KR20230123841A - 에너지 저장 장치의 수명 예측 장치 및 수명 예측 방법 - Google Patents

에너지 저장 장치의 수명 예측 장치 및 수명 예측 방법 Download PDF

Info

Publication number
KR20230123841A
KR20230123841A KR1020220021124A KR20220021124A KR20230123841A KR 20230123841 A KR20230123841 A KR 20230123841A KR 1020220021124 A KR1020220021124 A KR 1020220021124A KR 20220021124 A KR20220021124 A KR 20220021124A KR 20230123841 A KR20230123841 A KR 20230123841A
Authority
KR
South Korea
Prior art keywords
energy storage
storage device
operation information
data
life
Prior art date
Application number
KR1020220021124A
Other languages
English (en)
Inventor
김희연
최정현
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 KR1020220021124A priority Critical patent/KR20230123841A/ko
Publication of KR20230123841A publication Critical patent/KR20230123841A/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]
    • G01R31/392—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

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

본 문서에 개시된 일 실시예에 따른 에너지 저장 장치의 수명 예측 장치는 에너지 저장 장치와 관련된 기상 데이터를 획득하는 데이터 획득부, 및 상기 기상 데이터를 기초로 상기 에너지 저장 장치의 운영 정보를 예측하고, 상기 운영 정보에 기초하여 상기 에너지 저장 장치의 수명을 예측하는 컨트롤러를 포함할 수 있다.

Description

에너지 저장 장치의 수명 예측 장치 및 수명 예측 방법{APPARATUS AND METHOD FOR PREDICTING LIFE FOR ENERGY STORAGE APPARATUS}
본 문서에 개시된 실시예들은 에너지 저장 장치의 수명 예측 장치 및 수명 예측 방법에 관한 것이다.
최근 이차 전지에 대한 연구 개발이 활발히 이루어지고 있다. 여기서 이차 전지는 충방전이 가능한 전지로서, 종래의 Ni/Cd 배터리, Ni/MH 배터리 등과 최근의 리튬 이온 배터리를 모두 포함하는 의미이다. 이차 전지 중 리튬 이온 배터리는 종래의 Ni/Cd 배터리, Ni/MH 배터리 등에 비하여 에너지 밀도가 훨씬 높다는 장점이 있다. 또한, 리튬 이온 배터리는 소형, 경량으로 제작할 수 있어서 이동 기기의 전원으로 사용되며, 최근에는 전기 자동차의 전원으로 사용 범위가 확장되어 차세대 에너지 저장 매체로 주목을 받고 있다.
한편, 에너지 저장 시스템(ESS: Energy Storage System)은 생산된 전기를 배터리와 같은 저장 장치에 저장하였다가 전력이 필요할 때 공급하여 전력 사용의 효율성을 향상시키는 장치이다. 이러한 에너지 저장 시스템은 주변 환경에 따라 운영 조건 내지 운영 패턴에 변화가 발생할 수 있다. 그러나 일반적으로 에너지 저장 시스템의 수명을 산출함에 있어서 이러한 변화를 고려하지 않고 고객의 대표 운영 패턴만을 고려하여 수명을 예측하기에, 정확한 수명 예측이 어려운 문제가 있다.
본 문서에 개시된 실시예들의 일 목적은 에너지 저장 장치와 관련된 기상 데이터를 이용하여 에너지 저장 장치의 수명을 예측할 수 있는 수명 예측 장치 및 수명 예측 방법을 제공하는 데 있다.
본 문서에 개시된 실시예들의 일 목적은 에너지 저장 장치의 수명을 정확하게 예측할 수 있는 수명 예측 장치 및 수명 예측 방법을 제공하는 데 있다.
본 문서에 개시된 실시예들의 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재들로부터 당업자에게 명확하게 이해될 수 있을 것이다.
본 문서에 개시된 일 실시예에 따른 에너지 저장 장치의 수명 예측 장치는 에너지 저장 장치와 관련된 기상 데이터를 획득하는 데이터 획득부, 및 상기 기상 데이터를 기초로 상기 에너지 저장 장치의 운영 정보를 예측하고, 상기 운영 정보에 기초하여 상기 에너지 저장 장치의 수명을 예측하는 컨트롤러를 포함할 수 있다.
일 실시예에서, 상기 기상 데이터는 상기 에너지 저장 장치가 위치한 지역의 일조 시간 데이터 및 전운량 데이터 중 적어도 어느 하나를 포함할 수 있다.
일 실시예에서, 상기 운영 정보는 상기 에너지 저장 장치의 충전율을 포함할 수 있다.
일 실시예에서, 상기 기상 데이터와 상기 에너지 저장 장치의 운영 정보의 매핑 데이터를 저장하는 메모리를 더 포함할 수 있다.
일 실시예에서, 상기 컨트롤러는 상기 기상 데이터와 상기 매핑 데이터를 이용하여 상기 에너지 저장 장치의 운영 정보를 예측할 수 있다.
일 실시예에서, 상기 컨트롤러는 수명 예측 함수에 기반하여 상기 에너지 저장 장치의 수명을 예측할 수 있다.
일 실시예에서, 상기 컨트롤러는 상기 에너지 저장 장치의 운영 정보를 이용하여 상기 에너지 저장 장치의 운영 패턴을 생성할 수 있다.
일 실시예에서, 상기 컨트롤러는 상기 에너지 저장 장치의 운영 패턴에 기초하여 상기 에너지 저장 장치의 수명을 예측할 수 있다.
일 실시예에서, 상기 컨트롤러는 상기 에너지 저장 장치의 수명을 분기, 월 또는 일 단위로 예측할 수 있다.
본 문서에 개시된 일 실시예에 따른 에너지 저장 장치의 수명 예측 방법은 에너지 저장 장치와 관련된 기상 데이터를 획득하는 단계, 상기 기상 데이터를 기초로 상기 에너지 저장 장치의 운영 정보를 예측하는 단계, 및 상기 운영 정보에 기초하여 상기 에너지 저장 장치의 수명을 예측하는 단계를 포함할 수 있다.
본 문서에 개시된 일 실시예에 따른 에너지 저장 장치의 수명 예측 장치 및 수명 예측 방법은 에너지 저장 장치와 관련된 기상 데이터를 이용하여 에너지 저장 장치의 수명을 예측할 수 있다.
본 문서에 개시된 일 실시예에 따른 에너지 저장 장치의 수명 예측 장치 및 수명 예측 방법은 에너지 저장 장치의 수명을 정확하게 예측할 수 있다.
도 1은 본 문서에 개시된 일 실시예에 따른 에너지 저장 장치 및 에너지 저장 장치의 수명 예측 장치를 보여주는 도면이다.
도 2는 본 문서에 개시된 일 실시예에 따른 에너지 저장 장치의 수명 예측 장치를 보여주는 블록도이다.
도 3 및 도 4는 본 문서에 개시된 일 실시예에 따른 기상 데이터와 에너지 저장 장치의 운영 정보의 관계를 보여주는 그래프이다.
도 5은 본 문서에 개시된 일 실시예에 따른 기상 데이터와 에너지 저장 장치의 운영 정보를 계절에 따라 분석한 그래프이다.
도 6은 본 문서에 개시된 일 실시예에 따른 에너지 저장 장치의 계절 별 운영 패턴을 보여주는 도면이다.
도 7은 본 문서에 개시된 일 실시예에 따른 수명 예측 방법을 보여주는 흐름도이다.
도 8은 본 문서에 개시된 일 실시예에 따른 데이터 관리 장치 및 수명 예측 장치의 동작을 실행하기 위한 컴퓨팅 시스템을 보여주는 도면이다.
이하, 본 문서에 개시된 실시예들을 예시적인 도면을 통해 상세하게 설명한다. 각 도면의 구성요소들에 참조부호를 부가함에 있어서, 동일한 구성요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호를 가지도록 하고 있음에 유의해야 한다. 또한, 본 문서에 개시된 실시예를 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 문서에 개시된 실시예에 대한 이해를 방해한다고 판단되는 경우에는 그 상세한 설명은 생략한다.
본 문서에 개시된 실시예의 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 본질이나 차례 또는 순서 등이 한정되지 않는다. 또한, 다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 문서에 개시된 실시예들이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 가진 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
도 1은 본 문서에 개시된 일 실시예에 따른 에너지 저장 장치 및 에너지 저장 장치의 수명 예측 장치를 보여주는 도면이다.
도 1을 참조하면, 에너지 저장 장치(10)는 에너지를 저장할 수 있다. 예를 들어, 에너지 저장 장치(10)는 에너지 저장 시스템(Energy Storage System, ESS)을 포함할 수 있다. 에너지 저장 장치(10)는 다양한 에너지원을 통해 충전될 수 있다. 예를 들어, 에너지 저장 장치(10)는 태양광, 풍력, 지열, 태양열, 수력 등 다양한 에너지원을 통해 충전될 수 있다.
실시예에 따르면, 에너지 저장 장치(10)는 적어도 하나의 배터리 랙(미도시)을 포함할 수 있으며, 적어도 하나의 배터리 랙 각각은 적어도 하나의 배터리 셀을 포함할 수 있다. 실시예에 따르면, 적어도 하나의 배터리 셀 각각은 배터리 셀은 리튬이온(Li-ion) 전지, 리튬이온 폴리머(Li-ion polymer) 전지, 니켈 카드뮴(Ni-Cd) 전지, 니켈 수소(Ni-MH) 전지 등을 포함할 수 있으며, 이에 한정되지 않는다.
에너지 저장 장치의 수명 예측 장치(100, 이하에서 '수명 예측 장치'라 함)는 에너지 저장 장치(10)의 수명을 예측할 수 있다. 실시예에 따르면, 수명 예측 장치(100)는 에너지 저장 장치(10)로부터 에너지 저장 장치(10)의 운영과 관련된 다양한 정보들을 획득할 수 있다. 예를 들어, 수명 예측 장치(100)는 에너지 저장 장치(10)의 전압, 온도, 전류, 충전량, 휴지 시간, 충전율, 방전율, 가동 시간 등 운영과 관련된 다양한 정보들을 획득할 수 있다.
수명 예측 장치(100)는 기상 데이터를 기초로 에너지 저장 장치(10)의 운영 정보를 예측할 수 있다. 예를 들어, 에너지 저장 장치(10)의 운영 정보는 충전율을 포함할 수 있다. 실시예에 따르면, 수명 예측 장치(100)는 에너지 저장 장치(10)의 운영 정보를 이용하여 에너지 저장 장치(10)의 운영 패턴을 예측할 수 있다. 수명 예측 장치(100)는 예측된 에너지 저장 장치(10)의 운영 정보 및/또는 운영 패턴에 기초하여 에너지 저장 장치(10)의 수명을 예측할 수 있다.
따라서, 수명 예측 장치(100)는 에너지 저장 장치(10)의 실제 운영 환경에 따른 운영 정보 및/또는 운영 패턴을 정확히 예측할 수 있고, 나아가 에너지 저장 장치(10)의 수명을 정확하게 예측할 수 있다. 이는 이하의 도 2 내지 도 6을 참조하여 더욱 구체적으로 설명될 것이다.
한편, 도 1에서는 수명 예측 장치(100)가 에너지 저장 장치(10)와 독립적인 구성으로 도시되었으나, 이에 한정되는 것은 아니며, 수명 예측 장치(100)는 에너지 저장 장치(10)에 포함되어 구성될 수도 있다.
도 2는 본 문서에 개시된 일 실시예에 따른 에너지 저장 장치의 수명 예측 장치를 보여주는 블록도이다. 도 3 및 도 4는 본 문서에 개시된 일 실시예에 따른 기상 데이터와 에너지 저장 장치의 운영 정보의 관계를 보여주는 그래프이다. 도 5은 본 문서에 개시된 일 실시예에 따른 기상 데이터와 에너지 저장 장치의 운영 정보를 계절에 따라 분석한 그래프이다. 도 6은 본 문서에 개시된 일 실시예에 따른 에너지 저장 장치의 계절 별 운영 패턴을 보여주는 도면이다.
먼저 도 2를 참조하면, 수명 예측 장치(100)는 데이터 획득부(110) 및 컨트롤러(120)를 포함할 수 있다. 다양한 실시예들에 따르면, 수명 예측 장치(100)는 메모리(130)를 더 포함할 수 있다.
데이터 획득부(110)는 에너지 저장 장치(10)와 관련된 기상 데이터를 획득할 수 있다. 예를 들어, 에너지 저장 장치(10)와 관련된 기상 데이터는 에너지 저장 장치(10)가 위치한 지역 또는 에너지 저장 장치(10)가 사용되는 지역의 기상 데이터를 포함할 수 있다. 실시예에 따르면, 기상 데이터는 일조 시간(또는 일조량) 데이터 및 전운량 데이터 중 적어도 어느 하나를 포함할 수 있으나, 이에 한정되는 것은 아니다. 여기서, 전운량 데이터는 구름의 양 또는 하늘의 흐림 정도를 수치화한 데이터로 이해될 수 있다.
데이터 획득부(110)는 에너지 저장 장치(10)와 관련된 다양한 운영 정보를 획득할 수 있다. 실시예에 따르면, 운영 정보는 에너지 저장 장치(10)의 전압, 온도, 전류, 충전량, 휴지 시간, 충전율, 방전율, 가동 시간 등 운영과 관련된 다양한 정보들을 포함할 수 있다.
데이터 획득부(110)는 다양한 유선 또는 무선 통신 네트워크를 통해 에너지 저장 장치(10)와 관련된 기상 데이터를 획득할 수 있다. 예를 들어, 데이터 획득부(110)는 별도로 구비된 센서, 기상청 서버, 관리 서버 또는 다른 전자 장치로부터 기상 데이터를 획득할 수 있다. 데이터 획득부(110)는 획득된 기상 데이터 및/또는 에너지 저장 장치(10)와 관련된 다양한 운영 정보를 컨트롤러(120)에 전달할 수 있다.
컨트롤러(120)는 에너지 저장 장치(10)의 운영 정보를 관리할 수 있다. 실시예에 따르면, 컨트롤러(120)는 에너지 저장 장치(10)의 운영 정보를 예측할 수 있다. 예를 들어, 컨트롤러(120)는 기상 데이터를 기초로 에너지 저장 장치(10)의 운영 정보를 예측할 수 있으며, 실시예에 따르면 에너지 저장 장치(10)의 운영 정보는 충전율을 포함할 수 있다.
예를 들어 도 3을 참조하면, 에너지 저장 장치(10)가 위치한 지역의 일조 시간과 에너지 저장 장치(10)의 충전율은 대체로 비례 관계를 나타낼 수 있다. 즉, 일조 시간이 길어질수록 에너지 저장 장치(10)의 충전율은 대체로 증가할 수 있다.
또한, 도 4를 참조하면, 에너지 저장 장치(10)가 위치한 지역의 전운량과 에너지 저장 장치(10)의 충전율은 대체로 반비례 관계를 나타낼 수 있다. 즉, 전운량이 증가할수록 에너지 저장 장치(10)의 충전율은 대체로 감소할 수 있다. 예를 들어, 도 4에서는 전운량을 10분위로 변환하여 에너지 저장 장치(10)의 충전율과의 관계를 나타내었으나, 이에 한정되는 것은 아니다.
따라서, 에너지 저장 장치(10)가 위치한 지역의 일조 시간 데이터 및/또는 전운량 데이터를 획득하면, 이를 기초로 에너지 저장 장치(10)의 충전율을 예측할 수 있다.
또한, 실시예에 따르면, 컨트롤러(120)는 에너지 저장 장치(10)와 관련된 기상 데이터와 에너지 저장 장치(10)의 운영 정보를 매핑한 매핑 데이터를 이용하여 에너지 저장 장치(10)의 운영 정보를 예측할 수 있다. 예를 들어, 매핑 데이터는 에너지 저장 장치(10)가 위치한 지역의 시간 별 기상 데이터(ex. 일조 시간 데이터 및 전운량 데이터)와 이에 대응되는 에너지 저장 장치(10)의 운영 정보(ex. 충전율)를 매핑한 데이터를 포함할 수 있다. 실시예에 따르면, 매핑 데이터는 일조 시간 데이터 및 전운량 데이터를 에너지 저장 장치(10)의 충전율에 매핑시킨 매핑 테이블을 포함할 수 있으나, 이에 한정되는 것은 아니다.
따라서, 컨트롤러(120)는 에너지 저장 장치(10)와 관련된 현재 또는 미래의 기상 데이터와 매핑 데이터를 이용하여 에너지 저장 장치(10)의 운영 정보를 예측할 수 있다. 한편, 컨트롤러(120)는 매핑 데이터를 직접 생성할 수도 있고, 관리 서버나 외부 전자 장치로부터 획득할 수도 있다.
또한 도 5를 참조하면, 매핑 데이터는 에너지 저장 장치(10)와 관련된 계절 별(또는 분기 별) 기상 데이터와 에너지 저장 장치(10)의 운영 정보를 매핑한 데이터를 포함할 수 있다. 예를 들어, 매핑 데이터는 에너지 저장 장치(10)가 위치한 지역의 일조 시간 및 전운량에 따른 봄, 여름, 가을 및 겨울 각각의 에너지 저장 장치(10)의 충전율을 매핑한 데이터를 포함할 수 있다. 실시예에 따르면, 일조 시간은 각 계절에 대응되는 일 별 일조 시간들의 평균값에 기반하여 정의될 수 있고, 전운량은 각 계절에 대응되는 일 별 일조 시간의 평균값에 기반하여 정의될 수 있다.
나아가, 매핑 데이터는 에너지 저장 장치(10)와 관련된 월 별 또는 일 별 기상 데이터와 에너지 저장 장치(10)의 운영 정보를 매핑한 데이터를 포함할 수 있다. 컨트롤러(120)는 이와 같은 매핑 데이터를 이용하여 에너지 저장 장치(10)의 계절 별, 월 별, 일 별 운영 정보 및/또는 운영 패턴을 예측할 수 있다.
컨트롤러(120)는 에너지 저장 장치(120)의 운영 정보에 기반하여 운영 패턴을 예측할 수 있다. 실시예에 따르면, 컨트롤러(120)는 예측된 에너지 저장 장치(120)의 운영 정보(ex. 충전율)를 이용하여 에너지 저장 장치(10)의 운영 패턴을 예측할 수 있다. 예를 들어, 에너지 저장 장치(120)의 충전 시작 시간, 충전 종료 시간, 방전 시작 시간, 방전 종료 시간 및 방전율은 기 설정될 수 있다. 따라서, 에너지 저장 장치(120)의 충전율을 알면, 운영 패턴을 예측할 수 있다.
예를 들어, 도 6을 참조하면, 컨트롤러(120)는 계절 별로 에너지 저장 장치(10)의 운영 패턴을 예측할 수 있다. 여기서, 에너지 저장 장치(10)의 운영 패턴은 24시간을 기준으로 예측될 수 있으며, 도 6의 그래프에서 SOE(또는 충전량)이 증가하는 시간 구간의 기울기는 충전율을 의미할 수 있다.
실시예에 따르면, 컨트롤러(120)는 계절 별 에너지 저장 장치(10)의 충전율을 이용하여 에너지 저장 장치(10)의 계절 별 운영 패턴을 예측할 수 있다. 즉, 컨트롤러(120)는 에너지 저장 장치(10)의 충전 시작 시간, 충전 종료 시간, 방전 시작 시간, 방전 종료 시간 및 방전율과 에너지 저장 장치(10)의 계절 별로 예측된 충전율을 이용하여 에너지 저장 장치(10)의 운영 패턴을 예측할 수 있다. 여기서, 에너지 저장 장치(10)의 충전 시작 시간, 충전 종료 시간, 방전 시작 시간, 방전 종료 시간 및 방전율은 기설정된 값일 수 있다.
예를 들어, 겨울의 경우 다른 계절들과 대비하여 비슷한 길이의 충전 시간 구간(ex. 8시에서 약 13시 사이의 시간 구간)을 가지지만, 충전율이 다른 계절들 대비 상대적으로 낮으므로 SOE(또는 충전량)이 적을 수 있다. 이러한 결과는 계절 별 일조 시간 및/또는 전운량의 차이에서 기인할 수 있다. 따라서, 컨트롤러(120)는 에너지 저장 장치(10)와 관련된 기상 데이터를 이용하여 에너지 저장 장치(10)의 운영 정보 및 운영 패턴을 정확하게 예측할 수 있다.
컨트롤러(120)는 에너지 저장 장치(10)의 수명을 예측할 수 있다. 실시예에 따르면, 컨트롤러(120)는 에너지 저장 장치(10)의 예측된 운영 정보 및/또는 운영 패턴을 이용하여 에너지 저장 장치(10)의 수명을 예측할 수 있다. 예를 들어, 컨트롤러(120)는 에너지 저장 장치(10)의 예측된 충전율 및/또는 예측된 운영 패턴으로부터 획득된 충전량을 이용하여 에너지 저장 장치(10)의 수명을 예측할 수 있다. 실시예에 따르면, 컨트롤러(120)는 수명 예측 함수를 이용하여 에너지 저장 장치(10)의 수명을 예측할 수 있다. 예를 들어, 컨트롤러(120)는 에너지 저장 장치(10)의 예측된 충전율 및/또는 예측된 운영 패턴으로부터 획득된 충전량 등을 수명 예측 함수에 입력하고, 결과값으로서 에너지 저장 장치(10)의 수명을 산출할 수 있다.
컨트롤러(120)는 에너지 저장 장치(10)의 수명을 계절 별(또는 분기 별), 월 별 또는 일 별로 예측할 수 있다. 이는 컨트롤러(120)가 에너지 저장 장치(10)의 운영 정보 및/또는 운영 패턴을 계절 별(또는 분기 별), 월 별 또는 일 별로 예측함으로써 가능할 수 있다.
상술한 바와 같이, 컨트롤러(120)는 에너지 저장 장치(10)의 기상 데이터에 기초하여 에너지 저장 장치(10)의 운영 정보 및/또는 운영 패턴을 예측하고, 예측된 운영 정보 및/또는 운영 패턴에 기초하여 에너지 저장 장치(10)의 수명을 예측할 수 있다. 즉, 컨트롤러(120)는 에너지 저장 장치(10)가 운영되는 실제 환경을 고려하여 보다 정확한 운영 정보 및/또는 운영 패턴의 예측이 가능하므로, 이를 기반으로 에너지 저장 장치(10)의 수명을 정확하게 예측할 수 있다.
컨트롤러(120)는 에너지 저장 장치(10)의 동작을 관리할 수 있다. 예를 들어, 컨트롤러(120)는 에너지 저장 장치(10)의 충전 및 방전과 관련된 동작을 관리하거나, 휴지 구간을 관리할 수 있다. 또한, 컨트롤러(120)는 에너지 저장 장치(10)로부터 획득되는 다양한 운영 정보들을 가공하거나 처리할 수 있다.
메모리(130)는 에너지 저장 장치(10)와 관련된 기상 데이터 및 에너지 저장 장치(10)의 운영 정보를 매핑한 매핑 데이터를 저장할 수 있다. 또한, 실시예에 따르면, 메모리(130)는 에너지 저장 장치(10)의 운영과 관련된 다양한 정보들을 저장할 수 있다.
도 7은 본 문서에 개시된 일 실시예에 따른 수명 예측 방법을 보여주는 흐름도이다.
도 7을 참조하면, 본 문서에 개시된 일 실시예에 따른 본 문서에 개시된 일 실시예에 따른 수명 예측 방법은 에너지 저장 장치와 관련된 기상 데이터를 획득하는 단계(S110), 기상 데이터를 기초로 에너지 저장 장치의 운영 정보를 예측하는 단계(S120), 및 예측된 운영 정보에 기초하여 에너지 저장 장치의 수명을 예측하는 단계(S130)를 포함할 수 있다.
이하에서 상기 S110 단계 내지 S130 단계에 대해 도 2를 참조하여 더욱 구체적으로 설명한다.
S110 단계에서, 데이터 획득부(110)는 에너지 저장 장치(10)와 관련된 기상 데이터를 획득할 수 있다. 예를 들어, 에너지 저장 장치(10)와 관련된 기상 데이터는 에너지 저장 장치(10)가 위치한 지역의 기상 데이터를 포함할 수 있다. 실시예에 따르면, 기상 데이터는 일조 시간(또는 일조량) 데이터 및 전운량 데이터 중 적어도 어느 하나를 포함할 수 있다.
S120 단계에서, 컨트롤러(120)는 기상 데이터를 기초로 에너지 저장 장치(10)의 운영 정보를 예측할 수 있으며, 실시예에 따르면 에너지 저장 장치(10)의 운영 정보는 충전율을 포함할 수 있다. 컨트롤러(120)는 에너지 저장 장치(10)와 관련된 기상 데이터와 에너지 저장 장치(10)의 운영 정보를 매핑한 매핑 데이터를 이용하여 에너지 저장 장치(10)의 운영 정보를 예측할 수 있다.
S130 단계에서, 컨트롤러(120)는 예측된 운영 정보에 기초하여 에너지 저장 장치(10)의 수명을 예측할 수 있다. 예를 들어, 컨트롤러(120)는 수명 예측 함수를 이용하여 에너지 저장 장치(10)의 수명을 예측할 수 있다.
도 8은 본 문서에 개시된 일 실시예에 따른 데이터 관리 장치 및 수명 예측 장치의 동작을 실행하기 위한 컴퓨팅 시스템을 보여주는 도면이다.
도 8을 참조하면, 본 문서에 개시된 일 실시 예에 따른 컴퓨팅 시스템(200)은 MCU(210), 메모리(220), 입출력 I/F(230) 및 통신 I/F(240)를 포함할 수 있다.
MCU(210)는 메모리(220)에 저장되어 있는 각종 프로그램(예를 들면, 수명 예측 프로그램, 운영 패턴 예측 프로그램, 운영 정보 예측 프로그램 등)을 실행시키고, 이러한 프로그램들을 통해 에너지 저장 장치(10)의 운영 정보 및/또는 운영 패턴을 관리하거나, 에너지 저장 장치(10)의 수명을 예측하며, 전술한 도 1을 참조하여 설명한 수명 예측 장치(100)의 기능 및/또는 동작들을 수행하도록 하는 프로세서일 수 있다.
메모리(220)는 수명 예측 프로그램, 수명 예측 프로그램, 운영 패턴 예측 프로그램, 운영 정보 예측 프로그램 등을 저장할 수 있다. 또한, 메모리(220)는 에너지 저장 장치(10)의 다양한 운영 정보, 매핑 데이터를 저장할 수 있다.
이러한 메모리(220)는 필요에 따라서 복수 개 마련될 수도 있을 것이다. 메모리(220)는 휘발성 메모리일 수도 있으며 비휘발성 메모리일 수 있다. 휘발성 메모리로서의 메모리(220)는 RAM, DRAM, SRAM 등이 사용될 수 있다. 비휘발성 메모리로서의 메모리(220)는 ROM, PROM, EAROM, EPROM, EEPROM, 플래시 메모리 등이 사용될 수 있다. 상기 열거한 메모리(220)들의 예를 단지 예시일 뿐이며 이들 예로 한정되는 것은 아니다.
입출력 I/F(230)는, 키보드, 마우스, 터치 패널 등의 입력 장치(미도시)와 디스플레이(미도시) 등의 출력 장치와 MCU(210) 사이를 연결하여 데이터를 송수신할 수 있도록 하는 인터페이스를 제공할 수 있다.
통신 I/F(230)는 서버와 각종 데이터를 송수신할 수 있는 구성으로서, 유선 또는 무선 통신을 지원할 수 있는 각종 장치일 수 있다. 예를 들면, 통신 I/F(230)를 통해 별도로 마련된 외부 서버로부터 배터리 셀의 SOH 산출이나 밸런싱 대상의 판정을 위한 프로그램이나 각종 데이터 등을 송수신할 수 있다.
이상의 설명은 본 문서에 개시된 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 문서에 개시된 실시예들이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 문서에 개시된 실시예들의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다.
따라서, 본 문서에 개시된 실시예들은 본 문서에 개시된 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 문서에 개시된 기술 사상의 범위가 한정되는 것은 아니다. 본 문서에 개시된 기술 사상의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 문서의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
10: 에너지 저장 장치
100: 수명 예측 장치
110: 데이터 획득부
120: 컨트롤러
130: 메모리
200: 컴퓨팅 시스템
210: MCU
220: 메모리
230: 입출력 I/F
240: 통신 I/F

Claims (10)

  1. 에너지 저장 장치와 관련된 기상 데이터를 획득하는 데이터 획득부; 및
    상기 기상 데이터를 기초로 상기 에너지 저장 장치의 운영 정보를 예측하고, 상기 운영 정보에 기초하여 상기 에너지 저장 장치의 수명을 예측하는 컨트롤러를 포함하는 에너지 저장 장치의 수명 예측 장치.
  2. 제 1 항에 있어서,
    상기 기상 데이터는 상기 에너지 저장 장치가 위치한 지역의 일조 시간 데이터 및 전운량 데이터 중 적어도 어느 하나를 포함하는 것을 특징으로 하는 에너지 저장 장치의 수명 예측 장치.
  3. 제 1 항에 있어서,
    상기 운영 정보는 상기 에너지 저장 장치의 충전율을 포함하는 것을 특징으로 하는 에너지 저장 장치의 수명 예측 장치.
  4. 제 1 항에 있어서,
    상기 기상 데이터와 상기 에너지 저장 장치의 운영 정보의 매핑 데이터를 저장하는 메모리를 더 포함하는 것을 특징으로 하는 에너지 저장 장치의 수명 예측 장치.
  5. 제 4 항에 있어서,
    상기 컨트롤러는 상기 기상 데이터와 상기 매핑 데이터를 이용하여 상기 에너지 저장 장치의 운영 정보를 예측하는 것을 특징으로 하는 에너지 저장 장치의 수명 예측 장치.
  6. 제 1 항에 있어서,
    상기 컨트롤러는 수명 예측 함수에 기반하여 상기 에너지 저장 장치의 수명을 예측하는 것을 특징으로 하는 에너지 저장 장치의 수명 예측 장치.
  7. 제 1 항에 있어서,
    상기 컨트롤러는 상기 에너지 저장 장치의 운영 정보를 이용하여 상기 에너지 저장 장치의 운영 패턴을 생성하는 것을 특징으로 하는 에너지 저장 장치의 수명 예측 장치.
  8. 제 7 항에 있어서,
    상기 컨트롤러는 상기 에너지 저장 장치의 운영 패턴에 기초하여 상기 에너지 저장 장치의 수명을 예측하는 것을 특징으로 하는 에너지 저장 장치의 수명 예측 장치.
  9. 제 8 항에 있어서,
    상기 컨트롤러는 상기 에너지 저장 장치의 수명을 분기, 월 또는 일 단위로 예측하는 것을 특징으로 하는 에너지 저장 장치의 수명 예측 장치.
  10. 에너지 저장 장치와 관련된 기상 데이터를 획득하는 단계;
    상기 기상 데이터를 기초로 상기 에너지 저장 장치의 운영 정보를 예측하는 단계; 및
    상기 운영 정보에 기초하여 상기 에너지 저장 장치의 수명을 예측하는 단계를 포함하는 에너지 저장 장치의 수명 예측 방법.
KR1020220021124A 2022-02-17 2022-02-17 에너지 저장 장치의 수명 예측 장치 및 수명 예측 방법 KR20230123841A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020220021124A KR20230123841A (ko) 2022-02-17 2022-02-17 에너지 저장 장치의 수명 예측 장치 및 수명 예측 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220021124A KR20230123841A (ko) 2022-02-17 2022-02-17 에너지 저장 장치의 수명 예측 장치 및 수명 예측 방법

Publications (1)

Publication Number Publication Date
KR20230123841A true KR20230123841A (ko) 2023-08-24

Family

ID=87841511

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220021124A KR20230123841A (ko) 2022-02-17 2022-02-17 에너지 저장 장치의 수명 예측 장치 및 수명 예측 방법

Country Status (1)

Country Link
KR (1) KR20230123841A (ko)

Similar Documents

Publication Publication Date Title
McCormick et al. The effect of intermittent solar radiation on the performance of PV systems
Huang et al. Modeling and multi-objective optimization of a stand-alone PV-hydrogen-retired EV battery hybrid energy system
US11537091B2 (en) Multi-scale optimization framework for smart energy systems
Sharma et al. Cloudy computing: Leveraging weather forecasts in energy harvesting sensor systems
Ulleberg The importance of control strategies in PV–hydrogen systems
Bonkile et al. Power management control strategy using physics-based battery models in standalone PV-battery hybrid systems
Coppez et al. The importance of energy storage in renewable power generation: a review
Feng et al. Capacity fade-based energy management for lithium-ion batteries used in PV systems
KR102240556B1 (ko) 이종 신재생 에너지원이 결합된 발전원 운영 방법 및 장치
KR102064586B1 (ko) 에너지 저장 시스템의 충전 관리 방법
Alex et al. Minimizing the lead-acid battery bank capacity through a solar PV-Wind turbine hybrid system for a high-altitude village in the Nepal Himalayas
AU2019213393B2 (en) Off-grid electrical power system
CN117183803A (zh) 电动汽车充电控制方法、装置和计算机设备
KR20230123841A (ko) 에너지 저장 장치의 수명 예측 장치 및 수명 예측 방법
CN103763761A (zh) 太阳能基站能量供给的处理方法
CN108683211B (zh) 一种考虑分布式电源波动性的虚拟发电厂组合优化方法及模型
CN108988370A (zh) 电力系统中储能装置的容量确定方法、设备及存储介质
CN116054140A (zh) 一种利用可再生能源供电的优化方法及系统
Colantuono et al. PV with multiple storage as function of geolocation
Barzegar et al. Energy flexibility analysis for photovoltaic solar system with battery
Fish Design and modeling of hybrid microgrids in arctic environments
Li et al. Development of control strategy to increase the lifetime of grid-connected Li-ion battery
Zeljković et al. Probabilistic Techno-Economic Assessment of Wind-PV-Diesel-Battery Power Supplies for Mobile Telephony Base Stations
Maleki et al. Techno-economic analysis and optimal design of an off-grid hybrid pv/wind/diesel system with battery storage
Golub et al. Optimization of anoff-grid PV system in respect to the capacity shortage value