KR20200029662A

KR20200029662A - System for predicting battery lifetime based on a big data

Info

Publication number: KR20200029662A
Application number: KR1020180106920A
Authority: KR
Inventors: 이환귀
Original assignee: 주식회사 주왕산업
Priority date: 2018-09-07
Filing date: 2018-09-07
Publication date: 2020-03-19

Abstract

The present invention relates to a battery lifetime predicting system based on big data, which utilizes a cell balancing value obtained through a cell balancing device to perform a lifetime prediction operation. The battery lifetime predicting system comprises: a big data analysis unit obtaining and storing correlation information between a cell balancing value change pattern and the battery life from big data related to driving of a battery cell; a basic data measuring unit measuring basic data of each battery cell constituting the ESS; a cell balancing value monitoring unit collecting and analyzing a cell balancing value of each of battery cells at a predetermined period for a predetermined period based on the basic data, and identifying the cell balancing value change pattern of each battery cell; and a lifetime prediction value obtaining unit comparing and analyzing the correlation information and predicting and notifying the lifetime of each battery cell.

Description

System for predicting battery lifetime based on a big data}

본 발명은 배터리 수명 예측 시스템에 관한 것으로, 특히 빅 데이터 기반으로 셀 밸런싱 값 변화 패턴을 분석하여 수명 예측 동작을 수행하도록 하는 빅 데이터 기반 배터리 수명 예측 시스템에 관한 것이다. The present invention relates to a battery life prediction system, and more particularly to a big data-based battery life prediction system that performs a life prediction operation by analyzing a cell balancing value change pattern based on big data.

배터리가 IT 기기의 전원에서 태양광이나 풍력 발전을 통해 발생하는 전기를 저장했다가 필요할 때 사용하는 ESS(Energy Storage System)로 진화하고 있다. 이제 배터리는 단순히 휴대기기 전원뿐 아니라 신재생 에너지에서 생산되는 전력을 전력 계통에 안정적으로 연결해 주기 위한 설비나 에너지 저장용으로 더욱 주목을 받고 있다. 또한, 새로운 에너지원으로 각광받고 있는 2차 전지 시장에서 ESS 분야에 대한 관심이 필요하다는 분석이 나왔다.Batteries are evolving into energy storage systems (ESSs), which are used to store electricity generated by solar or wind power generation from the power source of IT devices and use it when necessary. Now, the battery is receiving more attention as a facility or energy storage for stably connecting electric power generated from renewable energy as well as power to mobile devices to a power system. In addition, it was analyzed that interest in the ESS field is needed in the secondary battery market, which is spotlighted as a new energy source.

ESS는 발전소에서 공급받는 전력을 저장했다가 전력이 필요한 시점에 필요한 곳으로 전송하는 장치이다. ESS는 전력을 저장해 필요한 장소와 시간에 사용할 수 있도록 지원하는 저장 장치로 친환경적인 특성으로 인해 최근 각광을 받고 있다.ESS is a device that stores the power supplied from the power plant and transmits it to the place where it is needed when power is needed. ESS is a storage device that supports electric power to be used at a required place and time, and has recently been spotlighted due to its eco-friendly characteristics.

최근 부각되고 있는 풍력이나 태양광 등의 신재생 에너지가 전력 생산 안정성 면에서 뒤떨어진다는 점을 고려할 때, 향후 신재생 에너지는 ESS와 결합하여 안정성을 높이는 방향으로 보급될 전망이다.Considering that new and renewable energy such as wind power and solar power, which is emerging recently, is inferior in terms of power generation stability, it is expected that new and renewable energy will be distributed in the direction of increasing stability in combination with ESS.

