KR20180116411A - 배터리의 열 동작을 특성화하기 위한 데이터를 처리하기 위한 방법 및 시스템 - Google Patents
배터리의 열 동작을 특성화하기 위한 데이터를 처리하기 위한 방법 및 시스템 Download PDFInfo
- Publication number
- KR20180116411A KR20180116411A KR1020187028145A KR20187028145A KR20180116411A KR 20180116411 A KR20180116411 A KR 20180116411A KR 1020187028145 A KR1020187028145 A KR 1020187028145A KR 20187028145 A KR20187028145 A KR 20187028145A KR 20180116411 A KR20180116411 A KR 20180116411A
- Authority
- KR
- South Korea
- Prior art keywords
- temperature data
- battery
- data
- model
- processing
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000012545 processing Methods 0.000 title claims abstract description 37
- 230000006870 function Effects 0.000 claims description 29
- 238000004088 simulation Methods 0.000 claims description 16
- 238000012546 transfer Methods 0.000 claims description 14
- 238000012360 testing method Methods 0.000 claims description 13
- 238000005259 measurement Methods 0.000 claims description 9
- 230000006399 behavior Effects 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 7
- 230000002123 temporal effect Effects 0.000 claims description 2
- 238000013500 data storage Methods 0.000 claims 2
- 238000004590 computer program Methods 0.000 abstract description 10
- 230000004044 response Effects 0.000 description 11
- 238000004891 communication Methods 0.000 description 5
- 238000013459 approach Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000013515 script Methods 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000002826 coolant Substances 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 239000012809 cooling fluid Substances 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 229920001690 polydopamine Polymers 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G06F17/5018—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
- G06F17/13—Differential equations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
-
- G06F2217/16—
-
- G06F2217/80—
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Data Mining & Analysis (AREA)
- Algebra (AREA)
- Operations Research (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Secondary Cells (AREA)
- Investigating Or Analyzing Materials Using Thermal Means (AREA)
- Pens And Brushes (AREA)
- Electronic Switches (AREA)
Abstract
고속 배터리 모델의 생성 및 사용을 위한, 컴퓨터 저장 매체에 인코딩된 컴퓨터 프로그램들을 포함하는 방법들, 시스템들 및 장치가 개시된다. 상기 방법들 중 하나는 배터리의 표면 내부 또는 표면상의 하나 이상의 위치들에 대한 온도 데이터를 얻는 단계를 포함하고, 상기 온도 데이터는 상기 배터리에 인가되는 시변 열 흐름 입력들 및 상기 배터리에 의해 생성되는 시변 온도 신호들을 포함한다. 상기 방법들은 하나 이상의 시간 지연 소자들 및 하나 이상의 파라미터들을 갖는 연속 시간 열 모델을 생성하기 위해 상기 온도 데이터를 처리하는 단계를 또한 포함하고, 파라미터 값들은 상기 온도 데이터를 사용하여 맞춰진다.
Description
우선권 주장
본 출원은 2016년 2월 29일자로 출원된 미국 특허 출원 일련 번호 62/301,301에 대한 우선권을 주장하며, 그 전체 내용은 본 명세서에 참조로 포함된다.
본 발명은 배터리의 열 동작을 특성화하기 위한 데이터를 처리하기 위한 방법 및 시스템에 관한 것이다.
배터리들은 소비자 전자 제품들 및 자동차들의 중요한 컴포넌트이다. 배터리 수명의 주요 원인들 중 하나는 배터리 온도이다. 온도가 높을수록 배터리의 수명이 단축된다. 그러나 항상 고온을 피할 수는 없다. 예를 들어, 자동차의 배터리 온도는 엔진에 의해 생성된 열의 함수일 수 있다.
본 명세서에서는 배터리와 관련된 기술을 서술한다.
일반적으로, 본 명세서에 서술된 주제의 하나의 혁신적인 양태는, 양태 1에서, 배터리의 표면 내부 또는 표면상의 하나 이상의 위치들에 대한 온도 데이터를 얻는 단계를 포함하는 방법들에서 실시될 수 있고, 상기 온도 데이터는 상기 배터리에 인가되는 시변 열 흐름 입력들 및 상기 배터리에 의해 생성되는 시변 온도 신호들을 포함한다. 상기 방법은 또한 하나 이상의 시간 지연 소자들 및 하나 이상의 파라미터들을 갖는 연속 시간 열 모델을 생성하기 위해 상기 온도 데이터를 처리하는 단계를 포함하고, 파라미터 값들은 상기 온도 데이터를 사용하여 맞춰진다.
전술한 실시예 및 다른 실시예는 각각 단독으로 또는 조합하여 하기의 피처들 중 하나 이상을 선택적으로 포함할 수 있다.
양상 1 및 3 내지 17의 임의의 조합에 따른 양상 2로서, 상기 연속 시간 열 모델은 복수의 열 흐름들에 대한 배터리 열 동작을 예측하도록 구성될 수 있다.
양상 1 내지 2 및 4 내지 17의 임의의 조합에 따른 양상 3으로서, 상기 복수의 열 흐름들은 각각 상기 배터리 내의 경계 조건들 또는 체적 영역들에 적용될 수 있다.
양상 1 내지 3 및 5 내지 17의 임의의 조합에 따른 양상 4로서, 상기 연속 시간 열 모델은 시간 지연 소자들 및 선형 전달 함수 소자들을 포함할 수 있다.
양상 1 내지 4 및 6 내지 17의 임의의 조합에 따른 양상 5로서, 상기 온도 신호들은 실험 환경으로부터 또는 시뮬레이션으로부터 얻어질 수 있다.
양상 1 내지 5 및 7 내지 17의 임의의 조합에 따른 양상 6으로서, 상기 연속 시간 열 모델은 평형 상태에서 선형화될 수 있다.
양상 1 내지 6 및 8 내지 17의 임의의 조합에 따른 양상 7로서, 상기 온도 신호들은 정상 상태 조건들의 세트에서 배터리의 온도 및 열 경계 조건들을 나타내는 데이터를 포함할 수 있다.
양상 1 내지 7 및 9 내지 17의 임의의 조합에 따른 양상 8로서, 상기 연속 시간 열 모델을 생성하는 단계는 측정된 정상 상태 조건들과 일치하는 관측된 측정치들 간의 차이를 최소화하는 단계를 포함할 수 있다.
양상 1 내지 8 및 10 내지 17의 임의의 조합에 따른 양상 9로서, 상기 온도 신호들은 상기 평형 상태에서 시작하는 일시적인 조건들의 세트에서 배터리의 온도 및 열 경계 조건들을 나타내는 데이터를 포함할 수 있다.
