WO2019078658A1 - 빅데이터 기반의 배터리 열화도 추정장치 및 방법 - Google Patents

빅데이터 기반의 배터리 열화도 추정장치 및 방법 Download PDF

Info

Publication number
WO2019078658A1
WO2019078658A1 PCT/KR2018/012380 KR2018012380W WO2019078658A1 WO 2019078658 A1 WO2019078658 A1 WO 2019078658A1 KR 2018012380 W KR2018012380 W KR 2018012380W WO 2019078658 A1 WO2019078658 A1 WO 2019078658A1
Authority
WO
WIPO (PCT)
Prior art keywords
battery
deterioration
data
per unit
degree
Prior art date
Application number
PCT/KR2018/012380
Other languages
English (en)
French (fr)
Inventor
한세경
최정현
정중호
박정주
Original Assignee
경북대학교 산학협력단
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 경북대학교 산학협력단 filed Critical 경북대학교 산학협력단
Publication of WO2019078658A1 publication Critical patent/WO2019078658A1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/392—Determining battery ageing or deterioration, e.g. state of health
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables

Definitions

  • the present invention relates to an apparatus and method for estimating battery deterioration based on a big data, and more particularly, to a battery deterioration estimating apparatus and method for efficiently managing and controlling a battery.
  • a battery management system is a system that controls a battery in a minimum deterioration direction. For this purpose, it is important for the battery management system to accurately estimate the deterioration of the battery.
  • the battery deterioration factor has many variables. Therefore, it is necessary to provide back data including information on variables when estimating battery deterioration. For example, if a preliminary test showing the deterioration degree of each section including deterioration factors (temperature, c_rate, SOC, etc.) is made, the degree of deterioration using the back data can be estimated. However, this preliminary test is practically impossible because it takes a great deal of time and money.
  • the conventional battery deterioration estimating method relies on the initial back data.
  • the deterioration degree of the battery is not reflected over time, it is difficult to accurately estimate the battery deterioration degree.
  • the present invention provides an apparatus and method for estimating battery degradation based on receiving deterioration factor data per unit energy from a battery operating under various operating conditions
  • a big data-based battery deterioration estimating apparatus includes a data collecting unit for receiving deterioration factor data per unit energy for each operation interval of a battery from a battery management apparatus provided in the battery, A data processing unit for calculating a deterioration rate per unit energy based on deterioration factor data received by the data collecting unit based on the big data of the deterioration per energy per unit energy, And a deterioration degree calculating unit for calculating a deterioration degree of the battery having an arbitrary usage pattern based on the big data of the deterioration degree per unit energy for each operation section.
  • the data collector may further include a capacity retention (CR), a power retention (PR), and an end-of-life (EOL) ) ≪ / RTI >
  • CR capacity retention
  • PR power retention
  • EOL end-of-life
  • the data collector may receive the value of the used capacity ([Delta] q) corresponding to the energy in the unit section from the battery management apparatus.
  • the data collecting unit may acquire a distance to the full charge (DFC), which is a distance from the battery management device to the current capacity from the temperature (Temp), the discharge rate (C_rate) Degradation factor data including the degradation factor data.
  • DFC full charge
  • Temp temperature
  • C_rate discharge rate
  • the data processing unit may be configured to determine whether the value of a predetermined section of the life evaluation function representing the operation period of the battery is greater than the capacity (? Q) of at least one unit energy in each section and the deterioration degree per unit energy (W i, degradation can be calculated per the Fig j) reflecting the deteriorated print data received by the data collection unit so that the unit can be calculated in accordance with the energy.
  • the data processing unit may be configured to calculate a deterioration degree (W i, j ) per unit energy in the use capacity (? Q) of the unit energy in each section by using a value of a predetermined section of the life evaluation function representing the operation section of the battery
  • the deterioration rate per unit energy that reflects the deterioration factor data received by the data collection unit can be calculated so that the deterioration rate per unit energy can be made to be the sum of the multiplied values.
  • the data storage unit may store deterioration factor data per unit energy that reflects deterioration factor data including a temperature (Temp), a discharge rate (C_rate), and a buffer distance (DFC) Can be stored as big data.
  • deterioration factor data per unit energy that reflects deterioration factor data including a temperature (Temp), a discharge rate (C_rate), and a buffer distance (DFC) Can be stored as big data.
  • the data collecting unit may receive deterioration factor data per unit energy of each battery by a plurality of battery management apparatuses provided in the battery of the same specification.
  • the data collecting unit may further include a life evaluation unit that reflects an open circuit voltage (OCV) of a battery and a capacity maintenance ratio (CR) calculated according to a current integrated value so as to indicate an operating period of the battery from the battery management device Function can be received.
  • OCV open circuit voltage
  • CR capacity maintenance ratio
  • a method of estimating battery deterioration based on a big data comprising the steps of: receiving deterioration factor data per unit energy for each operation period of a battery from a battery management device provided in the battery;
  • the deterioration rate per unit energy reflecting the deterioration factor data is calculated based on the big data of the degree of sugar deterioration and the big data of deterioration per unit energy of each operation interval is updated by reflecting the calculated deterioration degree,
  • the deterioration degree of the battery having an arbitrary usage pattern is calculated based on the big data of the deterioration degree per unit energy per section.
  • receiving deterioration factor data per unit energy of the battery from the battery management device provided in the battery may include capacity retention (CR), output And may include receiving a life evaluation function that is computed according to a power retention (PR) and an end-of-life (EOL).
  • capacity retention CR
  • PR power retention
  • EOL end-of-life
  • the receiving of the deterioration factor data per unit energy of the battery from the battery management device provided in the battery may include receiving the used capacity value? Q corresponding to the energy in the unit interval from the battery management device .
  • the receiving of the deterioration factor data per unit energy of the battery from the battery management apparatus provided in the battery may include receiving the deterioration factor data per unit energy of the battery from the battery management apparatus in accordance with the temperature Temp, the discharge rate C_rate, (DFC), which is the distance from the current capacity to the current capacity.
  • DFC discharge rate
  • the calculation of the deterioration rate per unit energy based on the deterioration factor data received by the data collection unit based on the big data of deterioration degree per unit energy per unit operating range previously stored may be performed using a life evaluation function
  • the deterioration factor data received by the data collection unit such that the value of the predetermined section is calculated according to the capacity (? Q) and the deterioration degree per unit energy (W i, j ) of at least one unit energy in each section
  • the deterioration degree per unit energy may be calculated.
  • the calculation of the deterioration rate per unit energy based on the deterioration factor data received by the data collection unit based on the big data of deterioration degree per unit energy per unit operating range previously stored may be performed using a life evaluation function
  • the deterioration factor data received by the data collection unit such that the value of the predetermined section is made up of the sum of the values of the capacity (? Q) of the unit energy in each section multiplied by the degree of deterioration per unit energy (W i, j )
  • the deterioration degree per unit energy may be calculated.
  • the updating of the big data of the deterioration degree per unit energy of each operation section in accordance with the calculated deterioration degree may be performed based on the temperature Temp, the discharge rate C_rate, and the distance from the full charge state to the current capacity
  • the deterioration rate per unit energy that reflects deterioration factor data including the damping distance (DFC) may be stored as big data.
  • receiving deterioration factor data per unit energy of each battery by a battery management device provided in the battery may include receiving deterioration factor data per unit energy of each battery from a plurality of battery management devices provided in the battery of the same specification, Or may be receiving data.
  • the receiving of the deterioration factor data per unit energy of the battery from the battery management device provided in the battery may be performed by using an open circuit voltage (OCV) of the battery, Voltage) and a life evaluation function reflecting the capacity maintenance ratio (CR) calculated according to the current integrated value.
  • OCV open circuit voltage
  • Voltage Voltage
  • CR capacity maintenance ratio
  • battery deterioration is estimated based on data acquired from a battery operating under various operating conditions. Therefore, more precise battery deterioration estimation than conventional battery deterioration estimating method, In addition, deterioration factors can be grasped and the efficiency of the battery can be improved through optimal management and control using the degradation factors.
  • FIG. 1 is a diagram illustrating a configuration of a battery-degradation-rate estimation system based on a big data according to an embodiment of the present invention.
  • FIG. 2 is a diagram illustrating a method of estimating battery degradation in a battery-deterioration-rate estimation system based on a big data according to an embodiment of the present invention.
  • FIG. 3 is a control block diagram of the battery management apparatus shown in FIG.
  • CLEF life evaluation function
  • 5 is a graph for explaining nonlinear deterioration characteristics of a battery.
  • FIG. 6 is a flowchart illustrating a process of acquiring battery deterioration factor data in the battery management apparatus.
  • FIG. 7 is a control block diagram of the battery degradation degree estimating apparatus shown in FIG.
  • FIG. 8 is a flowchart illustrating a battery deterioration estimating process in the battery deterioration estimating apparatus shown in FIG.
  • FIG. 1 is a diagram illustrating a configuration of a battery-degradation-rate estimation system based on a big data according to an embodiment of the present invention.
  • a big data-based battery degradation degree estimation system 1000 includes a plurality of battery management devices 100 and a battery degradation degree estimation device 200, It is possible to perform communication between the plurality of battery management apparatuses 100 and the battery deterioration estimating apparatus 200 to transmit and receive data related to battery deterioration.
  • the Big Data-based battery degradation estimating system 1000 acquires data that affects deterioration of the battery in a plurality of battery management apparatuses 100 provided in the battery of the same specification
  • the battery degradation degree estimating apparatus 200 can store the data received from the plurality of battery management apparatuses 100 as big data and can use the big data to perform arbitrary operation It is possible to estimate the degree of deterioration of an operating battery under the condition.
  • the battery management apparatus 100 is a device provided in the battery for managing and controlling the battery in the minimum deterioration direction so as to increase the efficiency of the battery.
  • a battery management system BMS
  • the battery management device 100 is provided in a vehicle.
  • the battery management device 100 may be provided in various devices such as a notebook computer, a smart phone, and the like.
  • the battery management apparatus 100 may be fixed or mobile and may be in the form of a server or an engine.
  • the battery management apparatus 100 may measure the current and voltage of the battery to calculate the degree of deterioration of the battery and may acquire various data affecting deterioration of the battery and transmit the data to the battery deterioration estimating apparatus 200 . Also, the battery management device 100 receives the battery deterioration degree calculated by the battery deterioration degree estimation device 200, and can manage and control the battery based on the received battery deterioration degree.
  • the battery deterioration estimating apparatus 200 is capable of performing wireless communication with a plurality of battery management apparatuses 100 and may be fixed or mobile and may be in the form of a server or an engine.
  • the battery deterioration estimating apparatus 200 receives various data that affect battery deterioration from a plurality of battery management apparatuses 100 and can convert the data into big data. At this time, the battery deterioration estimating apparatus 200 receives data according to various operation patterns from the plurality of battery management apparatuses 100 and stores the data in the form of big data. Thus, The degree of deterioration can be estimated.
  • the big data-based battery degradation estimating system 1000 since the battery degradation degree is estimated based on the data acquired from the battery operating under various operating conditions, It is possible to estimate battery degradation more precisely as compared with the battery degradation estimation method which depends only on back data. In addition, deterioration factor can be grasped and battery efficiency can be improved through optimal management and control using the deterioration factor.
  • FIG. 2 is a diagram illustrating a method of estimating battery degradation in a battery-deterioration-rate estimation system based on a big data according to an embodiment of the present invention.
  • each of the plurality of battery management apparatuses 100 may calculate a life evaluation function (CLEF) representing the degree of deterioration of the battery.
  • CLEF life evaluation function
  • the plurality of battery management apparatuses 100 may acquire deterioration factor data per unit energy according to the used capacity ([Delta] q) for each section of the life evaluation function.
  • deterioration factor data is data that generally affects deterioration of the battery.
  • the deterioration factor data includes a temperature (Temp), a discharge rate (C_rate), and a distance to full charge (DFC) Lt; / RTI > Ah).
  • the damping distance (DFC) is a distance from the fully charged state to the current capacity as described above.
  • the unit of the damping distance is the unit of the capacity used for the battery (? Ah) .
  • the plurality of battery management apparatuses 100 may acquire the deterioration factor data per unit energy for each section of the life evaluation function and transmit the deterioration factor data to the battery deterioration degree estimation apparatus 200.
  • the battery degradation degree estimating apparatus 200 can compute the degree of deterioration (W i, p ) reflecting deterioration factor data per unit energy by combining data received from a plurality of battery management apparatuses 100.
  • the battery degradation degree estimating apparatus 200 estimates the battery degradation degree based on the deterioration degree (W i, p ) reflecting deterioration factor data per unit energy obtained in the interval, the capacity ( ⁇ q) of the unit energy, (W i, p ) reflecting deterioration factor data per unit energy can be calculated based on the fact that the deterioration degree per unit energy is defined by the sum of the values obtained by multiplying the deterioration factor data per unit energy. Accordingly, as the battery degradation degree estimating apparatus 200 acquires the parameters under various operating conditions from the plurality of battery management apparatuses 100, the deterioration degree (W i, p ) reflecting the degradation factor data per unit energy can be calculated more accurately have.
  • the battery deterioration degree estimating apparatus 200 can store the degree of deterioration (W i, p ) reflecting deterioration factor data per unit energy for each section of the life evaluation function as big data in the whole section of the life evaluation function.
  • the battery deterioration estimating apparatus 200 can estimate the deterioration degree of the battery having an arbitrary operating pattern based on the big data. For example, when the battery degradation degree estimating apparatus 200 receives the life evaluation function and deterioration factor data per unit energy of the battery from the battery management apparatus 100 provided in the battery having an arbitrary operating pattern, The degree of deterioration corresponding to these parameters can be estimated.
  • FIG. 3 is a control block diagram of the battery management apparatus shown in FIG.
  • the battery management apparatus 100 includes a deterioration degree calculation unit 110 and a deterioration factor data acquisition unit 120 to calculate a life evaluation function indicating the degree of deterioration, Can be obtained.
  • a deterioration degree calculation unit 110 and a deterioration factor data acquisition unit 120 to calculate a life evaluation function indicating the degree of deterioration, Can be obtained.
  • the deterioration degree calculating section 110 can calculate the life evaluation function indicating the deterioration degree of the battery.
  • the life evaluation function is a function for evaluating the life of the battery, and shows the degree of deterioration of the battery by setting the capacity retention and the power retention as variables.
  • the end-of-life point (EOL) And may be defined as 0% to 100%, depending on the temperature and the temperature.
  • the capacity retention rate (CR) means a ratio of the available capacity to the available capacity at the time of battery delivery
  • the output retention rate (PR) means a ratio of the maximum output to the current maximum output at the time of battery discharge.
  • the deterioration degree calculating unit 110 may calculate the capacity maintaining ratio CR and the output sustaining ratio PR to calculate the life evaluation function.
  • the deterioration degree calculating unit 110 can calculate a more accurate capacity maintenance ratio CR by reflecting the nonlinear deterioration characteristics of the battery. In this regard, the description will be made with reference to Fig.
  • 5 is a graph for explaining nonlinear deterioration characteristics of a battery.
  • the relationship between the open circuit voltage (OCV) and the discharge capacity (DC) according to the capacity retention rate (CR) can be checked. As the deterioration of the battery progresses, , It can be confirmed that the integrated value of the discharge current from the fully charged state to the fully discharged state of the battery is reduced. In addition, it can be seen that the deterioration of the battery progresses non-linearly.
  • the deterioration degree calculation unit 110 refers to the open circuit voltage (OCV) -current total value table for each capacity maintenance ratio (CR) derived through previous experiments so as to reflect the nonlinear deterioration characteristics of the battery, ) Can be calculated. To this end, the deterioration degree calculation unit 110 obtains a data set of at least two terminal voltage and current combinations having different values at the same current integration value point, and applies the data set to the simultaneous equations to calculate an open circuit The voltage (OCV) value can be calculated.
  • the deterioration degree calculating unit 110 applies the calculated open circuit voltage (OCV) value and the current integrated value at the point to the open circuit voltage (OCV) -current integrated value table for each capacity retention rate (CR)
  • OCV open circuit voltage
  • CR capacity retention rate
  • the deterioration degree calculation unit 110 can calculate the capacity retention rate CR reflecting the nonlinear deterioration characteristics of the battery in this manner and can obtain the current output of the battery and calculate the output sustaining rate PR.
  • the deterioration degree calculating unit 110 can calculate the life evaluation function indicating the degree of deterioration according to the life end point EOL, the capacity retention rate CR, and the output retention rate PR set in advance.
  • the deterioration factor data acquisition unit 120 may acquire deterioration factor data per unit energy for each interval of the life evaluation function.
  • deterioration factor data may include temperature (Temp), discharge rate (C_rate), and buffer distance (DFC), which affect battery deterioration.
  • the discharge rate (C_rate) is a unit for setting the current value under various use conditions at the time of charge and discharge of the battery, and for expressing the usable time of the battery.
  • the calculation of the current value according to charge / (C_rate charge / discharge current (A) / rated capacity of the battery).
  • the damping distance (DFC) is a concept defined to objectively indicate the capacity value of a battery having different degrees of deterioration.
  • the battery life measuring system is characterized in that it obtains data from a plurality of batteries and builds big data for calculating the deterioration degree of an arbitrary battery. At this time, if the deterioration degree of the plurality of batteries is the same, the current integrated value? Ah obtained by adding the used capacity due to discharge or charging may be used as one of deterioration factor data. However, if the plurality of batteries have different degrees of deterioration, since the capacity value of the SOC varies depending on the degree of deterioration, it is not preferable to obtain the current integrated value? Ah with deterioration factor data. As described above, the damping distance (DFC) represents the distance from the fully charged state to the current capacity. Therefore, the damping distance DFC is suitable for accurately expressing the degree of use because it has directionality for charging and discharging. And is suitable for use as deterioration factor data indicating the degree of use as an objective criterion.
  • the deterioration factor data acquisition unit 120 may measure the temperature Temp, the discharge rate C_rate, and the buffer distance DFC whenever the used capacity of the battery reaches ⁇ q for each section of the life evaluation function.
  • the section of the life evaluation function can be predetermined. For example, when the deterioration factor data acquisition unit 120 acquires deterioration factor data of a newly shipped battery, first, the life estimation function can acquire degradation factor data of 100 to 99% interval. In this case, the battery has a certain use pattern in the life evaluation function of 100 to 99%.
  • the deterioration factor data acquiring unit 120 acquires the temperature (Temp), the discharge rate (C_rate), and the cushion distance (Dfc) in the corresponding interval every 100 to 99% ) Can be measured.
  • the deterioration factor data acquisition unit 120 may acquire deterioration factor data per unit energy for each interval of the life evaluation function and transmit the deterioration factor data to the battery degradation degree estimation apparatus 200.
  • the plurality of battery management apparatuses 100 can be mounted on a battery of the same specification, and can track the deterioration factor data of each battery in a predetermined operational section, and transmit the data to the battery deterioration degree estimation apparatus 200 .
  • FIG. 6 is a flowchart illustrating a process of acquiring battery deterioration factor data in the battery management apparatus.
  • the battery management apparatus 100 acquires (600) a data set of at least two terminal voltage and current combinations having different values at the same current integration point,
  • the open circuit voltage OCV may be calculated 610 and the capacity maintaining ratio CR may be calculated by comparing the calculated open circuit voltage OCV with the open circuit voltage OCV- (620).
  • the battery management apparatus 100 can calculate the life evaluation function according to the capacity maintenance ratio CR (630).
  • the battery management apparatus 100 may obtain the temperature (Temp), the discharge rate (C_rate), and the buffer distance (DFC) per unit energy (? Q) (640).
  • the battery management apparatus 100 may transmit the life evaluation function, the used capacity? Q, the temperature Temp, the discharge rate C_rate and the buffer distance DFC to the battery degradation degree estimating apparatus 200 (650) .
  • FIG. 7 is a control block diagram of the battery degradation degree estimating apparatus 200 shown in FIG.
  • the battery deterioration estimating apparatus 200 includes a data collecting unit 210, a data processing unit 220, a data storing unit 230, and a deterioration calculating unit 240,
  • the data received from the apparatus 100 can be converted into big data and the deterioration degree of a battery having an arbitrary usage pattern can be estimated using the data.
  • each component of the battery deterioration estimating apparatus 200 shown in FIG. 7 will be described in detail.
  • the data collecting unit 210 can receive deterioration factor data per unit energy of each battery from a plurality of battery management apparatuses 100 provided in a plurality of batteries constituted by battery cells of the same specification.
  • the data collecting unit 210 acquires, from the battery management apparatus 100, a life evaluation function indicating an operation interval according to the deterioration degree of each battery, a used capacity (? Q) in a unit section, (Temp), a discharge rate (C_rate), and a buffer distance (DFC).
  • the data processing unit 220 may calculate the degree of deterioration (W i, j ) reflecting deterioration factor data per unit energy according to data received by the data collection unit 210.
  • the deterioration degree (W i, j ) is a Wear Density Function (WDF), and it is possible to quantitatively estimate the remaining lifetime and deterioration cost of the battery.
  • WDF Wear Density Function
  • the data processing unit 220 determines the value of each interval of the life evaluation function by multiplying the deterioration degree (W i, j ) reflecting deterioration factor data per unit energy obtained in the interval by the used capacity ( ⁇ q) of the unit energy (W i, j ) reflecting deterioration factor data per unit energy can be calculated based on the fact that the deterioration factor data is defined by the sum of the values of the deterioration factor per unit energy.
  • the data processing unit 220 can calculate the degree of deterioration (W i, j ) that reflects deterioration factor data per unit energy using the following equation (1).
  • CLEF i represents a period of the life evaluation function
  • W i, j W i ( ⁇ Ah, Temp, C_rate) represents the deterioration per unit energy
  • ⁇ q represents the used capacity of the unit energy
  • the data processing unit 220 calculates the sum of the products of the unit capacity of the unit energy ( ⁇ q) and the degradation per unit energy (W i, j ) of the section of the life evaluation function , The deterioration degree per unit energy W i, j can be calculated.
  • the deterioration degree (W i, j ) reflecting deterioration factor data per unit energy calculated by the data processing unit 220 is stored in the data storage unit 230 for each section of the life evaluation function through a series of processes.
  • the data processing unit 220 calculates the degree of deterioration per unit energy per unit energy of the life evaluation function as the deterioration degree per unit energy W i, j of the life evaluation function stored in advance in the data storage unit 230 increases, (W i, j ) can be more accurately calculated.
  • the deterioration factor data received from the plurality of battery management apparatuses 100 may include data (temperature) (temp) 10, discharge rate (C_rate) 10,
  • the data is converted into Big data through a series of processes, and degradation per unit energy W i, which reflects deterioration factor data of 1000 combinations as follows , j can be calculated.
  • the data processing unit 220 may calculate the degree of deterioration (W i, j ) of the data set collected by the data collecting unit 210. That is, the data processing unit 220 can calculate the degree of deterioration (W i, j ) that reflects deterioration factor data per unit energy acquired in each section, according to a section of a predefined life evaluation function.
  • the data storage unit 230 may store the deterioration degree W i, j calculated by the data processing unit 220 according to the data set received by the data collection unit 210 as a big data.
  • the data storage unit 230 stores the data of each unit of the life evaluation function in the matrix form as shown in the following Equation 2 by the product of the unit capacity of the unit energy ( ⁇ q) and the deterioration degree per unit energy (W i, p ) As shown in FIG.
  • CLEF i denotes each interval of the life evaluation function
  • W i, p W i ( ⁇ Ah, Temp, C_rate) denotes the deterioration per unit energy
  • ⁇ q denotes the used capacity of the unit energy .
  • the data processing unit 220 can calculate the degree of deterioration (W i, j ) for the data set collected by the data collecting unit 210 from the equation (2).
  • the deterioration degree calculating unit 240 can calculate the degree of deterioration of the battery having an arbitrary usage pattern based on the big data of the data storage unit 230.
  • the deterioration degree calculation unit 240 calculates information on the operation period of the battery and the temperature (Temp) at that time, a discharge rate (C_rate) and the buffer distance (DFC) deterioration factor data, the deterioration degree of the battery can be calculated and provided.
  • the deterioration degree calculating unit 240 calculates the deterioration degree calculating unit 240 from the battery management apparatus 100 based on the life evaluation function, the used capacity? Q, the temperature Temp, the discharge rate C_rate, The deterioration degree reflecting the temperature (Temp), the discharge rate (C_rate), and the cushion distance (DFC) of the battery can be calculated by referring to the big data of the data storage unit (230) And the calculated degree of deterioration can be transmitted to the battery management apparatus 100.
  • the battery management apparatus 100 can increase the efficiency of the battery by managing and controlling the battery based on the degree of deterioration received from the deterioration degree calculation unit 240.
  • the battery deterioration estimating apparatus 200 calculates the deterioration degree in accordance with deterioration factor data under various usage patterns received from the plurality of battery management apparatuses 100, and converts the deterioration degree into big data. Based on such big data, It is possible to more accurately estimate and provide the degree of deterioration of the battery operating in the pattern.
  • FIG. 8 is a flowchart showing a process of estimating the battery deterioration degree in the battery deterioration degree estimating apparatus.
  • the battery deterioration estimating apparatus 200 estimates the battery degradation degree of each battery from the plurality of battery management apparatuses 100 using the life evaluation function of each battery, the used capacity? Q in the unit period, and the temperature Temp ), A discharge rate (C_rate), and a buffer distance (DFC) degradation factor data (800).
  • the plurality of battery management apparatuses 100 may be devices provided in a battery of the same specification.
  • the battery deterioration degree estimating apparatus 200 calculates deterioration rate per unit energy that reflects deterioration factor data received from the plurality of battery management apparatuses 100 based on the big data of degradation per unit energy of each section of the life evaluation function previously stored, (810), and the big data of deterioration per unit energy of each of the intervals of the life evaluation function may be updated (820).
  • the battery degradation degree estimating apparatus 200 can calculate the deterioration rate per unit energy that reflects deterioration factor data based on Equation (2).
  • the battery deterioration degree estimation device 200 refers to the big data and calculates deterioration rate per unit energy (840), and transmits the estimated deterioration degree to the battery management apparatus 100 that has received the data (850).
  • Such a battery degradation estimation method may be implemented in the form of program instructions that can be executed through various computer components and recorded on a computer-readable recording medium.
  • the computer-readable recording medium may include program commands, data files, data structures, and the like, alone or in combination.
  • the program instructions recorded on the computer-readable recording medium may be ones that are specially designed and configured for the present invention and are known and available to those skilled in the art of computer software.
  • Examples of computer-readable recording media include magnetic media such as hard disks, floppy disks and magnetic tape, optical recording media such as CD-ROMs and DVDs, magneto-optical media such as floptical disks, media, and hardware devices specifically configured to store and execute program instructions such as ROM, RAM, flash memory, and the like.
  • program instructions include machine language code such as those generated by a compiler, as well as high-level language code that can be executed by a computer using an interpreter or the like.
  • the hardware device may be configured to operate as one or more software modules for performing the processing according to the present invention, and vice versa.

