KR20200033554A - 배터리 상태 추정 장치 및 방법 - Google Patents

배터리 상태 추정 장치 및 방법 Download PDF

Info

Publication number
KR20200033554A
KR20200033554A KR1020180112973A KR20180112973A KR20200033554A KR 20200033554 A KR20200033554 A KR 20200033554A KR 1020180112973 A KR1020180112973 A KR 1020180112973A KR 20180112973 A KR20180112973 A KR 20180112973A KR 20200033554 A KR20200033554 A KR 20200033554A
Authority
KR
South Korea
Prior art keywords
battery
time change
information
voltage
change values
Prior art date
Application number
KR1020180112973A
Other languages
English (en)
Inventor
유개원
박상도
Original Assignee
삼성전자주식회사
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 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR1020180112973A priority Critical patent/KR20200033554A/ko
Priority to US16/281,438 priority patent/US11630157B2/en
Priority to EP19165428.4A priority patent/EP3627169B1/en
Priority to CN201910269901.3A priority patent/CN110927588A/zh
Publication of KR20200033554A publication Critical patent/KR20200033554A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
    • G01R31/3828—Arrangements for monitoring battery or accumulator variables, e.g. SoC using current integration
    • 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
    • B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
    • B60L53/10—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles characterised by the energy transfer between the charging station and the vehicle
    • B60L53/11—DC charging controlled by the charging station, e.g. mode 4
    • 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]
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/3644—Constructional arrangements
    • G01R31/3648—Constructional arrangements comprising digital calculation means, e.g. for performing an algorithm
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
    • G01R31/3842—Arrangements for monitoring battery or accumulator variables, e.g. SoC combining voltage and current measurements
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/385—Arrangements for measuring battery or accumulator variables
    • G01R31/387—Determining ampere-hour charge capacity or SoC
    • G01R31/388—Determining ampere-hour charge capacity or SoC involving voltage measurements
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/392—Determining battery ageing or deterioration, e.g. state of health
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • 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
    • Y02T10/7072—Electromobility specific charging systems or methods for batteries, ultracapacitors, supercapacitors or double-layer capacitors
    • 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
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02T90/10—Technologies relating to charging of electric vehicles
    • Y02T90/14—Plug-in electric vehicles

Abstract

배터리 상태 추정 장치 및 방법이 개시된다. 일 실시예는 배터리의 전류 정보 및 전압 정보를 획득하고, 상기 획득된 전류 정보를 기초로 시간 변화값들을 결정하되, 상기 시간 변화값들 각각에 대한 전류 적산값이 조건에 만족하도록 상기 시간 변화값들을 결정하며, 상기 획득된 전압 정보 중 상기 결정된 시간 변화값들에 대응되는 전압값들 및 상기 결정된 시간 변화값들을 기초로 상기 배터리의 상태 정보를 결정한다.

