 또는 불휘발성 저장 매체를 포함할 수 있다. 예를 들어, 메모리(1300)는 ROM(Read Only Memory) 및 RAM(Random Access Memory)을 포함할 수 있다.

따라서, 본 명세서에 개시된 실시예들과 관련하여 설명된 방법 또는 알고리즘의 단계는 프로세서(1100)에 의해 실행되는 하드웨어, 소프트웨어 모듈, 또는 그 2 개의 결합으로 직접 구현될 수 있다. 소프트웨어 모듈은 RAM 메모리, 플래시 메모리, ROM 메모리, EPROM 메모리, EEPROM 메모리, 레지스터, 하드 디스크, 착탈형 디스크, CD-ROM과 같은 저장 매체(즉, 메모리(1300) 및/또는 스토리지(1600))에 상주할 수도 있다. 예시적인 저장 매체는 프로세서(1100)에 커플링되며, 그 프로세서(1100)는 저장 매체로부터 정보를 판독할 수 있고 저장 매체에 정보를 기입할 수 있다. 다른 방법으로, 저장 매체는 프로세서(1100)와 일체형일 수도 있다. 프로세서 및 저장 매체는 주문형 집적회로(ASIC) 내에 상주할 수도 있다. ASIC는 사용자 단말기 내에 상주할 수도 있다. 다른 방법으로, 프로세서 및 저장 매체는 사용자 단말기 내에 개별 컴포넌트로서 상주할 수도 있다.

전술한 바와 같이, 본 기술은 배터리 노화 상태를 용이하게 추정할 수 있다.

아울러, 본 기술은 배터리의 교체 또는 배터리 제어 시스템(Battery Management System)을 교체하는 경우에 배터리의 실제 용량과 배터리 제어 시스템에 저장된 이전 SOH(과거 SOH) 간의 불일치 되는 현상을 방지할 수 있다.

이상, 본 발명의 구성에 대하여 첨부 도면을 참조하여 상세히 설명하였으나, 이는 예시에 불과한 것으로서, 본 발명이 속하는 기술분야에 통상의 지식을 가진자라면 본 발명의 기술적 사상의 범위 내에서 다양한 변형과 변경이 가능함은 물론이다. 따라서 본 발명의 보호 범위는 전술한 실시예에 국한되어서는 아니되며 이하의 특허청구범위의 기재에 의하여 정해져야 할 것이다.

110: 초기화부 120: 데이터 측정부
130: 파라미터 추정부 140: 스케줄러
150: 저장부

Claims

배터리 SOH 추정 방법에 있어서,
배터리를 충전하는 기설정된 전압 범위에서 기설정된 전압간격별 충전 소요 시간의 측정치를 산출하는 단계;
기설정된 배터리 메타 모델에 의해 전압간격별 충전 소요 시간의 추정치를 산출하는 단계; 및
상기 충전 소요 시간의 추정치가 반복적으로 충전 소요 시간의 측정치에 접근하도록 하여 상기 충전 소요 시간의 측정치와 상기 충전 소요 시간의 추정치의 오차가 가장 낮은 SOH(State Of Health)를 추정하는 단계;
를 포함하는 것을 특징으로 하는 배터리 SOH 추정 방법.
청구항 1에 있어서,
상기 기설정된 전압 범위는, 3650mV 내지 3950mV이며, 상기 전압간격은, 25mV인 것을 특징으로 하는 배터리 SOH 추정 방법.
청구항 1에 있어서,
상기 SOH를 추정하는 단계는,
상기 충전 소요 시간의 최초 측정치를 획득하는 단계;
추정된 SOH를 1로 초기화하는 단계;
상기 배터리의 충전 시작 시간을 추정하는 단계; 및
상기 충전 시작 시간이 부가된 최초 측정치를 상기 충전 소요 시간의 측정치로 업데이트하는 단계를 포함하는 것을 특징으로 하는 배터리 SOH 추정 방법.
청구항 3에 있어서,
상기 충전 소요 시간의 측정치로 업데이트하는 단계 이후,
배터리 메타 모델을 이용하여 충전 소요 시간의 추정치를 추정하는 단계;
상기 충전 소요 시간의 추정치로부터 충전 소요 시간의 측정치를 뺄셈하여 잔차 벡터를 계산하는 단계; 및
상기 잔차 벡터의 가중 최소 자승합이 최소가 되는 추정된 SOH를 업데이트하는 단계
를 포함하는 것을 특징으로 하는 배터리 SOH 추정 방법.
청구항 1에 있어서,
상기 측정치를 산출하는 단계는,
상기 배터리를 구성하는 모든 셀 중에서 최저, 평균 및 최대 전압의 셀을 선택하고, 선택된 3 셀에 대해 각기 상기 전압간격별 충전 소요 시간을 측정하는 것을 특징으로 하는 배터리 SOH 추정 방법.
청구항 1에 있어서,
상기 추정하는 단계는,
상기 선택된 3셀에 대해 각기 상기 배터리 SOH를 추정하되, 상기 최대 전압의 셀의 SOH를 상기 SOH로 결정하는 것을 특징으로 하는 배터리 SOH 추정 방법.
청구항 1에 있어서,
상기 배터리를 정전류 충전하기 전에, 잔류 용량(Residual Capacitor)을 충전 전류로 제산한 결과를 초 단위로 환산하여 상기 충전 소요 시간의 충전 시작 시간을 산출하는 단계를 더 포함하는 것을 특징으로 하는 배터리 SOH 추정 방법.
청구항 1에 있어서,
상기 추정치를 산출하는 단계는,
예측 SOH의 충전 곡선을 충전 시작 시간에 대응하도록 변경하여 상기 충전 소요 시간의 추정치를 산출하는 단계를 포함하는 것을 특징으로 하는 배터리 SOH 추정 방법.