KR20220021248A - 배터리 용량 추정 장치 및 방법 - Google Patents

배터리 용량 추정 장치 및 방법 Download PDF

Info

Publication number
KR20220021248A
KR20220021248A KR1020200101866A KR20200101866A KR20220021248A KR 20220021248 A KR20220021248 A KR 20220021248A KR 1020200101866 A KR1020200101866 A KR 1020200101866A KR 20200101866 A KR20200101866 A KR 20200101866A KR 20220021248 A KR20220021248 A KR 20220021248A
Authority
KR
South Korea
Prior art keywords
data
voltage
battery
battery cell
capacity
Prior art date
Application number
KR1020200101866A
Other languages
English (en)
Inventor
임보미
Original Assignee
주식회사 엘지에너지솔루션
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 주식회사 엘지에너지솔루션 filed Critical 주식회사 엘지에너지솔루션
Priority to KR1020200101866A priority Critical patent/KR20220021248A/ko
Priority to EP21856159.5A priority patent/EP4170367A4/en
Priority to JP2023504078A priority patent/JP2023534823A/ja
Priority to CN202180060872.5A priority patent/CN116194787A/zh
Priority to US18/018,019 priority patent/US20230273262A1/en
Priority to PCT/KR2021/010477 priority patent/WO2022035153A1/ko
Publication of KR20220021248A publication Critical patent/KR20220021248A/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]
    • G01R31/392—Determining battery ageing or deterioration, e.g. state of health
    • 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]
    • G01R31/3644—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
    • 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
    • G01R31/3835—Arrangements for monitoring battery or accumulator variables, e.g. SoC involving only 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]
    • G01R31/385—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]
    • G01R31/396—Acquisition or processing of data for testing or for monitoring individual cells or groups of cells within a battery
    • 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

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Chemical & Material Sciences (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Electrochemistry (AREA)
  • General Chemical & Material Sciences (AREA)
  • Secondary Cells (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)
  • Tests Of Electric Status Of Batteries (AREA)

Abstract

본 발명의 일 실시 예에 따른 배터리 용량 추정 장치는 배터리 셀의 전압을 측정하는 전압 측정부, 상기 배터리 셀의 전압 데이터 중 로깅 패턴이 미리 설정된 기준 범위를 벗어난 경우, 해당 전압 데이터를 제1 데이터로 결정하는 필터링부, 상기 배터리 셀의 전압 데이터에 대한 통계적 분석을 통해 제2 데이터를 결정하는 통계 분석부 및 상기 제1 데이터와 상기 제2 데이터를 구분하여 생성된 용량 추정 모델에 측정 대상인 배터리 셀에 대해서 상기 필터링부 또는 상기 통계 분석부에 의하여 분류된 데이터를 적용하여 용량을 추정하는 용량 추정부를 포함할 수 있다.

Description

배터리 용량 추정 장치 및 방법{APPARATUS AND METHOD FOR PREDICTING BATTERY CAPACITY}
본 발명은 분석이 용이한 데이터와 용이하지 않은 데이터를 구분하여 모델을 구성함으로써 배터리의 용량을 추정하기 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.
이러한 이차 전지는 생산시 각 셀의 품질을 판단하기 위해 생산 공정에서 LAT(Lot Assembly Test)를 수행한다. 일반적으로 복수의 셀의 단위인 Lot 당 1개의 샘플을 선택하여 LAT를 진행한다. LAT는 이차 전지를 가속 퇴화시켜 300 사이클 후에도 용량이 일정 수준 이상이 되는지 여부를 확인하기 위함이다.
이러한 LAT를 통해 1 내지 300 사이클을 동일한 실험 조건으로 완전 충전 및 방전을 진행하고 300 사이클에서의 SOH(state of health) 수명에 따라 셀의 테스트 합격 여부를 결정한다. 그러나, LAT에서 로깅되어 있는 데이터는 분석이 용이한 데이터와 그렇지 않은 데이터가 함께 포함되어 있어 데이터 값을 분석함에 있어 어려움이 있으며, 정확도가 떨어지는 문제점이 있다.
본 발명은 상기와 같은 과제를 해결하기 위해 고안된 것으로서, 배터리 셀의 로깅 데이터 중 분석이 용이한 데이터와 분석이 용이하지 않은 데이터를 구분하고, 각 데이터에 용량 추정 모델을 적용함으로써 정확하고 효율적으로 배터리 셀의 용량을 추정할 수 있는 배터리 용량 추정 장치 및 방법을 제공하는 것을 목적으로 한다.
본 발명의 일 실시 예에 따른 배터리 용량 추정 장치는 배터리 셀의 전압을 측정하는 전압 측정부, 상기 배터리 셀의 전압 데이터 중 로깅 패턴이 미리 설정된 기준 범위를 벗어난 경우, 해당 전압 데이터를 제1 데이터로 결정하는 필터링부, 상기 배터리 셀의 전압 데이터에 대한 통계적 분석을 통해 제2 데이터를 결정하는 통계 분석부 및 상기 제1 데이터와 상기 제2 데이터를 구분하여 생성된 용량 추정 모델에 측정 대상인 배터리 셀에 대해서 상기 필터링부 또는 상기 통계 분석부에 의하여 분류된 데이터를 적용하여 용량을 추정하는 용량 추정부를 포함할 수 있다.
본 발명의 일 실시 예에 따른 배터리 용량 추정 방법은 배터리 셀의 전압을 측정하는 단계, 상기 배터리 셀의 전압 데이터 중 로깅 패턴이 미리 설정된 기준 범위를 벗어난 경우, 해당 전압 데이터를 제1 데이터로 결정하는 단계, 상기 배터리 셀의 전압 데이터에 대한 통계적 분석을 통해 제2 데이터를 결정하는 단계 및 상기 제1 데이터 및 상기 제2 데이터를 용량 추정 모델에 각각 적용함으로써 상기 배터리 셀의 용량을 추정하는 단계를 포함할 수 있다.
본 발명의 배터리 용량 추정 장치 및 방법에 따르면, 배터리 셀의 로깅 데이터 중 분석이 용이한 데이터와 분석이 용이하지 않은 데이터를 구분하고, 각 데이터에 용량 추정 모델을 적용함으로써 정확하고 효율적으로 배터리 셀의 용량을 추정할 수 있다.
도 1은 일반적인 배터리 랙의 구성을 나타내는 블록도이다.
도 2는 본 발명의 일 실시 예에 따른 배터리 용량 추정 장치의 구성을 나타내는 블록도이다.
도 3은 본 발명의 일 실시 예에 따른 배터리 용량 추정 장치가 데이터를 분류하는 동작을 나타내는 흐름도이다.
도 4는 배터리 셀의 로깅 데이터와 용량 간의 상관관계를 나타내는 도면이다.
도 5는 본 발명의 일 실시 예에 따른 배터리 용량 추정 장치에 의해 배터리 셀의 로깅 데이터를 복수의 클러스터로 분류한 것을 나타낸 도면이다.
도 6은 본 발명의 일 실시 예에 따른 배터리 용량 추정 장치에 의해 모든 배터리 셀들의 로깅 데이터를 복수의 클러스터로 분류한 것을 나타낸 도면이다.
도 7은 본 발명의 일 실시 예에 따른 배터리 용량 추정 장치의 용량 추정 모델(LSTM)의 예시를 나타낸 도면이다.
도 8은 본 발명의 일 실시 예에 따른 배터리 용량 추정 방법을 나타내는 흐름도이다.