Description

배터리 상태 추정 장치 및 방법{METHOD AND APPARATUS ESTIMATING STATE OF BATTERY}
아래 실시예들은 배터리 상태 추정에 관한 것이다.
배터리의 상태를 추정하는 방법은 다양하다. 일례로, 배터리의 상태는 배터리 모델(예를 들어, 전기 회로 모델, 또는 전기화학 모델)을 이용하여 추정될 수 있다.
일 측에 따른 배터리 상태 추정 방법은 배터리의 전류 정보 및 전압 정보를 획득하는 단계; 상기 획득된 전류 정보를 기초로 시간 변화값들을 결정하되, 상기 시간 변화값들 각각에 대한 전류 적산값이 조건에 만족하도록 상기 시간 변화값들을 결정하는 단계; 및 상기 획득된 전압 정보 중 상기 결정된 시간 변화값들에 대응되는 전압값들 및 상기 결정된 시간 변화값들을 기초로 상기 배터리의 상태 정보를 결정하는 단계를 포함한다.
상기 조건은 상기 시간 변화값들 각각에 대한 전류 적산값이 서로 동일한 조건을 포함할 수 있다.
상기 시간 변화값들을 결정하는 단계는 상기 획득된 전류 정보를 이용하여 전류 적산과 시간 변화 사이의 관계를 나타내는 적산 정보를 도출하는 단계; 상기 전류 적산을 일정 간격으로 분할하는 단계; 및 상기 도출된 적산 정보에서 상기 전류 적산의 분할 지점들 각각의 시간 변화값을 추출하는 단계를 포함할 수 있다.
상기 상태 정보를 결정하는 단계는 상기 결정된 시간 변화값들을 기초로 상기 획득된 전압 정보를 분할하는 단계를 포함할 수 있다.
상기 획득된 전압 정보의 분할 지점들 중 일부 분할 지점들 사이의 간격은 다른 분할 지점들 사이의 간격보다 넓을 수 있다.
상기 일부 분할 지점들 사이에서 상기 배터리의 전류는 감소할 수 있다.
상기 상태 정보를 결정하는 단계는 제1 시간 변화값들에 기반한 시간 구간 동안의 전압 변화 패턴을 인식하는 단계 -상기 전압 변화 패턴은 상기 제1 시간 변화값들에 대응되는 전압값들의 변화 패턴을 나타냄-를 포함할 수 있다.
상기 상태 정보를 결정하는 단계는 상기 결정된 시간 변화값들 중 스캔 순서와 관련된 적어도 하나의 시간 변화값에 대응되는 전압값을 상기 획득된 전압 정보에서 추출하는 단계; 상기 적어도 하나의 시간 변화값 및 상기 추출된 전압값을 기초로 특징 벡터를 생성하는 단계; 및 상기 생성된 특징 벡터를 상태 추정 모델에 입력하는 단계를 포함할 수 있다.
상기 상태 추정 모델은 LSTM(long short-term memory)을 포함하는 RNN(recurrent neural network)에 기반할 수 있다.
상기 배터리가 급속 충전되는 경우와 완속 충전되는 경우에서 상기 특징 벡터의 길이는 동일할 수 있다.
컴퓨터 판독 가능한 기록 매체는 상술한 방법을 실행시키기 위한 하나 이상의 명령어를 기록할 수 있다.
일 측에 따른 배터리 상태 추정 장치는 배터리의 전류 정보 및 전압 정보를 획득하고, 상기 획득된 전류 정보를 기초로 시간 변화값들을 결정하되, 상기 시간 변화값들 각각에 대한 전류 적산값이 조건에 만족하도록 상기 시간 변화값들을 결정하며, 상기 획득된 전압 정보 중 상기 결정된 시간 변화값들에 대응되는 전압값들 및 상기 결정된 시간 변화값들을 기초로 상기 배터리의 상태 정보를 결정하는 프로세서를 포함한다.
상기 조건은 상기 시간 변화값들 각각에 대한 전류 적산값이 서로 동일한 조건을 포함할 수 있다.
상기 프로세서는 상기 획득된 전류 정보를 이용하여 전류 적산과 시간 변화 사이의 관계를 나타내는 적산 정보를 도출하고, 상기 전류 적산을 일정 간격으로 분할하며, 상기 도출된 적산 정보에서 상기 전류 적산의 분할 지점들 각각의 시간 변화값을 추출할 수 있다.
상기 프로세서는 상기 결정된 시간 변화값들을 기초로 상기 획득된 전압 정보를 분할할 수 있다.
상기 획득된 전압 정보의 분할 지점들 중 일부 분할 지점들 사이의 간격은 다른 분할 지점들 사이의 간격보다 넓을 수 있다.
상기 일부 분할 지점들 사이에서 상기 배터리의 전류는 감소할 수 있다.
상기 프로세서는 제1 시간 변화값들에 기반한 시간 구간 동안의 전압 변화 패턴 -상기 전압 변화 패턴은 상기 제1 시간 변화값들에 대응되는 전압값들의 변화 패턴을 나타냄-을 인식할 수 있다.
상기 프로세서는 상기 결정된 시간 변화값들 중 스캔 순서와 관련된 적어도 하나의 시간 변화값에 대응되는 전압값을 상기 획득된 전압 정보에서 추출하고, 상기 적어도 하나의 시간 변화값 및 상기 추출된 전압값을 기초로 특징 벡터를 생성하며, 상기 생성된 특징 벡터를 상태 추정 모델에 입력할 수 있다.
상기 상태 추정 모델은 LSTM(long short-term memory)을 포함하는 RNN(recurrent neural network)에 기반할 수 있다.
상기 배터리가 급속 충전되는 경우와 완속 충전되는 경우에서 상기 특징 벡터의 길이는 동일할 수 있다.
도 1 및 도 2는 일 실시예에 따른 배터리 시스템을 설명하기 위한 도면이다.
도 3 내지 도 7은 일 실시예에 따른 배터리 상태 추정 장치의 동작을 설명하기 위한 도면이다.
도 8a는 배터리가 급속 충전 될 때 일 실시예에 따른 배터리 상태 추정 장치의 동작을 설명하기 위한 도면이다.
도 8b는 배터리가 완속 충전될 때 일 실시예에 따른 배터리 상태 추정 장치의 동작을 설명하기 위한 도면이다.
도 9는 일 실시예에 따른 배터리 시스템의 일례를 설명하기 위한 도면이다.
도 10은 일 실시예에 따른 배터리 상태 추정 장치를 설명하기 위한 블록도이다.
도 11은 일 실시예에 따른 배터리 상태 추정 방법을 설명하기 위한 순서도이다.
도 12 내지 도 13은 일 실시예에 따른 차량을 설명하기 위한 도면이다.
도 14는 일 실시예에 따른 학습 장치를 설명하기 위한 블록도이다.
이하, 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다.
아래 설명하는 실시예들에는 다양한 변경이 가해질 수 있다. 아래 설명하는 실시예들은 실시 형태에 대해 한정하려는 것이 아니며, 이들에 대한 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
실시예에서 사용한 용어는 단지 특정한 예를 설명하기 위해 사용된 것으로, 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성 요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조 부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 관련된 공지 기술에 대한 구체적인 설명이 실시예의 구조 또는 동작에 대한 이해를 불필요하게 방해할 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
도 1 및 도 2는 일 실시예에 따른 배터리 시스템을 설명하기 위한 도면이다.
도 1을 참조하면, 일 실시예에 따른 배터리 시스템(100)은 배터리 상태 추정 장치(110) 및 배터리(120)를 포함한다.
배터리(120)는 배터리 셀, 배터리 모듈, 또는 배터리 팩을 나타낸다.
배터리 상태 추정 장치(110)는 배터리(120)의 센싱 정보를 획득한다. 센싱 정보는, 예를 들어, 전압 정보 및 전류 정보를 포함한다. 센싱 정보는 배터리(120)가 충전 중일 때의 센싱 정보 또는 배터리(120)가 방전 중일 때의 센싱 정보에 해당할 수 있다.
배터리 상태 추정 장치(110)는 획득된 전류 정보를 기초로 시간 변화값들을 결정한다. 이 때, 배터리 상태 추정 장치(110)는 시간 변화값들 각각에 대한 전류 적산값이 조건에 만족하도록 시간 변화값들을 결정한다. 일례로, 도 2에 도시된 예를 참조하면, 배터리 상태 추정 장치(110)는 시간 변화값들 △t1 내지 △t8 각각에 대한 전류 적산값이 서로 동일하도록 시간 변화값들 △t1 내지 △t8 각각을 결정할 수 있다. 다시 말해, 배터리 상태 추정 장치는 전류 적산값들 Q1 내지 Q8이 서로 동일하도록 시간 변화값들 △t1 내지 △t8 각각을 결정할 수 있다. 이에 대해선 도 3 내지 도 5를 통해 후술한다.
배터리 상태 추정 장치(110)는 획득된 전압 정보 중 결정된 시간 변화값들에 대응되는 전압값들 및 결정된 시간 변화값들을 기초로 배터리(120)의 상태 정보를 결정한다. 이에 대해선 도 6 내지 도 7를 통해 설명한다. 상태 정보는, 예를 들어, SOC(state of charge) 및/또는 SOH(state of health)를 포함할 수 있으나, 이제 제한되지 않는다.
도 3 내지 도 7은 일 실시예에 따른 배터리 상태 추정 장치의 동작을 설명하기 위한 도면이다.
도 3을 참조하면, 배터리 상태 추정 장치(110)는 적산기(integrator)(310), 특징 벡터 생성기(320), 및 추정기(330)를 포함한다.
적산기(310)는 배터리(120)의 전류 정보를 기초로 시간 변화값들을 결정한다. 여기서, 시간 변화값들 각각에 대한 전류 적산값은 서로 동일하다. 배터리(120)의 전류 정보는 충전되는 배터리(120)의 전류 정보 또는 방전되는 배터리(120)의 전류 정보에 해당할 수 있다.
일례로, 적산기(310)는 배터리(120)의 전류 정보를 이용하여 전류 적산과 시간 변화 사이의 관계를 나타내는 적산 정보를 도출할 수 있고, 도출된 적산 정보(또는 전류 적산)을 일정 간격으로 분할할 수 있으며, 도출된 적산 정보에서 전류 적산의 분할 지점들 각각의 시간 변화값을 추출할 수 있다. 추출된 시간 변화값들이 배터리(120)의 전압 정보를 위한 시간 변화값들로 결정될 수 있다.
도 4에 도시된 예에서, 적산기(310)는 전류 정보(410)를 이용하여 x축이 전류 적산 Q이고 y축이 시간 변화 △t인 적산 정보(420)를 도출할 수 있다. 여기서, Q는 ∫I(t)dt에 해당할 수 있고, I(t)는 전류 정보(410)에 해당할 수 있다. 적산기(310)는 적산 정보(420) 내의 전류 적산 Q를 일정 간격으로 분할할 수 있다. 여기서, 적산기(310)가 전류 적산 Q를 몇 개로 분할할 것인지는 미리 정해진다. 도 5에 도시된 예에서, 적산기(310)는 전류 적산 Q를 8개로 분할할 수 있다. 이 때, 각 분할 간격은 서로 동일하다. 달리 표현하면, Q1, Q2와 Q1 사이의 차이, Q3와 Q2 사이의 차이, ... , Q8와 Q7 사이의 차이는 서로 동일하다. 적산기(310)는 전류 적산 Q의 분할 지점들 각각의 시간 변화값을 추출할 수 있다. 다시 말해, 적산기(310)는 Q1의 시간 변화값 △t1, Q2의 시간 변화값 △t2, ... , Q8의 시간 변화값 △t8을 추출할 수 있다. 추출된 시간 변화값들 △t1 내지 △t8은 배터리(120)의 전압 정보를 위한 시간 변화값들에 해당할 수 있다.
도 5를 통해 설명한 분할 개수 8은 예시적인 사항일 뿐, 분할 개수는 전술한 사항으로 제한되지 않는다.
도 3으로 돌아와서, 특징 벡터 생성기(320)는 적산기(310)에 의해 결정된 시간 변화값들을 기초로 배터리(120)의 전압 정보를 처리할 수 있다. 일례로, 특징 벡터 생성기(320)는 결정된 시간 변화값들을 기초로 배터리(120)의 전압 정보를 분할할 수 있다. 도 6에 도시된 예에서, 특징 벡터 생성기(320)는 적산기(310)로부터 시간 변화값들 △t1 내지 △t8를 수신할 수 있다. 특징 벡터 생성기(320)는 시간 변화값들 △t1 내지 △t8를 기초로 배터리(120)의 전압 정보를 분할할 수 있다. 여기서, 전압 정보의 분할 지점들 중 일부 분할 지점들 사이의 간격은 다른 분할 지점들 사이의 간격보다 넓다. 일례로, △t7은 △t1 내지 △t6 보다 크고, △t8은 △t1 내지 △t7 보다 크다.
특징 벡터 생성기(320)는, 각 스캔 순서(또는 각 스캔 구간) 에 대해, 해당 스캔 순서와 관련된 적어도 하나의 시간 변화값 및 적어도 하나의 시간 변화값에 대응되는 전압값을 포함하는 특징 벡터를 추정기(330)로 입력할 수 있고, 추정기(330)는 각 스캔 순서에서 입력된 특징 벡터의 변화 패턴을 인식할 수 있다. 추정기(330)는, 예를 들어, 입력의 변화 패턴을 인식할 수 있도록 학습된 상태 추정 모델을 포함할 수 있다. 학습에 대해선 도 14를 통해 후술한다. 상태 추정 모델은, 예를 들어, LSTM(Long Short Term Memory)을 포함하는 RNN(Recurrent Neural Network)에 해당할 수 있으나, 이에 제한되지 않는다.
일례로, 도 7에 도시된 예를 참조하면, 스캔 순서 1(710-1)에서, 특징 벡터 생성기(320)는 시간 변화값들 △t1 및 △t2에 대응되는 전압값들 v0, v1, v2를 추출할 수 있다. 특징 벡터 생성기(320)는 v0, v1, v2, △t1, 및 △t2를 포함하는 특징 벡터 1을 생성할 수 있고, 특징 벡터 1을 추정기(330)로 입력할 수 있다. 추정기(330)의 LSTM 레이어(720)는 특징 벡터 1의 변화 패턴을 인식할 수 있다. 달리 표현하면, 추정기(330)의 LSTM 레이어(720)는 △t1 및 △t2에 기반한 시간 구간(즉, △t1+△t2) 동안에 전압값들 v0, v1, v2이 어떠한 변화 패턴을 갖는지를 인식할 수 있다. 스캔 순서 1(710-1)에서의 LSTM 레이어(720)의 출력은 다음 스캔 순서에서 LSTM 레이어(720)로 입력될 수 있다. 여기서, 스캔 순서 1에서의 LSTM 레이어(720)의 출력은 특징 벡터 1의 변화 패턴에 대한 인식 결과를 포함할 수 있다.
스캔 순서 k(710-k)에서, 특징 벡터 생성기(320)는 전압값들 v3, v4, v5와 시간 변화값들 △t4 및 △t5를 포함하는 특징 벡터 k를 LSTM 레이어(720)로 입력할 수 있다. LSTM 레이어(720)는 △t4 및 △t5에 기반한 시간 구간 동안의 전압값들 v3, v4, v5의 변화 패턴을 인식할 수 있다. 해당 인식 결과를 포함하는 LSTM 레이어(720)의 출력은 다음 스캔 순서에서 LSTM 레이어(720)로 입력될 수 있다.
