KR20180128961A - 다수의 옵저버를 갖는 배터리 관리 시스템 - Google Patents

다수의 옵저버를 갖는 배터리 관리 시스템 Download PDF

Info

Publication number
KR20180128961A
KR20180128961A KR1020187031388A KR20187031388A KR20180128961A KR 20180128961 A KR20180128961 A KR 20180128961A KR 1020187031388 A KR1020187031388 A KR 1020187031388A KR 20187031388 A KR20187031388 A KR 20187031388A KR 20180128961 A KR20180128961 A KR 20180128961A
Authority
KR
South Korea
Prior art keywords
battery
model
management system
applying
state
Prior art date
Application number
KR1020187031388A
Other languages
English (en)
Other versions
KR102150271B1 (ko
Inventor
알렉산다르 코직
날린 차투르베디
라인하르트 클라인
아나히타 미르타바타바에이
Original Assignee
로베르트 보쉬 게엠베하
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 로베르트 보쉬 게엠베하 filed Critical 로베르트 보쉬 게엠베하
Publication of KR20180128961A publication Critical patent/KR20180128961A/ko
Application granted granted Critical
Publication of KR102150271B1 publication Critical patent/KR102150271B1/ko

Links

Images

Classifications

    • B60L11/1857—
    • B60L11/1861—
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L3/00—Electric devices on electrically-propelled vehicles for safety purposes; Monitoring operating variables, e.g. speed, deceleration or energy consumption
    • B60L3/0023—Detecting, eliminating, remedying or compensating for drive train abnormalities, e.g. failures within the drive train
    • B60L3/0046—Detecting, eliminating, remedying or compensating for drive train abnormalities, e.g. failures within the drive train relating to electric energy storage systems, e.g. batteries or capacitors
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
    • B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
    • B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
    • B60L58/12—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries responding to state of charge [SoC]
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
    • B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
    • B60L58/16—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries responding to battery ageing, e.g. to the number of charging cycles or the state of health [SoH]
    • G01R31/3624—
    • G01R31/3651—
    • 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
    • G01R31/3679—
    • 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
    • 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
    • H01M10/05—Accumulators with non-aqueous electrolyte
    • H01M10/052—Li-accumulators
    • 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
    • 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
    • H01M10/4257—Smart batteries, e.g. electronic circuits inside the housing of the cells or batteries
    • 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
    • H01M10/44—Methods for charging or discharging
    • 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
    • H02J7/0021—
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/0047—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with monitoring or indicating devices or circuits
    • H02J7/0048—Detection of remaining charge capacity or state of charge [SOC]
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/0047—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with monitoring or indicating devices or circuits
    • H02J7/005—Detection of state of health [SOH]
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/007—Regulation of charging or discharging current or voltage
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L2240/00—Control parameters of input or output; Target parameters
    • B60L2240/40—Drive Train control parameters
    • B60L2240/54—Drive Train control parameters related to batteries
    • B60L2240/545—Temperature
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L2240/00—Control parameters of input or output; Target parameters
    • B60L2240/40—Drive Train control parameters
    • B60L2240/54—Drive Train control parameters related to batteries
    • B60L2240/547—Voltage
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L2240/00—Control parameters of input or output; Target parameters
    • B60L2240/40—Drive Train control parameters
    • B60L2240/54—Drive Train control parameters related to batteries
    • B60L2240/549—Current
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L2260/00—Operating Modes
    • B60L2260/40—Control modes
    • B60L2260/44—Control modes by parameter estimation
    • 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
    • H01M10/425—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
    • 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
    • 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
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/70—Energy storage systems for electromobility, e.g. batteries

Abstract

배터리 관리 시스템을 이용하여 배터리 시스템을 관리하는 방법이 개시된다. 방법은 하나 이상의 센서로부터 하나 이상의 배터리 전지의 측정된 특성을 수신하는 단계, 배터리 전지의 추정된 파라미터를 수신하는 단계, 배터리 전지의 추정된 파라미터 및 측정된 특성에 기초하여 배터리 전지를 적용함으로써 배터리 전지의 하나 이상의 상태를 추정하는 단계, 2개 이상의 별개의 배터리 모델을 적용함으로써 배터리 전지의 상태의 추정에 적어도 부분적으로 기초하여 추정된 파라미터의 적어도 일부를 업데이트하는 단계, 배터리 전지의 업데이트된 추정된 파라미터에 적어도 부분적으로 기초하여 배터리 전지의 하나 이상의 상태를 업데이트하는 단계, 및 배터리 전지의 상태의 업데이트된 추정에 기초하여 배터리의 충전 또는 방전을 조절하는 단계를 포함한다.

