KR20220125848A - 배터리 셀 단위를 기반으로 하는 이상 진단 장치, 시스템 및 방법 - Google Patents

배터리 셀 단위를 기반으로 하는 이상 진단 장치, 시스템 및 방법 Download PDF

Info

Publication number
KR20220125848A
KR20220125848A KR1020210028631A KR20210028631A KR20220125848A KR 20220125848 A KR20220125848 A KR 20220125848A KR 1020210028631 A KR1020210028631 A KR 1020210028631A KR 20210028631 A KR20210028631 A KR 20210028631A KR 20220125848 A KR20220125848 A KR 20220125848A
Authority
KR
South Korea
Prior art keywords
battery cell
abnormality
battery
measurement data
abnormality diagnosis
Prior art date
Application number
KR1020210028631A
Other languages
English (en)
Other versions
KR102515853B1 (ko
Inventor
오성문
정규창
안정훈
Original Assignee
한국전자기술연구원
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 한국전자기술연구원 filed Critical 한국전자기술연구원
Priority to KR1020210028631A priority Critical patent/KR102515853B1/ko
Publication of KR20220125848A publication Critical patent/KR20220125848A/ko
Application granted granted Critical
Publication of KR102515853B1 publication Critical patent/KR102515853B1/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
    • G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
    • G01R19/003—Measuring mean values of current or voltage during a given time interval
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
    • G01R19/10—Measuring sum, difference or ratio
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
    • G01R19/165—Indicating that current or voltage is either above or below a predetermined value or within or outside a predetermined range of values
    • G01R19/16533—Indicating that current or voltage is either above or below a predetermined value or within or outside a predetermined range of values characterised by the application
    • G01R19/16538—Indicating that current or voltage is either above or below a predetermined value or within or outside a predetermined range of values characterised by the application in AC or DC supplies
    • G01R19/16542—Indicating that current or voltage is either above or below a predetermined value or within or outside a predetermined range of values characterised by the application in AC or DC supplies for batteries
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
    • G01R19/165—Indicating that current or voltage is either above or below a predetermined value or within or outside a predetermined range of values
    • G01R19/16566—Circuits and arrangements for comparing voltage or current with one or several thresholds and for indicating the result not covered by subgroups G01R19/16504, G01R19/16528, G01R19/16533
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
    • G01R19/30—Measuring the maximum or the minimum value of current or voltage reached in a time interval
    • 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]
    • G01R31/396—Acquisition or processing of data for testing or for monitoring individual cells or groups of cells within a battery
    • 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)
  • Power Engineering (AREA)
  • Tests Of Electric Status Of Batteries (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

본 발명은 배터리 셀 단위를 기반으로 하는 이상 진단 장치, 시스템 및 방법이 개시된다. 본 발명의 이상 진단 장치는 에너지저장장치와 통신을 하는 통신부 및 에너지저장장치로부터 배터리 셀 단위에서 취득된 복수의 측정 데이터를 수신하면 측정 데이터를 기초로 이상을 진단하기 위한 전처리를 하고, 전처리된 측정 데이터를 모델링을 하며, 모델링된 결과를 이용하여 각 배터리 셀에 대한 이상을 진단하는 제어부를 포함한다.

Description

배터리 셀 단위를 기반으로 하는 이상 진단 장치, 시스템 및 방법{Abnormality diagnosis device, system and method based on battery cell unit}
본 발명은 배터리 이상 진단 장치에 관한 것으로, 더욱 상세하게는 에너지저장장치에 포함된 배터리를 셀 단위로 이상 진단하여 배터리의 이상 상태를 조기에 파악하는 배터리 셀 단위를 기반으로 하는 이상 진단 장치, 시스템 및 방법에 관한 것이다.
종래의 배터리 이상 진단 방법은 사전 정의된 기준치를 사용하거나, 모듈 단위에 대한 진단만을 수행하고 있다.
이로 인해 사전 정의된 기준치를 사용하는 경우, 배터리의 개별 특성을 반영하기가 어려울 뿐만 아니라 일시적 오류, 배터리의 동특성에 대한 변화 등과 같은 문제를 파악하기 어려움이 있다. 또한 모듈 단위의 지단을 사용하는 경우, 모듈 단위의 계측과 셀 단위의 계측에 부정합이 발생하여 외부적으로 배터리에 이상이 발생하지 않은 것으로 나타날 수 있으나, 모듈 내부의 개별 셀에서 문제가 발생하고 있을 가능성을 진단하기 어려움이 있다.
특히 에너지저장장치와 같은 설비는 이상 상태에 대한 데이터를 취득하기 어려워 종래의 통계기반 방식이나 지도학습 방식을 사용하기가 어렵다.
따라서 에너지저장장치의 배터리에 대한 상태를 명확히 파악하기 위한 연구가 필요한 실정이다.
한국등록특허공보 제10-2148204호(2020.08.26.)
본 발명이 이루고자 하는 기술적 과제는 에너지저장장치에 포함된 배터리 모듈에 대한 이상 진단을 정확하게 수행하는 배터리 셀 단위를 기반으로 하는 이상 진단 장치, 시스템 및 방법을 제공하는데 목적이 있다.
상기 목적을 달성하기 위해 본 발명에 따른 배터리 셀 단위를 기반으로 하는 이상 진단 장치는 에너지저장장치와 통신을 하는 통신부 및 상기 에너지저장장치로부터 배터리 셀 단위에서 취득된 복수의 측정 데이터를 수신하면 상기 측정 데이터를 기초로 이상을 진단하기 위한 전처리를 하고, 상기 전처리된 측정 데이터를 모델링을 하며, 상기 모델링된 결과를 이용하여 각 배터리 셀에 대한 이상을 진단하는 제어부를 포함한다.
또한 상기 제어부는, 최대값, 최소값, 평균, 중앙값, 표준편차, 분산, 이동평균, 왜도 및 첨도 중 적어도 하나를 포함하는 통계적 방법, 푸리에 변환(Fourier transformation) 및 웨이블릿 변환(wavelet transformation) 중 적어도 하나를 포함하는 신호처리 방법 및 주성분 분석(principal component analysis) 및 T-SNE(t-stochasic nearest neighbor) 중 적어도 하나를 포함하는 차원축소 방법 중 상기 배터리 셀의 동작을 가장 잘 나타낼 수 있는 특징조합을 검출하고, 상기 검출된 조합으로 상기 측정 데이터를 전처리하는 것을 특징으로 한다.
또한 상기 제어부는, 상기 전처리된 결과를 이용하여 상기 각 배터리 셀의 동특성을 비교하는 모델링을 하고, 상기 모델링된 진단 모델을 이용하여 복수의 배터리 셀 중 적어도 하나의 배터리 셀이 다른 배터리 셀에 대비하여 기 설정된 기준보다 상이한 특성을 나타내는 배터리 셀을 검출하고, 상기 검출된 배터리 셀을 이상 상태로 진단하는 것을 특징으로 한다.
또한 상기 제어부는, 기 설정된 특정 기간(△t)에서의 데이터 분포도를 산출하고, 상기 산출된 분포도를 이용하여 데이터의 밀집도를 산출하며, 상기 산출된 밀집도에 따라 그룹핑된 데이터를 기반으로 상기 상이한 특성을 나타내는 배터리 셀을 검출하는 것을 특징으로 한다.
또한 상기 제어부는, 상기 전처리된 결과를 이용하여 상기 각 배터리 셀의 현재 동특성을 과거 동특성과 비교하는 모델링을 하고, 상기 모델링된 진단 모델을 이용하여 복수의 배터리 셀 중 적어도 하나의 배터리 셀에 대한 현재 동특성이 과거 동특성에 대비하여 기 설정된 기준보다 상이한 특성을 나타내는 배터리 셀을 검출하고, 상기 검출된 배터리 셀을 이상 상태로 진단하는 것을 특징으로 한다.
또한 상기 제어부는, 각 배터리 셀의 과거 동특성을 오토인코더(AutoEncoder)에 학습시켜 모델링하는 것을 특징으로 한다.
또한 상기 제어부는, 각 배터리 셀의 과거 동특성에 대한 잔차(residual)를 산출하고, 상기 산출된 잔차에 대한 잔차 분포를 나타내는 학습 데이터를 기반으로 각 배터리 셀의 현재 동특성을 비교하여 상기 상이한 특성을 나타내는 배터리 셀을 검출하는 것을 특징으로 한다.
본 발명에 따른 이상 진단 시스템은 배터리를 이용하여 전기에너지를 저장하는 에너지저장장치 및 상기 배터리에 포함된 각각의 배터리 셀로부터 취득된 복수의 측정 데이터를 이용하여 각각의 배터리 셀에 대한 이상을 진단하는 이상 진단 장치를 포함하되, 상기 이상 진단 장치는, 상기 에너지저장장치와 통신을 하는 통신부 및 상기 에너지저장장치로부터 배터리 셀 단위에서 취득된 복수의 측정 데이터를 수신하면 상기 측정 데이터를 기초로 이상을 진단하기 위한 전처리를 하고, 상기 전처리된 측정 데이터를 모델링을 하며, 상기 모델링된 결과를 이용하여 각 배터리 셀에 대한 이상을 진단하는 제어부를 포함하는 것을 특징으로 한다.
또한 상기 이상 진단 장치로부터 각 배터리 셀에 대한 이상 진단에 대한 모니터링 정보를 수신하고, 상기 수신된 모니터링 정보를 출력하는 사용자 단말을 더 포함하는 것을 특징으로 한다.
본 발명에 따른 배터리 셀 단위를 기반으로 하는 이상 진단 방법은 이상 진단 장치가 상기 에너지저장장치로부터 배터리 셀 단위에서 취득된 복수의 측정 데이터를 수신하는 단계, 상기 이상 진단 장치가 상기 측정 데이터를 기초로 이상을 진단하기 위한 전처리를 하고, 상기 전처리된 측정 데이터를 모델링을 하는 단계 및 상기 이상 진단 장치가 상기 모델링된 결과를 이용하여 각 배터리 셀에 대한 이상을 진단하는 단계를 포함한다.
본 발명의 배터리 셀 단위를 기반으로 하는 이상 진단 장치, 시스템 및 방법은 배터리 셀에 대한 개별 데이터를 취득하여 개별 배터리 셀의 동특성 이상 진단 및 개별 배터리의 현재 동특성과 과거 동특성에 대한 이상 진단을 함으로써, 배터리 모듈에 포함된 배터리 셀의 다차원 이상 진단을 수행할 수 있다.
이를 통해 본 발명은 종래의 모듈 단위의 계측에서 발생되는 데이터 부정합을 해소할 수 있다.
또한 본 발명은 에너지저장장치의 생산성 증대와 신뢰성을 증대시키는 동시에 시스템 확장성을 높여 효율적인 운영을 수행할 수 있다.
