KR20240041264A - 배터리 관리 장치 및 그것의 동작 방법 - Google Patents

배터리 관리 장치 및 그것의 동작 방법 Download PDF

Info

Publication number
KR20240041264A
KR20240041264A KR1020230126472A KR20230126472A KR20240041264A KR 20240041264 A KR20240041264 A KR 20240041264A KR 1020230126472 A KR1020230126472 A KR 1020230126472A KR 20230126472 A KR20230126472 A KR 20230126472A KR 20240041264 A KR20240041264 A KR 20240041264A
Authority
KR
South Korea
Prior art keywords
deviation
batteries
diagnostic
battery
voltage
Prior art date
Application number
KR1020230126472A
Other languages
English (en)
Other versions
KR102690387B1 (ko
Inventor
성용철
김철택
김창훈
박희주
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
Priority claimed from KR1020230058253A external-priority patent/KR20240041208A/ko
Application filed by 주식회사 엘지에너지솔루션 filed Critical 주식회사 엘지에너지솔루션
Priority to PCT/KR2023/014493 priority Critical patent/WO2024063600A1/ko
Publication of KR20240041264A publication Critical patent/KR20240041264A/ko
Priority to KR1020240096855A priority patent/KR20240119025A/ko
Application granted granted Critical
Publication of KR102690387B1 publication Critical patent/KR102690387B1/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]
    • G01R31/3644—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 전압 측정부와 통신 가능한 컨트롤러를 포함하고, 상기 컨트롤러는 상기 전압측정부를 제어하여 상기 복수의 배터리 뱅크 각각의 전압을 미리 정해진 시간 간격으로 측정하고, 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 배터리의 이상여부를 진단하도록 구성될 수 있다.

Description

배터리 관리 장치 및 그것의 동작 방법{APPARATUS FOR MANAGING BATTERY AND OPERATING METHOD OF THE SAME}
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.
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 전압 측정부와 통신 가능한 컨트롤러를 포함하고, 상기 컨트롤러는 상기 전압측정부를 제어하여 상기 복수의 배터리 뱅크 각각의 전압을 미리 정해진 시간 간격으로 측정하고, 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 배터리의 이상여부를 진단하도록 구성될 수 있다.
일 실시예에서, 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 실시예에서, 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 실시예에서, 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 실시예에서, 상기 컨트롤러는 상기 복수의 배터리 각각의 제3 진단 편차에 상기 편향도를 곱하여 상기 복수의 배터리 각각의 제4 진단 편차를 산출할 수 있다.
일 실시예에서, 상기 컨트롤러는 상기 복수의 배터리 각각의 제4 진단 편차의 임계값 초과 여부를 기초로 상기 복수의 배터리 중 적어도 하나의 배터리의 이상 여부를 진단할 수 있다.
일 실시예에서, 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 배터리의 이상 유무를 진단할 수 있다.
본 문서에 개시된 일 실시예에 따른 배터리 진단 장치의 동작 방법은 복수의 배터리 각각의 전압을 미리 정해진 시간 간격으로 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 배터리의 이상유무를 진단하는 단계를 포함할 수 있다.
일 실시예에서, 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 실시예에서, 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 실시예에서, 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 실시예에서, 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 실시예에서, 상기 복수의 배터리 각각의 제2 진단 편차에 기초하여 상기 복수의 배터리 중 적어도 하나의 배터리의 이상유무를 진단하는 단계는 상기 복수의 배터리 각각의 제4 진단 편차의 임계값 초과 여부를 기초로 상기 복수의 배터리 중 적어도 하나의 배터리의 이상유무를 진단할 수 있다.
일 실시예에서, 상기 복수의 배터리 각각의 제2 진단 편차에 기초하여 상기 복수의 배터리 중 적어도 하나의 배터리의 이상유무를 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 배터리의 이상유무를 진단할 수 있다.
본 문서에 개시된 일 실시예에 따른 컨트롤러는 메모리와, 상기 메모리에 결합되고, 제8항에 기재된 배터리 관리장치의 동작방법을 실행하도록 구성되는 프로세서를 포함할 수 있다.
일 실시예에서, 상기 배터리 관리장치의 동작방법에서, 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 설정하는 단계, 상기 복수의 배터리 각각의 제1 진단 편차 중 상기 기준값 이하의 제1 진단 편차를 제외하여 상기 복수의 배터리 각각의 제2 진단 편차를 산출하는 단계, 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 단계, 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 단계, 및 상기 복수의 배터리 각각의 제3 진단 편차에 상기 편향도를 곱하여 상기 복수의 배터리 각각의 제4 진단 편차를 산출하는 단계를 포함하고, 상기 복수의 배터리 각각의 제2 진단 편차에 기초하여 상기 복수의 배터리 중 적어도 하나의 배터리의 이상유무를 진단하는 단계는 상기 복수의 배터리 각각의 제4 진단 편차의 임계값 초과 여부를 기초로 상기 복수의 배터리 중 적어도 하나의 배터리의 이상유무를 진단하는 단계를 포함할 수 있다.
본 문서에 개시된 일 실시예에 따른 비일시적 컴퓨터 판독 가능한 저장 매체는 볼트미터를 사용하여 복수의 배터리 각각의 전압을 미리 정해진 시간 간격으로 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 배터리의 이상유무를 진단하는 단계를 실행하기 위한 프로그램이 저장될 수 있다.
일 실시예에서, 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 설정하는 단계, 상기 복수의 배터리 각각의 제1 진단 편차 중 상기 기준값 이하의 제1 진단 편차를 제외하여 상기 복수의 배터리 각각의 제2 진단 편차를 산출하는 단계, 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 단계, 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 단계, 및 상기 복수의 배터리 각각의 제3 진단 편차에 상기 편향도를 곱하여 상기 복수의 배터리 각각의 제4 진단 편차를 산출하는 단계를 포함하고, 상기 복수의 배터리 각각의 제2 진단 편차에 기초하여 상기 복수의 배터리 중 적어도 하나의 배터리의 이상유무를 진단하는 단계는 상기 복수의 배터리 각각의 제4 진단 편차의 임계값 초과 여부를 기초로 상기 복수의 배터리 중 적어도 하나의 배터리의 이상유무를 진단하는 단계를 포함할 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 관리장치의 동작방법 을 보여주는 흐름도이다.
도 4는 본 문서에 개시된 일 실시예에 따른 배터리 셀의 전압을 나타내는 그래프이다.
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 다른 실시예에 따른 배터리 관리장치의 동작방법 을 보여주는 흐름도이다.
도 7은 본 문서에 개시된 또 다른 실시예에 따른 배터리 관리장치의 동작방법 및 이상 배터리 셀의 진단방법을 보여주는 흐름도이다.
도 8a는 본 문서에 개시된 또 다른 실시예에 따른 배터리 셀의 방전 및 방전 후 휴지구간에서의 제1 전압을 나타내는 그래프이다.
도 8b는 본 문서에 개시된 또 다른 실시예에 따른 배터리 셀의 충전 및 충전 후 휴지구간에서의 제1 전압을 나타내는 그래프이다.
도 9a는 본 문서에 개시된 또 다른 실시예에 따른 배터리 셀의 방전 및 방전 후 휴지구간에서의 전압의 장기(실선) 및 단기(점선) 이동평균을 나타내는 그래프이다.
도 9b는 본 문서에 개시된 또 다른 실시예에 따른 배터리 셀의 충전 및 충전 후 휴지구간에서의 전압의 장기(실선) 및 단기(점선) 이동평균을 나타내는 그래프이다.
도 10a는 본 문서에 개시된 또 다른 실시예에 따른 배터리 셀의 방전 및 방전 후 휴지구간에서의 제1 전압(dV)의 제1 편차를 나타내는 그래프이다.
도 10b는 본 문서에 개시된 또 다른 실시예에 따른 배터리 셀의 충전 및 충전 후 휴지구간에서의 제1 전압(dV)의 제1 편차를 나타내는 그래프이다.
도 11a는 본 문서에 개시된 또 다른 실시예에 따른 배터리 셀의 방전 및 방전 후 휴지구간에서의 제1 진단편차(D1)를 나타내는 그래프이다.
도 11b는 본 문서에 개시된 또 다른 실시예에 따른 배터리 셀의 충전 및 충전 후 휴지구간에서의 제1 진단편차(D1)를 나타내는 그래프이다.
도 12는 본 문서에 개시된 또 다른 실시예에 따른 배터리 관리장치의 동작방법 및 이상 배터리 셀의 진단방법을 보여주는 흐름도이다.
도 13은 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. 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 다수의 셀이 모듈을 이루고 모듈이 패키지를 이루는 기존 배터리와 다르게 모듈을 생략하고 셀을 바로 팩에 조립하는 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 1이상의 자연수)개의 배터리 셀들을 포함하여 구성될 수 있다. 또한, 복수의 배터리 셀들(110, 120, 130, 140) 각각은, 적어도 두 개 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, Electric Vehicle) 또는 에너지 저장 시스템(ESS, Energy Storage System)일 수 있으나 이에 한정되는 것은 아니다.
복수의 배터리 셀들(110, 120, 130, 140) 각각은 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 있고 배터리 모듈(100)의 충전 및/또는 방전을 관리할 수도 있다.
배터리 관리 장치(200)는 릴레이(300)의 동작을 제어할 수도 있다. 예를 들어, 배터리 관리 장치(200)는 대상 장치에 전원을 공급하기 위해 릴레이(300)를 단락 시킬 수 있고 배터리 팩(1000)에 충전 장치가 연결되는 경우에도 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 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 있고, 이로 인해 배터리의 이상현상이 발생할 수 있다. 따라서, 배터리 셀의 이상 여부를 판단하는 기술이 필요하다. 배터리 관리 장치(200)는 이와 같이 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. 배터리 셀 또는 모듈의 휴지기는 배터리 셀 또는 모듈이 충전 중이거나 방전 중이 아닌 상태, 또는 부하와 전기적으로 연결되지 않은 상태를 의미한다. 예를 들면, 배터리 관리장치(200)는 셀 전압 값들 또는 배터리 모듈의 충방전 전류값을 모니터링하여 배터리 모듈 또는 셀이 휴지상태인지를 감지할 수 있다. 본 실시예에서는 휴지기에서의 이상 배터리 셀의 진단을 설명하지만, 본 문서에 개시된 실시예들에 따른 배터리 셀 진단 방법은 여기에 국한되지는 않고 베터리 모듈 또는 셀의 다른 구간, 예를 들면, 충전중일 때 또는 방전중일 때에도 이상 베터리 셀의 진단을 행할 수 있다.
구체적으로 이상 배터리 셀의 경우, 예를 들면, 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 편향도 (비대칭도, skewness)를 갖는다. 본 문서에 개시된 일 실시예에 따른 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 특정시점에서 복수의 배터리 셀들(110, 120, 130, 140)의 전압의 평균값과 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압사이의 편차(dV)를 산출할 수 있다. 배터리 관리 장치(200)는 복수의 배터리 셀들(110, 120, 130, 140)각각의 평균값 대비 전압의 편차를 이용하여 복수의 배터리 셀들(110, 120, 130, 140) 중 적어도 하나의 배터리　셀의 전압의 이상 거동을 판단하여 해당 배터리 셀의 이상유무를 진단할 수 있다.
또한 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 검출 및 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 유선 또는 무선신호를 통해 수행될 수 있다.
도 2는 본 문서에 개시된 일 실시예에 따른 배터리 관리 장치의 구성을 보여주는 블록도이다. 배터리 관리 장치(200)의 구성은 배터리 모듈 100을 포함하는 배터리 팩 1000의 사용 환경 및 목적에 따라 다를 수 있고, 다양한 서로 다른 동작구성요소들을 구비할 수 있다.
도 2를 참조하면 배터리 관리 장치(200)는 전압 측정부(210) 및 컨트롤러(220)를 포함할 수 있다. 일 실시예에서 컨트롤러(220)는 연산부(230), 진단부(240) 및 제어부(250)를 포함할 수 있다. 또다른 실시예에서는 배터리 관리장치(200)는 전압 측정부(210) 외에 전류 측정부 및/또는 온도 측정부 등을 추가로 포함할 수 있다.
전압 측정부(210)는 전압측정기(voltmeter)등을 포함하여 배터리 뱅크 및/또는 셀의 전압을 측정할 수 있는 장치로 구성되며, 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압을 일정한 시간 간격으로 또는 단위 시간마다 측정하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압의 시계열(Time-series) 데이터를 획득할 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 측정하여 획득할 수 있다. 이렇게 획득한 전압의 연속데이터를 필요에 따라 특정한 구간, 예를 들면, 충전구간, 충전 후 휴지구간, 방전구간 및 방전 후 휴지구간의 어느 특정한 구간에서의 이상 배터리 셀의 진단을 위해 사용할 수 있다.
일 실시예서는, 컨트롤러(220)의 연산부(230)는 전압측정부(210)에서 측정된 전압데이터를 이용하여 아래 설명할 복수의 배터리 셀 (110, 120, 130, 140) 각각의 진단을 위한 각종 연산을 실시하고, 진단부(240)에서는 연산 결과를 이용하여 아래 설명할 진단조건 등을 확인하여 배터리 뱅크의 이상 유무를 진단하며, 제어부(250)에서는 진단 결과를 이용하여 이상 배터리 뱅크를 모니터링 하거나 사용자에게 이상 유무를 통지하는 등의 배터리 뱅크에 적절한 조치를 취하기도 한다.
도 3은 본 문서에 개시된 일 실시예에 따른 배터리 관리장치(200)의 동작 방법을 보여주는 흐름도이다. 이하 도 3을 참조하면서 각 단계에서의 장치의 동작 및 이상 배터리 셀 진단 방법에 대해 기술한다.
S102에서 전압측정부(210)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압을 일정한 시간 간격으로 측정하고, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압변화를 나타내는 그래프를 생성할 수 있다. 전압측정부(210)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 충전구간, 충전 후 휴지구간, 방전구간 및 방전 후 휴지구간의 모든 구간에서 전압을 측정하여 전압 상승 및 하강과, 장시간 안정화(Relaxation) 데이터를 연속적으로 산출하고 컨트롤러(220)는 측정된 전압데이터를 이용하여 각각의 전압변화를 나타내는 그래프를 생성할 수 있다. 또는, 전압측정부(210)는 필요에 따라, 복수의 배터리 셀(110, 120, 130, 140)각각의 충전, 충전 후 휴지 구간, 방전 및 방전 후 휴지 구간 중 특정한 구간에서 전압 상승 및 하강과, 장시간 안정화(Relaxation) 데이터를 연속적으로 산출하고 이를 이용하여 컨트롤러(220)는 각각의 전압변화를 나타내는 그래프를 생성할 수도 있다.
도 4는 본 문서에 개시된 일 실시예에 따른 배터리 셀의 전압변화를 나타내는 그래프이다. 도 4의 예에서는, 일 실시예로 전압측정부(210)에 의해 측정된 전압 중 특정한 시간, 예를 들면, 복수의 배터리 셀(110, 120, 130, 140)에 대한 충전이 개시된 후 10,600초가 지난 시점부터 11,600초까지의 구간(e.g., 휴지구간) 동안에서 200초 간격으로 측정된 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압변화를 나타내고 있다. 특히 도 4에서 "ab1"으로 표시한 그래프는 복수의 배터리 셀(110, 120, 139, 140)중 배터리 셀(110)의 충전 후 휴지구간에서 전압변화를 나타내고 있으며, 원형으로 표시한 부분에서 전압이 상대적으로 큰 폭으로 떨어지는 일종의 역피크 부분이 관찰되고 있다. 이는 배터리 셀(110)의 전압이 해당 구간에서 이상 거동을 보이고 있음을 암시하고 있다.
S104에서 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 측정된 전압의 이동 평균(Moving Average)을 산출할 수 있다. 여기서 이동 평균은 전체 데이터에서 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 전압 데이터 중 현 시점으로부터 최근 1주일 동안 획득한 전압 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. 이동평균값을 산출함에 있어, 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 각각의 단위시간 (e.g., 200초)마다 연속적으로 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 매초마다 획득한 전압 데이터를 이용하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 장기 이동 평균값을 산출할 수 있고, 산출 시점으로부터 최근 10초 동안 매초마다 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.
S106에서, 컨트롤러(220)는 각각의 단위시간 (e.g., 200초)에서 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.예를 들면, 컨트롤러(220)는 단위 시간 마다 산출된 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 편차(V_LMA - V_SMA)를 각각의 단위시간 (e.g., 200초)마다 연속적으로 산출할 수 있다. S106에서 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압의 장기 거동과 단기 거동의 편차를 연속적으로 산출할 수 있다.
S108 에서, 컨트롤러(220)는 각각의 단위시간 (e.g., 200초)마다에서 복수의 배터리 셀들(110, 120, 130, 140)의 평균 전압(V_avg)의 장기 이동 평균값 및 단기 이동 평균값을 산출할 수 있다. 여기서 각각의 단위시간 (e.g., 200초)마다에서의 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.
컨트롤러(220)는 각각의 단위시간(e.g., 200초)마다 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 및 단기 이동 평균값을 산출할 수 있다. 여기서 복수의 배터리 셀들(110, 120, 130, 140)의 평균 전압(V_avg)의 장기 이동 평균값의 윈도우의 크기는 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압의 장기 이동 평균값(V_LMA)의 윈도우의 크기(e.g., 100초)와 동일할 수 있다. 또한, 복수의 배터리 셀들(110, 120, 130, 140)의 평균 전압(V_avg)의 단기 이동 평균값의 윈도우의 크기는 복수의 배터리 셀(110, 120, 130, 140) 각각의 단기 이동 평균값(V_SMA)의 윈도우의 크기(e.g., 10초)와 동일할 수 있다.
S110 에서, 컨트롤러(220)는 각각의 단위시간 (e.g., 200초)마다 복수의 배터리 셀들(110, 120, 130, 140)의 평균 전압(V_avg)의 장기 이동 평균값 및 단기 이동 평균값의 편차인 제2 편차를 연속적으로 산출할 수 있다. S110 단계에서 컨트롤러(220)는 복수의 배터리 셀들(110, 120, 130, 140)의 평균 전압(V_avg)의 장기 거동과 단기 거동의 편차를 산출할 수 있다.
S112 에서, 컨트롤러(220)는 복수의 제1 편차(V_LMA - V_SMA)와 제2 편차의 편차인 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1)를 산출할 수 있다. 구체적으로 컨트롤러(220)는 아래 기재한 [수학식 1]에 기초하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1)를 산출할 수 있다.
[수학식 1]
[수학식 1]을 참조하면, 컨트롤러(220)는 복수의 제1 편차(V_LMA - V_SMA)와 제2 편차의 편차를 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1)로 산출할 수 있다.
도 5a는 본 문서에 개시된 일 실시예에 따른 배터리 셀의 제1 진단 편차를 나타내는 그래프이다. 도 5a를 참조하면, 컨트롤러(220)는 해당 구간에서 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.
컨트롤러(220)는 단위시간 (e.g., 200초) 각각에서 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1)를 연속적으로 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. 예시적으로, 그래프(ab2)는 배터리 셀(110)의 제1 진단 편차(D1)의 변화를 나타내는 그래프일 수 있다. 앞서 도시한 도 4의 전압측정결과 그래프에서 나타난 바와 같이 배터리 셀(110)의 제1 진단편차(D1)는 다른 정상적인 배터리 셀들에 비해 특이한 양상을 보이며 특히 다른 배터리셀들에 비해 특정한 구간에서 뒤에 설명할 기준값을 초과하는 것을 보여주고 있다.
S114 에서, 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.
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]
컨트롤러(220)는 제2 편차의 절대값(Absolute Value)에 제1 임계 상수(C1)를 곱하여 얻어지는 값과 제2 임계 상수(C2) 중 최대값(Max)을 복수의 배터리 셀(110, 120, 130, 140) 각각의 기준값으로 설정할 수 있다. 일 실시예에서 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.
노이즈 제거의 한 예로서, 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. 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.
S116 에서, 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.
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]
컨트롤러(220)는 제2 편차의 절대값에 제3 임계 상수(C3)를 곱하여 얻어지는 값과 제4 임계 상수(C4) 중 최대값(Max)을 산출할 수 있다. 그 후, 컨트롤러(220)는 앞서 구한 제2 진단편차를 최대값, 즉, 복수의 배터리 셀들(110, 120, 130, 140)의 평균 전압(V_avg)의 거동을 나타내는 제2 편차의 절대값에 제3 임계 상수를 곱하여 얻어지는 값과 제4 임계 상수(C4) 중 최대값으로 나누어 복수의 배터리 셀(110, 120, 130, 140) 각각의 제2 진단 편차(D2)를 정규화하여 제3 진단 편차(D3)를 산출할 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.
정규화의 다른 예로서, 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. 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.
정규화의 또다른 예로서, 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. S116 에서, 컨트롤러(220)는 제2 진단 편차(D2)의 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. 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. 예시적으로, 그래프(ab3)는 배터리 셀(110)의 제3 진단 편차(D3)의 변화를 나타내는 그래프일 수 있다. 도 5b에서 보듯이 배터리 셀(110)의 제3 진단편차(D3)는 특정한 구간에서 0 이상의 값을 보여주고 있다.
S118 에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)의 편향도(Skewness)를 산출할 수 있다. 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)
[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 10,600초 및 11,600초 구간에서 단위 시간 200초마다 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. 예시적으로, 도 5c에 도시된 그래프는 배터리 셀(110)의 제3 진단 편차(D3)의 편향도의 변화를 나타내는 그래프일 수 있다. 도 5b의 제3 진단편차(D3)와 비교할 때 도 5c의 편향도는 선명도 면에서 향상된 양태를 보여주고 있고, 이는 향상된 진단결과로 이어질 것이다.
S120 에서, 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 각각의 단위시간(e.g., 200초)마다 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 각각의 단위 시간(e.g., 200초)마다 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. 예시적으로, 도 5d에 도시된 그래프는 배터리 셀(110)의 제4 진단 편차(D4)의 변화를 나타내는 그래프일 수 있다. 도 5d에서 알 수 있듯이 편향도를 적용한 제4 진단편차(D4)는 편향도를 적용하지 않은 제3 진단편차(D3)에 비해 노이즈가 감소하고 이상 배터리 셀의 전압거동 신호가 증폭되어 더 안정화되고 정확한 진단편차를 보여주고 있다.
S122 에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제4 진단 편차(D4)가 임계값(Threshold)을 초과하는지 여부를 판단할 수 있다. 여기서 임계값은 극단적인 결과가 나와 ‘비정상’ 이라고 판단할 수 있는 기준값으로 정의될 수 있다. 임계값은 데이터가 특정 통계 모델과 얼마나 상반되는지를 나타내는 기준으로 정의될 수 있다. 컨트롤러(220)는 복수의 배터리 셀들(110, 120, 130, 140) 중 제4 진단 편차(D4)가 임계값 초과인 배터리 셀의 경우 전압의 이상 거동이 발생한 배터리 셀로 판단할 수 있다. 여기서 임계값이라고 함은 배터리셀들의 상태, 측정시스템의 민감도 및 측정환경을 감안하여 정해지는 값으로서, 예를 들면 배터리 셀의 종류 및/또는 배터리 셀이 적용되는 차량에 따라 달라질 수 있다. 도 5d의 예에서는, 예시적으로, 임계값이 0.4 volt라고 정해졌다고 감안할 경우 컨트롤러(220)는 특정 구간에서 배터리 셀(110)의 제4 진단편차(D4)가 0.4 V를 초과하므로 배터리 셀(110)을 이상 거동이 발생한 배터리 셀로 판단할 수 있다.
한편, S122에서 제4 진단편차(D4)가 임계값을 초과하지 않는다고 판단될 경우, S102로 돌아가 측정, 산출 및 진단과정을 반복하게 된다. 또 다른 실시예에서는 S102로 돌아가는 대신 필요에 따라 S116의 이전 단계 중 어느 한 단계로 돌아가 과정을 반복할 수도 있다.
S124 에서, 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 이상 배터리 셀로 진단할 수 있다. 즉, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 중 적어도 하나의 배터리 셀의 제4 진단 편차(D4)가 임계값을 초과하는 경우 해당 배터리 셀을 이상 거동이 발생한 배터리 셀로 진단할 수 있다.
한편 S124 에서, 일 실시예에 따라, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 중 적어도 하나의 배터리 셀의 제4 진단 편차(D4)가 임계값을 초과한 경우, 적어도 하나의 배터리 셀의 진단 카운트 값을 증가시킬 수 있다. 즉, 일 실시예에 따라, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 중 적어도 하나의 배터리 셀의 제4 진단편차(D4)가 임계값을 처음으로 초과했을 때 곧바로 해당 배터리 셀을 이상 배터리 셀로 진단하는 것이 아니라, 진단 카운트 값이 임계 카운트 값 이상인 경우, 예를 들면 해당 배터리 셀이 임계값을 초과한 상태가 미리 설정된 시간 (e.g., 임계카운트) 동안 유지되었을 경우에 한해 해당 배터리 셀을 이상 배터리 셀로 진단하게 된다. 이렇게 함으로써 순간적으로 제4 진단편차(D4)가 임계값을 초과한 후 빠른 시간내에 임계값 이하로 떨어지는 배터리 셀들에 대해서는 이상진단을 하지 않게 되므로 이상배터리 셀에 대한 진단 신뢰도를 향상시킬 수 있다.
이상 진단 후 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 배터리 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.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.
또한, 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 다른 실시예에 따른 배터리 관리장치의 동작방법 을 보여주는 흐름도이다.
도 3을 통해 설명된 동작 방법에서는 이상 배터리셀의 진단이 S122 단계에서 제 4 진단편차(D4)와 임계값을 비교하는 것으로 기재되었지만, 이에 한정되지는 않는다. 예를 들면, 이상 배터리 셀의 진단은 S122 단계 이전의 어느 한 단계에서 이루어질 수도 있다. 예를 들면, 이상 배터리셀의 진단은 S114 단계에서 제2 진단편차(D2)를 산출한 후에 이루어 질 수도 있다. 이하에서는 도 6을 참조하여 이러한 실시예에 대하여 설명한다. 중복을 피하기 위해 실질적으로 동일한 설명에 대한 반복은 생략한다.
도 6을 참조하면, S202에서 전압측정부(210)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압을 일정한 시간 간격으로 측정하고, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압변화를 나타내는 그래프를 생성할 수 있다. 전압측정부(210)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 충전구간, 충전 후 휴지구간, 방전구간 및 방전 후 휴지구간의 모든 구간에서 전압을 측정하여 전압 상승 및 하강과, 장시간 안정화(Relaxation) 데이터를 연속적으로 산출하고 컨트롤러(220)는 측정된 전압데이터를 이용하여 각각의 전압변화를 나타내는 그래프를 생성할 수 있다.
S204에서 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 측정된 전압의 이동 평균(Moving Average)을 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.
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 각각의 단위시간 (e.g., 200초)마다 연속적으로 산출할 수 있다.
S206에서, 컨트롤러(220)는 각각의 단위시간 (e.g., 200초)에서 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.
S208 에서, 컨트롤러(220)는 각각의 단위시간 (e.g., 200초)마다에서 복수의 배터리 셀들(110, 120, 130, 140)의 평균 전압(V_avg)의 장기 이동 평균값 및 단기 이동 평균값을 산출할 수 있다. 여기서 각각의 단위시간 (e.g., 200초)마다에서의 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.
S210 에서, 컨트롤러(220)는 각각의 단위시간 (e.g., 200초)마다 복수의 배터리 셀들(110, 120, 130, 140)의 평균 전압(V_avg)의 장기 이동 평균값 및 단기 이동 평균값의 편차인 제2 편차를 연속적으로 산출할 수 있다.
S212 에서, 컨트롤러(220)는 복수의 제1 편차(V_LMA - V_SMA)와 제2 편차의 편차인 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1)를 산출할 수 있다. 구체적으로 컨트롤러(220)는 상술한 [수학식 1]에 기초하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1)를 산출할 수 있다.
S214 에서, 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. 구체적으로 컨트롤러(220)는 상술한 [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. 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.
S216에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제2 진단 편차(D2)가 임계값(Threshold)을 초과하는지 여부를 판단할 수 있다. 한편, S216에서 제2 진단 편차(D2)가 임계값을 초과하지 않는다고 판단될 경우, S202 단계로 돌아가 측정 및 진단과정을 반복하게 된다. 또다른 실시예에서는 S202로 돌아가는 대신 필요에 따라 S214 단계의 이전 단계 중 어느 한 단계로 돌아가 과정을 반복할 수도 있다.
S218에서, 컨트롤러(220)는 복수의 배터리 셀들(110, 120, 130, 140) 중 제2 진단 편차(D2)가 임계값을 초과하는 배터리 셀의 경우 해당 배터리 셀을 전압 이상이 발생한 배터리 셀로 진단할 수 있다.
이하에서는 다른 실시예에 대해 설명한다. 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.
이를 위해 전압 측정부(210)는 위에 설명한 실시예에서와 유사한 방법으로 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압을 먼저 측정할 수 있다. 전압 측정부(210)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압을 단위 시간마다 각각 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 산출하고 컨트롤러(220)는 각각의 전압변화를 나타내는 그래프를 생성할 수 있다.
한편, 컨트롤러(220)는 위에서 측정된 전압데이터를 이용하여 단위시간(e.g., 200초) 마다 복수의 배터리 셀(110, 120, 130, 140)의 평균 전압(V_avg)을 산출할 수 있다. 일 실시예에 따라, 컨트롤러(220)는 단위시간(e.g., 200초) 마다 복수의 배터리 셀(110, 120, 130, 140)의 전압의 평균값(Mean), 중앙값(Median) 또는 최소값(Minimum)을 복수의 배터리 셀(110, 120, 130, 140)의 평균 전압으로 산출할 수 있다. 이어서 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각에 대해 단위시간(e.g., 200초) 마다 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.
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. 예를 들면, 일 실시예에 따라, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140)각각의 평균 전압(V_avg)과 전압 간의 편차(dV)가 아닌 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압을 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 전압(dV)으로 산출할 수도 있다.
도 7은 본 문서에 개시된 또 다른 실시예에 따른 컨트롤러의 배터리 셀을 진단하는 방법을 보여주는 흐름도이다. 이하 도 7을 참조하면서 본 문서에 개시된 다른 실시예에 따른 각 단계에서의 장치의 동작 및 이상 배터리 셀 진단방법에 대해 기술한다.
S302 에서 전압측정부(210)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압을 일정한 시간 간격으로 측정하고, 컨트롤러(220)는 복수의 배터리 셀 (110, 120, 130, 140) 각각의 전압변화를 나타내는 그래프를 생성할 수 있다. 전압측정부(210)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 충전구간, 충전 후 휴지구간, 방전구간 및 방전 후 휴지구간의 모든 구간에서 전압을 측정하여 전압 상승 및 하강과, 장시간 안정화(Relaxation) 데이터를 연속적으로 산출하고 이를 이용하여 컨트롤러(220)은 각각의 전압변화를 나타내는 그래프를 생성할 수 있다. 또는, 전압측정부(210)는, 필요에 따라, 복수의 배터리 셀(110, 120, 130, 140)각각의 충전, 충전 후 휴지 구간, 방전 및 방전 후 휴지 구간 중 특정한 구간에서 전압 상승 및 하강과, 장시간 안정화(Relaxation) 데이터를 연속적으로 산출하고 이를 이용하여 컨트롤러(220)는 각각의 전압변화를 나타내는 그래프를 생성할 수도 있다.
S304 에서, 컨트롤러(220)는 앞선 단계에서 측정한 복수의 베터리 셀(110, 120, 130, 140)에 대한 전압데이터를 이용하여 일정한 시간간격 마다 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)를 제1 전압(dV)으로 산출할 수 있다. 구체적으로, 제1 전압(dV)으로서 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)를 구하는 방법으로서는, 예를 들면, 컨트롤러(220)는 우선 특정한 시점(t1)에서 복수의 배터리 셀(110, 120, 130, 140)들의 전압값을 모두 더하고 4로 나누어 평균값(Mean)을 t1시점의 평균전압(V_avg)으로 산출한다. 또 다른 실시예에서는 평균전압을 산출하는데 있어 이같이 평균값(Mean)을 구하는 대신 특정한 시점(t1)에서 복수의 배터리 셀(110-140)들의 전압값의 중앙값(Median) 또는 최소값(Minimum)을 복수의 배터리 셀(110, 120, 130, 140)의 평균 전압(V_avg)으로 산출할 수도 있다.
이어, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각에 대해 일정한 시간 간격마다 평균전압(V_avg)과 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압 간의 편차(dV)를 제1 전압(dV)로 산출할 수 있다. 예를 들면, 특정한 시점 (t1)에서 산출된 평균전압(V_avg)과 복수의 배터리 셀(110-140)각각의 측정된 전압의 차이값을 복수의 배터리 셀(110, 120, 130, 140)각각에 대한 시점 t1에서의 제1전압(dV)으로 산출한다. 이 같은 산출과정을 복수의 배터리 셀(110, 120, 130, 140) 각각에 대해 정해진 시점마다 반복하여 연속적으로 제1 전압(dV)을 산출할 수 있다.
예를 들면, 도 4에서 10,800초 지점에서의 복수의 배터리 셀(110, 120, 130, 140)의 전압이 각각 3.92 V, 3.9175 V, 3.9150 V, 3.9125 V라고 가정하면 10,800초 지점에서의 복수의 배터리 셀(110, 120, 130, 140)의 평균 전압은 3.91475 V 가 된다. 이 경우, 평균 전압(V_avg)과 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압 간의 편차(dV)는 0.00525 V (배터리 셀 110), 0.00275 V (배터리 셀 120), 0.00025 V (배터리 셀 130), 및 0.00225 V 가 되며, 이들 값 각각이 10,800초 지점에서의 제1 전압(dV)값이 된다. 컨트롤러(220)는 이 같은 연산을 각 단위시간마다 반복하여 필요한 구간, 예를 들면 10,600초 및 11,600초 구간 사이에서 연속적으로 제1 전압(dV)을 산출하게 된다.
한편, 본 실시예에서는 제1 전압(dV)으로서 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)가 아닌 앞선 단계에서 측정된 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압을 제1 전압(dV)으로 산출할 수도 있다.
도 8a는 본 문서에 개시된 일 실시예에 따른 배터리 셀의 제1 전압(dV)을 나타내는 그래프이다. 도 8a를 참조하면, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140)의 방전 및 방전 후 휴지 구간, 예를 들면 0초-3,500초 사이에서의 전압을 측정하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 전압(dV)의 시계열 데이터를 산출할 수 있다.
도 8b는 본 문서에 개시된 다른 실시예에 따른 배터리 셀의 제1 전압(dV)을 나타내는 그래프이다. 도 8b를 참조하면, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140)의 충전 및 충전 후 휴지 구간, 예를 들면 0초-3,500초 사이에서의 전압을 측정하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 전압(dV)의 시계열 데이터를 산출할 수 있다.
S306 에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 전압(dV)의 장기이동평균(Long Moving Average) 및 단기 이동 평균(Short Moving Average)을 산출할 수 있다. 여기서 이동 평균은 전체 데이터 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 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.
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.
구체적으로 , 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. 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 9a는 본 문서에 개시된 일 실시예에 따른 배터리 셀의 방전 및 방전 후 휴지구간에서의 제1 전압의 장기 이동 평균 및 단기 이동 평균을 나타내는 그래프이다. 도 9b는 본 문서에 개시된 다른 실시예에 따른 배터리 셀의 충전 및 충전 후 휴지구간에서의 제1 전압의 장기 이동 평균 및 단기 이동 평균을 나타내는 그래프이다.
실시예에 따르면, 도 9a 및 도 9b에 도시된 그래프들 중 점선 그래프는 복수의 배터리 셀 각각의 단기 이동 평균(dV_SMA)의 변화를 나타내고, 실선 그래프는 복수의 배터리 셀 각각의 장기 이동 평균(dV_LMA)의 변화를 나타낼 수 있다.
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 장기 이동 평균(dV_LMA) 및 단기 이동 평균(dV_SMA)의 시계열 데이터를 산출할 수 있다.
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 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 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압의 장기 이동 평균값(dV_LMA)과 단기 이동 평균값(dV_SMA)을 이용하여 복수의 배터리 셀 각각의 전압의 이상 여부를 진단할 수 있다.
S308 에서, 컨트롤러(220)는 구해진 장기 이동 평균값(dV_LMA)과 단기 이동 평균값(dV_SMA)을 이용하여 정해진 시간마다 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. 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 평균 전압(V_avg) 대비 전압 편차(dV) 또는 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압의 장기 거동과 단기 거동의 편차를 연속적으로 산출할 수 있다.
일 실시예에서, 도 10a는 방전 및 방전 후 휴지구간에서의 제1 전압(dV)의 장기 이동 평균(dV_LMA) 및 단기 이동 평균(dV_SMA)의 편차인 제 1편차를 나타내고 있고, 도 10b는 충전 및 충전 후 휴지구간에서의 제1 전압(dV)의 장기 이동 평균(dV_LMA) 및 단기 이동 평균(dV_SMA)의 편차인 제1 편차를 나타내는 그래프이다. 도 10a 및 도 10b에서 그래프(C1)는 배터리 셀(110)의 제1 편차를 나타내는 그래프로 가정한다. 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.
실시예들에 따르면, 복수의 배터리 셀(110, 120, 130, 140) 각각의 장기 이동 평균(dV_LMA) 및 단기 이동 평균(dV_SMA)의 편차는, 셀 전압의 단기적인 변화 이력 및 장기적인 변화 이력에 의존할 수 있다.
복수의 배터리 셀(110, 120, 130, 140) 각각의 온도나 SOH(State Of Health)는, 단기적으로는 물론 장기적으로 꾸준히 복수의 배터리 셀(110, 120, 130, 140) 각각의 셀 전압에 영향을 준다. 따라서, 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압에 이상이 없다면, 복수의 배터리 셀(110, 120, 130, 140) 각각의 장기 이동 평균(dV_LMA) 및 단기 이동 평균(dV_SMA)의 편차는, 서로 간에 유의미한 차이가 없을 수 있다. 반면에, 특정 배터리 셀(ex. 배터리 셀 110)에 내부 단락 및/또는 외부 단락 등으로 인해 갑자기 발생된 전압 이상은, 장기 이동 평균보다 단기 이동 평균에 더 영향을 줄 수 있다. 그 결과, 해당 배터리 셀(ex. 배터리 셀 110)의 장기 이동 평균(dV_LMA) 및 단기 이동 평균(dV_SMA)의 편차는 전압 이상이 없는 나머지 배터리 셀들의 장기 이동 평균(dV_LMA) 및 단기 이동 평균(dV_SMA)의 편차와는 상대적으로 큰 차이를 보일 수 있다.
S310 에서, 컨트롤러(220)는 미리 정해진 단위시간 마다 복수의 배터리 셀(110, 120, 130, 140)각각의 제1 편차(dV_LMA - dV_SMA)의 평균값인 제2 편차()를 산출할 수 있다. 여기서 컨트롤러(220)는 제1 편차(dV_LMA - dV_SMA)의 평균값으로서 일반적인 평균값 외에 복수의 배터리 셀(110, 120, 130, 140)각각의 제1 편차(dV_LMA - dV_SMA)의 중앙값 또는 최소값을 제2 편차로 산출할 수도 있다.
예를 들면, 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 단위 시간마다 복수의 배터리 셀들(110, 120, 130, 140)의 제1 편차(dV_LMA - dV_SMA)의 평균값, 중앙값 또는 최소값을 제2 편차()로 연속적으로 산출할 수 있다. 컨트롤러(220)는 복수의 배터리 셀들(110, 120, 130, 140)의 전압 편차(dV)의 장기 거동과 단기 거동의 편차의 평균값을 산출할 수 있다.
S312 에서, 컨트롤러(220)는 단위 시간마다 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 편차(dV_LMA - dV_SMA)와 제2 편차()의 차이인 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1)를 산출할 수 있다.
구체적으로 컨트롤러(220)는 [수학식 6]에 기초하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1)를 단위 시간마다 산출할 수 있다.
[수학식 6]
[수학식 6]을 참조하면, 컨트롤러(220)는 복수의 제1 편차(dV_LMA - dV_SMA)와 제2 편차()의 차이를 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1)로 산출할 수 있다.
도 11a는 본 문서에 개시된 일 실시예에 따른 배터리 셀의 방전 및 방전 후 휴지구간에서의 제1 진단 편차를 나타내는 그래프이다. 도 11b는 본 문서에 개시된 다른 실시예에 따른 배터리 셀의 충전 및 충전 후 휴지 구간에서의 제1 진단 편차를 나타내는 그래프이다. 이해를 돕기 위해 도 11a 및 도 11b에서 그래프(C1)는 복수의 배터리 셀(110, 120, 130, 140)중 배터리 셀(110)의 제1 진단 편차(D1)를 나타내는 그래프로 가정한다.
도 11a를 참조하면, 전압측정부(210)는 단위 시간마다 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()의 차이인 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1)의 시계열 데이터를 산출할 수 있다.
도 11b를 참조하면, 단위 시간마다 측정된 복수의 배터리 셀(110, 120, 130, 140)의 충전 및 충전 후 휴지 구간에서의 전압을 이용하여 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 편차(dV_LMA - dV_SMA)와 제2 편차()의 차이인 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1)의 시계열 데이터를 산출할 수 있다.
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.
한편 , 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. S312 에서, 구체적으로 컨트롤러(220)는 S302 내지 S312 를 통해 산출한 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1)를 다시 S304의 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 전압(dV)으로 입력하여 S304 내지 S312를 반복하여 제1 진단편차(D1)를 재산출할 수 있다. 일 실시예에 따라, 컨트롤러(220)는 S312에서 산출된 제1 진단편차(D1)를 복수의 배터리 셀(110, 120, 130, 140) 각각의 보정된 제1 전압(dV')으로 입력하여 S304, S306, S308, S310 및 S312단계를 한번 또는 여러 번 반복 실행하여 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), 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.
실시예에 따르면, 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. 또 다른 실시예에 따르면, 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), 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.
이어 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140)의 보정된 제1 편차(dV'_LMA - dV'_SMA)의 평균인 제2 편차()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 보정된 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 평균값으로써 평균값, 중앙값 또는 최소값을 보정된 제2 편차()로 산출할 수 있다. 컨트롤러(220)는 단위 시간마다 복수의 배터리 셀들(110, 120, 130, 140)의 보정된 제2 편차()를 연속적으로 산출할 수 있다.
이어, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 보정된 제1 편차(dV'_LMA - dV'_SMA)와 보정된 제2 편차()의 차이인 복수의 배터리 셀(110, 120, 130, 140) 각각의 보정된 제1 진단 편차(D1)를 산출할 수 있다.
다시 도 7을 참조하면, S314에서, 컨트롤러(220)는 아래의 [수학식 7]에 기초하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1)의 노이즈를 제거하여 제2 진단편차(D2)를 산출할 수 있다. 이를 위해, 먼저 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]
즉, 컨트롤러(220)는 제2 편차()의 절대값(Absolute Value)에 제1 임계 상수(C1)를 곱하여 얻어지는 값과 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.
이어, 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. 즉, S314에서, 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.
S316 에서, 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.
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]
컨트롤러(220)는 제2 편차의 절대값에 제3 임계 상수(C3)를 곱하여 얻어지는 값과 제4 임계 상수(C4) 중 최대값(Max)을 산출할 수 있다. 그 후 컨트롤러(220)는 앞서 구한 제2 진단편차를 최대값, 즉, 복수의 배터리 셀들(110, 120, 130, 140)의 평균 전압(V_avg)의 거동을 나타내는 제2 편차의 절대값에 제3 임계 상수를 곱하여 얻어지는 값과 제4 임계 상수(C4) 중 최대값으로 나누어 복수의 배터리 셀(110, 120, 130, 140) 각각의 제2 진단 편차(D2)를 정규화하여 제3진단편차(D3)를 산출할 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.
S316에서, 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.
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.
또 다른 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. S316 에서, 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. 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.
S316 에서, 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.
S318 단계에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)의 편향도(Skewness)를 산출할 수 있다. 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)
[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.
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.
S320에서, 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 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
컨트롤러(220)는 정해진 단위시간(e.g., 200초)마다 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. 앞서 설명했던 바, 편향도를 적용한 제4 진단편차(D4)는 편향도를 적용하지 않은 제3 진단편차(D3)에 비해 노이즈가 감소하고 이상 배터리 셀의 전압거동 신호가 증폭되어 더 안정화되고 정확한 진단편차를 보여주게 된다.
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.
S322 에서, 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. 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. 여기서 임계값이라고 함은 배터리셀들의 상태, 측정시스템의 민감도 및 측정환경을 감안하여 정해지는 값으로서, 예를 들면 배터리 셀의 종류 및/또는 배터리 셀이 적용되는 차량에 따라 달라질 수 있다.
한편, S322 에서 제4 진단편차(D4)가 임계값을 초과하지 않는다고 판단될 경우, S302로 돌아가 측정 및 진단과정을 반복하게 된다. 또다른 실시예에서는 S302로 돌아가는 대신 필요에 따라 S322 이전 단계 중 한 단계로 돌아가 과정을 반복할 수도 있다.
S322 에서, 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 이상 셀로 진단할 수 있다. 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 중 적어도 하나의 배터리 셀의 제4 진단 편차(D4)가 임계값을 초과하는 경우 해당 배터리 셀을 이상 거동이 발생한 배터리 셀로 진단할 수 있다.
S324 에서, 일 실시예에 따라, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 중 적어도 하나의 배터리 셀의 제4 진단 편차(D4)가 임계값을 초과한 경우, 적어도 하나의 배터리 셀의 진단 카운트 값을 증가시킬 수 있다.
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 셀에 대한 이상을 진단할 수 있다.
일 실시예에 따라, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 중 적어도 하나의 배터리 셀의 제4 진단편차(D4)가 임계값을 처음으로 초과했을 때 곧바로 해당 배터리 셀을 이상 배터리 셀로 진단하는 것이 아니라, 진단 카운트 값이 임계 카운트 값 이상인 경우, 예를 들면 해당 배터리 셀이 임계값을 초과한 상태가 미리 설정된 시간 (e.g., 임계카운트) 동안 유지되었을 경우에 한해 해당 배터리 셀을 이상 배터리 셀로 진단하게 된다. 이렇게 함으로써 순간적으로 제4 진단 편차(D4)가 임계값을 초과한 후 빠른 시간내에 임계값 이하로 떨어지는 배터리 셀들에 대해서는 이상진단을 하지 않게 되므로 이상배터리 셀에 대한 진단 신뢰도를 향상시킬 수 있다.
한편, 위에 기재한 진단 방법에서는 배터리 셀의 진단이 S322 에서 제 4 진단편차(D4)와 임계값을 비교하는 것으로 기재되었지만, 이에 한정되지는 않는다. 예를 들면, 배터리 셀의 진단은 S322 이전의 어느 한 단계에서 이루어질 수도 있다. 일 실시예에 따르면, 배터리 셀의 진단은 S314 단계에서 제2 진단편차(D2)를 산출한 후에 이루어 질 수도 있다.
이상 진단 후 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.
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 12는 본 문서에 개시된 또 다른 실시예에 따른 배터리 관리장치(200)의 동작 방법을 보여주는 흐름도이다. 이하 도 12를 참조하면서 각 단계에서의 장치의 동작 및 이상 배터리 셀의 진단방법에 대해 기술한다.
S402 에서 전압측정부(210)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압을 일정한 시간 간격으로 측정하고, 컨트롤러(220)는 복수의 배터리 셀 (110, 120, 130, 140) 각각의 전압변화를 나타내는 그래프를 생성할 수 있다. 전압측정부(210)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 충전구간, 충전 후 휴지구간, 방전구간 및 방전 후 휴지구간의 모든 구간에서 전압을 측정하여 전압 상승 및 하강과, 장시간 안정화(Relaxation) 데이터를 연속적으로 산출하고 컨트롤러(220)는 측정된 전압데이터를 이용하여 각각의 전압변화를 나타내는 그래프를 생성할 수 있다. 또는, 전압측정부(210)는 필요에 따라, 복수의 배터리 셀(110, 120, 130, 140)각각의 충전, 충전 후 휴지 구간, 방전 및 방전 후 휴지 구간 중 특정한 구간에서 전압 상승 및 하강과, 장시간 안정화(Relaxation) 데이터를 연속적으로 산출하고 이를 이용하여 컨트롤러(220)는 각각의 전압변화를 나타내는 그래프를 생성할 수도 있다.
S404 에서, 컨트롤러(220)는 정해진 단위시간마다 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 측정전압 자체를 제1 전압(dV)으로 산출할 수 있다.
S406 에서, 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.
컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 전체 제1 전압(dV)의 시계열 데이터 중 윈도우를 이동하면서 연속적으로 추출한 제1 전압(dV)을 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 제1 전압(dV1)의 이동 평균값을 산출할 수 있다.
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.
또한, 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. 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.
S408 에서, 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 편차(dV_LMA - dV_SMA)를 제1 편차로 산출할 수 있다.
S410 에서, 컨트롤러(220)는 단위 시간마다 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 전압(dV)의 장기 이동 평균값(dV_LMA) 및 단기 이동 평균값(dV_SMA)의 평균값(Davg)을 제2 편차로 연속적으로 산출할 수 있다.
S412 에서, 컨트롤러(220)는 제1 편차(dV_LMA - dV_SMA)와 상기 제 2편차인 평균값(Davg)을 이용하여 진단 편차(D)를 산출할 수 있다. 실시예에 따르면, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각에 대한 상기 제2 편차인 평균값(Davg)과 제1 편차(dV_LMA - dV_SMA)의 차이를 복수의 배터리 셀(110, 120, 130, 140) 각각의 진단 편차(D)로 산출할 수 있다.
S414 에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 진단 편차(D)가 임계값(Threshold)을 초과하는지 여부를 판단할 수 있다.
한편, S414 에서 진단편차(D)가 임계값을 초과하지 않는다고 판단될 경우, S402 로 돌아가 측정 및 진단과정을 반복하게 된다. 또다른 실시예에서는 S402로 돌아가는 대신 필요에 따라 S414의 이전 단계 중 어느 한 단계로 돌아가 과정을 반복할 수도 있다.
S416 에서, 컨트롤러(220)는 복수의 배터리 셀들(110, 120, 130, 140) 중 진단 편차(D)이 임계값을 초과하는 배터리 셀의 경우 해당 배터리 셀을 전압 이상이 발생한 배터리 셀로 판단할 수 있다.
이상 본 문서에 개시된 실시예들에 따른 배터리 관리장치(200)의 동작 및 배터리 셀의 진단방법에 대해 기술하였다. 본 문서에 개시된 실시예들에 따른 배터리 관리장치(200)는 배터리 전압의 장기 이동평균값 및 단기 이동평균값의 편차의 노이즈를 제거하고, 편향도를 적용하여 이상 배터리 셀을 정확하게 진단 할 수 있다.
도 13은 본 문서에 개시된 일 실시예에 따른 배터리 관리 장치의 동작 방법을 구현하는 컴퓨팅 시스템의 하드웨어 구성을 나타내는 블록도이다.
도 13을 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 프로그램들에 사용되는 각종 데이터를 처리하며, 전술한 도 1에 나타낸 배터리 관리 장치(200)의 기능들을 수행하도록 하는 프로세서일 수 있다.
메모리(2200)는 배터리 뱅크의 진단을 위한 배터리 관리 장치(200)의 작동에 관한 각종 프로그램 및 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 유선 또는 무선으로 전압측정 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
230: 연산부
240: 진단부
250: 제어부
300: 릴레이
2000: 컴퓨팅 시스템
2100: MCU
2200: 메모리
2300: 입출력 I/F
2400: 통신 I/F

Claims (18)

  1. 복수의 배터리 각각의 전압을 측정하는 전압 측정부; 및
    상기 전압 측정부와 통신 가능한 컨트롤러를 포함하고,
    상기 컨트롤러는 상기 전압측정부를 제어하여 상기 복수의 배터리 뱅크 각각의 전압을 미리 정해진 시간 간격으로 측정하고,
    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 배터리의 이상여부를 진단하도록 구성되는 배터리 관리 장치.
  2. 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.
  3. 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.
  4. 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.
  5. 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.
  6. 제5 항에 있어서,
    상기 컨트롤러는 상기 복수의 배터리 각각의 제4 진단 편차의 임계값 초과 여부를 기초로 상기 복수의 배터리 중 적어도 하나의 배터리의 이상 여부를 진단하는 것을 특징으로 하는 배터리 관리 장치.
  7. 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 배터리의 이상 유무를 진단하는 것을 특징으로 하는 배터리 관리 장치.
  8. 복수의 배터리 각각의 전압을 미리 정해진 시간 간격으로 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 배터리의 이상유무를 진단하는 단계를 포함하는 배터리 관리 장치의 동작 방법.
  9. 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.
  10. 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.
  11. 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.
  12. 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.
  13. 제12 항에 있어서,
    상기 복수의 배터리 각각의 제2 진단 편차에 기초하여 상기 복수의 배터리 중 적어도 하나의 배터리의 이상유무를 진단하는 단계는
    상기 복수의 배터리 각각의 제4 진단 편차의 임계값 초과 여부를 기초로 상기 복수의 배터리 중 적어도 하나의 배터리의 이상유무를 진단하는 것을 특징으로 하는 배터리 관리 장치의 동작 방법.
  14. 제13 항에 있어서,
    상기 복수의 배터리 각각의 제2 진단 편차에 기초하여 상기 복수의 배터리 중 적어도 하나의 배터리의 이상유무를 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 배터리의 이상유무를 진단하는 것을 특징으로 하는 배터리 관리 장치의 동작 방법.
  15. 메모리와,
    상기 메모리에 결합되고, 제8항에 기재된 배터리 관리장치의 동작방법을 실행하도록 구성되는 프로세서를 포함하는 컨트롤러.
  16. 제15 항에 있어서,
    상기 배터리 관리장치의 동작방법에서,
    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 설정하는 단계;
    상기 복수의 배터리 각각의 제1 진단 편차 중 상기 기준값 이하의 제1 진단 편차를 제외하여 상기 복수의 배터리 각각의 제2 진단 편차를 산출하는 단계;
    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 단계;
    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 단계; 및
    상기 복수의 배터리 각각의 제3 진단 편차에 상기 편향도를 곱하여 상기 복수의 배터리 각각의 제4 진단 편차를 산출하는 단계를 포함하고,
    상기 복수의 배터리 각각의 제2 진단 편차에 기초하여 상기 복수의 배터리 중 적어도 하나의 배터리의 이상유무를 진단하는 단계는
    상기 복수의 배터리 각각의 제4 진단 편차의 임계값 초과 여부를 기초로 상기 복수의 배터리 중 적어도 하나의 배터리의 이상유무를 진단하는 단계를 포함하는 컨트롤러.
  17. 볼트미터를 사용하여 복수의 배터리 각각의 전압을 미리 정해진 시간 간격으로 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 배터리의 이상유무를 진단하는 단계를 실행하기 위한 프로그램이 저장된 비일시적 컴퓨터 판독 가능한 저장 매체.
  18. 제17항에 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 설정하는 단계;
    상기 복수의 배터리 각각의 제1 진단 편차 중 상기 기준값 이하의 제1 진단 편차를 제외하여 상기 복수의 배터리 각각의 제2 진단 편차를 산출하는 단계;
    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 단계;
    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 단계; 및
    상기 복수의 배터리 각각의 제3 진단 편차에 상기 편향도를 곱하여 상기 복수의 배터리 각각의 제4 진단 편차를 산출하는 단계를 포함하고,
    상기 복수의 배터리 각각의 제2 진단 편차에 기초하여 상기 복수의 배터리 중 적어도 하나의 배터리의 이상유무를 진단하는 단계는
    상기 복수의 배터리 각각의 제4 진단 편차의 임계값 초과 여부를 기초로 상기 복수의 배터리 중 적어도 하나의 배터리의 이상유무를 진단하는 단계를 포함하는 비일시적 컴퓨터 판독 가능한 저장 매체.
KR1020230126472A 2022-09-22 2023-09-21 배터리 관리 장치 및 그것의 동작 방법 KR102690387B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
PCT/KR2023/014493 WO2024063600A1 (ko) 2022-09-22 2023-09-22 배터리 관리 장치 및 그것의 동작 방법
KR1020240096855A KR20240119025A (ko) 2022-09-22 2024-07-23 배터리 관리 장치 및 그것의 동작 방법

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
KR20220120366 2022-09-22
KR1020220120366 2022-09-22
KR1020230058253A KR20240041208A (ko) 2022-09-22 2023-05-04 배터리 관리 장치 및 그것의 동작 방법
KR1020230058253 2023-05-04

Related Child Applications (1)

Application Number Title Priority Date Filing Date
KR1020240096855A Division KR20240119025A (ko) 2022-09-22 2024-07-23 배터리 관리 장치 및 그것의 동작 방법

Publications (2)

Publication Number Publication Date
KR20240041264A true KR20240041264A (ko) 2024-03-29
KR102690387B1 KR102690387B1 (ko) 2024-08-05

Family

ID=90483830

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020230126472A KR102690387B1 (ko) 2022-09-22 2023-09-21 배터리 관리 장치 및 그것의 동작 방법

Country Status (1)

Country Link
KR (1) KR102690387B1 (ko)

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002334722A (ja) * 2001-05-09 2002-11-22 Matsushita Electric Ind Co Ltd 二次電池の検査方法
KR101349022B1 (ko) * 2011-02-23 2014-01-09 현대자동차주식회사 연료전지 스택의 촉매 열화 진단 방법
JP7214884B2 (ja) * 2020-03-16 2023-01-30 株式会社東芝 情報処理装置、情報処理方法、コンピュータプログラム及び情報処理システム
JP7400172B2 (ja) * 2020-10-27 2023-12-19 エルジー エナジー ソリューション リミテッド バッテリー管理装置及び方法
US20230152388A1 (en) * 2020-11-27 2023-05-18 Lg Energy Solution, Ltd. Battery Diagnosis Apparatus, Battery Diagnosis Method, Battery Pack, and Vehicle
CN114518539B (zh) * 2022-01-14 2024-09-13 北京交通大学 一种动力电池soc异常分析方法

Also Published As

Publication number Publication date
KR102690387B1 (ko) 2024-08-05

Similar Documents

Publication Publication Date Title
US12044747B2 (en) Apparatus and method for diagnosing battery
EP3961233B1 (en) Battery cell diagnosis device and method
US20220196754A1 (en) Method for detecting abnormal battery cell
JP2023543747A (ja) 電池診断装置および方法
EP3958006B1 (en) Battery diagnosis apparatus and method
EP4276483A1 (en) Apparatus and method for battery management
CN116203490A (zh) 传感器故障诊断方法、装置、设备及存储介质
KR102690387B1 (ko) 배터리 관리 장치 및 그것의 동작 방법
KR20230108663A (ko) 배터리 충전 심도 산출 장치 및 그것의 동작 방법
KR20240119025A (ko) 배터리 관리 장치 및 그것의 동작 방법
US20230194622A1 (en) Battery abnormality diagnosis apparatus and method
KR20240041208A (ko) 배터리 관리 장치 및 그것의 동작 방법
EP4016099A1 (en) Battery diagnostic apparatus and method
KR20240147302A (ko) 배터리 관리 장치 및 그것의 동작 방법
US20240213553A1 (en) Battery Management System and Operation Method Thereof
KR20240100195A (ko) 배터리 관리 장치 및 그것의 동작 방법
KR20240147283A (ko) 배터리 관리 장치 및 그것의 동작 방법
KR20240037104A (ko) 배터리 관리 장치 및 그것의 동작 방법
KR20240100239A (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
KR20240134684A (ko) 배터리 관리 장치 및 그것의 동작 방법
KR20240036410A (ko) 배터리 관리 장치 및 그것의 동작 방법
KR20240069504A (ko) 배터리 팩 관리 장치 및 그것의 동작 방법
KR20240142225A (ko) 배터리 관리 장치 및 그것의 동작 방법

Legal Events

Date Code Title Description
A201 Request for examination
A302 Request for accelerated examination
E701 Decision to grant or registration of patent right