Description

다수의 옵저버를 갖는 배터리 관리 시스템
본 발명은 일반적으로 보조 배터리에 관한 것이고, 특히 보조 배터리의 동작을 관리하는 방법에 관한 것이다.
충전식 리튬 배터리는 다른 전기화학 에너지 저장 디바이스와 비교하여 휴대용 전기 및 전자 디바이스와 전기 및 하이브리드 전기 차량의 높은 특정 에너지 때문에 그들을 위한 매력적인 에너지 저장 디바이스이다. 전형적인 리튬 전지는 음극, 양극, 및 음극과 양극 사이에 위치된 분리기를 포함한다. 두 전극은 리튬과 가역적으로 반응하는 활성 물질을 포함한다. 일부 경우에서, 음극은 전기화학적으로 용해되고 가역적으로 증착될 수 있는 리튬 금속을 포함할 수 있다.
전형적으로, 충전 동안, 전자는 외부 회로를 통해 양극으로부터 음극으로 흐른다. 동시에, 리튬 이온은 음극의 활성 물질로부터 전해질로 방출(deintercalate)되고, 전해질로부터 양극의 활성 물질로 삽입된다. 방전 동안은 반대의 반응이 일어난다.
본 발명의 목적은 일반적으로 보조 배터리를 제공하는 것이고, 특히 보조 배터리의 동작을 관리하는 방법을 제공하는 것이다.
본 명세서에 개시된 특정 실시예의 요약이 하기에 제시된다. 이들 양태가 단지 이들 특정 실시예의 간략한 요약을 판독자에게 제공하기 위해 제공되고 이들 양태가 본 개시의 범위를 제한하도록 의도되지 않음이 이해되어야 한다. 실제로, 본 발명은 하기에 제시되지 않을 수 있는 다양한 양태를 포함할 수 있다.
본 발명의 실시예는 다수의 상태 옵저버(state observers)를 이용하여 배터리의 다양한 상태 및 파라미터를 추정하는 배터리 관리 시스템의 동작을 관리하기 위한 시스템 및 방법에 관한 것이다.
하나의 실시예는 배터리 시스템을 관리하는 방법을 포함하고, 배터리 시스템은 하나 이상의 배터리 전지, 하나 이상의 배터리 전지에 결합되고 하나 이상의 배터리 전지의 하나 이상의 특성을 측정하도록 구성된 하나 이상의 센서, 및 하나 이상의 센서에 결합되고 마이크로프로세서 및 메모리를 포함하는 배터리 관리 시스템을 포함한다. 방법은 배터리 관리 시스템에 의해, 하나 이상의 센서로부터 하나 이상의 배터리 전지의 하나 이상의 측정된 특성을 수신하는 단계, 배터리 관리 시스템에 의해, 하나 이상의 배터리 전지의 하나 이상의 추정된 파라미터를 수신하는 단계, 배터리 관리 시스템에 의해, 배터리의 하나 이상의 추정된 파라미터 및 하나 이상의 측정된 특성에 기초하여 하나 이상의 배터리 전지의 화학적 조성의 물리적 파라미터를 설명하기 위해 제 1 배터리 모델을 적용함으로써 하나 이상의 배터리 전지의 하나 이상의 상태를 추정하는 단계, 배터리 관리 시스템에 의해, 하나 이상의 배터리 전지의 화학적 조성의 물리적 파라미터를 설명하기 위해 2개 이상의 별개의 배터리 모델을 적용함으로써 하나 이상의 배터리 전지의 하나 이상의 상태의 추정에 적어도 부분적으로 기초하여 하나 이상의 추정된 파라미터의 적어도 일부를 업데이트하는 단계, 배터리 관리 시스템에 의해, 하나 이상의 배터리 전지의 하나 이상의 파라미터 중 업데이트된 추정된 파라미터에 적어도 부분적으로 기초하여 하나 이상의 배터리 전지의 하나 이상의 상태를 업데이트하는 단계, 및 배터리 관리 시스템에 의해, 하나 이상의 배터리 전지의 하나 이상의 상태의 업데이트된 추정에 기초하여 배터리의 충전 또는 방전 중 하나 이상을 조절하는 단계를 포함한다.
또 다른 실시예는 배터리 관리 시스템을 포함한다. 배터리 관리 시스템은 프로세서 및 프로세서에 의해 실행될 때, 배터리 관리 시스템이 하나 이상의 센서로부터 하나 이상의 배터리 전지의 하나 이상의 측정된 특성을 수신하게 하는 명령을 저장하는 메모리를 포함하고, 하나 이상의 배터리 전지 및 하나 이상의 센서는 배터리 시스템의 일부이고, 하나 이상의 배터리 전지의 하나 이상의 추정된 파라미터를 수신하고, 배터리의 하나 이상의 추정된 파라미터 및 하나 이상의 측정된 특성에 기초하여 하나 이상의 배터리 전지의 화학적 조성의 물리적 파라미터를 설명하기 위해 제 1 배터리 모델을 적용함으로써 하나 이상의 배터리 전지의 하나 이상의 상태를 추정하고, 하나 이상의 배터리 전지의 화학적 조성의 물리적 파라미터를 설명하기 위해 2개 이상의 별개의 배터리 모델을 적용함으로써 하나 이상의 배터리 전지의 하나 이상의 상태의 추정에 적어도 부분적으로 기초하여 하나 이상의 추정된 파라미터의 적어도 일부를 업데이트하고, 하나 이상의 배터리 전지의 하나 이상의 파라미터 중 업데이트된 추정된 파라미터에 적어도 부분적으로 기초하여 하나 이상의 배터리 전지의 하나 이상의 상태를 업데이트하며, 하나 이상의 배터리 전지의 하나 이상의 상태의 업데이트된 추정에 기초하여 배터리의 충전 또는 방전 중 하나 이상을 조절한다.
본 발명의 하나 이상의 특징, 양태, 구현, 및 장점의 상세는 하기에서 첨부된 도면, 상세한 설명, 및 청구항에 제시된다.
도 1은 일부 실시예에 따른, 감지 회로를 갖는 배터리 관리 시스템 및 배터리 전지를 포함하는 배터리 시스템의 블록도.
도 2는 일부 실시예에 따른 상태 및 파라미터 추정기와 제어 모듈을 갖는 배터리 관리 시스템 및 배터리를 포함하는 배터리 시스템의 블록도.
도 3은 일부 실시예에 따른, 배터리 전지의 물리적 파라미터 및 배터리 상태 정보 둘 모두를 공동으로 추정하기 위해 조합된 추정 구조를 적용하는 배터리 시스템의 기능 블록도.
도 4는 일부 실시예에 따른, 다중 상태 옵저버를 이용하여 배터리의 상태 및 파라미터를 결정하는 방법의 흐름도.
하나 이상의 특정 실시예가 하기에 설명될 것이다. 설명된 실시예에 대한 다양한 수정이 당업자에게 쉽게 명백할 것이며, 본 명세서에서 정의된 일반적인 원리는 설명된 실시예의 사상 및 범위를 벗어나지 않고 다른 실시예 및 애플리케이션에 적용될 수 있다. 따라서, 설명된 실시예는 도시된 실시예로 제한되지 않지만, 본 명세서에 개시된 원리 및 특징과 일치하는 가장 넓은 범위에 따르게 될 것이다.
배터리 시스템(100)의 일 실시예가 도 1에 도시된다. 배터리 시스템(100)은 애노드 탭(110), 애노드(120), 분리기(130), 캐소드(150), 캐소드 탭(160), 감지 회로(170), 및 배터리 관리 시스템(180)을 포함한다. 일부 예에서, 분리기(130)는 전기 절연성 분리기일 수 있다. 일부 실시예에서, 전기 절연성 분리기는 다공성 중합체 막을 포함한다. 다양한 실시예에서, 배터리 전지(102)의 구성요소의 두께 치수는 애노드(120)에 대해 약 5 내지 약 110 마이크로미터, 분리기(130)에 대해 약 50 마이크로미터 미만 또는 특정 실시예에서 약 10 마이크로미터 미만일 수 있고, 캐소드(150)에 대해 약 50 내지 약 110 마이크로미터일 수 있다.
배터리 전지(102)의 방전 동안, 리튬은 애노드(120)에서 산화되어 리튬 이온을 형성한다. 리튬 이온은 배터리 전지(102)의 분리기(130)를 통해 캐소드(150)로 이동한다. 충전 동안 리튬 이온은 애노드(120)로 되돌아가서 리튬으로 환원된다. 리튬은 리튬 애노드(120)의 경우, 애노드(120) 상에 리튬 금속으로서 증착되거나 흑연과 같은, 삽입 물질 애노드(120)의 경우 호스트 구조에 삽입될 수 있으며, 프로세스는 후속적인 전하 및 방전 사이클로 반복된다. 흑연 또는 다른 Li 삽입 전극의 경우, 리튬 양이온은 전자 및 호스트 물질(예로서, 흑연)과 조합하여, 리튬화의 정도, 또는 호스트 물질의 "충전 상태"의 증가를 야기한다. 예를 들면,
Figure pct00001
이다.
애노드(120)는 리튬 또는 Li 또는 일부 다른 이온(예로서, Na, Mg, 또는 다른 적합한 이온)을 삽입할 수 있는 삽입 물질과 같은, 산화가능한 금속을 포함할 수 있다. 캐소드(150)는 황 또는 황 포함 물질(예로서, 폴리아크릴로니트릴-황 복합체(PAN-S 복합체), 황화 리튬(Li2S)); 산화 바나듐(예로서, 5 산화 바나듐(V2O5)); 금속 플루오르화물(예로서, 티타늄, 바나듐, 철, 코발트, 비스무스, 구리 및 그의 조합의 플루오르화물); 리튬 삽입 물질(예로서, 리튬 니켈 망간 코발트 산화물(NMC), 리튬이 풍부한 NMC, 리튬 니켈 망간 산화물(LiNi0.5Mn1.5O4)); 리튬 전이 금속 산화물(예로서, 리튬 코발트 산화물(LiCoO2), 리튬 망간 산화물(LiMn2O4), 리튬 니켈 코발트 알루미늄 산화물(NCA), 및 그의 조합); 리튬 인산염(예로서, 리튬 철 인산염(LiFePO4))과 같은 다양한 물질을 포함할 수 있다.
배터리 관리 시스템(180)은 배터리 전지(102)에 통신가능하게 연결된다. 하나의 예에서, 배터리 관리 시스템(180)은 전기적 링크(예로서, 와이어)를 통해 배터리 전지(102)에 전기적으로 연결된다. 또 다른 예에서, 배터리 관리 시스템(180)은 무선 통신 네트워크를 통해 배터리 전지(102)에 무선으로 연결될 수 있다. 배터리 관리 시스템(180)은 예를 들면, 마이크로제어기(단일 칩 상에 또는 단일 하우징 내에 메모리 및 입/출력 구성요소를 가짐)를 포함할 수 있거나 별개로 구성된 구성요소, 예를 들면 마이크로프로세서, 메모리, 및 입/출력 구성요소를 포함할 수 있다. 배터리 관리 시스템(180)은 또한 예를 들면, 디지털 신호 프로세서(DSP), 주문형 반도체(ASIC), 필드 프로그래밍가능한 게이트 어레이(FPGA), 또는 다른 회로를 포함하는 다른 구성요소 또는 구성요소의 조합을 이용하여 구현될 수 있다. 원하는 구성에 의존하여, 프로세서는 레벨 캐시 메모리, 하나 이상의 프로세서 코어, 및 레지스터와 같은 하나 이상의 레벨의 캐싱을 포함할 수 있다. 예시적인 프로세서 코어는 산술 논리 유닛(ALU), 부동 소수점 유닛(FPU), 또는 그의 임의의 조합을 포함할 수 있다. 배터리 관리 시스템(180)은 또한, 이용자 인터페이스, 통신 인터페이스, 및 본 명세서에 정의되지 않은 특징을 수행하기 위한 다른 컴퓨터 구현된 디바이스를 포함할 수 있고, 이들은 시스템에 통합될 수 있다. 일부 예에서, 배터리 관리 시스템(180)은 통신 인터페이스, 이용자 인터페이스, 네트워크 통신 링크와 같은 다른 컴퓨터 구현 디비이스, 및 다양한 인터페이스 디바이스, 컴퓨팅 구현 디바이스, 및 마이크로프로세서에 대한 하나 이상의 주변 인터페이스 사이의 통신을 용이하게 하기 위한 인터페이스 버스를 포함할 수 있다.
도 1의 예에서, 배터리 관리 시스템(180)의 메모리는 배터리 관리 시스템(180)의 전자 프로세서에 의해 실행될 때, 배터리 관리 시스템 특히, 전자 프로세서가 본 명세서에서의 배터리 관리 시스템(180)으로 인한 다양한 기능 및 방법의 수행을 행하거나 제어하게 하는 컴퓨터 판독가능한 명령을 저장한다(예로서, 측정된 특성을 수신하고, 추정된 특성을 수신하고, 배터리 시스템의 상태 또는 파라미터를 산출하고, 다수의 배터리 모델 및 옵저버를 적용하며, 배터리 시스템의 동작을 조절함). 메모리는 랜덤 액세스 메모리(RAM), 판독 전용 메모리(ROM), 비 휘발성 RAM(NVRAM), 전기적으로 소거가능한 프로그래밍가능한 ROM(EEPROM), 플래시 메모리, 또는 임의의 다른 디지털 또는 아날로그 매체와 같은 임의의 일시적, 비 일시적, 휘발성, 비 휘발성, 자기, 광학, 또는 전기 매체를 포함할 수 있다. 본 명세서에서의 배터리 관리 시스템(180)으로 인한 기능은 소프트웨어, 펌웨어, 하드웨어 또는 그의 임의의 조합으로서 구현될 수 있다. 하나의 예에서, 배터리 관리 시스템(180)은 컴퓨팅 디바이스에 내장될 수 있고, 감지 회로(170)는 배터리 전지(102) 외부의 컴퓨팅 디바이스의 배터리 관리 시스템(180)과 통신하도록 구성된다. 이 예에서, 감지 회로(170)는 배터리 관리 시스템(180)과 무선 및/또는 유선 통신하도록 구성된다. 예를 들면, 외부 디바이스의 감지 회로(170) 및 배터리 관리 시스템(180)은 네트워크를 통해 서로 통신하도록 구성된다. 여전히 또 다른 예에서, 배터리 관리 시스템(180)은 서버 상에 원격으로 위치되고 감지 회로(170)는 배터리 전지(102)의 데이터를 배터리 관리 시스템(180)으로 송신하도록 구성된다. 상기 예에서, 배터리 관리 시스템(180)은 데이터를 수신하고 데이터를 사람이 판독가능한 포맷으로서 디스플레이하기 위해 전자 디바이스로 전송하도록 구성된다. 컴퓨팅 디바이스는 셀룰러 폰, 태블릿, 개인 휴대용 정보 단말기(PDA), 랩탑, 컴퓨터, 착용식 디바이스, 또는 다른 적합한 컴퓨팅 디바이스일 수 있다. 네트워크는 클라우드 컴퓨팅 네트워크, 서버, 무선 영역 네트워크(WAN), 근거리 통신망(LAN), 차량 내 네트워크, 클라우드 컴퓨팅 네트워크, 또는 다른 적합한 네트워크일 수 있다.
배터리 관리 시스템(180)은 전류, 전압, 및/또는 저항 측정을 포함하는 감지 회로(170)로부터 데이터를 수신하도록 구성된다. 배터리 관리 시스템(180)은 또한, 배터리 전지(102)의 조건을 결정하도록 구성된다. 배터리 전지(102)의 결정된 조건에 기초하여, 배터리 관리 시스템(180)은 배터리 전지(102)의 내부 구조를 유지하도록 배터리 전지(102)의 동작 파라미터를 변경할 수 있다. 배터리 관리 시스템(180)은 또한, 배터리 전지(102)의 조건을 이용자에게 통지할 수 있다.
일부 실시예에서, 배터리 전지(102)는 폐쇄된 시스템일 수 있다. 이러한 시스템에서, 배터리 전지(102)가 생산된 후에, 케이싱이 밀봉되어 공기 및 습기와 같은 외부 요소가 배터리 전지(102)로 진입하는 것을 방지하고 잠재적으로 구성요소의 저하를 야기하여 감소된 성능 및 더 짧은 수명을 야기한다.
그러나, 폐쇄된 배터리 전지(102)는 배터리 관리 시스템(180)에 다양한 도전을 제공한다. 폐쇄된 시스템은 배터리 전지(102)의 구성요소의 조건의 직접 관측을 허용하지 않는다. 대신에, 감지 회로(170)에 의해 모니터링되고 측정된 바와 같은 조건은 동작 동안 또는 정지하고 있는 동안 전압, 전류, 저항, 전력, 온도 및 그의 조합과 같은 배터리 전지(102)의 다양한 특성을 결정하고, 배터리 전지(102)의 조건을 결정하기 위해 측정된 특성을 해석할 수 있는 배터리 관리 시스템(180)으로 그들 측정된 특성을 전달하도록 프로세싱되거나 평가될 수 있다.
상태 옵저버는 시스템의 입력 및 출력의 측정으로부터 시스템의 내부 상태의 추정치를 제공하는 시스템이다. 상태 옵저버는 전형적으로, 외부 관측에 기초하여 내부 상태를 결정하기 위한 추정 알고리즘 및 시스템의 모델을 포함한다. 시스템 모델의 복잡성 및 추정 알고리즘은 상태 옵저버를 구현하는 계산 복잡성과 직접적으로 관련된다.
배터리 시스템(200)의 실시예가 도 2에 도시된다. 배터리 시스템(200)은 감지 회로(170)로부터 배터리(210)의 상태에 대한 입력을 수신하는 배터리 관리 시스템(205)을 포함한다. 배터리 관리 시스템(205)의 상태 및 파라미터 추정기(220)는 감지 회로(170)로부터의 입력에 기초하여 배터리(210)의 하나 이상의 상태 및/또는 파라미터를 추정한다. 배터리(210)의 상태 및 파라미터의 추정치는 그 다음, 배터리(210)의 동작을 조절하는 제어 모듈(230)로 전송된다. 일부 실시예에서, 배터리(210)는 상기 설명된 바와 같이 하나 이상의 배터리 전지(102)를 포함한다.
도 3은 도 2의 상태 및 파라미터 추정 시스템(220)의 일 실시예를 도시하는 블록도이다. 일부 실시예에서, 상태 및 파라미터 추정기(220)는 제 1 상태 옵저버(310), 제 2 상태 옵저버(320), 및 제 3 상태 옵저버(330)를 포함한다.
제 1 상태 옵저버(310)(도 3에서 Ω1로서 도시됨)는 배터리(210)의 내부 상태를 추정하는 상세한 배터리 모델(Σ1)을 포함한다. 일부 실시예에서, 배터리 모델(Σ1)은 배터리 전지(102)의 전기화학 모델을 포함한다. Σ1 배터리 모델의 내부 상태는 상태 벡터(W)로 요약된다(예로서, 전해질의 리튬 농도 분포, 고상(solid phase)의 리튬 농도 분포, 전해질의 전위 분포, 고상의 전위 분포, 전해질의 이온 전류 분포, 고상의 전자 전류 분포, 전해질과 고상 사이의 유량 분포(molar flux distribution), 내부 온도). 제 1 상태 옵저버(310)의 모델(Σ1)에 대한 입력은 인가된 전류(I) 및 주변 온도(Tamb)를 포함한다. 배터리 모델(Σ1)의 측정된 출력은 전압(V)를 포함하고, 이는 내부 상태(W)의 간단한 선형 대수 표현이다. 배터리 모델(Σ1)은 수명의 초기에 알려진 것으로 가정되는 파라미터(P)를 갖는다. 그러나, 이들 파라미터는 배터리 전지(102)와 연관된 다양한 에이징 현상으로 인해 배터리 전지(102)의 수명에 걸쳐 변화한다.
특정 실시예에서, 제 1 상태 옵저버(310)는 본 명세서에서 설명된 접근법을 이용하여 실시간으로 실행되도록 설계된다. 예를 들면, 측정된 출력과 예측된 출력 사이의 출력 오차는 추정된 상태가 배터리(210)의 실제 내부 상태에 신속하게 수렴하도록 적절한 위치에서 제 1 상태 옵저버(310)로 다시 주입된다. 내부 상태 추정치를 얻기 위한 대안적인 방법은 또한, 칼만 필터링 이론(Kalman filtering theory)(확장 KF, 무향(unscented) KF, 시그마 포인트 KF, 반복 KF 등), 이동 수평 추정기 이론, 또는 다른 적용가능한 방법에 기초할 수 있다. 제 1 상태 옵저버(310)의 중요한 특징은 불확실한 운동 파라미터에 대한 그것의 견고성(robustness)이다.
상기 설명된 배터리 모델은 항상 모델 파라미터의 지식을 가정한다. 모델 파라미터는 배터리 전지(102) 내에서 발생하는 바람직하지 않은 프로세스로 인해 연속적으로 변화한다. 시간이 지남에 따라 변화하는 파라미터를 추적하기 위해, 하나 이상의 파라미터 추정 알고리즘이 이용될 수 있다. 도 3의 예에서, 제 1 상태 옵저버(310)의 파라미터는 파라미터 불확실성에 대한 내부 상태 추정의 민감도에 기초하여 그룹으로 분리된다. 예를 들면, 배터리 모델(Σ1) 파라미터는 운동 파라미터(Pk) 및 열역학 파라미터(Pt)로 그룹화될 수 있다. 열역학 파라미터(Pt)는 배터리 모델(Σ1)의 평형 구조를 설명한다. 열역학 파라미터는 (예로서, 배터리(210)의 내부 온도의 변화로 인해) 배터리(210)의 동작 중에 변화하는 조건들로 인해 달라질 수 있다. 따라서, 제 1 상태 옵저버(310)는 열역학 파라미터(Pt)의 불확실성에 민감할 것이다. 도 3에 도시된 바와 같이, 제 1 상태 옵저버(310)는 제 2 상태 옵저버(320) 및 제 3 상태 옵저버(330) 각각으로부터 열역학 및 운동 파라미터의 추정치 및 측정된 신호(예로서, 측정된 전압 신호(VM), 측정된 전류 신호(IM), 및 측정된 온도 신호(TM))를 수신하고, 내부 상태 벡터(
Figure pct00002
)를 추정한다.
제 2 상태 옵저버(320)(도 3에서 Ω2로서 도시됨)는 상기 설명된 바와 같은 측정된 신호, 제 1 상태 옵저버(310)로부터의 상태 벡터(
Figure pct00003
), 및 제 3 상태 옵저버(330)로부터의 운동 파라미터(Pk)를 수신하고 배터리 전지(102)(예로서, 본 명세서에서 설명된 바와 같은 단일 입자 모델)를 설명하기 위해 덜 복잡한 제 2 배터리 모델(Σ2)을 이용하여 열역학 파라미터(Pt)를 추정한다. 제 2 배터리 모델(Σ2)의 주요 요구조건은 그것이 제 1 배터리 모델(Σ1)과 완전히 동일한 평형 구조를 갖고, 따라서 제 2 배터리 모델(Σ2)이 동일한 열역학 파라미터(Pt)를 공유한다는 것이다. 제 2 상태 옵저버(320)는 제 1 상태 옵저버(310)와 동시에 동작되고, 파라미터(Pt)에 더하여 (Σ1에 또한 나타나는) 평균 내부 상태의 서브세트를 추정한다. 이 경우에, 열역학 파라미터(Pt)는 제 1 상태 옵저버(310)에 대한 파라미터 벡터의 일부인 것과 달리 제 2 상태 옵저버(320)에 대한 상태 벡터의 일부이다. 제 2 상태 옵저버(320)는 제 1 상태 옵저버(310) 및 제 3 상태 옵저버(330)를 갖는 루프(loop)를 형성하고 추정된 열역학 파라미터(Pt)를 제 1 상태 옵저버(310) 및 제 3 상태 옵저버(330)에 제공한다.
제 3 상태 옵저버(330)(도 3에서 Ω3으로서 도시됨)는 상기 설명된 바와 같은 측정된 신호, 제 1 상태 옵저버(310)로부터의 상태 벡터(
Figure pct00004
), 및 제 2 상태 옵저버(320)로부터의 열역학 파라미터(Pt)를 수신하고, 운동 파라미터(Pk)를 추정한다. 제 3 상태 옵저버(330)에 대한 기본은 그 구조가 제 1 배터리 모델(Σ1)의 입출력 거동(input-output behavior)으로부터 얻어지는 제 3 배터리 모델(Σ3)이다. 제 3 상태 옵저버(330)는 제 1 상태 옵저버(310) 및 제 2 상태 옵저버(320)를 갖는 루프를 형성하고 추정된 운동 파라미터를 제 1 상태 옵저버(310) 및 제 2 상태 옵저버(320)에 제공한다.
3개의 상태 옵저버(310, 320, 및 330)는 수렴의 속도가 제 1 상태 옵저버(310), 그에 이어서 제 2 상태 옵저버(320), 및 마지막으로 제 3 상태 옵저버(330)에 대해 가장 빠르도록 조정된다. 일부 실시예에서, 제 2 상태 옵저버(320) 및 제 3 상태 옵저버(330)는 제 1 원칙 에이징 모델에 기초하여 파라미터 변경의 지식을 통합할 수 있다.
도 3에 도시된 바와 같이, 제 1 상태 옵저버(310)는 상기 설명된 바와 같이 배터리 관리 시스템(205)의 제어 모듈(230)에 모델(Σ1), 측정된 신호(예로서, 측정된 전압 신호(Vm), 측정된 전류 신호(Im), 및 측정 온도 신호(Tm)), 및 추정된 파라미터 값(
Figure pct00005