마지막 스캔 순서 n에서, 특징 벡터 생성기(320)는 v6, v7, v8, △t7, 및 △t8을 포함하는 특징 벡터 n을 LSTM 레이어(720)로 입력할 수 있다. LSTM 레이어(720)는 △t7 및 △t8에 기반한 시간 구간 동안의 전압값들 v6, v7, v8의 패턴 변화를 인식할 수 있다. 마지막 스캔 순서 n에서, LSTM 레이어(720)는 해당 인식 결과를 포함하는 최종 벡터 h를 출력할 수 있다.
추정기(330)는 최종 벡터 h에 회귀 분석(730)을 수행하여 배터리(120)의 상태 정보를 결정할 수 있다.
도 3 내지 도 7을 통해 기술된 사항들은 배터리 상태 추정 장치(110)가 충전되는 배터리(120)의 상태 정보를 결정하는 방법을 설명한 것이다. 이에 제한되지 않고, 배터리 상태 추정 장치(110)는 방전되는 배터리(120)의 상태 정보를 도 3 내지 도 7을 통해 기술된 사항들을 통해 결정할 수 있다.
도 8a는 배터리가 급속 충전 될 때 일 실시예에 따른 배터리 상태 추정 장치의 동작을 설명하기 위한 도면이다. 도 8b는 배터리가 완속 충전될 때 일 실시예에 따른 배터리 상태 추정 장치의 동작을 설명하기 위한 도면이다.
도 8a 내지 도 8b에 도시된 예에서, 배터리 상태 추정 장치(110)는 전류 적산 Q를 균등하게 분할한다. 이에 따라, 도 8a의 전류가 감소하는 구간들(810-6 내지 810-8) 각각의 길이는 도 8a의 다른 구간들(810-1 내지 810-5) 각각의 길이보다 길 수 있고, 도 8b의 전류가 감소하는 구간들(820-7 및 820-8) 각각의 길이는 도 8b의 다른 구간들(820-1 내지 820-6) 각각의 길이보다 길 수 있다.
배터리(120)가 급속 충전될 때와 완속 충전될 때 각각에서의 전류 적산량이 서로 동일하다면, 배터리(120)가 급속 충전될 때의 특징 벡터의 길이와 완속 충전될 때의 특징 벡터의 길이는 서로 동일할 수 있다. 이는, 전류 적산량이 동일하다면, 충전 길이와 관계없이 상태 정보가 계산되는 속도가 동일하게 유지되는 것을 의미할 수 있다.
또한, 배터리(120)가 급속 충전될 때의 상태 추정 정확도와 배터리(120)가 완속 충전 될 때의 상태 추정 정확도 사이에 큰 차이가 없을 수 있다. 달리 표현하면, 배터리(120)의 충전 속도와 관계없이 배터리 상태 추정 장치(110)는 상태 추정 성능 또는 상태 추정 정확도를 일정하게 유지할 수 있다. 도 8a 및 도 8b를 참조하면, 완속 충전되는 배터리(120)의 전압 정보는 급속 충전되는 배터리(120)의 전압 정보보다 넓은 간격으로 분할될 수 있다. 이에 따라, 도 8a에 도시된 분할 간격들(810-1 내지 810-8) 각각에서의 전압 변화만큼 도 8b에 도시된 분할 간격들(820-1 내지 820-8) 각각에서의 전압 변화가 클 수 있어, 배터리 상태 추정 장치(110)는 도 8b에 도시된 분할 간격들(820-1 내지 820-8) 각각의 전압 변화 패턴을 정확히 인식할 수 있다. 이로 인해, 배터리 상태 추정 장치(110)는 급속 충전에서의 상태 추정 성능을 완속 충전의 경우에서도 유지할 수 있다.
도 9는 일 실시예에 따른 배터리 시스템의 일례를 설명하기 위한 도면이다.
도 9를 참조하면, 배터리 시스템(100)은 배터리(120), 센서들(910 내지 930), 배터리 상태 추정 장치(110)를 포함한다.
센서들(910 내지 930) 및 배터리 상태 추정 장치(110)는 배터리 관리 시스템(BMS, battery management system)에 해당할 수 있다.
도 9에 도시된 예에서, 배터리 상태 추정 장치(110)는 클럭(clock)(950), 입력 버퍼(940), 적산기(310), 특징 벡터 생성기(320), 추정기(330), 메모리(960), 및 출력 버퍼(970)를 포함한다. 입력 버퍼(940) 및 출력 버퍼(970)는 서로 물리적으로 구분되거나 하나의 버퍼 내에서 논리적으로 구분될 수 있다.
전압 센서(910)는 배터리(120)의 전압을 센싱하여 전압 정보를 입력 버퍼(940)에 저장할 수 있고, 전류 센서(920)는 배터리(120)의 전류를 센싱하여 전류 정보를 입력 버퍼(940)에 저장할 수 있다. 온도 센서(930)는 배터리(120)의 온도를 센싱하여 온도 정보를 입력 버퍼(940)에 저장할 수 있다.
클럭(950)은 센서들(910 내지 930) 각각의 센싱 정보가 입력 버퍼(940)에 저장될 때의 시간을 기록할 수 있다.
적산기(310)는 입력 버퍼(940)로부터 전류 정보를 수신할 수 있고, 전류 정보를 기초로 시간 변화값들을 결정할 수 있다. 이에 대해선 상술하였으므로, 자세한 설명을 생략한다.
특징 벡터 생성기(320)는 입력 버퍼(940)로부터 전압 정보를 수신할 수 있고, 결정된 시간 변화값들을 기초로 전압 정보를 분할할 수 있다. 실시예에 있어서, 특징 벡터 생성기(320)는 입력 버퍼(940)로부터 온도 정보를 수신할 수 있고, 결정된 시간 변화값들을 기초로 온도 정보를 분할할 수 있다. 온도 정보 분할에 대해선 상술한 전압 정보 분할이 적용될 수 있으므로, 온도 정보 분할에 대한 상세한 설명을 생략한다.
특징 벡터 생성기(320)는 각 스캔 순서에서 특징 벡터를 추정기(330)로 입력할 수 있다. 위에서 설명한 것과 같이, 각 스캔 순서에서의 특징 벡터는 각 스캔 순서와 관련된 적어도 하나의 시간 변화값 및 이에 대응되는 전압값을 포함할 수 있다. 구현에 따라, 각 스캔 순서에서의 특징 벡터는 각 스캔 순서와 관련된 적어도 하나의 시간 변화값에 대응되는 온도값을 더 포함할 수 있다.
추정기(330)는 메모리(960)에 저장된 하나 이상의 파라미터를 상태 추정 모델에 적용할 수 있고, 해당 상태 추정 모델 및 각 스캔 순서에서의 특징 벡터를 기초로 배터리(120)의 상태 정보를 결정할 수 있다. 추정기(330)의 동작에 대해선 도 7을 통해 설명하였으므로, 이에 대한 자세한 설명을 생략한다.
도 1 내지 도 8을 통해 기술된 사항들은 도 9를 통해 기술된 사항들에 적용될 수 있으므로, 상세한 설명을 생략한다.
도 10은 일 실시예에 따른 배터리 상태 추정 장치를 설명하기 위한 블록도이다.
도 10을 참조하면, 배터리 상태 추정 장치(110)는 프로세서(1010) 및 메모리(1020)를 포함한다.
프로세서(1010)는 적산기(310), 특징 벡터 생성기(320), 및 추정기(330)를 구현한다. 보다 구체적으로, 프로세서(1010)는 배터리(120)의 전류 정보 및 전압 정보를 획득하고, 획득된 전류 정보를 기초로 시간 변화값들을 결정한다. 이 때, 프로세서(1010)는 시간 변화값들 각각에 대한 전류 적산값이 조건에 만족하도록 시간 변화값들을 결정한다. 프로세서(1010)는 획득된 전압 정보 중 결정된 시간 변화값들에 대응되는 전압값들 및 결정된 시간 변화값들을 기초로 배터리(120)의 상태 정보를 결정한다.
메모리(1020)는 프로세서(1010)에 의해 실행되는 인스트럭션들을 저장할 수 있다.
또한, 메모리(1020)는 컴퓨터 판독 가능한 저장 매체 또는 컴퓨터 판독 가능한 저장 장치를 포함할 수 있다. 일례로, 메모리(1020)는 RAM(random access memories), DRAM(dynamic random access memories), SRAM(static random access memories) 또는 이 기술 분야에서 알려진 다른 형태의 비휘발성 메모리를 포함할 수 있다.
또한, 메모리(1020)는 도 9를 통해 설명한 메모리(960)에 대응될 수 있다.
도 1 내지 도 9를 통해 기술된 사항들은 도 10을 통해 기술된 사항들에 적용될 수 있으므로, 상세한 설명을 생략한다.
도 11은 일 실시예에 따른 배터리 상태 추정 방법을 설명하기 위한 순서도이다.
도 11을 통해 설명할 배터리 상태 추정 방법은 배터리 상태 추정 장치(110)에 의해 수행될 수 있다.
도 11을 참조하면, 배터리 상태 추정 장치(110)는 배터리(120)의 전류 정보 및 전압 정보를 획득한다(1110).
배터리 상태 추정 장치(110)는 획득된 전류 정보를 기초로 시간 변화값들을 결정한다(1120). 이 때, 배터리 상태 추정 장치(110)는 시간 변화값들 각각에 대한 전류 적산값이 조건에 만족하도록 시간 변화값들을 결정한다.
배터리 상태 추정 장치(110)는 획득된 전압 정보 중 결정된 시간 변화값들에 대응되는 전압값들 및 결정된 시간 변화값들을 기초로 배터리(120)의 상태 정보를 결정한다(1130).
도 1 내지 도 10을 통해 기술된 사항들은 도 11을 통해 기술된 사항들에 적용될 수 있으므로, 상세한 설명을 생략한다.
실시예에 있어서, 배터리 상태 추정 장치(110)는 복수의 배터리들 각각의 상태 정보를 결정할 수 있다. 여기서, 배터리 상태 추정 장치(110)가 복수의 배터리들 각각의 상태 정보를 어떻게 결정하는지는 도 1 내지 도 11을 통해 설명한 배터리 상태 추정 장치(110)가 배터리(120)의 상태 정보를 결정하는 방법이 적용될 수 있으므로, 상세한 설명을 생략한다.
배터리 상태 추정 장치(110)는 배터리들을 전원(power source)으로 이용하는 다양한 전자 기기(일례로, 차량, 보행 보조 기기, 드론, 이동 단말)에 탑재되거나 에너지 저장 시스템(Energy Storage System, ESS)에 탑재될 수 있고, 도 1 내지 도 11을 통해 설명한 동작을 수행할 수 있다. 이하, 도 12 내지 도 13을 참조하여, 배터리 상태 추정 장치(110)가 차량에 탑재된 경우를 설명한다. 도 12 내지 도 13에 대한 설명은 다른 전자 기기에 대해서도 적용될 수 있다.
도 12 내지 도 13은 일 실시예에 따른 차량을 설명하기 위한 도면이다.
도 12를 참조하면, 차량(1200)은 배터리 팩(1210)을 포함한다. 차량(1200)은, 예를 들어, 전기 자동차 또는 하이브리드 자동차일 수 있다.
배터리 팩(120)은 BMS 및 배터리 셀들(또는 적어도 하나의 배터리 모듈)을 포함한다. 해당 BMS는 배터리 팩(1210)에 이상(abnormality)이 발생하였는지 모니터링할 수 있고, 배터리 팩(1210)이 과충전(over-charging) 또는 과방전(over-discharging)되지 않도록 할 수 있다. 또한, BMS는 배터리 팩(1210)의 온도가 제1 온도(일례로, 40℃)를 초과하거나 제2 온도(일례로, -10℃) 미만이면 배터리 팩(1210)에 대해 열 제어를 수행할 수 있다. 또한, BMS는 셀 밸런싱을 수행하여 배터리 팩(1210) 내의 배터리 셀들 간의 충전 상태가 균등해지도록 할 수 있다.
일 실시예에 있어서, BMS는 배터리 상태 추정 장치(110)를 포함한다. 배터리 상태 추정 장치(110)는 배터리 팩(1210) 내의 배터리 셀들 각각의 상태 정보를 결정할 수 있다. 배터리 상태 추정 장치(110)는 배터리 셀들 각각의 상태 정보의 최대값, 최소값, 또는 평균값을 배터리 팩(1210)의 상태 정보로 결정할 수 있다.
배터리 상태 추정 장치(110)는 배터리 팩(1210)이 부분 충전 또는 완전 충전 되었을 때, 배터리 팩(1210)에 포함된 배터리 셀들 각각의 상태 정보 또는 배터리 팩(1210)의 상태 정보를 결정할 수 있다. 또한, 배터리 상태 추정 장치(110)는 배터리 팩(1210)이 부분 방전 또는 완전 방전 되었을 때, 배터리 팩(1210)에 포함된 배터리 셀들 각각의 상태 정보 또는 배터리 팩(1210)의 상태 정보를 결정할 수 있다.
BMS는 배터리 팩(1210)의 상태 정보를 차량(1200)의 ECU(electronic control unit) 또는 VCU(vehicle control unit)로 전송할 수 있다. 차량(1200)의 ECU 또는 VCU는 배터리 팩(1210)의 상태 정보를 차량(1200)의 디스플레이에 출력할 수 있다. 도 13에 도시된 예와 같이, ECU 또는 VCU는 배터리 팩(1210)의 상태 정보(1330)를 차량(1200) 내의 계기판에 표시할 수 있다. 또한, 도 13에 도시되지 않았으나, ECU 또는 VCU는 배터리 팩(1210)의 상태 정보(1330)를 차량(1200)의 헤드업 디스플레이에 표시할 수 있다.
도 1 내지 도 11을 통해 기술된 사항들은 도 12 및 도 13을 통해 기술된 사항들에 적용될 수 있으므로, 상세한 설명을 생략한다.
도 14는 일 실시예에 따른 학습 장치를 설명하기 위한 블록도이다.
도 14를 참조하면, 학습 장치(1400)는 상태 추정 모델(1400)을 포함한다.
학습 장치(1400)는 배터리(120)와 동일 종류의 배터리의 전체 센싱 정보에서 충전 구간을 추출할 수 있다. 일례로, 학습 장치(1400)는 해당 배터리의 전체 전류 정보에서 충전 구간에 해당하는 전류 정보를 추출할 수 있고, 해당 배터리의 전체 전압 정보에서 충전 구간에 해당하는 전압 정보를 추출할 수 있다.
학습 장치(1400)는 상술한 적산기(310) 및 특징 벡터 생성기(320)와 유사하게 동작할 수 있다. 보다 구체적으로, 학습 장치(1400)는 추출된 전류 정보를 기초로 시간 변화값들을 결정할 수 있고, 추출된 전압 정보를 해당 시간 변화값들을 기초로 분할할 수 있으며, 해당 시간 변화값들 및 분할된 전압 정보를 기초로 특징 벡터들을 생성할 수 있다.
학습 장치(1400)는 특징 벡터들을 이용하여 상태 추정 모델(1410)을 학습시킬 수 있다. 위에서 설명한 것과 같이, 상태 추정 모델(1410)은, 예를 들어, LSTM을 포함하는 RNN에 해당할 수 있으나, 이에 제한되지 않는다. 이러한 학습에 의해 학습 장치(1400)는 상태 추정 모델(1410)의 하나 이상의 파라미터를 최적화할 수 있다. 최적화된 파라미터는 배터리 상태 추정 장치(110)의 메모리(960) 또는 메모리(1020)에 저장된다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 청구범위와 균등한 것들도 후술하는 청구범위의 범위에 속한다.

Claims (21)

  1. 배터리의 전류 정보 및 전압 정보를 획득하는 단계;
    상기 획득된 전류 정보를 기초로 시간 변화값들을 결정하되, 상기 시간 변화값들 각각에 대한 전류 적산값이 조건에 만족하도록 상기 시간 변화값들을 결정하는 단계; 및
    상기 획득된 전압 정보 중 상기 결정된 시간 변화값들에 대응되는 전압값들 및 상기 결정된 시간 변화값들을 기초로 상기 배터리의 상태 정보를 결정하는 단계
    를 포함하는,
    배터리 상태 추정 방법.
  2. 제1항에 있어서,
    상기 조건은 상기 시간 변화값들 각각에 대한 전류 적산값이 서로 동일한 조건을 포함하는,
    배터리 상태 추정 방법.
  3. 제1항에 있어서,
    상기 시간 변화값들을 결정하는 단계는,
    상기 획득된 전류 정보를 이용하여 전류 적산과 시간 변화 사이의 관계를 나타내는 적산 정보를 도출하는 단계;
    상기 전류 적산을 일정 간격으로 분할하는 단계; 및
    상기 도출된 적산 정보에서 상기 전류 적산의 분할 지점들 각각의 시간 변화값을 추출하는 단계
    를 포함하는,
    배터리 상태 추정 방법.
  4. 제1항에 있어서,
    상기 상태 정보를 결정하는 단계는,
    상기 결정된 시간 변화값들을 기초로 상기 획득된 전압 정보를 분할하는 단계
    를 포함하는,
    배터리 상태 추정 방법.
  5. 제4항에 있어서,
    상기 획득된 전압 정보의 분할 지점들 중 일부 분할 지점들 사이의 간격은 다른 분할 지점들 사이의 간격보다 넓은,
    배터리 상태 추정 방법.
  6. 제5항에 있어서,
    상기 일부 분할 지점들 사이에서 상기 배터리의 전류는 감소하는,
    배터리 상태 추정 방법.
  7. 제1항에 있어서,
    상기 상태 정보를 결정하는 단계는,
    제1 시간 변화값들에 기반한 시간 구간 동안의 전압 변화 패턴을 인식하는 단계 -상기 전압 변화 패턴은 상기 제1 시간 변화값들에 대응되는 전압값들의 변화 패턴을 나타냄-
    를 포함하는,
    배터리 상태 추정 방법.
  8. 제1항에 있어서,
    상기 상태 정보를 결정하는 단계는,
    상기 결정된 시간 변화값들 중 스캔 순서와 관련된 적어도 하나의 시간 변화값에 대응되는 전압값을 상기 획득된 전압 정보에서 추출하는 단계;
    상기 적어도 하나의 시간 변화값 및 상기 추출된 전압값을 기초로 특징 벡터를 생성하는 단계; 및
    상기 생성된 특징 벡터를 상태 추정 모델에 입력하는 단계
    를 포함하는,
    배터리 상태 추정 방법.
  9. 제8항에 있어서,
    상기 상태 추정 모델은 LSTM(long short-term memory)을 포함하는 RNN(recurrent neural network)에 기반하는,
    배터리 상태 추정 방법.
  10. 제8항에 있어서,
    상기 배터리가 급속 충전되는 경우와 완속 충전되는 경우에서 상기 특징 벡터의 길이는 동일한,
    배터리 상태 추정 방법.
  11. 제1항 내지 제10항 중 어느 하나의 방법을 실행시키기 위한 하나 이상의 명령어를 기록하는 컴퓨터 판독 가능한 기록 매체.
  12. 배터리의 전류 정보 및 전압 정보를 획득하고, 상기 획득된 전류 정보를 기초로 시간 변화값들을 결정하되, 상기 시간 변화값들 각각에 대한 전류 적산값이 조건에 만족하도록 상기 시간 변화값들을 결정하며, 상기 획득된 전압 정보 중 상기 결정된 시간 변화값들에 대응되는 전압값들 및 상기 결정된 시간 변화값들을 기초로 상기 배터리의 상태 정보를 결정하는 프로세서
    를 포함하는,
    배터리 상태 추정 장치.
  13. 제12항에 있어서,
    상기 조건은 상기 시간 변화값들 각각에 대한 전류 적산값이 서로 동일한 조건을 포함하는,
    배터리 상태 추정 장치.
  14. 제12항에 있어서,
    상기 프로세서는,
    상기 획득된 전류 정보를 이용하여 전류 적산과 시간 변화 사이의 관계를 나타내는 적산 정보를 도출하고, 상기 전류 적산을 일정 간격으로 분할하며, 상기 도출된 적산 정보에서 상기 전류 적산의 분할 지점들 각각의 시간 변화값을 추출하는,
    배터리 상태 추정 장치.
  15. 제12항에 있어서,
    상기 프로세서는 상기 결정된 시간 변화값들을 기초로 상기 획득된 전압 정보를 분할하는,
    배터리 상태 추정 장치.
  16. 제15항에 있어서,
    상기 획득된 전압 정보의 분할 지점들 중 일부 분할 지점들 사이의 간격은 다른 분할 지점들 사이의 간격보다 넓은,
    배터리 상태 추정 장치.
  17. 제16항에 있어서,
    상기 일부 분할 지점들 사이에서 상기 배터리의 전류는 감소하는,
    배터리 상태 추정 장치.
  18. 제12항에 있어서,
    상기 프로세서는,
    제1 시간 변화값들에 기반한 시간 구간 동안의 전압 변화 패턴 -상기 전압 변화 패턴은 상기 제1 시간 변화값들에 대응되는 전압값들의 변화 패턴을 나타냄-을 인식하는,
    배터리 상태 추정 장치.
  19. 제12항에 있어서,
    상기 프로세서는,
    상기 결정된 시간 변화값들 중 스캔 순서와 관련된 적어도 하나의 시간 변화값에 대응되는 전압값을 상기 획득된 전압 정보에서 추출하고, 상기 적어도 하나의 시간 변화값 및 상기 추출된 전압값을 기초로 특징 벡터를 생성하며, 상기 생성된 특징 벡터를 상태 추정 모델에 입력하는,
    배터리 상태 추정 장치.
  20. 제19항에 있어서,
    상기 상태 추정 모델은 LSTM(long short-term memory)을 포함하는 RNN(recurrent neural network)에 기반하는,
    배터리 상태 추정 장치.
  21. 제19항에 있어서,
    상기 배터리가 급속 충전되는 경우와 완속 충전되는 경우에서 상기 특징 벡터의 길이는 동일한,
    배터리 상태 추정 장치.
KR1020180112973A 2018-09-20 2018-09-20 배터리 상태 추정 장치 및 방법 KR20200033554A (ko)

Priority Applications (4)

Application Number Priority Date Filing Date Title
KR1020180112973A KR20200033554A (ko) 2018-09-20 2018-09-20 배터리 상태 추정 장치 및 방법
US16/281,438 US11630157B2 (en) 2018-09-20 2019-02-21 Apparatus and method with battery state estimation
EP19165428.4A EP3627169B1 (en) 2018-09-20 2019-03-27 Apparatus and method with battery state estimation
CN201910269901.3A CN110927588A (zh) 2018-09-20 2019-04-04 估计电池状态的装置和方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180112973A KR20200033554A (ko) 2018-09-20 2018-09-20 배터리 상태 추정 장치 및 방법

Publications (1)

Publication Number Publication Date
KR20200033554A true KR20200033554A (ko) 2020-03-30

Family

ID=66217676

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180112973A KR20200033554A (ko) 2018-09-20 2018-09-20 배터리 상태 추정 장치 및 방법

Country Status (4)

Country Link
US (1) US11630157B2 (ko)
EP (1) EP3627169B1 (ko)
KR (1) KR20200033554A (ko)
CN (1) CN110927588A (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111942207A (zh) * 2020-08-14 2020-11-17 高丰 一种基于大数据的电动汽车智能充电管理系统
WO2022030971A1 (ko) * 2020-08-03 2022-02-10 주식회사 엘지에너지솔루션 배터리 진단 디바이스, 배터리 팩, 배터리 시스템 및 배터리 진단 방법

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11065978B2 (en) * 2019-02-25 2021-07-20 Toyota Research Institute, Inc. Systems, methods, and storage media for adapting machine learning models for optimizing performance of a battery pack
CN114683959A (zh) * 2020-12-31 2022-07-01 宝能汽车集团有限公司 电动车辆中蓄电池智能补电方法和电动车辆中蓄电池智能补电系统
US20220396279A1 (en) * 2021-06-14 2022-12-15 Pony Ai Inc. Autonomous or semi-autonomous vehicle electronic architecture
CN114407728B (zh) * 2022-02-28 2023-05-02 重庆长安新能源汽车科技有限公司 一种车辆动力电池充电控制方法、系统、汽车及计算机可读存储介质
CN114810648B (zh) * 2022-04-26 2024-03-26 深圳市科陆电子科技股份有限公司 调速方法、散热装置、电子设备及存储介质

Family Cites Families (34)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10104324A (ja) 1996-09-27 1998-04-24 Mitsuoka Denki Seisakusho:Kk 電池残量推定装置
DE10153916A1 (de) 2001-11-02 2003-05-15 Nbt Gmbh Verfahren zur Bestimmung des Ladezustandes von Akkumulatoren durch Integration der bei Ladung und Entladung fließenden Strommengen
JP2007003230A (ja) * 2005-06-21 2007-01-11 Santoku Kagaku Kogyo Kk バッテリー測定装置
JP4984527B2 (ja) * 2005-12-27 2012-07-25 トヨタ自動車株式会社 二次電池の充電状態推定装置および充電状態推定方法
US8258751B2 (en) 2007-11-15 2012-09-04 Broadcom Corporation Method and system for tracking battery state-of-health based on charging information
KR101189150B1 (ko) 2008-01-11 2012-10-10 에스케이이노베이션 주식회사 배터리 관리 시스템에서 배터리의 ｓｏｃ 측정 방법 및 장치
US8624560B2 (en) 2008-04-11 2014-01-07 Apple Inc. Controlling battery charging based on current, voltage and temperature
US8972213B2 (en) 2008-06-27 2015-03-03 GM Global Technology Operations LLC Pattern recognition approach to battery diagnosis and prognosis
KR101187766B1 (ko) * 2008-08-08 2012-10-05 주식회사 엘지화학 배터리 셀의 전압 변화 거동을 이용한 셀 밸런싱 장치 및 방법
KR100970841B1 (ko) * 2008-08-08 2010-07-16 주식회사 엘지화학 배터리 전압 거동을 이용한 배터리 용량 퇴화 추정 장치 및방법
US8054038B2 (en) 2009-01-29 2011-11-08 Tesla Motors, Inc. System for optimizing battery pack cut-off voltage
US8117857B2 (en) 2009-02-20 2012-02-21 Tesla Motors, Inc. Intelligent temperature control system for extending battery pack life
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
US8965721B2 (en) 2009-09-30 2015-02-24 Tesla Motors, Inc. Determining battery DC impedance
US20130069660A1 (en) 2010-02-17 2013-03-21 Julien Bernard Method for in situ battery diagnostic by electrochemical impedance spectroscopy
KR101671998B1 (ko) 2010-04-02 2016-11-04 에스케이이노베이션 주식회사 배터리의 용량 열화 상태 측정 장치 및 방법
US20130169232A1 (en) * 2011-12-30 2013-07-04 Caterpillar Inc. Methods and systems for monitoring and using an electrical energy-storage device
US8618775B2 (en) 2012-01-05 2013-12-31 Tesla Motors, Inc. Detection of over-current shorts in a battery pack using pattern recognition
KR101394859B1 (ko) 2012-09-05 2014-05-13 현대자동차주식회사 자동차의 ｂｍｓ 커넥터
JP2015008614A (ja) 2013-06-26 2015-01-15 矢崎総業株式会社 電池状態検出装置
CN104300182B (zh) * 2013-07-16 2018-10-26 腾讯科技（深圳）有限公司 一种充电完成所需时长的确定方法和装置
FR3018608B1 (fr) 2014-03-17 2017-11-24 Commissariat Energie Atomique Procede d'estimation de l'etat de sante d'une cellule de batterie
KR102225667B1 (ko) * 2014-07-02 2021-03-12 삼성전자주식회사 배터리의 상태를 추정하는 방법 및 장치
KR102241683B1 (ko) 2014-07-30 2021-04-19 삼성전자주식회사 배터리의 상태를 추정하는 방법 및 장치
KR102574257B1 (ko) 2015-10-30 2023-09-01 삼성전자주식회사 Soh 추정 장치 및 방법과, soh 추정 모델 생성 장치 및 방법
KR102553029B1 (ko) 2015-12-24 2023-07-06 삼성전자주식회사 배터리의 휴지기를 고려한 배터리 관리 장치 및 방법
JP6631297B2 (ja) 2016-02-12 2020-01-15 スズキ株式会社 燃料電池と二次電池を併用するシステムにおける二次電池の健全度推定方法、および、燃料電池と二次電池を併用するシステム
JP6662172B2 (ja) 2016-04-20 2020-03-11 スズキ株式会社 電池管理装置および電池管理方法
KR101866073B1 (ko) 2016-10-19 2018-06-08 현대자동차주식회사 배터리 soh 추정 방법
KR102627793B1 (ko) 2016-10-21 2024-01-22 에스케이온 주식회사 배터리 용량열화 추정 장치 및 배터리 용량열화 추정 방법
CN106483470B (zh) * 2016-12-22 2018-12-11 清华大学 一种基于未来运行工况预测的电池剩余放电能量预测方法
KR20180084358A (ko) * 2017-01-17 2018-07-25 삼성전자주식회사 배터리 상태 추정 방법 및 장치
US11171498B2 (en) * 2017-11-20 2021-11-09 The Trustees Of Columbia University In The City Of New York Neural-network state-of-charge estimation
US11677102B2 (en) * 2017-12-07 2023-06-13 Yazami Ip Pte. Ltd. Adaptive charging protocol for fast charging of batteries and fast charging system implementing this protocol

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022030971A1 (ko) * 2020-08-03 2022-02-10 주식회사 엘지에너지솔루션 배터리 진단 디바이스, 배터리 팩, 배터리 시스템 및 배터리 진단 방법
CN111942207A (zh) * 2020-08-14 2020-11-17 高丰 一种基于大数据的电动汽车智能充电管理系统

Also Published As

Publication number Publication date
US11630157B2 (en) 2023-04-18
US20200096572A1 (en) 2020-03-26
CN110927588A (zh) 2020-03-27
EP3627169A1 (en) 2020-03-25
EP3627169B1 (en) 2023-06-07

Similar Documents

Publication Publication Date Title
KR20200033554A (ko) 배터리 상태 추정 장치 및 방법
Zheng et al. Differential voltage analysis based state of charge estimation methods for lithium-ion batteries using extended Kalman filter and particle filter
KR102241683B1 (ko) 배터리의 상태를 추정하는 방법 및 장치
Saji et al. SoC estimation of lithium ion battery using combined coulomb counting and fuzzy logic method
KR102399602B1 (ko) 배터리 상태 추정 방법 및 장치
KR102343967B1 (ko) 배터리의 상태를 추정하는 방법 및 장치
CN105277891B (zh) 用于估计电池的状态的方法和设备
KR102357351B1 (ko) 복수의 배터리 셀들을 포함하는 배터리 팩의 상태를 추정하는 장치 및 방법
Liu et al. A state of charge estimation method based on $ H_\infty $ observer for switched systems of lithium-ion nickel–manganese–cobalt batteries
CN111448467B (zh) 用于对电池容量进行建模和估计的方法及系统
KR101684092B1 (ko) 열화도 산출 장치 및 방법
JP7076193B2 (ja) 誤差補正に基づいたバッテリ状態推定方法及び装置
JP2017092028A (ja) バッテリ管理方法及びバッテリ管理装置
KR102636362B1 (ko) 배터리 상태 추정 방법 및 장치
JP2008232758A (ja) 二次電池の内部状態検出装置及びニューラルネット式状態量推定装置
Gadsden et al. Estimation strategies for the condition monitoring of a battery system in a hybrid electric vehicle
US11614490B2 (en) Method of estimating a charge state for a battery cell
KR20190032780A (ko) 배터리 상태 추정 장치 및 방법
Chaoui et al. Accurate state of charge (SOC) estimation for batteries using a reduced-order observer
CN115512777A (zh) 一种基于容量变化率的电化学模型参数辨识方法和系统
US11333710B2 (en) Method and device for estimating a voltage of a battery
CN112840220A (zh) 电池控制装置
Nissing et al. Thermal model parameter identification of a lithium battery
Li et al. On-line battery state of charge estimation using Gauss-Hermite quadrature filter
Wang et al. A novel weight coefficient calculation method for the real‐time state monitoring of the lithium‐ion battery packs under the complex current variation working conditions

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal