WO2013137672A1 - 배터리 상태 추정 장치 및 방법 - Google Patents

배터리 상태 추정 장치 및 방법 Download PDF

Info

Publication number
WO2013137672A1
WO2013137672A1 PCT/KR2013/002087 KR2013002087W WO2013137672A1 WO 2013137672 A1 WO2013137672 A1 WO 2013137672A1 KR 2013002087 W KR2013002087 W KR 2013002087W WO 2013137672 A1 WO2013137672 A1 WO 2013137672A1
Authority
WO
WIPO (PCT)
Prior art keywords
battery
soc
state
variable
state variable
Prior art date
Application number
PCT/KR2013/002087
Other languages
English (en)
French (fr)
Inventor
박규하
김철택
Original Assignee
주식회사 엘지화학
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 엘지화학 filed Critical 주식회사 엘지화학
Priority to EP13761507.6A priority Critical patent/EP2700966B1/en
Priority to JP2014512778A priority patent/JP5850142B2/ja
Priority to CN201380001829.7A priority patent/CN103620432B/zh
Publication of WO2013137672A1 publication Critical patent/WO2013137672A1/ko
Priority to US14/081,711 priority patent/US10267864B2/en

Links

Images

Classifications

    • 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
    • G01R19/165—Indicating that current or voltage is either above or below a predetermined value or within or outside a predetermined range of values
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
    • G01R31/3842—Arrangements for monitoring battery or accumulator variables, e.g. SoC combining voltage and current measurements
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • 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]
    • G01R31/392—Determining battery ageing or deterioration, e.g. state of health

Definitions

  • the present invention relates to an apparatus and method for estimating the state of a battery, and more particularly, to estimate the state of a battery such as SOC of a battery using an extended Kalman filter, but the current of a current sensor included in the battery.
  • An apparatus and method are provided for allowing a state of a battery to be estimated more accurately in consideration of an offset.
  • водородн ⁇ е ⁇ е ⁇ ество Commercially available secondary batteries include nickel cadmium batteries, nickel hydride batteries, nickel zinc batteries, and lithium secondary batteries. Among them, lithium secondary batteries have almost no memory effect compared to nickel-based secondary batteries, and thus are free of charge and discharge. The self-discharge rate is very low and the energy density is high.
  • the battery is used in various mobile devices such as laptops and automobiles, and since the use time is limited, it is important to know accurate information about the SOC of the battery.
  • This SOC is a measure of how much time a battery can be used, which is very important information for the user to use the device.
  • general battery-mounted devices such as laptops, mobile phones, and automobiles estimate the SOC of the battery and provide the user with information such as the available time or the amount of available battery.
  • the SOC of a battery is a form of displaying a percentage of the remaining charge of the battery (FCC, Full Charge Capacity).
  • FCC Full Charge Capacity
  • Various methods may be used for estimating the SOC of the battery.
  • a representative method is a method of estimating the SOC using a current integration method. This current integrating method is a form in which the SOC is obtained by integrating a battery's input / output current and adding and subtracting the initial capacity.
  • the current offset does not accurately estimate the state of the battery such as the SOC, it may cause great inconvenience and damage to the user.
  • the SOC of the battery is estimated to be excessive, the user does not expect to exhaust the SOC of the battery and does not charge the battery. May occur.
  • the full discharge during the operation of the vehicle may cause various inconveniences such as the vehicle being towed, and may lead to a traffic accident.
  • the present invention was devised to solve the above problems, but using an extended Kalman filter to determine whether to trust the current sensor or the battery model according to the offset of the current sensor to determine the battery such as SOC of the battery It is an object of the present invention to provide an apparatus and method for more accurately estimating a state.
  • the battery state estimating apparatus for achieving the above object is an apparatus for estimating the state of the battery having a current sensor for measuring the charge and discharge current of the battery, the terminal voltage of the battery, charge and discharge current and A measuring unit measuring a current offset value; A prediction unit including a SOC and an overpotential of the battery as a state variable and predicting the state variable and the output variable using a state equation including the terminal voltage of the battery as an output variable; A correction unit for correcting the predicted state variable by comparing the predicted output variable with the output variable measured by the measuring unit; An SOC estimator estimating an SOC of the battery based on the corrected state variable; And a controller selecting one state variable for estimating the SOC of the battery according to the measured current offset value, and allowing the SOC estimator to estimate the SOC of the battery based on the selected state variable.
  • the controller selects an overpotential as a state variable for estimating the SOC, and causes the SOC estimator to determine the SOC of the battery through the corrected overpotential. Estimate.
  • the SOC estimator estimates the OCV of the battery based on the corrected overpotential, and estimates the SOC of the battery based on the calculated OCV.
  • the controller selects SOC as a state variable for estimating the SOC, and causes the SOC estimator to estimate the corrected SOC as the SOC of the battery.
  • the SOC estimator further includes an SOH estimator for estimating the SOH of the battery according to the SOC estimated by the SOC estimator.
  • the battery management system according to the present invention for achieving the above object includes the above-described battery state estimation apparatus.
  • the vehicle according to the present invention for achieving the above object includes the above-described battery state estimation device.
  • the state of the battery can be estimated more accurately by estimating a state such as the SOC of the battery using the extended Kalman filter.
  • a state such as the SOC of the battery using the extended Kalman filter.
  • the SOC of the battery can be accurately estimated. That is, by determining whether to estimate the SOC based on the current measurement value or the SOC based on the overpotential value according to the current offset value, more accurate state estimation of the battery in consideration of the current offset situation can be enabled.
  • the SOC when the current offset value is greater than the reference value, the SOC is determined by the overpotential value included in the state variable, and when the current offset value is less than or equal to the reference value, the SOC estimate value is determined by the SOC including the state variable. This is determined. Therefore, when the current offset value exceeds a certain level, the SOC of the battery is estimated by trusting the battery model. When the current offset value is below a certain level, the SOC of the battery is estimated by trusting the current sensor. Therefore, proper SOC estimation according to the current offset is possible.
  • the user can be accurately provided the time of full discharge of the battery despite the offset of the current sensor, it is possible to fully prepare for the full discharge of the battery, such as charging the battery in advance to prevent accidents, damage, inconvenience, etc. It becomes possible.
  • FIG. 1 is a block diagram schematically illustrating a functional configuration of a battery state estimating apparatus according to an embodiment of the present invention.
  • FIG. 2 is a flowchart schematically illustrating a battery state estimation method according to an embodiment of the present invention.
  • FIG. 1 is a block diagram schematically illustrating a functional configuration of a battery state estimating apparatus according to an embodiment of the present invention.
  • the battery state estimating apparatus may include a measuring unit 110, a predicting unit 120, a correcting unit 130, a control unit 160, and an SOC estimating unit 140. .
  • the measurement unit 110 measures the terminal voltage and the charge / discharge current of the battery.
  • the charge / discharge current of the battery may be measured through a current measuring unit provided in a conventional battery pack such as a current sensor.
  • the measuring unit 110 measures the current offset value of the battery.
  • the current offset value of the battery means a difference between the measured value for the current generated due to the offset of the current sensor (current measuring unit) and the current value actually flowing in the charge / discharge path of the battery. For example, although no current flows in the charging / discharging path of the actual battery, when the current of 2A is measured by the current sensor of the battery, the current offset value may be 2A. This current offset phenomenon may occur due to degeneration of the current sensor.
  • the measurement unit 110 may measure the current offset value through various methods such as measuring the voltage of the battery. For example, the measurement unit 110 may determine the current offset value by measuring the sensing value by the current sensor when no current flows in the battery.
  • the predictor 120 and the corrector 130 predict and correct the state variable and the output variable by using an algorithm.
  • the prediction unit 120 and the correction unit 130 according to the present invention may use an extended Kalman filter as an algorithm for predicting and correcting the state variable and the output variable.
  • the Kalman filter is one of the techniques for modeling the behavior of the battery and predicting the SOC based on this model, which allows the output of the system to cyclically predict the internal state of the dynamic system.
  • Extended Kalman filters are characterized by targeting non-linear functions, not linear functions, under the basic principles of these Kalman filters.
  • the SOC and the like of the battery are estimated using the extended Kalman filter. Since the principle of such an extended Kalman filter is well known to those skilled in the art, the present specification will focus on the characteristic parts of the present invention.
  • the predictor 120 predicts a state variable and an output variable by using a state equation.
  • the state equation may include a system equation for the state variable and a measurement equation for the output variable.
  • the state variable of the state equation may include the SOC and overpotential of the battery, and the output variable of the state equation may include the terminal voltage of the battery.
  • Equation 1 When the general state equation of the extended Kalman filter used in the prediction unit 120 of the present invention is represented, it may be expressed as Equation 1 and Equation 2 below.
  • Equation 1 is a general system equation of an extended Kalman filter
  • Equation 2 is a general measurement equation
  • k represents the time step.
  • x k is a value to be estimated as a state variable
  • u k is a current of a battery
  • w k is a system noise component.
  • y k is a value which can be measured as an output variable
  • z k is a measurement noise component.
  • the prediction unit 120 may include a state of charge (SOC) and an overpotential of the battery as state variables and the terminal voltage of the battery as an output variable with respect to the state equation.
  • SOC state of charge
  • OCV open circuit voltage
  • Equation 3 and 4 the state equation used in the prediction unit 120 according to the present invention may be represented in a more specific form as shown in Equations 3 and 4 below.
  • Equations 3 and 4 k represents a time step, x 1 (k + 1) and x 2 (k + 1) represents the SOC and the overpotential of the current step, that is, the prediction value of the SOC and overpotential, respectively, x 1 (k) and x 2 (k) represent the SOC and overpotential of the previous step, respectively. Further, u 1 (k) and u 2 (k) represent the current battery current and the previous battery current, respectively, w 1 (k) and w 2 (k) represent the system noise component.
  • A, B, and C are variables representing characteristics of the battery, such as resistance and capacitance of the battery, and may be determined experimentally.
  • ⁇ ekf is a variable related to the capacity of the battery, and can be determined experimentally.
  • y k represents the terminal voltage of the battery
  • H 1 is a variable representing the mutual relationship between the SOC and OCV, it can be determined experimentally.
  • the predictor 120 may predict the state variable using a system equation as shown in Equation 3 and predict the output variable using the output equation as shown in Equation 4.
  • the prediction unit 120 may predict state variables related to SOC and overpotential through input of initial parameters.
  • the state variable may be predicted through the state variable corrected by the corrector 130.
  • the prediction unit 120 may predict the variance of the error due to the estimation of the state variables, that is, the estimation error variance.
  • the estimation error variance P k may be calculated as in Equation 5 below.
  • a k-1 is And A k-1 T means the transpose matrix of A k-1 .
  • W is Q denotes a process noise parameter, and WQW T denotes a variance value of system noise.
  • the correction unit 130 compares the output variable predicted by the prediction unit 120 with the output variable measured by the measurement unit 110.
  • the correction unit 130 corrects the predicted state variable by using the comparison result.
  • the correction unit 130 may generate a Kalman gain (K k ), that is, a gain factor, through the following equation (6).
  • V and R represent measurement noise parameters
  • VRV T means a dispersion value of measurement noise
  • the correction unit 130 may correct the predicted state variable by using the predicted output variable and the measured output variable together with the gain factor as shown in Equation 7 below.
  • y k means measured output variable, that is, measured battery terminal voltage
  • g (x k , u k ) means output variable predicted by the predictor 120, that is, predicted battery terminal voltage. .
  • the corrected state variable may be input as a previous value for predicting the state variable of the next step.
  • x k ′ in Equation 7 may be input as x k in Equation 1 and used to predict the next state variable x (k + 1) .
  • correction unit 130 may correct the estimated error variance predicted by the prediction unit 120 using Kalman gain, which may be expressed by Equation 8 below.
  • P k and K k is Kalman gain.
  • C k is Means.
  • the corrected estimated error variance may be input as a previous value for predicting the estimated error variance of the next step.
  • P k 'of Equation 8 may be input to P k-1 of Equation 5 and used to predict the estimation error variance P k of the next step.
  • the SOC estimator 140 estimates the SOC of the battery using the state variable corrected by the corrector 130.
  • the SOC and the overpotential may be included in the state variable corrected by the corrector 130. Therefore, the SOC estimator 140 may estimate the SOC using the SOC corrected by the corrector 130 or estimate the SOC using the overpotential corrected by the corrector 130.
  • the controller 160 selects one state variable for estimating the SOC of the battery according to the current offset value measured by the measurer 110. That is, the SOC estimator 140 uses the corrected SOC or the corrected overpotential as the state variable to estimate the SOC. Which state variable is used may be selected by the controller 160.
  • the controller 160 selects one of the corrected SOC and the corrected overpotential, and allows the SOC estimator 140 to estimate the SOC of the battery through the selected state variable.
  • the controller 160 may determine which state variable to estimate the SOC of the battery based on the current offset value measured by the measuring unit 110.
  • the controller 160 may compare the measured current offset value with a reference value.
  • the reference value is a current value to be compared with the measured value of the current offset, and may be predetermined. This reference value may be the maximum value for the current error that can be relied upon for the current value measured by the current sensor in SOC estimation of the battery.
  • the reference value may be 0A.
  • the state variable for estimating the SOC may vary depending on the presence or absence of the current offset value.
  • the reference value of the current offset may be stored in advance in a memory provided inside or outside the controller 160.
  • the controller 160 may select the overpotential as a state variable for estimating the SOC when the current offset value measured by the measuring unit 110 is greater than a predetermined reference value. Therefore, in this case, the SOC estimator 140 may estimate the SOC of the battery through the overpotential corrected by the corrector 130.
  • Equation 7 which is a state variable related to overpotential in Equation 3, may be corrected by Equation 7 and used to estimate SOC of the battery.
  • the SOC estimator 140 may calculate an open circuit voltage (OCV) of the battery through the corrected overpotential, and estimate the SOC of the battery based on the calculated OCV.
  • OCV open circuit voltage
  • the relationship between the OCV and the SOC of the battery may be stored in a storage device such as a memory provided inside and outside the controller 160 in the form of an equation or a table through experimental measurement.
  • the SOC (x 1 (k) ) included and estimated as a state variable is determined by the current measurement value, but when the current offset value is larger than the reference value, it is difficult to trust the current sensor. There is no small difference between the SOC and the error. Therefore, according to the embodiment of the present invention, when the current offset value is larger than the reference value, more accurate SOC can be estimated by allowing the SOC to be estimated using the corrected overpotential rather than the corrected SOC as the state variable. That is, according to the embodiment, when the current offset value is larger than the reference value, the SOC of the battery can be estimated by trusting the battery model without trusting the current sensor.
  • the controller 160 may select the SOC as a state variable for estimating the SOC when the current offset value measured by the measuring unit 110 is equal to or less than the reference value. Therefore, in this case, the SOC estimator 140 may estimate the SOC corrected by the corrector 130 as the SOC of the battery.
  • a value whose x 1 (k + 1) predicted for the SOC in Equation 3 is corrected by Equation 7 may be calculated as the SOC estimate of the battery.
  • the current offset value is less than or equal to the reference value, the current offset will be negligible.
  • the SOC included as a state variable and predicted and corrected can be regarded as the SOC estimate of the battery. That is, when the current offset value is less than or equal to the reference value, the SOC determined by the current measurement value can be used as the SOC estimated value of the battery with confidence in the current sensor.
  • control unit 160 may determine which state variable to allow the SOC to be estimated.
  • control unit 160 may determine which state variable to be used in the SOC estimation by changing the system noise component of the state equation. .
  • Equation 3 w 1 (k) and w 2 (k) represent system noise components, and the controller 160 changes the state by changing these w 1 (k) and w 2 (k) .
  • the variable can be used to determine whether the SOC should be estimated.
  • the controller 160 may determine which state variable is used to estimate the SOC by changing a ratio of system noise components to state variables in the state equation according to the measured current offset value.
  • the controller 160 may allow the overpotential to be selected as a state variable for estimating the SOC.
  • the ratio of (k) and w 1 (k) : w 2 (k) can be changed.
  • control unit 160 when the current offset value is 0A w 1 (k): w a 2 (k) 1: a was set to 0.1, when the current offset value is greater 2A than a reference value w 1 (k ) : w 2 (k) can be changed to 1: 0.01. That is, when the current offset value is larger than the reference value, the controller may change the w 2 parameter from 0.1 to 0.01 in the sense that the battery model can be trusted without trusting the current sensor. In this case, when the current offset value becomes smaller than the reference value later, the w 2 parameter may be returned from 0.01 to 0.1 so that the current sensor may be trusted again so that the sensing value of the current may also affect the algorithm.
  • the controller 160 can by increasing the size of w 1 (k) to w 2 (k), to enable the SOC estimation by x 1 (k) Can be.
  • the measurement unit 110 may measure the temperature of the battery.
  • the controller 160 may change the ratio of the system noise component to the state variables according to the temperature of the battery measured by the measuring unit 110 as described above.
  • the controller 160 may select the SOC as a state variable for estimating the SOC of the battery when the measured temperature of the battery is lower than or equal to a predetermined temperature. In this case, the controller 160 may cause the SOC estimator 140 to estimate the SOC corrected by Equation 7 as the SOC of the battery.
  • the reliability of battery SOC estimation by OCV or the like may be deteriorated. Therefore, according to the above embodiment, when the temperature of the battery becomes a low temperature below a predetermined temperature, the SOC predicted and corrected as the state variable can be used as the SOC estimation value of the battery as it is. That is, when the temperature of the battery is below a predetermined temperature, it is possible to trust the current sensor without trusting the battery model according to the OCV of the battery.
  • the predetermined temperature at this time is the lowest temperature representing the maximum error that can be tolerated when estimating the SOC of the battery through the OCV, and can be experimentally predetermined.
  • the predetermined temperature may be previously stored in a memory provided inside and outside the controller 160.
  • the controller 160 may determine the state variable x 1 (k) for the SOC of Equation 3 below.
  • the value corrected by Equation 7 of +1) may be calculated as the SOC estimate of the battery.
  • the battery state estimating apparatus may further include an SOH estimator 150.
  • the SOH estimator 150 may estimate a state of health (SOH) of a battery according to the SOC estimated by the SOC estimator 140.
  • the SOH of such a battery can be estimated by the SOC of the battery, which will be omitted by a person skilled in the art to which the present invention pertains.
  • the SOC of the battery is estimated in consideration of the current offset, and the SOH of the battery is estimated according to the SOC estimation result, the current offset may be considered even when the SOH of the battery is estimated. Therefore, according to this embodiment of the present invention, the SOH of the battery can be predicted more accurately in consideration of the current offset.
  • the battery state estimating apparatus may be implemented in a form included in a battery management system (BMS) of a battery pack. That is, the battery management system according to the present invention may include the battery state estimating apparatus described above.
  • the battery management system is a management device that generally controls the charge / discharge operation of the battery pack.
  • Such a BMS may be typically included in the battery pack protection device.
  • the BMS may be provided with a micro controller unit (MCU).
  • the controller 160 of the battery state estimating apparatus may be implemented by the MCU.
  • the battery state estimating apparatus may be included in an automobile.
  • an electric vehicle including a hybrid vehicle is supplied with driving power of a motor by a battery, it is very important to estimate a state such as SOC of the battery when the battery is operated. Since the vehicle according to the present invention includes the above-described battery state estimating apparatus, even when the current sensor offset occurs, more accurate estimation of SOC and SOH of the battery may be possible.
  • FIG. 2 is a flowchart schematically illustrating a battery state estimation method according to an embodiment of the present invention.
  • the subject of each operation may be components of the above-described battery state estimating apparatus.
  • the battery state estimation method includes measuring a terminal voltage, a charge / discharge current, and a current offset value of a battery (S110).
  • the measurement of the terminal voltage, the charge / discharge current, and the current offset value of the battery are not necessarily performed together in the same step.
  • the measurement of the terminal voltage of the battery or the measurement of the current offset value is not necessarily made before the step S120.
  • a state equation including a SOC and an overpotential of a battery as a state variable that is, a system equation is set, and the measured current value is input thereto to predict the state variable (S120).
  • an initial parameter of the battery may be input as a state variable in the first step.
  • the predicted state variable is corrected by comparing the predicted output variable with the measured output variable (S160). That is, the terminal voltage of the battery predicted in step S130 may be compared with the terminal voltage of the battery measured in step S110, and the state variable predicted in step S120 may be corrected through the comparison result.
  • the estimated error variance P k may be predicted after the step S130 (S140), and the Kalman gain K k may be calculated as a gain factor using the estimated error variance result (S150).
  • the Kalman gain calculated in step S150 may be used for the state variable correction in step S160 together with the terminal voltage predicted in step S130 and the terminal voltage measured in step S110.
  • the SOC is estimated using the corrected state variable (S170).
  • the corrected state variable may include an SOC related state variable of the battery and an overpotential related state variable of the battery.
  • one of the state variables may be selected.
  • the selection of the state variable may be determined according to the current offset value measured in step S110. That is, in step S170, one state variable for estimating the SOC of the battery is selected according to the current offset value of the battery, and the SOC of the battery is estimated through the selected state variable. For example, if the current offset value measured in step S110 is greater than a reference value, the SOC may be estimated through the corrected overpotential in step S170.
  • step S160 may be input as a previous value of step S120 and used to predict the state variable of the next step.
  • a step of correcting the estimation error variance may be further included (S180). That is, the estimated error variance value predicted in the step S140 may be corrected through the Kalman gain calculated in the step S150, and the corrected estimated error variance value is input as the previous value of the step S140 to perform the next step. It can be used to predict estimation error variance.
  • the term 'part' refers to a logical structural unit, and does not necessarily indicate a component that can be physically separated or physically separated from the technical field to which the present invention belongs. It is obvious to those skilled in the art.

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Secondary Cells (AREA)

Abstract

본 발명은 확장 칼만 필터(Extended Kalman Filter)를 이용하여 배터리의 SOC 등과 같은 배터리의 상태를 추정하되 배터리에 포함된 전류 센서의 전류 오프셋을 고려하여 배터리의 상태가 보다 정확하게 추정될 수 있도록 하는 장치 및 방법을 개시한다. 본 발명에 따른 배터리 상태 추정 장치는, 배터리의 충방전 전류를 측정하는 전류 센서를 구비하는 배터리의 상태를 추정하는 장치로서, 측정부, 예측부, 보정부, SOC 추정부 및 제어부를 포함한다.

Description

배터리 상태 추정 장치 및 방법
본 발명은 배터리의 상태를 추정하는 장치 및 방법에 관한 것으로, 더욱 상세하게는 확장 칼만 필터(Extended Kalman Filter)를 이용하여 배터리의 SOC 등과 같은 배터리의 상태를 추정하되 배터리에 포함된 전류 센서의 전류 오프셋을 고려하여 배터리의 상태가 보다 정확하게 추정될 수 있도록 하는 장치 및 방법에 관한 것이다.
본 출원은 2012년 3월 16일자로 출원된 한국 특허출원 번호 제10-2012-0027284호에 대한 우선권주장출원으로서, 해당 출원의 명세서 및 도면에 개시된 모든 내용은 인용에 의해 본 출원에 원용된다.
근래에 들어서, 노트북, 비디오 카메라, 휴대용 전화기 등과 같은 휴대용 전자 제품의 수요가 급격하게 증대되고, 에너지 저장용 축전지, 로봇, 위성 등의 개발이 본격화됨에 따라, 반복적인 충방전이 가능한 고성능 이차 전지에 대한 연구가 활발히 진행되고 있다.
현재 상용화된 이차 전지로는 니켈 카드뮴 전지, 니켈 수소 전지, 니켈 아연 전지, 리튬 이차 전지 등이 있는데, 이 중에서 리튬 이차 전지는 니켈 계열의 이차 전지에 비해 메모리 효과가 거의 일어나지 않아 충 방전이 자유롭고, 자가 방전율이 매우 낮으며 에너지 밀도가 높은 장점으로 각광을 받고 있다.
특히, 최근에는 탄소 에너지가 점차 고갈되고 환경에 대한 관심이 높아지면서, 미국, 유럽, 일본, 한국을 비롯하여 전 세계적으로 하이브리드 자동차와 전기 자동차에 대한 수요가 점차 증가하고 있다. 이러한 하이브리드 자동차나 전기 자동차는 배터리 팩의 충방전 에너지를 이용하여 차량 구동력을 얻기 때문에, 엔진만을 이용하는 자동차에 비해 연비가 뛰어나고 공해 물질을 배출하지 않거나 감소시킬 수 있다는 점에서 많은 소비자들에게 좋은 반응을 얻고 있다. 따라서, 하이브리드 자동차나 전기 자동차의 핵심적 부품인 차량용 배터리에 보다 많은 관심과 연구가 집중되고 있다.
상기와 같이 배터리는 노트북이나 자동차와 같은 각종 이동성 장치에 사용되는 것으로, 사용 시간에 한계가 있기 때문에 배터리의 SOC에 대한 정확한 정보를 파악하는 것이 중요하다. 이러한 SOC는 배터리가 어느 정도의 시간만큼 사용 가능한지 가늠하는 척도가 되므로 사용자가 해당 장치를 사용하는데 있어서 매우 중요한 정보이다. 때문에 노트북이나 휴대폰, 자동차 등의 일반적인 배터리 장착 장치들은 배터리의 SOC를 추정하고 그로부터 배터리의 사용 가능 시간이나 사용 가능량 등의 정보를 파악하여 사용자에게 제공한다.
배터리의 SOC는 배터리의 만충전 용량(FCC, Full Charge Capacity)에 대한 잔량을 백분율로 표시하는 형태가 일반적이다. 배터리의 SOC를 추정하는 방법으로는 다양한 방식이 이용될 수 있는데, 대표적인 방식은 전류 적산법을 이용하여 SOC를 추정하는 방식이다. 이러한 전류 적산 방식은, 배터리의 입출력 전류를 적산하고 초기 용량에서 가감함으로써 SOC를 구하는 형태이다.
이러한 전류 적산 방식의 경우 배터리의 충방전 경로에 설치된 전류 센서를 통해 측정된 전류에 의해 SOC가 추정되기 때문에, 전류 센서의 정확한 센싱이 매우 중요하다고 할 수 있다. 하지만, 전류 센서의 경우 퇴화 등의 원인으로 인해 실제 전류와 전류 측정값에 차이가 있는 전류 오프셋(offset)이 발생할 수 있다. 이러한 전류 오프셋이 발생하면 전류 측정값과 실제 전류값의 차이인 전류 오프셋값으로 인해 실제 SOC와 추정된 SOC 사이에 차이를 발생시킬 수 있다. 특히, 칼만 필터와 같은 알고리즘을 통해 배터리의 SOC를 추정하는 때에는, 이러한 전류 오프셋값으로 인한 SOC의 차이는 계속적으로 누적되어, SOC의 추정값에 대한 오차는 점차 커질 수 있다. 그러나, 종래 SOC 추정 기술에 의하면 SOC 추정시 이러한 전류 오프셋을 고려하지 못하므로 SOC 추정이 정확하지 못하게 되는 문제가 있다.
이처럼, 전류 오프셋으로 인해 SOC와 같은 배터리 상태를 정확하게 추정하지 못하는 경우, 사용자에게 큰 불편과 손해를 끼칠 수 있다. 특히, 전기 자동차에 사용되는 배터리의 경우, 배터리의 SOC가 실제보다 과다하게 추정되면, 사용자가 배터리의 SOC 소진을 미처 예상하지 못해 배터리의 충전을 하지 않아, 차량 운행 중 배터리가 만방전되는 상황이 발생할 수 있다. 그리고, 이러한 차량 운행 중 만방전은 차량이 견인되어야 하는 등 여러 불편을 끼치는 것은 물론, 교통 사고로까지 이어질 수 있어 큰 문제가 될 수 있다.
따라서, 본 발명은 상기와 같은 문제점을 해결하기 위해 창안된 것으로서, 확장 칼만 필터를 이용하되 전류 센서의 오프셋에 따라 전류 센서를 신뢰할지 또는 배터리 모델을 신뢰할지 여부를 결정하여 배터리의 SOC와 같은 배터리 상태를 보다 정확하게 추정할 수 있는 장치 및 방법을 제공하는 것을 목적으로 한다.
본 발명의 다른 목적 및 장점들은 하기의 설명에 의해서 이해될 수 있으며, 본 발명의 실시예에 의해 보다 분명하게 알게 될 것이다. 또한, 본 발명의 목적 및 장점들은 특허 청구 범위에 나타낸 수단 및 그 조합에 의해 실현될 수 있음을 쉽게 알 수 있을 것이다.
상기와 같은 목적을 달성하기 위한 본 발명에 따른 배터리 상태 추정 장치는, 배터리의 충방전 전류를 측정하는 전류 센서를 구비하는 배터리의 상태를 추정하는 장치로서, 상기 배터리의 단자 전압, 충방전 전류 및 전류 오프셋값을 측정하는 측정부; 상기 배터리의 SOC 및 오버포텐셜을 상태 변수로 포함하고, 상기 배터리의 단자 전압을 출력 변수로 포함하는 상태 방정식을 이용하여 상태 변수 및 출력 변수를 예측하는 예측부; 상기 예측된 출력 변수를 상기 측정부에 의해 측정된 출력 변수와 비교하여 상기 예측된 상태 변수를 보정하는 보정부; 상기 보정된 상태 변수를 통해 상기 배터리의 SOC를 추정하는 SOC 추정부; 및 상기 측정된 전류 오프셋값에 따라 상기 배터리의 SOC를 추정하기 위한 하나의 상태 변수를 선택하여, 상기 선택된 상태 변수를 통해 상기 SOC 추정부가 상기 배터리의 SOC를 추정하도록 하는 제어부를 포함한다.
바람직하게는, 상기 제어부는, 상기 측정된 전류 오프셋값이 참조값보다 크면, 상기 SOC를 추정하기 위한 상태 변수로서 오버포텐셜을 선택하여, 상기 SOC 추정부로 하여금 보정된 오버포텐셜을 통해 상기 배터리의 SOC를 추정한다.
또한 바람직하게는, 상기 SOC 추정부는, 상기 보정된 오버포텐셜을 통해 상기 배터리의 OCV를 산정하고, 상기 산정된 OCV를 통해 상기 배터리의 SOC를 추정한다.
또한 바람직하게는, 상기 제어부는, 상기 측정된 전류 오프셋값이 참조값 이하이면, 상기 SOC를 추정하기 위한 상태 변수로서 SOC를 선택하여, 상기 SOC 추정부로 하여금 보정된 SOC를 상기 배터리의 SOC로 추정한다.
또한 바람직하게는, 상기 SOC 추정부에 의해 추정된 SOC에 따라 상기 배터리의 SOH를 추정하는 SOH 추정부를 더 포함한다.
또한 상기와 같은 목적을 달성하기 위한 본 발명에 따른 배터리 관리 시스템은 상술한 배터리 상태 추정 장치를 포함한다.
또한 상기와 같은 목적을 달성하기 위한 본 발명에 따른 자동차는 상술한 배터리 상태 추정 장치를 포함한다.
또한 상기와 같은 목적을 달성하기 위한 본 발명에 따른 배터리 상태 추정 방법은, 배터리의 단자 전압, 충방전 전류 및 전류 오프셋값을 측정하는 단계; 상기 배터리의 SOC 및 오버포텐셜을 상태 변수로 포함하고, 상기 배터리의 단자 전압을 출력 변수로 포함하는 상태 방정식을 이용하여 상태 변수 및 출력 변수를 예측하는 단계; 상기 예측된 출력 변수를 측정된 출력 변수와 비교하여 상기 예측된 상태 변수를 보정하는 단계; 및 상기 측정된 전류 오프셋값에 따라 상기 배터리의 SOC를 추정하기 위한 하나의 상태 변수가 선택되어, 상기 선택된 상태 변수를 통해 상기 배터리의 SOC를 추정하는 단계를 포함한다.
본 발명에 의하면, 확장 칼만 필터를 이용하여 배터리의 SOC와 같은 상태를 추정함으로써 배터리의 상태가 보다 정확하게 추정할 수 있다. 특히, 배터리의 충방전 전류를 측정하는 전류 센서의 전류 오프셋값이 존재하더라도 배터리의 SOC가 정확하게 추정될 수 있다. 즉, 전류 오프셋값에 따라, 전류 측정값에 의해 SOC를 추정할지, 오버포텐셜값에 의해 SOC를 추정할지를 결정하도록 함으로써, 전류 오프셋 상황이 고려된 배터리의 보다 정확한 상태 추정이 가능하게 될 수 있다.
특히 본 발명의 일 실시예에 의할 경우, 전류 오프셋값이 참조값보다 크면 상태 변수에 포함된 오버포텐셜값에 의해 SOC가 결정되고, 전류 오프셋값이 참조값 이하이면 상태 변수포함된 SOC에 의해 SOC 추정값이 결정된다. 따라서, 전류 오프셋값이 일정 수준 초과인 경우 배터리 모델을 신뢰하여 배터리의 SOC가 추정되고, 전류 오프셋값이 일정 수준 이하인 경우 전류 센서를 신뢰하여 배터리의 SOC가 추정된다. 그러므로, 전류 오프셋에 따른 적절한 SOC 추정이 가능하게 된다.
따라서, 사용자는 전류 센서의 오프셋에도 불구하고 배터리의 만방전 시점을 정확하게 제공받을 수 있으므로, 배터리를 충전시키는 등 배터리의 만방전에 미리 충분하게 대비할 수 있게 되어 불측의 사고나 손해, 불편 등을 방지할 수 있게 된다.
본 명세서에 첨부되는 다음의 도면들은 본 발명의 바람직한 실시예를 예시하는 것이며, 후술하는 발명의 상세한 설명과 함께 본 발명의 기술사상을 더욱 이해시키는 역할을 하는 것이므로, 본 발명은 그러한 도면에 기재된 사항에만 한정되어 해석되어서는 아니 된다.
도 1은, 본 발명의 일 실시예에 따른 배터리 상태 추정 장치의 기능적 구성을 개략적으로 도시하는 블록도이다.
도 2는, 본 발명의 일 실시예에 따른 배터리 상태 추정 방법을 개략적으로 나타내는 흐름도이다.
이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 상세히 설명하기로 한다. 이에 앞서, 본 명세서 및 청구범위에 사용된 용어나 단어는 통상적이거나 사전적인 의미로 한정해서 해석되어서는 아니되며, 발명자는 그 자신의 발명을 가장 최선의 방법으로 설명하기 위해 용어의 개념을 적절하게 정의할 수 있다는 원칙에 입각하여 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야만 한다.
따라서, 본 명세서에 기재된 실시예와 도면에 도시된 구성은 본 발명의 가장 바람직한 일 실시예에 불과할 뿐이고 본 발명의 기술적 사상에 모두 대변하는 것은 아니므로, 본 출원시점에 있어서 이들을 대체할 수 있는 다양한 균등물과 변형예들이 있을 수 있음을 이해하여야 한다.
도 1은, 본 발명의 일 실시예에 따른 배터리 상태 추정 장치의 기능적 구성을 개략적으로 도시하는 블록도이다.
도 1을 참조하면, 본 발명에 따른 배터리 상태 추정 장치는, 측정부(110), 예측부(120), 보정부(130), 제어부(160) 및 SOC 추정부(140)를 포함할 수 있다.
상기 측정부(110)는, 배터리의 단자 전압 및 충방전 전류를 측정한다. 이때, 배터리의 충방전 전류는 전류 센서와 같은 종래 배터리 팩에 구비된 전류 측정부를 통해 측정될 수 있다.
특히, 본 발명에 따른 측정부(110)는, 배터리의 전류 오프셋값을 측정한다. 여기서, 배터리의 전류 오프셋값이란, 전류 센서(전류 측정부)의 오프셋(offset)으로 인해 발생하는 전류에 대한 측정값과 배터리의 충방전 경로에 실제 흐르는 전류값 사이의 차를 의미한다. 예를 들어, 실제 배터리의 충방전 경로에는 전류가 흐르지 않고 있으나, 배터리의 전류 센서에 의해 2A의 전류가 흐르는 것으로 측정된 경우, 전류 오프셋값은 2A라고 할 수 있다. 이러한 전류 오프셋 현상은 전류 센서의 퇴화 등으로 인해 발생할 수 있다.
상기 측정부(110)는, 배터리의 전압 측정 등 여러 방식을 통해 전류 오프셋값을 측정할 수 있다. 일례로, 상기 측정부(110)는 배터리에 전류가 흐르지 않을 때 전류 센서에 의한 센싱값을 측정하는 등의 방식을 통해 전류 오프셋값을 결정할 수 있다.
상기 예측부(120) 및 보정부(130)는 알고리즘을 이용하여 상태 변수와 출력 변수를 예측하고 보정한다. 특히, 본 발명에 따른 예측부(120) 및 보정부(130)는, 상태 변수와 출력 변수를 예측하고 보정하기 위한 알고리즘으로서 확장 칼만 필터(Extended Kalman Filter)를 이용할 수 있다.
칼만 필터는, 배터리의 동작을 모델링하고 이러한 모델에 근거하여 SOC를 예측하는 기술 중 하나로서, 시스템의 출력값을 통해 동적 시스템의 내적 상태를 순환적으로 예측할 수 있도록 한다. 확장 칼만 필터는, 이러한 칼만 필터의 기본적 원리 하에, 선형 함수가 아닌 비선형 함수를 대상으로 한다는 점에 특징이 있다. 본 발명에서는 이러한 확장 칼만 필터를 이용하여 배터리의 SOC 등을 추정한다. 이러한 확장 칼만 필터의 원리는 본 발명의 기술 분야에 속하는 당업자에게 널리 알려져 있으므로, 본 명세서에서는 본 발명의 특징적인 부분을 위주로 설명하도록 한다.
상기 예측부(120)는, 상태 방정식을 이용하여 상태 변수 및 출력 변수를 예측한다. 여기서, 상태 방정식에는 상태 변수에 관한 시스템 방정식과 출력 변수에 관한 측정 방정식을 포함할 수 있다. 특히, 상태 방정식의 상태 변수에는 배터리의 SOC 및 오버포텐셜이 포함될 수 있고, 상태 방정식의 출력 변수에는 배터리의 단자 전압이 포함될 수 있다.
본 발명의 예측부(120)에서 사용하는 확장 칼만 필터의 일반적인 상태 방정식을 나타내면 다음의 수학식 1 및 수학식 2와 같이 나타낼 수 있다.
수학식 1
Figure PCTKR2013002087-appb-M000001
수학식 2
Figure PCTKR2013002087-appb-M000002
상기 수학식 1은 확장 칼만 필터의 일반적인 시스템 방정식이고, 상기 수학식 2는 일반적인 측정 방정식이다.
여기서, k는 시간 스텝을 나타낸다. 그리고, xk는 상태 변수로서 추정하고자 하는 값이며, uk는 배터리의 전류이고, wk는 시스템 노이즈 성분이다. 또한, yk는 출력 변수로서 측정할 수 있는 값이며, zk는 측정 노이즈 성분이다.
본 발명에 따른 예측부(120)는 상기 상태 방정식에 대하여, 배터리의 SOC(State Of Charge) 및 오버포텐셜(overpotential)을 상태 변수로 포함하고, 배터리의 단자 전압을 출력 변수로 포함할 수 있다. 여기서, 배터리의 SOC란 배터리의 충전 상태를 나타내는 것이고, 배터리의 오버포텐셜이란 배터리의 단자 전압에서 개방회로전압(OCV; Open Circuit Voltage)을 뺀 값을 의미한다.
따라서, 본 발명에 따른 예측부(120)에서 이용하는 상태 방정식은 다음의 수학식 3 및 수학식 4와 같이 보다 구체적인 형태로 나타낼 수 있다.
수학식 3
Figure PCTKR2013002087-appb-M000003
수학식 4
Figure PCTKR2013002087-appb-M000004
상기 수학식 3 및 4에서, k는 시간 스텝을 나타내며, x1(k+1) 및 x2(k+1)은 각각 현 단계의 SOC 및 오버포텐셜, 즉 SOC 및 오버포텐셜의 예측값을 나타내고, x1(k) 및 x2(k)는 각각 이전 단계의 SOC 및 오버포텐셜을 나타낸다. 또한, u1(k) 및 u2(k)는 각각 현재의 배터리 전류 및 이전의 배터리 전류를 나타내고, w1(k) 및 w2(k)는 시스템 노이즈 성분을 나타낸다. 그리고, A, B 및 C는 배터리의 저항 및 커패시턴스와 같은 배터리의 특성을 나타내는 변수로서, 실험적으로 결정될 수 있다. 또한, αekf는 배터리의 용량과 관련된 변수로서, 실험적으로 결정될 수 있다.
또한, yk는 배터리의 단자 전압을 나타내고, H1은 SOC와 OCV의 상호 관계를 나타내는 변수로서, 실험적으로 결정될 수 있다.
상기 예측부(120)는, 수학식 3과 같은 시스템 방정식을 이용하여 상태 변수를 예측하고, 수학식 4와 같은 출력 방정식을 이용하여 출력 변수를 예측할 수 있다.
특히, 상기 예측부(120)는, 첫 번째 단계에서는 초기 파라미터의 입력을 통해 SOC 및 오버포텐셜에 관한 상태 변수를 예측할 수 있다. 하지만, 이후 단계에서는 보정부(130)에 의해 보정된 상태 변수를 통해 상태 변수를 예측할 수 있다.
또한, 상기 예측부(120)는, 상태 변수 추정에 의한 오차에 대한 분산, 즉 추정오차 분산을 예측할 수 있다. 이때, 추정오차 분산(Pk)은 다음의 수학식 5와 같이 계산될 수 있다.
수학식 5
Figure PCTKR2013002087-appb-M000005
여기서, Ak-1은
Figure PCTKR2013002087-appb-I000001
를 의미하고, Ak-1 T는 Ak-1의 전치 행렬을 의미한다. 또한, W는
Figure PCTKR2013002087-appb-I000002
를 의미하고, Q는 프로세스 노이즈 파라미터를 의미하여, WQWT는 시스템 노이즈의 분산값을 의미한다.
상기 보정부(130)는, 상기 예측부(120)에 의해 예측된 출력 변수를 상기 측정부(110)에 의해 측정된 출력 변수와 비교한다. 그리고, 보정부(130)는 이러한 비교 결과를 이용하여 예측된 상태 변수를 보정한다.
이를 위해, 상기 보정부(130)는 다음의 수학식 6과 같은 수식을 통해 칼만 게인(Kk), 즉 게인 팩터를 생성할 수 있다.
수학식 6
Figure PCTKR2013002087-appb-M000006
여기서, Pk는 추정오차 분산을 의미하고, Ck는
Figure PCTKR2013002087-appb-I000003
을 의미한다. 그리고, V 및 R은 측정 노이즈 파라미터를 나타내며, VRVT는 측정 노이즈의 분산값을 의미한다.
이와 같이 게인 팩터가 얻어지면, 상기 보정부(130)는 다음의 수학식 7과 같이, 이러한 게인 팩터와 함께 예측된 출력 변수 및 측정된 출력 변수를 이용하여 예측된 상태 변수를 보정할 수 있다.
수학식 7
Figure PCTKR2013002087-appb-M000007
여기서, xk'은 예측된 상태 변수, xk의 보정된 값을 의미하며, Kk는 게인 팩터, 즉 칼만 게인을 의미한다. 또한, yk는 측정된 출력 변수, 즉 측정된 배터리 단자 전압을 의미하고, g(xk, uk)는 예측부(120)에 의해 예측된 출력 변수, 즉 예측된 배터리 단자 전압을 의미한다.
이와 같이 예측된 상태 변수가 보정되면, 보정된 상태 변수는 다음 단계의 상태 변수를 예측하기 위한 이전 값으로 입력될 수 있다. 예를 들어, 수학식 7의 xk'은 수학식 1의 xk로 입력되어 다음 단계의 상태 변수 x(k+1)을 예측하는데 이용될 수 있다.
또한, 상기 보정부(130)는, 예측부(120)에 의해 예측된 추정오차 분산을 칼만 게인을 이용하여 보정할 수 있으며, 이에 대해서는 다음의 수학식 8과 같이 나타낼 수 있다.
수학식 8
Figure PCTKR2013002087-appb-M000008
여기서, Pk'은 예측된 추정오차 분산, Pk의 보정된 값을 의미하며, Kk는 칼만 게인을 의미한다. 또한, Ck는
Figure PCTKR2013002087-appb-I000004
을 의미한다.
이와 같이 예측된 추정오차 분산이 보정되면, 보정된 추정오차 분산은 다음 단계의 추정오차 분산을 예측하기 위한 이전 값으로 입력될 수 있다. 예를 들어, 수학식 8의 Pk'은 수학식 5의 Pk-1로 입력되어 다음 단계의 추정오차 분산 Pk를 예측하는데 이용될 수 있다.
상기 SOC 추정부(140)는, 보정부(130)에 의해 보정된 상태 변수를 이용하여 배터리의 SOC를 추정한다. 여기서, 보정부(130)에 의해 보정되는 상태 변수에는 SOC와 오버포텐셜이 포함될 수 있다. 따라서, 상기 SOC 추정부(140)는, 보정부(130)에 의해 보정된 SOC를 이용하여 SOC를 추정하거나 보정부(130)에 의해 보정된 오버포텐셜을 이용하여 SOC를 추정할 수 있다.
상기 제어부(160)는, 측정부(110)에 의해 측정된 전류 오프셋값에 따라 배터리의 SOC를 추정하기 위한 하나의 상태 변수를 선택한다. 즉, SOC 추정부(140)가 SOC를 추정하기 위해서는 상태 변수로서 보정된 SOC 또는 보정된 오버포텐셜을 이용하는데, 어떠한 상태 변수를 이용할지는 제어부(160)에 의해 선택될 수 있다.
따라서, 제어부(160)는 보정된 SOC 및 보정된 오버포텐셜 중 어느 하나를 선택하여, 이와 같이 선택된 상태 변수를 통해 SOC 추정부(140)로 하여금 배터리의 SOC가 추정되도록 할 수 있다.
이때, 본 발명에 따른 제어부(160)는 측정부(110)에 의해 측정된 전류 오프셋값에 따라 어느 상태 변수를 통해 배터리의 SOC를 추정할지를 결정할 수 있다.
이를 위해, 제어부(160)는 측정된 전류 오프셋값을 참조값과 비교할 수 있다. 여기서, 참조값이란 전류 오프셋의 측정값과 비교되기 위한 전류값으로, 미리 정해질 수 있다. 이러한 참조값은, 배터리의 SOC 추정시 전류 센서에 의해 측정된 전류값을 신뢰할 수 있다고 볼 만한 전류 오차에 대한 최대값이 될 수 있다.
예를 들어, 참조값은 0A일 수 있다. 이 경우, 전류 오프셋값의 유무에 따라 SOC를 추정하기 위한 상태 변수가 달라질 수 있다. 이러한 전류 오프셋의 참조값은 제어부(160)의 내부 또는 외부에 구비된 메모리에 미리 저장될 수 있다.
바람직하게는, 상기 제어부(160)는, 측정부(110)에 의해 측정된 전류 오프셋값이 미리 정해진 참조값보다 크면, SOC를 추정하기 위한 상태 변수로서 오버포텐셜이 선택되도록 할 수 있다. 따라서, 이 경우, SOC 추정부(140)는 보정부(130)에 의해 보정된 오버포텐셜을 통해 배터리의 SOC를 추정할 수 있다.
예를 들어, 상기 수학식 3에서 오버포텐셜에 관한 상태 변수인 x2(k+1)이 수학식 7에 의해 보정되어 배터리의 SOC를 추정하는데 이용될 수 있다.
보다 구체적으로, 상기 SOC 추정부(140)는, 보정된 오버포텐셜을 통해 배터리의 개방 회로 전압(Open Circuit Voltage; OCV)을 산정하고, 산정된 OCV를 통해 배터리의 SOC를 추정할 수 있다. 여기서, 배터리의 OCV와 SOC의 관계는, 실험적 측정 등을 통해, 수학식이나 테이블과 같은 형태로 제어부(160)의 내외부에 구비된 메모리 등의 저장 장치에 저장되어 있을 수 있다.
상태 변수로서 포함되어 예측 및 보정되는 SOC(x1(k))는 전류 측정값에 의하여 결정된 것이나, 전류 오프셋값이 참조값보다 클 때에는 전류 센서를 신뢰하기 어려우므로 전류 측정값에 따라 결정된 SOC는 실제 SOC와 오차가 적지 않을 수밖에 없다. 따라서, 본 발명의 상기 실시예에 의하면, 전류 오프셋값이 참조값보다 큰 경우, 상태 변수로서 보정된 SOC가 아닌 보정된 오버포텐셜을 이용하여 SOC가 추정되도록 함으로써, 보다 정확한 SOC가 추정될 수 있다. 즉, 상기 실시예에 의하면, 전류 오프셋값이 참조값보다 큰 경우, 전류 센서를 신뢰하지 않고 배터리 모델을 신뢰하여 배터리의 SOC가 추정될 수 있도록 한다.
또한 바람직하게는, 상기 제어부(160)는, 측정부(110)에 의해 측정된 전류 오프셋값이 참조값 이하이면, SOC를 추정하기 위한 상태 변수로서 SOC가 선택되도록 할 수 있다. 따라서, 이 경우, SOC 추정부(140)는 보정부(130)에 의해 보정된 SOC를 배터리의 SOC로 추정할 수 있다.
예를 들어, 상기 수학식 3에서 SOC에 대하여 예측된 x1(k+1)이 수학식 7에 의해 보정된 값이 배터리의 SOC 추정값으로 산출될 수 있다.
전류 오프셋값이 참조값 이하라면, 전류 오프셋은 무시할 수 있을 정도라 할 것이므로, 이 경우 상태 변수로서 포함되어 예측 및 보정된 SOC를 그대로 배터리의 SOC 추정값으로 볼 수 있다. 즉, 전류 오프셋값이 참조값 이하인 경우에는, 전류 센서를 신뢰하여 전류 측정값에 의해 결정된 SOC를 배터리의 SOC 추정값으로 이용할 수 있다.
이처럼, 상기 제어부(160)는 어느 상태 변수를 통해 SOC가 추정되도록 할지를 결정할 수 있는데, 특히 제어부(160)는 상태 방정식의 시스템 노이즈 성분을 변화시킴으로써 SOC 추정시 어느 상태 변수가 이용되도록 할지를 결정할 수 있다.
예를 들어, 상기 수학식 3에서 w1(k) 및 w2(k)는 시스템 노이즈 성분을 나타내는데, 상기 제어부(160)는 이러한 w1(k) 및 w2(k)를 변화시킴으로써 어느 상태 변수를 이용하여 SOC가 추정되도록 할지를 결정할 수 있다.
이때, 제어부(160)는 측정된 전류 오프셋값에 따라 상태 방정식에서 상태 변수들에 대한 시스템 노이즈 성분의 비를 변화시킴으로써 어느 상태 변수를 이용하여 SOC가 추정되도록 할지를 결정할 수 있다.
예를 들어, 전류 오프셋값에 대한 참조값이 0A이고, 측정된 전류 오프셋값은 2A라고 가정한다. 이때, 제어부(160)는 측정된 전류 오프셋값이 참조값보다 크므로, SOC를 추정하기 위한 상태 변수로서 오버포텐셜이 선택되도록 할 수 있다. 이를 위해, 제어부(160)는, SOC에 대한 상태 변수 x1(k)에 대한 시스템 노이즈 성분인 w1(k) 및 오버포텐셜에 대한 상태 변수 x2(k)에 대한 시스템 노이즈 성분인 w2(k)의 비, w1(k):w2(k)를 변화시킬 수 있다.
보다 구체적으로, 제어부(160)는, 전류 오프셋값이 0A일 때에는 w1(k):w2(k)를 1:0.1로 하였다가, 전류 오프셋값이 참조값보다 큰 2A일 때에는 w1(k):w2(k)를 1:0.01로 변경시킬 수 있다. 즉, 제어부는 전류 오프셋값이 참조값보다 클 때에는, 전류 센서를 신뢰하지 않고 배터리 모델을 신뢰할 수 있도록 한다는 의미에서 w2 파라미터를 0.1에서 0.01로 변화시킬 수 있다. 그리고, 이 경우, 이후에 전류 오프셋값이 참조값보다 작아지게 되면, 다시 전류 센서를 신뢰하여 전류의 센싱값도 알고리즘에 영향을 줄 수 있도록 하기 위해 w2 파라미터를 0.01에서 0.1로 되돌릴 수 있다.
즉, 이후에 전류 오프셋값이 참조값보다 작아질 때에는, 제어부(160)는 w2(k)에 대한 w1(k)의 크기를 증가시킴으로써, x1(k)에 의한 SOC 추정이 가능하도록 할 수 있다.
또한 바람직하게는, 상기 측정부(110)는 배터리의 온도를 측정할 수 있다. 이 경우, 상기 제어부(160)는 이와 같이 측정부(110)에 의해 측정된 배터리의 온도에 따라 상태 변수들에 대한 시스템 노이즈 성분의 비를 변화시킬 수 있다.
이때 더욱 바람직하게는, 상기 제어부(160)는 측정된 배터리의 온도가 소정 온도 이하이면 배터리의 SOC를 추정하기 위한 상태 변수로서 SOC가 선택되도록 할 수 있다. 이 경우, 제어부(160)는 SOC 추정부(140)로 하여금 수학식 7에 의하여 보정된 SOC가 배터리의 SOC로 추정되도록 할 수 있다.
배터리의 온도가 낮을 때에는 OCV 등을 통한 배터리 SOC 추정의 신뢰도가 떨어질 수 있다. 따라서, 상기 실시예에 의하면, 배터리의 온도가 소정 온도 이하의 저온 상태가 되는 경우, 상태 변수로서 예측 및 보정된 SOC를 배터리의 SOC 추정값으로 그대로 이용될 수 있도록 한다. 즉, 배터리의 온도가 소정 온도 이하인 경우, 배터리의 OCV에 따른 배터리 모델을 신뢰하지 않고 전류 센서를 신뢰할 수 있도록 한다.
따라서, 이때의 소정 온도는 OCV를 통한 배터리의 SOC 추정시 용인될 만한 최대 오차를 나타내는 최저 온도로서, 실험적으로 미리 결정될 수 있다. 이러한 소정 온도는 제어부(160)의 내외부에 구비된 메모리에 미리 저장되어 있을 수 있다.
예를 들어, 소정 온도가 0℃로 정해져 있는 경우, 측정부(110)에 의해 측정된 배터리의 온도가 0℃ 이하라면, 제어부(160)는 수학식 3의 SOC에 대한 상태 변수 x1(k+1)의 수학식 7에 의해 보정된 값이 배터리의 SOC 추정값으로 산출되도록 할 수 있다.
바람직하게는, 본 발명에 따른 배터리 상태 추정 장치는, SOH 추정부(150)를 더 포함할 수 있다. 상기 SOH 추정부(150)는, 상기 SOC 추정부(140)에 의해 추정된 SOC에 따라 배터리의 건강 상태(State Of Health; SOH)를 추정할 수 있다.
배터리는 계속적인 사용에 따라 전력 및 용량 등의 성능이 퇴화될 수 있으며, 따라서 배터리의 SOH는 계속적으로 감소할 수 있다. 이러한 배터리의 SOH는 배터리의 SOC에 의해 추정될 수 있는데, 이는 본원 발명이 속하는 기술분야의 당업자에게 자명하므로 상세한 설명을 생략한다. 본 발명에 의하면 전류 오프셋을 고려하여 배터리의 SOC가 추정되고, 이러한 SOC 추정 결과에 따라 배터리의 SOH가 추정되므로 배터리의 SOH 추정시에도 전류 오프셋이 고려된다고 할 수 있다. 따라서, 본 발명의 이러한 실시예에 따르면 전류 오프셋을 고려하여 배터리의 SOH가 보다 정확하게 예측될 수 있다.
한편, 본 발명에 따른 배터리 상태 추정 장치는 배터리 팩의 배터리 관리 시스템(Battery Management System; BMS)에 포함되는 형태로 구현될 수 있다. 즉, 본 발명에 따른 배터리 관리 시스템은, 상술한 배터리 상태 추정 장치를 포함할 수 있다. 여기서, 배터리 관리 시스템이란, 배터리 팩의 충방전 동작을 전반적으로 제어하는 관리 장치로서, 이러한 BMS는 배터리 팩 보호 장치에 통상적으로 포함될 수 있다. 특히, BMS에는 MCU(Micro Controller Unit)가 구비될 수 있는데, 상술한 배터리 상태 추정 장치의 제어부(160) 등은 이러한 MCU에 의해 구현될 수 있다.
또한, 본 발명에 따른 배터리 상태 추정 장치는 자동차에 포함될 수 있다. 특히, 하이브리드 자동차를 포함하는 전기 자동차는 배터리에 의해 모터의 구동 전력이 공급되므로, 배터리의 운용시 배터리의 SOC와 같은 상태를 추정하는 것이 매우 중요하다. 본 발명에 따른 자동차는 상술한 배터리 상태 추정 장치를 포함하기 때문에, 전류 센서의 오프셋이 발생하더라도 배터리의 SOC 및 SOH의 보다 정확한 추정이 가능하게 될 수 있다.
도 2는, 본 발명의 일 실시예에 따른 배터리 상태 추정 방법을 개략적으로 나타내는 흐름도이다. 도 2에서 각 동작의 주체는 상술한 배터리 상태 추정 장치의 구성요소들일 수 있다.
도 2에 도시된 바와 같이, 본 발명에 따른 배터리 상태 추정 방법은 배터리의 단자 전압, 충방전 전류 및 전류 오프셋값을 측정하는 단계를 포함한다(S110). 다만, 여기서 배터리의 단자 전압, 충방전 전류 및 전류 오프셋값의 측정이 반드시 동일한 단계에서 함께 이루어져야 하는 것은 아니다. 특히, 배터리의 단자 전압의 측정이나 전류 오프셋값의 측정은 반드시 S120 단계 이전에 이루어져야 하는 것은 아니다.
다음으로, 배터리의 SOC 및 오버포텐셜을 상태 변수로 포함하는 상태 방정식, 즉 시스템 방정식을 설정하고 여기에 측정된 전류값을 입력하여 상태 변수를 예측한다(S120). 이때, 처음 단계에서는 상태 변수로서 배터리의 초기 파라미터가 입력될 수 있다.
또한, 배터리의 단자 전압을 출력 변수로 포함하는 상태 방정식, 즉 출력 방정식에 예측된 상태 변수를 입력하여 출력 변수를 예측한다(S130).
다음으로, 이와 같이 예측된 출력 변수를 측정된 출력 변수와 비교하여 예측된 상태 변수를 보정한다(S160). 즉, 상기 S130 단계에서 예측된 배터리의 단자 전압을 상기 S110 단계에서 측정된 배터리의 단자 전압과 비교하고, 이러한 비교 결과를 통해 상기 S120 단계에서 예측된 상태 변수를 보정할 수 있다.
이를 위해 상기 S130 단계 이후에 추정오차 분산(Pk)이 예측될 수 있으며(S140), 이러한 추정오차 분산 결과를 이용하여 게인 팩터로서 칼만 게인(Kk)이 연산될 수 있다(S150). 그리고, 이와 같이 S150 단계에서 연산된 칼만 게인은 상기 S130 단계에서 예측된 단자 전압 및 상기 S110 단계에서 측정된 단자 전압과 함께 상기 S160 단계에서의 상태 변수 보정을 위해 이용될 수 있다.
이처럼, 상태 변수가 보정되면, 보정된 상태 변수를 이용해 SOC가 추정된다(S170). 다만, 보정된 상태 변수에는 배터리의 SOC 관련 상태 변수와 배터리의 오버포텐셜 관련 상태 변수가 포함될 수 있는데, 상기 S170 단계에서 배터리의 SOC가 추정되기 위해서는, 이 중 하나의 상태 변수가 선택될 수 있다. 이때, 상태 변수의 선택은 상기 S110 단계에서 측정된 전류 오프셋값에 따라 결정될 수 있다. 즉, 상기 S170 단계에서는 배터리의 전류 오프셋값에 따라 배터리의 SOC를 추정하기 위한 하나의 상태 변수가 선택되며, 이와 같이 선택된 상태 변수를 통해 배터리의 SOC가 추정된다. 예를 들어, 상기 S110 단계에서 측정된 전류 오프셋값이 참조값보다 크면, 상기 S170 단계에서는 보정된 오버포텐셜을 통해 SOC가 추정될 수 있다.
한편, 상기 S160 단계에서 보정된 상태 변수는 상기 S120 단계의 이전 값으로 입력되어 다음 단계의 상태 변수를 예측하는데 이용될 수 있다.
또한, 상기 S160 단계 이후에, 추정오차 분산이 보정되는 단계가 더 포함될 수 있다(S180). 즉, 상기 S140 단계에서 예측된 추정오차 분산값은, 상기 S150 단계에서 연산된 칼만 게인을 통해 보정될 수 있으며, 이와 같이 보정된 추정오차 분산값은 상기 S140 단계의 이전 값으로 입력되어 다음 단계의 추정오차 분산을 예측하는데 이용될 수 있다.
이상과 같이, 본 발명은 비록 한정된 실시예와 도면에 의해 설명되었으나, 본 발명은 이것에 의해 한정되지 않으며 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 본 발명의 기술사상과 아래에 기재될 특허청구범위의 균등범위 내에서 다양한 수정 및 변형이 가능함은 물론이다.
한편, 본 명세서에서 '부'라는 용어를 사용하였으나, 이는 논리적인 구성 단위를 나타내는 것으로서, 반드시 물리적으로 분리될 수 있거나 물리적으로 분리되어야 하는 구성요소를 나타내는 것이 아니라는 점은 본 발명이 속하는 기술 분야의 당업자에게 자명하다.

Claims (15)

  1. 배터리의 단자 전압, 충방전 전류 및 전류 오프셋값을 측정하는 측정부;
    상기 배터리의 SOC 및 오버포텐셜을 상태 변수로 포함하고, 상기 배터리의 단자 전압을 출력 변수로 포함하는 상태 방정식을 이용하여 상태 변수 및 출력 변수를 예측하는 예측부;
    상기 예측된 출력 변수를 상기 측정부에 의해 측정된 출력 변수와 비교하여 상기 예측된 상태 변수를 보정하는 보정부;
    상기 보정된 상태 변수를 통해 상기 배터리의 SOC를 추정하는 SOC 추정부; 및
    상기 측정된 전류 오프셋값에 따라 상기 배터리의 SOC를 추정하기 위한 하나의 상태 변수를 선택하여, 상기 선택된 상태 변수를 통해 상기 SOC 추정부가 상기 배터리의 SOC를 추정하도록 하는 제어부
    를 포함하는 것을 특징으로 하는 배터리 상태 추정 장치.
  2. 제1항에 있어서,
    상기 제어부는, 상기 측정된 전류 오프셋값이 참조값보다 크면, 상기 SOC를 추정하기 위한 상태 변수로서 오버포텐셜을 선택하여, 상기 SOC 추정부로 하여금 보정된 오버포텐셜을 통해 상기 배터리의 SOC를 추정하도록 하는 것을 특징으로 하는 배터리 상태 추정 장치.
  3. 제2항에 있어서,
    상기 SOC 추정부는, 상기 보정된 오버포텐셜을 통해 상기 배터리의 OCV를 산정하고, 상기 산정된 OCV를 통해 상기 배터리의 SOC를 추정하는 것을 특징으로 하는 배터리 상태 추정 장치.
  4. 제2항에 있어서,
    상기 제어부는, 상기 측정된 전류 오프셋값이 참조값 이하이면, 상기 SOC를 추정하기 위한 상태 변수로서 SOC를 선택하여, 상기 SOC 추정부로 하여금 보정된 SOC를 상기 배터리의 SOC로 추정하도록 하는 것을 특징으로 하는 배터리 상태 추정 장치.
  5. 제1항에 있어서,
    상기 제어부는, 상기 측정된 전류 오프셋값에 따라 상기 상태 방정식의 시스템 노이즈 성분을 변화시키는 것을 특징으로 하는 배터리 상태 추정 장치.
  6. 제5항에 있어서,
    상기 제어부는, 상기 측정된 전류 오프셋값에 따라 상기 상태 변수들에 대한 시스템 노이즈 성분의 비를 변화시키는 것을 특징으로 하는 배터리 상태 추정 장치.
  7. 제1항에 있어서,
    상기 예측부는, 상기 보정부에 의해 보정된 상태 변수를 이전 값으로 이용하여 다음 상태 변수 및 출력 변수를 예측하는 것을 특징으로 하는 배터리 상태 추정 장치.
  8. 제1항에 있어서,
    상기 측정부는 상기 배터리의 온도를 더 측정하고,
    상기 제어부는 상기 측정된 배터리의 온도에 따라 상기 상태 변수들에 대한 시스템 노이즈 성분의 비를 변화시키는 것을 특징으로 하는 배터리 상태 추정 장치.
  9. 제8항에 있어서,
    상기 제어부는 상기 측정된 배터리의 온도가 소정 온도 이하이면 상기 배터리의 SOC를 추정하기 위한 상태 변수로서 SOC를 선택하여, 상기 SOC 추정부로 하여금 보정된 SOC를 상기 배터리의 SOC로 추정하도록 하는 것을 특징으로 하는 배터리 상태 추정 장치.
  10. 제1항에 있어서,
    상기 예측부는,
    Figure PCTKR2013002087-appb-I000005
    상기 방정식을 이용하여 상기 상태 변수를 예측하되,
    여기서, x1(k+1) 및 x2(k+1)은 각각 현 단계의 SOC 및 오버포텐셜을 나타내고, x1(k) 및 x2(k)는 각각 이전 단계의 SOC 및 오버포텐셜을 나타내며, u1(k) 및 u2(k)는 각각 현재의 배터리 전류 및 이전의 배터리 전류를 나타내고, w1(k) 및 w2(k)는 시스템 노이즈 성분을 나타내며, A, B 및 C는 배터리 특성과 관련된 변수이고, αekf는 배터리 용량과 관련된 변수이며, k는 시간 스텝을 나타내는 것을 특징으로 하는 배터리 상태 추정 장치.
  11. 제1항에 있어서,
    상기 보정부는, 게인 팩터, 상기 예측된 출력 변수 및 상기 측정된 출력 변수를 통해 상기 예측된 상태 변수를 보정하는 것을 특징으로 하는 배터리 상태 추정 장치.
  12. 제1항에 있어서,
    상기 SOC 추정부에 의해 추정된 SOC에 따라 상기 배터리의 SOH를 추정하는 SOH 추정부를 더 포함하는 것을 특징으로 하는 배터리 상태 추정 장치.
  13. 제1항 내지 제12항 중 어느 한 항에 따른 배터리 상태 추정 장치를 포함하는 배터리 관리 시스템.
  14. 제1항 내지 제12항 중 어느 한 항에 따른 배터리 상태 추정 장치를 포함하는 자동차.
  15. 배터리의 단자 전압, 충방전 전류 및 전류 오프셋값을 측정하는 단계;
    상기 배터리의 SOC 및 오버포텐셜을 상태 변수로 포함하고, 상기 배터리의 단자 전압을 출력 변수로 포함하는 상태 방정식을 이용하여 상태 변수 및 출력 변수를 예측하는 단계;
    상기 예측된 출력 변수를 측정된 출력 변수와 비교하여 상기 예측된 상태 변수를 보정하는 단계; 및
    상기 측정된 전류 오프셋값에 따라 상기 배터리의 SOC를 추정하기 위한 하나의 상태 변수가 선택되어, 상기 선택된 상태 변수를 통해 상기 배터리의 SOC를 추정하는 단계
    를 포함하는 것을 특징으로 하는 배터리 상태 추정 방법.
PCT/KR2013/002087 2012-03-16 2013-03-15 배터리 상태 추정 장치 및 방법 WO2013137672A1 (ko)

Priority Applications (4)

Application Number Priority Date Filing Date Title
EP13761507.6A EP2700966B1 (en) 2012-03-16 2013-03-15 Apparatus and method for estimating battery state
JP2014512778A JP5850142B2 (ja) 2012-03-16 2013-03-15 バッテリー状態推定装置及び方法
CN201380001829.7A CN103620432B (zh) 2012-03-16 2013-03-15 用于估计电池状态的设备和方法
US14/081,711 US10267864B2 (en) 2012-03-16 2013-11-15 Battery management system including apparatus for estimating battery state

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20120027284A KR101486470B1 (ko) 2012-03-16 2012-03-16 배터리 상태 추정 장치 및 방법
KR10-2012-0027284 2012-03-16

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US14/081,711 Continuation US10267864B2 (en) 2012-03-16 2013-11-15 Battery management system including apparatus for estimating battery state

Publications (1)

Publication Number Publication Date
WO2013137672A1 true WO2013137672A1 (ko) 2013-09-19

Family

ID=49161495

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2013/002087 WO2013137672A1 (ko) 2012-03-16 2013-03-15 배터리 상태 추정 장치 및 방법

Country Status (6)

Country Link
US (1) US10267864B2 (ko)
EP (1) EP2700966B1 (ko)
JP (1) JP5850142B2 (ko)
KR (1) KR101486470B1 (ko)
CN (1) CN103620432B (ko)
WO (1) WO2013137672A1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016540962A (ja) * 2013-10-14 2016-12-28 エルジー・ケム・リミテッド ハイブリッド二次電池の状態推定装置及びその方法
JP2017501374A (ja) * 2013-10-14 2017-01-12 エルジー・ケム・リミテッド 混合正極材を含む二次電池の状態推定装置及びその方法
CN110462412A (zh) * 2017-11-01 2019-11-15 株式会社Lg化学 用于估计电池的soc的装置和方法

Families Citing this family (53)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10359474B2 (en) * 2012-09-21 2019-07-23 Nissan Motor Co., Ltd. Charge state calculation device and charge state calculation method
KR20150024561A (ko) * 2013-08-27 2015-03-09 삼성에스디아이 주식회사 배터리 관리 시스템 및 그 구동방법
KR102079038B1 (ko) * 2013-09-30 2020-02-19 현대모비스 주식회사 지능형 배터리 센서 장치 및 그 동작 방법
JP6287509B2 (ja) * 2014-04-08 2018-03-07 株式会社豊田自動織機 二次電池のｓｏｃ推定装置および推定方法
KR101529515B1 (ko) * 2014-06-12 2015-06-17 국방과학연구소 Mmae-ekf를 이용한 배터리의 soc 추정 방법 및 그 장치
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
CN104181470B (zh) * 2014-09-10 2017-04-26 山东大学 一种基于非线性预测扩展卡尔曼滤波的电池soc估计方法
TWI528043B (zh) 2014-10-14 2016-04-01 國立中山大學 電池之電量狀態及健康狀態的估測電路
KR101767635B1 (ko) 2014-10-24 2017-08-14 주식회사 엘지화학 이차 전지의 충전 상태 추정 장치 및 그 방법
WO2016064198A1 (ko) * 2014-10-24 2016-04-28 주식회사 엘지화학 이차 전지의 충전 상태 추정 장치 및 그 방법
FR3029299B1 (fr) * 2014-11-28 2016-12-09 Renault Sa Procede automatique de determination de l'etat de charge d'une batterie
CN104460469B (zh) * 2014-12-25 2017-07-28 歌尔股份有限公司 一种环境传感器和一种环境参数测量和预测方法
KR102338460B1 (ko) 2015-01-22 2021-12-13 삼성전자주식회사 배터리의 상태를 추정하는 방법 및 장치
KR101847685B1 (ko) * 2015-01-28 2018-04-10 주식회사 엘지화학 배터리의 상태 추정 장치 및 방법
CN105068007A (zh) * 2015-07-01 2015-11-18 清华大学 锂离子电池模型参数变化的预测方法及系统
CN105137358B (zh) * 2015-08-27 2018-06-26 张家港莫特普数据科技有限公司 基于大数据自学习机制的动力电池的soc/soh预测方法
KR102502450B1 (ko) * 2015-11-02 2023-02-22 삼성전자주식회사 배터리 충전 방법 및 배터리 충전 장치
CN105301511A (zh) * 2015-11-12 2016-02-03 华晨汽车集团控股有限公司 一种利用共同扩展卡尔曼滤波预估电池荷电状态的方法
KR102325681B1 (ko) * 2015-12-07 2021-11-15 현대모비스 주식회사 배터리 관리 시스템의 측정값 오차 보정 장치 및 그 방법
KR102533878B1 (ko) * 2015-12-07 2023-05-23 현대모비스 주식회사 배터리 관리 시스템의 측정값 오차 보정 장치 및 그 방법
US9925888B2 (en) 2016-03-02 2018-03-27 Ford Global Technologies, Llc Battery cell state of charge initialization in a presence of voltage measurement uncertainty
CN109416389B (zh) * 2016-06-28 2021-06-29 亚德诺半导体国际无限责任公司 用于电池系统的无线传感器
WO2018127296A1 (en) * 2017-01-09 2018-07-12 Volvo Truck Corporation A method and arrangement for determining the state of charge of a battery pack
CN110418972A (zh) * 2017-03-06 2019-11-05 沃尔沃卡车集团 电池单体充电状态估计方法和电池状态监测系统
KR102179677B1 (ko) * 2017-04-12 2020-11-17 주식회사 엘지화학 노이즈를 반영한 배터리 잔존 용량 산출 장치 및 방법
KR102160274B1 (ko) * 2017-09-07 2020-09-25 주식회사 엘지화학 배터리 충전 상태 추정 장치 및 방법
CN107688155B (zh) * 2017-10-19 2019-12-27 中国矿业大学 一种用于电池管理系统中的电池剩余容量估算方法
KR102239365B1 (ko) 2017-10-20 2021-04-09 주식회사 엘지화학 배터리 충전 상태 추정 장치
KR102437477B1 (ko) * 2017-12-26 2022-08-26 주식회사 엘지에너지솔루션 배터리의 만충전 용량을 산출하기 위한 배터리 관리 시스템 및 방법
CN109991552B (zh) * 2017-12-29 2021-01-15 微宏动力系统（湖州）有限公司 一种估算电池剩余容量的方法
KR102398073B1 (ko) * 2018-01-09 2022-05-12 주식회사 엘지에너지솔루션 배터리 잔존량 보정 장치 및 방법
KR102458526B1 (ko) * 2018-02-07 2022-10-25 주식회사 엘지에너지솔루션 배터리의 동작 상태에 따라 soc를 추정하는 장치 및 방법
KR102349235B1 (ko) * 2018-02-14 2022-01-07 주식회사 엘지에너지솔루션 배터리의 충전 상태를 추정하기 위한 장치 및 방법
JP6978339B2 (ja) * 2018-02-16 2021-12-08 株式会社半導体エネルギー研究所 二次電池の充電状態推定装置及び異常検出装置、及び二次電池の管理システム
KR102429307B1 (ko) * 2018-02-19 2022-08-03 주식회사 엘지에너지솔루션 이차 전지 상태 추정 장치
KR20190100065A (ko) 2018-02-20 2019-08-28 주식회사 엘지화학 에너지 저장 시스템의 충전용량 산출 장치 및 방법
CN108448665A (zh) * 2018-03-08 2018-08-24 合肥新胜电达电子科技有限公司 一种对蓄电池组进行充电及养护的智能充电系统
KR102650965B1 (ko) * 2018-04-23 2024-03-25 삼성에스디아이 주식회사 배터리 상태 추정 방법
KR101944313B1 (ko) * 2018-04-30 2019-02-01 쌍용자동차 주식회사 배터리의 수명예측장치
KR102318754B1 (ko) * 2018-05-18 2021-10-27 엘에스일렉트릭(주) Dc-dc 컨버터의 최적 제어 방법
JP7091999B2 (ja) * 2018-11-09 2022-06-28 トヨタ自動車株式会社 電池制御装置
CN109725188B (zh) * 2018-12-29 2021-10-01 蜂巢能源科技有限公司 一种电流测量方法和装置
CN109633477B (zh) * 2019-01-04 2021-04-16 深圳市计量质量检测研究院 基于ekf-gpr和日常片段数据的电池组健康状态的实时监控方法
KR20200099982A (ko) * 2019-02-15 2020-08-25 주식회사 엘지화학 충전 상태 추정 장치 및 방법
KR20210051809A (ko) * 2019-10-31 2021-05-10 주식회사 엘지화학 배터리 충전상태 추정방법 및 이를 적용한 배터리 관리 시스템
US11397214B2 (en) * 2020-01-17 2022-07-26 Semiconductor Components Industries, Llc Methods and apparatus for a battery
KR20210118669A (ko) * 2020-03-23 2021-10-01 주식회사 엘지에너지솔루션 배터리 파라미터 설정 장치 및 방법
CN111474481B (zh) * 2020-04-13 2022-08-09 深圳埃瑞斯瓦特新能源有限公司 基于扩展卡尔曼滤波算法的电池soc估算方法及装置
JP7485566B2 (ja) 2020-08-12 2024-05-16 日立グローバルライフソリューションズ株式会社 電池状態推定装置、電池状態推定方法およびプログラム
US11801768B2 (en) 2021-05-05 2023-10-31 Toyota Motor North America, Inc. Transport battery health
KR20230105555A (ko) * 2022-01-04 2023-07-11 주식회사 엘지에너지솔루션 배터리 상태 추정 장치 및 방법
KR102412606B1 (ko) * 2022-02-10 2022-06-22 이중휘 배터리의 soh 추정 장치 및 방법
KR102416009B1 (ko) * 2022-02-10 2022-06-30 이중휘 배터리의 soc 추정 장치 및 방법

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20070029936A (ko) * 2005-09-12 2007-03-15 삼성에스디아이 주식회사 배터리 관리 시스템 및 그의 구동 방법
KR20080000160A (ko) * 2006-06-26 2008-01-02 삼성에스디아이 주식회사 배터리 ｓｏｃ 추정 방법 및 이를 이용하는 배터리 관리시스템 및 구동 방법
KR20080054078A (ko) * 2006-12-12 2008-06-17 넥스콘 테크놀러지 주식회사 하이브리드 전기자동차의 배터리 잔존용량 보정방법
KR20100078842A (ko) * 2008-12-30 2010-07-08 한국전기연구원 배터리 충전상태를 추정하기 위한 배터리 관리 시스템 및 그 방법
KR20120004670A (ko) * 2010-07-07 2012-01-13 인셀스(주) 차량용 배터리 센서

Family Cites Families (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07274411A (ja) * 1994-03-30 1995-10-20 Mitsubishi Electric Corp 車両用発電制御装置
DE60045170D1 (de) 1999-09-09 2010-12-09 Toyota Motor Co Ltd System zum Messen der Batteriekapazität und Berechnen der verbleibenden Kapazität
JP2002238181A (ja) * 2001-02-13 2002-08-23 Denso Corp 車載バッテリの充電状態検出装置
JP4071207B2 (ja) * 2004-03-12 2008-04-02 株式会社日本自動車部品総合研究所 電池の電流計測装置
JP4830382B2 (ja) * 2005-07-19 2011-12-07 日産自動車株式会社 二次電池の充電率推定装置
JP4923462B2 (ja) * 2005-07-25 2012-04-25 日産自動車株式会社 二次電池の充電率推定装置
JP2007057399A (ja) * 2005-08-25 2007-03-08 Nissan Motor Co Ltd 電流センサの出力補正装置
JP4984527B2 (ja) * 2005-12-27 2012-07-25 トヨタ自動車株式会社 二次電池の充電状態推定装置および充電状態推定方法
US7400115B2 (en) * 2006-02-09 2008-07-15 Lg Chem, Ltd. System, method, and article of manufacture for determining an estimated combined battery state-parameter vector
KR100878123B1 (ko) * 2007-05-14 2009-01-12 주식회사 엘지화학 배터리 상태 및 파라미터 추정 시스템 및 방법
JP4893653B2 (ja) * 2008-02-19 2012-03-07 トヨタ自動車株式会社 車両、二次電池の充電状態推定方法および車両の制御方法
JP2010203854A (ja) * 2009-03-02 2010-09-16 Nissan Motor Co Ltd 二次電池の内部状態推定装置
JP2011106952A (ja) * 2009-11-17 2011-06-02 Honda Motor Co Ltd 電池の残容量推定方法
JP4689755B1 (ja) * 2010-03-23 2011-05-25 古河電気工業株式会社 電池内部状態推定装置および電池内部状態推定方法
EP2555008A4 (en) * 2010-03-30 2013-08-28 Honda Motor Co Ltd METHOD FOR DETECTING THE BATTERY CAPACITY OF A SECONDARY BATTERY
JP5640477B2 (ja) * 2010-06-08 2014-12-17 マツダ株式会社 バッテリの残容量検出方法及び検出装置
JP5393619B2 (ja) * 2010-08-26 2014-01-22 カルソニックカンセイ株式会社 バッテリの充電率推定装置
JP5329500B2 (ja) * 2010-09-06 2013-10-30 カルソニックカンセイ株式会社 バッテリの充電率推定装置
JP5419832B2 (ja) * 2010-09-07 2014-02-19 カルソニックカンセイ株式会社 電池容量算出装置および電池容量算出方法
US9201121B2 (en) * 2010-12-06 2015-12-01 Texas Instruments Incorporated System and method for sensing battery capacity
US20140236511A1 (en) * 2011-09-30 2014-08-21 Kpit Cummins Infosystems Ltd. System and method for determining state of charge of a battery

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20070029936A (ko) * 2005-09-12 2007-03-15 삼성에스디아이 주식회사 배터리 관리 시스템 및 그의 구동 방법
KR20080000160A (ko) * 2006-06-26 2008-01-02 삼성에스디아이 주식회사 배터리 ｓｏｃ 추정 방법 및 이를 이용하는 배터리 관리시스템 및 구동 방법
KR20080054078A (ko) * 2006-12-12 2008-06-17 넥스콘 테크놀러지 주식회사 하이브리드 전기자동차의 배터리 잔존용량 보정방법
KR20100078842A (ko) * 2008-12-30 2010-07-08 한국전기연구원 배터리 충전상태를 추정하기 위한 배터리 관리 시스템 및 그 방법
KR20120004670A (ko) * 2010-07-07 2012-01-13 인셀스(주) 차량용 배터리 센서

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016540962A (ja) * 2013-10-14 2016-12-28 エルジー・ケム・リミテッド ハイブリッド二次電池の状態推定装置及びその方法
JP2017501374A (ja) * 2013-10-14 2017-01-12 エルジー・ケム・リミテッド 混合正極材を含む二次電池の状態推定装置及びその方法
CN110462412A (zh) * 2017-11-01 2019-11-15 株式会社Lg化学 用于估计电池的soc的装置和方法
CN110462412B (zh) * 2017-11-01 2022-03-18 株式会社Lg化学 用于估计电池的soc的装置和方法

Also Published As

Publication number Publication date
KR20130105123A (ko) 2013-09-25
KR101486470B1 (ko) 2015-01-26
EP2700966A1 (en) 2014-02-26
CN103620432A (zh) 2014-03-05
CN103620432B (zh) 2016-05-18
US20140074416A1 (en) 2014-03-13
EP2700966B1 (en) 2016-08-31
EP2700966A4 (en) 2015-11-11
US10267864B2 (en) 2019-04-23
JP2014522488A (ja) 2014-09-04
JP5850142B2 (ja) 2016-02-03

Similar Documents

Publication Publication Date Title
WO2013137672A1 (ko) 배터리 상태 추정 장치 및 방법
Zheng et al. State-of-charge inconsistency estimation of lithium-ion battery pack using mean-difference model and extended Kalman filter
CN106716708B (zh) 电池管理装置以及电源装置
WO2018124511A1 (ko) 배터리의 충전 상태를 캘리브레이션하기 위한 배터리 관리 장치 및 방법
WO2019050330A1 (ko) 배터리 충전 상태 추정 장치 및 방법
WO2022055080A1 (ko) 배터리의 충전상태를 추정하는 방법
WO2019088746A1 (ko) 배터리 soc 추정 장치 및 방법
WO2019088492A1 (ko) 배터리 등가 회로 모델의 파라미터 추정 방법, 장치 및 기록매체
WO2019098722A1 (ko) 배터리 저항 추정 장치 및 방법
WO2021049753A1 (ko) 배터리 진단 장치 및 방법
WO2021020852A1 (ko) 배터리 관리 장치 및 배터리 관리 방법
KR20100000196A (ko) 배터리 관리 시스템 및 그 구동 방법
JP4542675B2 (ja) 電気自動車用組電池の電圧補正装置
WO2019098576A1 (ko) 배터리 여유 용량 추정 장치
WO2020162675A1 (ko) 배터리 관리 장치, 배터리 관리 방법 및 배터리 팩
WO2020213905A1 (ko) 배터리의 퇴화 상태를 결정하기 위한 장치, 방법, 배터리 팩 및 전기 차량
WO2015056846A1 (ko) 이차전지의 충전량 유지 장치 및 방법
WO2020262787A1 (ko) 내부 단락 셀 검출 방법
KR20150084532A (ko) 절연 저항 측정 장치 및 방법
WO2020262789A1 (ko) 이상 배터리 셀 검출 방법
WO2022145830A1 (ko) 배터리 진단 장치, 배터리 진단 방법, 배터리 팩 및 전기 차량
WO2020067741A1 (ko) Soc 추정 장치 및 방법
WO2019245215A1 (ko) 전류 측정 장치, 전류 측정 방법 및 상기 전류 측정 장치를 포함하는 배터리 팩
WO2020153625A1 (ko) 배터리 관리 장치, 배터리 관리 방법 및 배터리 팩
WO2019093625A1 (ko) 충전 제어 장치 및 방법

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 13761507

Country of ref document: EP

Kind code of ref document: A1

REEP Request for entry into the european phase

Ref document number: 2013761507

Country of ref document: EP

WWE Wipo information: entry into national phase

Ref document number: 2013761507

Country of ref document: EP

ENP Entry into the national phase

Ref document number: 2014512778

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE