KR20180085165A - 배터리 관리 방법 및 장치 - Google Patents
배터리 관리 방법 및 장치 Download PDFInfo
- Publication number
- KR20180085165A KR20180085165A KR1020170008450A KR20170008450A KR20180085165A KR 20180085165 A KR20180085165 A KR 20180085165A KR 1020170008450 A KR1020170008450 A KR 1020170008450A KR 20170008450 A KR20170008450 A KR 20170008450A KR 20180085165 A KR20180085165 A KR 20180085165A
- Authority
- KR
- South Korea
- Prior art keywords
- battery
- internal resistance
- data sequence
- current
- estimated
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 230000015556 catabolic process Effects 0.000 claims abstract description 8
- 238000006731 degradation reaction Methods 0.000 claims abstract description 8
- 238000007726 management method Methods 0.000 claims description 103
- 230000006866 deterioration Effects 0.000 claims description 28
- 238000007781 pre-processing Methods 0.000 claims description 20
- 238000007599 discharging Methods 0.000 claims description 14
- 230000005856 abnormality Effects 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 2
- 210000004027 cell Anatomy 0.000 description 27
- 238000005259 measurement Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 8
- 230000002159 abnormal effect Effects 0.000 description 6
- 238000012805 post-processing Methods 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 210000002569 neuron Anatomy 0.000 description 3
- 238000000157 electrochemical-induced impedance spectroscopy Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
- H01M10/425—Structural combination with electronic components, e.g. electronic circuits integrated to the outside of the casing
-
- 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]
-
- 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
- G01R31/3646—Constructional arrangements for indicating electrical conditions or variables, e.g. visual or audible indicators
-
- 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
-
- 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
-
- 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]
- G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
- G01R31/3842—Arrangements for monitoring battery or accumulator variables, e.g. SoC combining voltage and current measurements
-
- 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]
- G01R31/389—Measuring internal impedance, internal conductance or related variables
-
- 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
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
- H01M10/4207—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells for several batteries or cells simultaneously or sequentially
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
- H01M10/48—Accumulators combined with arrangements for measuring, testing or indicating the condition of cells, e.g. the level or density of the electrolyte
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
- H01M10/48—Accumulators combined with arrangements for measuring, testing or indicating the condition of cells, e.g. the level or density of the electrolyte
- H01M10/482—Accumulators combined with arrangements for measuring, testing or indicating the condition of cells, e.g. the level or density of the electrolyte for several batteries or cells simultaneously or sequentially
-
- H01M2/1072—
-
- H01M2/1083—
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M50/00—Constructional details or processes of manufacture of the non-active parts of electrochemical cells other than fuel cells, e.g. hybrid cells
- H01M50/20—Mountings; Secondary casings or frames; Racks, modules or packs; Suspension devices; Shock absorbers; Transport or carrying devices; Holders
- H01M50/204—Racks, modules or packs for multiple batteries or multiple cells
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
- H01M10/425—Structural combination with electronic components, e.g. electronic circuits integrated to the outside of the casing
- H01M2010/4271—Battery management systems including electronic circuits, e.g. control of current or voltage to keep battery in healthy state, cell balancing
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M2220/00—Batteries for particular applications
- H01M2220/20—Batteries in motive systems, e.g. vehicle, ship, plane
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/10—Energy storage using batteries
Abstract
배터리 관리 방법 및 장치가 개시된다. 일 실시예는 적어도 하나의 배터리의 전압 데이터 시퀀스 및 전류 데이터 시퀀스를 전처리(pre-process)하고, 상기 전처리된 전압 데이터 시퀀스, 상기 전처리된 전류 데이터 시퀀스, 및 배터리 열화(battery degradation)에 의한 내부 저항 변화가 모델링된 적어도 하나의 내부 저항 추정 모델을 기초로 상기 배터리의 내부 저항을 추정하며, 상기 추정된 내부 저항을 기초로 상기 배터리의 상태 정보를 결정한다.
Description
아래 실시예들은 배터리 관리 방법 및 장치에 관한 것이다.
배터리 셀의 내부 저항은 EIS(electrochemical impedance spectroscopy)를 이용하여 측정될 수 있다. 이러한 측정 방법은 배터리 셀에 전류가 인가된 상태가 아닌 배터리 셀이 안정적인 상태일 때 배터리 셀의 내부 저항을 측정할 수 있다. 이에 따라, 배터리 셀에 전류가 인가되는 동안 배터리 셀의 내부 저항을 측정하는 것이 어렵다.
일 측에 따른 배터리 관리 방법은 적어도 하나의 배터리의 전압 데이터 시퀀스 및 전류 데이터 시퀀스를 전처리(pre-process)하는 단계; 상기 전처리된 전압 데이터 시퀀스, 상기 전처리된 전류 데이터 시퀀스, 및 배터리 열화(battery degradation)에 의한 내부 저항 변화가 모델링된 적어도 하나의 내부 저항 추정 모델을 기초로 상기 배터리의 내부 저항을 추정하는 단계; 및 상기 추정된 내부 저항을 기초로 상기 배터리의 상태 정보를 결정하는 단계를 포함한다.
배터리들을 포함하는 배터리 셋에 대하여, 상기 전처리하는 단계는, 상기 배터리들 각각의 전압 데이터 시퀀스 및 상기 배터리들을 포함하는 배터리 셋의 전류 데이터 시퀀스를 전처리하는 단계를 포함할 수 있고, 상기 내부 저항을 추정하는 단계는, 상기 배터리들을 포함하는 배터리 셋의 전처리된 전류 데이터 시퀀스를 내부 저항 추정 모델들로 입력하고, 상기 배터리들 각각의 전처리된 전압 데이터 시퀀스를 상기 내부 저항 추정 모델들 중 상기 배터리들 각각의 대응 내부 저항 추정 모델로 입력하여 상기 배터리들 각각의 내부 저항을 추정하는 단계를 포함할 수 있다.
상기 내부 저항을 추정하는 단계는, 현재 전류가 흐르는 상기 배터리의 내부 저항을 상기 배터리의 대응 내부 저항 추정 모델을 통해 추정하되, 상기 전류에 의한 내부 저항을 추정하지 않고, 상기 배터리의 열화 상태와 관련된 내부 저항을 추정하는 단계를 포함할 수 있다.
상기 전압 데이터 시퀀스는 상기 배터리의 일련의 전압 데이터에 해당하고, 상기 전류 데이터 시퀀스는 상기 배터리의 일련의 전류 데이터에 해당하며, 상기 배터리의 추정된 내부 저항은 상기 배터리의 전압 데이터 시퀀스의 마지막 전압 데이터의 타임 인덱스 및 상기 전류 데이터 시퀀스의 마지막 전류 데이터의 타임 인덱스와 대응되는 시점에서의 추정된 내부 저항을 나타낼 수 있다.
상기 내부 저항 추정 모델은 기준값과 추정값을 기초로 학습이 완료된 것이고, 상기 기준값은 가속 열화된 기준 배터리의 측정된 내부 저항들의 보간 결과를 기초로 결정된 기준값 셋에 포함되고, 상기 추정값은 상기 학습이 완료되기 전의 내부 저항 추정 모델이 상기 기준 배터리의 전압 데이터 시퀀스 및 전류 데이터 시퀀스를 포함하는 입력 데이터를 이용하여 계산한 결과에 해당할 수 있다.
상기 기준 배터리의 측정된 내부 저항들은, 상기 기준 배터리가 가속 열화된 후 안정화 상태에 있을 때에 측정된 내부 저항과 상기 가속 열화된 기준 배터리가 충전 또는 방전된 후 안정화 상태에 있을 때에 측정된 내부 저항을 포함할 수 있다.
상기 상태 정보를 결정하는 단계는, 배터리들을 포함하는 배터리 셋에 대하여 상기 배터리들 각각의 내부 저항이 추정된 경우, 상기 추정된 내부 저항들 중에서 최대값을 결정하는 단계; 및 상기 최대값이 임계값보다 큰 경우, 상기 배터리 셋에 이상(abnormality)이 있는 것으로 결정하는 단계를 포함할 수 있다.
상기 상태 정보를 결정하는 단계는, 배터리들을 포함하는 배터리 셋에 대하여 상기 배터리들 각각의 내부 저항이 추정된 경우, 상기 배터리들 각각의 추정된 내부 저항과 임계값을 비교하여 상기 배터리들 각각에 이상(abnormality)이 있는지 여부를 결정하는 단계; 및 상기 배터리들 각각의 이상 여부를 통해 상기 배터리 셋의 상태 정보를 결정하는 단계를 포함할 수 있다.
상기 결정된 상태 정보를 기초로 상기 배터리 셋의 현재 상태에 대한 피드백 정보를 생성하는 단계를 더 포함할 수 있다.
상기 피드백 정보를 생성하는 단계는, 배터리들을 포함하는 배터리 셋에 대하여 상기 배터리들 각각의 내부 저항이 추정된 경우, 상기 추정된 내부 저항들 중 임계값보다 크게 추정된 내부 저항을 카운팅하는 단계; 및 상기 카운팅 결과를 기초로 피드백 레벨을 결정하는 단계를 포함할 수 있다.
상기 전처리하는 단계는, 상기 전압 데이터 시퀀스 및 상기 전류 데이터 시퀀스를 정규화하는 단계를 포함할 수 있다.
상기 배터리 관리 방법은 상기 추정된 내부 저항을 필터링하는 단계를 더 포함할 수 있다.
일 측에 따른 내부 저항 추정 모델 학습 방법은 기준 배터리의 전압 데이터 시퀀스 및 전류 데이터 시퀀스를 전처리하는 단계; 상기 전처리된 전압 데이터 시퀀스 및 상기 전처리된 전류 데이터 시퀀스, 및 내부 저항 추정 모델을 기초로 상기 기준 배터리의 열화와 관련된 내부 저항에 대한 추정값을 계산하는 단계; 및 상기 추정값 및 상기 내부 저항에 대한 기준값을 기초로 상기 내부 저항 추정 모델을 학습시키는 단계를 포함한다.
상기 전압 데이터 시퀀스 및 상기 전류 데이터 시퀀스 각각은 가속 열화된 상기 기준 배터리가 충전 또는 방전할 때에 센싱된 전압 및 전류 각각에 기초할 수 있다.
내부 저항 추정 모델 학습 방법은 상기 기준 배터리를 가속 열화시키는 단계; 가속 열화된 상기 기준 배터리를 충전 또는 방전시키는 단계; 상기 충전 또는 방전에 의한 상기 기준 배터리의 전압 및 전류 각각을 센싱하는 단계; 및 상기 센싱된 전압을 기초로 상기 전압 데이터 시퀀스를 획득하고, 상기 센싱된 전류를 기초로 전류 데이터 시퀀스를 획득하는 단계를 더 포함할 수 있다.
내부 저항 추정 모델 학습 방법은 상기 기준 배터리의 측정된 내부 저항들을 기초로 연산을 수행하여 상기 기준값을 포함하는 기준값 셋을 생성하는 단계를 더 포함할 수 있다.
상기 기준값 셋을 생성하는 단계는, 상기 기준 배터리가 가속 열화된 후 안정화 상태에 있을 때에 측정된 내부 저항과 상기 가속 열화된 기준 배터리가 충전 또는 방전된 후 안정화 상태에 있을 때에 측정된 내부 저항을 기초로 보간을 수행하는 단계; 및 상기 보간의 결과를 기초로 상기 기준값 셋을 생성하는 단계를 포함할 수 있다.
상기 추정값은 상기 전처리된 전압 데이터 시퀀스의 마지막 전압 데이터의 타임 인덱스 및 상기 전처리된 전류 데이터 시퀀스의 마지막 전류 데이터의 타임 인덱스와 대응되는 시점에서의 상기 내부 저항에 대한 추정값을 나타낼 수 있다.
상기 전처리하는 단계는, 상기 전압 데이터 시퀀스 및 상기 전류 데이터 시퀀스를 정규화하는 단계를 포함할 수 있다.
일 측에 따른 배터리 관리 장치는 컨트롤러; 및 상기 컨트롤러에 의해 실행 가능한 하나 이상의 명령어를 저장하는 메모리를 포함하고, 상기 명령어가 실행되면, 상기 컨트롤러는 적어도 하나의 배터리의 전압 데이터 시퀀스 및 전류 데이터 시퀀스를 전처리(pre-process)하고, 상기 전처리된 전압 데이터 시퀀스, 상기 전처리된 전류 데이터 시퀀스, 및 배터리 열화(battery degradation)에 의한 내부 저항 변화가 모델링된 적어도 하나의 내부 저항 추정 모델을 기초로 상기 배터리의 내부 저항을 추정하며, 상기 추정된 내부 저항을 기초로 상기 배터리의 상태 정보를 결정한다.
상기 배터리 관리 장치는 전기 에너지를 추진력으로 이용하는 이동체에 탑재되고, 상기 이동체가 상기 전기 에너지로 주행하는 동안에, 상기 컨트롤러는 상기 전압 데이터 시퀀스 및 상기 전류 데이터 시퀀스를 획득하고, 상기 배터리의 대응 내부 저항 추정 모델을 이용하여 상기 배터리의 전압 데이터 시퀀스 및 상기 전류 데이터 시퀀스로부터 상기 배터리의 열화 상태와 관련된 내부 저항을 추정하며, 상기 전기 에너지와 관련된 전류에 의한 내부 저항을 추정하지 않을 수 있다.
도 1은 일 실시예에 따른 배터리 관리 장치를 설명하기 위한 블록도이다.
도 2 내지 도 3은 일 실시예에 따른 배터리 관리 장치의 내부 저항 추정 방법을 설명하기 위한 도면이다.
도 4는 일 실시예에 따른 배터리들의 연결에 대한 일례를 설명하기 위한 도면이다.
도 5는 일 실시예에 따른 모델 생성 시스템을 설명하기 위한 블록도이다.
도 6 내지 도 7은 일 실시예에 따른 모델 생성 시스템의 데이터 생성부의 동작을 설명하기 위한 도면이다.
도 8은 일 실시예에 따른 모델 생성 시스템의 학습부의 동작을 설명하기 위한 도면이다.
도 9 내지 도 10은 마스터-슬레이브 구조의 배터리 관리 시스템을 설명하기 위한 블록도이다.
도 11은 일 실시예에 따른 배터리 관리 방법을 설명하기 위한 순서도이다.
도 12는 일 실시예에 따른 내부 저항 추정 모델 학습 방법을 설명하기 위한 순서도이다.
도 13은 일 실시예에 따른 자동차를 설명하기 위한 도면이다.
도 2 내지 도 3은 일 실시예에 따른 배터리 관리 장치의 내부 저항 추정 방법을 설명하기 위한 도면이다.
도 4는 일 실시예에 따른 배터리들의 연결에 대한 일례를 설명하기 위한 도면이다.
도 5는 일 실시예에 따른 모델 생성 시스템을 설명하기 위한 블록도이다.
도 6 내지 도 7은 일 실시예에 따른 모델 생성 시스템의 데이터 생성부의 동작을 설명하기 위한 도면이다.
도 8은 일 실시예에 따른 모델 생성 시스템의 학습부의 동작을 설명하기 위한 도면이다.
도 9 내지 도 10은 마스터-슬레이브 구조의 배터리 관리 시스템을 설명하기 위한 블록도이다.
도 11은 일 실시예에 따른 배터리 관리 방법을 설명하기 위한 순서도이다.
도 12는 일 실시예에 따른 내부 저항 추정 모델 학습 방법을 설명하기 위한 순서도이다.
도 13은 일 실시예에 따른 자동차를 설명하기 위한 도면이다.
이하, 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다.
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 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
또한, 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 관리 장치를 설명하기 위한 블록도이다.
도 1을 참조하면, 일 실시예에 따른 배터리 관리 장치(100)는 수신부(110), 전처리부(120), 내부 저항 추정부(130), 후처리부(140), 및 상태 결정부(150)를 포함한다.
수신부(110), 전처리부(120), 내부 저항 추정부(130), 후처리부(140), 및 상태 결정부(150)는 하나 이상의 프로세싱 장치(예를 들어, 컨트롤러)에 의해 구현될 수 있다.
수신부(110)는 적어도 하나의 배터리의 전압 데이터 및 전류 데이터를 수신한다. 배터리는 배터리 셀, 배터리 모듈 또는 배터리 팩을 나타낼 수 있다.
일 실시예에 있어서, 수신부(110)는 전압 센서로부터 배터리의 전압 데이터를 수신하고, 전류 센서로부터 배터리의 전류 데이터를 수신한다. 예를 들어, 전압 센서는 배터리의 전압을 센싱 주기(일례로, 1초)마다 센싱하여 생성된 전압 데이터를 배터리 관리 장치(100)로 전송할 수 있고, 수신부(110)는 배터리의 전압 센서로부터 배터리의 전압 데이터를 수신할 수 있다. 전류 센서는 배터리의 전류를 센싱 주기(일례로, 1초)마다 센싱하여 생성된 전류 데이터를 배터리 관리 장치(100)로 전송할 수 있고, 수신부(110)는 전류 센서로부터 배터리 셋의 전류 데이터를 수신할 수 있다. 배터리의 전류는 배터리로 유입되는 전류 또는 배터리로부터 출력되는 전류를 나타낼 수 있다. 달리 표현하면, 배터리의 전류는 배터리를 충전하기 위한 충전 전류 또는 배터리의 방전 전류를 나타낼 수 있다.
수신부(110)가 배터리의 전압 센서로부터 전압 데이터를 순차적으로 수신함으로써 수신부(110)에는 배터리의 전압 데이터 시퀀스(sequence)가 생성될 수 있다. 전압 데이터 시퀀스는, 예를 들어, 타임 순서(time order)로 인덱스된(또는 타임 인덱스를 갖는) 일련의 전압 데이터를 나타낼 수 있다. 또한, 수신부(110)가 전류 센서로부터 전류 데이터를 순차적으로 수신함으로써 수신부(110)에는 배터리의 전류 데이터 시퀀스가 생성될 수 있다. 전류 데이터 시퀀스는, 예를 들어, 타임 순서로 인덱스된(또는 타임 인덱스를 갖는) 일련의 전류 데이터를 나타낼 수 있다.
전처리부(120)는 배터리의 전압 데이터 시퀀스 및 전류 데이터 시퀀스를 전처리(pre-processing)한다. 예를 들어, 전처리부(120)는 배터리의 전압 데이터 시퀀스 및 전류 데이터 시퀀스를 정규화(normalization)할 수 있다.
내부 저항 추정부(130)는 배터리의 내부 저항(internal resistance, IR)을 추정한다. 일 실시예에 있어서, 내부 저항 추정부(130)는 배터리의 전처리된 전압 데이터 시퀀스, 배터리의 전처리된 전류 데이터 시퀀스, 및 적어도 하나의 내부 저항 추정 모델을 기초로 배터리의 내부 저항을 추정할 수 있다. 내부 저항 추정 모델은 기준값과 추정값을 기초로 학습이 완료된 것이다. 여기서, 기준값은 가속 열화된 기준 배터리의 측정된 내부 저항들의 보간 결과를 기초로 결정된 기준값 셋에 포함된 값이고, 추정값은 학습이 완료되기 전의 내부 저항 추정 모델이 기준 배터리의 전압 데이터 시퀀스 및 전류 데이터 시퀀스를 포함하는 입력 데이터를 이용하여 계산한 결과에 해당한다. 내부 저항 추정 모델에 대해선 후술한다.
구현에 따라, 배터리 셋이 배터리들을 포함하는 경우, 내부 저항 추정부(130)는 배터리들 각각의 전처리된 전압 데이터 시퀀스, 배터리들을 포함하는 배터리 셋의 전처리된 전류 데이터 시퀀스, 및 적어도 하나의 내부 저항 추정 모델을 기초로 배터리의 내부 저항을 추정할 수 있다. 배터리들을 포함하는 배터리 셋에 대하여, 배터리들 각각의 내부 저항의 추정에 대해선 도 2를 통해 후술한다.
후처리부(140)는 배터리의 추정된 내부 저항을 후처리(post-processing)한다. 후처리부(140)는, 예를 들어, 이동 평균 필터(Moving Average Filter) 또는 로우 패스 필터(Low Pass Filter)를 포함할 수 있다. 배터리의 추정된 내부 저항의 노이즈는 후처리에 의해 제거될 수 있다.
상태 결정부(150)는 배터리의 추정된 내부 저항을 기초로 배터리의 상태 정보를 결정한다. 결정된 상태 정보는, 예를 들어, 이상(abnormality) 상태 또는 정상(normal) 상태일 수 있다. 일례로, 상태 결정부(150)는 배터리의 추정된 내부 저항이 임계값보다 큰 경우, 배터리의 상태 정보를 이상 상태로 결정할 수 있다.
일 실시예에 있어서, 배터리들을 포함하는 배터리 셋에 대하여 내부 저항 추정부(130)가 배터리들 각각의 내부 저항을 추정한 경우, 상태 결정부(150)는 추정된 내부 저항들 중에서 최대값을 결정할 수 있다. 최대값이 임계값보다 큰 경우, 상태 결정부(150)는 배터리 셋에 이상(abnormality)이 있는 것으로 결정할 수 있다. 예를 들어, 시점 t에서의 n개의 배터리들 각각의 내부 저항이 Rd1 _t, Rd2 _ t, ... , Rdn _t로 추정된 경우, 상태 결정부(150)는 Rd1 _t, Rd2 _ t, ... , Rdn _t 중에서 최대값을 결정할 수 있다. Rd1 _t이 최대값이라 할 때, 상태 결정부(150)는 Rd1 _t을 임계값과 비교할 수 있다. Rd1 _t이 임계값보다 크면, 상태 결정부(150)는 배터리 셋에 이상이 있는 것으로 결정할 수 있다. 달리 표현하면, 상태 결정부(150)는 Rd1 _t이 임계값보다 클 때, 배터리 셋의 상태 정보를 이상 상태로 결정할 수 있다.
다른 실시예에 있어서, 배터리들을 포함하는 배터리 셋에 대하여 내부 저항 추정부(130)가 배터리들 각각의 내부 저항을 추정한 경우, 상태 결정부(150)는 각 배터리의 추정된 내부 저항과 임계값을 비교하여 각 배터리에 이상이 있는지 여부를 결정할 수 있다. 상태 결정부(150)는 각 배터리의 이상 여부를 통해 배터리 셋의 상태 정보를 결정할 수 있다. 예를 들어, 시점 t에서의 n개의 배터리들 각각의 내부 저항이 Rd1 _t, Rd2 _ t, ... , Rdn _t로 추정된 경우, 상태 결정부(150)는 Rd1 _t, Rd2_t, ... , Rdn _t 각각을 임계값과 비교할 수 있다. 여기서, Rd1 _t, Rd2 _t, 및 Rd3 _t가 임계값보다 크다고 할 때, 상태 결정부(150)는 Rd1 _t에 대응되는 배터리 1, Rd2 _t에 대응되는 배터리 2, 및 Rd3 _t에 대응되는 배터리 3에 이상이 있는 것으로 결정할 수 있다. 상태 결정부(150)는 하나 이상의 배터리에 이상이 있다고 결정하였으므로, 배터리 셋의 상태를 이상 상태로 결정할 수 있다.
상태 결정부(150)는 배터리 셋의 상태 정보를 기초로 배터리 셋의 현재 상태에 대한 피드백 정보를 생성할 수 있다. 예를 들어, 상태 결정부(150)는 배터리 셋의 상태 정보를 이상 상태로 결정하면, 배터리 셋의 고장 가능성이 있다는 메시지, 배터리 셋의 교체가 필요하다는 메시지, 및/또는 내부 저항이 임계값보다 높게 추정된 배터리의 교체가 필요하다는 메시지를 생성할 수 있다. 상태 결정부(150)는 피드백 정보를 디스플레이에 출력할 수 있다.
