KR20240041208A - 배터리 관리 장치 및 그것의 동작 방법 - Google Patents
배터리 관리 장치 및 그것의 동작 방법 Download PDFInfo
- Publication number
- KR20240041208A KR20240041208A KR1020230058253A KR20230058253A KR20240041208A KR 20240041208 A KR20240041208 A KR 20240041208A KR 1020230058253 A KR1020230058253 A KR 1020230058253A KR 20230058253 A KR20230058253 A KR 20230058253A KR 20240041208 A KR20240041208 A KR 20240041208A
- Authority
- KR
- South Korea
- Prior art keywords
- deviation
- diagnostic
- batteries
- voltage
- battery cells
- Prior art date
Links
- 238000011017 operating method Methods 0.000 title description 6
- 230000007774 longterm Effects 0.000 claims abstract description 92
- 238000000034 method Methods 0.000 claims description 34
- 238000003745 diagnosis Methods 0.000 abstract description 23
- 230000006399 behavior Effects 0.000 description 41
- 230000008859 change Effects 0.000 description 37
- 238000007599 discharging Methods 0.000 description 28
- 230000002159 abnormal effect Effects 0.000 description 22
- 238000005259 measurement Methods 0.000 description 18
- 230000015654 memory Effects 0.000 description 15
- 230000000284 resting effect Effects 0.000 description 11
- 230000007547 defect Effects 0.000 description 9
- 238000010606 normalization Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 230000007423 decrease Effects 0.000 description 7
- 230000005856 abnormality Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 239000000284 extract Substances 0.000 description 4
- 229910001416 lithium ion Inorganic materials 0.000 description 4
- 206010000117 Abnormal behaviour Diseases 0.000 description 3
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 3
- PXHVJJICTQNCMI-UHFFFAOYSA-N Nickel Chemical compound [Ni] PXHVJJICTQNCMI-UHFFFAOYSA-N 0.000 description 3
- 229910052744 lithium Inorganic materials 0.000 description 3
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 2
- 230000002950 deficient Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 229920000642 polymer Polymers 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 238000013179 statistical model Methods 0.000 description 2
- 229910003307 Ni-Cd Inorganic materials 0.000 description 1
- 229910018095 Ni-MH Inorganic materials 0.000 description 1
- 229910018477 Ni—MH Inorganic materials 0.000 description 1
- 229910052793 cadmium Inorganic materials 0.000 description 1
- BDOSMKKIYDKNTQ-UHFFFAOYSA-N cadmium atom Chemical compound [Cd] BDOSMKKIYDKNTQ-UHFFFAOYSA-N 0.000 description 1
- 230000007850 degeneration Effects 0.000 description 1
- 230000036425 denaturation Effects 0.000 description 1
- 238000004925 denaturation Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000003792 electrolyte Substances 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000016507 interphase Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 229910052759 nickel Inorganic materials 0.000 description 1
- 229910000652 nickel hydride Inorganic materials 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000013022 venting Methods 0.000 description 1
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]
- G01R31/3644—Constructional arrangements
- G01R31/3648—Constructional arrangements comprising digital calculation means, e.g. for performing an algorithm
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
- B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
-
- 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
- G01R19/003—Measuring mean values of current or voltage during a given time interval
-
- 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
- G01R19/10—Measuring sum, difference or ratio
-
- 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
- G01R19/30—Measuring the maximum or the minimum value of current or voltage reached in a time interval
-
- 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
-
- 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)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Power Engineering (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Secondary Cells (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
본 문서에 개시된 일 실시예에 따른 배터리 관리 장치는 복수의 배터리 각각의 전압을 측정하는 전압 측정부 및 상기 복수의 배터리 각각에 대해 배터리 전압의 장기 이동 평균값 및 단기 이동 평균값 간의 편차인 제1 편차를 산출하고, 상기 복수의 배터리의 평균 전압의 장기 이동 평균값 및 단기 이동 평균값 간의 편차인 제2 편차를 산출하고, 상기 복수의 배터리 각각에 대해 상기 제1 편차와 상기 제2 편차 간의 차이인 제1 진단 편차를 산출하고, 상기 복수의 배터리 각각의 제1 진단 편차 중 상기 제2 편차에 임계 상수를 곱하여 얻어지는 기준값에 기초하여 상기 복수의 배터리 각각의 제2 진단 편차를 산출하고, 상기 복수의 배터리 각각의 제2 진단 편차에 기초하여 상기 복수의 배터리 중 적어도 하나의 배터리를 진단하는 컨트롤러를 포함할 수 있다.
Description
본 문서에 개시된 실시예들은 배터리 관리 장치 및 그것의 동작 방법에 관한 것이다.
전기차는 외부로부터 전기를 공급받아 배터리 셀을 충전한 후, 배터리 셀에 충전된 전압으로 모터를 구동시켜 동력을 얻는다. 배터리 셀은 생산 및 사용 단계에서 다양한 충방전을 통해 내부 변형 및 변성을 겪으며 물리 화학적 특성이 변경되어 내부 단락, 외부 단락, 리튬 석출로 인한 벤팅(Venting) 또는 배터리 셀의 전압이 일정 수준 이하로 감소하는 저전압 (Under Voltage) 불량이 발생할 수 있다.
배터리 셀 내부에 불량이 발생하는 경우 배터리 셀의 성능이 저하되고, 전해액이 누액됨으로 인하여 발화 가능성이 증가하는 등 배터리 셀에 직접적인 문제가 발생할 수 있다. 따라서, 배터리 셀의 이상 여부를 판단하는 기술이 필요하다.
종래의 배터리 관리 장치는 배터리 셀들의 평균 전압 대비 개별 배터리 셀의 전압 편차를 이용하여 배터리 셀의 전압 이상을 진단하였으나, 이러한 방법은 노이즈에 취약하여 이상 배터리 셀 진단의 기준이 되는 임계값(Threshold)을 일정 수준 이하로 조정할 수 없고, 전기차에서 발생하는 미세 단선으로 인한 배터리 셀의 이상 전압을 검출할 수 없는 한계점이 있다.
본 문서에 개시되는 실시예들의 일 목적은 배터리의 전압의 장기 이동 평균값 및 단기 이동 평균값의 편차의 노이즈를 제거하여 이상 배터리 셀을 정확하게 진단할 수 있는 배터리 관리 장치 및 그것의 동작 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 배터리 관리 장치는 복수의 배터리 각각의 전압을 측정하는 전압 측정부 및 상기 복수의 배터리 각각에 대해 배터리 전압의 장기 이동 평균값 및 단기 이동 평균값 간의 편차인 제1 편차를 산출하고, 상기 복수의 배터리의 평균 전압의 장기 이동 평균값 및 단기 이동 평균값 간의 편차인 제2 편차를 산출하고, 상기 복수의 배터리 각각에 대해 상기 제1 편차와 상기 제2 편차 간의 차이인 제1 진단 편차를 산출하고, 상기 복수의 배터리 각각의 제1 진단 편차 중 상기 제2 편차에 임계 상수를 곱하여 얻어지는 기준값에 기초하여 상기 복수의 배터리 각각의 제2 진단 편차를 산출하고, 상기 복수의 배터리 각각의 제2 진단 편차에 기초하여 상기 복수의 배터리 중 적어도 하나의 배터리를 진단하는 컨트롤러를 포함할 수 있다.
일 실시예에 따라, 상기 컨트롤러는 상기 제2 편차에 제1 임계 상수를 곱하여 얻어지는 값과 제2 임계 상수 중 최대값을 상기 기준값으로 설정하고, 상기 복수의 배터리 각각의 제1 진단 편차 중 상기 기준값 이하의 제1 진단 편차를 제외하여 상기 복수의 배터리 각각의 제2 진단 편차를 산출할 수 있다.
일 실시예에 따라, 상기 컨트롤러는 상기 복수의 배터리 각각의 제2 진단 편차를 상기 제2 편차에 제3 임계 상수를 곱하여 얻어지는 값과 제4 임계 상수 중 최대값으로 나누어 정규화(Normalization)하여 상기 복수의 배터리 각각의 제3 진단 편차를 산출할 수 있다.
일 실시예에 따라, 상기 컨트롤러는 상기 복수의 배터리 각각의 제3 진단 편차에 상기 복수의 배터리 각각의 제3 진단 편차의 최소값을 더하여 얻어지는 값을 상기 제3 진단 편차로 나누어 상기 복수의 배터리 각각의 편향도를 산출할 수 있다.
일 실시예에 따라, 상기 컨트롤러는 상기 복수의 배터리 각각의 제3 진단 편차에 상기 편향도를 곱하여 상기 복수의 배터리 각각의 제4 진단 편차를 산출할 수 있다.
일 실시예에 따라, 상기 컨트롤러는 상기 복수의 배터리 각각의 제4 진단 편차의 임계값 초과 여부를 기초로 상기 복수의 배터리 중 적어도 하나의 배터리를 진단할 수 있다.
일 실시예에 따라, 상기 컨트롤러는 단위 시간마다 상기 복수의 제1 편차 및 제2 편차를 산출하여 상기 복수의 배터리 각각의 제4 진단 편차를 산출하고, 상기 복수의 배터리 중 적어도 하나의 배터리의 제4 진단 편차가 임계값 초과인 경우, 상기 적어도 하나의 배터리를 진단할 수 있다.
본 문서에 개시된 일 실시예에 따른 배터리 관리 장치의 동작 방법은 복수의 배터리 각각의 전압을 측정하는 단계, 상기 복수의 배터리 각각에 대해 배터리 전압의 장기 이동 평균값 및 단기 이동 평균값 간의 편차인 제1 편차를 산출하는 단계, 상기 복수의 배터리의 평균 전압의 장기 이동 평균값 및 단기 이동 평균값 간의 편차인 제2 편차를 산출하는 단계, 상기 복수의 배터리 각각에 대해 상기 제1 편차와 상기 제2 편차 간의 차이인 제1 진단 편차를 산출하는 단계, 상기 복수의 배터리 각각의 제1 진단 편차 중 상기 제2 편차에 임계 상수를 곱하여 얻어지는 기준값에 기초하여 상기 복수의 배터리 각각의 제2 진단 편차를 산출하는 단계 및 상기 복수의 배터리 각각의 제2 진단 편차에 기초하여 상기 복수의 배터리 중 적어도 하나의 배터리를 진단하는 단계를 포함할 수 있다.
일 실시예에 따라, 상기 복수의 배터리 각각의 제1 진단 편차 중 상기 제2 편차에 임계 상수를 곱하여 얻어지는 기준값에 기초하여 상기 복수의 배터리 각각의 제2 진단 편차를 산출하는 단계는 상기 제2 편차에 제1 임계 상수를 곱하여 얻어지는 값과 제2 임계 상수 중 최대값을 상기 기준값으로 설정하고, 상기 복수의 배터리 각각의 제1 진단 편차 중 상기 기준값 이하의 제1 진단 편차를 제외하여 상기 복수의 배터리 각각의 제2 진단 편차를 산출할 수 있다.
일 실시예에 따라, 상기 복수의 배터리 각각의 제1 진단 편차 중 상기 제2 편차에 임계 상수를 곱하여 얻어지는 기준값에 기초하여 상기 복수의 배터리 각각의 제2 진단 편차를 산출하는 단계는 상기 복수의 배터리 각각의 제2 진단 편차를 상기 제2 편차에 제3 임계 상수를 곱하여 얻어지는 값과 제4 임계 상수 중 최대값으로 나누어 정규화하여 상기 복수의 배터리 각각의 제3 진단 편차를 산출할 수 있다.
일 실시예에 따라, 상기 복수의 배터리 각각의 제1 진단 편차 중 상기 제2 편차에 임계 상수를 곱하여 얻어지는 기준값에 기초하여 상기 복수의 배터리 각각의 제2 진단 편차를 산출하는 단계는 상기 복수의 배터리 각각의 제3 진단 편차에 상기 복수의 배터리 각각의 제3 진단 편차의 최소값을 더하여 얻어지는 값을 상기 제3 진단 편차로 나누어 상기 복수의 배터리 각각의 편향도를 산출할 수 있다.
일 실시예에 따라, 상기 복수의 배터리 각각의 제1 진단 편차 중 상기 제2 편차에 임계 상수를 곱하여 얻어지는 기준값에 기초하여 상기 복수의 배터리 각각의 제2 진단 편차를 산출하는 단계는 상기 복수의 배터리 각각의 제3 진단 편차에 상기 편향도를 곱하여 상기 복수의 배터리 각각의 제4 진단 편차를 산출할 수 있다.
일 실시예에 따라, 상기 복수의 배터리 각각의 제2 진단 편차에 기초하여 상기 복수의 배터리 중 적어도 하나의 배터리를 진단하는 단계는 상기 복수의 배터리 각각의 제4 진단 편차의 임계값 초과 여부를 기초로 상기 복수의 배터리 중 적어도 하나의 배터리를 진단할 수 있다.
일 실시예에 따라, 상기 복수의 배터리 각각의 제2 진단 편차에 기초하여 상기 복수의 배터리 중 적어도 하나의 배터리를 진단하는 단계는 단위 시간마다 상기 복수의 제1 편차 및 제2 편차를 산출하여 상기 복수의 배터리 각각의 제4 진단 편차를 산출하고, 상기 복수의 배터리 중 적어도 하나의 배터리의 제4 진단 편차가 임계값 초과인 경우, 상기 적어도 하나의 배터리를 진단할 수 있다.
본 문서에 개시된 일 실시예에 따른 배터리 관리 장치는 복수의 배터리 각각의 전압을 측정하는 전압 측정부 및 상기 복수의 배터리의 평균 전압 및 상기 복수의 배터리 각각의 전압 간의 편차 또는 상기 복수의 배터리 각각의 전압을 상기 복수의 배터리 각각의 제1 전압으로 산출하고, 상기 복수의 배터리 각각에 대해 제1 전압의 장기 이동 평균값 및 단기 이동 평균값 간의 편차인 제1 편차를 산출하고, 상기 복수의 배터리의 제1 편차의 평균인 제2 편차를 산출하고, 상기 복수의 배터리 각각에 대해 상기 제1 편차와 상기 제2 편차 간의 차이인 제1 진단 편차를 산출하고, 상기 복수의 배터리 각각의 제1 진단 편차 중 상기 제2 편차에 임계 상수를 곱하여 얻어지는 기준값에 기초하여 상기 복수의 배터리 각각의 제2 진단 편차를 산출하고, 상기 복수의 배터리 각각의 제2 진단 편차에 기초하여 상기 복수의 배터리 중 적어도 하나의 배터리를 진단하는 컨트롤러를 포함할 수 있다.
일 실시예에 따라, 상기 컨트롤러는 상기 복수의 배터리의 전압의 평균값(Mean), 중앙값(Median) 또는 최소값(Min)을 상기 복수의 배터리의 평균 전압으로 산출하고, 상기 복수의 배터리의 제1 편차의 평균값, 중앙값 또는 최소값을 상기 제2 편차로 산출할 수 있다.
일 실시예에 따라, 상기 컨트롤러는 상기 복수의 배터리 각각의 제1 전압을 상기 복수의 배터리 각각의 제1 진단 편차로 보정하고, 상기 복수의 배터리 각각의 보정된 제1 전압을 기초로 상기 복수의 배터리 각각의 제1 진단 편차를 재산출할 수 있다.
일 실시예에 따라, 상기 컨트롤러는 상기 제2 편차에 제1 임계 상수를 곱하여 얻어지는 값과 제2 임계 상수 중 최대값을 상기 기준값으로 설정하고, 상기 복수의 배터리 각각의 제1 진단 편차 중 상기 기준값 이하의 제1 진단 편차를 제외하여 상기 복수의 배터리 각각의 제2 진단 편차를 산출할 수 있다.
일 실시예에 따라, 상기 컨트롤러는 상기 복수의 배터리 각각의 제2 진단 편차를 상기 제2 편차에 제3 임계 상수를 곱하여 얻어지는 값과 제4 임계 상수 중 최대값으로 나누어 정규화(Normalization)하여 상기 복수의 배터리 각각의 제3 진단 편차를 산출할 수 있다.
일 실시예에 따라, 상기 컨트롤러는 상기 복수의 배터리 각각의 제3 진단 편차에 상기 복수의 배터리 각각의 제3 진단 편차의 최소값을 더하여 얻어지는 값을 상기 제3 진단 편차로 나누어 상기 복수의 배터리 각각의 편향도를 산출할 수 있다.
일 실시예에 따라, 상기 컨트롤러는 상기 복수의 배터리 각각의 제3 진단 편차에 상기 편향도를 곱하여 상기 복수의 배터리 각각의 제4 진단 편차를 산출할 수 있다.
일 실시예에 따라, 상기 컨트롤러는 상기 복수의 배터리 각각의 제4 진단 편차의 임계값 초과 여부를 기초로 상기 복수의 배터리 중 적어도 하나의 배터리를 진단할 수 있다.
일 실시예에 따라, 상기 컨트롤러는 단위 시간마다 상기 복수의 제1 편차 및 제2 편차를 산출하여 상기 복수의 배터리 각각의 제4 진단 편차를 산출하고, 상기 복수의 배터리 중 적어도 하나의 배터리의 제4 진단 편차가 임계값 초과인 경우, 상기 적어도 하나의 배터리를 진단할 수 있다.
본 문서에 개시된 일 실시예에 따른 배터리 관리 장치의 동작 방법은 복수의 배터리 각각의 전압을 측정하는 단계, 상기 복수의 배터리의 평균 전압 및 상기 복수의 배터리 각각의 전압 간의 편차 또는 상기 복수의 배터리 각각의 전압을 상기 복수의 배터리 각각의 제1 전압으로 산출하는 단계, 상기 복수의 배터리 각각에 대해 제1 전압의 장기 이동 평균값 및 단기 이동 평균값 간의 편차인 제1 편차를 산출하는 단계, 상기 복수의 배터리의 제1 편차의 평균인 제2 편차를 산출하는 단계, 상기 복수의 배터리 각각에 대해 상기 제1 편차와 상기 제2 편차 간의 차이인 제1 진단 편차를 산출하는 단계, 상기 복수의 배터리 각각의 제1 진단 편차 중 상기 제2 편차에 임계 상수를 곱하여 얻어지는 기준값에 기초하여 상기 복수의 배터리 각각의 제2 진단 편차를 산출하는 단계 및 상기 복수의 배터리 각각의 제2 진단 편차에 기초하여 상기 복수의 배터리 중 적어도 하나의 배터리를 진단하는 단계를 포함할 수 있다.
일 실시예에 따라, 상기 복수의 배터리의 평균 전압 및 상기 복수의 배터리 각각의 전압 간의 편차 또는 상기 복수의 배터리 각각의 전압을 상기 복수의 배터리 각각의 제1 전압으로 산출하는 단계는 상기 복수의 배터리의 전압의 평균값, 중앙값 또는 최소값을 상기 복수의 배터리의 평균 전압으로 산출하고, 상기 복수의 배터리의 제1 편차의 평균인 제2 편차를 산출하는 단계는 상기 복수의 배터리의 제1 편차의 평균값, 중앙값 또는 최소값을 상기 제2 편차로 산출할 수 있다.
일 실시예에 따라, 상기 복수의 배터리 각각에 대해 상기 제1 편차와 상기 제2 편차 간의 차이인 제1 진단 편차를 산출하는 단계는 상기 복수의 배터리 각각의 제1 전압을 상기 복수의 배터리 각각의 제1 진단 편차로 보정하고, 상기 복수의 배터리 각각의 보정된 제1 전압을 기초로 상기 복수의 배터리 각각의 제1 진단 편차를 재산출할 수 있다.
일 실시예에 따라, 상기 복수의 배터리 각각의 제1 진단 편차 중 상기 제2 편차에 임계 상수를 곱하여 얻어지는 기준값에 기초하여 상기 복수의 배터리 각각의 제2 진단 편차를 산출하는 단계는 상기 제2 편차에 제2 임계 상수를 곱하여 얻어지는 값과 제2 임계 상수 중 최대값을 상기 기준값으로 설정하고, 상기 복수의 배터리 각각의 제1 진단 편차 중 상기 기준값 이하의 제1 진단 편차를 제외하여 상기 복수의 배터리 각각의 제2 진단 편차를 산출할 수 있다.
일 실시예에 따라, 상기 복수의 배터리 각각의 제1 진단 편차 중 상기 제2 편차에 임계 상수를 곱하여 얻어지는 기준값에 기초하여 상기 복수의 배터리 각각의 제2 진단 편차를 산출하는 단계는 상기 복수의 배터리 각각의 제2 진단 편차를 상기 제2 편차에 제3 임계 상수를 곱하여 얻어지는 값과 제4 임계 상수 중 최대값으로 나누어 정규화하여 상기 복수의 배터리 각각의 제3 진단 편차를 산출할 수 있다.
일 실시예에 따라, 상기 복수의 배터리 각각의 제1 진단 편차 중 상기 제2 편차에 임계 상수를 곱하여 얻어지는 기준값에 기초하여 상기 복수의 배터리 각각의 제2 진단 편차를 산출하는 단계는 상기 복수의 배터리 각각의 제3 진단 편차에 상기 복수의 배터리 각각의 제3 진단 편차의 최소값을 더하여 얻어지는 값을 상기 제3 진단 편차로 나누어 상기 복수의 배터리 각각의 편향도를 산출할 수 있다.
일 실시예에 따라, 상기 복수의 배터리 각각의 제1 진단 편차 중 상기 제2 편차에 임계 상수를 곱하여 얻어지는 기준값에 기초하여 상기 복수의 배터리 각각의 제2 진단 편차를 산출하는 단계는 상기 복수의 배터리 각각의 제3 진단 편차에 상기 편향도를 곱하여 상기 복수의 배터리 각각의 제4 진단 편차를 산출할 수 있다.
일 실시예에 따라, 상기 복수의 배터리 각각의 제2 진단 편차에 기초하여 상기 복수의 배터리 중 적어도 하나의 배터리를 진단하는 단계는 상기 복수의 배터리 각각의 제4 진단 편차의 임계값 초과 여부를 기초로 상기 복수의 배터리 중 적어도 하나의 배터리를 진단할 수 있다.
일 실시예에 따라, 상기 복수의 배터리 각각의 제2 진단 편차에 기초하여 상기 복수의 배터리 중 적어도 하나의 배터리를 진단하는 단계는 단위 시간마다 상기 복수의 제1 편차 및 제2 편차를 산출하여 상기 복수의 배터리 각각의 제4 진단 편차를 산출하고, 상기 복수의 배터리 중 적어도 하나의 배터리의 제4 진단 편차가 임계값 초과인 경우, 상기 적어도 하나의 배터리를 진단할 수 있다.
본 문서에 개시되는 일 실시예에 따른 배터리 관리 장치 및 그것의 동작 방법에 따르면 배터리의 전압의 장기 이동 평균값 및 단기 이동 평균값의 편차의 노이즈를 제거하여 이상 배터리 셀을 정확하게 진단할 수 있다.
도 1은 본 문서에 개시된 일 실시예에 따른 배터리 팩을 보여주는 도면이다.
도 2는 본 문서에 개시된 일 실시예에 따른 배터리 관리 장치의 구성을 보여주는 블록도이다.
도 3은 본 문서에 개시된 일 실시예에 따른 배터리 셀의 전압을 나타내는 그래프이다.
도 4는 본 문서에 개시된 일 실시예에 따른 컨트롤러의 배터리 셀을 진단하는 방법을 보여주는 흐름도이다.
도 5a는 본 문서에 개시된 일 실시예에 따른 배터리 셀의 제1 진단 편차를 나타내는 그래프이다.
도 5b는 본 문서에 개시된 일 실시예에 따른 배터리 셀의 제3 진단 편차를 나타내는 그래프이다.
도 5c는 본 문서에 개시된 일 실시예에 따른 배터리 셀의 제3 진단 편차의 편향도를 나타내는 그래프이다.
도 5d는 본 문서에 개시된 일 실시예에 따른 배터리 셀의 제4 진단 편차를 나타내는 그래프이다.
도 6은 본 문서에 개시된 일 실시예에 따른 배터리 관리 장치의 동작 방법을 보여주는 흐름도이다.
도 7은 본 문서에 개시된 일 실시예에 따른 배터리 관리 장치의 배터리 셀을 진단하는 동작 방법을 보여주는 흐름도이다.
도 8은 본 문서에 개시된 다른 실시예에 따른 컨트롤러의 배터리 셀을 진단하는 방법을 보여주는 흐름도이다.
도 9a는 본 문서에 개시된 일 실시예에 따른 배터리 셀의 제1 전압을 나타내는 그래프이다.
도 9b는 본 문서에 개시된 다른 실시예에 따른 배터리 셀의 제1 전압을 나타내는 그래프이다.
도 10a는 본 문서에 개시된 일 실시예에 따른 배터리 셀의 제1 전압의 장기 이동 평균 및 단기 이동 평균을 나타내는 그래프이다.
도 10b는 본 문서에 개시된 다른 실시예에 따른 배터리 셀의 제1 전압의 장기 이동 평균 및 단기 이동 평균을 나타내는 그래프이다.
도 11a는 본 문서에 개시된 일 실시예에 따른 배터리 셀의 제1 편차를 나타내는 그래프이다.
도 11b는 본 문서에 개시된 다른 실시예에 따른 배터리 셀의 제1 편차를 나타내는 그래프이다.
도 12a는 본 문서에 개시된 일 실시예에 따른 배터리 셀의 제1 진단 편차를 나타내는 그래프이다.
도 12b는 본 문서에 개시된 다른 실시예에 따른 배터리 셀의 제1 진단 편차를 나타내는 그래프이다.
도 13a는 본 문서에 개시된 일 실시예에 따른 배터리 셀의 보정된 제1 전압의 장기 이동 평균 및 단기 이동 평균을 나타내는 그래프이다.
도 13b는 본 문서에 개시된 다른 실시예에 따른 배터리 셀의 보정된 제1 전압의 장기 이동 평균 및 단기 이동 평균을 나타내는 그래프이다.
도 14a는 본 문서에 개시된 일 실시예에 따른 배터리 셀의 보정된 제1 진단 편차를 나타내는 그래프이다.
도 14b는 본 문서에 개시된 다른 실시예에 따른 배터리 셀의 보정된 제1 진단 편차를 나타내는 그래프이다.
도 15는 본 문서에 개시된 다른 실시예에 따른 배터리 관리 장치의 동작 방법을 보여주는 흐름도이다.
도 16은 본 문서에 개시된 다른 실시예에 따른 배터리 관리 장치의 배터리 셀을 진단하는 동작 방법을 보여주는 흐름도이다.
도 17은 본 문서에 개시된 일 실시예에 따른 배터리 관리 장치의 동작 방법을 구현하는 컴퓨팅 시스템의 하드웨어 구성을 나타내는 블록도이다.
도 2는 본 문서에 개시된 일 실시예에 따른 배터리 관리 장치의 구성을 보여주는 블록도이다.
도 3은 본 문서에 개시된 일 실시예에 따른 배터리 셀의 전압을 나타내는 그래프이다.
도 4는 본 문서에 개시된 일 실시예에 따른 컨트롤러의 배터리 셀을 진단하는 방법을 보여주는 흐름도이다.
도 5a는 본 문서에 개시된 일 실시예에 따른 배터리 셀의 제1 진단 편차를 나타내는 그래프이다.
도 5b는 본 문서에 개시된 일 실시예에 따른 배터리 셀의 제3 진단 편차를 나타내는 그래프이다.
도 5c는 본 문서에 개시된 일 실시예에 따른 배터리 셀의 제3 진단 편차의 편향도를 나타내는 그래프이다.
도 5d는 본 문서에 개시된 일 실시예에 따른 배터리 셀의 제4 진단 편차를 나타내는 그래프이다.
도 6은 본 문서에 개시된 일 실시예에 따른 배터리 관리 장치의 동작 방법을 보여주는 흐름도이다.
도 7은 본 문서에 개시된 일 실시예에 따른 배터리 관리 장치의 배터리 셀을 진단하는 동작 방법을 보여주는 흐름도이다.
도 8은 본 문서에 개시된 다른 실시예에 따른 컨트롤러의 배터리 셀을 진단하는 방법을 보여주는 흐름도이다.
도 9a는 본 문서에 개시된 일 실시예에 따른 배터리 셀의 제1 전압을 나타내는 그래프이다.
도 9b는 본 문서에 개시된 다른 실시예에 따른 배터리 셀의 제1 전압을 나타내는 그래프이다.
도 10a는 본 문서에 개시된 일 실시예에 따른 배터리 셀의 제1 전압의 장기 이동 평균 및 단기 이동 평균을 나타내는 그래프이다.
도 10b는 본 문서에 개시된 다른 실시예에 따른 배터리 셀의 제1 전압의 장기 이동 평균 및 단기 이동 평균을 나타내는 그래프이다.
도 11a는 본 문서에 개시된 일 실시예에 따른 배터리 셀의 제1 편차를 나타내는 그래프이다.
도 11b는 본 문서에 개시된 다른 실시예에 따른 배터리 셀의 제1 편차를 나타내는 그래프이다.
도 12a는 본 문서에 개시된 일 실시예에 따른 배터리 셀의 제1 진단 편차를 나타내는 그래프이다.
도 12b는 본 문서에 개시된 다른 실시예에 따른 배터리 셀의 제1 진단 편차를 나타내는 그래프이다.
도 13a는 본 문서에 개시된 일 실시예에 따른 배터리 셀의 보정된 제1 전압의 장기 이동 평균 및 단기 이동 평균을 나타내는 그래프이다.
도 13b는 본 문서에 개시된 다른 실시예에 따른 배터리 셀의 보정된 제1 전압의 장기 이동 평균 및 단기 이동 평균을 나타내는 그래프이다.
도 14a는 본 문서에 개시된 일 실시예에 따른 배터리 셀의 보정된 제1 진단 편차를 나타내는 그래프이다.
도 14b는 본 문서에 개시된 다른 실시예에 따른 배터리 셀의 보정된 제1 진단 편차를 나타내는 그래프이다.
도 15는 본 문서에 개시된 다른 실시예에 따른 배터리 관리 장치의 동작 방법을 보여주는 흐름도이다.
도 16은 본 문서에 개시된 다른 실시예에 따른 배터리 관리 장치의 배터리 셀을 진단하는 동작 방법을 보여주는 흐름도이다.
도 17은 본 문서에 개시된 일 실시예에 따른 배터리 관리 장치의 동작 방법을 구현하는 컴퓨팅 시스템의 하드웨어 구성을 나타내는 블록도이다.
이하, 본 문서에 개시된 일부 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, 제1, 제2, 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 문서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
도 1은 본 문서에 개시된 일 실시예에 따른 배터리 팩을 보여주는 도면이다.
도 1을 참조하면, 본 문서에 개시된 일 실시예에 따른 배터리 팩(1000)은 배터리 모듈(100), 배터리 관리 장치(200) 및 릴레이(300)를 포함할 수 있다. 다양한 실시예에 따르면, 배터리 모듈(100)은 배터리 셀일 수 있으며, 이러한 경우 배터리 팩(1000)은 셀 투 팩(cell to pack) 구조를 가질 수 있다.
도 1에서는 배터리 모듈(100)이 한 개인 경우로 도시되나, 실시예에 따라 배터리 모듈(100)은 복수개로 구성될 수도 있고, 배터리 팩(1000)은 복수의 배터리 모듈이 적층 구조를 이룰 수 있다. 배터리 모듈(100)은 복수의 배터리 셀들(110, 120, 130, 140)을 포함할 수 있다. 도 1에서는 복수의 배터리 셀들이 4개인 것으로 도시되었지만, 이에 한정되는 것은 아니며, 배터리 모듈(100)은 n(n은 2이상의 자연수)개의 배터리 셀들을 포함하여 구성될 수 있다. 또한, 복수의 배터리 셀들(110, 120, 130, 140) 각각은, 적어도 두개 이상의 배터리 셀들이 병렬 연결된 셀 그룹 또는 배터리 뱅크(Bank)가 될 수 있다.
배터리 모듈(100)은 대상 장치(미도시)에 전원을 공급할 수 있다. 이를 위해, 배터리 모듈(100)은 대상 장치와 전기적으로 연결될 수 있다. 여기서, 대상 장치는 복수의 배터리 셀들(110, 120, 130, 140)을 포함하는 배터리 팩(1000)으로부터 전원을 공급받아 동작하는 전기적, 전자적, 또는 기계적인 장치를 포함할 수 있으며, 예를 들어, 대상 장치는 전기 자동차(EV) 또는 에너지 저장 시스템(ESS, Energy Storage System)일 수 있으나 이에 한정되는 것은 아니다.
복수의 배터리 셀들(110, 120, 130, 140)은 전기 에너지를 충방전하여 사용할 수 있는 배터리의 기본 단위로, 리튬이온(Li-ion) 전지, 리튬이온 폴리머(Li-ion polymer) 전지, 니켈 카드뮴(Ni-Cd) 전지, 니켈 수소(Ni-MH) 전지 등일 수 있으며, 이에 한정되지 않는다. 한편, 도 1에서는 배터리 모듈(100)이 한 개인 경우로 도시되나, 실시예에 따라 배터리 모듈(100)은 복수개로 구성될 수도 있다.
배터리 관리 장치(BMS, Battery Management System)(200)는 배터리 모듈(100)의 상태 및/또는 동작을 관리 및/또는 제어할 수 있다. 예를 들어, 배터리 관리 장치(200)는 배터리 모듈(100)에 포함된 복수의 배터리 셀들(110, 120, 130, 140)의 상태 및/또는 동작을 관리 및/또는 제어할 수 있다. 배터리 관리 장치(200)는 배터리 모듈(100)의 충전 및/또는 방전을 관리할 수 있다.
배터리 관리 장치(200)는 릴레이(300)의 동작을 제어할 수 있다. 예를 들어, 배터리 관리 장치(200)는 대상 장치에 전원을 공급하기 위해 릴레이(300)를 단락 시킬 수 있다. 또한, 배터리 관리 장치(200)는 배터리 팩(1000)에 충전 장치가 연결되는 경우 릴레이(300)를 단락 시킬 수 있다.
또한, 배터리 관리 장치(200)는 배터리 모듈(100) 및/또는 배터리 모듈(100)에 포함된 복수의 배터리 셀들(110, 120, 130, 140) 각각의 전압, 전류, 온도 등을 모니터링 할 수 있다. 그리고 배터리 관리 장치(200)에 의한 모니터링을 위해 도시하지 않은 센서나 각종 측정 모듈이 배터리 모듈(100)이나 충방전 경로, 또는 배터리 모듈(100) 등의 임의의 위치에 추가로 설치될 수 있다. 배터리 관리 장치(200)는 모니터링 한 전압, 전류, 온도 등의 측정값에 기초하여 배터리 모듈(100)의 상태를 나타내는 파라미터, 예를 들어 SOC(State of Charge) 또는 SOH(State of Health)를 산출할 수 있다.
복수의 배터리 셀(110, 120, 130, 140)은 사용 기간 또는 사용 횟수가 증가할수록 용량이 감소하고, 내부 저항이 증가하는 등 여러 인자들이 변화할 수 있다. 배터리 관리 장치(200)는 배터리 셀이 열화됨에 따라 변화하는 여러 인자들의 데이터를 기초로 복수의 배터리 셀(110, 120, 130, 140) 내부의 이상 현상을 진단할 수 있다.
배터리 셀은 생산 단계에서의 불량, 복수의 충방전을 통한 내부 변형 및 변성 또는 외부 충격 등 다양한 원인으로 불량이 발생한 경우 정상 배터리 셀에 비해 전압 변화가 더 빠르게 크게 일어날 수 있다. 배터리 관리 장치(200)는 내부 불량이 발생한 배터리 셀이 휴지기에서 정상 배터리 셀에 비해 전압 변화가 빠르고 크게 발생하는 현상을 이용하여, 복수의 배터리 셀(110, 120, 130, 140) 각각의 휴지기의 전압 데이터와 정상 배터리 셀의 휴지기의 통계적인 정상 전압 데이터를 비교해 복수의 배터리 셀(110, 120, 130, 140) 중 이상 배터리 셀을 진단할 수 있다.
구체적으로 이상 배터리 셀의 경우 정상 배터리 셀 대비 충전 후 휴지 구간에서 전압이 하강하는 현상이 발생하고, 정상 배터리 셀의 전압 거동 대비 큰 전압 거동의 편차가 발생하여 전압 거동이 한쪽으로 치우치는 현상이 발생해 큰 편향도를 갖는다. 배터리 관리 장치(200)는 이상 배터리 셀의 정상 배터리 셀의 전압 거동 대비 편차가 크고 편향도가 큰 특성을 이용하여 복수의 배터리 셀(110, 120, 130, 140) 중 이상 배터리 셀의 존재 여부를 판단할 수 있다.
배터리 관리 장치(200)는 복수의 배터리 셀들(110, 120, 130, 140)의 전압의 평균값과 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압의 편차(dV)를 산출할 수 있다. 배터리 관리 장치(200)는 복수의 배터리 셀들(110, 120, 130, 140)각각의 전압의 편차를 이용하여 복수의 배터리 셀들(110, 120, 130, 140) 중 적어도 하나의 배터리 셀의 전압의 이상 거동을 판단하여 해당 배터리 셀을 진단할 수 있다.
배터리 관리 장치(200)는 복수의 배터리 셀(110, 120, 130, 140)의 각각의 전압의 편차 중 노이즈(Noise) 데이터로 의심되는 노이즈 전압 데이터를 제외한 복수의 배터리 셀(110, 120, 130, 140)의 각각의 전압의 편차 데이터를 이용하여 배터리 셀을 진단할 수 있다. 배터리 관리 장치(200)는 복수의 배터리 셀(110, 120, 130, 140)의 각각의 전압의 편차 중 노이즈 전압 데이터를 제외한 후, 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압 편차 데이터를 증폭할 수 있다. 배터리 관리 장치(200)는 증폭된 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압 편차 데이터를 이용하여 이상 전압으로 의심되는 이상 배터리 셀을 진단할 수 있다.
또한, 이하의 배터리 관리 장치(200)의 동작은 배터리 관리 장치(200) 또는 배터리 관리 장치(200)가 탑재된 차량과 연결되는 서버, 클라우드, 충전기 또는 충방전기 등 다양한 기기에서 수행될 수 있다.
도 2는 본 문서에 개시된 일 실시예에 따른 배터리 관리 장치의 구성을 보여주는 블록도이다.
이하에서는 도 2를 참조하여 배터리 관리 장치(200)의 구성에 대해 구체적으로 설명한다.
도 2를 참조하면 배터리 관리 장치(200)는 전압 측정부(210) 및 컨트롤러(220)를 포함할 수 있다.
전압 측정부(210)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압을 산출할 수 있다. 전압 측정부(210)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압을 단위 시간마다 산출하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압의 시계열(Time-series) 데이터를 산출할 수 있다. 일 실시예에 따라, 전압 측정부(210)는 복수의 배터리 셀(110, 120, 130, 140)의 충전, 충전 후 휴지 구간, 방전 및 방전 후 휴지 구간에서의 전압 상승 및 하강과, 장시간 안정화(Relaxation) 데이터를 연속적으로 산출할 수 있다.
도 3은 본 문서에 개시된 일 실시예에 따른 배터리 셀의 전압을 나타내는 그래프이다.
도 3을 참조하면, 전압 측정부(210)는 복수의 배터리 셀(110, 120, 130, 140)의 충전, 충전 후 휴지 구간, 방전 및 방전 후 휴지 구간에서의 전압을 측정하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압의 시계열 데이터를 산출할 수 있다. 전압 측정부(210)는 단위 시간마다 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압을 측정하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압 변화를 나타내는 그래프를 생성할 수 있다.
컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압의 이동 평균(Moving Average)을 산출할 수 있다. 여기서 이동 평균은 전체 데이터의 중 특정 사이즈(Size)의 윈도우(Window)를 이동하면서 추출한 일부 데이터의 평균이다. 여기서 윈도우는 전체 데이터 중 일부를 추출하여 사용될 데이터를 판단할 수 있는 기준 구간이다. 윈도우의 시작 시점은 현 시점으로부터 기준 시간만큼 앞선 시점이고, 윈도우의 종료 시점은 현 시점이다, 예를 들어, 윈도우가 1주일인 경우 컨트롤러(220)는 전체 데이터 중 현 시점으로부터 최근 1주일 동안 획득한 데이터를 추출할 수 있다.
컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 전체 전압 데이터 중 윈도우를 이동하면서 추출한 전압 데이터를 이용하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압의 이동 평균값을 산출할 수 있다. 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 전체 전압 데이터 중 윈도우를 이동하면서 연속적으로 추출한 전압 데이터를 이용하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압의 연속적인 이동 평균값을 산출할 수 있다. 예를 들어, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 전체 전압 데이터에 단순 이동 평균(Simple Moving Average), 가중 이동 평균(Weighted Moving Average) 또는 지수 이동 평균(EMA, Exponential Moving Average)중 어느 하나를 적용하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압의 이동 평균값을 산출할 수 있다.
일 실시예에 따라, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 전체 전압 데이터에 지수 이동 평균(EMA)을 적용하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압의 지수 이동 평균값을 산출할 수 있다. 지수 이동 평균은 과거의 모든 기간의 데이터를 사용하면서, 최근의 데이터에 더 높은 가중치를 두는 일종의 가중 이동 평균법이다.
컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압 데이터를 이용하여 윈도우의 크기가 서로 다른 복수의 이동 평균값을 산출할 수 있다. 일 실시예에 따라, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 전체 전압 데이터를 이용하여 상대적으로 윈도우의 길이가 긴(Long) 장기 이동 평균값(Long Moving Average) 및 상대적으로 윈도우의 길이가 짧은(Short) 단기 이동 평균값(Short Moving Average)을 산출할 수 있다. 예를 들어, 장기 이동 평균값의 윈도우의 크기는 100초를 포함할 수 있고, 단기 이동 평균값의 윈도우의 크기는 10초를 포함할 수 있다. 예를 들어, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압 데이터를 이용하여 산출 시점으로부터 최근 100초 동안 획득한 전압 데이터를 이용하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 장기 이동 평균값을 산출할 수 있고, 산출 시점으로부터 최근 10초 동안 획득한 전압 데이터를 이용하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 단기 이동 평균값을 산출할 수 있다.
컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 연속적인 장기 이동 평균값(V_LMA)과 단기 이동 평균값(V_SMA)을 이용하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 장기 전압 변화 추세(Trend) 및 단기 전압 변화 추세를 분석할 수 있다. 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압의 장기 이동 평균값(V_LMA)과 단기 이동 평균값(V_SMA)을 이용하여 복수의 배터리 셀 각각의 전압의 이상 여부를 진단할 수 있다.
도 4는 본 문서에 개시된 일 실시예에 따른 컨트롤러의 배터리 셀을 진단하는 방법을 보여주는 흐름도이다.
이하에서는 도 4를 참조하여 컨트롤러의 배터리 셀 진단 방법을 구체적으로 설명한다.
S101 단계에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압의 장기 이동 평균값(V_LMA) 및 단기 이동 평균값(V_SMA)의 편차인 복수의 제1 편차(V_LMA - V_SMA)를 산출할 수 있다. S101 단계에서, 컨트롤러(220)는 단위 시간 동안 산출된 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 편차(V_LMA - V_SMA)를 연속적으로 산출할 수 있다. S101 단계에서, 즉, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압의 장기 거동과 단기 거동의 편차를 연속적으로 산출할 수 있다.
S102 단계에서, 컨트롤러(220)는 복수의 배터리 셀들(110, 120, 130, 140)의 평균 전압(V_avg)의 장기 이동 평균값(V_avg_LMA) 및 단기 이동 평균값(V_avg_SMA)을 산출할 수 있다. 여기서 복수의 배터리 셀들(110, 120, 130, 140)의 평균 전압(V_avg)은 복수의 배터리 셀들(110, 120, 130, 140)의 전압의 평균값(Mean), 중앙값(Median) 또는 최소값(Min)을 포함할 수 있다.
S102 단계에서, 컨트롤러(220)는 단위 시간마다 복수의 배터리 셀들(110, 120, 130, 140)의 평균 전압(V_avg)을 연속적으로 산출하고, 복수의 배터리 셀들(110, 120, 130, 140)의 평균 전압(V_avg)을 이용하여 복수의 배터리 셀들(110, 120, 130, 140)의 평균 전압(V_avg)의 장기 이동 평균값(V_avg_LMA) 및 단기 이동 평균값(V_avg_SMA)을 산출할 수 있다. 여기서 복수의 배터리 셀들(110, 120, 130, 140)의 평균 전압(V_avg)의 장기 이동 평균값(V_avg_LMA)의 윈도우의 크기는 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압의 장기 이동 평균값(V_LMA)의 윈도우의 크기와 동일할 수 있다. 또한, 복수의 배터리 셀들(110, 120, 130, 140)의 평균 전압(V_avg)의 단기 이동 평균값(V_avg_SMA)의 윈도우의 크기는 복수의 배터리 셀(110, 120, 130, 140) 각각의 단기 이동 평균값(V_SMA)의 윈도우의 크기와 동일할 수 있다.
S102 단계에서, 컨트롤러(220)는 복수의 배터리 셀들(110, 120, 130, 140)의 평균 전압(V_avg)의 장기 이동 평균값(V_avg_LMA) 및 단기 이동 평균값(V_avg_SMA)의 편차인 제2 편차(V_avg_LMA - V_avg_SMA)를 산출할 수 있다. S102 단계에서, 컨트롤러(220)는 단위 시간마다 복수의 배터리 셀들(110, 120, 130, 140)의 제2 편차(V_avg_LMA - V_avg_SMA)를 연속적으로 산출할 수 있다. 즉, 컨트롤러(220)는 복수의 배터리 셀들(110, 120, 130, 140)의 평균 전압(V_avg)의 장기 거동과 단기 거동의 편차를 산출할 수 있다.
S103 단계에서, 컨트롤러(220)는 복수의 제1 편차(V_LMA - V_SMA)와 제2 편차(V_avg_LMA - V_avg_SMA)의 편차인 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1)를 산출할 수 있다.
S103 단계에서, 구체적으로 컨트롤러(220)는 [수학식 1]에 기초하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1)를 산출할 수 있다.
[수학식 1]
제1 진단 편차 (D1) = 제2 편차 - 제1 편차 = (V_avg_LMA - V_avg_SMA) - (V_LMA - V_SMA)
[수학식 1]을 참조하면, 컨트롤러(220)는 복수의 제1 편차(V_LMA - V_SMA)와 제2 편차(V_avg_LMA - V_avg_SMA)의 편차를 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1)으로 산출할 수 있다.
도 5a는 본 문서에 개시된 일 실시예에 따른 배터리 셀의 제1 진단 편차를 나타내는 그래프이다.
도 5a를 참조하면, 컨트롤러(220)는 단위 시간마다 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1)를 연속적으로 산출하여, 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1)의 변화를 나타내는 그래프를 생성할 수 있다.
즉, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1)를 산출하여 복수의 배터리 셀들(110, 120, 130, 140)의 평균 전압(V_avg)의 장기 거동 및 단기 거동의 편차 대비 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압의 장기 거동 및 단기 거동의 편차를 비교할 수 있다.
다시 도 4를 참조하면, S104 단계에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1) 중 노이즈 데이터를 제거하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제2 진단 편차(D2)를 산출할 수 있다.
S104 단계에서, 구체적으로 컨트롤러(220)는 아래의 [수학식 2]에 기초하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1)의 노이즈 여부를 판단할 수 있는 기준값을 설정할 수 있다.
[수학식 2]
기준값 = Max[|V_avg_LMA - V_avg_SMA|*C1,C2]
S104 단계에서, 컨트롤러(220)는 제2 편차(V_avg_LMA - V_avg_SMA)의 절대값(Absolute Value)에 제1 임계 상수(C1)를 곱하여 얻어지는 값(|V_avg_LMA - V_avg_SMA|*C1)과 제2 임계 상수(C2) 중 최대값(Max)을 복수의 배터리 셀(110, 120, 130, 140) 각각의 기준값으로 설정할 수 있다. 여기서 제1 임계 상수(C1)는 ‘0.1’, 제2 임계 상수(C2)는 ‘0.4’를 포함할 수 있다. 또한, 제1 임계 상수(C1) 및 제2 임계 상수(C2)는 복수의 배터리 셀(110, 120, 130, 140) 각각 전압 데이터의 크기 및 특성에 따라 변경될 수 있다.
S104 단계에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1) 중 기준값 이하의 제1 진단 편차(D1)를 노이즈 데이터로 판단할 수 있다. S104 단계에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1) 중 기준값 이하의 제1 진단 편차(D1)를 제외하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제2 진단 편차(D2)를 산출할 수 있다.
S105 단계에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제2 진단 편차(D2)를 정규화(Normalization)하여 제3 진단 편차(D3)를 산출할 수 있다.
S105 단계에서, 구체적으로 컨트롤러(220)는 아래의 [수학식 3]에 기초하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제2 진단 편차(D2)를 정규화하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)를 산출할 수 있다.
[수학식 3]
제3 진단 편차 = 제2 진단 편차/ Max[|V_avg_LMA - V_avg_SMA|*C3,C4]
S105 단계에서, 컨트롤러(220)는 제2 편차의 절대값(|V_avg_LMA - V_avg_SMA|)에 제3 임계 상수(C3)를 곱하여 얻어지는 값(|V_avg_LMA - V_avg_SMA|*C3)과 제4 임계 상수(C4) 중 최대값(Max)을 산출할 수 있다. 컨트롤러(220)는 제2 편차의 절대값에 제3 임계 상수를 곱하여 얻어지는 값과 제4 임계 상수(C4) 중 최대값(Max[|V_avg_LMA - V_avg_SMA|*C3,C4])을 이용하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제2 진단 편차(D2)를 정규화할 수 있다. 여기서 제3 임계 상수(C3)는 ‘0.1’, 제4 임계 상수(C4)는 ‘0.1’를 포함할 수 있고, 제3 임계 상수(C3) 및 제4 임계 상수(C4)는 복수의 배터리 셀(110, 120, 130, 140) 각각 전압 데이터의 크기 및 특성에 따라 변경될 수 있다. S105 단계에서, 컨트롤러(220)는 복수의 배터리 셀들(110, 120, 130, 140)의 평균 전압(V_avg)의 거동을 나타내는 제2 편차(V_avg_LMA - V_avg_SMA)를 이용하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제2 진단 편차(D2)를 정규화한 값을 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)로 산출할 수 있다.
S105 단계에서, 일 실시예에 따라 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제2 진단 편차(D2)를 로그(log) 연산을 통해 정규화할 수 있다. 즉, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제2 진단 편차(D2)를 로그 연산을 통해 정규화한 값을 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)로 산출할 수 있다.
S105 단계에서, 일 실시예에 따라 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제2 진단 편차(D2)의 평균값(D2_avg)을 정규화 기준값으로 설정할 수 있다. S105 단계에서, 컨트롤러(220)는 제2 진단 편차의 평균값(D2_avg)을 정규화 기준값으로 사용하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제2 진단 편차(D2)를 제2 진단 편차(D2)의 평균값(D2_avg)으로 나누어 정규화할 수 있다. 즉, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제2 진단 편차(D2)를 제2 진단 편차의 평균값(D2_avg)으로 나누어 정규화한 값을 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)로 산출할 수 있다.
도 5b는 본 문서에 개시된 일 실시예에 따른 배터리 셀의 제3 진단 편차(D3)를 나타내는 그래프이다.
도 5b를 참조하면, 컨트롤러(220)는 다양한 실시예에 따라 복수의 배터리 셀(110, 120, 130, 140) 각각의 제2 진단 편차(D2)를 정규화하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)를 산출할 수 있다.
컨트롤러(220)는 단위 시간마다 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)를 연속적으로 산출하여, 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)의 변화를 나타내는 그래프를 생성할 수 있다.
예를 들어, 컨트롤러(220)는 복수의 배터리 셀들(110, 120, 130, 140)의 평균 전압(V_avg)의 거동을 나타내는 제2 편차(V_avg_LMA - V_avg_SMA)를 이용하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제2 진단 편차(D2)를 정규화할 수 있다.
다시 도 4를 참조하면, S106 단계에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)의 편향도(Skewness)를 산출할 수 있다. S106 단계에서, 구체적으로 컨트롤러(220)는 아래의 [수학식 4]에 기초하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)의 편향도(Skewness)를 산출할 수 있다.
[수학식 4]
편향도 = (제3 진단 편차(D3)+Min[제3 진단 편차(D3)])/ 제3 진단 편차(D3)
S106 단계에서, [수학식 4]를 참조하면, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)에 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)의 최소값(Min[제3 진단 편차(D3)])을 더하여 얻어지는 값을 제3 진단 편차(D3)으로 나누어 복수의 배터리 셀(110, 120, 130, 140) 각각의 편향도를 산출할 수 있다.
도 5c를 본 문서에 개시된 일 실시예에 따른 배터리 셀의 제3 진단 편차의 편향도를 나타내는 그래프이다.
도 5c를 참조하면, 컨트롤러(220)는 단위 시간마다 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)의 편향도를 연속적으로 산출하여, 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)의 편향도의 변화를 나타내는 그래프를 생성할 수 있다.
다시 도 4를 참조하면, S106 단계에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)에 편향도를 반영하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제4 진단 편차(D4)를 산출할 수 있다. 구체적으로 컨트롤러(220)는 아래의 [수학식 5]에 기초하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제4 진단 편차(D4)를 산출할 수 있다.
[수학식 5]
제4 진단 편차(D4) = 제3 진단 편차(D3) * 편향도
컨트롤러(220)는 S106 단계에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)에 편향도를 곱하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제4 진단 편차(D4)를 산출할 수 있다.
도 5d는 본 문서에 개시된 일 실시예에 따른 배터리 셀의 제4 진단 편차를 나타내는 그래프이다.
도 5d를 참조하면, 컨트롤러(220)는 단위 시간마다 복수의 배터리 셀(110, 120, 130, 140) 각각의 제4 진단 편차(D4)를 연속적으로 산출하여, 복수의 배터리 셀(110, 120, 130, 140) 각각의 제4 진단 편차(D4)의 변화를 나타내는 그래프를 생성할 수 있다.
다시 도 4를 참조하면, S107 단계에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제4 진단 편차(D4)의 임계값(Threshold) 초과 여부를 판단할 수 있다. 여기서 임계값은 극단적인 결과가 나와 ‘비정상’ 이라고 판단할 수 있는 기준값으로 정의될 수 있다. 즉, 임계값은 데이터가 특정 통계 모델과 얼마나 상반되는지 나타내는 기준으로 정의될 수 있다. 컨트롤러(220)는 복수의 배터리 셀들(110, 120, 130, 140) 중 제4 진단 편차(D4)이 임계값 초과인 배터리 셀의 경우 전압의 이상 거동이 발생한 배터리 셀로 판단할 수 있다.
S108 단계에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제4 진단 편차(D4)의 임계값 초과 여부를 기초로 복수의 배터리 셀(110, 120, 130, 140) 중 적어도 하나의 배터리 셀을 진단할 수 있다. S108 단계에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 중 적어도 하나의 배터리 셀의 제4 진단 편차(D4)이 임계값 초과인 경우 해당 배터리 셀을 진단할 수 있다.
S108 단계에서, 일 실시예에 따라, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 중 적어도 하나의 배터리 셀의 제4 진단 편차(D4)이 임계값 초과인 경우, 적어도 하나의 배터리 셀의 진단 카운트 값을 증가시킬 수 있다.
S108 단계에서, 일 실시예에 따라, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 중 적어도 하나의 배터리 셀의 진단 카운트 값이 임계 카운트 값 이상인 경우, 적어도 하나의 배터리 셀을 진단할 수 있다.
컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 중 적어도 하나의 배터리 셀을 진단한 후, 해당 배터리 셀 내부의 내부 단락 발생 여부, 외부 단락 발생 여부, 리튬 석출 여부 등의 불량 여부를 추적 및 모니터링할 수 있다.
그리고 컨트롤러(220)는 진단 결과 배터리 셀 내부 불량이 발생한 것으로 확인되면, 해당 배터리 셀에 대한 정보를 사용자에게 제공할 수 있다. 일 예로, 컨트롤러(220)는 통신부(미도시)를 통해 사용자 단말로 내부 단락이 발생한 배터리 셀에 대한 정보를 제공할 수 있음은 물론, 차량 또는 충전기 등에 구비된 디스플레이를 통해 해당 배터리 셀에 대한 정보를 제공할 수 있을 것이다.
상술한 바와 같이, 본 문서에 개시된 일 실시예에 따른 배터리 관리 장치(200)에 따르면 배터리 셀의 전압의 장기 이동 평균값 및 단기 이동 평균값의 편차의 노이즈를 제거하여 이상 배터리 셀을 정확하게 진단할 수 있다.
종래의 배터리 관리 장치는 배터리 셀들 평균 전압 대비 배터리 셀 각각의 전압의 편차를 이용하여 배터리 셀 각각의 전압의 이상 거동 신호가 왜곡되고 노이즈 데이터로 인한 오진단의 가능성이 있었으나, 본 문서에 개시된 일 실시예에 따른 배터리 관리 장치(200)는 배터리 셀 각각의 전압의 장기 이동 평균값 및 단기 이동 평균값의 편차를 이용하여 배터리 셀의 전압의 왜곡을 최소화하고, 노이즈 데이터를 제거하고, 배터리 셀의 전압의 편향도를 반영해 이상 배터리 셀의 전압 거동을 증폭하여 진단의 정확도를 개선할 수 있다.
배터리 관리 장치(200)는 배터리 셀의 전압의 장기 이동 평균값 및 단기 이동 평균값의 편차를 이용하여 이상 전압 거동이 발생한 배터리 셀을 조기에 진단하여 배터리 에너지의 안전성과 신뢰성을 확보할 수 있다. 또한, 배터리 관리 장치(200)는 차량에 배터리가 장착된 상태에서 이상 전압 거동이 발생한 배터리 셀을 진단해 배터리의 별도 분리가 불필요하여 신속 및 간편하게 배터리 셀을 진단할 수 있다.
도 6은 본 문서에 개시된 일 실시예에 따른 배터리 관리 장치의 동작 방법을 보여주는 흐름도이다.
이하에서는 도 1 내지 도 5d를 참조하여 배터리 관리 장치(200)의 동작 방법에 대해 구체적으로 설명한다.
배터리 관리 장치(200)는 도 1 내지 도 5d를 참조하여 설명한 배터리 관리 장치(200)와 실질적으로 동일할 수 있으므로, 이하에서는 설명의 중복을 피하기 위하여 간략히 설명한다.
도 6을 참조하면 배터리 관리 장치의 동작 방법은 복수의 배터리(110, 120, 130, 140) 각각의 전압을 측정하는 단계(S201), 복수의 배터리(110, 120, 130, 140) 각각의 전압의 장기 이동 평균값 및 단기 이동 평균값의 편차인 복수의 제1 편차를 산출하는 단계(S202), 복수의 배터리(110, 120, 130, 140)들의 평균값의 장기 이동 평균값 및 단기 이동 평균값의 편차인 제2 편차를 산출하는 단계(S203), 복수의 제1 편차와과 제2 편차의 편차인 복수의 배터리(110, 120, 130, 140) 각각의 제1 진단 편차를 산출하는 단계(S204), 복수의 배터리(110, 120, 130, 140) 각각의 제1 진단 편차 중 제2 편차에 임계 상수를 곱하여 얻어지는 기준값에 기초하여 복수의 배터리(110, 120, 130, 140) 각각의 제2 진단 편차를 산출하는 단계(S205) 및 복수의 배터리(110, 120, 130, 140) 각각의 제2 진단 편차에 기초하여 복수의 배터리(110, 120, 130, 140) 중 적어도 하나의 배터리를 진단하는 단계(S206)를 포함할 수 있다.
이하에서는 S201 단계 내지 S206 단계에 대해 구체적으로 설명한다.
S201 단계에서, 전압 측정부(210)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압을 산출할 수 있다. S201 단계에서, 전압 측정부(210)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압을 단위 시간마다 산출하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압의 시계열 데이터를 산출할 수 있다. S201 단계에서, S201 단계에서, 일 실시예에 따라, 전압 측정부(210)는 복수의 배터리 셀(110, 120, 130, 140)의 충전, 충전 후 휴지 구간, 방전 및 방전 후 휴지 구간에서의 전압 상승 및 하강과, 장시간 안정화(Relaxation) 데이터를 연속적으로 산출할 수 있다.
S201 단계에서, 전압 측정부(210)는 복수의 배터리 셀(110, 120, 130, 140)의 충전, 충전 후 휴지 구간, 방전 및 방전 후 휴지 구간에서의 전압을 측정하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압의 시계열 데이터를 산출할 수 있다. S201 단계에서, 전압 측정부(210)는 단위 시간마다 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압을 측정하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압 변화를 나타내는 그래프를 생성할 수 있다.
S202 단계에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압의 이동 평균값을 산출할 수 있다. 여기서 이동 평균은 전체 데이터의 중 특정 사이즈의 윈도우(Window)를 이동하면서 추출한 일부 데이터의 평균이다.
S202 단계에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 전체 전압 데이터 중 윈도우를 이동하면서 추출한 전압 데이터를 이용하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압의 이동 평균값을 산출할 수 있다. S202 단계에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 전체 전압 데이터 중 윈도우를 이동하면서 연속적으로 추출한 전압 데이터를 이용하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압의 연속적인 이동 평균 값을 산출할 수 있다. S202 단계에서, 예를 들어, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 전체 전압 데이터에 단순 이동 평균, 가중 이동 평균 또는 지수 이동 평균 중 어느 하나를 적용하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압의 이동 평균값을 산출할 수 있다. S202 단계에서, 일 실시예에 따라, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 전체 전압 데이터에 지수 이동 평균(EMA)을 적용하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압의 지수 이동 평균값을 산출할 수 있다.
S202 단계에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압 데이터를 이용하여 윈도우의 크기가 서로 다른 복수의 이동 평균값을 산출할 수 있다. S202 단계에서, 일 실시예에 따라, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 전체 전압 데이터를 이용하여 상대적으로 윈도우의 길이가 긴(Long) 장기 이동 평균값 및 상대적으로 윈도우의 길이가 짧은(Short) 단기 이동 평균값을 산출할 수 있다.
S202 단계에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압의 장기 이동 평균값(V_LMA)과 단기 이동 평균값(V_SMA)을 이용하여 복수의 배터리 셀 각각의 전압의 이상 여부를 진단할 수 있다.
S202 단계에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압의 장기 이동 평균값(V_LMA) 및 단기 이동 평균값(V_SMA)의 편차인 제1 편차(V_LMA - V_SMA)를 산출할 수 있다. S202 단계에서, 컨트롤러(220)는 단위 시간 동안 산출된 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 편차(V_LMA - V_SMA)를 연속적으로 산출할 수 있다. S202 단계에서, 즉, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압의 장기 거동과 단기거동의 편차를 산출할 수 있다.
S203 단계에서, 컨트롤러(220)는 복수의 배터리 셀들(110, 120, 130, 140)의 평균 전압(V_avg)의 장기 이동 평균값(V_avg_LMA) 및 단기 이동 평균값(V_avg_SMA)을 산출할 수 있다. 여기서 복수의 배터리 셀들(110, 120, 130, 140)의 평균 전압(V_avg)은 복수의 배터리 셀들(110, 120, 130, 140)의 전압의 평균값(Mean), 중앙값(Median) 또는 최소값(Min)을 포함할 수 있다.
S203 단계에서, 컨트롤러(220)는 단위 시간마다 복수의 배터리 셀들(110, 120, 130, 140)의 평균 전압(V_avg)을 연속적으로 산출하고, 복수의 배터리 셀들(110, 120, 130, 140)의 평균 전압(V_avg)을 이용하여 복수의 배터리 셀들(110, 120, 130, 140)의 평균 전압(V_avg)의 장기 이동 평균값(V_avg_LMA) 및 단기 이동 평균값(V_avg_SMA)을 산출할 수 있다. 여기서 복수의 배터리 셀들(110, 120, 130, 140)의 평균 전압(V_avg)의 장기 이동 평균값(V_avg_LMA)의 윈도우의 크기는 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압의 장기 이동 평균값(V_LMA)의 윈도우의 크기와 동일할 수 있다. 또한, 복수의 배터리 셀들(110, 120, 130, 140)의 평균 전압(V_avg)의 단기 이동 평균값(V_avg_SMA)의 윈도우의 크기는 복수의 배터리 셀(110, 120, 130, 140) 각각의 단기 이동 평균값(V_SMA)의 윈도우의 크기와 동일할 수 있다.
S203 단계에서, 컨트롤러(220)는 복수의 배터리 셀들(110, 120, 130, 140)의 평균 전압(V_avg)의 장기 이동 평균값(V_avg_LMA) 및 단기 이동 평균값(V_avg_SMA)의 편차인 제2 편차(V_avg_LMA - V_avg_SMA)를 산출할 수 있다. S203 단계에서, 컨트롤러(220)는 단위 시간마다 복수의 배터리 셀들(110, 120, 130, 140)의 제2 편차 (V_avg_LMA - V_avg_SMA)를 연속적으로 산출할 수 있다.
S204 단계에서, 컨트롤러(220)는 복수의 제1 편차(V_LMA - V_SMA)와 제2 편차(V_avg_LMA - V_avg_SMA)의 편차인 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1)를 산출할 수 있다.
S204 단계에서, 구체적으로 컨트롤러(220)는 [수학식 6]에 기초하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1)를 산출할 수 있다.
[수학식 6]
제1 진단 편차 (D1) = 제2 편차 - 제1 편차= (V_avg_LMA - V_avg_SMA) - (V_LMA - V_SMA)
[수학식 6]을 참조하면, 컨트롤러(220)는 복수의 제1 편차(V_LMA - V_SMA)와 제2 편차(V_avg_LMA - V_avg_SMA)의 편차를 편차인 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1)으로 산출할 수 있다.
S204 단계에서, 컨트롤러(220)는 단위 시간마다 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1)를 연속적으로 산출하여, 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1)의 변화를 나타내는 그래프를 생성할 수 있다.
S205 단계에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1) 중 노이즈 데이터를 제거하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제2 진단 편차(D2)를 산출할 수 있다.
S205 단계에서, 구체적으로 컨트롤러(220)는 아래의 [수학식 7]에 기초하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1)의 노이즈 여부를 판단할 수 있는 기준값을 설정할 수 있다.
[수학식 7]
기준값 = Max[|V_avg_LMA - V_avg_SMA|*C1,C2]
S205 단계에서, 컨트롤러(220)는 제2 편차(V_avg_LMA - V_avg_SMA)의 절대값(Absolute Value)에 제1 임계 상수(C1)를 곱하여 얻어지는 값(|V_avg_LMA - V_avg_SMA|*C1)과 제2 임계 상수(C2) 중 최대값(Max)을 복수의 배터리 셀(110, 120, 130, 140) 각각의 기준값으로 설정할 수 있다.
S205 단계에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1) 중 기준값 이하의 제1 진단 편차(D1)를 노이즈 데이터로 판단할 수 있다. S205 단계에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1) 중 기준값 이하의 제1 진단 편차(D1)를 제외하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제2 진단 편차(D2)를 산출할 수 있다.
S206 단계에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제2 진단 편차(D2)를 이용하여 복수의 배터리 셀(110, 120, 130, 140) 중 적어도 하나의 배터리 셀을 진단할 수 있다.
도 7은 본 문서에 개시된 일 실시예에 따른 배터리 관리 장치의 배터리 셀을 진단하는 동작 방법을 보여주는 흐름도이다.
이하에서는 도 7을 참조하여 컨트롤러(220)의 복수의 배터리 셀(110, 120, 130, 140) 각각의 제2 진단 편차(D2)를 이용하여 배터리 셀을 진단하는 방법에 대해 구체적으로 설명한다.
도 7을 참조하면 배터리 관리 장치의 동작 방법은 복수의 배터리(110, 120, 130, 140) 각각의 제2 진단 편차를 정규화하여 복수의 배터리(110, 120, 130, 140) 각각의 제3 진단 편차를 산출하는 단계(S301), 복수의 배터리(110, 120, 130, 140) 각각의 복수의 배터리 각각의 제3 진단 편차의 편향도를 산출하는 단계(S302), 복수의 배터리(110, 120, 130, 140) 각각의 제3 진단 편차에 편향도를 곱하여 복수의 배터리(110, 120, 130, 140) 각각의 제4 진단 편차를 산출하는 단계(S303) 및 복수의 배터리(110, 120, 130, 140) 각각의 제4 진단 편차의 임계값 초과 여부를 판단하여 배터리를 진단하는 단계(S304)를 포함할 수 있다.
이하에서는 S301 단계 내지 S304 단계에 대해 구체적으로 설명한다.
S301 단계에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제2 진단 편차(D2)를 정규화(Normalization)하여 제3 진단 편차(D3)를 산출할 수 있다. S301 단계에서, 구체적으로 컨트롤러(220)는 아래의 [수학식 8]에 기초하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제2 진단 편차(D2)를 정규화하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)를 산출할 수 있다.
[수학식 8]
제3 진단 편차 = 제2 진단 편차/ Max[|V_avg_LMA - V_avg_SMA|*C3,C4]
S301 단계에서, 컨트롤러(220)는 제2 편차의 절대값(|V_avg_LMA - V_avg_SMA|)에 제3 임계 상수(C3)를 곱하여 얻어지는 값(|V_avg_LMA - V_avg_SMA|*C3)과 제4 임계 상수(C4) 중 최대값(Max)을 산출할 수 있다. 컨트롤러(220)는 제2 편차의 절대값에 제3 임계 상수를 곱하여 얻어지는 값과 제4 임계 상수(C4) 중 최대값(Max[|V_avg_LMA - V_avg_SMA|*C3,C4])을 이용하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제2 진단 편차(D2)를 정규화할 수 있다. 여기서 제3 임계 상수(C3)는 ‘0.1’, 제4 임계 상수(C4)는 ‘0.1’를 포함할 수 있고, 제3 임계 상수(C3) 및 제4 임계 상수(C4)는 복수의 배터리 셀(110, 120, 130, 140) 각각 전압 데이터의 크기 및 특성에 따라 변경될 수 있다. S301 단계에서, 컨트롤러(220)는 복수의 배터리 셀들(110, 120, 130, 140)의 평균 전압(V_avg)의 거동을 나타내는 제2 편차(V_avg_LMA - V_avg_SMA)를 이용하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제2 진단 편차(D2)를 정규화한 값을 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)로 산출할 수 있다.
S301 단계에서, 일 실시예에 따라 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제2 진단 편차(D2)를 로그(log) 연산을 통해 정규화할 수 있다. 즉, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제2 진단 편차(D2)를 로그 연산을 통해 정규화한 값을 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)로 산출할 수 있다.
S301 단계에서, 일 실시예에 따라 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제2 진단 편차(D2)의 평균값(D2_avg)을 정규화 기준값으로 설정할 수 있다. S301 단계에서, 컨트롤러(220)는 제2 진단 편차의 평균값(D2_avg)을 정규화 기준값으로 사용하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제2 진단 편차(D2)를 제2 진단 편차(D2)의 평균값(D2_avg)으로 나누어 정규화할 수 있다. 즉, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제2 진단 편차(D2)를 제2 진단 편차의 평균값(D2_avg)으로 나누어 정규화한 값을 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)로 산출할 수 있다.
S301 단계에서, 컨트롤러(220)는 다양한 실시예에 따라 복수의 배터리 셀(110, 120, 130, 140) 각각의 제2 진단 편차(D2)를 정규화하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)를 산출할 수 있다.
S301 단계에서, 컨트롤러(220)는 단위 시간마다 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)를 연속적으로 산출하여, 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)의 변화를 나타내는 그래프를 생성할 수 있다.
S302 단계에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)의 편향도(Skewness)를 산출할 수 있다. S302 단계에서, 구체적으로 컨트롤러(220)는 아래의 [수학식 9]에 기초하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)의 편향도(Skewness)를 산출할 수 있다.
[수학식 9]
편향도 =(제3 진단 편차(D3)+Min[제3 진단 편차(D3)])/ 제3 진단 편차(D3)
S302 단계에서, [수학식 9]를 참조하면, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)에 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)의 최소값(Min[제3 진단 편차(D3)])을 더하여 얻어지는 값을 제3 진단 편차(D3)으로 나누어 복수의 배터리 셀(110, 120, 130, 140) 각각의 편향도를 산출할 수 있다.
S302 단계에서, 컨트롤러(220)는 단위 시간마다 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)의 편향도를 연속적으로 산출하여, 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)의 편향도의 변화를 나타내는 그래프를 생성할 수 있다.
S303 단계에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)에 편향도를 반영하여 제4 진단 편차(D4)를 산출할 수 있다. S303 단계에서, 구체적으로 컨트롤러(220)는 아래의 [수학식 10]에 기초하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제4 진단 편차(D4)를 산출할 수 있다.
[수학식 10]
제4 진단 편차(D4) = 제3 진단 편차(D3) * 편향도
S303 단계에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)에 편향도를 곱하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제4 진단 편차(D4)를 산출할 수 있다. S303 단계에서, 컨트롤러(220)는 단위 시간마다 복수의 배터리 셀(110, 120, 130, 140) 각각의 제4 진단 편차(D4)를 연속적으로 산출하여, 복수의 배터리 셀(110, 120, 130, 140) 각각의 제4 진단 편차(D4)의 변화를 나타내는 그래프를 생성할 수 있다.
S304 단계에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제4 진단 편차(D4)의 임계값(Threshold) 초과 여부를 판단할 수 있다. S304 단계에서, 컨트롤러(220)는 복수의 배터리 셀들(110, 120, 130, 140) 중 제4 진단 편차(D4)이 임계값 초과인 배터리 셀의 경우 전압 이상이 발생한 배터리 셀로 판단할 수 있다.
S304 단계에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제4 진단 편차(D4)의 임계값 초과 여부를 기초로 복수의 배터리 셀(110, 120, 130, 140) 중 적어도 하나의 배터리 셀을 진단할 수 있다. S304 단계에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 중 적어도 하나의 배터리 셀의 제4 진단 편차(D4)이 임계값 초과인 경우 해당 배터리 셀을 진단할 수 있다.
S304 단계에서, 일 실시예에 따라, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 중 적어도 하나의 배터리 셀의 제4 진단 편차(D4)이 임계값 초과인 경우, 적어도 하나의 배터리 셀의 진단 카운트 값을 증가시킬 수 있다.
S304 단계에서, 일 실시예에 따라, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 중 적어도 하나의 배터리 셀의 진단 카운트 값이 임계 카운트 값 이상인 경우, 적어도 하나의 배터리 셀을 진단할 수 있다.
본 문서에 개시된 다른 실시예 따른 배터리 관리 장치(200)는 복수의 배터리 셀(110, 120, 130, 140)의 평균 전압(V_avg) 및 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압 간의 편차(dV)를 이용하여 복수의 배터리 셀(110, 120, 130, 140)을 진단할 수 있다.
구체적으로 전압 측정부(210)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압을 측정할 수 있다. 전압 측정부(210)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압을 단위 시간마다 산출하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 전압(dV)의 시계열(Time-series) 데이터를 산출할 수 있다. 일 실시예에 따라, 전압 측정부(210)는 복수의 배터리 셀(110, 120, 130, 140)의 충전, 충전 후 휴지 구간, 방전 및 방전 후 휴지 구간에서의 전압 상승 및 하강과, 장시간 안정화(Relaxation) 데이터를 연속적으로 산출할 수 있다.
전압 측정부(210)는 복수의 배터리 셀(110, 120, 130, 140)의 충전, 충전 후 휴지 구간, 방전 및 방전 후 휴지 구간에서의 전압을 측정하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 전압(dV)의 시계열 데이터를 산출할 수 있다. 전압 측정부(210)는 단위 시간마다 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압을 측정하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압 변화를 나타내는 그래프를 생성할 수 있다.
컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140)의 평균 전압(V_avg)을 산출할 수 있다. 일 실시예에 따라, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140)의 전압의 평균값(Mean), 중앙값(Median) 또는 최소값(Min)을 복수의 배터리 셀(110, 120, 130, 140)의 평균 전압으로 산출할 수 있다. 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각에 대해 평균 전압(V_avg)과 전압 간의 편차(dV)를 산출할 수 있다.
일 실시예에 따라, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140)각각의 평균 전압(V_avg)과 전압 간의 편차(dV)를 제1 전압(dV)으로 산출할 수 있다. 또한, 일 실시예에 따라, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압을 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 전압(dV)으로 산출할 수 있다.
이하에서는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 전압은 복수의 배터리 셀(110, 120, 130, 140)각각의 전압과 평균 전압(V_avg) 간의 편차(dV)를 예로 들어 설명하나, 이에 한정되는 것은 아니다.
도 8은 본 문서에 개시된 다른 실시예에 따른 컨트롤러의 배터리 셀을 진단하는 방법을 보여주는 흐름도이다. 이하에서는 도 8을 참조하여 컨트롤러의 배터리 셀 진단 방법을 구체적으로 설명한다.
S401 단계에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140)의 평균 전압(V_avg)과 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압 간의 편차(dV) 또는 복수의 배터리 셀(110, 120, 130, 140)의 전압을 제1 전압(dV)으로 산출할 수 있다.
도 9a는 본 문서에 개시된 일 실시예에 따른 배터리 셀의 제1 전압을 나타내는 그래프이다.
도 9a를 참조하면, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140)의 방전 및 방전 후 휴지 구간에서의 전압을 측정하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 전압(dV)의 시계열 데이터를 산출할 수 있다.
도 9b는 본 문서에 개시된 다른 실시예에 따른 배터리 셀의 제1 전압을 나타내는 그래프이다. 도 9b를 참조하면, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140)의 충전 및 충전 후 휴지 구간에서의 전압을 측정하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 전압(dV)의 시계열 데이터를 산출할 수 있다.
다시 도 8을 참조하면, S402 단계에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 전압(dV)의 이동 평균(Moving Average)을 산출할 수 있다. 여기서 이동 평균은 전체 데이터의 중 특정 사이즈(Size)의 윈도우(Window)를 이동하면서 추출한 일부 데이터의 평균이다. 여기서 윈도우는 전체 데이터 중 일부를 추출하여 사용될 데이터를 판단할 수 있는 기준 구간이다. 윈도우의 시작 시점은 현 시점으로부터 기준 시간만큼 앞선 시점이고, 윈도우의 종료 시점은 현 시점이다, 예를 들어, 윈도우가 1주일인 경우 컨트롤러(220)는 전체 데이터 중 현 시점으로부터 최근 1주일 동안 획득한 데이터를 추출할 수 있다.
S402 단계에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 전체 제1 전압(dV)의 시계열 데이터 중 윈도우를 이동하면서 추출한 제1 전압(dV)을 이용하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 전압(dV)의 이동 평균값을 산출할 수 있다. S402 단계에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 전체 제1 전압(dV) 데이터 중 윈도우를 이동하면서 연속적으로 추출한 제1 전압(dV) 데이터를 이용하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 전압(dV)의 연속적인 이동 평균값을 산출할 수 있다. 예를 들어, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 전체 제1 전압(dV) 데이터에 단순 이동 평균(Simple Moving Average), 가중 이동 평균(Weighted Moving Average) 또는 지수 이동 평균(EMA, Exponential Moving Average) 중 어느 하나를 적용하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 평균 전압(V_avg) 대비 전압 편차(dV) 또는 전압의 이동 평균값을 산출할 수 있다.
S402 단계에서, 일 실시예에 따라, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 전체 제1 전압(dV) 데이터에 지수 이동 평균(EMA)을 적용하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 전압(dV)의 지수 이동 평균값을 산출할 수 있다. 지수 이동 평균은 과거의 모든 기간의 데이터를 사용하면서, 최근의 데이터에 더 높은 가중치를 두는 일종의 가중 이동 평균법이다.
S402 단계에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 전압(dV) 데이터를 이용하여 윈도우의 크기가 서로 다른 복수의 이동 평균값을 산출할 수 있다. S402 단계에서, 일 실시예에 따라, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 전체 제1 전압(dV) 데이터를 이용하여 상대적으로 윈도우의 길이가 긴(Long) 장기 이동 평균값(Long Moving Average) 및 상대적으로 윈도우의 길이가 짧은(Short) 단기 이동 평균값(Short Moving Average)을 산출할 수 있다. 예를 들어, 장기 이동 평균값의 윈도우의 크기는 100초를 포함할 수 있고, 단기 이동 평균값의 윈도우의 크기는 10초를 포함할 수 있다. 예를 들어, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 전압(dV) 데이터를 이용하여 산출 시점으로부터 최근 100초 동안 획득한 제1 전압(dV) 데이터를 이용하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 장기 이동 평균값을 산출할 수 있고, 산출 시점으로부터 최근 10초 동안 획득한 제1 전압(dV) 데이터를 이용하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 단기 이동 평균값을 산출할 수 있다.
도 10a는 본 문서에 개시된 일 실시예에 따른 배터리 셀의 제1 전압의 장기 이동 평균 및 단기 이동 평균을 나타내는 그래프이다. 도 10b는 본 문서에 개시된 다른 실시예에 따른 배터리 셀의 제1 전압을 나타내는 그래프이다.
도 10a를 참조하면, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140)의 방전 및 방전 후 휴지 구간에서의 전압을 측정하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 전압(dV)의 장기 이동 평균(dV_LMA) 및 단기 이동 평균(dV_SMA)의 시계열 데이터를 산출할 수 있다.
도 10b를 참조하면, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140)의 충전 및 충전 후 휴지 구간에서의 전압을 측정하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 전압(dV)의 장기 이동 평균(dV_LMA) 및 단기 이동 평균(dV_SMA)의 시계열 데이터를 산출할 수 있다.
컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 전압(dV)의 연속적인 장기 이동 평균값(dV_LMA)과 단기 이동 평균값(dV_SMA)을 이용하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 전압(dV)의 장기 전압 변화 추세(Trend) 및 단기 전압 변화 추세를 분석할 수 있다. 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 평균 전압(V_avg) 대비 전압 편차(dV) 또는 전압의 장기 이동 평균값(dV_LMA)과 단기 이동 평균값(dV_SMA)을 이용하여 복수의 배터리 셀 각각의 전압의 이상 여부를 진단할 수 있다.
다시 도 8을 참조하면, S402 단계에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 전압(dV)의 장기 이동 평균값(dV_LMA) 및 단기 이동 평균값(dV_SMA)의 편차인 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 편차(dV_LMA - dV_SMA)를 산출할 수 있다. S402 단계에서, 즉, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 평균 전압(V_avg) 대비 전압 편차(dV) 또는 전압의 장기 거동과 단기 거동의 편차를 연속적으로 산출할 수 있다.
도 11a는 본 문서에 개시된 일 실시예에 따른 배터리 셀의 제1 편차를 나타내는 그래프이다. 도 11b는 본 문서에 개시된 다른 실시예에 따른 배터리 셀의 제1 편차를 나타내는 그래프이다.
도 11a를 참조하면, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140)의 방전 및 방전 후 휴지 구간에서의 전압을 측정하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 전압(dV)의 장기 이동 평균(dV_LMA) 및 단기 이동 평균(dV_SMA)의 편차인 제1 편차(dV_LMA - dV_SMA)의 시계열 데이터를 산출할 수 있다.
도 11b를 참조하면, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140)의 충전 및 충전 후 휴지 구간에서의 전압을 측정하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 전압(dV)의 장기 이동 평균(dV_LMA) 및 단기 이동 평균(dV_SMA)의 편차인 제1 편차(dV_LMA - dV_SMA)의 시계열 데이터를 산출할 수 있다.
컨트롤러(220)는 단위 시간 동안 산출된 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 편차(dV_LMA - dV_SMA)를 연속적으로 산출할 수 있다.
다시 도 8을 참조하면, S403 단계에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140)의 제1 편차(dV_LMA - dV_SMA)의 평균인 제2 편차((dV_LMA - dV_SMA)_AVG)를 산출할 수 있다. 여기서 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140)의 제1 편차(dV_LMA - dV_SMA)의 평균값, 중앙값 또는 최소값을 제2 편차로 산출할 수 있다.
S403 단계에서, 컨트롤러(220)는 단위 시간마다 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 편차(dV_LMA - dV_SMA)를 연속적으로 산출하고, 복수의 배터리 셀들(110, 120, 130, 140)의 제1 편차(dV_LMA - dV_SMA)를 이용하여 복수의 배터리 셀들(110, 120, 130, 140)의 제1 편차(dV_LMA - dV_SMA)의 평균값, 중앙값 또는 최소값인 제2 편차((dV_LMA - dV_SMA)_AVG)를 산출할 수 있다.
S403 단계에서, 컨트롤러(220)는 단위 시간마다 복수의 배터리 셀들(110, 120, 130, 140)의 제 제2 편차((dV_LMA - dV_SMA)_AVG)를 연속적으로 산출할 수 있다. 즉, 컨트롤러(220)는 복수의 배터리 셀들(110, 120, 130, 140)의 전압 편차(dV)의 장기 거동과 단기 거동의 편차의 평균값을 산출할 수 있다.
S404 단계에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 편차(dV_LMA - dV_SMA)와 제2 편차((dV_LMA - dV_SMA)_AVG)의 차이인 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1)를 산출할 수 있다.
S404 단계에서, 구체적으로 컨트롤러(220)는 [수학식 11]에 기초하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1)를 산출할 수 있다.
[수학식 11]
제1 진단 편차 (D1) = 제2 편차 - 제1 편차= ((dV_LMA - dV_SMA)_AVG) - (dV_LMA - dV_SMA)
[수학식 11]을 참조하면, 컨트롤러(220)는 복수의 제1 편차(dV_LMA - dV_SMA)와 제2 편차((dV_LMA - dV_SMA)_AVG)의 차이를 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1)로 산출할 수 있다.
도 12a는 본 문서에 개시된 일 실시예에 따른 배터리 셀의 제1 진단 편차를 나타내는 그래프이다.
도 12b는 본 문서에 개시된 다른 실시예에 따른 배터리 셀의 제1 진단 편차를 나타내는 그래프이다.
도 12a를 참조하면, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140)의 방전 및 방전 후 휴지 구간에서의 전압을 측정하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 편차(dV_LMA - dV_SMA)와 제2 편차((dV_LMA - dV_SMA)_AVG)의 차이인 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1)의 시계열 데이터를 산출할 수 있다.
도 12a를 참조하면, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140)의 충전 및 충전 후 휴지 구간에서의 전압을 측정하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 편차(dV_LMA - dV_SMA)와 제2 편차((dV_LMA - dV_SMA)_AVG)의 차이인 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1)의 시계열 데이터를 산출할 수 있다.
컨트롤러(220)는 단위 시간마다 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1)를 연속적으로 산출하여, 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1)의 변화를 나타내는 그래프를 생성할 수 있다.
즉, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1)를 산출하여 복수의 배터리 셀들(110, 120, 130, 140)의 평균 장기 거동 및 단기 거동의 편차 대비 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 전압(dV)의 장기 거동 및 단기 거동의 편차를 비교할 수 있다.
다시 도 8을 참조하면, 일 실시예에 따라, S404 단계에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 전압(dV)을 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1)로 보정할 수 있다. S404 단계에서, 구체적으로 컨트롤러(220)는 S401 단계 내지 S403 단계를 통해 산출한 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1)를 다시 S401 단계의 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 전압(dV)으로 입력하여 S401 단계 내지 S404 단계를 반복할 수 있다.
S404 단계에서, 일 실시예에 따라, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 보정된 제1 전압(dV′)을 기초로 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1)를 재산출할 수 있다.
S404 단계에서, 일 실시예에 따라,컨트롤러(220)는 S401 단계 내지 S403 단계를 통해 산출한 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1)를 다시 S401 단계의 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 전압(dV)으로 입력하는 동작을 여러 번 반복해 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1)를 재산출할 수 있다.
도 13a는 본 문서에 개시된 일 실시예에 따른 배터리 셀의 보정된 제1 전압의 장기 이동 평균 및 단기 이동 평균을 나타내는 그래프이다.
도 13a를 참조하면, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140)의 방전 및 방전 후 휴지 구간에서의 전압을 통해 산출한 제1 진단 편차(D1)를 제1 전압(dV)으로 입력하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 보정된 제1 전압(dV′)의 장기 이동 평균 및 단기 이동 평균을 산출할 수 있다.
도 13b는 본 문서에 개시된 다른 실시예에 따른 배터리 셀의 보정된 제1 전압의 장기 이동 평균 및 단기 이동 평균을 나타내는 그래프이다.
도 13b를 참조하면, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140)의 충전 및 충전 후 휴지 구간에서의 전압을 통해 산출한 제1 진단 편차(D1)를 제1 전압(dV)으로 입력하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 보정된 제1 전압(dV′)의 장기 이동 평균 및 단기 이동 평균을 산출할 수 있다.
컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1), 즉 보정된 제1 전압(dV′)의 시계열 데이터 중 윈도우를 이동하면서 추출한 보정된 제1 전압(dV′)을 이용하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 보정된 제1 전압(dV′)의 이동 평균값을 산출할 수 있다.
일 실시예에 따라, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 보정된 제1 전압(dV′)에 지수 이동 평균(EMA)을 적용하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 보정된 제1 전압(dV′)의 지수 이동 평균값을 산출할 수 있다.
컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 보정된 제1 전압(dV′)의 장기 이동 평균(dV′_LMA) 및 단기 이동 평균(dV′_SMA)의 시계열 데이터를 산출할 수 있다.
컨트롤러(220)는 단위 시간 동안 산출된 복수의 배터리 셀(110, 120, 130, 140) 각각의 보정된 제1 전압(dV′)의 장기 이동 평균(dV′_LMA) 및 단기 이동 평균(dV′_SMA)을 연속적으로 산출할 수 있다.
컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 보정된 제1 전압(dV′)의 연속적인 장기 이동 평균값(dV′_LMA)과 단기 이동 평균값(dV′_SMA)을 이용하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 보정된 제1 전압(dV′)의 장기 전압 변화 추세(Trend) 및 단기 전압 변화 추세를 분석할 수 있다.
도 14a를 참조하면, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140)의 방전 및 방전 후 휴지 구간에서의 전압을 통해 산출한 제1 진단 편차(D1)를 제1 전압(dV)으로 입력해 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1)를 재산출할 수 있다.
도 14b를 참조하면, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140)의 충전 및 충전 후 휴지 구간에서의 전압을 통해 산출한 제1 진단 편차(D1)를 제1 전압(dV)으로 입력해 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1)를 재산출할 수 있다.
구체적으로 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1), 즉 보정된 제1 전압(dV′)의 장기 이동 평균값(dV′_LMA) 및 단기 이동 평균값(dV′_SMA)의 편차인 복수의 배터리 셀(110, 120, 130, 140) 각각의 보정된 제1 편차(dV′_LMA - dV′_SMA)를 산출할 수 있다.
컨트롤러(220)는 단위 시간 동안 산출된 복수의 배터리 셀(110, 120, 130, 140) 각각의 보정된 제1 편차(dV′_LMA - dV′_SMA)를 연속적으로 산출할 수 있다.
컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140)의 보정된 제1 편차(dV′_LMA - dV′_SMA)의 평균인 제2 편차((dV′_LMA - dV′_SMA)_AVG)를 산출할 수 있다. 여기서 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140)의 제1 편차(dV′_LMA - dV′_SMA)의 평균값, 중앙값 또는 최소값을 제2 편차로 산출할 수 있다.
컨트롤러(220)는 단위 시간마다 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 편차(dV′_LMA - dV′_SMA)를 연속적으로 산출하고, 복수의 배터리 셀들(110, 120, 130, 140)의 보정된 제1 편차(dV′_LMA - dV′_SMA)를 이용하여 복수의 배터리 셀들(110, 120, 130, 140)의 보정된 제1 편차(dV′_LMA - dV′_SMA)의 평균값, 중앙값 또는 최소값인 보정된 제2 편차((dV′_LMA - dV′_SMA)_AVG)를 산출할 수 있다. 컨트롤러(220)는 단위 시간마다 복수의 배터리 셀들(110, 120, 130, 140)의 보정된 제2 편차((dV′_LMA - dV′_SMA)_AVG)를 연속적으로 산출할 수 있다.
컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 보정된 제1 편차(dV′_LMA - dV′_SMA)와 제2 편차((dV′_LMA - dV′_SMA)_AVG)의 차이인 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1)를 재산출할 수 있다.
다시 도 8을 참조하면, S405 단계에서, 컨트롤러(220)는 아래의 [수학식 12]에 기초하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1)의 노이즈 여부를 판단할 수 있는 기준값을 설정할 수 있다.
[수학식 12]
기준값= Max[|(dV_LMA - dV_SMA)_AVG|*C1,C2]
S405 단계에서, 컨트롤러(220)는 제2 편차((dV_LMA - dV_SMA)_AVG)의 절대값(Absolute Value)에 제1 임계 상수(C1)를 곱하여 얻어지는 값(|(dV_LMA - dV_SMA)_AVG |*C1)과 제2 임계 상수(C2) 중 최대값(Max)을 복수의 배터리 셀(110, 120, 130, 140) 각각의 기준값으로 설정할 수 있다. 여기서 제1 임계 상수(C1)는 ‘0.1’, 제2 임계 상수(C2)는 ‘0.4’를 포함할 수 있다. 또한, 제1 임계 상수(C1) 및 제2 임계 상수(C2)는 복수의 배터리 셀(110, 120, 130, 140) 각각 제1 전압(dV)의 크기 및 특성에 따라 변경될 수 있다.
S405 단계에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1) 중 기준값 이하의 제1 진단 편차(D1)를 노이즈 데이터로 판단할 수 있다. S405 단계에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1) 중 기준값 이하의 제1 진단 편차(D1)를 제외하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제2 진단 편차(D2)를 산출할 수 있다.
S406 단계에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제2 진단 편차(D2)를 정규화(Normalization)하여 제3 진단 편차(D3)를 산출할 수 있다.
S406 단계에서, 구체적으로 컨트롤러(220)는 아래의 [수학식 13]에 기초하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제2 진단 편차(D2)를 정규화하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)를 산출할 수 있다.
[수학식 13]
제3 진단 편차 = 제2 진단 편차/ Max[|(dV_LMA - dV_SMA)_AVG|*C3,C4]
S406 단계에서, 컨트롤러(220)는 제2 편차의 절대값(|(dV_LMA - dV_SMA)_AVG |)에 제3 임계 상수(C3)를 곱하여 얻어지는 값(|(dV_LMA - dV_SMA)_AVG |*C3)과 제4 임계 상수(C4) 중 최대값(Max)을 산출할 수 있다. 컨트롤러(220)는 제2 편차의 절대값에 제3 임계 상수를 곱하여 얻어지는 값과 제4 임계 상수(C4) 중 최대값(Max[|(dV_LMA - dV_SMA)_AVG|*C3,C4])을 이용하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제2 진단 편차(D2)를 정규화할 수 있다. 여기서 제3 임계 상수(C3)는 ‘0.1’, 제4 임계 상수(C4)는 ‘0.1’를 포함할 수 있고, 제3 임계 상수(C3) 및 제4 임계 상수(C4)는 복수의 배터리 셀(110, 120, 130, 140) 각각 제1 전압(dV) 데이터의 크기 및 특성에 따라 변경될 수 있다. S406 단계에서, 컨트롤러(220)는 복수의 배터리 셀들(110, 120, 130, 140)의 평균 전압(V_avg)의 거동을 나타내는 제2 편차((dV_LMA - dV_SMA)_AVG)를 이용하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제2 진단 편차(D2)를 정규화해 제3 진단 편차(D3)를 산출할 수 있다.
S406 단계에서, 일 실시예에 따라 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제2 진단 편차(D2)를 로그(log) 연산을 통해 정규화할 수 있다. 즉, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제2 진단 편차(D2)를 로그 연산을 통해 정규화한 값을 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)로 산출할 수 있다.
S406 단계에서, 일 실시예에 따라 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제2 진단 편차(D2)의 평균값(D2_avg)을 정규화 기준값으로 설정할 수 있다. S406 단계에서, 컨트롤러(220)는 제2 진단 편차의 평균값(D2_avg)을 정규화 기준값으로 사용하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제2 진단 편차(D2)를 제2 진단 편차(D2)의 평균값(D2_avg)으로 나누어 정규화할 수 있다. 즉, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제2 진단 편차(D2)를 제2 진단 편차의 평균값(D2_avg)으로 나누어 정규화한 값을 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)로 산출할 수 있다.
S406 단계에서, 컨트롤러(220)는 다양한 실시예에 따라 복수의 배터리 셀(110, 120, 130, 140) 각각의 제2 진단 편차(D2)를 정규화하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)를 산출할 수 있다.
S406 단계에서, 컨트롤러(220)는 단위 시간마다 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)를 연속적으로 산출하여, 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)의 변화를 나타내는 그래프를 생성할 수 있다.
S407 단계에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)의 편향도(Skewness)를 산출할 수 있다. S407 단계에서, 구체적으로 컨트롤러(220)는 아래의 [수학식 14]에 기초하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)의 편향도(Skewness)를 산출할 수 있다.
[수학식 14]
편향도 =(제3 진단 편차(D3)+Min[제3 진단 편차(D3)])/ 제3 진단 편차(D3)
S407 단계에서, [수학식 14]를 참조하면, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)에 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)의 최소값(Min[제3 진단 편차(D3)])을 더하여 얻어지는 값을 제3 진단 편차(D3)으로 나누어 복수의 배터리 셀(110, 120, 130, 140) 각각의 편향도를 산출할 수 있다.
S407 단계에서, 컨트롤러(220)는 단위 시간마다 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)의 편향도를 연속적으로 산출하여, 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)의 편향도의 변화를 나타내는 그래프를 생성할 수 있다.
S407 단계에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)에 편향도를 반영하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제4 진단 편차(D4)를 산출할 수 있다. 구체적으로 컨트롤러(220)는 아래의 [수학식 15]에 기초하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제4 진단 편차(D4)를 산출할 수 있다.
[수학식 15]
제4 진단 편차(D4) = 제3 진단 편차(D3) * 편향도
S407 단계에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)에 편향도를 곱하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제4 진단 편차(D4)를 산출할 수 있다.
S407 단계에서, 컨트롤러(220)는 단위 시간마다 복수의 배터리 셀(110, 120, 130, 140) 각각의 제4 진단 편차(D4)를 연속적으로 산출하여, 복수의 배터리 셀(110, 120, 130, 140) 각각의 제4 진단 편차(D4)의 변화를 나타내는 그래프를 생성할 수 있다.
S408 단계에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제4 진단 편차(D4)의 임계값(Threshold) 초과 여부를 판단할 수 있다. 여기서 임계값은 극단적인 결과가 나와 ‘비정상’ 이라고 판단할 수 있는 기준값으로 정의될 수 있다. 즉, 임계값은 데이터가 특정 통계 모델과 얼마나 상반되는지 나타내는 기준으로 정의될 수 있다. 컨트롤러(220)는 복수의 배터리 셀들(110, 120, 130, 140) 중 제4 진단 편차(D4)이 임계값 초과인 배터리 셀의 경우 전압의 이상 거동이 발생한 배터리 셀로 판단할 수 있다.
S409 단계에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제4 진단 편차(D4)의 임계값 초과 여부를 기초로 복수의 배터리 셀(110, 120, 130, 140) 중 적어도 하나의 배터리 셀을 진단할 수 있다. S409 단계에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 중 적어도 하나의 배터리 셀의 제4 진단 편차(D4)이 임계값 초과인 경우 해당 배터리 셀을 진단할 수 있다.
S409 단계에서, 일 실시예에 따라, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 중 적어도 하나의 배터리 셀의 제4 진단 편차(D4)이 임계값 초과인 경우, 적어도 하나의 배터리 셀의 진단 카운트 값을 증가시킬 수 있다.
S409 단계에서, 일 실시예에 따라, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 중 적어도 하나의 배터리 셀의 진단 카운트 값이 임계 카운트 값 이상인 경우, 적어도 하나의 배터리 셀을 진단할 수 있다.
컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 중 적어도 하나의 배터리 셀을 진단한 후, 해당 배터리 셀 내부의 내부 단락 발생 여부, 외부 단락 발생 여부, 리튬 석출 여부 등의 불량 여부를 추적 및 모니터링할 수 있다.
그리고 컨트롤러(220)는 진단 결과 배터리 셀 내부 불량이 발생한 것으로 확인되면, 해당 배터리 셀에 대한 정보를 사용자에게 제공할 수 있다. 일 예로, 컨트롤러(220)는 통신부(미도시)를 통해 사용자 단말로 내부 단락이 발생한 배터리 셀에 대한 정보를 제공할 수 있음은 물론, 차량 또는 충전기 등에 구비된 디스플레이를 통해 해당 배터리 셀에 대한 정보를 제공할 수 있을 것이다.
상술한 바와 같이, 본 문서에 개시된 다른 실시예에 따른 배터리 관리 장치(200)에 따르면 배터리 셀의 평균 전압 대비 전압의 차이인 전압 편차의 장기 이동 평균값 및 단기 이동 평균값의 노이즈를 제거하여 이상 배터리 셀을 정확하게 진단할 수 있다.
종래의 배터리 관리 장치는 배터리 셀들 평균 전압 대비 배터리 셀 각각의 전압의 편차를 이용하여 배터리 셀 각각의 전압의 이상 거동 신호가 왜곡되고 노이즈 데이터로 인한 오진단의 가능성이 있었으나, 본 문서에 개시된 일 실시예에 따른 배터리 관리 장치(200)는 배터리 셀 각각의 전압 편차의 장기 이동 평균값 및 단기 이동 평균값의 편차를 이용하여 배터리 셀의 전압의 왜곡을 최소화하고, 노이즈 데이터를 제거하고, 배터리 셀의 전압의 편향도를 반영해 이상 배터리 셀의 전압 거동을 증폭하여 진단의 정확도를 개선할 수 있다.
배터리 관리 장치(200)는 배터리 셀의 전압 편차의 장기 이동 평균값 및 단기 이동 평균값의 편차를 이용하여 이상 전압 거동이 발생한 배터리 셀을 조기에 진단하여 배터리 에너지의 안전성과 신뢰성을 확보할 수 있다. 또한, 배터리 관리 장치(200)는 차량에 배터리가 장착된 상태에서 이상 전압 거동이 발생한 배터리 셀을 진단해 배터리의 별도 분리가 불필요하여 신속 및 간편하게 배터리 셀을 진단할 수 있다.
도 15는 본 문서에 개시된 다른 실시예에 따른 배터리 관리 장치의 동작 방법을 보여주는 흐름도이다.
이하에서는 도 8 내지 도 14b를 참조하여 배터리 관리 장치(200)의 동작 방법에 대해 구체적으로 설명한다.
배터리 관리 장치(200)는 도 8 내지 도 14b를 참조하여 설명한 배터리 관리 장치(200)와 실질적으로 동일할 수 있으므로, 이하에서는 설명의 중복을 피하기 위하여 간략히 설명한다.
도 6을 참조하면 배터리 관리 장치의 동작 방법은 복수의 배터리(110, 120, 130, 140) 각각의 전압을 측정하는 단계(S501), 복수의 배터리(110, 120, 130, 140)의 평균 전압 및 복수의 배터리(110, 120, 130, 140) 각각의 전압 간의 편차 또는 복수의 배터리(110, 120, 130, 140) 각각의 전압을 복수의 배터리(110, 120, 130, 140) 각각의 제1 전압으로 산출하는 단계(S502), 복수의 배터리(110, 120, 130, 140) 각각에 대해 제1 전압의 장기 이동 평균값 및 단기 이동 평균값 간의 편차인 제1 편차를 산출하는 단계(S503), 복수의 배터리(110, 120, 130, 140)의 제1 편차의 평균인 제2 편차를 산출하는 단계(S504), 복수의 배터리(110, 120, 130, 140) 각각에 대해 제1 편차와 제2 편차 간의 차이인 제1 진단 편차를 산출하는 단계(S505), 복수의 배터리(110, 120, 130, 140) 각각의 제1 진단 편차 중 제2 편차에 임계 상수를 곱하여 얻어지는 기준값에 기초하여 복수의 배터리(110, 120, 130, 140) 각각의 제2 진단 편차를 산출하는 단계(S506) 및 복수의 배터리(110, 120, 130, 140) 각각의 제2 진단 편차에 기초하여 복수의 배터리(110, 120, 130, 140) 중 적어도 하나의 배터리를 진단하는 단계(S507)를 포함할 수 있다.
이하에서는 S501 단계 내지 S507 단계에 대해 구체적으로 설명한다.