및
Figure pct00006
)에 기초하여 내부 상태(
Figure pct00007
)의 최근 추정치를 제공한다. 제 2 상태 옵저버(320) 및 제 3 상태 옵저버(330)는 제 2 및 제 3 배터리 모델(Σ2 및 Σ3)에 각각 기초하여 측정된 신호(Vm, Im, 및 Tm), 및 추정된 내부 상태(
Figure pct00008
)를 이용하여
Figure pct00009
및
Figure pct00010
의 추정된 파라미터 값을 업데이트한다.
제 1 상태 옵저버(310)는 하나 이상의 배터리 전지(102)의 제 1 배터리 모델(Σ1)(예로서, 전기화학 모델, 열역학 모델, 운동 모델, 등가 회로 모델), 및 배터리 전지(102)의 하나 이상의 상태 및/또는 파라미터를 추정하기 위해 이용될 수 있는 추정 알고리즘(예로서, 칼만 필터, 이동 수평 추정, 최소 자승 추정(Least Squares Estimation))을 포함한다. 제 1 상태 옵저버(310)는 제 1 배터리 모델(Σ1) 및 추정 알고리즘에 기초하여 제 1 계산 복잡성을 나타낸다.
제 2 상태 옵저버(320)는 하나 이상의 배터리 전지(102)의 제 2 배터리 모델(Σ2)(예로서, 전기화학 모델, 열역학 모델, 운동 모델, 등가 회로 모델), 및 배터리 전지(102)의 하나 이상의 상태 및/또는 파라미터를 추정하기 위해 이용될 수 있는 추정 알고리즘(예로서, 칼만 필터, 이동 수평 추정, 최소 자승 추정)을 포함한다. 제 1 상태 옵저버(320)는 제 2 배터리 모델(Σ2) 및 추정 알고리즘에 기초하여 제 2 계산 복잡성을 나타낸다.
제 3 상태 옵저버(330)는 하나 이상의 배터리 전지(102)의 제 3 배터리 모델(Σ3)(예로서, 전기화학 모델, 열역학 모델, 운동 모델, 등가 회로 모델), 및 배터리 전지(102)의 하나 이상의 상태 및/또는 파라미터를 추정하기 위해 이용될 수 있는 추정 알고리즘(예로서, 칼만 필터, 이동 수평 추정, 최소 자승 추정)을 포함한다. 제 3 상태 옵저버(330)는 제 3 배터리 모델(Σ3) 및 추정 알고리즘에 기초하여 제 3 계산 복잡성을 나타낸다.
배터리 관리 시스템(205)에 대한 전체 계산 부하를 감소시키기 위해, 상태 옵저버(310 내지 330)의 배터리 모델 및/또는 추정 알고리즘이 상태 및/또는 파라미터 추정의 전체 계산 복잡성을 감소시키기 위해 선택될 수 있다. 일부 실시예에서, 제 1 계산 복잡성는 제 2 계산 복잡성보다 크다. 일부 실시예에서, 제 2 계산 복잡성는 제 3 계산 복잡성보다 크다. 특정 실시예에서, 제 1 계산 복잡성은 제 2 계산 복잡성보다 크고 제 2 계산 복잡성은 제 3 계산 복잡성보다 크다.
특정 실시예에서, 3개의 상태 옵저버는 수렴의 속도가 제 1 상태 옵저버(310), 그에 이어서 제 2 상태 옵저버(320), 및 마지막으로 제 3 상태 옵저버(330)에 대해 가장 빠르도록 조정된다. 상기 설명된 바와 같이, 상태 옵저버(310 내지 330)는 하나 이상의 배터리 전지(102)로부터 하나 이상의 측정된 전압(Vm), 하나 이상의 측정된 전류(Im), 및/또는 하나 이상의 측정된 Tm을 수신한다. 제 1 상태 옵저버(310)는 상태 벡터(
Figure pct00011
)를 추정하고,
Figure pct00012
의 추정치를 제 2 상태 옵저버(320) 및 제 3 상태 옵저버(330)로 전송한다. 제 2 상태 옵저버(320)는 제 1 상태 옵저버(310)의 배터리 모델에 포함된 열역학 파라미터 중 하나 이상을 추정하고 추정치를 제 1 상태 옵저버(310) 및 제 3 상태 옵저버(330)로 전송한다. 제 3 상태 옵저버(330)는 제 1 상태 옵저버(310)의 배터리 모델에 포함된 운동 파라미터 중 하나 이상을 추정하고 추정치를 제 1 상태 옵저버(310) 및 제 2 상태 옵저버(320)로 전송한다. 제 2 상태 옵저버(320) 및 제 3 상태 옵저버(330)로부터의 측정된 입력 및 출력을 이용하는 제 1 상태 옵저버(310)는 업데이트된 상태 추정치(
Figure pct00013
)를 제어 모듈(230)에 제공한다. 특정 실시예에서, 상태 옵저버(310 내지 330)는 제 1 원리 에이징 모델에 기초한 파라미터 변경의 정보를 더 포함할 수 있다.
일부 실시예에서, 상태 및 파라미터 추정기(220)는 상태 및 파라미터 추정 시스템(300)을 포함할 수 있다. 도 3에 도시된 바와 같이, 상태 및 파라미터 추정 시스템(300)은 추정된 상태 및/또는 파라미터를 제어 모듈(230)로 전송한다. 도 2에서 상기 설명된 바와 같은 제어 모듈(230)은 상태 및 파라미터 추정 시스템(300)으로부터 수신된 추정된 상태 및/또는 파라미터에 적어도 부분적으로 기초하여 도 2에서 상기 설명된 바와 같이 배터리(210)의 동작을 조절한다.
다양한 모델이 배터리 전지(102) 내에서 발생하는 전기화학 반응을 모델링하기 위해 개발되었다. 하나의 예는 풀러, 도일, 및 뉴먼에 의해 개발되었고(뉴먼 모델), (제이. 전기화학 협회, 볼륨 141, 넘버. 1, 1994년 1월, 1 내지 10 페이지), 그의 콘텐트는 그에 의해 전체적으로 참조로써 통합된다. 뉴먼 모델은 측정된 특성에 기초하여 배터리 전지(102) 내에서 발생하는 전기화학 프로세스를 추정하기 위해 이용될 수 있는 수학적 모델을 제공한다.
애노드(120), 및 캐소드(150)에서의 전하 이동 반응은 뉴먼 모델과 같은 전기화학 모델에 의해 모델링되어, 배터리 전지(102)의 충전 및 방전 둘 모두 동안 다양한 배터리 전지(102) 파라미터를 설명하는 기초를 제공할 수 있다. 예를 들면, 뉴먼 모델은 캐소드 입자 반경을 포함하는 다양한 파라미터의 추정을 허용할 수 있고, 상기 캐소드 입자 반경은 캐소드(150)의 리튬화 정도로 인해 변할 수 있으며, 이는 또한, 배터리 전지(102)의 충전 상태, 애노드 입자 반경, 애노드(120), 캐소드(150), 및 전해질에서의 이온 확산 레이트, 삽입 전류 및 이동 수, 애노드(120), 캐소드(150), 및 전해질에서의 용액 전도성, 애노드(120) 및 캐소드(150)의 전지 다공성, 및 애노드(120)와 캐소드(150)의 평형 전위로 칭해질 수 있다.
뉴먼 모델과 같은 물리 기반 전기화학 모델은 배터리 전지(102) 내의 다양한 파라미터의 거동을 설명하기 위해 상 및 편미분 방정식(PDEs)을 포함할 수 있다. 뉴먼 모델은 리튬 이온 배터리에서 발생하는 실제의 화학 및 전기 프로세스의 전기화학 기반 모델이다. 그러나, 전체 뉴먼 모델은 극도로 복잡하며 많은 수의 측정가능하지 않은 물리적 파라미터가 식별될 것을 요구한다. 현재의 계산 능력을 가진 비선형 PDE 및 미분 대수 방정식(DAEs)에 관련된 이러한 큰 세트의 파라미터의 식별은 비실용적이다. 이것은 뉴먼 모델의 동역학(dynamics)를 근사하는 다양한 전기화학 모델을 야기한다.
예를 들면, 메이휴, 씨.; 웨이 헤; 크뢰너, 씨.; 클라인, 알.; 차투르베디, 엔.; 코직, 에이.에 의한 미국 제어 학회(ACC), 2014, 123 내지 128 페이지, 2014 6월 4일-6일, 발명의 명칭이 "리튬 이온 배터리의 고상 확산을 위한 프로젝션 기반 모델 감소 기술의 조사(Investigation of projection-based model-reduction techniques for solid-phase diffusion in Li-ion batteries)"이고 그의 콘텐트가 그에 의해 전체적으로 참조로써 통합되는 감소 순서 모델(Reduced-Order-Model; ROM)은 베이스라인 전지(baseline cell)의 완전한 모델 구조를 유지하면서 리튬 이온 전지의 뉴먼 모델의 모델 순서 감소를 허용한다. 뉴먼 모델의 ROM은 계산 시간 및 메모리 요구사항을 감소시키면서 진실 모델의 거동을 정확하게 예측할 수 있다. 이것은 파라미터 및 상태 식별 프로세스의 복잡성에 기여한다.
일부 실시예에서, 덜 계산적으로 복잡한 배터리 모델(예로서, 등가 회로 모델, 단일 입자 모델)이 배터리 전지(102)의 상태 및 파라미터를 모델링하기 위해 이용될 수 있다. 또 다른 실시예에서, 전기화학 및 비 전기화학 모델은 배터리 전지(102)의 동작 및 조건을 설명하기 위해 조합하여 이용될 수 있다.
예를 들면, 차투르베디 등에 의한, 2010년 6월 30일-7월 2일의 미국 메릴랜드, 볼티모어, 매리어트 워터프론트 2010 미국 제어 학회(ACC), 발명의 명칭이 "리튬 이온 배터리에 대한 모델링, 추정, 및 제어 도전(Modeling, estimation, and control challenges for Li-ion batteries)"이고 그의 콘텐트가 그에 의해 전체적으로 참조로써 통합되는 단일 입자 모델은 다공성 전극이 균일한 조건을 경험하는 단일 입자의 집합체로서 모델링되는 것을 허용하는 전극에 걸쳐 균일한 국부 파라미터를 가정함으로써 뉴먼 모델과 같은 전기화학 모델의 계산 복잡성의 감소를 설명한다. 단일 입자 모델은 계산 시간 및 메모리 요구조건을 감소시키면서 더 복잡한 전기화학 모델과 동일한 평형 구조를 포함한다.
다양한 방법이 상태 및 파라미터 추정을 위해 이용될 수 있다(예로서, 확장 칼만 필터, 무향 칼만 필터, 시그마 포인트 칼만 필터, 반복 칼만 필터, 이동 수평 추정, 감소된 최소 자승 추정, 정규 최소 자승 추정, 비 선형 최소 자승 추정, 다항식 최소 자승 추정, 또는 다른 적용가능한 방법). 다양한 추정 방법은 단독으로 또는 조합하여 이용되어 배터리 전지(102)의 상태 및 파라미터를 추정할 수 있다.
하나의 예에서, 확장 칼만 필터(EKF)는 프로세스 모델을 이산 시간에서 비선형 시간 변화 모델로서 설명하지만, 각각의 시간 단계에서 국부 선형화를 이용한다. 확장된 칼만 필터(EKF)를 통한 전기화학 모델로부터의 출력의 세트는 배터리 전지(102)의 급변하는 상태 둘 모두의 추정 및 베터리 전지(102)의 천천히 변화하는 파라미터의 추정을 포함할 수 있다. 일부 실시예에서, 수학적 모델에 대한 현재 입력과 조합하는 배터리 전지(102)의 상태는 모델이 배터리 전지(102)의 현재 출력을 예측하는 것을 허용한다. 배터리 전지의 상태는 예를 들면, 충전 상태(예로서, 리튬 배터리의 경우 리튬화 정도) 또는 과전압(overpotentials)을 포함할 수 있다. 배터리 전지(102)의 파라미터는 전형적으로, 배터리 전지(102)의 상태보다 시간에 따라 천천히 변화한다. 배터리의 건강 상태(state-of-health)라고 칭해질 수 있는 배터리 전지의 파라미터의 정보는 배터리 전지(102)의 장 기간 기능에 관한 것이다. 부가적으로, 일부 실시예는 현재 배터리 전지(102) 특성(예로서, 애노드(120) 및 캐소드(150)에서의 활성 물질의 체적분율, 배터리 전지(102)에서의 전체 사이클링가능한 리튬, 애노드(120) 및 캐소드(150)에서의 전해질 전도성 및 입자의 반경)의 측정으로부터 직접적으로 결정가능하지 않은 파라미터를 포함한다.
부가적으로, 이동 수평 추정(MHE) 방법은 모델링된 시스템의 현재 상태 및 파라미터를 다음 이산 시간 간격에서 모델링된 시스템의 초기 상태로서 이용함으로써 개방 루프 제어 문제점을 해결하기 위해 제어기(예로서, 배터리 관리 시스템으로서 동작하는 제어기)에 의해 이용될 수 있는 모델 예측형 추정기이다. 이동 수평 추정(MHE) 방법과 같은 예측형 추정기는 가장 최근의 정보의 이동 윈도우를 이용하고 마지막 추정치를 다음 시간 인스턴트에 전달한다. 이동 수평 추정(MHE)은 시간에 걸쳐 일련의 연속적으로 샘플링된 측정을 이용하여 시스템의 상태 및 파라미터를 추정한다. 측정은 측정에 더하여 잡음을 포함할 수 있다. 상태, 파라미터, 및 잡음은 일련의 제약 내에서 수학적 모델을 해결함으로써 추정될 수 있다.
MHE 방법은 미리 결정된 시간 기간(time horizon)에 걸쳐 수집된 일련의 이산 시간 측정에 대해 특성의 추정된 값과 특성의 실제 측정된 값 사이의 차(오차)를 최소화하려고 노력한다. 즉, MHE 방법의 비용 함수는 측정된 출력으로부터의 추정된 출력(예로서, 측정된 특성과 추정된 특성 사이의 오차) 및 이전에 추정된 상태 및 파라미터에 대한 가중치를 가정하는 도달 비용의 편차로 구성된다.
도달 비용은 이전에 측정되고 추정된 데이터가 현재 추정에 미치는 영향을 요약한다. 선형 제한되지 않은 시스템 또는 시스템에 대해, 칼만 필터 공분산 업데이트 공식은 도달 비용을 명시적으로 계산할 수 있다. 그러나, 비선형 제한되지 않은 시스템은 현재 추정된 포인트에서 선형화되어 제약을 제거할 수 있으며, 그 다음 칼만 필터는 근사화된 시스템에 대해 이용될 수 있다. 근사화된 시스템에 대한 칼만 필터의 이 적용은 확장 칼만 필터(EKF)로서 정의된다.
ROM 동적 시스템에 MHE 방법을 적용하기 위해, 배터리 관리 시스템(예로서, 상기 설명된 바와 같은 배터리 관리 시스템(180 또는 205))은 그것의 추정 견고성에 기초하여 각각의 파라미터에 대한 도달 비용 이득을 결정할 수 있다. 도달 비용 이득은 시간 변화 또는 시간 불변으로서 모델링될 수 있다. 부가적으로, 배터리 관리 시스템은 추정 프로세스에서 파라미터 식별가능성의 영향과 낮은 여기 하에서 추정의 정지를 특징으로 할 수 있다.
각각의 파라미터에 대한 도달 비용 이득을 결정하기 위해, 배터리 관리 시스템(180)은 칼만 필터 기반 방법을 이용할 수 있다. MHE 방법의 도달 비용에서의 칼만 필터 기반 방법의 구현에서, 배터리 관리 시스템(180)은 상태, 파라미터 및 출력에서의 잡음의 확률 밀도 함수가 형태 불변의 가우시안 분포, 즉 시간 불변 공분산 행렬을 이용한 가우시안 분포라고 가정할 수 있다. 그러나, 배터리 전지(102)는 차량이 동작하는 동안 가속, 감속 및 정지함에 따라 비교적 짧은 시간 기간 동안 변화하는 방전, 충전 및 유휴 동작을 겪는다. 시뮬레이션 및 경험적 데이터로부터, 리튬 이온 배터리의 감소 순서 모델(ROM)의 상이한 파라미터 및 상태는 상이한 잡음 레벨을 갖고 배터리의 동작 상태에 의존하여 출력 및 잡음과 영향 레벨에 미치는 영향이 상이하다. 따라서, 배터리 관리 시스템은 상태 및 파라미터의 추정에서의 잡음 공분산 행렬이 각각의 수평에서의 상태 및 파라미터에 대한 출력의 민감도(sensitivity)에 의존하는 시변 행렬이라고 가정할 수 있다. 따라서, 배터리 관리 시스템(180)은 출력 대 상태 및 파라미터의 편도함수와 상태 및 파라미터의 작은 변화(perturbation)로 인한 하나의 구동 사이클에 걸친 출력의 변동과 같은 상태 및 파라미터의 민감도의 상이한 개념을 이용할 수 있다.
부가적으로, 배터리 관리 시스템(180)은 또한, 잡음 공분산 매트릭스와 파라미터 및 상태에 대한 출력의 민감도 사이의 직접적인 관계를 정의할 수 있다. 잡음 공분산 행렬은 도달 비용 이득과 역의 관계가 있다. 예를 들면, 파라미터 또는 상태의 민감도가 구동 또는 충전 사이클에 걸쳐 점진적으로 감소하고 있으면, 그 파라미터 또는 상태와 연관된 잡음 공분산 행렬의 엔트리가 또한 감소할 것이고, 이는 연관된 도달 비용 이득의 증가를 야기한다. 도달 비용 이득이 증가하면, 예측 단계 동안 그 파라미터 또는 상태의 변화의 레이트가 감소하고, 따라서 파라미터 또는 상태는 그것의 현재 값을 유지하는 경향이 더 커질 것이다. 배터리 관리 시스템(180)은 이 역 관계를 이용하여 하나 이상의 파라미터 및/또는 상태의 추정으로부터 포커스를 부드럽게 취하는 자동화 추정 중단 메커니즘을 생성할 수 있다.
상태 및 파라미터를 식별하기 위해, 배터리 관리 시스템(180)은 다양한 방법을 이용할 수 있다. 예를 들면, 배터리 관리 시스템(180)은 추정 프로세스를 중단하고 즉, 배터리 관리 시스템은 여기의 낮은 입력 지속성 하에서 시스템 동역학에 따라 마지막 식별된 값 및 예측된 상태와 동일한 파라미터를 설정한다. 이 예에서, 배터리 관리 시스템은 추정 시간 기간에 걸쳐 전류의 전력 이득의 적분이 되도록 여기의 입력 지속성을 정의할 수 있다. 또 다른 예에서, 배터리 관리 시스템은 출력 또는 상태 함수 대 이들 파라미터의 낮은 그래디언트(gradient) 하에서 하나 이상의 파라미터의 추정을 중단할 수 있다.
도 4는 다중 상태 옵저버를 이용하는 배터리 시스템의 동작을 관리하는 방법(400)의 흐름도이다. 도 4의 예에서, 블록(410)에서, 배터리 관리 시스템(180)은 하나 이상의 배터리 전지(102)의 하나 이상의 특성을 측정하는 하나 이상의 센서(170)로부터 데이터를 수신한다. 블록(420)에서, 배터리 관리 시스템(180)은 하나 이상의 배터리 전지(102)의 하나 이상의 추정된 파라미터를 수신한다. 블록(430)에서, 배터리 관리 시스템(180)은 배터리(210)의 하나 이상의 측정된 특성 및 배터리(210)의 하나 이상의 추정된 파라미터에 기초하여 하나 이상의 배터리 전지(102)의 화학적 조성의 물리적 파라미터를 설명하기 위해 제 1 배터리 모델을 적용함으로써 하나 이상의 배터리 전지의 하나 이상의 상태를 추정한다. 블록(440)에서, 배터리 관리 시스템(180)은 하나 이상의 배터리 전지(102)의 화학적 조성의 물리적 파라미터를 설명하기 위해 2개 이상의 별개의 배터리 모델을 적용함으로써 하나 이상의 배터리 전지(102)의 하나 이상의 상태의 추정에 적어도 부분적으로 기초하여 하나 이상의 추정된 파라미터의 적어도 일부를 업데이트한다. 블록(450)에서, 배터리 관리 시스템(180)은 하나 이상의 배터리 전지(102)의 하나 이상의 파라미터의 업데이트된 추정된 파라미터에 적어도 부분적으로 기초하여 하나 이상의 배터리 전지(102)의 하나 이상의 상태를 업데이트한다. 블록(460)에서, 배터리 관리 시스템(180)은 하나 이상의 배터리 전지(102)의 하나 이상의 상태의 업데이트된 추정에 기초하여 배터리의 충전 또는 방전 중 하나 이상을 조절한다.
일부 실시예에서, 제 1 배터리 모델은 미분 대수 방정식에 기초한 전기화학 기반 배터리 모델을 포함한다. 일부 실시예에서, 배터리 관리 시스템에 의해, 하나 이상의 배터리 전지의 화학적 조성의 물리적 파라미터를 설명하기 위해 미분 대수 방정식을 적용하는 전기화학 기반 배터리 모델을 적용함으로써 하나 이상의 배터리 전지의 하나 이상의 상태를 추정하는 단계는 칼만 필터, 이동 수평 추정, 또는 최소 자승 추정을 적용하는 단계를 포함한다. 특정 실시예에서, 칼만 필터는 확장 칼만 필터, 무향 칼만 필터, 시그마 포인트 칼만 필터, 및 반복 칼만 필터로 구성된 목록으로부터 선택된다. 특정 실시예에서, 최소 자승 추정은 감소된 최소 자승 추정, 정규 최소 자승 추정, 비선형 최소 자승 추정, 및 다항식 최소 자승 추정으로 구성된 목록으로부터 선택된다. 일부 실시예에서, 제 1 배터리 모델은 뉴먼 모델의 전기화학 기반 감소 순서 모델을 포함한다. 일부 실시예에서, 2개 이상의 별개의 배터리 모델은 등가 회로 모델, 단일 입자 모델, 또는 미분 대수 방정식에 기초한 전기화학 기반 배터리 모델을 포함한다. 일부 실시예에서, 배터리 관리 시스템에 의해, 하나 이상의 배터리 전지의 하나 이상의 상태를 업데이트하는 단계는 칼만 필터, 이동 수평 추정, 또는 최소 자승 추정을 적용한다. 일부 실시예에서, 하나 이상의 배터리 전지의 하나 이상의 상태는 하나 이상의 배터리 전지의 충전 상태 또는 건강 상태 중 하나 이상을 포함한다. 일부 실시예에서, 하나 이상의 센서는 또한, 하나 이상의 배터리 전지의 전압, 및 전류를 측정하도록 구성되고, 방법은 배터리 관리 시스템에 의해, 하나 이상의 센서로부터 하나 이상의 배터리 전지의 전압의 측정 및 하나 이상의 배터리 전지의 전류의 일시적으로 대응하는 측정을 수신하는 단계를 더 포함한다. 일부 실시예에서, 배터리 관리 시스템에 의해, 제 1 배터리 모델을 적용함으로써 하나 이상의 배터리 전지의 하나 이상의 상태를 추정하는 단계는 2개 이상의 별개의 배터리 모델을 적용함으로써 배터리 관리 시스템에 의해 추정된 업데이트된 파라미터에 적어도 부분적으로 기초한다. 일부 실시예에서, 2개 이상의 별개의 배터리 모델은 등가 회로 모델, 단일 입자 모델, 또는 미분 대수 방정식에 기초한 전기화학 기반 배터리 모델 중 하나 이상을 포함한다. 일부 실시예에서, 2개 이상의 별개의 배터리 모델은 제 2 배터리 모델 및 제 3 배터리 모델을 포함하고, 배터리 관리 시스템에 의해, 2개 이상의 별개의 배터리 모델을 적용함으로써 하나 이상의 배터리 전지의 하나 이상의 파라미터를 추정하는 단계는 배터리 관리 시스템에 의해, 제 3 배터리 모델을 적용함으로써 배터리 관리 시스템에 의해 추정된 파라미터에 기초하여 제 2 배터리 모델을 적용함으로써 하나 이상의 배터리 전지의 하나 이상의 파라미터를 추정하는 단계를 포함한다. 특정 실시예에서, 배터리 관리 시스템에 의해, 제 1 배터리 모델을 적용함으로써 하나 이상의 배터리 전지의 하나 이상의 상태를 추정하는 단계는 제 2 배터리 모델을 적용함으로써 배터리 관리 시스템에 의해 추정된 파라미터 및 제 3의 배터리 모델을 적용함으로써 배터리 관리 시스템에 의해 추정된 파라미터에 기초한다. 일부 실시예에서, 하나 이상의 배터리 전지의 화학적 조성의 물리적 파라미터를 설명하기 위해 2개 이상의 별개의 배터리 모델을 적용하는 단계는 칼만 필터, 이동 수평 추정, 또는 최소 자승 추정을 적용하는 단계를 포함한다.
상기 설명된 실시예는 예로서 도시되었으며, 이들 실시예가 다양한 수정 및 대안적인 형태에 영향을 받을 수 있음이 이해되어야 한다. 청구항이 개시된 특정 형태로 제한되도록 의도되는 것이 아니라, 오히려 본 개시의 사상 및 범위에 있는 모든 수정, 등가물, 및 대안을 커버하도록 의도됨이 또한 이해되어야 한다.