양상 1 내지 9 및 11 내지 17의 임의의 조합에 따른 양상 10로서, 상기 온도 신호들은 동일한 배터리 평형 상태로부터 시작하는 복수의 일시적인 측정치들의 세트들을 포함할 수 있다.
양상 1 내지 10 및 12 내지 17의 임의의 조합에 따른 양상 11로서, 상기 시간 지연은 연속 시간 모델에서 분자 및 분모에 대해 다른 차수를 갖는 파데 근사법(Pade approximation)을 사용하여 구현될 수 있다.
양상 1 내지 11 및 13 내지 17의 임의의 조합에 따른 양상 12로서, 상기 온도 신호들은 시뮬레이션을 사용하여 생성될 수 있다.
양상 1 내지 12 및 14 내지 17의 임의의 조합에 따른 양상 13으로서, 상기 온도 신호들은 차량에서 수집될 수 있다.
양상 1 내지 13 및 15 내지 17의 임의의 조합에 따른 양상 14로서, 상기 온도 신호들은 물리적 테스트 스탠드를 사용하여 생성될 수 있다.
양상 1 내지 14 및 16 내지 17의 임의의 조합에 따른 양상 15로서, 상기 방법들은 배터리 열 보호 시스템이 상기 모델과 일치하는지를 결정하는 단계를 더 포함할 수 있다.
양상 1 내지 15 및 17의 임의의 조합에 따른 양상 16으로서, 상기 시뮬레이션은 상기 배터리와 외부 열 싱크 사이의 열 전달을 포함한다.
양상 1 내지 16의 임의의 조합에 따른 양상 17으로서, 시뮬레이션은 모든 외부 열원들 및 싱크들에서 배터리를 분리한다.
본 명세서에 서술된 주제의 특정 실시예들은 다음의 이점들 중 하나 이상을 실현하도록 구현될 수 있다. 배터리용 전기 열 모델이 효율적으로 생산될 수 있다. 배터리는 보다 복잡한 방정식들을 관리하고 계산하는 데 필요한 것보다 적은 처리 전력으로 전자 장치들을 사용하여 모니터링되고 제어될 수 있다.
본 명세서에서 서술된 주제의 하나 이상의 실시예들의 세부 사항들은 첨부 도면 및 이하의 서술에서 설명된다. 주제의 다른 피처들, 양상들 및 장점들은 상세한 설명, 도면들 및 청구 범위들로부터 명백해질 것이다.
도 1은 고속 배터리 모델을 생성하고 검증하기 위한 환경의 예를 도시한다.
도 2는 기저 함수들을 모델에 맞추는 예를 도시한다.
도 3은 시간 지연의 예를 도시한다.
도 4는 3차원 객체에 대한 테스트 환경에 대한 예시적인 테스트 환경을 도시한다.
도 5는 고속 열 모델을 생성하기 위한 예시적인 프로세스를 도시한다.
다양한 도면들에서 동일한 참조 번호들 및 명칭들은 동일한 요소들을 도시한다.
도 2는 기저 함수들을 모델에 맞추는 예를 도시한다.
도 3은 시간 지연의 예를 도시한다.
도 4는 3차원 객체에 대한 테스트 환경에 대한 예시적인 테스트 환경을 도시한다.
도 5는 고속 열 모델을 생성하기 위한 예시적인 프로세스를 도시한다.
다양한 도면들에서 동일한 참조 번호들 및 명칭들은 동일한 요소들을 도시한다.
빠르고, 복잡성이 적은 배터리의 열 동작 모델들은 배터리의 설계 및 작동에서 사용될 수 있다. 물리적 테스트, 현장 작동 또는 3D 시뮬레이션을 사용하여 고속 배터리 모델을 생성할 수 있다. 예를 들어, 도 1은 고속 배터리 모델을 생성하고 검증하기 위한 환경의 예를 도시한다. 배터리 또는 배터리들의 세트는 열적으로 격리된 환경(102)에서 테스트될 수 있다. 데이터는 물리적 테스트, 현장 작동 또는 3D 시뮬레이션으로부터 수집될 수 있다.
열적으로 격리된 환경(102)에서 배터리에 대해 수행된 테스트들의 결과들이 기록될 수 있다. 예를 들어, 스텝 응답(들)이 측정될 수 있다. 그래프(104)는 측정된 스텝-응답 곡선을 도시하되, 실선은 경계 조건을 나타내고, 점선은 측정을 나타낸다.
측정된 응답들은 모델을 생성하는 데 사용될 수 있다. 감소 알고리즘(106)은 응답 곡선의 각 스텝에 대한 피팅 절차를 수행할 수 있다. 피팅된 스텝 응답은 방정식들로 변환될 수 있다. 그리고, 방정식들은 모델(108)에서 사용될 수 있다.
모델(108)은 배터리의 예측되는 열 동작을 시뮬레이션하기 위해 사용될 수 있다. 모델 기반 시뮬레이션의 결과들은, 그래프(110)로 나타낸 바와 같이 테스트 결과들(또는 보다 복잡한 시뮬레이션의 효과들)과 비교될 수 있다. 모델(108)이 테스트 결과들과 충분히 유사하다면, 이후, 모델(108)은 자동차들, 이동 전화들 및 태블릿들을 포함하는 상이한 전자 디바이스들로 통합될 수 있지만, 이에 한정되지 않는다.
고속 배터리 모델(예를 들어, 모델(108))은, 단일 시간 상수 1차 필터와 컨 벌브된 시간 지연 전달 함수의 시간 영역 스텝 응답을 포함하는 제한된 기저 함수들의 세트를 사용할 수 있으며, 이는, 배터리 열 모델의 응답을 알려진 입력 신호와 매칭시키고 그리고 임의의 입력들에 대한 열 시스템의 응답들과 매칭하는 최소 계산으로 실행되는 낮은 차수의 동적 모델을 생성한다. 피팅은 볼록 최적화를 사용하여 수행될 수 있다. 피팅은 임의의 측정들의 세트에 대한 단일 모델을 개발하기 위해 사용될 수 있다.
도 2는 기저 함수들을 모델에 피팅하는 예를 도시한다. 시스템은 모델을 구축하기 위해 그래프(204)에 도시된 바와 같이 기준 곡선(202)을 사용할 수 있다. 기준 곡선(202)은, 예를 들어, 실험 데이터, 현장 테스트 또는 시뮬레이션들로부터 얻어진 측정들로부터 얻을 수 있다. 시스템은, 각각의 기저 함수에 가중치를 적용함으로써, 기저 함수(예를 들어, 그래프(212)에 도시된 바와 같은 기저 함수들(206, 208, 210))로부터 기준 곡선(202)으로 다수의 곡선들을 매칭시킬 수 있다. 그래프(214)에 도시된 바와 같이, 시스템은 4.24의 가중치를 기저 함수(210)에 적용하고, 2.2의 가중치를 기저 함수(208)에, 그리고 0의 가중치를 기저 함수(206)에 적용한다. 그래프(216)에 도시된 바와 같이, 결과 곡선(218)은 기준 곡선(202)에 대한 근사 매칭이다.
도 3은 시간 지연의 예를 도시한다. 객체의 열 변화들은 즉시 일어나지 않을 수 있다. 그래프(302)는 객체에 대한 시간 경과에 따른 온도를 도시하는 선(304a)의 예를 도시한다. 그래프의 영역(306a)을 확대하면, 그래프(306b)는 객체의 온도가 변화되기 전에 선(304b)이 작은 지연(308)을 갖는다는 것을 나타낸다. 이 지연은 기저 함수를 적합하게 하는 것을 어렵게 한다. 지연에 적합한 기저 함수를 찾기 위해 시도하는 대신에, 선(304b)의 나머지가 기저 함수들을 사용하여 보다 용이하게 적합하게 할 수 있도록 시스템은 지연을 모델에 삽입할 수 있다.
도 4는 3차원 객체에 대한 예시적인 테스트 환경(400)을 도시한다. 테스트 환경은 실제 또는 가상일 수 있다. 이 환경(400)에서는, 온도 및 열 흐름과 같은 경계 조건들을 객체에 부과할 수 있다(예를 들어, 온도 경계 조건 T = 0℃(402) 및 온도 경계 조건 T = 20℃(404)).
내부 발열이 있는 3차원 객체의 온도는 열 방정식을 따른다.
이 방정식에서 w는 온도, q는 내부 발열, c p 는 열용량, ρ는 질량 밀도, 
는 다음 방정식으로 정의되는 열확산 계수이다.
이 방정식에서, k는 열전도도이다. 이 방정식들을 시뮬레이션하기 위해, 다양한 형태들의 이산화가 사용될 수 있다. 일반적으로, 방정식 계수들이 일정한 경우, 이산화는 방정식들의 선형 시스템이 될 것이다. 연속 시간의 이산화 기법은 다음의 함수로 표현될 수 있다.
여기서 u i 는 객체(예를 들어, 배터리) 내의 지점들의 온도이며 K및 B는 유한 차분 근사법들을 사용하여 생성된다. 이 방정식들은 시간 경과에 따른 객체의 모든 온도 시뮬레이션들을 개발하는데 유용하다. 하지만, 이러한 방정식들의 시스템은 계산 상으로 비용이 많이 들 수 있다. 일부 애플리케이션에서, 수학식 3의 온도들 모두가 필요하지는 않다. 이러한 관심 온도는 수학식 4에 나와있는 방정식들의 추가적인 세트를 사용함으로써 선택될 수 있다.
객체의 온도들의 하위 집합을 시뮬레이션해야 하는 경우, 수학식 3 및 수학식 4에서 암시된 것보다 적은 계산들을 사용하여 정확한 시뮬레이션을 수행할 수 있다. 더 빠르고 덜 복잡한 감소된 차수의 모델을 생성하기 위한 하나의 출발점은, 수학식 3과 수학식 4가 선형의 일차 일반 미분 방정식들의 집합인 방정식들의 시스템임을 인식하는 것이다. 이 방정식들의 형태는 일반적으로 시스템의 상태 공간 표현으로 언급된다. 상태 공간 모델을 줄이기 위한 많은 접근법들이 존재한다. 접근법들의 짧은 목록은 단수 섭동, 극 및 제로 매칭, 관측 불가능한 상태들의 제거, SVD 분해 및 절단, 부분 공간 방법들 및 기타 많은 것들을 포함한다. 또한, 시스템의 주파수 및 시간 영역 응답들에 기초한 실험 데이터로부터 선형 시스템 모델을 구축하기 위한 다수의 실험적 접근법들이 존재한다.
안정되고 축소된 차수의 모델은 시간 변화 및 정상 상태 경계 조건들에 따라 객체의 실험 또는 시뮬레이션 데이터로부터 생성될 수 있다. 도 5는 고속 열 모델을 생성하기 위한 예시적인 프로세스(500)를 도시한다. 모델을 생성하기 위해, 평형 상태에 있는 객체의 상태가 식별될 수 있다(502). 이 평형 상태에서, 객체는 일정한 온도이거나 일정한 경계 조건들을 겪을 수 있다. 개발된 모델은 이 평형 상태와 관련하여 선형화될 수 있다. 모든 평형 상태에서 모든 입력 및 출력에는 0의 값이 할당된다. 모델은, 시간 변화하는 경계 조건(504)을 겪을 때 객체에 대해 취해진 측정치들을 복제한다. 시간 변화하는 경계 조건들은 감소된 차수 모델의 입력들일 것이다. 측정 값들은 축소된 모델의 출력들이 될 것이다.
감소된 차수 모델을 생성하기 위해, 양(positive)의 그리고 선형적으로 독립된 기초 모델 세트가 선택된다(506). 모델은 초기 조건 및 입력들의 이력을 생성하고 출력하는 수학 방정식들의 세트가 될 수 있다. 한 모델의 입력-출력 동작이 세트의 다른 모델들의 선형 조합으로 복제될 수 없는 경우 모델들은 선형적으로 독립적이다. 양의 모델은, 양의 정상 상태 입력이 적용될 때 양의 정상 상태 출력을 생성하는 모델이다. 바람직한 실시예에서, 기초 모델은 상이한 시상수들을 갖는 일차 래그 필터들의 유한한 세트이다. 예시적인 모델들의 세트가 수학식 5에서 예시되어있다. 이 예에서, S는 K개의 기초 모델들의 세트를 나타낸다. 각 기초 모델은 동역학 방정식, f 및 출력 방정식, g로 표시된다. 기초 모델은 시변 입력 u를 시변 y 출력으로 변환한다. 기초 모델은, 시변 입력 u를 시변 출력 y로 변환한다. 이 예에서, 수학식 6은 λ로 매개 변수화 된 1차 지연 필터의 사용을 보여준다. 이 예에서, 각 λ가 고유하면 기초 모델 세트가 직교한다.
추가적으로, 모델링될 각 입력 및 출력에 대해, 시간 지연의 인과 모델이 선택될 수 있다(508). 이 예에서, 이 근사 시간 지연 모델은 원하는 시간 지연의 함수로서 표현될 수 있다. 대략적인 시간 지연에 대한 하나의 가능한 표현은 파데 근사(Pade approximation)이다. 파데 근사로부터 생성된 예시적인 근사 시간 지연은 수학식 7에 도시된다. 이러한 라플라스 도메인 전달 함수는 동등한 상태 공간 시스템 모델을 갖는다.
모델을 생성하는데 사용될 수 있는 입력들 및 출력들을 생성하기 위해, 입력 신호들의 세트가 획득된다(510). 입력 신호들은 설계 또는 객체를 사용한 결과에 의해 생성될 수 있다. 두 경우 모두, 입력들의 세트는 다음 조건들을 만족시킬 수 있다. 첫째, 각 입력은 다른 입력들과 선형적으로 독립적이다. 둘째, 입력들은 다른 신호들의 선형 조합의 시간 이동 버전이 아니다. 이러한 신호들의 세트는 객체가 초기에 평형 상태에 있는 객체의 경계 조건에 영향을 주는 입력들로 적용될 수 있다. 이러한 시간에 따라 변하는 경계 조건들이 적용되는 동안 출력들이 측정된다.
감소된 모델을 생성하기 위해, 입력 신호들은 수학식 8에 도시된 바와 같이 상태 궤적들의 세트를 생성하는 각 기초 모델에 적용된다(예를 들어, 각각의 입력 신호가 각각의 기초 모델에 적용될 수 있다). 수학식 8에서, m은 입력을 나타내고, k는 수학식 5로부터 기초 모델을 나타내고, t는 시간 인스턴스를 나타내고, u m 은 입력 m에 대한 신호이며, f k 는 기초 모델로부터의 동역학 방정식이다.
이러한 상태 궤적들은 수학식 9에 도시된 바와 같이 출력 궤도들을 생성하는데 사용될 수 있다. 이 방정식에서, m은 입력을 나타내고, k는 수학식 5로부터의 기초 모델을 나타내고, t는 시간 인스턴트를 나타내며, g k 은 기초 모델 k로부터의 출력 방정식이다.
감소된 모델은, 각각의 기초 모델에 대한 입력들이 시간 지연 수학식 7의 출력으로부터 공급되는 수학식 5의 기초 모델의 선형 조합에 의해 형성될 수 있다. 선형 조합은 각각의 기초 모델에 수학식 10에서 
의해 표현된 음이 아닌 이득을 곱함으로써 형성될 수 있다.
고속의 감소된 차수의 모델은, 
와 측정된 데이터 사이의 차이를 최소화하고, 
의 0이 아닌 값의 수를 최소화하며, 그리고 다양한 조건들에서 관측된 정상 상태 열적 행동을 매칭하는 수학식 10에서의 
및 수학식 11에서의 
의 값들을 식별함으로써 발견될 수 있다. 객체의 행동을 관측된 행동에 가장 근사화시키는 
의 값들을 식별하는 것을 단순화시키기 위해, 수학식 12와 유사한 최적화 문제가 해결될 수 있다. 도시된 바와 같이, 각각의 입력, 출력 및 기초 모델과 관련된 이득과 함께 각각의 입력, 출력 및 기초 모델과 관련된 시간 지연은, 비용 함수, C의 결과를 최소화하도록 조정될 수 있으며, 이는 측정된 온도와 모델링된 온도 사이의 차이를 정량화한다. 수학식 12는 고속 열 모델을 표현하고 해결하는 한 가지 방법을 보여 주지만 이러한 목표를 달성하기 위해 다른 방법들이 사용될 수 있다.
[수학식 12]
각 출력에 대해, 
에 따른 
일단 열 모델이 결정되면 결과가 수용 가능한지를 결정할 수 있다(512). 예를 들어, 모델의 결과들이 미리 결정된 오차 범위 내에서 테스트 또는 샘플 데이터와 일치하는지가 중요할 수 있다. 결과들이 수용 가능한 경우, 프로세스는 종료된다(515). 결과들이 수용 가능하지 않은 경우, 새로운 기초 모델들의 세트가 선택된다(506).
예시적인 사용
고속 배터리 모델들의 애플리케이션의 예들은 냉각 시스템과 충전기가 장착 된 차량에 액체 냉각 배터리 팩을 고려해야 한다. 작동 과정에서, 이 배터리는 열적으로 균일화된다. 균일화되면 열 경계 조건들이 측정되거나 추정된다. 냉각 유체 및 충전기는 일시적인 경계 조건과 그에 따른 정상 상태 경계 조건을 부과하는 데 사용된다. 간단한 경우로서, 이들 디바이스들은 배터리 내의 거부된 열 및 냉각제 온도를 변경하기 위해 단계 입력들을 생성할 수 있다. 수학식 5의 기초 모델들의 선험적 세트가 주어진다면, 수학식 12의 최적화는 측정치들을 복제하도록 기초 모델들과 시간 지연들의 최상의 선형 조합을 찾기 위해 사용될 수 있다. 이 모델을 사용할 수 있으면, 배터리의 전기적 사용에 영향을 주거나 불량 열 성능을 진단하는 데 사용될 수 있다.
극점들 및 영점들을 매칭
일반적으로, 배터리의 열 모델은 선형 시스템처럼 동작한다. 이는, 작동 조건에 대해 열 입력에 대한 온도 변화들이 전달 함수들을 사용하여 표현될 수 있음을 의미한다. 전달 함수는 주파수 영역과 라플라스 변환들에서 표현될 수 있다. 예를 들어, 선형 저역 통과 필터는 
에 의해 서술될 수 있다.
이러한 전달 함수의 주파수 응답은, s = j·ω 대입을 통해 나타낼 수 있고, 여기서, ω = 2·π·f이고, f는 입력의 주파수이다. 이 함수는 s 값을 갖지 않고, 여기서 전달 함수는 0의 값을 갖는다. s = -
이면, 이 전달 함수는 0 이상의 상수가 되며, 이를 극이라고 한다.
위와 아래에 다항식을 사용하는 보다 복잡한 전달 함수들의 경우, 영점들은 분자의 근원이고, 극점들은 분모의 근원이다.
전달 함수의 극점들과 영점들은 분모와 분자의 근원들이므로, 전달 함수를 고유하게 식별한다.
본 명세서에서 서술된 주제 및 동작들의 실시예들은, 디지털 전자 회로에서 또는 본 명세서 및 그의 등가물에 개시된 구조들을 포함하는 컴퓨터 소프트웨어, 펌웨어 또는 하드웨어에서, 또는 이들 중 하나 이상을 조합하여 구현될 수 있다. 본 명세서에서 서술된 주제의 실시예들은 하나 이상의 컴퓨터 프로그램들(즉, 데이터 처리 장치에 의한 실행을 위해 또는 데이터 처리 장치의 동작을 제어하기 위해 컴퓨터 저장 매체들 상에 인코딩된 컴퓨터 프로그램 명령어들의 하나 이상의 모듈들)로서 구현될 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독 가능 저장 장치, 컴퓨터 판독 가능 저장 기판, 랜덤 또는 직렬 액세스 메모리 어레이 또는 디바이스, 또는 이들 중 하나 이상의 조합들일 수 있거나 포함될 수 있다. 또한, 컴퓨터 저장 매체는 하나 이상의 개별 물리적 컴포넌트들 또는 매체(예를 들어, 다수의 CD들, 디스크들 또는 다른 저장 디바이스들)일 수 있거나 포함될 수 있다. 컴퓨터 저장 매체는 일시적이지 않을 수 있다.