S501 단계에서, 전압 측정부(210)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압을 측정할 수 있다. S501 단계에서, 전압 측정부(210)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압을 단위 시간마다 산출하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 전압(dV)의 시계열 데이터를 산출할 수 있다. S501 단계에서, 일 실시예에 따라, 전압 측정부(210)는 복수의 배터리 셀(110, 120, 130, 140)의 충전, 충전 후 휴지 구간, 방전 및 방전 후 휴지 구간에서의 전압 상승 및 하강과, 장시간 안정화(Relaxation) 데이터를 연속적으로 산출할 수 있다.
S501 단계에서, 전압 측정부(210)는 복수의 배터리 셀(110, 120, 130, 140)의 충전, 충전 후 휴지 구간, 방전 및 방전 후 휴지 구간에서의 전압을 측정하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 전압(dV)의 시계열 데이터를 산출할 수 있다. S501 단계에서, 전압 측정부(210)는 단위 시간마다 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압을 측정하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압 변화를 나타내는 그래프를 생성할 수 있다.
S502 단계에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140)의 평균 전압(V_avg)을 산출할 수 있다. S502 단계에서, 일 실시예에 따라, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140)의 전압의 평균값(Mean), 중앙값(Median) 또는 최소값(Min)을 복수의 배터리 셀(110, 120, 130, 140)의 평균 전압으로 산출할 수 있다. S502 단계에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각에 대해 평균 전압(V_avg)과 전압 간의 편차(dV)를 산출할 수 있다.
S502 단계에서, 일 실시예에 따라, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140)각각의 평균 전압(V_avg)과 전압 간의 편차(dV)를 제1 전압(dV)으로 산출할 수 있다. S502 단계에서, 다른 실시예에 따라, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압을 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 전압(dV)으로 산출할 수 있다.
이하에서는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 전압은 복수의 배터리 셀(110, 120, 130, 140)각각의 전압과 평균 전압(V_avg) 간의 편차(dV)를 예로 들어 설명하나, 이에 한정되는 것은 아니다.
S502 단계에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 전압(dV)의 시계열 데이터를 산출할 수 있다.
S503 단계에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 전압(dV)의 이동 평균(Moving Average)을 산출할 수 있다. 여기서 이동 평균은 전체 데이터의 중 특정 사이즈(Size)의 윈도우(Window)를 이동하면서 추출한 일부 데이터의 평균이다. 여기서 윈도우는 전체 데이터 중 일부를 추출하여 사용될 데이터를 판단할 수 있는 기준 구간이다.
S503 단계에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 전체 제1 전압(dV)의 시계열 데이터 중 윈도우를 이동하면서 추출한 제1 전압(dV)을 이용하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 전압(dV)의 이동 평균값을 산출할 수 있다. S503 단계에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 전체 제1 전압(dV) 데이터 중 윈도우를 이동하면서 연속적으로 추출한 제1 전압(dV) 데이터를 이용하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 전압(dV)의 연속적인 이동 평균값을 산출할 수 있다. 예를 들어, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 전체 제1 전압(dV) 데이터에 단순 이동 평균(Simple Moving Average), 가중 이동 평균(Weighted Moving Average) 또는 지수 이동 평균(EMA, Exponential Moving Average) 중 어느 하나를 적용하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 평균 전압(V_avg) 대비 전압 편차(dV) 또는 전압의 이동 평균값을 산출할 수 있다.
S503 단계에서, 일 실시예에 따라, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 전체 제1 전압(dV) 데이터에 지수 이동 평균(EMA)을 적용하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 전압(dV)의 지수 이동 평균값을 산출할 수 있다.
S503 단계에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 전압(dV) 데이터를 이용하여 윈도우의 크기가 서로 다른 복수의 이동 평균값을 산출할 수 있다. S503 단계에서, 일 실시예에 따라, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 전체 제1 전압(dV) 데이터를 이용하여 상대적으로 윈도우의 길이가 긴(Long) 장기 이동 평균값(Long Moving Average) 및 상대적으로 윈도우의 길이가 짧은(Short) 단기 이동 평균값(Short Moving Average)을 산출할 수 있다. S503 단계에서, 예를 들어, 장기 이동 평균값의 윈도우의 크기는 100초를 포함할 수 있고, 단기 이동 평균값의 윈도우의 크기는 10초를 포함할 수 있다. S503 단계에서, 예를 들어, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 전압(dV) 데이터를 이용하여 산출 시점으로부터 최근 100초 동안 획득한 제1 전압(dV) 데이터를 이용하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 장기 이동 평균값을 산출할 수 있고, 산출 시점으로부터 최근 10초 동안 획득한 제1 전압(dV) 데이터를 이용하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 단기 이동 평균값을 산출할 수 있다.
S503 단계에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 전압(dV)의 연속적인 장기 이동 평균값(dV_LMA)과 단기 이동 평균값(dV_SMA)을 이용하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 전압(dV)의 장기 전압 변화 추세(Trend) 및 단기 전압 변화 추세를 분석할 수 있다.
S503 단계에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 전압(dV)의 장기 이동 평균값(dV_LMA) 및 단기 이동 평균값(dV_SMA)의 편차인 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 편차(dV_LMA - dV_SMA)를 산출할 수 있다. S503 단계에서, 즉, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 평균 전압(V_avg) 대비 전압 편차(dV) 또는 전압의 장기 거동과 단기 거동의 편차를 연속적으로 산출할 수 있다.
S503 단계에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 전압(dV)의 장기 이동 평균(dV_LMA) 및 단기 이동 평균(dV_SMA)의 편차인 제1 편차(dV_LMA - dV_SMA)의 시계열 데이터를 산출할 수 있다.
S503 단계에서, 컨트롤러(220)는 단위 시간 동안 산출된 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 편차(dV_LMA - dV_SMA)를 연속적으로 산출할 수 있다.
S504 단계에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140)의 제1 편차(dV_LMA - dV_SMA)의 평균인 제2 편차((dV_LMA - dV_SMA)_AVG)를 산출할 수 있다. S504 단계에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140)의 제1 편차(dV_LMA - dV_SMA)의 평균값, 중앙값 또는 최소값을 제2 편차로 산출할 수 있다.
S504 단계에서, 컨트롤러(220)는 단위 시간마다 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 편차(dV_LMA - dV_SMA)를 연속적으로 산출하고, 복수의 배터리 셀들(110, 120, 130, 140)의 제1 편차(dV_LMA - dV_SMA)를 이용하여 복수의 배터리 셀들(110, 120, 130, 140)의 제1 편차(dV_LMA - dV_SMA)의 평균값, 중앙값 또는 최소값인 제2 편차((dV_LMA - dV_SMA)_AVG)를 산출할 수 있다.
S504 단계에서, 컨트롤러(220)는 단위 시간마다 복수의 배터리 셀들(110, 120, 130, 140)의 제 제2 편차((dV_LMA - dV_SMA)_AVG)를 연속적으로 산출할 수 있다. 즉, 컨트롤러(220)는 복수의 배터리 셀들(110, 120, 130, 140)의 전압 편차(dV)의 장기 거동과 단기 거동의 편차의 평균값을 산출할 수 있다.
S505 단계에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 편차(dV_LMA - dV_SMA)와 제2 편차((dV_LMA - dV_SMA)_AVG)의 차이인 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1)를 산출할 수 있다.
S505 단계에서, 구체적으로 컨트롤러(220)는 [수학식 16]에 기초하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1)를 산출할 수 있다.
[수학식 16]
제1 진단 편차 (D1) = 제2 편차 - 제1 편차= ((dV_LMA - dV_SMA)_AVG) - (dV_LMA - dV_SMA)
[수학식 16]을 참조하면, 컨트롤러(220)는 복수의 제1 편차(dV_LMA - dV_SMA)와 제2 편차((dV_LMA - dV_SMA)_AVG)의 차이를 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1)로 산출할 수 있다.
S505 단계에서, 컨트롤러(220)는 단위 시간마다 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1)를 연속적으로 산출하여, 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1)의 변화를 나타내는 그래프를 생성할 수 있다. 즉, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1)를 산출하여 복수의 배터리 셀들(110, 120, 130, 140)의 평균 장기 거동 및 단기 거동의 편차 대비 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 전압(dV)의 장기 거동 및 단기 거동의 편차를 비교할 수 있다.
S505 단계에서, 일 실시예에 따라, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 전압(dV)을 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1)로 보정할 수 있다. S505 단계에서, 구체적으로 컨트롤러(220)는 S401 단계 내지 S504 단계를 통해 산출한 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1)를 다시 S501 단계의 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 전압(dV)으로 입력하여 S501 단계 내지 S505 단계를 반복할 수 있다.
S505 단계에서, 일 실시예에 따라, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 보정된 제1 전압(dV′)을 기초로 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1)를 재산출할 수 있다.
S505 단계에서, 일 실시예에 따라, 컨트롤러(220)는 S501 단계 내지 S504 단계를 통해 산출한 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1)를 다시 S501 단계의 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 전압(dV)으로 입력하는 동작을 여러 번 반복해 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1)를 재산출할 수 있다.
S505 단계에서, 일 실시예에 따라, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1), 즉 보정된 제1 전압(dV′)의 시계열 데이터 중 윈도우를 이동하면서 추출한 보정된 제1 전압(dV′)을 이용하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 보정된 제1 전압(dV′)의 이동 평균값을 산출할 수 있다.
S505 단계에서, 일 실시예에 따라, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 보정된 제1 전압(dV′)에 지수 이동 평균(EMA)을 적용하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 보정된 제1 전압(dV′)의 지수 이동 평균값을 산출할 수 있다.
S505 단계에서, 일 실시예에 따라, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 보정된 제1 전압(dV′)의 장기 이동 평균(dV′_LMA) 및 단기 이동 평균(dV′_SMA)의 시계열 데이터를 산출할 수 있다.
S505 단계에서, 일 실시예에 따라, 컨트롤러(220)는 단위 시간 동안 산출된 복수의 배터리 셀(110, 120, 130, 140) 각각의 보정된 제1 전압(dV′)의 장기 이동 평균(dV′_LMA) 및 단기 이동 평균(dV′_SMA)을 연속적으로 산출할 수 있다.
S505 단계에서, 일 실시예에 따라, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 보정된 제1 전압(dV′)의 연속적인 장기 이동 평균값(dV′_LMA)과 단기 이동 평균값(dV′_SMA)을 이용하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 보정된 제1 전압(dV′)의 장기 전압 변화 추세(Trend) 및 단기 전압 변화 추세를 분석할 수 있다.
S505 단계에서, 일 실시예에 따라, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1), 즉 보정된 제1 전압(dV′)의 장기 이동 평균값(dV′_LMA) 및 단기 이동 평균값(dV′_SMA)의 편차인 복수의 배터리 셀(110, 120, 130, 140) 각각의 보정된 제1 편차(dV′_LMA - dV′_SMA)를 산출할 수 있다. S505 단계에서, 컨트롤러(220)는 단위 시간 동안 산출된 복수의 배터리 셀(110, 120, 130, 140) 각각의 보정된 제1 편차(dV′_LMA - dV′_SMA)를 연속적으로 산출할 수 있다.
S505 단계에서, 일 실시예에 따라, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140)의 보정된 제1 편차(dV′_LMA - dV′_SMA)의 평균인 제2 편차((dV′_LMA- dV′_SMA )_AVG)를 산출할 수 있다. 여기서 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140)의 제1 편차(dV′_LMA - dV′_SMA)의 평균값, 중앙값 또는 최소값을 제2 편차((dV′_LMA- dV′_SMA )_AVG)로 산출할 수 있다.
S505 단계에서, 일 실시예에 따라, 컨트롤러(220)는 단위 시간마다 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 편차(dV′_LMA - dV′_SMA)를 연속적으로 산출하고, 복수의 배터리 셀들(110, 120, 130, 140)의 보정된 제1 편차(dV′_LMA - dV′_SMA)를 이용하여 복수의 배터리 셀들(110, 120, 130, 140)의 보정된 제1 편차(dV′_LMA - dV′_SMA)의 평균값, 중앙값 또는 최소값인 보정된 제2 편차((dV′_LMA- dV′_SMA )_AVG)를 산출할 수 있다. 컨트롤러(220)는 단위 시간마다 복수의 배터리 셀들(110, 120, 130, 140)의 보정된 제2 편차((dV′_LMA- dV′_SMA )_AVG)를 연속적으로 산출할 수 있다.
S505 단계에서, 일 실시예에 따라, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 보정된 제1 편차(dV′_LMA - dV′_SMA)와 제2 편차((dV′_LMA- dV′_SMA )_AVG)의 차이인 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1)를 재산출할 수 있다.
S506 단계에서, 컨트롤러(220)는 아래의 [수학식 17]에 기초하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1)의 노이즈 여부를 판단할 수 있는 기준값을 설정할 수 있다.
[수학식 17]
기준값= Max[|(dV_LMA - dV_SMA)_AVG|*C1,C2]
S506 단계에서, 컨트롤러(220)는 제2 편차((dV_LMA - dV_SMA)_AVG)의 절대값(Absolute Value)에 제1 임계 상수(C1)를 곱하여 얻어지는 값(|(dV_LMA - dV_SMA)_AVG |*C1)과 제2 임계 상수(C2) 중 최대값(Max)을 복수의 배터리 셀(110, 120, 130, 140) 각각의 기준값으로 설정할 수 있다. 여기서 제1 임계 상수(C1)는 ‘0.1’, 제2 임계 상수(C2)는 ‘0.4’를 포함할 수 있다. 또한, 제1 임계 상수(C1) 및 제2 임계 상수(C2)는 복수의 배터리 셀(110, 120, 130, 140) 각각 제1 전압(dV)의 크기 및 특성에 따라 변경될 수 있다.
S506 단계에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1) 중 기준값 이하의 제1 진단 편차(D1)를 노이즈 데이터로 판단할 수 있다. S506 단계에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1) 중 기준값 이하의 제1 진단 편차(D1)를 제외하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제2 진단 편차(D2)를 산출할 수 있다.
S506 단계에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제2 진단 편차(D2)를 이용하여 복수의 배터리 셀(110, 120, 130, 140) 중 적어도 하나의 배터리 셀을 진단할 수 있다.
도 16은 본 문서에 개시된 다른 실시예에 따른 배터리 관리 장치의 동작 방법을 보여주는 흐름도이다.
이하에서는 도 16을 참조하여 컨트롤러(220)의 복수의 배터리 셀(110, 120, 130, 140) 각각의 제2 진단 편차(D2)를 이용하여 배터리 셀을 진단하는 방법에 대해 구체적으로 설명한다.
도 16을 참조하면 배터리 관리 장치의 동작 방법은 복수의 배터리(110, 120, 130, 140) 각각의 제2 진단 편차를 정규화하여 복수의 배터리(110, 120, 130, 140) 각각의 제3 진단 편차를 산출하는 단계(S601), 복수의 배터리(110, 120, 130, 140) 각각의 복수의 배터리 각각의 제3 진단 편차의 편향도를 산출하는 단계(S602), 복수의 배터리(110, 120, 130, 140) 각각의 제3 진단 편차에 편향도를 곱하여 복수의 배터리(110, 120, 130, 140) 각각의 제4 진단 편차를 산출하는 단계(S603) 및 복수의 배터리(110, 120, 130, 140) 각각의 제4 진단 편차의 임계값 초과 여부를 판단하여 배터리를 진단하는 단계(S604)를 포함할 수 있다.
이하에서는 S601 단계 내지 S604 단계에 대해 구체적으로 설명한다.
S601 단계에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제2 진단 편차(D2)를 정규화(Normalization)하여 제3 진단 편차(D3)를 산출할 수 있다. S601 단계에서, 구체적으로 컨트롤러(220)는 아래의 [수학식 18]에 기초하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제2 진단 편차(D2)를 정규화하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)를 산출할 수 있다.
[수학식 18]
제3 진단 편차 = 제2 진단 편차/ Max[|(dV_LMA - dV_SMA)_AVG)|*C3,C4]
S601 단계에서, 컨트롤러(220)는 제2 편차의 절대값(|(dV_LMA - dV_SMA)_AVG |)에 제3 임계 상수(C3)를 곱하여 얻어지는 값(|(dV_LMA - dV_SMA)_AVG |*C3)과 제4 임계 상수(C4) 중 최대값(Max)을 산출할 수 있다. 컨트롤러(220)는 제2 편차의 절대값에 제3 임계 상수를 곱하여 얻어지는 값과 제4 임계 상수(C4) 중 최대값(Max[|(dV_LMA - dV_SMA)_AVG |*C3,C4])을 이용하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제2 진단 편차(D2)를 정규화할 수 있다. 여기서 제3 임계 상수(C3)는 ‘0.1’, 제4 임계 상수(C4)는 ‘0.1’를 포함할 수 있고, 제3 임계 상수(C3) 및 제4 임계 상수(C4)는 복수의 배터리 셀(110, 120, 130, 140) 각각 제1 전압(dV) 데이터의 크기 및 특성에 따라 변경될 수 있다. S601 단계에서, 컨트롤러(220)는 복수의 배터리 셀들(110, 120, 130, 140)의 평균 전압(V_avg)의 거동을 나타내는 제2 편차((dV_LMA - dV_SMA)_AVG)를 이용하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제2 진단 편차(D2)를 정규화해 제3 진단 편차(D3)를 산출할 수 있다.
S601 단계에서, 일 실시예에 따라 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제2 진단 편차(D2)를 로그(log) 연산을 통해 정규화할 수 있다. 즉, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제2 진단 편차(D2)를 로그 연산을 통해 정규화한 값을 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)로 산출할 수 있다.
S601 단계에서, 일 실시예에 따라 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제2 진단 편차(D2)의 평균값(D2_avg)을 정규화 기준값으로 설정할 수 있다. S601 단계에서, 컨트롤러(220)는 제2 진단 편차의 평균값(D2_avg)을 정규화 기준값으로 사용하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제2 진단 편차(D2)를 제2 진단 편차(D2)의 평균값(D2_avg)으로 나누어 정규화할 수 있다. 즉, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제2 진단 편차(D2)를 제2 진단 편차의 평균값(D2_avg)으로 나누어 정규화한 값을 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)로 산출할 수 있다.
S601 단계에서, 컨트롤러(220)는 다양한 실시예에 따라 복수의 배터리 셀(110, 120, 130, 140) 각각의 제2 진단 편차(D2)를 정규화하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)를 산출할 수 있다.
S601 단계에서, 컨트롤러(220)는 단위 시간마다 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)를 연속적으로 산출하여, 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)의 변화를 나타내는 그래프를 생성할 수 있다.
S602 단계에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)의 편향도(Skewness)를 산출할 수 있다. S602 단계에서, 구체적으로 컨트롤러(220)는 아래의 [수학식 19]에 기초하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)의 편향도(Skewness)를 산출할 수 있다.
[수학식 19]
편향도 =(제3 진단 편차(D3)+Min[제3 진단 편차(D3)])/ 제3 진단 편차(D3)
S602 단계에서, [수학식 19]를 참조하면, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)에 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)의 최소값(Min[제3 진단 편차(D3)])을 더하여 얻어지는 값을 제3 진단 편차(D3)으로 나누어 복수의 배터리 셀(110, 120, 130, 140) 각각의 편향도를 산출할 수 있다.
S602 단계에서, 컨트롤러(220)는 단위 시간마다 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)의 편향도를 연속적으로 산출하여, 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)의 편향도의 변화를 나타내는 그래프를 생성할 수 있다.
S603 단계에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)에 편향도를 반영하여 제4 진단 편차(D4)를 산출할 수 있다. S603 단계에서, 구체적으로 컨트롤러(220)는 아래의 [수학식 110]에 기초하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제4 진단 편차(D4)를 산출할 수 있다.
[수학식 20]
제4 진단 편차(D4) = 제3 진단 편차(D3) * 편향도
S603 단계에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)에 편향도를 곱하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제4 진단 편차(D4)를 산출할 수 있다. S603 단계에서, 컨트롤러(220)는 단위 시간마다 복수의 배터리 셀(110, 120, 130, 140) 각각의 제4 진단 편차(D4)를 연속적으로 산출하여, 복수의 배터리 셀(110, 120, 130, 140) 각각의 제4 진단 편차(D4)의 변화를 나타내는 그래프를 생성할 수 있다.
S604 단계에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제4 진단 편차(D4)의 임계값(Threshold) 초과 여부를 판단할 수 있다. S604 단계에서, 컨트롤러(220)는 복수의 배터리 셀들(110, 120, 130, 140) 중 제4 진단 편차(D4)이 임계값 초과인 배터리 셀의 경우 전압 이상이 발생한 배터리 셀로 판단할 수 있다.
S604 단계에서, 일 실시예에 따라, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제4 진단 편차(D4)의 임계값 초과 여부를 기초로 복수의 배터리 셀(110, 120, 130, 140) 중 적어도 하나의 배터리 셀을 진단할 수 있다. S604 단계에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 중 적어도 하나의 배터리 셀의 제4 진단 편차(D4)이 임계값 초과인 경우 해당 배터리 셀을 진단할 수 있다.
S604 단계에서, 일 실시예에 따라, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 중 적어도 하나의 배터리 셀의 제4 진단 편차(D4)이 임계값 초과인 경우, 적어도 하나의 배터리 셀의 진단 카운트 값을 증가시킬 수 있다.
S604 단계에서, 일 실시예에 따라, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 중 적어도 하나의 배터리 셀의 진단 카운트 값이 임계 카운트 값 이상인 경우, 적어도 하나의 배터리 셀을 진단할 수 있다.
도 17은 본 문서에 개시된 일 실시예에 따른 배터리 관리 장치의 동작 방법을 구현하는 컴퓨팅 시스템의 하드웨어 구성을 나타내는 블록도이다.
도 17을 참조하면, 본 문서에 개시된 일 실시예에 따른 컴퓨팅 시스템(2000)은 MCU(2100), 메모리(2200), 입출력 I/F(2300) 및 통신 I/F(2400)를 포함할 수 있다.
MCU(2100)는 메모리(2200)에 저장되어 있는 각종 프로그램(예를 들면, 배터리 전압 편차 분석 프로그램)을 실행시키고, 이러한 프로그램들을 각종 데이터를 처리하며, 전술한 도 1에 나타낸 배터리 관리 장치(200)의 기능들을 수행하도록 하는 프로세서일 수 있다.
메모리(2200)는 배터리 관리 장치(200)의 작동에 관한 각종 프로그램을 저장할 수 있다. 또한, 메모리(2200)는 배터리 관리 장치(200)의 작동 데이터를 저장할 수 있다.
이러한 메모리(2200)는 필요에 따라서 복수 개 마련될 수도 있을 것이다. 메모리(2200)는 휘발성 메모리일 수도 있으며 비휘발성 메모리일 수 있다. 휘발성 메모리로서의 메모리(2200)는 RAM, DRAM, SRAM 등이 사용될 수 있다. 비휘발성 메모리로서 메모리(2200)는 ROM, PROM, EAROM, EPROM, EEPROM, 플래시 메모리 등이 사용될 수 있다. 상기 열거한 메모리(2200)들의 예를 단지 예시일 뿐이며 이들 예로 한정되는 것은 아니다.
입출력 I/F(2300)는, 키보드, 마우스, 터치 패널 등의 입력 장치(미도시)와 디스플레이(미도시) 등의 출력 장치와 MCU(2100) 사이를 연결하여 데이터를 송수신할 수 있도록 하는 인터페이스를 제공할 수 있다.
통신 I/F(2400)는 서버와 각종 데이터를 송수신할 수 있는 구성으로서, 유선 또는 무선 통신을 지원할 수 있는 각종 장치일 수 있다. 예를 들면, 통신 I/F(2400)를 통해 별도로 마련된 외부 서버로부터 저항 측정 및 이상 진단을 위한 프로그램이나 각종 데이터 등을 송수신할 수 있다.
이상의 설명은 본 개시의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 개시가 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 개시의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다.
따라서, 본 개시에 개시된 실시예들은 본 개시의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 개시의 기술 사상의 범위가 한정되는 것은 아니다. 본 개시의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 개시의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
1000: 배터리 팩
100: 배터리 모듈
110: 제1 배터리 셀
120: 제2 배터리 셀
130: 제3 배터리 셀
140: 제4 배터리 셀
200: 배터리 관리 장치
210: 전압 측정부
220: 컨트롤러
300: 릴레이
2000: 컴퓨팅 시스템
2100: MCU
2200: 메모리
2300: 입출력 I/F
2400: 통신 I/F
100: 배터리 모듈
110: 제1 배터리 셀
120: 제2 배터리 셀
130: 제3 배터리 셀
140: 제4 배터리 셀
200: 배터리 관리 장치
210: 전압 측정부
220: 컨트롤러
300: 릴레이
2000: 컴퓨팅 시스템
2100: MCU
2200: 메모리
2300: 입출력 I/F
2400: 통신 I/F
Claims (14)
- 복수의 배터리 각각의 전압을 측정하는 전압 측정부; 및
상기 복수의 배터리 각각에 대해 배터리 전압의 장기 이동 평균값 및 단기 이동 평균값 간의 편차인 제1 편차를 산출하고, 상기 복수의 배터리의 평균 전압의 장기 이동 평균값 및 단기 이동 평균값 간의 편차인 제2 편차를 산출하고, 상기 복수의 배터리 각각에 대해 상기 제1 편차와 상기 제2 편차 간의 차이인 제1 진단 편차를 산출하고,
상기 복수의 배터리 각각의 제1 진단 편차 중 상기 제2 편차에 임계 상수를 곱하여 얻어지는 기준값에 기초하여 상기 복수의 배터리 각각의 제2 진단 편차를 산출하고,
상기 복수의 배터리 각각의 제2 진단 편차에 기초하여 상기 복수의 배터리 중 적어도 하나의 배터리를 진단하는 컨트롤러를 포함하는 배터리 관리 장치. - 제1 항에 있어서,
상기 컨트롤러는 상기 제2 편차에 제1 임계 상수를 곱하여 얻어지는 값과 제2 임계 상수 중 최대값을 상기 기준값으로 설정하고,
상기 복수의 배터리 각각의 제1 진단 편차 중 상기 기준값 이하의 제1 진단 편차를 제외하여 상기 복수의 배터리 각각의 제2 진단 편차를 산출하는 것을 특징으로 하는 배터리 관리 장치. - 제2 항에 있어서,
상기 컨트롤러는 상기 복수의 배터리 각각의 제2 진단 편차를 상기 제2 편차에 제3 임계 상수를 곱하여 얻어지는 값과 제4 임계 상수 중 최대값으로 나누어 정규화(Normalization)하여 상기 복수의 배터리 각각의 제3 진단 편차를 산출하는 것을 특징으로 하는 배터리 관리 장치. - 제3 항에 있어서,
상기 컨트롤러는 상기 복수의 배터리 각각의 제3 진단 편차에 상기 복수의 배터리 각각의 제3 진단 편차의 최소값을 더하여 얻어지는 값을 상기 제3 진단 편차로 나누어 상기 복수의 배터리 각각의 편향도를 산출하는 것을 특징으로 하는 배터리 관리 장치. - 제4 항에 있어서,
상기 컨트롤러는 상기 복수의 배터리 각각의 제3 진단 편차에 상기 편향도를 곱하여 상기 복수의 배터리 각각의 제4 진단 편차를 산출하는 것을 특징으로 하는 배터리 관리 장치. - 제5 항에 있어서,
상기 컨트롤러는 상기 복수의 배터리 각각의 제4 진단 편차의 임계값 초과 여부를 기초로 상기 복수의 배터리 중 적어도 하나의 배터리를 진단하는 것을 특징으로 하는 배터리 관리 장치. - 제6 항에 있어서,
상기 컨트롤러는 단위 시간마다 상기 복수의 제1 편차 및 제2 편차를 산출하여 상기 복수의 배터리 각각의 제4 진단 편차를 산출하고,
상기 복수의 배터리 중 적어도 하나의 배터리의 제4 진단 편차가 임계값 초과인 경우, 상기 적어도 하나의 배터리를 진단하는 것을 특징으로 하는 배터리 관리 장치. - 복수의 배터리 각각의 전압을 측정하는 단계;
상기 복수의 배터리 각각에 대해 배터리 전압의 장기 이동 평균값 및 단기 이동 평균값 간의 편차인 제1 편차를 산출하는 단계;
상기 복수의 배터리의 평균 전압의 장기 이동 평균값 및 단기 이동 평균값 간의 편차인 제2 편차를 산출하는 단계;
상기 복수의 배터리 각각에 대해 상기 제1 편차와 상기 제2 편차 간의 차이인 제1 진단 편차를 산출하는 단계;
상기 복수의 배터리 각각의 제1 진단 편차 중 상기 제2 편차에 임계 상수를 곱하여 얻어지는 기준값에 기초하여 상기 복수의 배터리 각각의 제2 진단 편차를 산출하는 단계; 및
상기 복수의 배터리 각각의 제2 진단 편차에 기초하여 상기 복수의 배터리 중 적어도 하나의 배터리를 진단하는 단계를 포함하는 배터리 관리 장치의 동작 방법. - 제8 항에 있어서,
상기 복수의 배터리 각각의 제1 진단 편차 중 상기 제2 편차에 임계 상수를 곱하여 얻어지는 기준값에 기초하여 상기 복수의 배터리 각각의 제2 진단 편차를 산출하는 단계는
상기 제2 편차에 제1 임계 상수를 곱하여 얻어지는 값과 제2 임계 상수 중 최대값을 상기 기준값으로 설정하고,
상기 복수의 배터리 각각의 제1 진단 편차 중 상기 기준값 이하의 제1 진단 편차를 제외하여 상기 복수의 배터리 각각의 제2 진단 편차를 산출하는 것을 특징으로 하는 배터리 관리 장치의 동작 방법. - 제9 항에 있어서,
상기 복수의 배터리 각각의 제1 진단 편차 중 상기 제2 편차에 임계 상수를 곱하여 얻어지는 기준값에 기초하여 상기 복수의 배터리 각각의 제2 진단 편차를 산출하는 단계는
상기 복수의 배터리 각각의 제2 진단 편차를 상기 제2 편차에 제3 임계 상수를 곱하여 얻어지는 값과 제4 임계 상수 중 최대값으로 나누어 정규화하여 상기 복수의 배터리 각각의 제3 진단 편차를 산출하는 것을 특징으로 하는 배터리 관리 장치의 동작 방법. - 제10 항에 있어서,
상기 복수의 배터리 각각의 제1 진단 편차 중 상기 제2 편차에 임계 상수를 곱하여 얻어지는 기준값에 기초하여 상기 복수의 배터리 각각의 제2 진단 편차를 산출하는 단계는
상기 복수의 배터리 각각의 제3 진단 편차에 상기 복수의 배터리 각각의 제3 진단 편차의 최소값을 더하여 얻어지는 값을 상기 제3 진단 편차로 나누어 상기 복수의 배터리 각각의 편향도를 산출하는 것을 특징으로 하는 배터리 관리 장치의 동작 방법. - 제11 항에 있어서,
상기 복수의 배터리 각각의 제1 진단 편차 중 상기 제2 편차에 임계 상수를 곱하여 얻어지는 기준값에 기초하여 상기 복수의 배터리 각각의 제2 진단 편차를 산출하는 단계는
상기 복수의 배터리 각각의 제3 진단 편차에 상기 편향도를 곱하여 상기 복수의 배터리 각각의 제4 진단 편차를 산출하는 것을 특징으로 하는 배터리 관리 장치의 동작 방법. - 제12 항에 있어서,
상기 복수의 배터리 각각의 제2 진단 편차에 기초하여 상기 복수의 배터리 중 적어도 하나의 배터리를 진단하는 단계는
상기 복수의 배터리 각각의 제4 진단 편차의 임계값 초과 여부를 기초로 상기 복수의 배터리 중 적어도 하나의 배터리를 진단하는 것을 특징으로 하는 배터리 관리 장치의 동작 방법. - 제13 항에 있어서,
상기 복수의 배터리 각각의 제2 진단 편차에 기초하여 상기 복수의 배터리 중 적어도 하나의 배터리를 진단하는 단계는
단위 시간마다 상기 복수의 제1 편차 및 제2 편차를 산출하여 상기 복수의 배터리 각각의 제4 진단 편차를 산출하고,
상기 복수의 배터리 중 적어도 하나의 배터리의 제4 진단 편차가 임계값 초과인 경우, 상기 적어도 하나의 배터리를 진단하는 것을 특징으로 하는 배터리 관리 장치의 동작 방법.
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020230126472A KR20240041264A (ko) | 2022-09-22 | 2023-09-21 | 배터리 관리 장치 및 그것의 동작 방법 |
PCT/KR2023/014493 WO2024063600A1 (ko) | 2022-09-22 | 2023-09-22 | 배터리 관리 장치 및 그것의 동작 방법 |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR20220120366 | 2022-09-22 | ||
KR1020220120366 | 2022-09-22 |
Publications (1)
Publication Number | Publication Date |
---|---|
KR20240041208A true KR20240041208A (ko) | 2024-03-29 |
Family
ID=90483834
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020230058253A KR20240041208A (ko) | 2022-09-22 | 2023-05-04 | 배터리 관리 장치 및 그것의 동작 방법 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR20240041208A (ko) |
-
2023
- 2023-05-04 KR KR1020230058253A patent/KR20240041208A/ko unknown
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11965936B2 (en) | Battery diagnosis apparatus and method | |
US11815559B2 (en) | Apparatus and method for diagnosing battery cell | |
US20220276319A1 (en) | Apparatus and method for diagnosing battery | |
US20230258725A1 (en) | Battery abnormality diagnosis apparatus and method | |
US11815558B2 (en) | Apparatus and method for diagnosing abnormal degradated battery cell | |
US20240003980A1 (en) | Battery management apparatus and method | |
US20220196754A1 (en) | Method for detecting abnormal battery cell | |
WO2017140382A1 (en) | Systems and methods for battery micro-short estimation | |
JP2023543747A (ja) | 電池診断装置および方法 | |
JP2024500788A (ja) | 電池管理装置および方法 | |
KR20220060931A (ko) | 배터리 관리 장치 및 방법 | |
US20230194622A1 (en) | Battery abnormality diagnosis apparatus and method | |
KR20240041208A (ko) | 배터리 관리 장치 및 그것의 동작 방법 | |
KR20240041264A (ko) | 배터리 관리 장치 및 그것의 동작 방법 | |
KR20220100469A (ko) | 배터리 관리 장치 및 방법 | |
KR20230108663A (ko) | 배터리 충전 심도 산출 장치 및 그것의 동작 방법 | |
KR20240037104A (ko) | 배터리 관리 장치 및 그것의 동작 방법 | |
EP4016099A1 (en) | Battery diagnostic apparatus and method | |
CN113811781B (zh) | 电池诊断装置和方法 | |
KR20240082102A (ko) | 배터리 진단 결과 시뮬레이션 방법 및 배터리 진단 결과 시뮬레이션 장치 | |
KR20240057271A (ko) | 배터리 관리 장치 및 그것의 동작 방법 | |
KR20240022930A (ko) | 배터리 셀 진단 장치 및 그것의 동작 방법 | |
KR20230020279A (ko) | 배터리 관리 장치 및 그것의 동작 방법 | |
KR20240037105A (ko) | 배터리 관리 장치 및 그것의 동작 방법 | |
KR20240069504A (ko) | 배터리 팩 관리 장치 및 그것의 동작 방법 |