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Secondary Cells (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

빅데이터 기반의 배터리 열화도 추정장치 및 방법이 개시된다. 빅데이터 기반의 배터리 열화도 추정장치는 배터리에 마련되는 배터리 관리 장치로부터 배터리의 운용 구간별 단위 에너지당 열화 인자 데이터를 수신하는 데이터 수집부, 미리 저장된 운용 구간별 단위 에너지당 열화도의 빅데이터에 기반하여, 데이터 수집부에서 수신하는 열화 인자 데이터를 반영한 단위 에너지당 열화도를 산출하는 데이터 처리부, 상기 데이터 처리부에서 산출한 열화도를 반영하여 상기 운용 구간별 단위 에너지당 열화도의 빅데이터를 업데이트하는 데이터 저장부 및 상기 운용 구간별 단위 에너지당 열화도의 빅데이터에 기반하여 임의의 사용패턴을 갖는 배터리의 열화도를 산출하는 열화도 산출부를 포함한다.

Description

빅데이터 기반의 배터리 열화도 추정장치 및 방법
본 발명은 빅데이터 기반의 배터리 열화도 추정장치 및 방법에 관한 것으로서, 보다 상세하게는 배터리의 효율적인 관리 및 제어를 위한 배터리 열화도 추정장치 및 방법에 관한 것이다.
배터리 관리 시스템(BMS)은 최소한의 열화 방향으로 배터리를 제어하는 시스템이다. 이를 위해, 배터리 관리 시스템은 배터리의 열화도를 정확히 추정하는 것이 중요하다.
한편, 배터리 열화요인은 수많은 변수를 가진다. 이에, 배터리 열화도 추정시 변수들의 정보가 포함된 백데이터가 필요하다. 예를 들면, 열화요인(온도, c_rate, SOC 등)이 포함된 구간별 열화정도를 나타내는 사전시험이 되어있으면 그 백데이터를 이용한 열화도의 추정이 가능하다. 그러나 이러한 사전시험은 막대한 시간과 비용이 필요하기 때문에 현실적으로 불가능하다.
이에, 종래의 배터리 열화도 추정방법으로는 초기의 백데이터에 의존하여 이루어지는데, 시간이 지남에 따라 진행되는 배터리의 열화정도가 반영되지 않으므로, 정확한 배터리 열화도를 추정하는데 어려움이 있다.
다양한 운용 조건 하에서 동작하는 배터리로부터 운용 구간별 단위 에너지당 열화 인자 데이터를 수신하여 빅데이터화하고, 이에 기반한 배터리 열화도 추정장치 및 방법을 제공하고자 한다.
본 발명의 일 측면에 따른 빅데이터 기반의 배터리 열화도 추정장치는, 배터리에 마련되는 배터리 관리 장치로부터 배터리의 운용 구간별 단위 에너지당 열화 인자 데이터를 수신하는 데이터 수집부, 미리 저장된 운용 구간별 단위 에너지당 열화도의 빅데이터에 기반하여, 데이터 수집부에서 수신하는 열화 인자 데이터를 반영한 단위 에너지당 열화도를 산출하는 데이터 처리부, 상기 데이터 처리부에서 산출한 열화도를 반영하여 상기 운용 구간별 단위 에너지당 열화도의 빅데이터를 업데이트하는 데이터 저장부 및 상기 운용 구간별 단위 에너지당 열화도의 빅데이터에 기반하여 임의의 사용패턴을 갖는 배터리의 열화도를 산출하는 열화도 산출부를 포함한다.
한편, 상기 데이터 수집부는, 상기 배터리 관리 장치로부터 배터리의 운용 구간을 나타낼 수 있도록, 용량유지율(CR: Capacity Retention), 출력유지율(PR: Power Retention) 및 수명 종료 지점(EOL: End-of-Life)에 따라 산출되는 수명평가함수를 수신할 수 있다.
또한, 상기 데이터 수집부는, 상기 배터리 관리 장치로부터 단위 구간에서의 에너지에 해당하는 사용용량(△q)값을 수신할 수 있다.
또한, 상기 데이터 수집부는, 상기 배터리 관리 장치로부터 상기 단위 구간에서의 온도(Temp), 방전 율속(C_rate) 및 완전 충전 상태로부터 현재 용량까지의 거리인 완충 거리(DFC: Distance to the Full Charge)를 포함하는 열화 인자 데이터를 수신할 수 있다.
또한, 상기 데이터 처리부는, 배터리의 운용 구간을 나타내는 수명평가함수의 미리 정해진 구간의 값이, 각 구간에서의 적어도 하나의 단위 에너지의 사용용량(△q) 및 단위 에너지당 열화도(Wi,j)에 따라 산출될 수 있도록 데이터 수집부에서 수신하는 열화 인자 데이터를 반영한 단위 에너지당 열화도를 산출할 수 있다.
또한, 상기 데이터 처리부는, 배터리의 운용 구간을 나타내는 수명평가함수의 미리 정해진 구간의 값이, 각 구간에서의 단위 에너지의 사용용량(△q)에 단위 에너지당 열화도(Wi,j)를 곱한 값들의 합으로 이루어질 수 있도록 데이터 수집부에서 수신하는 열화 인자 데이터를 반영한 단위 에너지당 열화도를 산출할 수 있다.
또한, 상기 데이터 저장부는, 상기 운용 구간별로 온도(Temp), 방전 율속(C_rate) 및 완전 충전 상태로부터 현재 용량까지의 거리인 완충 거리(DFC)를 포함하는 열화 인자 데이터를 반영한 단위 에너지당 열화도를 빅데이터로 저장할 수 있다.
또한, 상기 데이터 수집부는, 동일한 사양의 배터리에 마련되는 복수의 배터리 관리 장치로부터 각 배터리의 운용 구간별 단위 에너지당 열화 인자 데이터를 수신할 수 있다.
또한, 상기 데이터 수집부는, 상기 배터리 관리 장치로부터 배터리의 운용 구간을 나타낼 수 있도록, 배터리의 개방 회로 전압(OCV: Open Circuit Voltage) 및 전류적산치에 따라 산출되는 용량유지율(CR)을 반영한 수명평가함수를 수신할 수 있다.
한편, 본 발명의 다른 측면에 따른 빅데이터 기반의 배터리 열화도 추정방법은, 배터리에 마련되는 배터리 관리 장치로부터 배터리의 운용 구간별 단위 에너지당 열화 인자 데이터를 수신하고, 미리 저장된 운용 구간별 단위 에너지당 열화도의 빅데이터에 기반하여, 상기 열화 인자 데이터를 반영한 단위 에너지당 열화도를 산출하고, 산출한 열화도를 반영하여 상기 운용 구간별 단위 에너지당 열화도의 빅데이터를 업데이트하며, 상기 운용 구간별 단위 에너지당 열화도의 빅데이터에 기반하여 임의의 사용패턴을 갖는 배터리의 열화도를 산출한다.
한편, 배터리에 마련되는 배터리 관리 장치로부터 배터리의 운용 구간별 단위 에너지당 열화 인자 데이터를 수신하는 것은, 상기 배터리 관리 장치로부터 배터리의 운용 구간을 나타낼 수 있도록, 용량유지율(CR: Capacity Retention), 출력유지율(PR: Power Retention) 및 수명 종료 지점(EOL: End-of-Life)에 따라 산출되는 수명평가함수를 수신하는 것을 포함할 수 있다.
또한, 배터리에 마련되는 배터리 관리 장치로부터 배터리의 운용 구간별 단위 에너지당 열화 인자 데이터를 수신하는 것은, 상기 배터리 관리 장치로부터 단위 구간에서의 에너지에 해당하는 사용용량(△q)값을 수신하는 것을 포함할 수 있다.
또한, 배터리에 마련되는 배터리 관리 장치로부터 배터리의 운용 구간별 단위 에너지당 열화 인자 데이터를 수신하는 것은, 상기 배터리 관리 장치로부터 상기 단위 구간에서의 온도(Temp), 방전 율속(C_rate) 및 완전 충전 상태로부터 현재 용량까지의 거리인 완충 거리(DFC)를 포함하는 열화 인자 데이터를 수신하는 것을 포함할 수 있다.
또한, 미리 저장된 운용 구간별 단위 에너지당 열화도의 빅데이터에 기반하여, 데이터 수집부에서 수신하는 열화 인자 데이터를 반영한 단위 에너지당 열화도를 산출하는 것은, 배터리의 운용 구간을 나타내는 수명평가함수의 미리 정해진 구간의 값이, 각 구간에서의 적어도 하나의 단위 에너지의 사용용량(△q) 및 단위 에너지당 열화도(Wi,j)에 따라 산출될 수 있도록 데이터 수집부에서 수신하는 열화 인자 데이터를 반영한 단위 에너지당 열화도를 산출하는 것일 수 있다.
또한, 미리 저장된 운용 구간별 단위 에너지당 열화도의 빅데이터에 기반하여, 데이터 수집부에서 수신하는 열화 인자 데이터를 반영한 단위 에너지당 열화도를 산출하는 것은, 배터리의 운용 구간을 나타내는 수명평가함수의 미리 정해진 구간의 값이, 각 구간에서의 단위 에너지의 사용용량(△q)에 단위 에너지당 열화도(Wi,j)를 곱한 값들의 합으로 이루어질 수 있도록 데이터 수집부에서 수신하는 열화 인자 데이터를 반영한 단위 에너지당 열화도를 산출하는 것일 수 있다.
또한, 산출한 열화도를 반영하여 상기 운용 구간별 단위 에너지당 열화도의 빅데이터를 업데이트하는 것은, 상기 운용 구간별로 온도(Temp), 방전 율속(C_rate) 및 완전 충전 상태로부터 현재 용량까지의 거리인 완충 거리(DFC)를 포함하는 열화 인자 데이터를 반영한 단위 에너지당 열화도를 빅데이터로 저장하는 것일 수 있다.
또한, 배터리에 마련되는 배터리 관리 장치로부터 배터리의 운용 구간별 단위 에너지당 열화 인자 데이터를 수신하는 것은, 동일한 사양의 배터리에 마련되는 복수의 배터리 관리 장치로부터 각 배터리의 운용 구간별 단위 에너지당 열화 인자 데이터를 수신하는 것일 수 있다.
또한, 배터리에 마련되는 배터리 관리 장치로부터 배터리의 운용 구간별 단위 에너지당 열화 인자 데이터를 수신하는 것은, 상기 배터리 관리 장치로부터 배터리의 운용 구간을 나타낼 수 있도록, 배터리의 개방 회로 전압(OCV: Open Circuit Voltage) 및 전류적산치에 따라 산출되는 용량유지율(CR)을 반영한 수명평가함수를 수신하는 것을 포함할 수 있다.
상술한 본 발명에 따르면, 다양한 운용 조건 하에서 동작하는 배터리로부터 획득하는 데이터에 기반하여 배터리 열화도를 추정하므로, 종래의 초기 백데이터에만 의존하는 배터리 열화도 추정 방식에 비해 보다 정교한 배터리 열화도 추정이 가능하며, 아울러, 열화 인자를 파악할 수 있어 이를 이용한 최적의 관리 및 제어를 통해 배터리의 효율을 높일 수 있다.
도 1은 본 발명의 일 실시예에 따른 빅데이터 기반의 배터리 열화도 추정 시스템의 구성을 도시한 도면이다.
도 2는 본 발명의 일 실시예에 따른 빅데이터 기반의 배터리 열화도 추정 시스템에서의 배터리 열화도 추정방법을 나타낸 도면이다.
도 3은 도 1에 도시된 배터리 관리 장치의 제어 블록도이다.
도 4는 수명평가함수(CLEF: Cycle Life Evaluation Function)을 설명하기 위한 도면이다.
도 5는 배터리의 비선형적 열화 특성을 설명하기 위한 그래프이다.
도 6은 배터리 관리 장치에서의 배터리 열화 인자 데이터를 획득하는 과정을 도시한 순서도이다.
도 7은 도 1에 도시된 배터리 열화도 추정장치의 제어 블록도이다.
도 8은 도 7에 도시된 배터리 열화도 추정장치에서의 배터리 열화도 추정 과정을 도시한 순서도이다.
<부호의 설명>
1000: 빅데이터 기반의 배터리 열화도 추정 시스템
100: 배터리 관리 장치
200: 배터리 열화도 추정 장치
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.
본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소, 단계 및 동작은 하나 이상의 다른 구성요소, 단계 및 동작의 존재 또는 추가를 배제하지 않는다.
도 1은 본 발명의 일 실시예에 따른 빅데이터 기반의 배터리 열화도 추정 시스템의 구성을 도시한 도면이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 빅데이터 기반의 배터리 열화도 추정 시스템(1000)은 복수의 배터리 관리 장치(100) 및 배터리 열화도 추정장치(200)를 포함하여 구성되며, 복수의 배터리 관리 장치(100) 및 배터리 열화도 추정장치(200) 간의 통신을 수행하여 배터리 열화도와 관련된 데이터를 송수신할 수 있다.
특히, 본 발명의 일 실시예에 따른 빅데이터 기반의 배터리 열화도 추정 시스템(1000)은 동일한 사양의 배터리에 마련되는 복수의 배터리 관리 장치(100)에서 배터리의 열화에 영향을 끼치는 데이터를 획득하여 배터리 열화도 추정장치(200)로 전송하고, 배터리 열화도 추정장치(200)에서 복수의 배터리 관리 장치(100)로부터 수신하는 데이터를 빅데이터로 저장할 수 있으며, 이러한 빅데이터를 이용하여 임의의 운용 조건 하에서의 동작하는 배터리의 열화도를 추정할 수 있다.
구체적으로는, 배터리 관리 장치(100)는 배터리의 효율을 높일 수 있도록 최소한의 열화 방향으로 배터리를 관리 및 제어하기 위해 배터리에 마련되는 장치로, 예컨대, 배터리 관리 시스템(BMS: Battery Management System)일 수 있다. 도 1에서는 배터리 관리 장치(100)가 차량에 마련된 것을 예로 들어 도시하였으나, 배터리 관리 장치(100)는 노트북, 스마트폰 등 배터리를 사용하는 다양한 장치에 마련될 수 있다. 배터리 관리 장치(100)는 고정되거나 이동성을 가질 수 있으며, 서버(server) 또는 엔진(engine) 형태일 수 있다.
배터리 관리 장치(100)는 배터리의 전류 및 전압을 측정하여 해당 배터리의 열화 정도를 산출할 수 있으며, 배터리의 열화에 영향을 끼치는 각종 데이터를 획득하여 배터리 열화도 추정장치(200)로 전송할 수 있다. 또한, 배터리 관리 장치(100)는 배터리 열화도 추정장치(200)에서 산출하는 배터리 열화도를 수신하고 이에 기반하여 배터리를 관리 및 제어할 수 있다.
배터리 열화도 추정장치(200)는 복수의 배터리 관리 장치(100)와 무선 통신을 수행할 수 있는 장치로, 고정되거나 이동성을 가질 수 있으며, 서버(server) 또는 엔진(engine) 형태일 수 있다.
배터리 열화도 추정장치(200)는 복수의 배터리 관리 장치(100)로부터 배터리의 열화에 영향을 끼치는 각종 데이터를 수신하고, 이를 빅데이터화할 수 있다. 이때, 배터리 열화도 추정장치(200)는 복수의 배터리 관리 장치(100)로부터 다양한 운용 패턴에 따른 데이터를 수신하고 이를 빅데이터로 저장하므로, 이러한 빅데이터에 기반하여 임의의 운용 패턴을 갖는 배터리의 열화도를 추정할 수 있다.
이와 같은, 본 발명의 일 실시예에 따른 빅데이터 기반의 배터리 열화도 추정 시스템(1000)에 따르면, 다양한 운용 조건 하에서 동작하는 배터리로부터 획득하는 데이터에 기반하여 배터리 열화도를 추정하므로, 종래의 초기 백데이터에만 의존하는 배터리 열화도 추정 방식에 비해 보다 정교한 배터리 열화도 추정이 가능하며, 아울러, 열화 인자를 파악할 수 있어 이를 이용한 최적의 관리 및 제어를 통해 배터리의 효율을 높일 수 있다.
이하, 도 2를 참조하여 도 1에 도시된 빅데이터 기반의 배터리 열화도 추정 시스템(1000)에서의 배터리 열화도 추정방법에 대하여 구체적으로 설명하기로 한다.
도 2는 본 발명의 일 실시예에 따른 빅데이터 기반의 배터리 열화도 추정 시스템에서의 배터리 열화도 추정 방법을 나타낸 도면이다.
도 2를 참조하면, 복수의 배터리 관리 장치(100)는 각각 배터리의 열화 정도를 나타내는 수명평가함수(CLEF: Cycle Life Evaluation Function)를 산출할 수 있다.
또한, 복수의 배터리 관리 장치(100)는 각각 수명평가함수의 구간별로 사용 용량(△q)에 따른 단위 에너지당 열화 인자 데이터를 획득할 수 있다. 이때, 열화 인자 데이터는 일반적으로 배터리 열화에 영향을 끼치는 데이터로, 온도(Temp), 방전 율속(C_rate) 및 완전 충전 상태로부터 현재 용량까지의 거리인 완충 거리(DFC: Distance to the Full Charge)(△Ah)를 포함할 수 있다. 완충 거리(DFC)는 상술한 바와 같이 완전 충전 상태로부터 현재 용량까지의 거리를 의미하나, 이하의 설명 및 도면에서 완충 거리의 단위는 설명의 편의를 위해 배터리의 사용 용량 값을 더한 (△Ah)로 표시하기로 한다.
이처럼, 복수의 배터리 관리 장치(100)는 각각 수명평가함수의 구간별로 단위 에너지당 열화 인자 데이터를 획득하여 배터리 열화도 추정장치(200)로 전송할 수 있다.
배터리 열화도 추정장치(200)는 복수의 배터리 관리 장치(100)로부터 수신하는 데이터를 조합하여, 단위 에너지당 열화 인자 데이터를 반영한 열화도(Wi,p)를 산출할 수 있다. 배터리 열화도 추정장치(200)는 수명평가함수의 각 구간의 값은, 그 구간에서 획득한 단위 에너지당 열화 인자 데이터를 반영한 열화도(Wi,p)에 해당 단위 에너지의 용량(△q)을 곱한 값들의 합으로 정의된다는 사실에 기인하여, 단위 에너지당 열화 인자 데이터를 반영한 열화도(Wi,p)를 산출할 수 있다. 이에, 배터리 열화도 추정장치(200)는 복수의 배터리 관리 장치(100)로부터 다양한 운용 조건 하에서의 파라미터들을 획득할수록 보다 정확한 단위 에너지당 열화 인자 데이터를 반영한 열화도(Wi,p)를 산출할 수 있다.
배터리 열화도 추정장치(200)는 수명평가함수의 전체 구간에 있어서, 수명평가함수의 구간별로 단위 에너지당 열화 인자 데이터를 반영한 열화도(Wi,p)를 빅데이터로 저장할 수 있다.
또한, 배터리 열화도 추정장치(200)는 빅데이터에 기반하여 임의의 운용 패턴을 갖는 배터리의 열화도를 추정할 수 있다. 예를 들면, 배터리 열화도 추정장치(200)는 임의의 운용 패턴을 갖는 배터리에 마련된 배터리 관리 장치(100)로부터 해당 배터리의 수명평가함수, 단위 에너지당 열화 인자 데이터를 수신하면, 빅데이터에 기반하여 이러한 파라미터에 해당하는 열화도를 추정할 수 있다.
이하에서는, 도 1에 도시된 본 발명의 일 실시예에 따른 빅데이터 기반의 배터리 열화도 추정 시스템(1000)에 포함되는 각 구성요소에 대하여 구체적으로 설명하기로 한다.
먼저, 도 3은 도 1에 도시된 배터리 관리 장치의 제어 블록도이다.
도 3을 참조하면, 배터리 관리 장치(100)는 열화 정도 산출부(110) 및 열화 인자 데이터 획득부(120)를 포함하여, 열화 정도를 나타내는 수명평가함수를 산출하고, 단위 에너지당 열화 인자 데이터를 획득할 수 있다. 이하, 도 3에 도시된 배터리 관리 장치(100)의 각 구성요소에 대하여 구체적으로 설명하기로 한다.
열화 정도 산출부(110)는 배터리의 열화 정도를 나타내는 수명평가함수를 산출할 수 있다. 수명평가함수는 배터리의 수명을 평가하는 함수로 용량유지율(Capacity Retention) 및 출력유지율(Power Retention)을 변수로 두어 배터리의 열화 정도를 나타내는데, 사용자에 의해 정해지는 수명 종료 지점(EOL: End-of-Life)에 따라 0%~100%로 정의될 수 있다. 여기서, 용량유지율(CR)은 배터리 출고시의 가용용량 대비 현재의 가용용량의 비를 의미하고, 출력유지율(PR)은 배터리 출고시의 최대 출력 대비 현재의 최대 출력의 비를 의미한다. 수명평가함수와 관련하여, 도 4를 참조하여 구체적으로 설명하기로 한다.
예를 들면, 도 4와 같이, 수명 종료 지점(EOL)을 용량유지율(CR)=80%, 출력유지율(PR)=80%로 설정한 경우, 수명 종료 지점(EOL)에서의 수명평가함수(CLEF)는 0%로 산출되고, 용량유지율(CR)=100%, 출력유지율(PR)=100% 지점에서의 수명평가함수(CLEF)는 100%로 산출될 수 있다.
열화 정도 산출부(110)는 이러한 수명평가함수를 산출하기 위해 용량유지율(CR) 및 출력유지율(PR)을 산출할 수 있다. 여기서, 열화 정도 산출부(110)는 배터리의 비선형적인 열화 특성을 반영하여 보다 정교한 용량유지율(CR)을 산출할 수 있다. 이와 관련하여, 도 5를 참조하여 설명하기로 한다.
도 5는 배터리의 비선형적 열화 특성을 설명하기 위한 그래프이다.
도 5를 참조하면, 용량유지율(CR)에 따른 개방 회로 전압(OCV: Open Circuit Voltage)과 방전량(DC: Discharge Capacity)의 관계를 확인할 수 있는데, 배터리의 열화가 진행됨에 따라 가용용량, 즉, 배터리의 완전충전 상태에서 완전방전 상태까지의 방전전류의 적산치가 줄어듬을 확인할 수 있다. 아울러, 배터리의 열화는 비선형적으로 진행됨을 확인할 수 있다.
열화 정도 산출부(110)는 이러한 배터리의 비선형적 열화 특성을 반영할 수 있도록 선행 실험을 통해 도출한 용량유지율(CR)별 개방 회로 전압(OCV)-전류적산치 테이블을 참조하여 용량유지율(CR)을 산출할 수 있다. 이를 위해, 열화 정도 산출부(110)는 동일한 전류적산치 지점에서 서로 다른 값을 갖는 적어도 둘 이상의 단자전압 및 전류 조합의 데이터 셋을 획득하고, 이러한 데이터 셋을 연립방정식에 적용하여 런타임 중의 개방 회로 전압(OCV) 값을 산출할 수 있다. 그리고, 열화 정도 산출부(110)는 산출한 개방 회로 전압(OCV) 값과 해당 지점에서의 전류적산치 값을 용량유지율(CR)별 개방 회로 전압(OCV)-전류적산치 테이블에 적용함으로써, 배터리의 용량유지율(CR)을 산출할 수 있다.
열화 정도 산출부(110)는 이와 같은 방식으로 배터리의 비선형적 열화 특성을 반영한 용량유지율(CR)을 산출할 수 있으며, 배터리의 현재 출력을 획득하여 출력유지율(PR)을 산출할 수 있다. 그리고, 열화 정도 산출부(110)는 미리 설정되는 수명 종료 지점(EOL), 용량유지율(CR) 및 출력유지율(PR)에 따라 열화 정도를 나타내는 수명평가함수를 산출할 수 있다.
열화 인자 데이터 획득부(120)는 수명평가함수의 구간별로 단위 에너지당 열화 인자 데이터를 획득할 수 있다. 이때, 열화 인자 데이터는 배터리 열화에 영향을 끼치는 데이터로, 온도(Temp), 방전 율속(C_rate) 및 완충 거리(DFC)를 포함할 수 있다. 여기서, 방전 율속(C_rate)은 배터리의 충, 방전시 다양한 사용조건하에서의 전류값을 설정 및 배터리의 사용 가능 시간을 표기하기위한 단위로, 충, 방전률에 따른 전류값의 산출은 충전 또는 방전전류를 배터리 정격용량의 단위를 뺀 값으로 나누어 산출할 수 있다 (C_rate=충방전전류(A)/전지의 정격용량). 완충 거리(DFC)는 서로 다른 열화도를 갖는 배터리에 있어서 사용 용량 수치를 객관적으로 나타내기 위해 정의한 개념이다. 본 발명의 일 실시예에 따른 배터리 수명 측정 시스템은 복수의 배터리로부터 데이터를 획득하여 임의의 배터리의 열화도 산출을 위한 빅데이터를 구축하는 것을 주요 특징으로 한다. 이때, 복수의 배터리의 열화 정도가 동일하다면 방전 또는 충전에 따른 사용 용량을 더한 전류적산치(△Ah)를 열화 인자 데이터 중 하나로 사용하여도 무방하다. 그러나, 복수의 배터리가 서로 다른 열화 정도를 가진다면, 열화 정도에 따라 SOC의 용량적 수치가 다르므로, 전류적산치(△Ah)를 열화 인자 데이터로 획득하기에는 바람직하지 않다. 완충 거리(DFC)는 상술한 바와 같이 완전 충전 상태로부터 현재 용량까지의 거리를 나타내므로, 충전과 방전에 대한 방향성을 가지고 있어 사용 정도를 정확히 표현하기에 적절하며, 복수의 배터리들의 열화 정도와 무관하게 객관적인 기준으로 사용 정도를 나타내는 열화 인자 데이터로 사용되기에 적합하다.
열화 인자 데이터 획득부(120)는 수명평가함수의 구간별로 배터리의 사용용량이 △q에 도달할 때마다 온도(Temp), 방전 율속(C_rate) 및 완충 거리(DFC)를 측정할 수 있다. 여기서, 수명평가함수의 구간은 미리 정해질 수 있다. 예컨대, 열화 인자 데이터 획득부(120)는 새롭게 출고된 배터리의 열화 인자 데이터를 획득하는 경우, 먼저, 수명평가함수가 100~99% 구간의 열화 인자 데이터를 획득할 수 있다. 이때, 수명평가함수가 100~99% 구간에서 배터리는 일정한 사용 패턴을 가지지 않는 경우가 대부분이다. 이에, 열화 인자 데이터 획득부(120)는 수명평가함수의 100~99% 구간에서 사용용량이 △q 에 도달할 때마다 해당 구간에서의 온도(Temp), 방전 율속(C_rate) 및 완충 거리(DFC)를 측정할 수 있다. 열화 인자 데이터 획득부(120)는 이처럼 수명평가함수의 구간별로 단위 에너지당 열화 인자 데이터를 획득하여 배터리 열화도 추정장치(200)로 전송할 수 있다.
이와 같이, 복수의 배터리 관리 장치(100)는 동일한 사양의 배터리에 장착되어 미리 정해지는 운용 구간별로 각 배터리의 열화 인자 데이터를 트래킹할 수 있으며, 해당 데이터를 배터리 열화도 추정장치(200)로 전송할 수 있다.
이하에서는, 도 6을 참조하여, 도 3에 도시된 배터리 관리 장치(100)에서의 배터리의 열화 인자 데이터를 획득하는 방법에 대하여 설명하기로 한다.
도 6은 배터리 관리 장치에서의 배터리 열화 인자 데이터를 획득하는 과정을 도시한 순서도이다.
도 6을 참조하면, 배터리 관리 장치(100)는 동일한 전류적산치 지점에서의 서로 다른 값을 갖는 적어도 둘 이상의 단자전압 및 전류 조합의 데이터 셋을 획득하고(600), 단자전압 및 전류 조합의 데이터 셋을 이용하여 개방 회로 전압(OCV)을 산출할 수 있으며(610), 산출한 개방 회로 전압(OCV) 값을 개방 회로 전압(OCV)-전류적산치 테이블과 비교하여 용량유지율(CR)을 산출할 수 있다(620).
배터리 관리 장치(100)는 용량유지율(CR)에 따른 수명평가함수를 산출할 수 있다(630).
또한, 배터리 관리 장치(100)는 단위 에너지(△q)당 온도(Temp), 방전 율속(C_rate) 및 완충 거리(DFC)를 획득할 수 있다(640).
배터리 관리 장치(100)는 수명평가함수, 사용용량(△q), 온도(Temp), 방전 율속(C_rate) 및 완충 거리(DFC)를 배터리 열화도 추정장치(200)로 전송할 수 있다(650).
도 7은 도 1에 도시된 배터리 열화도 추정장치(200)의 제어 블록도이다.
도 7을 참조하면, 배터리 열화도 추정장치(200)는 데이터 수집부(210), 데이터 처리부(220), 데이터 저장부(230) 및 열화도 산출부(240)를 포함하여, 복수의 배터리 관리 장치(100)로부터 수신하는 데이터를 빅데이터화하고 이를 이용하여 임의의 사용패턴을 갖는 배터리의 열화도를 추정할 수 있다. 이하, 도 7에 도시된 배터리 열화도 추정장치(200)의 각 구성요소에 대하여 구체적으로 설명하기로 한다.
데이터 수집부(210)는 동일한 사양의 배터리 셀로 구성되는 복수의 배터리에 각각 마련되는 복수의 배터리 관리 장치(100)로부터, 각 배터리의 운용 구간별 단위 에너지당 열화 인자 데이터를 수신할 수 있다.
구체적으로는, 데이터 수집부(210)는 배터리 관리 장치(100)로부터, 각 배터리의 열화 정도에 따른 운용 구간을 나타내는 수명평가함수, 단위 구간에서의 사용용량(△q), 해당 구간에서의 온도(Temp), 방전 율속(C_rate) 및 완충 거리(DFC)를 포함하는 열화 인자 데이터를 수신할 수 있다.
데이터 처리부(220)는 데이터 수집부(210)에서 수신하는 데이터에 따라, 단위 에너지당 열화 인자 데이터를 반영한 열화도(Wi,j)를 산출할 수 있다. 여기서, 열화도(Wi,j)는 열화밀도함수(WDF: Wear Density Function)로, 배터리의 잔존수명 및 열화비용을 정량적으로 추정할 수 있는데, 본 발명 발명자의 선행 특허인 "한국등록특허 10-1615139"에 자세히 정의되어 있다.
데이터 처리부(220)는, 수명평가함수의 각 구간의 값은 그 구간에서 획득한 단위 에너지당 열화 인자 데이터를 반영한 열화도(Wi,j)에 해당 단위 에너지의 사용용량(△q)을 곱한 값들의 합으로 정의된다는 사실에 기인하여, 단위 에너지당 열화 인자 데이터를 반영한 열화도(Wi,j)를 산출할 수 있다.
구체적으로는, 데이터 처리부(220)는 아래의 수학식 1을 이용하여 단위 에너지당 열화 인자 데이터를 반영한 열화도(Wi,j)를 산출할 수 있다.
Figure PCTKR2018012380-appb-M000001
수학식 1에서 CLEFi는 수명평가함수의 구간을 나타내고, Wi,j=Wi(△Ah, Temp, C_rate)로 단위 에너지당 열화도를 나타내며, △q는 단위 에너지의 사용용량을 나타낸다.
데이터 처리부(220)는 수학식 1과 같이, 수명평가함수의 구간의 값이, 해당 구간에서의 단위 에너지의 사용용량(△q)과 단위 에너지당 열화도(Wi,j)의 곱들의 합으로 이루어질 수 있도록, 단위 에너지당 열화도(Wi,j)를 산출할 수 있다.
여기에서, 데이터 처리부(220)에서 산출하는 단위 에너지당 열화 인자 데이터를 반영한 열화도(Wi,j)는 일련의 과정을 거쳐 수명평가함수의 구간별로 데이터 저장부(230)에 저장되는데, 이에, 데이터 처리부(220)는 데이터 저장부(230)에 미리 저장된 수명평가함수의 구간별 단위 에너지당 열화도(Wi,j)의 값이 많을수록 해당 수명평가함수의 구간에서의 단위 에너지당 열화도(Wi,j)를 보다 정확하게 산출할 수 있다.
예를 들면, 데이터 처리부(220)는 복수의 배터리 관리 장치(100)로부터 수신하는 열화 인자 데이터에 있어서, 수명평가함수의 어느 구간에서의 온도(Temp) 10 구간, 방전 율속(C_rate) 10 구간, 완충 거리(DFC) 10 구간의 열화 인자 데이터를 수신하는 경우, 일련의 과정을 거쳐 빅데이터화하여 해당 수명평가함수 구간에서 아래와 같은 1000개 조합의 열화 인자 데이터를 반영한 단위 에너지당 열화도(Wi,j)를 산출할 수 있다.
Figure PCTKR2018012380-appb-I000001
데이터 처리부(220)는 이와 같이 데이터 수집부(210)에서 수집하는 데이터 셋에 대한 열화도(Wi,j)를 산출할 수 있다. 즉, 데이터 처리부(220)는 미리 정의되는 수명평가함수의 구간별로, 각 구간에서 획득하는 단위 에너지당 열화 인자 데이터를 반영한 열화도(Wi,j)를 산출할 수 있다.
데이터 저장부(230)는 데이터 수집부(210)에서 수신하는 데이터 셋에 따라 데이터 처리부(220)에서 산출하는 열화도(Wi,j)를 빅데이터화하여 저장할 수 있다.
데이터 저장부(230)는 아래의 수학식 2와 같은 행렬식으로 수명평가함수의 각 구간이 해당 구간에서의 단위 에너지의 사용용량(△q)과 단위 에너지당 열화도(Wi,p)의 곱들의 합으로 산출될 수 있도록 저장할 수 있다.
Figure PCTKR2018012380-appb-M000002
수학식 2에서 CLEFi는 수명평가함수의 각 구간을 나타내고, Wi,p=Wi(△Ah, Temp, C_rate)로 단위 에너지당 열화도를 나타내며, △q는 단위 에너지의 사용용량을 나타낸다.
여기에서, 데이터 처리부(220)는 이러한 수학식 2로부터 데이터 수집부(210)에서 수집하는 데이터 셋에 대한 열화도(Wi,j)를 산출할 수 있다.
열화도 산출부(240)는 데이터 저장부(230)의 빅데이터에 기반하여, 임의의 사용패턴을 갖는 배터리의 열화도를 산출할 수 있다.
열화도 산출부(240)는 데이터 저장부(230)의 빅데이터의 파라미터를 제공한 배터리와 동일한 사양의 임의의 배터리로부터, 해당 배터리의 운용구간에 대한 정보와 그때의 온도(Temp), 방전 율속(C_rate), 완충 거리(DFC)의 열화 인자 데이터 정보를 획득하면, 해당 배터리의 열화도를 산출하여 제공할 수 있다.
구체적으로는, 열화도 산출부(240)는 배터리 관리 장치(100)로부터 해당 배터리의 수명평가함수, 사용용량(△q) 및 해당 사용용량 구간에서의 온도(Temp), 방전 율속(C_rate), 완충 거리(DFC) 값을 수신하면, 데이터 저장부(230)의 빅데이터를 참조하여, 해당 배터리의 온도(Temp), 방전 율속(C_rate), 완충 거리(DFC)를 반영한 열화도를 산출할 수 있으며, 산출한 열화도를 배터리 관리 장치(100)로 전송할 수 있다. 이와 같은 경우, 배터리 관리 장치(100)는 열화도 산출부(240)로부터 수신하는 열화도에 기반하여 배터리를 관리 및 제어함으로써 배터리의 효율을 높일 수 있다.
이와 같이, 배터리 열화도 추정장치(200)는 복수의 배터리 관리 장치(100)로부터 수신하는 다양한 사용패턴 하에서의 열화 인자 데이터에 따른 열화도를 산출하여 빅데이터화하고, 이러한 빅데이터에 기반하여 임의의 사용패턴에서 작동하는 배터리에 대한 열화도를 보다 정확하게 추정하여 제공할 수 있다.
이하, 도 8을 참조하여, 도 7에 도시된 배터리 열화도 추정장치(200)에서의 배터리의 열화도를 추정하는 방법에 대하여 설명하기로 한다.
도 8은 배터리 열화도 추정장치에서의 배터리 열화도를 추정하는 과정을 도시한 순서도이다.
도 8을 참조하면, 배터리 열화도 추정장치(200)는 복수의 배터리 관리 장치(100)로부터 각 배터리의 수명평가함수, 단위 구간에서의 사용용량(△q) 및 해당 단위 구간에서의 온도(Temp), 방전 율속(C_rate) 및 완충 거리(DFC)의 열화 인자 데이터를 수신할 수 있다(800). 이때, 복수의 배터리 관리 장치(100)는 동일한 사양의 배터리에 마련되는 장치일 수 있다.
배터리 열화도 추정장치(200)는 미리 저장된 수명평가함수의 구간별 단위 에너지당 열화도의 빅데이터에 기반하여 복수의 배터리 관리 장치(100)로부터 수신하는 각 열화 인자 데이터를 반영한 단위 에너지당 열화도를 산출하고(810), 이를 반영하여 수명평가함수의 구간별 단위 에너지당 열화도의 빅데이터를 업데이트할 수 있다(820). 배터리 열화도 추정장치(200)는 수학식 2에 기반하여 열화 인자 데이터를 반영한 단위 에너지당 열화도를 산출할 수 있다.
배터리 열화도 추정장치(200)는 임의의 배터리 관리 장치(100)로부터 해당 배터리의 열화 인자 데이터를 수신하면(830), 빅데이터를 참조하여 해당 배터리의 열화 인자 데이터를 반영한 단위 에너지당 열화도를 추정하고(840), 추정한 열화도를 해당 데이터를 수신한 배터리 관리 장치(100)로 전송할 수 있다(850).
이와 같은, 배터리 열화도 추정방법은 다양한 컴퓨터 구성요소를 통하여 수행될 수 있는 프로그램 명령어의 형태로 구현되어 컴퓨터 판독 가능한 기록 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능한 기록 매체는 프로그램 명령어, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다.
상기 컴퓨터 판독 가능한 기록 매체에 기록되는 프로그램 명령어는 본 발명을 위하여 특별히 설계되고 구성된 것들이거니와 컴퓨터 소프트웨어 분야의 당업자에게 공지되어 사용 가능한 것일 수도 있다.
컴퓨터 판독 가능한 기록 매체의 예에는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM, DVD 와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 ROM, RAM, 플래시 메모리 등과 같은 프로그램 명령어를 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다.
프로그램 명령어의 예에는, 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함된다. 상기 하드웨어 장치는 본 발명에 따른 처리를 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상 첨부된 도면을 참조하여 본 발명의 실시예를 설명하였지만, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다.

Claims (18)

  1. 배터리에 마련되는 배터리 관리 장치로부터 배터리의 운용 구간별 단위 에너지당 열화 인자 데이터를 수신하는 데이터 수집부;
    미리 저장된 운용 구간별 단위 에너지당 열화도의 빅데이터에 기반하여, 데이터 수집부에서 수신하는 열화 인자 데이터를 반영한 단위 에너지당 열화도를 산출하는 데이터 처리부;
    상기 데이터 처리부에서 산출한 열화도를 반영하여 상기 운용 구간별 단위 에너지당 열화도의 빅데이터를 업데이트하는 데이터 저장부; 및
    상기 운용 구간별 단위 에너지당 열화도의 빅데이터에 기반하여 임의의 사용패턴을 갖는 배터리의 열화도를 산출하는 열화도 산출부를 포함하는 빅데이터 기반의 배터리 열화도 추정장치.
  2. 제1항에 있어서,
    상기 데이터 수집부는,
    상기 배터리 관리 장치로부터 배터리의 운용 구간을 나타낼 수 있도록, 용량유지율(CR: Capacity Retention), 출력유지율(PR: Power Retention) 및 수명 종료 지점(EOL: End-of-Life)에 따라 산출되는 수명평가함수를 수신하는, 빅데이터 기반의 배터리 열화도 추정장치.
  3. 제2항에 있어서,
    상기 데이터 수집부는,
    상기 배터리 관리 장치로부터 단위 구간에서의 에너지에 해당하는 사용용량(△q)값을 수신하는, 빅데이터 기반의 배터리 열화도 추정장치.
  4. 제3항에 있어서,
    상기 데이터 수집부는,
    상기 배터리 관리 장치로부터 상기 단위 구간에서의 온도(Temp), 방전 율속(C_rate) 및 완전 충전 상태로부터 현재 용량까지의 거리인 완충 거리(DFC: Distance to the Full Charge)를 포함하는 열화 인자 데이터를 수신하는, 빅데이터 기반의 배터리 열화도 추정장치.
  5. 제2항에 있어서,
    상기 데이터 처리부는,
    배터리의 운용 구간을 나타내는 수명평가함수의 미리 정해진 구간의 값이, 각 구간에서의 적어도 하나의 단위 에너지의 사용용량(△q) 및 단위 에너지당 열화도(Wi,j)에 따라 산출될 수 있도록 데이터 수집부에서 수신하는 열화 인자 데이터를 반영한 단위 에너지당 열화도를 산출하는, 빅데이터 기반의 배터리 열화도 추정장치.
  6. 제5항에 있어서,
    상기 데이터 처리부는,
    배터리의 운용 구간을 나타내는 수명평가함수의 미리 정해진 구간의 값이, 각 구간에서의 단위 에너지의 사용용량(△q)에 단위 에너지당 열화도(Wi,j)를 곱한 값들의 합으로 이루어질 수 있도록 데이터 수집부에서 수신하는 열화 인자 데이터를 반영한 단위 에너지당 열화도를 산출하는, 빅데이터 기반의 배터리 열화도 추정장치.
  7. 제1항에 있어서,
    상기 데이터 저장부는,
    상기 운용 구간별로 온도(Temp), 방전 율속(C_rate) 및 완전 충전 상태로부터 현재 용량까지의 거리인 완충 거리(DFC)를 포함하는 열화 인자 데이터를 반영한 단위 에너지당 열화도를 빅데이터로 저장하는, 빅데이터 기반의 배터리 열화도 추정장치.
  8. 제1항에 있어서,
    상기 데이터 수집부는,
    동일한 사양의 배터리에 마련되는 복수의 배터리 관리 장치로부터 각 배터리의 운용 구간별 단위 에너지당 열화 인자 데이터를 수신하는, 빅데이터 기반의 배터리 열화도 추정장치.
  9. 제1항에 있어서,
    상기 데이터 수집부는,
    상기 배터리 관리 장치로부터 배터리의 운용 구간을 나타낼 수 있도록, 배터리의 개방 회로 전압(OCV: Open Circuit Voltage) 및 전류적산치에 따라 산출되는 용량유지율(CR)을 반영한 수명평가함수를 수신하는, 빅데이터 기반의 배터리 열화도 추정장치.
  10. 배터리에 마련되는 배터리 관리 장치로부터 배터리의 운용 구간별 단위 에너지당 열화 인자 데이터를 수신하고,
    미리 저장된 운용 구간별 단위 에너지당 열화도의 빅데이터에 기반하여, 상기 열화 인자 데이터를 반영한 단위 에너지당 열화도를 산출하고,
    산출한 열화도를 반영하여 상기 운용 구간별 단위 에너지당 열화도의 빅데이터를 업데이트하며,
    상기 운용 구간별 단위 에너지당 열화도의 빅데이터에 기반하여 임의의 사용패턴을 갖는 배터리의 열화도를 산출하는 빅데이터 기반의 배터리 열화도 추정방법.
  11. 제10항에 있어서,
    배터리에 마련되는 배터리 관리 장치로부터 배터리의 운용 구간별 단위 에너지당 열화 인자 데이터를 수신하는 것은,
    상기 배터리 관리 장치로부터 배터리의 운용 구간을 나타낼 수 있도록, 용량유지율(CR: Capacity Retention), 출력유지율(PR: Power Retention) 및 수명 종료 지점(EOL: End-of-Life)에 따라 산출되는 수명평가함수를 수신하는 것을 포함하는, 빅데이터 기반의 배터리 열화도 추정방법.
  12. 제11항에 있어서,
    배터리에 마련되는 배터리 관리 장치로부터 배터리의 운용 구간별 단위 에너지당 열화 인자 데이터를 수신하는 것은,
    상기 배터리 관리 장치로부터 단위 구간에서의 에너지에 해당하는 사용용량(△q)값을 수신하는 것을 포함하는, 빅데이터 기반의 배터리 열화도 추정방법.
  13. 제12항에 있어서,
    배터리에 마련되는 배터리 관리 장치로부터 배터리의 운용 구간별 단위 에너지당 열화 인자 데이터를 수신하는 것은,
    상기 배터리 관리 장치로부터 상기 단위 구간에서의 온도(Temp), 방전 율속(C_rate) 및 완전 충전 상태로부터 현재 용량까지의 거리인 완충 거리(DFC: Distance to the Full Charge)를 포함하는 열화 인자 데이터를 수신하는 것을 포함하는 빅데이터 기반의 배터리 열화도 추정방법.
  14. 제11항에 있어서,
    미리 저장된 운용 구간별 단위 에너지당 열화도의 빅데이터에 기반하여, 데이터 수집부에서 수신하는 열화 인자 데이터를 반영한 단위 에너지당 열화도를 산출하는 것은,
    배터리의 운용 구간을 나타내는 수명평가함수의 미리 정해진 구간의 값이, 각 구간에서의 적어도 하나의 단위 에너지의 사용용량(△q) 및 단위 에너지당 열화도(Wi,j)에 따라 산출될 수 있도록 데이터 수집부에서 수신하는 열화 인자 데이터를 반영한 단위 에너지당 열화도를 산출하는 것인 빅데이터 기반의 배터리 열화도 추정방법.
  15. 제14항에 있어서,
    미리 저장된 운용 구간별 단위 에너지당 열화도의 빅데이터에 기반하여, 데이터 수집부에서 수신하는 열화 인자 데이터를 반영한 단위 에너지당 열화도를 산출하는 것은,
    배터리의 운용 구간을 나타내는 수명평가함수의 미리 정해진 구간의 값이, 각 구간에서의 단위 에너지의 사용용량(△q)에 단위 에너지당 열화도(Wi,j)를 곱한 값들의 합으로 이루어질 수 있도록 데이터 수집부에서 수신하는 열화 인자 데이터를 반영한 단위 에너지당 열화도를 산출하는 것인 빅데이터 기반의 배터리 열화도 추정방법.
  16. 제10항에 있어서,
    산출한 열화도를 반영하여 상기 운용 구간별 단위 에너지당 열화도의 빅데이터를 업데이트하는 것은,
    상기 운용 구간별로 온도(Temp), 방전 율속(C_rate) 및 완전 충전 상태로부터 현재 용량까지의 거리인 완충 거리(DFC)를 포함하는 열화 인자 데이터를 반영한 단위 에너지당 열화도를 빅데이터로 저장하는 것인 빅데이터 기반의 배터리 열화도 추정방법.
  17. 제10항에 있어서,
    배터리에 마련되는 배터리 관리 장치로부터 배터리의 운용 구간별 단위 에너지당 열화 인자 데이터를 수신하는 것은,
    동일한 사양의 배터리에 마련되는 복수의 배터리 관리 장치로부터 각 배터리의 운용 구간별 단위 에너지당 열화 인자 데이터를 수신하는 것인 빅데이터 기반의 배터리 열화도 추정방법.
  18. 제10항에 있어서,
    배터리에 마련되는 배터리 관리 장치로부터 배터리의 운용 구간별 단위 에너지당 열화 인자 데이터를 수신하는 것은,
    상기 배터리 관리 장치로부터 배터리의 운용 구간을 나타낼 수 있도록, 배터리의 개방 회로 전압(OCV: Open Circuit Voltage) 및 전류적산치에 따라 산출되는 용량유지율(CR)을 반영한 수명평가함수를 수신하는 것을 포함하는 빅데이터 기반의 배터리 열화도 추정방법.
PCT/KR2018/012380 2017-10-19 2018-10-19 빅데이터 기반의 배터리 열화도 추정장치 및 방법 WO2019078658A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2017-0135700 2017-10-19
KR1020170135700A KR101946163B1 (ko) 2017-10-19 2017-10-19 빅데이터 기반의 배터리 열화도 추정장치 및 방법

Publications (1)

Publication Number Publication Date
WO2019078658A1 true WO2019078658A1 (ko) 2019-04-25

Family

ID=66173410

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2018/012380 WO2019078658A1 (ko) 2017-10-19 2018-10-19 빅데이터 기반의 배터리 열화도 추정장치 및 방법

Country Status (2)

Country Link
KR (1) KR101946163B1 (ko)
WO (1) WO2019078658A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115389965A (zh) * 2022-10-27 2022-11-25 中安芯界控股集团有限公司 一种基于大数据的电池安全性能测试系统及方法

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102614065B1 (ko) * 2019-06-28 2023-12-14 오씨아이 주식회사 에너지 스토리지 시스템의 배터리 수명 추산 장치
WO2021049905A1 (ko) * 2019-09-12 2021-03-18 삼성전자 주식회사 배터리 상태 측정 방법 및 배터리 관리 시스템
KR102704487B1 (ko) * 2019-12-06 2024-09-10 현대자동차주식회사 차량 및 차량의 제어방법
KR20210077065A (ko) 2019-12-16 2021-06-25 현대자동차주식회사 차량용 pra 열화 제어 시스템 및 그의 pra 열화 제어 방법
US20220268853A1 (en) * 2020-01-22 2022-08-25 Lg Energy Solution, Ltd. Battery diagnosis system, power system and battery diagnosis method

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140051881A (ko) * 2014-04-04 2014-05-02 주식회사 엘지화학 배터리의 퇴화도를 이용한 배터리 관리 장치 및 배터리 관리 방법
KR20150022345A (ko) * 2013-08-23 2015-03-04 현대자동차주식회사 고전압 배터리의 열화 검출 방법
KR20150109643A (ko) * 2014-03-20 2015-10-02 현대모비스 주식회사 배터리팩 열화 상태 추정 장치 및 방법
KR101615139B1 (ko) * 2014-09-11 2016-05-11 한밭대학교 산학협력단 배터리 잔존수명 실시간 추정 장치 및 방법
KR20160120476A (ko) * 2015-04-08 2016-10-18 현대자동차주식회사 열화도 산출 장치 및 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150022345A (ko) * 2013-08-23 2015-03-04 현대자동차주식회사 고전압 배터리의 열화 검출 방법
KR20150109643A (ko) * 2014-03-20 2015-10-02 현대모비스 주식회사 배터리팩 열화 상태 추정 장치 및 방법
KR20140051881A (ko) * 2014-04-04 2014-05-02 주식회사 엘지화학 배터리의 퇴화도를 이용한 배터리 관리 장치 및 배터리 관리 방법
KR101615139B1 (ko) * 2014-09-11 2016-05-11 한밭대학교 산학협력단 배터리 잔존수명 실시간 추정 장치 및 방법
KR20160120476A (ko) * 2015-04-08 2016-10-18 현대자동차주식회사 열화도 산출 장치 및 방법

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115389965A (zh) * 2022-10-27 2022-11-25 中安芯界控股集团有限公司 一种基于大数据的电池安全性能测试系统及方法
CN115389965B (zh) * 2022-10-27 2023-03-24 中安芯界控股集团有限公司 一种基于大数据的电池安全性能测试系统及方法

Also Published As

Publication number Publication date
KR101946163B1 (ko) 2019-04-17

Similar Documents

Publication Publication Date Title
WO2019078658A1 (ko) 빅데이터 기반의 배터리 열화도 추정장치 및 방법
WO2018124511A1 (ko) 배터리의 충전 상태를 캘리브레이션하기 위한 배터리 관리 장치 및 방법
WO2018190508A1 (ko) 노이즈를 반영한 배터리 잔존 용량 산출 장치 및 방법
WO2022055080A1 (ko) 배터리의 충전상태를 추정하는 방법
WO2019050330A1 (ko) 배터리 충전 상태 추정 장치 및 방법
WO2013051828A2 (ko) 배터리 관리 시스템 및 배터리 관리 방법
WO2014065615A1 (ko) 배터리 잔존 용량 추정 장치 및 방법
WO2014065614A1 (ko) 배터리 잔존 용량 추정 장치 및 방법
WO2017116088A1 (ko) 배터리 수명 추정 방법 및 장치
WO2022103185A1 (ko) 전지의 용량 측정 장치 및 방법, 및 상기 장치를 포함하는 전지 제어 시스템
WO2012148019A1 (ko) 배터리의 용량 열화 상태 측정 장치 및 방법
WO2012060597A2 (ko) 배터리의 교환 시기 통보 장치 및 방법
KR20090082374A (ko) 배터리가 평형에 있지 않을 때 배터리의 충전 상태를 결정하기 위한 장치 및 방법
WO2020262789A1 (ko) 이상 배터리 셀 검출 방법
WO2019050279A1 (ko) 배터리 재사용 수명 진단 방법
WO2016122238A1 (ko) 배터리의 상태 추정 장치 및 방법
WO2020262787A1 (ko) 내부 단락 셀 검출 방법
WO2019088746A1 (ko) 배터리 soc 추정 장치 및 방법
WO2020054924A1 (ko) 배터리의 상태를 셀 단위로 진단하는 장치 및 방법
WO2022092621A1 (ko) 배터리 진단 장치 및 방법
WO2022265458A1 (ko) 이차전지 저전압 불량 예측 장치 및 방법, 상기 장치를 포함하는 전지 제어 시스템
WO2023287180A1 (ko) 배터리 진단 장치, 배터리 팩, 전기 차량 및 배터리 진단 방법
CN112557926A (zh) 一种计算剩余充电时间的方法和装置
WO2021256791A1 (ko) 배터리 셀 표면 온도 추정 시스템 및 방법
WO2020153625A1 (ko) 배터리 관리 장치, 배터리 관리 방법 및 배터리 팩

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: 18868848

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 18868848

Country of ref document: EP

Kind code of ref document: A1