도 9는 본 발명의 일 실시 예에 따른 배터리 용량 추정 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 랙의 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, RBMS)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 소자로서, 예를 들면, 배터리 랙(1)의 사양에 따라서 적어도 하나의 릴레이, 마그네틱 접촉기 등이 이용될 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, 릴레이 또는 접촉기 등의 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 배터리 셀의 전압에 관한 회귀 분석을 별도의 프로그램을 통해 수행할 수 있다. 또한, 산출된 회귀식을 이용하여 배터리 셀의 이상 유형을 분류할 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 제어기(2)로부터 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 복수의 랙을 포함하는 배터리 뱅크의 제어기(BBMS) 또는 복수의 뱅크를 포함하는 ESS 전체를 제어하는 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 용량 추정 장치의 구성을 나타내는 블록도이다.
도 2를 참조하면, 본 발명의 일 실시 예에 따른 배터리 용량 추정 장치(200)는 전압 측정부(210), 필터링부(220), 통계 분석부(230) 및 용량 추정부(240)를 포함할 수 있다. 예를 들면, 본 발명의 일 실시 예에 따른 배터리 용량 추정 장치(200)는 실시간으로 배터리의 충방전 데이터를 분석하여 배터리 셀의 용량을 추정하는 장치일 수 있으며, 또는 배터리 셀 제조시 모듈에 탑재하기 전에 불량 여부를 샘플링하여 테스트하는 장치일 수 있다.
전압 측정부(210)는 배터리 셀의 전압을 측정할 수 있다. 이 때, 전압 측정부(210)는 일정 시간 간격으로 배터리 셀의 전압을 측정할 수 있다. 예를 들어, 전압 측정부(210)는 배터리 셀의 충전 또는 방전 후 휴지 구간에 대하여 전압을 측정할 수 있다. 또한, 전압 측정부(210)는 배터리 셀에 흐르는 전류를 측정할 수 있다.
필터링부(220)는 배터리 셀의 전압 데이터 중 로깅 패턴이 미리 설정된 기준 범위를 벗어난 경우, 해당 전압 데이터를 제1 데이터로 결정할 수 있다. 구체적으로, 필터링부(220)는 배터리 셀의 전압 데이터 중 로깅 시간 및 개수 중 적어도 하나가 기준 범위를 벗어난 경우, 해당 전압 데이터를 제1 데이터로 결정할 수 있다.
예를 들면, 배터리 셀의 전압 데이터의 로깅 패턴은 5분 단위로 4개의 전압 데이터를 추출하는 것일 수 있다. 이 경우, 배터리 셀의 전압 데이터의 로깅 시간이 (59, 10, 20, 5분)인 경우와 같이 로깅 시간에 오류가 있거나, 로깅 시간이 (5, 10, 20분) 또는 (10, 15, 20분)인 경우 등 특정 로깅 데이터가 누락되는 경우가 발생할 수 있다. 이와 같은 경우, 필터링부(220)는 해당 데이터들을 제1 데이터로 분류할 수 있다.
통계 분석부(230)는 배터리 셀의 전압 데이터에 대한 통계적 분석을 통해 제2 데이터를 결정할 수 있다. 이 때, 통계 분석부(230)는 필터링부(220)에서 제1 데이터로 결정된 데이터 이외의 데이터를 대상으로 하여 통계적 분석을 수행할 수 있다. 또한, 통계 분석부(230)는 배터리 셀의 시간에 대한 전압의 미분 데이터(dV/dt)를 산출할 수 있다. 후술하는 것과 같이, 로깅된 전압 데이터에 비해 전압의 시간에 대한 미분 데이터가 경향성이 보다 뚜렷하게 나타나므로, 통계 분석부(230)는 전압의 시간에 대한 미분 데이터를 활용할 수 있다.
구체적으로, 통계 분석부(230)는 미분 데이터에 대하여 주성분 분석(Principal Component Analysis, PCA)을 수행하여 전압 데이터에 대한 주성분 데이터를 추출할 수 있다.
또한, 통계 분석부(230)는 주성분 데이터에 대하여 k-평균 클러스터화(k-means clustering)를 통해 복수의 클러스터를 산출하고, 미분 데이터가 특정 클러스터에 포함되는 경우 제2 데이터로 결정하고, 상기 클러스터에 포함되지 않는 미분 데이터를 제1 데이터로 결정할 수 있다.
예를 들면, 제1 데이터는 배터리 셀의 전압 데이터가 불연속적인 형태로 나타나는 데이터이고, 제2 데이터는 상기 배터리 셀의 전압 데이터가 연속적인 형태로 나타나는 데이터일 수 있다. 즉, 제1 데이터는 분석이 용이하지 않은 데이터이고, 제2 데이터는 분석이 용이한 데이터일 수 있다.
이처럼, 본 발명의 일 실시 예에 따른 배터리 용량 추정 장치(200)는 개형이 상이한 제1 데이터와 제2 데이터를 구분하여 용량 추정 모델을 적용함으로써, 기존에 제1, 2 데이터가 혼합되어 있는 데이터를 이용하는 경우에 비해 정확도를 향상시킬 수 있다. 예를 들어, 본 발명의 일 실시 예에 따른 배터리 용량 추정 장치(200)에 의하면, 배터리의 충방전시 초기 100 사이클에 대한 데이터를 이용하여 300 사이클의 용량을 예측하는 경우에 있어서 데이터를 구분하여 용량 추정 모델에 적용함으로써 정확도를 높일 수 있다.
용량 추정부(240)는 제1 데이터와 제2 데이터를 구분하여 생성된 용량 추정 모델에 측정 대상인 배터리 셀에 대해서 필터링부(220) 또는 통계 분석부(230)에 의하여 분류된 데이터를 적용하여 용량을 추정할 수 있다. 예를 들면, 용량 추정 모델은 장단기 기억 네트워크(Long Short Term Memory Networks, LSTM) 모델일 수 있다. 이 때, 제1 데이터와 제2 데이터 각각에 대해 생성된 용량 추정 모델은 상이한 파라미터 값을 포함할 수 있다.
한편, 도 2에서는 나타내지 않았으나, 본 발명의 일 실시 예에 따른 배터리 용량 추정 장치(200)는 저장부를 포함할 수 있다. 이 때, 저장부는 전압 측정부(210)에서 측정된 전압 데이터, 필터링부(220)와 통계 분석부(230)에 의해 분류된 전압 데이터, 용량 추정 프로그램 등 각종 데이터를 저장할 수 있다. 또한, 본 발명의 일 실시 예에 따른 배터리 용량 추정 장치(200)는 저장부를 포함하는 대신 통신부(미도시)를 통해 외부의 서버와 통신하여 상술한 데이터들을 송수신하는 방식으로 동작할 수 있다.
이와 같이, 본 발명의 일 실시 예에 따른 배터리 용량 추정 장치(200)에 따르면, 배터리 셀의 로깅 데이터 중 분석이 용이한 데이터와 분석이 용이하지 않은 데이터를 구분하고, 각 데이터에 용량 추정 모델을 적용함으로써 정확하고 효율적으로 배터리 셀의 용량을 추정할 수 있다.
도 3은 본 발명의 일 실시 예에 따른 배터리 용량 추정 장치가 데이터를 분류하는 동작을 나타내는 흐름도이다.
도 3을 참조하면, 본 발명의 일 실시 예에 따른 배터리 용량 추정 장치에서는 먼저 배터리 셀이 현재 휴지 상태(즉, 전류 = 0)인지 판단한다(S310). 배터리 셀이 휴지 상태인 경우 미리 설정된 방식에 따라 전압 데이터가 로깅되었는지 여부를 확인한다(S320). 예를 들면, 로깅 방식은 5분 간격으로 4개의 전압 데이터를 로깅하는 것일 수 있다.
만약, 전압 데이터가 정해진 로깅 방식에서 벗어난 경우(NO), 해당 데이터를 제1 데이터로 분류한다(S330). 반면, 전압 데이터가 정해진 방식에 따라 정상적으로 로깅이 된 경우(YES)에는 해당 전압 데이터의 시간에 대한 미분 데이터(dV/dt)를 산출한다(S340).
그리고, 전압의 미분 데이터에 대해 주성분 분석(PCA)을 통해 특질(주성분) 데이터를 추출한다. 이 때, 미분 데이터에 대해 주성분 분석을 함으로써 데이터의 차원을 축소시킬 수 있다. 그리고, 주성분 데이터에 대해 k-평균 클러스터링을 적용함으로써 데이터들을 복수의 클러스터로 분류한다(S360).
이 때, 분류된 데이터가 특정 클러스터(예를 들면, 클러스터 2)에 포함되지 않는 경우(NO), 제1 데이터로 분류한다(S370). 반면, 데이터가 특정 클러스터에 포함되는 경우(YES), 해당 데이터를 제2 데이터로 분류한다(S380).
이와 같이, 본 발명의 일 실시 예에 따른 배터리 용량 추정 장치에 의하면, 로깅 데이터의 시간 단위를 확인하고, 주성분 분석과 k-평균 클러스터링 알고리즘을 통해 전압 데이터를 구분할 수 있다. 따라서, 특성이 유사한 데이터끼리 분류하여 배터리의 용량 추정을 보다 효율적이고 정확하게 수행할 수 있다.
도 4는 배터리 셀의 로깅 데이터와 용량 간의 상관관계를 나타내는 도면이다.
도 4의 좌측 그래프는 충전 및 방전 후 전압의 시간에 대한 미분 데이터(dV1, dV2, dV3, dV4)(x축) 각각에 대한 배터리 용량값(예를 들면, SOH)(y축)과의 상관관계를 나타내고, 우측 표는 배터리의 충전 및 방전 후 전압의 로깅 데이터를 나타낸다.
도 4를 참조하면, x축은 각각 충전 후 전압 미분 데이터인 dV1, dV2, dV3, dV4 및 방전 후 전압 미분 데이터인 dV1, dV2, dV3, dV4를 나타낸다. 이 때, 도 4의 그래프에서 y축의 값이 1 또는 -1에 가깝고 세로 막대의 길이가 짧을수록 배터리 용량값과의 상관관계가 높은 것이다. 즉, 충전 및 방전 직후의 데이터(25 및 29)가 다른 데이터에 비해 배터리 용량값과의 상관관계가 높음을 알 수 있다. 이는 충전 및 방전 직후의 전압의 변화가 그 이후의 전압 변화에 비해 상대적으로 뚜렷하게 나타나기 때문이다.
도 5는 본 발명의 일 실시 예에 따른 배터리 용량 추정 장치에 의해 배터리 셀의 로깅 데이터를 복수의 클러스터로 분류한 것을 나타낸 도면이다.
도 5를 참조하면, x축은 배터리 셀의 충방전 사이클 수, y축은 배터리 셀의 충방전 후 휴지 구간에서의 전압의 시간에 대한 미분 데이터(dV1 내지 dV4)를 나타낸다. 또한, 클러스터 1의 경우 전술한 제1 데이터를 나타내고, 클러스터 2는 전술한 제2 데이터를 나타낸다.
도 5에 나타낸 것과 같이, 클러스터 1에 속한 제1 데이터의 경우에는 데이터가 상대적으로 불연속적으로 나타남을 알 수 있다. 즉, 제1 데이터는 그 특성이 불규칙적이므로 배터리 용량 분석에 용이하지 않은 데이터일 수 있다.
한편, 클러스터 2에 속한 제2 데이터의 경우, 제1 데이터에 비해 연속적이고 완만한 곡선의 형태로 나타남을 알 수 있다. 즉, 제2 데이터는 제1 데이터와 비교하여 상대적으로 일정한 경향성을 보이는 것으로서, 분석에 용이한 데이터일 수 있다.
도 6은 본 발명의 일 실시 예에 따른 배터리 용량 추정 장치에 의해 모든 배터리 셀들의 로깅 데이터를 복수의 클러스터로 분류한 것을 나타낸 도면이다.
도 6을 참조하면, x축은 배터리 셀의 충방전 사이클 수, y축은 전체 배터리 셀의 충방전 후 휴지 구간에서의 전압의 시간에 대한 미분 데이터(dV2)를 나타낸다.
도 5의 경우와 마찬가지로, 전체 배터리 셀들의 데이터를 합산하여 보더라도 클러스터 1에 속하는 데이터는 상단 또는 하단으로 불규칙하게 돌출된 데이터가 다수 발생함을 알 수 있다. 반면, 클러스터 2에 속하는 데이터는 클러스터 1에 비해 완만한 형태로 나타난다. 따라서, 배터리의 용량 추정시 보다 정확하게 결과를 산출할 수 있다.
도 7은 본 발명의 일 실시 예에 따른 배터리 용량 추정 장치의 용량 추정 모델(LSTM)의 예시를 나타낸 도면이다.
도 7에 나타낸 용량 추정 모델은 장단기 기억 네트워크 모델(LSTM)을 나타낸다. 도 7에서, C는 장기 정보, h는 이전 step에서의 정보, σ 및 tanh는 활성화(activation) 함수, W는 가중치, b는 노이즈를 나타낸다. 또한, 도 7의 LSTM은 포겟 게이트 레이어(Forget gate layer), 디시전 레이어(Decision layer)와 새로운 셀 스테이트 업데이트(Update new state value), 출력값 결정(Decide the output value)의 단계로 구성되어 있다.
구체적으로, 포겟 게이트 레이어는 0과 1 사이의 출력값을 갖는 ht-1과 xt를 입력으로 하여, 어떠한 정보를 유지할지(1) 또는 버릴지(0) 여부를 결정한다. 또한, 디시전 레이어에서는 어떠한 값을 업데이트하여 새로운 상태를 저장할지 결정하는 것이다. 이 때, 인풋 게이트 레이어(input gate layer)를 통해 어떠한 값을 갱신할지 결정을 하고, tanh 레이어를 통해 셀 스테이트에 새로 더해질 수 있는 새로운 후보값들의 벡터 C를 생성한다.
또한, 새로운 셀 스테이트 업데이트 단계에서는 오래된 셀 스테이트(Ct-1)를 새로운 셀 스테이트(Ct)로 업데이트한다. 그리고, 출력값 결정 단계에서는 어떠한 값을 출력할지 결정하고, 셀 스테이트를 tanh 함수를 통해 -1과 1 사이의 값을 추출한 후 출력된 값을 포겟 게이트 레이어의 출력갑소가 곱한다.
이처럼, 전술한 시계열 전압 데이터가 도 7에 나타낸 용량 추정 모델에 입력되면 상술한 과정들을 거쳐 배터리 셀의 용량값(예를 들면, 용량 %)이 출력될 수 있다. 한편, 도 7의 LSTM 모델은 공지된 구성이므로 자세한 설명은 생략한다.
한편, 도 7의 장단기 기억 네트워크 모델(LSTM)은 예시적인 것일 뿐, 본 발명의 용량 추정 모델이 이에 제한되는 것은 아니며 다양한 추정 모델들이 사용될 수 있다.
도 8은 본 발명의 일 실시 예에 따른 배터리 용량 추정 방법을 나타내는 흐름도이다.
도 8을 참조하면, 본 발명의 일 실시 예에 따른 배터리 용량 추정 방법에서는 먼저 배터리 셀의 전압을 측정한다(S810). 이 때, 단계 S810에서는 일정 시간 간격으로 배터리 셀의 전압을 측정할 수 있다. 예를 들면, 배터리 셀의 충전 또는 방전 후 휴지 구간에 대하여 전압을 측정할 수 있다.
그리고, 배터리 셀의 전압 데이터 중 로깅 패턴이 미리 설정된 기준 범위를 벗어난 경우, 해당 전압 데이터를 제1 데이터로 결정한다(S820). 구체적으로, 단계 S820에서는 배터리 셀의 전압 데이터 중 로깅 시간 및 개수 중 적어도 하나가 기준 범위를 벗어난 경우, 해당 전압 데이터를 제1 데이터로 결정할 수 있다. 예를 들면, 배터리 셀의 전압 데이터의 로깅 패턴은 5분 단위로 4개의 전압 데이터를 추출하는 것일 수 있다.
다음으로, 배터리 셀의 전압 데이터에 대한 통계적 분석을 통해 제2 데이터를 결정한다(S830). 이 때, 단계 S830에서는 배터리 셀의 시간에 대한 전압의 미분 데이터(dV/dt)를 산출할 수 있다. 구체적으로, 단계 S830에서는 미분 데이터에 대하여 주성분 분석(PCA)을 수행하여 전압 데이터에 대한 주성분 데이터를 추출할 수 있다. 또한, 주성분 데이터에 대하여 k-평균 클러스터링을 통해 복수의 클러스터를 산출하고, 미분 데이터가 특정 클러스터에 포함되는 경우 제2 데이터로 결정하고, 상기 클러스터에 포함되지 않는 미분 데이터를 제1 데이터로 결정할 수 있다.
마지막으로, 단계 S820과 S830에서 추출된 제1 데이터 및 제2 데이터를 용량 추정 모델에 각각 적용함으로써 배터리 셀의 용량을 추정한다(S840). 예를 들면, 용량 추정 모델은 전술한 장단기 기억 네트워크(LSTM) 모델일 수 있다. 이 때, 제1 데이터와 제2 데이터의 용량 추정 모델은 동일할 수 있으며, 다만 용량 추정 모델에 입력되는 파라미터 값이 달라질 수 있다.
이와 같이, 본 발명의 일 실시 예에 따른 배터리 용량 추정 방법에 따르면, 배터리 셀의 로깅 데이터 중 분석이 용이한 데이터와 분석이 용이하지 않은 데이터를 구분하고, 각 데이터에 용량 추정 모델을 적용함으로써 정확하고 효율적으로 배터리 셀의 용량을 추정할 수 있다.
도 9는 본 발명의 일 실시 예에 따른 배터리 이상 진단 장치의 하드웨어 구성을 나타내는 블록도이다.
도 9를 참조하면, 본 발명의 일 실시 예에 따른 배터리 용량 추정 장치(900)는 MCU(910), 메모리(920), 입출력 I/F(930) 및 통신 I/F(940)를 포함할 수 있다.
MCU(910)는 메모리(920)에 저장되어 있는 각종 프로그램(예를 들면, 배터리 용량 추정 프로그램, 주성분 분석 프로그램, k-means 클러스터링 프로그램 등)을 실행시키고, 이러한 프로그램들을 통해 배터리 셀의 데이터 분류와 용량 추정 등을 위한 각종 데이터를 처리하며, 전술한 도 2의 기능들을 수행하도록 하는 프로세서일 수 있다.
메모리(920)는 배터리 셀의 통계 분석, 용량 추정 등에 관한 각종 프로그램을 저장할 수 있다. 또한, 메모리(920)는 배터리 셀의 전압 데이터, 배터리 셀 전압의 미분 데이터 등 각종 데이터를 저장할 수 있다.
이러한 메모리(920)는 필요에 따라서 복수 개 마련될 수도 있을 것이다. 메모리(920)는 휘발성 메모리일 수도 있으며 비휘발성 메모리일 수 있다. 휘발성 메모리로서의 메모리(920)는 RAM, DRAM, SRAM 등이 사용될 수 있다. 비휘발성 메모리로서의 메모리(920)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(930)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(940)는 서버와 각종 데이터를 송수신할 수 있는 구성으로서, 유선 또는 무선 통신을 지원할 수 있는 각종 장치일 수 있다. 예를 들면, 통신 I/F(940)를 통해 별도로 마련된 외부 서버로부터 배터리 셀의 통계 분석과 용량 추정을 위한 프로그램이나 각종 데이터 등을 송수신할 수 있다.
이와 같이, 본 발명의 일 실시 예에 따른 컴퓨터 프로그램은 메모리(920)에 기록되고, MCU(910)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 용량 추정 장치 210: 전압 측정부
220: 필터링부 230: 통계 분석부
240: 용량 추정부 900: 배터리 용량 추정 장치
910: MCU 920: 메모리
930: 입출력 I/F 940: 통신 I/F

Claims (15)

  1. 배터리 셀의 전압을 측정하는 전압 측정부;
    상기 배터리 셀의 전압 데이터 중 로깅 패턴이 미리 설정된 기준 범위를 벗어난 경우, 해당 전압 데이터를 제1 데이터로 결정하는 필터링부;
    상기 배터리 셀의 전압 데이터에 대한 통계적 분석을 통해 제2 데이터를 결정하는 통계 분석부; 및
    상기 제1 데이터와 상기 제2 데이터를 구분하여 생성된 용량 추정 모델에 측정 대상인 배터리 셀에 대해서 상기 필터링부 또는 상기 통계 분석부에 의하여 분류된 데이터를 적용하여 용량을 추정하는 용량 추정부를 포함하는 배터리 용량 추정 장치.
  2. 청구항 1에 있어서,
    상기 통계 분석부는 상기 필터링부에서 상기 제1 데이터로 결정된 데이터 이외의 데이터를 대상으로 하여 통계적 분석을 수행하는 배터리 용량 추정 장치.
  3. 청구항 1에 있어서,
    상기 통계 분석부는 상기 배터리 셀의 시간에 대한 전압의 미분 데이터를 산출하는 배터리 용량 추정 장치.
  4. 청구항 3에 있어서,
    상기 통계 분석부는 복수의 미분 데이터에 대하여 주성분 분석(Principal Component Analysis, PCA)을 수행하여 상기 복수의 미분 데이터를 하나의 주성분 데이터로 추출하는 배터리 용량 추정 장치.
  5. 청구항 4에 있어서,
    상기 통계 분석부는 상기 주성분 데이터에 대하여 k-평균 클러스터화(k-means clustering)를 통해 복수의 클러스터를 산출하고, 상기 미분 데이터가 미리 설정된 클러스터에 포함되는 경우 상기 제2 데이터로 결정하는 배터리 용량 추정 장치.
  6. 청구항 5에 있어서,
    상기 통계 분석부는 상기 클러스터에 포함되지 않는 미분 데이터를 상기 제1 데이터로 결정하는 배터리 용량 추정 장치.
  7. 청구항 1에 있어서,
    상기 용량 추정 모델은 장단기 기억 네트워크(Long Short Term Memory Networks, LSTM) 모델인 배터리 용량 추정 장치.
  8. 청구항 1에 있어서,
    상기 전압 측정부는 상기 배터리 셀의 충전 또는 방전 후 휴지 구간에 대하여 전압을 측정하는 배터리 용량 추정 장치.
  9. 청구항 1에 있어서,
    상기 필터링부는 상기 배터리 셀의 전압 데이터 중 로깅 시간 및 개수 중 적어도 하나가 상기 기준 범위를 벗어난 경우, 해당 전압 데이터를 제1 데이터로 결정하는 배터리 용량 추정 장치.
  10. 청구항 1에 있어서,
    상기 제1 데이터는 상기 배터리 셀의 전압 데이터가 불연속적인 형태로 나타나는 데이터이고, 상기 제2 데이터는 상기 배터리 셀의 전압 데이터가 연속적인 형태로 나타나는 데이터인 배터리 용량 추정 장치.
  11. 배터리 셀의 전압을 측정하는 단계;
    상기 배터리 셀의 전압 데이터 중 로깅 패턴이 미리 설정된 기준 범위를 벗어난 경우, 해당 전압 데이터를 제1 데이터로 결정하는 단계;
    상기 배터리 셀의 전압 데이터에 대한 통계적 분석을 통해 제2 데이터를 결정하는 단계; 및
    상기 제1 데이터 및 상기 제2 데이터를 용량 추정 모델에 각각 적용함으로써 상기 배터리 셀의 용량을 추정하는 단계를 포함하는 배터리 용량 추정 방법.
  12. 청구항 11에 있어서,
    상기 배터리 셀의 시간에 대한 전압의 미분 데이터를 산출하는 단계를 더 포함하는 배터리 용량 추정 방법.
  13. 청구항 12에 있어서,
    복수의 미분 데이터에 대하여 주성분 분석(Principal Component Analysis, PCA)을 수행하여 상기 복수의 미분 데이터를 하나의 주성분 데이터로 추출하는 단계를 더 포함하는 배터리 용량 추정 방법.
  14. 청구항 13에 있어서,
    상기 제2 데이터를 결정하는 단계는 상기 주성분 데이터에 대하여 k-평균 클러스터화(k-means clustering)를 통해 복수의 클러스터를 산출하고, 상기 미분 데이터가 미리 설정된 클러스터에 포함되는 경우 상기 제2 데이터로 결정하는 배터리 용량 추정 방법.
  15. 청구항 14에 있어서,
    상기 클러스터에 포함되지 않는 미분 데이터를 상기 제1 데이터로 결정하는 단계를 더 포함하는 배터리 용량 추정 방법.
KR1020200101866A 2020-08-13 2020-08-13 배터리 용량 추정 장치 및 방법 KR20220021248A (ko)

Priority Applications (6)

Application Number Priority Date Filing Date Title
KR1020200101866A KR20220021248A (ko) 2020-08-13 2020-08-13 배터리 용량 추정 장치 및 방법
EP21856159.5A EP4170367A4 (en) 2020-08-13 2021-08-09 APPARATUS AND METHOD FOR ESTIMATING BATTERY CAPACITY
JP2023504078A JP2023534823A (ja) 2020-08-13 2021-08-09 バッテリー容量推定装置及び方法
CN202180060872.5A CN116194787A (zh) 2020-08-13 2021-08-09 电池容量估计装置和方法
US18/018,019 US20230273262A1 (en) 2020-08-13 2021-08-09 Battery capacity estimation apparatus and method
PCT/KR2021/010477 WO2022035153A1 (ko) 2020-08-13 2021-08-09 배터리 용량 추정 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200101866A KR20220021248A (ko) 2020-08-13 2020-08-13 배터리 용량 추정 장치 및 방법

Publications (1)

Publication Number Publication Date
KR20220021248A true KR20220021248A (ko) 2022-02-22

Family

ID=80247431

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200101866A KR20220021248A (ko) 2020-08-13 2020-08-13 배터리 용량 추정 장치 및 방법

Country Status (6)

Country Link
US (1) US20230273262A1 (ko)
EP (1) EP4170367A4 (ko)
JP (1) JP2023534823A (ko)
KR (1) KR20220021248A (ko)
CN (1) CN116194787A (ko)
WO (1) WO2022035153A1 (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102022002866A1 (de) 2022-08-08 2024-02-08 Mercedes-Benz Group AG Verfahren zur Schätzung eines Gesundheitszustands einer Batteriezelle eines elektrischen Energiespeichers, Computerprogrammprodukt sowie elektronische Recheneinrichtung
CN115656834A (zh) * 2022-11-02 2023-01-31 武汉动力电池再生技术有限公司 一种电池容量预测方法、装置及电子设备

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3251502B2 (ja) * 1996-06-27 2002-01-28 矢崎総業株式会社 電気自動車の電池残存容量測定装置
KR102357351B1 (ko) * 2015-01-07 2022-01-28 삼성전자주식회사 복수의 배터리 셀들을 포함하는 배터리 팩의 상태를 추정하는 장치 및 방법
KR20160101506A (ko) * 2015-02-17 2016-08-25 삼성전자주식회사 배터리 신호 세그먼트 데이터의 확률 추론을 기반으로 한 배터리 상태 추정 방법 및 장치
KR102550929B1 (ko) * 2015-03-03 2023-07-04 삼성전자주식회사 배터리의 잔여 수명을 자동으로 실시간 추정하는 장치 및 방법
JP2017062149A (ja) * 2015-09-24 2017-03-30 スズキ株式会社 バッテリの充電率推定装置およびバッテリの充電率推定方法
US11226374B2 (en) * 2017-10-17 2022-01-18 The Board Of Trustees Of The Leland Stanford Junior University Data-driven model for lithium-ion battery capacity fade and lifetime prediction

Also Published As

Publication number Publication date
CN116194787A (zh) 2023-05-30
US20230273262A1 (en) 2023-08-31
EP4170367A4 (en) 2023-11-29
JP2023534823A (ja) 2023-08-14
WO2022035153A1 (ko) 2022-02-17
EP4170367A1 (en) 2023-04-26

Similar Documents

Publication Publication Date Title
US20220239122A1 (en) Server-side characterisation of rechargeable batteries
CN109061504A (zh) 同类型不同锂离子电池剩余使用寿命预测方法和系统
US20230273262A1 (en) Battery capacity estimation apparatus and method
US20230213586A1 (en) Battery capacity measuring device and method, and battery control system comprising battery capacity measuring device
JP7490298B2 (ja) 電池診断装置および方法
US20230059529A1 (en) Characterization of Rechargeable Batteries Using Machine-Learned Algorithms
US20230258725A1 (en) Battery abnormality diagnosis apparatus and method
US20240027537A1 (en) Battery management apparatus and method
KR20210000207A (ko) 내부 단락 셀 검출 방법
US20240003980A1 (en) Battery management apparatus and method
KR20210000206A (ko) 이상 배터리 셀 검출 방법
US20240006670A1 (en) Battery management apparatus and method
KR20210141211A (ko) 배터리를 진단하기 위한 장치 및 그 방법
CN116449224A (zh) 一种电池异常发热判断方法及系统
CN115219932A (zh) 用于评价设备电池组的相对老化状态的方法和装置
US20230408583A1 (en) Battery management apparatus and method
Olivero-Ortiz et al. Estimation of discharge voltage in lithium-ion batteries (LIB)
Khaparde et al. Li-Ion Battery Temperature Forecasting Method: Case-Study
KR20230136481A (ko) 배터리 수명 예측 장치 및 그것의 동작 방법
CN116381535A (zh) 用于在设备外部的中央单元中借助数字孪生高效监控设备电池组的电池组电池的方法和系统
KR20240019650A (ko) 배터리 관리 장치 및 그것의 동작 방법
KR20230108663A (ko) 배터리 충전 심도 산출 장치 및 그것의 동작 방법
KR20230025130A (ko) 배터리 관리 장치 및 이를 포함하는 배터리 검사 시스템