Claims (20)

  1. 배터리 시스템을 관리하는 방법으로서, 상기 배터리 시스템은 하나 이상의 배터리 전지, 상기 하나 이상의 배터리 전지에 결합되고 상기 하나 이상의 배터리 전지의 하나 이상의 특성을 측정하도록 구성된 하나 이상의 센서, 및 상기 하나 이상의 센서에 결합되고 마이크로프로세서 및 메모리를 포함하는 배터리 관리 시스템을 포함하는, 상기 방법에 있어서:
    상기 배터리 관리 시스템에 의해, 상기 하나 이상의 센서로부터 상기 하나 이상의 배터리 전지의 하나 이상의 측정된 특성을 수신하는 단계;
    상기 배터리 관리 시스템에 의해, 상기 하나 이상의 배터리 전지의 하나 이상의 추정된 파라미터를 수신하는 단계;
    상기 배터리 관리 시스템에 의해, 상기 하나 이상의 배터리 전지의 하나 이상의 추정된 파라미터 및 하나 이상의 측정된 특성에 기초하여 상기 하나 이상의 배터리 전지의 화학적 조성의 물리적 파라미터를 설명하기 위해 제 1 배터리 모델을 적용함으로써 상기 하나 이상의 배터리 전지의 하나 이상의 상태를 추정하는 단계;
    상기 배터리 관리 시스템에 의해, 상기 하나 이상의 배터리 전지의 화학적 조성의 물리적 파라미터를 설명하기 위해 2개 이상의 별개의 배터리 모델을 적용함으로써 상기 하나 이상의 배터리 전지의 하나 이상의 상태의 추정에 적어도 부분적으로 기초하여 상기 하나 이상의 추정된 파라미터의 적어도 일부를 업데이트하는 단계;
    상기 배터리 관리 시스템에 의해, 상기 하나 이상의 배터리 전지의 하나 이상의 파라미터 중 업데이트된 추정된 파라미터에 적어도 부분적으로 기초하여 상기 하나 이상의 배터리 전지의 하나 이상의 상태를 업데이트하는 단계; 및
    상기 배터리 관리 시스템에 의해, 상기 하나 이상의 배터리 전지의 하나 이상의 상태의 업데이트된 추정에 기초하여 상기 배터리의 충전 또는 방전 중 하나 이상을 조절하는 단계를 포함하는, 배터리 시스템을 관리하는 방법.
  2. 제 1 항에 있어서,
    상기 제 1 배터리 모델은 미분 대수 방정식에 기초한 전기화학 기반 배터리 모델을 포함하는, 배터리 시스템을 관리하는 방법.
  3. 제 2 항에 있어서,
    상기 배터리 관리 시스템에 의해, 상기 하나 이상의 배터리 전지의 화학적 조성의 물리적 파라미터를 설명하기 위해 미분 대수 방정식을 적용하는 상기 전기화학 기반 배터리 모델을 적용함으로써 상기 하나 이상의 배터리 전지의 하나 이상의 상태를 추정하는 단계는 칼만 필터(Kalman filter), 이동 수평 추정, 또는 최소 자승 추정을 적용하는 단계를 포함하는, 배터리 시스템을 관리하는 방법.
  4. 제 3 항에 있어서,
    상기 칼만 필터는 확장 칼만 필터, 무향(unscented) 칼만 필터, 시그마 포인트 칼만 필터, 및 반복 칼만 필터로 구성된 그룹으로부터 선택되는, 배터리 시스템을 관리하는 방법.
  5. 제 3 항에 있어서,
    상기 최소 자승 추정은 감소된 최소 자승 추정, 정규 최소 자승 추정, 비선형 최소 자승 추정, 및 다항식 최소 자승 추정으로 구성된 그룹으로부터 선택되는, 배터리 시스템을 관리하는 방법.
  6. 제 1 항에 있어서,
    상기 제 1 배터리 모델은 뉴먼 모델의 전기화학 기반 감소 순서 모델(electrochemical-based Reduced-Order-Model)을 포함하는, 배터리 시스템을 관리하는 방법.
  7. 제 1 항에 있어서,
    상기 2개 이상의 별개의 배터리 모델은 등가 회로 모델, 단일 입자 모델, 또는 미분 대수 방정식에 기초한 전기화학 기반 배터리 모델을 포함하는, 배터리 시스템을 관리하는 방법.
  8. 제 1 항에 있어서,
    상기 배터리 관리 시스템에 의해, 상기 하나 이상의 배터리 전지의 하나 이상의 상태를 업데이트하는 단계는 칼만 필터, 이동 수평 추정, 또는 최소 자승 추정을 적용하는 단계를 포함하는, 배터리 시스템을 관리하는 방법.
  9. 제 1 항에 있어서,
    상기 하나 이상의 배터리 전지의 하나 이상의 상태는 상기 하나 이상의 배터리 전지의 충전 상태 또는 건강 상태(state-of-health) 중 하나 이상을 포함하는, 배터리 시스템을 관리하는 방법.
  10. 제 1 항에 있어서,
    상기 하나 이상의 센서는 또한, 상기 하나 이상의 배터리 전지의 전압, 및 전류를 측정하도록 구성되고, 상기 방법은 상기 배터리 관리 시스템에 의해, 상기 하나 이상의 센서로부터 상기 하나 이상의 배터리 전지의 전압의 측정 및 상기 하나 이상의 배터리 전지의 전류의 일시적으로 대응하는 측정을 수신하는 단계를 더 포함하는, 배터리 시스템을 관리하는 방법.
  11. 제 1 항에 있어서,
    상기 배터리 관리 시스템에 의해, 상기 제 1 배터리 모델을 적용함으로써 상기 하나 이상의 배터리 전지의 하나 이상의 상태를 추정하는 단계는 상기 2개 이상의 별개의 배터리 모델을 적용함으로써 상기 배터리 관리 시스템에 의해 추정된 상기 업데이트된 파라미터에 적어도 부분적으로 기초하는, 배터리 시스템을 관리하는 방법.
  12. 제 1 항에 있어서,
    상기 2개 이상의 별개의 배터리 모델은 등가 회로 모델, 단일 입자 모델, 또는 미분 대수 방정식에 기초한 전기화학 기반 배터리 모델 중 하나 이상을 포함하는, 배터리 시스템을 관리하는 방법.
  13. 제 1 항에 있어서,
    상기 2개 이상의 별개의 배터리 모델은 제 2 배터리 모델 및 제 3 배터리 모델을 포함하고, 상기 배터리 관리 시스템에 의해, 상기 2개 이상의 별개의 배터리 모델을 적용함으로써 상기 하나 이상의 배터리 전지의 하나 이상의 파라미터를 추정하는 단계는 상기 배터리 관리 시스템에 의해, 상기 제 3 배터리 모델을 적용함으로써 상기 배터리 관리 시스템에 의해 추정된 상기 파라미터에 기초하여 상기 제 2 배터리 모델을 적용함으로써 상기 하나 이상의 배터리 전지의 하나 이상의 파라미터를 추정하는 단계를 포함하는, 배터리 시스템을 관리하는 방법.
  14. 제 13 항에 있어서,
    상기 배터리 관리 시스템에 의해, 상기 제 1 배터리 모델을 적용함으로써 상기 하나 이상의 배터리 전지의 하나 이상의 상태를 추정하는 단계는 상기 제 2 배터리 모델을 적용함으로써 상기 배터리 관리 시스템에 의해 추정된 상기 파라미터 및 상기 제 3의 배터리 모델을 적용함으로써 상기 배터리 관리 시스템에 의해 추정된 상기 파라미터에 기초하는, 배터리 시스템을 관리하는 방법.
  15. 제 1 항에 있어서,
    상기 하나 이상의 배터리 전지의 화학적 조성의 물리적 파라미터를 설명하기 위해 2개 이상의 별개의 배터리 모델을 적용하는 단계는 칼만 필터, 이동 수평 추정, 또는 최소 자승 추정을 적용하는 단계를 포함하는, 배터리 시스템을 관리하는 방법.
  16. 프로세서 및 명령을 저장하는 메모리를 포함하는 배터리 관리 시스템에 있어서,
    상기 명령은 상기 프로세서에 의해 실행될 때, 상기 배터리 관리 시스템이:
    하나 이상의 센서로부터 하나 이상의 배터리 전지의 하나 이상의 측정된 특성을 수신하는 것으로서, 상기 하나 이상의 배터리 전지 및 상기 하나 이상의 센서는 배터리 시스템의 일부인, 상기 하나 이상의 측정된 특성을 수신하고;
    상기 하나 이상의 배터리 전지의 하나 이상의 추정된 파라미터를 수신하고;
    상기 하나 이상의 배터리 전지의 하나 이상의 추정된 파라미터 및 하나 이상의 측정된 특성에 기초하여 상기 하나 이상의 배터리 전지의 화학적 조성의 물리적 파라미터를 설명하기 위해 제 1 배터리 모델을 적용함으로써 상기 하나 이상의 배터리 전지의 하나 이상의 상태를 추정하고;
    상기 하나 이상의 배터리 전지의 화학적 조성의 물리적 파라미터를 설명하기 위해 2개 이상의 별개의 배터리 모델을 적용함으로써 상기 하나 이상의 배터리 전지의 하나 이상의 상태의 추정에 적어도 부분적으로 기초하여 상기 하나 이상의 추정된 파라미터의 적어도 일부를 업데이트하고;
    상기 하나 이상의 배터리 전지의 하나 이상의 파라미터 중 업데이트된 추정된 파라미터에 적어도 부분적으로 기초하여 상기 하나 이상의 배터리 전지의 하나 이상의 상태를 업데이트하며;
    상기 하나 이상의 배터리 전지의 하나 이상의 상태의 업데이트된 추정에 기초하여 상기 배터리의 충전 또는 방전 중 하나 이상을 조절하게 하는, 배터리 관리 시스템.
  17. 제 16 항에 있어서,
    상기 제 1 배터리 모델은 미분 대수 방정식에 기초한 전기화학 기반 배터리 모델을 포함하고;
    상기 제 1 배터리 모델을 적용함으로써 상기 하나 이상의 배터리 전지의 하나 이상의 상태를 추정하는 것은 칼만 필터, 이동 수평 추정, 또는 최소 자승 추정을 적용하는 것을 포함하는, 배터리 관리 시스템.
  18. 제 16 항에 있어서,
    상기 하나 이상의 배터리 전지의 화학적 조성의 물리적 파라미터를 설명하기 위해 2개 이상의 별개의 배터리 모델을 적용하는 것은 칼만 필터, 이동 수평 추정, 또는 최소 자승 추정을 적용하는 것을 포함하는, 배터리 관리 시스템.
  19. 제 16 항에 있어서,
    상기 제 1 배터리 모델을 적용함으로써 상기 하나 이상의 배터리 전지의 하나 이상의 상태를 추정하는 것은 상기 2개 이상의 별개의 배터리 모델을 적용함으로써 상기 배터리 관리 시스템에 의해 추정된 상기 업데이트된 파라미터에 적어도 부분적으로 기초하는, 배터리 관리 시스템.
  20. 제 16 항에 있어서,
    상기 2개 이상의 별개의 배터리 모델은 제 2 배터리 모델 및 제 3 배터리 모델을 포함하고, 상기 2개 이상의 별개의 배터리 모델을 적용함으로써 상기 하나 이상의 배터리 전지의 하나 이상의 파라미터를 추정하는 것은 상기 제 3 배터리 모델을 적용함으로써 추정된 상기 파라미터에 기초하여 상기 제 2 배터리 모델을 적용함으로써 상기 하나 이상의 배터리 전지의 하나 이상의 파라미터를 추정하는 것을 포함하는, 배터리 관리 시스템.
KR1020187031388A 2016-03-31 2017-03-29 다수의 옵저버를 갖는 배터리 관리 시스템 KR102150271B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US15/087,576 2016-03-31
US15/087,576 US9960625B2 (en) 2016-03-31 2016-03-31 Battery management system with multiple observers
PCT/EP2017/057358 WO2017167777A1 (en) 2016-03-31 2017-03-29 Battery management system with multiple observers

Publications (2)

Publication Number Publication Date
KR20180128961A true KR20180128961A (ko) 2018-12-04
KR102150271B1 KR102150271B1 (ko) 2020-09-01

Family

ID=58448545

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020187031388A KR102150271B1 (ko) 2016-03-31 2017-03-29 다수의 옵저버를 갖는 배터리 관리 시스템

Country Status (6)

Country Link
US (1) US9960625B2 (ko)
EP (1) EP3437152B1 (ko)
JP (1) JP6738433B2 (ko)
KR (1) KR102150271B1 (ko)
CN (1) CN109153339B (ko)
WO (1) WO2017167777A1 (ko)

Families Citing this family (32)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10933893B2 (en) * 2011-06-13 2021-03-02 Transportation Ip Holdings, Llc Vehicle electric supply system
US11072246B2 (en) * 2015-03-11 2021-07-27 University Of Washington Electrochemical cell diagnostic systems and methods using second order and higher harmonic components
US10224579B2 (en) 2015-12-31 2019-03-05 Robert Bosch Gmbh Evaluating capacity fade in dual insertion batteries using potential and temperature measurements
US10243385B2 (en) 2016-01-29 2019-03-26 Robert Bosch Gmbh Secondary battery management system
US10263447B2 (en) 2016-01-29 2019-04-16 Robert Bosch Gmbh Secondary battery management system
US10447054B2 (en) * 2016-05-20 2019-10-15 Robert Bosch Gmbh Staircase charging
US11462929B2 (en) * 2016-10-04 2022-10-04 University Of Washington Systems and methods for direct estimation of battery parameters using only charge/discharge curves
CN107390138B (zh) * 2017-09-13 2019-08-27 山东大学 动力电池等效电路模型参数迭代辨识新方法
KR102203245B1 (ko) * 2017-11-01 2021-01-13 주식회사 엘지화학 배터리 soc 추정 장치 및 방법
WO2019087010A1 (ja) * 2017-11-02 2019-05-09 株式会社半導体エネルギー研究所 給電装置及び電子機器、並びに給電装置の動作方法
AT521643B1 (de) * 2018-08-31 2020-09-15 Avl List Gmbh Verfahren und Batteriemanagementsystem zum Ermitteln eines Gesundheitszustandes einer Sekundärbatterie
JP7203375B2 (ja) * 2018-11-20 2023-01-13 マレリ株式会社 充電率推定装置及び充電率推定方法
US10471847B1 (en) * 2018-12-14 2019-11-12 Sf Motors, Inc. Multi-particle reduced order Li-ion battery controller
DE102018221962A1 (de) * 2018-12-17 2020-06-18 Robert Bosch Gmbh Verfahren zur Ermittlung mindestens einer Betriebskenngröße für den Betrieb eines elektrischen Energiespeichers sowie entsprechendes Computerprogramm, maschinenlesbares Speichermedium und Rechnervorrichtung
US11899069B2 (en) 2018-12-21 2024-02-13 Cummins Inc. SOC and SOH co-estimation systems and methods for electric vehicles
KR20200087494A (ko) 2019-01-11 2020-07-21 삼성전자주식회사 배터리 관리 방법 및 장치
US11069926B1 (en) * 2019-02-14 2021-07-20 Vcritonc Alpha, Inc. Controlling ongoing battery system usage via parametric linear approximation
CN109991549B (zh) * 2019-04-24 2021-02-09 东南大学 锂离子电池荷电状态及内阻的联合预测方法
US20220234449A1 (en) * 2019-06-12 2022-07-28 Volvo Truck Corporation A method for estimating a battery state
US20220229114A1 (en) * 2019-06-12 2022-07-21 Volvo Truck Corporation A method for estimating a battery state
KR20210028476A (ko) * 2019-09-04 2021-03-12 삼성전자주식회사 배터리 충전 장치 및 방법
US11515587B2 (en) * 2019-10-10 2022-11-29 Robert Bosch Gmbh Physics-based control of battery temperature
KR20210049338A (ko) * 2019-10-25 2021-05-06 주식회사 엘지화학 배터리의 soc를 추정하기 위한 장치, 그것을 포함하는 전기 차량 및 그 방법
US11581585B2 (en) 2020-03-10 2023-02-14 Samsung Electronics Co., Ltd. Methods and electronic devices for obtaining information on a battery pack
US11181587B1 (en) 2020-05-07 2021-11-23 Zitara Technologies, Inc. Battery analysis system and method
EP4016098A1 (de) 2020-12-18 2022-06-22 INTILION GmbH Verfahren und vorrichtung zur robusten online-zustandsbestimmung von grossen batteriespeichersystemen
CN113866638A (zh) * 2021-08-24 2021-12-31 陈九廷 一种电池参数推测方法、装置、设备及介质
WO2023059652A1 (en) * 2021-10-04 2023-04-13 Zitara Technologies, Inc. System and method for battery management
WO2023066469A1 (en) * 2021-10-19 2023-04-27 Repsol, S.A. Controlling li-ion battery systems
CN114187970A (zh) * 2021-11-30 2022-03-15 清华大学 一种基于电化学机理的锂离子电池内外特性仿真方法
WO2023107710A2 (en) 2021-12-09 2023-06-15 Zitara Technologies, Inc. System and method for determining a battery condition
CN115032556A (zh) * 2022-06-27 2022-09-09 国网湖北省电力有限公司电力科学研究院 储能电池系统状态评估方法、装置、存储介质及电子设备

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013190274A (ja) * 2012-03-13 2013-09-26 Primearth Ev Energy Co Ltd 二次電池の状態推定装置及び方法
US20150326038A1 (en) * 2014-05-09 2015-11-12 Ford Global Technologies, Llc System and method for battery power management

Family Cites Families (49)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6962613B2 (en) * 2000-03-24 2005-11-08 Cymbet Corporation Low-temperature fabrication of thin-film energy-storage devices
US6639385B2 (en) 2001-08-07 2003-10-28 General Motors Corporation State of charge method and apparatus
US6892148B2 (en) 2002-12-29 2005-05-10 Texas Instruments Incorporated Circuit and method for measurement of battery capacity fade
US8103485B2 (en) 2004-11-11 2012-01-24 Lg Chem, Ltd. State and parameter estimation for an electrochemical cell
WO2006057468A1 (en) 2004-11-29 2006-06-01 Lg Chem, Ltd. Method and system for battery state and parameter estimation
DE102005008511B4 (de) 2005-02-24 2019-09-12 Tdk Corporation MEMS-Mikrofon
US7612532B2 (en) 2005-06-21 2009-11-03 Gm Global Technology Operations, Inc. Method for controlling and monitoring using a state estimator having variable forgetting factors
KR100804698B1 (ko) 2006-06-26 2008-02-18 삼성에스디아이 주식회사 배터리 ｓｏｃ 추정 방법 및 이를 이용하는 배터리 관리시스템 및 구동 방법
JP4802945B2 (ja) 2006-08-31 2011-10-26 トヨタ自動車株式会社 二次電池の制御システムおよびそれを搭載したハイブリッド車両
US7687678B2 (en) * 2007-05-10 2010-03-30 Cisco Technology, Inc. Electronic bandage with flexible electronic controller
WO2008154956A1 (en) 2007-06-20 2008-12-24 Robert Bosch Gmbh Charging method based on battery model
US8321164B2 (en) 2008-09-25 2012-11-27 GM Global Technology Operations LLC Method and system for determining a state of charge of a battery based on a transient response
DE102009000782A1 (de) 2008-12-04 2010-06-10 Robert Bosch Gmbh Verfahren zur Bestimmung des Ladezustands einer sekundären Interkalationszelle einer wiedereaufladbaren Batterie
US8116998B2 (en) 2009-01-30 2012-02-14 Bae Systems Controls, Inc. Battery health assessment estimator
US8188715B2 (en) 2009-05-15 2012-05-29 Robert Bosch Gmbh Method for determining extent and type of capacity fade
EP2273327A1 (en) 2009-06-24 2011-01-12 ABB Research Ltd. Estimating initial states of a system model for controlling an industrial process
JP5635608B2 (ja) 2009-07-29 2014-12-03 ザ・リージェンツ・オブ・ザ・ユニバーシティ・オブ・ミシガンＴｈｅ Ｒｅｇｅｎｔｓ Ｏｆ Ｔｈｅ Ｕｎｉｖｅｒｓｉｔｙ Ｏｆ Ｍｉｃｈｉｇａｎ バッテリ充電及び放電のスケジューリングシステム
FR2949565B1 (fr) 2009-09-02 2012-12-21 Inst Francais Du Petrole Methode amelioree pour estimer les caracteristiques non mesurables d'un systeme electrochimique
US8467984B2 (en) 2009-09-30 2013-06-18 Battelle Energy Alliance, Llc Systems, methods and computer readable media for estimating capacity loss in rechargeable electrochemical cells
US8346495B2 (en) 2010-04-22 2013-01-01 Battelle Energy Alliance, Llc Systems, methods and computer-readable media to model kinetic performance of rechargeable electrochemical devices
FR2961351B1 (fr) 2010-06-15 2012-07-20 Saft Groupe Sa Systeme de surveillance de l'etat d'une batterie
CN102959418B (zh) 2010-06-24 2016-04-27 松下知识产权经营株式会社 获取电池的劣化度的方法和系统
US20120101753A1 (en) 2010-10-20 2012-04-26 Gm Global Technology Operations, Inc. Adaptive slowly-varying current detection
US8724832B2 (en) 2011-08-30 2014-05-13 Qualcomm Mems Technologies, Inc. Piezoelectric microphone fabricated on glass
JP6240369B2 (ja) 2011-09-30 2017-11-29 ケーピーアイティ テクノロジーズ リミテッド バッテリーの充電状態を決定するためのシステムおよび方法
US10230137B2 (en) 2012-05-23 2019-03-12 The Regents Of The University Of Michigan Estimating core temperatures of battery cells in a battery pack
CN102680795B (zh) * 2012-05-29 2014-11-05 哈尔滨工业大学 一种二次电池内阻的实时在线估计方法
US9086462B2 (en) 2012-08-15 2015-07-21 GM Global Technology Operations LLC Systems and methods for battery parameter estimation
JP6158195B2 (ja) 2012-09-26 2017-07-05 三洋電機株式会社 電池状態推定装置及び蓄電池システム
JP5944291B2 (ja) 2012-10-05 2016-07-05 カルソニックカンセイ株式会社 バッテリのパラメータ等推定装置およびその推定方法
KR101547006B1 (ko) 2012-10-26 2015-08-24 주식회사 엘지화학 배터리 잔존 용량 추정 장치 및 방법
JP6107142B2 (ja) * 2013-01-08 2017-04-05 トヨタ自動車株式会社 電源制御装置、電源モデル更新方法、プログラム、媒体
JP6239241B2 (ja) 2013-02-04 2017-11-29 株式会社東芝 電池性能推定方法および電池性能推定装置
US10870360B2 (en) 2013-02-12 2020-12-22 Cps Technology Holdings Llc Battery monitoring network
CN105612651B (zh) 2013-02-21 2018-04-10 罗伯特·博世有限公司 用于估计单独的电极的容量和锂离子电池系统的总容量的方法和系统
US10664562B2 (en) 2013-02-24 2020-05-26 Fairchild Semiconductor Corporation and University of Connecticut Battery state of charge tracking, equivalent circuit selection and benchmarking
US9575128B2 (en) 2013-03-12 2017-02-21 GM Global Technology Operations LLC Battery state-of-charge estimation for hybrid and electric vehicles using extended kalman filter techniques
US9668032B2 (en) 2013-05-16 2017-05-30 Nergysense, Llc Apparatus, system and method for a cloud based universal fleet monitoring system
US20140350877A1 (en) 2013-05-25 2014-11-27 North Carolina State University Battery parameters, state of charge (soc), and state of health (soh) co-estimation
EP2816366A1 (en) 2013-06-18 2014-12-24 VITO NV (Vlaamse Instelling voor Technologisch Onderzoek NV) Monitoring charge stored in a battery
US10393813B2 (en) 2013-08-27 2019-08-27 The Regents Of The University Of Michigan On-board state of health monitoring of batteries using incremental capacity analysis
WO2015056964A1 (ko) 2013-10-14 2015-04-23 주식회사 엘지화학 하이브리드 이차 전지의 상태 추정 장치 및 그 방법
WO2015056963A1 (ko) 2013-10-14 2015-04-23 주식회사 엘지화학 혼합 양극재를 포함하는 이차 전지의 상태 추정 장치 및 그 방법
US20150226807A1 (en) 2014-02-12 2015-08-13 Seeo, Inc Determination of nominal cell resistance for real-time estimation of state-of-charge in lithium batteries
CN106030451B (zh) * 2014-02-28 2021-03-12 株式会社半导体能源研究所 电子设备
US9533597B2 (en) 2014-03-05 2017-01-03 Ford Global Technologies, Llc Parameter identification offloading using cloud computing resources
US9446678B2 (en) 2014-03-05 2016-09-20 Ford Global Technologies, Llc Battery model with robustness to cloud-specific communication issues
JP2015178963A (ja) 2014-03-18 2015-10-08 株式会社東芝 算出装置及び算出方法
CN104267354B (zh) * 2014-10-29 2017-03-01 哈尔滨工业大学 一种动力电池的峰值功率预测方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013190274A (ja) * 2012-03-13 2013-09-26 Primearth Ev Energy Co Ltd 二次電池の状態推定装置及び方法
US20150326038A1 (en) * 2014-05-09 2015-11-12 Ford Global Technologies, Llc System and method for battery power management

Also Published As

Publication number Publication date
US20170288414A1 (en) 2017-10-05
US9960625B2 (en) 2018-05-01
CN109153339A (zh) 2019-01-04
CN109153339B (zh) 2022-04-29
EP3437152A1 (en) 2019-02-06
KR102150271B1 (ko) 2020-09-01
WO2017167777A1 (en) 2017-10-05
EP3437152B1 (en) 2022-08-24
JP2019512858A (ja) 2019-05-16
JP6738433B2 (ja) 2020-08-12

Similar Documents

Publication Publication Date Title
KR102150271B1 (ko) 다수의 옵저버를 갖는 배터리 관리 시스템
US10985588B2 (en) Secondary battery management system
CN109716150B (zh) 具有远程参数估计的二次电池管理系统
KR102153888B1 (ko) 계단 충전
US10491022B2 (en) Secondary battery management system
US11366171B2 (en) Battery state estimation method
CN108604712B (zh) 二次电池组管理
EP3611525B1 (en) Apparatus for estimating a battery free capacity
KR100901252B1 (ko) 슬라이딩 모드 관측기를 이용한 ２차 전지 ｓｏｃ 예측방법 및 장치
CN110651194B (zh) 用于估计电池的soc的装置和方法
Mirzaee et al. Estimation of internal states in a Li-ion battery using BiLSTM with Bayesian hyperparameter optimization

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant