KR20180049590A

KR20180049590A - 이차전지의 soc-ocv 데이터 수집장치, 수집방법 및 이차전지의 모델링 장치

Info

Publication number: KR20180049590A
Application number: KR1020160145688A
Authority: KR
Inventors: 김진욱; 전진홍; 조창희
Original assignee: 한국전기연구원
Priority date: 2016-11-03
Filing date: 2016-11-03
Publication date: 2018-05-11

Abstract

본 발명은 이차전지의 SOC-OCV 데이터 수집장치, 수집방법 및 이차전지의 모델링 장치에 관한 것으로, 본 발명에 따른 이차전지의 SOC-OCV 데이터 수집장치는 일정 시험조건을 수립하여 전지의 방전 시험을 수행하는 전지시험부; 상기 전지시험부의 시험결과에 따라 SOC-OCV 데이터를 획득하는 데이터획득부; 및 획득한 상기 SOC-OCV 데이터를 이용하여 SOC-OCV 곡선을 결정하기 위한 것으로, SOC와 OCV의 단조 증가의 특성을 반영하여 상기 SOC-OCV 곡선을 결정하는 SOC-OCV 곡선결정부를 포함하는 것을 특징으로 하는 이차전지의 SOC-OCV 데이터 수집장치에 의해 달성될 수를 포함한다.
이에 의해 적은 수의 데이터를 이용하여 정확한 SOC-OCV 곡선을 얻을 수 있다.

Description

이차전지의 SOC-OCV 데이터 수집장치, 수집방법 및 이차전지의 모델링 장치{Apparatus and Method of collecting and Modeling a SOC-OCV data of the secondary battery}

본 발명은 이차전지의 SOC-OCV 데이터 수집장치, 수집방법 및 이차전지의 모델링 장치에 관한 것으로, 보다 구체적으로는 이차전지 모델링에 사용되는 SOC-OCV 곡선 생성에 관한 것이다.

BMS(Battery Management System) 평가 분야에서는 등가회로를 이용한 전지 모델링 기법을 사용한다. 이러한 등가회로를 이용한 전지 모델링을 위해서는 개방전압(OCV: open circuit voltage)에 따른 이차전지의 충전상태(SOC: state of charge)의 변화 즉, SOC-OCV 데이터가 필수적이다. SOC-OCV 데이터는 전지의 펄스 방전 시험이나 연속 충방전을 통해 취득한다.

따라서, SOC를 정확히 예측하기 위해서는 이차전지의 OCV를 정확히 측정해야 하는데, 이러한 OCV는 이차전지가 완전히 안정화된 상태에서 정확한 측정이 가능한 것이므로, 전지의 사용에 따라 시시각각으로 변화하게 되는 OCV를 신속하고 정확히 측정하는 것은 매우 어려운 일이다. 특히, 전지가 안정상태로 도달하기 위해서는 충분한 휴지시간이 필요하므로 데이터 취득에 많은 시간이 소요되는 문제가 있다.

한편, 종래 SOC-OCV 곡선 결정방법은 취득한 SOC-OCV 데이터를 단순하게 직선으로 이어서 만드는 방법과, 비선형 구조를 이용하여 결정하는 방법이 있다. 데이터를 단순하게 직선으로 이어서 만드는 방법은 비선형성이 큰 영역 예컨대, SOC가 매우 높거나 낮은 영역에서는 큰 오차가 발생할 가능성이 크다. 따라서, 비선형성이 큰 영역에서 정밀한 SOC-OCV 곡선을 얻기 위해서는 많은 측정 데이터가 필요하다. 한편, 비선형 구조를 이용하여 SOC-OCV 곡선을 얻는 방법은 도입된 비선형 구조에 따라 과도한 비선형성을 데이터에 부과하여 실제와 다르게 곡선이 얻어질 가능성이 큰데, 특히 데이터의 수가 적을 때 더욱 확연히 오차가 두드러진다.