일 실시예에 있어서, 배터리들을 포함하는 배터리 셋에 대하여 내부 저항 추정부(130)가 배터리들 각각의 내부 저항을 추정한 경우, 상태 결정부(150)는 추정된 내부 저항들 중 임계값보다 크게 추정된 내부 저항을 카운팅할 수 있다. 상태 결정부(150)는 카운팅 결과를 기초로 피드백 레벨을 결정할 수 있다. 피드백 레벨이 결정되면, 상태 결정부(150)는 피드백 레벨에 대응되는 피드백 방법에 따라 피드백을 수행할 수 있다. 예를 들어, n개의 배터리들의 추정된 내부 저항들 Rd1 _t, Rd2_t, ... , Rdn _t 중 Rd1 _t, Rd2 _t, 및 Rd3 _t이 임계값보다 큰 경우, 상태 결정부(150)는 "임계값보다 크게 추정된 내부 저항의 개수=3"으로 결정할 수 있다. 상태 결정부(150)는 아래 표 1을 참조하여, "임계값보다 크게 추정된 내부 저항의 개수=3"에 대한 피드백 레벨을 레벨 2로 결정할 수 있다.
| 임계값보다 크게 추정된 내부 저항의 개수 | 피드백 레벨 | 피드백 방법 |
| 1~2 | 레벨 1 | 1. 피드백 출력 횟수=n1 |
| 3~4 | 레벨 2 | 1. 피드백 출력 횟수=n2 2. 배터리 셋의 상태 정보를 단말로 전송 |
| 5~8 | 레벨 3 | 1. 피드백 횟수=n3 2. 배터리 셋의 상태 정보를 단말 및 관리(또는 서비스) 센터로 전송 |
| ... | ... | ... |
피드백 레벨이 레벨 2로 결정되면, 상태 결정부(150)는 레벨 2에 대응되는 피드백 방법에 따라 피드백을 수행할 수 있다. 일례로, 상태 결정부(150)는 시각적 피드백 및/또는 청각적 피드백을 n2회 출력하고 배터리 셋의 상태가 현재 이상 상태로 결정되었다는 메시지를 단말로 전송할 수 있다.
도 2 내지 도 3은 일 실시예에 따른 배터리 관리 장치의 내부 저항 추정 방법을 설명하기 위한 도면이다.
이하, 도 2 내지 도 3을 참조하면서, 배터리 관리 장치가 배터리 셋에 포함된 배터리들 각각의 내부 저항을 어떻게 추정하는지에 대해 설명한다. 아래의 설명은 배터리 셋이 단일 배터리를 포함하는 경우에도 적용될 수 있다.
도 2를 참조하면, 배터리 셋의 전류(210) 및 배터리 셋에 포함된 배터리 1의 전압(220)이 도시된다. 현재 시점이 t라 할 때, 배터리 셋은 방전하고 있다.
배터리 셋의 전류 센서는 전류 데이터 It를 배터리 관리 장치(100)로 전송한다. 수신부(110)는 전류 센서로부터 전류 데이터 It를 수신한다. 수신부(110)는 It를 버퍼에 저장할 수 있다.
배터리 1의 전압 센서는 전압 데이터 V1t를 배터리 관리 장치(100)로 전송한다. 수신부(110)는 배터리 1의 전압 센서로부터 전압 데이터 V1t를 수신한다. 수신부(110)는 V1t를 버퍼에 저장할 수 있다. 마찬가지로, 수신부(110)는 배터리 2의 전압 센서로부터 V2t를 수신하고, V2t를 버퍼에 저장할 수 있다. 또한, 수신부(110)는 배터리 n의 전압 센서로부터 Vnt를 수신하고, Vnt를 버퍼에 저장할 수 있다.
아래 표 2는 시점 t에서 버퍼에 저장된 물리량 데이터의 일례를 보여준다.
| 배터리 셋의 전류 | I1 | I2 | ... | It |
| 배터리 1의 전압 | V11 | V12 | ... | V1t |
| 배터리 2의 전압 | V21 | V22 | ... | V2t |
| 배터리 n의 전압 | Vn1 | Vn2 | ... | Vnt |
버퍼에는 타임 윈도우(230)의 사이즈에 해당하는 물리량 데이터가 저장된다.
시점 t에서 버퍼가 꽉 찬 경우, 배터리 관리 장치(100)는 배터리 1의 전압 데이터 시퀀스 V11~V1t와 배터리 셋의 전류 데이터 시퀀스 I1~It로부터 시점 t에 해당하는 배터리 1의 내부 저항을 추정할 수 있다. 또한, 배터리 관리 장치(100)는 배터리 2의 전압 데이터 시퀀스 V21~V2t와 전류 데이터 시퀀스 I1~It로부터 시점 t에 해당하는 배터리 2의 내부 저항을 추정할 수 있고, 배터리 n의 전압 데이터 시퀀스 Vn1~Vnt와 전류 데이터 시퀀스 I1~It로부터 시점 t에 해당하는 배터리 n의 내부 저항을 추정할 수 있다. 이하, 도 3을 참조하면서, 배터리 1, 배터리 2, 및 배터리 n 각각의 내부 저항 추정에 대해 설명한다.
전처리부(120)는 V11~V1t, V21~V2t, Vn1~Vnt, 및 I1~It를 전처리할 수 있다. 예를 들어, 도 3에 도시된 예와 같이, 전처리부(120)는 V11~V1t, V21~V2t, Vn1~Vnt, 및 I1~It를 정규화할 수 있다.
내부 저항 추정부(130)는 전처리된 V11~V1t 및 전처리된 I1~It를 배터리 1의 대응 내부 저항 추정 모델(310)로 입력할 수 있다. 마찬가지로, 내부 저항 추정부(130)는 전처리된 V21~V2t 및 전처리된 I1~It를 배터리 2의 대응 내부 저항 추정 모델(320)로 입력할 수 있고, 전처리된 Vn1~Vnt 및 전처리된 I1~It를 배터리 n의 대응 내부 저항 추정 모델(330)로 입력할 수 있다. 여기서, 전처리된 I1~It는 내부 저항 추정 모델들(310~330) 모두에 입력된다. 다시 말해, 전처리된 I1~It는 내부 저항 추정 모델들(310~330)의 공통 입력 데이터에 해당한다.
도 2를 통해 설명한 것과 같이, 배터리 1, 배터리 2, 및 배터리 n은 시점 t에서 방전한다. 다시 말해, 각 배터리 내부에는 전류가 흐르고 있다. 이에 따라, 각 배터리의 내부 저항 R은 아래 수학식 1과 같이 전류에 의한 내부 저항 Ri 및 각 배터리의 열화에 의한 내부 저항 Rd를 포함할 수 있다.
[수학식 1]
R=Rd+Ri
R은 배터리의 내부 저항을 의미한다. 방전 중인 배터리의 내부 저항은 배터리의 열화에 의한 내부저항 Rd와 전류의 흐름에 의해 강제적으로 발생하는 내부저항 Ri로 구분될 수 있다.
Ri는 전류에 의해 일시적으로 발생하기 때문에 각 배터리가 방전하지 않고 안정화 상태에 있으면, Ri는 0이 된다. 이로 인해, Ri는 배터리 수명을 판단하는데 불필요하다.
Rd는 각 배터리의 열화에 의한 내부 저항이어서, 각 배터리가 안정화 상태에 있어도 사라지지 않는다. 또한, 각 배터리의 충방전 사이클이 진행될수록 Rd는 증가한다. 다시 말해, Rd는 배터리가 사용될수록 증가한다. 이에 따라, Rd는 배터리의 수명과 관련될 수 있다.
일 실시예에 있어서, 내부 저항 추정부(130)는 내부 저항 추정 모델(310~330)들 각각을 통해 각 배터리의 Ri가 포함된 R을 추정하지 않고, Rd를 추정할 수 있다. 내부 저항 추정 모델들(310~330) 각각은 배터리 열화(battery degradation)와 관련된 내부 저항 변화가 모델링된 모델에 해당할 수 있어, 주어진 입력 데이터 시퀀스를 기초로 각 배터리의 특정(specific) 시점에서의 열화에 의한 내부 저항에 대한 추정값을 계산할 수 있다. 이에 따라, 내부 저항 추정 모델들(310~330) 각각은 각 배터리의 전압 데이터 시퀀스 및 배터리 셋의 전류 데이터 시퀀스를 기초로 열화에 의한 내부 저항에 대한 추정값을 계산할 수 있다. 여기서, 계산된 추정값의 타임 인덱스는 각 배터리의 전압 데이터 시퀀스의 마지막 데이터의 타임 인덱스 및 배터리 셋의 전류 데이터 시퀀스의 마지막 데이터의 타임 인덱스와 대응될 수 있다. 내부 저항 추정 모델들(310~330)은 학습되는데, 학습에 대해선 후술한다.
도 3에 도시된 예에서, 내부 저항 추정부(130)는 전처리된 V11~V1t의 마지막 데이터인 V1t와 전처리된 I1~It의 마지막 데이터인 It의 타임 인덱스 t에 해당하는 시점에서의 배터리 1의 열화에 의한 내부 저항을 추정할 수 있다. 다시 말해, 내부 저항 추정부(130)는 전처리된 V11~V1t 및 전처리된 I1~It로부터 내부 저항 추정 모델(310)을 통해 시점 t에서의 배터리 1의 열화에 의한 내부 저항을 추정할 수 있다. 마찬가지로, 내부 저항 추정부(130)는 전처리된 V21~V2t 및 전처리된 I1~It로부터 내부 저항 추정 모델(320)을 통해 시점 t에서의 배터리 2의 열화에 의한 내부 저항을 추정할 수 있다. 내부 저항 추정부(130)는 전처리된 Vn1~Vnt 및 전처리된 I1~It로부터 내부 저항 추정 모델(330)을 통해 시점 t에서의 배터리 n의 열화에 의한 내부 저항을 추정할 수 있다. 달리 표현하면, 내부 저항 추정 모델(310)은 시점 t에서의 배터리 1의 열화에 의한 내부 저항 Rd에 대한 추정값 Rd1 _t을 계산할 수 있다. 마찬가지로, 내부 저항 추정 모델(320)은 Rd2 _t를 계산할 수 있고, 내부 저항 추정 모델(330)은 Rdn_t를 계산할 수 있다.
후처리부(140)는 내부 저항 추정부(130)가 추정한 내부 저항들 각각을 후처리한다. 도 3에 도시된 예에서, 후처리부(140)는 Rd1 _t, Rd2 _t, 및 Rdn _t를 필터링할 수 있다.
수신부(110)는 배터리 1의 전압 센서로부터 시점 t+1에 해당하는 전압 데이터 V1t +1을 수신할 수 있다. 마찬가지로, 수신부(110)는 배터리 2의 전압 센서로부터 V2t +1을 수신할 수 있고, 배터리 n의 전압 센서로부터 Vnt +1을 수신할 수 있다. 또한, 수신부(110)는 배터리 셋의 전류 센서로부터 시점 t+1에 해당하는 전류 데이터 It+1을 수신할 수 있다.
버퍼는 물리량 데이터로 꽉 찼으므로, 수신부(110)는 가장 오래된 물리량 데이터 V11, V21, Vn1, 및 I1을 삭제하고, V1t + 1,V2t +1, Vnt +1, 및 It+1을 버퍼에 저장할 수 있다. 아래 표 3은 시점 t+1에서 버퍼에 저장된 물리량 데이터들의 일례를 보여준다.
| 배터리 셋의 전류 | I2 | I3 | ... | It+1 |
| 배터리 1의 전압 | V12 | V13 | ... | V1t+1 |
| 배터리 2의 전압 | V22 | V23 | ... | V2t+1 |
| 배터리 n의 전압 | Vn2 | Vn3 | ... | Vnt+1 |
버퍼에는 타임 윈도우(240)의 사이즈에 해당하는 물리량 데이터가 저장된다.
전처리부(120)는 V12~V1t +1, V22~V2t +1, Vn2~Vnt +1, 및 I2~It+ 1를 전처리할 수 있다. 내부 저항 추정부(130)는 전처리된 V12~V1t +1 및 전처리된 I2~It+1로부터 내부 저항 추정 모델(310)을 통해 시점 t+1에서의 배터리 1의 내부 저항을 추정할 수 있다. 마찬가지로, 내부 저항 추정부(130)는 시점 t+1에서의 배터리 2의 내부 저항 및 배터리 n의 내부 저항을 추정할 수 있다. 달리 표현하면, 내부 저항 추정부(130)는 내부 저항 추정 모델(310)을 이용하여 배터리 1의 열화에 의한 내부 저항 Rd에 대한 추정값 Rd1 _t+1을 계산할 수 있다. 마찬가지로, 내부 저항 추정부(130)는 내부 저항 추정 모델(320)을 이용하여 Rd2 _t+1을 계산할 수 있고, 내부 저항 추정 모델(330)을 이용하여 Rdn_t+1을 계산할 수 있다.
위에서 설명한 것과 같이, 배터리 관리 장치(100)는 현재 사용 중인 각 배터리의 전압 데이터 및 배터리 셋의 전류 데이터를 포함하는 입력 데이터 시퀀스와 각 배터리의 내부 저항 추정 모델을 이용함으로써, 각 배터리의 현재 열화 상태와 관련된 내부 저항을 실시간으로 추정할 수 있다. 이에 따라, 배터리 관리 장치(100)는 각 배터리가 사용 중일 때, 각 배터리의 추정된 내부 저항을 통해 각 배터리의 이상 여부를 지속적으로 판단할 수 있다. 또한, 배터리 관리 장치(100)는 각 배터리의 내부 저항을 측정하는 장비 없이 각 배터리의 내부 저항을 정확하게 추정할 수 있어, 경량화된 시스템의 구현이 가능하다. 또한, 배터리 관리 장치(100)는 전압 및 전류 측정이 가능한 시스템에 적용될 수 있어, 적용 범위가 광범위할 수 있다.
도 3에 도시된 배터리들은 직렬로 연결된다. 이는, 일 실시예에 따른 예시적인 사항일 뿐, 배터리들의 연결은 도 2에 도시된 예로 제한되지 않는다. 일례로, 배터리들은 도 4에 도시된 예와 같이, 병렬 연결된 배터리들이 배터리 그룹을 형성하고, 배터리 그룹들이 서로 직렬로 연결될 수 있다. 또한, 구현에 따라 배터리들은 병렬로 연결될 수 있다.
구현에 따라, 배터리 관리 장치(100)는 배터리 셋 내의 배터리들 각각의 전류 센서로부터 배터리들 각각의 전류 데이터를 수신할 수 있다. 이 경우, 배터리 관리 장치(100)는 각 배터리의 전류 데이터 및 전압 데이터를 전처리하고, 각 배터리의 대응 내부 저항 추정 모델, 전처리된 전류 데이터, 및 전처리된 전압 데이터를 기초로 각 배터리의 내부 저항을 추정할 수 있다.
일 실시예에 따른 배터리 관리 장치는 내부 저항 추정 모델을 통해 배터리의 현재 열화 상태와 관련된 내부 저항을 정확하게 추정할 수 있다. 이러한 추정이 가능하도록 내부 저항 추정 모델은 사전에 모델링(또는 학습)된다. 이하, 내부 저항 추정 모델의 모델링에 대해서 설명한다.
도 5는 일 실시예에 따른 모델 생성 시스템을 설명하기 위한 블록도이다.
도 5를 참조하면, 모델 생성 시스템(500)은 데이터 생성부(510) 및 학습부(520)를 포함한다.
데이터 생성부(510) 및 학습부(520) 각각은 하나 이상의 프로세싱 장치(예를 들어, 컨트롤러)에 의해 구현될 수 있다.
데이터 생성부(510) 및 학습부(520)는 하나의 물리적인 장치 내에서 논리적으로 구분되는 유닛일 수 있다. 또는, 데이터 생성부(510) 및 학습부(520) 각각은 서로 구별되는 물리적인 장치일 수 있다.
데이터 생성부(510)는 학습 데이터를 생성한다. 학습 데이터는, 예를 들어, 기준 배터리가 충전 또는 방전하는 동안에 센싱된 전압에 기초하는 전압 데이터 시퀀스와 기준 배터리가 충전 또는 방전하는 동안에 센싱된 전류에 기초하는 전류 데이터 시퀀스를 포함할 수 있다.
또한, 데이터 생성부(510)는 기준값 셋을 생성한다. 예를 들어, 데이터 생성부(510)는 기준 배터리의 측정된 내부 저항들의 연산 결과를 기초로 기준 배터리의 충전 또는 방전 동안의 내부 저항에 대한 기준값 셋을 생성할 수 있다.
데이터 생성부(510)의 동작에 대해선 도 6 및 도 7을 통해 후술한다.
학습부(520)는 학습 데이터 및 기준값 셋을 기초로 내부 저항 추정 모델을 학습시킨다. 예를 들어, 학습부(520)는 기준 배터리의 전압 데이터 시퀀스 및 전류 데이터 시퀀스를 전처리한다. 학습부(520)는 전처리된 전압 데이터 시퀀스 및 전처리된 전류 데이터 시퀀스, 및 내부 저항 추정 모델을 기초로 기준 배터리의 열화와 관련된 내부 저항에 대한 추정값을 계산한다. 학습부(520)는 추정값 및 내부 저항에 대한 기준값을 기초로 내부 저항 추정 모델을 학습시킨다. 여기서, 기준값은 기준값 셋에 포함된다. 이러한 학습을 통해, 배터리 열화에 의한 내부 저항 변화가 내부 저항 추정 모델로 모델링될 수 있다. 학습부(520)의 동작에 대해선 도 8을 통해 후술한다.
도 6 내지 도 7은 일 실시예에 따른 모델 생성 시스템의 데이터 생성부의 동작을 설명하기 위한 도면이다.
도 6을 참조하면, 내부 저항 측정 포인트(610)에서 내부 저항이 측정되기 전, 내부 저항 측정 포인트(610)와 내부 저항 측정 포인트(620) 사이, 및 내부 저항 측정 포인트(620)에서 내부 저항이 측정된 후 각각에 대한 데이터 생성부(510)의 동작이 도시된다.
데이터 생성부(510)는 기준 배터리를 안정화시킨다(640). 다시 말해, 데이터 생성부(510)는 기준 배터리를 휴지(relaxation)시킬 수 있다. 여기서, 기준 배터리는 가속 열화된 배터리일 수 있다. 가속 열화에 대해선 후술한다.
기준 배터리가 안정화되면, 데이터 생성부(510)는 내부 저항 측정 포인트(610)에서 기준 배터리의 내부 저항을 측정한다(650). 달리 표현하면, 데이터 생성부(510)는 기준 배터리가 가속 열화된 후 기준 배터리가 안정화 상태에 있을 때의 내부 저항을 측정할 수 있다. 예를 들어, 가속 열화된 기준 배터리가 안정화되면, 데이터 생성부(510)는 기준 배터리에 펄스 전류를 인가하여 기준 배터리의 내부 저항을 측정할 수 있다.
데이터 생성부(510)는 기준 배터리를 사용(일례로, 충전 및/또는 방전)한다(660). 기준 배터리의 전류(630)가 도 6에 도시된다. 데이터 생성부(510)는 기준 배터리가 사용되는 동안 기준 배터리의 전압 및 전류 각각을 센싱 주기 마다 센싱한다. 이에 따라, 기준 배터리가 충전 또는 방전되는 동안의 전압 데이터 시퀀스 및 전류 데이터 시퀀스가 생성될 수 있다. 다시 말해, 데이터 생성부(510)는 내부 저항 측정 포인트(610)와 내부 저항 측정 포인트(620) 사이에서의 기준 배터리의 충전 또는 방전에 의한 전압 데이터 시퀀스 및 전류 데이터 시퀀스를 획득할 수 있다. 내부 저항 측정 포인트(610)와 내부 저항 측정 포인트(620) 사이에서의 전압 데이터 시퀀스 및 전류 데이터 시퀀스 각각을 Va1~Va2 및 Ia1~Ia2라 하자. 데이터 생성부(510)는 Va1~Va2 및 Ia1~Ia2를 메모리에 저장할 수 있다. Va1~Va2 및 Ia1~Ia2는 내부 저항 추정 모델의 학습을 위해 사용될 수 있다.
기준 배터리의 사용이 종료되면, 데이터 생성부(510)는 기준 배터리를 안정화시킨다(670).
기준 배터리가 안정화되면, 데이터 생성부(510)는 내부 저항 측정 포인트(620)에서 기준 배터리의 내부 저항을 측정한다(680). 달리 표현하면, 데이터 생성부(510)는 가속 열화된 기준 배터리의 충전 또는 방전이 종료된 후 기준 배터리가 안정화 상태에 있을 때의 내부 저항을 측정할 수 있다.
데이터 생성부(510)는 기준 배터리를 가속 열화시킨다(690). 다시 말해, 데이터 생성부(510)는 가속 열화된 기준 배터리를 다시 가속 열화시킬 수 있다. 예를 들어, 데이터 생성부(510)는 이전에 고온(예를 들어, 80℃)에 노출되었던 기준 배터리를 다시 고온에 노출시킬 수 있다. 구현에 따라, 데이터 생성부(510)는 기준 배터리를 가속 열화시키기 위해 단계(660)에서 기준 배터리를 과방전 또는 과충전시킬 수 있다.
데이터 생성부(510)는 단계(640) 내지 단계(690)을 반복할 수 있다. 예를 들어, 데이터 생성부(510)는 미리 정해진 횟수(예를 들어, 10회)만큼 단계(640) 내지 단계(690)을 반복하거나 기준 배터리의 수명이 종료할 때까지 단계(640) 내지 단계(690)을 반복할 수 있다.
데이터 생성부(510)가 기준 배터리의 마지막 내부 저항을 측정하였다고 하자. 도 7에 첫 번째 내부 저항 측정 포인트부터 마지막 내부 저항 측정 포인트(621)가 도시된다.
메모리에는 내부 저항 측정 포인트들 사이에서의 전압 데이터 시퀀스 및 전류 데이터 시퀀스가 저장되어 있다. 아래 표 4는 메모리에 저장된 데이터의 일례를 보여준다.
| 1st point~2nd point | 2nd point~3rd point |
... | point(610)~ point(620) |
... | point(611)~ point(621) |
|
| 전류 | I1~It1 | It2~It3 | ... | Ia1~Ia2 | ... | In1~In2 |
| 전압 | V1~Vt1 | Vt2~Vt3 | ... | Va1~Va2 | ... | Vn1~Vn2 |
위의 표 4에서, 1st point~2nd point는 첫 번째 내부 저항 측정 포인트와 두 번째 내부 저항 측정 포인트 사이를 의미하고, I1~It1 및 V1~Vt1 각각은 첫 번째 내부 저항 측정 포인트와 두 번째 내부 저항 측정 포인트 사이에서 충전 또는 방전된 기준 배터리의 전류 데이터 시퀀스 및 전압 데이터 시퀀스를 의미한다.
I1~It1 및 V1~Vt1 등은 내부 저항 추정 모델의 학습 데이터에 해당한다
또한, 데이터 생성부(510)는 측정된 내부 저항들을 기초로 연산을 수행하여 기준 배터리가 충전 또는 방전하는 동안의 내부 저항에 대한 기준값 셋을 생성할 수 있다. 예를 들어, 데이터 생성부(510)는 도 7에 도시된 내부 저항 측정 포인트들에서 측정된 내부 저항들에 보간(interpolation)을 수행할 수 있고, 보간 결과를 기초로 기준값 셋을 생성할 수 있다. 보간은, 예를 들어, 선형 보간, 다항식(polynomial) 보간, 또는 스플라인(spline) 보간 등일 수 있다. 보간에 대해선 전술한 사항으로 제한되지 않는다.
도 7에 도시된 그래프는 보간 결과의 일례를 보여주고, 아래 표 5는 보간 결과를 기초로 생성된 기준값 셋의 일례를 보여준다.
| 1st point~2nd point | 2nd point~3rd point |
... | point(610)~ point(620) |
... | point(611)~ point(621) |
|
| 보간 결과 | Rd_1~Rd _t1 | Rd_t2~Rd_t3 | ... | Rd_a1~Rd_a2 | ... | Rd_n1~Rd_n2 |
일례로, 데이터 생성부(510)는 단계(650)에서 측정된 내부 저항(=point(610)에 해당하는 내부 저항으로, 기준 배터리가 가속 열화된 후 안정화 상태에 있을 때에 측정된 내부 저항)과 단계(680)에서 측정된 내부 저항(=point(620)에 해당하는 내부 저항으로, 가속 열화된 기준 배터리의 충전 또는 방전이 종료된 후 기준 배터리가 안정화 상태에 있을 때에 측정된 내부 저항)을 기초로 보간을 수행함으로써, 전류 데이터 시퀀스 Ia1~Ia2의 타임 인덱스와 전압 데이터 시퀀스 Va1~Va2의 타임 인덱스에 대응되는 Rd_a1~Rd_a2를 생성할 수 있다. 달리 표현하면, 데이터 생성부(510)는 보간을 통해 Ia1 및 Va1의 타임 인덱스 a1을 갖는 Rd_a1, Ia1 +t 및 Va1 +t의 타임 인덱스 a1+t를 갖는 Rd_a1+t 등을 생성할 수 있다. 마찬가지로, 데이터 생성부(510)는 Rd_t2~Rd_t3, ... , Rd_n1~Rd_n2를 생성할 수 있다.
학습 데이터 및 기준값 셋이 생성되면, 학습부(520)는 학습 데이터 및 기준값 셋을 기초로 내부 저항 추정 모델을 학습시킬 수 있다. 이하, 도 8을 참조하면서, 학습부(520)의 동작에 대해 설명한다.
도 8은 일 실시예에 따른 모델 생성 시스템의 학습부의 동작을 설명하기 위한 도면이다.
도 8을 참조하면, 뉴럴 네트워크(800) 기반의 내부 저항 추정 모델이 도시된다.
뉴럴 네트워크(800)는 입력 레이어(810), 히든 레이어(820), 및 출력 레이어(830)를 포함한다. 구현에 따라, 뉴럴 네트워크(800)는 복수의 히든 레이어들을 포함할 수 있다. 레이어(810~830)들 각각은 하나 이상의 인공 뉴런을 포함할 수 있다. 레이어(810~830)들 각각의 하나 이상의 인공 뉴런은 인접한 레이어의 하나 이상의 인공 뉴런과 연결선을 통해 연결될 수 있다. 여기서, 연결선은 연결 가중치를 가질 수 있다. 뉴럴 네트워크(800)에 학습 데이터가 입력되면, 전방 연산(forward computation)이 수행될 수 있고, 출력 레이어(830)에서 출력값이 생성될 수 있다. 보다 구체적으로, 학습 데이터는 입력 레이어(810) → 히든 레이어(820) → 출력 레이어(830) 방향으로 전달되면서, 연결 가중치와 곱해지거나 더해질 수 있다. 이에 따라, 출력 레이어(840)에서 출력값이 생성될 수 있다.
도 8에 도시된 예에서, 학습부(520)는 전압 데이터 시퀀스 V1~V60 및 전류 데이터 시퀀스 I1~I60를 전처리할 수 있다. 예를 들어, 학습부(520)는 전압 데이터 시퀀스 V1~V60 및 전류 데이터 시퀀스 I1~I60를 정규화할 수 있다. 여기서, V1~V60 및 I1~I60 각각은 학습 데이터로, 위에서 설명한 1st point~2nd point의 전압 데이터 시퀀스의 일부 및 전류 데이터 시퀀스의 일부를 나타낸다. 학습부(520)는 전처리된 V1~V60 및 전처리된 I1~I60를 입력 레이어(810)에 입력할 수 있다. 입력 레이어(810)의 1번 노드부터 60번 노드는 전압 데이터 시퀀스 V1~V60를 입력 받고, 61번 노드부터 120번 노드는 전류 데이터 시퀀스 I1~I60를 입력 받는다. 전처리된 V1~V60 및 전처리된 I1~I60가 입력 레이어(810)에 입력되면, 전방 연산이 수행되고 기준 배터리의 내부 저항에 대한 추정값이 출력 레이어(830)에서 생성될 수 있다. 추정값이 IR60이라 하자. 학습부(520)는 추정값 IR60를 후처리(예를 들어, 필터링)할 수 있다.
학습부(520)는 오류 역전파 학습(backpropagation learning)을 통해 내부 저항 추정 모델을 학습시킬 수 있다. 오류 역전파 학습은 기준값과 추정값 사이의 오류를 계산하고, 오류를 출력 레이어(830) → 히든 레이어(820) → 입력 레이어(810)의 방향으로 전파하며, 오류를 줄이는 방향으로 연결 가중치를 업데이트하는 방법이다. 일례로, 학습부(520)는 추정값 IR60의 시점과 동일한 시점에 해당하는 Rd_60을 기준값 셋에서 선택할 수 있고, Rd_60과 IR60 사이의 오류를 계산할 수 있다. 학습부(520)는 계산된 오류를 역전파하여 연결 가중치들을 업데이트할 수 있다.
학습부(520)는 입력 데이터 시퀀스의 일부 데이터를 변경할 수 있다. 예를 들어, 학습부(520)는 V1~V60에서 V1을 삭제하고 V61를 전압 데이터 시퀀스에 추가할 수 있다. 학습부(520)는 I1~I60에서 I1을 삭제하고 I61를 전류 데이터 시퀀스에 추가할 수 있다.
학습부(520)는 전압 데이터 시퀀스 V2~V61 및 전류 데이터 시퀀스 I2~I61를 전처리할 수 있고, 전처리된 V2~V61 및 I2~I61를 입력 레이어(610)에 입력할 수 있다. 입력 레이어(810)의 1번 노드부터 60번 노드는 전압 데이터 시퀀스 V2~V61을 입력 받고, 61번 노드부터 120번 노드는 전류 데이터 시퀀스 I2~I61을 입력 받는다. 전처리된 V2~V61및 I2~I61가 입력 레이어(610)에 입력되면, 전방 연산을 통해 추정값 IR61이 계산될 수 있다. 학습부(520)는 추정값 IR61의 시점과 동일한 시점에 해당하는 Rd_61을 기준값 셋에서 선택하고, Rd_61과 IR61 사이의 오류를 계산할 수 있다. 학습부(520)는 오류를 역전파하여 연결 가중치들을 업데이트할 수 있다.
학습부(520)는 입력 데이터 시퀀스로 전방 연산하고 오류를 역전파하며 입력 데이터 시퀀스의 일부 데이터를 변경하는 일련의 과정을 반복함으로써, 연결 가중치들을 최적화할 수 있다. 최적화된 연결 가중치들은 위에서 설명한 배터리 관리 장치에 저장될 수 있다. 이에 따라, 배터리 관리 장치 내의 내부 저항 추정 모델은 최적화된 연결 가중치, 배터리의 전압 데이터 시퀀스 및 전류 데이터 시퀀스를 이용하여, 현재 전류가 흐르는 배터리의 내부 저항을 계산할 수 있다.
이러한 내부 저항 추정 모델과 최적화된 연결 가중치들은 후술할 마스터-슬레이브 구조의 배터리 관리 시스템에 저장될 수 있다.
도 9 내지 도 10은 마스터-슬레이브 구조의 배터리 관리 시스템을 설명하기 위한 블록도이다.
도 9 및 도 10을 참조하면, 배터리 관리 시스템은 슬레이브 관리 장치(910 또는 1010) 및 마스터 관리 장치(920 또는 1020)를 포함한다. 구현에 따라, 슬레이브 관리 장치(910 또는 1010)는 복수 개일 수 있다.
슬레이브 관리 장치(910 또는 1010)는 배터리 팩(930 또는 1030)에 포함된 배터리 셀들 각각을 관리 및/또는 제어하고, 마스터 관리 장치(920 또는 1020)는 슬레이브 관리 장치(910 또는 1010)를 제어한다.
슬레이브 관리 장치(910 또는 1010) 및 마스터 관리 장치(920 또는 1020)는 전술한 배터리 관리 장치의 동작들 또는 기능들을 수행할 수 있다. 이하, 도 9 및 도 10에 도시된 에에 대해 설명한다.
도 9에 도시된 예에서, 슬레이브 관리 장치(910)는 수신부(110), 전처리부(120), 내부 저항 추정부(130), 및 후처리부(140)를 포함하고, 마스터 관리 장치(920)는 상태 결정부(150)를 포함한다. 또한, 슬레이브 관리 장치(910)는 배터리 팩(930)에 포함된 배터리 셀들 각각의 내부 저항 추정 모델을 저장한다. 도 9에 도시된 예의 슬레이브 관리 장치(910) 및 마스터 관리 장치(920)의 동작의 일례는 다음과 같다.
슬레이브 관리 장치(910)는 배터리 팩(930)에 포함된 배터리 셀들 각각의 전압 데이터를 배터리 셀들 각각의 전압 센서로부터 센싱 주기마다 수신할 수 있다. 이에 따라, 각 배터리 셀의 전압 데이터 시퀀스가 생성될 수 있다. 또한, 슬레이브 관리 장치(910)는 배터리 팩(930)의 전류 센서로부터 배터리 팩의 전류 데이터를 센싱 주기마다 수신할 수 있다. 이에 따라, 배터리 팩(930)의 전류 데이터 시퀀스가 생성될 수 있다. 슬레이브 관리 장치(910)는 각 배터리 셀의 전압 데이터 시퀀스 및 배터리 팩(930)의 전류 데이터 시퀀스를 전처리할 수 있다. 슬레이브 관리 장치(910)는 각 배터리 셀의 내부 저항을 추정할 수 있다. 슬레이브 관리 장치(910)는 각 배터리 셀의 내부 저항을 후처리할 수 있다. 슬레이브 관리 장치(910)는 각 배터리 셀의 후처리된 내부 저항을 마스터 관리 장치(920)로 전송할 수 있다.
마스터 관리 장치(920)는 슬레이브 관리 장치(910)에 의해 추정된 내부 저항들 중 적어도 하나를 기초로 배터리 팩(930)의 상태 정보를 결정할 수 있다.
도 1 내지 도 8을 통해 기술된 사항들은 도 9를 통해 기술된 사항들에 적용될 수 있으므로, 상세한 설명을 생략한다.
도 9에 도시된 예와 달리, 도 10에 도시된 예의 경우, 슬레이브 관리 장치(1010)는 수신부(110)를 포함하고, 마스터 관리 장치(1020)는 전처리부(120), 내부 저항 추정부(130), 후처리부(140), 및 상태 결정부(150)를 포함한다. 또한, 마스터 관리 장치(1020)는 배터리 팩(1030)에 포함된 배터리 셀들 각각의 내부 저항 추정 모델을 저장한다. 도 10에 도시된 예의 슬레이브 관리 장치(1010) 및 마스터 관리 장치(1020)의 동작의 일례는 다음과 같다.
슬레이브 관리 장치(1010)는 배터리 팩(1030)에 포함된 배터리 셀들 각각의 전압 데이터를 센싱 주기마다 수신할 수 있다. 이에 따라, 슬레이브 관리 장치(1010)에는 각 배터리 셀의 전압 데이터 시퀀스가 생성될 수 있다. 슬레이브 관리 장치(1010)는 각 배터리 셀의 전압 데이터 시퀀스를 마스터 관리 장치(1020)로 전송할 수 있다. 즉, 마스터 관리 장치(1020)는 각 배터리 셀의 전압 데이터 시퀀스를 슬레이브 관리 장치(1010)로부터 수신할 수 있다. 또한, 마스터 관리 장치(1020)는 배터리 팩(1030)의 전류 센서로부터 전류 데이터를 센싱 주기마다 수신할 수 있다. 이에 따라, 배터리 팩(1030)의 전류 데이터 시퀀스가 생성될 수 있다. 마스터 관리 장치(1020)는 각 배터리 셀의 전압 데이터 시퀀스 및 배터리 팩(1030)의 전류 데이터 시퀀스를 전처리할 수 있다. 마스터 관리 장치(1020)는 각 배터리 셀의 내부 저항을 추정할 수 있다. 마스터 관리 장치(1020)는 각 배터리 셀의 내부 저항을 후처리할 수 있다. 마스터 관리 장치(1020)는 추정된 내부 저항들 중 적어도 하나를 기초로 배터리 팩(1030)의 상태 정보를 결정할 수 있다.
도 1 내지 도 8을 통해 기술된 사항들은 도 10을 통해 기술된 사항들에 적용될 수 있으므로, 상세한 설명을 생략한다.
도 11은 일 실시예에 따른 배터리 관리 방법을 설명하기 위한 순서도이다.
일 실시예에 따른 배터리 관리 방법은 위에서 설명한 배터리 관리 장치 또는 배터리 관리 시스템에 의해 수행될 수 있다.
도 11을 참조하면, 배터리 관리 장치는 적어도 하나의 배터리의 전압 데이터 시퀀스 및 전류 데이터 시퀀스를 전처리한다(1110).
배터리 관리 장치는 전처리된 전압 데이터 시퀀스, 전처리된 전류 데이터 시퀀스, 및 배터리 열화에 의한 내부 저항 변화가 모델링된 적어도 하나의 내부 저항 추정 모델을 기초로 배터리의 내부 저항을 추정한다(1120).
배터리 관리 장치는 추정된 내부 저항을 기초로 배터리에 대한 상태 정보를 결정한다(1130).
일 실시예에 있어서, 배터리 관리 장치는 전기 에너지를 추진력으로 이용하는 이동체에 탑재될 수 있다. 이러한 이동체는 전기 자동차일 수 있다. 이동체가 전기 에너지로 주행하는 동안에, 배터리 관리 장치는 배터리의 대응 내부 저항 추정 모델을 이용하여 배터리의 전압 데이터 시퀀스 및 전류 데이터 시퀀스로부터 배터리의 열화 상태와 관련된 내부 저항을 추정할 수 있다. 여기서, 배터리 관리 장치는 전류에 의해 발생하는 배터리의 내부 저항을 추정하지 않을 수 있다.
도 1 내지 도 10을 통해 기술된 사항들은 도 11을 통해 설명된 사항들에 적용될 수 있으므로, 상세한 설명을 생략한다.
도 12는 일 실시예에 따른 내부 저항 추정 모델 학습 방법을 설명하기 위한 순서도이다.
일 실시예에 따른 내부 저항 추정 모델 학습 방법은 위에서 설명한 모델 생성 시스템 또는 모델 생성 시스템 내의 학습부에 의해 수행될 수 있다.
도 12를 참조하면, 모델 생성 시스템은 기준 배터리의 전압 데이터 시퀀스 및 전류 데이터 시퀀스를 전처리한다(1210).
모델 생성 시스템은 전처리된 전압 데이터 시퀀스 및 전처리된 전류 데이터 시퀀스, 및 내부 저항 추정 모델을 기초로 기준 배터리의 열화와 관련된 내부 저항에 대한 추정값을 계산한다(1220).
모델 생성 시스템은 추정값 및 내부 저항에 대한 기준값을 기초로 내부 저항 추정 모델을 학습시킨다(1230).
도 1 내지 도 10을 통해 기술된 사항들은 도 12를 통해 설명된 사항들에 적용될 수 있으므로, 상세한 설명을 생략한다.
도 13은 일 실시예에 따른 자동차를 설명하기 위한 도면이다.
도 13을 참조하면, 일 실시예에 따른 자동차(1310)는 전기 에너지를 추진력으로 이용하는 이동체일 수 있다. 자동차(1310)는, 예를 들어, 전기 자동차 또는 하이브리드 자동차일 수 있다.
자동차(1310)는 배터리 시스템(1320)을 포함한다.
배터리 시스템(1320)은 배터리 팩(1330) 및 배터리 관리 시스템(1340)을 포함한다. 도 13에 도시된 예의 경우, 배터리 관리 시스템(1340)은 배터리 팩(1330) 외부에 위치한다. 이는, 일 실시예에 따른 예시적인 사항일 뿐, 배터리 관리 시스템(1340)은 배터리 팩(1330) 내부에 위치할 수 있다.
배터리 팩(1330)은 배터리 모듈들(1331, 1332, 및 1333)을 포함할 수 있다. 각 배터리 모듈(1331, 1332, 및 1333)은 하나 이상의 배터리 셀을 포함할 수 있다.
슬레이브 관리 장치들(1341, 1342, 및 1343) 및 마스터 관리 장치(1344)는 위에서 설명한 배터리 관리 장치의 동작들 또는 기능들을 수행할 수 있다. 예를 들어, 슬레이브 관리 장치들(1341, 1342, 및 1343) 각각은 도 9 또는 도 10을 통해 설명한 슬레이브 관리 장치와 대응될 수 있고, 마스터 관리 장치(1344)는 도 9 또는 도 10을 통해 설명한 마스터 관리 장치와 대응될 수 있다.
또한, 자동차(1310)가 주행 중일 때 배터리 관리 시스템(1340)은 배터리 팩(1330) 내의 배터리 셀들 각각의 내부 저항을 실시간으로 추정할 수 있다. 여기서, 실시간으로 추정되는 내부 저항은 배터리 셀의 현재 열화 상태와 관련된 내부 저항에 해당한다.
마스터 관리 장치(1344)는 차량 제어 유닛(미도시)을 통해 배터리 팩(1330)의 상태 정보를 사용자 단말(1350)로 전송할 수 있다. 또한, 마스터 관리 장치(1344)는 차량 제어 유닛을 통해 차량 내의 디스플레이(예를 들어, 계기판 및/또는 헤드업 디스플레이 등)에 배터리 팩(1330)의 상태 정보를 표시할 수 있다. 구현에 따라, 마스터 관리 장치(1344)는 차량 제어 유닛을 통해 배터리 팩(1330)의 상태 정보를 청각적으로 출력할 수 있다.
도 1 내지 도 12를 통해 기술된 사항들은 도 13을 통해 기술된 사항들에 적용될 수 있으므로, 상세한 설명을 생략한다.
위에서 설명한 배터리 관리 장치 또는 배터리 관리 시스템은 에너지 저장 장치(Energy Storage System; ESS)와 같은 대용량 배터리 시스템에 탑재될 수 있다. 또한, 배터리 관리 장치 또는 배터리 관리 시스템은 충전 가능(rechargeable) 배터리가 탑재되는 전자기기 또는 기기 관리 시스템에 탑재될 수 있다. 또한, 배터리 관리 장치, 슬레이브 관리 장치, 및 마스터 관리 장치는 칩(chip) 형태로 구현될 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 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 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 청구범위와 균등한 것들도 후술하는 청구범위의 범위에 속한다.
Claims (22)
- 적어도 하나의 배터리의 전압 데이터 시퀀스 및 전류 데이터 시퀀스를 전처리(pre-process)하는 단계;
상기 전처리된 전압 데이터 시퀀스, 상기 전처리된 전류 데이터 시퀀스, 및 배터리 열화(battery degradation)에 의한 내부 저항 변화가 모델링된 적어도 하나의 내부 저항 추정 모델을 기초로 상기 배터리의 내부 저항을 추정하는 단계; 및
상기 추정된 내부 저항을 기초로 상기 배터리의 상태 정보를 결정하는 단계
를 포함하는,
배터리 관리 방법.
- 제1항에 있어서,
배터리들을 포함하는 배터리 셋에 대하여,
상기 전처리하는 단계는,
상기 배터리들 각각의 전압 데이터 시퀀스 및 상기 배터리들을 포함하는 배터리 셋의 전류 데이터 시퀀스를 전처리하는 단계
를 포함하고,
상기 내부 저항을 추정하는 단계는,
상기 배터리들을 포함하는 배터리 셋의 전처리된 전류 데이터 시퀀스를 내부 저항 추정 모델들로 입력하고 상기 배터리들 각각의 전처리된 전압 데이터 시퀀스를 상기 내부 저항 추정 모델들 중 상기 배터리들 각각의 대응 내부 저항 추정 모델로 입력하여 상기 배터리들 각각의 내부 저항을 추정하는 단계
를 포함하는,
배터리 관리 방법.
- 제1항에 있어서,
상기 내부 저항을 추정하는 단계는,
현재 전류가 흐르는 상기 배터리의 내부 저항을 상기 배터리의 대응 내부 저항 추정 모델을 통해 추정하되, 상기 전류에 의한 내부 저항을 추정하지 않고, 상기 배터리의 열화 상태와 관련된 내부 저항을 추정하는 단계
를 포함하는,
배터리 관리 방법.
- 제1항에 있어서,
상기 전압 데이터 시퀀스는 상기 배터리의 일련의 전압 데이터에 해당하고,
상기 전류 데이터 시퀀스는 상기 배터리의 일련의 전류 데이터에 해당하며,
상기 배터리의 추정된 내부 저항은 상기 전압 데이터 시퀀스의 마지막 전압 데이터의 타임 인덱스 및 상기 전류 데이터 시퀀스의 마지막 전류 데이터의 타임 인덱스와 대응되는 시점에서의 추정된 내부 저항을 나타내는,
배터리 관리 방법.
- 제1항에 있어서,
상기 내부 저항 추정 모델은 기준값과 추정값을 기초로 학습이 완료된 것이고,
상기 기준값은 가속 열화된 기준 배터리의 측정된 내부 저항들의 보간 결과를 기초로 결정된 기준값 셋에 포함되고, 상기 추정값은 상기 학습이 완료되기 전의 내부 저항 추정 모델이 상기 기준 배터리의 전압 데이터 시퀀스 및 전류 데이터 시퀀스를 포함하는 입력 데이터를 이용하여 계산한 결과에 해당하는,
배터리 관리 방법.
- 제5항에 있어서,
상기 기준 배터리의 측정된 내부 저항들은,
상기 기준 배터리가 가속 열화된 후 안정화 상태에 있을 때에 측정된 내부 저항과 상기 가속 열화된 기준 배터리가 충전 또는 방전된 후 안정화 상태에 있을 때에 측정된 내부 저항을 포함하는,
배터리 관리 방법.
- 제1항에 있어서,
상기 상태 정보를 결정하는 단계는,
배터리들을 포함하는 배터리 셋에 대하여 상기 배터리들 각각의 내부 저항이 추정된 경우, 상기 추정된 내부 저항들 중에서 최대값을 결정하는 단계; 및
상기 최대값이 임계값보다 큰 경우, 상기 배터리 셋에 이상(abnormality)이 있는 것으로 결정하는 단계
를 포함하는,
배터리 관리 방법.
- 제1항에 있어서,
상기 상태 정보를 결정하는 단계는,
배터리들을 포함하는 배터리 셋에 대하여 상기 배터리들 각각의 내부 저항이 추정된 경우, 상기 배터리들 각각의 추정된 내부 저항과 임계값을 비교하여 상기 배터리들 각각에 이상(abnormality)이 있는지 여부를 결정하는 단계; 및
상기 배터리들 각각의 이상 여부를 통해 상기 배터리 셋의 상태 정보를 결정하는 단계
를 포함하는,
배터리 관리 방법.
- 제1항에 있어서,
상기 결정된 상태 정보를 기초로 상기 배터리 셋의 현재 상태에 대한 피드백 정보를 생성하는 단계
를 더 포함하는,
배터리 관리 방법.
- 제9항에 있어서,
상기 피드백 정보를 생성하는 단계는,
배터리들을 포함하는 배터리 셋에 대하여 상기 배터리들 각각의 내부 저항이 추정된 경우, 상기 추정된 내부 저항들 중 임계값보다 크게 추정된 내부 저항을 카운팅하는 단계; 및
상기 카운팅 결과를 기초로 피드백 레벨을 결정하는 단계
를 포함하는,
배터리 관리 방법.
- 제1항에 있어서,
상기 전처리하는 단계는,
상기 전압 데이터 시퀀스 및 상기 전류 데이터 시퀀스를 정규화하는 단계
를 포함하는,
배터리 관리 방법.
- 제1항에 있어서,
상기 추정된 내부 저항을 필터링하는 단계
를 더 포함하는,
배터리 관리 방법.
- 제1항 내지 제12항 중 어느 하나의 배터리 관리 방법을 실행시키기 위한 하나 이상의 명령어가 기록된, 컴퓨터 판독 가능한 기록 매체.
- 기준 배터리의 전압 데이터 시퀀스 및 전류 데이터 시퀀스를 전처리하는 단계;
상기 전처리된 전압 데이터 시퀀스 및 상기 전처리된 전류 데이터 시퀀스, 및 내부 저항 추정 모델을 기초로 상기 기준 배터리의 열화와 관련된 내부 저항에 대한 추정값을 계산하는 단계; 및
상기 추정값 및 상기 내부 저항에 대한 기준값을 기초로 상기 내부 저항 추정 모델을 학습시키는 단계
를 포함하는,
내부 저항 추정 모델 학습 방법.
- 제14항에 있어서,
상기 전압 데이터 시퀀스 및 상기 전류 데이터 시퀀스 각각은 가속 열화된 상기 기준 배터리가 충전 또는 방전할 때에 센싱된 전압 및 전류 각각에 기초하는 것인,
내부 저항 추정 모델 학습 방법.
- 제14항에 있어서,
상기 기준 배터리를 가속 열화시키는 단계;
가속 열화된 상기 기준 배터리를 충전 또는 방전시키는 단계;
상기 충전 또는 방전에 의한 상기 기준 배터리의 전압 및 전류 각각을 센싱하는 단계; 및
상기 센싱된 전압을 기초로 상기 전압 데이터 시퀀스를 획득하고, 상기 센싱된 전류를 기초로 전류 데이터 시퀀스를 획득하는 단계
를 더 포함하는,
내부 저항 추정 모델 학습 방법.
- 제14항에 있어서,
상기 기준 배터리의 측정된 내부 저항들을 기초로 연산을 수행하여 상기 기준값을 포함하는 기준값 셋을 생성하는 단계
를 더 포함하는,
내부 저항 추정 모델 학습 방법.
- 제17항에 있어서,
상기 기준값 셋을 생성하는 단계는,
상기 기준 배터리가 가속 열화된 후 안정화 상태에 있을 때에 측정된 내부 저항과 상기 가속 열화된 기준 배터리가 충전 또는 방전된 후 안정화 상태에 있을 때에 측정된 내부 저항을 기초로 보간을 수행하는 단계; 및
상기 보간의 결과를 기초로 상기 기준값 셋을 생성하는 단계
를 포함하는,
내부 저항 추정 모델 학습 방법.
- 제14항에 있어서,
상기 추정값은 상기 전처리된 전압 데이터 시퀀스의 마지막 전압 데이터의 타임 인덱스 및 상기 전처리된 전류 데이터 시퀀스의 마지막 전류 데이터의 타임 인덱스와 대응되는 시점에서의 상기 내부 저항에 대한 추정값을 나타내는,
내부 저항 추정 모델 학습 방법.
- 제14항에 있어서,
상기 전처리하는 단계는,
상기 전압 데이터 시퀀스 및 상기 전류 데이터 시퀀스를 정규화하는 단계
를 포함하는,
내부 저항 추정 모델 학습 방법.
- 컨트롤러; 및
상기 컨트롤러에 의해 실행 가능한 하나 이상의 명령어를 저장하는 메모리
를 포함하고,
상기 명령어가 실행되면, 상기 컨트롤러는 적어도 하나의 배터리의 전압 데이터 시퀀스 및 전류 데이터 시퀀스를 전처리(pre-process)하고, 상기 전처리된 전압 데이터 시퀀스, 상기 전처리된 전류 데이터 시퀀스, 및 배터리 열화(battery degradation)에 의한 내부 저항 변화가 모델링된 적어도 하나의 내부 저항 추정 모델을 기초로 상기 배터리의 내부 저항을 추정하며, 상기 추정된 내부 저항을 기초로 상기 배터리의 상태 정보를 결정하는,
배터리 관리 장치.
- 제21항에 있어서,
상기 배터리 관리 장치는 전기 에너지를 추진력으로 이용하는 이동체에 탑재되고,
상기 이동체가 상기 전기 에너지로 주행하는 동안에,
상기 컨트롤러는 상기 전압 데이터 시퀀스 및 상기 전류 데이터 시퀀스를 획득하고, 상기 배터리의 대응 내부 저항 추정 모델을 이용하여 상기 배터리의 전압 데이터 시퀀스 및 상기 전류 데이터 시퀀스로부터 상기 배터리의 열화 상태와 관련된 내부 저항을 추정하며, 상기 전기 에너지와 관련된 전류에 의한 내부 저항을 추정하지 않는,
배터리 관리 장치.
Priority Applications (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020170008450A KR20180085165A (ko) | 2017-01-18 | 2017-01-18 | 배터리 관리 방법 및 장치 |
| US15/720,161 US10746804B2 (en) | 2017-01-18 | 2017-09-29 | Battery management method and apparatus |
| CN201711366775.0A CN108336427B (zh) | 2017-01-18 | 2017-12-18 | 电池管理方法和装置 |
| EP18151184.1A EP3351953B1 (en) | 2017-01-18 | 2018-01-11 | Battery management method and apparatus |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020170008450A KR20180085165A (ko) | 2017-01-18 | 2017-01-18 | 배터리 관리 방법 및 장치 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20180085165A true KR20180085165A (ko) | 2018-07-26 |
Family
ID=60957161
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020170008450A KR20180085165A (ko) | 2017-01-18 | 2017-01-18 | 배터리 관리 방법 및 장치 |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US10746804B2 (ko) |
| EP (1) | EP3351953B1 (ko) |
| KR (1) | KR20180085165A (ko) |
| CN (1) | CN108336427B (ko) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020180012A1 (ko) * | 2019-03-06 | 2020-09-10 | 주식회사 엘지화학 | 저전압 불량 배터리 셀 검출 장치 및 방법 |
| KR20210045830A (ko) * | 2019-10-17 | 2021-04-27 | 경북대학교 산학협력단 | 배터리의 상태 모니터링 방법 및 장치 |
| WO2021125676A1 (ko) * | 2019-12-20 | 2021-06-24 | 주식회사 엘지에너지솔루션 | 배터리 진단 장치 및 방법 |
| WO2022149917A1 (ko) * | 2021-01-08 | 2022-07-14 | 주식회사 엘지에너지솔루션 | 배터리 관리 장치 및 방법 |
| US11616381B2 (en) | 2019-05-10 | 2023-03-28 | Samsung Electronics Co., Ltd. | Electronic device and method for lengthening battery life |
| US11906594B2 (en) | 2019-05-24 | 2024-02-20 | Semiconductor Energy Laboratory Co., Ltd. | Method for estimating internal resistance of secondary battery and anomaly detection system of secondary battery |
Families Citing this family (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102608468B1 (ko) | 2017-11-28 | 2023-12-01 | 삼성전자주식회사 | 배터리 상태 추정 방법 및 장치 |
| CN111602284A (zh) * | 2018-01-16 | 2020-08-28 | 株式会社杰士汤浅国际 | 监视装置、监视方法、计算机程序、劣化判断方法、劣化判断装置、以及劣化判断系统 |
| EP3832330A4 (en) * | 2018-07-31 | 2021-10-20 | Honda Motor Co., Ltd. | ESTIMATION SYSTEM, ESTIMATION DEVICE, ESTIMATION PROCESS AND INFORMATION SUPPORT |
| JP7200762B2 (ja) * | 2019-03-12 | 2023-01-10 | トヨタ自動車株式会社 | 予測モデル生成装置、方法、プログラム、電池寿命予測装置、方法及びプログラム |
| CN109946613A (zh) * | 2019-04-08 | 2019-06-28 | 上海理工大学 | 车用动力电池的内阻在线估计与寿命检测方法 |
| KR20210011236A (ko) * | 2019-07-22 | 2021-02-01 | 주식회사 엘지화학 | 배터리 저항 진단 장치 및 방법 |
| KR20210016828A (ko) * | 2019-08-05 | 2021-02-17 | 주식회사 엘지화학 | 배터리 관리 장치, 배터리 관리 방법 및 배터리 팩 |
| US11265828B2 (en) * | 2019-08-21 | 2022-03-01 | Qualcomm Incorporated | Power allocation for sidelink feedback transmission |
| KR20210028476A (ko) * | 2019-09-04 | 2021-03-12 | 삼성전자주식회사 | 배터리 충전 장치 및 방법 |
| KR102630222B1 (ko) * | 2020-11-05 | 2024-01-25 | 주식회사 엘지에너지솔루션 | 배터리 진단 장치 및 방법 |
| US20220203908A1 (en) * | 2020-12-29 | 2022-06-30 | Volkswagen Aktiengesellschaft | Powertrain control system with state of health information |
| EP4145157A1 (en) * | 2021-09-06 | 2023-03-08 | Dukosi Limited | Battery system state of health monitoring system |
Family Cites Families (59)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6850874B1 (en) * | 1998-04-17 | 2005-02-01 | United Technologies Corporation | Method and apparatus for predicting a characteristic of a product attribute formed by a machining process using a model of the process |
| US6285163B1 (en) * | 1998-05-28 | 2001-09-04 | Toyota Jidosha Kabushiki Kaisha | Means for estimating charged state of battery and method for estimating degraded state of battery |
| JP3598873B2 (ja) * | 1998-08-10 | 2004-12-08 | トヨタ自動車株式会社 | 二次電池の状態判定方法及び状態判定装置、並びに二次電池の再生方法 |
| JP4228760B2 (ja) * | 2002-07-12 | 2009-02-25 | トヨタ自動車株式会社 | バッテリ充電状態推定装置 |
| US7482784B2 (en) * | 2003-07-15 | 2009-01-27 | Panasonic Corporation | Degradation judgment circuit for secondary battery |
| US20060082375A1 (en) | 2004-10-19 | 2006-04-20 | Coates Keven D | Apparatus and method for identification of a failing battery |
| EP1691209B1 (en) | 2005-02-14 | 2008-10-01 | Denso Corporation | Method and apparatus for detecting charged state of secondary battery based on neural network calculation |
| US7197487B2 (en) * | 2005-03-16 | 2007-03-27 | Lg Chem, Ltd. | Apparatus and method for estimating battery state of charge |
| US20070194791A1 (en) | 2006-02-17 | 2007-08-23 | Bppower Inc. | Method and apparatus for monitoring the condition of a battery by measuring its internal resistance |
| GB2444511B (en) | 2006-12-06 | 2008-10-22 | Iti Scotland Ltd | Battery Management System |
| KR20080073382A (ko) | 2007-02-06 | 2008-08-11 | 주식회사 파워로직스 | 축전지의 내부저항 측정방법 |
| US7830119B2 (en) * | 2007-08-29 | 2010-11-09 | Gm Global Technology Operations, Inc. | Adaptive battery estimator and method |
| JP4459997B2 (ja) * | 2007-11-06 | 2010-04-28 | 株式会社日本自動車部品総合研究所 | 車載バッテリの状態推定装置、内燃機関の自動停止始動装置、及び内燃機関の自動停止始動システム |
| CN101504443B (zh) | 2008-02-05 | 2012-03-07 | 比亚迪股份有限公司 | 一种锂离子电池放电容量的预测方法 |
| TWI422849B (zh) | 2009-08-13 | 2014-01-11 | Neotec Semiconductor Ltd | 以直流內阻估算鋰電池容量之方法 |
| US8965721B2 (en) | 2009-09-30 | 2015-02-24 | Tesla Motors, Inc. | Determining battery DC impedance |
| US8519674B2 (en) * | 2009-11-12 | 2013-08-27 | GM Global Technology Operations LLC | Method for estimating battery degradation in a vehicle battery pack |
| JP5381664B2 (ja) | 2009-12-02 | 2014-01-08 | トヨタ自動車株式会社 | 組電池の異常検出装置 |
| EP2551686B1 (en) * | 2010-03-26 | 2014-05-07 | Mitsubishi Electric Corporation | Charge state estimation apparatus |
| US8529125B2 (en) * | 2010-05-26 | 2013-09-10 | GM Global Technology Operations LLC | Dynamic estimation of cell core temperature by simple external measurements |
| JP5303528B2 (ja) * | 2010-09-16 | 2013-10-02 | カルソニックカンセイ株式会社 | フィルタによるパラメータ推定装置 |
| KR101731322B1 (ko) * | 2010-11-02 | 2017-05-02 | 에스케이이노베이션 주식회사 | 배터리의 교환 시기 통보 장치 및 방법 |
| JP2012112866A (ja) | 2010-11-26 | 2012-06-14 | Kyocera Corp | 内部抵抗測定装置、電池残量測定装置、携帯端末および内部抵抗測定方法 |
| DE102010055597A1 (de) | 2010-12-22 | 2011-08-25 | Daimler AG, 70327 | Verfahren und Vorrichtung zum Bestimmen eines Parameters einer Fahrzeugbatterie, insbesondere einer Lithium-Ionen-Batterie |
| JP5547699B2 (ja) * | 2011-08-18 | 2014-07-16 | 日立オートモティブシステムズ株式会社 | 車両の駆動装置 |
| US9459323B2 (en) * | 2011-11-08 | 2016-10-04 | Hitachi Chemical Company, Ltd. | Battery-state monitoring system |
| JP5554310B2 (ja) | 2011-11-09 | 2014-07-23 | 古河電気工業株式会社 | 内部抵抗測定装置および内部抵抗測定方法 |
| KR101741183B1 (ko) * | 2011-11-24 | 2017-05-30 | 에스케이이노베이션 주식회사 | 배터리의 내부 저항 추정 장치 및 방법 |
| JP5684172B2 (ja) | 2012-03-03 | 2015-03-11 | 古河電気工業株式会社 | 二次電池状態検出装置および二次電池状態検出方法 |
| CN104471415B (zh) * | 2012-04-27 | 2017-09-01 | 加州理工学院 | 用于电池应用的嵌入式芯片 |
| FR2994745B1 (fr) * | 2012-08-21 | 2016-07-01 | Centre Nat D' Etudes Spatiales (Cnes) | Procede d'estimation du vieillissement d'une batterie |
| KR20140052658A (ko) | 2012-10-25 | 2014-05-07 | 현대모비스 주식회사 | 지능형 배터리 센서 및 이의 배터리 내부저항 연산방법 |
| JP2014109535A (ja) | 2012-12-04 | 2014-06-12 | Gs Yuasa Corp | 内部抵抗推定装置、充電装置、放電装置、内部抵抗推定方法 |
| US9318781B2 (en) * | 2013-01-11 | 2016-04-19 | Johnson Controls Technology Company | Predicted sensor information for a battery |
| WO2014129025A1 (ja) * | 2013-02-19 | 2014-08-28 | 古河電気工業株式会社 | 二次電池劣化判定方法及び二次電池劣化判定装置 |
| EP2978064B1 (en) * | 2013-03-18 | 2021-12-01 | Mitsubishi Electric Corporation | Apparatus and method for estimating electric storage device degradation |
| JP2014190763A (ja) * | 2013-03-26 | 2014-10-06 | Toshiba Corp | 電池寿命推定方法及び電池寿命推定装置 |
| FR3009093B1 (fr) * | 2013-07-29 | 2017-01-13 | Renault Sa | Estimation de l'etat de vieillissement d'une batterie electrique |
| KR20150029204A (ko) * | 2013-09-09 | 2015-03-18 | 삼성에스디아이 주식회사 | 배터리 팩, 배터리 팩을 포함하는 장치, 및 배터리 팩의 관리 방법 |
| JP2015143083A (ja) | 2013-12-26 | 2015-08-06 | 株式会社豊田自動織機 | バッテリ状態診断装置及びバッテリ内部抵抗測定方法 |
| US20160327613A1 (en) * | 2014-01-29 | 2016-11-10 | Panasonic Intellectual Property Management Co., Ltd. | Battery state estimating device and power supply device |
| US9132745B1 (en) * | 2014-03-17 | 2015-09-15 | Ford Global Technologies, Llc | Frequency based battery model parameter estimation |
| CN103941191B (zh) | 2014-03-26 | 2016-05-04 | 海博瑞恩电子科技无锡有限公司 | 一种储能装置综合管理的方法及储能装置 |
| JP6381298B2 (ja) | 2014-05-30 | 2018-08-29 | 菊水電子工業株式会社 | 二次電池内部抵抗測定装置および測定方法 |
| KR102221756B1 (ko) | 2014-07-18 | 2021-03-02 | 삼성전자주식회사 | 배터리의 상태를 추정하는 방법 및 장치 |
| KR101739169B1 (ko) | 2014-10-06 | 2017-05-23 | 주식회사 엘지화학 | 배터리 셀 내부 저항 측정 장치 및 방법 |
| KR101610530B1 (ko) | 2014-10-24 | 2016-04-07 | 현대자동차주식회사 | 배터리의 내부 저항 측정 방법 |
| KR101853383B1 (ko) | 2014-11-27 | 2018-04-30 | 자동차부품연구원 | 전류센서가 없는 시동용 배터리 내부저항 추정 시스템 및 그 방법 |
| KR102303226B1 (ko) | 2014-12-04 | 2021-09-16 | 현대모비스 주식회사 | 차량용 배터리 센서 모듈, 차량 배터리의 내부 저항을 측정하는 방법 및 차량 배터리의 상태 정보를 측정하는 방법 |
| KR102357351B1 (ko) * | 2015-01-07 | 2022-01-28 | 삼성전자주식회사 | 복수의 배터리 셀들을 포함하는 배터리 팩의 상태를 추정하는 장치 및 방법 |
| US10401433B2 (en) * | 2015-01-21 | 2019-09-03 | Samsung Electronics Co., Ltd. | Method and apparatus for estimating battery life |
| KR102332399B1 (ko) | 2015-02-06 | 2021-11-29 | 삼성전자주식회사 | 배터리 상태 추정 장치 및 방법 |
| KR20160101506A (ko) * | 2015-02-17 | 2016-08-25 | 삼성전자주식회사 | 배터리 신호 세그먼트 데이터의 확률 추론을 기반으로 한 배터리 상태 추정 방법 및 장치 |
| KR101763502B1 (ko) * | 2015-02-24 | 2017-07-31 | 가부시끼가이샤 도시바 | 축전지 관리 장치, 방법 및 프로그램 |
| KR101684092B1 (ko) * | 2015-04-08 | 2016-12-07 | 현대자동차주식회사 | 열화도 산출 장치 및 방법 |
| JP6164503B2 (ja) * | 2015-06-25 | 2017-07-19 | トヨタ自動車株式会社 | 二次電池の内部抵抗推定方法および出力制御方法 |
| DE102015212328B4 (de) * | 2015-07-01 | 2019-03-21 | Dialog Semiconductor (Uk) Limited | Batterieladezustandsmessschaltung |
| JP6129257B2 (ja) * | 2015-09-02 | 2017-05-17 | 三菱電機株式会社 | ディザ電流給電制御方法及びディザ電流給電制御装置 |
| KR102574084B1 (ko) * | 2016-01-14 | 2023-09-04 | 삼성전자주식회사 | 배터리 관리 장치 및 방법 |
-
2017
- 2017-01-18 KR KR1020170008450A patent/KR20180085165A/ko not_active Application Discontinuation
- 2017-09-29 US US15/720,161 patent/US10746804B2/en active Active
- 2017-12-18 CN CN201711366775.0A patent/CN108336427B/zh active Active
-
2018
- 2018-01-11 EP EP18151184.1A patent/EP3351953B1/en active Active
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020180012A1 (ko) * | 2019-03-06 | 2020-09-10 | 주식회사 엘지화학 | 저전압 불량 배터리 셀 검출 장치 및 방법 |
| US11774510B2 (en) | 2019-03-06 | 2023-10-03 | Lg Energy Solution, Ltd. | Apparatus and method for detecting low-voltage defective battery cell |
| US11616381B2 (en) | 2019-05-10 | 2023-03-28 | Samsung Electronics Co., Ltd. | Electronic device and method for lengthening battery life |
| US11906594B2 (en) | 2019-05-24 | 2024-02-20 | Semiconductor Energy Laboratory Co., Ltd. | Method for estimating internal resistance of secondary battery and anomaly detection system of secondary battery |
| KR20210045830A (ko) * | 2019-10-17 | 2021-04-27 | 경북대학교 산학협력단 | 배터리의 상태 모니터링 방법 및 장치 |
| WO2021125676A1 (ko) * | 2019-12-20 | 2021-06-24 | 주식회사 엘지에너지솔루션 | 배터리 진단 장치 및 방법 |
| WO2022149917A1 (ko) * | 2021-01-08 | 2022-07-14 | 주식회사 엘지에너지솔루션 | 배터리 관리 장치 및 방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| EP3351953A1 (en) | 2018-07-25 |
| CN108336427A (zh) | 2018-07-27 |
| CN108336427B (zh) | 2023-01-24 |
| US20180203070A1 (en) | 2018-07-19 |
| EP3351953B1 (en) | 2020-10-14 |
| US10746804B2 (en) | 2020-08-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR20180085165A (ko) | 배터리 관리 방법 및 장치 | |
| CN109874352B (zh) | 电池控制装置 | |
| CN103907030B (zh) | 电池充电率的估计装置与电池充电率的估计方法 | |
| EP2963434B1 (en) | Battery state estimation method and system using dual extended kalman filter, and recording medium for performing the method | |
| CN107533109B (zh) | 电池控制装置以及电动车辆系统 | |
| JP5393837B2 (ja) | バッテリの充電率推定装置 | |
| JP6182025B2 (ja) | バッテリの健全度推定装置および健全度推定方法 | |
| CN101371154B (zh) | 充电复原的电池状态 | |
| Yatsui et al. | Kalman filter based state-of-charge estimation for lithium-ion batteries in hybrid electric vehicles using pulse charging | |
| JP7076193B2 (ja) | 誤差補正に基づいたバッテリ状態推定方法及び装置 | |
| CN104833922B (zh) | 电池充放电电流限值的计算方法和装置 | |
| JP5419831B2 (ja) | バッテリの劣化度推定装置 | |
| KR102016715B1 (ko) | 배터리 상태 추정 방법, 그 방법을 수행하는 장치 및 컴퓨터 프로그램 | |
| CN107615562A (zh) | 电池劣化程度估计装置以及估计方法 | |
| JP4609882B2 (ja) | 車両用蓄電装置の内部状態検出方式 | |
| CN107923949A (zh) | 管理装置以及蓄电系统 | |
| WO2018099560A1 (en) | A system and a method for selecting energy storage cells for balancing of an electrical energy storage pack | |
| JP4587299B2 (ja) | 車両用蓄電装置の内部状態検出方式 | |
| CN114740357A (zh) | 一种并联电池组支路电流、荷电状态和功率状态的联合估计方法 | |
| JP6161133B2 (ja) | データ抽出装置、データ抽出方法およびデータ抽出プログラム | |
| Park et al. | Capacity estimation of Li-ion batteries using constant current charging voltage with multilayer perceptron | |
| EP3872506A1 (en) | Battery control device | |
| WO2018011993A1 (ja) | シミュレーション方法及びシミュレーション装置 | |
| WO2017002953A1 (ja) | データ抽出装置、データ抽出方法およびデータ抽出プログラム | |
| CN113853524A (zh) | 用于估计电池状态的方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal |