KR20220021247A - 배터리 수명 예측 장치 및 방법 - Google Patents
배터리 수명 예측 장치 및 방법 Download PDFInfo
- Publication number
- KR20220021247A KR20220021247A KR1020200101865A KR20200101865A KR20220021247A KR 20220021247 A KR20220021247 A KR 20220021247A KR 1020200101865 A KR1020200101865 A KR 1020200101865A KR 20200101865 A KR20200101865 A KR 20200101865A KR 20220021247 A KR20220021247 A KR 20220021247A
- Authority
- KR
- South Korea
- Prior art keywords
- pattern
- power
- test pattern
- battery
- test
- Prior art date
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]
- G01R31/392—Determining battery ageing or deterioration, e.g. state of health
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R21/00—Arrangements for measuring electric power or power factor
- G01R21/133—Arrangements for measuring electric power or power factor by using digital technique
-
- 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]
- G01R31/367—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
-
- 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
-
- 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
Abstract
본 발명의 일 실시 예에 따른 배터리 수명 예측 장치는 실제 현장에서 사용되는 복수의 전력 패턴 데이터를 저장하는 저장부, 상기 전력 패턴 데이터에 기초하여 배터리의 수명 예측을 위한 테스트 패턴을 생성하는 패턴 생성부 및 상기 테스트 패턴에 기초하여 상기 배터리의 잔존 수명을 예측하는 수명 예측부를 포함할 수 있다.
Description
본 발명은 배터리의 충방전 테스트용 패턴을 생성하여 배터리의 수명을 예측하기 위한 장치 및 방법에 관한 것이다.
최근 이차 전지에 대한 연구 개발이 활발히 이루어지고 있다. 여기서 이차 전지는 충방전이 가능한 전지로서, 종래의 Ni/Cd 전지, Ni/MH 전지 등과 최근의 리튬 이온 전지를 모두 포함하는 의미이다. 이차 전지 중 리튬 이온 전지는 종래의 Ni/Cd 전지, Ni/MH 전지 등에 비하여 에너지 밀도가 훨씬 높다는 장점이 있다, 또한, 리튬 이온 전지는 소형, 경량으로 제작할 수 있어서, 이동 기기의 전원으로 사용된다. 또한, 리튬 이온 전지는 전기 자동차의 전원으로 사용 범위가 확장되어 차세대 에너지 저장 매체로 주목을 받고 있다.
또한, 이차 전지는 일반적으로 복수 개의 배터리 셀들이 직렬 및/또는 병렬로 연결된 배터리 모듈을 포함하는 배터리 팩으로 이용된다. 그리고 배터리 팩은 배터리 관리 시스템에 의하여 상태 및 동작이 관리 및 제어된다.
한편, 에너지 저장 시스템(Energy Storage System, ESS)의 경우 충방전 사이클을 통한 배터리의 잔존율 예측시 동일한 사이클을 반복하는 형태로 테스트를 진행하기 때문에 동일하지 않은 사이클을 혼용하여 사용하는 실제 현장에 대해 적용하기에는 정확도가 떨어지는 문제점이 있었다. 예를 들어, 이러한 종래의 방식에서는 배터리 전압이 3V 내지 4.2V인 범위에서 각각 CP-rate를 변경하면서 잔존율 테스트를 진행하고, 이로부터 도출된 데이터들을 이용하여 실제 사이트의 잔존율(수명)을 예측하는 방식을 사용하였다.
그러나, 실제 현장에서는 CP-rate가 실시간으로 변경되면서 충방전을 수행하므로, 동일한 사이클을 반복하는 종래와 같은 테스트에 기반한 잔존율 데이터들을 혼용하여 산출된 예상 잔존율은 실제 현장에서 사용되는 패턴에 기반한 실제 잔존율과는 그 차이가 클 수 밖에 없었다.
본 발명은 상기와 같은 과제를 해결하기 위해 고안된 것으로서, 실제 현장에서 사용하는 전력 패턴 데이터에 기초하여 사용자가 원하는 파라미터 값을 갖도록 하는 테스트용 패턴을 생성함으로써, 실제 현장과 유사한 전력 패턴을 통해 충방전 테스트를 수행할 수 있어 실제 현장의 배터리 잔존율 예측 정확도를 향상시킬 수 있는 배터리 수명 예측 장치 및 방법을 제공하는 것을 목적으로 한다.
본 발명의 일 실시 예에 따른 배터리 수명 예측 장치는 실제 현장에서 사용되는 복수의 전력 패턴 데이터를 저장하는 저장부, 상기 전력 패턴 데이터에 기초하여 배터리의 수명 예측을 위한 테스트 패턴을 생성하는 패턴 생성부 및 상기 테스트 패턴에 기초하여 상기 배터리의 잔존 수명을 예측하는 수명 예측부를 포함할 수 있다.
본 발명의 일 실시 예에 따른 배터리 수명 예측 방법은 실제 현장에서 사용되는 복수의 전력 패턴 데이터 중 적어도 하나의 전력 패턴 데이터를 추출하는 단계, 추출된 상기 전력 패턴 데이터에 기초하여 배터리의 수명 예측을 위한 테스트 패턴을 생성하는 단계 및 상기 테스트 패턴에 기초하여 상기 배터리의 잔존 수명을 예측하는 단계를 포함할 수 있다.
본 발명의 배터리 수명 예측 장치 및 방법에 따르면, 실제 현장에서 사용하는 전력 패턴 데이터에 기초하여 사용자가 원하는 파라미터 값을 갖도록 하는 테스트용 패턴을 생성함으로써, 실제 현장과 유사한 전력 패턴을 통해 충방전 테스트를 수행할 수 있어 실제 현장의 배터리 잔존율 예측 정확도를 향상시킬 수 있다.
도 1은 일반적인 배터리 팩의 구성을 나타내는 블록도이다.
도 2는 본 발명의 일 실시 예에 따른 배터리 수명 예측 장치의 구성을 나타내는 블록도이다.
도 3은 본 발명의 일 실시 예에 따른 배터리 수명 예측 장치에서 사용되는 실제 PNNL 패턴 데이터를 나타내는 도면이다.
도 4는 본 발명의 일 실시 예에 따른 배터리 수명 예측 장치에서 실제 생성된 테스트 패턴의 파라미터 값과 타겟 파라미터 값을 예시적으로 나타내는 도면이다.
도 5는 본 발명의 일 실시 예에 따른 배터리 수명 예측 장치에 의해 생성된 테스트 패턴과 파워 히스토그램을 예시적으로 나타내는 도면이다.
도 6은 본 발명의 일 실시 예에 따른 배터리 수명 예측 방법을 나타내는 흐름도이다.
도 7은 본 발명의 일 실시 예에 따른 배터리 배터리 수명 예측 장치의 하드웨어 구성을 나타내는 블록도이다.
도 2는 본 발명의 일 실시 예에 따른 배터리 수명 예측 장치의 구성을 나타내는 블록도이다.
도 3은 본 발명의 일 실시 예에 따른 배터리 수명 예측 장치에서 사용되는 실제 PNNL 패턴 데이터를 나타내는 도면이다.
도 4는 본 발명의 일 실시 예에 따른 배터리 수명 예측 장치에서 실제 생성된 테스트 패턴의 파라미터 값과 타겟 파라미터 값을 예시적으로 나타내는 도면이다.
도 5는 본 발명의 일 실시 예에 따른 배터리 수명 예측 장치에 의해 생성된 테스트 패턴과 파워 히스토그램을 예시적으로 나타내는 도면이다.
도 6은 본 발명의 일 실시 예에 따른 배터리 수명 예측 방법을 나타내는 흐름도이다.
도 7은 본 발명의 일 실시 예에 따른 배터리 배터리 수명 예측 장치의 하드웨어 구성을 나타내는 블록도이다.
이하, 첨부한 도면을 참조하여 본 발명의 다양한 실시 예들에 대해 상세히 설명하고자 한다. 본 문서에서 도면상의 동일한 구성 요소에 대해서는 동일한 참조 부호를 사용하고 동일한 구성요소에 대해서 중복된 설명은 생략한다.
본 문서에 개시되어 있는 본 발명의 다양한 실시 예들에 대해서, 특정한 구조적 내지 기능적 설명들은 단지 본 발명의 실시 예를 설명하기 위한 목적으로 예시된 것으로, 본 발명의 다양한 실시 예들은 여러 가지 형태로 실시될 수 있으며 본 문서에 설명된 실시 예들에 한정되는 것으로 해석되어서는 아니 된다.
다양한 실시 예에서 사용된 "제1", "제2", "첫째", 또는 "둘째" 등의 표현들은 다양한 구성요소들을, 순서 및/또는 중요도에 상관없이 수식할 수 있고, 해당 구성 요소들을 한정하지 않는다. 예를 들면, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성 요소는 제2 구성 요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성 요소로 바꾸어 명명될 수 있다.
본 문서에서 사용된 용어들은 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 다른 실시 예의 범위를 한정하려는 의도가 아닐 수 있다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함할 수 있다.
기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명의 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가질 수 있다. 일반적으로 사용되는 사전에 정의된 용어들은 관련 기술의 문맥 상 가지는 의미와 동일 또는 유사한 의미를 가지는 것으로 해석될 수 있으며, 본 문서에서 명백하게 정의되지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다. 경우에 따라서, 본 문서에서 정의된 용어일지라도 본 발명의 실시 예들을 배제하도록 해석될 수 없다.
도 1은 일반적인 배터리 팩의 구성을 나타내는 블록도이다.
도 1을 참조하면, 본 발명의 일 실시 예에 따른 배터리 랙(1)과 상위 시스템에 포함되어 있는 상위 제어기(2)를 포함하는 배터리 제어 시스템을 개략적으로 나타낸다.
도 1에 도시된 바와 같이, 배터리 랙(1)은 하나의 이상의 배터리 셀로 이루어지고 충방전 가능한 배터리 모듈(10)과, 배터리 모듈(10)의 (+) 단자 측 또는 (-) 단자 측에 직렬로 연결되어 배터리 모듈(10)의 충방전 전류 흐름을 제어하기 위한 스위칭부(14)와, 배터리 랙(1)의 전압, 전류, 온도 등을 모니터링하여, 과충전 및 과방전 등을 방지하도록 제어 관리하는 배터리 관리 시스템(20)(예를 들면, MBMS)을 포함한다. 이 때, 배터리 랙(1)에는 배터리 모듈(10), 센서(12), 스위칭부(14) 및 배터리 관리 시스템(20)이 복수 개 구비될 수 있다.
여기서, 스위칭부(14)는 복수의 배터리 모듈(10)의 충전 또는 방전에 대한 전류 흐름을 제어하기 위한 반도체 스위칭 소자로서, 예를 들면, 배터리 랙(1)의 사양에 따라서 적어도 하나의 MOSFET이나 릴레이, 마그네틱 접촉기 등이 이용될 수 있다.
또한, 배터리 관리 시스템(20)은, 배터리 랙(1)의 전압, 전류, 온도 등을 모니터링하기 위해서, 반도체 스위칭 소자의 게이트, 소스 및 드레인 등의 전압 및 전류를 측정하거나 계산할 수 있다. 또한, 배터리 관리 시스템(20)은 반도체 스위칭 소자에 인접해서 마련된 센서(12)를 이용하여 배터리 랙(1)의 전류, 전압, 온도 등을 측정할 수 있다.
배터리 관리 시스템(20)은 상술한 각종 파라미터를 측정한 값을 입력받는 인터페이스로서, 복수의 단자와, 이들 단자와 연결되어 입력받은 값들의 처리를 수행하는 회로 등을 포함할 수 있다. 또한, 배터리 관리 시스템(20)은, 스위칭부(14) 예를 들어 MOSFET의 ON/OFF를 제어할 수도 있으며, 배터리 모듈(10)에 연결되어 배터리 모듈(10) 각각의 상태를 감시할 수 있다.
한편, 본 발명의 배터리 관리 시스템(20)에서는 이하에서 후술하는 바와 같이 실제 현장에서의 전력 패턴 데이터에 기초하여 배터리의 잔존율(수명) 예측을 위한 테스트 패턴을 생성할 수 있다. 또한, 이러한 테스트 패턴에 기초하여 배터리의 잔존 수명을 예측할 수 있다.
상위 제어기(2)는 배터리 관리 시스템(20)으로 배터리 모듈(10)에 대한 제어 신호를 전송할 수 있다. 이에 따라, 배터리 관리 시스템(20)은 상위 제어기로부터 인가되는 신호에 기초하여 동작이 제어될 수 있을 것이다. 한편, 본 발명의 배터리 셀은 ESS(Energy Storage System)에 이용되는 배터리 모듈(10)에 포함된 구성일 수 있다. 그리고 이러한 경우, 상위 제어기(2)는 ESS 제어기일 수 있을 것이다. 다만, 배터리 랙(1)은 이러한 용도에 한정되는 것은 아니다.
이와 같은 배터리 랙(1)의 구성 및 배터리 관리 시스템(20)의 구성은 공지된 구성이므로, 보다 구체적인 설명은 생략하기로 한다.
도 2는 본 발명의 일 실시 예에 따른 배터리 수명 예측 장치의 구성을 나타내는 블록도이다.
도 2를 참조하면, 본 발명의 일 실시 예에 따른 배터리 수명 예측 장치(200)는 저장부(210), 패턴 생성부(220) 및 수명 예측부(230)를 포함할 수 있다.
저장부(210)는 실제 현장에서 사용되는 복수의 전력 패턴 데이터를 저장할 수 있다. 이 때, 저장부(210)에 저장된 전력 패턴 데이터는 전력 계통에서 실제로 사용되는 전력 패턴을 포함할 수 있다. 예를 들면, 전력 계통에서 실제 사용되는 전력 패턴은 주파수 조정(Frequency Regulation, FR) 전력 패턴으로서, PNNL(Pacific Northwest National Laboratory) 패턴을 포함할 수 있다.
패턴 생성부(220)는 저장부(210)에 저장된 전력 패턴 데이터에 기초하여 배터리의 수명 예측을 위한 테스트 패턴을 생성할 수 있다. 이 경우, 패턴 생성부(220)는 배터리의 충방전에 관한 목표 파라미터 값을 갖도록 하는 테스트 패턴을 생성할 수 있다. 이 때, 목표 파라미터 값은 사용자에 의해 입력된 값일 수 있으며, 예를 들면, 목표 파라미터 값은 전력 패턴 데이터의 전체 구간(예를 들면, 24시간)에서의 최대/최소 SOE(state of energy), 최초/최종 SOE 및 평균 CP(충방전 세기)를 포함할 수 있다. 그러나, 목표 파라미터 값이 이에 제한되는 것은 아니며, 그 외에도 배터리의 충방전 패턴을 정의하기 위한 여러 파라미터 값이 사용될 수 있다.
또한, 패턴 생성부(220)는 생성된 테스트 패턴의 파라미터 값과 목표 파라미터 값의 차이가 미리 설정된 기준치 미만이 될 때까지 테스트 패턴을 반복하여 생성할 수 있다. 이 때, 기준치는 사용자에 의해 임의로 설정될 수 있다.
패턴 생성부(220)는 전력 패턴 데이터의 스케일을 변경하여 테스트 패턴을 생성할 수 있다. 구체적으로, 패턴 생성부(220)는 전력 패턴 데이터를 구간 별로 분할하고, 각 구간별로 전력값을 조정함으로써 테스트 패턴을 생성할 수 있다. 예를 들면, 패턴 생성부(220)는 전력 패턴 데이터에서 유사한 패턴이 나타나는 구간 별로 분할할 수 잇다. 또한, 분할된 구간 각각에 대해 테스트 패턴이 목표 파라미터 값을 갖도록 하는 스케일링 값을 곱함으로써 테스트 패턴을 생성할 수 있다.
수명 예측부(230)는 테스트 패턴에 기초하여 배터리의 잔존 수명을 예측할 수 있다. 예를 들어, 패턴 생성부(220)에서 생성된 테스트 패턴과 해당 패턴에 관한 수치값들이 수명 예측부(230)로 입력되면, 수명 예측부(230)에서는 기설정된 알고리즘에 의해 배터리의 충방전 테스트를 진행하고 배터리의 잔존 수명을 예측할 수 있다.
한편, 도 2에서는 나타내지 않았으나, 본 발명의 일 실시 예에 따른 배터리 수명 예측 장치(200)는 입력부를 포함할 수 있다. 따라서, 사용자는 입력부를 통해 원하는 목표 파라미터 값 등을 직접 설정할 수 있다. 예를 들면, 입력부는 키보드, 터치패드, 마우스 등을 포함할 수 있다.
또한, 도 2에서는 실제 현장에서 사용되는 복수의 전력 패턴 데이터를 저장부(210)에 저장하는 것으로 설명하였으나, 본 발명이 이에 제한되는 것은 아니며 이러한 전력 패턴 데이터는 외부 서버의 데이터베이스에 저장되어 있을 수 있다. 이러한 경우, 본 발명의 일 실시 예에 따른 배터리 수명 예측 장치(200)는 통신부(미도시)를 구비하여, 통신부를 통해 전력 패턴 데이터를 외부 서버로부터 수신하고 이에 기초하여 테스트 패턴을 생성할 수 있다.
이와 같이, 본 발명의 일 실시 예에 따른 배터리 수명 예측 장치에 따르면, 실제 현장에서 사용하는 전력 패턴 데이터에 기초하여 사용자가 원하는 파라미터 값을 갖도록 하는 테스트용 패턴을 생성함으로써, 실제 현장과 유사한 전력 패턴을 통해 충방전 테스트를 수행할 수 있어 실제 현장의 잔존율 예측 정확도를 향상시킬 수 있다.
도 3은 본 발명의 일 실시 예에 따른 배터리 수명 예측 장치에서 사용되는 실제 PNNL 패턴 데이터를 나타내는 도면이다. 도 3을 참조하면, x축은 시간(시/분/ 초)이고, y축은 SOE(%)를 나타낼 수 있다.
도 3의 PNNL 패턴은 실제로 유럽의 전력 시장에서 사용되는 전력 패턴이다. 여기서, PNNL 패턴은 24시간 동안 배터리 등의 전원 장치에서 충방전이 이루어지는 것을 나타내는 전력 패턴일 수 있다. 도 3에 나타낸 것과 같이, 실제로 현장에서 사용되는 PNNL 패턴은 일정 시간 단위로 반복되는 형태로 나타날 수 있다.
한편, 도 3의 PNNL 패턴은 예시적인 것이며, 본 발명의 일 실시 예에 따른 배터리 수명 예측 장치에서 사용되는 PNNL 패턴이 도 3에 나타낸 것으로 제한되는 것은 아니다. 또한, PNNL 패턴 외에도 실제 전력 시장에서 사용되는 다양한 전력 패턴 데이터들이 사용될 수 있다.
도 4는 본 발명의 일 실시 예에 따른 배터리 수명 예측 장치에서 실제 생성된 테스트 패턴의 파라미터 값과 타겟 파라미터 값을 예시적으로 나타내는 도면이다.
도 4를 참조하면, 본 발명의 일 실시 예에 따른 배터리 수명 예측 장치에서 샘플링 시간을 4초로 하여 테스트 패턴을 생성한 것을 나타내고 있다. 또한, 도 4에 나타낸 것과 같이 목표 파라미터는 최대/최소 SOE, 최초/최종 SOE 및 평균 CP에 대해 산출될 수 있다.
도 4에서 정규화(Normalized) 값과 스케일 변경(Scale-changed) 값은 본 발명의 일 실시 예에 따른 배터리 수명 예측 장치에서 테스트 패턴을 생성하기 위해 사용되는 계산용 수치이다. 또한, 도 4를 참조하면, 목표 파라미터 값은 최대/최소 SOE가 각각 80%, 20%이고, 최초/최종 SOE는 각각 50%이며, 평균 CP의 경우 0.5000(1/hr)임을 알 수 있다. 이러한 목표 파라미터 값은 사용자에 의해 직접 입력될 수 있다.
한편, 본 발명의 일 실시 예에 따른 배터리 수명 예측 장치에 의해 이러한 목표 파라미터 값이 되도록 생성된 테스트 패턴의 파라미터 값은 도 4에 나타낸 것과 같이 최대/최소 SOE가 각각 82.08%, 20.44%이고, 최초/최종 SOE가 각각 50, 05.05%이며, 평균 CP가 0.5091(1/hr)임을 알 수 있다.
이 때, 생성된 테스트 패턴의 파라미터 값 각각이 목표 파라미터 값에 대해 사전에 설정된 기준 범위에 포함되는 경우에는 해당 테스트 패턴을 배터리의 잔존 수명 산출에 사용할 수 있다. 그러나, 생성된 테스트 패턴의 파라미터 값 중 하나 이상이 목표 파라미터 값에 대해 사전에 설정된 기준 범위를 벗어나는 경우에는 해당 기준 범위에 포함될 때까지 반복하여 테스트 패턴을 생성할 수 있다.
도 5는 본 발명의 일 실시 예에 따른 배터리 수명 예측 장치에 의해 생성된 테스트 패턴과 파워 히스토그램을 예시적으로 나타내는 도면이다.
도 5에서 상단 그래프는 생성된 테스트 패턴을 나타내는 그래프로서 x축은 시간(시/분/초)을 나타내고, y축은 SOE(%)를 나타낸다. 또한, 도 5의 하단 그래프는 생성된 테스트 패턴에 대한 파워 히스토그램으로서, x축은 SOE의 범위를 나타내고, y축은 SOE 크기 각각에 대한 데이터의 수를 나타낸다. 이 때, 도 5의 각 테스트 패턴은 도 3의 PNNL 패턴 데이터를 사용하여 생성된 것이다.
도 5에 나타낸 것과 같이, 도 3의 동일한 PNNL 패턴 데이터를 사용하더라도 다양한 테스트 패턴이 생성할 수 있음을 알 수 있다. 즉, 도 3의 PNNL 패턴 데이터를 유사한 패턴에 따라 여러 구간으로 분할한 후, 각각의 구간에 대하여 목표 파라미터 값을 갖도록 스케일링(예를 들면, 각 구간의 전력값에 특정 수치를 반복적으로 곱함)을 수행함으로써 테스트 패턴의 형태를 다양하게 나타낼 수 있다.
도 6은 본 발명의 일 실시 예에 따른 배터리 수명 예측 방법을 나타내는 흐름도이다.
도 6을 참조하면, 본 발명의 일 실시 예에 따른 배터리 수명 예측 방법에서는 먼저 미리 저장된 복수의 전력 패턴 데이터 중 적어도 하나의 전력 패턴 데이터를 추출한다(S610). 이 때, 복수의 전력 패턴 데이터는 전술한 저장부 또는 외부 서버에 저장되어 있을 수 있다. 또한, 전력 패턴 데이터는 전력 계통에서 실제로 사용되는 전력 패턴을 포함할 수 있다. 예를 들면, 전력 계통에서 실제 사용되는 전력 패턴은 주파수 조정(FR) 전력 패턴으로서, PNNL 패턴을 포함할 수 있다.
그리고, 추출된 상기 전력 패턴 데이터에 기초하여 배터리의 수명 예측을 위한 테스트 패턴을 생성한다(S620). 이 경우, 단계 S620에서는 배터리의 충방전에 관한 목표 파라미터 값을 갖도록 하는 테스트 패턴을 생성할 수 있다. 이 때, 목표 파라미터 값은 사용자에 의해 입력된 값일 수 있고, 예를 들면, 목표 파라미터 값은 최대/최소 SOE, 최초/최종 SOE 및 평균 CP를 포함할 수 있다.
또한, 단계 S620에서는 전력 패턴 데이터의 스케일을 변경하여 테스트 패턴을 생성할 수 있다. 구체적으로, 전력 패턴 데이터를 구간 별로 분할하고, 각 구간별로 전력값을 조정함으로써 테스트 패턴을 생성할 수 있다. 예를 들면, 분할된 구간 각각에 대해 테스트 패턴이 목표 파라미터 값을 갖도록 하는 스케일링 값을 곱함으로써 테스트 패턴을 생성할 수 있다.
다음으로, 단계 S630에서는 생성된 테스트 패턴의 파라미터와 목표 파라미터의 차이가 기준치 미만인지 여부를 판단한다(S630). 만약, 생성된 테스트 패턴의 파라미터와 목표 파라미터의 차이가 기준치 이상(NO)인 경우 단계 S620으로 돌아간다. 즉, 생성된 테스트 패턴의 파라미터 값과 목표 파라미터 값의 차이가 미리 설정된 기준치 미만이 될 때까지 테스트 패턴을 반복하여 생성할 수 있다
반면, 생성된 테스트 패턴의 파라미터와 목표 파라미터의 차이가 기준치 미만인 경우(YES)에는 생성된 테스트 패턴에 기초하여 배터리의 잔존 수명을 예측한다(S640). 예를 들어, 단계 S620에서 생성된 테스트 패턴과 해당 패턴에 관한 수치값들이 입력되면, 기설정된 알고리즘에 의해 배터리의 충방전 테스트를 진행하고 배터리의 잔존 수명을 예측할 수 있다.
이와 같이, 본 발명의 배터리 수명 예측 방법에 따르면, 실제 현장에서 사용하는 전력 패턴 데이터에 기초하여 사용자가 원하는 파라미터 값을 갖도록 하는 테스트용 패턴을 생성함으로써, 실제 현장과 유사한 전력 패턴을 통해 충방전 테스트를 수행할 수 있어 실제 현장의 배터리 잔존율 예측 정확도를 향상시킬 수 있다.
도 7은 본 발명의 일 실시 예에 따른 배터리 배터리 수명 예측 장치의 하드웨어 구성을 나타내는 블록도이다.
도 7을 참조하면, 본 발명의 일 실시 예에 따른 배터리 수명 예측 장치(700)는 MCU(710), 메모리(720), 입출력 I/F(730) 및 통신 I/F(740)를 포함할 수 있다.
MCU(710)는 메모리(720)에 저장되어 있는 각종 프로그램(예를 들면, 테스트 패턴 생성 프로그램, 배터리 수명 예측 프로그램 등)을 실행시키고, 이러한 프로그램들을 통해 배터리의 테스트 패턴을 생성하고 수명을 예측하기 위한 각종 데이터를 처리하며, 전술한 도 2의 기능들을 수행하도록 하는 프로세서일 수 있다.
메모리(720)는 배터리의 테스트 패턴 생성, 수명 예측 등에 관한 각종 프로그램을 저장할 수 있다. 또한, 메모리(720)는 실제 현장에서 사용되는 전력 패턴 데이터(예를 들면, PNNL 데이터), 테스트 패턴 데이터 등 각종 데이터를 저장할 수 있다.
이러한 메모리(720)는 필요에 따라서 복수 개 마련될 수도 있을 것이다. 메모리(720)는 휘발성 메모리일 수도 있으며 비휘발성 메모리일 수 있다. 휘발성 메모리로서의 메모리(720)는 RAM, DRAM, SRAM 등이 사용될 수 있다. 비휘발성 메모리로서의 메모리(720)는 ROM, PROM, EAROM, EPROM, EEPROM, 플래시 메모리 등이 사용될 수 있다. 상기 열거한 메모리(720)들의 예를 단지 예시일 뿐이며 이들 예로 한정되는 것은 아니다.
입출력 I/F(730)는, 키보드, 마우스, 터치 패널 등의 입력 장치(미도시)와 디스플레이(미도시) 등의 출력 장치와 MCU(710) 사이를 연결하여 데이터를 송수신할 수 있도록 하는 인터페이스를 제공할 수 있다.
통신 I/F(740)는 서버와 각종 데이터를 송수신할 수 있는 구성으로서, 유선 또는 무선 통신을 지원할 수 있는 각종 장치일 수 있다. 예를 들면, 통신 I/F(740)를 통해 별도로 마련된 외부 서버로부터 전력 패턴 데이터나 테스트 패턴 생성과 배터리 수명 예측을 위한 프로그램이나 각종 데이터 등을 송수신할 수 있다.
이와 같이, 본 발명의 일 실시 예에 따른 컴퓨터 프로그램은 메모리(720)에 기록되고, MCU(710)에 의해 처리됨으로써, 예를 들면 도 2에서 도시한 각 기능 블록들을 수행하는 모듈로서 구현될 수도 있다.
이상에서, 본 발명의 실시예를 구성하는 모든 구성 요소들이 하나로 결합하거나 결합하여 동작하는 것으로 설명되었다고 해서, 본 발명이 반드시 이러한 실시예에 한정되는 것은 아니다. 즉, 본 발명의 목적 범위 안에서라면, 그 모든 구성 요소들이 하나 이상으로 선택적으로 결합하여 동작할 수도 있다.
또한, 이상에서 기재된 "포함하다", "구성하다" 또는 "가지다" 등의 용어는, 특별히 반대되는 기재가 없는 한, 해당 구성 요소가 내재할 수 있음을 의미하는 것이므로, 다른 구성 요소를 제외하는 것이 아니라 다른 구성 요소를 더 포함할 수 있는 것으로 해석되어야 한다. 기술적이거나 과학적인 용어를 포함한 모든 용어들은, 다르게 정의되지 않는 한, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미가 있다. 사전에 정의된 용어와 같이 일반적으로 사용되는 용어들은 관련 기술의 문맥상의 의미와 일치하는 것으로 해석되어야 하며, 본 발명에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 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 청구 범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리 범위에 포함되는 것으로 해석되어야 할 것이다.
1: 배터리 랙
2: 상위 제어기
10: 복수의 배터리 모듈 12: 센서
14: 스위칭부 20: BMS
200: 배터리 수명 예측 장치 210: 저장부
220: 패턴 생성부 230: 수명 예측부
700: 배터리 수명 예측 장치 710: MCU
720: 메모리 730: 입출력 I/F
740: 통신 I/F
10: 복수의 배터리 모듈 12: 센서
14: 스위칭부 20: BMS
200: 배터리 수명 예측 장치 210: 저장부
220: 패턴 생성부 230: 수명 예측부
700: 배터리 수명 예측 장치 710: MCU
720: 메모리 730: 입출력 I/F
740: 통신 I/F
Claims (14)
- 실제 현장에서 사용되는 복수의 전력 패턴 데이터를 저장하는 저장부;
상기 전력 패턴 데이터에 기초하여 배터리의 수명 예측을 위한 테스트 패턴을 생성하는 패턴 생성부; 및
상기 테스트 패턴에 기초하여 상기 배터리의 잔존 수명을 예측하는 수명 예측부를 포함하는 배터리 수명 예측 장치. - 청구항 1에 있어서,
상기 패턴 생성부는 상기 배터리의 충방전에 관한 목표 파라미터 값을 갖도록 하는 테스트 패턴을 생성하는 배터리 수명 예측 장치. - 청구항 2에 있어서,
상기 목표 파라미터 값은 사용자에 의해 입력된 값인 배터리 수명 예측 장치. - 청구항 2에 있어서,
상기 목표 파라미터 값은 최대 및 최소 SOE(state of energy), 최초 및 최종 SOE, 및 평균 CP 중 적어도 하나를 포함하는 배터리 수명 예측 장치. - 청구항 2에 있어서,
상기 패턴 생성부는 생성된 테스트 패턴의 파라미터 값과 상기 목표 파라미터 값의 차이가 미리 설정된 기준치 미만이 될 때까지 상기 테스트 패턴을 반복하여 생성하는 배터리 수명 예측 장치. - 청구항 1에 있어서,
상기 패턴 생성부는 상기 전력 패턴 데이터의 스케일을 변경하여 상기 테스트 패턴을 생성하는 배터리 수명 예측 장치. - 청구항 6에 있어서,
상기 패턴 생성부는 상기 전력 패턴 데이터를 적어도 하나의 구간으로 분할하고, 상기 구간 별로 전력값을 조정함으로써 상기 테스트 패턴을 생성하는 배터리 수명 예측 장치. - 청구항 7에 있어서,
상기 패턴 생성부는 분할된 상기 구간 각각에 대해 상기 테스트 패턴이 목표 파라미터 값을 갖도록 하는 스케일링 값을 곱함으로써 상기 테스트 패턴을 생성하는 배터리 수명 예측 장치. - 청구항 1에 있어서,
상기 전력 패턴 데이터는 전력 계통에서 실제로 사용되는 전력 패턴을 포함하는 배터리 수명 예측 장치. - 청구항 9에 있어서,
상기 전력 계통에서 실제 사용되는 전력 패턴은 PNNL(Pacific Northwest National Laboratory) 패턴을 포함하는 배터리 수명 예측 장치. - 실제 현장에서 사용되는 복수의 전력 패턴 데이터 중 적어도 하나의 전력 패턴 데이터를 추출하는 단계;
추출된 상기 전력 패턴 데이터에 기초하여 배터리의 수명 예측을 위한 테스트 패턴을 생성하는 단계; 및
상기 테스트 패턴에 기초하여 상기 배터리의 잔존 수명을 예측하는 단계를 포함하는 배터리 수명 예측 방법. - 청구항 11에 있어서,
상기 테스트 패턴을 생성하는 단계는 상기 배터리의 충방전에 관한 목표 파라미터 값을 갖도록 하는 테스트 패턴을 생성하는 배터리 수명 예측 방법. - 청구항 12에 있어서,
상기 테스트 패턴을 생성하는 단계는 상기 전력 패턴 데이터의 스케일을 변경하여 상기 테스트 패턴을 생성하는 배터리 수명 예측 방법. - 청구항 13에 있어서,
상기 테스트 패턴을 생성하는 단계는 상기 전력 패턴 데이터를 구간별로 분할하고, 상기 구간별로 전력값을 조정함으로써 상기 테스트 패턴을 생성하는 배터리 수명 예측 방법.
Priority Applications (6)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020200101865A KR20220021247A (ko) | 2020-08-13 | 2020-08-13 | 배터리 수명 예측 장치 및 방법 |
JP2022567853A JP2023525303A (ja) | 2020-08-13 | 2021-08-09 | バッテリー寿命予測装置及び方法 |
CN202180032567.5A CN115516325A (zh) | 2020-08-13 | 2021-08-09 | 电池寿命预测装置和方法 |
PCT/KR2021/010476 WO2022035152A1 (ko) | 2020-08-13 | 2021-08-09 | 배터리 수명 예측 장치 및 방법 |
US17/922,759 US20230176136A1 (en) | 2020-08-13 | 2021-08-09 | Battery life prediction apparatus and method |
EP21856158.7A EP4166964A4 (en) | 2020-08-13 | 2021-08-09 | DEVICE AND METHOD FOR PREDICTING BATTERY LIFE |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020200101865A KR20220021247A (ko) | 2020-08-13 | 2020-08-13 | 배터리 수명 예측 장치 및 방법 |
Publications (1)
Publication Number | Publication Date |
---|---|
KR20220021247A true KR20220021247A (ko) | 2022-02-22 |
Family
ID=80247433
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020200101865A KR20220021247A (ko) | 2020-08-13 | 2020-08-13 | 배터리 수명 예측 장치 및 방법 |
Country Status (6)
Country | Link |
---|---|
US (1) | US20230176136A1 (ko) |
EP (1) | EP4166964A4 (ko) |
JP (1) | JP2023525303A (ko) |
KR (1) | KR20220021247A (ko) |
CN (1) | CN115516325A (ko) |
WO (1) | WO2022035152A1 (ko) |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5729000B2 (ja) * | 2011-02-17 | 2015-06-03 | 富士電機株式会社 | リチウムイオン電池の充放電動作状態監視方式 |
KR101547005B1 (ko) * | 2012-10-26 | 2015-08-24 | 주식회사 엘지화학 | 배터리 잔존 용량 추정 장치 및 방법 |
KR101615139B1 (ko) * | 2014-09-11 | 2016-05-11 | 한밭대학교 산학협력단 | 배터리 잔존수명 실시간 추정 장치 및 방법 |
KR20160128000A (ko) * | 2015-04-28 | 2016-11-07 | 영남대학교 산학협력단 | 배터리 진단 장치 및 그 방법 |
JP2018169161A (ja) * | 2015-08-31 | 2018-11-01 | 日立化成株式会社 | 電池の劣化診断装置、劣化診断方法、及び劣化診断システム |
US20190111800A1 (en) * | 2017-10-16 | 2019-04-18 | Neapco Intellectual Property Holdings, Llc | High coverage battery usage monitor |
KR102489129B1 (ko) * | 2018-04-04 | 2023-01-13 | 주식회사 엘지에너지솔루션 | 배터리 테스트용 대표 전력 패턴을 설정하기 위한 방법 및 장치 |
US11120682B2 (en) | 2019-02-20 | 2021-09-14 | Robert Bosch Gmbh | System and method for operating physical entities based on a virtual representation of the physical entities |
-
2020
- 2020-08-13 KR KR1020200101865A patent/KR20220021247A/ko active Search and Examination
-
2021
- 2021-08-09 WO PCT/KR2021/010476 patent/WO2022035152A1/ko unknown
- 2021-08-09 JP JP2022567853A patent/JP2023525303A/ja active Pending
- 2021-08-09 US US17/922,759 patent/US20230176136A1/en active Pending
- 2021-08-09 CN CN202180032567.5A patent/CN115516325A/zh active Pending
- 2021-08-09 EP EP21856158.7A patent/EP4166964A4/en active Pending
Also Published As
Publication number | Publication date |
---|---|
US20230176136A1 (en) | 2023-06-08 |
EP4166964A4 (en) | 2024-01-10 |
EP4166964A1 (en) | 2023-04-19 |
CN115516325A (zh) | 2022-12-23 |
WO2022035152A1 (ko) | 2022-02-17 |
JP2023525303A (ja) | 2023-06-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lujano-Rojas et al. | Operating conditions of lead-acid batteries in the optimization of hybrid energy systems and microgrids | |
US20220239122A1 (en) | Server-side characterisation of rechargeable batteries | |
EP1639415B1 (en) | Method and apparatus for soft-sensor characterization of batteries | |
KR20210023695A (ko) | 배터리 soh 예측 방법 및 이를 적용한 배터리 팩 | |
CN109075397A (zh) | 用于寿命优化地使用电化学蓄能器的方法和设备 | |
EP4235198A1 (en) | Apparatus and method for managing battery | |
Cailian | Life prediction of battery based on random forest optimized by genetic algorithm | |
JP2023529733A (ja) | 電池診断装置および方法 | |
KR20220060931A (ko) | 배터리 관리 장치 및 방법 | |
Xie et al. | Battery model parameterization using manufacturer datasheet and field measurement for real-time HIL applications | |
US11043840B2 (en) | Energy storage apparatus | |
KR20220021247A (ko) | 배터리 수명 예측 장치 및 방법 | |
EP4231026A1 (en) | Battery management device and method | |
Shrivastava et al. | Lithium-ion battery model parameter identification using modified adaptive forgetting factor-based recursive least square algorithm | |
KR20160046220A (ko) | 기준 셀의 순차 연결을 이용한 셀 밸런싱 장치 및 방법 | |
US20230408583A1 (en) | Battery management apparatus and method | |
Aryal et al. | A Comparative study on state of charge estimation techniques for Lithium-ion Batteries | |
KR20230111094A (ko) | 배터리 수명 예측 장치 및 그것의 동작 방법 | |
US20240152349A1 (en) | Firmware update system of battery management system and operating method therefor | |
US20220283234A1 (en) | Method for predicting soh of battery and battery pack employing same | |
US20230163621A1 (en) | Battery management apparatus and method, and battery management system | |
US20220416548A1 (en) | Operational planning for battery-based energy storage systems considering battery aging | |
EP4318728A1 (en) | Battery control system and method for guiding soc level | |
KR20230107066A (ko) | 배터리 용량 예측 장치 및 그것의 동작 방법 | |
KR20240031785A (ko) | 배터리 관리 장치 및 그것의 동작 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A201 | Request for examination |