KR20240107268A - 환경변화 적응형 배터리 진단 장치 및 방법 - Google Patents
환경변화 적응형 배터리 진단 장치 및 방법 Download PDFInfo
- Publication number
- KR20240107268A KR20240107268A KR1020220189248A KR20220189248A KR20240107268A KR 20240107268 A KR20240107268 A KR 20240107268A KR 1020220189248 A KR1020220189248 A KR 1020220189248A KR 20220189248 A KR20220189248 A KR 20220189248A KR 20240107268 A KR20240107268 A KR 20240107268A
- Authority
- KR
- South Korea
- Prior art keywords
- impedance
- measurement target
- frequency
- battery
- eis data
- Prior art date
Links
- 238000003745 diagnosis Methods 0.000 title claims abstract description 60
- 230000007613 environmental effect Effects 0.000 title claims abstract description 33
- 238000000034 method Methods 0.000 title claims abstract description 31
- 230000003044 adaptive effect Effects 0.000 title claims abstract description 21
- 230000008859 change Effects 0.000 title claims description 19
- 238000005259 measurement Methods 0.000 claims abstract description 102
- 238000002847 impedance measurement Methods 0.000 claims abstract description 13
- 230000008569 process Effects 0.000 claims description 10
- 238000000157 electrochemical-induced impedance spectroscopy Methods 0.000 description 67
- 238000010586 diagram Methods 0.000 description 15
- 238000005516 engineering process Methods 0.000 description 7
- 238000012360 testing method Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 238000013473 artificial intelligence Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000012937 correction Methods 0.000 description 4
- 230000014509 gene expression Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000007423 decrease Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000006866 deterioration Effects 0.000 description 2
- 239000003792 electrolyte Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
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]
- G01R31/374—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC] with means for correcting the measurement for temperature or ageing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/02—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance
- G01N27/026—Dielectric impedance spectroscopy
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R23/00—Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
- G01R23/02—Arrangements for measuring frequency, e.g. pulse repetition rate; Arrangements for measuring period of current or voltage
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/389—Measuring internal impedance, internal conductance or related variables
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/396—Acquisition or processing of data for testing or for monitoring individual cells or groups of cells within a battery
Abstract
본 발명은 환경변화 적응형 배터리 진단 장치 및 방법에 관한 것으로, 상기 장치는 레퍼런스 셀에 대한 주파수별 레퍼런스 임피던스를 측정하여 레퍼런스 EIS 데이터를 결정하는 레퍼런스 EIS 데이터 생성부; 상기 측정의 시점에 측정대상 배터리 셀의 상기 주파수별 측정대상 임피던스를 측정하는 측정대상 임피던스 측정부; 및 상기 레퍼런스 EIS 데이터를 기초로 상기 주파수별 측정대상 임피던스를 보정하는 측정대상 임피던스 보상(compensation)부;를 포함한다.
Description
본 발명은 배터리 진단 기술에 관한 것으로, 보다 상세하게는 외부요소에 의한 영향을 보정해 주는 수단으로써 표준 셀의 외부환경 요소 영향에 의한 변동값을 이용해 실험 셀의 임피던스를 보정할 수 있는 환경변화 적응형 배터리 진단 장치 및 방법에 관한 것이다.
전기화학 임피던스 분광법(EIS, Electrochemical Impedance Spectroscopy)은 다양한 주파수의 교류 전기 신호를 가하고 이에 다른 응답을 측정하여 주파수에 따른 저항 특성을 분석할 수 있다. EIS는 배터리의 특성에 따라 민감하게 변화하기 때문에, 배터리 진단에 필요한 주요 정보들을 제공할 수 있다. EIS는 전압 신호를 기초로 전류의 반응을 보는 방법과 전류신호를 기초로 전압반응를 보는 방법을 포함할 수 있다.
특히, 임피던스 정보는 배터리의 단순 내부저항과 비교해서 전해질 및 전극 저항 등으로 분해된 정보를 얻을 수 있으며 이는 배터리의 상태정보를 진단하는데 매우 유용한 정보가 될 수 있다. 실험적으로 배터리의 사용이 많아질수록 배터리에 열화가 일어나 용량이 감소하고, 이때 배터리의 임피던스 성분은 증가하는 용량과의 상관관계를 가질 수 있다.
배터리의 임피던스 측정(특히 large-format cell)은 타겟이 되는 측정값 크기가 매우 작으므로 외부 환경에 의한 환경(외란)요소에 의한 민감도가 매우 클 수 있으며, 이러한 환경요소를 제거하는 기술이 배터리 진단 기술의 핵심 기술 중 하나라고 할 수 있다.
본 발명의 일 실시예는 외부요소에 의한 영향을 보정해 주는 수단으로써 표준 셀의 외부환경 요소 영향에 의한 변동값을 이용해 실험 셀의 임피던스를 보정할 수 있는 환경변화 적응형 배터리 진단 장치 및 방법을 제공하고자 한다.
실시예들 중에서, 환경변화 적응형 배터리 진단 장치는 레퍼런스 셀에 대한 주파수별 레퍼런스 임피던스를 측정하여 레퍼런스 EIS 데이터를 결정하는 레퍼런스 EIS 데이터 생성부; 상기 측정의 시점에 측정대상 배터리 셀의 상기 주파수별 측정대상 임피던스를 측정하는 측정대상 임피던스 측정부; 및 상기 레퍼런스 EIS 데이터를 기초로 상기 주파수별 측정대상 임피던스를 보정하는 측정대상 임피던스 보상(compensation)부;를 포함한다.
상기 레퍼런스 EIS 데이터 생성부는 상기 주파수별 레퍼런스 임피던스에 대하여 임피던스 차이를 기초로 상기 레퍼런스 EIS 데이터를 생성할 수 있다.
상기 레퍼런스 EIS 데이터 생성부는 상기 주파수별 레퍼런스 임피던스에 대하여 제로 크로싱 임피던스를 기준점으로 결정하고 상기 기준점으로부터의 차이를 산출하되 제1 및 제2 변곡 임피던스를 포함하여 상기 레퍼런스 EIS 데이터로 생성할 수 있다.
상기 레퍼런스 EIS 데이터 생성부는 상기 레퍼런스 셀의 종류를 기초로 상기 주파수별 각각에 대한 측정 주파수를 결정하여 측정 주파수 간격을 결정할 수 있다.
상기 측정대상 임피던스 측정부는 상기 레퍼런스 셀의 종류를 기초로 결정된 특정 주파수에서 상기 주파수별 측정대상 임피던스를 측정할 수 있다.
상기 측정대상 임피던스 보상부는 상기 레퍼런스 EIS 데이터의 생성 과정에서 사용된 주파수에 있는 상기 레퍼런스 셀 및 상기 측정대상 배터리 셀 각각의 임피던스를 분석하여 상기 측정대상 베터리 셀의 임피던스를 보상할 수 있다.
상기 측정대상 임피던스 보상부는 상기 주파수별 측정대상 임피던스에 상기 레퍼런스 EIS 데이터를 반영한 다음 보간(interpolation)을 통해 임피던스 파형을 생성할 수 있다.
실시예들 중에서, 환경변화 적응형 배터리 진단 방법은 레퍼런스 EIS 데이터 생성부를 통해, 레퍼런스 셀에 대한 주파수별 레퍼런스 임피던스를 측정하여 레퍼런스 EIS 데이터를 결정하는 단계; 측정대상 임피던스 측정부를 통해, 상기 측정의 시점에 측정대상 배터리 셀의 상기 주파수별 측정대상 임피던스를 측정하는 단계; 및 측정대상 임피던스 보상(compensation)부를 통해, 상기 레퍼런스 EIS 데이터를 기초로 상기 주파수별 측정대상 임피던스를 보정하는 단계;를 포함한다.
개시된 기술은 다음의 효과를 가질 수 있다. 다만, 특정 실시예가 다음의 효과를 전부 포함하여야 한다거나 다음의 효과만을 포함하여야 한다는 의미는 아니므로, 개시된 기술의 권리범위는 이에 의하여 제한되는 것으로 이해되어서는 아니 될 것이다.
본 발명의 일 실시예에 따른 환경변화 적응형 배터리 진단 장치 및 방법은 외부요소에 의한 영향을 보정해 주는 수단으로써 표준 셀의 외부환경 요소 영향에 의한 변동값을 이용해 실험 셀의 임피던스를 보정할 수 있다.
도 1은 본 발명에 따른 배터리 진단 시스템을 설명하는 도면이다.
도 2는 도 1의 배터리 진단 장치의 시스템 구성을 설명하는 도면이다.
도 3은 도 1의 배터리 진단 장치의 기능적 구성을 설명하는 도면이다.
도 4는 본 발명에 따른 환경변화 적응형 배터리 진단 방법을 설명하는 순서도이다.
도 5는 배터리 셀의 열화에 따른 EIS 변화를 설명하는 도면이다.
도 6은 인공지능 모델을 통해 임피던스에 기초하여 배터리 용량을 추정하는 과정을 설명하는 도면이다.
도 7은 본 발명에 따른 레퍼런스 EIS 데이터를 설명하는 도면이다.
도 8은 본 발명에 따른 주파수별 측정대상 임피던스를 보정하는 과정을 설명하는 도면이다.
도 2는 도 1의 배터리 진단 장치의 시스템 구성을 설명하는 도면이다.
도 3은 도 1의 배터리 진단 장치의 기능적 구성을 설명하는 도면이다.
도 4는 본 발명에 따른 환경변화 적응형 배터리 진단 방법을 설명하는 순서도이다.
도 5는 배터리 셀의 열화에 따른 EIS 변화를 설명하는 도면이다.
도 6은 인공지능 모델을 통해 임피던스에 기초하여 배터리 용량을 추정하는 과정을 설명하는 도면이다.
도 7은 본 발명에 따른 레퍼런스 EIS 데이터를 설명하는 도면이다.
도 8은 본 발명에 따른 주파수별 측정대상 임피던스를 보정하는 과정을 설명하는 도면이다.
본 발명에 관한 설명은 구조적 내지 기능적 설명을 위한 실시예에 불과하므로, 본 발명의 권리범위는 본문에 설명된 실시예에 의하여 제한되는 것으로 해석되어서는 아니 된다. 즉, 실시예는 다양한 변경이 가능하고 여러 가지 형태를 가질 수 있으므로 본 발명의 권리범위는 기술적 사상을 실현할 수 있는 균등물들을 포함하는 것으로 이해되어야 한다. 또한, 본 발명에서 제시된 목적 또는 효과는 특정 실시예가 이를 전부 포함하여야 한다거나 그러한 효과만을 포함하여야 한다는 의미는 아니므로, 본 발명의 권리범위는 이에 의하여 제한되는 것으로 이해되어서는 아니 될 것이다.
한편, 본 출원에서 서술되는 용어의 의미는 다음과 같이 이해되어야 할 것이다.
"제1", "제2" 등의 용어는 하나의 구성요소를 다른 구성요소로부터 구별하기 위한 것으로, 이들 용어들에 의해 권리범위가 한정되어서는 아니 된다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어"있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결될 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어"있다고 언급된 때에는 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다. 한편, 구성요소들 간의 관계를 설명하는 다른 표현들, 즉 "~사이에"와 "바로 ~사이에" 또는 "~에 이웃하는"과 "~에 직접 이웃하는" 등도 마찬가지로 해석되어야 한다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한 복수의 표현을 포함하는 것으로 이해되어야 하고, "포함하다"또는 "가지다" 등의 용어는 실시된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이며, 하나 또는 그 이상의 다른 특징이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
각 단계들에 있어 식별부호(예를 들어, a, b, c 등)는 설명의 편의를 위하여 사용되는 것으로 식별부호는 각 단계들의 순서를 설명하는 것이 아니며, 각 단계들은 문맥상 명백하게 특정 순서를 기재하지 않는 이상 명기된 순서와 다르게 일어날 수 있다. 즉, 각 단계들은 명기된 순서와 동일하게 일어날 수도 있고 실질적으로 동시에 수행될 수도 있으며 반대의 순서대로 수행될 수도 있다.
본 발명은 컴퓨터가 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현될 수 있고, 컴퓨터가 읽을 수 있는 기록 매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함한다. 컴퓨터가 읽을 수 있는 기록 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 데이터 저장 장치 등이 있다. 또한, 컴퓨터가 읽을 수 있는 기록 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산 방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.
여기서 사용되는 모든 용어들은 다르게 정의되지 않는 한, 본 발명이 속하는 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한 이상적이거나 과도하게 형식적인 의미를 지니는 것으로 해석될 수 없다.
도 1은 본 발명에 따른 배터리 진단 시스템을 설명하는 도면이다.
도 1을 참조하면, 배터리 진단 시스템(100)은 사용자 단말(110), 배터리 진단 장치(130) 및 데이터베이스(150)를 포함할 수 있다.
사용자 단말(110)는 사용자에 의해 운용되는 단말 장치에 해당할 수 있다. 예를 들어, 사용자 단말(110)은 배터리에 연결되어 배터리의 상태 정보를 측정 및 수집하는 단말 장치로 구현될 수 있다. 여기에서, 배터리는 배터리 셀을 포함할 수 있으며, 필요에 따라 하나 이상의 배터리 셀을 포함할 수 있다. 또한, 전기화학 배터리는 외부 전기 접속부를 갖는 하나 이상의 전기화학 전지로 구성된 장치로 구현될 수 있다. 예를 들어, 재충전가능한 전기화학 전지의 경우 배터리는 하나 이상의 전기화학 전지로부터 전력을 인출하기 위한 2개의 외부 전기 연결부재를 포함할 수 있다.
본 발명의 실시예에서 사용자는 하나 이상의 사용자로 이해될 수 있으며, 하나 이상의 사용자들 각각은 하나 이상의 사용자 단말(110)에 대응될 수 있다. 즉, 도 1에서는 하나의 사용자 단말(110)로 표현되어 있으나, 제1 사용자는 제1 사용자 단말, 제2 사용자는 제2 사용자 단말, ..., 제n(상기 n은 자연수) 사용자는 제n 사용자 단말에 각각 대응될 수 있다.
또한, 사용자 단말(110)은 본 발명에 따른 배터리 진단 시스템(100)을 구성하는 하나의 장치로서 구현될 수 있으며, 배터리 진단 시스템(100)은 환경변화 적응형 배터리 진단 목적에 따라 다양한 형태로 변형되어 구현될 수 있다.
또한, 사용자 단말(110)은 배터리 진단 장치(130)와 연결되어 동작 가능한 스마트폰, 노트북 또는 컴퓨터로 구현될 수 있으며, 반드시 이에 한정되지 않고, 태블릿 PC 등을 포함하여 다양한 디바이스로도 구현될 수 있다.
한편, 사용자 단말(110)은 배터리 진단 장치(130)와 네트워크를 통해 연결될 수 있고, 복수의 사용자 단말(110)들은 배터리 진단 장치(130)와 동시에 연결될 수도 있다.
배터리 진단 장치(130)는 본 발명에 따른 환경변화 적응형 배터리 진단 방법을 수행하는 컴퓨터 또는 프로그램에 해당하는 서버로 구현될 수 있다. 또한, 배터리 진단 장치(130)는 사용자 단말(110)과 유선 네트워크 또는 블루투스, WiFi, LTE 등과 같은 무선 네트워크로 연결될 수 있고, 네트워크를 통해 사용자 단말(110)과 데이터를 송·수신할 수 있다.
또한, 배터리 진단 장치(130)는 독립된 외부 시스템(도 1에 미도시함)과 연결되어 동작하도록 구현될 수 있다. 예를 들어, 배터리 진단 장치(130)는 배터리 충방전을 관리하는 배터리 관리 시스템(BMS), 학습 데이터 관리 및 모델 학습을 위한 학습 서버 등과 연동하여 동작할 수 있다.
데이터베이스(150)는 배터리 진단 장치(130)의 동작 과정에서 필요한 다양한 정보들을 저장하는 저장장치에 해당할 수 있다. 예를 들어, 데이터베이스(150)는 배터리로부터 측정된 임피던스 정보를 저장하거나 또는 학습 알고리즘 및 모델 정보를 저장할 수 있으며, 반드시 이에 한정되지 않고, 배터리 진단 장치(130)가 본 발명에 따른 환경변화 적응형 배터리 진단 과정에서 다양한 형태로 수집 또는 가공된 정보들을 저장할 수 있다.
또한, 도 1에서, 데이터베이스(150)는 배터리 진단 장치(130)와 독립적인 장치로서 도시되어 있으나, 반드시 이에 한정되지 않고, 논리적인 저장장치로서 배터리 진단 장치(130)에 포함되어 구현될 수 있음은 물론이다.
도 2는 도 1의 배터리 진단 장치의 시스템 구성을 설명하는 도면이다.
도 2를 참조하면, 배터리 진단 장치(130)는 프로세서(210), 메모리(230), 사용자 입출력부(250) 및 네트워크 입출력부(270)를 포함할 수 있다.
프로세서(210)는 본 발명의 실시예에 따른 환경변화 적응형 배터리 진단 프로시저를 실행할 수 있고, 이러한 과정에서 읽혀지거나 작성되는 메모리(230)를 관리할 수 있으며, 메모리(230)에 있는 휘발성 메모리와 비휘발성 메모리 간의 동기화 시간을 스케줄 할 수 있다. 프로세서(210)는 배터리 진단 장치(130)의 동작 전반을 제어할 수 있고, 메모리(230), 사용자 입출력부(250) 및 네트워크 입출력부(270)와 전기적으로 연결되어 이들 간의 데이터 흐름을 제어할 수 있다. 프로세서(210)는 배터리 진단 장치(130)의 CPU(Central Processing Unit) 또는 GPU(Graphics Processing Unit)로 구현될 수 있다.
메모리(230)는 SSD(Solid State Disk) 또는 HDD(Hard Disk Drive)와 같은 비휘발성 메모리로 구현되어 배터리 진단 장치(130)에 필요한 데이터 전반을 저장하는데 사용되는 보조기억장치를 포함할 수 있고, RAM(Random Access Memory)과 같은 휘발성 메모리로 구현된 주기억장치를 포함할 수 있다. 또한, 메모리(230)는 전기적으로 연결된 프로세서(210)에 의해 실행됨으로써 본 발명에 따른 환경변화 적응형 배터리 진단 방법을 실행하는 명령어들의 집합을 저장할 수 있다.
사용자 입출력부(250)은 사용자 입력을 수신하기 위한 환경 및 사용자에게 특정 정보를 출력하기 위한 환경을 포함하고, 예를 들어, 터치 패드, 터치 스크린, 화상 키보드 또는 포인팅 장치와 같은 어댑터를 포함하는 입력장치 및 모니터 또는 터치 스크린과 같은 어댑터를 포함하는 출력장치를 포함할 수 있다. 일 실시예에서, 사용자 입출력부(250)은 원격 접속을 통해 접속되는 컴퓨팅 장치에 해당할 수 있고, 그러한 경우, 배터리 진단 장치(130)는 독립적인 서버로서 수행될 수 있다.
네트워크 입출력부(270)은 네트워크를 통해 사용자 단말(110)과 연결되기 위한 통신 환경을 제공하고, 예를 들어, LAN(Local Area Network), MAN(Metropolitan Area Network), WAN(Wide Area Network) 및 VAN(Value Added Network) 등의 통신을 위한 어댑터를 포함할 수 있다. 또한, 네트워크 입출력부(270)는 데이터의 무선 전송을 위해 WiFi, 블루투스 등의 근거리 통신 기능이나 4G 이상의 무선 통신 기능을 제공하도록 구현될 수 있다.
도 3은 도 1의 배터리 진단 장치의 기능적 구성을 설명하는 도면이다.
도 3을 참조하면, 배터리 진단 장치(130)는 레퍼런스 EIS 데이터 생성부(310), 측정대상 임피던스 측정부(330), 측정대상 임피던스 보상부(350) 및 제어부(370)를 포함할 수 있다.
레퍼런스 EIS 데이터 생성부(310)는 레퍼런스 셀에 대한 주파수별 레퍼런스 임피던스를 측정하여 레퍼런스 EIS 데이터를 결정할 수 있다. 여기에서, 레퍼런스 셀은 임피던스 보정에 필요한 기준 데이터로서 표준 배터리 셀에 해당할 수 있다. 따라서, 레퍼런스 EIS 데이터는 레퍼런스 셀로부터 측정되는 레퍼런스 임피던스에 관한 데이터가 포함될 수 있다. 예를 들어, 레퍼런스 EIS 데이터는 주파수, 자가방전 및 외부환경에 의한 레퍼런스 임피던스, 임피던스 차이 등을 포함하여 정의될 수 있다. 또한, 레퍼런스 EIS 데이터는 각 주파수 별 데이터를 벡터 형식(표준 EIS 벡터 또는 레퍼런스 EIS 벡터)으로 저장하여 생성될 수 있다.
한편, 레퍼런스 임피던스는 서로 다른 복수의 정현파 신호를 이용하여 레퍼런스 셀로부터 측정된 정보에 해당할 수 있다. 즉, 레퍼런스 임피던스는 나이퀴스트(nyquist) 선도상의 주파수에 따른 실수측 값과 허수축 값으로 구성된 배열 구조로서, (주파수(f), 실수측값(Re), 허수측값(Im))으로 표현될 수 있다. 만약 레퍼런스 임피던스가 단일 주파수 대역에서 측정되는 경우 주파수 정보는 생략될 수 있다.
구체적으로, 레퍼런스 EIS 데이터 생성부(310)는 일련의 주파수에 따른 정현파 신호를 레퍼런스 셀에 인가하여 레퍼런스 임피던스를 측정할 수 있다. 이를 위하여, 레퍼런스 EIS 데이터 생성부(310)는 특정 주파수의 정현파 신호를 인가하는 신호 인가 모듈과 연동하여 동작할 수 있다. 또한, 레퍼런스 EIS 데이터 생성부(310)는 정현파 신호가 레퍼런스 셀에 인가될 때 셀의 전압 및 전류를 측정할 수 있다. 이를 위하여, 레퍼런스 EIS 데이터 생성부(310)는 전압 측정 모듈과 전류 측정 모듈과 연동하여 동작할 수 있다.
이후, 레퍼런스 EIS 데이터 생성부(310)는 측정된 전압 및 전류를 기초로 해당 레퍼런스 셀의 레퍼런스 임피던스를 산출할 수 있다. 예를 들어, 레퍼런스 EIS 데이터 생성부(310)는 일정 간격의 서로 다른 시점에서 수집된 복수의 전류값 및 전압값들을 이용하여 해밍 윈도우 알고리즘, 이산 푸리에 변환(DFT, Discrete Fourier Transform) 등을 적용하고, 나이퀴스트 플롯(Nyquist Plot) 등을 이용하여 레퍼런스 임피던스를 산출할 수 있다.
일 실시예에서, 레퍼런스 EIS 데이터 생성부(310)는 주파수별 레퍼런스 임피던스에 대하여 임피던스 차이를 기초로 레퍼런스 EIS 데이터를 생성할 수 있다. 레퍼런스 EIS 데이터 생성부(310)는 레퍼런스 셀에 대해 어떠한 인위적 변화도 일으키지 않으며 시간에 따른 자가방전(Self-discharge)과 모든 외부환경 일체(예: 온도, 습도, 자계 노이즈 등)에 의해서만 달라지는 각 측정 간의 주파수별 임피던스 차이(예: ΔEISref(freq))를 산출할 수 있으며, 벡터 형식으로 표현된 레퍼런스 EIS 데이터를 생성하여 데이터베이스(150)에 저장할 수 있다.
일 실시예에서, 레퍼런스 EIS 데이터 생성부(310)는 주파수별 레퍼런스 임피던스에 대하여 제로 크로싱 임피던스를 기준점으로 결정하고 기준점으로부터의 차이를 산출하되 제1 및 제2 변곡 임피던스를 포함하여 레퍼런스 EIS 데이터로 생성할 수 있다. 여기에서, 제로 크로싱 임피던스는 제로 크로싱 임피던스 주파수에서 측정되는 임피던스에 해당할 수 있고, 제1 및 제2 변곡 임피던스는 각각 제1 및 제2 변곡 임피던스 주파수에서 측정되는 임피던스에 해당할 수 있다.
이때, 제로 크로싱 임피던스 주파수는 임피던스 파형이 정의되는 2차원 그래프(예: 나이퀴스트 플롯) 상에서 임피던스 파형과 x축(또는 Re축) 간의 교차 지점에서의 주파수에 해당할 수 있다. 또한, 제1 및 제2 변곡 임피던스 주파수는 임피던스 파형 상에서 형성된 서로 다른 변곡 지점들 각각에서의 주파수에 해당할 수 있다. 레퍼런스 EIS 데이터 생성부(310)는 제로 크로싱 임피던스, 제1 및 제2 변곡 임피던스들 중 적어도 하나를 기준으로 임피던스 차이를 산출하여 레퍼런스 EIS 데이터를 생성할 수 있다.
일 실시예에서, 레퍼런스 EIS 데이터 생성부(310)는 레퍼런스 셀의 종류를 기초로 주파수별 각각에 대한 측정 주파수를 결정하여 측정 주파수 간격을 결정할 수 있다. 즉, 레퍼런스 EIS 데이터 생성부(310)는 사전 설정된 측정 주파수 간격에 따라 임피던스 차이를 산출하여 레퍼런스 EIS 데이터를 생성할 수 있다. 예를 들어, 레퍼런스 EIS 데이터 생성부(310)는 주파수 간격이 100Hz인 경우 100Hz, 200Hz, ..., 700Hz 등의 주파수별 임피던스 차이를 산출한 결과로서 레퍼런스 EIS 데이터를 생성할 수 있다. 이때, 측정 주파수 간격은 레퍼런스 셀의 종류(예를 들어, 배터리 모델의 유형)에 따라 사전에 설정될 수 있으며, 레퍼런스 EIS 데이터 생성부(310)는 레퍼런스 셀별 측정 주파수 간격에 대한 테이블을 사전에 구축하여 활용할 수 있다.
측정대상 임피던스 측정부(330)는 측정의 시점에 측정대상 배터리 셀의 주파수별 측정대상 임피던스를 측정할 수 있다. 측정대상 임피던스 측정부(330)는 레퍼런스 임피던스를 측정하는 시점과 동일한 시점에 측정 대상 임피던스를 측정할 수 있다. 여기에서, 측정대상 배터리 셀은 온도, 습도 등의 외부 환경에 노출된 실제 환경에서 측정되는 열화가 진행된 배터리 셀(예: 2차전지)에 해당할 수 있다. 따라서, 측정대상 임피던스는 실제 외부 환경에 의한 영향이 반영된 측정값에 따라 산출될 수 있다.
일 실시예에서, 측정대상 임피던스 측정부(330)는 레퍼런스 셀의 종류를 기초로 결정된 특정 주파수에서 주파수별 측정대상 임피던스를 측정할 수 있다. 측정대상 임피던스 측정부(330)는 레퍼런스 셀 별로 측정 주파수 간격에 따라 해당 주파수를 기준으로 주파수별 측정대상 임피던스를 측정할 수 있다.
측정대상 임피던스 보상부(350)는 레퍼런스 EIS 데이터를 기초로 주파수별 측정대상 임피던스를 보정할 수 있다. 즉, 측정대상 임피던스 보상부(350)는 주파수별 측정대상 임피던스에서 외부 환경에 의한 영향을 제거하기 위한 보정을 수행할 수 있다.
일 실시예에서, 측정대상 임피던스 보상부(350)는 레퍼런스 EIS 데이터의 생성 과정에서 사용된 주파수에 있는 레퍼런스 셀 및 측정대상 배터리 셀 각각의 임피던스를 분석하여 측정대상 베터리 셀의 임피던스를 보상할 수 있다. 구체적으로, 측정대상 임피던스 보상부(350)는 레퍼런스 EIS 데이터의 임피던스 차이를 사전 설정된 측정 주파수 별로 측정대상 임피던스에 적용하여 환경요소가 제거된 임피던스 정보를 산출할 수 있다.
일 실시예에서, 측정대상 임피던스 보상부(350)는 주파수별 측정대상 임피던스에 레퍼런스 EIS 데이터를 반영한 다음 보간(interpolation)을 통해 임피던스 파형을 생성할 수 있다. 측정대상 임피던스 보상부(350)는 측정 주파수 별로 측정대상 임피던스에 대한 보정이 완료되면 측정 주파수마다 보정된 임피던스 정보를 기초로 보간 연산을 통해 전체 주파수에 대한 임피던스 파형을 완성할 수 있다.
제어부(370)는 배터리 진단 장치(130)의 전체적인 동작을 제어하고, 레퍼런스 EIS 데이터 생성부(310), 측정대상 임피던스 측정부(330) 및 측정대상 임피던스 보상부(350) 간의 제어 흐름 또는 데이터 흐름을 관리할 수 있다.
도 4는 본 발명에 따른 환경변화 적응형 배터리 진단 방법을 설명하는 순서도이다.
도 4를 참조하면, 배터리 진단 장치(130)는 임피던스 파형 생성부(310)를 통해 배터리에 대하여 일련의 주파수에 따른 배터리 임피던스를 측정하여 임피던스 파형을 생성할 수 있다(단계 S410).
배터리 진단 장치(130)는 임피던스 특성 변화 검출부(330)를 통해 임피던스 파형에 대한 적어도 하나의 임피던스 특성을 결정하고 적어도 하나의 임피던스 특성의 변화를 검출할 수 있다(단계 S430).
배터리 진단 장치(130)는 배터리 불량 진단부(350)를 통해 적어도 하나의 임피던스 특성의 변화를 기초로 배터리의 불량을 진단할 수 있다(단계 S450).
도 5는 배터리 셀의 열화에 따른 EIS 변화를 설명하는 도면이다.
도 5를 참조하면, 임피던스 정보는 전해질 및 전극 저항 등에 관한 정보를 포함하는 점에서 배터리의 상태정보를 진단하는데 매우 유용할 수 있다. 실험적으로 배터리의 사용이 많아질수록 배터리에 열화(degradation)가 발생하여 배터리의 용량(capacity)이 감소하는 경향이 나타날 수 있다. 이때, 배터리의 임피던스 성분은 변화되는 용량과의 상관관계를 가질 수 있다. 도 5에서, 테스트 셀(테스트용 배터리 셀)의 경우 싸이클이 증가할수록 임피던스가 증가하는 경향이 나타날 수 있다. 즉, 0 싸이클, 50 싸이클, 100 싸이클에서 임피던스 파형은 x축이 증가하는 방향으로 늘어나면서 각 변곡점의 위치도 y축이 증가하는 방향으로 함께 증가하는 경향을 나타낼 수 있다. (EIStest,0cyc < EIStest,50cyc < EIStest,100cyc)
도 6은 인공지능 모델을 통해 임피던스에 기초하여 배터리 용량을 추정하는 과정을 설명하는 도면이다.
도 6을 참조하면, 임피던스 데이터를 기반으로 배터리 용량을 예측하는 프로세스는 주파수에 따른 임피던스 값을 통해 배터리 용량을 예측하는 방법으로 수행될 수 있다.
하지만, 필연적으로 임피던스는 외부환경에 대한 영향을 받을 수밖에 없고 이러한 외부 환경에 의해 달라진 값은 같은 배터리 상태라고 해도 외부 환경의 변화에 의해 다른 임피던스 값이 측정될 수 있다(예: n번째 측정 and n+1번째 측정). 그 결과, 배터리 용량 예측의 정확성이 감소될 수 있다. 여기에서, 외부 환경이란 온도, 습도, 외부 자계 노이즈 등 측정 당시 임피던스 측정에 개입할 수 있는 수많은 외부 요소들에 해당할 수 있다.
도 6에서, 사전학습된 인공지능 모델(AI Model)을 통해 임피던스로부터 배터리 용량을 예측하는 경우, 외부 환경에 의해 배터리로부터 일정 시간 간격으로 측정된 임피던스 간에 차이가 발생한 경우, 인공지능 모델을 통해 출력되는 용량 간에도 차이가 발생할 수 있다. 예를 들어, n 시점 및 n+1 시점에 각각 측정된 임피던스 정보 EIS@n 및 EIS@n+1 사이에 소정의 차이가 존재하는 경우 AI 모델 f(x;θ)에 의해 출력되는 용량 정보 Capacity' 및 Capacity” 사이에도 차이가 존재할 수 있으며, 이러한 차이는 배터리의 상태 정보를 진단하는데 큰 오차를 발생시킬 수 있다.
도 7은 본 발명에 따른 레퍼런스 EIS 데이터를 설명하는 도면이다.
도 7을 참조하면, 배터리 진단 장치(130)는 주파수별 레퍼런스 임피던스에 대하여 임피던스 차이를 기초로 레퍼런스 EIS 데이터를 생성할 수 있다. 이때, 레퍼런스 EIS 데이터는 레퍼런스 셀(또는 표준 셀)의 임피던스 변화량을 측정 주파수 별로 벡터 형식으로 저장하여 생성될 수 있다.
도 7에서, 0 시점에서 주파수별 레퍼런스 임피던스에 관한 임피던스 파형 EISref,0과 n 시점에서의 임피던스 파형 EISref,n에 대해, 배터리 진단 장치(130)는 측정 주파수 10Hz, 100Hz, 300Hz, 700Hz 별로 임피던스 변화량()을 산출할 수 있으며, 다음의 수학식 1과 같이 표현될 수 있다.
[수학식 1]
이때, 레퍼런스 EIS 데이터는 측정 주파수 별로 임피던스 변화량을 벡터 형식으로 저장할 수 있다.
도 8은 본 발명에 따른 주파수별 측정대상 임피던스를 보정하는 과정을 설명하는 도면이다.
도 8을 참조하면, 배터리 진단 장치(130)는 레퍼런스 EIS 데이터를 기초로 주파수별 측정대상 임피던스를 보정할 수 있다. 즉, 배터리 진단 장치(130)는 레퍼런스 셀의 외부환경 요소 영향에 의한 변동값을 이용해 측정대상 셀의 임피던스를 보정할 수 있다. 배터리 진단 장치(130)는 레퍼런스 셀(reference cell)로부터 추출된 값을 통해 열화가 진행된 셀(test cell)의 측정값을 보정하여 환경변수에 의한 영향을 제거한 보정값(calibration)을 생성할 수 있다.
도 8에서, 배터리 진단 장치(130)는 레퍼런스 EIS 데이터를 기초로 50 및 100 싸이클에서 측정된 임피던스 파형에 대해 보정을 수행하여 보정된 임피던스 파형을 생성할 수 있으며, 다음의 수학식 2와 같이 표현될 수 있다.
[수학식 2]
배터리 진단 장치(130)는 측정 시점 간의 환경요소 변화를 추출하기 위한 셀 및 측정값의 차이를 계산하여 도출된 주파수별 임피던스 차이인 를 연산하는 단계, 상기 단계의 레퍼런스 셀과 동일한 시점에 실제 사용되어 열화된 측정대상 셀(2차전지)의 임피던스를 측정하는 단계, 상기 주파수별 임피던스 차이를 상기 측정대상 셀의 임피던스 측정값에 보정하여 환경요소가 제거된 임피던스 정보를 연산하는 단계를 통해, 본 발명에 따른 환경변화 적응형 배터리 진단 방법을 수행할 수 있다.
상기에서는 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
100: 배터리 진단 시스템
110: 사용자 단말 130: 배터리 진단 장치
150: 데이터베이스
210: 프로세서 230: 메모리
250: 사용자 입출력부 270: 네트워크 입출력부
310: 레퍼런스 EIS 데이터 생성부
330: 측정대상 임피던스 측정부
350: 측정대상 임피던스 보상부 370: 제어부
110: 사용자 단말 130: 배터리 진단 장치
150: 데이터베이스
210: 프로세서 230: 메모리
250: 사용자 입출력부 270: 네트워크 입출력부
310: 레퍼런스 EIS 데이터 생성부
330: 측정대상 임피던스 측정부
350: 측정대상 임피던스 보상부 370: 제어부
Claims (8)
- 레퍼런스 셀에 대한 주파수별 레퍼런스 임피던스를 측정하여 레퍼런스 EIS 데이터를 결정하는 레퍼런스 EIS 데이터 생성부;
상기 측정의 시점에 측정대상 배터리 셀의 상기 주파수별 측정대상 임피던스를 측정하는 측정대상 임피던스 측정부; 및
상기 레퍼런스 EIS 데이터를 기초로 상기 주파수별 측정대상 임피던스를 보정하는 측정대상 임피던스 보상(compensation)부;를 포함하는 환경변화 적응형 배터리 진단 장치.
- 제1항에 있어서, 상기 레퍼런스 EIS 데이터 생성부는
상기 주파수별 레퍼런스 임피던스에 대하여 임피던스 차이를 기초로 상기 레퍼런스 EIS 데이터를 생성하는 것을 특징으로 하는 환경변화 적응형 배터리 진단 장치.
- 제2항에 있어서, 상기 레퍼런스 EIS 데이터 생성부는
상기 주파수별 레퍼런스 임피던스에 대하여 제로 크로싱 임피던스를 기준점으로 결정하고 상기 기준점으로부터의 차이를 산출하되 제1 및 제2 변곡 임피던스를 포함하여 상기 레퍼런스 EIS 데이터로 생성하는 것을 특징으로 하는 환경변화 적응형 배터리 진단 장치.
- 제2항에 있어서, 상기 레퍼런스 EIS 데이터 생성부는
상기 레퍼런스 셀의 종류를 기초로 상기 주파수별 각각에 대한 측정 주파수를 결정하여 측정 주파수 간격을 결정하는 것을 특징으로 하는 환경변화 적응형 배터리 진단 장치.
- 제1항에 있어서, 상기 측정대상 임피던스 측정부는
상기 레퍼런스 셀의 종류를 기초로 결정된 특정 주파수에서 상기 주파수별 측정대상 임피던스를 측정하는 것을 특징으로 하는 환경변화 적응형 배터리 진단 장치.
- 제1항에 있어서, 상기 측정대상 임피던스 보상부는
상기 레퍼런스 EIS 데이터의 생성 과정에서 사용된 주파수에 있는 상기 레퍼런스 셀 및 상기 측정대상 배터리 셀 각각의 임피던스를 분석하여 상기 측정대상 베터리 셀의 임피던스를 보상하는 것을 특징으로 하는 환경변화 적응형 배터리 진단 장치.
- 제1항에 있어서, 상기 측정대상 임피던스 보상부는
상기 주파수별 측정대상 임피던스에 상기 레퍼런스 EIS 데이터를 반영한 다음 보간(interpolation)을 통해 임피던스 파형을 생성하는 것을 특징으로 하는 환경변화 적응형 배터리 진단 장치.
- 레퍼런스 EIS 데이터 생성부를 통해, 레퍼런스 셀에 대한 주파수별 레퍼런스 임피던스를 측정하여 레퍼런스 EIS 데이터를 결정하는 단계;
측정대상 임피던스 측정부를 통해, 상기 측정의 시점에 측정대상 배터리 셀의 상기 주파수별 측정대상 임피던스를 측정하는 단계; 및
측정대상 임피던스 보상(compensation)부를 통해, 상기 레퍼런스 EIS 데이터를 기초로 상기 주파수별 측정대상 임피던스를 보정하는 단계;를 포함하는 환경변화 적응형 배터리 진단 방법.
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20240107268A true KR20240107268A (ko) | 2024-07-09 |
Family
ID=
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102362532B1 (ko) | 신경망 기반의 배터리 잔존 수명 예측 방법 및 장치 | |
| JP7164217B2 (ja) | モバイル・デバイスに対するバッテリ健全性を緩和電圧に基づいて推定する方法 | |
| Wang et al. | Prognostics of lithium-ion batteries based on relevance vectors and a conditional three-parameter capacity degradation model | |
| JP6467186B2 (ja) | データストリームにおける不良データを検出、訂正、および検査するためのシステムおよび方法 | |
| Bullecks et al. | Rapid impedance measurement using chirp signals for electrochemical system analysis | |
| Liebhart et al. | Passive impedance spectroscopy for monitoring lithium-ion battery cells during vehicle operation | |
| US11054481B2 (en) | Multispectral impedance determination under dynamic load conditions | |
| US20160239592A1 (en) | Data-driven battery aging model using statistical analysis and artificial intelligence | |
| JP5313250B2 (ja) | バッテリーの長期特性予測システム及び方法 | |
| US9910081B2 (en) | Performance analysis of power grid monitors | |
| KR102646875B1 (ko) | 모의전지 구축 방법 및 모의전지 구축 장치 | |
| CN113009077B (zh) | 气体检测方法、装置、电子设备和存储介质 | |
| KR20170134193A (ko) | 배터리의 충전 상태를 추정하는 방법 및 그 방법을 실행하는 배터리 관리 시스템 | |
| CN107966638A (zh) | 校正误差的方法和装置、存储介质及处理器 | |
| US11042134B2 (en) | Power system status estimation device and status estimation method | |
| Wei et al. | Multiscale dynamic construction for abnormality detection and localization of Li-ion batteries | |
| Li et al. | SOC estimation and fault diagnosis framework of battery based on multi-model fusion modeling | |
| Qian et al. | State of health estimation of lithium-ion battery using energy accumulation-based feature extraction and improved relevance vector regression | |
| Ko et al. | Using tens of seconds of relaxation voltage to estimate open circuit voltage and state of health of lithium ion batteries | |
| EP3079227A1 (en) | Calculation device | |
| CN117289097A (zh) | 电力设备局部放电检测方法、模型训练方法、装置和设备 | |
| KR102522683B1 (ko) | 배터리진단방법 및 그 장치 | |
| KR20240107268A (ko) | 환경변화 적응형 배터리 진단 장치 및 방법 | |
| Shen et al. | Multi-sensor multi-mode fault diagnosis for lithium-ion battery packs with time series and discriminative features | |
| CN103076494B (zh) | 耗电测量装置及其方法 |