KR20230061728A - A battery management device capable of predicting accidents - Google Patents

A battery management device capable of predicting accidents Download PDF

Info

Publication number
KR20230061728A
KR20230061728A KR1020210146266A KR20210146266A KR20230061728A KR 20230061728 A KR20230061728 A KR 20230061728A KR 1020210146266 A KR1020210146266 A KR 1020210146266A KR 20210146266 A KR20210146266 A KR 20210146266A KR 20230061728 A KR20230061728 A KR 20230061728A
Authority
KR
South Korea
Prior art keywords
battery
module
accident
main board
power quality
Prior art date
Application number
KR1020210146266A
Other languages
Korean (ko)
Inventor
김명준
Original Assignee
(주)엠텍정보기술
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 (주)엠텍정보기술 filed Critical (주)엠텍정보기술
Priority to KR1020210146266A priority Critical patent/KR20230061728A/en
Publication of KR20230061728A publication Critical patent/KR20230061728A/en

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
    • G01R22/00—Arrangements for measuring time integral of electric power or current, e.g. electricity meters
    • G01R22/06—Arrangements for measuring time integral of electric power or current, e.g. electricity meters by electronic methods
    • 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]
    • G01R31/371—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC] with remote indication, e.g. on external chargers
    • 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]
    • G01R31/389—Measuring internal impedance, internal conductance or related variables
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/392—Determining battery ageing or deterioration, e.g. state of health
    • G—PHYSICS
    • 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
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • 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
    • 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)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Power Engineering (AREA)
  • Secondary Cells (AREA)

Abstract

본 발명은 사고 예측이 가능한 배터리 관리 장치에 관한 것으로서, 내부에 내부공간이 형성된 본체와, 상기 내부공간에 설치되는 메인기판과, 상기 메인기판에 설치되며, 소정의 전력이 충전되는 배터리에 연결되어 해당 배터리의 작동상태를 측정하는 전력품질 미터모듈과, 상기 배터리에 설치되어 해당 배터리의 셀 인피던스를 측정할 수 있도록 상기 메인기판에 설치되는 임피던스 측정 모듈과, 상기 메인기판에 설치되어 해당 메인기판의 온도를 측정하는 온도센서와, 상기 전력품질 미터모듈, 임피던스 측정모듈 및 온도센서에서 측정된 데이터를 토대로 상기 배터리의 사고 발생을 예측하기 위해 기구축된 신경망 모델에 적용하여 해당 배터리의 사고 발생을 예측하는 사고 예측부와, 상기 전력품질 미터모듈, 임피던스 측정모듈 및 온도센서에서 측정된 데이터를 토대로 상기 배터리의 작동을 제어하는 것으로서, 상기 사고 예측부에서 해당 배터리에 사고가 발생될 것으로 예측한 경우, 해당 예측 결과를 관리자에게 전송하는 비엠에스 모듈을 구비한다.
본 발명에 따른 사고 예측이 가능한 배터리 관리 장치는 전력품질 미터모듈 및 임피던스 측정모듈에서 측정된 데이터를 기구축된 신경망 모델에 적용하여 배터리 사고 발생을 예측하므로 비전문가이더라도 보다 용이하게 배터리의 사고가 발생되지 않도록 배터리를 관리할 수 있는 장점이 있다. The present invention relates to a battery management device capable of predicting an accident, and is connected to a main body having an inner space therein, a main board installed in the inner space, and a battery installed on the main board and charged with a predetermined power. A power quality meter module for measuring the operating state of the battery, an impedance measurement module installed on the battery and installed on the main board to measure the cell impedance of the battery, and a power quality meter module installed on the main board to measure the cell impedance of the battery. Based on the data measured by the temperature sensor that measures the temperature, the power quality meter module, the impedance measurement module, and the temperature sensor, the accident occurrence of the battery is predicted by applying it to the built-in neural network model to predict the occurrence of an accident of the battery. An accident prediction unit that controls the operation of the battery based on the data measured by the power quality meter module, the impedance measurement module, and the temperature sensor, and the accident prediction unit predicts that an accident will occur in the corresponding battery. Equipped with a BMS module that transmits the prediction result to the manager.
The battery management device capable of predicting accidents according to the present invention predicts battery accidents by applying the data measured in the power quality meter module and the impedance measurement module to the pre-accumulated neural network model, so that even non-experts can prevent battery accidents from occurring more easily. It has the advantage of being able to manage the battery.

Description

사고 예측이 가능한 배터리 관리 장치{A battery management device capable of predicting accidents}A battery management device capable of predicting accidents}

본 발명은 사고 예측이 가능한 배터리 관리 장치에 관한 것으로서, 더욱 상세하게는 기구축된 신경망 모델을 이용하여 배터리의 사고 발생을 예측할 수 있는 사고 예측이 가능한 배터리 관리 장치에 관한 것이다. The present invention relates to a battery management device capable of predicting an accident, and more particularly, to a battery management device capable of predicting an accident that can predict the occurrence of a battery accident using an instrumented neural network model.

가정용 ESS는 태양광 발전과 연결해 태양전지에서 생산된 전력을 ESS에 저장하고 필요할 때 사용할 수 있기 때문에 송전망과 태양광발전 시스템을 연결하여 에너지 절약 효과를 극대화하여 이를 통해 비싼 전기요금을 최소화할 수 있고, 더불어 정전사고 시에도 사용할 수 있는 비상용 전원으로 활용가능하다.Household ESS connects to photovoltaic power generation to store the power produced by solar cells in the ESS and use it when needed. Therefore, by connecting the grid and the photovoltaic power generation system, energy saving effects can be maximized, thereby minimizing expensive electricity bills. In addition, it can be used as an emergency power source that can be used even in the event of a power outage.

그러나, 종래의 배터리 관리 시스템은 단순히 작동상태에 대한 측정 데이터를 관리자에게 제공하므로 관리자가 직접 사고 발생 여부를 예측해야 한다. 따라서, 관리자가 배터리 관련 비전문가인 경우, 사고 발생을 정확하게 예측하는데 어려움이 있다. However, since the conventional battery management system simply provides measurement data about operating conditions to the manager, the manager must directly predict whether an accident will occur. Therefore, when the manager is a non-expert in battery, it is difficult to accurately predict the occurrence of an accident.

등록특허공보 제10-2123676호: 주택용 ESS에 탑재되는 직류변압기와 배터리 관리시스템 소프트웨어의 통합관리 및 업데이트 방법Registered Patent Publication No. 10-2123676: Integrated management and update method of DC transformer and battery management system software installed in residential ESS

본 발명은 상기와 같은 문제점을 개선하기 위해 창안된 것으로서, 전력품질 미터모듈 및 임피던스 측정모듈에서 측정된 데이터를 기구축된 신경망 모델에 적용하여 배터리 사고 발생을 예측할 수 있는 사고 예측이 가능한 배터리 관리 장치를 제공하는데 그 목적이 있다. The present invention was invented to improve the above problems, and a battery management device capable of predicting battery accidents by applying data measured in a power quality meter module and an impedance measurement module to a built-in neural network model. Its purpose is to provide

상기 목적을 달성하기 위한 본 발명에 따른 사고 예측이 가능한 배터리 관리 장치는 내부에 내부공간이 형성된 본체와, 상기 내부공간에 설치되는 메인기판과, 상기 메인기판에 설치되며, 소정의 전력이 충전되는 배터리에 연결되어 해당 배터리의 작동상태를 측정하는 전력품질 미터모듈과, 상기 배터리에 설치되어 해당 배터리의 셀 인피던스를 측정할 수 있도록 상기 메인기판에 설치되는 임피던스 측정 모듈과, 상기 메인기판에 설치되어 해당 메인기판의 온도를 측정하는 온도센서와, 상기 전력품질 미터모듈, 임피던스 측정모듈 및 온도센서에서 측정된 데이터를 토대로 상기 배터리의 사고 발생을 예측하기 위해 기구축된 신경망 모델에 적용하여 해당 배터리의 사고 발생을 예측하는 사고 예측부와, 상기 전력품질 미터모듈, 임피던스 측정모듈 및 온도센서에서 측정된 데이터를 토대로 상기 배터리의 작동을 제어하는 것으로서, 상기 사고 예측부에서 해당 배터리에 사고가 발생될 것으로 예측한 경우, 해당 예측 결과를 관리자에게 전송하는 비엠에스 모듈을 구비한다. In order to achieve the above object, a battery management device capable of predicting an accident according to the present invention includes a body having an internal space therein, a main board installed in the internal space, and a main board installed on the main board and charged with predetermined power. A power quality meter module connected to the battery to measure the operating state of the battery, an impedance measurement module installed on the battery and installed on the main board to measure the cell impedance of the battery, and installed on the main board Based on the data measured by the temperature sensor that measures the temperature of the main board, the power quality meter module, the impedance measurement module, and the temperature sensor, it is applied to a built-in neural network model to predict the occurrence of an accident of the battery, An accident prediction unit that predicts the occurrence of an accident, and controls the operation of the battery based on data measured by the power quality meter module, impedance measurement module, and temperature sensor. In case of prediction, a BMS module for transmitting the prediction result to the manager is provided.

한편, 본 발명에 따른 사고 예측이 가능한 배터리 관리 장치는 상기 전력품질 미터모듈, 임피던스 측정모듈 및 온도센서에서 측정된 정보가 저장되고, 저장된 정보를 상기 사고 예측부 및 비엠에스 모듈에 제공하는 공유 메모리를 더 구비할 수도 있다. Meanwhile, the battery management device capable of predicting an accident according to the present invention includes a shared memory for storing information measured by the power quality meter module, impedance measurement module, and temperature sensor, and providing the stored information to the accident prediction unit and the BMS module. may be further provided.

또한, 본 발명에 따른 사고 예측이 가능한 배터리 관리 장치는 상기 메인기판에 설치되며, 상기 배터리의 온도를 측정하기 위해 해당 배터리에 설치된 측정센서로부터 측정 정보를 제공받아 상기 공유 메모리에 저장하는 중계모듈을 더 구비할 수도 있다. In addition, the battery management device capable of predicting accidents according to the present invention is installed on the main board and includes a relay module for receiving measurement information from a measurement sensor installed in the battery and storing it in the shared memory to measure the temperature of the battery. More may be provided.

본 발명에 따른 사고 예측이 가능한 배터리 관리 장치는 전력품질 미터모듈 및 임피던스 측정모듈에서 측정된 데이터를 기구축된 신경망 모델에 적용하여 배터리 사고 발생을 예측하므로 비전문가이더라도 보다 용이하게 배터리의 사고가 발생되지 않도록 배터리를 관리할 수 있는 장점이 있다. The battery management device capable of predicting accidents according to the present invention predicts battery accidents by applying the data measured in the power quality meter module and the impedance measurement module to the pre-accumulated neural network model, so that even non-experts can prevent battery accidents from occurring more easily. It has the advantage of being able to manage the battery.

도 1은 본 발명에 따른 사고 예측이 가능한 배터리 관리 장치에 대한 사시도이고,
도 2는 도 1의 사고 예측이 가능한 배터리 관리 장치에 대한 블럭도이다. 1 is a perspective view of a battery management device capable of predicting an accident according to the present invention;
FIG. 2 is a block diagram of a battery management device capable of predicting accidents of FIG. 1 .

이하, 첨부한 도면을 참조하여 본 발명의 실시예에 따른 사고 예측이 가능한 배터리 관리 장치에 대해 상세히 설명한다. 본 발명은 다양한 변경을 가할 수 있고 여러 가지 형태를 가질 수 있는 바, 특정 실시 예들을 도면에 예시하고 본문에 상세하게 설명하고자 한다. 그러나 이는 본 발명을 특정한 개시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다. 첨부된 도면에 있어서, 구조물들의 치수는 본 발명의 명확성을 기하기 위하여 실제보다 확대하여 도시한 것이다. Hereinafter, a battery management device capable of predicting an accident according to an embodiment of the present invention will be described in detail with reference to the accompanying drawings. Since the present invention can have various changes and various forms, specific embodiments will be illustrated in the drawings and described in detail in the text. However, this is not intended to limit the present invention to a specific form disclosed, and should be understood to include all modifications, equivalents, and substitutes included in the spirit and scope of the present invention. Like reference numerals have been used for like elements throughout the description of each figure. In the accompanying drawings, the dimensions of the structures are shown enlarged than actual for clarity of the present invention.

제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. Terms such as first and second may be used to describe various components, but the components should not be limited by the terms. These terms are only used for the purpose of distinguishing one component from another. For example, a first element may be termed a second element, and similarly, a second element may be termed a first element, without departing from the scope of the present invention.

본 출원에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부분품 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.Terms used in this application are only used to describe specific embodiments, and are not intended to limit the present invention. Singular expressions include plural expressions unless the context clearly dictates otherwise. In this application, terms such as "comprise" or "have" are intended to designate that there is a feature, number, step, operation, component, part, or combination thereof described in the specification, but one or more other features It should be understood that it does not preclude the possibility of the presence or addition of numbers, steps, operations, components, parts, or combinations thereof.

다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.Unless defined otherwise, all terms used herein, including technical or scientific terms, have the same meaning as commonly understood by one of ordinary skill in the art to which the present invention belongs. Terms such as those defined in commonly used dictionaries should be interpreted as having a meaning consistent with the meaning in the context of the related art, and unless explicitly defined in the present application, they should not be interpreted in an ideal or excessively formal meaning. don't

도 1 내지 도 3에는 본 발명에 따른 셀 임피던스 측정이 가능한 배터리 관리 장치(100)가 도시되어 있다. 1 to 3 show a battery management device 100 capable of measuring cell impedance according to the present invention.

도면을 참조하면, 상기 셀 임피던스 측정이 가능한 배터리 관리 장치(100)는 본체(110)와, 본체(110)의 내부에 마련된 메인기판(120)과, 상기 발전모듈과 같은 전원 공급장치에서 생성된 전력으로 충전되며, 충전된 전력을 전자기기에 제공하는 배터리(13)에 연결되는 연결모듈(130)과, 상기 연결모듈(130)에 연결된 배터리(13)의 작동상태를 측정하는 전력품질 미터모듈(140)과, 상기 배터리(13)에 설치되어 해당 배터리(13)의 셀 인피던스를 측정하는 임피던스 측정 모듈(142)와, 상기 메인기판(120)에 설치되어 해당 메인기판(120)의 온도를 측정하는 온도센서(181)와, 상기 전력품질 미터모듈(140), 임피던스 측정모듈(140) 및 온도센서(181)에서 측정된 정보가 저장되는 공유 메모리(141)와, 상기 메인기판(120)에 설치되며, 상기 배터리의 온도를 측정하기 위해 해당 배터리에 설치된 측정센서로부터 측정 정보를 제공받아 상기 공유 메모리(141)에 저장하는 중계모듈(182)과, 상기 공유 메모리(141)에 저장된 정보를 관리자에게 전송하는 통신모듈(150)과, 상기 배터리(13)의 사고 발생을 예측하기 위해 기구축된 신경망 모델을 이용하여 해당 배터리(13)의 사고 발생을 예측하는 사고 예측부(190)와, 상기 메인기판(120)에 실장되며, 상기 통신모듈(150)을 통해 공유 메모리(141)에 저장된 데이터를 제공받아 상기 배터리(13)의 작동을 제어하는 비엠에스 모듈(160)을 구비한다. Referring to the drawing, the battery management device 100 capable of measuring cell impedance includes a main body 110, a main board 120 provided inside the body 110, and a power supply device such as the power generation module. A connection module 130 connected to the battery 13 charged with electric power and providing the charged power to electronic devices, and a power quality meter module measuring the operating state of the battery 13 connected to the connection module 130 140, an impedance measurement module 142 installed in the battery 13 to measure the cell impedance of the battery 13, and installed in the main board 120 to measure the temperature of the main board 120 A temperature sensor 181 for measurement, a shared memory 141 storing information measured by the power quality meter module 140, the impedance measurement module 140 and the temperature sensor 181, and the main board 120 and a relay module 182 for receiving measurement information from a measurement sensor installed in the battery and storing it in the shared memory 141 to measure the temperature of the battery, and the information stored in the shared memory 141 A communication module 150 for transmitting to a manager, and an accident prediction unit 190 for predicting the occurrence of an accident of the battery 13 using a built-in neural network model to predict the occurrence of an accident of the battery 13; A BMS module 160 mounted on the main board 120 receives data stored in the shared memory 141 through the communication module 150 and controls the operation of the battery 13 .

본체(110)는 내부에 메인기판(120), 연결모듈(130), 전력품질 미터모듈(140) 및 통신모듈(150)이 설치될 수 있도록 내부공간이 마련된다. 여기서, 본체(110)는 소정의 강도를 갖고, 성형성이 우수한 플라스틱과 같은 합성수지재로 형성되는 것이 바람직하다. 한편, 본체(110)의 상면에는 전력품질 미터모듈(140), 비엠에스 모듈(160)의 작동상태를 표시할 수 있도록 디스플레이패널(111)이 설치되어 있다. The main body 110 is provided with an internal space so that the main board 120, the connection module 130, the power quality meter module 140, and the communication module 150 can be installed therein. Here, the main body 110 is preferably formed of a synthetic resin material such as plastic having a predetermined strength and excellent moldability. Meanwhile, a display panel 111 is installed on the upper surface of the body 110 to display the operating states of the power quality meter module 140 and the BMS module 160.

메인기판(120)은 본체(110)의 내부공간 내에 설치되며, 소정의 두께를 갖는 판형으로 형성된다. 상기 메인기판(120)은 반도체와 같은 전자부품을 실장할 수 있도록 종래에 일반적으로 사용되는 PCB(Printed Circuit Board)기판이므로 상세한 설명은 생략한다. The main board 120 is installed in the inner space of the main body 110 and is formed in a plate shape having a predetermined thickness. Since the main board 120 is a printed circuit board (PCB) board commonly used in the prior art to mount electronic components such as semiconductors, a detailed description thereof will be omitted.

연결모듈(130)은 배터리(13)가 연결될 수 있도록 다수의 연결단자를 구비한다. 또한, 연결모듈(130)은 배터리(13)에 설치되어 해당 발전모듈(11), 배터리(13) 및 인버터(12)의 전류, 전압, 충방전 전압 등의 작동상태를 감지하는 감지센서가 연결되는 접속단자를 구비할 수 있다. 이때, 연결모듈(130)의 연결단자들 및 접속단자는 단부가 본체(110)의 외부로 노출되도록 메인기판(120)에 설치되는 것이 바람직하다. The connection module 130 includes a plurality of connection terminals to which the battery 13 can be connected. In addition, the connection module 130 is installed in the battery 13 and a sensor for detecting operating states such as current, voltage, charge and discharge voltage of the corresponding power generation module 11, battery 13 and inverter 12 is connected. A connection terminal may be provided. At this time, it is preferable that the connection terminals and connection terminals of the connection module 130 are installed on the main board 120 so that ends are exposed to the outside of the main body 110 .

전력품질 미터모듈(140)은 연결모듈(130)을 통해 연결된 발전모듈(11), 배터리(13) 및 인버터(12)의 작동 상태를 측정한다. 여기서, 전력품질 미터모듈(140)은 인버터(12)의 출력 순간 전압, 전류, 임펄스, 역률, 불평형, 고주파, 주파수 변동, 순간전압 변동 등을 측정한다. 또한, 전력품질 미터모듈(140)은 발전모듈(11)의 입력 전력, 전압 및 배터리(13)의 충방전 DC 전압변동 등을 측정한다. 한편, 상기 전력품질 미터모듈(140)은 배터리(13)의 작동상태를 감지하기 위해 종래에 일반적으로 사용되는 측정수단이므로 상세한 설명은 생략한다. The power quality meter module 140 measures operating states of the power generation module 11, the battery 13, and the inverter 12 connected through the connection module 130. Here, the power quality meter module 140 measures the output instantaneous voltage, current, impulse, power factor, unbalance, high frequency, frequency fluctuation, instantaneous voltage fluctuation, etc. of the inverter 12 . In addition, the power quality meter module 140 measures input power and voltage of the power generation module 11 and DC voltage fluctuations during charging and discharging of the battery 13 . Meanwhile, since the power quality meter module 140 is a commonly used measurement means for detecting an operating state of the battery 13, a detailed description thereof will be omitted.

한편, 전력품질 미터모듈(140)은 상기 측정 데이터를 저장하기 위한 공유 메모리(141)를 통해 측정 데이터를 통신모듈(150)과 공유한다. 이때, 전력품질 미터모듈(140)은 SPI(Serial Peripheral Interface) 통신방식을 통해 공유 메모리(141)와 데이터 통신을 수행한다. Meanwhile, the power quality meter module 140 shares measurement data with the communication module 150 through the shared memory 141 for storing the measurement data. At this time, the power quality meter module 140 performs data communication with the shared memory 141 through a serial peripheral interface (SPI) communication method.

또한, 전력품질 미터모듈(140)은 메인기판(120)에 실장된 임피던스 측정 모듈(142)을 통해 배터리(13)의 셀 임피던스 데이터를 제공받을 수 있다. 이때, 임피던스 측정 모듈(142)은 공유 메모리(141)를 통해 측정 데이터를 제공받고, 해당 측정 데이터를 통해 배터리(13)의 셀 임피던스를 산출하여 공유 메모리(141)에 저장한다. 임피던스 측정 모듈(142)은 SPI(Serial Peripheral Interface) 통신방식을 통해 공유 메모리(141)와 데이터 통신을 수행한다. In addition, the power quality meter module 140 may receive cell impedance data of the battery 13 through the impedance measuring module 142 mounted on the main board 120 . At this time, the impedance measurement module 142 receives measurement data through the shared memory 141, calculates the cell impedance of the battery 13 through the corresponding measurement data, and stores it in the shared memory 141. The impedance measuring module 142 performs data communication with the shared memory 141 through a serial peripheral interface (SPI) communication method.

한편, 임피던스 측정 모듈(142)은 이에 한정하는 것이 아니라 배터리(13)에 연결되어 해당 배터리(13)의 셀 임피던스를 측정할 수 있는 측정수단이면 무엇이든 적용가능하다. On the other hand, the impedance measuring module 142 is not limited thereto, and any measuring means capable of measuring the cell impedance of the battery 13 connected to the battery 13 can be applied.

온도센서(181)는 메인기판(120)에 설치되어 메인기판(120) 및 본체(110)의 온도를 측정한다. 해당 온도센서(181)는 설치 위치 주위의 온도를 측정하기 위해 종래에 일반적으로 사용되는 온도 측정 수단이므로 상세한 설명은 생략한다. 상기 온도센서(181)는 측정된 온도 데이터를 공유 메모리(141)에 저장한다. The temperature sensor 181 is installed on the main board 120 to measure the temperature of the main board 120 and the main body 110 . Since the corresponding temperature sensor 181 is a temperature measuring means commonly used in the prior art to measure the temperature around the installation location, a detailed description thereof will be omitted. The temperature sensor 181 stores the measured temperature data in the shared memory 141 .

또한, 중계모듈(182)은 해당 메인기판(120)의 일측에 실장되는 것으로서, 상기 배터리의 온도를 측정하기 위해 해당 배터리에 설치된 측정센서로부터 측정 정보를 제공받아 상기 공유 메모리(141)에 저장한다. In addition, the relay module 182 is mounted on one side of the corresponding main board 120, receives measurement information from a measurement sensor installed in the battery to measure the temperature of the battery, and stores it in the shared memory 141. .

통신모듈(150)은 공유 메모리(141)를 통해 전력품질 미터모듈(140)의 측정 데이터, 임피던스 측정 모듈(142)의 임피던스 저항, 온도센서(181) 및 중계모듈(182)의 측정 정보에 대한 데이터를 공유받아 해당 데이터들을 무선통신망을 이용하여 분석서버(미도시)에 전송한다. 여기서, 통신모듈(150)은 SPI(Serial Peripheral Interface) 통신방식을 통해 공유 메모리(141)와 데이터 통신을 수행한다. 한편, 통신모듈(150)은 전력품질 미터모듈(140)의 측정 데이터, 임피던스 측정 모듈(142)의 셀 임피던스, 온도센서(181) 및 중계모듈(182)의 측정 정보에 대한 데이터를 비엠에스 모듈(160)에 전송한다. 이때, 통신모듈(150)은 UART(Universal Asyncronous Receiver/Transmitter) 통신방식을 통해 비엠에스 모듈(160)과 데이터 통신을 수행한다. 상기 통신모듈(150)은 라즈베리파이(Raspberry Pi)가 적용되는 것이 바람직하다. The communication module 150 transmits measurement data of the power quality meter module 140, impedance resistance of the impedance measurement module 142, and measurement information of the temperature sensor 181 and the relay module 182 through the shared memory 141. Data is shared and the corresponding data is transmitted to an analysis server (not shown) using a wireless communication network. Here, the communication module 150 performs data communication with the shared memory 141 through a serial peripheral interface (SPI) communication method. Meanwhile, the communication module 150 transmits measurement data of the power quality meter module 140, cell impedance of the impedance measurement module 142, and measurement data of the temperature sensor 181 and relay module 182 to the BMS module. Send to (160). At this time, the communication module 150 performs data communication with the BMS module 160 through a UART (Universal Asyncronous Receiver/Transmitter) communication method. The communication module 150 is preferably a Raspberry Pi.

사고 예측부(190)는 상기 전력품질 미터모듈(140), 임피던스 측정모듈(142)에서 측정된 데이터 및 온도센서(181) 및 중계모듈(182)의 측정 정보를 배터리의 작동상태 및 셀 인피던스를 토대로 상기 배터리의 사고 발생을 예측하기 위해 기구축된 신경망 모델에 적용하여 해당 배터리의 사고 발생을 예측한다. The accident prediction unit 190 uses the data measured by the power quality meter module 140 and the impedance measurement module 142 and the measurement information of the temperature sensor 181 and the relay module 182 to determine the operating state of the battery and cell impedance. Based on this, in order to predict the occurrence of an accident of the battery, it is applied to the neural network model built up to predict the occurrence of an accident of the corresponding battery.

여기서, 신경망 모델은 합성곱 신경망(CNN: Convolutional Neural Network) 모델과 같은 인공 신경망 모델이 적용되는데, 상기 CNN 모델은 복수의 연산 레이어(Convolutional Layer, pooling Layer)를 번갈아 수행하여 최종적으로는 입력 데이터의 특징을 추출하는 데 사용되는 계층 모델이다. 상기 사고 예측부(190)는 배터리의 작동상태, 셀 인피던스에 대한 측정 정보와, 해당 측정 정보에 대한 배터리의 사고 발생에 대한 정보가 포함된 샘플 데이터들을 지도학습(Supervised Learning) 기법에 따라 처리하여 구축된다. 한편, 사고 예측부(190)는 이에 한정하는 것이 아니라 해당 배터리의 작동 상태 및 셀 인피던스에 대한 데이터로부터 배터리 사고 발생을 예측할 수 있는 인공 신경망 모델이면 무엇이든 적용 가능하다. Here, an artificial neural network model such as a Convolutional Neural Network (CNN) model is applied to the neural network model. The CNN model alternately performs a plurality of operation layers (Convolutional Layer, Pooling Layer) to finally obtain input data. It is a hierarchical model used to extract features. The accident prediction unit 190 processes sample data including measurement information about the operating state of the battery and cell impedance, and information about the occurrence of a battery accident with respect to the measurement information according to a supervised learning technique. is built Meanwhile, the accident prediction unit 190 is not limited thereto, and any artificial neural network model capable of predicting the occurrence of a battery accident from data on the operating state and cell impedance of the corresponding battery can be applied.

비엠에스 모듈(160)은 통신모듈(150)을 통해 제공받은 데이터를 토대로 배터리(13)의 작동을 제어한다. 상기 비엠에스 모듈(160)은 배터리(13)의 배터리 셀의 충전 및 방전을 제어하는 것으로서, 종래에 일반적으로 사용되는 BMS(Battery Management System)가 적용되므로 상세한 설명은 생략한다. The BMS module 160 controls the operation of the battery 13 based on data provided through the communication module 150. The BMS module 160 controls charging and discharging of the battery cells of the battery 13, and since a battery management system (BMS) commonly used in the related art is applied, a detailed description thereof will be omitted.

한편, 비엠에스 모듈(160)은 사고 예측부(190)에서 배터리 사고가 예측되면, 통신모듈을 이용하여 해당 예측 결과를 관리자에게 전송한다. 또한, 비엠에스 모듈(160)은 사고 예측부(190)에서 배터리 사고가 예측되면, 배터리의 충전 작업을 중단하거나 전자기기로의 전력 공급량을 감소시켜 배터리에 사고가 발생되는 것을 방지할 수도 있다. Meanwhile, when a battery accident is predicted by the accident prediction unit 190, the BMS module 160 transmits a corresponding prediction result to a manager using a communication module. In addition, when a battery accident is predicted by the accident prediction unit 190, the BMS module 160 may prevent a battery accident from occurring by stopping the charging operation of the battery or reducing the amount of power supplied to the electronic device.

상술된 바와 같이 구성된 본 발명에 따른 사고 예측이 가능한 배터리 관리 장치(100)는 전력품질 미터모듈(140) 및 임피던스 측정모듈(142)에서 측정된 데이터를 기구축된 신경망 모델에 적용하여 배터리 사고 발생을 예측하므로 비전문가이더라도 보다 용이하게 배터리의 사고가 발생되지 않도록 배터리를 관리할 수 있는 장점이 있다. The battery management device 100 capable of predicting an accident according to the present invention configured as described above applies the data measured by the power quality meter module 140 and the impedance measurement module 142 to the built-in neural network model to generate a battery accident. Since it predicts the battery, there is an advantage in that even non-experts can more easily manage the battery so that battery accidents do not occur.

제시된 실시 예들에 대한 설명은 임의의 본 발명의 기술분야에서 통상의 지식을 가진 자가 본 발명을 이용하거나 또는 실시할 수 있도록 제공된다. 이러한 실시예들에 대한 다양한 변형들은 본 발명의 기술 분야에서 통상의 지식을 가진 자에게 명백할 것이며, 여기에 정의된 일반적인 원리들은 본 발명의 범위를 벗어남이 없이 다른 실시예들에 적용될 수 있다. 그리하여, 본 발명은 여기에 제시된 실시예들로 한정되는 것이 아니라, 여기에 제시된 원리들 및 신규한 특징들과 일관되는 최광의의 범위에서 해석되어야 할 것이다.The description of the presented embodiments is provided to enable any person skilled in the art to use or practice the present invention. Various modifications to these embodiments will be apparent to those skilled in the art, and the general principles defined herein may be applied to other embodiments without departing from the scope of the present invention. Thus, the present invention is not to be limited to the embodiments presented herein, but is to be construed in the widest scope consistent with the principles and novel features presented herein.

100: 사고 예측이 가능한 배터리 관리 장치
110: 본체
111: 디스플레이패널
120: 메인기판
130: 연결모듈
140: 전력품질 미터모듈
141: 공유 메모리
142: 임피던스 측정 모듈
150: 통신모듈
160: 비엠에스 관리모듈
190: 사고 예측부100: battery management device capable of predicting accidents
110: body
111: display panel
120: main board
130: connection module
140: power quality meter module
141: shared memory
142: impedance measurement module
150: communication module
160: BMS management module
190: accident prediction unit

Claims (3)

내부에 내부공간이 형성된 본체;
상기 내부공간에 설치되는 메인기판;
상기 메인기판에 설치되며, 소정의 전력이 충전되는 배터리에 연결되어 해당 배터리의 작동상태를 측정하는 전력품질 미터모듈;
상기 배터리에 설치되어 해당 배터리의 셀 인피던스를 측정할 수 있도록 상기 메인기판에 설치되는 임피던스 측정 모듈;
상기 메인기판에 설치되어 해당 메인기판의 온도를 측정하는 온도센서;
상기 전력품질 미터모듈, 임피던스 측정모듈 및 온도센서에서 측정된 데이터를 토대로 상기 배터리의 사고 발생을 예측하기 위해 기구축된 신경망 모델에 적용하여 해당 배터리의 사고 발생을 예측하는 사고 예측부; 및
상기 전력품질 미터모듈, 임피던스 측정모듈 및 온도센서에서 측정된 데이터를 토대로 상기 배터리의 작동을 제어하는 것으로서, 상기 사고 예측부에서 해당 배터리에 사고가 발생될 것으로 예측한 경우, 해당 예측 결과를 관리자에게 전송하는 비엠에스 모듈;을 구비하는,
사고 예측이 가능한 배터리 관리 장치.
A main body having an internal space therein;
a main board installed in the inner space;
a power quality meter module installed on the main board and connected to a battery charged with predetermined power to measure an operating state of the battery;
an impedance measurement module installed in the battery and installed on the main board to measure cell impedance of the corresponding battery;
a temperature sensor installed on the main board to measure the temperature of the corresponding main board;
an accident prediction unit for predicting the occurrence of an accident of the battery by applying a pre-built neural network model to predict the occurrence of an accident of the battery based on the data measured by the power quality meter module, the impedance measurement module, and the temperature sensor; and
The operation of the battery is controlled based on the data measured by the power quality meter module, the impedance measurement module, and the temperature sensor. BMS module for transmitting; having a,
A battery management device capable of predicting accidents.
 제1항에 있어서,
상기 전력품질 미터모듈, 임피던스 측정모듈 및 온도센서에서 측정된 정보가 저장되고, 저장된 정보를 상기 사고 예측부 및 비엠에스 모듈에 제공하는 공유 메모리;를 더 구비하는,
사고 예측이 가능한 배터리 관리 장치.
According to claim 1,
A shared memory for storing the information measured by the power quality meter module, the impedance measurement module, and the temperature sensor and providing the stored information to the accident prediction unit and the BMS module; further comprising,
A battery management device capable of predicting accidents.
 제2항에 있어서,
상기 메인기판에 설치되며, 상기 배터리의 온도를 측정하기 위해 해당 배터리에 설치된 측정센서로부터 측정 정보를 제공받아 상기 공유 메모리에 저장하는 중계모듈;을 더 구비하는,
사고 예측이 가능한 배터리 관리 장치.
According to claim 2,
A relay module installed on the main board and receiving measurement information from a measurement sensor installed in the battery to measure the temperature of the battery and storing it in the shared memory;
A battery management device capable of predicting accidents.
KR1020210146266A 2021-10-29 2021-10-29 A battery management device capable of predicting accidents KR20230061728A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210146266A KR20230061728A (en) 2021-10-29 2021-10-29 A battery management device capable of predicting accidents

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210146266A KR20230061728A (en) 2021-10-29 2021-10-29 A battery management device capable of predicting accidents

Publications (1)

Publication Number Publication Date
KR20230061728A true KR20230061728A (en) 2023-05-09

Family

ID=86409006

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210146266A KR20230061728A (en) 2021-10-29 2021-10-29 A battery management device capable of predicting accidents

Country Status (1)

Country Link
KR (1) KR20230061728A (en)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102123676B1 (en) 2016-12-06 2020-06-29 주식회사 엘지화학 Integrated management and update method of DC transformer (DC-DC converter) and battery management system (BMS) software installed in residential ESS

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102123676B1 (en) 2016-12-06 2020-06-29 주식회사 엘지화학 Integrated management and update method of DC transformer (DC-DC converter) and battery management system (BMS) software installed in residential ESS

Similar Documents

Publication Publication Date Title
CN102231546B (en) Battery management system with balanced charge and discharge functions and control method thereof
US10431996B2 (en) Smart Battery, electric energy allocation bus system, battery charging and discharging method and electric energy allocation method
CN102013706B (en) Battery pack
CN101184994B (en) Multiplexer and electrochemical battery monitor based on switch, management system and method
CN103354963B (en) Secondary battery cell, set of cells and power consuming device
US20180217208A1 (en) External diagnostics and module status change devices for battery modules
KR101403255B1 (en) Battery module charging system
KR20100089788A (en) System of charge and discharge for secondary battery and method of controlling charge and discharge for secondary battery
TWI489732B (en) Management system for battery with multi cells
JP2012124043A (en) Power storage device, connection device, power storage system, electronic equipment, electric vehicle, and electric power system
JP2011069782A (en) Voltage monitoring circuit, and battery power supply device
US9735601B2 (en) Systems and techniques for energy storage regulation
CN102074984A (en) Mobile terminal for detecting electric quantity of battery on line and detection method thereof
JP2013064697A (en) Secondary cell system
KR20230061728A (en) A battery management device capable of predicting accidents
KR20220161845A (en) A battery management device capable of predicting accidents
CN104348206A (en) Distributed battery management device and dual-redundancy power supply system
KR20230061727A (en) Cell Impedance Meter Capable Battery Management Device
KR20220161844A (en) Cell Impedance Meter Capable Battery Management Device
JP5122699B1 (en) Power storage system and storage module control method
KR20220052734A (en) Smart battery management device capable of power quality meter function
KR102382196B1 (en) a ship including a battery
JP2010200579A (en) Storage management system
KR20230075909A (en) Smart battery management device capable of measuring power quality
KR20220082234A (en) Method and apparatus for diagnosing battery status through soc estimation

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E601 Decision to refuse application