전술한 바와 같은 문제점을 해결하기 위하여, 본 발명에서는 적은 데이터를 이용하여 정확한 SOC-OCV 곡선을 얻을 수 있는 이차전지의 SOC-OCV 데이터 수집장치, 수집방법 및 이차전지의 모델링 장치를 제공하는데 목적이 있다.

상기 목적은 이차전지의 SOC-OCV 데이터 수집장치에 있어서, 일정 시험조건을 수립하여 전지의 방전 시험을 수행하는 전지시험부; 상기 전지시험부의 시험결과에 따라 SOC-OCV 데이터를 획득하는 데이터획득부; 및 획득한 상기 SOC-OCV 데이터를 이용하여 SOC-OCV 곡선을 결정하기 위한 것으로, SOC와 OCV의 단조 증가의 특성을 반영하여 상기 SOC-OCV 곡선을 결정하는 SOC-OCV 곡선결정부를 포함하는 것을 특징으로 하는 이차전지의 SOC-OCV 데이터 수집장치에 의해 달성될 수 있다.

여기서, 상기 SOC-OCV 곡선결정부는 비선형성을 반영하여 상기 SOC-OCV의 곡선 구조를 결정할 수 있다.

또한, 상기 SOC-OCV의 곡선 구조는 퍼지이론, 신경망 이론, 또는 다항식 함수 중 적어도 어느 하나를 이용할 수 있다.

그리고, 상기 SOC-OCV 곡선결정부는 파라미터를 결정하는데 SOC-OCV의 단조증가 특성을 이용할 수 있다.

아울러, 상기 전지시험부는 SOC 간격, C-rate에 따라 시험 조건을 수립할 수 있다.

그리고, 상기 전지시험부는 상기 전지의 펄스 방전 시험 또는 연속 충방전 시험을 수행할 수 있다.

한편, 상기 목적은 이차전지의 SOC-OCV 데이터 수집방법에 있어서, 전지 시험을 통해 획득한 SOC-OCV 데이터를 입력받는 단계; 및 획득한 상기 SOC-OCV 데이터를 이용하여 SOC-OCV 곡선을 결정하기 위한 것으로, SOC와 OCV의 단조 증가의 특성을 반영하여 상기 SOC-OCV 곡선을 결정하는 단계를 포함하는 것을 특징으로 하는 이차전지의 SOC-OCV 데이터 수집방법에 의해서도 달성될 수 있다.

그리고, 상기 SOC-OCV 곡선을 결정하는 단계는, 비선형성을 반영하여 상기 SOC-OCV의 곡선 구조를 결정하는 단계; SOC-OCV의 단조증가 특성을 이용하여 파라미터를 결정하는 단계; 및 결정된 비선형 파라미터에 의해 상기 SOC-OCV 곡선을 완성하는 단계를 포함할 수 있다.

한편, 상기 목적은 이차전지의 모델링 장치에 있어서, 전지 시험을 통해 획득한 SOC-OCV 데이터를 입력받는 데이터입력부; 상기 SOC-OCV 데이터를 이용하여 SOC-OCV 곡선의 구조를 결정하는 곡선구조결정부; 및 SOC와 OCV의 단조 증가의 특성을 반영하여 상기 SOC-OCV 곡선의 파라미터의 값을 결정하는 파라미터결정부를 포함하는 것을 특징으로 하는 이차전지의 모델링 장치에 의해서도 달성될 수 있다.

상기한 바와 같이, 본 발명에 의한 이차전지의 SOC-OCV 데이터 수집장치, 수집방법 및 이차전지의 모델링 장치는 적은 수의 데이터를 이용하여 정확한 SOC-OCV 곡선을 얻을 수 있다.

도 1은 본 발명의 제1 실시예에 따른 이차전지의 SOC-OCV 데이터 수집장치의 개략도이다.
도 2는 본 발명의 일 실시예에 따른 단조특성 적용 여부에 따른 시뮬레이션 결과를 도시한 것이다.
도 3 및 4는 도 1의 이차전지의 SOC-OCV 데이터 수집장치를 이용한 SOC-OCV 데이터 수집방법의 흐름도이다.
도 5는 본 발명의 제2 실시예에 따른 이차전지의 모델링 장치의 개략도이다.

이하, 도면을 참조하여 본 발명의 구체적인 실시예들에 대해 설명하기로 한다.

도 1은 본 발명의 제1 실시예에 따른 이차전지의 SOC-OCV 데이터 수집장치의 개략도이다. 도 1을 참조하면, 본 발명의 제1 실시예에 따른 이차전지의 SOC-OCV 데이터 수집장치는 전지시험부(10), 데이터획득부(20) 및 SOC-OCV 곡선결정부(30)를 포함한다.

전지시험부(10)는 일정 시험조건을 수립하여 전지의 방전 시험을 수행하는 것으로, 전지의 펄스 방전 시험이나 연속 충방전 시험을 수행한다. 이때, 전지시험부(10) SOC 간격이나 충방전률(C-rate) 등에 따라 시험 조건을 수립한 후 시험을 실시하게 된다. 전술한 바와 같이, 이차전지가 완전히 안정화된 상태에서 SOC-OCV 데이터를 획득해야 하므로 이를 획득하는데 오랜 시간이 걸린다. 본 발명은 적은 수의 데이터로도 정확한 SOC-OCV 곡선을 결정할 수 있기 때문에 SOC 간격을 넓게 설정하여 종래에 비해 빠른시간 내에 SOC-OCV 데이터를 획득할 수 있다.

데이터획득부(20)는 전지시험부(10)의 시험결과에 따라 SOC-OCV 데이터를 획득한다. 예컨대, SOC를 5% 간격으로 데이터를 추출하는 것으로 시험조건을 설정하면 총 20개의 데이터 세트를 획득하게 된다.

SOC-OCV 곡선결정부(30)는 데이터획득부(20)를 통해 획득한 SOC-OCV 데이터를 이용하여 SOC-OCV 곡선을 결정한다. 이때, SOC-OCV 곡선결정부(30)는 SOC와 OCV의 단조 증가의 특성을 반영하여 SOC-OCV 곡선을 결정한다.

도 1을 참조하면, SOC-OCV 곡선결정부(30)는 곡선구조결정부(31)와 파라미터결정부(33)를 포함한다. 곡선구조결정부(31)는 비선형성을 반영하여 상기 SOC-OCV의 곡선 구조를 결정한다. 곡선구조결정부(31)는 예컨대, 퍼지 시스템(Fuzzy system), 신경망(Neural network), 다항 함수(Polynomial function) 등의 비선형 구조를 도입하여 SOC-OCV 곡선 구조를 결정한다. 파라미터결정부(33)는 SOC-OCV의 단조증가 특성을 이용하여 SOC-OCV 곡선의 파라미터를 결정한다. SOC-OCV 곡선은 정성적(Qualitative)으로 단조성(Monotonic)을 가지므로, SOC-OCV 곡선의 파라미터 값을 결정할 때 이를 반영한다.

도 2는 본 발명의 일 실시예에 따른 단조특성 적용 여부에 따른 시뮬레이션 결과를 도시한 것이다. 도 2의 (a)는 본 발명과 같이 단조증가 특성을 적용한 시뮬레이션 결과이고, (b)는 단조성을 미적용한 시뮬레이션 결과이며, 도 2의 (c)는 이들의 비교 그래프이다.

도 2에서 검정색 원은 SOC-OCV 곡선 결정에 사용된 실험 데이터를 나타내고, 검정색선은 실제 SOC-OCV 곡선을 나타내며, 파란색선은 본 발명과 같이 단조특성을 적용한 결과이고, 빨간색 점선은 단조특성을 고려하지 않은 시뮬레이션 결과를 나타낸다. 시뮬레이션에서는 실제 SOC-OCV인 검은색선을 잘 추종하는 것이 목적이다.

도 2에서 보는 바와 같이, 본 발명과 같이 단조특성 적용한 경우 SOC-OCV 곡선의 정확도가 매우 높은 것을 확인할 수 있으며, 이에 비해 단조특성을 적용하지 않은 경우에는 오차가 매우 큰 것을 알 수 있다. 이와 같이, 측정 데이터의 수가 적은 경우에는 본 발명과 같이 단조특성을 적용하여 파라미터 값을 결정하는 것이 매우 실효성이 높다는 것을 알 수 있다.

도 3 및 4는 도 1의 이차전지의 SOC-OCV 데이터 수집장치를 이용한 SOC-OCV 데이터 수집방법의 흐름도이다.

도 3을 참조하면, 전지시험을 통해 SOC-OCV 데이터를 획득하기 위해서 먼저 SOC-OCV 데이터의 X축 간격 즉 데이터 획득 간격 등의 시험조건을 결정한다(S10).

그리고, 설정한 시험 조건 하에서 전지 방전 시험을 수행한다(S20). 본 발명에서는 많은 수의 데이터를 획득할 필요가 없으므로 빠른 시간 내에 전지 시험을 통해 설정한 시험 조건 하에서 적은 수의 SOC-OCV 데이터를 획득한다(S30).

그리고 획득한 SOC-OCV 데이터에 기초하여 SOC-OCV 곡선을 결정한다(S40).

도 4는 본 발명의 일 실시예에 따른 SOC-OCV 곡선을 결정방법의 흐름도로서, 도 4를 참조하면 먼저 SOC-OCV 곡선의 구조를 결정한다(S41). 본 발명에서는 예컨대, 퍼지 시스템(Fuzzy system), 신경망(Neural network), 다항 함수(Polynomial function) 등의 비선형 구조를 도입하여 SOC-OCV 곡선 구조를 결정한다. 그리고, 단조증가 특성을 반영하여 SOC-OCV 곡선의 파라미터를 결정한다(S43). 그리고, 결정된 값에 따라 SOC-OCV 곡선을 완성한다(S45).

본 발명은 SOC와 OCV의 단조증가 특성을 반영하여 SOC-OCV 곡선을 결정하기 때문에, 비선형 구조의 과도한 학습을 방지할 수 있으며, 특히 데이터가 적을 때도 실제 데이터와 비슷한 곡선을 얻을 수 있다는 장점이 있다.

도 5는 본 발명의 제2 실시예에 따른 이차전지의 모델링 장치의 개략도이다. 전술한 실시예와 중복되는 설명은 필요에 따라 생략하기로 한다. 이차전지의 모델링 장치는 등가회로를 이용한 전지 모델링을 위한 것으로, BMS(Battery Management System) 평가 분야 등에서 활용될 수 있다. 본 발명에 따른 이차전지의 모델링 장치는 시험을 통해 획득한 SOC-OCV 데이터를 입력받아 SOC-OCV 곡선을 결정하여 전지 모델링에 활용한다.

도 5를 참조하면, 본 발명의 제2 실시예에 따른 이차전지 모델링 장치는 데이터입력부(40), 및 전지모델링부(50)를 포함한다.

데이터입력부(40)는 전지 시험장치에서 획득한 SOC-OCV 데이터를 입력받아 전지모델링부(50)에 제공한다. SOC-OCV 데이터는 펄스 방전 시험 또는 연속 충방전 시험을 통해 획득할 수 있다.

전지모델링부(50)는 수신한 SOC-OCV 데이터를 이용하여 SOC-OCV 곡선을 결정하기 위한 것으로, 곡선구조결정부(51) 및 파라미터결정부(53)를 포함한다.

곡선구조결정부(51)는 예컨대, 퍼지 시스템(Fuzzy system), 신경망(Neural network), 다항 함수(Polynomial function) 등의 비선형 구조를 도입하여 SOC-OCV 곡선 구조를 결정한다. 파라미터결정부(53)는 SOC-OCV의 단조증가 특성을 이용하여 SOC-OCV 곡선의 파라미터를 결정한다. SOC-OCV 곡선은 정성적(Qualitative)으로 단조성(Monotonic)을 가진다는 특성을 SOC-OCV 곡선의 파라미터 값을 결정할 때 반영한다.

이와 같이, 본 발명은 SOC-OCV 곡선이 정성적(Qualitative)으로 단조성(Monotonic)을 가진다는 특성을 SOC-OCV 곡선 파라미터 결정 시 반영함으로써, 적은 수의 데이터로도 정확한 SOC-OCV 곡선을 추출할 수 있다.

이상에서, 본 발명의 실시예를 구성하는 모든 구성 요소들이 하나로 결합하거나 결합하여 동작하는 것으로 설명되었다고 해서, 본 발명이 반드시 이러한 실시예에 한정되는 것은 아니다. 즉, 본 발명의 목적 범위 안에서라면, 그 모든 구성 요소들이 하나 이상으로 선택적으로 결합하여 동작할 수도 있다. 또한, 그 모든 구성 요소들이 각각 하나의 독립적인 하드웨어로 구현될 수 있지만, 각 구성 요소들의 그 일부 또는 전부가 선택적으로 조합되어 하나 또는 복수 개의 하드웨어에서 조합된 일부 또는 전부의 기능을 수행하는 프로그램 모듈을 갖는 컴퓨터 프로그램으로서 구현될 수도 있다. 그 컴퓨터 프로그램을 구성하는 코드들 및 코드 세그먼트들은 본 발명의 기술 분야의 당업자에 의해 용이하게 추론될 수 있을 것이다. 이러한 컴퓨터 프로그램은 컴퓨터가 읽을 수 있는 저장매체(Computer Readable Media)에 저장되어 컴퓨터에 의하여 읽혀지고 실행됨으로써, 본 발명의 실시예를 구현할 수 있다. 컴퓨터 프로그램의 저장매체로서는 자기 기록매체, 광 기록매체, 캐리어 웨이브 매체 등이 포함될 수 있다.

또한, 이상에서 기재된 "포함하다", "구성하다" 또는 "가지다" 등의 용어는, 특별히 반대되는 기재가 없는 한, 해당 구성 요소가 내재할 수 있음을 의미하는 것이므로, 다른 구성 요소를 제외하는 것이 아니라 다른 구성 요소를 더 포함할 수 있는 것으로 해석되어야 한다. 기술적이거나 과학적인 용어를 포함한 모든 용어들은, 다르게 정의되지 않는 한, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미가 있다. 사전에 정의된 용어와 같이 일반적으로 사용되는 용어들은 관련 기술의 문맥상의 의미와 일치하는 것으로 해석되어야 하며, 본 발명에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.

이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 발명에 개시된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.

10: 전지시험부 20:데이터획득부
30: SOC-OCV 곡선결정부 31: 곡선구조결정부
33: 파라미터결정부 40: 데이터입력부
50: 전지모델링부 51: 곡선구조결정부
53: 파라미터결정부

Claims

이차전지의 SOC-OCV 데이터 수집장치에 있어서,
일정 시험조건을 수립하여 전지의 방전 시험을 수행하는 전지시험부;
상기 전지시험부의 시험결과에 따라 SOC-OCV 데이터를 획득하는 데이터획득부; 및
획득한 상기 SOC-OCV 데이터를 이용하여 SOC-OCV 곡선을 결정하기 위한 것으로, SOC와 OCV의 단조 증가의 특성을 반영하여 상기 SOC-OCV 곡선을 결정하는 SOC-OCV 곡선결정부를 포함하는 것을 특징으로 하는 이차전지의 SOC-OCV 데이터 수집장치.
제1항에 있어서,
상기 SOC-OCV 곡선결정부는 비선형성을 반영하여 상기 SOC-OCV의 곡선 구조를 결정하는 것을 특징으로 하는 이차전지의 SOC-OCV 데이터 수집장치.
제2항에 있어서,
상기 SOC-OCV의 곡선 구조는 퍼지이론, 신경망 이론, 또는 다항식 함수 중 적어도 어느 하나를 이용하는 것을 특징으로 하는 이차전지의 SOC-OCV 데이터 수집장치.
제2항에 있어서,
상기 SOC-OCV 곡선결정부는 파라미터를 결정하는데 SOC-OCV의 단조증가 특성을 이용하는 것을 특징으로 하는 이차전지의 SOC-OCV 데이터 수집장치.
제1항에 있어서,
상기 전지시험부는 SOC 간격, C-rate에 따라 시험 조건을 수립하는 것을 특징으로 하는 이차전지의 SOC-OCV 데이터 수집장치.
제1항에 있어서,
상기 전지시험부는 상기 전지의 펄스 방전 시험 또는 연속 충방전 시험을 수행하는 것을 특징으로 하는 이차전지의 SOC-OCV 데이터 수집장치.
이차전지의 SOC-OCV 데이터 수집방법에 있어서,
전지 시험을 통해 획득한 SOC-OCV 데이터를 입력받는 단계; 및
획득한 상기 SOC-OCV 데이터를 이용하여 SOC-OCV 곡선을 결정하기 위한 것으로, SOC와 OCV의 단조 증가의 특성을 반영하여 상기 SOC-OCV 곡선을 결정하는 단계를 포함하는 것을 특징으로 하는 이차전지의 SOC-OCV 데이터 수집방법.
제7항에 있어서,
상기 SOC-OCV 곡선을 결정하는 단계는,
비선형성을 반영하여 상기 SOC-OCV의 곡선 구조를 결정하는 단계;
SOC-OCV의 단조증가 특성을 이용하여 파라미터를 결정하는 단계; 및
결정된 비선형 파라미터에 의해 상기 SOC-OCV 곡선을 완성하는 단계를 포함하는 것을 특징으로 하는 이차전지의 SOC-OCV 데이터 수집방법.
제8항에 있어서,
상기 SOC-OCV의 곡선 구조는 퍼지이론, 신경망 이론, 또는 다항식 함수 중 적어도 어느 하나를 이용하는 것을 특징으로 하는 이차전지의 SOC-OCV 데이터 수집방법.
제7항에 있어서,
상기 SOC-OCV 데이터는 펄스 방전 시험 또는 연속 충방전 시험을 통해 획득되는 것을 특징으로 하는 이차전지의 SOC-OCV 데이터 수집방법.
이차전지의 모델링 장치에 있어서,
전지 시험을 통해 획득한 SOC-OCV 데이터를 입력받는 데이터입력부;
상기 SOC-OCV 데이터를 이용하여 SOC-OCV 곡선의 구조를 결정하는 곡선구조결정부; 및
SOC와 OCV의 단조 증가의 특성을 반영하여 상기 SOC-OCV 곡선의 파라미터의 값을 결정하는 파라미터결정부를 포함하는 것을 특징으로 하는 이차전지의 모델링 장치.
제11항에 있어서,
상기 SOC-OCV의 곡선 구조는 퍼지이론, 신경망 이론, 또는 다항식 함수 중 적어도 어느 하나를 이용하는 것을 특징으로 하는 이차전지의 모델링 장치.
제11항에 있어서,
상기 SOC-OCV 데이터는 펄스 방전 시험 또는 연속 충방전 시험을 통해 획득되는 것을 특징으로 하는 이차전지의 모델링 장치.