본 명세서에서 서술된 동작들은 하나 이상의 컴퓨터 판독 가능 저장 장치에 저장된 데이터 또는 다른 소스로부터 수신된 데이터에 대해 데이터 처리 장치에 의해 수행되는 동작들로서 구현될 수 있다.
"데이터 처리 장치"라는 용어는 데이터 처리를 위한 모든 종류의 장치, 디바이스들 및 기계들을 포함하며, 예를 들어, 프로그램 가능 프로세서, 컴퓨터, 칩상의 시스템, 또는 복수의 것들 또는 이들의 조합을 포함한다. 상기 장치는 특수 목적 논리 회로(예를 들어, FPGA(field programmable gate array) 또는 ASIC(application specific integrated circuit))를 포함할 수 있다. 상기 장치는, 또한, 하드웨어에 부가하여, 문제의 컴퓨터 프로그램에 대한 실행 환경을 생성하는 코드(예를 들어, 프로세서 펌웨어, 프로토콜 스택, 데이터베이스 관리 시스템, 운영 체제, 크로스-플랫폼 런타임 환경, 가상 머신, 또는 이들 중 하나 이상의 조합을 구성하는 코드)를 포함할 수 있다. 장치 및 실행 환경은 웹 서비스들, 분산 컴퓨팅 및 그리드 컴퓨팅 인프라들과 같은 다양한 컴퓨팅 모델 인프라들을 실현할 수 있다.
컴퓨터 프로그램(프로그램, 소프트웨어, 소프트웨어 어플리케이션, 스크립트 또는 코드라고도 함)은 컴파일링된 언어 또는 해석된 언어, 선언적 또는 절차적 또는 개체 지향적 또는 기능적 언어를 비롯한 임의의 형태의 프로그래밍 언어로 작성될 수 있고, 그리고 독립 실행형 프로그램이나 모듈, 컴포넌트, 서브루틴, 서비스, 객체 또는 컴퓨팅 환경에서 사용하기에 적합한 다른 유닛을 포함한 임의의 형태로 배포될 수 있다. 컴퓨터 프로그램은 파일 시스템의 파일에 해당할 수 있지만 반드시 그런 것은 아니다. 프로그램은 다른 프로그램들 또는 데이터(예를 들어, 마크업 언어 문서에 저장된 하나 이상의 스크립트들)를 보유하는 파일의 일부에, 해당 프로그램 전용의 단일 파일 또는 복수의 조정 파일들(예를 들어, 하나 이상의 모듈들, 서브 프로그램들 또는 코드의 일부들을 저장하는 파일들)에 저장될 수 있다. 하나의 컴퓨터 또는 한 사이트에 있거나 여러 사이트들에 분산되어 있으며 통신 네트워크로 상호 연결되는 다수의 컴퓨터들에서 실행되도록 컴퓨터 프로그램을 배포할 수 있다.
본 명세서에서 서술된 프로세스들 및 논리 흐름들은 입력 데이터를 조작하고 출력을 생성함으로써 동작들을 수행하기 위해 하나 이상의 컴퓨터 프로그램들을 실행하는 하나 이상의 프로그램 가능 프로세서들에 의해 수행될 수 있다. 프로세스들 및 논리 흐름들은 또한 특수 목적 논리 회로(예를 들어, FPGA(field programmable gate array) 또는 ASIC(application specific integrated circuit))에 의해 수행될 수 있고, 장치는 또한 특수 목적 논리 회로로서 구현될 수 있다.
컴퓨터 프로그램의 실행에 적합한 프로세서들은, 예를 들어, 범용 및 특수 목적의 마이크로 프로세서들과 임의의 종류의 디지털, 아날로그 또는 양자 컴퓨터의 임의의 하나 이상의 프로세서들을 포함한다. 일반적으로, 프로세서는 판독 전용 메모리 또는 랜덤 액세스 메모리 또는 둘 모두로부터 명령어들 및 데이터를 수신할 것이다. 컴퓨터의 필수 요소들은 명령어들 및 데이터를 저장하기 위한 하나 이상의 메모리 디바이스들에 따라 작업들을 수행하기 위한 프로세서이다. 일반적으로, 컴퓨터는 또한 데이터를 저장하기위한 하나 이상의 대용량 저장 장치(예를 들어, 전자, 자기, 광 자기 디스크 또는 광 디스크드)들을 포함하거나, 대용량 저장 장치들로부터 데이터를 수신하거나, 대용량 저장 장치들에 데이터를 전송하거나, 둘 모두로 동작되도록 결합될 수도 있지만, 컴퓨터가 그러한 디바이스들을 가질 필요가 없을 수도 있다. 또한, 컴퓨터는 다른 디바이스(예를 들어, 이동 전화기, PDA, 모바일 오디오 또는 비디오 플레이어, 게임 콘솔, GPS 수신기, 또는 휴대용 저장 장치(예를 들어, 범용 직렬 버스(USB) 플래시 드라이브))에 장착될 수 있다. 컴퓨터 프로그램 명령어들 및 데이터를 저장하기에 적합한 디바이스들은, 예를 들어, 반도체 메모리 디바이스들(예를 들어, EPROM, EEPROM 및 플래시 메모리 디바이스들), 자기 디스크들(예를 들어, 내부 하드 디스크들 또는 이동식 디스크들), 광 자기 디스크들 및 CD-ROM 및 DVD-ROM 디스크들을 포함하는, 모든 형태들의 비 휘발성 메모리, 매체 및 메모리 디바이스들을 포함한다. 프로세서 및 메모리는 특수 목적 논리 회로에 의해 보충되거나 그 안에 포함될 수 있다.
사용자와의 상호 작용을 제공하기 위해, 본 명세서에서 서술된 주제의 실시예들은 사용자에게 정보를 디스플레이하기 위한 디스플레이 디바이스(예를 들어, CRT(cathode ray tube) 또는 LCD(liquid crystal display) 모니터), 키보드 및 사용자가 컴퓨터에 입력을 제공할 수 있는 포인팅 디바이스(예를 들어, 마우스 또는 트랙볼)를 갖는 컴퓨터상에서 구현될 수 있다. 다른 종류의 디바이스들이 사용자와의 상호 작용을 제공하는 데 사용될 수 있다; 예를 들어, 사용자에게 제공된 피드백은 임의의 형태의 감각 피드백(예를 들어, 시각 피드백, 청각 피드백 또는 촉각 피드백) 일 수 있고, 사용자로부터의 입력은 음향, 음성 또는 촉각 입력을 포함하는 임의의 형태로 수신될 수 있다. 또한, 컴퓨터는 사용자가 사용하는 장치로 문서들을 보내고 문서들을 수신함으로써(예를 들어, 웹 브라우저로부터 수신된 요청에 대한 응답으로 사용자의 사용자 디바이스상의 웹 브라우저에 웹 페이지를 전송함으로써) 사용자와 상호 작용할 수 있다.
본 명세서에서 서술된 주제의 실시예들은, 백 엔드 컴포넌트(예를 들어, 데이터 서버)를 포함하거나, 또는 미들웨어 컴포넌트(예를 들어, 애플리케이션 서버)를 포함하거나, 또는 프론트 엔드 컴포넌트(예를 들어, 사용자가 본 명세서에서 서술된 주제의 구현과 상호 작용할 수 있는 그래픽 사용자 인터페이스 또는 웹 브라우저를 갖는 사용자 컴퓨터) 또는 하나 이상의 백 엔드, 미들웨어 또는 프론트 엔드 컴포넌트의 임의의 조합을 포함하는 컴퓨팅 시스템에서 구현될 수 있다. 시스템의 컴포넌트들은 임의의 형태 또는 매체의 디지털 데이터 통신(예를 들어, 통신 네트워크)에 의해 상호 접속될 수 있다. 통신 네트워크의 예들은, 근거리 통신망( "LAN") 및 광역 통신망("WAN"), 인터 네트워크(예를 들어, 인터넷) 및 피어 투 피어 네트워크(예를 들어, 애드 혹 피어 투 피어 네트워크)를 포함한다.
컴퓨팅 시스템은 사용자들 및 서버들을 포함할 수 있다. 사용자 및 서버는 일반적으로 서로 멀리 떨어져 있으며 통상적으로 통신 네트워크를 통해 상호 작용한다. 사용자와 서버의 관계는 각각의 컴퓨터들 상에서 실행되고 서로 사용자-서버 관계를 갖는 컴퓨터 프로그램들로 인해 발생한다. 일부 실시예들에서, 서버는 (예를 들어, 사용자 디바이스와 상호 작용하는 사용자에게 데이터를 디스플레이하고 그리고 사용자로부터 사용자 입력을 수신하기 위해) 사용자 디바이스에 데이터(예를 들어, HTML 페이지)를 전송한다. 사용자 디바이스에서 생성된 데이터(예를 들어, 사용자 상호 작용의 결과)는 서버에서 사용자 디바이스로부터 수신될 수 있다.
본 명세서는 많은 특정 구현 세부 사항들을 포함하지만, 이들은 어떤 발명 또는 청구될 수 있는 범위에 대한 제한으로 해석되어서는 안되며, 오히려 특정 발명들의 특정 실시예들에 대한 특정한 피처들에 대한 설명으로 해석되어야 한다. 별도의 실시예들의 문맥으로 본 명세서에서 설명되는 특정 피처들은 또한 단일 실시 예에서 조합하여 구현될 수 있다. 반대로, 단일 실시예의 문맥으로 서술된 다양한 피처들은 또한 다수의 실시예들에서 개별적으로 또는 임의의 적합한 서브 조합으로 구현될 수 있다. 더욱이, 피처들은 특정 조합들로 작용하고 상술한 바와 같이 초기에 청구된 것으로서 서술될 수 있지만, 청구된 조합으로부터의 하나 이상의 피처들이, 어떤 경우들에서, 조합으로부터 제거될 수 있고, 그리고 청구된 조합은 하위 조합 또는 하위 조합의 변형을 지향할 수 있다.
유사하게, 동작들이 특정 순서로 도면들에 도시되어 있지만, 이는 바람직한 동작들을 달성하기 위해, 그러한 동작들이 도시된 순서 또는 순차적인 순서로 수행되거나, 도시된 모든 동작들이 수행될 것을 요구하는 것으로 이해되어서는 안된다. 특정 상황들에서 멀티태스킹 및 병렬 처리가 유리할 수 있다. 또한, 상술한 실시 예들에서, 다양한 시스템 컴포넌트들의 분리는 모든 실시예들에서 이러한 분리를 요구하는 것으로 이해되어서는 안되며, 서술된 프로그램 컴포넌트들 및 시스템들은 일반적으로 단일 소프트웨어 제품에 함께 통합되거나 다중 소프트웨어 제품들로 패키징될 수 있음을 이해해야 한다.
따라서, 주제의 특정 실시예들이 서술되었다. 다른 실시예들은 다음의 청구항들의 범위 내에 있다. 경우에 따라, 청구 범위에 서술된 동작들을 다른 순서로 수행할 수 있으며 여전히 바람직한 결과들을 얻을 수 있다. 또한, 첨부된 도면에 도시된 공정들은 바람직한 결과들을 얻기 위해 도시된 특정 순서 또는 순차적 순서를 반드시 필요로 하지는 않는다. 특정 구현들에서, 멀티태스킹 및 병렬 처리가 유리할 수 있다.
Claims (19)
- 배터리의 열 동작(thermal behavior)을 모델링하기 위해 데이터 처리 시스템에 의해 온도 데이터를 처리하는 방법으로서,
배터리의 표면 내부 또는 표면상의 하나 이상의 위치들에 대한 온도 데이터를 얻는 단계 - 상기 온도 데이터는 상기 배터리에 인가되는 시변 열 흐름 입력들(time-varying heat flow inputs) 및 상기 배터리에 의해 생성되는 시변 온도 신호들을 포함하며 - 와; 그리고
하나 이상의 시간 지연 소자들 및 하나 이상의 파라미터들을 갖는 연속 시간 열 모델을 생성하기 위해 상기 온도 데이터를 처리하는 단계를 포함하고,
파라미터 값들은 상기 온도 데이터를 사용하여 맞춰지는(fitted) 것을 특징으로 하는
온도 데이터를 처리하는 방법. - 제1항에 있어서,
상기 연속 시간 열 모델은 복수의 열 흐름들에 대한 배터리 열 동작을 예측하도록 구성되는 것을 특징으로 하는
온도 데이터를 처리하는 방법. - 제2항에 있어서,
상기 복수의 열 흐름들은 각각 상기 배터리 내의 경계 조건들 또는 체적 영역들에 적용되는 것을 특징으로 하는
온도 데이터를 처리하는 방법. - 제1항에 있어서,
상기 연속 시간 열 모델은 시간 지연 소자들 및 선형 전달 함수 소자들을 포함하는 것을 특징으로 하는
온도 데이터를 처리하는 방법. - 제1항에 있어서,
상기 온도 신호들은 실험 환경으로부터 또는 시뮬레이션으로부터 얻어지는 것을 특징으로 하는
온도 데이터를 처리하는 방법. - 제1항에 있어서,
상기 연속 시간 열 모델은 평형 상태에서 선형화되는 것을 특징으로 하는
온도 데이터를 처리하는 방법. - 제1항에 있어서,
상기 온도 신호들은 정상 상태 조건들의 세트에서 배터리의 온도 및 열 경계 조건들을 나타내는 데이터를 포함하는 것을 특징으로 하는
온도 데이터를 처리하는 방법. - 제7항에 있어서,
상기 연속 시간 열 모델을 생성하는 단계는 측정된 정상 상태 조건들과 일치하는 관측된 측정치들 간의 차이를 최소화하는 단계를 포함하는 것을 특징으로 하는
온도 데이터를 처리하는 방법. - 제1항에 있어서,
상기 온도 신호들은 상기 평형 상태에서 시작하는 일시적인 조건들의 세트에서 배터리의 온도 및 열 경계 조건들을 나타내는 데이터를 포함하는 것을 특징으로 하는
온도 데이터를 처리하는 방법. - 제9항에 있어서,
상기 온도 신호들은 동일한 배터리 평형 상태로부터 시작하는 복수의 일시적인 측정치들의 세트들을 포함하는 것을 특징으로 하는
온도 데이터를 처리하는 방법. - 제1항에 있어서,
상기 시간 지연은 연속 시간 모델에서 분자 및 분모에 대해 다른 차수를 갖는 파데 근사법(Pade approximation)을 사용하여 구현되는 것을 특징으로 하는
온도 데이터를 처리하는 방법. - 제1항에 있어서,
상기 온도 신호는 시뮬레이션을 사용하여 생성되는 것을 특징으로 하는
온도 데이터를 처리하는 방법. - 제12항에 있어서,
상기 시뮬레이션은 상기 배터리의 경계에서의 열 전달을 포함하는 것을 특징으로 하는
온도 데이터를 처리하는 방법. - 제12항에 있어서,
상기 시뮬레이션은 상기 배터리를 모든 외부 열원들 및 싱크들로부터 분리하는 것을 특징으로 하는
온도 데이터를 처리하는 방법. - 제1항에 있어서,
상기 온도 신호들은 차량에서 수집되는 것을 특징으로 하는
온도 데이터를 처리하는 방법. - 제1항에 있어서,
상기 온도 신호들은 물리적 테스트 스탠드(physical test stand)를 사용하여 생성되는 것을 특징으로 하는
온도 데이터를 처리하는 방법. - 제1항에 있어서,
배터리 열 보호 시스템이 상기 모델과 일치하는지를 결정하는 단계를 더 포함하는 것을 특징으로 하는
온도 데이터를 처리하는 방법. - 배터리의 열 동작을 모델링하기 위해 데이터 처리 시스템에 의해 온도 데이터를 처리하는 시스템으로서,
상기 시스템은 프로세서 및 메모리를 포함하고,
상기 프로세서 및 메모리는,
배터리의 표면 내부 또는 표면상의 하나 이상의 위치들에 대한 온도 데이터를 얻고, 상기 온도 데이터는 상기 배터리에 인가되는 시변 열 흐름 입력들 및 상기 배터리에 의해 생성되는 시변 온도 신호들을 포함하며, 그리고
하나 이상의 시간 지연 소자들 및 하나 이상의 파라미터들을 갖는 연속 시간 열 모델을 생성하기 위해 상기 온도 데이터를 처리하도록 구성되고,
파라미터 값들은 상기 온도 데이터를 사용하여 맞춰지는 것을 특징으로 하는
온도 데이터를 처리하는 시스템. - 배터리의 열 동작을 모델링하기 위해 데이터 처리 시스템에 의해 온도 데이터를 처리하는 비 일시적 컴퓨터 판독 가능 데이터 저장 매체로서,
실행될 때, 컴퓨터로 하여금,
배터리의 표면 내부 또는 표면상의 하나 이상의 위치들에 대한 온도 데이터를 얻는 단계 - 상기 온도 데이터는 상기 배터리에 인가되는 시변 열 흐름 입력들 및 상기 배터리에 의해 생성되는 시변 온도 신호들을 포함하며 - 와; 그리고
하나 이상의 시간 지연 소자들 및 하나 이상의 파라미터들을 갖는 연속 시간 열 모델을 생성하기 위해 상기 온도 데이터를 처리하는 단계를
포함하는 동작들을 수행하도록 하는 컴퓨터 실행가능한 명령어들을 저장하고,
파라미터 값들은 상기 온도 데이터를 사용하여 맞춰지는 것을 특징으로 하는
비 일시적 컴퓨터 판독 가능 데이터 저장 매체.
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201662301301P | 2016-02-29 | 2016-02-29 | |
| US62/301,301 | 2016-02-29 | ||
| PCT/US2017/019677 WO2017151500A1 (en) | 2016-02-29 | 2017-02-27 | Processing data to characterize the thermal behavior of a battery |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20180116411A true KR20180116411A (ko) | 2018-10-24 |
Family
ID=59680137
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020187028145A KR20180116411A (ko) | 2016-02-29 | 2017-02-27 | 배터리의 열 동작을 특성화하기 위한 데이터를 처리하기 위한 방법 및 시스템 |
Country Status (9)
| Country | Link |
|---|---|
| US (1) | US11048835B2 (ko) |
| EP (1) | EP3423953A4 (ko) |
| JP (1) | JP7003047B2 (ko) |
| KR (1) | KR20180116411A (ko) |
| CN (1) | CN109074349B (ko) |
| AU (1) | AU2017225852A1 (ko) |
| CA (1) | CA3016000A1 (ko) |
| SG (1) | SG11201807259RA (ko) |
| WO (1) | WO2017151500A1 (ko) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10423735B2 (en) | 2016-06-29 | 2019-09-24 | International Business Machines Corporation | Hybrid modeling for a device under test associated with a two-phase cooling system |
| KR102472161B1 (ko) * | 2017-09-05 | 2022-11-28 | 에스케이온 주식회사 | 이차 전지 성능 추정 장치 및 방법 |
| CN109145394A (zh) * | 2018-07-27 | 2019-01-04 | 北京新能源汽车股份有限公司 | 一种动力电池温度场的显示方法、装置及系统 |
| DE102020203004A1 (de) | 2020-03-10 | 2021-09-16 | Volkswagen Aktiengesellschaft | Verfahren und Vorrichtung zum Überwachen eines elektrischen Energiespeichers, Computerprogramm-Produkt |
| CN111914503B (zh) * | 2020-08-04 | 2023-10-20 | 重庆大学 | 一种锂离子电池功率输入电热耦合模型建立方法 |
| CN112083031B (zh) * | 2020-08-25 | 2021-11-23 | 清华大学 | 一种利用温度频域信息测量电池热物性参数的方法 |
| CN113203499B (zh) * | 2021-04-02 | 2022-03-18 | 华中科技大学 | 一种瞬态温度测量校准方法及系统 |
| CN113935162B (zh) * | 2021-09-30 | 2024-07-02 | 厦门大学 | 基于电机热耦合的纯电动客车行驶性能指标的仿真分析方法 |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6172505B1 (en) * | 1998-04-27 | 2001-01-09 | Midtronics, Inc. | Electronic battery tester |
| TW535308B (en) | 2000-05-23 | 2003-06-01 | Canon Kk | Detecting method for detecting internal state of a rechargeable battery, detecting device for practicing said detecting method, and instrument provided with said |
| US10080704B2 (en) * | 2007-12-31 | 2018-09-25 | Deka Products Limited Partnership | Apparatus, system and method for fluid delivery |
| US9207285B1 (en) * | 2010-12-08 | 2015-12-08 | Global Energy Innovations, Inc. | Automatic determination of multi-frequency baselines for battery testing |
| FR3000854B1 (fr) | 2013-01-10 | 2015-01-23 | Renault Sa | Systeme et procede correspondant de commande de la vitesse de rotation d'un moteur electrique d'un vehicule automobile |
| DE102013000572A1 (de) * | 2013-01-15 | 2014-07-17 | Rheinisch-Westfälische Technische Hochschule Aachen | Verfahren und System zur Bestimmung der Modellparameter eines elektrochemischen Energiespeichers |
| US9692093B2 (en) | 2014-07-01 | 2017-06-27 | Ford Global Technologies, Llc | Reduced order battery thermal dynamics modeling for controls |
| JP2016161448A (ja) | 2015-03-03 | 2016-09-05 | 株式会社日立製作所 | 内部状態推定装置 |
| CN105203969B (zh) | 2015-10-23 | 2018-04-13 | 南昌航空大学 | 基于修正的rc电池模型的荷电状态估计方法 |
-
2017
- 2017-02-27 CA CA3016000A patent/CA3016000A1/en not_active Abandoned
- 2017-02-27 SG SG11201807259RA patent/SG11201807259RA/en unknown
- 2017-02-27 KR KR1020187028145A patent/KR20180116411A/ko not_active Application Discontinuation
- 2017-02-27 US US15/443,155 patent/US11048835B2/en active Active
- 2017-02-27 WO PCT/US2017/019677 patent/WO2017151500A1/en active Application Filing
- 2017-02-27 EP EP17760543.3A patent/EP3423953A4/en active Pending
- 2017-02-27 CN CN201780021458.7A patent/CN109074349B/zh active Active
- 2017-02-27 AU AU2017225852A patent/AU2017225852A1/en not_active Abandoned
- 2017-02-27 JP JP2018545443A patent/JP7003047B2/ja active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN109074349A (zh) | 2018-12-21 |
| CA3016000A1 (en) | 2017-09-08 |
| AU2017225852A1 (en) | 2018-09-13 |
| CN109074349B (zh) | 2023-11-10 |
| JP2019512774A (ja) | 2019-05-16 |
| EP3423953A4 (en) | 2019-01-30 |
| WO2017151500A1 (en) | 2017-09-08 |
| SG11201807259RA (en) | 2018-09-27 |
| EP3423953A1 (en) | 2019-01-09 |
| JP7003047B2 (ja) | 2022-01-20 |
| US20170249403A1 (en) | 2017-08-31 |
| US11048835B2 (en) | 2021-06-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR20180116411A (ko) | 배터리의 열 동작을 특성화하기 위한 데이터를 처리하기 위한 방법 및 시스템 | |
| JP7069025B2 (ja) | 電熱電池モデルの生成及び使用のためのシステム及び方法 | |
| Petra et al. | A Bayesian approach for parameter estimation with uncertainty for dynamic power systems | |
| Wang et al. | The Fokker-Planck equation for power system stability probability density function evolution | |
| Shimoyama et al. | Updating kriging surrogate models based on the hypervolume indicator in multi-objective optimization | |
| Montier et al. | Transient simulation of an electrical rotating machine achieved through model order reduction | |
| Samad et al. | Parameterization of battery electrothermal models coupled with finite element flow models for cooling | |
| Saat et al. | Nonlinear H∞ output feedback control with integrator for polynomial discrete‐time systems | |
| Lin et al. | Functional observer for switched discrete‐time singular systems with time delays and unknown inputs | |
| Lu et al. | Fault estimation and fault-tolerant control of Markovian jump system with mixed mode-dependent time-varying delays via the adaptive observer approach | |
| Lieberman et al. | Goal-oriented inference: Approach, linear theory, and application to advection diffusion | |
| Striebel et al. | Model order reduction of nonlinear systems in circuit simulation: status and applications | |
| Chen et al. | Modeling and state of charge estimation of lithium-ion battery | |
| Hu et al. | A linear time-invariant model for solid-phase diffusion in physics-based lithium ion cell models | |
| Nagamune et al. | Parameter reduction in estimated model sets for robust control | |
| Sabatier et al. | Fractional order models | |
| Zhao et al. | POD‐DEIM Based Model Order Reduction for the Spherical Shallow Water Equations with Turkel‐Zwas Finite Difference Discretization | |
| Emara-Shabaik | Filtering of linear systems with unknown inputs | |
| Thabet et al. | Real‐time fault‐voltage estimation for nonlinear dynamic power systems | |
| Kshirsagar et al. | Classical molecular dynamics simulations of crystal lattices with truncated Taylor series-based interatomic potentials | |
| Yue et al. | Reduced Models and Uncertainty Quantification | |
| Shankaran et al. | Using state-space models for accurate computations of transient thermal behavior of electronic packages | |
| Asgari et al. | A linear parameter varying combined with divide-and-conquer approach to thermal system modeling of battery modules | |
| Ding et al. | Charge renormalization and charge oscillation in asymmetric primitive model of electrolytes | |
| Kap Son et al. | Stability and robustness analysis of uncertain nonlinear systems using entropy properties of left and right singular vectors |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| N231 | Notification of change of applicant | ||
| E90F | Notification of reason for final refusal |