KR20230036707A - 배터리 상태를 추정하는 전자 장치 및 그 동작 방법 - Google Patents

배터리 상태를 추정하는 전자 장치 및 그 동작 방법 Download PDF

Info

Publication number
KR20230036707A
KR20230036707A KR1020210119543A KR20210119543A KR20230036707A KR 20230036707 A KR20230036707 A KR 20230036707A KR 1020210119543 A KR1020210119543 A KR 1020210119543A KR 20210119543 A KR20210119543 A KR 20210119543A KR 20230036707 A KR20230036707 A KR 20230036707A
Authority
KR
South Korea
Prior art keywords
battery
profile
overvoltage
soc
current
Prior art date
Application number
KR1020210119543A
Other languages
English (en)
Inventor
김진호
송태원
성영훈
Original Assignee
삼성전자주식회사
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 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR1020210119543A priority Critical patent/KR20230036707A/ko
Priority to US17/826,620 priority patent/US20230073869A1/en
Priority to CN202210825592.5A priority patent/CN115774212A/zh
Priority to EP22186902.7A priority patent/EP4148443B1/en
Publication of KR20230036707A publication Critical patent/KR20230036707A/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
    • G01R19/165—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
    • 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]
    • G01R31/374—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC] with means for correcting the measurement for temperature or ageing
    • 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
    • G01R31/3842—Arrangements for monitoring battery or accumulator variables, e.g. SoC combining voltage and current 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
    • 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
    • H01M10/4285—Testing apparatus
    • 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
    • H01M10/486—Accumulators combined with arrangements for measuring, testing or indicating the condition of cells, e.g. the level or density of the electrolyte for measuring temperature
    • 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)

Abstract

배터리 상태를 추정하는 전자 장치 및 그 동작 방법이 개시된다. 전자 장치는 배터리에 대응하는 전기화학 모델의 파라미터들을 저장하는 메모리, 배터리에 대한 온도 센서, 전류 센서 및 전압 센서 및 배터리의 온도 및 전류와 배터리 모델에 기초하여 배터리의 온도 프로파일을 추정하고, 온도 프로파일에 기초하여 배터리의 과전압 프로파일을 결정하고, 결정된 과전압 프로파일을 배터리의 현재 SOC 및 전압에 기초하여 보정하며, 보정된 과전압 프로파일 및 배터리의 OCV 프로파일에 기초하여 배터리의 불용 SOC를 추정하는 프로세서를 포함한다.

Description

배터리 상태를 추정하는 전자 장치 및 그 동작 방법{ELECTRONIC DEVICE FOR ESTIMATING BATTERY STATE AND METHOD FOR OPERATING METHOD THEREOF}
아래의 개시는 배터리 상태를 추정하는 전자 장치 및 그 동작 방법에 관한 것이다.
배터리의 최적 운용을 위해 배터리의 상태가 추정될 수 있으며, 이러한 배터리의 상태를 추정하는 방법은 다양하다. 일례로, 배터리의 상태는 해당 배터리의 전류를 적산하여 추정되거나 배터리 모델(예를 들어, 전기 회로 모델, 또는 전기화학 모델)을 이용하여 추정될 수 있다.
일 실시예에 따른 전자 장치는 배터리에 대응하는 전기화학 모델의 파라미터들을 저장하는 메모리, 상기 배터리에 대한 온도 센서, 전류 센서 및 전압 센서 및 상기 배터리의 온도 및 전류와 배터리 모델에 기초하여 상기 배터리의 온도 프로파일을 추정하고, 상기 온도 프로파일에 기초하여 상기 배터리의 과전압 프로파일(overvoltage profile)을 결정하고, 상기 결정된 과전압 프로파일을 상기 배터리의 현재 SOC 및 전압에 기초하여 보정하며, 상기 보정된 과전압 프로파일 및 상기 배터리의 OCV(open circuit voltage) 프로파일에 기초하여 상기 배터리의 불용 SOC(SOCunusable)를 추정하는 프로세서를 포함할 수 있다.
상기 프로세서는 상기 과전압 프로파일의 시작 점이 미리 정해진 값을 가지도록 상기 온도 프로파일을 이동시킴으로써, 상기 과전압 프로파일을 결정할 수 있다.
상기 프로세서는 상기 배터리의 현재 SOC에 대응하는 OCV에서 상기 배터리의 전압을 뺀 현재 과전압에 기반하여, 상기 결정된 과전압 프로파일을 보정할 수 있다.
상기 프로세서는 상기 현재 SOC에서 상기 현재 과전압을 가지도록 상기 결정된 과전압 프로파일을 스케일링함으로써, 상기 결정된 과전압 프로파일을 보정할 수 있다.
상기 프로세서는 상기 OCV 프로파일에서 상기 보정된 과전압 프로파일을 뺌으로써 전압 프로파일을 추정하고, 상기 전압 프로파일에서 방전하한 전압(end of discharging voltage; EDV)에 대응하는 상기 불용 SOC를 추정할 수 있다.
상기 배터리 모델은 상기 전기화학 모델보다 간소화된 모델로서, 상기 전기화학 모델의 상기 파라미터를 활용하여 상기 배터리의 온도 프로파일을 추정하거나, 또는 상기 전기화학 모델과 동일한 모델일 수 있다.
상기 간소화된 모델은 상기 배터리의 내부 이온 농도분포가 일정하다고 가정된 상태에서 상기 배터리의 온도 프로파일을 추정할 수 있다.
상기 프로세서는 정해진 주기마다 및/또는 상기 배터리의 온도 및 전류 중 적어도 하나가 변화할 때 상기 배터리의 불용 SOC를 추정할 수 있다.
상기 프로세서는 상기 배터리의 온도 및 전류와 배터리 모델에 기초하여 상기 온도 프로파일의 일부를 추정하고, 상기 온도 프로파일의 전체에 대한 추정이 완료되지 않은 경우에 응답하여 상기 온도 프로파일의 다음 일부를 추정하고, 상기 온도 프로파일의 전체에 대한 추정이 완료된 경우에 응답하여 상기 온도 프로파일에 기초하여 상기 과전압 프로파일을 결정할 수 있다.
상기 불용 SOC는 상기 배터리에서 출력되는 전류에 의해 상기 배터리가 방전되어 방전하한 전압에 도달한 경우의 SOC일 수 있다.
상기 프로세서는 상기 불용 SOC 및 상기 현재 SOC에 기초하여, 상기 배터리의 RSOC(relative state of charge)를 추정할 수 있다.
상기 프로세서는 상기 전기화학 모델에 기초하여 상기 배터리의 현재 SOC를 추정할 수 있다.
상기 프로세서는 상기 불용 SOC 및 상기 현재 SOC 간 차이에 기초하여 상기 배터리의 가용 용량을 결정하고, 상기 가용 용량을 상기 배터리의 전류로 나눔으로써 잔여 사용시간을 결정하고, 상기 잔여 사용시간에 상기 전자 장치의 이동 속도를 곱함으로써, 상기 전자 장치의 잔여 주행거리를 결정할 수 있다.
일 실시예에 따른 전자 장치는 배터리, 상기 배터리에 대응하는 전기화학 모델의 파라미터들을 저장하는 메모리 및 상기 배터리의 온도 및 전류와 배터리 모델에 기초하여 상기 배터리의 온도 프로파일을 추정하고, 상기 온도 프로파일에 기초하여 상기 배터리의 과전압 프로파일을 결정하고, 상기 결정된 과전압 프로파일을 상기 배터리의 현재 SOC 및 전압에 기초하여 보정하며, 상기 보정된 과전압 프로파일 및 상기 배터리의 OCV 프로파일에 기초하여 상기 배터리의 불용 SOC를 추정하는 프로세서를 포함한다.
일 실시예에 따른 전자 장치의 동작 방법은 배터리에 대응하는 배터리 모델과 상기 배터리의 온도 및 전류에 기초하여 상기 배터리의 온도 프로파일을 추정하는 동작, 상기 온도 프로파일에 기초하여 상기 배터리의 과전압 프로파일을 결정하는 동작, 상기 결정된 과전압 프로파일을 상기 배터리의 현재 SOC 및 전압에 기초하여 보정하는 동작 및 상기 보정된 과전압 프로파일 및 상기 배터리의 OCV 프로파일에 기초하여 상기 배터리의 불용 SOC를 추정하는 동작을 포함한다.
도 1 내지 도 4는 일 실시예에 따른 배터리 시스템을 설명하기 위한 도면이다.
도 5 내지 도 9는 일 실시예에 따른 불용 SOC를 추정하는 동작을 설명하기 위한 도면이다.
도 10 및 도 11은 일 실시예에 따른 RSOC를 추정하는 예시들을 나타낸 도면이다.
도 12는 일 실시예에 따른 전자 장치의 동작 방법을 나타낸 도면이다.
도 13은 일 실시예에 따른 전자 장치를 나타낸 도면이다.
도 14는 일 실시예에 따른 모바일 기기를 설명하기 위한 도면이다.
도 15 및 도 16은 일 실시예에 따른 차량을 설명하기 위한 도면이다.
실시예들에 대한 특정한 구조적 또는 기능적 설명들은 단지 예시를 위한 목적으로 개시된 것으로서, 다양한 형태로 변경되어 구현될 수 있다. 따라서, 실제 구현되는 형태는 개시된 특정 실시예로만 한정되는 것이 아니며, 본 명세서의 범위는 실시예들로 설명한 기술적 사상에 포함되는 변경, 균등물, 또는 대체물을 포함한다.
제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 해석되어야 한다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 설명된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함으로 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.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 해당 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 실시예들을 첨부된 도면들을 참조하여 상세하게 설명한다. 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조 부호를 부여하고, 이에 대한 중복되는 설명은 생략하기로 한다.
도 1 내지 도 4는 일 실시예에 따른 배터리 시스템을 설명하기 위한 도면이다.
도 1을 참조하면, 일실시예에 따른 배터리 시스템(100)은 배터리(110) 및 배터리 상태 추정 장치(120)를 포함한다.
배터리(110)는 하나 이상의 배터리 셀, 배터리 모듈 또는 배터리 팩일 수 있다.
배터리 상태 추정 장치(120)는 하나 이상의 센서를 이용하여 배터리(110)를 측정할 수 있다. 달리 표현하면, 배터리 상태 추정 장치(120)는 배터리(110)의 측정 데이터를 수집할 수 있다. 예를 들어, 측정 데이터는 전압 데이터, 전류 데이터 및/또는 온도 데이터를 포함할 수 있다.
배터리 상태 추정 장치(120)는 측정 데이터에 기반하여 배터리(110)의 상태 정보를 추정하고, 그 결과를 출력할 수 있다. 상태 정보는, 예를 들어, SOC(state of charge), RSOC(relative state of charge), SOH(state of health) 및/또는 이상(abnormality) 상태 정보를 포함할 수 있다. 상태 정보를 추정할 때 이용되는 배터리 모델은 전기화학 모델(electrochemical thermal model; ECT model)이며, 이에 대해서는 도 4를 통해 후술한다.
도 2를 참조하면, 일실시예에 따른 SOC와 RSOC를 설명하기 위한 예시가 도시된다.
SOC는 OCV(open-circuit voltage) 기준에서 설계된 배터리 전체 용량 대비 현재 사용 가능한 용량으로, 아래의 수학식 1로 표현될 수 있다. SOC는 도 2에 도시된 OCV 그래프를 기준으로 결정될 수 있다. 도 2의 Vmax는 배터리가 완전히 충전된 전압인 완충 전압을 나타내고, Vmin은 OCV 기준에서 완전히 방전된 전압인 방전하한 전압(end of discharging voltage; EDV)을 나타낸다. 예를 들어, Vmin은 제조사에 의해 배터리가 더 이상 방전되지 않게끔 설정된 전압을 나타낼 수 있다.
Figure pat00001
위의 수학식 1에서, Qmax는 OCV 기준에서 설계된 배터리 전체 용량으로서, 설계된 용량(designed capacity)을 나타내고, Qpassed는 현재까지 사용한 배터리 용량을 나타낸다. 따라서, 'Qmax - Qpassed'는 OCV 기준에서 현재 사용 가능한 용량을 나타낼 수 있다. 이러한 SOC는 방전 전류와 무관한 절대적인 SOC를 나타내는 점에서 ASOC(Absolute SOC)로 지칭될 수 있고, 또한 현재 상태의 배터리의 SOC를 나타내는 점에서 현재 SOC로도 지칭될 수 있다.
일실시예에서, 배터리는 연결된 부하에 전류를 인가함으로써 방전될 수 있다. 이처럼 실제 사용 케이스에서는 OCV를 기준으로 하는 SOC보다는 Under Load 전압을 기준으로 하는 RSOC가 활용될 수 있다. RSOC는 전류 인가 상태의 전압 기준에서 총 사용 가능한 용량 대비 현재 사용 가능한 용량으로, 사용자의 관점에서 사용 가능한 용량을 나타낼 수 있다. RSOC는 도 2에 도시된 Under Load 그래프를 기준으로 아래 수학식 2에 의해 결정될 수 있다.
Figure pat00002
위의 수학식 2에서, Qusable은 배터리에 부하가 연결되어 전류 인가 상태의 전압 기준에서 총 사용 가능한 용량으로, FCC(full charge capacity)를 나타낸다. Qusable은 'Qmax - Qunusable'로 결정될 수 있다. Qunusable은 부하에 연결된 배터리가 방전하한 전압에 도달함에 따라 더 이상의 방전이 제한되어 사용할 수 없는 용량을 나타낼 수 있다. Qunusable은 배터리의 전류 크기, 온도 및/또는 열화 상태에 따라 달라질 수 있다.
이를테면, 배터리에 부하가 연결되어 배터리에서 전류가 출력되면 배터리의 출력 전압이 OCV보다 낮아지게 되므로, 도 2에서 Under Load 그래프가 OCV 그래프보다 작은 값을 가질 수 있다. 다시 말해, 배터리에서 출력되는 전류가 클수록, Under Load 그래프와 OCV 그래프 간 간격이 커질 수 있다. 배터리에서 출력되는 전류가 클수록, Qunusable도 증가할 수 있다.
배터리의 RSOC를 정확하게 예측하기 위해서는 Qusable와 Qpassed가 정확히 예측되어야 한다. 다만, 앞서 설명한 것처럼 Qusable는 전류 크기와 온도에 영향을 받는 Qunusable에 기초하여 결정되기에 정확한 예측이 어려울 수 있으므로, 수학식 2처럼 RSOC가 Q가 아닌 SOC에 의한 수학식으로 결정될 수 있다. RSOC는 SOC 및 SOCunusable에 기초하여 결정될 수 있다. 여기서, SOC는 수학식 1에서 결정된 현재 SOC를 나타내고, 불용 SOC(SOCunusable)은 배터리가 전류 인가로 방전하여 방전하한 전압에 도달하였을 때의 SOC를 나타낼 수 있다. 불용 SOC는 방전하한 전압에서의 SOC로서, 배터리의 전류 크기, 온도 및/또는 열화 상태에 따라 달라질 수 있다. 불용 SOC는 SOCEDV로도 지칭될 수 있다.
일실시예에서, 배터리가 장착된 장치의 동작 유형에 따라 배터리의 출력 전류의 크기가 달라질 수 있다. 예를 들어, 스마트 폰에서 음악을 재생하는 경우, 동영상을 재생하는 경우, 게임을 플레이하는 경우, 대기상태로 동작하는 경우 등 다양한 동작 유형에 따라 출력 전류의 크기가 달라지고, 불용 SOC가 변하므로 이에 기반한 RSOC도 달라질 수 있다. 음악보다는 동영상을 재생하는 경우에 장치의 동작 가능 시간이 짧을 수 있다. 이처럼, 불용 SOC는 현재 인가되고 있는 전류 크기로 해당 배터리가 방전된다면 방전하한 전압에 도달했을 때의 SOC를 추정하는 것으로, 현재 상태에서 미래 상태를 예측하는 것에 해당할 수 있다. 이하, 도면들을 참조하여 불용 SOC를 추정하고, 나아가 RSOC를 추정하는 동작을 상세히 설명한다.
도 3을 참조하면, 전자 장치(300)는 전기화학 모델(310) 및 배터리 모델(320)을 이용하여, 배터리의 현재 SOC 및 불용 SOC를 추정할 수 있다.
전자 장치(300)는 전기화학 모델(310)을 이용하여 현재 SOC를 추정할 수 있다. 예를 들어, 전자 장치(300)는 배터리의 측정 전압 및 추정 전압 사이의 전압차를 이용하여 배터리의 상태 변화량(예: △SOC)을 결정하고, 상태 변화량을 이용하여 전기화학 모델(310)의 내부 상태(예: 리튬이온 농도분포)를 업데이트하며, 업데이트된 전기화학 모델(310)을 통해 배터리의 현재 SOC를 추정할 수 있다. 추정 전압은 전기화학 모델(310)에서 추정된 배터리의 전압일 수 있다. 전기화학 모델(310)에 기반한 현재 SOC 추정 동작은 미국 특허출원 공개번호 2021-0116510에 기재되어 있으며, 그 전문이 본원에 참조로 포함된다(incorporated by reference).
전자 장치(300)는 배터리 모델(320)를 이용하여 불용 SOC를 추정할 수 있다. 일례로, 배터리 모델(320)은 전기화학 모델(310)보다 간소화된 모델로서, 배터리의 내부 이온 농도분포가 일정하다고 가정된 럼프드 모델(lumped model)일 수 있다. 럼프드 모델은 전기화학 모델(310)의 파라미터를 활용하여 배터리의 온도 프로파일을 추정할 수 있다. 전자 장치(300)는 전기화학 모델(310)이 간소화된 럼프드 모델을 통해 온도 프로파일을 추정함으로써, 연산량을 효과적으로 감소시킬 수 있다. 다른 일례로, 배터리 모델(320)은 전기화학 모델(310)과 동일할 수 있다. 전자 장치(300)는 전기화학 모델(310)을 통해 이후에 설명할 배터리의 온도 프로파일을 추정할 수 있다. 전기화학 모델(310)은 배터리의 내부 이온 농도분포가 일정하다고 가정되지 않은 모델일 수 있으므로, 배터리의 온도 프로파일을 추정하기 위한 연산량이 많을 수 있으나, 온도 프로파일의 추정 정확도가 높을 수 있다. 다만, 배터리 모델(320)의 실시예가 이에 한정되는 것은 아니며, 이외에도 다양한 배터리 모델이 제한 없이 적용될 수 있다.
전자 장치(300)는 온도 프로파일을 과전압 프로파일로 변환하고, 변환된 과전압 프로파일을 배터리의 전압과 현재 SOC로 보정하고, 보정된 과전압 프로파일에 기초하여 전압 프로파일을 결정함으로써, 불용 SOC를 결정할 수 있다.
온도 프로파일은, 배터리에 전류가 인가되면 여러 저항 성분에 의해 배터리 온도가 상승하게 되는데 이를 방전 시작부터 방전 종료까지 나타낸 것일 수 있다. 또한, 배터리에 전류가 인가되면 배터리 내의 여러 저항 성분에 의해 배터리 전압이 낮아지게 되는데 OCV와 측정 전압의 차이를 과전압이라고 지칭할 수 있으며, 과전압 프로파일은 배터리가 방전하는 과정에서 변화하는 배터리의 과전압을 나타낼 수 있다. 전압 프로파일은 배터리가 방전하는 과정에서 변화하는 배터리의 전압을 나타내는 것으로, 예를 들어, 방전 시작부터 방전 종료까지 시간에 따른 전압 변화를 나타낼 수 있다.
전자 장치(300)는 온도 프로파일과 과전압 프로파일 간 패턴의 유사성을 이용하여, 연산량이 많은 전압을 직접 추정하기 보다는 온도를 추정함으로써 연산 비용을 효과적으로 감소시킬 수 있다. 배터리에 전류가 인가되면 여러 저항 성분에 의해 배터리 온도가 올라가고 과전압이 발생하는 점에서, 온도 패턴과 과전압 패턴은 서로 유사할 수 있다. 또한, 추후 상세히 설명되겠으나, 온도와 과전압이 유사하게, 온도에 따른 OCP(open circuit potential) 변화율과 관련된 OCV 특성, 전극 반응 및 SEI(solid electrolyte interphase)와 관련된 특성, 전해질과 관련된 특성에 영향을 받는 점에서도 온도 패턴과 과전압 패턴의 유사성을 설명할 수 있다.
전자 장치(300)는 배터리의 측정 온도에 일부 오차가 발생하더라도, 배터리의 측정 전압이나 현재 SOC와 같은 현재 상태에 기반한 피드백 방식의 보정을 통해 저온 영역에서도 강인하게 불용 SOC를 높은 정확도로 추정할 수 있다. 또한, 전자 장치(300)는 연산 비용(computational cost)이 상당한 전압 프로파일을 직접 추정해서 불용 SOC를 획득하기 보다는 상대적으로 연산 비용이 낮은 온도 프로파일을 추정해서 불용 SOC를 획득함으로써, 연산 비용을 효과적으로 감소시킬 수 있다.
불용 SOC를 결정하는 동작에 대해서는 도 5 내도 도 9를 통해 후술한다.
도 4를 참조하면, 전기화학 모델은 배터리의 이온 농도, 전위 등 배터리의 내부 물리 현상을 모델링하여 배터리 잔량을 추정할 수 있다. 다시 말해, 전기화학 모델은 전극/전해질 계면에서 발생하는 전기화학 반응 및 전극/전해질의 농도 및 전하 보존과 관련된 물리 보존식으로 표현될 수 있으며, 이를 위해 형상(예컨대, 두께, 반경 등), OCP(Open Circuit Potential), 물성치(예컨대, 전기전도도, 이온전도도, 확산계수 등) 등 다양한 모델 파라미터를 이용한다.
전기화학 모델에서 농도, 전위 등 여러 상태변수가 서로 커플링될 수 있다. 전기화학 모델에서 추정되는 배터리의 추정 전압(410)은 양극과 음극 양 끝의 전위차이다. 양극 및 음극 각각의 전위 정보는 양극 및 음극 각각의 이온 농도분포에 영향을 받는다(420). 전기화학 모델에서 추정되는 SOC(430)는 양극 및 음극의 이온 평균농도이다.
여기서, 이온 농도분포는 전극 내 이온 농도분포(440) 또는 전극 내 특정 위치에 존재하는 활물질 입자 내 이온 농도분포(450)를 나타낼 수 있다. 전극 내 이온 농도분포(440)는 전극 방향에 따라 위치하는 활물질 입자의 표면 이온 농도분포 또는 평균 이온 농도분포를 나타내며, 전극 방향은 전극의 일단(예: 집전체에 인접한 경계)과 전극의 타단(예: 분리막에 인접한 경계)을 잇는 방향을 나타낼 수 있다. 또한, 활물질 입자 내 이온 농도분포(450)는 활물질 입자 중심 방향에 따른 활물질 입자 내부의 이온 농도분포를 나타내며, 활물질 입자 중심 방향은 활물질 입자 중심과 활물질 입자 표면을 잇는 방향을 나타낼 수 있다.
배터리의 측정 전압과 추정 전압 간 전압차를 감소시키기 위해서는, 농도와 관련된 물리 보존을 유지시키면서 양극 및 음극 각각의 이온 농도분포를 이동시키고, 이동된 농도분포에 기초하여 양극 및 음극 각각의 전위 정보를 도출하고, 도출된 양극 및 음극 각각의 전위 정보에 기초하여 전압이 계산될 수 있다. 전압차가 0이 되는 내부 상태 이동량을 도출하여 최종적으로 배터리의 현재 SOC가 결정될 수 있다.
도 5 내지 도 9는 일 실시예에 따른 불용 SOC를 추정하는 동작을 설명하기 위한 도면이다.
도 5를 참조하면, 전자 장치는 배터리 모델을 통해 온도 프로파일을 추정할 수 있다. 전자 장치는 현재 입력 조건에 해당하는 배터리의 온도, 전류에 대한 방전 온도 시뮬레이션을 배터리 모델에 기반하여 수행할 수 있다. 예를 들어, 배터리 모델에 입력되는 전류는 미리 정해진 시간 동안의 배터리의 이동평균 전류, 산술평균 전류, 가중평균 전류 또는 현재 인가되는 전류일 수 있다. 배터리 모델에 입력되는 온도는 측정된 온도로서, 예를 들어, 방전 시작 시점에 측정된 온도 T0일 수 있다. 방전 온도 시뮬레이션은 아래 수학식 3 및 수학식 4에 기반하여 수행될 수 있다.
Figure pat00003
위의 수학식 3에서, Tn은 현재 시간 스텝(time step)에서 추정 온도를 나타내고, Tn-1은 이전 시간 스텝에서 추정 온도를 나타내고,
Figure pat00004
은 시간에 따른 온도 변화율을 나타내며, dt는 계산 시간 간격을 나타낸다. 또한, Qgen은 열 발생률(heat generation rate)을 나타내고, hc는 대류 열 전달 계수(convective heat transfer coefficient)를 나타내고,
Figure pat00005
는 배터리 표면의 측정 온도를 나타내고, m은 셀의 질량(mass of cell)을 나타내며,
Figure pat00006
은 셀의 비열 용량(specific heat capacity of cell)을 나타낸다.
Figure pat00007
위의 수학식 4에서, Qreversible은 가역적 발열율(reversible heat generation rate)을 나타내고, Qirreversible은 비가역적 발열율(irreversible heat generation rate)을 나타내며, Qohmic은 옴 발열율(ohmic heat generation rate)을 나타낸다. I는 전류를 나타내고, T는 온도를 나타내며, Voln은 음극 파트(anode part)의 볼륨(volume)을 나타내고, Volp은 양극 파트(cathode part)의 볼륨을 나타내고,
Figure pat00008
은 음극의 엔트로피 열 계수(entropic heat coefficient of anode)를 나타내고,
Figure pat00009
은 양극의 엔트로피 열 계수(entropic heat coefficient of cathode)를 나타낸다. R은 기체 상수(gas constant)를 나타내고, F는 패러데이 상수(Faraday's constant)를 나타내고, jp는 양극의 국부 전류 밀도(local current density of cathode)를 나타내고, jo, p는 양극의 교환 전류 밀도(exchange current density of cathode)를 나타내고, jn은 음극의 국부 전류 밀도(local current density of anode)를 나타내며, jo, n은 음극의 교환 전류 밀도(exchange current density of anode)를 나타낸다. Rf, p는 양극의 필름 저항(film resistance of cathode)을 나타내고, Rf, n은 음극의 필름 저항(film resistance of anode)을 나타내며, Kp는 양극 파트의 유효 전해진 전도도(effective electrolyte conductivity in cathode part)를 나타내고, Kn은 양극 파트의 유효 전해질 전도도(effective electrolyte conductivity in anode part)를 나타내며,
Figure pat00010
는 크기가 작아 생략 가능한 저항 열(ohmic heat) 관련 항(term)을 나타낸다. 수학식 4에서, Voln, Volp, Rf, p, Rf, n은 전기화학 모델의 파라미터에 해당하고,
Figure pat00011
,
Figure pat00012
, jp, jo, p, jn, jo, n은 전기화학 계산 상태 변수에 해당할 수 있다.
위의 수학식 3 및 수학식 4의 파라미터들에 도 3의 전기화학 모델(310)의 파라미터들이 적용될 수 있다. 다시 말해, 전자 장치는 전기화학 모델의 파라미터들을 배터리 모델에 적용하여 방전 온도 시뮬레이션을 수행할 수 있다.
전자 장치는 배터리의 방전 시작부터 방전 종료까지 방전 온도 시뮬레이션을 수행하고, 배터리의 초기 온도 T0은 방전 시작 시점의 배터리 온도로 온도 센서를 통해 측정될 수 있다. 전자 장치에서 추정된 온도 프로파일의 예시는 도 5에 도시된 그래프와 같을 수 있다.
도 6을 참조하면, 전자 장치는 온도 프로파일에 기초하여 배터리의 과전압 프로파일을 결정할 수 있다. 예를 들어, 전자 장치는 과전압 프로파일의 시작 점이 미리 정해진 값(예: '0')을 가지도록 온도 프로파일을 이동시킴으로써, 과전압 프로파일을 결정할 수 있다. 방전 시작 시점에서는 배터리 전압이 OCV와 동일하기 때문에 과전압이 0일 수 있다. 따라서, 과전압 프로파일의 시작 점도 0이고, 앞서 설명한 것처럼 온도 프로파일과 전압 프로파일 간 패턴의 유사성을 이용하면, 온도 프로파일의 시작 점이 0이 되도록 온도 프로파일을 평행 이동시킴으로써, 과전압 프로파일이 결정될 수 있다. 온도 프로파일로부터 과전압 프로파일이 결정되는 동작은 아래 수학식 5처럼 수행될 수 있다.
Figure pat00013
위의 수학식 5에서, Tn는 시간에 따른 온도 변화를 나타내는 온도 프로파일을 나타내고, T0은 온도 프로파일의 초기 값을 나타내며,
Figure pat00014
은 시간에 따른 과전압 변화를 나타내는 과전압 프로파일을 나타낼 수 있다.
도 7을 참조하면, 전자 장치는 과전압 프로파일의 시간 축을 SOC 축으로 변환하고, 과전압 프로파일의 보정을 위해 배터리의 전압과 현재 SOC를 이용할 수 있다. 전자 장치는 배터리의 현재 SOC에 대응하는 OCV에서 배터리의 전압을 뺌으로써, 현재 과전압
Figure pat00015
을 계산할 수 있다. 예를 들어, 현재 SOC는 도 3의 전기화학 모델(310)을 통해 추정될 수 있으며, 배터리의 전압은 전압 센서를 통해 측정될 수 있다. OCV는 미리 정해진 OCV 프로파일에서 현재 SOC에 대응하는 값으로 도출될 수 있다. 도 6에서 결정된 과전압 프로파일에서 현재 SOC에 대응하는 과전압
Figure pat00016
과 현재 과전압
Figure pat00017
간 차이가 제거되도록 과전압 프로파일이 보정될 수 있으며, 이에 대해서는 도 8을 통해 후술한다.
도 8을 참조하면, 전자 장치는 과전압 프로파일을 배터리의 현재 SOC 및 전압에 기초하여 보정할 수 있다. 앞서 설명한 것처럼, 전자 장치는 현재 SOC 및 측정 전압에 기초하여 현재 과전압
Figure pat00018
을 계산할 수 있으며, 현재 과전압
Figure pat00019
을 이용하여 아래의 수학식 6과 같이 보정을 수행할 수 있다.
Figure pat00020
위의 수학식 6에서,
Figure pat00021
은 보정된 과전압 프로파일을 나타낸다. 현재 SOC와 측정 전압을 통해 과전압 프로파일을 보정함으로써, 배터리의 현재 상태를 피드백 방식으로 반영하여 불용 SOC의 추정 정확도를 효과적으로 향상시킬 수 있다.
도 9를 참조하면, 전자 장치는 OCV 프로파일(910) 및 보정된 과전압 프로파일(920)에 기초하여 배터리의 불용 SOC를 추정할 수 있다. OCV 프로파일(910)은 SOC에 따른 OCV 변화를 나타내는 전기화학 모델의 파라미터로서, 배터리 스펙에 따라 미리 정해질 수 있다. 보정된 과전압 프로파일(920)은 배터리의 현재 조건(예: 온도, 전류 등)가 반영된 상태에서 시간에 따른 과전압 변화를 나타낼 수 있다.
전자 장치는 OCV 프로파일(910)에서 보정된 과전압 프로파일(920)를 뺌으로써, 전압 프로파일(930)을 추정할 수 있으며, 이는 아래 수학식 7로 표현될 수 있다.
Figure pat00022
위의 수학식 7에서, Vn은 전압 프로파일(930)을 나타내고, OCVn은 OCV 프로파일(910)을 나타낸다.
전자 장치는 전압 프로파일(930)에서 방전하한 전압(예: 3.4V)에 대응하는 불용 SOC(예: 0.25)를 추정할 수 있다. 나아가, 전자 장치는 추정된 불용 SOC 및 현재 SOC를 수학식 2에 적용함으로써, 배터리의 RSOC도 추정할 수 있다.
이처럼, 불용 SOC를 추정함에 있어서 배터리의 현재 상태 정보인 현재 SOC와 측정 전압을 반영함으로써, 온도 센서의 측정 오차에 관계 없이 강인하게 불용 SOC 및 RSOC의 추정 정확도를 향상시킬 수 있다. 또한, 온도 프로파일에 기반하여 불용 SOC를 추정함에 따라, 추정된 불용 SOC에 기반하여 결정된 RSOC 프로파일에 온도 프로파일의 특성이 나타날 수 있다.
도 10 및 도 11은 일 실시예에 따른 RSOC를 추정하는 예시들을 나타낸 도면이다.
도 10을 참조하면, 전자 장치가 불용 SOC를 추정하고, 불용 SOC와 현재 SOC에 기초하여 RSOC를 추정하는 예시가 도시된다. 이하 실시예에서 각 동작들은 순차적으로 수행될 수도 있으나, 반드시 순차적으로 수행되는 것은 아니다. 예를 들어, 각 동작들의 순서가 변경될 수도 있으며, 적어도 두 동작들이 병렬적으로 수행될 수도 있다. 동작들(1001~1010)은 전자 장치의 적어도 하나의 구성요소(예: 프로세서, 센서 등)에 의해 수행될 수 있다.
동작(1001)에서, 전자 장치는 배터리 상태를 센싱할 수 있다. 예를 들어, 배터리 상태는 배터리의 온도, 전류, 전압을 포함할 수 있다. 전자 장치는 배터리 상태를 센싱하여 메모리에 저장할 수 있다.
동작(1002)에서, 전자 장치는 배터리 상태에 기초하여 전기화학 모델을 통해 배터리의 현재 SOC를 추정할 수 있다.
동작(1003)에서, 전자 장치는 불용 SOC의 추정 조건에 도달하였는지 여부를 판단할 수 있다. 예를 들어, 불용 SOC의 추정 조건은 정해진 주기 및/또는 배터리의 온도 및 전류 중 적어도 하나가 변화하는지 여부를 포함할 수 있다. 이를테면, 전자 장치는 정해진 주기(예: 10초 등)마다 불용 SOC의 추정 조건에 도달한 것으로 판단할 수 있다. 또한, 전자 장치는 배터리의 온도 및 전류 중 적어도 하나가 변화할 때마다 불용 SOC의 추정 조건에 도달한 것으로 판단할 수 있다. 배터리의 온도 및 전류가 모두 동일하다면, 전자 장치는 불용 SOC도 동일한 것으로 판단하고 불용 SOC를 다시 추정하지 않을 수 있다.
불용 SOC의 추정 조건에 도달하지 않은 것으로 판단된 경우에 응답하여, 동작(1004)이 이어서 수행될 수 있다. 반대로, 불용 SOC의 추정 조건에 도달한 것으로 판단된 경우에 응답하여, 동작(1005)이 이어서 수행될 수 있다.
동작(1004)에서, 전자 장치는 불용 SOC의 추정 조건에 도달하지 않았으므로 불용 SOC를 다시 추정하지 않고 메모리에 저장된 이전 불용 SOC를 호출할 수 있다.
동작(1005)에서, 전자 장치는 배터리의 온도 및 전류와 배터리 모델에 기초하여 배터리의 온도 프로파일을 추정할 수 있다. 예를 들어, 배터리 모델은 전기화학 모델보다 간소화된 모델로서, 전기화학 모델의 파라미터를 활용하여 배터리의 온도 프로파일을 추정하거나, 또는 전기화학 모델과 동일한 모델일 수 있다. 간소화된 모델은 배터리의 내부 이온 농도분포가 일정(예: 평균 이온 농도)하다고 가정된 상태에서 배터리의 온도 프로파일을 추정할 수 있다.
동작(1006)에서, 전자 장치는 온도 프로파일에 기초하여 배터리의 과전압 프로파일을 결정할 수 있다. 예를 들어, 전자 장치는 과전압 프로파일의 시작 점이 미리 정해진 값을 가지도록 온도 프로파일을 이동시킴으로써, 과전압 프로파일을 결정할 수 있다.
동작(1007)에서, 전자 장치는 결정된 과전압 프로파일을 배터리의 현재 SOC 및 전압에 기초하여 보정할 수 있다. 예를 들어, 전자 장치는 배터리의 현재 SOC에 대응하는 OCV에서 배터리의 전압을 뺀 현재 과전압에 기반하여, 결정된 과전압 프로파일을 보정할 수 있다. 전자 장치는 현재 SOC에서 현재 과전압을 가지도록 결정된 과전압 프로파일을 스케일링함으로써, 결정된 과전압 프로파일을 보정할 수 있다.
동작(1008)에서, 전자 장치는 보정된 과전압 프로파일 및 배터리의 OCV 프로파일에 기초하여 배터리의 불용 SOC를 추정할 수 있다. 예를 들어, 전자 장치는 OCV 프로파일에서 보정된 과전압 프로파일을 뺌으로써 전압 프로파일을 추정하고, 전압 프로파일에서 방전하한 전압에 대응하는 불용 SOC를 추정할 수 있다.
동작(1009)에서, 전자 장치는 현재 SOC와 불용 SOC에 기반하여 RSOC를 추정할 수 있다. 이때, 수학식 2가 활용될 수 있다.
동작(1010)에서, 전자 장치는 배터리의 모니터링 종료 조건에 도달하였는지 여부를 판단할 수 있다. 예를 들어, 미리 정해진 모니터링 기간이 경과되지 않았다면, 전자 장치는 모니터링 종료 조건에 도달하지 않은 것으로 판단하고, 다음 기간에 대해 동작들(1001~1009)을 수행할 수 있다. 반대로, 미리 정해진 모니터링 기간이 경과되었다면, 전자 장치의 동작이 종료될 수 있다.
도 10에 도시된 각 동작들에는 도 1 내지 도 9를 통해 전술한 사항들이 그대로 적용되므로, 보다 상세한 설명은 생략한다.
도 11을 참조하면, 전자 장치가 불용 SOC를 추정하고, 불용 SOC와 현재 SOC에 기초하여 RSOC를 추정하는 다른 예시가 도시된다. 이하 실시예에서 각 동작들은 순차적으로 수행될 수도 있으나, 반드시 순차적으로 수행되는 것은 아니다. 예를 들어, 각 동작들의 순서가 변경될 수도 있으며, 적어도 두 동작들이 병렬적으로 수행될 수도 있다. 동작들(1101~1112)은 전자 장치의 적어도 하나의 구성요소(예: 프로세서, 센서 등)에 의해 수행될 수 있다.
일 실시예에서, 불용 SOC 추정을 위해 온도 프로파일을 추정하는 동작은 배터리의 현재 상태(예: 온도, 전류 등)를 기준으로 배터리의 방전 시작부터 방전 종료까지의 온도 변화를 계산하는 것으로, 전자 장치의 한정된 리소스를 고려할 때 전체 연산 비용이 상당할 수 있다. 연산 비용이 상당한 온도 프로파일 추정 동작을 한 번에 수행하기 보다는, 전체 추정 구간을 N개의 세부구간들로 나누어 한 번에 하나의 세부구간에 대해서만 온도 변화를 계산함으로써, 연산 비용이 분담되게 할 수 있다. 이를 통해, 연산 로드가 적으면서도 정확한 불용 SOC 추정이 가능할 수 있다. 연산 비용 분담을 위해 동작들(1105~1107)이 추가될 수 있다.
동작(1105)에서, 전자 장치는 전체 온도 프로파일의 추정이 완료되었는지 여부를 판단할 수 있다. 예를 들어, 전자 장치는 N개의 세부구간들에 대한 온도 프로파일 추정이 완료되었는지 여부를 판단할 수 있다. 만약 전체 온도 프로파일의 추정이 완료되지 않았다면, 동작(1106)이 이어서 수행될 수 있다. 반대로 전체 온도 프로파일의 추정이 완료되었다면, 동작(1107)이 이어서 수행될 수 있다.
동작(1106)에서, 전자 장치는 아직 추정되지 않은 남은 세부구간들 중 어느 하나에 대해 부분 온도 프로파일의 추정을 수행하고, 그 결과를 메모리에 저장할 수 있다. 전체 온도 프로파일이 추정된 것이 아니기 때문에, 동작(1104)을 통해 메모리에 저장된 이전 불용 SOC가 호출될 수 있다.
동작(1107)에서, 전자 장치는 N개의 세부구간들에 대해 추정된 부분 온도 프로파일들을 이용하여, 전체 온도 프로파일을 추정할 수 있다. 예를 들어, 전자 장치는 N개의 세부구간들에 대해 추정된 부분 온도 프로파일들을 서로 연결함으로써 전체 온도 프로파일을 결정할 수 있다.
나머지 동작들(1101~1104, 1108~1112)은 도 10을 통해 기술된 사항이 적용될 수 있으므로, 상세한 설명은 생략한다.
도 12는 일 실시예에 따른 전자 장치의 동작 방법을 나타낸 도면이다.
이하 실시예에서 각 동작들은 순차적으로 수행될 수도 있으나, 반드시 순차적으로 수행되는 것은 아니다. 예를 들어, 각 동작들의 순서가 변경될 수도 있으며, 적어도 두 동작들이 병렬적으로 수행될 수도 있다. 동작들(1210~1240)은 전자 장치의 적어도 하나의 구성요소(예: 프로세서, 센서 등)에 의해 수행될 수 있다.
동작(1210)에서, 전자 장치는 배터리에 대응하는 배터리 모델과 배터리의 온도 및 전류에 기초하여 배터리의 온도 프로파일을 추정한다. 배터리 모델은 전기화학 모델보다 간소화된 모델로서, 전기화학 모델의 파라미터를 활용하여 배터리의 온도 프로파일을 추정하거나, 전기화학 모델과 동일한 모델일 수 있다. 또한, 간소화된 모델은 배터리의 내부 이온 농도분포가 일정하다고 가정된 상태에서 배터리의 온도 프로파일을 추정할 수 있다.
동작(1220)에서, 전자 장치는 온도 프로파일에 기초하여 배터리의 과전압 프로파일을 결정한다. 전자 장치는 과전압 프로파일의 시작 점이 미리 정해진 값을 가지도록 온도 프로파일을 이동시킴으로써, 과전압 프로파일을 결정할 수 있다.
동작(1230)에서, 전자 장치는 결정된 과전압 프로파일을 배터리의 현재 SOC 및 전압에 기초하여 보정한다. 전자 장치는 배터리의 현재 SOC에 대응하는 OCV에서 배터리의 전압을 뺀 현재 과전압에 기반하여, 결정된 과전압 프로파일을 보정할 수 있다. 전자 장치는 현재 SOC에서 현재 과전압을 가지도록 결정된 과전압 프로파일을 스케일링함으로써, 결정된 과전압 프로파일을 보정할 수 있다.
동작(1240)에서, 전자 장치는 보정된 과전압 프로파일 및 배터리의 OCV 프로파일에 기초하여 배터리의 불용 SOC를 추정한다. 전자 장치는 OCV 프로파일에서 보정된 과전압 프로파일을 뺌으로써 전압 프로파일을 추정하고, 전압 프로파일에서 방전하한 전압에 대응하는 불용 SOC를 추정할 수 있다. 불용 SOC는 배터리에서 출력되는 전류에 의해 배터리가 방전되어 방전하한 전압에 도달한 경우의 SOC일 수 있다.
전자 장치는 불용 SOC 및 현재 SOC에 기초하여, 배터리의 RSOC를 추정할 수 있다.
도 12에 도시된 각 동작들에는 도 1 내지 도 11을 통해 전술한 사항들이 그대로 적용되므로, 보다 상세한 설명은 생략한다.
도 13은 일 실시예에 따른 전자 장치를 나타낸 도면이다.
도 13을 참조하면, 일실시예에 따른 전자 장치(1300)는 메모리(1310), 프로세서(1320) 및 센서(1330)를 포함한다. 메모리(1310), 프로세서(1320) 및 센서(1330)는 버스(bus), PCIe(peripheral component interconnect express), NoC(network on a chip)를 통하여 서로 통신할 수 있다.
메모리(1310)는 컴퓨터에서 읽을 수 있는 명령어를 포함할 수 있다. 프로세서(1320)는 메모리(1310)에 저장된 명령어가 프로세서(1320)에서 실행됨에 따라 앞서 언급된 동작들을 수행할 수 있다. 메모리(1310)는 휘발성 메모리 또는 비휘발성 메모리일 수 있다. 메모리(1310)는 배터리에 대응하는 전기화학 모델의 파라미터들을 저장한다. 또한, 메모리(1310)는 배터리에 대응하는 전기화학 모델과 배터리 모델을 저장할 수 있다. 모델을 저장한다는 것은 해당 모델의 변수들 간 관계 정보를 저장한다는 것을 나타낼 수 있다.
프로세서(1320)는 명령어들, 혹은 프로그램들을 실행하거나, 전자 장치(1300)를 제어하는 장치일 수 있다. 프로세서(1320)는 배터리의 온도 및 전류와 배터리 모델에 기초하여 배터리의 방전 온도 프로파일을 추정하고, 방전 온도 프로파일에 기초하여 배터리의 과전압 프로파일을 결정하고, 결정된 과전압 프로파일을 배터리의 현재 SOC 및 전압에 기초하여 보정하며, 보정된 과전압 프로파일 및 배터리의 OCV 프로파일에 기초하여 배터리의 불용 SOC를 추정한다.
센서(1330)는 배터리의 현재 상태를 측정하는 온도 센서, 전류 센서 및 전압 센서 중 하나 이상을 포함할 수 있다. 센서(1330)에서 측정된 데이터는 메모리(1310)에 저장되거나 및/또는 프로세서(1320)로 전달될 수 있다.
일실시예에서, 전자 장치(1300)는 이차전지 배터리 등의 현재 SOC, 불용 SOC 및 RSOC 중 하나 또는 이들의 조합을 추정하는 BMS(battery management system)을 포함하거나, 배터리를 사용하는 장치로서, 예를 들어, 휴대폰, 스마트 폰, 태블릿, 랩탑, 퍼스널 컴퓨터, 또는 전자북 장치와 같은 다양한 컴퓨팅 장치, 스마트 시계, 스마트 안경, HMD(head-mounted display), 또는 스마트 의류와 같은 다양한 웨어러블 기기, 스마트 스피커, 스마트 TV, 또는 스마트 냉장고와 같은 다양한 가전장치, 스마트 자동차, 스마트 키오스크, IoT(internet of things) 기기, WAD(walking assist device), 드론, 또는 로봇을 포함할 수 있다. 또한, 전자 장치(1300)는 럼프드 모델 기반 온도 프로파일 추정을 통해 불용 SOC를 추정함으로써 연산 비용을 효과적으로 감소시켜 PMIC(power management integrated circuit) 등 저사양 기기로도 구현될 수 있다. 또한, 전자 장치(1300)는 배터리 상태 추정을 이용한 급속충전, 전기화확 모델 기반의 열화 자동 업데이트, 배터리의 내부 단락 예측, 배터리의 퓨얼 게이징(Fuel gauging) 등에 적용될 수 있다.
그 밖에, 전자 장치(1300)에 관해서는 상술된 동작을 처리할 수 있다.
도 14는 일 실시예에 따른 모바일 기기를 설명하기 위한 도면이다.
도 14를 참조하면, 모바일 기기(1400)는 배터리(1410)를 포함한다. 모바일 기기(1400)는 배터리(1410)를 전원으로 이용하는 장치일 수 있다. 모바일 기기(1400)는 휴대용 단말로서, 예를 들어, 스마트 폰일 수 있다. 도 14에서는 설명의 편의를 위해 모바일 기기(1400)가 스마트 폰인 경우를 설명하였으나, 이외에도 노트북, 태블릿 PC, 웨어러블 디바이스와 같은 다양한 단말이 제한 없이 적용될 수 있다. 배터리(1410)는 BMS 및 배터리 셀들(또는, 배터리 모듈들)을 포함한다.
실시예에 따르면, 모바일 기기(1400)는 배터리 상태 추정 장치(1720)를 포함한다. 배터리 상태 추정 장치(1720)는 앞서 설명한 배터리(1410)의 현재 SOC, 불용 SOC 및 RSOC 중 하나 이상을 추정하는 동작을 수행할 수 있다.
도 1 내지 도 13을 통해 기술된 사항은 도 14를 통해 기술된 사항에 적용될 수 있으므로, 상세한 설명은 생략한다.
도 15 및 도 16은 일 실시예에 따른 차량을 설명하기 위한 도면이다.
도 15를 참조하면, 차량(1500)은 배터리(1510) 및 배터리 관리 시스템(1520)을 포함할 수 있다. 차량(1500)은 배터리(1510)를 전력원(power source)으로 이용할 수 있다. 차량(1500)은, 예를 들어, 전기 자동차 또는 하이브리드 자동차일 수 있다.
배터리(1510)는 복수의 배터리 모듈들을 포함할 수 있다. 배터리 모듈은 복수의 배터리 셀들을 포함할 수 있다.
배터리 관리 시스템(1520)은 배터리(1510)에 이상(abnormality)이 발생하였는지 모니터링할 수 있고, 배터리(1510)이 과충전(over-charging) 또는 과방전(over-discharging)되지 않도록 할 수 있다. 또한, 배터리 관리 시스템(1520)은 배터리(1510)의 온도가 제1 온도(예: 40℃)를 초과하거나 제2 온도(예: -10℃) 미만이면 배터리(1510)에 대해 열 제어를 수행할 수 있다. 또한, 배터리 관리 시스템(1520)은 셀 밸런싱을 수행하여 배터리(1510)에 포함된 배터리 셀들 간의 충전 상태가 균등해지도록 할 수 있다.
일실시예에 따르면 배터리 관리 시스템(1520)은 앞서 설명한 배터리 상태 추정 동작을 수행할 수 있다. 배터리 관리 시스템(1520)은 배터리 셀들 각각의 상태 정보의 최대값, 최소값, 또는 평균값을 배터리(1510)의 상태 정보로 결정할 수도 있다.
배터리 관리 시스템(1520)은 배터리(1510)의 상태 정보를 차량(1500)의 ECU(Electronic Control Unit) 또는 VCU(Vehicle Control Unit)로 전송할 수 있다. 차량(1500)의 ECU 또는 VCU는 배터리(1510)의 상태 정보를 차량(1500)의 디스플레이에 출력할 수 있다.
또한, 배터리 관리 시스템(1520)은 배터리의 현재 SOC 및 불용 SOC에 기반하여 잔여 주행거리를 계산할 수 있다. 예를 들어, 배터리 관리 시스템(1520)은 현재 SOC와 불용 SOC 간 차이를 가용 SOC로 결정할 수 있다. 그리고, 배터리 관리 시스템(1520)은 가용 SOC에 전체 배터리 용량을 곱함으로써 가용 배터리 용량을 결정하고, 가용 배터리 용량을 현재 전류로 나눔으로써 잔여 주행시간을 결정할 수 있다. 그리고, 배터리 관리 시스템(1520)은 잔여 주행시간에 현재 속도를 곱함으로써, 잔여 주행거리를 결정할 수 있다.
도 16에 도시된 예와 같이, ECU 또는 VCU는 배터리(1510)의 상태 정보를 차량(1500) 내의 계기판(1610)에 표시할 수 있다. 또는, ECU 또는 VCU는 추정된 상태 정보에 기초하여 결정된 잔여 주행거리 등을 계기판(1610)에 표시할 수도 있다. 도 16에 도시되지 않았으나, ECU 또는 VCU는 배터리(1510)의 상태 정보, 잔여 주행거리 등을 차량(1500)의 헤드업 디스플레이에 표시할 수 있다.
도 15 및 도 16에서 설명한 사항에는 도 1 내지 도 13을 통해 기술된 사항이 적용될 수 있으므로, 상세한 설명은 생략한다.
이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 컨트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 저장할 수 있으며 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.
위에서 설명한 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 또는 복수의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 이를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims (20)

  1. 전자 장치에 있어서,
    배터리에 대응하는 전기화학 모델의 파라미터들을 저장하는 메모리;
    상기 배터리에 대한 온도 센서, 전류 센서 및 전압 센서; 및
    상기 배터리의 온도 및 전류와 배터리 모델에 기초하여 상기 배터리의 온도 프로파일을 추정하고, 상기 온도 프로파일에 기초하여 상기 배터리의 과전압 프로파일(overvoltage profile)을 결정하고, 상기 결정된 과전압 프로파일을 상기 배터리의 현재 SOC 및 전압에 기초하여 보정하며, 상기 보정된 과전압 프로파일 및 상기 배터리의 OCV(open circuit voltage) 프로파일에 기초하여 상기 배터리의 불용 SOC(SOCunusable)를 추정하는 프로세서
    를 포함하는
    전자 장치.
  2. 제1항에 있어서,
    상기 프로세서는
    상기 과전압 프로파일의 시작 점이 미리 정해진 값을 가지도록 상기 온도 프로파일을 이동시킴으로써, 상기 과전압 프로파일을 결정하는,
    전자 장치.
  3. 제1항에 있어서,
    상기 프로세서는
    상기 배터리의 현재 SOC에 대응하는 OCV에서 상기 배터리의 전압을 뺀 현재 과전압에 기반하여, 상기 결정된 과전압 프로파일을 보정하는,
    전자 장치.
  4. 제3항에 있어서,
    상기 프로세서는
    상기 현재 SOC에서 상기 현재 과전압을 가지도록 상기 결정된 과전압 프로파일을 스케일링함으로써, 상기 결정된 과전압 프로파일을 보정하는,
    전자 장치.
  5. 제1항에 있어서,
    상기 프로세서는
    상기 OCV 프로파일에서 상기 보정된 과전압 프로파일을 뺌으로써 전압 프로파일을 추정하고, 상기 전압 프로파일에서 방전하한 전압(end of discharging voltage; EDV)에 대응하는 상기 불용 SOC를 추정하는,
    전자 장치.
  6. 제1항에 있어서,
    상기 배터리 모델은
    상기 전기화학 모델보다 간소화된 모델로서, 상기 전기화학 모델의 상기 파라미터를 활용하여 상기 배터리의 온도 프로파일을 추정하거나, 또는
    상기 전기화학 모델과 동일한 모델인,
    전자 장치.
  7. 제6항에 있어서,
    상기 간소화된 모델은
    상기 배터리의 내부 이온 농도분포가 일정하다고 가정된 상태에서 상기 배터리의 온도 프로파일을 추정하는,
    전자 장치.
  8. 제1항에 있어서,
    상기 프로세서는
    정해진 주기마다 및/또는 상기 배터리의 온도 및 전류 중 적어도 하나가 변화할 때 상기 배터리의 불용 SOC를 추정하는,
    전자 장치.
  9. 제1항에 있어서,
    상기 프로세서는
    상기 배터리의 온도 및 전류와 상기 배터리 모델에 기초하여 상기 온도 프로파일의 일부를 추정하고, 상기 온도 프로파일의 전체에 대한 추정이 완료되지 않은 경우에 응답하여 상기 온도 프로파일의 다음 일부를 추정하고, 상기 온도 프로파일의 전체에 대한 추정이 완료된 경우에 응답하여 상기 온도 프로파일에 기초하여 상기 과전압 프로파일을 결정하는,
    전자 장치.
  10. 제1항에 있어서,
    상기 불용 SOC는
    상기 배터리에서 출력되는 전류에 의해 상기 배터리가 방전되어 방전하한 전압에 도달한 경우의 SOC인,
    전자 장치.
  11. 제1항에 있어서,
    상기 프로세서는
    상기 불용 SOC 및 상기 현재 SOC에 기초하여, 상기 배터리의 RSOC(relative state of charge)를 추정하는,
    전자 장치.
  12. 제1항에 있어서,
    상기 프로세서는
    상기 전기화학 모델에 기초하여 상기 배터리의 현재 SOC를 추정하는,
    전자 장치.
  13. 제1항에 있어서,
    상기 프로세서는
    상기 불용 SOC 및 상기 현재 SOC 간 차이에 기초하여 상기 배터리의 가용 용량을 결정하고, 상기 가용 용량을 상기 배터리의 전류로 나눔으로써 잔여 사용시간을 결정하고, 상기 잔여 사용시간에 상기 전자 장치의 이동 속도를 곱함으로써, 상기 전자 장치의 잔여 주행거리를 결정하는,
    전자 장치.
  14. 전자 장치에 있어서,
    배터리;
    상기 배터리에 대응하는 전기화학 모델의 파라미터들을 저장하는 메모리; 및
    상기 배터리의 온도 및 전류와 배터리 모델에 기초하여 상기 배터리의 온도 프로파일을 추정하고, 상기 온도 프로파일에 기초하여 상기 배터리의 과전압 프로파일을 결정하고, 상기 결정된 과전압 프로파일을 상기 배터리의 현재 SOC 및 전압에 기초하여 보정하며, 상기 보정된 과전압 프로파일 및 상기 배터리의 OCV 프로파일에 기초하여 상기 배터리의 불용 SOC를 추정하는 프로세서
    를 포함하는
    전자 장치.
  15. 전자 장치의 동작 방법에 있어서
    배터리에 대응하는 배터리 모델과 상기 배터리의 온도 및 전류에 기초하여 상기 배터리의 온도 프로파일을 추정하는 동작;
    상기 온도 프로파일에 기초하여 상기 배터리의 과전압 프로파일을 결정하는 동작;
    상기 결정된 과전압 프로파일을 상기 배터리의 현재 SOC 및 전압에 기초하여 보정하는 동작; 및
    상기 보정된 과전압 프로파일 및 상기 배터리의 OCV 프로파일에 기초하여 상기 배터리의 불용 SOC를 추정하는 동작
    을 포함하는
    전자 장치의 동작 방법.
  16. 제15항에 있어서,
    상기 과전압 프로파일을 결정하는 동작은
    상기 과전압 프로파일의 시작 점이 미리 정해진 값을 가지도록 상기 온도 프로파일을 이동시킴으로써, 상기 과전압 프로파일을 결정하는,
    전자 장치의 동작 방법.
  17. 제15항에 있어서,
    상기 결정된 과전압 프로파일을 보정하는 동작은
    상기 배터리의 현재 SOC에 대응하는 OCV에서 상기 배터리의 전압을 뺀 현재 과전압에 기반하여, 상기 결정된 과전압 프로파일을 보정하는,
    전자 장치의 동작 방법.
  18. 제15항에 있어서,
    상기 배터리의 불용 SOC를 추정하는 동작은
    상기 OCV 프로파일에서 상기 보정된 과전압 프로파일을 뺌으로써 전압 프로파일을 추정하고, 상기 전압 프로파일에서 방전하한 전압에 대응하는 상기 불용 SOC를 추정하는,
    전자 장치의 동작 방법.
  19. 제15항에 있어서,
    상기 배터리 모델은
    상기 배터리에 대응하는 전기화학 모델보다 간소화된 모델로서, 상기 전기화학 모델의 파라미터를 활용하여 상기 배터리의 온도 프로파일을 추정하거나, 또는
    상기 전기화학 모델과 동일한 모델인,
    전자 장치의 동작 방법.
  20. 제15항 내지 제19항 중에서 어느 하나의 항의 방법을 실행시키기 위한 프로그램이 기록된 컴퓨터 판독 가능한 저장 매체.
KR1020210119543A 2021-09-08 2021-09-08 배터리 상태를 추정하는 전자 장치 및 그 동작 방법 KR20230036707A (ko)

Priority Applications (4)

Application Number Priority Date Filing Date Title
KR1020210119543A KR20230036707A (ko) 2021-09-08 2021-09-08 배터리 상태를 추정하는 전자 장치 및 그 동작 방법
US17/826,620 US20230073869A1 (en) 2021-09-08 2022-05-27 Electronic device and method for estimating battery state
CN202210825592.5A CN115774212A (zh) 2021-09-08 2022-07-13 用于估计电池状态的电子装置和方法
EP22186902.7A EP4148443B1 (en) 2021-09-08 2022-07-26 Electronic device and method for estimating battery state

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210119543A KR20230036707A (ko) 2021-09-08 2021-09-08 배터리 상태를 추정하는 전자 장치 및 그 동작 방법

Publications (1)

Publication Number Publication Date
KR20230036707A true KR20230036707A (ko) 2023-03-15

Family

ID=82742840

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210119543A KR20230036707A (ko) 2021-09-08 2021-09-08 배터리 상태를 추정하는 전자 장치 및 그 동작 방법

Country Status (4)

Country Link
US (1) US20230073869A1 (ko)
EP (1) EP4148443B1 (ko)
KR (1) KR20230036707A (ko)
CN (1) CN115774212A (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116108705B (zh) * 2023-04-13 2023-07-04 烟台海博电气设备有限公司 钠离子电池管理系统和soc计算方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6411911B1 (en) * 1999-06-30 2002-06-25 Tyco Electronics Logistics Ag Battery diagnostic method utilizing a universal normalized discharge curve for predicting battery reserve time
JP7115439B2 (ja) * 2018-09-14 2022-08-09 トヨタ自動車株式会社 二次電池システムおよび二次電池の内部状態推定方法
KR20210047682A (ko) 2019-10-22 2021-04-30 삼성전자주식회사 배터리 상태 추정 방법 및 장치

Also Published As

Publication number Publication date
EP4148443A1 (en) 2023-03-15
US20230073869A1 (en) 2023-03-09
EP4148443B1 (en) 2024-03-20
CN115774212A (zh) 2023-03-10

Similar Documents

Publication Publication Date Title
Li et al. Parameter sensitivity analysis of electrochemical model-based battery management systems for lithium-ion batteries
CN109586373B (zh) 一种电池充电方法和装置
KR102634816B1 (ko) 배터리의 전하 균형을 탐지하는 배터리 모니터링 장치 및 방법
Li et al. A multi-model probability SOC fusion estimation approach using an improved adaptive unscented Kalman filter technique
Li et al. On state-of-charge determination for lithium-ion batteries
Pan et al. A computational multi-node electro-thermal model for large prismatic lithium-ion batteries
Zhang et al. State of charge-dependent aging mechanisms in graphite/Li (NiCoAl) O2 cells: Capacity loss modeling and remaining useful life prediction
US11982714B2 (en) Method and apparatus with battery state estimation
KR20220029109A (ko) 배터리 상태 추정 방법 및 장치
JP2008522152A (ja) バッテリーの状態及びパラメーターの推定システム及び方法
KR102534849B1 (ko) 배터리의 이온 농도 및 쿨롱 카운팅 soc를 실시간으로 조정하는 방법
KR101837453B1 (ko) 2차 전지의 잔존용량 연산 방법 및 장치
KR20220048753A (ko) 배터리 충전 장치 및 방법
EP4152022B1 (en) Method for determining full-charge capacity of battery pack, method for determining state of health of battery pack, system, and apparatus
CN117269814A (zh) 一种基于负极锂损失过程的锂电池存储衰减寿命预测方法
KR20230036707A (ko) 배터리 상태를 추정하는 전자 장치 및 그 동작 방법
Chen et al. A simplified extension of physics-based single particle model for dynamic discharge current
Lee et al. Deriving the optimized battery model for battery pack and anomaly detection based on the cloud battery management system
EP4053572A1 (en) Method and apparatus for estimating state of battery
KR20230157833A (ko) 배터리 상태 추정을 수행하는 전자 장치 및 이의 동작 방법
US20210091418A1 (en) Techniques for controlling charging and/or discharging of batteries using a tanks-in-series model
KR20230075033A (ko) 배터리 상태를 추정하는 전자 장치 및 그 동작 방법
CN115754774A (zh) 锂电池混联系统的soc电量预测方法、装置及计算机设备
Buriak Computer Modeling of Lithium-Ion Electrical Energy Storage Devices
Biju et al. Digital Twin Modeling Using High-Fidelity Battery Models for State Estimation and Control

Legal Events

Date Code Title Description
A201 Request for examination