KR20240034051A - 배터리의 이상을 감지하는 전자 장치 및 이의 동작 방법 - Google Patents

배터리의 이상을 감지하는 전자 장치 및 이의 동작 방법 Download PDF

Info

Publication number
KR20240034051A
KR20240034051A KR1020220113110A KR20220113110A KR20240034051A KR 20240034051 A KR20240034051 A KR 20240034051A KR 1020220113110 A KR1020220113110 A KR 1020220113110A KR 20220113110 A KR20220113110 A KR 20220113110A KR 20240034051 A KR20240034051 A KR 20240034051A
Authority
KR
South Korea
Prior art keywords
data
state
input data
row
entries
Prior art date
Application number
KR1020220113110A
Other languages
English (en)
Inventor
최성욱
이현준
김금비
신재욱
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 KR1020220113110A priority Critical patent/KR20240034051A/ko
Priority to PCT/KR2023/011213 priority patent/WO2024053870A1/ko
Publication of KR20240034051A publication Critical patent/KR20240034051A/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]
    • 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
    • G01R31/3646—Constructional arrangements for indicating electrical conditions or variables, e.g. visual or audible indicators
    • 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]
    • G01R31/382—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]
    • G01R31/389—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
    • 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
    • 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

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

본 문서에서 개시되는 일 실시 예에 따른 전자 장치는, 감지 회로를 통해 입력 데이터를 획득하고, 입력 데이터의 열 벡터들 각각을 표준화함으로써, 입력 데이터에 대한 표준화 데이터를 획득하고, 표준화 데이터에 기초하여 판정 기준 데이터를 획득하고, 판정 기준 데이터의 행 벡터들 각각의 엔트리들이 나타내는 값들에 기초하여, M개의 배터리 셀들 각각의 제1 상태 이상 및/또는 제2 상태 이상을 판정할 수 있다. 제1 상태 이상은 학습 기반 모델에 기초하여 판정되고, 상기 제2 상태 이상은 학습 기반 모델 이외의 방식에 기초하여 판정될 수 있다.

Description

배터리의 이상을 감지하는 전자 장치 및 이의 동작 방법{ELECTRONIC DEVICE FOR DETECTING ABNORMALITY OF BATTERY AND OPERATING METHOD THEREOF}
본 문서에서 개시되는 실시 예들은, 배터리의 이상을 감지하는 전자 장치 및 이의 동작 방법에 관한 것이다.
제품 군에 따른 적용 용이성이 높고, 높은 에너지 밀도 등의 전기적 특성을 가지는 이차 전지는 휴대용 기기뿐만 아니라 전기적 구동원에 의하여 구동하는 전기차량(electric vehicle, EV) 또는 하이브리드 차량(hybrid electric vehicle, HEV) 등에 보편적으로 응용되고 있다.
현재 널리 사용되는 이차 전지의 종류에는 리튬 이온 전지, 리튬 폴리머 전지, 니켈 카드뮴 전지, 니켈 수소 전지, 니켈 아연 전지 등이 있다. 이러한 단위 이차 전지 셀, 즉, 단위 배터리 셀의 작동 전압은 약 2.5 내지 4.5 볼트(V)이다. 따라서, 이보다 더 높은 출력 전압이 요구될 경우, 복수 개의 배터리 셀을 직렬로 연결하여 배터리 팩을 구성하기도 한다. 또한, 배터리 팩에 요구되는 충방전 용량에 따라 다수의 배터리 셀을 병렬 연결하여 배터리 팩을 구성하기도 한다. 따라서, 상기 배터리 팩에 포함되는 배터리 셀의 개수는 요구되는 출력 전압 또는 충방전 용량에 따라 다양하게 설정될 수 있다.
배터리 팩에는 복수의 배터리 셀들이 직렬 및/또는 병렬 연결된 상태로 포함될 수 있다. 따라서, 복수의 배터리 셀들 중 이상 상태의 배터리 셀이 존재하더라도 배터리 셀의 이상을 감지하는 것은 용이하지 않을 수 있다.
이에 따라, 복수의 배터리 셀들 중 이상 상태의 배터리 셀을 감지하기 위한 방법이 요구될 수 있다.
본 문서에 개시된 실시예들의 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급되지 않은 또다른 기술적 과제들은 아래의 기재들로부터 당업자에게 명확하게 이해될 수 있을 것이다.
본 문서에서 개시되는 일 실시 예에 따른 전자 장치는, M개의 배터리 셀들을 포함하는 배터리 모듈, 상기 M은 2 이상의 정수이고, 상기 M개의 배터리 셀들 각각의 상태와 관련된 상태 값들을 획득하는 감지 회로, 및 프로세서를 포함하고, 상기 프로세서는, 상기 전자 장치가 상기 감지 회로를 통해 입력 데이터를 획득하고, 상기 입력 데이터는 MХN 행렬로 표현 가능하고, 상기 입력 데이터의 MХN개의 엔트리들은 상기 M개의 배터리 셀들 각각의 상태 값들을 나타내고, 상기 N은 상기 M개의 배터리 셀들 각각의 상기 상태 값들을 획득하기 위한 시간 주기들의 개수를 나타내고, 상기 입력 데이터의 열 벡터들 각각을 표준화함으로써, 상기 입력 데이터에 대한 표준화 데이터를 획득하고, 상기 열 벡터들 각각은 서로 동일한 단위 시간에 획득된 엔트리들로 구성되고, 상기 표준화 데이터에 기초하여 판정 기준 데이터를 획득하고, 상기 판정 기준 데이터의 행 벡터들 각각의 엔트리들이 나타내는 값들에 기초하여, 상기 M개의 배터리 셀들 각각의 제1 상태 이상 및/또는 제2 상태 이상을 판정하도록 하고, 상기 제1 상태 이상은 학습 기반 모델에 기초하여 판정되고, 상기 제2 상태 이상은 상기 학습 기반 모델 이외의 방식에 기초하여 판정될 수 있다.
일 실시 예에서, 상기 프로세서는 상기 판정 기준 데이터의 행 벡터들 중 기준 임계 표준화 점수 이하의 값을 적어도 하나 가지는 행 벡터를 식별하고, 상기 학습 기반 모델에 기반하여, 상기 식별된 행 벡터에 대한 출력 벡터를 획득하고, 상기 출력 벡터에 기초하여, 상기 식별된 행 벡터에 대응하는 배터리 셀의 상기 제1 상태 이상을 판정하도록 할 수 있다.
일 실시 예에서, 상기 프로세서는 상기 입력 데이터의 상기 행 벡터들 각각의 엔트리들의 오프셋을 제거하고, 상기 오프셋이 제거된 입력 데이터의 상기 열 벡터들 각각을 표준화함으로써 상기 표준화 데이터를 획득하도록 하고, 상기 오프셋은 상기 입력 데이터의 상기 행 벡터들 각각에 대해 설정되고, 상기 오프셋은 상기 입력 데이터의 상기 행 벡터들 각각의 엔트리들 중 첫 번째 엔트리의 값으로 설정될 수 있다.
일 실시 예에서, 상기 프로세서는 상기 입력 데이터의 상기 행 벡터들 각각의 엔트리들을 평탄화하고, 상기 평탄화된 입력 데이터의 상기 열 벡터들 각각을 표준화함으로써 상기 표준화 데이터를 획득하도록 할 수 있다.
일 실시 예에서, 상기 프로세서는 상기 표준화 데이터의 행 벡터들 각각의 구간 평균 값을 상기 판정 기준 데이터로서 획득하고, 상기 판정 기준 데이터의 상기 행 벡터들 각각의 상기 구간 평균 값들에 기초하여, 상기 M개의 배터리 셀들 각각의 상기 제1 상태 이상 및/또는 상기 제2 상태 이상을 판정하도록 하고, 상기 구간 평균 값들은 서로 다른 시간 구간들에 포함되는 상기 표준화 데이터의 상기 행 벡터들 각각의 엔트리들의 평균 값들이고, 상기 시간 구간들은 서로 중첩되지 않을 수 있다.
일 실시 예에서, 상기 프로세서는 상기 표준화 데이터의 행 벡터들 각각의 엔트리들의 변화량들을 상기 판정 기준 데이터로서 획득하고, 상기 판정 기준 데이터의 상기 행 벡터들 각각의 상기 엔트리들의 상기 변화량들에 기초하여, 상기 M개의 배터리 셀들 각각의 상기 제1 상태 이상 및/또는 상기 제2 상태 이상을 판정하도록 할 수 있다.
일 실시 예에서, 상기 프로세서는 상기 판정 기준 데이터의 상기 행 벡터들 각각의 상기 엔트리들의 합산 값을 식별하고, 상기 판정 기준 데이터의 상기 행 벡터들 중 임계 합산 값 이하인 상기 합산 값을 가지는 행 벡터를 식별하고, 상기 식별된 행 벡터에 대응하는 배터리 셀이 상기 제2 상태 이상인 것으로 판정하도록 할 수 있다.
일 실시 예에서, 상기 학습 기반 모델은 오토 인코더(auto encoder)이고, 상기 오토 인코더는 정상 배터리 셀들의 상태 값들에 기반하여 학습될 수 있다.
본 문서에서 개시되는 일 실시 예에 따른 전자 장치의 동작 방법은, 상기 전자 장치의 감지 회로를 통해 입력 데이터를 획득하는 동작, 상기 입력 데이터는 MХN 행렬로 표현 가능하고, 상기 입력 데이터의 MХN개의 엔트리들은 상기 전자 장치의 M개의 배터리 셀들 각각의 상태 값들을 나타내고, 상기 N은 상기 M개의 배터리 셀들 각각의 상기 상태 값들을 획득하기 위한 시간 주기들의 개수를 나타내고, 상기 입력 데이터의 열 벡터들 각각을 표준화함으로써, 상기 입력 데이터에 대한 표준화 데이터를 획득하는 동작, 상기 열 벡터들 각각은 서로 동일한 단위 시간에 획득된 엔트리들로 구성되고, 상기 표준화 데이터에 기초하여 판정 기준 데이터를 획득하는 동작, 및 상기 판정 기준 데이터의 행 벡터들 각각의 엔트리들이 나타내는 값들에 기초하여, 상기 M개의 배터리 셀들 각각의 제1 상태 이상 및/또는 제2 상태 이상을 판정하는 동작을 포함하고, 상기 제1 상태 이상은 학습 기반 모델에 기초하여 판정되고, 상기 제2 상태 이상은 상기 학습 기반 모델 이외의 방식에 기초하여 판정될 수 있다.
일 실시 예에서, 상기 제1 상태 이상 및/또는 제2 상태 이상을 판정하는 동작은, 상기 판정 기준 데이터의 행 벡터들 중 기준 임계 표준화 점수 이하의 값을 적어도 하나 가지는 행 벡터를 식별하는 동작, 상기 학습 기반 모델에 기반하여, 상기 식별된 행 벡터에 대한 출력 벡터를 획득하는 동작, 및 상기 출력 벡터에 기초하여, 상기 식별된 행 벡터에 대응하는 배터리 셀의 상기 제1 상태 이상을 판정하는 동작을 포함할 수 있다.
일 실시 예에서, 상기 표준화 데이터를 획득하는 동작은, 상기 입력 데이터의 상기 행 벡터들 각각의 엔트리들의 오프셋을 제거하는 동작, 및 상기 오프셋이 제거된 입력 데이터의 상기 열 벡터들 각각을 표준화함으로써 상기 표준화 데이터를 획득하는 동작을 포함하고, 상기 오프셋은 상기 입력 데이터의 상기 행 벡터들 각각에 대해 설정되고, 상기 오프셋은 상기 입력 데이터의 상기 행 벡터들 각각의 엔트리들 중 첫 번째 엔트리의 값으로 설정될 수 있다.
일 실시 예에서, 상기 표준화 데이터를 획득하는 동작은, 상기 입력 데이터의 상기 행 벡터들 각각의 엔트리들을 평탄화하는 동작, 및 상기 평탄화된 입력 데이터의 상기 열 벡터들 각각을 표준화함으로써 상기 표준화 데이터를 획득하는 동작을 포함할 수 있다.
일 실시 예에서, 상기 판정 기준 데이터를 획득하는 동작은, 상기 표준화 데이터의 행 벡터들 각각의 구간 평균 값을 상기 판정 기준 데이터로서 획득하는 동작을 포함하고, 상기 제1 상태 이상 및/또는 제2 상태 이상을 판정하는 동작은, 상기 판정 기준 데이터의 상기 행 벡터들 각각의 상기 구간 평균 값들에 기초하여, 상기 M개의 배터리 셀들 각각의 상기 제1 상태 이상 및/또는 상기 제2 상태 이상을 판정하는 동작을 포함하고, 상기 구간 평균 값들은 서로 다른 시간 구간들에 포함되는 상기 표준화 데이터의 상기 행 벡터들 각각의 엔트리들의 평균 값들이고, 상기 시간 구간들은 서로 중첩되지 않을 수 있다.
일 실시 예에서, 상기 판정 기준 데이터를 획득하는 동작은, 상기 표준화 데이터의 행 벡터들 각각의 엔트리들의 변화량들을 상기 판정 기준 데이터로서 획득하는 동작을 포함하고, 상기 제1 상태 이상 및/또는 제2 상태 이상을 판정하는 동작은, 상기 판정 기준 데이터의 상기 행 벡터들 각각의 상기 엔트리들의 상기 변화량들에 기초하여, 상기 M개의 배터리 셀들 각각의 상기 제1 상태 이상 및/또는 상기 제2 상태 이상을 판정하는 동작을 포함할 수 있다.
일 실시 예에서, 상기 제1 상태 이상 및/또는 제2 상태 이상을 판정하는 동작은, 상기 판정 기준 데이터의 상기 행 벡터들 각각의 상기 엔트리들의 합산 값을 식별하는 동작, 상기 판정 기준 데이터의 상기 행 벡터들 중 임계 합산 값 이하인 상기 합산 값을 가지는 행 벡터를 식별하는 동작, 및 상기 식별된 행 벡터에 대응하는 배터리 셀이 상기 제2 상태 이상인 것으로 판정하는 동작을 포함할 수 있다.
본 문서에 개시되는 다양한 실시 예들에 따른, 전자 장치 및 이의 동작 방법은 복수의 배터리 셀들 중 이상 상태의 배터리 셀을 감지할 수 있다.
본 문서의 개시에 따른 배터리의 이상을 감지하는 전자 장치 및 이의 동작 방법의 효과들은 이상에서 언급한 효과들로 제한되지 않으며, 언급되지 않은 또다른 효과들은 본 문서의 개시에 따라 당업자에게 명확하게 이해될 수 있을 것이다.
도 1은, 본 개시의 다양한 실시 예들에 따른 네트워크 환경 내의 전자 장치의 블록도이다.
도 2는, 본 개시의 일 실시 예에 따른 전자 장치의 동작을 나타내는 흐름도이다.
도 3은, 본 개시의 일 실시 예에 따른 전자 장치의 동작을 나타내는 흐름도이다.
도 4a는 입력 데이터를 예시한다.
도 4b는 평활화된 입력 데이터를 예시한다.
도 4c는 오프셋 제거된 입력 데이터를 예시한다.
도 4d는 오프셋 제거된 입력 데이터의 표준화 데이터를 예시한다.
도 4e는 오프셋 제거된 표준화 데이터를 예시한다. 도 4f는 표준화 데이터의 구간 평균 데이터를 예시한다.
도 4g는 구간 평균 데이터의 변화량 데이터를 예시한다.
도 5는, 본 개시의 일 실시 예에 따른 전자 장치의 동작을 나타내는 흐름도이다.
도 6은, 본 개시의 일 실시 예에 따른 전자 장치의 동작을 나타내는 흐름도이다.
도면의 설명과 관련하여, 동일 또는 유사한 구성요소에 대해서는 동일 또는 유사한 참조 부호가 사용될 수 있다.
이하, 본 발명의 실시 예들이 첨부된 도면을 참조하여 기재된다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 실시 예의 다양한 변경(modification), 균등물(equivalent), 및/또는 대체물(alternative)을 포함하는 것으로 이해되어야 한다.
본 문서의 실시 예들 및 이에 사용된 용어들은 본 문서에 기재된 기술적 특징들을 특정한 실시 예로 한정하려는 것이 아니며, 해당 실시예의 다양한 변경, 균등물, 또는 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 또는 관련된 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다. 아이템에 대응하는 명사의 단수 형은 관련된 문맥상 명백하게 다르게 지시하지 않는 한, 상기 아이템 한 개 또는 복수 개를 포함할 수 있다.
본 문서에서, "A 또는 B", "A 및 B 중 적어도 하나", "A 또는 B 중 적어도 하나", "A, B 또는 C", "A, B 및 C 중 적어도 하나", 및 "A, B, 또는 C 중 적어도 하나"와 같은 문구들 각각은 그 문구들 중 해당하는 문구에 함께 나열된 항목들 중 어느 하나, 또는 그들의 모든 가능한 조합을 포함할 수 있다. "제1", "제2", "첫째", "둘째", "A", "B", "(a)" 또는 "(b)"와 같은 용어들은 단순히 해당 구성요소를 다른 해당 구성요소와 구분하기 위해 사용될 수 있으며, 특별히 반대되는 기재가 없는 한, 해당 구성요소들을 다른 측면(예: 중요성 또는 순서)에서 한정하지 않는다.
본 문서에서, 어떤(예: 제1) 구성요소가 다른(예: 제2) 구성요소에, "기능적으로" 또는 "통신적으로"라는 용어와 함께 또는 이런 용어 없이, "연결", "결합" 또는 "접속"된다고 언급되거나 "커플드" 또는 "커넥티드"라고 언급된 경우, 그것은 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로(예: 유선으로, 또는 무선으로), 또는 간접적으로(예: 제3 구성요소를 통하여) 연결될 수 있다는 것을 의미한다.
본 문서에 개시된 다양한 실시 예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예: compact disc read only memory(CD-ROM))의 형태로 배포되거나, 또는 어플리케이션 스토어를 통해 또는 두 개의 사용자 장치들 간에 직접, 온라인으로 배포(예: 다운로드 또는 업로드)될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 기기로 읽을 수 있는 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.
본 문서에 개시된 실시 예들에 따르면, 상기 기술한 구성요소들의 각각의 구성요소(예: 모듈 또는 프로그램)는 단수 또는 복수의 개체를 포함할 수 있으며, 복수의 개체 중 일부는 다른 구성요소에 분리 배치될 수도 있다. 본 문서에 개시된 실시 예들에 따르면, 전술한 해당 구성요소들 중 하나 이상의 구성요소들 또는 동작들이 생략되거나, 또는 하나 이상의 다른 구성요소들 또는 동작들이 추가될 수 있다. 대체적으로 또는 추가적으로, 복수의 구성요소들(예: 모듈 또는 프로그램)은 하나의 구성요소로 통합될 수 있다. 이런 경우, 통합된 구성요소는 상기 복수의 구성요소들 각각의 구성요소의 하나 이상의 기능들을 상기 통합 이전에 상기 복수의 구성요소들 중 해당 구성요소에 의해 수행되는 것과 동일 또는 유사하게 수행할 수 있다. 본 문서에 개시된 실시 예들에 따르면, 모듈, 프로그램 또는 다른 구성요소에 의해 수행되는 동작들은 순차적으로, 병렬적으로, 반복적으로, 또는 휴리스틱하게 실행되거나, 상기 동작들 중 하나 이상이 다른 순서로 실행되거나, 생략되거나, 또는 하나 이상의 다른 동작들이 추가될 수 있다.
도 1은, 본 개시의 일 실시 예에 따른 전자 장치(101)의 블록도이다.
도 1을 참조하면, 전자 장치(101)는 배터리 모듈(110), 센서 회로(120), 통신 회로(130), 메모리(140), 및 프로세서(150)를 포함할 수 있다. 실시 예에 따라, 도 1에 도시된 전자 장치(101)의 구성 요소들 중 적어도 하나의 구성 요소(예: 배터리 모듈(110))는 다른 구성 요소로 대체(예: 복수의 배터리 모듈(110)을 포함하는 배터리 셀)될 제외될 수 있다. 실시 예에 따라, 도 1에 도시된 전자 장치(101)의 구성 요소들 중 적어도 하나의 구성 요소(예: 배터리 모듈(110))는 복수 개로 구성될 수 있다. 실시 예에 따라, 도 1에 도시된 전자 장치(101)의 구성 요소들 중 적어도 하나의 구성 요소(예: 센서 회로(120), 또는 통신 회로(130))는 전자 장치(101)에서 제외될 수 있다. 실시 예에 따라, 전자 장치(101)는 도 1에서 도시된 구성 요소들 이외의 적어도 하나의 구성 요소(예: 동력 장치(예: 모터), 디스플레이, 입력 장치, 또는 출력 장치)를 더 포함할 수 있다.
일 실시 예에서, 전자 장치(101)는 배터리 관리 시스템(battery management system, BMS)일 수 있다. 전자 장치(101)가 배터리 관리 시스템으로 구현되는 경우, 전자 장치(101)는 외부의 구성 요소(예: 모터)에게 배터리 모듈(110)의 전력을 공급할 수 있다.
일 실시 예에서, 전자 장치(101)는 배터리 교환 스테이션(battery swapping station, BSS)일 수 있다. 전자 장치(101)가 배터리 교환 스테이션으로 구현되는 경우, 전자 장치(101)는 복수의 배터리 모듈(110)들을 보관 및/또는 충전하기 위한 복수의 슬롯들을 포함할 수 있다.
일 실시 예에서, 배터리 모듈(110)은, 전자 장치(101)의 하나 이상의 구성 요소들에 전력을 공급할 수 있다. 일 실시 예에서, 배터리 모듈(110)은 전자 장치(101)에서 탈부착 가능할 수 있다.
일 실시 예에서, 배터리 모듈(110)은 하나 이상의 배터리 셀들(111, 113, 또는 115)을 포함할 수 있다. 하나 이상의 배터리 셀들(111, 113, 또는 115)은 전기적으로 서로 연결된 상태로 배터리 모듈(110)에 포함될 수 있다. 예를 들어, 하나 이상의 배터리 셀들(111, 113, 또는 115)이 서로 직렬 연결되거나, 및/또는 서로 병렬 연결될 수 있다. 실시 예에 따라, 하나 이상의 배터리 셀들(111, 113, 또는 115)은 전기적으로 분리된 상태로 배터리 모듈(110)에 포함될 수 있다.
일 실시 예에서, 센서 회로(120)는, 배터리 모듈(110)과 관련된 정보를 획득할 수 있다. 일 실시 예에서, 센서 회로(120)는, 하나 이상의 배터리 셀들(111, 113, 또는 115) 각각의 상태와 관련된 값들(또는, 정보)를 획득할 수 있다. 일 실시 예에서, 상태와 관련된 값들은 배터리 셀의 전압, 전류, 저항, 충전 상태(state of charge, SOC), 건강 상태(state of health, SOH), 또는 온도, 또는 이들의 조합에 대한 하나 이상의 값들을 나타낼 수 있다. 이하에서, 상태와 관련된 값은 '상태 값'으로 지칭될 수 있다.
일 실시 예에서, 센서 회로(120)는 하나 이상의 배터리 셀들(111, 113, 또는 115) 각각의 정보(예컨대, 상태 값들)를 프로세서(150)에게 제공할 수 있다.
일 실시 예에서, 통신 회로(130)는, 전자 장치(101)와 외부 전자 장치(102) 간의 유선 통신 채널 및/또는 무선 통신 채널을 수립하고, 수립된 통신 채널을 통해 외부 전자 장치(102)와 데이터를 송수신할 수 있다.
일 실시 예에서, 통신 회로(130)는, 적어도 하나의 무선 접속 기술(radio access technology, RAT)에 기반하여 통신을 수행할 수 있다. 일 실시 예에서, 통신 회로(130)는 적어도 하나의 RAT을 이용하여 외부 전자 장치(102)와 데이터를 송수신할 수 있다.
일 실시 예에서, 메모리(140)는 휘발성 메모리 및/또는 비휘발성 메모리를 포함할 수 있다.
일 실시 예에서, 메모리(140)는, 전자 장치(101)의 적어도 하나의 구성요소(예: 프로세서(150) 또는 센서 회로(120))에 의해 사용되는 데이터를 저장할 수 있다. 예를 들어, 데이터는 소프트웨어(또는, 이와 관련된 명령어(instruction)), 입력 데이터 또는 출력 데이터를 포함할 수 있다. 일 실시 예에서, 명령어는 프로세서(150)에 의해 실행 시 전자 장치(101)가 명령어에 의해 정의되는 동작들을 수행하게 할 수 있다.
일 실시 예에서, 프로세서(150)는 소프트웨어를 실행하여 프로세서(150)에 연결된 전자 장치(101)의 적어도 하나의 다른 구성 요소(예: 하드웨어 또는 소프트웨어 구성요소)를 제어할 수 있고, 다양한 데이터 처리 또는 연산을 수행할 수 있다.
이하에서는, 본 개시의 일 실시 예에 따른 전자 장치(101)가 배터리 모듈(110)에 포함된 하나 이상의 배터리 셀들(111, 113, 또는 115)의 이상을 판단하는 방법을 설명한다.
일 실시 예에서, 전자 장치(101)는 하나 이상의 배터리 셀들(111, 113, 또는 115) 각각의 상태 값들(예: 전압, 전류, 저항, 충전 상태, 건강 상태, 또는 온도와 관련된 하나 이상의 값들)을 획득할 수 있다. 일 실시 예에서, 전자 장치(101)는 지정된 시간 구간(예: 180 초(sec)) 동안 하나 이상의 배터리 셀들(111, 113, 또는 115) 각각의 상태 값들을 획득할 수 있다. 일 실시 예에서, 전자 장치(101)는 지정된 시간 구간 동안 지정된 시간 주기(예: 0.1 초)으로 하나 이상의 배터리 셀들(111, 113, 또는 115) 각각의 상태 값들을 획득할 수 있다. 예를 들어, 전자 장치(101)는 하나 이상의 배터리 셀들(111, 113, 또는 115) 각각의 전압 값들을 획득할 수 있다. 다른 예를 들어, 전자 장치(101)는 하나 이상의 배터리 셀들(111, 113, 또는 115) 각각의 전류 값들을 획득할 수 있다.
일 실시 예에서, 지정된 시간 구간 동안 지정된 시간 주기로 획득되는 하나 이상의 배터리 셀들(111, 113, 또는 115) 각각의 상태 값들은 '입력 데이터'로 지칭될 수 있다. 일 실시 예에서, 입력 데이터는 M개의 배터리 셀들(111, 113, 또는 115) 각각의 N개의 값들로 구성되는 행렬(예컨대, M×N 행렬)로 표현될 수 있다. 예를 들어, 입력 데이터는 M개의 배터리 셀들(111, 113, 또는 115) 각각의 N개의 전압 값들로 구성될 수 있다. 다른 예를 들어, 입력 데이터는 M개의 배터리 셀들(111, 113, 또는 115) 각각의 N개의 전류, 저항, 충전 상태, 건강 상태, 또는 온도 중 하나의 값들로 구성될 수 있다. 예를 들어, 입력 데이터의 엔트리들은 배터리 셀들(111, 113, 또는 115) 각각의 전압 값들을 나타낼 수 있다. 다른 예를 들어, 입력 데이터의 엔트리들은 배터리 셀들(111, 113, 또는 115) 각각의 저항, 충전 상태, 건강 상태, 또는 온도 중 하나에 대한 값들을 나타낼 수 있다. 여기에서, M은 배터리 셀들(111, 113, 또는 115)의 개수이고, N은 배터리 셀들(111, 113, 또는 115)의 상태 값들을 획득하기 위한 시간 주기들의 개수일 수 있다. 예컨대, 배터리 셀들(111, 113, 또는 115)의 개수의 100개이고, 지정된 시간 구간이 180 초이고, 지정된 시간 주기가 0.1 초인 경우, M은 100이고, N은 1800일 수 있다.
일 실시 예에서, 입력 데이터(Dinput)는 아래 수학식 1과 같이 표현될 수 있다.
수학식 1에서, 입력 데이터(Dinput)의 각각의 엔트리들(v1,1, ..., v1,N, 내지 vM,1, ..., vM,N)은 배터리 셀들(111, 113, 또는 115)의 상태 값들을 나타낼 수 있다. 입력 데이터(Dinput)의 각각의 열들(또는, 열 벡터들)은 동일한 시간 주기(또는, 센서 회로(120)의 센싱 시점)에 획득된 M개의 상태 값들을 나타낼 수 있다. 입력 데이터(Dinput)의 각각의 행들(또는, 행 벡터들)은 지정된 시간 구간 동안 배터리 셀들(111, 113, 또는 115) 각각으로부터 획득된 N개의 상태 값들을 나타낼 수 있다. 예컨대, 첫 번째 열 벡터의 엔트리들(v1,1, 내지 vM,1)은 첫 번째 시간 주기에 획득된 배터리 셀들(111, 113, 또는 115)의 상태 값들을 수 있다. 그리고 첫 번째 행 벡터의 엔트리들(v1,1, 내지 v1,N)은 지정된 시간 구간 동안 첫 번째 배터리 셀로부터 획득되는 상태 값들일 수 있다. 일 실시 예에서, 입력 데이터(Dinput)의 각각의 엔트리들(v1,1, ..., v1,N, 내지 vM,1, ..., vM,N)은 동일한 종류의 상태 값들을 나타낼 수 있다. 예를 들어, 엔트리들(v1,1, ..., v1,N, 내지 vM,1, ..., vM,N)은 전압, 전류, 저항, 충전 상태, 건강 상태, 또는 온도 중 하나의 유형의 상태 값들을 나타낼 수 있다.
일 실시 예에서, 전자 장치(101)는 입력 데이터에 기초하여 표준화 데이터를 획득할 수 있다. 일 실시 예에서, 임의 행렬 데이터에 대한 표준화 데이터는 임의 행렬 데이터의 열 벡터들 각각의 엔트리들 간의 표준화에 기초하여 획득될 수 있다. 일 실시 예에서, 표준화는 값들을 표준화 점수(또는, Z 점수)로 변환하는 것일 수 있다. 예를 들어, 표준화는 아래 수학식 2에 기초할 수 있다.
수학식 2에서 zi,j는 임의 행렬 데이터의 i번째 행 벡터의 j번째 엔트리의 표준화 점수일 수 있다. vi,j는 임의 행렬 데이터의 i번째 행 벡터의 j번째 엔트리의 값일 수 있다. mj는 임의 행렬 데이터의 j번째 열 벡터의 엔트리들의 평균일 수 있다. σj는 임의 행렬 데이터의 j번째 열 벡터의 엔트리들의 표준 편차일 수 있다. 여기에서, i는 1 이상 임의 행렬 데이터의 행의 개수 이하의 정수이고, j는 1 이상 임의 행렬 데이터의 열의 개수 이하의 정수일 수 있다.
일 실시 예에서, 전자 장치(101)는 표준화 데이터에 기초하여 배터리 셀들(111, 113, 또는 115)의 제1 상태 이상 및/또는 제2 상태 이상을 판정할 수 있다. 일 실시 예에서, 전자 장치(101)는 표준화 데이터에 기반하는 판정 기준 데이터를 이용하여 배터리 셀들(111, 113, 또는 115)의 제1 상태 이상 및/또는 제2 상태 이상을 판정할 수 있다. 일 실시 예에서, 판정 기준 데이터는 표준화 데이터 그 자체일 수 있다. 일 실시 예에서, 판정 기준 데이터는 표준화 데이터에 대한 데이터 처리(예: 오프셋 제거, 구간 평균, 변화량 획득 및/또는 연접(concatenate))가 수행된 데이터일 수 있다. 일 실시 예에서, 제1 상태 이상은 배터리 셀의 충전 시 배터리 셀의 순간 전압이 하강하는 상태 이상을 의미할 수 있다. 일 실시 예에서, 제2 상태 이상은 배터리 셀의 충전 시 배터리 셀의 전압의 기울기가 감소하는(또는, 낮은) 상태 이상을 의미할 수 있다. 일 실시 예에서, 제1 상태 이상은 학습 기반 모델에 기초하여 판정되고, 제2 상태 이상은 학습 기반 모델 이외의 방식(예컨대, 룰 기반 모델)에 기초하여 판정될 수 있다.
이하에서는, 전자 장치(101)가 배터리 셀들(111, 113, 또는 115)의 제1 상태 이상을 판정하는 동작을 설명한다.
일 실시 예에서, 전자 장치(101)는 판정 기준 데이터의 행 벡터들 각각의 엔트리들 중 기준 임계 표준화 점수 이하의 값을 가지는 엔트리를 포함하는 행 벡터를 식별할 수 있다. 실시 예에 따라, 전자 장치(101)는 판정 기준 데이터의 행 벡터들 각각의 엔트리들 중 기준 임계 표준화 점수 이상의 값을 가지는 엔트리를 포함하는 행 벡터를 식별할 수 있다. 실시 예에 따라, 전자 장치(101)는 판정 기준 데이터의 행 벡터들 각각의 엔트리들 중 기준 임계 표준화 점수 범위를 벗어나는 값을 가지는 엔트리를 포함하는 행 벡터를 식별할 수 있다. 일 실시 예에서, 기준 임계 표준화 점수는 제1 상태 이상의 가능성이 있는 후보를 추출하기 위해 실험적으로 결정된 점수일 수 있다. 이하에서는, 전자 장치(101)가 판정 기준 데이터의 행 벡터들 각각의 엔트리들 중 기준 임계 표준화 점수 이하의 값을 가지는 엔트리를 포함하는 행 벡터를 식별하는 것으로 예시한다.
일 실시 예에서, 전자 장치(101)는 판정 기준 데이터의 행 벡터들에 기초하여, 학습 기반 모델의 출력 벡터들을 획득할 수 있다. 일 실시 예에서, 전자 장치(101)는 학습 기반 모델에 기초하여 기준 임계 표준화 점수 이하의 값을 가지는 엔트리를 포함하는 행 벡터에 대한 출력 벡터를 획득할 수 있다. 일 실시 예에서, 학습 기반 모델은 오토 인코더일 수 있다. 일 실시 예에서, 오토 인코더는 정상 거동에 따른 판정 기준 데이터를 복원(reconstruct)하도록 학습된 인공 신경망일 수 있다. 일 실시 예에서, 오토 인코더는 비지도(unsupervised) 방식으로 학습된 인공 신경망일 수 있다. 일 실시 예에서, 오토 인코더는 인코더 및 디코더를 포함할 수 있다. 일 실시 예에서, 오토 인코더의 인코더는 입력을 낮은 차원으로 압축하고, 오토 인코더의 디코더는 오토 인코더의 압축된 출력을 이전의 차원으로 복원할 수 있다. 이에 따라, 오토 인코더의 입력과 출력은 동일한 차원을 가지며, 오토 인코더의 출력은 오토 인코더의 입력에서 복원 오차(또는, 복원 손실)을 포함한 형태를 가질 수 있다.
일 실시 예에서, 전자 장치(101)는 학습 기반 모델의 출력 벡터에 기초하여 배터리 셀의 제1 상태 이상을 판정할 수 있다. 일 실시 예에서, 전자 장치(101)는 오토 인코더의 복원 오차에 기초하여 배터리 셀의 제1 상태 이상을 판정할 수 있다. 일 실시 예에서, 임의 행 벡터에 대한 복원 오차는 임의 행 벡터에서 임의 행 벡터에 대한 출력 벡터를 뺀 벡터의 RMS(root mean square) 값일 수 있다.
일 실시 예에서, 전자 장치(101)는 판정 기준 데이터의 행 벡터들 중 복원 오차가 지정된 기준 복원 오차를 초과하는 행 벡터를 식별할 수 있다. 일 실시 예에서, 전자 장치(101)는 기준 복원 오차를 초과하는 행 벡터와 관련된 배터리 셀이 제1 상태 이상인 것으로 판정할 수 있다. 일 실시 예에서, 기준 복원 오차는 제1 상태 이상을 판별하기 위해 실험적으로 결정된 오차일 수 있다.
이하에서는, 전자 장치(101)가 배터리 셀들(111, 113, 또는 115)의 제2 상태 이상을 판정하는 동작을 설명한다.
일 실시 예에서, 전자 장치(101)는 판정 기준 데이터의 행 벡터들 각각의 엔트리들의 합산 값에 기초하여, 배터리 셀들(111, 113, 또는 115)의 제2 상태 이상을 판정할 수 있다. 일 실시 예에서, 전자 장치(101)는 행 벡터들 중 합산 값이 지정된 기준 합산 값 이하인 행 벡터를 식별할 수 있다. 실시 예에 따라, 전자 장치(101)는 행 벡터들 중 합산 값이 지정된 기준 합산 값 이상인 행 벡터를 식별할 수 있다. 실시 예에 따라, 전자 장치(101)는 행 벡터들 중 합산 값이 지정된 기준 합산 범위를 벗어나는 행 벡터를 식별할 수 있다. 이하에서는, 전자 장치(101)가 행 벡터들 중 합산 값이 지정된 기준 합산 값 이상인 행 벡터를 식별하는 것으로 예시한다. 일 실시 예에서, 기준 합산 값은 제2 상태 이상을 판별하기 위해 실험적으로 결정된 값일 수 있다.
일 실시 예에서, 전자 장치(101)는 합산 값이 지정된 기준 합산 값 이하인 행 벡터와 관련된 배터리 셀이 제2 상태 이상인 것으로 판정할 수 있다.
일 실시 예에서, 전자 장치(101)는 상태 이상이 존재하는 배터리 셀이 확인되는 경우, 출력 장치(또는, 디스플레이, 통신 회로(130))를 통해 사용자에게 알림을 제공할 수 있다. 일 실시 예에서, 사용자에게 제공되는 알림은 배터리 셀의 이상을 확인하라는 통지, 배터리 셀을 교체하라는 통지, 또는 이들의 조합을 포함할 수 있다.
도 1에서는, 전자 장치(101)가 입력 데이터의 표준화 데이터를 획득하고, 표준화 데이터의 판정 기준 데이터에 기초하여 제1 상태 이상 및/또는 제2 상태 이상을 판정하는 것으로 예시하였으나, 이는 예시일 뿐이다. 실시 예에 따라, 전자 장치(101)는 입력 데이터를 가공하기 위한 처리를 수행하고, 처리된 입력 데이터의 표준화 데이터에 기초하여 제1 상태 이상 및/또는 제2 상태 이상을 판정할 수 있다. 또한, 전자 장치(101)는 입력 데이터의 표준화 데이터를 가공하기 위한 처리를 수행하고, 처리된 표준화 데이터(또는, 판정 기준 데이터)에 기초하여 제1 상태 이상 및/또는 제2 상태 이상을 판정할 수 있다. 실시 예에 따라, 입력 데이터의 가공 및/또는 표준화 데이터의 가공이 선택적으로 수행될 수 있다.
이하에서는, 본 개시의 일 실시 예에 따른 전자 장치(101)가 입력 데이터를 가공하는 예들을 설명한다.
일 실시 예에서, 전자 장치(101)는 입력 데이터의 평활화(smoothing) 데이터(또는, 이동 평균 데이터)를 획득할 수 있다. 일 실시 예에서, 임의 행렬 데이터에 대한 평활화는 임의 행렬 데이터의 행 벡터들 각각의 엔트리들 사이에서 수행되는 것일 수 있다. 예를 들어, 임의 행렬 데이터에 대한 평활화는 아래 수학식 3에 기초하여 수행될 수 있다.
수학식 3에서, vsi,j는 임의 행렬 데이터의 i번째 행 벡터의 j번째 엔트리의 평활화된 값일 수 있다. d는 평활화에 이용되는 엔트리들 중 j번째 엔트리로부터 가장 멀리 떨어진 엔트리와의 거리를 나타낼 수 있다. k는 j-d 이상 j+d 이하의 정수일 수 있다. αk는 k번째 엔트리에 적용되는 가중치일 수 있다. vi,k는 i번째 행의 k번째 엔트리의 값일 수 있다. 임의 행렬 데이터의 i번째 행 벡터의 j번째 엔트리의 평활화에 이용되는 가중치들의 합은 1일 수 있다. 임의 행렬 데이터의 i번째 행 벡터의 j번째 엔트리의 평활화에 이용되는 가중치들이 서로 동일한 경우, 평활화는 이동 평균일 수 있다.
일 실시 예에서, 전자 장치(101)는 입력 데이터의 평활화 데이터(또는, 이동 평균 데이터)를 획득하고, 획득된 평활화 데이터(또는, 이동 평균 데이터)의 표준화 데이터를 획득하고, 표준화 데이터에 기초하여 제1 상태 이상 및/또는 제2 상태 이상을 판정할 수 있다.
일 실시 예에서, 전자 장치(101)는 입력 데이터에서 오프셋이 제거된 데이터를 획득할 수 있다. 일 실시 예에서, 임의 행렬 데이터의 오프셋은 임의 행렬 데이터의 행 벡터들 각각마다 설정될 수 있다. 일 실시 예에서, 임의 행렬 데이터에 대한 오프셋은 임의 행렬 데이터의 행 벡터들 각각의 엔트리들 중 첫 번째 엔트리의 값일 수 있다. 일 실시 예에서, 임의 행렬 데이터에 대한 오프셋 제거는 임의 행렬 데이터의 행 벡터들 각각의 엔트리들에서 행 벡터들 각각의 오프셋을 빼주는 것일 수 있다.
일 실시 예에서, 전자 장치(101)는 입력 데이터의 오프셋이 제거된 데이터를 획득하고, 획득된 오프셋이 제거된 데이터의 표준화 데이터를 획득하고, 표준화 데이터에 기초하여 제1 상태 이상 및/또는 제2 상태 이상을 판정할 수 있다.
일 실시 예에서, 전자 장치(101)는 입력 데이터에 대해 오프셋 제거 및 평활화를 순차적으로 수행할 수 있다. 일 실시 예에서, 전자 장치(101)는 오프셋 제거 및 평활화를 순차적으로 수행함으로써 획득된 데이터의 표준화 데이터를 획득하고, 표준화 데이터에 기초하여 제1 상태 이상 및/또는 제2 상태 이상을 판정할 수 있다. 실시 예에 따라, 입력 데이터에 대한 오프셋 제거가 먼저 수행된 후 평활화가 수행되거나, 또는 입력 데이터에 대한 평활화가 먼저 수행된 후 오프셋 제거가 수행될 수 있다.
이하에서는, 본 개시의 일 실시 예에 따른 전자 장치(101)가 표준화 데이터를 가공하여 판정 기준 데이터를 획득하는 예들을 설명한다. 이하에서 설명되는 표준화 데이터는 입력 데이터의 표준화 데이터, 평활화된 입력 데이터의 표준화 데이터, 오프셋이 제거된 입력 데이터의 표준화 데이터, 또는 평활화되고 오프셋이 제거된 입력 데이터의 표준화 데이터일 수 있다.
일 실시 예에서, 전자 장치(101)는 표준화 데이터의 오프셋을 제거함으로써, 판정 기준 데이터를 획득할 수 있다. 일 실시 예에서, 전자 장치(101)는 오프셋이 제거된 표준화 데이터(즉, 판정 기준 데이터)에 기초하여 제1 상태 이상 및/또는 제2 상태 이상을 판정할 수 있다.
일 실시 예에서, 전자 장치(101)는 표준화 데이터의 구간 평균 데이터를 판정 기준 데이터로서 획득할 수 있다. 일 실시 예에서, 구간 평균은 임의 행렬 데이터의 행 벡터들 각각의 엔트리들을 지정된 시간 간격(interval)(예: 18 초)들마다 평균한 것일 수 있다. 일 실시 예에서, 시간 간격들은 서로 중첩되지 않을 수 있다. 예를 들어, 지정된 시간 간격이 18 초이고, 지정된 시간 구간이 180 초이고, 지정된 시간 주기가 0.1 초인 경우, 구간 평균 데이터의 열의 개수는 10개이고, 구간 평균 데이터의 열들은 표준화 데이터의 180개의 열들의 평균을 나타낼 수 있다.
일 실시 예에서, 전자 장치(101)는 구간 평균 데이터(즉, 판정 기준 데이터)에 기초하여 제1 상태 이상 및/또는 제2 상태 이상을 판정할 수 있다.
일 실시 예에서, 전자 장치(101)는 표준화 데이터의 변화량 데이터를 판정 기준 데이터로서 획득할 수 있다. 일 실시 예에서, 변화량은 임의 행렬 데이터의 행 벡터들 각각의 서로 이웃한 엔트리들 간의 차이 값일 수 있다. 예를 들어, 임의 엔트리의 변화량은 임의 엔트리의 값에서 임의 엔트리 이전의 엔트리의 값을 빼준 값일 수 있다.
일 실시 예에서, 전자 장치(101)는 변화량 데이터(즉, 판정 기준 데이터)에 기초하여 제1 상태 이상 및/또는 제2 상태 이상을 판정할 수 있다.
일 실시 예에서, 전자 장치(101)는 표준화 데이터의 연접 데이터를 판정 기준 데이터로서 획득할 수 있다. 일 실시 예에서, 임의 행렬 데이터의 연접은 임의 행렬 데이터와 다른 행렬 데이터를 열 방향으로 연접한 것일 수 있다. 일 실시 예에서, 임의 행렬 데이터의 연접은 첫 번째 열을 제외한 임의 행렬 데이터, 임의 행렬 데이터의 첫 번째 열, 및 임의 행렬 데이터의 마지막 번째 열을 순차적으로 연접한 것일 수 있다. 일 실시 예에서, 전자 장치(101)는 연접 데이터(즉, 판정 기준 데이터)에 기초하여 제1 상태 이상 및/또는 제2 상태 이상을 판정할 수 있다.
일 실시 예에서, 전자 장치(101)는 표준화 데이터에 대해 오프셋 제거, 구간 평균, 변화량 획득 및 연접을 순차적으로 수행함으로써, 판정 기준 데이터를 획득할 수 있다. 일 실시 예에서, 전자 장치(101)는 표준화 데이터에 대해 오프셋 제거, 구간 평균, 변화량 획득 및 연접을 순차적으로 수행함으로써 획득된 판정 기준 데이터에 기초하여 제1 상태 이상 및/또는 제2 상태 이상을 판정할 수 있다. 표준화 데이터에 대한 오프셋 제거, 구간 평균, 변화량 획득 및 연접 간의 처리 순서는 실시 예들마다 다르게 설정될 수 있다.
도 2는, 본 개시의 일 실시 예에 따른 전자 장치의 동작을 나타내는 흐름도이다. 도 2의 동작들은 도 1의 전자 장치(101)에 의해 수행될 수 있다.
도 2를 참조하면, 동작 210에서, 전자 장치(101)는 입력 데이터를 획득할 수 있다. 일 실시 예에서, 입력 데이터는 지정된 시간 구간 동안 지정된 시간 주기로 획득되는 하나 이상의 배터리 셀들(111, 113, 또는 115) 각각의 상태 값들을 포함할 수 있다. 일 실시 예에서, 입력 데이터는 M개의 배터리 셀들(111, 113, 또는 115) 각각의 N개의 값들로 구성되는 행렬(예컨대, M×N 행렬)로 표현될 수 있다. 예를 들어, 입력 데이터의 엔트리들은 배터리 셀들(111, 113, 또는 115) 각각의 전압 값들을 나타낼 수 있다. 다른 예를 들어, 입력 데이터의 엔트리들은 배터리 셀들(111, 113, 또는 115) 각각의 저항, 충전 상태, 건강 상태, 또는 온도 중 하나에 대한 값들을 나타낼 수 있다. 여기에서, M은 배터리 셀들(111, 113, 또는 115)의 개수이고, N은 배터리 셀들(111, 113, 또는 115)의 상태 값들을 획득하기 위한 시간 주기들의 개수일 수 있다.
동작 220에서, 전자 장치(101)는 표준화 데이터를 획득할 수 있다. 일 실시 예에서, 표준화 데이터는 입력 데이터의 열 벡터들 각각의 엔트리들 간에 표준화된 데이터일 수 있다.
동작 225에서, 전자 장치(101)는 표준화 데이터에 기반하는 판정 기준 데이터를 획득할 수 있다. 일 실시 예에서, 판정 기준 데이터는 표준화 데이터 그 자체일 수 있다. 일 실시 예에서, 판정 기준 데이터는 표준화 데이터에 대한 데이터 처리(예: 오프셋 제거, 구간 평균, 변화량 획득 및/또는 연접)가 수행된 데이터일 수 있다.
동작 230에서, 전자 장치(101)는 제1 상태 이상을 판단할 수 있다. 일 실시 예에서, 전자 장치(101)는 판정 기준 데이터의 행 벡터들에 기초하여, 학습 기반 모델의 출력 벡터들을 획득할 수 있다. 일 실시 예에서, 전자 장치(101)는 학습 기반 모델의 출력 벡터에 기초하여 배터리 셀의 제1 상태 이상을 판정할 수 있다.
일 실시 예에서, 전자 장치(101)는 오토 인코더의 복원 오차에 기초하여 배터리 셀의 제1 상태 이상을 판정할 수 있다. 일 실시 예에서, 임의 행 벡터에 대한 복원 오차는 임의 행 벡터에서 임의 행 벡터에 대한 출력 벡터를 뺀 벡터의 RMS 값일 수 있다.
일 실시 예에서, 전자 장치(101)는 판정 기준 데이터의 행 벡터들 중 복원 오차가 지정된 기준 복원 오차를 초과하는 행 벡터를 식별할 수 있다. 일 실시 예에서, 전자 장치(101)는 기준 복원 오차를 초과하는 행 벡터와 관련된 배터리 셀이 제1 상태 이상인 것으로 판정할 수 있다.
동작 240에서, 전자 장치(101)는 제2 상태 이상을 판단할 수 있다. 일 실시 예에서, 전자 장치(101)는 판정 기준 데이터의 행 벡터들 각각의 엔트리들의 합산 값에 기초하여, 배터리 셀들(111, 113, 또는 115)의 제2 상태 이상을 판판할 수 있다. 일 실시 예에서, 전자 장치(101)는 행 벡터들 중 합산 값이 지정된 기준 합산 값 이하인 행 벡터를 식별할 수 있다. 일 실시 예에서, 전자 장치(101)는 합산 값이 지정된 기준 합산 값 이하인 행 벡터와 관련된 배터리 셀이 제2 상태 이상인 것으로 판정할 수 있다.
도 2에서는, 전자 장치(101)가 입력 데이터의 표준화 데이터를 획득하고, 표준화 데이터의 판정 기준 데이터에 기초하여 제1 상태 이상 및/또는 제2 상태 이상을 판정하는 것으로 예시하였으나, 이는 예시일 뿐이다. 실시 예에 따라, 전자 장치(101)는 입력 데이터를 가공하기 위한 처리를 수행하고, 처리된 입력 데이터의 표준화 데이터에 기초하여 제1 상태 이상 및/또는 제2 상태 이상을 판정할 수 있다. 또한, 전자 장치(101)는 입력 데이터의 표준화 데이터를 가공하기 위한 처리를 수행함으로써 획득되는 판정 기준 데이터에 기초하여 제1 상태 이상 및/또는 제2 상태 이상을 판정할 수 있다. 실시 예에 따라, 입력 데이터의 가공 및/또는 표준화 데이터의 가공이 선택적으로 수행될 수 있다.
일 실시 예에서, 전자 장치(101)가 입력 데이터를 가공하는 방법으로는 입력 데이터에 대한 오프셋 제거 및 입력 데이터에 대한 평활화를 포함할 수 있다. 일 실시 예에서, 전자 장치(101)가 표준화 데이터를 가공하여 판정 기준 데이터를 획득하는 방법으로는 표준화 데이터에 대한 오프셋 제거, 표준화 데이터에 대한 구간 평균 및 표준화 데이터에 대한 변화량 획득을 포함할 수 있다.
도 2에서는 동작 230과 동작 240이 모두 수행되는 것으로 도시되어 있으나, 이는 예시일 뿐이다. 실시 예에 따라, 동작 230과 동작 240은 선택적으로 수행될 수 있다. 어떤 실시 예에서는, 동작 230 및 동작 240 중 어느 한 동작은 수행되지 않을 수 있다. 예를 들어, 전자 장치(101)는 제1 상태 이상만을 판단하기 위해, 동작 230을 수행하고, 동작 240을 수행하지 않을 수 있다. 다른 예를 들어, 전자 장치(101)는 제2 상태 이상만을 판단하기 위해, 동작 240을 수행하고, 동작 230을 수행하지 않을 수 있다.
도 3은, 본 개시의 일 실시 예에 따른 전자 장치의 동작을 나타내는 흐름도이다. 도 4a는 입력 데이터를 예시한다. 도 4b는 평활화된 입력 데이터를 예시한다. 도 4c는 오프셋 제거된 입력 데이터를 예시한다. 도 4d는 오프셋 제거된 입력 데이터의 표준화 데이터를 예시한다. 도 4e는 오프셋 제거된 표준화 데이터를 예시한다. 도 4f는 표준화 데이터의 구간 평균 데이터를 예시한다. 도 4g는 구간 평균 데이터의 변화량 데이터를 예시한다. 도 3의 동작 310, 320 및 330은 도 2의 동작 220에 포함될 수 있다. 도 3의 동작 340, 350 및 360은 도 2의 동작 225에 포함될 수 있다. 도 3의 동작들은 도 1의 전자 장치(101)에 의해 수행될 수 있다. 일 실시 예에서, 도 4g의 변화량 데이터는 도 3의 동작들에 따라 획득되는 판정 기준 데이터로 이해될 수 있다.
도 3을 참조하면, 동작 310에서, 전자 장치(101)는 입력 데이터에 대해 평활화를 수행할 수 있다.
일 실시 예에서, 입력 데이터는 지정된 시간 구간 동안 지정된 시간 주기로 획득되는 하나 이상의 배터리 셀들(111, 113, 또는 115) 각각의 상태 값들을 포함할 수 있다. 일 실시 예에서, 입력 데이터는 M개의 배터리 셀들(111, 113, 또는 115) 각각의 N개의 값들로 구성되는 행렬(예컨대, M×N 행렬)로 표현될 수 있다. 일 실시 예에서, 상태 값들은 전압, 전류, 저항, 충전 상태, 건강 상태, 또는 온도와 관련된 하나 이상의 값들일 수 있다.
도 4a를 참조하면, 그래프(401)는 입력 데이터(410)를 나타낼 수 있다. 입력 데이터(410)는 180초의 시간 구간 동안 획득되는 M개의 배터리 셀들(111, 113, 또는 115) 각각의 전압 값들일 수 있다.
일 실시 예에서, 입력 데이터(410)에 대한 평활화는 입력 데이터의 행 벡터들 각각의 엔트리들 사이에서 수행되는 것일 수 있다. 예를 들어, 입력 데이터(410)에 대한 평활화는 상기 수학식 3에 기초하여 수행될 수 있다.
도 4b를 참조하면, 그래프(402)는 평활화된 입력 데이터(420)를 나타낼 수 있다. 그래프(401)와 비교하여, 그래프(402)에서는 평활화에 의해 입력 데이터(420)의 노이즈가 감소된 것을 알 수 있다.
동작 320에서, 전자 장치(101)는 평활화된 입력 데이터(420)의 오프셋을 제거할 수 있다. 일 실시 예에서, 평활화된 입력 데이터(420)의 오프셋은 평활화된 입력 데이터(420)의 행 벡터들 각각마다 설정될 수 있다. 일 실시 예에서, 평활화된 입력 데이터(420)에 대한 오프셋은 평활화된 입력 데이터(420)의 행 벡터들 각각의 엔트리들 중 첫 번째 엔트리의 값일 수 있다. 일 실시 예에서, 평활화된 입력 데이터(420)에 대한 오프셋 제거는 평활화된 입력 데이터(420)의 행 벡터들 각각의 엔트리들에서 행 벡터들 각각의 오프셋을 빼주는 것일 수 있다.
도 4c를 참조하면, 그래프(403)는 오프셋이 제거된 입력 데이터(430)를 나타낼 수 있다. 그래프(402)와 비교하여 그래프(403)에서는 입력 데이터(430)의 최초 값이 0으로 시작함을 알 수 있다.
동작 330에서, 전자 장치(101)는 오프셋 제거된 입력 데이터(430)에 대한 표준화를 수행할 수 있다. 일 실시 예에서, 입력 데이터(430)에 대한 표준화 데이터는 입력 데이터(430)의 열 벡터들 각각의 엔트리들 간의 표준화에 기초하여 획득될 수 있다. 일 실시 예에서, 표준화는 값들을 표준화 점수(또는, Z 점수)로 변환하는 것일 수 있다. 예를 들어, 표준화는 상기 수학식 2에 기초할 수 있다.
도 4d를 참조하면, 그래프(404)는 입력 데이터(430)의 표준화 데이터(440)를 나타낼 수 있다.
동작 340에서, 전자 장치(101)는 표준화 데이터(440)의 오프셋을 제거할 수 있다.
일 실시 예에서, 표준화 데이터(440)의 오프셋은 표준화 데이터(440)의 행 벡터들 각각마다 설정될 수 있다. 일 실시 예에서, 표준화 데이터(440)에 대한 오프셋은 표준화 데이터(440)의 행 벡터들 각각의 엔트리들 중 첫 번째 엔트리의 값일 수 있다. 일 실시 예에서, 표준화 데이터(440)에 대한 오프셋 제거는 표준화 데이터(440)의 행 벡터들 각각의 엔트리들에서 행 벡터들 각각의 오프셋을 빼주는 것일 수 있다.
도 4e를 참조하면, 그래프(405)는 오프셋이 제거된 표준화 데이터(450)를 나타낼 수 있다.
동작 350에서, 전자 장치(101)는 오프셋 제거된 표준화 데이터(450)의 구간 평균을 수행할 수 있다. 일 실시 예에서, 구간 평균은 표준화 데이터(450)의 행 벡터들 각각의 엔트리들을 지정된 시간 간격(예: 18 초)들마다 평균한 것일 수 있다. 예를 들어, 지정된 시간 간격이 18 초이고, 지정된 시간 구간이 180 초이고, 지정된 시간 주기가 0.1 초인 경우, 구간 평균 데이터의 열의 개수는 10개이고, 구간 평균 데이터의 열들은 표준화 데이터의 180개의 열들의 평균을 나타낼 수 있다.
도 4f를 참조하면, 그래프(406)는 구간 평균 데이터(460)를 나타낼 수 있다. 도 4e의 그래프(406)와 비교하여, 그래프(406)에서는 구간들이 10개임을 알 수 있다.
동작 360에서, 전자 장치(101)는 구간 평균 데이터(460)에 대한 변화량을 획득할 수 있다. 일 실시 예에서, 변화량은 구간 평균 데이터(460)의 행 벡터들 각각의 서로 이웃한 엔트리들 간의 차이 값일 수 있다. 예를 들어, 임의 엔트리의 변화량은 임의 엔트리의 값에서 임의 엔트리 이전의 엔트리의 값을 빼준 값일 수 있다.
도 4g를 참조하면, 그래프(407)는 변화량 데이터(470)를 나타낼 수 있다. 도 4g의 그래프(407)와 비교하여, 그래프(407)에서는 구간들이 9개임을 알 수 있다. 이는, 그래프(407)에서 변화량이 획득되지 않는 엔트리(예컨대, 마지막 엔트리)가 하나 존재하기 때문일 수 있다.
이후, 전자 장치(101)는 변화량 데이터(470)에 기초하여 배터리 셀들(111, 113, 또는 115)의 제1 상태 이상 및/또는 제2 상태 이상을 판정할 수 있다.
도 5는, 본 개시의 일 실시 예에 따른 전자 장치의 동작을 나타내는 흐름도이다. 도 5의 동작들은 도 2의 동작 230에 포함될 수 있다. 도 5의 동작들은 도 1의 전자 장치(101)에 의해 수행될 수 있다.
도 5의 동작들은, 행 벡터들 각각에 대해 수행될 수 있다.
도 5를 참조하면, 동작 510에서, 전자 장치(101)는 행 벡터가 기준 임계 표준화 점수 이하의 엔트리를 포함하는지를 판정할 수 있다. 일 실시 예에서, 전자 장치(101)는 판정 기준 데이터의 행 벡터들 각각의 엔트리들 중 기준 임계 표준화 점수 이하의 값을 가지는 엔트리를 포함하는 행 벡터를 식별할 수 있다. 실시 예에 따라, 행 벡터는 도 4f의 변화량 데이터(470)의 행 벡터일 수 있다. 실시 예에 따라, 행 벡터는 변화량 데이터(470)를 연접한 데이터의 행 벡터일 수 있다. 일 실시 예에서, 행 벡터는 첫 번째 열을 제외한 변화량 데이터(470), 변화량 데이터(470)의 첫 번째 열, 및 변화량 데이터(470)의 마지막 번째 열을 순차적으로 연접한 데이터의 행 백터일 수 있다.
동작 520에서, 전자 장치(101)는 학습 기반 모델에 기반하여 행 벡터의 출력 벡터를 획득할 수 있다. 일 실시 예에서, 학습 기반 모델은 오토 인코더일 수 있다. 일 실시 예에서, 오토 인코더는 정상 거동에 따른 판정 기준 데이터를 복원하도록 학습된 인공 신경망일 수 있다. 일 실시 예에서, 출력 벡터는 행 벡터와 동일한 차원을 가지며, 복원 오차(또는, 복원 손실)을 포함할 수 있다.
동작 530에서, 전자 장치(101)는 행 벡터와 출력 벡터 간의 복원 오차가 기준 복원 오차를 초과하는지를 판정할 수 있다. 일 실시 예에서, 행 벡터와 출력 벡터 간의 복원 오차는 행 벡터와 출력 벡터를 뺀 벡터의 RMS 값일 수 있다.
일 실시 예에서, 복원 오차가 기준 복원 오차를 초과하는 경우, 전자 장치(101)는 동작 540을 수행할 수 있다. 일 실시 예에서, 복원 오차가 기준 복원 오차를 초과하지 않는 경우, 전자 장치(101)는 동작 550을 수행할 수 있다.
동작 540에서, 전자 장치(101)는 제1 상태 이상인 것으로 판정할 수 있다. 일 실시 예에서, 전자 장치(101)는 행 벡터에 대응하는 배터리 셀이 제1 상태 이상인 것으로 판정할 수 있다.
동작 550에서, 전자 장치(101)는 제1 상태 이상이 아닌 것으로 판정할 수 있다. 일 실시 예에서, 전자 장치(101)는 행 벡터에 대응하는 배터리 셀이 제1 상태 이상이 아닌 것으로 판정할 수 있다.
도 6은, 본 개시의 일 실시 예에 따른 전자 장치의 동작을 나타내는 흐름도이다. 도 6의 동작들은 도 2의 동작 240에 포함될 수 있다. 도 6의 동작들은 도 1의 전자 장치(101)에 의해 수행될 수 있다.
도 6의 동작들은, 행 벡터들 각각에 대해 수행될 수 있다.
도 6을 참조하면, 동작 610에서, 전자 장치(101)는 행 벡터의 엔트리들의 합산 값을 식별할 수 있다. 실시 예에 따라, 행 벡터는 도 4f의 변화량 데이터(470)의 행 벡터일 수 있다.
동작 620에서, 전자 장치(101)는 합산 값이 기준 합산 값 이하인지를 판정할 수 있다.
일 실시 예에서, 합산 값이 기준 합산 값 이하인 경우, 전자 장치(101)는 동작 630을 수행할 수 있다. 일 실시 예에서, 합산 값이 기준 합산 값 이하가 아닌 경우, 전자 장치(101)는 동작 640을 수행할 수 있다.
동작 630에서, 전자 장치(101)는 제2 상태 이상인 것으로 판정할 수 있다. 일 실시 예에서, 전자 장치(101)는 행 벡터에 대응하는 배터리 셀이 제2 상태 이상인 것으로 판정할 수 있다.
동작 640에서, 전자 장치(101)는 제2 상태 이상이 아닌 것으로 판정할 수 있다. 일 실시 예에서, 전자 장치(101)는 행 벡터에 대응하는 배터리 셀이 제2 상태 이상이 아닌 것으로 판정할 수 있다.

Claims (15)

  1. 전자 장치에 있어서,
    M개의 배터리 셀들을 포함하는 배터리 모듈, 상기 M은 2 이상의 정수이고;
    상기 M개의 배터리 셀들 각각의 상태와 관련된 상태 값들을 획득하는 감지 회로; 및
    프로세서를 포함하고, 상기 프로세서는,
    상기 감지 회로를 통해 입력 데이터를 획득하고, 상기 입력 데이터는 MХN 행렬로 표현 가능하고, 상기 입력 데이터의 MХN개의 엔트리들은 상기 M개의 배터리 셀들 각각의 상태 값들을 나타내고, 상기 N은 상기 M개의 배터리 셀들 각각의 상기 상태 값들을 획득하기 위한 시간 주기들의 개수를 나타내고,
    상기 입력 데이터의 열 벡터들 각각을 표준화함으로써, 상기 입력 데이터에 대한 표준화 데이터를 획득하고, 상기 열 벡터들 각각은 서로 동일한 단위 시간에 획득된 엔트리들로 구성되고,
    상기 표준화 데이터에 기초하여 판정 기준 데이터를 획득하고,
    상기 판정 기준 데이터의 행 벡터들 각각의 엔트리들이 나타내는 값들에 기초하여, 상기 M개의 배터리 셀들 각각의 제1 상태 이상 및/또는 제2 상태 이상을 판정하도록 하고,
    상기 제1 상태 이상은 학습 기반 모델에 기초하여 판정되고,
    상기 제2 상태 이상은 상기 학습 기반 모델 이외의 방식에 기초하여 판정되는
    전자 장치.
  2. 청구항 1에 있어서,
    상기 프로세서는
    상기 판정 기준 데이터의 행 벡터들 중 기준 임계 표준화 점수 이하의 값을 적어도 하나 가지는 행 벡터를 식별하고,
    상기 학습 기반 모델에 기반하여, 상기 식별된 행 벡터에 대한 출력 벡터를 획득하고,
    상기 출력 벡터에 기초하여, 상기 식별된 행 벡터에 대응하는 배터리 셀의 상기 제1 상태 이상을 판정하도록 하는,
    전자 장치.
  3. 청구항 1에 있어서,
    상기 프로세서는
    상기 입력 데이터의 상기 행 벡터들 각각의 엔트리들의 오프셋을 제거하고,
    상기 오프셋이 제거된 입력 데이터의 상기 열 벡터들 각각을 표준화함으로써 상기 표준화 데이터를 획득하도록 하고,
    상기 오프셋은 상기 입력 데이터의 상기 행 벡터들 각각에 대해 설정되고,
    상기 오프셋은 상기 입력 데이터의 상기 행 벡터들 각각의 엔트리들 중 첫 번째 엔트리의 값으로 설정되는,
    전자 장치.
  4. 청구항 1에 있어서,
    상기 프로세서는
    상기 입력 데이터의 상기 행 벡터들 각각의 엔트리들을 평탄화하고,
    상기 평탄화된 입력 데이터의 상기 열 벡터들 각각을 표준화함으로써 상기 표준화 데이터를 획득하도록 하는,
    전자 장치.
  5. 청구항 1에 있어서,
    상기 프로세서는
    상기 표준화 데이터의 행 벡터들 각각의 구간 평균 값을 상기 판정 기준 데이터로서 획득하고,
    상기 판정 기준 데이터의 상기 행 벡터들 각각의 상기 구간 평균 값들에 기초하여, 상기 M개의 배터리 셀들 각각의 상기 제1 상태 이상 및/또는 상기 제2 상태 이상을 판정하도록 하고,
    상기 구간 평균 값들은 서로 다른 시간 구간들에 포함되는 상기 표준화 데이터의 상기 행 벡터들 각각의 엔트리들의 평균 값들이고,
    상기 시간 구간들은 서로 중첩되지 않는
    전자 장치.
  6. 청구항 1에 있어서,
    상기 프로세서는
    상기 표준화 데이터의 행 벡터들 각각의 엔트리들의 변화량들을 상기 판정 기준 데이터로서 획득하고,
    상기 판정 기준 데이터의 상기 행 벡터들 각각의 상기 엔트리들의 상기 변화량들에 기초하여, 상기 M개의 배터리 셀들 각각의 상기 제1 상태 이상 및/또는 상기 제2 상태 이상을 판정하도록 하는
    전자 장치.
  7. 청구항 1에 있어서,
    상기 프로세서는
    상기 판정 기준 데이터의 상기 행 벡터들 각각의 상기 엔트리들의 합산 값을 식별하고,
    상기 판정 기준 데이터의 상기 행 벡터들 중 임계 합산 값 이하인 상기 합산 값을 가지는 행 벡터를 식별하고,
    상기 식별된 행 벡터에 대응하는 배터리 셀이 상기 제2 상태 이상인 것으로 판정하도록 하는,
    전자 장치.
  8. 청구항 1에 있어서,
    상기 학습 기반 모델은 오토 인코더(auto encoder)이고,
    상기 오토 인코더는 정상 배터리 셀들의 상태 값들에 기반하여 학습된,
    전자 장치.
  9. 전자 장치의 동작 방법에 있어서,
    상기 전자 장치의 감지 회로를 통해 입력 데이터를 획득하는 동작, 상기 입력 데이터는 MХN 행렬로 표현 가능하고, 상기 입력 데이터의 MХN개의 엔트리들은 상기 전자 장치의 M개의 배터리 셀들 각각의 상태 값들을 나타내고, 상기 N은 상기 M개의 배터리 셀들 각각의 상기 상태 값들을 획득하기 위한 시간 주기들의 개수를 나타내고,
    상기 입력 데이터의 열 벡터들 각각을 표준화함으로써, 상기 입력 데이터에 대한 표준화 데이터를 획득하는 동작, 상기 열 벡터들 각각은 서로 동일한 단위 시간에 획득된 엔트리들로 구성되고,
    상기 표준화 데이터에 기초하여 판정 기준 데이터를 획득하는 동작, 및
    상기 판정 기준 데이터의 행 벡터들 각각의 엔트리들이 나타내는 값들에 기초하여, 상기 M개의 배터리 셀들 각각의 제1 상태 이상 및/또는 제2 상태 이상을 판정하는 동작을 포함하고,
    상기 제1 상태 이상은 학습 기반 모델에 기초하여 판정되고,
    상기 제2 상태 이상은 상기 학습 기반 모델 이외의 방식에 기초하여 판정되는
    방법.
  10. 청구항 9에 있어서, 상기 제1 상태 이상 및/또는 제2 상태 이상을 판정하는 동작은,
    상기 판정 기준 데이터의 행 벡터들 중 기준 임계 표준화 점수 이하의 값을 적어도 하나 가지는 행 벡터를 식별하는 동작,
    상기 학습 기반 모델에 기반하여, 상기 식별된 행 벡터에 대한 출력 벡터를 획득하는 동작, 및
    상기 출력 벡터에 기초하여, 상기 식별된 행 벡터에 대응하는 배터리 셀의 상기 제1 상태 이상을 판정하는 동작을 포함하는
    방법.
  11. 청구항 9에 있어서, 상기 표준화 데이터를 획득하는 동작은,
    상기 입력 데이터의 상기 행 벡터들 각각의 엔트리들의 오프셋을 제거하는 동작, 및
    상기 오프셋이 제거된 입력 데이터의 상기 열 벡터들 각각을 표준화함으로써 상기 표준화 데이터를 획득하는 동작을 포함하고,
    상기 오프셋은 상기 입력 데이터의 상기 행 벡터들 각각에 대해 설정되고,
    상기 오프셋은 상기 입력 데이터의 상기 행 벡터들 각각의 엔트리들 중 첫 번째 엔트리의 값으로 설정되는,
    방법.
  12. 청구항 9에 있어서, 상기 표준화 데이터를 획득하는 동작은,
    상기 입력 데이터의 상기 행 벡터들 각각의 엔트리들을 평탄화하는 동작, 및
    상기 평탄화된 입력 데이터의 상기 열 벡터들 각각을 표준화함으로써 상기 표준화 데이터를 획득하는 동작을 포함하는
    방법.
  13. 청구항 9에 있어서, 상기 판정 기준 데이터를 획득하는 동작은,
    상기 표준화 데이터의 행 벡터들 각각의 구간 평균 값을 상기 판정 기준 데이터로서 획득하는 동작을 포함하고,
    상기 제1 상태 이상 및/또는 제2 상태 이상을 판정하는 동작은,
    상기 판정 기준 데이터의 상기 행 벡터들 각각의 상기 구간 평균 값들에 기초하여, 상기 M개의 배터리 셀들 각각의 상기 제1 상태 이상 및/또는 상기 제2 상태 이상을 판정하는 동작을 포함하고,
    상기 구간 평균 값들은 서로 다른 시간 구간들에 포함되는 상기 표준화 데이터의 상기 행 벡터들 각각의 엔트리들의 평균 값들이고,
    상기 시간 구간들은 서로 중첩되지 않는
    방법.
  14. 청구항 9에 있어서, 상기 판정 기준 데이터를 획득하는 동작은,
    상기 표준화 데이터의 행 벡터들 각각의 엔트리들의 변화량들을 상기 판정 기준 데이터로서 획득하는 동작을 포함하고,
    상기 제1 상태 이상 및/또는 제2 상태 이상을 판정하는 동작은,
    상기 판정 기준 데이터의 상기 행 벡터들 각각의 상기 엔트리들의 상기 변화량들에 기초하여, 상기 M개의 배터리 셀들 각각의 상기 제1 상태 이상 및/또는 상기 제2 상태 이상을 판정하는 동작을 포함하는
    방법.
  15. 청구항 9에 있어서, 상기 제1 상태 이상 및/또는 제2 상태 이상을 판정하는 동작은,
    상기 판정 기준 데이터의 상기 행 벡터들 각각의 상기 엔트리들의 합산 값을 식별하는 동작,
    상기 판정 기준 데이터의 상기 행 벡터들 중 임계 합산 값 이하인 상기 합산 값을 가지는 행 벡터를 식별하는 동작, 및
    상기 식별된 행 벡터에 대응하는 배터리 셀이 상기 제2 상태 이상인 것으로 판정하는 동작을 포함하는
    방법.
KR1020220113110A 2022-09-06 2022-09-06 배터리의 이상을 감지하는 전자 장치 및 이의 동작 방법 KR20240034051A (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020220113110A KR20240034051A (ko) 2022-09-06 2022-09-06 배터리의 이상을 감지하는 전자 장치 및 이의 동작 방법
PCT/KR2023/011213 WO2024053870A1 (ko) 2022-09-06 2023-08-01 배터리의 이상을 감지하는 전자 장치 및 이의 동작 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220113110A KR20240034051A (ko) 2022-09-06 2022-09-06 배터리의 이상을 감지하는 전자 장치 및 이의 동작 방법

Publications (1)

Publication Number Publication Date
KR20240034051A true KR20240034051A (ko) 2024-03-13

Family

ID=90191544

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220113110A KR20240034051A (ko) 2022-09-06 2022-09-06 배터리의 이상을 감지하는 전자 장치 및 이의 동작 방법

Country Status (2)

Country Link
KR (1) KR20240034051A (ko)
WO (1) WO2024053870A1 (ko)

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200102923A (ko) * 2019-02-22 2020-09-01 주식회사 엘지화학 배터리 상태 추정 장치 및 방법
KR20210000206A (ko) * 2019-06-24 2021-01-04 삼성에스디아이 주식회사 이상 배터리 셀 검출 방법
KR20210041511A (ko) * 2019-10-07 2021-04-15 삼성에스디아이 주식회사 배터리의 건강 상태를 추정하는 방법 및 장치
KR20220011487A (ko) * 2020-07-21 2022-01-28 삼성전자주식회사 배터리 상태를 식별하기 위한 방법, 이를 위한 전자 장치 및 저장 매체
WO2022030971A1 (ko) * 2020-08-03 2022-02-10 주식회사 엘지에너지솔루션 배터리 진단 디바이스, 배터리 팩, 배터리 시스템 및 배터리 진단 방법

Also Published As

Publication number Publication date
WO2024053870A1 (ko) 2024-03-14

Similar Documents

Publication Publication Date Title
US11650259B2 (en) Battery pack maintenance for electric vehicle
CN107290679B (zh) 用于电动汽车共享充电桩的智能化电池健康状态检测方法
US8738309B2 (en) Battery pack maintenance for electric vehicles
CN114675188A (zh) 一种电池健康状态信息确定方法、装置及电池系统
EP3988952A1 (en) Method for detecting abnormal battery cell
US20230366938A1 (en) Battery diagnosing apparatus, battery system and battery diagnosing method
JP7515956B2 (ja) 電池診断装置および方法
KR102367195B1 (ko) 사용 후 배터리 모듈 잔존 가치 평가 시스템 및 그 방법
US20230258725A1 (en) Battery abnormality diagnosis apparatus and method
US20230384393A1 (en) Battery Cell Diagnosing Apparatus and Method
US20230258735A1 (en) Battery Diagnosing Apparatus and Method
US11733309B2 (en) Method and system for self-discharge prognostics for vehicle battery cells with an internal short circuit
KR20240034051A (ko) 배터리의 이상을 감지하는 전자 장치 및 이의 동작 방법
US20230176140A1 (en) Apparatus and method for diagnosing state of battery
US11959972B2 (en) Battery diagnosing apparatus and method
EP4145155A1 (en) Apparatus and method for managing battery
JP7501976B2 (ja) バッテリー異常診断装置及び方法
KR20240034052A (ko) 배터리의 이상을 감지하는 전자 장치 및 이의 동작 방법
US20230266400A1 (en) Battery Diagnosing Apparatus and Method
US12130338B2 (en) Battery abnormality diagnosis apparatus and method
KR20240116302A (ko) 배터리 온도 추정 장치 및 이의 동작 방법
KR20240069508A (ko) 배터리 진단 장치 및 그의 동작 방법
KR20240069507A (ko) 배터리 진단 장치 및 그의 동작 방법
US20230408583A1 (en) Battery management apparatus and method
KR20240113319A (ko) 배터리 이상 진단 장치 및 이의 동작 방법