도 1은 본 발명의 실시예에 따른 이상 진단 시스템을 설명하기 위한 구성도이다.
도 2는 본 발명의 실시예에 따른 이상 진단 장치를 설명하기 위한 블록도이다.
도 3은 본 발명의 실시예에 따른 제어부를 설명하기 위한 블록도이다.
도 4는 본 발명의 실시예에 따른 배터리 셀별 동특성을 분석하여 이상 상태를 진단하는 과정을 설명하기 위한 도면이다.
도 5는 본 발명의 실시예에 따른 각 배터리 셀의 현재 동특성과 과거 동특성을 분석하여 이상 상태를 진단하는 과정을 설명하기 위한 도면이다.
도 6은 본 발명의 실시예에 따른 이상 진단 방법을 설명하기 위한 순서도이다.
이하 본 발명의 실시예를 첨부된 도면들을 참조하여 상세히 설명한다. 우선 각 도면의 구성요소들에 참조부호를 부가함에 있어서, 동일한 구성요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호를 가지도록 하고 있음에 유의한다. 또한 본 발명을 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 당업자에게 자명하거나 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략한다.
도 1은 본 발명의 실시예에 따른 이상 진단 시스템을 설명하기 위한 구성도이다.
도 1을 참조하면, 이상 진단 시스템(300)은 배터리의 이상을 진단한다. 이상 진단 시스템(300)은 이상 진단 장치(100) 및 에너지저장장치(200)을 포함한다.
이상 진단 장치(100)는 에너지저장장치(200)에 포함된 배터리 모듈의 배터리 셀(210, 220, 230) 단위에서 취득된 복수의 측정 데이터를 이용하여 이상 진단을 수행할 수 있다. 이때 이상 진단 장치(100)는 배터리 셀별 동특성을 이용하여 이상 유무를 판단함으로써, 배터리 모듈 중 어느 배터리 셀에서 이상이 발생되었는지 명확하게 파악할 수 있다.
에너지저장장치(200)은 전기에너지를 저장하는 장치이다. 즉 에너지저장장치(200)는 에너지를 효율적으로 사용할 수 있도록 저장 및 관리하는 시스템으로, 발전소, 송배전시설, 가정, 공장, 기업 등에 활용된다. 이를 위해 에너지저장장치(200)은 배터리 모듈을 포함하고, 배터리 모듈은 복수의 배터리 셀(210, 220, 230)을 포함한다. 예를 들어 배터리 모듈은 제1 배터리 셀(210), 제2 배터리 셀(220) 내지 제N 배터리 셀(230)(N은 3이상 자연수)을 포함할 수 있다. 이때 에너지저장장치(200)은 배터리 셀(210, 220, 230) 단위로 특성 정보를 측정하고, 측정된 측정 데이터를 이상 진단 장치(100)로 전송한다. 여기서 특성 정보는 배터리의 상태 정보일 수 있다.
또한 이상 진단 시스템(300)은 도면에는 개시되고 있지 않지만 사용자 단말(미도시)를 더 포함할 수 있다. 사용자 단말은 이상 진단 장치(100)와의 통신을 통해 배터리 모듈에 대한 현재 상태를 모니터링한 모니터링 정보를 수신한다. 사용자 단말은 수신된 모니터링 정보를 이용하여 원격에서 배터리 모듈을 실시간으로 모니터링할 수 있다. 사용자 단말은 스마트폰, 데스크톱, 랩톱, 태블릿 PC, 핸드헬드 PC 등 컴퓨팅 시스템일 수 있다.
한편 이상 진단 시스템(300)은 이상 진단 장치(100), 에너지저장장치(200), 사용자 단말 사이에 통신망(350)을 구축하여 서로 간에 통신이 이루어지도록 할 수 있다. 통신망(350)은 백본망과 가입자망으로 구성될 수 있다. 백본망은 X.25 망, Frame Relay 망, ATM망, MPLS(Multi Protocol Label Switching) 망 및 GMPLS(Generalized Multi Protocol Label Switching) 망 중 하나 또는 복수의 통합된 망으로 구성될 수 있다. 가입자망은 FTTH(Fiber To The Home), ADSL(Asymmetric Digital Subscriber Line), 케이블망, 지그비(zigbee), 블루투스(bluetooth), Wireless LAN(IEEE 802.11b, IEEE 802.11a, IEEE 802.11g, IEEE 802.11n), Wireless Hart(ISO/IEC62591-1), ISA100.11a(ISO/IEC 62734), COAP(Constrained Application Protocol), MQTT(Multi-Client Publish/Subscribe Messaging), WIBro(Wireless Broadband), Wimax, 3G, HSDPA(High Speed Downlink Packet Access), 4G 및 5G일 수 있다. 일부 실시예로, 통신망(350)은 인터넷망일 수 있고, 이동 통신망일 수 있다. 또한 통신망(350)은 기타 널리 공지되었거나 향후 개발될 모든 무선통신 또는 유선통신 방식을 포함할 수 있다.
도 2는 본 발명의 실시예에 따른 이상 진단 장치를 설명하기 위한 블록도이다.
도 1 및 도 2를 참조하면, 이상 진단 장치(100)는 통신부(10) 및 제어부(30)를 포함하고, 출력부(50) 및 저장부(70)를 더 포함할 수 있다.
통신부(10)는 에너지저장장치(200)와 통신을 한다. 통신부(10)는 에너지저장장치(200)로부터 배터리 모듈의 배터리 셀에서 셀 단위별로 취득된 복수의 측정 데이터를 수신한다. 통신부(10)는 배터리 모듈의 배터리 셀에 대한 모니터링 정보를 사용자 단말로 전송한다.
제어부(30)는 이상 진단 장치(100)의 전반적인 제어를 수행한다. 제어부(30)는 통신부(10)로부터 수신된 복수의 측정 데이터를 기초로 이상을 진단하기 위한 전처리를 하고, 전처리된 측정 데이터를 모델링을 한다. 제어부(30)는 모델링된 결과인 진단 모델을 이용하여 각 배터리 셀에 대한 이상을 진단한다. 이때 제어부(30)는 이상 진단을 위한 모델링을 두 가지 방법을 이용하여 모델링할 수 있다. 상세하게는 제어부(30)는 각 배터리 셀의 동특성을 비교하는 모델링을 하거나, 각 배터리 셀의 현재 동특성을 과거 동특성과 비교하는 모델링을 할 수 있다. 이를 통해 제어부(30)는 이상 진단 장치(100)가 구동되는 상황에 맞는 모델링을 수행하여 배터리 셀별 이상 진단을 정확하게 할 수 있도록 지원한다. 또한 제어부(30)는 각 배터리 셀에 대한 이상 진단에 대한 모니터링 정보를 생성할 수 있다.
출력부(50)는 통신부(10)로부터 수신된 측정 데이터를 출력하고, 제어부(30)로부터 생성된 모니터링 정보를 출력한다. 출력부(50)는 화면을 출력하는 디스플레이, 소리를 출력하는 스피커 등을 포함할 수 있다. 여기서 디스플레이는 액정 디스플레이(liquid crystal display, LCD), 박막 트랜지스터 액정 디스플레이(thin film transistor-liquid crystal display, TFT LCD), 유기 발광 다이오드(organic light-emitting diode, OLED), 플렉시블 디스플레이(flexible display), 3차원 디스플레이(3D display) 중에서 적어도 하나를 포함할 수 있다.
저장부(70)는 이상 진단 장치(100)를 구동하기 위한 프로그램 또는 알고리즘이 저장된다. 저장부(70)는 통신부(10)로부터 수신된 측정 데이터가 저장된다. 저장부(70)는 제어부(30)로부터 모델링된 진단 모델 및 생성된 모니터링 정보가 저장된다. 저장부(70)는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), 미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램(Random Access Memory, RAM), SRAM(Static Random Access Memory), 롬(Read-Only Memory, ROM), EEPROM(Electrically Erasable Programmable Read-Only Memory), PROM(Programmable Read-Only Memory), 자기메모리, 자기 디스크 및 광디스크 중 적어도 하나의 저장매체를 포함할 수 있다.
도 3은 본 발명의 실시예에 따른 제어부를 설명하기 위한 블록도이고, 도 4는 본 발명의 실시예에 따른 배터리 셀별 동특성을 분석하여 이상 상태를 진단하는 과정을 설명하기 위한 도면이며, 도 5는 본 발명의 실시예에 따른 각 배터리 셀의 현재 동특성과 과거 동특성을 분석하여 이상 상태를 진단하는 과정을 설명하기 위한 도면이다.
도 2 내지 도 5를 참조하면, 제어부(30)는 데이터 수집부(31), 모델링부(33) 및 이상 진단부(35)를 포함한다.
데이터 수집부(31)는 에너지저장장치(200)에 포함된 배터리 셀 단위에서 취득된 복수의 측정 정보를 수집한다. 여기서 측정 정보는 각각의 배터리 셀에 대한 센싱 데이터로써, 전압, 전류, 온도, 내부저항 등을 포함할 수 있다. 데이터 수집부(31)는 수집된 복수의 측정 정보를 저장부(70)에 저장시킬 수 있다.
모델링부(33)는 데이터 수집부(31)로부터 수집된 측정 데이터를 기초로 이상을 진단하기 위한 전처리를 모델링하기 이전에 먼저 수행한다. 모델링부(33)는 최대값, 최소값, 평균, 중앙값, 표준편차, 분산, 이동평균, 왜도 및 첨도 중 적어도 하나를 포함하는 통계적 방법, 푸리에 변환(Fourier transformation) 및 웨이블릿 변환(wavelet transformation) 중 적어도 하나를 포함하는 신호처리 방법 및 주성분 분석(principal component analysis) 및 T-SNE(t-stochasic nearest neighbor) 중 적어도 하나를 포함하는 차원축소 방법 중 배터리 셀의 동작을 가장 잘 나타낼 수 있는 특징조합을 검출하고, 검출된 조합으로 측정 데이터를 전처리할 수 있다. 모델링부(33)는 전처리된 측정 정보를 기초로 모델링을 하여 진단 모델을 생성한다. 이때 모델링부(33)는 두 가지 방법을 이용하여 모델링할 수 있다. 첫째 모델링부(33)는 전처리된 결과를 기초로 각 배터리 셀의 동특성을 비교하는 모델링을 하여 진단 모델을 생성한다. 둘째 모델링부(33)는 전처리된 결과를 기초로 각 배터리 셀의 현재 동특성을 과거 동특성과 비교하는 모델링을 하여 진단 모델을 생성한다. 이를 통해 모델링부(33)는 각각의 상황에 맞는 모델링을 하여 최적의 진단 모델을 생성할 수 있다.
이상 진단부(35)는 생성된 진단 모델을 이용하여 각 배터리 셀에 대한 이상 진단을 하고, 이상 진단에 대한 모니터링 정보를 생성한다. 이상 진단부(35)는 생성된 모니터링 정보를 출력시키거나, 사용자 단말로 전송시킬 수 있다.
도 4에 도시된 바와 같이, 각 배터리 셀의 동특성을 비교하는 모델링을 통해 생성된 진단 모델을 이용하여 배터리 셀의 이상 진단을 하는 경우, 이상 진단부(35)는 모델링된 진단 모델을 이용하여 복수의 배터리 셀 중 적어도 하나의 배터리 셀이 다른 배터리 셀에 대비하여 기 설정된 기준보다 상이한 특성을 나타내는 배터리 셀을 검출한다. 이상 진단부(35)는 검출된 배터리 셀을 이상 상태로 진단한다. 이때 이상 진단부(35)는 이상을 판단하는 기준을 단일 시간에 신호가 아닌 특정 기간(△t)에 대한 데이터를 이용하여 판단할 수 있다. 즉 이상 진단부(35)는 특정 기간 동안의 복수의 배터리 셀의 동작을 비교함으로써, 단일 시간에 비해 일반적인 동특성을 비교할 수 있다. 일반적으로 특정 기간 동안의 배터리 셀의 동특성을 비교하는 경우, 같은 제원을 갖는 배터리 셀을 사용하면 배터리 셀의 동특성이 유사하게 나타나는데 반해 이상 상태의 배터리 셀이면 정상 상태의 배터리 셀과 상이한 동특성을 가지게 되며 이러한 특징으로 이용하여 이상 진단부(35)는 배터리 셀의 이상 상태를 진단할 수 있다. 상세하게는 이상 진단부(35)는 기 설정된 특정 기간에서의 데이터 분포도를 산출하고, 산출된 분포도를 이용하여 데이터의 밀집도를 산출한다. 이상 진단부(35)는 산출된 밀집도에 따라 그룹핑된 데이터를 기반으로 상이한 특성을 나타내는 배터리 셀을 검출한 후, 검출된 배터리 셀이 이상 상태라고 진단할 수 있다. 여기서 이상 진단부(35)는 밀집도에 따라 데이터를 그룹화하는 기법으로 밀도기반 클러스터링(Density Based Spatial Clustering of Applications with Noise, DBSCAN)을 이용할 수 있으며, 이에 한정하지 않는다. 밀도기반 클러스터링은 n개의 데이터 샘플이 반지름 ε인 원안에 있는 경우, 같은 클러스터로 분류하는 기법으로, n, ε는 초모수로써, 튜닝이 필요한 값이며, 이를 최적화하여 성능을 향상시킬 수 있다. 또한 동일한 클러스터에 속하는 데이터의 경우, 코어 데이터라고 하며, 동일한 클러스터에 속하지 못하는 경우, 노이즈 데이터라고 부른다. 따라서 본 발명에서는 노이즈 데이터가 이상 데이터와 매칭될 수 있고, 이상 데이터에 속하는 배터리 셀이 특정 기간 동안 다른 배터리 셀과 상이한 동특성을 보임을 확인할 수 있다.
도 5에 도시된 바와 같이, 각 배터리 셀의 현재 동특성을 과거 동특성과 비교하는 모델링을 통해 생성된 진단 모델을 이용하여 배터리 셀의 이상 진단을 하는 경우, 이상 진단부(35)는 모델링된 진단 모델을 이용하여 복수의 배터리 셀 중 적어도 하나의 배터리 셀에 대한 현재 동특성이 과거 동특성에 대비하여 기 설정된 기준보다 상이한 특성을 나타내는 배터리 셀을 검출한다. 이상 진단부(35)는 검출된 배터리 셀을 이상 상태로 진단한다. 이때 이상 진단부(35)는 단일 시간에 신호가 아닌 특정 기간에 대한 데이터를 이용하여 판단할 수 있다. 상세하게는 이상 진단부(35)는 각 배터리 셀의 과거 동특성을 오토인코더(AutoEncoder)에 학습시켜 모델링을 하고, 모델링된 진단 모델을 통해 현재 배터리 셀의 상태를 판단한다. 이상 진단부(35)는 각 배터리 셀의 과거 동특성에 대한 잔차(residual)를 산출하고, 산출된 잔차에 대한 잔차 분포를 나타내는 학습 데이터를 기반으로 각 배터리 셀의 현재 동특성을 비교하여 상이한 특성을 나타내는 배터리 셀을 검출한 후, 검출된 배터리 셀이 이상 상태라고 진단할 수 있다. 이때 판단 기준은 잔차 값 중 가장 큰 값을 사용할 수 있으나, 이에 한정하지 않고 사용자에 의해 유동적으로 설정할 수 있다. 한편 오토인코더는 축소 신경망과 함께 재구성 신경망을 학습하고, 축소된 표현에서 원래 입력에 최대한 가까운 표현을 생성(Decoding)하려고 시도한다. 즉 오토인코더는 인코딩을 통해서 종래의 데이터에 대한 특성을 반영하는 신경망을 구축하고, 디코딩을 통해서 종래의 데이터와의 차이를 산출할 수 있다.
도 6은 본 발명의 실시예에 따른 이상 진단 방법을 설명하기 위한 순서도이다.
도 1 및 도 6을 참조하면, 이상 진단 방법은 배터리 셀에 대한 개별 데이터를 취득하여 개별 배터리 셀의 동특성 이상 진단 및 개별 배터리의 현재 동특성과 과거 동특성에 대한 이상 진단을 함으로써, 배터리 모듈에 포함된 배터리 셀의 다차원 이상 진단을 수행할 수 있다. 이를 통해 이상 진단 방법은 종래의 모듈 단위의 계측에서 발생되는 데이터 부정합을 해소할 수 있고, 에너지저장장치(200)의 생산성 증대와 신뢰성을 증대시키는 동시에 시스템 확장성을 높여 효율적인 운영을 수행할 수 있다.
S110 단계에서, 이상 진단 장치(100)는 에너지저장장치(200)로부터 배터리 셀 단위에서 취득된 복수의 측정 데이터를 수신한다. 여기서 측정 데이터는 각각의 배터리 셀에 대한 센싱 데이터로써, 전압, 전류, 온도, 내부저항 등을 포함할 수 있다. 이상 진단 장치(100)는 수신된 측정 정보를 저장할 수 있다.
S120 단계에서, 이상 진단 장치(100)는 측정 데이터를 기초로 이상을 진단하기 위한 전처리를 하고, 전처리된 측정 데이터를 모델링을 한다. 이상 진단 장치(100)는 각 배터리 셀의 동특성을 비교하는 모델링을 하거나, 각 배터리 셀의 현재 동특성을 과거 동특성과 비교하는 모델링을 할 수 있다. 이를 통해 이상 진단 장치(100)는 장치가 구동되는 상황에 맞는 모델링을 수행하여 배터리 셀별 이상 진단을 정확하게 할 수 있도록 지원할 수 있다.
S130 단계에서, 이상 진단 장치(100)는 모델링된 결과를 이용하여 각 배터리 셀에 대한 이상을 진단한다. 이상 진단 장치(100)는 복수의 배터리 셀 중 동특성이 상이한 특성을 나타내는 배터리 셀을 이상 상태라고 진단하거나, 복수의 배터리 셀 중 현재 동특성과 과거 동특성이 상이한 특성을 나태는 배터리 셀을 이상 상태라고 진단할 수 있다. 또한 이상 진단 장치(100)는 각 배터리 셀에 대한 이상 진단에 대한 모니터링 정보를 생성하고, 생성된 모니터링 정보를 출력하거나, 사용자 단말에 전송하여 사용자 단말에서 모니터링 정보를 출력할 수 있도록 지원할 수 있다.
상술된 바와 같이, 본 발명은 이상 진단 장치(100)가 에너지저장장치(200)에 포함된 배터리 모듈의 배터리 셀에 대한 이상을 진단하는 구성만을 개시하고 있으나, 이에 한정하지 않고 에너지저장장치(200)이 아니더라도 배터리 모듈을 사용하는 모든 시스템에 적용할 수 있다.
본 발명의 실시 예에 따른 방법은 컴퓨터 프로그램 명령어와 데이터를 저장하기에 적합한 컴퓨터로 판독 가능한 매체의 형태로 제공될 수도 있다. 이러한, 컴퓨터가 읽을 수 있는 기록매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있으며, 컴퓨터 시스템에 의해 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 기록매체의 예로는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(Magnetic Media), CD-ROM(Compact Disk Read Only Memory), DVD(Digital Video Disk)와 같은 광기록 매체(Optical Media), 플롭티컬 디스크(Floptical Disk)와 같은 자기-광 매체(Magneto-Optical Media) 및 롬(ROM, Read Only Memory), 램(RAM, Random Access Memory), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치를 포함한다. 또한, 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다. 그리고, 본 발명을 구현하기 위한 기능적인(functional) 프로그램, 코드 및 코드 세그먼트들은 본 발명이 속하는 기술분야의 프로그래머들에 의해 용이하게 추론될 수 있다.
이상으로 본 발명의 기술적 사상을 예시하기 위한 바람직한 실시예와 관련하여 설명하고 도시하였지만, 본 발명은 이와 같이 도시되고 설명된 그대로의 구성 및 작용에만 국한되는 것은 아니며, 기술적 사상의 범주를 이탈함없이 본 발명에 대해 다수의 변경 및 수정이 가능함을 당업자들은 잘 이해할 수 있을 것이다. 따라서 그러한 모든 적절한 변경 및 수정과 균등물들도 본 발명의 범위에 속하는 것으로 간주되어야 할 것이다.
10: 통신부
30: 제어부
31: 데이터 수집부
33: 모델링부
35: 이상 진단부
50: 출력부
70: 저장부
100: 이상 진단 장치
200: 에너지저장장치
210: 제1 배터리 셀
220: 제2 배터리 셀
230: 제N 배터리 셀
300: 이상 진단 시스템
350: 통신망

Claims (10)

  1. 에너지저장장치와 통신을 하는 통신부; 및
    상기 에너지저장장치로부터 배터리 셀 단위에서 취득된 복수의 측정 데이터를 수신하면 상기 측정 데이터를 기초로 이상을 진단하기 위한 전처리를 하고, 상기 전처리된 측정 데이터를 모델링을 하며, 상기 모델링된 결과를 이용하여 각 배터리 셀에 대한 이상을 진단하는 제어부;
    를 포함하는 배터리 셀 단위를 기반으로 하는 이상 진단 장치.
  2. 제 1항에 있어서,
    상기 제어부는,
    최대값, 최소값, 평균, 중앙값, 표준편차, 분산, 이동평균, 왜도 및 첨도 중 적어도 하나를 포함하는 통계적 방법,
    푸리에 변환(Fourier transformation) 및 웨이블릿 변환(wavelet transformation) 중 적어도 하나를 포함하는 신호처리 방법 및
    주성분 분석(principal component analysis) 및 T-SNE(t-stochasic nearest neighbor) 중 적어도 하나를 포함하는 차원축소 방법
    중 상기 배터리 셀의 동작을 가장 잘 나타낼 수 있는 특징조합을 검출하고, 상기 검출된 조합으로 상기 측정 데이터를 전처리하는 것을 특징으로 하는 배터리 셀 단위를 기반으로 하는 이상 진단 장치.
  3. 제 1항에 있어서,
    상기 제어부는,
    상기 전처리된 결과를 이용하여 상기 각 배터리 셀의 동특성을 비교하는 모델링을 하고, 상기 모델링된 진단 모델을 이용하여 복수의 배터리 셀 중 적어도 하나의 배터리 셀이 다른 배터리 셀에 대비하여 기 설정된 기준보다 상이한 특성을 나타내는 배터리 셀을 검출하고, 상기 검출된 배터리 셀을 이상 상태로 진단하는 것을 특징으로 하는 배터리 셀 단위를 기반으로 하는 이상 진단 장치.
  4. 제 3항에 있어서,
    상기 제어부는,
    기 설정된 특정 기간(△t)에서의 데이터 분포도를 산출하고, 상기 산출된 분포도를 이용하여 데이터의 밀집도를 산출하며, 상기 산출된 밀집도에 따라 그룹핑된 데이터를 기반으로 상기 상이한 특성을 나타내는 배터리 셀을 검출하는 것을 특징으로 하는 배터리 셀 단위를 기반으로 하는 이상 진단 장치.
  5. 제 1항에 있어서,
    상기 제어부는,
    상기 전처리된 결과를 이용하여 상기 각 배터리 셀의 현재 동특성을 과거 동특성과 비교하는 모델링을 하고, 상기 모델링된 진단 모델을 이용하여 복수의 배터리 셀 중 적어도 하나의 배터리 셀에 대한 현재 동특성이 과거 동특성에 대비하여 기 설정된 기준보다 상이한 특성을 나타내는 배터리 셀을 검출하고, 상기 검출된 배터리 셀을 이상 상태로 진단하는 것을 특징으로 하는 배터리 셀 단위를 기반으로 하는 이상 진단 장치.
  6. 제 5항에 있어서,
    상기 제어부는,
    각 배터리 셀의 과거 동특성을 오토인코더(AutoEncoder)에 학습시켜 모델링하는 것을 특징으로 하는 배터리 셀 단위를 기반으로 하는 이상 진단 장치.
  7. 제 6항에 있어서,
    상기 제어부는,
    각 배터리 셀의 과거 동특성에 대한 잔차(residual)를 산출하고, 상기 산출된 잔차에 대한 잔차 분포를 나타내는 학습 데이터를 기반으로 각 배터리 셀의 현재 동특성을 비교하여 상기 상이한 특성을 나타내는 배터리 셀을 검출하는 것을 특징으로 하는 배터리 셀 단위를 기반으로 하는 이상
  8. 배터리를 이용하여 전기에너지를 저장하는 에너지저장장치; 및
    상기 배터리에 포함된 각각의 배터리 셀로부터 취득된 복수의 측정 데이터를 이용하여 각각의 배터리 셀에 대한 이상을 진단하는 이상 진단 장치;를 포함하되,
    상기 이상 진단 장치는,
    상기 에너지저장장치와 통신을 하는 통신부; 및
    상기 에너지저장장치로부터 배터리 셀 단위에서 취득된 복수의 측정 데이터를 수신하면 상기 측정 데이터를 기초로 이상을 진단하기 위한 전처리를 하고, 상기 전처리된 측정 데이터를 모델링을 하며, 상기 모델링된 결과를 이용하여 각 배터리 셀에 대한 이상을 진단하는 제어부;
    를 포함하는 것을 특징으로 하는 이상 진단 시스템.
  9. 제 8항에 있어서,
    상기 이상 진단 장치로부터 각 배터리 셀에 대한 이상 진단에 대한 모니터링 정보를 수신하고, 상기 수신된 모니터링 정보를 출력하는 사용자 단말;
    을 더 포함하는 것을 특징으로 하는 이상 진단 시스템.
  10. 이상 진단 장치가 상기 에너지저장장치로부터 배터리 셀 단위에서 취득된 복수의 측정 데이터를 수신하는 단계;
    상기 이상 진단 장치가 상기 측정 데이터를 기초로 이상을 진단하기 위한 전처리를 하고, 상기 전처리된 측정 데이터를 모델링을 하는 단계; 및
    상기 이상 진단 장치가 상기 모델링된 결과를 이용하여 각 배터리 셀에 대한 이상을 진단하는 단계;
    를 포함하는 배터리 셀 단위를 기반으로 하는 이상 진단 방법.
KR1020210028631A 2021-03-04 2021-03-04 배터리 셀 단위를 기반으로 하는 이상 진단 장치, 시스템 및 방법 KR102515853B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210028631A KR102515853B1 (ko) 2021-03-04 2021-03-04 배터리 셀 단위를 기반으로 하는 이상 진단 장치, 시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210028631A KR102515853B1 (ko) 2021-03-04 2021-03-04 배터리 셀 단위를 기반으로 하는 이상 진단 장치, 시스템 및 방법

Publications (2)

Publication Number Publication Date
KR20220125848A true KR20220125848A (ko) 2022-09-15
KR102515853B1 KR102515853B1 (ko) 2023-03-31

Family

ID=83281509

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210028631A KR102515853B1 (ko) 2021-03-04 2021-03-04 배터리 셀 단위를 기반으로 하는 이상 진단 장치, 시스템 및 방법

Country Status (1)

Country Link
KR (1) KR102515853B1 (ko)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102535952B1 (ko) * 2022-10-12 2023-05-26 주식회사 민테크 전기화학 임피던스 분광법에 기초하여 배터리 불량을 진단하는 방법 및 장치
CN116487741A (zh) * 2023-06-21 2023-07-25 苏州时代华景新能源有限公司 一种锂电池储能箱损耗异常定位方法及系统
CN116754957A (zh) * 2023-06-13 2023-09-15 苏州天希电子科技有限公司 一种新能源汽车用动力电池测试系统
CN118024886A (zh) * 2024-04-15 2024-05-14 昆山金鑫新能源科技股份有限公司 一种车用锂电池组的在线检测控制方法及系统
CN118244057A (zh) * 2024-05-28 2024-06-25 山东理工大学 电力系统故障检测方法、装置、设备以及存储介质
WO2024196457A1 (en) * 2023-03-22 2024-09-26 Element Energy, Inc. Fault detection in a battery system

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007309839A (ja) * 2006-05-19 2007-11-29 Fuji Electric Systems Co Ltd 組電池状態測定装置、組電池劣化判定方法および組電池劣化判定プログラム
US20160349330A1 (en) * 2015-06-01 2016-12-01 Verizon Patent And Licensing Inc. Systems and methods for determining vehicle battery health
KR20170051059A (ko) * 2015-11-02 2017-05-11 삼성전자주식회사 배터리 관리 방법 및 배터리 관리 장치
KR20170073572A (ko) * 2017-06-19 2017-06-28 (주)파워에스티 휴대 단말을 이용한 산업용 전동차의 배터리 상태 감지방법
KR20190012718A (ko) * 2017-07-28 2019-02-11 주식회사 엘지화학 배터리 모니터링 시스템 및 방법
KR102148204B1 (ko) 2019-12-17 2020-08-26 경북대학교 산학협력단 배터리에서 측정되는 파라미터의 모델을 이용하는 배터리 이상 진단 장치 및 방법
KR20200107987A (ko) * 2018-01-11 2020-09-16 가부시키가이샤 한도오따이 에네루기 켄큐쇼 이차 전지의 이상 검지 장치, 이상 검지 방법, 및 프로그램

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007309839A (ja) * 2006-05-19 2007-11-29 Fuji Electric Systems Co Ltd 組電池状態測定装置、組電池劣化判定方法および組電池劣化判定プログラム
US20160349330A1 (en) * 2015-06-01 2016-12-01 Verizon Patent And Licensing Inc. Systems and methods for determining vehicle battery health
KR20170051059A (ko) * 2015-11-02 2017-05-11 삼성전자주식회사 배터리 관리 방법 및 배터리 관리 장치
KR20170073572A (ko) * 2017-06-19 2017-06-28 (주)파워에스티 휴대 단말을 이용한 산업용 전동차의 배터리 상태 감지방법
KR20190012718A (ko) * 2017-07-28 2019-02-11 주식회사 엘지화학 배터리 모니터링 시스템 및 방법
KR20200107987A (ko) * 2018-01-11 2020-09-16 가부시키가이샤 한도오따이 에네루기 켄큐쇼 이차 전지의 이상 검지 장치, 이상 검지 방법, 및 프로그램
KR102148204B1 (ko) 2019-12-17 2020-08-26 경북대학교 산학협력단 배터리에서 측정되는 파라미터의 모델을 이용하는 배터리 이상 진단 장치 및 방법

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102535952B1 (ko) * 2022-10-12 2023-05-26 주식회사 민테크 전기화학 임피던스 분광법에 기초하여 배터리 불량을 진단하는 방법 및 장치
WO2024196457A1 (en) * 2023-03-22 2024-09-26 Element Energy, Inc. Fault detection in a battery system
CN116754957A (zh) * 2023-06-13 2023-09-15 苏州天希电子科技有限公司 一种新能源汽车用动力电池测试系统
CN116487741A (zh) * 2023-06-21 2023-07-25 苏州时代华景新能源有限公司 一种锂电池储能箱损耗异常定位方法及系统
CN116487741B (zh) * 2023-06-21 2023-10-20 苏州时代华景新能源有限公司 一种锂电池储能箱损耗异常定位方法及系统
CN118024886A (zh) * 2024-04-15 2024-05-14 昆山金鑫新能源科技股份有限公司 一种车用锂电池组的在线检测控制方法及系统
CN118024886B (zh) * 2024-04-15 2024-06-25 昆山金鑫新能源科技股份有限公司 一种车用锂电池组的在线检测控制方法及系统
CN118244057A (zh) * 2024-05-28 2024-06-25 山东理工大学 电力系统故障检测方法、装置、设备以及存储介质

Also Published As

Publication number Publication date
KR102515853B1 (ko) 2023-03-31

Similar Documents

Publication Publication Date Title
KR102515853B1 (ko) 배터리 셀 단위를 기반으로 하는 이상 진단 장치, 시스템 및 방법
Lin et al. Anomaly detection for time series using vae-lstm hybrid model
US11775873B2 (en) Missing value imputation technique to facilitate prognostic analysis of time-series sensor data
US10373065B2 (en) Generating database cluster health alerts using machine learning
US20160342903A1 (en) Systems and/or methods for dynamic anomaly detection in machine sensor data
US20220414526A1 (en) Intelligent fault detection system
CN112416643A (zh) 无监督异常检测方法与装置
CN111897705B (zh) 服务状态处理、模型训练方法、装置、设备和存储介质
CN115905450B (zh) 一种基于无人机监控的水质异常溯源方法及系统
US20230133541A1 (en) Alert correlating using sequence model with topology reinforcement systems and methods
EP3716279A1 (en) Monitoring, predicting and alerting for census periods in medical inpatient units
CN114356734A (zh) 服务异常检测方法和装置、设备、存储介质
CN110490132B (zh) 数据处理方法和装置
US11841295B2 (en) Asset agnostic anomaly detection using clustering and auto encoder
CN113487086B (zh) 设备剩余使用寿命预测方法、装置、计算机设备和介质
Raj et al. Cloud infrastructure fault monitoring and prediction system using LSTM based predictive maintenance
CN110324207A (zh) 一种数据采集终端的检测方法及装置
WO2023033850A1 (en) Passive inferencing of signal following in multivariate anomaly detection
CN114189506A (zh) 一种设备巡检方法、装置及系统
CN117560593A (zh) 自适应io模块中的信号传输方法、装置、设备及介质
CN117478540A (zh) 网络交换机检测系统
CN111614504A (zh) 基于时间序列和故障树分析的电网调控数据中心业务特性故障定位方法及系统
CN116070381A (zh) 用于检测连接异常的系统和方法
CN114298243A (zh) 一种数据处理方法、装置以及设备
KR20220042687A (ko) 순환 신경망(rnn)을 이용한 스마트팜 센서의 고장여부 판단방법

Legal Events

Date Code Title Description
A201 Request for examination
A302 Request for accelerated examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant