KR20180102882A - 배터리 사용 패턴 검출 장치 및 방법 - Google Patents
배터리 사용 패턴 검출 장치 및 방법 Download PDFInfo
- Publication number
- KR20180102882A KR20180102882A KR1020170029593A KR20170029593A KR20180102882A KR 20180102882 A KR20180102882 A KR 20180102882A KR 1020170029593 A KR1020170029593 A KR 1020170029593A KR 20170029593 A KR20170029593 A KR 20170029593A KR 20180102882 A KR20180102882 A KR 20180102882A
- Authority
- KR
- South Korea
- Prior art keywords
- battery
- usage pattern
- pattern data
- daily
- data
- Prior art date
Links
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
-
- 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
- H01M2010/4278—Systems for data transfer from batteries, e.g. transfer of battery parameters to a controller, data transferred between battery controller and main controller
-
- 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
-
- Y02E60/12—
Landscapes
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Chemical & Material Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- General Chemical & Material Sciences (AREA)
- Secondary Cells (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Tests Of Electric Status Of Batteries (AREA)
Abstract
본 발명의 실시 예에 따른 최적 배터리의 사용 패턴 검출 방법은, 배터리 사용 로그 데이터를 입력 받는 로그 데이터 입력 단계, 입력 받은 배터리 사용 로그 데이터를 기반으로 소정의 기간 동안의 배터리 사용 패턴을 분석하여 전체 사용 패턴 데이터를 생성하고, 하루 동안의 배터리 사용 패턴을 분석하여 일일 사용 패턴 데이터를 생성하는 전체 사용 패턴 데이터 및 일일 사용 패턴 데이터 생성 단계, 최적화 일일 사용 패턴 데이터 검출부에서 상기 일일 사용 패턴 데이터 중에서 최적화 일일 사용 패턴 데이터를 검출하는 최적화 일일 사용 패턴 데이터 검출 단계, 배터리 수명 예측부에서 상기 검출된 최적화 일일 사용 패턴 데이터를 기반으로 배터리의 수명을 예측하는 배터리 수명 예측 단계를 포함하여 구성되며, 상기 배터리 사용 로그 데이터, 전체 사용 패턴 데이터 및 일일 사용 패턴 데이터는, 배터리의 평균 파워, 누적 에너지, 필요도 에너지, 최대 파워 빈도, SOC 중 적어도 하나 이상의 배터리 정보를 포함하여 구성될 수 있다.
Description
본 발명은 장시간 동안의 배터리의 사용 패턴을 분석하여 최적화된 배터리의 사용 패턴을 검출하는 장치 및 방법에 관한 것이다.
보다 구체적으로는, 배터리의 년간 및 일간 사용 패턴을 분석하여 최적화된 배터리 사용 패턴을 검출하는 장치 및 방법에 관한 것이다.
고용량 배터리가 늘어남에 따라, 상시 전원이 아닌 배터리를 에너지로 사용하는 전자장치들이 늘어나고 있는 추세이다. 이와 같이 다양한 전자장치에서 배터리를 사용함에 있어서, 가장 우선시 되는 것은 안정적인 전원 공급이다.
특히, 충전배터리를 이용하는 경우, 배터리의 수명, 안정성, 충전시간, 최대 출력 시간 등을 고려하여 배터리 사용 패턴을 설정하여 관리함으로써 배터리를 보다 효율적으로 사용될 수 있다.
한편, 현재 대부분의 배터리 사용 패턴을 기반으로 하여 배터리의 수명을 예측하는 장치에서 배터리의 사용 패턴은 소정의 기간 동안 배터리 사용 패턴의 평균 값으로 설정되어 왔다.
그러나 이와 같은 배터리 사용 패턴은 실제로 발생하는 사용 패턴에는 존재하지 않는 사용 패턴으로 설정되는 경우가 발생한다.
다시 말하자면, 배터리의 사용량이 5. 6, 13, 13, 13인 경우, 전체 평균 사용량은 10이되어, 종래의 경우 배터리의 사용량이 10인 배터리 사용 패턴이 검출되게 되는데, 대부분의 경우 13의 전원을 사용하는데도 평균이 10으로 설정되어 예측 수명 및 유지 관리 방법과 실제의 수명 및 유지 관리 방법의 차이가 심해지는 문제점이 존재하였다.
따라서, 본 발명에서는 배터리의 수명을 예측하는 장치 및 방법에 있어서, 배터리의 사용 패턴을 배터리의 평균 값이 아니라 실제로 사용되는 배터리의 사용 패턴으로 배터리 사용 패턴을 설정하여 배터리의 수명을 예측하고자 한다.
본 발명은 장시간 동안의 배터리의 사용 패턴을 분석하여 최적 배터리 사용 패턴을 검출하는 장치 및 방법을 제공한다.
또한, 본 발명은 최적 배터리 사용 패턴을 기반으로 배터리의 수명을 예측하는 장치 및 방법을 제공한다.
본 발명의 실시 예에 따른 최적 배터리의 사용 패턴 검출 방법은, 배터리 사용 로그 데이터를 입력 받는 로그 데이터 입력 단계, 입력 받은 배터리 사용 로그 데이터를 기반으로 소정의 기간 동안의 배터리 사용 패턴을 분석하여 전체 사용 패턴 데이터를 생성하고, 하루 동안의 배터리 사용 패턴을 분석하여 일일 사용 패턴 데이터를 생성하는 전체 사용 패턴 데이터 및 일일 사용 패턴 데이터 생성 단계, 최적화 일일 사용 패턴 데이터 검출부에서 상기 일일 사용 패턴 데이터 중에서 최적화 일일 사용 패턴 데이터를 검출하는 최적화 일일 사용 패턴 데이터 검출 단계, 배터리 수명 예측부에서 상기 검출된 최적화 일일 사용 패턴 데이터를 기반으로 배터리의 수명을 예측하는 배터리 수명 예측 단계를 포함하여 구성되며, 상기 배터리 사용 로그 데이터, 전체 사용 패턴 데이터 및 일일 사용 패턴 데이터는, 배터리의 평균 파워, 누적 에너지, 필요도 에너지, 최대 파워 빈도, SOC 중 적어도 하나 이상의 배터리 정보를 포함하여 구성될 수 있다.
한편, 상기 전체 사용 패턴 데이터 및 일일 사용 패턴 데이터 생성 단계는, 소정의 기간 전체에 대해서, 상기 배터리 사용 로그 데이터의 평균 값인 전체 사용 패턴 데이터를 생성하는 전체 사용 패턴 데이터 생성 단계 및 상기 배터리 사용 로그 데이터를 하루 단위로 나누어 하루 동안의 배터리 사용 패턴 데이터를 생성하는 일일 사용 패턴 데이터 생성 단계를 포함하여 구성될 수 있다.
한편, 상기 최적화 일일 사용 패턴 데이터 검출 단계는, 상기 전체 사용 패턴 데이터와 일일 사용 패턴 데이터의 편차 값을 산출하는 편차 값 산출 단계, 상기 편차 값에 따라 상기 일일 사용 패턴 데이터를 내림차순으로 정렬하고, 상기 내림차순으로 정렬된 일일 사용 패턴 데이터 각각의 점수를 산출하는 점수 산출 단계, 상기 점수 산출 단계에서 산출된 점수가 가장 높은 일일 사용 패턴 데이터를 최적화 일일 사용 패턴 데이터로 선택하는 최적화 일일 사용 패턴 데이터 선택 단계를 포함하여 구성될 수 있다.
한편, 상기 배터리 수명 예측 단계는, 상기 점수 산출부에서 산출된 점수가 가장 높은 일일 사용 패턴 데이터와 배터리 수명 데이터 베이스에 기저장된 배터리 사용 패턴 데이터별 배터리 수명을 기반으로 현재 사용중인 배터리의 잔여 수명을 예측할 수 있다.
본 발명의 실시 예에 따른 최적 배터리의 사용 패턴 검출 장치는, 배터리 사용 패턴 로그 데이터를 입력 받는 로그 데이터 입력부, 상기 로그 데이터 입력부에서 입력받은 배터리 사용 로그 데이터로부터 소정의 기간 동안 배터리의 사용 패턴을 분석하여 전체 사용 패턴 데이터를 생성하고, 하루 동안의 배터리 사용 로그 데이터를 분석하여 일일 사용 패턴 데이터를 생성하는 배터리 사용 패턴 데이터 생성부, 상기 일일 사용 패턴 데이터 중에서 최적화 일일 사용 패턴 데이터를 검출하는 최적화 일일 사용 패턴 데이터 검출부, 상기 최적화 일일 사용 패턴 데이터를 기반으로 배터리의 잔여 수명을 예측하는 배터리 수명 예측부를 포함하여 구성되며, 상기 배터리 사용 패턴 로그 데이터, 전체 사용 패턴 데이터 및 일일 사용 패턴 데이터는, 배터리의 평균 파워, 누적 에너지, 필요도 에너지, 최대 파워 빈도, SOC 중 적어도 하나 이상의 배터리 정보를 포함하여 구성될 수 있다.
한편, 상기 배터리 사용 패턴 데이터 생성부는, 상기 로그 데이터 입력부에서 입력 받은 배터리 사용 로그 데이터 전체에 대한 평균 값인 전체 사용 패턴 데이터를 생성하는 전체 사용 패턴 데이터 생성부, 상기 로그 데이터 입력부에서 입력 받은 배터리 사용 로그 데이터를 하루 단위로 나누어 하루 단위 동안의 배터리 사용 패턴인 일일 사용 패턴 데이터를 생성하는 일일 사용 패턴 데이터 생성부를 포함하여 구성될 수 있다.
한편, 상기 최적화 일일 사용 패턴 데이터 검출부는, 상기 전체 사용 패턴 데이터와 일일 사용 패턴 데이터의 편차를 산출하는 편차 산출부 및 상기 편차를 기반으로 일일 사용 패턴의 점수를 산출하는 점수 산출부를 더 포함하여 구성될 수 있다.
한편, 상기 배터리 수명 예측부는, 실험을 통해 배터리 사용 패턴 별로 배터리 수명이 기저장되어 있는 배터리 수명 데이터 베이스를 더 포함하여 구성되며, 상기 점수 산출부에서 산출된 점수가 가장 높은 일일 사용 패턴 데이터와 배터리 수명 데이터 베이스에 기저장된 배터리 사용 패턴 데이터별 배터리 수명값을 기반으로 현재 사용중인 배터리의 잔여 수명을 예측할 수 있다.
본 발명은 장시간 동안의 배터리의 사용 패턴을 분석하여 최적화된 배터리 사용 패턴을 검출할 수 있다.
또한, 본 발명은 최적화된 배터리 사용 패턴을 기반으로 배터리의 수명을 예측할 수 있다.
도 1은 본 발명의 실시 예에 따른 최적 배터리 사용 패턴 검출 방법의 순서도이다.
도 2는 본 발명의 실시 예에 따른 최적 배터리 사용 패턴 검출 장치의 구성도이다.
도 3은 본 발명의 실시 예에 따른 최적 배터리 사용 패턴 검출 장치의 구체적인 구성도이다.
도 2는 본 발명의 실시 예에 따른 최적 배터리 사용 패턴 검출 장치의 구성도이다.
도 3은 본 발명의 실시 예에 따른 최적 배터리 사용 패턴 검출 장치의 구체적인 구성도이다.
아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시 예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시 예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면부호를 붙였다.
제1, 제2 등과 같이 서수를 포함하는 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되지는 않는다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예컨대, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 본 출원에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.
명세서 전체에서, 어떤 부분이 다른 부분과 “연결”되어 있다고 할 때, 이는 “직접적으로 연결”되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 “전기적으로 연결”되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 “포함”한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다. 본원 명세서 전체에서 사용되는 정도의 용어 “~(하는) 단계” 또는 “~의 단계”는 “~를 위한 단계”를 의미하지 않는다.
본 발명에서 사용되는 용어는 본 발명에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 발명의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 본 발명에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 발명의 전반에 걸친 내용을 토대로 정의되어야 한다.
1. 본 발명의 실시 예에 따른 최적 배터리 사용 패턴 검출 방법.
도 1은 본 발명의 실시 예에 따른 최적 배터리 사용 패턴 검출 방법의 순서도이다.
도 1을 참조하여 본 발명의 실시 예에 따른 최적 배터리 사용 패턴 검출 방법은, 배터리 사용 로그 데이터를 입력 받는 배터리 사용 로그 데이터 입력 단계(S100), 상기 로그 데이터 입력 단계에서 입력 받은 배터리 사용 로그 데이터를 기반으로, 소정의 기간 동안 배터리 사용 패턴을 분석하여 전체 사용 패턴 데이터를 생성하고 상기 소정의 기간 중에서 하루 동안 배터리 사용 패턴을 분석하여 일일 사용 패턴 데이터를 생성하는 전체 사용 패턴 데이터 및 일일 사용 패턴 데이터 생성 단계(S200), 최적화 일일 사용 패턴 데이터 검출부에서 상기 일일 사용 패턴 데이터 중에서 최적화 일일 사용 패턴 데이터를 검출하는 최적화 일일 사용 패턴 데이터 검출 단계(S300), 배터리 수명 예측부에서 상기 검출된 최적화 일일 사용 패턴 데이터를 기반으로 배터리의 수명을 예측하는 배터리 수명 예측 단계(S400)를 포함하여 구성될 수 있다.
한편, 본 명세서 전체에서 사용되는 상기 배터리 사용 패턴 로그 데이터, 전체 사용 패턴 데이터 및 일일 사용 패턴 데이터는, 배터리의 평균 파워, 누적 에너지, 필요도 에너지, 최대 파워 빈도, SOC 중 적어도 하나 이상의 배터리 정보를 포함하여 구성될 수 있다.
한편, 상기 배터리 사용 로그 데이터는, 배터리의 BMS에서 측정되어 저장되거나, 상기 배터리의 배터리의 평균 파워, 누적 에너지, 필요도 에너지, 최대 파워 빈도, SOC를 측정하기 위한 별도의 장치에서 측정되어 저장될 수 있다.
한편, 상기 로그 데이터 입력 단계(S100)는, 외부 시스템의 메모리, 별도의 저장 매체, 배터리 관리 시스템(BMS) 또는 서버로부터 배터리 사용 패턴 데이터를 입력 받을 수 있다.
한편, 상기 전체 사용 패턴 데이터 및 일일 사용 패턴 데이터 생성 단계(S200)는, 상기 로그 데이터 입력 단계(S100)에서 입력 받은 배터리 사용 로그 데이터를 소정의 기간 전체에 대해서 평균 값을 산출하여 전체 사용 패턴 데이터를 생성하는 전체 사용 패턴 생성 단계 및 상기 로그 데이터 입력 단계(S100)에서 입력 받은 배터리 사용 로그 데이터를 하루 단위로 나누어 하루 동안의 배터리 사용 패턴을 생성하는 일일 사용 패턴 데이터 검출 단계를 포함하여 구성될 수 있다.
보다 구체적으로, 상기 전체 사용 패턴 데이터 생성 단계는, 배터리 사용 로그 데이터의 전체 시간에 대해서 배터리의 평균 파워, 누적 에너지, 필요도 에너지, 최대 파워 빈도, SOC 중 어느 하나 이상의 항목 각각에 대한 평균 값을 산출할 수 있다.
한편, 상기 일일 사용 패턴 데이터 검출 단계는, 상기 로그 데이터를 하루 단위로 끊어서, 하루 동안에 대해서 배터리의 평균 파워, 누적 에너지, 필요도 에너지, 최대 파워 빈도, SOC 중 어느 하나 이상의 항목 각각에 대한 평균 값을 산출할 수 있다.
한편, 상기 최적화 일일 사용 패턴 데이터 검출 단계(S300)는, 상기 전체 사용 패턴 데이터와 일일 사용 패턴 데이터의 편차 값을 산출하는 편차 값 산출 단계, 상기 편차 값에 따라 상기 일일 사용 패턴 데이터를 내림차순으로 정렬하고, 상기 내림차순으로 정렬된 일일 사용 패턴 데이터 각각의 점수를 산출하는 점수 산출 단계, 상기 점수 산출 단계에서 산출된 점수가 가장 높은 일일 사용 패턴 데이터를 최적화 일일 사용 패턴 데이터로 선택하는 최적화 일일 사용 패턴 데이터 선택 단계를 포함하여 구성될 수 있다.
한편, 상기 점수 산출 단계에서 본 발명의 실시 예에서는 편차 값에 따라 일일 사용 패턴 데이터를 내림차순으로 정렬한다고 하였으나, 오름차순 등과 같이 다양한 정렬 방식을 사용하여 일일 사용 패턴 데이터 값을 정렬할 수도 있다.
한편, 상기 배터리 수명 예측 단계(S400)는, 상기 최적화 일일 사용 패턴 데이터 선택 단계(S300)에서 선택된 최적화 일일 사용 패턴 데이터를 기반으로, 현재 사용중인 배터리 시스템의 잔여 수명을 예측할 수 있다.
보다 구체적으로, 상기 배터리 수명 예측 단계(S400)는, 배터리의 사용 패턴 별로 실험을 수행하여 얻어진 배터리 수명 데이터 베이스 중에서 상기 최적화 일일 사용 패턴으로 배터리가 충전 및 방전되는 상황과 가장 유사한 배터리 수명 데이터를 검출하여 배터리 잔여 수명을 예측할 수 있다.
한편, 본 명세서와 같이 최적 배터리 사용 패턴을 검출하게 되면, 배터리의 사용 패턴에 따라 달라지는 배터리의 수명을 정확하게 예측하고, 유지 보수에 도움이 될 수 있다.
즉, 종래 방법으로는 평균 값으로 대표 패턴을 설정하여 실제로 사용되지 않는 값들로 최적 배터리 사용 패턴이 설정되어, 실제로 배터리의 수명과 예측수명의 차이가 많이 발생하는데 비해 본 발명은, 실제 배터리가 사용되는 패턴을 기반으로 배터리의 잔여 수명을 예측하게 되므로, 실제 배터리의 수명과 예측수명이 일치할 수 있다.
2. 본 발명의 실시 예에 따른 최적 배터리 사용 패턴 검출 장치
도 2는 본 발명의 실시 예에 따른 최적 배터리 사용 패턴 검출 장치의 전체적인 구성도이고 도 3은 본 발명의 실시 예에 따른 최적 배터리 사용 패턴 검출 장치의 구체적인 구성도이다.
이하에서는 도 2 및 도 3을 참조하여 본 발명의 실시 예에 따른 최적 배터리 사용 패턴 검출 장치를 설명한다.
본 발명의 실시 예에 따른 최적 배터리 사용 패턴 검출 장치(100)는, 배터리 사용 로그 데이터를 입력 받는 로그 데이터 입력부(110), 상기 로그 데이터 입력부(110)에서 입력 받은 배터리 사용 로그 데이터로부터 소정의 기간 동안 배터리의 사용 패턴을 분석하여 전체 사용 패턴 데이터를 생성하고, 하루 동안의 배터리 사용 로그 데이터를 분석하여 일일 사용 패턴 데이터를 생성하는 배터리 사용 패턴 데이터 생성부(120), 상기 일일 사용 패턴 데이터 중에서 최적화 일일 사용 패턴 데이터를 검출하는 최적화 일일 사용 패턴 데이터 검출부(130), 상기 최적화 일일 사용 패턴 데이터를 기반으로 배터리의 잔여 수명을 예측하는 배터리 수명 예측부(140)를 포함하여 구성될 수 있다.
한편, 본 발명에서의 최적 배터리 사용 패턴 검출 장치(100)는, 상기 로그 데이터 입력부(110), 배터리 사용 패턴 데이터 생성부(120), 최적화 일일 사용 패턴 데이터 검출부(130), 배터리 수명 예측부(140)를 포함하는 별도의 장치로 설명되고 있으나 이에 한정되지 않고, 본 발명의 최적화 배터리 사용 패턴 검출 장치는, 상기 로그 데이터 입력부(110), 배터리 사용 패턴 데이터 생성부(120), 최적화 일일 사용 패턴 데이터 검출부(130), 배터리 수명 예측부(140) 각각의 기능을 수행하는 모듈 또는 소프트웨어를 포함하여 구성되는 시스템 또는 소프트웨어 프로그램일 수 있다.
한편, 상기 배터리 사용 패턴 데이터, 전체 사용 패턴 데이터 및 일일 사용 패턴 데이터는, 배터리의 평균 파워, 누적 에너지, 필요도 에너지, 최대 파워 빈도, SOC 중 적어도 하나 이상의 배터리 정보를 포함하여 구성될 수 있다.
한편, 상기 로그 데이터 입력부(110)는, 외부 시스템의 메모리, 별도의 저장 매체, 배터리 관리 시스템(BMS) 또는 서버로부터 배터리 사용 패턴 데이터를 입력 받을 수 있다.
한편, 상기 배터리 사용 패턴 데이터 생성부(120)는, 상기 로그 데이터 입력부(110)에서 입력 받은 배터리 사용 로그 데이터를 소정의 기간 전체에 대해서 평균 값을 산출하여 전체 사용 패턴 데이터를 생성하는 전체 사용 패턴 데이터 생성부(121) 및 상기 로그 데이터 입력부(110)에서 입력 받은 배터리 사용 로그 데이터를 읽어와서 하루 단위로 나누어 하루 동안의 배터리 사용 패턴을 생성하는 일일 사용 패턴 데이터 생성부(122)를 포함하여 구성될 수 있다.
한편, 상기 최적화 일일 사용 패턴 데이터 검출부(130)는, 상기 전체 사용 패턴 데이터와 일일 사용 패턴 데이터의 편차를 산출하는 편차 산출부(131) 및 상기 편차 산출부(131)에서 산출된 편차를 기반으로 하여 일일 사용 패턴 데이터의 점수를 산출하는 점수 산출부(132)를 더 포함하여 구성될 수 있다.
보다 구체적으로, 상기 전체 사용 패턴 데이터 생성부(121)는, 배터리 사용 로그 데이터의 전체 시간에 대해서 배터리의 평균 파워, 누적 에너지, 필요도 에너지, 최대 파워 빈도, SOC 중 어느 하나 이상의 항목 각각에 대한 평균 값을 산출할 수 있다.
한편, 상기 일일 사용 패턴 데이터 검출부(122)는, 상기 로그 데이터를 하루 단위로 끊어서, 하루 동안에 대해서 배터리의 평균 파워, 누적 에너지, 필요도 에너지, 최대 파워 빈도, SOC 중 어느 하나 이상의 항목 각각에 대한 평균 값을 산출할 수 있다.
한편, 상기 배터리 수명 예측부(140)는, 상기 점수 산출부에서 산출된 점수가 가장 높은 일일 사용 패턴 데이터와 배터리 수명 데이터 베이스(141)를 기반으로 현재 사용중인 배터리의 잔여 수명을 예측할 수 있다.
보다 구체적으로, 상기 배터리 수명 데이터 베이스(141)는 실제 실험을 통해 다양한 배터리 사용 패턴에 따른 배터리 수명 데이터가 저장되어 있는 장치일 수 있다.
한편, 상기 배터리 수명 예측부(140)는, 배터리의 사용 패턴 별로 실험을 수행하여 얻어진 배터리 수명 데이터 베이스(141) 중에서 상기 최적화 일일 사용 패턴과 가장 유사한 상황에서의 배터리 수명 데이터를 검출하여 배터리 잔여 수명을 예측할 수 있다.
보다 구체적으로, 상기 최적화 일일 사용 패턴에 대응되는 배터리 수명 데이터 베이스(141)에 기저장되어 있는 배터리 사용 패턴 데이터를 선택하고, 상기 배터리 수명 데이터 베이스(141)에 기저장되어 있는 배터리 사용 패턴 데이터 중에서 선택된 배터리 사용 패턴 데이터에 대응되는 배터리 수명 값으로 현재 사용중인 배터리의 잔여 수명을 예측할 수 있다.
한편, 이러한 일련의 과정을 통해 검출되는 최적 배터리의 사용 패턴은, 종래에 단순히 전체의 평균을 대표 패턴을 검출하는 것에 비해 보다 실제와 가까운 배터리를 사용을 검출할 수 있고, 이에 따라서, 배터리의 잔여 수명을 보다 정확하게 예측할 수 있다.
예컨대, 100일 중에 배터리 사용 패턴 중에서 SOC가 80인 날이 90이고, SOC가 60인 날이 10일 있는 경우, 종래의 방식대로 전체 사용 패턴 데이터의 SOC는 평균인 78로 산출되고, 이를 기반으로 하여 배터리의 수명을 예측하게 된다.
한편, 이와 같이 예측된 배터리 수명은, 실제 대부분의 기간 동안의 배터리 사용 패턴의 SOC 값인 80에 미치지 못하게 된다. 실제 배터리의 수명과 예측 수명의 차이가 발생할 수 밖에 없다.
그러나 본 발명의 배터리 패턴 검출 장치를 사용하게 되면 배터리의 대표 사용 패턴은 전체 사용 패턴 데이터 값과 차이가 가장 적게 나는 일일 사용 패턴 데이터가 80으로 검출되고, 이를 기반으로 하여 배터리의 잔여 수명을 예측하게 되므로, 보다 정확한 배터리의 수명을 예측할 수 있다.
따라서 본 발명과 같이 최적 배터리 사용 패턴을 검출하게 되면, 배터리의 수명 예측 및 유지 보수에 도움이 될 수 있다. 즉, 배터리 잔여 수명을 검출하는데, 사용되는 배터리 사용 패턴을 실제와 유사한 사용 패턴으로 검출하게 되어 배터리의 정확한 수명 예측이 가능하여 배터리의 유지 관리에 용이할 수 있다.
한편, 본 발명의 기술적 사상은 상기 실시 예에 따라 구체적으로 기술되었으나, 상기 실시 예는 그 설명을 위한 것이며, 그 제한을 위한 것이 아님을 주지해야 한다. 또한, 본 발명의 기술분야에서 당업자는 본 발명의 기술 사상의 범위 내에서 다양한 실시 예가 가능함을 이해할 수 있을 것이다.
100 : 최적 배터리 사용 패턴 검출 장치
110 : 로그 데이터 입력부
120 : 배터리 사용 패턴 데이터 생성부
130 : 최적화 일일 사용 패턴 데이터 검출부
140 : 배터리 수명 예측부
110 : 로그 데이터 입력부
120 : 배터리 사용 패턴 데이터 생성부
130 : 최적화 일일 사용 패턴 데이터 검출부
140 : 배터리 수명 예측부
Claims (8)
- 최적 배터리 사용 패턴을 검출하는 방법에 있어서,
배터리 사용 로그 데이터를 입력 받는 로그 데이터 입력 단계;
입력 받은 배터리 사용 로그 데이터를 기반으로 소정의 기간 동안의 배터리 사용 패턴을 분석하여 전체 사용 패턴 데이터를 생성하고, 하루 동안의 배터리 사용 패턴을 분석하여 일일 사용 패턴 데이터를 생성하는 전체 사용 패턴 데이터 및 일일 사용 패턴 데이터 생성 단계;
최적화 일일 사용 패턴 데이터 검출부에서 상기 일일 사용 패턴 데이터 중에서 최적화 일일 사용 패턴 데이터를 검출하는 최적화 일일 사용 패턴 데이터 검출 단계;
배터리 수명 예측부에서 상기 검출된 최적화 일일 사용 패턴 데이터를 기반으로 배터리의 수명을 예측하는 배터리 수명 예측 단계;
를 포함하여 구성되며,
상기 배터리 사용 로그 데이터, 전체 사용 패턴 데이터 및 일일 사용 패턴 데이터는,
배터리의 평균 파워, 누적 에너지, 필요도 에너지, 최대 파워 빈도, SOC 중 적어도 하나 이상의 배터리 정보를 포함하여 구성되는 것을 특징으로 하는 최적 배터리 사용 패턴 검출 방법.
- 청구항 1에 있어서,
상기 전체 사용 패턴 데이터 및 일일 사용 패턴 데이터 생성 단계는,
소정의 기간 전체에 대해서,
상기 배터리 사용 로그 데이터의 평균 값인 전체 사용 패턴 데이터를 생성하는 전체 사용 패턴 데이터 생성 단계; 및
상기 배터리 사용 로그 데이터를 하루 단위로 나누어 하루 동안의 배터리 사용 패턴 데이터를 생성하는 일일 사용 패턴 데이터 생성 단계;
를 포함하여 구성되는 것을 특징으로 하는 최적 배터리 사용 패턴 검출 방법.
- 청구항 1에 있어서,
상기 최적화 일일 사용 패턴 데이터 검출 단계는,
상기 전체 사용 패턴 데이터와 일일 사용 패턴 데이터의 편차 값을 산출하는 편차 값 산출 단계;
상기 편차 값에 따라 상기 일일 사용 패턴 데이터를 내림차순으로 정렬하고, 상기 내림차순으로 정렬된 일일 사용 패턴 데이터 각각의 점수를 산출하는 점수 산출 단계;
상기 점수 산출 단계에서 산출된 점수가 가장 높은 일일 사용 패턴 데이터를 최적화 일일 사용 패턴 데이터로 선택하는 최적화 일일 사용 패턴 데이터 선택 단계;
를 포함하여 구성되는 것을 특징으로 하는 최적 배터리 사용 패턴 검출 방법.
- 청구항 3에 있어서,
상기 배터리 수명 예측 단계는,
상기 점수 산출부에서 산출된 점수가 가장 높은 일일 사용 패턴 데이터와 배터리 수명 데이터 베이스에 기저장된 배터리 사용 패턴 데이터별 배터리 수명을 기반으로 현재 사용중인 배터리의 잔여 수명을 예측하는 것을 특징으로 하는 최적 배터리 사용 패턴 검출 방법.
- 최적 배터리 사용 패턴을 검출하는 장치에 있어서,
배터리 사용 패턴 로그 데이터를 입력 받는 로그 데이터 입력부;
상기 로그 데이터 입력부에서 입력받은 배터리 사용 로그 데이터로부터 소정의 기간 동안 배터리의 사용 패턴을 분석하여 전체 사용 패턴 데이터를 생성하고, 하루 동안의 배터리 사용 로그 데이터를 분석하여 일일 사용 패턴 데이터를 생성하는 배터리 사용 패턴 데이터 생성부;
상기 일일 사용 패턴 데이터 중에서 최적화 일일 사용 패턴 데이터를 검출하는 최적화 일일 사용 패턴 데이터 검출부;
상기 최적화 일일 사용 패턴 데이터를 기반으로 배터리의 잔여 수명을 예측하는 배터리 수명 예측부;
를 포함하여 구성되며
상기 배터리 사용 패턴 로그 데이터, 전체 사용 패턴 데이터 및 일일 사용 패턴 데이터는,
배터리의 평균 파워, 누적 에너지, 필요도 에너지, 최대 파워 빈도, SOC 중 적어도 하나 이상의 배터리 정보를 포함하여 구성되는 것을 특징으로 하는 최적 배터리 사용 패턴 검출 장치.
- 청구항 5에 있어서,
상기 배터리 사용 패턴 데이터 생성부는,
상기 로그 데이터 입력부에서 입력 받은 배터리 사용 로그 데이터 전체에 대한 평균 값인 전체 사용 패턴 데이터를 생성하는 전체 사용 패턴 데이터 생성부;
상기 로그 데이터 입력부에서 입력 받은 배터리 사용 로그 데이터를 하루 단위로 나누어 하루 단위 동안의 배터리 사용 패턴인 일일 사용 패턴 데이터를 생성하는 일일 사용 패턴 데이터 생성부;
를 포함하여 구성되는 것을 특징으로 하는 최적 배터리 사용 패턴 검출 장치.
- 청구항 5에 있어서,
상기 최적화 일일 사용 패턴 데이터 검출부는
상기 전체 사용 패턴 데이터와 일일 사용 패턴 데이터의 편차를 산출하는 편차 산출부; 및
상기 편차를 기반으로 일일 사용 패턴의 점수를 산출하는 점수 산출부;
를 더 포함하여 구성되는 것을 특징으로 하는 최적 배터리 사용 패턴 검출 장치.
- 청구항 7에 있어서,
상기 배터리 수명 예측부는,
실험을 통해 배터리 사용 패턴 별로 배터리 수명이 기저장되어 있는 배터리 수명 데이터 베이스;
를 더 포함하여 구성되며,
상기 점수 산출부에서 산출된 점수가 가장 높은 일일 사용 패턴 데이터와 배터리 수명 데이터 베이스에 기저장된 배터리 사용 패턴 데이터별 배터리 수명값을 기반으로 현재 사용중인 배터리의 잔여 수명을 예측하는 것을 특징으로 하는 최적 배터리 사용 패턴 검출 장치.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020170029593A KR102331839B1 (ko) | 2017-03-08 | 2017-03-08 | 배터리 사용 패턴 검출 장치 및 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020170029593A KR102331839B1 (ko) | 2017-03-08 | 2017-03-08 | 배터리 사용 패턴 검출 장치 및 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20180102882A true KR20180102882A (ko) | 2018-09-18 |
| KR102331839B1 KR102331839B1 (ko) | 2021-11-30 |
Family
ID=63718443
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020170029593A KR102331839B1 (ko) | 2017-03-08 | 2017-03-08 | 배터리 사용 패턴 검출 장치 및 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102331839B1 (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023177224A1 (ko) * | 2022-03-18 | 2023-09-21 | 주식회사 엘지에너지솔루션 | 배터리 수명 예측 장치 및 그것의 동작 방법 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20130047902A (ko) * | 2011-11-01 | 2013-05-09 | 한국에너지기술연구원 | 전기차 충방전 제어 장치 및 방법, 그리고 이를 위한 서비스 관리 장치 |
| JP2013225441A (ja) * | 2012-04-23 | 2013-10-31 | Hitachi Ltd | 電池システムのメンテナンス管理システム及び方法 |
-
2017
- 2017-03-08 KR KR1020170029593A patent/KR102331839B1/ko active IP Right Grant
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20130047902A (ko) * | 2011-11-01 | 2013-05-09 | 한국에너지기술연구원 | 전기차 충방전 제어 장치 및 방법, 그리고 이를 위한 서비스 관리 장치 |
| JP2013225441A (ja) * | 2012-04-23 | 2013-10-31 | Hitachi Ltd | 電池システムのメンテナンス管理システム及び方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023177224A1 (ko) * | 2022-03-18 | 2023-09-21 | 주식회사 엘지에너지솔루션 | 배터리 수명 예측 장치 및 그것의 동작 방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102331839B1 (ko) | 2021-11-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101351717B (zh) | 电池分析系统和方法 | |
| US6448743B2 (en) | Rechargeable battery pack | |
| KR102343967B1 (ko) | 배터리의 상태를 추정하는 방법 및 장치 | |
| US10203375B2 (en) | Method for ascertaining storage battery state, state-ascertaining system, and computer program | |
| US11462929B2 (en) | Systems and methods for direct estimation of battery parameters using only charge/discharge curves | |
| JP2015059924A (ja) | 蓄電池性能評価装置およびその方法 | |
| CN114047452B (zh) | 一种确定电池循环寿命的方法及装置 | |
| EP3163897B1 (en) | Building management device, wide-area management system, data acquisition method, and program | |
| JP6591684B2 (ja) | バッテリの充電制御アルゴリズム | |
| US20190242950A1 (en) | Information processing apparatus, control method, and program | |
| US8175825B2 (en) | Methods and systems for auto-calibrated power metering in portable information handling systems | |
| CN113988723A (zh) | 一种基于用电数据异常分析的用户行为锁定方法和系统 | |
| KR101945427B1 (ko) | 직렬 연결된 배터리 셀 확인 장치 및 방법 | |
| KR20180102882A (ko) | 배터리 사용 패턴 검출 장치 및 방법 | |
| KR102159817B1 (ko) | 딥러닝을 통한 에너지저장장치 운영 방법, 이를 구현하기 위한 프로그램이 저장된 기록매체 및 이를 구현하기 위해 매체에 저장된 컴퓨터프로그램 | |
| CN111949646B (zh) | 基于大数据的设备运行状况分析方法、装置、设备及介质 | |
| JP5558391B2 (ja) | 二次電池交換方法および交換用二次電池取得装置 | |
| JP6788768B1 (ja) | 処理システム及び処理方法 | |
| JP6532374B2 (ja) | 蓄電池状態分析システム、蓄電池状態分析方法および蓄電池状態分析プログラム | |
| US20220283234A1 (en) | Method for predicting soh of battery and battery pack employing same | |
| KR101726483B1 (ko) | 배터리 사용 패턴 분석 장치 및 방법 | |
| US11733304B2 (en) | Determination apparatus | |
| JP2021072286A (ja) | 処理システム、監視装置、処理方法、監視方法及びプログラム | |
| WO2024057996A1 (ja) | 蓄電素子の劣化状態の算出装置、劣化状態の算出方法、劣化状態の算出プログラム、劣化状態の推定装置、劣化状態の推定方法、異常検知装置及び異常検知方法 | |
| US20230268753A1 (en) | Intelligent battery charging based on history |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E90F | Notification of reason for final refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |