KR20240100157A - 배터리 데이터 관리 장치 및 그것의 동작 방법 - Google Patents
배터리 데이터 관리 장치 및 그것의 동작 방법 Download PDFInfo
- Publication number
- KR20240100157A KR20240100157A KR1020220182370A KR20220182370A KR20240100157A KR 20240100157 A KR20240100157 A KR 20240100157A KR 1020220182370 A KR1020220182370 A KR 1020220182370A KR 20220182370 A KR20220182370 A KR 20220182370A KR 20240100157 A KR20240100157 A KR 20240100157A
- Authority
- KR
- South Korea
- Prior art keywords
- battery
- soc
- data
- voltage change
- charge
- Prior art date
Links
- 238000011017 operating method Methods 0.000 title description 3
- 230000008859 change Effects 0.000 claims abstract description 143
- 238000013523 data management Methods 0.000 claims abstract description 99
- 238000000034 method Methods 0.000 claims description 29
- 239000000284 extract Substances 0.000 claims description 10
- 238000009499 grossing Methods 0.000 claims description 7
- 230000006870 function Effects 0.000 description 38
- 230000015654 memory Effects 0.000 description 16
- 238000007599 discharging Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 230000015556 catabolic process Effects 0.000 description 7
- 238000006731 degradation reaction Methods 0.000 description 7
- 238000005259 measurement Methods 0.000 description 6
- 206010011906 Death Diseases 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 230000036541 health Effects 0.000 description 4
- 229910001416 lithium ion Inorganic materials 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 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
- 230000003247 decreasing effect Effects 0.000 description 3
- 229910052744 lithium Inorganic materials 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 2
- 239000011149 active material Substances 0.000 description 2
- 230000006866 deterioration Effects 0.000 description 2
- 229920000642 polymer Polymers 0.000 description 2
- 238000012887 quadratic function 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
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000006399 behavior Effects 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
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000000840 electrochemical analysis Methods 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000010354 integration 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
- 239000007773 negative electrode material Substances 0.000 description 1
- 229910052759 nickel Inorganic materials 0.000 description 1
- 229910000652 nickel hydride Inorganic materials 0.000 description 1
- 239000007774 positive electrode material Substances 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]
- G01R31/396—Acquisition or processing of data for testing or for monitoring individual cells or groups of cells within a battery
-
- 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R16/00—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for
- B60R16/02—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements
- B60R16/03—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements for supply of electrical power to vehicle subsystems or for
- B60R16/033—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements for supply of electrical power to vehicle subsystems or for characterised by the use of electrical cells or 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
- G01R19/12—Measuring rate of change
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/385—Arrangements for measuring battery or accumulator variables
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/392—Determining battery ageing or deterioration, e.g. state of health
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Life Sciences & Earth Sciences (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Power Engineering (AREA)
- Transportation (AREA)
- Secondary Cells (AREA)
Abstract
본 문서에 개시된 일 실시예에 따른 배터리 데이터 관리 장치는 배터리 데이터에 기초하여 배터리의 SOC에 따른 전압 변화 정보를 생성하는 데이터 관리부 및 상기 배터리 데이터 중 상기 배터리의 초기 수명(BOL, Beginning Of Life)상태의 배터리 데이터를 기초로 상기 배터리의 충방전율(C-rate)에 따른 전압 변화 함수를 산출하고, 상기 배터리의 충방전율에 따른 전압 변화 함수와 상기 배터리의 SOC에 따른 전압 변화 정보를 기초로 상기 배터리의 SOC에 따른 OCV 변화 정보를 생성하는 컨트롤러를 포함할 수 있다.
Description
본 문서에 개시된 실시예들은 배터리 데이터 관리 장치 및 그것의 동작 방법에 관한 것이다.
전기차는 외부로부터 전기를 공급받아 배터리 셀을 충전한 후, 배터리 셀에 충전된 전압으로 모터를 구동시켜 동력을 얻는다. 전기차의 배터리 셀은 전기를 충전 및 방전하는 과정에서 발생하는 화학적 반응으로 열이 발생할 수 있고, 이러한 열은 배터리 셀의 성능 및 수명을 손상시킬 수 있다.
배터리 셀은 여러 번 반복하여 사용하면서 충전과 방전을 거치며 노화되어 수명(SOH, State of Health)이 점차 짧아진다. 배터리 셀은 수명은 사용 온도, 사용 기간, 충전 전압, 방전 횟수 등의 조건에 의해 크게 영향을 받아 배터리 셀의 잔류 용량을 측정하는 방법 만으로는 정확하게 진단할 수 없다. 따라서, 배터리의 잔존 수명을 추정하기 위해 배터리의 정확한 OCV(Open Circuit Voltage)값을 산출하는 과정이 필요하다.
그러나, 종래의 배터리의 OCV를 산출하는 방법은 별도의 충방전 기기를 이용해 낮은 전류로 배터리를 충방전하여 배터리의 전압 거동을 측정하였으며, 해당 방법은 OCV의 측정을 위해 오랜 시간과 자원이 필요한 문제점이 있다.
본 문서에 개시되는 실시예들의 일 목적은 배터리의 수명 추정을 위한 정확한 배터리의 OCV 그래프를 도출할 수 있는 배터리 데이터 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 데이터 관리 장치는 배터리 데이터에 기초하여 배터리의 SOC에 따른 전압 변화 정보를 생성하는 데이터 관리부 및 상기 배터리 데이터 중 상기 배터리의 특정 수명 상태의 배터리 데이터를 기초로 상기 배터리의 충방전율(C-rate)에 따른 전압 변화 함수를 산출하고, 상기 배터리의 충방전율에 따른 전압 변화 함수와 상기 배터리의 SOC에 따른 전압 변화 정보를 기초로 상기 배터리의 SOC에 따른 OCV 변화 정보를 생성하는 컨트롤러를 포함할 수 있다.
일 실시예에 따라, 상기 데이터 관리부는 칼만 필터(Kalman Filter)를 이용하여 상기 배터리의 SOC에 따른 전압 변화 정보의 노이즈를 제거할 수 있다.
일 실시예에 따라, 상기 데이터 관리부는 상기 배터리의 SOC에 따른 전압 변화 정보를 상기 SOC를 기준으로 구분하여 일정 간격으로 정렬할 수 있다.
일 실시예에 따라, 상기 컨트롤러는 상기 배터리의 초기 수명(BOL, Beginning Of Life) 상태의 배터리 데이터에 포함된 소정의 배터리의 충방전율에 따른 전압 데이터를 근사(Fitting)하여 상기 배터리의 충방전율에 따른 전압 변화 함수의 2차항 계수를 산출할 수 있다.
일 실시예에 따라, 상기 컨트롤러는 상기 배터리의 SOC에 따른 전압 변화 정보를 상기 배터리의 SOC별 충전 데이터 및 방전 데이터로 구분하고,
상기 배터리의 SOC별 충전 데이터 및 방전 데이터와 상기 2차항 계수를 보간법(Interpolation)에 적용하여 상기 배터리의 SOC별 충방전율에 따른 전압 변화 정보를 산출할 수 있다.
일 실시예에 따라, 상기 컨트롤러는 상기 배터리의 SOC별 충방전율에 따른 전압 변화 정보 중 상기 배터리의 충방전율이 '0'일 때 상기 배터리의 전압값인 OCV를 추출하여 상기 배터리의 SOC별 OCV를 산출할 수 있다.
일 실시예에 따라, 상기 컨트롤러는 상기 배터리의 SOC별 OCV를 윈도우 필터에 입력해 평활화(Smoothing)하여 상기 배터리의 SOC에 따른 OCV 변화 정보를 생성할 수 있다.
본 문서에 개시된 일 실시예에 따른 배터리 관리 장치의 동작 방법은 배터리 데이터에 기초하여 배터리의 SOC에 따른 전압 변화 정보를 생성하는 단계, 칼만 필터(Kalman Filter)를 이용하여 상기 배터리의 SOC에 따른 전압 변화 정보의 노이즈를 제거하는 단계, 상기 배터리 데이터 중 상기 배터리의 특정 수명 상태의 배터리 데이터를 기초로 상기 배터리의 충방전율(C-rate)에 따른 전압 변화 함수를 산출하는 단계 및 상기 배터리의 충방전율에 따른 전압 변화 함수와 상기 배터리의 SOC에 따른 전압 변화 정보를 기초로 상기 배터리의 SOC에 따른 OCV 변화 정보를 생성하는 단계를 포함할 수 있다.
일 실시예에 따라, 상기 배터리 데이터에 기초하여 배터리의 SOC에 따른 전압 변화 정보를 생성하는 단계는 상기 배터리의 SOC에 따른 전압 변화 정보를 상기 SOC를 기준으로 구분하여 일정 간격으로 정렬할 수 있다.
일 실시예에 따라, 상기 배터리 데이터 중 상기 배터리의 특정 수명 상태의 배터리 데이터를 기초로 상기 배터리의 충방전율에 따른 전압 변화 함수를 산출하는 단계는 상기 배터리의 초기 수명(BOL, Beginning Of Life) 상태의 배터리 데이터에 포함된 소정의 배터리의 충방전율에 따른 전압 데이터를 근사(Fitting)하여 상기 배터리의 충방전율에 따른 전압 변화 함수의 2차항 계수를 산출할 수 있다.
일 실시예에 따라, 상기 배터리의 충방전율에 따른 전압 변화 함수와 상기 배터리의 SOC에 따른 전압 변화 정보를 기초로 상기 배터리의 SOC에 따른 OCV 변화 정보를 생성하는 단계는 상기 배터리의 SOC에 따른 전압 변화 정보를 상기 배터리의 SOC별 충전 데이터 및 방전 데이터로 구분하고, 상기 배터리의 SOC별 충전 데이터 및 방전 데이터와 상기 2차항 계수를 보간법(Interpolation)에 적용하여 상기 배터리의 SOC별 충방전율에 따른 전압 변화 정보를 산출할 수 있다.
일 실시예에 따라, 상기 배터리의 충방전율에 따른 전압 변화 함수와 상기 배터리의 SOC에 따른 전압 변화 정보를 기초로 상기 배터리의 SOC에 따른 OCV 변화 정보를 생성하는 단계는 상기 배터리의 SOC별 충방전율에 따른 전압 변화 정보 중 상기 배터리의 충방전율이 '0'일 때 상기 배터리의 전압값인 OCV를 추출하여 상기 배터리의 SOC별 OCV를 산출할 수 있다.
일 실시예에 따라, 상기 배터리의 충방전율에 따른 전압 변화 함수와 상기 배터리의 SOC에 따른 전압 변화 정보를 기초로 상기 배터리의 SOC에 따른 OCV 변화 정보를 생성하는 단계는 상기 배터리의 SOC별 OCV를 윈도우 필터에 입력해 평활화(Smoothing)하여 상기 배터리의 SOC에 따른 OCV 변화 정보를 생성할 수 있다.
본 문서에 개시되는 일 실시예에 따른 배터리 데이터 관리 장치 및 그것의 동작 방법에 따르면 배터리의 수명 추정을 위한 정확한 배터리의 OCV 그래프를도출할 수 있다.
도 1은 본 문서에 개시된 일 실시예에 따른 배터리 팩을 보여주는 도면이다.
도 2는 본 문서에 개시된 일 실시예에 따른 배터리 데이터 관리 장치의 구성을 보여주는 블록도이다.
도 3은 본 문서에 기재된 일 실시예에 따른 배터리의 SOC에 따른 전압 변화를 보여주는 그래프이다.
도 4는 본 문서에 개시된 일 실시예에 따른 컨트롤러의 배터리의 충방전율에 따른 전압 변화 함수를 산출하는 동작을 보여주는 그래프이다.
도 5는 본 문서에 개시된 일 실시예에 따른 컨트롤러의 배터리의 SOC별 OCV를 산출하는 동작을 보여주는 도면이다.
도 6은 본 문서에 개시된 일 실시예에 따른 배터리의 SOC에 따른 OCV 변화를 보여주는 그래프이다.
도 7은 본 문서에 개시된 다른 실시예에 따른 배터리의 SOC에 따른 OCV 변화를 보여주는 그래프이다.
도 8은 본 문서에 개시된 일 실시예에 따른 배터리 데이터 관리 장치의 동작 방법을 보여주는 흐름도이다.
도 9는 본 문서에 개시된 일 실시예에 따른 배터리 데이터 관리 장치의 동작 방법을 구현하는 컴퓨팅 시스템의 하드웨어 구성을 나타내는 블록도이다.
도 2는 본 문서에 개시된 일 실시예에 따른 배터리 데이터 관리 장치의 구성을 보여주는 블록도이다.
도 3은 본 문서에 기재된 일 실시예에 따른 배터리의 SOC에 따른 전압 변화를 보여주는 그래프이다.
도 4는 본 문서에 개시된 일 실시예에 따른 컨트롤러의 배터리의 충방전율에 따른 전압 변화 함수를 산출하는 동작을 보여주는 그래프이다.
도 5는 본 문서에 개시된 일 실시예에 따른 컨트롤러의 배터리의 SOC별 OCV를 산출하는 동작을 보여주는 도면이다.
도 6은 본 문서에 개시된 일 실시예에 따른 배터리의 SOC에 따른 OCV 변화를 보여주는 그래프이다.
도 7은 본 문서에 개시된 다른 실시예에 따른 배터리의 SOC에 따른 OCV 변화를 보여주는 그래프이다.
도 8은 본 문서에 개시된 일 실시예에 따른 배터리 데이터 관리 장치의 동작 방법을 보여주는 흐름도이다.
도 9는 본 문서에 개시된 일 실시예에 따른 배터리 데이터 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, 제 1, 제 2, A, B, (a), (b) 등의 용어를 사용할 수 있다. 이러한 용어는 그 구성 요소를 다른 구성 요소와 구별하기 위한 것일 뿐, 그 용어에 의해 해당 구성 요소의 본질이나 차례 또는 순서 등이 한정되지 않는다. 또한, 다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 문서에 개시된 실시예들이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 가진 것으로 해석되어야 하며, 본 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 데이터 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.
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.
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.
일 실시예에 따라, 배터리 데이터 관리 장치(200)는 배터리 관리 장치(BMS, Battery Management System)의 형태로 구현될 수 있다. 또한, 실시예에 따라, 배터리 데이터 관리 장치(200)는 배터리 관리 장치에 탑재될 수 있다.
배터리 데이터 관리 장치(200)는 복수의 배터리 셀들(110, 120, 130, 140)의 온도 및 전압 데이터에 기초하여 복수의 배터리 셀들(110, 120, 130, 140)의 수명, 즉 SOH(State of Health)를 예측할 수 있다. 배터리 데이터 관리 장치(200)는 복수의 배터리 셀들(110, 120, 130, 140)의 배터리 데이터의 노이즈를 제거하고, 노이즈가 제거된 데이터에 기초하여 복수의 배터리 셀들(110, 120, 130, 140)의 SOH(State of Health)를 예측할 수 있다.
배터리 데이터 관리 장치(200)는 배터리 모듈(100)의 상태 및/또는 동작을 관리 및/또는 제어할 수 있다. 예를 들어, 배터리 데이터 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 데이터 관리 장치(200)는 배터리 모듈(100)의 충전 및/또는 방전을 관리할 수 있다.
배터리 데이터 관리 장치(200)는 릴레이(300)의 동작을 제어할 수 있다. 예를 들어, 배터리 데이터 관리 장치(200)는 대상 장치에 전원을 공급하기 위해 릴레이(300)를 단락시킬 수 있다. 또한, 배터리 데이터 관리 장치(200)는 배터리 팩(1000)에 충전 장치가 연결되는 경우 릴레이(300)를 단락시킬 수 있다.
또한, 배터리 데이터 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 데이터 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 데이터 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)를 산출할 수 있다.
배터리 데이터 관리 장치(200)는 배터리의 SOH, 즉 수명을 평가하기 위해 배터리의 양극과 음극의 상태를 구분하여 양극과 음극 각각의 퇴화 인자를 추정할 수 있다. 이때, 배터리 데이터 관리 장치(200)는 배터리의 양극과 음극 각각의 퇴화 인자를 추정하기 위하여 배터리의 OCV(Open Circuit Voltage), 즉 개방 회로 전압을 분석할 수 있다. 여기서 OCV는 배터리의 전류가 흐르지 않을 때 측정되는 전압을 의미한다. 즉, OCV는 배터리의 연료극(Anode)과 공기극(Cathode)이 전기적으로 연결되어 있지 않은 상태에서 양쪽 전극 사이의 전압이다. 옴의 법칙에 따라 배터리의 저항이 무한대로 증가 할수록 전류는 '0'에 근접하여 정확한 배터리의 전압을 정확하게 측정할 수 있다. 따라서 배터리 데이터 관리 장치(200)는 배터리의 정확한 전기 화학적 분석을 위해 배터리의 OCV를 측정하여 분석할 수 있다.
배터리 데이터 관리 장치(200)는 배터리의 OCV를 미분하여 LLI(Loss of Lithium Inventory), LAMn (Loss of Active Material -negative electrode) 또는 LAMp (Loss of Active Material -positive electrode) 등의 배터리의 양극과 음극 각각의 퇴화 인자를 분석할 수 있다. 여기서 LLI는 리튬 인벤토리 손실로써, 배터리 셀의 리튬이 BOL 대비 얼마나 감소하였는지를 의미하며, LAMn는 배터리의 양극 활물질이 BOL 대비 얼마나 감소하였는지를 의미하며, LAMp는 배터리의 음극 활물질이 BOL 대비 얼마나 감소하였는지를 의미한다. 예를 들어, 배터리 데이터 관리 장치(200)는 배터리의 OCV를 분석하는 인공 지능 모델 또는 배터리 퇴화 인자를 계산하는 수학적 모델링 기술을 이용하여 배터리의 퇴화 인자인 LLI, LAMn 또는 LAMp 추출할 수 있다.
배터리 데이터 관리 장치(200)는 배터리 팩(1000)이 탑재된 차량의 소정의 실험 데이터를 기초로 배터리의 OCV 그래프를 산출할 수 있다. 즉, 배터리 데이터 관리 장치(200)는 소정의 배터리 데이터를 분석 및 가공하여 연속적인 배터리의 OCV 커브(Curve)를 도출할 수 있다.
도 2는 문서에 개시된 일 실시예에 따른 배터리 데이터 관리 장치의 구성에 대해 구체적으로 대해 설명하기 위한 도면이다.
이하에서는 도 2를 참조하여 배터리 데이터 관리 장치(200)의 구성에 대해 구체적으로 설명한다.
도 2를 참조하면 배터리 데이터 관리 장치(200)는 데이터 관리부(210) 및 컨트롤러(220)를 포함할 수 있다.
데이터 관리부(210)는 복수의 배터리 셀(110, 120, 130, 140)의 배터리 데이터를 획득할 수 있다. 여기서 배터리 데이터는 일 실시예에 따라 복수의 배터리 셀(110, 120, 130, 140)의 전압(V), 전류(I), 온도(T) 및 용량(Q) 등을 포함할 수 있다. 구체적으로, 데이터 관리부(210)는 배터리 팩(1000)이 탑재된 차량의 주행 실험 데이터를 수집하여 배터리 데이터를 추출할 수 있다. 예를 들어, 데이터 관리부(210)는 배터리 팩(1000)이 탑재된 차량의 주행 실험 데이터에 포함된 소정의 퇴화가 많이 진행된 배터리 셀 또는 퇴화가 적게 진행된 배터리 셀을 선정하여 해당 배터리 셀의 배터리 데이터를 분석할 수 있다.
데이터 관리부(210)는 복수의 배터리 셀(110, 120, 130, 140)의 복수의 충방전 사이클(Cycle)이 진행됨에 따라 생성된 배터리 데이터를 수집하여, 각 충방전 사이클 별로 배터리 데이터를 분류할 수 있다. 여기서 사이클은 배터리 데이터 관리 장치(200)의 Power ON/OFF, Ignition ON/OFF 등 배터리 데이터 관리 장치(200)의 동작 주기를 포함할 수 있다.
데이터 관리부(210)는 복수의 배터리 셀(110, 120, 130, 140)의 배터리 데이터에 기초하여 배터리의 SOC에 따른 전압 변화 정보를 생성할 수 있다. 일 실시예에 따라, 데이터 관리부(210)는 전류 적산(Current Accumulation) 방법을 이용하여 복수의 배터리 셀(110, 120, 130, 140)의 SOC를 산출할 수 있다. 여기서 전류 적산 방법은 배터리 셀의 충전 전류와 방전 전류를 시간에 따라 적분하여 배터리 셀의 충전 상태를 결정하는 방법이다.
실시예에 따라, 데이터 관리부(210)는 복수의 배터리 셀(110, 120, 130, 140)의 복수의 충방전 사이클(Cycle)이 진행됨에 따라 생성된 배터리 데이터를 기초로 복수의 배터리 셀(110, 120, 130, 140)의 충방전 사이클 별 SOC 데이터를 산출할 수 있다. 데이터 관리부(210)는 복수의 배터리 셀(110, 120, 130, 140)의 각 충방전 사이클 별 SOC 데이터에 있어서, 이전 사이클에 대한 SOC 데이터의 끝과 다음 사이클의 SOC 데이터를 연결하여 하나의 SOC 데이터를 생성할 수 있다.
도 3은 본 문서에 기재된 일 실시예에 따른 배터리의 SOC에 따른 전압 변화를 보여주는 그래프이다.
도 3을 참조하면, 데이터 관리부(210)는 복수의 배터리 셀(110, 120, 130, 140)의 배터리 데이터에 기초하여 복수의 배터리 셀(110, 120, 130, 140)의 SOC에 따른 전압 변화 정보를 생성할 수 있다. 즉 데이터 관리부(210)는 복수의 배터리 셀(110, 120, 130, 140)의 SOC-V 프로파일(Profile)을 생성할 수 있다.
실시예에 따라, 데이터 관리부(210)는 복수의 배터리 셀(110, 120, 130, 140)의 복수의 충방전 사이클이 진행됨에 따라 생성된 배터리 데이터를 기초로 복수의 배터리 셀(110, 120, 130, 140)의 SOC에 따른 전압 변화 정보를 생성하여 디스플레이(미구비) 상에 플랏(Plot)할 수 있다.
데이터 관리부(210)는 복수의 배터리 셀(110, 120, 130, 140)의 배터리 데이터의 노이즈를 제거할 수 있다. 일 실시예에 따라, 데이터 관리부(210)는 칼만 필터(Kalman Filter)를 이용하여 복수의 배터리 셀(110, 120, 130, 140)의 SOC에 따른 전압 변화 정보의 노이즈를 제거할 수 있다. 여기서 칼만 필터는 상태의 예측과 측정값의 업데이트의 반복으로 이루어진 알고리즘이다. 구체적으로 칼만 필터는 과거에 측정된 데이터와 새로운 측정 데이터를 사용하여 새로운 측정 데이터에 포함된 노이즈를 제거하여 다음 측정값을 예측할 수 있다.
데이터 관리부(210)는 칼만 필터를 이용해 복수의 배터리 셀(110, 120, 130, 140)의 SOC에 따른 전압 변화 정보의 노이즈를 제거하여 복수의 배터리 셀(110, 120, 130, 140)의 충방전 사이클별 정확한 SOC 데이터를 산출할 수 있다. 즉, 데이터 관리부(210)는 노이즈가 제거된 복수의 배터리 셀(110, 120, 130, 140)의 SOC에 따른 전압 변화 정보에 기초하여 복수의 배터리 셀(110, 120, 130, 140)의 SOC에 따른 전압 변화 정보의 오차를 수정할 수 있다.
실시예에 따라, 데이터 관리부(210)는 복수의 배터리 셀(110, 120, 130, 140)의 SOC에 따른 전압 변화 정보를 SOC를 기준으로 구분하여 일정 간격으로 정렬할 수 있다. 예를 들어, 데이터 관리부(210)는 복수의 배터리 셀(110, 120, 130, 140)의 SOC에 따른 전압 변화 정보를 SOC를 기준으로 구분하여 데이터 프레임(Data Frame)을 생성할 수 있다,
또한, 예를 들어, 데이터 관리부(210)는 보간법 (Interpolation)에 기초하여 복수의 배터리 셀(110, 120, 130, 140)의 배터리 데이터를 SOC를 기준으로 구분하여 일정 간격으로 정렬할 수 있다. 여기서 보간법은 주어진 데이터에 기초하여 다항식과 같은 형태로 표준화 시키는 방법으로서, 관측이나 실험을 통해서 얻어지지 않은 데이터를 추정할 수 있다. 데이터 관리부(210)는 보간법에 기초하여 복수의 배터리 셀(110, 120, 130, 140)의 SOC에 따른 전압 변화 정보를 일정 간격으로 보정할 수 있다.
컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140)의 SOC에 따른 전압 변화 정보에 기초하여 복수의 배터리 셀(110, 120, 130, 140)의 SOC에 따른 OCV 변화 정보를 산출할 수 있다.
먼저 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140)의 SOC를 기준으로 일정 간격으로 정렬된 배터리 데이터에 기초하여 배터리 셀(110, 120, 130, 140)의 충방전율(C-rate)에 따른 전압 변화 함수를 산출할 수 있다.
컨트롤러(220)는 배터리 데이터 중 복수의 배터리 셀(110, 120, 130, 140)의 특정 수명 상태의 배터리 데이터를 기초로 복수의 배터리 셀(110, 120, 130, 140)의 충방전율에 따른 전압 변화 함수를 산출할 수 있다. 여기서 특정 수명 상태는 배터리의 초기 수명(BOL, Beginning Of Life), 중기 수명(MOL, Middel Of Life) 및 말기 수명(EOL, End Of Life)을 포함할 수 있다.
실시예에 따라, 컨트롤러(220)는 배터리 데이터 중 복수의 배터리 셀(110, 120, 130, 140)의 초기 수명(BOL) 상태의 배터리 데이터를 기초로 복수의 배터리 셀(110, 120, 130, 140)의 충방전율에 따른 전압 변화 함수를 산출할 수 있다.
도 4는 본 문서에 개시된 일 실시예에 따른 컨트롤러의 배터리의 충방전율에 따른 전압 변화 함수를 산출하는 동작을 보여주는 그래프이다.
도 4를 참조하면 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140)의 초기 수명 상태(BOL)의 배터리 데이터에 포함된 소정의 배터리 데이터를 추출할 수 있다. 예를 들어, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140)의 초기 수명 상태(BOL)의 배터리 데이터 중 배터리의 충전 데이터(C-rate 가 양수(+)임을 의미함)인 제1 배터리 데이터, 배터리의 방전 데이터(C-rate 가 음수(-)임을 의미함)인 제2 배터리 데이터 및 배터리의 OCV 데이터(C-rate 가 '0'임을 의미함)인 제3 배터리 데이터를 추출할 수 있다. 여기서 제1 배터리 데이터, 제2 배터리 데이터 및 제3 배터리 데이터는 배터리 셀이 초기 수명 상태(BOL)일 때 측정된 배터리 셀의 전압(V), 전류(I), 온도(T) 및 용량(Q) 등을 포함하여 제1 배터리 데이터, 제2 배터리 데이터 및 제3 배터리 데이터의 SOC는 동일할 수 있다.
컨트롤러(220)는 제1 배터리 데이터, 제2 배터리 데이터 및 제3 배터리 데이터를 근사(Fitting)할 수 있다. 예를 들어, 컨트롤러(220)는 제1 배터리 데이터, 제2 배터리 데이터 및 제3 배터리 데이터에 포함된 배터리 셀의 충방전율(C-rate)에 따른 전압(V) 데이터를 근사할 수 있다. 컨트롤러(220)는 제1 배터리 데이터, 제2 배터리 데이터 및 제3 배터리 데이터를 근사하여 복수의 배터리 셀(110, 120, 130, 140)의 충방전율에 따른 전압 변화 함수를 산출할 수 있다.
컨트롤러(220)는 제1 배터리 데이터, 제2 배터리 데이터 및 제3 배터리 데이터를 근사하여 형성한 그래프의 기울기 값을 추출할 수 있다. 즉, 컨트롤러(220)는 제1 배터리 데이터, 제2 배터리 데이터 및 제3 배터리 데이터를 근사하여 산출한 복수의 배터리 셀(110, 120, 130, 140)의 충방전율에 따른 전압 변화 함수의 2차항 계수(C)를 산출할 수 있다. 예를 들어, 컨트롤러(220)는 제1 배터리 데이터, 제2 배터리 데이터 및 제3 배터리 데이터를 근사하여 
의 충방전율에 따른 전압 변화 함수를 산출할 수 있다. 여기서, 컨트롤러(220)는 함수의 2차항 계수(C)로써 '-0.7'을 추출할 수 있다.
컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140)의 초기 수명 상태(BOL)의 충방전율(C-rate)에 따른 전압 변화 함수와 복수의 배터리 셀(110, 120, 130, 140)의 SOC에 따른 전압 변화 정보를 기초로 복수의 배터리 셀(110, 120, 130, 140)의 SOC에 따른 OCV 변화 정보를 생성할 수 있다.
구체적으로 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140)의 SOC에 따른 전압 변화 정보와 복수의 배터리 셀(110, 120, 130, 140)의 초기 수명 상태(BOL)의 충방전율에 따른 전압 변화 함수의 2차항 계수(C)를 보간법(Interpolation)에 적용하여 복수의 배터리 셀(110, 120, 130, 140)의 SOC별 OCV를 산출할 수 있다.
도 5는 본 문서에 개시된 일 실시예에 따른 컨트롤러의 배터리의 SOC별 OCV를 산출하는 동작을 보여주는 도면이다.
도 5를 참조하면, 먼저, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140)의 SOC에 따른 전압 변화 정보를 SOC를 기준으로 구분하여 생성된 SOC별 충전 데이터(C-rate 가 양수(+)임을 의미함)(D1) 및 방전 데이터(C-rate 가 음수(-)임을 의미함)(D2)를 획득할 수 있다. 즉, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140)의 SOC별로 충전 데이터(D1) 및 방전 데이터(D2)에 해당하는 두개의 데이터 포인트(Point)를 획득할 수 있다.
컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140)의 SOC별 충전 데이터(D1) 및 방전 데이터(D2)에 해당하는 두 데이터 포인트와 복수의 배터리 셀(110, 120, 130, 140)의 초기 수명 상태(BOL)의 충방전율에 따른 전압 변화 함수의 2차항 계수(C)를 근사하는 Quadratic Fitting을 수행할 수 있다.
컨트롤러(220)는 SOC별 충전 데이터(D1), 방전 데이터(D2)에 해당하는 두 데이터 포인트와 2차항 계수(C)를 사용하여 두 점을 연결한 뒤, x좌표가 '0'이 되는 지점을 찾는 '0' C-rate 보간법을 이용할 수 있다. 구체적으로 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140)의 SOC별 충전 데이터(D1), 방전 데이터(D2)에 해당하는 두 데이터 포인트와 복수의 배터리 셀(110, 120, 130, 140)의 충방전율에 따른 전압 변화 함수의 2차항 계수(C)를 보간법에 적용하여 배터리의 충방전율이 '0'일 때 배터리 셀의 전압값인 OCV를 추출하여 배터리의 SOC별 OCV를 산출할 수 있다.
예를 들어, 컨트롤러(220)는 특정 SOC에서 복수의 배터리 셀(110, 120, 130, 140)의 충전 데이터(D1)인 'C-rate: 0.7C, V: 0.9V'와 방전 데이터(D2)인 'C-rate: -0.4C, V: 0.1V'를 획득할 수 있다. 컨트롤러(220)는 충전 데이터(D1) 및 방전 데이터(D2)와 복수의 배터리 셀(110, 120, 130, 140)의 초기 수명 상태(BOL)의 충방전율에 따른 전압 변화 함수의 2차항 계수(C)인 '-0.7'을 모두 근사하여 
의 2차 함수를 산출할 수 있다. 컨트롤러(220)는 해당 2차 함수에서 x좌표, 측 충방전률(C-rate)이 '0'일 때의 전압값인 OCV값을 '0.59'로 산출할 수 있다.
컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140)의 SOC별 OCV 값을 산출한 후, 복수의 배터리 셀(110, 120, 130, 140)의 SOC별 OCV 값을 취합하여 복수의 배터리 셀(110, 120, 130, 140)의 SOC에 따른 OCV 변화 정보를 생성할 수 있다.
도 6은 본 문서에 개시된 일 실시예에 따른 배터리의 SOC에 따른 OCV 변화를 보여주는 그래프이다.
도 6을 참조하면, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140)의 SOC별로 산출한 OCV를 연결하여 복수의 배터리 셀(110, 120, 130, 140)의 SOC에 따른 OCV 변화 정보를 생성할 수 있다.
컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140)의 SOC별 OCV를 윈도우(Window) 기반 필터에 입력해 평활화(Smoothing)하여 복수의 배터리 셀(110, 120, 130, 140)의 SOC에 따른 OCV 변화 정보를 생성할 수 있다.
도 7은 본 문서에 개시된 다른 실시예에 따른 배터리의 SOC에 따른 OCV 변화를 보여주는 그래프이다.
도 7을 참조하면, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140)의 SOC별 OCV를 윈도우 기반 필터에 입력해 스무딩(Smoothing)할 수 있다. 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140)의 SOC별 OCV를 스무딩하여 매끄러운 OCV 커브를 도출할 수 있다.
상술한 바와 같이, 본 문서에 개시된 일 실시예에 따른 배터리 데이터 관리 장치(200)에 따르면 배터리의 수명 추정을 위한 정확한 배터리의 OCV 그래프를 생성할 수 있다.
배터리 데이터 관리 장치(200)는 배터리의 OCV를 산출하기 위해 적은 시간이 소요되고, 배터리의 상태를 상시 판단하여 이상 상태가 진단된 경우 사용자에게 즉시 정보를 제공할 수 있다.
또한, 배터리 데이터 관리 장치(200)는 노이즈가 제거된 배터리 데이터를 획득하여 배터리 수명 예측의 정확성을 높일 수 있다.
도 8은 본 문서에 개시된 일 실시예에 따른 배터리 데이터 관리 장치의 동작 방법을 보여주는 흐름도이다. 이하에서는 도 1 내지 도 7을 참조하여 배터리 데이터 관리 장치(200)의 동작 방법에 대해 설명한다.
배터리 데이터 관리 장치(200)는 도 1 내지 도 7을 참조하여 설명한 배터리 데이터 관리 장치(200)와 실질적으로 동일할 수 있으므로, 이하에서는 설명의 중복을 피하기 위하여 간략히 설명한다.
도 8을 참조하면, 배터리 데이터 관리 장치(200)의 동작 방법은 배터리 데이터에 기초하여 배터리의 SOC에 따른 전압 변화 정보를 생성하는 단계(S101), 칼만 필터(Kalman Filter)를 이용하여 배터리의 SOC에 따른 전압 변화 정보의 노이즈를 제거하는 단계(S102), 배터리 데이터 중 배터리의 특정 수명 상태의 배터리 데이터를 기초로 배터리의 충방전율(C-rate)에 따른 전압 변화 함수를 산출하는 단계(S103) 및 배터리의 충방전율에 따른 전압 변화 함수와 배터리의 SOC에 따른 전압 변화 정보를 기초로 배터리의 SOC에 따른 OCV 변화 정보를 생성하는 단계(S104)를 포함할 수 있다.
S101 단계에서, 데이터 관리부(210)는 복수의 배터리 셀(110, 120, 130, 140)의 배터리 데이터를 획득할 수 있다. 여기서 배터리 데이터는 일 실시예에 따라 복수의 배터리 셀(110, 120, 130, 140)의 전압(V), 전류(I), 온도(T) 및 용량(Q) 등을 포함할 수 있다. S101 단계에서, 구체적으로, 데이터 관리부(210)는 배터리 팩(1000)이 탑재된 차량의 주행 실험 데이터를 수집하여 배터리 데이터를 추출할 수 있다. S101 단계에서, 예를 들어, 데이터 관리부(210)는 배터리 팩(1000)이 탑재된 차량의 주행 실험 데이터에 포함된 소정의 퇴화가 많이 진행된 배터리 셀 또는 퇴화가 적에 된 배터리 셀을 선정하여 해당 배터리 셀의 배터리 데이터를 분석할 수 있다.
S101 단계에서, 데이터 관리부(210)는 복수의 배터리 셀(110, 120, 130, 140)의 복수의 충방전 사이클(Cycle)이 진행됨에 따라 생성된 배터리 데이터를 수집하여, 각 충방전 사이클 별로 배터리 데이터를 분류할 수 있다.
S101 단계에서, 데이터 관리부(210)는 복수의 배터리 셀(110, 120, 130, 140)의 배터리 데이터에 기초하여 배터리의 SOC에 따른 전압 변화 정보를 생성할 수 있다. 일 실시예에 따라, 데이터 관리부(210)는 전류 적산(Current Accumulation) 방법을 이용하여 복수의 배터리 셀(110, 120, 130, 140)의 SOC를 산출할 수 있다.
S101 단계에서, 실시예에 따라, 데이터 관리부(210)는 복수의 배터리 셀(110, 120, 130, 140)의 복수의 충방전 사이클(Cycle)이 진행됨에 따라 생성된 배터리 데이터를 기초로 복수의 배터리 셀(110, 120, 130, 140)의 충방전 사이클 별 SOC 데이터를 산출할 수 있다. S101 단계에서, 데이터 관리부(210)는 복수의 배터리 셀(110, 120, 130, 140)의 각 충방전 사이클 별 SOC 데이터에 있어서, 이전 사이클에 대한 SOC 데이터의 끝과 다음 사이클의 SOC 데이터를 연결하여 하나의 SOC 데이터를 생성할 수 있다.
S101 단계에서, 데이터 관리부(210)는 복수의 배터리 셀(110, 120, 130, 140)의 배터리 데이터에 기초하여 복수의 배터리 셀(110, 120, 130, 140)의 SOC에 따른 전압 변화 정보를 생성할 수 있다. S101 단계에서, 즉 데이터 관리부(210)는 복수의 배터리 셀(110, 120, 130, 140)의 SOC-V 프로파일(Profile)을 생성할 수 있다.
S101 단계에서, 실시예에 따라, 데이터 관리부(210)는 복수의 배터리 셀(110, 120, 130, 140)의 복수의 충방전 사이클이 진행됨에 따라 생성된 배터리 데이터를 기초로 복수의 배터리 셀(110, 120, 130, 140)의 SOC에 따른 전압 변화 정보를 생성하여 디스플레이(미구비) 상에 플랏(Plot)할 수 있다.
S102 단계에서, 데이터 관리부(210)는 복수의 배터리 셀(110, 120, 130, 140)의 배터리 데이터의 노이즈를 제거할 수 있다. S102 단계에서, 일 실시예에 따라, 데이터 관리부(210)는 칼만 필터(Kalman Filter)를 이용하여 복수의 배터리 셀(110, 120, 130, 140)의 SOC에 따른 전압 변화 정보의 노이즈를 제거할 수 있다.
S102 단계에서, 데이터 관리부(210)는 칼만 필터를 이용해 복수의 배터리 셀(110, 120, 130, 140)의 SOC에 따른 전압 변화 정보의 노이즈를 제거하여 복수의 배터리 셀(110, 120, 130, 140)의 충방전 사이클별 정확한 SOC 데이터를 산출할 수 있다. S102 단계에서, 즉, 데이터 관리부(210)는 노이즈가 제거된 복수의 배터리 셀(110, 120, 130, 140)의 SOC에 따른 전압 변화 정보에 기초하여 복수의 배터리 셀(110, 120, 130, 140)의 SOC에 따른 전압 변화 정보의 오차를 수정할 수 있다.
S102 단계에서, 실시예에 따라, 데이터 관리부(210)는 복수의 배터리 셀(110, 120, 130, 140)의 SOC에 따른 전압 변화 정보를 SOC를 기준으로 구분하여 일정 간격으로 정렬할 수 있다. S102 단계에서, 예를 들어, 데이터 관리부(210)는 복수의 배터리 셀(110, 120, 130, 140)의 SOC에 따른 전압 변화 정보를 SOC를 기준으로 구분하여 데이터 프레임(Data Frame)을 생성할 수 있다,
S102 단계에서, 또한, 예를 들어, 데이터 관리부(210)는 보간법 (Interpolation)에 기초하여 복수의 배터리 셀(110, 120, 130, 140)의 배터리 데이터를 SOC를 기준으로 구분하여 일정 간격으로 정렬할 수 있다. S102 단계에서, 데이터 관리부(210)는 보간법에 기초하여 복수의 배터리 셀(110, 120, 130, 140)의 SOC에 따른 전압 변화 정보를 일정 간격으로 보정할 수 있다.
S103 단계에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140)의 SOC를 기준으로 일정 간격으로 정렬된 배터리 데이터에 기초하여 배터리 셀(110, 120, 130, 140)의 충방전율(C-rate)에 따른 전압 변화 함수를 산출할 수 있다.
S103 단계에서, 컨트롤러(220)는 배터리 데이터 중 복수의 배터리 셀(110, 120, 130, 140)의 특정 수명 상태의 배터리 데이터를 기초로 복수의 배터리 셀(110, 120, 130, 140)의 충방전율에 따른 전압 변화 함수를 산출할 수 있다. 여기서 특정 수명 상태는 배터리의 초기 수명(BOL, Beginning Of Life), 중기 수명(MOL, Midde S103 단계에서, l Of Life) 및 말기 수명(EOL, End Of Life)을 포함할 수 있다.
S103 단계에서, 실시예에 따라, 컨트롤러(220)는 배터리 데이터 중 복수의 배터리 셀(110, 120, 130, 140)의 초기 수명(BOL) 상태의 배터리 데이터를 기초로 복수의 배터리 셀(110, 120, 130, 140)의 충방전율에 따른 전압 변화 함수를 산출할 수 있다.
S103 단계에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140)의 초기 수명 상태(BOL)의 배터리 데이터에 포함된 소정의 배터리 데이터를 추출할 수 있다. S103 단계에서, 예를 들어, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140)의 초기 수명 상태(BOL)의 배터리 데이터 중 배터리의 충전 데이터(C-rate 가 양수(+)임을 의미함)인 제1 배터리 데이터, 배터리의 방전 데이터(C-rate 가 음수(-)임을 의미함)인 제2 배터리 데이터 및 배터리의 OCV 데이터(C-rate 가 '0'임을 의미함)인 제3 배터리 데이터를 추출할 수 있다.
S103 단계에서, 컨트롤러(220)는 제1 배터리 데이터, 제2 배터리 데이터 및 제3 배터리 데이터를 근사(Fitting)할 수 있다. 예를 들어, 컨트롤러(220)는 제1 배터리 데이터, 제2 배터리 데이터 및 제3 배터리 데이터에 포함된 배터리 셀의 충방전율(C-rate)에 따른 전압(V) 데이터를 근사할 수 있다. S103 단계에서, 컨트롤러(220)는 제1 배터리 데이터, 제2 배터리 데이터 및 제3 배터리 데이터를 근사하여 복수의 배터리 셀(110, 120, 130, 140)의 충방전율에 따른 전압 변화 함수를 산출할 수 있다.
S103 단계에서, 컨트롤러(220)는 제1 배터리 데이터, 제2 배터리 데이터 및 제3 배터리 데이터를 근사하여 형성한 그래프의 기울기 값을 추출할 수 있다. S103 단계에서, 즉, 컨트롤러(220)는 제1 배터리 데이터, 제2 배터리 데이터 및 제3 배터리 데이터를 근사하여 산출한 복수의 배터리 셀(110, 120, 130, 140)의 충방전율에 따른 전압 변화 함수의 2차항 계수(C)를 산출할 수 있다.
S104 단계에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140)의 초기 수명 상태(BOL)의 충방전율에 따른 전압 변화 함수와 복수의 배터리 셀(110, 120, 130, 140)의 SOC에 따른 전압 변화 정보를 기초로 복수의 배터리 셀(110, 120, 130, 140)의 SOC에 따른 OCV 변화 정보를 생성할 수 있다.
S104 단계에서, 구체적으로 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140)의 SOC에 따른 전압 변화 정보와 복수의 배터리 셀(110, 120, 130, 140)의 초기 수명 상태(BOL)의 충방전율에 따른 전압 변화 함수의 2차항 계수(C)를 보간법(Interpolation)에 적용하여 복수의 배터리 셀(110, 120, 130, 140)의 SOC별 OCV를 산출할 수 있다.
S104 단계에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140)의 SOC에 따른 전압 변화 정보를 SOC를 기준으로 구분하여 생성된 SOC별 충전 데이터(C-rate 가 양수(+)임을 의미함)(D1) 및 방전 데이터(C-rate 가 음수(-)임을 의미함)(D2)를 획득할 수 있다. S104 단계에서, 즉, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140)의 SOC별로 충전 데이터(D1) 및 방전 데이터(D2)에 해당하는 두개의 데이터 포인트(Point)를 획득할 수 있다.
S104 단계에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140)의 SOC별 충전 데이터(D1) 및 방전 데이터(D2)에 해당하는 두 데이터 포인트와 복수의 배터리 셀(110, 120, 130, 140)의 초기 수명 상태(BOL)의 충방전율에 따른 전압 변화 함수의 2차항 계수(C)를 근사하는 Quadratic Fitting을 수행할 수 있다. S104 단계에서, 즉, 컨트롤러(220)는 SOC별 충전 데이터(D1), 방전 데이터(D2)에 해당하는 두 데이터 포인트와 2차항 계수(C)를 사용하여 두 점을 연결한 뒤, x좌표가 '0'이 되는 지점을 찾는 0 C-rate 보간법을 이용할 수 있다. S104 단계에서,
구체적으로 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140)의 SOC별 충전 데이터(D1), 방전 데이터(D2)에 해당하는 두 데이터 포인트와 복수의 배터리 셀(110, 120, 130, 140)의 충방전율에 따른 전압 변화 함수의 2차항 계수(C)를 보간법에 적용하여 배터리의 충방전율이 '0'일 때 배터리의 전압값인 OCV를 추출하여 배터리의 SOC별 OCV를 산출할 수 있다.
S104 단계에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140)의 SOC별 OCV 값을 산출한 후, 복수의 배터리 셀(110, 120, 130, 140)의 SOC별 OCV 값을 취합하여 복수의 배터리 셀(110, 120, 130, 140)의 SOC에 따른 OCV 변화 정보를 생성할 수 있다.
S104 단계에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140)의 SOC별로 산출한 OCV를 연결하여 복수의 배터리 셀(110, 120, 130, 140)의 SOC에 따른 OCV 변화 정보를 생성할 수 있다.
S104 단계에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140)의 SOC별 OCV를 윈도우 기반 필터에 입력해 평활화(Smoothing)하여 복수의 배터리 셀(110, 120, 130, 140)의 SOC에 따른 OCV 변화 정보를 생성할 수 있다.
S104 단계에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140)의 SOC별 OCV를 윈도우 기반 필터에 입력해 스무딩(Smoothing)할 수 있다. 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140)의 SOC별 OCV를 스무딩하여 매끄러운 OCV 커브를 도출할 수 있다.
도 9는 본 문서에 개시된 일 실시예에 따른 배터리 데이터 관리 장치의 동작 방법을 구현하는 컴퓨팅 시스템의 하드웨어 구성을 나타내는 블록도이다.
도 9를 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 변화 함수)을 실행시키고, 이러한 프로그램들을 각종 데이터를 처리하며, 전술한 도 1에 나타낸 배터리 데이터 관리 장치(200)의 기능들을 수행하도록 하는 프로세서일 수 있다.
메모리(2200)는 설비 제어 장치(200)의 작동에 관한 각종 프로그램을 저장할 수 있다. 또한, 메모리(2200)는 설비 제어 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 메모리로서의 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.
이와 같이, 본 문서에 개시된 일 실시예에 따른 컴퓨터 프로그램은 메모리(2200)에 기록되고, MCU(2100)에 의해 처리됨으로써, 예를 들면 도 1 및 도 2를 참조하여 설명한 배터리 데이터 관리 장치(200)의 각 기능들을 수행하는 모듈로서 구현될 수도 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
200: 배터리 데이터 관리 장치
210: 데이터 관리부
220: 컨트롤러
2000: 컴퓨팅 시스템
2100: MCU
2200: 메모리
2300: 입출력 I/F
2400: 통신 I/F
300: 릴레이
D1: 충전 데이터
D2: 방전 데이터
C: 2차항 계수
100: 배터리 모듈
200: 배터리 데이터 관리 장치
210: 데이터 관리부
220: 컨트롤러
2000: 컴퓨팅 시스템
2100: MCU
2200: 메모리
2300: 입출력 I/F
2400: 통신 I/F
300: 릴레이
D1: 충전 데이터
D2: 방전 데이터
C: 2차항 계수
Claims (13)
- 배터리 데이터에 기초하여 배터리의 SOC에 따른 전압 변화 정보를 생성하는 데이터 관리부; 및
상기 배터리 데이터 중 상기 배터리의 특정 수명 상태의 배터리 데이터를 기초로 상기 배터리의 충방전율(C-rate)에 따른 전압 변화 함수를 산출하고, 상기 배터리의 충방전율에 따른 전압 변화 함수와 상기 배터리의 SOC에 따른 전압 변화 정보를 기초로 상기 배터리의 SOC에 따른 OCV 변화 정보를 생성하는 컨트롤러를 포함하는 배터리 데이터 관리 장치. - 제1 항에 있어서
상기 데이터 관리부는 칼만 필터(Kalman Filter)를 이용하여 상기 배터리의 SOC에 따른 전압 변화 정보의 노이즈를 제거하는 것을 특징으로 하는 배터리 데이터 관리 장치. - 제2 항에 있어서,
상기 데이터 관리부는 상기 배터리의 SOC에 따른 전압 변화 정보를 상기 SOC를 기준으로 구분하여 일정 간격으로 정렬하는 것을 특징으로 하는 배터리 데이터 관리 장치. - 제3 항에 있어서,
상기 컨트롤러는 상기 배터리의 초기 수명(BOL, Beginning Of Life)상태의 배터리 데이터에 포함된 소정의 배터리의 충방전율에 따른 전압 데이터를 근사(Fitting)하여 상기 배터리의 충방전율에 따른 전압 변화 함수의 2차항 계수를 산출하는 것을 특징으로 하는 배터리 데이터 관리 장치. - 제4 항에 있어서,
상기 컨트롤러는 상기 배터리의 SOC에 따른 전압 변화 정보를 상기 배터리의 SOC별 충전 데이터 및 방전 데이터로 구분하고,
상기 배터리의 SOC별 충전 데이터 및 방전 데이터와 상기 2차항 계수를 보간법(Interpolation)에 적용하여 상기 배터리의 SOC별 충방전율에 따른 전압 변화 정보를 산출하는 것을 특징으로 하는 배터리 데이터 관리 장치. - 제4 항에 있어서,
상기 컨트롤러는 상기 배터리의 SOC별 충방전율에 따른 전압 변화 정보 중 상기 배터리의 충방전율이 '0'일 때 상기 배터리의 전압값인 OCV를 추출하여 상기 배터리의 SOC별 OCV를 산출하는 것을 특징으로 하는 배터리 데이터 관리 장치. - 제4 항에 있어서,
상기 컨트롤러는 상기 배터리의 SOC별 OCV를 윈도우 필터에 입력해 평활화(Smoothing)하여 상기 배터리의 SOC에 따른 OCV 변화 정보를 생성하는 것을 특징으로 하는 배터리 데이터 관리 장치. - 배터리 데이터에 기초하여 배터리의 SOC에 따른 전압 변화 정보를 생성하는 단계;
칼만 필터(Kalman Filter)를 이용하여 상기 배터리의 SOC에 따른 전압 변화 정보의 노이즈를 제거하는 단계;
상기 배터리 데이터 중 상기 배터리의 특정 수명 상태의 배터리 데이터를 기초로 상기 배터리의 충방전율(C-rate)에 따른 전압 변화 함수를 산출하는 단계; 및
상기 배터리의 충방전율에 따른 전압 변화 함수와 상기 배터리의 SOC에 따른 전압 변화 정보를 기초로 상기 배터리의 SOC에 따른 OCV 변화 정보를 생성하는 단계를 포함하는 배터리 데이터 관리 장치의 동작 방법. - 제8 항에 있어서,
상기 배터리 데이터에 기초하여 배터리의 SOC에 따른 전압 변화 정보를 생성하는 단계는 상기 배터리의 SOC에 따른 전압 변화 정보를 상기 SOC를 기준으로 구분하여 일정 간격으로 정렬하는 것을 특징으로 하는 배터리 데이터 관리 장치의 동작 방법. - 제9 항에 있어서,
상기 배터리 데이터 중 상기 배터리의 특정 수명 상태의 배터리 데이터를 기초로 상기 배터리의 충방전율에 따른 전압 변화 함수를 산출하는 단계는 상기 배터리의 초기 수명 상태(BOL, Beginning Of Life)의 배터리 데이터에 포함된 소정의 배터리의 충방전율에 따른 전압 데이터를 근사(Fitting)하여 상기 배터리의 충방전율에 따른 전압 변화 함수의 2차항 계수를 산출하는 것을 특징으로 하는 배터리 데이터 관리 장치의 동작 방법. - 제10 항에 있어서,
상기 배터리의 충방전율에 따른 전압 변화 함수와 상기 배터리의 SOC에 따른 전압 변화 정보를 기초로 상기 배터리의 SOC에 따른 OCV 변화 정보를 생성하는 단계는 상기 배터리의 SOC에 따른 전압 변화 정보를 상기 배터리의 SOC별 충전 데이터 및 방전 데이터로 구분하고, 상기 배터리의 SOC별 충전 데이터 및 방전 데이터와 상기 2차항 계수를 보간법(Interpolation)에 적용하여 상기 배터리의 SOC별 충방전율에 따른 전압 변화 정보를 산출하는 것을 특징으로 하는 배터리 데이터 관리 장치의 동작 방법. - 제11 항에 있어서,
상기 배터리의 충방전율에 따른 전압 변화 함수와 상기 배터리의 SOC에 따른 전압 변화 정보를 기초로 상기 배터리의 SOC에 따른 OCV 변화 정보를 생성하는 단계는 상기 배터리의 SOC별 충방전율에 따른 전압 변화 정보 중 상기 배터리의 충방전율이 '0'일 때 상기 배터리의 전압값인 OCV를 추출하여 상기 배터리의 SOC별 OCV를 산출하는 것을 특징으로 하는 배터리 데이터 관리 장치의 동작 방법. - 제12 항에 있어서,
상기 배터리의 충방전율에 따른 전압 변화 함수와 상기 배터리의 SOC에 따른 전압 변화 정보를 기초로 상기 배터리의 SOC에 따른 OCV 변화 정보를 생성하는 단계는 상기 배터리의 SOC별 OCV를 윈도우 필터에 입력해 평활화(Smoothing)하여 상기 배터리의 SOC에 따른 OCV 변화 정보를 생성하는 것을 특징으로 하는 배터리 데이터 관리 장치의 동작 방법.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220182370A KR20240100157A (ko) | 2022-12-22 | 2022-12-22 | 배터리 데이터 관리 장치 및 그것의 동작 방법 |
| PCT/KR2023/019910 WO2024136225A1 (ko) | 2022-12-22 | 2023-12-05 | 배터리 데이터 관리 장치 및 그것의 동작 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220182370A KR20240100157A (ko) | 2022-12-22 | 2022-12-22 | 배터리 데이터 관리 장치 및 그것의 동작 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20240100157A true KR20240100157A (ko) | 2024-07-01 |
Family
ID=91589215
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220182370A KR20240100157A (ko) | 2022-12-22 | 2022-12-22 | 배터리 데이터 관리 장치 및 그것의 동작 방법 |
Country Status (2)
| Country | Link |
|---|---|
| KR (1) | KR20240100157A (ko) |
| WO (1) | WO2024136225A1 (ko) |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2963434B1 (en) * | 2014-06-30 | 2021-08-11 | Foundation Of Soongsil University-Industry Cooperation | Battery state estimation method and system using dual extended kalman filter, and recording medium for performing the method |
| KR102372874B1 (ko) * | 2017-12-12 | 2022-03-08 | 주식회사 엘지에너지솔루션 | 이차 전지 셀의 ｓｏｃ 재조정 장치 및 방법 |
| KR102424295B1 (ko) * | 2018-09-27 | 2022-07-21 | 주식회사 엘지에너지솔루션 | Soc 추정 장치 및 방법 |
| KR102439598B1 (ko) * | 2018-10-25 | 2022-09-05 | 주식회사 엘지에너지솔루션 | 이차 전지의 내부 가스 발생 가속 구간 판단 방법 |
| US10948543B2 (en) * | 2019-01-28 | 2021-03-16 | Lg Chem, Ltd. | System for determining a discharge power limit value and a charge power limit value of a battery cell |
-
2022
- 2022-12-22 KR KR1020220182370A patent/KR20240100157A/ko unknown
-
2023
- 2023-12-05 WO PCT/KR2023/019910 patent/WO2024136225A1/ko unknown
Also Published As
| Publication number | Publication date |
|---|---|
| WO2024136225A1 (ko) | 2024-06-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10254349B2 (en) | Method for predicting state of health of battery based on numerical simulation data | |
| EP3506452B1 (en) | Battery charging method and apparatus | |
| JP5936711B2 (ja) | 蓄電デバイスの寿命予測装置及び蓄電デバイスの寿命予測方法 | |
| KR20220163736A (ko) | 리튬이온 배터리팩의 비정상 셀 검출 및 soh 예측 방법 | |
| US12044747B2 (en) | Apparatus and method for diagnosing battery | |
| CN109799463A (zh) | 基于大数据方法的实际运行工况下动力电池soc/soh/sop的估计与预测方法 | |
| US20220196754A1 (en) | Method for detecting abnormal battery cell | |
| JP7515956B2 (ja) | 電池診断装置および方法 | |
| KR20210141211A (ko) | 배터리를 진단하기 위한 장치 및 그 방법 | |
| US20230213587A1 (en) | Method and System for Efficiently Monitoring Battery Cells of a Device Battery in an External Central Processing Unit Using a Digital Twin | |
| CN115219932A (zh) | 用于评价设备电池组的相对老化状态的方法和装置 | |
| EP4235198A1 (en) | Apparatus and method for managing battery | |
| Selvabharathi et al. | Estimating the state of health of lead-acid battery using feed-forward neural network | |
| EP4446760A1 (en) | Apparatus for calculating depth of charge of battery, and operation method thereof | |
| KR20240100157A (ko) | 배터리 데이터 관리 장치 및 그것의 동작 방법 | |
| KR20240136171A (ko) | 배터리 데이터 관리 장치 및 그것의 동작 방법 | |
| Kim et al. | Adaptive battery diagnosis/prognosis for efficient operation | |
| KR20230120034A (ko) | 배터리 관리 장치 및 그것의 동작 방법 | |
| US20240230782A1 (en) | Diagnosis method and diagnosis apparatus of power storage system, power storage system, and non-transitory storage medium | |
| EP4435450A1 (en) | Battery management device and method for operating same | |
| EP4418404A1 (en) | Pressure or strain estimation for rechargeable batteries | |
| KR20230107066A (ko) | 배터리 용량 예측 장치 및 그것의 동작 방법 | |
| EP4386401A1 (en) | Battery management apparatus and battery inspection system including same | |
| KR20230095556A (ko) | 배터리 수명 예측 장치 및 그것의 동작 방법 | |
| KR20240134684A (ko) | 배터리 관리 장치 및 그것의 동작 방법 |