KR20230007655A - 스마트 고온 에이징 시스템 - Google Patents

스마트 고온 에이징 시스템 Download PDF

Info

Publication number
KR20230007655A
KR20230007655A KR1020210088257A KR20210088257A KR20230007655A KR 20230007655 A KR20230007655 A KR 20230007655A KR 1020210088257 A KR1020210088257 A KR 1020210088257A KR 20210088257 A KR20210088257 A KR 20210088257A KR 20230007655 A KR20230007655 A KR 20230007655A
Authority
KR
South Korea
Prior art keywords
temperature
battery cell
temperature aging
cell tray
tray stack
Prior art date
Application number
KR1020210088257A
Other languages
English (en)
Inventor
이용구
도성관
권현철
이헌호
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 KR1020210088257A priority Critical patent/KR20230007655A/ko
Priority to PCT/KR2022/009697 priority patent/WO2023282596A1/ko
Priority to JP2023529878A priority patent/JP2023550369A/ja
Priority to CN202280007621.5A priority patent/CN116569181A/zh
Priority to EP22837948.3A priority patent/EP4231400A1/en
Priority to US18/038,115 priority patent/US20230406619A1/en
Publication of KR20230007655A publication Critical patent/KR20230007655A/ko

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
    • B65G1/00—Storing articles, individually or in orderly arrangement, in warehouses or magazines
    • B65G1/02—Storage devices
    • B65G1/04—Storage devices mechanical
    • B65G1/0407—Storage devices mechanical using stacker cranes
    • 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
    • H01M10/04—Construction or manufacture in general
    • H01M10/0404—Machines for assembling batteries
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65D—CONTAINERS FOR STORAGE OR TRANSPORT OF ARTICLES OR MATERIALS, e.g. BAGS, BARRELS, BOTTLES, BOXES, CANS, CARTONS, CRATES, DRUMS, JARS, TANKS, HOPPERS, FORWARDING CONTAINERS; ACCESSORIES, CLOSURES, OR FITTINGS THEREFOR; PACKAGING ELEMENTS; PACKAGES
    • B65D25/00—Details of other kinds or types of rigid or semi-rigid containers
    • B65D25/02—Internal fittings
    • B65D25/10—Devices to locate articles in containers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • H01M10/04—Construction or manufacture in general
    • H01M10/049—Processes for forming or storing electrodes in the battery container
    • 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
    • H01M10/05—Accumulators with non-aqueous electrolyte
    • H01M10/052—Li-accumulators
    • 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
    • H01M10/44—Methods for charging or discharging
    • H01M10/446—Initial charging measures
    • 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
    • H01M10/04—Construction or manufacture in general
    • 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
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P70/00—Climate change mitigation technologies in the production process for final industrial or consumer products
    • Y02P70/50—Manufacturing or production processes characterised by the final manufactured product

Landscapes

  • Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Chemical & Material Sciences (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Electrochemistry (AREA)
  • General Chemical & Material Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Biophysics (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Secondary Cells (AREA)

Abstract

본 발명은 고온 에이징 시스템에 관한 것으로, 내부에 다수 개의 전지셀이 수용된 전지셀 트레이가 다단으로 적층된 구조의 전지셀 트레이 적층체; 고온 에이징실 내부에 수용되며, 전지셀 트레이 적층체가 수용되는 격자형 수납 공간을 포함하는 적어도 한 개 이상의 트레이 랙; 상기 격자형 수납 공간으로 전지셀 트레이를 운반하는 스태커 크레인; 상기 스태커 크레인에 설치되어, 상기 격자형 수납 공간에 적재된 전지셀 트레이들의 열화상 온도 데이터를 취득하는 열화상 카메라; 및 상기 열화상 온도 데이터에 기초하여 고온 에이징실 내의 온도를 조절하는 제어부; 를 포함한다.

Description

스마트 고온 에이징 시스템{SMART HIGH TEMPERATURE AGING SYSTEM}
본 발명은 전지셀의 스마트 고온 에이징 시스템에 관한 것이다.
최근, 충방전이 가능한 이차전지는 와이어리스 모바일 기기의 에너지원으로 광범위하게 사용되고 있다. 또한, 이차전지는, 화석 연료를 사용하는 기존의 가솔린 차량, 디젤 차량 등의 대기오염 등을 해결하기 위한 방안으로 제시되고 있는 전기자동차, 하이브리드 전기자동차 등의 에너지원으로서도 주목받고 있다. 따라서, 이차전지를 사용하는 애플리케이션의 종류는 이차전지의 장점으로 인해 매우 다양화되고 있으며, 향후에는 지금보다는 많은 분야와 제품들에 이차전지가 적용될 것으로 예상된다.
이러한 이차전지는 전극과 전해액의 구성에 따라 리튬이온 전지, 리튬이온 폴리머 전지, 리튬 폴리머 전지 등으로 분류되기도 하며, 그 중 전해액의 누액 가능성이 적으며, 제조가 용이한 리튬이온 폴리머 전지의 사용량이 늘어나고 있다. 일반적으로, 이차전지는 전지케이스의 형상에 따라, 전극조립체가 원통형 또는 각형의 금속 캔에 내장되어 있는 원통형 전지 및 각형 전지와, 전극조립체가 알루미늄 라미네이트 시트의 파우치형 케이스에 내장되어 있는 파우치형 전지로 분류되며, 전지케이스에 내장되는 전극조립체는 양극, 음극, 및 상기 양극과 상기 음극 사이에 개재된 분리막 구조로 이루어져 충방전이 가능한 발전소자로서, 활물질이 도포된 긴 시트형의 양극과 음극 사이에 분리막을 개재하여 권취한 젤리-롤형과, 소정 크기의 다수의 양극과 음극을 분리막에 개재된 상태에서 순차적으로 적층한 스택형으로 분류된다.
이와 같은 이차전지는 일반적으로 전해액 주액 후 활성화 공정이 수행되며, 활성화 공정에서 전지셀은 초기 충전을 통해 SEI 피막을 형성시킨 후, 고온 에이징을 통해 금속 이물을 신속히 용출시켜 저전압 불량이 발생하는 것을 방지하게 된다.
상기 고온 에이징은 일반적으로 60℃ 이상의 온도에서 수행되므로, 온도가 일정하게 유지되는 공간에서 작업이 수행되어야 한다. 그러나 종래에는 전지셀이 다수 개 탑재된 트레이들을 적치한 후, 온도 조절을 일반적인 온도계를 사용하여 수행하였다. 그러나 이와 같은 경우 고온 에이징실 내의 전지셀 중 트레이 중심부의 전지셀은 외곽부의 전지셀에 비해 열순환이 어려워서 과도하게 온도가 올라가게 되며, 이 경우 중심부에 위치한 전지셀의 용량이 비가역 반응으로 인해 저하되는 현상이 발생하게 된다. 또한, 온도 조절을 인력에 의해 수행할 경우 균일한 온도 조절이 어려우며, 작업을 일일이 수동으로 해야 하므로 시간 및 비용이 많이 소요된다는 문제가 있었다.
한국공개특허 제10-2015-0026994호
본 발명은 상기와 같은 과제를 해결하기 위해 안출된 것으로, 고온 에이징 과정에서 트레이 내 온도 편차를 최소화할 수 있는 알고리즘을 구비한 스마트 고온 에이징 시스템을 제공하는 것을 목적으로 한다.
본 발명에 따른 고온 에이징 시스템은 내부에 다수 개의 전지셀이 수용된 전지셀 트레이가 다단으로 적층된 구조의 전지셀 트레이 적층체; 고온 에이징실 내부에 수용되며, 전지셀 트레이 적층체가 수용되는 격자형 수납 공간을 포함하는 적어도 한 개 이상의 트레이 랙; 상기 격자형 수납 공간으로 전지셀 트레이를 운반하는 스태커 크레인; 상기 스태커 크레인에 설치되어, 상기 격자형 수납 공간에 적재된 전지셀 트레이 적층체의 열화상 온도 데이터를 취득하는 열화상 카메라; 및 상기 열화상 온도 데이터에 기초하여 고온 에이징실 내의 온도를 조절하는 제어부; 를 포함한다.
구체적인 예에서, 상기 스태커 크레인은 좌우 이동하는 마스트 및 상기 마스트에 설치되어 승강 이동하는 적재대를 포함하며, 상기 열화상 카메라는 마스트 및 적재대의 이동 시 함께 이동하면서 전지셀 트레이들의 열화상 온도 데이터를 취득할 수 있다.
구체적인 예에서, 상기 고온 에이징실에는 내부의 온도 조절을 위한 적어도 한 개 이상의 히터 및 송풍 팬이 설치될 수 있다.
구체적인 예에서, 상기 제어부는 열화상 온도 데이터로부터 전지셀 트레이 적층체의 중심부와 외곽부의 온도를 산출하고, 산출된 온도에 근거하여 고온 에이징실 내의 온도를 조절할 수 있다.
구체적으로, 상기 제어부는 상기 전지셀 트레이 적층체의 중심부의 온도 또는 중심부와 외곽부의 온도 차이가 기준 범위를 벗어난 경우 고온 에이징실 내의 온도를 조절할 수 있다.
하나의 구체예에서, 상기 제어부는 트레이 랙 내에 수납된 전체 전지셀 트레이 적층체의 중심부의 온도 또는 중심부와 외곽부의 온도 차이의 평균값을 산출하고, 상기 산출 결과가 기준 범위를 벗어난 경우 고온 에이징실 전체의 온도를 조절할 수 있다.
다른 하나의 구체예에서, 상기 제어부는 트레이 랙 내 수납된 일부 전지셀 트레이 적층체의 중심부의 온도 또는 중심부와 외곽부의 온도 차이의 평균값을 산출하고, 상기 산출 결과가 기준 범위를 벗어난 경우 해당 전지셀 트레이 적층체가 위치한 영역의 온도를 국소적으로 조절할 수 있다.
이 때, 상기 고온 에이징실 내의 온도 조절은 적어도 한 개 이상의 히터 및 송풍 팬 중 적어도 하나의 작동 중단, 재가동 또는 이들의 조합에 의해 수행될 수 있다.
구체적으로, 상기 제어부는 고온 에이징실 내부를 감온시킬 경우 히터의 작동을 중단하고, 송풍 팬을 가동시킬 수 있다.
또한, 상기 제어부는 고온 에이징실 내부를 승온시킬 경우 히터를 가동하고, 송풍 팬의 작동을 중단시킬 수 있다.
다른 하나의 예에서, 상기 제어부는, 상기 열화상 온도 데이터를 학습하여 상기 트레이 적층체의 중심부와 외곽부의 온도 차이가 최소화되는 온도 조절 알고리즘을 도출할 수 있다.
구체적으로, 상기 제어부는 열화상 온도 데이터를 수집하여 학습 데이터를 구성하고, 상기 학습 데이터로부터 상기 트레이 적층체의 중심부와 외곽부의 온도 차이가 최소화되는 온도 조절 알고리즘을 도출하는 인공지능을 포함할 수 있다.
