KR20220143293A

KR20220143293A - 표시부를 포함하는 전동보장구용 bms 배터리 모듈

Info

Publication number: KR20220143293A
Application number: KR1020210049641A
Authority: KR
Inventors: 최형석
Original assignee: 주식회사 스위브
Priority date: 2021-04-16
Filing date: 2021-04-16
Publication date: 2022-10-25

Abstract

본 발명은 이차전지가 사용되는 전동보장구용 BMS 배터리 모듈에 관한 것으로서, 전동보장구용 배터리; 상기 배터리의 방전 전류 및 양단 전압을 측정하도록 구성된 측정부; 상기 측정부에 의해 측정된 전압 값, 전류 값과 기 설정된 상기 배터리의 최초 측정 전압 값(Open Circuit Voltage, 이하 OCV)을 이용하여 상기 배터리의 현재 용량을 연산하는 연산부; 상기 OCV 값과 상기 OCV 값에 대응하는 SOC(State of Charge) 값을 테이블화한 OCV 테이블을 저장하는 메모리; 상기 OCV 테이블을 이용하여 상기 배터리의 SOC 값을 추정하거나, 상기 배터리의 현재 용량을 이용하여 상기 배터리의 SOC 값을 추정하는 SOC추정부; 및 상기 SOC추정부에 의해 추정되는 배터리의 잔존 용량과, 상기 연산부의 연산 과정에서 파악되는 배터리의 충전 상태 및 완충 소요시간을 표시하는 표시부;를 포함하는 것을 특징으로 한다.
본 발명에 따르면 배터리 모듈은 딥러닝 알고리즘을 부가하여 보다 신뢰도 있는 배터리의 SOC를 추정할 수 있다. 또한, 산출된 SOC를 기반으로 배터리 셀의 밸런싱을 적극 활용하여 과충·방전에 따르는 사고위험요소 배제와 에너지 손실을 최소화시킬 수 있다. 또한, 본 발명의 BMS 배터리 모듈이 적용된 이차전지는 기존 전동보장구에 적용되었던 납산배터리 모듈을 대체하게 됨으로써, 납산배터리 대비 경량화, 셀의 효율 및 수명 증가된 배터리 성능을 기대할 수 있으며, 이에 더해 배터리의 잔여 용량, 완충에 소요되는 시간, 교체 주기에 대한 수명 등을 사용자가 확인할 수 있는 표시부를 제공하여 배터리 관리에 있어 즉각적인 피드백이 가능한 효과가 있다.

Description

표시부를 포함하는 전동보장구용 BMS 배터리 모듈{BMS battery module with display for electric wheelchairs}

본 발명은 전동보장구에 적용되는 표시부를 포함하는 전동보장구용 BMS 배터리 모듈에 관한 것으로서, 더욱 상세하게는 전동보장구에 사용되는 배터리 용량 관리를 위하여 SOC를 추정하고, 전압과 온도에 관한 Cut-off 메커니즘을 적용하여 과충전 및 방전을 방지하여 에너지 손실을 최소화하며, 이에 더해 배터리 잔량, 완충 소요시간 및 배터리 수명에 관한 정보 확인할 수 있는 표시부를 제공하고자 한다.

일반적으로 배터리 셀의 전기화학적 성능 및 수명은 배터리 셀의 제작 공정 중 발생된 공정 편차와 충방전이 반복되면서 배터리 셀간 전압 차이가 극대화 되면서 발생할 수 있다. 이러한 편차를 극복하여 배터리 수명과 성능을 유지하도록 관리할 필요성이 있다.

이를 위해 배터리의 상태 및 성능을 관리하는 배터리 관리 시스템(BMS : Battery Management System)이 구비된다. BMS는 배터리의 전류, 전압, 온도 등을 측정하여 이를 바탕으로 배터리의 잔존 용량을 추정하며, 연료 소비 효율이 가장 좋아지도록 SOC를 제어한다. SOC를 정확히 제어하기 위해서는 충, 방전을 행하고 있는 배터리의 SOC를 정확히 측정하는 것이 필요하다.

종래 BMS에서 배터리의 SOC를 측정하는 방법으로는 배터리에 흐르는 충, 방전 전류를 적산하여 배터리의 SOC를 추정하는 방법이 있다. 배터리를 전기 모델화하고, 배터리 모델의 이론 출력값과 실제 출력값을 비교하여 능동적인 보정을 통해 SOC를 추정하는 방법으로 EKF(Extended Kalman Filter) SOC 추정 알고리즘이라고 불리는 SOC 추정 방법이 있다. EKF SOC 추정 알고리즘은 상온에서 SOC 최대 오차가 3% 수준으로 낮고, 전력 패턴에 크게 관계없이 안정적으로 SOC 추정이 가능하여 배터리의 SOC를 추정하는데 많이 이용되고 있다. SOC 추정에 관한 내용은 대한민국 등록특허 제10-1915183호에 개시되어 있다.

대한민국 등록특허 제1920220호

본 발명이 해결하고자 하는 과제는 전동보장구에 적용되는 리튬배터리의 과충전 및 방전에 따르는 사고위험요소 배제와 사용 수명 저하 요인의 제거를 위함이다. 또한, 전압 편차를 최소화함으로써 과충전으로 인한 과열을 방지하고, 배터리의 효율적인 성능 유지를 위해 BMS 배터리 모듈을 적용하며 이에 더해 딥러닝 알고리즘을 부가하여 보다 신뢰도 있는 배터리의 SOC를 추정하고자 함이다.

또한, 배터리에 관한 정보를 육안으로 즉각적인 확인이 가능하도록 가시성이 뛰어난 표시부를 제공하고자 한다.

본 발명의 표시부를 포함하는 전동보장구용 BMS 배터리 모듈은 전동보장구용 배터리; 상기 배터리의 방전 전류 및 양단 전압을 측정하도록 구성된 측정부; 상기 측정부에 의해 측정된 전압 값, 전류 값과 기 설정된 상기 배터리의 최초 측정 전압 값(Open Circuit Voltage, OCV)을 이용하여 상기 배터리의 현재 용량을 연산하는 연산부; 상기 OCV 값과 상기 OCV 값에 대응하는 SOC(State of Charge) 값을 테이블화한 OCV 테이블을 저장하는 메모리; 상기 OCV 테이블을 이용하여 상기 배터리의 SOC 값을 추정하거나, 상기 배터리의 현재 용량을 이용하여 상기 배터리의 SOC 값을 추정하는 SOC추정부; 및 상기 SOC추정부에 의해 추정되는 배터리의 잔존 용량과, 상기 연산부의 연산 과정에서 파악되는 배터리의 충전 상태 및 완충 소요시간을 표시하는 표시부;를 포함하는 것을 특징으로 한다.

하나의 예로써, 상기 SOC추정부는, 인공 신경망 기법 중 하나인 딥러닝(Deep Learning) 알고리즘에 따라, 상기 측정부의 계측에 따른 출력 데이터와 상기 SOC추정부에 의해 추정되는 SOC를 각각 입력값과 출력값으로 설정하고, 상기 배터리의 충방전 횟수, 온도, 사용기간 중 선택된 하나 이상을 변수값으로 적용하여 학습시킨 잔량 예측 모델을 구축하고, 이를 통해 상기 배터리에 대한 SOC를 추정하는 것을 특징으로 한다.

하나의 예로써, 상기 측정부는, 상기 전압 값과 상기 전류 값의 최초 측정 여부를 판단하고, 상기 판단 결과 최초로 측정된 값으로 판단되면, 상기 전압 값을 상기 OCV 값으로 설정하며, 상기 연산부는, 상기 측정부의 판단 결과 최초 측정이 아닌 경우, 상기 전압 값과 상기 전류 값, 및 상기 OCV 값을 이용하여 상기 배터리의 내부 저항 값을 계산하고, 상기 내부 저항 값과 기 설정된 임계 저항 값의 크기를 비교하며, 비교 결과, 상기 내부 저항 값이 상기 임계 저항 값 이상으로 확인되거나 상기 전류 값이 0으로 확인되면, 상기 OCV 값을 상기 SOC추정부에 전달하고, 비교 결과, 상기 내부 저항 값이 상기 기 설정된 임계 저항 값보다 작고 상기 전류 값이 0보다 크면, 상기 내부 저항 값을 이용하여 상기 배터리의 현재 용량을 연산하는 것을 특징으로 한다.

하나의 예로써, 상기 연산부는, 상기 내부 저항 값, 상기 전압 값 및 상기 전류 값을 이용하여 상기 배터리의 손실 출력 값과 부하측 출력 값을 계산하고, 계산된 상기 손실 출력 값과 상기 부하측 출력 값을 이용하여 배터리 에너지량을 계산하고, 계산된 상기 배터리 에너지량을 이용하여 상기 배터리의 현재 용량을 연산하는 것을 특징으로 한다.

하나의 예로써, 상기 표시부는, 상기 SOC추정부에 의해 추정되는 배터리의 잔존 용량을 백분율로 표시하며, 기 설정된 백분율 구간별로 서로 다른 색상이 표시되게 하는 것을 특징으로 한다.

하나의 예로써, 상기 배터리를 구성하는 배터리 셀을 정전류모드(constant current mode)에서 충전하도록 제어하며, 정전류모드의 충전 시 상기 측정부에서 출력되는 전압이 충전 종지전압(end-of-charge voltage)에 이르면 정전압모드(constant voltage mode)로 전환하도록 제어하는 제어부;를 더 포함하는 것을 특징으로한다.

하나의 예로써, 상기 배터리를 구성하는 개별 배터리 셀의 전압을 계측하고 계측값을 출력하는 제2측정부;를 더 포함하고, 상기 제어부는, 상기 제2측정부에서 출력되는 전압으로부터 배터리 셀 각각에 대한 SOC(State of Charge)를 산출하고, 산출된 SOC에 기반하여 기준 배터리 셀 및 타겟 그룹을 선택하며, 선택된 타겟 그룹에 속하는 배터리 셀 중 하나의 배터리 셀을 타겟 배터리 셀로 선정하여 상기 기준 배터리 셀의 SOC와 상기 타겟 배터리 셀의 SOC의 차이에 따른 밸런싱 시간을 산출하고, 상기 산출된 밸런싱 시간 동안 상기 타겟 그룹에 속한 배터리 셀의 밸런싱을 수행하는 것을 특징으로 한다.

본 발명의 실시 예에서는 전동보장구의 안정적 운용을 위하여 리튬 배터리의 과충방전에 따르는 사고위험요소 배제와 사용 수명 저하 요인을 제거할 수 있다. 또한, 전압 편차를 최소화함으로써 과충전으로 인한 과열을 방지하는 것을 제공하고, 배터리의 효율적인 성능 유지를 위해 BMS에 배터리 모듈을 적용하고, 딥러닝 알고리즘을 부가하여 보다 신뢰도 있는 배터리의 SOC 추정을 제공할 수 있다.

이에 더해 본 발명에 따르면 BMS 배터리 모듈은 딥러닝 알고리즘이 부가되어 보다 신뢰도 있는 배터리의 SOC를 추정할 수 있다. 또한, 산출된 SOC를 기반으로 배터리 셀의 밸런싱을 적극 활용하여 과충전·방전에 따르는 사고위험요소 배제와 에너지 손실을 최소화시킬 수 있다. 또한, 본 발명의 BMS 배터리 모듈이 적용된 이차전지는 기존 전동보장구에 적용되었던 납산배터리 모듈을 대체하게 됨으로써, 납산배터리 대비 경량화, 셀의 효율 및 수명 증가된 배터리 성능을 기대할 수 있다.

또한, 배터리의 잔여 용량, 완충에 소요되는 시간, 교체 주기에 대한 수명 등을 사용자가 확인할 수 있는 표시부를 제공하여 배터리 관리에 있어 즉각적인 대처 가능한 효과가 있다.

도 1은 본 발명 BMS 배터리 모듈의 블록도이다.
도 2는 본 발명의 일 구성인 표시부가 적용된 전동보장구를 개략적으로 도시한 것이다.

이하, 본 발명의 구성 및 작용을 첨부된 도면에 의거하여 좀 더 구체적으로 설명한다. 본 발명을 설명함에 있어서, 본 명세서 및 청구범위에 사용된 용어나 단어는 발명자가 그 자신의 발명을 가장 최선의 방법으로 설명하기 위해 용어의 개념을 적절하게 정의할 수 있다는 원칙에 입각하여 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야만 한다.

본 발명은 전동보장구(100)에 사용되는 BMS 배터리 모듈(1)에 관한 것으로서, 본 발명에 사용되는 배터리(10)는 리튬 폴리머 또는 리튬이온 배터리(10) 등의 이차전지를 예로 들 수 있으며 이에 한정되지 않는다. 또한, 상기 배터리(10)는 복수의 배터리 셀(미도시)의 집합으로 구성된 형태일 수 있다.

전동보장구(100)와 같은 구동수단에 사용되는 배터리(10)는 주행거리와 직결되기 때문에 충전 상태를 확인하여 배터리(10) 성능을 관리해야할 필요가 있으며, 이는 배터리(10) 충전 상태 추정 기술의 필요로 이어지게 된다.

이에 따라, 본 발명의 BMS 배터리 모듈(1)을 구체적으로 설명한다.

도 1은 본 발명의 일 실시 예에 따른 BMS 배터리 모듈(1)의 블록도를 도시한 것이다. 이하 도면을 참조하면, 본 발명의 BMS 배터리 모듈(1)은 전동보장구용 배터리(10), 상기 배터리(10)의 방전 전류 및 양단 전압을 측정하도록 구성된 측정부(20), 상기 측정부(20)에 의해 측정된 전압 값, 전류 값과 기 설정된 상기 배터리(10)의 최초 측정 전압 값(Open Circuit Voltage, OCV)을 이용하여 상기 배터리(10)의 현재 용량을 연산하는 연산부(30), 상기 OCV 값과 상기 OCV 값에 대응하는 SOC(State of Charge) 값을 테이블화한 OCV 테이블을 저장하는 메모리(50), 상기 OCV 테이블을 이용하여 상기 배터리(10)의 SOC 값을 추정하거나, 상기 배터리(10)의 현재 용량을 이용하여 상기 배터리(10)의 SOC 값을 추정하는 SOC추정부(40), 및 상기 SOC추정부(40)에 의해 추정되는 배터리(10)의 잔존 용량과, 상기 연산부(30)의 연산 과정에서 파악되는 배터리(10)의 충전 상태 및 완충 소요시간을 표시하는 표시부(70)를 포함하는 것을 특징으로 한다.

측정부(20)는 배터리(10) 전류를 측정하는 전류센서(미도시)와 전압을 측정하는 전압센서(미도시)를 포함할 수 있고, 전류센서는 배터리(10)와 연결된 충방전 경로상에 구비되어 배터리(10)의 전류를 주기적으로 측정할 수 있으며, 또한 전압센서는 배터리(10)의 출력단에 연결되어 배터리(10)의 전압을 주기적으로 측정할 수 있다.

배터리(10)의 충전 상태(State of Charge, 이하 SOC)를 측정하기 위해 측정부(20)는 배터리(10)에 인가되는 전압과 전류를 측정하고, 측정된 전류 값 및 전압 값이 최초 측정값인지 판단한다. 예를 들어 측정부(20)는 배터리(10)에 전류가 인가되거나 차단되면 소정 시간 이내에 측정된 전압 값과 전류 값을 최초 값으로 판단할 수 있다.

상기 측정부(20)의 판단 결과, 측정된 전압 값 및 전류 값이 최초 측정 값인 경우 배터리(10)는 무부하 상태로 간주될 수 있고, 이때 측정된 전압 값은 배터리(10)의 OCV(Open Circuit Voltage, 개회로 전압)값으로 지칭될 수 있다. 여기서 OCV 값은 전류가 배터리(10)에 전류가 인가되지 않았을 때의 전압 값으로서 배터리(10)가 가지고 있는 고유 전압 값이며, 메모리(50)에 저장될 수 있다.

배터리(10)의 초기 SOC값을 추정하기 위해 측정부(20)에서 측정된 OCV값은 SOC추정부(40)로 수신될 수 있고, 측정부(20)의 판단 결과 측정된 접압 및 전류 값이 최초 측정 값이 아닌 경우 전압 및 전류 값이 연산부(30)에 전달 될 수 있으며, 또한 메모리(50)로부터 연산부(30)로 OCV 값도 전달될 수 있다.

연산부(30)는 측정부(20)로부터 전달받은 전압 값, 전류 값 및 OCV값을 활용하여 내부 저항 값을 계산할 수 있다. 이때, 내부 저항 값은 도선 등에 의해 손실되는 것을 의미하며 전압과 전류의 관계로부터 구해질 수 있고, 더욱 상세하게는 내부 저항 값은 측정된 전압 값과 OCV값의 차이를 전류 값으로 나눈 것이며, 이러한 내부 저항 값은 온도와 비례한다.

따라서, 배터리(10)의 내부 온도가 상승하면 내부 저항 값이 커지게 되며 배터리(10)의 전류 값은 내부 저항 값의 크기에 반비례하기 때문에 온도에 의해 내부 저항 값이 비이상적으로 커지면 전류 값은 0과 가까워 진다.

내부 저항 값이 0에 가까워 지거나 비이상적으로 커지게 되는 것은 SOC 추정값을 구하는 것에 오류를 동반하게 된다. 따라서 이를 방지하기 위해 임계 저항 값이 설정될 수 있다. 임계 저항 값은 배터리(10)에서 실시된 시험 등의 결과로서 설정될 수 있다. 이와 같은 과정을 통해 기 설정된 임계 저항 값은 메모리(50)에 저장될 수 있다.

연산부(30)는 내부 저항 값과 기 설정된 임계 저항 값의 크기를 비교하는 한편, 전류 값의 크기가 0인지 판단한다.

내부 저항 값과 임계 저항 값의 크기를 비교한 결과 내부 저항 값이 임계 값보다 크거나 같은 경우, 또는 전류 값이 0인 경우 연산부(30)는 배터리(10)를 무부하 상태로 판단한다.

배터리(10) 시스템이 무부하 상태로 판단된 경우 연산부(30)는 내부 저항 값을 산출하는데 이용된 OCV 값을 SOC추정부(40)로 전달한다. 이렇게 추정부에 전달된 OCV 값은 배터리(10)의 SOC 값을 추정하는데 이용된다.

한편, 내부 저항 값과 임계 저항 값의 크기를 비교한 결과, 내부 저항 값이 임계 저항 값보다 작고 전류 값은 0보다 큰 경우, 연산부(30)는 내부 저항의 크기를 정상 상태로 판단한다.

내부 저항의 크기가 정상 상태로 판단된 경우, 연산부(30)는 출력 적산 방식에 따라 배터리(10)의 에너지량을 산출하고, 에너지량을 현재 용량으로 환산한다.

연산부(30)에서 이루어지는 현재 용량 환산은 다음과 같다. 줄열손실은 손실출력값이고, 이는 전류 값의 제곱과 내부저항 값에 비례한다. 부하측출력값은 전압 값과 전류 값에 비례하고, 연산부(30)는 측정부(20)로부터 전달받은 전압 값과 전류 값을 통해 출력 값을 계한할 수 있다. 배터리(10) 출력값은 부하측출력 값과 손실출력값의 합으로 구해질 수 있으며, 연산부(30)는 계산된 배터리(10) 출력 값을 시간에 대해 적분하여 배터리(10)에서 실제 출력되고 있는 배터리(10) 에너지량을 산출한다. 이때, 배터리(10) 에너지량은 배터리(10) 출력값과 시간에 비례한다.

따라서 배터리(10) 에너지량은 배터리(10)의 정격 용량과 방전 종지 전압까지의 평균 전압과 비례하며, 배터리(10) 현재용량은 배터리(10)에너지량과 전압 값의 반비례 하므로 연산부(30)는 이를 통해 배터리(10) 에너지량을 구할 수 있다.

연산부(30)는 계산된 배터리(10)의 현재 용량을 SOC추정부(40)로 전달한다. 이렇게 전달된 배터리(10)의 현재 용량은 SOC추정부(40)에 의해 SOC 값을 추정하는데 이용된다.

SOC추정부(40)는 OCV값을 이용하여 배터리(10)의 SOC 값을 추정하거나, 배터리(10)의 현재 용량을 이용하여 SOC 값을 추정할 수 있다. 먼저, SOC 측정부(20) 또는 연산부(30)로부터 OCV 값을 전달받은 경우, SOC추정부(40)는 전달되는 배터리(10)의 OCV 값과 기 저장된 OCV 테이블을 이용하여 SOC 값을 추정한다. 여기서, OCV 테이블은 전압 값에 대응하여 배터리(10)의 SOC 값이 일대 일로 매칭되는 테이블 형태를 의미할 수 있다.

추정부는 메모리(50)에 기 저장된 OCV 테이블에서 전달받은 OCV 값에 대응하는 SOC 값을 획득하는 방식으로 배터리(10)의 SOC 값을 추정한다.

또한 배터리(10) 충전상태에서 SOC는 배터리(10)의 현재용량을 배터리(10) 설계용량으로 나누어 구할 수 있으며, 따라서 연산부(30)로부터 배터리(10)의 현재 용량을 전달 받은 경우, SOC추정부(40)는 배터리(10)의 현재 용량을 배터리(10)의 설계 용량으로 나누어 배터리(10)의 SOC 값을 추정한다.

따라서 SOC추정부(40)는 연산부(30)의 출력 적산 방법의 결과를 이용하여 SOC 값을 추정할 수 있다. 이와 같은 과정을 통해 추정된 SOC 값은 배터리(10)의 설계 용량 중 현재 용량을 나타내므로, 0 이상 1 이하의 수치 값을 가질 수 있다.

추정된 SOC 값은 메모리(50)에 저장된 OCV 테이블을 갱신하는데 이용될 수 있다. 일 예로 배터리(10)의 현재 용량을 이용하여 추정된 SOC 값은 메모리(50)로 보내져 출력 적산 방법에 사용된 OCV 값에 대응되는 SOC 데이터의 위치에 저장됨으로써, OCV 테이블이 갱신될 수 있다.

본 발명은 배터리(10)의 충전 상태를 추정하는 데 온도 특성에 영향을 거의받지 않는 배터리(10)의 개회로 전압 테이블을 이용한 SOC 추정 방법과 출력적산 방식을 통한 SOC 추정 방법을 이용함으로써, 보다 정확도 높은 배터리(10)의 SOC 추정을 가능하게 한다.

또한, SOC추정부(40)는 인공 신경망 기법 중 하나인 딥러닝(Deep Learning) 알고리즘에 따라, 상기 측정부(20)의 계측에 따른 측정 데이터와 측정 잔량을 각각 입력값과 출력값으로서 학습시킬 수 있고, 상기 잔량 예측 모델을 구축 및 충방전 횟수, 온도, 사용기간 중 선택된 하나 이상의 변수데이터가 반영된 학습을 통해 상기 충전 잔량을 추정하는 것을 특징으로 할 수 있다.

SOC추정부(40)는 측정부(20)로부터 수집한 데이터를 사전에 학습된 데이터 분석 기법에 적용하여 배터리(10) SOC를 추정할 수 있다. 이를 위해서 데이터 분석 기법은 AI 딥러닝 알고리즘에 기반하여 배터리(10) 열화 정도를 분석 및 SOC상태를 추정할 수 있다. AI 딥러닝 알고리즘은 컴퓨터가 인간처럼 판단하고 학습하며, 사물이나 데이터를 군집화하거나 분류할 수 있는 기술이며 이는 공지된 바 상세한 설명은 생략한다.

본 발명의 BMS 배터리 모듈(1)은 과충전 또는 과방전을 예방하기 위한 일 실시로서, 정전류모드에서 정전류 충전시 전압센서를 통해 충전 종지전압에 이르면 정전압모드로 전환하도록 제어하는 제어부(60)를 더 포함할 수 있다. 따라서 충전 종지전압에 이르면 만 충전 전압으로부터 배터리(10)의 음극 활성물질이 상변이를 일으키는 값인 음극 임계 전위를 차감한 종지 전압으로 설정하여 과충전 및 과방전이 예방되도록 구성될 수 있다.

도 2는 본 발명의 일 구성인 표시부가 적용된 전동보장구를 개략적으로 도시한 것이다. 이하 도면을 참조하면, 본 발명은 배터리(10)의 잔존 용량을 확인할 수 있는 표시부(70)를 포함하며, 표시부(70)는 상기 SOC추정부(40)에 의해 추정되는 배터리(10)의 잔존 용량을 백분율로 표시하고, 기 설정된 백분율 구간별로 서로 다른 색상이 표시되게 할 수 있다.

일 예로 잔존 배터리(10) 25% 이하 일 경우 적색, 50% 이하일 경우 주황색, 75%이하 일 경우 노란색, 75% 초과일 경우 녹색으로 표시될 수 있다. 표시부(70)는 전동보장구(100)의 일부에 부착되는 형태로 실시될 수 있다. 바람직하게는 표시부는 전동보장구(100)의 핸들에 부착될 수 있고, 색상을 표현하는 구성으로서 LED가 사용될 수 있으며 그 외 공지의 구성이 활용되어 표시부로 마련될 수 있다.

또한, 본 발명의 BMS 배터리 모듈(1)은 상기 배터리(10)를 구성하는 개별 배터리 셀의 전압을 계측하고 계측값을 출력하는 제2측정부(20)를 더 포함할 수 있으며, 제어부(60)는 상기 제2측정부(20)에서 출력되는 전압으로부터 배터리 셀 각각에 대한 SOC를 산출하고, 산출된 SOC에 기반하여 기준 배터리 셀 및 타겟 그룹을 선택하며, 선택된 타겟 그룹에 속하는 배터리 셀 중 하나의 배터리 셀을 타겟 배터리 셀로 선정하여 상기 기준 배터리 셀의 SOC와 상기 타겟 배터리 셀의 SOC의 차이에 따른 밸런싱 시간을 산출하고, 상기 산출된 밸런싱 시간 동안 상기 타겟 그룹에 속한 배터리 셀의 밸런싱을 수행할 수 있다.

제어부(60)는 제2측정부(20)로부터 산출된 SOC 중 어느 하나를 기준으로 정하고, 기준을 벗어난 배터리 셀을 타겟 그룹으로 선택하도록 구성될 수 있다. 즉, 제어부(60)는 배터리 셀 중 기준 배터리 셀을 먼저 선택하고, 나머지 배터리 셀 중에서 기준 배터리 셀의 SOC로부터 기설정된 정상범위를 벗어난 SOC를 가진 하나 이상의 배터리 셀을 타겟 그룹으로 선택할 수 있다.

제어부(60)는 산출된 밸런싱 시간 동안 배터리(10)에 포함된 배터리 셀 중 타겟 그룹에 속한 배터리 셀만을 선택하여 방전시킬 수 있다.

예를 들어, 리튬 배터리(10)에 포함된 배터리 셀 중 타겟 그룹에 속하지 않은 배터리 셀은 타겟 그룹에 속한 배터리 셀과 달리 밸런싱 시간 동안 방전되지 않을 수 있다.

반복적인 밸런싱이 최종적으로 완료된 이후, 타겟 그룹에 속한 배터리 셀의 SOC는 기준 배터리 셀의 SOC로부터 기설정된 정상범위 내에 포함되므로, 리튬 배터리 밸런싱에 의해 배터리 셀에 과방전이 일어나는 것을 미연에 방지할 수 있다.

이상 살펴본 바와 같은 본 발명은 도면에 도시된 일 실시예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다. 따라서 본 발명의 진정한 기술적인 보호 범위는 첨부된 청구범위의 기술적 사상에 의해 정해져야 할 것이다.

10 : 배터리
20 : 측정부
21 : 제2측정부
30 : 연산부
40 : SOC추정부
50 : 메모리
60 : 제어부
70 : 표시부
100 : 전동보장구

Claims

전동보장구용 배터리;
상기 배터리의 방전 전류 및 양단 전압을 측정하도록 구성된 측정부;
상기 측정부에 의해 측정된 전압 값, 전류 값과 기 설정된 상기 배터리의 최초 측정 전압 값(Open Circuit Voltage, 이하 OCV)을 이용하여 상기 배터리의 현재 용량을 연산하는 연산부;
상기 OCV 값과 상기 OCV 값에 대응하는 SOC(State of Charge) 값을 테이블화한 OCV 테이블을 저장하는 메모리;
상기 OCV 테이블을 이용하여 상기 배터리의 SOC 값을 추정하거나, 상기 배터리의 현재 용량을 이용하여 상기 배터리의 SOC 값을 추정하는 SOC추정부; 및
상기 SOC추정부에 의해 추정되는 배터리의 잔존 용량과, 상기 연산부의 연산 과정에서 파악되는 배터리의 충전 상태 및 완충 소요시간을 표시하는 표시부;를 포함하는 것을 특징으로 하는 표시부를 포함하는 전동보장구용 BMS 배터리 모듈.
제1항에 있어서,
상기 SOC추정부는,
인공 신경망 기법 중 하나인 딥러닝(Deep Learning) 알고리즘에 따라, 상기 측정부의 계측에 따른 출력 데이터와 상기 SOC추정부에 의해 추정되는 SOC를 각각 입력값과 출력값으로 설정하고, 상기 배터리의 충방전 횟수, 온도, 사용기간 중 선택된 하나 이상을 변수값으로 적용하여 학습시킨 잔량 예측 모델을 구축하고, 이를 통해 상기 배터리에 대한 SOC를 추정하는 것을 특징으로 하는 표시부를 포함하는 전동보장구용 BMS 배터리 모듈.
제2항에 있어서,
상기 측정부는,
상기 전압 값과 상기 전류 값의 최초 측정 여부를 판단하고, 상기 판단 결과 최초로 측정된 값으로 판단되면, 상기 전압 값을 상기 OCV 값으로 설정하며,
상기 연산부는,
상기 측정부의 판단 결과 최초 측정이 아닌 경우, 상기 전압 값과 상기 전류 값, 및 상기 OCV 값을 이용하여 상기 배터리의 내부 저항 값을 계산하고, 상기 내부 저항 값과 기 설정된 임계 저항 값의 크기를 비교하며, 비교 결과, 상기 내부 저항 값이 상기 임계 저항 값 이상으로 확인되거나 상기 전류 값이 0으로 확인되면, 상기 OCV 값을 상기 SOC추정부에 전달하고, 비교 결과, 상기 내부 저항 값이 상기 기 설정된 임계 저항 값 보다 작고 상기 전류 값이 0보다 크면, 상기 내부 저항 값을 이용하여 상기 배터리의 현재 용량을 연산하는 것을 특징으로 하는 표시부를 포함하는 전동보장구용 BMS 배터리 모듈.
제4항에 있어서,
상기 연산부는,
상기 내부 저항 값, 상기 전압 값 및 상기 전류 값을 이용하여 상기 배터리의 손실 출력 값과 부하측 출력 값을 계산하고, 계산된 상기 손실 출력 값과 상기 부하측 출력 값을 이용하여 배터리 에너지량을 계산하고, 계산된 상기 배터리 에너지량을 이용하여 상기 배터리의 현재 용량을 연산하는 것을 특징으로 하는 표시부를 포함하는 전동보장구용 BMS 배터리 모듈.
제1항에 있어서,
상기 표시부는,
상기 SOC추정부에 의해 추정되는 배터리의 잔존 용량을 백분율로 표시하며, 기 설정된 백분율 구간별로 서로 다른 색상이 표시되게 하는 것을 특징으로 하는 표시부를 포함하는 전동보장구용 BMS 배터리 모듈.
제1항에 있어서,
상기 배터리를 구성하는 배터리 셀을 정전류모드(constant current mode)에서 충전하도록 제어하며, 정전류모드의 충전 시 상기 측정부에서 출력되는 전압이 충전 종지전압(end-of-charge voltage)에 이르면 정전압모드(constant voltage mode)로 전환하도록 제어하는 제어부;를 더 포함하는 것을 특징으로 하는 표시부를 포함하는 전동보장구용 BMS 배터리 모듈.
제6항에 있어서,
상기 배터리를 구성하는 개별 배터리 셀의 전압을 계측하고 계측값을 출력하는 제2측정부;를 더 포함하고,
상기 제어부는,
상기 제2측정부에서 출력되는 전압으로부터 배터리 셀 각각에 대한 SOC(State of Charge)를 산출하고, 산출된 SOC에 기반하여 기준 배터리 셀 및 타겟 그룹을 선택하며, 선택된 타겟 그룹에 속하는 배터리 셀 중 하나의 배터리 셀을 타겟 배터리 셀로 선정하여 상기 기준 배터리 셀의 SOC와 상기 타겟 배터리 셀의 SOC의 차이에 따른 밸런싱 시간을 산출하고, 상기 산출된 밸런싱 시간 동안 상기 타겟 그룹에 속한 배터리 셀의 밸런싱을 수행하는 것을 특징으로 하는 표시부를 포함하는 전동보장구용 BMS 배터리 모듈.