KR20230114793A - 배터리의 soc와 soh 추정 정확도 평가 장치 - Google Patents

배터리의 soc와 soh 추정 정확도 평가 장치 Download PDF

Info

Publication number
KR20230114793A
KR20230114793A KR1020220010001A KR20220010001A KR20230114793A KR 20230114793 A KR20230114793 A KR 20230114793A KR 1020220010001 A KR1020220010001 A KR 1020220010001A KR 20220010001 A KR20220010001 A KR 20220010001A KR 20230114793 A KR20230114793 A KR 20230114793A
Authority
KR
South Korea
Prior art keywords
battery
soc
soh
bms
capacity
Prior art date
Application number
KR1020220010001A
Other languages
English (en)
Inventor
송현식
신동현
정진범
임재우
김태훈
이홍종
최재영
김태성
Original Assignee
한국자동차연구원
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 한국자동차연구원 filed Critical 한국자동차연구원
Priority to KR1020220010001A priority Critical patent/KR20230114793A/ko
Publication of KR20230114793A publication Critical patent/KR20230114793A/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
    • G01R19/0038—Circuits for comparing several input signals and for indicating the result of this comparison, e.g. equal, different, greater, smaller (comparing pulses or pulse trains according to amplitude)
    • 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
    • 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
    • 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
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/0047—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with monitoring or indicating devices or circuits
    • H02J7/0048—Detection of remaining charge capacity or state of charge [SOC]
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/007—Regulation of charging or discharging current or voltage
    • H02J7/00712—Regulation of charging or discharging current or voltage the cycle being controlled or terminated in response to electric parameters

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Secondary Cells (AREA)
  • Tests Of Electric Status Of Batteries (AREA)

Abstract

본 발명의 배터리의 SOC와 SOH 추정 정확도 평가 장치는 배터리를 충방전시키는 충방전기; 기 설정된 평가 패턴에 따라 충방전기를 제어하여 배터리가 상기 평가 패턴에 따라 충방전되도록 하는 충방전 제어기; 및 배터리가 기 설정된 설정 SOC(State Of Charge)로 조정되어 충방전기에 의해 평가 패턴에 따라 배터리가 충방전되면, BMS(Battery Management System)에서 배터리의 SOC와 SOH(State of Health)를 추정하고, BMS에서 추정한 SOC와 SOH를 토대로 레퍼런스 배터리 상태를 계산한 후, BMS에서 추정한 SOC와 SOH와 레퍼런스 배터리 상태를 비교하여 BMS에서 추정한 SOC와 SOH의 추정 정확도를 평가하는 프로세서를 포함하는 것을 특징으로 한다.

Description

배터리의 SOC와 SOH 추정 정확도 평가 장치{APPARATUS FOR EVALUATING ESTIMATION ACCURACY OF SOC AND SOH OF BATTERY}
본 발명은 배터리의 SOC와 SOH 추정 정확도 평가 장치에 관한 것이다.
현재, 배터리를 추진 동력으로 사용하는 다양한 친환경 자동차(HEV, PHEV, EV, FCEV)에 BMS(Battery Management System)가 사용되고 있다.
BMS는 배터리를 최적으로 관리하여 에너지 효율을 높이고 수명을 연장해 주는 역할을 수행한다.
이러한 역할을 하기 위해, BMS는 배터리의 전압, 전류, 온도를 실시간으로 모니터링하여 배터리의 SOC(State of Charge)와 SOH(State of Health)를 추정한다.
배터리는 양극과 음극 물질의 산화환원 반응으로 화학에너지를 전기에너지로 변환시키는 장치로로서, 충전 전류와 방전 전류에 따른 전압이 비선형적인 특징을 가진다.
따라서 배터리의 SOC와 SOH는 배터리 센서를 통한 측정값(전압, 전류, 온도)에 의한 단순 계산식으로 되지 않기 때문에, 배터리의 잔존용량(SOC)과 건강상태(SOH)를 추정하는 다양한 알고리즘이 제시되고 있다.
그러나, 종래에는 배터리의 SOC와 SOH의 추정하는 기술에 대해서는 제시되어 있으나 배터리의 SOC와 SOH의 정확도를 평가하는 기술이나 규격은 없는 실정이다.
본 발명의 배경기술은 대한민국 공개특허공보 10-2021-0155914호(2021.12.24의 '배터리의 충방전 특성을 사용하여 배터리를 관리하는 배터리 관리 방법이 적용된 BMS 관리시스템'에 개시되어 있다.
본 발명은 전술한 문제점을 개선하기 위해 창안된 것으로서, 본 발명의 일 측면에 따른 목적은 실제 친환경 자동차의 운행 조건과 환경이 고려된 상태에서의 BMS의 SOC/SOH 추정 정확도를 평가하는 배터리의 SOC와 SOH 추정 정확도 평가 장치를 제공하는 것이다.
본 발명의 일 측면에 따른 배터리의 SOC와 SOH 추정 정확도 평가 장치는 배터리를 충방전시키는 충방전기; 기 설정된 평가 패턴에 따라 상기 충방전기를 제어하여 상기 배터리가 상기 평가 패턴에 따라 충방전되도록 하는 충방전 제어기; 및 상기 배터리가 기 설정된 설정 SOC(State Of Charge)로 조정되어 상기 충방전기에 의해 상기 평가 패턴에 따라 상기 배터리가 충방전되면, BMS(Battery Management System)에서 상기 배터리의 SOC와 SOH(State of Health)를 추정하고, 상기 BMS에서 추정한 SOC와 SOH를 토대로 레퍼런스 배터리 상태를 계산한 후, 상기 BMS에서 추정한 SOC와 SOH와 상기 레퍼런스 배터리 상태를 비교하여 상기 BMS에서 추정한 SOC와 SOH의 추정 정확도를 평가하는 프로세서를 포함하는 것을 특징으로 한다.
본 발명은 상기 배터리 및 상기 BMS의 환경을 실제 차량의 환경으로 모사하는 환경 챔버; 및 상기 배터리의 내부 온도를 모사하는 온도 모사부를 더 포함하는 것을 특징으로 한다.
본 발명의 상기 온도 모사부는 냉각수의 유량과 온도를 제어하여 상기 배터리 내부의 온도를 제어하는 칠러를 포함하는 것을 특징으로 한다.
본 발명의 상기 온도 모사부는 공기의 유량과 온도를 제어하여 배터리 내부 또는 외부의 온도를 제어하는 공기 유입기를 포함하는 것을 특징으로 한다.
본 발명의 상기 온도 모사부는 상기 환경 챔버 내부의 온도를 고정시키거나 상기 환경 챔버 내부의 온도를 기 설정된 온도 싸이클로 변경하거나 또는 상기 환경 챔버 내부의 온도를 실차 주행시의 실제 온도에 따라 조정하는 것을 특징으로 한다.
본 발명의 상기 BMS에서 추정한 배터리 상태는 상기 배터리의 SOC와 SOH(State of Health)를 포함하는 것을 특징으로 한다.
본 발명의 상기 프로세서는 상기 BMS에서 추정된 SOC에서 상기 레퍼런스 SOC를 차감하여 SOC 추정 오차를 계산하는 것을 특징으로 한다.
본 발명의 상기 레퍼런스 SOC는 상기 평가 패턴에 따라 상기 배터리를 충방전시킨 후 상기 배터리가 종지 전압까지 방전된 비율인 것을 특징으로 한다.
본 발명의 상기 프로세서는 상기 평가 패턴에 따라 상기 배터리를 충방전시킨 후의 방전 용량을 정격용량으로 나누어 상기 레퍼런스 SOC를 계산하는 것을 특징으로 한다.
본 발명의 상기 프로세서는 상기 BMS에서 추정된 SOH를 상기 배터리의 용량 변화량을 기반으로 평가하는 것을 특징으로 한다.
본 발명의 상기 프로세서는 상기 BMS에서 추정된 SOH에서 용량 변화율에 기반한 레퍼런스 SOH를 차감하여 SOH 추정 오차를 계산하는 것을 특징으로 한다.
본 발명의 상기 용량 변화율에 기반한 레퍼런스 SOH는 새 배터리의 용량 대비 상기 배터리의 용량의 비율인 것을 특징으로 한다.
본 발명의 상기 프로세서는 상기 평가 패턴에 따라 상기 배터리를 충방전시킨 후의 만충 용량을 상기 배터리와 동일한 새 배터리의 용량으로 나누어 상기 용량 변화율에 기반한 레퍼런스 SOH를 계산하는 것을 특징으로 한다.
본 발명의 상기 프로세서는 상기 BMS에서 추정된 SOH를 상기 배터리의 내부저항 변화량을 기반으로 평가하는 것을 특징으로 한다.
본 발명의 상기 프로세서는 상기 BMS에서 추정된 SOH에서 내부 저항 변화량에 기반한 레퍼런스 SOH를 차감하여 SOH 추정 오차를 계산하는 것을 특징으로 한다.
본 발명의 상기 프로세서는 상기 배터리의 내부 저항에서 상기 배터리와 동일한 새 배터리의 내부 저항을 차감한 값을 상기 배터리와 동일한 새 배터리의 내부 저항으로 나누어 상기 내부 저항 변화량에 기반한 레퍼런스 SOH를 계산하는 것을 특징으로 한다.
본 발명의 상기 평가 패턴은 차량의 주행거리 평가모드 경우의 상기 배터리의 전압 데이터와 전류 데이터인 것을 특징으로 한다.
본 발명의 상기 평가 패턴은 CC(Constant Current) 또는 CV(Constant Voltage) 패턴에 따른 상기 배터리의 전압 데이터와 전류 데이터인 것을 특징으로 한다.
본 발명의 상기 평가 패턴은 실제 차량의 운행시에 적용된 상기 배터리의 전압 데이터 또는 전류 데이터인 것을 특징으로 한다.
본 발명의 상기 평가 패턴은 차량 모델링을 통해 획득된 상기 배터리의 전압 데이터와 전류 데이터인 것을 특징으로 한다.
본 발명의 일 측면에 따른 배터리의 SOC와 SOH 추정 정확도 평가 장치는 실제 친환경 자동차의 운행 조건과 환경이 고려된 상태에서의 BMS의 SOC와 SOH 추정 정확도를 평가할 수 있다.
본 발명의 다른 측면에 따른 배터리의 SOC와 SOH 추정 정확도 평가 장치는 배터리의 수명 예측 정확도를 향상시키고, 차량용 BMS 뿐만 아니라 배터리 재활용을 위한 배터리 노화 상태 평가 등에도 활용될 수 있다.
도 1은 본 발명의 일 실시예에 따른 배터리의 SOC와 SOH 추정 정확도 평가 장치의 블럭 구성도이다.
도 2는 본 발명의 일 실시예에 따른 전기차 모델에서의 모드별 평가 패턴을 나타낸 도면이다.
도 3은 본 발명의 일 실시예에 따른 온도 사이클 시험 패턴을 나타낸 도면이다.
도 4는 본 발명의 일 실시예에 따른 HPPC 프로파일을 나타낸 도면이다.
도 5는 본 발명의 일 실시예에 따른 DC-IR 계산 예를 나타낸 도면이다.
도 6은 본 발명의 일 실시예에 따른 SOC 추정 정확도 평가 절차도 예시를 나타낸 도면이다.
도 7은 본 발명의 일 실시예에 따른 노화 패턴 및 사이클별 용량 변화를 나타낸 도면이다.
도 8은 본 발명의 일 실시예에 따른 SOC/SOH 추정 정확도 평가 절차도 예를 나타낸 도면이다.
도 9는 본 발명의 일 실시예에 따른 SOC 추정 결과 그래프이다.
도 10은 본 발명의 일 실시예에 따른 SOH 추정 결과 그래프이다.
이하에서는 본 발명의 일 실시예에 따른 배터리의 SOC와 SOH 추정 정확도 평가 장치를 첨부된 도면들을 참조하여 상세하게 설명한다. 이러한 과정에서 도면에 도시된 선들의 두께나 구성요소의 크기 등은 설명의 명료성과 편의상 과장되게 도시되어 있을 수 있다. 또한 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서, 이는 이용자, 운용자의 의도 또는 관례에 따라 달라질 수 있다. 그러므로 이러한 용어들에 대한 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
도 1은 본 발명의 일 실시예에 따른 배터리의 SOC와 SOH 추정 정확도 평가 장치의 블럭 구성도이고, 도 2는 본 발명의 일 실시예에 따른 전기차 모델에서의 모드별 평가 패턴을 나타낸 도면이며, 도 3은 본 발명의 일 실시예에 따른 온도 사이클 시험 패턴을 나타낸 도면이며, 도 4는 본 발명의 일 실시예에 따른 HPPC 프로파일을 나타낸 도면이며, 도 5는 본 발명의 일 실시예에 따른 DC-IR 계산 예를 나타낸 도면이며, 도 6은 본 발명의 일 실시예에 따른 SOC 추정 정확도 평가 절차도 예시를 나타낸 도면이며, 도 7은 본 발명의 일 실시예에 따른 노화 패턴 및 사이클별 용량 변화를 나타낸 도면이며, 도 8은 본 발명의 일 실시예에 따른 SOC/SOH 추정 정확도 평가 절차도 예를 나타낸 도면이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 배터리의 SOC와 SOH 추정 정확도 평가 장치는 충방전 제어기(10), 충방전기(20), 환경 챔버(30), BMS(40), 전원 공급기(50), 온도 모사부(60), 전류 센서(70), 전압 센서(80), 온도 센서(90), 및 프로세서(100)를 포함한다.
충방전기(20)는 배터리(110)와 전기적으로 연결되어 배터리(110)를 실제로 충전 및 방전시킨다.
충방전 제어기(10)는 기 정의된 평가 패턴으로 충방전기(20)를 제어한다.
이에 따라, 충방전기(20)는 상기한 평가 패턴에 따라 배터리(110)를 충전 및 방전시키게 된다.
환경 챔버(30)는 BMS(40) 및 평가 대상이 되는 배터리(110)의 환경을 실제 차량 환경으로 모사한다. 예컨대, 환경 챔버(30)는 평가 패턴에 따라 충방전 동작시 배터리(110)의 외부와 내부 환경을 실시간으로 모사할 수 있다.
일반적으로 배터리(110)의 냉각 방식은 공냉식과 수냉식으로 구분된다.
온도 모사부(60)는 배터리(110)의 외부 온도를 모사하는 환경 챔버(30)외에도 배터리(110)의 내부 온도와 내부 온도를 모사할 수 있다. 이 경우, 온도 모사부(60)는 환경 챔버(30) 내부를 실차의 외부 환경과 동일하게 구현할 수 있다.
이를 위해, 온도 모사부(60)는 칠러 또는 공기 유입기가 채용될 수 있다.
수냉식 배터리(110)의 경우, 온도 모사부(60)로 칠러가 채용될 수 있다.
칠러는 냉각수 유량과 온도를 제어하여 배터리 내부 온도 또는 배터리 외부 온도를 제어한다.
공냉식 배터리(110)의 경우, 공기 유입기가 채용될 수 있다.
공기 유입기는 배터리(110)의 외부온도와 내부온도를 별도로 제어할 수 있으며, 배터리 내부와 외부의 공기 유량과 온도를 제어할 수 있다.
이러한 온도 모사부(60)는 환경 챔버(30) 내부의 온도를 고정시키는 방식, 환경 챔버(30) 내부의 온도를 기 설정된 온도 싸이클로 변경하는 방식, 환경 챔버(30) 내부의 온도를 실차 주행시 외부 환경 온도에 따라 조정하는 방식 중 적어도 하나가 채용될 수 있다.
예컨대, 온도를 고정시키는 방식에서는, 환경 챔버(30) 내부의 온도가 상온(25℃), 저온(-20, -10, 0℃ 등), 고온(40℃, 50℃, 60℃ 등) 등으로 고정될 수 있다.
온도를 기 설정된 싸이클로 변경하는 방식에서는, 환경 챔버(30) 내부의 온도를 기 설정된 온도 사이클(상온→고온→저온→상온)로 변경시킬 수 있다. 도 3에는 저온→고온 2시간 상승, 고온 2시간 유지, 고온→저온 2시간 하강, 및 저온 2시간 유지로 이루어지는 사이클이 도시되었다.
실차 주행시 외부 환경 온도에 따라 조정하는 방식에는, 실차 주행시에 실제 온도를 감지하고 이 온도에 따라 환경 챔버(30) 내부의 온도를 그대로 유지될 수 있다.
온도 모사부(60)는 환경 챔버(60)와 별개로 설치될 수 있으나, 환경 챔버(60)에도 설치될 수 있다.
한편, 환경 챔버(30)는 프로세서(100)에 의해 제어될 수 있으나, 충방전기(20) 제어기에 의해 RS-485 통신으로 제어될 수도 있다.
배터리(110)는 배터리 모듈과 배터리 팩이 모두 채용될 수 있으며, 특별히 한정되는 것은 아니다.
BMS(Battery Management System)(40)는 배터리(110)의 전압, 전류, 온도를 실시간으로 모니터링하여 배터리 상태, 예컨대 배터리(110)의 SOC(State of Charge)와 SOH(State of Health)를 추정한다.
SOC는 배터리(110)의 잔존 용량으로서, 배터리(110)의 정격용량 대비 현재 배터리(110)의 잔존 용량(현재 사용할 수 있는 배터리(110)의 용량)의 비율로 정의된다.
SOH는 배터리(110)의 수명 상태로서, 새 배터리의 용량 대비 현재 배터리(110)의 가용 용량의 비율, 또는 새 배터리의 내부 저항 대비 현재 배터리의 내부 저항의 비율로 정의된다.
SOH는 수명 종료(End Of Life)를 사전에 정의할 수 있다. 예컨대, 새 배터리의 용량 대비 현재 배터리(110)의 가용 용량의 비율이 초기 대비 20% 줄어들었거나, 새 배터리의 내부 저항 대비 현재 배터리의 내부 저항의 비율이 150% 증가하면, 배터리(110)의 수명이 종료된 것으로 정의될 수 있다.
전류 센서(70)는 배터리(110)의 전류를 감지하여 프로세서(100)에 입력한다.
전압 센서(80)는 배터리(110)의 전압을 감지하여 프로세서(100)에 입력한다.
온도 센서(90)는 환경 챔버(30) 내부의 온도를 감지하여 프로세서(100)에 입력한다.
여기서, 전류 센서(70)에 의해 감지된 배터리(110)의 전류, 전압 센서(80)에 의해 감지된 배터리(110)의 전압 및 온도 센서(90)에 의해 감지된 환경 챔버(30) 내부의 온도는 CAN(Controller Area Network) 통신을 위해 변환되어 프로세서(100)에 입력될 수 있다.
전원 공급기(50)는 BMS(40)에 전원 및 제어 신호, 예컨대 이그니션 키(Ignition Key) 신호 및 충전기 연결 신호를 모사한다.
프로세서(100)는 배터리(110)를 기 설정된 설정 SOC로 조정하고 충방전기(20)가 충방전 제어기(10)에 의해 설정된 평가 패턴에 따라 배터리(110)를 충방전시키도록 제어한다.
프로세서(100)는 BMS(40)에서 추정한 배터리 상태를 입력받는다.
프로세서(100)는 BMS(40)에서 추정한 배터리 상태와 레퍼런스 배터리 상태를 비교하여 BMS(40)의 배터리 상태 추정 정확도를 평가한다.
예컨대, BMS(40)의 SOC 추정 결과를 평가하는 경우, 프로세서(100)는 배터리(110)를 설정 SOC로 조정한 후 충방전기(20)를 제어하여 배터리(110)를 평가 패턴에 따라 충방전시킨다. 이후, 프로세서(100)는 평가 패턴에 따른 배터리 충방전이 완료되면, BMS(40)에서 계산된 SOC와 레퍼런스 SOC를 비교하여 SOC 추정 오차를 계산함으로써, BMS(40)의 SOC 추정 정확도를 평가한다.
SOC 추정 오차(%)의 계산식은 아래와 같다.
SOC 추정 오차(%)=BMS에서 추정한 SOC-[평가 패턴 완료 후 방전 용량(Ah)/정격용량(Ah)×100]
예컨대, 정격 용량 100Ah 배터리(110)를 대상으로, 설정 SOC를 80%로 조정한경우, 평가 패턴후 마지막에 BMS(40)에서 추정한 SOC가 50%이라 하고, 이후에 배터리(110)를 종지 전압까지 방전한 용량이 48Ah라 하면, 평가 패턴후 레프런스 SOC는 48%(48/100×100)이다. 따라서, SOC 추정 오차는 2%(50-48)로 계산될 수 있다.
여기서, 레퍼런스 SOC는 배터리 종지 전압까지 방전된 용량의 비율이다.
레퍼런스 SOC는 BMS(40)의 배터리 상태 평가를 위해 설정되는 설정 SOC에 따라 다양하게 설정될 수 있다.
BMS(40)의 배터리 상태 평가를 위해 설정되는 설정 SOC는 정격 용량의 80%, 60%, 40% 및 20% 등으로 설정될 수 있으며, 특별히 한정되는 것은 아니다.
다음으로, BMS(40)의 SOH 추정 결과를 평가하는 경우, 프로세서(100)는 배터리(110)를 설정 SOC로 조정한 후 충방전기(20)를 제어하여 평가 패턴에 따라 배터리(110)를 충방전시킨다. 이후, 프로세서(100)는 평가 패턴에 따라 배터리 충방전이 완료되면, BMS(40)에서 추정된 SOH와 레퍼런스 SOH를 비교하여 SOH 추정 오차를 계산함으로써, BMS(40)의 SOH 추정 정확도를 평가한다.
SOH 추정 오차(%) 계산식은 아래와 같다.
SOH 추정 오차(%)=BMS(40)에서 추정한 SOH-[노화상태에서 확인 가능한 배터리 SOH]
BMS(40)의 SOH 추정 정확도를 평가하는 방식은, 배터리(110)의 용량 변화량으로 평가하는 방식과 배터리(110)의 내부 저항으로 평가하는 방식으로 구분될 수 있다. 여기서, 배터리(110)의 내부 저항으로 평가하는 방식은 AC-IR 방식과 DC-IR 방식으로 구분될 수 있다.
예컨대, SOH 추정 정확도를 배터리(110)의 용량 변화량으로 평가하는 경우, 프로세서(100)는 새 배터리(110)의 정격 용량이 100Ah인 노화된 배터리(110)를 설정 SOC에서 평가 패턴에 따라 충방전을 실시한다. 이후 프로세서(100)는 배터리(110)를 종지 전압까지 방전한 후 만충 및 만방전을 통해 배터리(110)의 용량이 90Ah이고, 평가 패턴후 BMS(40)에서 추정한 SOH가 95%이며, 레프런스 SOH가 90%(90/100×100)이면, SOH 추정 정확도는 5%(95-90)로 계산될 수 있다.
한편, SOH의 레프런스를 내부저항 비율로 진행할 경우, 새 배터리(110)의 내부저항이 4mΩ인 노화된 배터리(110)를 대상으로, SOC 10% 단위로 CC로 짧은 시간동안 충방전하여 DC-IR 평가(Hybrid Pulse Power Characterization Test)를 실시한다. 프로세서(100)는 평가 패턴후 BMS(40)에서 추정한 SOH가 55%인 경우, 레프런스 SOH는 HPPC 시험을 통해 DC-IR이 계산되는데, 만약 DC-IR이 6mΩ이면, 레프런스 SOH는 50%(100-(6-4)/4×100)이고, SOH 추정 정확도는 5%(55-50)로 계산될 수 있다.
SOH 추정 정확도를 평가하는 경우, 노화된 배터리(110)에 대한 새 배터리의 SOH는 항상 100%이기 때문에 SOH의 정확도 판별이 부정확할 수 있다. 따라서 SOH 평가는 노화된 배터리로 평가해야 한다. 즉, 평가 대상이 되는 배터리(110)는 차량 운행을 통해 설정 기간 이상 동작한 노화된 배터리(110)거나, 설정횟수 이상 강제적으로 충방전된 노화된 배터리(110)일 수 있다.
배터리(110)의 SOH 레프런스는 배터리 용량 시험 또는 배터리 내부 저항 시험을 통해, 신규 배터리 대비 현재 배터리의 용량의 비율, 또는 신규 배터리 대비 현재 배터리의 내부저항의 비율로 확인될 수 있다.
한편, 레퍼런스 SOH는 노화상태 확인이 가능한 배터리(110)의 SOH이다.
이하, 프로세서(100)가 BMS(40)의 배터리 상태(SOC 및 SOH) 추정 정확도를 평가하는 과정을 도 2 내지 도 8을 참조하여 상세하게 설명한다.
도 2를 참조하면, 먼저 BMS(40)의 SOC와 SOH를 평가하기 위한 평가 패턴은 CC(Constant Current) 또는 CV(Constant Voltage) 패턴이거나, 실제 차량에서 운행시에 적용된 전력 패턴일 수 있다.
평가 패턴은 하나의 패턴으로 정해져 있지는 않고, 다양하게 적용할 수 있다.
예컨대, 실제 전기차량의 일충전 주행거리를 평가할 때 사용되는 주행거리 평가 모드, 예컨대 UDDS(Urban Dynamometer Driving Schedule)와 HWFET(Highway Fuel Economy Test Cycle) 모드가 사용될 수 있다.
따라서, SOC와 SOH를 평가하기 위한 평가 패턴은, BMS(40)의 배터리(110)가 장착된 차량을 대상으로 다이나모 미터에서 UDDS 모드 또는 HWFET 모드로 주행하는 경우, 해당 배터리(110)의 전압 데이터와 전류 데이터일 수 있다.
이 경우, 실제 친환경자동차의 주행 데이터가 없는 경우에서의 평가 패턴은 차량 모델링을 통해 획득된 배터리(110)의 전압 데이터와 전류 데이터일 수 있다.
도 2의 (a)에는 평가 패턴에 해당하는 UDDS 모드에서의 전압 데이터와 전류 데이터가 도시되었고, 도 2의 (b)에는 평가 패턴에 해당하는 HWFET 모드에서의 전압 데이터와 전류 데이터가 도시되었다.
또한, 평가 패턴은 실제 도로에서의 실제 차량에 탑재된 배터리(110)의 전압 데이터와 전류 데이터일 수 있다. 이 경우, 추가적으로 평가 패턴시의 환경 온도는 차량 및 배터리(110)의 외부 온도에 따라 실차 온도와 동일한 수준으로 모사될 수 있을 것이다.
여기서, 평가 패턴은 실제 차량이 운행하는 시간에서와 같이 적용될 수 있도록, UDDS 사이클과 HWFET 사이클이 조합되거나, 이들 UDDS 사이클과 HWFET 사이클 중 어느 하나를 반복하여 생성될 수 있다.
한편, BMS(40)의 SOC와 SOH를 동시에 실차 수준으로 평가하기 위해서는, 배터리(110)가 새 배터리(110) 보다는 노화된 배터리(110)가 더욱 유리하다.
예컨대 새 배터리(110)로 SOH 평가를 진행하는 경우, 평가 패턴 전과 후의 용량 또는 내부 저항 변화량이 거의 없으므로 SOH 추정 오차가 상대적으로 작다.
또한, 새 배터리(110)로 SOC 평가를 진행하는 경우, 배터리(110)의 노화 상태에 따라 정격 용량이 달라질 수 있어 SOC가 다를 수 있다.
따라서, BMS(40)의 배터리 상태 추정 정확도를 평가하는 데 있어서, 새 배터리(110)보다는 노화된 배터리(110)를 이용하는 것이 상대적으로 더 높은 배터리 상태 추정 정확도를 얻을 수 있다.
한편, SOC 및 SOH 추정 정확도 평가에 필요한 상기한 레프런스 SOC 및 SOH를 확인하기 위해서는, 평가 패턴 전에 용량 또는 내부 저항이 확인될 필요가 있다.
용량은 일반적으로 방전 용량이라 할 수 있다.
방전 용량은 배터리 제조사에서 제시하는 방법으로 만충전→휴지→만방전→휴지를 반복하여 전류 적산에 의해 확인될 수 있다.
새 배터리(110)의 경우, 제조사에서 제시한 정격 용량과 시험을 통한 방전 용량이 비슷한지 확인할 필요가 있다.
노화된 배터리(110)의 경우, 현재 방전 용량을 통해, 새 배터리(110) 기준 정격 용량과 현재 가용 용량의 비율로 현 배터리(110)의 SOH 레프런스를 확인할 필요가 있다.
새 배터리(110)의 경우, 새 배터리(110)에 대해 노화 사이클을 반복하여 배터리 노화를 수행할 필요가 있다.
노화 사이클은 배터리를 만충전한 후 만방전하는 것이 1사이클로 정의될 수 있다. 이 경우, 사이클 반복 시험에 따른 용량과 내부 저항 변화는 사전에 확인되어야 한다.
노화 사이클을 이용하여 배터리 노화를 수행하는 것은 상대적으로 많은 시간이 소요될 수 있다. 배터리 노화 시간을 단축하기 위해서는 충전속도를 기 설정된 설정 충전속도 이상으로 높이거나, 배터리 주변의 온도를 설정 온도 이상으로 높게 유지할 수 있다. 여기서, 충전속도를 높이는 방법은 충전전류를 증가시키는 방식으로서, 완속 충전보다 급속 충전을 통해 충전 속도를 높일 수 있다.
충전전류를 증가시키는 방식은 완속 충전보다 급속 충전을 통해 충전 속도
다음으로, 내부 저항의 경우, 내부 저항을 측정하는 방식으로 DC-IR이 채용될 수 있다. 한편, AC-IR을 이용하여 내부 저항을 측정하는 경우에는, 주파수별로 임피던스 측정을 위한 EIS(Electrical Impedance Spectroscopy)가 이용될 수 있다.
한편, 내부 저항을 측정하기 위해서는, 도 4 에 도시된 바와 같이 짧은 시간(△t) 동안 전류를 충전 또는 방전하며, DC-IR은 도 5에 도시된 바와 같이 해당 시간동안의 전류의 변화량(△I)에 따른 전압의 변화량(△V)으로 계산(△V/△I)될 수 있다.
DC-IR은 HPPC(Hybrid Pulse Power Characterization) 테스트를 통해 진행될 수 있다.
한편, BMS(40)의 SOC와 SOH 추정 정확도를 평가하기 위해서는, 상기한 바와 같이 배터리(110)를 설정 SOC로 조정되어야 한다.
즉, SOC 추정 정확도 평가는 노화된 배터리(110)를 만충전후 설정 SOC로 조정(예, SOC 80% or SOC 60%)하고 안정화 시간(리튬이온 배터리(110)의 경우 최소 30분 이상)을 경과한 후에 SOC를 리셋(보정)하고 평가를 진행한다.
여기서, SOC 리셋은 안정화 시간 이전에 BMS(40) 내부에서 SOC 정확도 오차가 발생한 경우, 안정화 시간에 이그니션 키(Ignition Key)가 오프되고, 최소 30분(배터리(110) 종류, 조성 등에 따라 다름, 제조사 제시하는 시간 사용) 이후에 다시 이그니션 키가 온 되었을 때, 설정 SOC로 보정(배터리(110) 안정화 시간 이후로 OCV에 의한 SOC로 보정)할 수 있는 차량의 시퀀스를 반영하는 것을 의미한다.
한편, SOC 조정 전에 배터리(110)의 용량을 확인하기 위해 만충전과 만방전이 추가적으로 수행될 수 있다.
배터리(110)를 설정 SOC로 조정하는 경우, 해당 배터리(110)가 새 배터리라 하더라도 노화된 배터리(110)의 용량을 기준으로 설정 SOC로 조정한다.
예를 들면, 새 배터리(110)의 정격 용량이 110Ah 이고, 현재 노화된 배터리(110)의 용량이 100Ah인 경우, SOC 80%로 조정할 때, SOC 20% 만큼의 방전량은 새 배터리(110)의 110Ah 기준이 아닌 현재 노화된 배터리(110)의 100Ah 기준으로 20Ah을 방전한다.
한편, 상기한 바와 같이 배터리(110)를 설정 SOC로 조정한 후에는, 프로세서(100)가 SOC와 SOH 추정 정확도를 평가한다.
도 6을 참조하면, SOC 추정 정확도를 평가하는 경우, 배터리(110)를 설정 SOC로 조정하고 안정화 시간이 경과한 후, 프로세서(100)는 평가 패턴으로 충방전을 진행한다. 이후 프로세서(100)는 안정화 시간이 경과한 후 종지 전압까지 배터리(110)를 방전한다. 이후 다음 SOC에서 시험을 위해 다시 만충할 수 있다.
프로세서(100)는 SOC 추정 정확도 계산을 위해 시험 완료후, '평가 패턴이 완료된 시쯤(전류가 0인 상태)에서 BMS(40)에서 추정한 SOC', '평가 패턴 완료후 종지 전압까지 방전한 용량', 및 '평가 패턴 전 용량 시험을 통한 방전 용량'을 확인한다.
이어, 프로세서(100)는 '평가 패턴 후 레퍼런스 SOC'를 계산한다. 이 경우, 프로세서(100)는 수식 '평가패턴 완료 후 종지 전압까지 방전한 용량/평가패턴 전 용량 시험을 통한 방전용량×100'으로 '평가 패턴 후 레퍼런스 SOC'를 계산한다.
이어, 프로세서(100)는 수식 'BMS(40)에서 추정한 SOC-평가 패턴 후 레퍼런스 SOC'를 통해 BMS 추정 오차를 계산한다.
다음으로, SOC/SOH 추정 오차를 평가하는 경우, SOC와 더불어 SOH를 평가 할때에는 SOH를 용량 변화량으로 평가할지, 내부 저항 변화량으로 평가할지 사전에 결정되어야 한다.
용량 변화량으로 SOH를 평가할 경우, 평가 패턴으로 상기한 차량의 운행을 모사한 전력 패턴이 사용될 수 있다.
내부저항 변화량으로 SOH를 평가할 경우, 평가 패턴으로 HPPC 테스트 패턴이 사용될 수 있다.
실제 차량에 탑재된 BMS(40)는 차량에 탑재된 배터리(110)의 상태를 상시 모니터링하여 배터리(110)가 충전 및 방전된 양 또는 사이클 수를 확인한다. 즉, BMS(40)는 이그니션 오프시 비활성 메모리에 해당 배터리(110)의 마지막 상태 정보를 저장하고, 이그니션 온시 이그니션 오프시에 비활성 메모리에 저장된 해당 배터리(110)의 마지막 상태 정보를 읽어들여 업데이트를 진행함으로써, 현재까지 배터리(110)의 충방전된 용량과 사이클 횟수를 알 수 있다.
그러나 평가를 위한 BMS(40)는 현재 평가용 배터리(110)의 충방전 이력을 알 수 없으므로, 평가 패턴 전과 후에 배터리(110)의 건강 상태를 확인할 수 있는 패턴이 추가될 필요가 있다.
따라서, 평가 패턴 전 만충전과 만방전 패턴을 추가하고, 평가 패턴 이후, 배터리(110)를 충전하는 충전 패턴이 추가될 필요가 있다.
예컨대, 평가 패턴 이후 충전 패턴이 완속 충전인 경우, 해당 완속 충전은 CC 충전 후 CV 제어 형태가 될 수 있다. 또한, 평가 패턴 이후 충전 패턴이 급속 충전의 경우, 해당 급속 충전은 SOC별 CC값이 다르게 이루어질 수 있다.
일 예로, 도 7에는, 노화된 배터리(110)의 충방전 패턴으로 435 사이클 진행 후 용량이 102.3Ah로 확인된 시료가 도시되었다.
도 8을 참조하면, 만충전 만방전을 통해 초기 용량이 계산되고, 이후 다시 만충전 후 SOC 80%를 세팅 후 평가 패턴으로 시험이 진행되고, 평가 이후 종지 전압까지 방전하여 잔존용량을 계산하고, 이후 만충전이 되는 패턴을 나타낸다.
이러한 평가 패턴은 UDDS와 HWFET 각 1회 사이클 합친 것을 한 사이클(2,220초)로 하여, 총 3회(1.85시간)를 반복하는 패턴이다.
SOC 추정 오차는 평가 패턴 후 잔존 용량 비율과 평가 패턴 후 BMS(40)에서 마지막 SOC와의 비교를 통해 계산될 수 있다.
한편, SOH 추정 오차의 경우, 시험 대상이 되는 배터리와 동일한 배터리(110) 기준 새 배터리의 정격 용량 확인이 필요하며, 평가 패턴 전에 수행된 만충전 및 만방전을 통해 현재 배터리(110)의 충전방전 용량을 확인하여, 새 배터리 기준 정격 용량 대비 현재 배터리(110)의 가용 용량 비율로 오차를 계산할 수 있다.
즉, 프로세서(100)는 SOH 추정 정확도 계산을 위해 시험 완료 후, '평가 대상이 되는 배터리(110)와 동일한 새 배터리의 용량 또는 내부 저항(DC-IR)', '평가패턴 전 충전 용량과 방전 용량, 또는 상기 평가 패턴에 따라 상기 배터리를 충방전시킨 후의 만충 용량', '내부 저항(DC-IR)(평가 패턴이 HPPC 패턴인 경우)', 및 '평가 패턴 완료 후 BMS(40)에 측정된 SOH'를 확인한다.
먼저, 용량 변화량으로 SOH를 평가할 경우, 프로세서(100)는 수식 '상기 평가 패턴에 따라 상기 배터리를 충방전시킨 후의 만충 용량/평가 대상이 되는 배터리와 동일한 새 배터리의 용량×100'을 통해 '용량 변화율에 기반한 레퍼런스 SOH'를 계산한다.
이어, 프로세서(100)는 수식 '평가 패턴 완료 후 BMS에서 측정된 SOH-용량 변화율에 기반한 레퍼런스 SOH'를 통해 '용량 변화율에 기반한 SOH 추정 오차'를 계산한다.
여기서, 용량 변화율에 기반한 SOH 추정 오차의 경우, 수식 '용량 변화율에 기반한 레퍼런스 SOH-평가 패턴 완료 후 BMS에서 측정된 SOH'을 통해서도 계산될 수 있다.
다음으로, 내부저항 변화량으로 SOH를 평가할 경우, 프로세서(100)는 수식 '100-((내부 저항-시험전 대상 배터리(110)와 동일한 새 배터리의 내부 저항(DC-IR)/시험전 대상 배터리(110)와 동일한 새 배터리의 내부 저항(DC-IR))×100'을 통해 '내부 저항 변화율에 기반한 레퍼런스 SOH'를 계산한다.
이어, 프로세서(100)는 수식 '저항 변화율에 기반한 레퍼런스 SOH-평가 패턴 완료 후 BMS(40)에 측정된 SOH'를 통해 '저항 변화율에 기반한 SOH 추정 오차'를 계산한다.
여기서, 저항 변화율에 기반한 SOH 추정 오차의 경우, 수식 '평가 패턴 완료 후 BMS(40)에 측정된 SOH-저항 변화율에 기반한 레퍼런스 SOH'를 통해서도 계산될 수 있다.
다음으로, SOC 및 SOH 추정 오차 검증 시험 결과에 대해 설명한다.
도 9는 본 발명의 일 실시예에 따른 SOC 추정 결과 그래프이고, 도 10은 본 발명의 일 실시예에 따른 SOH 추정 결과 그래프이다.
도 9 및 도 10을 참조하면, 환경 챔버(30)의 온도는 25℃이고, 대상 배터리(110)의 새 배터리 용량은 110Ah이며, 대상 노화 배터리(110)의 용량은 102.3Ah이며, 레프런스 SOH는 92.8(102.3/110×100)%, 패턴후 종지 전압까지 방전된 용량은 44.2Ah이며, 레프런스 SOC는 43.3(44.2/102.3×100)%이다.
평가 패턴후 BMS(40) 알고리즘 1의 SOC_1는 44.0%이고, 평가 패턴후 BMS(40) 알고리즘 2의 SOC_1는 45.1%이며, 평가 패턴후 BMS(40) 알고리즘 1의 SOH_1는 87.7%이며, 평가 패턴후 BMS(40) 알고리즘 2의 SOH_2는 85.2%이다.
이 경우, BMS(40)의 SOC1 추정 정확도는 0.7(44.0-43.3)%이며, BMS(40)의 SOC2 추정 정확도는 1.87(45.1 - 43.3)%이다.
또한, BMS(40)의 SOH1 추정 정확도는 5.1(92.8-87.7)%이며, BMS(40)의 SOH2 추정 정확도는 7.6(2.8-85.2)%이다.
여기서, SOC_1은 전류 적산법이 이용되고, SOC_2는 AI 기반 SOC가 적용되며, SOH_1은 용량 변화율이 적용되고, SOH_2는 AI 기반 SOH가 적용되었다.
이와 같이, 본 발명의 일 실시예에 따른 배터리의 SOC와 SOH 추정 정확도 평가 장치는 실제 친환경 자동차의 운행 조건과 환경이 고려된 상태에서의 BMS(40)의 SOC와 SOH 추정 정확도를 평가할 수 있다.
또한, 본 발명의 일 실시예에 따른 배터리의 SOC와 SOH 추정 정확도 평가 장치는 배터리의 수명 예측 정확도를 향상시키고, 차량용 BMS(40) 뿐만 아니라 배터리 재활용을 위한 배터리 노화 상태 평가 등에도 활용될 수 있다.
본 명세서에서 설명된 구현은, 예컨대, 방법 또는 프로세스, 장치, 소프트웨어 프로그램, 데이터 스트림 또는 신호로 구현될 수 있다. 단일 형태의 구현의 맥락에서만 논의(예컨대, 방법으로서만 논의)되었더라도, 논의된 특징의 구현은 또한 다른 형태(예컨대, 장치 또는 프로그램)로도 구현될 수 있다. 장치는 적절한 하드웨어, 소프트웨어 및 펌웨어 등으로 구현될 수 있다. 방법은, 예컨대, 컴퓨터, 마이크로프로세서, 집적 회로 또는 프로그래밍가능한 로직 디바이스 등을 포함하는 프로세싱 디바이스를 일반적으로 지칭하는 프로세서 등과 같은 장치에서 구현될 수 있다. 프로세서는 또한 최종-사용자 사이에 정보의 통신을 용이하게 하는 컴퓨터, 셀 폰, 휴대용/개인용 정보 단말기(personal digital assistant: "PDA") 및 다른 디바이스 등과 같은 통신 디바이스를 포함한다.
본 발명은 도면에 도시된 실시예를 참고로 하여 설명되었으나, 이는 예시적인 것에 불과하며 당해 기술이 속하는 기술분야에서 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호범위는 아래의 특허청구범위에 의하여 정해져야할 것이다.
10: 충방전 제어기 20: 충방전기
30: 환경 챔버 40: BMS
50: 전원 공급기 60: 온도 모사부
70: 전류 센서 80: 전압 센서
90: 온도 센서 100: 프로세서
110: 배터리

Claims (19)

  1. 배터리를 충방전시키는 충방전기;
    기 설정된 평가 패턴에 따라 상기 충방전기를 제어하여 상기 배터리가 상기 평가 패턴에 따라 충방전되도록 하는 충방전 제어기; 및
    상기 배터리가 기 설정된 설정 SOC(State Of Charge)로 조정되어 상기 충방전기에 의해 상기 평가 패턴에 따라 상기 배터리가 충방전되면, BMS(Battery Management System)에서 상기 배터리의 SOC와 SOH(State of Health)를 추정하고, 상기 BMS에서 추정한 SOC와 SOH를 토대로 레퍼런스 배터리 상태를 계산한 후, 상기 BMS에서 추정한 SOC와 SOH와 상기 레퍼런스 배터리 상태를 비교하여 상기 BMS에서 추정한 SOC와 SOH의 추정 정확도를 평가하는 프로세서를 포함하는 배터리의 SOC와 SOH 추정 정확도 평가 장치.
  2. 제1항에 있어서,
    상기 배터리 및 상기 BMS의 환경을 실제 차량의 환경으로 모사하는 환경 챔버; 및
    상기 배터리의 내부 온도를 모사하는 온도 모사부를 더 포함하는 것을 특징으로 하는 배터리의 SOC와 SOH 추정 정확도 평가 장치.
  3. 제2항에 있어서, 상기 온도 모사부는 냉각수의 유량과 온도를 제어하여 상기 배터리 내부의 온도를 제어하는 칠러를 포함하는 것을 특징으로 하는 배터리의 SOC와 SOH 추정 정확도 평가 장치.
  4. 제2항에 있어서, 상기 온도 모사부는 공기의 유량과 온도를 제어하여 배터리 내부 또는 외부의 온도를 제어하는 공기 유입기를 포함하는 것을 특징으로 하는 배터리의 SOC와 SOH 추정 정확도 평가 장치.
  5. 제2항에 있어서, 상기 온도 모사부는
    상기 환경 챔버 내부의 온도를 고정시키거나 상기 환경 챔버 내부의 온도를 기 설정된 온도 싸이클로 변경하거나 또는 상기 환경 챔버 내부의 온도를 실차 주행시의 실제 온도에 따라 조정하는 것을 특징으로 하는 배터리의 SOC와 SOH 추정 정확도 평가 장치.
  6. 제1항에 있어서, 상기 프로세서는
    상기 BMS에서 추정된 SOC에서 레퍼런스 SOC를 차감하여 SOC 추정 오차를 계산하는 것을 특징으로 하는 배터리의 SOC와 SOH 추정 정확도 평가 장치.
  7. 제6항에 있어서, 상기 레퍼런스 SOC는
    상기 평가 패턴에 따라 상기 배터리를 충방전시킨 후 상기 배터리가 종지 전압까지 방전된 비율인 것을 특징으로 하는 배터리의 SOC와 SOH 추정 정확도 평가 장치.
  8. 제6항에 있어서, 상기 프로세서는
    상기 평가 패턴에 따라 상기 배터리를 충방전시킨 후의 방전 용량을 정격용량으로 나누어 상기 레퍼런스 SOC를 계산하는 것을 특징으로 하는 배터리의 SOC와 SOH 추정 정확도 평가 장치.
  9. 제1항에 있어서, 상기 프로세서는
    상기 BMS에서 추정된 SOH를 상기 배터리의 용량 변화량을 기반으로 평가하는 것을 특징으로 하는 배터리의 SOC와 SOH 추정 정확도 평가 장치.
  10. 제9항에 있어서, 상기 프로세서는
    상기 BMS에서 추정된 SOH에서 용량 변화율에 기반한 레퍼런스 SOH를 차감하여 SOH 추정 오차를 계산하는 것을 특징으로 하는 배터리의 SOC와 SOH 추정 정확도 평가 장치.
  11. 제10항에 있어서, 상기 용량 변화율에 기반한 레퍼런스 SOH는
    새 배터리의 용량 대비 상기 배터리의 용량의 비율인 것을 특징으로 하는 배터리의 SOC와 SOH 추정 정확도 평가 장치.
  12. 제10항에 있어서, 상기 프로세서는
    상기 평가 패턴에 따라 상기 배터리를 충방전시킨 후의 만충 용량을 상기 배터리와 동일한 새 배터리의 용량으로 나누어 상기 용량 변화율에 기반한 레퍼런스 SOH를 계산하는 것을 특징으로 하는 배터리의 SOC와 SOH 추정 정확도 평가 장치.
  13. 제1항에 있어서, 상기 프로세서는
    상기 BMS에서 추정된 SOH를 상기 배터리의 내부 저항 변화량을 기반으로 평가하는 것을 특징으로 하는 배터리의 SOC와 SOH 추정 정확도 평가 장치.
  14. 제13항에 있어서, 상기 프로세서는
    상기 BMS에서 추정된 SOH에서 내부 저항 변화량에 기반한 레퍼런스 SOH를 차감하여 SOH 추정 오차를 계산하는 것을 특징으로 하는 배터리의 SOC와 SOH 추정 정확도 평가 장치.
  15. 제14항에 있어서, 상기 프로세서는
    상기 배터리의 내부 저항에서 상기 배터리와 동일한 새 배터리의 내부 저항을 차감한 값을 상기 배터리와 동일한 새 배터리의 내부 저항으로 나누어 상기 내부 저항 변화량에 기반한 레퍼런스 SOH를 계산하는 것을 특징으로 하는 배터리의 SOC와 SOH 추정 정확도 평가 장치.
  16. 제1항에 있어서, 상기 평가 패턴은
    차량의 주행거리 평가모드 경우의 상기 배터리의 전압 데이터와 전류 데이터인 것을 특징으로 하는 배터리의 SOC와 SOH 추정 정확도 평가 장치.
  17. 제1항에 있어서, 상기 평가 패턴은
    CC(Constant Current) 또는 CV(Constant Voltage) 패턴에 따른 상기 배터리의 전압 데이터와 전류 데이터인 것을 특징으로 하는 배터리의 SOC와 SOH 추정 정확도 평가 장치.
  18. 제1항에 있어서, 상기 평가 패턴은
    실제 차량의 운행시에 적용된 상기 배터리의 전압 데이터 또는 전류 데이터인 것을 특징으로 하는 배터리의 SOC와 SOH 추정 정확도 평가 장치.
  19. 제1항에 있어서, 상기 평가 패턴은
    차량 모델링을 통해 획득된 상기 배터리의 전압 데이터와 전류 데이터인 것을 특징으로 하는 배터리의 SOC와 SOH 추정 정확도 평가 장치.
KR1020220010001A 2022-01-24 2022-01-24 배터리의 soc와 soh 추정 정확도 평가 장치 KR20230114793A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020220010001A KR20230114793A (ko) 2022-01-24 2022-01-24 배터리의 soc와 soh 추정 정확도 평가 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220010001A KR20230114793A (ko) 2022-01-24 2022-01-24 배터리의 soc와 soh 추정 정확도 평가 장치

Publications (1)

Publication Number Publication Date
KR20230114793A true KR20230114793A (ko) 2023-08-02

Family

ID=87566971

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220010001A KR20230114793A (ko) 2022-01-24 2022-01-24 배터리의 soc와 soh 추정 정확도 평가 장치

Country Status (1)

Country Link
KR (1) KR20230114793A (ko)

Similar Documents

Publication Publication Date Title
Chen et al. A new state-of-health estimation method for lithium-ion batteries through the intrinsic relationship between ohmic internal resistance and capacity
KR101846690B1 (ko) Ｗｌｓ 기반 ｓｏｈ 추정 시스템 및 방법
KR100818520B1 (ko) 전기화학셀(ｃｅｌｌ)의 현재 상태와 현재 파라미터를추정하는 장치, 방법 및 시스템 및 기록매체
US8849598B2 (en) In-situ battery diagnosis method using electrochemical impedance spectroscopy
US6534954B1 (en) Method and apparatus for a battery state of charge estimator
CA2588856C (en) Method and system for battery state and parameter estimation
JP5694088B2 (ja) 二次電池の劣化管理システム
US8108161B2 (en) State estimating device of secondary battery
US20130069660A1 (en) Method for in situ battery diagnostic by electrochemical impedance spectroscopy
US20060111870A1 (en) Method and system for joint battery state and parameter estimation
Kessels et al. On-line battery identification for electric driving range prediction
US11796596B2 (en) Method of managing battery, battery management system, and electric vehicle charging system having the battery management system
KR20110084633A (ko) 배터리의 수명 예측 장치 및 방법
KR20060107535A (ko) 진보 셀 모델 예측 기술을 이용한 배터리 팩의 전력 용량을계산하는 방법
US20220082626A1 (en) Method for estimating state of health of battery
TWI818777B (zh) 電池管理裝置、電池管理方法
KR20150019190A (ko) 배터리 충전 상태 추정 방법 및 이를 위한 장치
WO2006054066A1 (en) Determining the state of health of a battery
WO2021154827A1 (en) Battery power limits estimation based on rc model
Qiu et al. Battery hysteresis modeling for state of charge estimation based on Extended Kalman Filter
Barcellona et al. Cycle aging effect on the open circuit voltage of lithium-ion battery
US20220341997A1 (en) Apparatus and Method for Diagnosing a Battery
JP7414697B2 (ja) 電池の劣化判定装置、電池の管理システム、電池搭載機器、電池の劣化判定方法、及び、電池の劣化判定プログラム
KR20200103508A (ko) 배터리 팩 적용 전기자동차 일충전 주행거리 평가 방법 및 시스템
KR20230114793A (ko) 배터리의 soc와 soh 추정 정확도 평가 장치