KR20230086258A - Ess 데이터를 군집화하여 이상 셀을 식별하는 방법 및 장치 - Google Patents

Ess 데이터를 군집화하여 이상 셀을 식별하는 방법 및 장치 Download PDF

Info

Publication number
KR20230086258A
KR20230086258A KR1020210174717A KR20210174717A KR20230086258A KR 20230086258 A KR20230086258 A KR 20230086258A KR 1020210174717 A KR1020210174717 A KR 1020210174717A KR 20210174717 A KR20210174717 A KR 20210174717A KR 20230086258 A KR20230086258 A KR 20230086258A
Authority
KR
South Korea
Prior art keywords
data
ess
clustering
control unit
energy storage
Prior art date
Application number
KR1020210174717A
Other languages
English (en)
Inventor
권기욱
이정빈
심명현
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 KR1020210174717A priority Critical patent/KR20230086258A/ko
Publication of KR20230086258A publication Critical patent/KR20230086258A/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
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/3644—Constructional arrangements
    • G01R31/3648—Constructional arrangements comprising digital calculation means, e.g. for performing an algorithm
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/371—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]
    • G01R31/382—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]
    • G01R31/392—Determining battery ageing or deterioration, e.g. state of health
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/396—Acquisition or processing of data for testing or for monitoring individual cells or groups of cells within a battery
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02E60/10—Energy storage using batteries

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Tests Of Electric Status Of Batteries (AREA)

Abstract

본 발명은 ESS 데이터를 군집화하여 이상 셀을 식별하는 방법 및 장치에 관한 것으로, 본 발명의 일 실시예에 의한 ESS(Energy Storage System) 데이터를 군집화하여 이상 셀을 식별하는 방법은 원격진단장치의 통신부가 N 차원으로 구성된 ESS의 상태 정보를 수신하는 단계와, 원격진단장치의 제어부가 N 차원으로 구성된 ESS의 상태 정보를 N 보다 작은 M 차원으로 축소하는 단계와 제어부가 M 차원으로 축소된 ESS의 상태 정보들의 밀도에 따라 군집화하는 단계와 제어부가 군집화에 포함되지 않는 데이터의 시점을 분석하여 ESS를 구성하는 배터리 셀의 이상을 사전에 감지하는 단계를 포함한다.

Description

ESS 데이터를 군집화하여 이상 셀을 식별하는 방법 및 장치{METHOD OF IDENTIFYING ERRONEOUS CELL BY CLUSTERING DATA OF ENERGY STORAGE SYSTEM AND DEVICE IMPLEMENTING THEREOF}
본 발명은 ESS 데이터를 군집화하여 이상 셀을 식별하는 방법 및 장치에 관한 기술이다.
전기차 제조와 사용이 활성화되고 소규모 단위 발전 시스템이나 충전 기술이 다양해지면서 배터리의 성능을 판단하는 것이 배터리의 성능 향상에 있어 중요한 기술 요소가 되었다.
종래에는 배터리의 성능은 다수의 배터리 셀들의 통합적인 전기적 특성을 확보하여 이를 기준으로 배터리 셀의 문제점을 확인하는 방식이었다. 그런데 배터리 셀을 집적하여 하나의 배터리 팩을 구성하거나 또는 에너지 저장 장치(Energy Storage System) 은 많은 전기적 정보들을 매 동작 과정에서 산출하므로, 이들에 대한 정밀한 판단이 필요하다.
특히 배터리 셀의 수가 증가하거나 배터리 셀이 산출하는 정보가 많을 경우, 이러한 정보들의 다면화된 특성을 반영하여 이상 셀을 식별하는 것이 필요하다.
전술한 문제점을 해결하기 위한 것으로, 본 명세서는 ESS에서 생성된 데이터들을 분석함에 있어서 차원을 축소한 후, 축소된 차원에 배치된 데이터들의 밀도에 기반하여 이상 상태를 사전에 진단하는 장치 및 방법을 제공하고자 한다.
그리고, 본 명세서는 데이터를 군집화하여 군집에 포함되지 않는 데이터들을 식별하고 식별한 데이터을 이용하여 배터리의 이상 상태를 미리 진단하는 장치 및 방법을 제공하고자 한다.
또한, 본 명세서는 다차원의 데이터에서 주요 피쳐를 유지하면서 차원을 축소하여 군집화를 수행하여 배티러 셀의 이상을 감지하는 장치 및 방법을 제공하고자 한다.
본 발명의 목적들은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 본 발명의 다른 목적 및 장점들은 하기의 설명에 의해서 이해될 수 있고, 본 발명의 실시예에 의해 보다 분명하게 이해될 것이다. 또한, 본 발명의 목적 및 장점들은 특허 청구 범위에 나타낸 수단 및 그 조합에 의해 실현될 수 있음을 쉽게 알 수 있을 것이다.
본 발명의 일 실시예에 의한 ESS(Energy Storage System) 데이터를 군집화하여 이상 셀을 식별하는 방법은 원격진단장치의 통신부가 N 차원으로 구성된 ESS의 상태 정보를 수신하는 단계와, 원격진단장치의 제어부가 N 차원으로 구성된 ESS의 상태 정보를 N 보다 작은 M 차원으로 축소하는 단계와 제어부가 M 차원으로 축소된 ESS의 상태 정보들의 밀도에 따라 군집화하는 단계와 제어부가 군집화에 포함되지 않는 데이터의 시점을 분석하여 ESS를 구성하는 배터리 셀의 이상을 사전에 감지하는 단계를 포함한다.
본 발명의 일 실시예에 의한 ESS(Energy Storage System) 데이터를 군집화하여 이상 셀을 식별하는 장치는 N 차원으로 구성된 ESS(Energy Storage System)의 상태 정보를 수신하는 통신부와 N 차원으로 구성된 ESS 의 상태 정보를 N 보다 작은 M 차원으로 축소하고, M 차원으로 축소된 ESS 의 상태 정보들의 밀도에 따라 군집화하며, 군집화에 포함되지 않는 데이터의 시점을 분석하여 ESS를 구성하는 배터리 셀의 이상을 사전에 감지하는 제어부를 포함한다.
본 발명을 적용할 경우 ESS에서 생성된 데이터들을 분석함에 있어서 차원을 축소한 후, 축소된 차원에 배치된 데이터들의 밀도에 기반하여 이상 상태를 사전에 진단할 수 있다.
또한, 본 발명을 적용할 경우, 데이터를 군집화하여 군집에 포함되지 않는 데이터들을 식별하고 식별한 데이터을 이용하여 배터리의 이상 상태를 미리 진단할 수 있다.
또한, 본 발명을 적용할 경우, 다차원의 데이터에서 주요 피쳐를 유지하면서 차원을 축소하여 군집화를 수행하여 배티러 셀의 이상을 감지할 수 있다.
본 발명의 효과는 전술한 효과에 한정되지 않으며, 본 발명의 구성에서 본 발명의 다양한 효과들이 쉽게 도출될 수 있다.
도 1은 본 발명의 일 실시예에 의한 원격 제어 장치가 배터리 셀의 상태를 분석하는 구성을 보여주는 도면이다.
도 2는 본 발명의 일 실시예에 의한 원격 진단 장치가 수신하는 정보들의 종류를 보여주는 도면이다.
도 3은 본 발명의 일 실시예에 의한 원격 진단 장치의 구성을 보여주는 도면이다.
도 4는 본 발명의 일 실시예에 의한 데이터 셋을 나타낸 그래프이다.
도 5는 본 발명의 일 실시예에 의한 PCA로 차원 축소된 데이터셋을 군집화한 예이다.
도 6은 본 발명의 일 실시예에 의한 t-SNE 로 차원 축소된 데이터셋을 군집화한 예이다.
도 7은 본 발명의 일 실시예에 의한 ESS 데이터를 군집화하여 이상 셀을 식별하는 과정을 보여주는 도면이다.
도 8은 본 발명의 일 실시예에 의한 N차원의 데이터셋을 그보다 작은 M 차원의 데이터셋으로 축소하는 과정을 보여주는 도면이다.
도 9는 본 발명의 일 실시예에 의한 N차원의 데이터셋을 그보다 작은 M 차원의 데이터셋으로 축소하기 위해 주요 피쳐를 선택하는 과정을 보여주는 도면이다.
도 10은 본 발명의 일 실시예에 의한 군집화 과정에서 정확도를 높이는 과정을 보여주는 도면이다.
도 11은 본 발명의 일 실시예에 의한 군집화에 포함되지 않는 데이터들을 표시한 도면이다.
도 12는 본 발명의 일 실시예에 의한 이상 셀의 정보를 데이터베이스에 저장한 후, 추후 이상 상태가 발생했는지 여부를 확인하여 추후 군집화 또는 차원 축소에 반영하는 과정을 보여주는 도면이다.
이하, 도면을 참조하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다.
본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 동일 또는 유사한 구성요소에 대해서는 동일한 참조 부호를 붙이도록 한다. 또한, 본 발명의 일부 실시예들을 예시적인 도면을 참조하여 상세하게 설명한다. 각 도면의 구성요소들에 참조부호를 부가함에 있어서, 동일한 구성요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호를 가질 수 있다. 또한, 본 발명을 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략할 수 있다.
본 발명의 구성 요소를 설명하는 데 있어서, 제 1, 제 2, A, B, (a), (b) 등의 용어를 사용할 수 있다. 이러한 용어는 그 구성 요소를 다른 구성 요소와 구별하기 위한 것일 뿐, 그 용어에 의해 해당 구성 요소의 본질, 차례, 순서 또는 개수 등이 한정되지 않는다. 어떤 구성 요소가 다른 구성요소에 "연결", "결합" 또는 "접속"된다고 기재된 경우, 그 구성 요소는 그 다른 구성요소에 직접적으로 연결되거나 또는 접속될 수 있지만, 각 구성 요소 사이에 다른 구성 요소가 "개재"되거나, 각 구성 요소가 다른 구성 요소를 통해 "연결", "결합" 또는 "접속"될 수도 있다고 이해되어야 할 것이다.
또한, 본 발명을 구현함에 있어서 설명의 편의를 위하여 구성요소를 세분화하여 설명할 수 있으나, 이들 구성요소가 하나의 장치 또는 모듈 내에 구현될 수도 있고, 혹은 하나의 구성요소가 다수의 장치 또는 모듈들에 나뉘어져서 구현될 수도 있다.
본 발명의 일 실시예에서 에너지 저장장치, 또는 ESS(Energy Storage System)는 하나 이상의 배터리 셀을 포함하는 구성이다. 또한 차량용 배터리 시스템 역시 하나 이상의 배터리 셀을 포함할 수 있으며, 본 발명의 실시예에 의한 ESS에 포함된다.
도 1은 본 발명의 일 실시예에 의한 원격 제어 장치가 배터리 셀의 상태를 분석하는 구성을 보여주는 도면이다.
하나의 배터리 팩(200)은 하나 이상의 배터리 모듈(50a, 50b)과 배터리 관리 시스템(Battery Management System, BMS)(100)으로 구성된다. 배터리 모듈(50a, 50b)은 하나 이상의 배터리 셀(10)을 포함한다. 도 1에 도시하지 않았으나, 배터리 셀(10) 또는 배터리 모듈(50a, 50b)을 충전 또는 방전하기 위한 구성요소들이 배터리 팩(200)에 더 포함될 수 있다.
배터리 관리 시스템(100)은 배터리 셀(10) 또는 배터리 모듈(50a, 50b)을 제어 및 관리하며 이들의 전압, 전류, 온도 등을 모니터링하여, 과충전 및 과방전 등을 방지한다.
아울러, 배터리 관리 시스템(100)은 배터리 팩(200) 또는 이들을 구성하는 배터리 모듈(50a, 50b)이나 배터리 셀(10)에 대해 모니터링하거나 산출한 데이터를 원격 진단 장치(300)에게 전송하고, 원격 진단 장치(300)로부터 소정의 제어 신호를 수신할 수 있다.
또는 배터리 관리 시스템(100)은 둘 이상의 배터리 팩(200)들로 구성된 랙(Rack) 및 그의 하위 구성요소들에 대해 모니터링하거나 산출한 데이터를 원격 진단 장치(300)에게 전송하고, 원격 진단 장치(300)로부터 소정의 제어 신호를 수신할 수 있다.
예를 들어 배터리 팩(200)이 차량에 탑재된 경우, 원격 진단 장치(300)는 차량에 배치된 별도의 컨트롤러가 될 수 있다. 또는 원격 진단 장치(300)는 차량 외부에 배치되어 배터리 관리 시스템(100)으로부터 통신을 이용하여 데이터를 수신하는 장치일 수 있다.
또한, 배터리 팩(200)이 에너지 저장 시스템의 하위 구성요소이거나 에너지 저장 시스템으로부터 제어를 받는 경우, 원격진단 장치(300)는 에너지 저장 시스템의 구성요소가 될 수 있다.
따라서 원격 진단 장치(300)는 에너지 저장 시스템의 일부를 구성할 수도 있고, 에너지 저장 시스템이 본 명세서에서 개시하는 원격 진단 장치(300)의 구성요소들을 포함할 수 있다.
도 2는 본 발명의 일 실시예에 의한 원격 진단 장치가 수신하는 정보들의 종류를 보여주는 도면이다.
배터리 셀(10)에 대해서 또는 각 배터리 모듈(50a, 50b)에 대해서 배터리 관리 시스템(100)은 전압, 전류, 그리고 온도에 대한 데이터를 산출할 수 있다. 이들 데이터는 셀 별로 산출될 수 있고, 모듈 별로 산출될 수 있다. 또는 배터리 팩(200) 별로 산출될 수 있다.
또한, 일부 데이터는 배터리 셀 별로 산출되고 일부 데이터는 배터리 모듈(50a, 50b) 별로 산출될 수 있다. 데이터들은 일정 기준에 따라 시간 별로 산출될 수 있으며 배터리 셀(10) 또는 배터리 모듈(50a, 50b) 또는 배터리 팩(200)의 상태에 따라 산출될 수 있다.
여기서 상태란 충전 상태, 대기 상태, 방전 상태를 포함한다. 산출된 데이터들은 배터리 관리 시스템(100)이 원격 진단 장치(300)로 전송한다.
도 2에 도시된 바와 같이, BMS(100)가 전송하는 데이터의 일 실시예는 셀 별 전류/전압/온도인 경우를 포함한다.
셀별 전류/셀별 전압/셀별 온도는 각각 다음과 같이 지시될 수 있다. Cell01 내지 Cell99는 셀을 지시하며 Cur/Vol/Temp는 각각 전류, 전압, 온도를 지시한다. 셀 별로 전류, 전압, 온도 정보가 산출될 경우 BMS(100)가 해당 정보를 전송할 수 있다.
{Cell01_Cur, Cell02_Cur, …, Cell99_Cur}
{Cell01_Vol, Cell02_Vol, …, Cell99_Vol}
{Cell01_Temp, Cell02_Temp, …, Cell99_Temp}
한편, BMS(100)가 전송하는 데이터의 다른 실시예는 모듈별 전류/전압/온도인 경우를 포함한다.
모듈별 전류/모듈별 전압/모듈별 온도는 각각 다음과 같이 지시될 수 있다. Mod1 내지 Mod9는 모듈을 지시하며 Cur/Vol/Temp는 각각 전류, 전압, 온도를 지시한다. 모듈 별로 전류, 전압, 온도 정보가 산출될 경우 BMS(100)가 해당 정보를 전송할 수 있다.
{Mod1_Cur, Mod2_Cur, …, Mod9_Cur}
{Mod1_Vol, Mod2_Vol, …, Mod9_Vol}
{Mod1_Temp, Mod2_Temp, …, Mod9_Temp}
한편, BMS(100)가 전송하는 데이터의 또다른 실시예는 배터리 팩별 전류/전압/온도인 경우를 포함한다.
{Pack_Cur, Pack_Vol, Pack_Temp}
만약, BMS(100)가 배터리 랙을 관리하고, 해당 랙 내에 다수의 팩이 포함된 경우에는 팩 별로 전류/전압/온도 정보가 산출될 수 있으며, 아울러 랙의 전류/전압/온도 정보 역시 산출될 수 있다.
{STATUS, TIME} 는 현재 배터리 셀들 또는 모듈들 또는 배터리 팩의 상태가 무엇인지를 알려주는 정보이다. STATUS는 배터리의 현재 상태에 관한 것으로 충전 중(ST_CHG) 인지, 방전 중(ST_DIS) 인지, 혹은 대기 중(ST_WAIT)인지를 나타낸다. 그리고 TIME은 해당 데이터가 생성된 시간 정보를 포함한다.
BMS(100)는 전술한 전류/전압/온도를 셀별, 모듈별, 배터리 팩 별, 또는 랙 별로 산출할 수 있다. 또한, BMS(100) 및 배터리 팩의 구성에 따라 이들 정보들의 산출 방식을 조합할 수 있다. 랙 별로 산출하는 경우는 다음과 같다.
{Rack_Cur, Rack_Vol, Rack_Temp}
{ST_CHARGE, TIME}
일 실시예로, BMS(100)는 셀별로 전압 정보를 산출할 수 있으며, 랙(Rack) 별로 전류 정보를 산출할 수 있으며, 또한 모듈 별로 온도 정보를 산출할 수 있다.
다른 실시예로, BMS(100)는 셀별로 전압 정보 및 전류 정보를 산출할 수 있으며, 모듈 별로 온도 정보를 산출할 수 있다.
이와 같은 정보의 산출 방식은 배터리 내의 구조, 배터리 내에 전류나 전압, 온도를 센싱하는데 필요한 센서들의 배치 방식에 따라 다양하게 구성될 수 있다. 또한, 본 발명에서 제시하는 이상 셀의 감지 성능을 높이기 위해 정보의 산출 방식을 달리 구성할 수 있다.
이하, 배터리 셀을 둘 이상 포함하는 구성들(모듈, 배터리 팩, 랙 등)을 배터리 집합으로 지칭한다. 배터리 집합은 구성에 따라 다른 하위 배터리 집합을 포함할 수 있다. 예를 들어 배터리 집합인 랙은 그의 하위 배터리 집합인 모듈을 다수 포함할 수 있다.
또한, ESS의 상태 정보는 ESS를 구성하는 배터리 셀 또는 배터리 셀을 둘 이상 포함하는 배터리 집합의 전류 정보 또는 전압 정보 또는 온도 정보 중 어느 하나 이상을 포함한다.
또한, ESS의 상태 정보는 ESS를 구성하는 배터리 셀 또는 배터리 셀을 둘 이상 포함하는 배터리 집합이 충전 중인 상태, 대기 중인 상태 또는 방전 중인 상태 중 어느 하나를 포함한다.
도 3은 본 발명의 일 실시예에 의한 원격 진단 장치의 구성을 보여주는 도면이다.
통신부(310)는 하나 이상의 BMS(100)와 통신하여 데이터를 송수신한다. 데이터베이스(320)는 BMS(100)가 전송한 정보들을 저장한다. 다수의 BMS(100)가 데이터를 송신하는 경우, 데이터베이스(320)는 BMS(100)의 식별 정보와 함께 데이터를 저장한다.
제어부(350)는 BMS(100)의 데이터들을 군집화하여 이상 데이터를 확인한다. 이상 데이터는 특정 배터리 셀, 특정 모듈, 특정 배터리 팩, 특정 랙에서 이상으로 판단된 데이터이다.
이들 필드 데이터들로 구성된 데이터 셋은 셀의 수, 모듈의 수, 또는 랙이나 팩의 수에 따라 다차원으로 구성된다. 또한 배터리의 상태가 충전 중/방전 중/대기 중과 같이 3개의 상태로 구성되므로, 각 상태 별로 데이터 셋이 산출될 수 있고 원격진단장치(300)는 이들 데이터를 취합하여 N차원으로 구성할 수 있다.
제어부(350)는 N차원의 데이터 셋에 PCA(Principal Component Analysis), t-SNE(t-Stochastic Neighbor Embedding) 등의 차원 축소 메커니즘을 적용할 수 있다. 그 결과 N 보다 작은 M 차원(예를 들어 2차원)으로 데이터 셋이 차원 축소된다.
예를 들어, 제어부(350)는 PCA 메커니즘을 적용할 경우, 데이터 셋에서의 분산이 보존되는 축들을 기준으로 투영할 수 있다.
또한, 제어부(350)의 차원 축소는 N 차원의 데이터 셋들의 이웃 구조(neighbor structure)를 유지하는 2차원의 임베딩 벡터(embedding vector)를 학습한 결과를 적용할 수 있다.
그 결과 고차원의 데이터가 2차원으로 변환될 수 있다. 그 결과 2차원으로 변환된 데이터 셋에서 이웃하는 데이터들은 그대로 이웃의 거리를 유지하며, 따로 떨어져 있는 이상 데이터(outlier) 역시 다른 데이터들과 거리를 유지하게 된다.
한편, 실시예에 따라, 상술한 원격진단장치(300)의 차원 축소 및 군집화(클러스터링) 등과 같은 일련의 동작은 배터리 관리 시스템(100)에 의해 수행될 수도 있을 것이다.
제어부(350)는 차원 축소를 한 결과에 대해 군집화 알고리즘(클러스터링, clustering)을 사용하여 축소된 데이터의 군집화를 수행한다. 예를 들어 제어부(350)는 N 차원의 상태 정보에 PCA, t-SNE와 같은 축소 메커니즘을 적용하여 2차원으로 축소할 수 있다.
그 결과 데이터들이 2차원 상에서 배치되는데, 이들 데이터들은 다른 데이터와 밀집할 수 있다. 데이터 간의 거리나 밀집도에 따라 제어부(350)는 DBSCAN(Density Based Spatial Clustering of Applications with Noise)을 적용하여 밀집 방식으로 군집화를 수행한다.
제어부(350)가 수행하는 군집화는 군집화된 개수(클러스터)에 대해 미리 설정하지 않을 수 있다. 즉, 제어부(350)는 밀집도가 높은 데이터들을 중심으로 군집화를 수행하므로, 그 결과 클러스터가 다수 발생하여도 이격한 데이터를 하나의 클러스터에 배치하는 왜곡을 방지한다.
그리고 제어부(350)는 군집화가 이루어지지 않은 시점을 분석하여 배터리 이상을 사전에 감지한다.
군집화에 대해 보다 상세히 살펴본다. 군집화란 데이터들의 특성을 고려해 데이터 집단(cluster, 군집)을 정의하고 데이터 집단을 대표할 수 있는 대표점을 찾을 수 있는 데이터 마이닝의 한 방법이다. 데이터 집단, 즉 클러스터는 비슷한 특성을 가진 데이터들의 집단이다. 따라서, 데이터의 특성이 상이하면 다른 군집, 특성이 비슷하면 같은 군집에 속한다.
제어부(350)는 차원이 축소된 데이터들에 대해 K 평균, ISODATA, 평균이동, 가우스 혼합모델, DBSCAN, SOM 등의 군집화 알고리즘을 적용할 수 있다.
일 실시예로, 제어부(350)는 전술한 DBSCAN 알고리즘을 적용하여 사전에 군집의 개수를 정할 필요없이 군집에 속하지 않는 잡음(noise)와 이상치(outlier)를 탐지할 수 있다.
도 4는 본 발명의 일 실시예에 의한 데이터 셋을 나타낸 그래프이다.
(a)는 시간에 따른 배터리 셀들의 전압값을 보여준다. (a)에 도시된 바와 같이, 다수의 셀들의 전압 값이 시간에 따라 변화한다. 4개의 셀들의 전압 정보들이 시간상으로 누적될 수 있다.
(b)는 시간에 따른 랙의 전류를 보여준다. (b)에 도시된 바와 같이, 랙의 전류 값이 시간에 따라 변화한다.
(c)는 시간에 따른 모듈의 온도를 보여준다. (c)에 도시된 바와 같이, 모듈의 온도 값이 시간에 따라 변화한다. 2개의 모듈의 온도 정보들이 시간상으로 누적될 수 있다.
도 4의 데이터들을 N 차원의 데이터셋으로 구성하면 다음과 같다.
{Cell01_Vol, Cell02_Vol, Cell03_Vol, Cell04_Vol, Rack_Cur, Mod1_Temp, Mod2_Temp, ST_CHG, Time_01}
{Cell01_Vol, Cell02_Vol, Cell03_Vol, Cell04_Vol, Rack_Cur, Mod1_Temp, Mod2_Temp, ST_CHG, Time_02}
...
{Cell01_Vol, Cell02_Vol, Cell03_Vol, Cell04_Vol, Rack_Cur, Mod1_Temp, Mod2_Temp, ST_CHG, Time_99}
도 5는 본 발명의 일 실시예에 의한 PCA로 차원 축소된 데이터셋을 군집화한 예이다.
도 5는 제어부(350)가 다차원의 ESS 데이터를 PCA를 적용하여 2차원으로 축소하여 배열된 데이터들에 대해, 밀도 기반으로 DBSCAN을 적용하여 군집화한 결과를 보여준다.
제어부(350)는 군집에 포함되지 않는 데이터를 이상 데이터로 판단할 수 있다. 예를 들어, 우측 하단의 R4M3C10은 이상이 발생한 셀, 예를 들어 화제가 발생한 셀이며, R3M7C6, R4M6C3는 MDVF인 상태를 의미한다. 상단의 R9M6C14, R4M9C5는 아직 진단이 걸린 적이 없어 분석이 필요한 셀들이다.
따라서, 원격 진단 장치(300)의 제어부(350)는 도 5와 같이 다차원으로 배열된 데이터들을 PCA 방식으로 차원을 축소할 수 있다.
도 6은 본 발명의 일 실시예에 의한 t-SNE 로 차원 축소된 데이터셋을 군집화한 예이다. 도 6은 제어부(350)가 다차원의 ESS 데이터를 t-SNE를 적용하여 2차원으로 축소하여 배열된 데이터들에 대해, 밀도 기반으로 DBSCAN을 적용하여 군집화한 결과를 보여준다.
t-SNE를 적용할 경우 비슷한 데이터들끼리 인접하게 배치된다. 따라서, 인접하게 배치된 데이터들에 대해 군집화가 이루어질 경우 특정 군집에 포함되지 않는 데이터들은 다른 데이터와 상이한 이상 데이터일 확률이 높다.
제어부(350)가 이들 데이터들간의 밀집도에 따라서 군집을 형성한다. 도 6에서 G#0, G#1, G#2, ..., G#51 등은 모두 군집을 지시한다. 도 6의 구성에서 특정 군집에 포함되지 않는 데이터는 이상 데이터에 해당한다. 도 6에서 화살표로 지시한 부분들은 다른 군집에 포함되지 않는 이상 데이터, 즉 아웃라이어(outlier)들이다.
예를 들어, 도 6에서 이상 데이터는 다음과 같다.
G#42 및 G#43 사이의 검은 점(OUT#1)
G#41 주변의 두 개의 검은 점들(OUT#2, OUT#3)
G#34 주변의 두 개의 검은 점들(OUT#4, OUT#5)
G#44, G#45, G#46 주변의 하나의 검(OUT#6)
G#27 주변의 화살표로 지시된 검(OUT#7)
이들은 인접한 군집에 포함되지 않는 데이터이다.
도 5, 6에서 살펴본 바와 같이 DBSCAN과 같은 밀도 기반의 군집화를 수행할 경우, 미리 군집의 수를 설정할 필요가 없기에 군집화의 정확도를 높이며 이상 데이터의 식별력을 향상시킨다. 또한, 잡음(noise)와 이상 데이터(outlier)를 견고하게 식별할 수 있으며, 계산 복잡도가 낮아 빠르게 데이터를 식별할 수 있다. 또한, 특이한 분포의 군집에 대해서도 군집화를 진행할 수 있다.
도 7은 본 발명의 일 실시예에 의한 ESS 데이터를 군집화하여 이상 셀을 식별하는 과정을 보여주는 도면이다. 통신부(310)가 N 차원으로 구성된 ESS(Energy Storage System)의 상태 정보를 수신한다(S11). 통신부(310)는 하나 이상의 ESS로부터 ESS를 구성하는 배터리 셀이나 혹은 이들의 집합에 대한 정보를 수신할 수 있다.
앞서 도 2에서 살펴본 바와 같이 통신부(310)는 셀 별로 전류 정보, 전압 정보, 온도 정보 중 어느 하나 이상과 현재 상태, 시간 정보 등을 상태 정보로 수신할 수 있다.
또한, 통신부(310)는 둘 이상의 배터리 셀로 구성된 집합, 예를 들어 모듈, 배터리 팩, 랙 등을 단위로 하여 각 단위별로 센싱된 전류 정보, 전압 정보, 온도 정보 중 어느 하나 이상과 현재 상태, 시간 정보 등을 상태 정보로 수신할 수 있다.
그리고, 제어부(350)는 N 차원으로 구성된 ESS 의 상태 정보를 N 보다 작은 M 차원으로 축소한다(S12).
또한, 제어부(350)가 M 차원으로 축소된 ESS의 상태 정보들의 밀도에 따라 군집화한다(S13). 이때 군집화 결과 하나의 군집에 포함되는 상태 정보들은 이상 셀에 해당하지 않는다.
따라서, 제어부(350)가 군집화에 포함되지 않는 데이터의 시점을 분석하여 ESS를 구성하는 배터리 셀의 이상을 사전에 감지한다(S14).
제어부(350)는 군집화에 포함되지 않는 데이터에서 확인된 배터리 셀이 오동작인 문제를 발생시키기 전에 해당 배터리 셀을 식별할 수 있다.
일 실시예로 제어부(350)는 군집에 포함되지 않은 데이터에 대응하는 배터리 셀의 전류 정보나 전압 정보, 온도 정보와 현재 상태 및 시간을 식별할 수 있다.
또한, 일 실시예로 제어부(350)는 군집에 포함되지 않은 데이터에 대응하는 배터리 집합(모듈, 배터리 팩, 랙 등)의 전류 정보나 전압 정보, 온도 정보와 현재 상태 및 시간을 식별할 수 있다.
그리고 이를 이용하여 제어부(350)는 배터리 셀이 이상 동작할 가능성이 있음을 미리 감지할 수 있다.
도 8은 본 발명의 일 실시예에 의한 N차원의 데이터셋을 그보다 작은 M 차원의 데이터셋으로 축소하는 과정을 보여주는 도면이다. 제어부(350)는 차원 축소를 위해 PCA, t-SNE 등의 방식을 적용할 수 있다.
N 차원의 데이터 셋을 M 차원으로 축소하기 위해, 하나의 피쳐(feature)를 제거하는 방식이다. 피쳐는 상태 정보를 구성하는 하나의 데이터 단위를 의미한다. 예를 들어 상태정보는 {feature0, feature1, feature2, ..., feature100} 으로 구성될 수 있다. 이는 시간에 따라 계속 누적될 수 있다.
누적된 데이터셋은 feature1 및 feature2에 해당하는 데이터들을 가진다. 제어부(350)가 N 차원의 상태 정보에서 시간에 따라 동일한 비율 또는 오차범위 이내로 증감하는 둘 이상의 피쳐(feature)를 선택한다. 그리고 선택한 피쳐 중에서 어느 하나 이상을 N차원의 데이터셋에서 제거한다.
도 8을 참조한다. feature1 및 feature2는 일정한 시간 범위 내에서 증감하는 비율이 동일하다.
예를 들어 time0-time1에서 feature1 및 feature2의 증가 기울기는 각각 0.7 및 0.68이다. 오차 범위를 0.03로 설정하였을 때, 제어부(350)는 time0-time1에서 feature1 및 feature2의 증가 기울기는 일치하는 것으로 판단할 수 있다.
마찬가지로, time1-time2에서 feature1 및 feature2의 증가 기울기는 각각 0.34 및 0.32이다. 그리고 time2-time3에서 feature1 및 feature2의 증가 기울기는 각각 -0.8 및 -0.79이다.
따라서, 제어부(350)는 feature1 과 feature2을 선택하고, 이들 중에서 하나의 피쳐를 데이터셋에서 제거한다.
제어부(350)가 특정 피쳐를 제거하는 기준으로는 N 차원의 상태 정보에서 시간에 따라 동일한 비율 또는 오차범위 이내로 증감하는 피쳐들 중 어느 하나를 무작위로 제거할 수 있다.
또한 다른 실시예로 제어부(350)는 특정 피쳐를 제거하는 기준으로 해당 피쳐가 배터리 셀에 관련될 경우 유지할 수 있다. 예를 들어, 둘 이상의 피쳐 중 어느 하나가 배터리 셀에 대한 피쳐이고 다른 하나가 배터리 집합에 대한 피쳐인 경우, 배터리 집합에 관한 피쳐에 대한 데이터를 데이터 셋에서 삭제할 수 있다.
도 9는 본 발명의 일 실시예에 의한 N차원의 데이터셋을 그보다 작은 M 차원의 데이터셋으로 축소하기 위해 주요 피쳐를 선택하는 과정을 보여주는 도면이다.
제어부(350)는 N 차원의 상태 정보에서 시간에 따라 다른 둘 이상의 피쳐와 상이하게 증감하는 피쳐(feature)를 선택하고 선택한 피쳐의 중요도를 증가시킨다.
도 9에서 3개의 피쳐(feature1, feature2, feature3)가 그래프로 나타나있다. 두 개의 피쳐들(feature1, feature2)은 기울기가 변하는 시점이 일치하며 증감하는 정도가 동일 또는 오차 범위 이내이다.
그런데 다른 하나의 피쳐(feature3)는 앞서 두 개의 피쳐들(feature1, feature2)과 전혀 다른 값의 변화를 가진다. 따라서, 제어부(350)는 feature3이 다른 두 개의 피쳐들(feature1, feature2)과 전혀 다른 성질의 값으로 판단하여 feature3의 중요도를 증가시킨다. 그 결과 차원 축소를 수행하여도 feature3의 값의 변화가 데이터 셋 내에서 유지될 수 있도록 한다.
도 10은 본 발명의 일 실시예에 의한 군집화 과정에서 정확도를 높이는 과정을 보여주는 도면이다.
제어부(350)가 두 개의 데이터를 군집화하는 일 실시예로 상대적 거리와 시간차이를 이용할 수 있다.
제어부(350)는 2차원으로 축소되어 배열된 두 개의 데이터들 사이의 거리를 계산한다. 또한, 제어부(350)가 두 개의 데이터들 사이의 시간적 차이를 계산한다. 그리고 제어부(350)는 거리와 시간적 차이에 따라 두 개의 데이터에 대한 군집화하는 여부를 결정한다.
도 10에서 21a의 동그라미에 표시된 1, 2, 3은 특정한 데이터셋을 의미한다. 이들 1, 2, 3 중에서 군집화를 수행하기 위해 각각의 거리를 계산한다. dist1_2는 1과 2 사이의 거리이며 값은 20이다. dist2_3은 2와 3 사이의 거리이며 그 값은 10이다. dist3_1은 3과 1 사이의 거리이며 값은 18이다.
이들의 크기는 dist1_2 > dist3_1 > dist_2_3이다. 제어부(350)가 가장 짧은 거리로 군집화를 진행할 경우 21b에 도시된 바와 같이 이들 중에서 2와 3을 하나의 군집으로 설정할 수 있다.
그러나, 제어부(350)는 다른 방식으로 군집화를 수행할 수 있다. 예를 들어, dist3_1 > dist_2_3 이지만, 1 과 3 사이의 시간적 차이가 2와 3사이의 시간적 차이보다 클 수 있다. 예를 들어, 1과 3 사이의 시간적 차이, time3_1은 20분이며, 2와 3사이의 시간적 차이인 time2_3은 5분인 경우를 가정한다.
time3_1과 time2_3 사이의 비율은 4:1이다.
한편, dist3_1과 dist_2_3의 비율은 9:5 이다. 그렇다면, 3과 1사이의 시간적 차이는 2와 3사이의 시간적 차이보다 4배가 크지만, 실제 거리는 1.8배가 차이난다. 이는 시간에 따른 변화가 1과 3 사이가 적다는 것을 의미한다. 이 경우 21c에 도시된 바와 같이 제어부(350)는 비록 dist3_1이 dist_2_3 보다 크지만, time3_1과 time2_3을 비교하여 1과 3을 군집화할 수 있다.
도 11은 본 발명의 일 실시예에 의한 군집화에 포함되지 않는 데이터들을 표시한 도면이다.
도 5 또는 도 6에서 군집에 포함되지 않는 데이터가 발생한 지점을 전압/전류/온도와 매칭시키면 도 11과 같다. 도 11의 OUT으로 지시되는 부분이 군집에 포함되지 않은 데이터들이 발생한 지점들이다. 배터리가 충전되면서 비슷한 시점들의 데이터들은 모두 같은 군집에 포함되지만, 높은 전압 부분에서 군집에 포함되지 않는 부분들이 발생했음을 확인할 수 있다.
제어부(350)는 t-SNE 또는 PCA로 차원 축소를 수행할 때, 다양한 파라미터들의 적용을 조절하여 데이터간의 밀집도 또는 이들 데이터들을 뭉치는 정도를 조절할 수 있다. 그리고 제어부(350)는 이러한 t-SNE, PCA를 적용한 2차원 데이터에 DBSCAN과 같은 밀집 기반 군집화 방식(클러스터링 방식)을 적용하여 이상 데이터를 감지할 수 있다.
도 11은 제어부(350)가 ESS의 이상 상태에 대응하는 데이터를 식별하는 과정을 보여준다. 제어부(350)는 선택된 이상 데이터를 이용하여 N 차원으로 복원한 ESS의 상태 정보에 해당하는 데이터를 ESS의 이상 거동 상태, 즉 이상 셀로 결정할 수 있다.
도 12는 본 발명의 일 실시예에 의한 이상 셀의 정보를 데이터베이스에 저장한 후, 추후 이상 상태가 발생했는지 여부를 확인하여 추후 군집화 또는 차원 축소에 반영하는 과정을 보여주는 도면이다.
제어부(350)는 전술한 실시예에서 이상 데이터를 선별하고, 여기에 해당하는 상태 정보, 즉, ESS의 이상 상태에 대응하는 상태 정보를 식별한다(S15).
그리고 제어부(350)는 식별한 상태 정보를 데이터베이스(320)에 저장한다(S22). 이후 원격진단장치(300)는 BMS나 배터리 팩 등으로부터 ESS 상태 정보를 수신한다. 이때, 제어부(350)는 지속적으로 차원 축소 및 군집화를 수행하면서, 이상 상태가 발생하였는지도 확인한다.
일 실시예로, 제어부(350)는 저장한 상태 정보에 대응하여 이상이 발생한 경우, 군집화 배제 규칙으로 저장한다(S23). 또한 제어부(350)는 저장한 상태 정보에 대응하여 이상이 발생하지 않은 경우 군집화 포함 규칙으로 저장한다(S24). 그리고 제어부(350)는 후속하는 군집화 과정에서 배제 규칙 및 포함 규칙을 반영한다(S25).
즉, 데이터베이스(320)에 저장한 이상 상태에 해당하는 상태 정보와 관련한 배터리 팩, 셀 등에서 이상이 발생한 경우, 제어부(350)는 저장했던 이상 상태에 대한 상태 정보가 이상 상태에 직접 연관된다는 정보를 데이터베이스(320)에 저장한다. 그 결과 해당 이상 데이터는 추후 군집화에서 특정 군집에 포함되지 않도록 한다.
반면, 이상 상태에 해당하는 상태 정보로 저장하였으나 그에 대응하여 이상 상태가 발생하지 않는 경우, 제어부(350)는 해당 이상 데이터는 이상상태에 직접 연관되지 않는다는 정보를 데이터베이스(320)에 저장한다. 그 결과 해당 이상 데이터는 추후 군집화에서 특정 군집에 포함되도록 한다.
예를 들어, 도 6에서 G#27 주변에 배치된 OUT#7에 해당하는 상태 정보에 대응하여 일정 시간 이내에 배터리에 이상이 발생한 경우, 제어부(350)는 OUT#7과 G#27 사이는 하나의 군집이 형성되지 되지 않도록 배제 규칙을 생성할 수 있다.
한편, 도 6에서 G#41 주변에 배치된 OUT#3에 해당하는 상태 정보에 대응하여 일정 시간 이내에 배터리에 이상이 발생하지 않은 경우, 제어부(350)는 OUT#3을 G#41에 포함시키는 포함 규칙을 생성할 수 있다.
또한, 제어부(350)는 포함 규칙 및 배제 규칙을 생성한 후, 규칙이 누적되는 횟수나 정도를 누적 저장하여 임계(threshold)를 초과한 경우에 군집화 과정에서 해당 사항을 반영할 수 있다.
즉, 제어부(350)는 ESS의 이상 상태에 대응하는 데이터를 식별한 후에 일정 시간 이내에 식별한 데이터에 대응하는 배터리의 이상 동작 또는 이상 상태가 발생할 경우 식별한 데이터를 클러스터 배제 규칙에 포함시킨다. 반대로, 제어부(350)는 일정 시간 이내에 식별한 데이터에 대응하는 배터리의 이상 동작 또는 이상 상태가 발생하지 않은 경우 식별한 데이터를 클러스터 포함 규칙에 포함시킨다.
그리고, 제어부(350)는 추후 군집화 과정에서 군집에 포함되는지 여부를 판단하는 과정에서 해당 데이터가 클러스터 배제 규칙에 포함되는지 혹은 클러스터 포함 규칙에 포함되는지를 데이터베이스(320)에서 검색하여 군집화를 수행한다.
전술한 실시예를 적용할 경우 ESS에서 생성된 다양한 피쳐(feature, 특성)를 가진 데이터들을 차원 축소하여 새로운 데이터 셋을 생성하고, 이를 군집화하여 이상 데이터를 선별할 수 있다. 이상 데이터는 배터리가 이상 거동하는 시점을 사전에 판별할 수 있도록 한다.
이상 데이터는 군집화 과정에서 특정 군집에 포함되지 않는 것으로, 예외적인 상태를 의미하므로 배터리의 이상 상태에 연결될 가능성이 높다.
따라서, 본 발명의 실시예인 원격진단장치는 ESS 데이터를 취합하여 데이터 세트를 만들고, 군집화를 진행하여, 군집화가 이루어지지 않은 데이터의 시점을 분석하여 배터리 이상을 사전에 진단할 수 있다.
본 발명의 실시예를 적용할 경우, 원격진단장치(300)는 전압, 전류, 온도 등 가공되지 않은 많은 특성을 가진 데이터들의 차원을 축소하여 새로운 데이터 셋을 만들 수 있다. 그리고 본 발명의 실시예를 적용할 경우 원격진단장치(300)는 차원 축소된 데이터 셋에 대해 군집화를 진행하여 배터리가 이상 거동하는 시점을 사전에 찾아낼 수 있다.
본 발명의 실시예를 구성하는 모든 구성 요소들이 하나로 결합되거나 결합되어 동작하는 것으로 설명되었다고 해서, 본 발명이 반드시 이러한 실시예에 한정되는 것은 아니며, 본 발명의 목적 범위 내에서 모든 구성 요소들이 하나 이상으로 선택적으로 결합하여 동작할 수도 있다. 또한, 그 모든 구성 요소들이 각각 하나의 독립적인 하드웨어로 구현될 수 있지만, 각 구성 요소들의 그 일부 또는 전부가 선택적으로 조합되어 하나 또는 복수 개의 하드웨어에서 조합된 일부 또는 전부의 기능을 수행하는 프로그램 모듈을 갖는 컴퓨터 프로그램으로서 구현될 수도 있다. 그 컴퓨터 프로그램을 구성하는 코드들 및 코드 세그먼트들은 본 발명의 기술 분야의 당업자에 의해 용이하게 추론될 수 있을 것이다. 이러한 컴퓨터 프로그램은 컴퓨터가 읽을 수 있는 저장매체(Computer Readable Media)에 저장되어 컴퓨터에 의하여 읽혀지고 실행됨으로써, 본 발명의 실시예를 구현할 수 있다. 컴퓨터 프로그램의 저장매체로서는 자기 기록매체, 광 기록매체, 반도체 기록소자를 포함하는 저장매체를 포함한다. 또한 본 발명의 실시예를 구현하는 컴퓨터 프로그램은 외부의 장치를 통하여 실시간으로 전송되는 프로그램 모듈을 포함한다.
이상에서는 본 발명의 실시예를 중심으로 설명하였지만, 통상의 기술자의 수준에서 다양한 변경이나 변형을 가할 수 있다. 따라서, 이러한 변경과 변형이 본 발명의 범위를 벗어나지 않는 한 본 발명의 범주 내에 포함되는 것으로 이해할 수 있을 것이다.
100: BMS 300: 원격진단장치
310: 통신부 320: 데이터베이스
350: 제어부

Claims (20)

  1. 원격진단장치의 통신부가 N 차원으로 구성된 ESS(Energy Storage System)의 상태 정보를 수신하는 단계;
    상기 원격진단장치의 제어부가 상기 N 차원으로 구성된 ESS의 상태 정보를 상기 N 보다 작은 M 차원으로 축소하는 단계;
    상기 제어부가 상기 M 차원으로 축소된 ESS의 상태 정보들의 밀도에 따라 군집화하는 단계; 및
    상기 제어부가 상기 군집화에 포함되지 않는 데이터의 시점을 분석하여 상기 ESS를 구성하는 배터리 셀의 이상을 사전에 감지하는 단계를 포함하는, ESS(Energy Storage System) 데이터를 군집화하여 이상 셀을 식별하는 방법.
  2. 제1항에 있어서,
    상기 상태 정보는 상기 ESS를 구성하는 배터리 셀 또는 상기 배터리 셀을 둘 이상 포함하는 배터리 집합의 전류 정보 또는 전압 정보 또는 온도 정보 중 어느 하나 이상을 포함하거나, 또는
    상기 상태 정보는 상기 ESS를 구성하는 배터리 셀 또는 상기 배터리 셀을 둘 이상 포함하는 배터리 집합이 충전 중인 상태, 대기 중인 상태 또는 방전 중인 상태 중 어느 하나를 포함하는, ESS(Energy Storage System) 데이터를 군집화하여 이상 셀을 식별하는 방법.
  3. 제1항에 있어서,
    상기 M 차원으로 축소하는 단계는
    상기 제어부가 상기 N 차원의 상태 정보에서 시간에 따라 동일한 비율 또는 오차범위 이내로 증감하는 둘 이상의 피쳐(feature)를 선택하는 단계; 및
    상기 제어부가 상기 둘 이상의 피쳐 중에서 어느 하나 이상을 상기 N 차원의 데이터셋에서 제거하는 단계를 더 포함하는, ESS(Energy Storage System) 데이터를 군집화하여 이상 셀을 식별하는 방법.
  4. 제3항에 있어서,
    상기 제어부가 상기 둘 이상의 피쳐 중 어느 하나가 배터리 셀에 대한 피쳐이고 다른 하나가 배터리 집합에 대한 피쳐인 경우, 배터리 집합에 관한 피쳐에 대한 데이터를 상기 데이터 셋에서 삭제하는 단계를 더 포함하는, ESS(Energy Storage System) 데이터를 군집화하여 이상 셀을 식별하는 방법.
  5. 제1항에 있어서,
    상기 M 차원으로 축소하는 단계는
    상기 제어부가 상기 N 차원의 상태 정보에서 시간에 따라 다른 둘 이상의 피쳐와 상이하게 증감하는 피쳐(feature)를 선택하는 단계; 및
    상기 제어부가 상기 선택한 피쳐의 중요도를 증가시키는 단계를 포함하는, ESS(Energy Storage System) 데이터를 군집화하여 이상 셀을 식별하는 방법.
  6. 제1항에 있어서,
    상기 M 차원으로 축소하는 단계는
    상기 제어부가 상기 N 차원의 상태 정보에 t-SNE(T-Stochastic Neighbor Embedding)을 적용하여 2차원으로 축소하는 단계를 포함하는, ESS(Energy Storage System) 데이터를 군집화하여 이상 셀을 식별하는 방법.
  7. 제1항에 있어서,
    상기 M 차원으로 축소하는 단계는
    상기 제어부가 상기 N 차원의 상태 정보에 PCA(Principal Component Analysis)를 적용하여 2차원으로 축소하는 단계를 포함하는, ESS(Energy Storage System) 데이터를 군집화하여 이상 셀을 식별하는 방법.
  8. 제6항 또는 제7항 중 어느 한 항에 있어서,
    상기 군집화하는 단계는
    상기 제어부가 상기 2차원으로 축소되어 배열된 데이터들을 밀도 기반으로 DBSCAN(Density Based Spatial Clustering of Application with Noise)를 적용하여 군집화하는 단계를 더 포함하는, ESS(Energy Storage System) 데이터를 군집화하여 이상 셀을 식별하는 방법.
  9. 제6항 또는 제7항 중 어느 한 항에 있어서,
    상기 군집화하는 단계는
    상기 제어부가 상기 2차원으로 축소되어 배열된 두 개의 데이터들 사이의 거리를 계산하는 단계;
    상기 제어부가 상기 두 개의 데이터들 사이의 시간적 차이를 계산하는 단계;
    상기 제어부가 상기 거리와 상기 시간적 차이에 따라 상기 두 개의 데이터에 대한 군집화 여부를 결정하는 단계를 더 포함하는, ESS(Energy Storage System) 데이터를 군집화하여 이상 셀을 식별하는 방법.
  10. 제1항에 있어서,
    상기 배터리 셀의 이상을 사전에 감지하는 단계는
    상기 제어부가 상기 군집화에 포함되지 않는 데이터를 N 차원으로 복원한 ESS의 상태 정보에 해당하는 데이터를 상기 배터리 셀의 이상 상태로 결정하는 단계를 포함하는, ESS(Energy Storage System) 데이터를 군집화하여 이상 셀을 식별하는 방법.
  11. N 차원으로 구성된 ESS(Energy Storage System)의 상태 정보를 수신하는 통신부; 및
    상기 N 차원으로 구성된 ESS 의 상태 정보를 상기 N 보다 작은 M 차원으로 축소하고, 상기 M 차원으로 축소된 ESS 의 상태 정보들의 밀도에 따라 군집화하며, 상기 군집화에 포함되지 않는 데이터의 시점을 분석하여 상기 ESS를 구성하는 배터리 셀의 이상을 사전에 감지하는 제어부를 포함하는, ESS(Energy Storage System) 데이터를 군집화하여 이상 셀을 식별하는 장치.
  12. 제11항에 있어서,
    상기 상태 정보는 상기 ESS를 구성하는 배터리 셀 또는 상기 배터리 셀을 둘 이상 포함하는 배터리 집합의 전류 정보 또는 전압 정보 또는 온도 정보 중 어느 하나 이상을 포함하거나, 또는
    상기 상태 정보는 상기 ESS를 구성하는 배터리 셀 또는 상기 배터리 셀을 둘 이상 포함하는 배터리 집합이 충전 중인 상태, 대기 중인 상태 또는 방전 중인 상태 중 어느 하나를 포함하는, ESS(Energy Storage System) 데이터를 군집화하여 이상 셀을 식별하는 장치.
  13. 제11항에 있어서,
    상기 제어부가 상기 N 차원의 상태 정보에서 시간에 따라 동일한 비율 또는 오차범위 이내로 증감하는 둘 이상의 피쳐(feature)를 선택하여, 상기 둘 이상의 피쳐 중에서 어느 하나 이상을 상기 N 차원의 데이터셋에서 제거하여 상기 M 차원으로 축소하는, ESS(Energy Storage System) 데이터를 군집화하여 이상 셀을 식별하는 장치.
  14. 제13항에 있어서,
    상기 제어부가 상기 둘 이상의 피쳐 중 어느 하나가 배터리 셀에 대한 피쳐이고 다른 하나가 배터리 집합에 대한 피쳐인 경우, 배터리 집합에 관한 피쳐에 대한 데이터를 상기 데이터 셋에서 삭제하는, ESS(Energy Storage System) 데이터를 군집화하여 이상 셀을 식별하는 장치.
  15. 제11항에 있어서,
    상기 제어부가 상기 N 차원의 상태 정보에서 시간에 따라 다른 둘 이상의 피쳐와 상이하게 증감하는 피쳐(feature)를 선택하고 상기 제어부가 상기 선택한 피쳐의 중요도를 증가시키켜 상기 M차원으로 축소하는, ESS(Energy Storage System) 데이터를 군집화하여 이상 셀을 식별하는 장치.
  16. 제11항에 있어서,
    상기 제어부가 상기 N 차원의 상태 정보에 t-SNE(T-Stochastic Neighbor Embedding)을 적용하여 2차원으로 축소하는, ESS(Energy Storage System) 데이터를 군집화하여 이상 셀을 식별하는 장치.
  17. 제11항에 있어서,
    상기 제어부가 상기 N 차원의 상태 정보에 PCA(Principal Component Analysis)를 적용하여 2차원으로 축소하는, ESS(Energy Storage System) 데이터를 군집화하여 이상 셀을 식별하는 장치.
  18. 제16항 또는 제17항 중 어느 한 항에 있어서,
    상기 제어부가 상기 2차원으로 축소되어 배열된 데이터들을 밀도 기반으로 DBSCAN(Density Based Spatial Clustering of Application with Noise)를 적용하여 군집화하는, ESS(Energy Storage System) 데이터를 군집화하여 이상 셀을 식별하는 장치.
  19. 제17항에 있어서,
    상기 제어부가 상기 2차원으로 축소되어 배열된 두 개의 데이터들 사이의 거리를 계산하고, 상기 두 개의 데이터들 사이의 시간적 차이를 계산하여 상기 거리와 상기 시간적 차이에 따라 상기 두 개의 데이터에 대한 군집화 여부를 결정하여 군집화하는, ESS(Energy Storage System) 데이터를 군집화하여 이상 셀을 식별하는 장치.
  20. 제11항에 있어서,
    상기 제어부가 상기 군집화에 포함되지 않는 데이터를 N 차원으로 복원한 ESS의 상태 정보에 해당하는 데이터를 상기 배터리 셀의 이상 상태로 결정하는, ESS(Energy Storage System) 데이터를 군집화하여 이상 셀을 식별하는 방법.

KR1020210174717A 2021-12-08 2021-12-08 Ess 데이터를 군집화하여 이상 셀을 식별하는 방법 및 장치 KR20230086258A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210174717A KR20230086258A (ko) 2021-12-08 2021-12-08 Ess 데이터를 군집화하여 이상 셀을 식별하는 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210174717A KR20230086258A (ko) 2021-12-08 2021-12-08 Ess 데이터를 군집화하여 이상 셀을 식별하는 방법 및 장치

Publications (1)

Publication Number Publication Date
KR20230086258A true KR20230086258A (ko) 2023-06-15

Family

ID=86763836

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210174717A KR20230086258A (ko) 2021-12-08 2021-12-08 Ess 데이터를 군집화하여 이상 셀을 식별하는 방법 및 장치

Country Status (1)

Country Link
KR (1) KR20230086258A (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117423338A (zh) * 2023-12-18 2024-01-19 卓世未来(天津)科技有限公司 一种数字人交互对话方法和系统
CN117554824A (zh) * 2024-01-05 2024-02-13 四会永利五金电池有限公司 一种锌锰电池的异常数据检测方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117423338A (zh) * 2023-12-18 2024-01-19 卓世未来(天津)科技有限公司 一种数字人交互对话方法和系统
CN117423338B (zh) * 2023-12-18 2024-03-08 卓世未来(天津)科技有限公司 一种数字人交互对话方法和系统
CN117554824A (zh) * 2024-01-05 2024-02-13 四会永利五金电池有限公司 一种锌锰电池的异常数据检测方法
CN117554824B (zh) * 2024-01-05 2024-03-22 四会永利五金电池有限公司 一种锌锰电池的异常数据检测方法

Similar Documents

Publication Publication Date Title
Xue et al. Fault diagnosis and abnormality detection of lithium-ion battery packs based on statistical distribution
Schmid et al. Active model-based fault diagnosis in reconfigurable battery systems
KR20230086258A (ko) Ess 데이터를 군집화하여 이상 셀을 식별하는 방법 및 장치
US6650949B1 (en) Method and system for sorting incident log data from a plurality of machines
US20120116722A1 (en) Detection of Defects in an Electrochemical Device
CN105637432A (zh) 识别被监控实体的异常行为
EP4155744A1 (en) Device and method for diagnosing battery abnormality
Sankavaram et al. Event-driven data mining techniques for automotive fault diagnosis
Fang et al. Fault diagnosis for cell voltage inconsistency of a battery pack in electric vehicles based on real-world driving data
US20230366938A1 (en) Battery diagnosing apparatus, battery system and battery diagnosing method
WO2023052910A1 (en) System and method for estimating state of health and remaining useful life of a battery
KR20230057012A (ko) Ess 데이터의 아웃라이어를 식별하는 방법 및 장치
US20170286841A1 (en) Monitoring device and monitoring method thereof, monitoring system, and recording medium in which computer program is stored
CN113219330B (zh) 一种隔离开关状态检测方法及系统
CN115718258A (zh) 电池故障检测
CN117665604A (zh) 电池采样异常识别方法、装置、存储介质及电子设备
KR102204199B1 (ko) 자율주행 대중버스에 대한 차량 고장 진단 및 예측 방법
Khalid et al. Investigation of cell voltage buffer manipulation attack in a battery management system using unsupervised learning technique
JP7501976B2 (ja) バッテリー異常診断装置及び方法
WO2021207369A1 (en) Sensor attribution for anomaly detection
Guo et al. Early diagnosis of battery faults through an unsupervised health scoring method for real-world applications
Kang et al. Spatiotemporal real-time anomaly detection for supercomputing systems
US11593479B1 (en) Systems and methods for detecting an attack on a battery management system
Gherardi et al. Remote Battery Monitoring System enforcing safety features in Electric Vehicles
KR102684286B1 (ko) 배터리 진단 장치, 배터리 진단 방법, 배터리 팩 및 자동차