상기 인공지능은 도출된 온도 조절 알고리즘에 따른 예측 온도와 실제 트레이 적층체의 열화상 온도 데이터를 대비하여 알고리즘의 유효성을 검증하고, 학습 데이터에 검증 결과를 업데이트할 수 있다.
상기 온도 조절 알고리즘은 가동 또는 작동 중단하는 히터 또는 송풍 팬의 위치 및 개수 및 히터 또는 송풍 팬의 가동 시간의 조절에 관한 것일 수 있다.
상기 인공지능은 딥러닝을 위한 심층신경망으로 구성될 수 있다.
본 발명은 인공지능 알고리즘을 기반으로 하여 고온 에이징실 내 온도를 최적으로 조절함으로써 고온 에이징 과정에서 트레이 내 온도 편차를 자동으로 최소화할 수 있어 에너지를 절감하고, 전지셀의 성능을 향상시킬 수 있다.
도 1 및 도 2는 본 발명에 따른 고온 에이징 시스템을 나타낸 모식도이다.
도 3 및 도 4는 전지셀 트레이 및 전지셀 트레이 적층체의 구조를 나타낸 모식도이다.
도 5는 트레이 랙 내에 전지셀 트레이 적층체가 수납되는 과정을 나타낸 모식도이다.
도 6은 전지셀 트레이 적층체 내 전지셀 트레이들의 시간에 따른 온도 변화를 나타낸 것이다.
도 7은 본 발명에 따른 온도 조절 알고리즘을 나타낸 것이다.
도 8은 딥러닝을 위한 심층신경망의 구조를 나타낸 모식도이다.
이하, 본 발명에 대하여 상세히 설명하기로 한다. 이에 앞서, 본 명세서 및 특허청구범위에 사용된 용어 또는 단어는 통상적이거나 사전적인 의미로 한정해서 해석되어서는 아니되며, 발명자는 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 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다. 또한, 층, 막, 영역, 판 등의 부분이 다른 부분 "상에" 있다고 할 경우, 이는 다른 부분 "바로 위에" 있는 경우뿐만 아니라 그 중간에 또 다른 부분이 있는 경우도 포함한다. 반대로 층, 막, 영역, 판 등의 부분이 다른 부분 "하에" 있다고 할 경우, 이는 다른 부분 "바로 아래에" 있는 경우뿐만 아니라 그 중간에 또 다른 부분이 있는 경우도 포함한다. 또한, 본 출원에서 "상에" 배치된다고 하는 것은 상부뿐 아니라 하부에 배치되는 경우도 포함하는 것일 수 있다.
이하 본 발명에 대해 자세히 설명한다.
(제1 실시형태)
도 1 및 도 2는 본 발명에 따른 고온 에이징 시스템을 나타낸 모식도이다. 도 5는 트레이 랙 내에 전지셀 트레이 적층체가 수납되는 과정을 나타낸 모식도이다.
도 1, 도 2 및 도 5를 참조하면, 본 발명에 따른 고온 에이징 시스템(100)은 내부에 다수 개의 전지셀이 수용된 전지셀 트레이가 다단으로 적층된 구조의 전지셀 트레이 적층체(110); 고온 에이징실(120) 내부에 수용되며, 전지셀 트레이 적층체(110)가 수용되는 격자형 수납 공간을 포함하는 적어도 한 개 이상의 트레이 랙(130); 상기 격자형 수납 공간으로 전지셀 트레이를 운반하는 스태커 크레인(140); 상기 스태커 크레인(140)에 설치되어, 상기 격자형 수납 공간에 적재된 전지셀 트레이들의 열화상 온도 데이터를 취득하는 열화상 카메라(150); 및 상기 열화상 온도 데이터에 기초하여 고온 에이징실 내의 온도를 조절하는 제어부(160); 를 포함한다.
이와 같이, 본 발명은 열화상 온도 데이터에 기초하여 고온 에이징실의 온도를 조절하되, 후술하는 바와 같이 이러한 온도 조절 과정을 인공지능 알고리즘을 기반으로 하여 수행함으로써 에너지를 절감하고, 전지셀의 성능을 향상시킬 수 있다.
이하 고온 에이징 시스템의 각 구성에 대해 상세히 설명한다.
도 3 및 도 4는 전지셀 트레이 및 전지셀 트레이 적층체의 구조를 나타낸 모식도이다.
본 발명에서, 고온 에이징 과정은 내부가 고온으로 일정하게 유지되는 고온 에이징실(120)에서 진행되며, 다수 개의 전지셀(1)이 한꺼번에 고온 에이징 과정을 거치게 된다. 이를 위해, 전지셀(1)을 일정한 간격으로 다수 개 배치할 수 있는 전지셀 트레이(10) 상에 전지셀을 탑재한다.
상기 전지셀 트레이(10)는 내부에 격벽이 설치되어 격자 형태의 수납 공간을 형성할 수 있으며, 격벽으로 구획된 공간에 전지셀(1)들이 한 개씩 배치될 수 있다. 도 3에서, 상기 전지셀(1)은 원통형 전지셀인 것으로 도시하였으나 전지셀의 형태에 특별한 제한은 없으며 각형 전지셀 또는 파우치형 전지셀 등 다양한 형태의 전지셀이 사용될 수 있다. 이 경우 전지셀 트레이(10) 내부의 격벽은 전지셀의 형태에 맞추어 그 형상이 변경될 수 있다.
이와 같은 전지셀 트레이(10)는 고온 에이징 공정에서 공간 활용을 위해 다수 개를 한 세트로 하여 다단 적층되어 전지셀 트레이 적층체(110)를 형성하게 된다. 도 4의 경우, 6개의 전지셀 트레이(10)가 적층되어 하나의 전지셀 트레이 적층체(110)를 형성하는 것으로 나타내었는데, 전지셀 트레이 적층체(110)를 형성하는 전지셀 트레이(10)의 개수는 특별히 한정되지 않는다.
상기 전지셀 트레이(10)는 고온 에이징 환경에서 변형되지 않는 것이라면 어떤 것이든지 사용 가능하며, 예를 들어 철, 알루미늄 등의 금속 소재 또는 폴리카보네이트, 아크릴 등의 고분자 소재를 모두 사용할 수 있다.
도 5를 도 1 및 도 2와 함께 참조하면, 고온 에이징실(120) 내에는 전지셀 트레이 적층체(110)를 수용하기 위해 적어도 한 개 이상의 트레이 랙(130)이 구비될 수 있다. 상기 트레이 랙(130)은 전지셀 트레이 적층체(110)가 수용될 수 있도록 격자형 수납 공간이 책장과 같이 형성되어 있는 구조이다. 상기 격자형 수납 공간은 일정 수의 행 및 단으로 구성되어 있으며, 도 1 및 도 5에는 9행
Figure pat00001
5단으로 격자형 수납 공간이 형성되어 있는 모습이 도시되어 있으나, 격자형 수납 공간의 크기 및 개수에 특별한 제한은 존재하지 않는다.
상기 전지셀 트레이 적층체(110)는 상기 트레이 랙(130)의 격자형 수납 공간으로 운반된 후 소정 시간 동안 고온에서 보관된다. 스태커 크레인(140)은 상기 격자형 수납 공간으로 전지셀 트레이(10)를 운반한다. 이 때, 상기 전지셀 트레이(10)는 개별 전지셀 트레이 상태로 운반될 수도 있고, 전지셀 트레이 적층체(110) 형태로 다단 적층된 후 한꺼번에 수납 공간으로 운반될 수 있다.
본 발명에서, 상기 스태커 크레인(140)은 좌우 이동하는 마스트(141) 및 상기 마스트(141)에 설치되어 승강 이동하는 적재대(142)를 포함한다. 상기 스태커 크레인(140)은 고온 에이징실(120)의 바닥에서 트레이 랙의 일측을 따라 좌우 이동하도록 구성된 주행 대차(143)를 포함한다. 상기 주행 대차(143)는 바닥면에 구름 접촉하는 휠을 포함한다. 이 때, 트레이 랙(130)과 스태커 크레인(140) 사이에 일정한 간격을 유지한 상태로 이동하기 위해 주행 대차(143)가 이동하는 이동 경로에 가이드 레일(미도시)이 형성될 수 있다.
상기 마스트(141)는 주행 대차(143) 상에 직립된 기둥 형태로 장착되며 적재대를 지지하고 적재대(142)가 상하 운동할 수 있는 경로를 제공한다. 또한, 상기 마스트(141) 상에는 적재대(142)가 상하 이동할 수 있도록 유도하는 가이드 홈(미도시)이 형성될 수 있다.
상기 적재대(142)는 판형 형상으로, 운반 과정에 전지셀 트레이(10)가 탑재되는 부분이며, 마스트(141)와 결합하는 면에 가이드 홈(미도시)에 삽입될 수 있는 휠(미도시)이 결합되어 있어, 상기 가이드 홈을 따라 마스트(141) 상에서 상하 이동할 수 있다. 상기 적재대(142)는 마스트(141) 상에서 상하 이동하고, 마스트(141)는 주행 대차(143)에 의해 가이드 레일을 따라 좌우 이동하면서 전지셀 트레이(10)를 원하는 공간에 로딩하거나, 원하는 공간으로부터 언로딩할 수 있다.
상기 고온 에이징실(120)에는 내부의 온도 조절을 위해 적어도 한 개 이상의 히터(121) 및 송풍 팬(122)이 설치되어 있다. 고온 에이징실(120)의 균일한 승온 및 감온을 위해 상기 히터(121) 또는 송풍 팬(122)은 고온 에이징실의 벽면 및 천장을 따라 일정한 패턴으로 배열될 수 있다. 이를 위해 후술하는 바와 같이 수납 공간에 배치된 전지셀 트레이 적층체들 중 일부분의 온도가 지나치게 상승하거나 하강할 경우 해당 부분의 송풍 팬(122) 또는 히터(121)를 가동시켜 고온 에이징실 내의 열 대류를 통해 온도를 조절할 수 있는 것이다. 도 1 및 도 2에는 히터(121) 및 송풍 팬(122)이 교번하여 배치되는 것으로 도시되었으나 이에 제한되는 것은 아니며, 히터를 고온 에이징실의 일측에 두고 송풍 팬을 통해 온도를 조절하는 것도 가능하다.
한편, 열화상 카메라(150)는 스태커 크레인(140)에 설치되어 격자형 수납 공간에 적재된 전지셀 트레이 적층체(110)의 열화상 온도 데이터를 취득한다. 구체적으로, 상기 열화상 카메라(150)는 전지셀 트레이(10)의 로딩 또는 언로딩을 위해 마스트(141) 및 적재대(142)의 이동시 함께 이동하면서, 전지셀 트레이들의 열화상 온도 데이터를 취득한다. 예를 들어, 상기 열화상 카메라(150)는 적재대(142) 상에 결합되어 있는 형태일 수 있다. 이 경우, 마스트(141)가 좌우로 이동하고, 적재대(142)가 상하로 이동하면서 자연스럽게 전지셀 트레이 적층체(110)가 촬영될 수 있다.
구체적으로, 열화상 카메라(150)는 전지셀 트레이 적층체(110) 표면을 촬영하여, 각 영역 별 온도 분포를 색상을 통해 나타내게 된다. 이를 통해 측정 대상의 두 지점 이상의 온도를 동시에 측정하는 것이 가능하다. 나아가 열화상 카메라(150)를 사용함으로써 각 지점 사이의 연속적인 온도 확인이 가능하므로 측정 대상의 전 영역의 온도 분포를 직관적 또는 정성적으로 파악하는 것이 가능하다. 예를 들어, 온도가 상대적으로 낮은 부분은 높은 부분에 비해 어두운 색을 띠게 될 수 있다. 또는 각 온도 분포를 서로 다른 색상으로 표현하여, 온도가 높은 부분은 붉은 색으로, 온도가 낮은 부분은 상대적으로 푸른 색을 띠도록 할 수 있다.
본 발명은 전지셀 트레이 적층체(110)의 온도 촬영을 위해 열화상 카메라(150)를 사용함으로써, 종래의 온도계를 사용하는 것에 비해 측정 대상 전체의 온도 분포를 하나의 화면으로 촬영함으로써, 측정 대상의 일 지점뿐만 아니라 측정 대상의 전 영역의 온도를 측정할 수 있다. 이는 후술하는 바와 같이 전지셀 트레이 적층체(110)의 중심부와 외곽부의 온도 차이를 한 번의 촬영으로 파악하고, 온도계를 사용하는 것보다 중심부의 온도를 용이하게 파악할 수 있도록 한다.
상기 제어부(160)는 컴퓨팅 장치일 수 있으며, 상기 열화상 카메라에 의해 열화상 온도 데이터가 취득되면, 열화상 온도 데이터에 기초하여 고온 에이징실(120) 내의 온도를 조절한다.
상기 제어부(160)는 열화상 이미지를 구체적인 온도 수치로 환산하여 외곽부의 열화상 온도 데이터를 취득한다. 제어부가 열화상 카메라에 의해 촬영된 이미지를 구체적인 온도 수치로 환산하는 방법은 통상의 컴퓨팅 장치 또는 프로그램에 의해 수행될 수 있다.
이어서, 상기 제어부(160)는 열화상 온도 데이터로부터 전지셀 트레이 적층체의 중심부와 외곽부의 온도를 산출한다.
도 5와 같이, 트레이 랙(130) 내 격자형 수납 공간에는 전지셀 트레이들이 다단 적층된 전지셀 트레이 적층체(110)가 탑재된다. 이 때, 고온 에이징 과정에서, 전지셀 트레이 적층체(110)의 중심부(A)는 주위의 구조물(다른 전지셀 트레이들)로 인해 열순환이 어려우므로, 외곽부에 비해 온도가 높아진다. 상기 제어부(160)는 전지셀 트레이 적층체(110)의 중심부와 외곽부의 온도 데이터로부터 고온 에이징실의 온도를 조절한다.
상기 제어부(160)는 전지셀 트레이 적층체(110)의 중심부의 온도 또는 전지셀 트레이 적층체(110)의 중심부와 외곽부의 온도 차이를 기준으로 하여 고온 에이징실(120)의 온도를 조절한다. 구체적으로, 상기 제어부(160)는 상기 전지셀 트레이 적층체(110)의 중심부의 온도 또는 중심부와 외곽부의 온도 차이가 기준 범위를 벗어난 경우 고온 에이징실(120) 내의 온도를 조절한다. 여기서 상기 기준 범위는 적정 수치인 것으로 판단되는 온도 범위로서, 전지셀의 규격 및 전지셀 트레이의 크기, 수납 공간의 크기, 고온 에이징실의 온도에 따라 적절히 조절될 수 있는 사항이다. 예를 들어, 전지셀 트레이 적층체(110)의 중심부의 온도가 기준 범위보다 높거나, 또는 중심부와 외곽부의 온도 차이가 기준 범위보다 높을 경우 제어부는 고온 에이징실(120)의 가열을 중단하고 내부의 온도를 낮출 수 있다.
하나의 예에서, 상기 제어부(160)는 트레이 랙(130) 내에 수납된 전체 전지셀 트레이 적층체(110)의 중심부의 온도 또는 중심부와 외곽부의 온도 차이의 평균값을 산출하고, 산출 결과가 소정 범위를 벗어난 경우 고온 에이징실(120) 전체의 온도를 조절할 수 있다. 이 경우 제어부(160)는 트레이 랙(130) 내 전체 전지셀 기준으로 온도 조절 여부를 판단한다.
다른 하나의 예에서, 상기 제어부(160)는 트레이 랙(130) 내 수납된 일부 전지셀 트레이 적층체(110)의 중심부의 온도 또는 중심부와 외곽부의 온도 차이의 평균값을 산출하고, 산출 결과가 기준 범위를 벗어난 경우 해당 전지셀 트레이 적층체(110)가 위치한 영역의 온도를 국소적으로 조절한다. 예를 들어, 상기 제어부(160)는 트레이 랙(130) 중 어느 하나의 행 또는 열에 위치한 전지셀 트레이 적층체(110)의 중심부의 온도 또는 중심부와 외곽부의 온도 차이에 대해 평균값을 산출하고, 산출 결과가 기준 범위를 벗어난 경우 해당 전지셀 트레이 적층체(110)가 위치한 영역의 온도를 국소적으로 조절하게 된다. 또는, 트레이 랙(130) 내 일부 영역에 다른 영역보다 온도가 높은 영역이 발생할 경우 해당 영역의 온도를 국소적으로 조절할 수 있다.
상기 고온 에이징실(120) 내의 온도 조절은 적어도 한 개 이상의 히터(121) 및 송풍 팬(122) 중 적어도 하나의 작동 중단, 재가동 또는 이들의 조합에 의해 수행될 수 있다. 상기 히터(121) 또는 송풍 팬(122)은 고온 에이징실(120)의 벽면 및 천장을 따라 일정한 패턴으로 배열되어 있으므로, 고온 에이징실(120)에 설치된 히터(121) 및 송풍 팬(122)의 전부 또는 일부를 가동 또는 비가동함으로써 목표하는 영역의 온도를 조절할 수 있다.
구체적으로, 상기 제어부(160)는 고온 에이징(120)실 내부를 감온시킬 경우 히터(121)의 작동을 중단하고, 송풍 팬(122)을 가동한다. 또한, 상기 제어부(160)는 고온 에이징실(120) 내부를 승온시킬 경우 히터(121)를 가동하고, 송풍 팬(122)의 작동을 중단한다. 예를 들어, 중심부의 온도가 지나치게 증가하여 고온 에이징실(120) 내부를 감온시킬 경우, 히터(121)의 작동이 중단되면 전지셀 트레이 적층체(110) 중심부에서 외곽부로 열이 발산되면서, 외곽부의 온도가 고온으로 유지될 수 있다.
도 6은 전지셀 트레이 적층체 내 전지셀 트레이들의 시간에 따른 온도 변화를 나타낸 것이다.
도 6에서, 각각의 그래프는 전지셀 트레이 적층체(110)를 구성하는 전지셀 트레이 적층체의 여러 지점에서 측정되는 온도 변화를 나타낸 것이다. 도 6을 참조하면, 가열 시작 후 200분 정도가 경과했을 때, 전지셀 트레이들 중 최대 온도를 나타내는 것(중심부에 위치한 전지셀 트레이)은 그 온도가 약 53℃이며, 최저 온도를 나타내는 것(외곽부에 위치한 전지셀 트레이)은 그 온도가 약 35℃로서 온도 차이가 18℃임을 알 수 있다. 이 경우 본 발명과 같이 송풍 팬과 히터를 사용하여 고온 에이징실 내의 온도를 조절함에 따라 온도 차이가 점차 감소하는 것을 알 수 있다.
(제2 실시형태)
도 7은 본 발명에 따른 온도 조절 알고리즘을 나타낸 것이다.
다른 하나의 예에서, 상기 제어부(160)는, 상기 열화상 온도 데이터를 학습하여 상기 전지셀 트레이 적층체(110)의 중심부와 외곽부의 온도 차이가 최소화되는 온도 조절 알고리즘을 도출할 수 있다. 이를 통해, 제어부(160)는 상기 알고리즘을 통해 중심부와 외곽부의 온도 차이가 최소화되도록 상기 제1 실시형태에서 언급한 바와 같은 작동 방식에 의해 온도를 자동으로 제어함으로써, 인력에 의해 직접 온도를 조절할 때보다 적은 시간 및 비용이 소요되며, 온도 차이를 정밀하게 조절할 수 있다.
구체적으로, 상기 제어부(160)는 온도 조절을 위한 인공지능을 더 포함할 수 있다. 상기 인공 지능은 열화상 온도 데이터를 수집하여 학습 데이터를 구성하고, 상기 학습 데이터로부터 상기 전지셀 트레이 적층체(110)의 중심부와 외곽부의 온도 차이가 최소화되는 온도 조절 알고리즘을 도출한다. 그리고, 상기 인공지능은 온도 조절 알고리즘에 따라 제1 실시형태와 같은 방법으로 고온 에이징(120)실 내의 온도를 조절한다. 즉, 상기 인공지능은 머신 러닝 또는 딥러닝에 의해 온도 조절 알고리즘을 학습하게 된다.
이를 위해, 본 발명에 따른 고온 에이징 시스템(100)은 다수 회의 온도 측정을 수행하면서 얻어진 열화상 온도 데이터를 저장한다. 이는 측정 시간, 초기 온도 조건 및 전지셀, 전지셀 트레이, 트레이 랙 등의 규격 등에 따라 분류된 상태로 저장될 수 있으며, 별도의 저장 장치에 상기 데이터들을 저장 및 관리하는 DB를 마련할 수 있다. 상기 DB는 상기 학습 데이터 구성을 위한 기초 자료로 활용될 수 있다.
구체적으로, 상기 제어부(160)는 저장된 열화상 온도 데이터를 수집하여 학습 데이터를 구성하고, 상기 학습 데이터로부터 상기 전지셀 트레이 적층체(110)의 중심부와 외곽부의 온도 차이가 최소화되는 온도 조절 알고리즘을 도출하는 인공지능을 포함할 수 있다. 상기 인공지능은 기 저장된 DB에 새롭게 측정된 결과를 업데이트하여 학습 데이터를 구성할 수 있다.
이어서, 상기 인공지능은 학습 데이터로부터 전지셀 트레이 적층체(110)의 중심부와 외곽부의 온도 차이가 최소화할 수 있도록 온도 조절 알고리즘을 도출한다. 상기 온도 조절 알고리즘은 가동 또는 작동 중단하는 히터 또는 송풍 팬의 위치 및 개수 및 히터 또는 송풍 팬의 가동 시간의 조절에 관한 것일 수 있다. 인공지능은 온도를 조절하고자 하는 전지셀 트레이 적층체의 위치, 개수 및 온도 데이터에 따라 상기 온도 조절 알고리즘을 도출한다.
온도 조절 알고리즘이 도출되면, 상기 인공지능은 알고리즘에 따라 온도를 조절하고, 알고리즘의 유효성을 검증한다. 이러한 검증 과정은 도출된 온도 조절 알고리즘에 따른 예측 온도와 실제 전지셀 트레이 적층체(110)의 열화상 온도 데이터를 대비하여 수행될 수 있다. 예를 들어, 도출된 온도 조절 알고리즘에 따라 온도를 조절한 이후 전지셀 트레이 적층체(110)의 중심부와 외곽부의 온도 차이가 예측 결과와 어긋나거나, 종래 조건에 따른 온도 데이터에 비해 큰 효과의 차이가 없는 경우 저장된 학습 데이터를 수정 및 업데이트한다. 이 때, 저장된 데이터와 함께 입력되는 실험 조건을 고려하여, 알고리즘이 유효하지 않은 원인을 분석할 수 있다. 이와 같이 본 발명은 인공지능에 의해 온도 조절 알고리즘을 기계 학습시킴으로써 정밀하고 효율적으로 온도를 조절할 수 있다.
(제3 실시형태)
도 8은 딥러닝을 위한 심층신경망의 구조를 나타낸 모식도이다.
도 8을 참조하면, 상기 제어부(160)는, 상기 열화상 온도 데이터를 학습하여 상기 전지셀 트레이 적층체(110)의 중심부와 외곽부의 온도 차이가 최소화되는 온도 조절 알고리즘을 도출할 수 있으며, 상기 제어부(160)는 온도 조절을 위한 인공지능을 더 포함할 수 있다. 상기 인공지능은 열화상 온도 데이터를 수집하여 학습 데이터를 구성하고, 상기 학습 데이터로부터 상기 전지셀 트레이 적층체(110)의 중심부와 외곽부의 온도 차이가 최소화되는 온도 조절 알고리즘을 도출한다.
이 때, 상기 인공지능은 딥러닝을 위한 심층신경망으로 구성될 수 있다.
심층신경망(Deep Neural Network, DNN)은, 학습된 데이터를 기반으로 입력받은 데이터를 분류하는 머신 러닝(Machine Learning)의 모델 중 하나로서, 하나 이상의 컴퓨터 내에 하나 이상의 레이어(Layer)를 구축하여 복수의 데이터를 바탕으로 판단을 수행하는 시스템 또는 네트워크를 의미한다.
도 8을 참조하면, 심층신경망은 입력 레이어(input layer, 161), 하나 이상의 히든 레이어(hidden layer, 162) 및 출력 레이어(output layer, 163)로 구성될 수 있다.
입력 레이어(161)에는 상기 학습 데이터가 입력되고, 히든 레이어와 출력 레이어를 통해 계산된 결과 값을 실제 값과 비교하여, 가중치의 값을 역으로 업데이트한다. 모든 학습이 끝난 뒤에, 예측이 필요한 정보를 입력하여 결과 값을 얻을 수 있다.
히든 레이어(162)는 컨볼루션 레이어(convolution layer), 풀링 레이어(pooling layer) 및 완전 연결 레이어(fully connected layer)를 포함할 수 있다. 여기서, 컨볼루션 레이어는, 입력 레이어에 입력된 이미지에 대해 특징맵을 추출하고 컨볼루션 연산을 수행할 수 있다. 풀링 레이어는 컨볼루션 레이어와 연결되어 컨볼루션 레이어의 출력에 대한 서브 샘플링을 수행할 수 있다. 완전 연결 레이어는 풀링 레이어와 연결되어 서브 샘플링 된 풀링 레이어의 출력을 학습하여 출력 레이어(163)에 출력될 카테고리에 따라 학습할 수 있다.
한편, 심층신경망을 이루는 각 층의 연결 구조는 공지의 알고리즘을 적절히 선택하여 형성될 수 있으며, 예를 들어, 나선형 신경망(Convolutional Neural Network; CNN) 구조 또는 순환형 신경망(Recurrent Neural Network; RNN) 구조로 형성될 수 있다.
이러한 심층신경망은 하나의 컴퓨터 내에서 구현될 수도 있고, 복수의 컴퓨터가 연결되어 네트워크망을 통해 구현될 수도 있다.
상기 학습부(160)는 업데이트된 학습 데이터를 심층신경망 상의 입력 레이어(161)에 입력한다. 입력된 학습 데이터는 히든 레이어(162)를 거쳐 출력 레이어(163)에서 최종적인 아웃풋으로 출력된다. 상기 학습부는 예측 결과의 유효성 검증 결과에 따른 가중치를 업데이트함으로써 새롭게 업데이트된 학습 데이터를 학습할 수 있다.
데이터의 학습이 완료되면, 상기 제어부는 학습된 데이터로부터 온도 조절 알고리즘을 새롭게 도출하고 이를 적용하여 고온 에이징실 내 온도를 조절한다. 이후 온도 조절 결과를 통해 알고리즘의 유효성을 검증하고, 이를 반영하는 과정이 자동으로 반복되면서, 고온 에이징실의 온도를 정밀하게 제어할 수 있다.
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 도면들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 도면에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
한편, 본 명세서에서 상, 하, 좌, 우, 전, 후와 같은 방향을 나타내는 용어가 사용되었으나, 이러한 용어들은 설명의 편의를 위한 것일 뿐, 대상이 되는 사물의 위치나 관측자의 위치 등에 따라 달라질 수 있음은 자명하다.
1: 전지셀
10: 전지셀 트레이
100: 고온 에이징 시스템
110: 전지셀 트레이 적층체
120: 고온 에이징실
121: 히터
122: 송풍 팬
130: 트레이 랙
140: 스태커 크레인
141: 마스트
142: 적재대
143: 주행 대차
150: 열화상 카메라
160: 제어부
161: 입력 레이어
162: 히든 레이어
163: 출력 레이어

Claims (15)

  1. 내부에 다수 개의 전지셀이 수용된 전지셀 트레이가 다단으로 적층된 구조의 전지셀 트레이 적층체;
    고온 에이징실 내부에 수용되며, 전지셀 트레이 적층체가 수용되는 격자형 수납 공간을 포함하는 적어도 한 개 이상의 트레이 랙;
    상기 격자형 수납 공간으로 전지셀 트레이를 운반하는 스태커 크레인;
    상기 스태커 크레인에 설치되어, 상기 격자형 수납 공간에 적재된 전지셀 트레이 적층체의 열화상 온도 데이터를 취득하는 열화상 카메라; 및
    상기 열화상 온도 데이터에 기초하여 고온 에이징실 내의 온도를 조절하는 제어부; 를 포함하는 고온 에이징 시스템.
  2. 제1항에 있어서,
    상기 스태커 크레인은 좌우 이동하는 마스트 및 상기 마스트에 설치되어 승강 이동하는 적재대를 포함하며,
    상기 열화상 카메라는 마스트 및 적재대의 이동 시 함께 이동하면서 전지셀 트레이들의 열화상 온도 데이터를 취득하는 고온 에이징 시스템.
  3. 제1항에 있어서,
    상기 고온 에이징실에는 내부의 온도 조절을 위한 적어도 한 개 이상의 히터 및 송풍 팬이 설치된 고온 에이징 시스템.
  4. 제1항에 있어서,
    상기 제어부는 열화상 온도 데이터로부터 전지셀 트레이 적층체의 중심부와 외곽부의 온도를 산출하고, 산출된 온도에 근거하여 고온 에이징실 내의 온도를 조절하는 고온 에이징 시스템.
  5. 제4항에 있어서,
    상기 제어부는 상기 전지셀 트레이 적층체의 중심부의 온도 또는 중심부와 외곽부의 온도 차이가 기준 범위를 벗어난 경우 고온 에이징실 내의 온도를 조절하는 고온 에이징 시스템.
  6. 제5항에 있어서,
    상기 제어부는 트레이 랙 내에 수납된 전체 전지셀 트레이 적층체의 중심부의 온도 또는 중심부와 외곽부의 온도 차이의 평균값을 산출하고, 산출 결과가 기준 범위를 벗어난 경우 고온 에이징실 전체의 온도를 조절하는 고온 에이징 시스템.
  7. 제5항에 있어서,
    상기 제어부는 트레이 랙 내 수납된 일부 전지셀 트레이 적층체의 중심부의 온도 또는 중심부와 외곽부의 온도 차이의 평균값을 산출하고, 산출 결과가 기준 범위를 벗어난 경우 해당 전지셀 트레이 적층체가 위치한 영역의 온도를 국소적으로 조절하는 고온 에이징 시스템.
  8. 제3항에 있어서,
    상기 고온 에이징실 내의 온도 조절은 적어도 한 개 이상의 히터 및 송풍 팬 중 적어도 하나의 작동 중단, 재가동 또는 이들의 조합에 의해 수행되는 고온 에이징 시스템.
  9. 제8항에 있어서,
    상기 제어부는 고온 에이징실 내부를 감온시킬 경우 히터의 작동을 중단하고, 송풍 팬을 가동하는 고온 에이징 시스템.
  10. 제8항에 있어서,
    상기 제어부는 고온 에이징실 내부를 승온시킬 경우 히터를 가동하고, 송풍 팬의 작동을 중단하는 고온 에이징 시스템.
  11. 제1항에 있어서,
    상기 제어부는,
    상기 열화상 온도 데이터를 학습하여 상기 전지셀 트레이 적층체의 중심부와 외곽부의 온도 차이가 최소화되는 온도 조절 알고리즘을 도출하는 고온 에이징 시스템.
  12. 제11항에 있어서,
    상기 제어부는 열화상 온도 데이터를 수집하여 학습 데이터를 구성하고, 상기 학습 데이터로부터 상기 전지셀 트레이 적층체의 중심부와 외곽부의 온도 차이가 최소화되는 온도 조절 알고리즘을 도출하는 인공지능을 포함하는 고온 에이징 시스템.
  13. 제12항에 있어서,
    상기 인공지능은 도출된 온도 조절 알고리즘에 따른 예측 온도와 실제 전지셀 트레이 적층체의 열화상 온도 데이터를 대비하여 알고리즘의 유효성을 검증하고, 학습 데이터에 검증 결과를 업데이트하는 고온 에이징 시스템.
  14. 제11항에 있어서,
    상기 온도 조절 알고리즘은 가동 또는 작동 중단하는 히터 또는 송풍 팬의 위치 및 개수 및 히터 또는 송풍 팬의 가동 시간의 조절에 관한 것인 고온 에이징 시스템.
  15. 제12항에 있어서,
    상기 인공지능은 딥러닝을 위한 심층신경망으로 구성된 고온 에이징 시스템.
KR1020210088257A 2021-07-06 2021-07-06 스마트 고온 에이징 시스템 KR20230007655A (ko)

Priority Applications (6)

Application Number Priority Date Filing Date Title
KR1020210088257A KR20230007655A (ko) 2021-07-06 2021-07-06 스마트 고온 에이징 시스템
PCT/KR2022/009697 WO2023282596A1 (ko) 2021-07-06 2022-07-05 스마트 고온 에이징 시스템
JP2023529878A JP2023550369A (ja) 2021-07-06 2022-07-05 スマート高温エージングシステム
CN202280007621.5A CN116569181A (zh) 2021-07-06 2022-07-05 智能高温老化系统
EP22837948.3A EP4231400A1 (en) 2021-07-06 2022-07-05 Smart high-temperature aging system
US18/038,115 US20230406619A1 (en) 2021-07-06 2022-07-05 Smart high-temperature aging system

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210088257A KR20230007655A (ko) 2021-07-06 2021-07-06 스마트 고온 에이징 시스템

Publications (1)

Publication Number Publication Date
KR20230007655A true KR20230007655A (ko) 2023-01-13

Family

ID=84801956

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210088257A KR20230007655A (ko) 2021-07-06 2021-07-06 스마트 고온 에이징 시스템

Country Status (6)

Country Link
US (1) US20230406619A1 (ko)
EP (1) EP4231400A1 (ko)
JP (1) JP2023550369A (ko)
KR (1) KR20230007655A (ko)
CN (1) CN116569181A (ko)
WO (1) WO2023282596A1 (ko)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150026994A (ko) 2013-09-03 2015-03-11 주식회사 엘지화학 트레이의 출고 최적화 방법 및 이를 이용하는 시스템

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004179009A (ja) * 2002-11-27 2004-06-24 Sony Corp 電池のエージング方法およびエージング装置
CN101952992A (zh) * 2008-02-12 2011-01-19 松下电器产业株式会社 电池收纳托盘及使用其的集合电池收纳托盘
JP2013178903A (ja) * 2012-02-28 2013-09-09 Daifuku Co Ltd 二次電池処理設備
KR101541362B1 (ko) * 2012-09-18 2015-08-04 주식회사 엘지화학 전지의 보관 및 출하 방법 및 이를 사용하여 제조되는 이차전지
KR20210088257A (ko) 2020-01-06 2021-07-14 주식회사 엘지에너지솔루션 테이핑 영역을 포함하는 전극 집전체용 금속 박막 및 이를 이용한 전극 제조방법
KR102169040B1 (ko) * 2020-07-14 2020-10-22 지엘홀딩스 주식회사 인공 지능이 탑재된 연료 전지 제어 시스템 및 이를 이용한 제어 방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150026994A (ko) 2013-09-03 2015-03-11 주식회사 엘지화학 트레이의 출고 최적화 방법 및 이를 이용하는 시스템

Also Published As

Publication number Publication date
JP2023550369A (ja) 2023-12-01
WO2023282596A1 (ko) 2023-01-12
CN116569181A (zh) 2023-08-08
US20230406619A1 (en) 2023-12-21
EP4231400A1 (en) 2023-08-23

Similar Documents

Publication Publication Date Title
US20210013731A1 (en) Charging Apparatus And Method Of Secondary Battery
US10263295B2 (en) Secondary battery system and method of arranging battery module
US11014470B2 (en) Battery system and method for controlling the same
US8395358B2 (en) Method for managing the heat in an electric battery
US8338012B2 (en) Method for managing the heat in an electric battery
US20150004449A1 (en) Temperature control apparatus and method of battery system for vehicle
US11515587B2 (en) Physics-based control of battery temperature
CN206908309U (zh) 一种用于电动车辆的蓄电池充电系统
US20180151926A1 (en) Capacity recovery method and capacity recovery system for secondary battery
US20140324379A1 (en) System and method for predicting temperature of battery
CN107219461A (zh) 二次电池的寿命预测方法及电源管理方法
KR102581887B1 (ko) 원통형 전지의 제조 방법 및 이를 수행하기 위한 건조 장치
KR20230007655A (ko) 스마트 고온 에이징 시스템
Wan Battery space optimization to limit heat transfer in a lithium-ion battery using adaptive elephant herding optimization
KR102351291B1 (ko) 온도 편차가 개선된 이차전지의 활성화 공정을 위한 충방전 장치
CN106532082A (zh) 燃料电池的控制方法、装置和系统以及轨道车辆
KR102444851B1 (ko) 전지의 냉각 제어 방법
CN110281808A (zh) 一种基于电池温度与健康状态的v2g安全控制方法及系统
JP6219515B2 (ja) トレイの出庫最適化方法およびこれを用いるシステム
JP2004179009A (ja) 電池のエージング方法およびエージング装置
JP2017022817A (ja) バッテリの充電制御装置
KR20140091622A (ko) 카트리지 히터를 포함하는 배터리 모듈
CN109962301B (zh) 控制装置和电池系统
KR20220025415A (ko) 전극 건조 장치
JP2023513068A (ja) 電極乾燥装置及び電極乾燥方法