ESS는 LIB나 납 축전지를 사용한 대용량 전력 저장 장치로서, 과잉 생산된 전력을 저장해 두었다가 전력 부족이 우려될 때 방전하여 전력 수급을 안정화하는 역할을 하는 장치이다. ESS란 전력 수요가 적을 때 잉여 전력을 저장하고 전력 수요가 많은 피크 시간대나 전기료가 비싼 시간대에 저장된 전력을 사용함으로써 전력의 활용 효율을 높이는 장치다.ESS is a large-capacity power storage device that uses LIB or lead-acid batteries. It is a device that stores excess power and discharges it when it is concerned about power shortage, thereby stabilizing power supply and demand. ESS is a device that increases the utilization efficiency of power by storing surplus power when the demand for electricity is low and using power stored in peak periods when there is a high demand for electricity or when electricity is expensive.

ESS를 활용할 경우 신규 발전 시설 투자비를 절감할 수 있고, 신재생 에너지와의 연계를 통한 에너지 생산 및 이용 효율 극대화가 기대된다. 이러한 현황에서 ESS의 배터리 수명 예측에 대한 기술 개발이 요구된다. If ESS is used, it is possible to reduce the investment cost of new power generation facilities, and it is expected to maximize energy production and utilization efficiency by linking with new and renewable energy. In this situation, it is required to develop technology for predicting the battery life of ESS.

이에 한국등록특허 1007401130000 및 한국등록특허 1008891790000 등을 통해 배터리 수명 예측 기술이 제안된 바 있으나, 이들 기술은 배터리 수명 예측을 위해 배터리 전류, 전압을 별도로 측정해야 하는 번거로움이 있는 단점을 가진다. Accordingly, although battery life prediction technology has been proposed through Korean Patent Registration No. 1007401130000 and Korean Patent Registration No. 1008891790000, these technologies have the disadvantage of having to measure battery current and voltage separately for battery life prediction.

국내공개특허 제10-2010-0127422호Domestic Publication No. 10-2010-0127422

이에 상기와 같은 문제점을 해결하기 위한 것으로서, 본 발명은 샐 밸런싱 장치를 통해 획득된 셀 밸런싱 값을 빅 데이터 기반으로 분석하여 수명 예측 동작을 수행하도록 하는 빅 데이터 기반 배터리 수명 예측 시스템을 제공하고자 한다. In order to solve the above problems, the present invention is to provide a big data-based battery life prediction system that performs a life prediction operation by analyzing a cell balancing value obtained through a sal balancing device based on a big data.

본 발명의 목적은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 본 발명이 속하는 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.The objects of the present invention are not limited to the above-mentioned objects, and other objects not mentioned will be clearly understood by those skilled in the art from the following description.

상기 과제를 해결하기 위한 수단으로서, 본 발명의 일 실시 형태에 따르면 배터리 셀의 구동에 관련된 빅데이터로부터 셀 밸런싱 값 변화 패턴과 배터리 수명간 상관관계 정보를 획득 및 저장하는 빅 데이터 분석부; ESS를 구성하는 배터리 셀 각각의 기본 데이터를 측정하는 기본 데이터 측정부; 상기 기본 데이터를 기준으로 하여 상기 배터리 셀 각각의 셀 밸런싱 값을 기 설정 기간 동안 기 설정 주기로 수집 및 분석하여, 상기 배터리 셀 각각의 셀 밸런싱 값 변화 패턴을 파악하는 셀 밸런싱 값 모니터링부; 및 상기 배터리 셀 각각의 셀 밸런싱 값 변화 패턴과 상기 상관관계 정보를 비교 분석하여, 상기 배터리 셀 각각의 수명을 예측 및 통보하는 수명 예측값 획득부를 포함하는 빅데이터 기반의 ESS의 배터리 수명 예측 시스템을 제공한다. As a means for solving the above problems, according to an embodiment of the present invention, a big data analysis unit for obtaining and storing correlation information between a cell balancing value change pattern and battery life from big data related to driving of a battery cell; A basic data measuring unit measuring basic data of each battery cell constituting the ESS; A cell balancing value monitoring unit that collects and analyzes a cell balancing value of each of the battery cells at a predetermined period for a predetermined period based on the basic data, to identify a change pattern of the cell balancing value of each of the battery cells; And a life prediction value acquisition unit that predicts and notifies the life of each of the battery cells by comparing and analyzing the cell balancing value change pattern of each of the battery cells and the correlation information, and provides a battery life prediction system of ESS based on big data. do.

상기 기본 데이터 측정부는 상기 배터리 셀 각각을 완충했다가 기 설정값만큼 강제 방전시킨 상태의 배터리 충전값을 기본 데이터로 측정하는 것을 특징으로 한다. The basic data measuring unit is characterized in that the battery charge value in a state in which each of the battery cells is charged and forcibly discharged by a predetermined value is measured as basic data.

상기 빅 데이터 분석부는 배터리 수명 예측 시스템이 속한 단일 로컬 시스템에서 생성되는 데이터, 인터넷망을 통해 연결된 로컬 시스템들에서 생성되는 데이터, 또는 스마트 그리드를 통해 생성되는 데이터 중 적어도 하나를 빅 데이터로 이용하는 것을 특징으로 한다. The big data analysis unit uses at least one of data generated in a single local system to which the battery life prediction system belongs, data generated in local systems connected through an internet network, or data generated through a smart grid as big data. Is done.

본 발명에서는 빅 데이터 기반으로 셀 밸런싱 값 변화 패턴을 분석함으로써, 배터리 셀 각각의 수명을 보다 정확하고 효율적으로 예측할 수 있도록 한다. In the present invention, by analyzing the cell balancing value change pattern based on the big data, it is possible to more accurately and efficiently predict the life of each battery cell.

도 1은 본 발명의 일 실시예에 따른 빅데이터 기반의 ESS의 배터리 수명 예측 시스템을 도시한 도면이다.
도 2은 본 발명의 일 실시예에 따른 수명 예측부의 상세 구성을 도시한 도면이다.
도 3은 본 발명의 일 실시예에 따른 셀 밸런싱 값 변화 패턴과 배터리 수명간 상관관계를 설명하기 위한 도면이다.
도 4는 본 발명의 일 실시예에 따른 빅데이터 기반의 ESS의 배터리 수명 예측 방법을 설명하기 위한 도면이다. 1 is a diagram illustrating a battery life prediction system of an ESS based on big data according to an embodiment of the present invention.
2 is a diagram showing a detailed configuration of a life prediction unit according to an embodiment of the present invention.
3 is a view for explaining a correlation between a cell balancing value change pattern and a battery life according to an embodiment of the present invention.
4 is a view for explaining a method for predicting a battery life of an ESS based on big data according to an embodiment of the present invention.

본 발명의 목적 및 효과, 그리고 그것들을 달성하기 위한 기술적 구성들은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 본 발명을 설명함에 있어서 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다.Objects and effects of the present invention, and technical configurations for achieving them will be clarified with reference to embodiments described below in detail together with the accompanying drawings. In the description of the present invention, when it is determined that a detailed description of known functions or configurations may unnecessarily obscure the subject matter of the present invention, the detailed description will be omitted.

그리고 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다.In addition, terms to be described later are terms defined in consideration of functions in the present invention, which may vary according to a user's or operator's intention or practice.

그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있다. 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.However, the present invention is not limited to the embodiments disclosed below, but may be implemented in various different forms. Only the present examples are provided to make the disclosure of the present invention complete, and to fully inform the person of ordinary skill in the art to which the present invention pertains, the scope of the present invention being defined by the scope of the claims. It just works. Therefore, the definition should be made based on the contents throughout this specification.

도 1 내지 도 3은 본 발명의 일 실시예에 따른 빅데이터 기반의 ESS의 배터리 수명 예측 시스템을 설명하기 위한 도면이다. 1 to 3 are diagrams for explaining a battery life prediction system of an ESS based on big data according to an embodiment of the present invention.

도 1을 참고하면, 본 발명의 시스템은 다수의 배터리 셀을 구비하는 ESS(110), 충전 및 방전부(120), 샐 밸런싱 장치(130), 및 수명 예측부(140) 등을 포함한다. Referring to FIG. 1, the system of the present invention includes an ESS 110 having a plurality of battery cells, a charging and discharging unit 120, a sal balancing device 130, and a life prediction unit 140.

ESS(110)는 직렬, 병렬, 또는 직병렬 연결되는 다수의 배터리 셀(VB1~VB4)을 구비한다. The ESS 110 includes a plurality of battery cells VB1 to VB4 connected in series, parallel, or parallel.

충전 및 방전부(120)는 다수의 배터리 셀(VB1~VB4)을 충전하거나, 다수의 배터리 셀(VB1~VB4)에 충전된 전압을 외부 장치(200)로 방전하도록 한다. 이는 ESS(110)와 전기적으로 접속되고, ESS(110)에 포함된 각 배터리 셀(VB1, VB2, VB3, VB4)의 양 단자를 제1 및 제2도전 라인(1, 2)에 선택적으로 연결하는 제1스위치(SW1)와, 상기 제1 및 제2도전 라인(1, 2)에 병렬 연결된 캐패시터(C)와, 제2스위치(SW2)를 매개로 상기 캐패시터(C)의 양 단자에 연결된 전압 증폭기(AMP)와, 제3스위치(SW3)를 매개로 상기 캐패시터(C)의 양 단자에 직렬 연결된 방전저항(R), 캐패시터(C)의 양 단자에 걸리는 전압을 증폭하여 출력하는 증폭기(AMP) 등을 포함한다.The charging and discharging unit 120 charges the plurality of battery cells VB1 to VB4 or discharges the voltage charged in the plurality of battery cells VB1 to VB4 to the external device 200. It is electrically connected to the ESS 110 and selectively connects both terminals of each battery cell (VB1, VB2, VB3, VB4) included in the ESS 110 to the first and second conductive lines (1, 2). Connected to both terminals of the capacitor (C) via a first switch (SW1), a capacitor (C) connected in parallel to the first and second conductive lines (1, 2), and a second switch (SW2) An amplifier that amplifies and outputs the voltage across both terminals of the discharge resistor (R) and the capacitor (C) connected in series to both terminals of the capacitor (C) via a voltage amplifier (AMP) and a third switch (SW3) ( AMP).

샐 밸런싱 장치(130)는 각 배터리 셀(VB1, VB2, VB3, VB4)의 전압을 센싱하고, 각 배터리 셀(VB1, VB2, VB3, VB4)의 셀 전압을 기반으로 각 배터리 셀(VB1, VB2, VB3, VB4)의 충전량을 일정한 레벨로 밸런싱하도록 한다. The sal balancing device 130 senses the voltage of each battery cell VB1, VB2, VB3, VB4, and based on the cell voltage of each battery cell VB1, VB2, VB3, VB4, each battery cell VB1, VB2 , VB3, VB4) to balance the charge amount to a constant level.

셀 전압 센싱 동작은 다음과 같이 수행될 수 있다. 각 배터리 셀(VB1, VB2, VB3, VB4)의 전압 센싱을 순차적으로 수행할 수 있는 데, 먼저 첫 번째 셀(VB1) 전압을 센싱하는 경우, 상기 스위치 제어기(220)의 제어 신호에 따라 제1 및 제2스위치(SW1, SW2)를 오프 시킨다. 그리고, 상기 제1스위치(SW1)를 제어하여 첫번째 셀(VB1)의 양 단자를 제1 및 제2도전 라인(1, 2)과 연결한다. 그러면 첫번째 셀(VB1)에서 출력되는 셀 전압이 상기 캐패시터(C)에 충전된다. 캐패시터(C)에 셀 전압의 충전이 완료되면 제1스위치(SW1)를 제어하여 첫번째 셀(VB1)과 제1 및 제2도전 라인(1, 2)의 연결을 분리시키고, 상기 제2스위치(SW2)를 온 시켜 캐패시터(C)에 충전된 첫번째 셀(VB1)의 전압을 상기 전압 증폭기(AMP)를 통해 센싱한다. 첫번째 셀(VB1)의 전압 센싱이 완료되면 제2스위치(SW2)를 오프 시키고 제3스위치(SW3)를 온 시켜 캐패시터(C)와 방전저항(R)을 직렬로 연결하여 방전저항(R)을 통해 캐패시터(C)에 충전된 첫번째 셀(VB1) 전압을 방전시켜 캐패시터(C)를 리셋시킨다. 이어서, 나머지 셀(VB2, VB3, VB4)에 대해서도 상술한 전압 센싱 동작을 실질적으로 동일하게 수행하여 셀 전압을 센싱한다.The cell voltage sensing operation may be performed as follows. Voltage sensing of each battery cell (VB1, VB2, VB3, VB4) may be sequentially performed. First, when sensing the voltage of the first cell (VB1), first according to a control signal of the switch controller 220 And the second switches SW1 and SW2 are turned off. Then, the first switch SW1 is controlled to connect both terminals of the first cell VB1 to the first and second conductive lines 1 and 2. Then, the cell voltage output from the first cell VB1 is charged in the capacitor C. When charging of the cell voltage to the capacitor C is completed, the first switch SW1 is controlled to disconnect the connection between the first cell VB1 and the first and second conductive lines 1 and 2, and the second switch ( SW2) is turned on to sense the voltage of the first cell VB1 charged in the capacitor C through the voltage amplifier AMP. When voltage sensing of the first cell VB1 is completed, the second switch SW2 is turned off and the third switch SW3 is turned on to connect the capacitor C and the discharge resistor R in series to connect the discharge resistor R. The voltage of the first cell VB1 charged in the capacitor C is discharged to reset the capacitor C. Subsequently, the remaining voltages VB2, VB3, and VB4 are performed in substantially the same manner as the above-described voltage sensing operation to sense the cell voltage.

그리고 충전량 밸런싱 동작은 다음과 같이 수행될 수 있다. 먼저, 각 배터리 셀(VB1, VB2, VB3, VB4)의 셀 전압을 기반으로 셀 밸런싱이 필요한 셀을 선정한 후, 해당 셀의 충전량을 방전저항(R)을 통해 방전시킨다. 그러면, 각 배터리 셀(VB1, VB2, VB3, VB4)의 충전량을 일정한 레벨로 밸런싱할 수 있다.And the charge amount balancing operation may be performed as follows. First, cells that require cell balancing are selected based on the cell voltage of each battery cell VB1, VB2, VB3, and VB4, and then the charge amount of the corresponding cell is discharged through the discharge resistance R. Then, the charge amount of each battery cell (VB1, VB2, VB3, VB4) can be balanced to a constant level.

만약, 밸런싱이 필요한 셀이 ESS(110)의 첫번째 셀(VB1)이라고 가정하면, 제어부(230)는 상기 스위치 제어기(220)를 제어하여 제1 및 제2스위치(SW1, SW2)를 오프 시킨다. 그리고, 제어부(230)는 상기 제1스위치(SW1)를 제어하여 첫번째 셀(VB1)의 양 단자를 제1 및 제2도전 라인(1, 2)과 연결한다. 그러면 첫번째 셀(VB1)에서 출력되는 셀 전압이 상기 캐패시터(C)에 충전된다. 그런 다음, 제1스위치(SW1)를 제어하여 첫번째 셀(VB1)과 제1 및 제2도전 라인(1, 2)의 연결을 해제하고 제3스위치(SW3)를 온 시켜 캐패시터(C)에 충전된 전압을 방전저항(R d)을 통해 방전시킴으로써 첫번째 셀(VB1)의 충전량을 밸런싱한다. 제어부(230)는 충전량 밸런싱이 필요한 각 배터리 셀(VB1, VB2, VB3, VB4)에 대해 상술한 충전량 밸런싱 동작을 반복적으로 수행하게 되며, 그 결과 ESS(110)에 포함된 각 배터리 셀(VB1, VB2, VB3, VB4)의 충전량 밸런싱이 가능하게 된다.If it is assumed that the cell requiring balancing is the first cell VB1 of the ESS 110, the controller 230 controls the switch controller 220 to turn off the first and second switches SW1 and SW2. Then, the control unit 230 controls the first switch SW1 to connect both terminals of the first cell VB1 to the first and second conductive lines 1 and 2. Then, the cell voltage output from the first cell VB1 is charged in the capacitor C. Then, by controlling the first switch SW1, the first cell VB1 is disconnected from the first and second conductive lines 1 and 2, and the third switch SW3 is turned on to charge the capacitor C. The charge amount of the first cell VB1 is balanced by discharging the generated voltage through the discharge resistor R d. The controller 230 repeatedly performs the above-described charge amount balancing operation for each battery cell VB1, VB2, VB3, VB4 that needs to be charged, and as a result, each battery cell VB1 included in the ESS 110, It is possible to balance the charge amount of VB2, VB3, and VB4).

수명 예측부(140)는 각 배터리 셀(VB1, VB2, VB3, VB4)의 셀 밸런싱 값 변화 패턴을 파악하고, 이를 빅 데이터 분석 결과와 비교 분석함으로써, 배터리 셀 각각의 수명을 예측 및 통보하도록 한다. The life prediction unit 140 identifies the cell balancing value change pattern of each battery cell (VB1, VB2, VB3, VB4), and compares and analyzes it with the results of big data analysis to predict and notify the life of each battery cell .

이를 위해, 본 발명의 수명 예측부(140)는 도 2에 도시된 바와 같이, 빅 데이터 분석부(141), 기본 데이터 측정부(142), 셀 밸런싱 값 모니터링부(143), 및 수명 예측값 획득부(144) 등을 포함할 수 있다. To this end, as shown in FIG. 2, the life prediction unit 140 of the present invention acquires a big data analysis unit 141, a basic data measurement unit 142, a cell balancing value monitoring unit 143, and a life prediction value It may include a portion 144 and the like.

빅 데이터 분석부(141)는 배터리 셀의 구동에 관련된 빅데이터로부터 분석 대상 배터리 셀과 동일한 구동 조건을 가지는 배터리 셀에 관련된 데이터들만을 추출 및 분석하여, 셀 밸런싱 값 변화 패턴과 배터리 수명간 상관관계에 대한 정보를 획득하도록 한다. 또한 새로이 생성되는 배터리 셀 관련 데이터를 기반으로 상기의 빅 데이터 분석 결과를 계속적으로 업데이트해줌으로써, 정보의 신뢰성을 확보할 수 있도록 한다. The big data analysis unit 141 extracts and analyzes only data related to the battery cells having the same driving conditions as the battery cells to be analyzed from the big data related to the driving of the battery cells, thereby correlating the change pattern of the cell balancing value with the battery life To obtain information about. In addition, by continuously updating the results of the big data analysis based on newly generated battery cell-related data, it is possible to secure information reliability.

참고로, 도 3에 도시된 바와 같이 배터리 셀의 용량을 배터리 셀의 사용 횟수, 즉 사이클 수에 비례하여 점차 작아지는 데, 이러한 경우 셀 밸런싱 값은 사이클 수에 비례하는 증가하는 현상이 발생하게 된다. 그리고 이러한 변화 패턴은 모든 배터리 셀에서 일관되게 나타나며, 특히 동일 조건하에서 구동되는 배터리 셀의 경우 그 변화 패턴이 매우 유사한 특징이 있다. For reference, as illustrated in FIG. 3, the capacity of the battery cell gradually decreases in proportion to the number of use of the battery cell, that is, the number of cycles. In this case, the cell balancing value increases in proportion to the number of cycles. . In addition, this change pattern is consistent in all battery cells, and in particular, in the case of a battery cell operated under the same condition, the change pattern has very similar characteristics.

이에 본 발명에서는 배터리 셀의 구동에 관련된 빅데이터로부터 셀 밸런싱 값 변화 패턴과 배터리 수명간 상관관계에 대한 정보를 사전 획득하고, 이를 활용하여 배터리 셀의 수명을 예측하고자 한다. Accordingly, in the present invention, information on a correlation between a cell balancing value change pattern and a battery life is obtained in advance from big data related to driving a battery cell, and the life of the battery cell is predicted by utilizing the information.

이때, 빅 데이터는 배터리 수명 예측 시스템이 속한 단일 로컬 시스템에서 생성되는 모든 데이터일 수 있으나, 필요한 경우 인터넷망을 통해 연결된 로컬 시스템들, 또는 스마트 그리드(Smart Grid)를 통해 생성되는 모든 데이터일 수도 있다. 즉, 본 발명의 빅 데이터는 배터리 셀에 구동에 관련된 방대한 정보량을 가질 수 있도록 한다. At this time, the big data may be all data generated from a single local system to which the battery life prediction system belongs, but if necessary, it may be all data generated through a smart grid or local systems connected through an internet network. . That is, the big data of the present invention allows the battery cell to have a large amount of information related to driving.

기본 데이터 측정부(142)는 ESS에 새로운 배터리 셀이 연결될 때마다 동작 활성화되며, 이는 새로운 배터리 셀을 완충시킨 후 기 설정된 퍼센트(예를 들어, 30%)만큼 강제 방전시키고, 이때의 충전값을 해당 배터리 셀의 기본 데이터로 획득하도록 한다. The basic data measurement unit 142 is activated whenever a new battery cell is connected to the ESS, which forces the new battery cell to be fully discharged by a predetermined percentage (for example, 30%) and charges at this time. It should be obtained with the basic data of the battery cell.

셀 밸런싱 값 모니터링부(143)는 기본 데이터를 기준으로 하여 샐 밸런싱 장치(130)를 통해 각 배터리 셀(VB1, VB2, VB3, VB4)의 셀 밸런싱 값을 기 설정 기간 동안 기 설정 주기(예를 들어, 100일 동안 하루 한번)로 수집 및 분석하여, 각 배터리 셀(VB1, VB2, VB3, VB4)의 셀 밸런싱 값 변화 패턴을 파악하도록 한다. The cell balancing value monitoring unit 143 sets a cell balancing value of each battery cell (VB1, VB2, VB3, VB4) through a cell balancing device 130 based on basic data for a predetermined period (for example, For example, it is collected and analyzed once a day for 100 days) to identify a change pattern of cell balancing values of each battery cell (VB1, VB2, VB3, VB4).

수명 예측값 획득부(144)는 빅 데이터 분석 결과를 검색하여 기본 데이터 측정부(142) 및 셀 밸런싱 값 모니터링부(143)를 통해 현재 획득된 배터리 셀(VB1, VB2, VB3, VB4) 각각의 셀 밸런싱 값 변화 패턴에 대응되는 배터리 수명을 파악하도록 한다. The life prediction value acquisition unit 144 searches for big data analysis results, and each cell of the battery cells VB1, VB2, VB3, VB4 currently obtained through the basic data measurement unit 142 and the cell balancing value monitoring unit 143 It is necessary to grasp the battery life corresponding to the balancing value change pattern.

도 4는 본 발명의 일 실시예에 따른 빅데이터 기반의 ESS의 배터리 수명 예측 방법을 설명하기 위한 도면으로, 이하에서는 설명의 편이를 위해 배터리 셀 하나에 대한 수명 예측 동작을 설명하기로 한다. 4 is a view for explaining a method for predicting a battery life of an ESS based on a big data according to an embodiment of the present invention, hereinafter, for convenience of description, a life prediction operation for one battery cell will be described.

먼저, 시스템 초기화 과정을 통해 배터리 셀의 구동에 관련된 빅데이터로부터 분석 대상 배터리 셀과 동일한 구동 조건을 가지는 배터리 셀에 관련된 데이터들만을 추출 및 분석하여 셀 밸런싱 값 변화 패턴과 배터리 수명간 상관관계에 대한 정보를 획득 및 저장하도록 한다(S1). First, through the system initialization process, only the data related to the battery cell having the same driving condition as the battery cell to be analyzed are extracted and analyzed from the big data related to the driving of the battery cell, and the correlation between the cell balancing value change pattern and the battery life Information is acquired and stored (S1).

단계 S1이 완료된 상태에서, ESS에 새로운 배터리 셀이 장착되면(S2), 수명 예측부(140)는 새로이 장착된 배터리 셀을 완충시켰다 기 설정된 퍼센트(예를 들어, 30%)만큼 강제 방전시킨 후, 이때의 충전값을 측정하여 해당 배터리 셀의 기본 데이터를 획득한다(S3). In the state in which step S1 is completed, when a new battery cell is installed in the ESS (S2), the life prediction unit 140 buffers the newly installed battery cell after forcibly discharging a predetermined percentage (for example, 30%). , Measure the charging value at this time to obtain the basic data of the battery cell (S3).

그리고 배터리 셀을 통해 전력을 충전 또는 방전시키면서(S4), 기본 데이터를 기준으로 하여 샐 밸런싱 장치(130)를 통해 배터리 셀의 셀 밸런싱 값을 기 설정 기간 동안 기 설정 주기(예를 들어, 100일 동안 하루 한번)로 수집하고, 이를 기반으로 배터리 셀의 셀 밸런싱 값 변화 패턴을 파악하도록 한다(S5). And while charging or discharging electric power through the battery cell (S4), based on the basic data, the cell balancing value of the battery cell through the cell balancing device 130 is set for a predetermined period (for example, 100 days) For once a day), and based on this, to determine the change pattern of the cell balancing value of the battery cell (S5).

그리고 단계 S3 및 S5를 통해 파악된 셀 밸런싱 값 변화 패턴을 기반으로 단계 S1을 통해 저장된 상관관계 정보를 검색하여, 배터리 셀의 수명을 파악 및 통보하도록 한다(S6). Then, based on the cell balancing value change pattern identified through steps S3 and S5, the correlation information stored through step S1 is searched to identify and notify the life of the battery cell (S6).

더하여, 본 발명에서는 배터리 셀의 수명을 단순 파악하는 것에서 더 나아가, 배터리 셀 수명이 기 설정치보다 이하인 경우에는 배터리 교체를 요청하는 등의 추가 동작을 수행할 수도 있도록 한다. In addition, the present invention goes beyond simply grasping the life of the battery cell, and when the battery cell life is less than a preset value, it is also possible to perform an additional operation such as requesting replacement of the battery.

이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 발명에 개시된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.The above description is merely illustrative of the technical idea of the present invention, and those skilled in the art to which the present invention pertains may make various modifications and variations without departing from the essential characteristics of the present invention. Therefore, the embodiments disclosed in the present invention are not intended to limit the technical spirit of the present invention, but to explain, and the scope of the technical spirit of the present invention is not limited by these embodiments. The scope of protection of the present invention should be interpreted by the claims below, and all technical spirits within the scope equivalent thereto should be interpreted as being included in the scope of the present invention.

Claims

A big data analysis unit for obtaining and storing correlation information between a cell balancing value change pattern and battery life from big data related to driving of a battery cell;
A basic data measuring unit measuring basic data of each battery cell constituting the ESS;
A cell balancing value monitoring unit that collects and analyzes a cell balancing value of each of the battery cells at a predetermined period for a predetermined period based on the basic data, and identifies a change pattern of the cell balancing value of each of the battery cells; And
A battery life prediction system of a big data-based ESS that includes a life prediction value acquisition unit that compares and analyzes a cell balancing value change pattern of each of the battery cells and the correlation information to predict and notify the life of each of the battery cells.

The method of claim 1, wherein the basic data measuring unit
The battery life prediction system of a big data-based ESS, characterized in that the battery charge value in a state in which each of the battery cells is fully charged and forcibly discharged by a predetermined value is measured as basic data.

According to claim 1, The big data analysis unit
Big data base characterized by using at least one of data generated from a single local system to which the battery life prediction system belongs, data generated from local systems connected through an internet network, or data generated through a smart grid as big data ESS battery life prediction system.