WO2019221357A1 - Dc-dc 컨버터의 최적 제어 방법 - Google Patents

Dc-dc 컨버터의 최적 제어 방법 Download PDF

Info

Publication number
WO2019221357A1
WO2019221357A1 PCT/KR2018/016096 KR2018016096W WO2019221357A1 WO 2019221357 A1 WO2019221357 A1 WO 2019221357A1 KR 2018016096 W KR2018016096 W KR 2018016096W WO 2019221357 A1 WO2019221357 A1 WO 2019221357A1
Authority
WO
WIPO (PCT)
Prior art keywords
soc
converter
ess
state
voltage
Prior art date
Application number
PCT/KR2018/016096
Other languages
English (en)
French (fr)
Inventor
김병철
Original Assignee
엘에스산전 주식회사
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 엘에스산전 주식회사 filed Critical 엘에스산전 주식회사
Publication of WO2019221357A1 publication Critical patent/WO2019221357A1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • 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]
    • G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/14—Energy storage units

Definitions

  • the present invention relates to a control method of a DC-DC converter, and more particularly, to an optimal control method of a DC-DC converter by estimating a state of charge (SOC) state of an energy storage system (ESS).
  • SOC state of charge
  • ESS energy storage system
  • Smart Grid attaches IT communication technology to the existing power grid and shifts the power operation away from the existing consumer-centered centralized power system into a demand- and response-based distributed power system.
  • Smart grid Key components of the smart grid include renewable energy systems, demand and response, electric vehicles, and energy storage systems (ESSs).
  • ESSs energy storage systems
  • the reason why several systems operate the ESS in parallel is that the ESS is used in parallel with the existing system to compensate for the volatility of the power generation of the existing system and to equalize and flatten the energy demand of the load.
  • Efficient energy management using ESS and BMS requires accurate prediction of the state of charge (SOC) of the battery or ESS, and the prediction requires effective control of energy charging and discharging using a DC-DC converter.
  • SOC state of charge
  • DC-DC converter DC-DC converter
  • the present invention provides a SOH (Status of Health) that can be used for a long time ESS or battery through the optimal charge and discharge switching control based on the SOC predicted through the state of charge (SOC) state estimation of the energy storage system (ESS). It is an object of the present invention to provide an optimal control method of a DC-DC converter.
  • SOH Status of Health
  • the present invention estimates the state of the SOC using the average, covariance, and standard deviation of the SOC (State of Charge) of the battery and the ESS, and then efficiently manages and charges and discharges the energy of the ESS and the battery using a DC-DC converter. It is an object of the present invention to provide an optimal control method of a DC-DC converter.
  • the optimal control method of the DC-DC converter of the present invention (A) the control unit to estimate the state of charge (SOC) state of the ESS and the battery pack, (B) in the control unit Controlling the first switching element M1 and the second switching element M2 of the DC-DC converter to optimize the objective function based on the SOC predicted through the SOC state estimation; Charging and discharging the ESS and the battery pack by controlling the output voltage of the DC-DC converter while maintaining a constant reference value.
  • SOC state of charge
  • step (A) is a step of estimating the OCV through the Kalman filter using modeling based on the current, voltage, SOC data of the ESS and the battery pack, and the status information of the OCV (Open Circuit Voltage) and SOC, Estimating SOC state based on the estimated OCV.
  • OCV Open Circuit Voltage
  • the Kalman filter is further characterized by estimating future conditions using the mean, covariance, standard deviation and other processing processes of the data based on the current conditions.
  • step (A) is (A1) collecting the current, voltage, SOC data information of the ESS and the battery pack, and (A2) using the collected current, voltage, SOC data information OCV or SOC Generating state information, (A3) estimating terminal voltage and charging current through adaptive adjustment of process noise and measurement noise using a Kalman filter method using the OCV or SOC state information, and (A4) Estimating the SOC based on the estimated terminal voltage and charging current.
  • step (A2) an abbreviation model based on the ESS and the battery pack data is manufactured based on a lithium ion (LiB) battery for voltage and current, and an equation is generated using OCV and SOC as parameters. Characterized in that.
  • the equation is characterized by being expressed as the product of the SOC coefficient, or the sum of the divided and logarithmic values and the Kalman coefficient value.
  • the objective function is characterized in that the difference between each parameter selected by the output voltage of the DC-DC converter and the amount of SOC output and charging current of the ESS and each reference value is the sum of each parameter multiplied by the SOC coefficient. .
  • the optimal control method of the DC-DC converter of the present invention after estimating the SOC state through the Kalman filter can maintain the SOC and the charging current and output voltage constant through the use of the objective function. It is optimized to maintain SOC, prevent deep cycle, and maintain charge current and voltage, so that the ESS or battery can be used for a long time without generating heat.
  • FIG. 1 is a block diagram illustrating a renewable power system and other power systems of the present invention and a distributed power system using an ESS.
  • FIG. 2 is a diagram illustrating in detail the configuration of the power converter of the ESS in FIG.
  • FIG. 3 is a flowchart illustrating an optimal control method of a DC-DC converter according to an embodiment of the present invention.
  • FIG. 4 is a flowchart for explaining an SOC state estimation method in detail according to step S100 of FIG. 3.
  • Figure 5 is a graph showing the OCV and SOC of the ESS and the battery pack according to the present invention
  • 6A to 6D are graphs showing charge and discharge results of an ESS through an optimal control method of the DC-DC converter of the present invention.
  • FIG. 1 is a block diagram showing a renewable power system and other power systems of the present invention and a distributed power system using an ESS.
  • the distributed power system includes two or more input modules 100, 200, an ESS 300, and an output module 400.
  • Input module 100, 200 includes a renewable energy system or other power generation system. That is, the input module 100, 200 changes the power produced by the solar, wind, tidal and other power production system to a DC voltage. The changed voltage is then stored in the ESS 300.
  • the distributed power systems may be referred to as DC-Links because they are tied together by DC power.
  • the output module 400 includes a grid and a load. In addition, the output module 400 may be electrically connected to the input modules 100 and 200 and the ESS 300.
  • the ESS 300 includes a power converter 310 and a battery pack 320.
  • the present invention is not limited thereto, and the power converter 310 may be configured separately.
  • the ESS 300 transmits power and energy required by the load to the output module 400 according to the charge and discharge of the battery pack 320.
  • the power converter 310 may bypass the DC power supply of the input module 100 or 200 without performing a separate power conversion.
  • the battery pack 320 may directly store DC power of the input modules 100 and 200.
  • the ESS 300 controls the power converter 310 to maintain the SOC, the charging current, and the output voltage within a predetermined reference value based on the predicted SOC of the battery pack 320.
  • the predicted SOC is estimated through state of charge (SOC) state estimation, and the state of charge (SOC) state estimation can be estimated using the mean, covariance, and standard deviation of the measured state of charge (SOC). have.
  • the ESS 300 converts the DC power stored in the battery pack 320 into AC power through the power converter 310 in the discharge mode.
  • the ESS 300 may provide the converted AC power to the output module 400.
  • the ESS 300 converts DC power into AC power in the input modules 100 and 200.
  • the ESS 300 may supply the converted AC power to the ESS 300.
  • the power converter 310 converts the AC power from the input modules 100 and 200 back to the DC power.
  • the power converter 310 may supply the converted DC power to the battery pack 320. Even in this case, the ESS 300 converts the DC power stored in the battery pack 320 into AC power through the power converter 310 in the discharge mode, and the ESS 300 converts the converted AC power into an output module. 400 can be provided.
  • FIG. 2 is a diagram illustrating in detail the configuration of the power converter of the ESS in FIG. 1.
  • the power converter 310 includes a DC-DC converter 311 and a controller 312.
  • the DC-DC converter 311 includes an inductor L connected in series with one end of an input terminal Vin supplied with power from the first and second input modules 100 and 200 and a control input from the controller 312.
  • a first switching element M1 and a second switching element M2 turned on or off by a signal and connected in parallel with each other, a diode D connected in parallel with the second switching element M2, and a first A capacitor C connected in parallel with the switching element M1 and the second switching element M2 and a load R connected in parallel with the capacitor C are included.
  • the first switching device M1 and the second switching device M2 may be formed of MOSFETs.
  • the DC-DC converter 311 may be configured as a boost converter for constant current constant voltage (CCCV) charging and discharging.
  • CCCV charging and discharging is a method of charging and discharging by giving a constant current and voltage.
  • CCCV charging and discharging is used to prevent the battery pack 320 or the ESS 300 is shortened when the current is excessively charged.
  • the controller 312 maintains a state of health (SOH) in the best state by preventing deep cycles and maintaining a constant SOC based on the predicted SOC.
  • the predicted SOC is predicted through state of charge (SOC) state estimation.
  • the controller 312 optimizes the objective function based on the predicted SOC and OCV.
  • the controller 312 controls the first switching element M1 and the second switching element M2 of the DC-DC converter 311. That is, the controller 312 controls the output voltage Vout of the DC-DC converter 311 through switching control of the first switching element M1 and the second switching element M2 of the DC-DC converter 311. can do.
  • the SOC state estimation is based on the current, voltage, and SOC data of the ESS 300 and the battery pack 320, and the OCV through the Kalman filter method using the open circuit voltage (OCV) and SOC state information.
  • OCV open circuit voltage
  • Kalman filter is a methodology for estimating future conditions using the mean, covariance, standard deviation and other processing processes of the data based on the current conditions.
  • the objective function is calculated from the charge current, output voltage and SOC. All these values, calculated from the objective function, are set in such a way that they are configured to follow the reference value.
  • the control unit 312 controls the two first switching elements M1 and the second switching elements M2 in such a way as to optimize the objective function from the first stage to the final objective stage.
  • the controller 312 may control the charge / discharge switching control signal based on the SOC predicted through the state of charge (SOC) state estimation of the battery pack 320, to the first switching device M1 and the second switching device M2. Enter In addition, the controller 312 controls the first switching element M1 and the second switching element M2 to be turned on or off through an input charge / discharge switching control signal. Through this, the control unit 312 controls the CCCV (Constant Current Constant Voltage) charging and discharging.
  • CCCV Constant Current Constant Voltage
  • the power converter 310 may charge the power supplied from the renewable energy system and other power systems by boosting the output voltage higher than the input voltage using the DC-DC converter 311.
  • the power converter 310 may modify the power factor PF with the output module 400 using the DC-DC converter 311.
  • FIG. 3 is a flowchart illustrating an optimal control method of a DC-DC converter according to an embodiment of the present invention.
  • the controller 312 estimates a state of charge (SOC) state of the ESS 300 and the battery pack 320 (S100).
  • SOC state of charge
  • the controller 312 may be included in the ESS 300, but is not limited thereto and may be configured separately.
  • the SOC state estimation estimates the OCV using modeling based on the current, voltage, and SOC data of the ESS 300 and the battery pack 320, and the state information of the open circuit voltage (OCV) and the SOC.
  • OCV estimation is estimated through the Kalman filter method. Since SOC is expressed as OCV, SOC state estimation can be performed through estimation of OCV.
  • Kalman filter is a methodology for estimating future conditions using the mean, covariance, standard deviation and other processing processes of the data based on the current conditions.
  • the controller 312 prevents deep cycles based on the SOC predicted through the state of charge (SOC) state estimation.
  • the controller 312 maintains a constant SOC to maintain a state of health (SOH) in the best state (S200).
  • the controller 312 controls the first switching element M1 and the second switching element M2 of the DC-DC converter 311 while optimizing the objective function based on the estimated SOC and OCV.
  • the objective function multiplies the SOC coefficient by the difference between the output voltage Vout of the DC-DC converter 311, each parameter selected as the amount of the SOC output and the charging current of the ESS 300, and the respective reference value. Then set each parameter by adding up.
  • the control unit 312 controls the two first switching elements M1 and the second switching elements M2 in such a way as to optimize the objective function from the first step to the final destination step.
  • the controller 312 controls the output voltage Vout of the DC-DC converter 311 through switching control of the first switching element M1 and the second switching element M2 of the DC-DC converter 311. . Subsequently, the controller 312 controls charging and discharging of the ESS 300 and the battery pack 320 (S300). That is, the controller 312 maintains the SOC of the ESS 300 and the battery pack 320 at a predetermined reference value. Subsequently, the controller 312 controls the output voltage Vout of the DC-DC converter 311 so as to prevent overcharge, overdischarge, and deep cycle of the ESS 300 and the battery pack 320. .
  • FIG. 4 is a flowchart illustrating a method of estimating SOC state in detail according to step S100 of FIG. 3.
  • the controller 312 collects current, voltage, and SOC data information of the ESS 300 and the battery pack 320 (S101).
  • the collected information may include an output voltage Vout of the DC-DC converter 311 and an SOC output and a charging current of the ESS 300.
  • the controller 312 generates OCV or SOC state information using the collected current, voltage, and SOC data information (S102).
  • FIG. 5 is a graph showing the OCV and SOC of the ESS and the battery pack according to the present invention.
  • the ESS 300 and the battery pack 320 produce an abbreviated model based on data based on a lithium ion (LiB) battery for voltage and current.
  • the ESS 300 or the battery pack 320 may use the OCV and SOC as parameters to express the following equation (1).
  • S is the SOC coefficient of the lithium ion battery
  • To Is the Kalman coefficient which is a constant value obtained by regression analysis estimation using a computer program, Is 3.441, Is -0.132, Is 4.58 ⁇ 10 -6 , 0.103, Has -0.017.
  • Equation 1 the generated equation is expressed as the product of the SOC coefficient S, or the sum of the product of the division and logarithms and the product of the constant value.
  • the steady state equations which are equations of Equation 1, can be used to create the state and measurement equations for OCV and SOC.
  • FIG. 5 (b) is a graph showing that the OCV shows an error within 3% of the entire SOC range in the model estimated through the graph of FIG. 5 (a), and confirmed through the graph shown in FIG. 5 (b). Can be.
  • the controller 312 estimates the terminal voltage and the charging current using the OCV or SOC state information according to the generated equation (S103). At this time, the estimation of the terminal voltage and the charging current is made through adaptive adjustment of process noise and measurement noise through the Kalman filter method.
  • the controller 312 estimates the SOC based on the estimated terminal voltage and the charging current (104). At this time, since the SOC is expressed as OCV, the SOC can be estimated through the estimation of the OCV.
  • FIGS. 6A to 6D are graphs showing charge and discharge results of the ESS through the optimal control method of the DC-DC converter of the present invention.
  • Figure 6a is a graph showing the output voltage
  • Figure 6b is a graph showing the charging current
  • Figure 6c is a graph showing the SOC
  • Figure 6d is a graph showing the temperature.
  • the charging current and the output voltage are kept constant while keeping 0.8 SOC of the battery pack 320 constant for 3 hours.
  • the output voltage is almost unchanged from 109.4V to 110.6V for 3 hours.
  • the temperature change of the battery pack 320 is also maintained substantially constant for 3 hours.
  • the controller 312 controls the output voltage Vout of the DC-DC converter 311 to keep the SOC, the charging current, and the output voltage constant. In addition, the controller 312 maintains the charging current and the voltage while preventing deep discharge so that the ESS 300 or the battery pack 320 can be used for a long time without generating heat.

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Dc-Dc Converters (AREA)
  • Secondary Cells (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

본 발명은 ESS(Energy Storage System)의 SOC(State of Charge) 상태 추정을 통해서 예측된 SOC를 기반으로 최적의 충방전 스위칭 제어를 통해서 ESS나 배터리를 오랫동안 사용할 수 있는 SOH(Status of Health)를 가지게 하는 DC-DC 컨버터의 최적 제어 방법에 관한 것이다. 본 발명의 DC-DC 컨버터의 최적 제어 방법은, (A) 제어부에서 ESS 및 배터리팩의 SOC(State of Charge) 상태를 추정하는 단계와, (B) 상기 제어부에서 상기 SOC 상태 추정을 통해서 예측된 SOC를 기반으로 목적함수가 최적화되도록 DC-DC 컨버터의 제1 스위칭 소자(M1) 및 제2 스위칭 소자(M2)를 제어하는 단계와, (C) 상기 제어부에서 SOC를 일정 기준 값으로 유지하면서 상기 DC-DC 컨버터의 출력 전압을 제어하여 상기 ESS 및 상기 배터리팩을 충방전하는 단계를 포함한다.

Description

DC-DC 컨버터의 최적 제어 방법
본 발명은 DC-DC 컨버터의 제어 방법에 관한 것으로, 구체적으로, ESS(Energy Storage System)의 SOC(State of Charge) 상태 추정을 통한 DC-DC 컨버터의 최적 제어 방법에 관한 것이다.
스마트 그리드(Smart Grid)는 기존의 전력망에 IT 통신 기술을 첨부하여 전력 운영을 기존의 수요자 중심의 중앙 집권적인 전력 시스템에서 탈피해서 수요와 반응 중심의 분산전력 시스템으로 변경된다.
스마트 그리드의 주요 구성 요소로는 신 재생 에너지 시스템, 수요와 반응, 전기 자동차, ESS(Energy Storage System) 등 여러 가지가 있다.
수요와 반응에 기반해서 전력의 사용량을 평탄하게 만들기 위해서는 에너지 사용량이 적을 때 ESS에 에너지를 충전 했다가 에너지의 사용량이 많을 때 방전을 통해서 부하의 에너지 소비를 균등하게 해주어야 한다.
여러 시스템이 ESS를 병행해서 시스템을 운영하는 이유도 기존의 시스템이 가지고 있는 전력 생산의 변동성을 보완하고 로드의 에너지 수요의 균등화와 평탄화를 위해서 ESS를 기존의 시스템과 병행해서 사용하고 있다.
한편, 전 세계적으로 스마트 그리드의 확산에 따라서 배터리를 효율적으로 관리하는 것이 에너지 관리 측면에서 중요성이 커지고 있다. 세계적인 전기 회사에서도 ESS 및 BMS(Battery Management System)를 사용해서 배터리의 에너지 상태의 관리 및 전력 관리를 하고 있다.
ESS 및 BMS를 사용해서 에너지의 관리를 효율적이게 하려면 배터리나 ESS의 SOC(State of Charge)를 정확하게 예측하고, 예측을 통해서 DC-DC 컨버터를 사용해서 에너지 충방전을 효과적으로 제어하여야 한다. 현재 이러한 제어를 위한 방법론이 연구 및 개발되고 있다.
본 발명은, ESS(Energy Storage System)의 SOC(State of Charge) 상태 추정을 통해서 예측된 SOC를 기반으로 최적의 충방전 스위칭 제어를 통해서 ESS나 배터리를 오랫동안 사용할 수 있는 SOH(Status of Health)를 가지게 하는 DC-DC 컨버터의 최적 제어 방법을 제공하는 것을 목적으로 한다.
본 발명은, 배터리 및 ESS의 SOC(State of Charge)를 평균과 공분산 및 표준편차를 이용해서 SOC의 상태를 예측한 후 DC-DC 컨버터를 사용해서 ESS 및 배터리의 에너지를 효율적으로 관리 및 충방전하는 DC-DC 컨버터의 최적 제어 방법을 제공하는 것을 목적으로 한다.
본 발명의 목적들은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 본 발명의 다른 목적 및 장점들은 하기의 설명에 의해서 이해될 수 있고, 본 발명의 실시예에 의해 보다 분명하게 이해될 것이다. 또한, 본 발명의 목적 및 장점들은 특허 청구 범위에 나타낸 수단 및 그 조합에 의해 실현될 수 있음을 쉽게 알 수 있을 것이다.
이와 같은 목적을 달성하기 위하여, 본 발명의 DC-DC 컨버터의 최적 제어 방법은, (A) 제어부에서 ESS 및 배터리팩의 SOC(State of Charge) 상태를 추정하는 단계와, (B) 상기 제어부에서 상기 SOC 상태 추정을 통해서 예측된 SOC를 기반으로 목적함수가 최적화되도록 DC-DC 컨버터의 제1 스위칭 소자(M1) 및 제2 스위칭 소자(M2)를 제어하는 단계와, (C) 상기 제어부에서 SOC를 일정 기준 값으로 유지하면서 상기 DC-DC 컨버터의 출력 전압을 제어하여 상기 ESS 및 상기 배터리팩을 충방전하는 단계를 포함한다.
또한, 상기 (A) 단계는 ESS 및 배터리팩의 전류, 전압, SOC 데이터를 기반으로 한 모델링과 OCV(Open Circuit Voltage) 및 SOC의 상태 정보를 이용하여 칼만 필터를 통해 OCV를 추정하는 단계와, 상기 추정된 OCV를 기반으로 SOC 상태 추정하는 단계를 포함한다.
또한, 상기 칼만 필터는 현재의 상태를 바탕으로 데이터의 평균, 공분산, 표준 편차 및 기타 가공 프로세스를 사용해서 향후 상태를 추정하는 것을 특징으로 한다.
또한, 상기 (A) 단계는 (A1) 상기 ESS 및 상기 배터리팩의 전류, 전압, SOC 데이터 정보를 수집하는 단계와, (A2) 상기 수집된 전류, 전압, SOC 데이터 정보를 이용해서 OCV나 SOC 상태 정보를 생성하는 단계와, (A3) 상기 OCV나 SOC 상태 정보를 이용하여 칼만 필터 방법을 통해 프로세스 노이즈 및 측정 노이즈의 적응 조정을 통해서 터미널 전압과 충전 전류를 추정하는 단계와, (A4) 상기 추정된 터미널 전압 및 충전 전류를 기반으로 SOC를 추정하는 단계를 포함한다.
또한, 상기 (A2) 단계는 상기 ESS 및 상기 배터리팩 데이터를 바탕으로 하는 축약 모델을 전압과 전류에 대해서 리튬이온(LiB) 배터리에 근거해서 제작하고, OCV 및 SOC를 파라미터로 사용하여 방정식을 생성하는 것을 특징으로 한다.
또한, 상기 방정식은 SOC 계수의 곱이나, 나누기 및 로그를 취한 값들과 칼만 계수 값의 곱으로 더한 값들로 표현되는 것을 특징으로 한다.
또한, 상기 목적함수는 DC-DC 컨버터의 출력 전압과 ESS의 SOC 출력 및 충전 전류의 양으로 선정된 각 파라미터와 각 기준 값의 차를 SOC 계수에 곱한 각 파라미터의 합으로 설정하는 것을 특징으로 한다.
전술한 바와 같은 본 발명에 의하면, 본 발명의 DC-DC 컨버터의 최적 제어 방법은, 칼만 필터를 통해서 SOC 상태를 추정한 후 목적 함수의 사용을 통해서 SOC 및 충전 전류 및 출력 전압을 일정하게 유지할 수 있도록 최적화하여 SOC를 유지하고 심방전(Deep Cycle)을 방지하면서 충전 전류와 전압을 유지함으로써 ESS나 배터리가 열을 발생하지 않고 오랫동안 사용할 수 있는 효과가 있다.
또한, 상태 추정 알고리즘과 SOC 및 충전 전류와 출력 전압을 유지하고 최적으로 스위칭 작업을 통해서 ESS나 배터리를 오랫동안 건강한 상태로 사용할 수 있는 효과가 있다.
상술한 효과와 더불어 본 발명의 구체적인 효과는 이하 발명을 실시하기 위한 구체적인 사항을 설명하면서 함께 기술한다.
도1은 본 발명의 신 재생 에너지 시스템 및 기타 전력 시스템과 ESS를 사용한 분산 전력 시스템을 나타낸 블록도
도2는 도1에서 ESS의 전력 변환부의 구성을 상세히 나타낸 구성도
도3은 본 발명의 실시예에 따른 DC-DC 컨버터의 최적 제어 방법을 설명하기 위한 흐름도
도4는 도3에서 S100 단계에 따른 SOC 상태 추정 방법을 상세히 설명하기 위한 흐름도
도5는 본 발명에 따른 ESS 및 배터리팩의 OCV 및 SOC를 나타낸 그래프
도6a 내지 도6d는 본 발명의 DC-DC 컨버터의 최적 제어 방법을 통한 ESS의 충방전 결과를 나타낸 그래프
전술한 목적, 특징 및 장점은 첨부된 도면을 참조하여 상세하게 후술되며, 이에 따라 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명의 기술적 사상을 용이하게 실시할 수 있을 것이다. 본 발명을 설명함에 있어서 본 발명과 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 상세한 설명을 생략한다. 이하, 첨부된 도면을 참조하여 본 발명에 따른 바람직한 실시예를 상세히 설명하기로 한다. 도면에서 동일한 참조부호는 동일 또는 유사한 구성요소를 가리키는 것으로 사용된다.
이하에서는, 본 발명의 바람직한 실시예에 따른 DC-DC 컨버터의 최적 제어 방법에 관하여 도면을 참조하여 상세하게 설명하도록 한다.
도1은 본 발명의 신 재생 에너지 시스템 및 기타 전력 시스템과 ESS를 사용한 분산 전력 시스템을 나타낸 블록도이다.
도1에서 도시하고 있는 것과 같이, 분산 전력 시스템은 2개 이상의 입력모듈(100)(200), ESS(300), 출력모듈(400)을 포함한다.
입력모듈(100)(200)은 신 재생 에너지 시스템이나 기타 전력 생산 시스템을 포함한다. 즉, 입력모듈(100)(200)은 태양광, 풍력, 조력 및 기타 전력 생산 시스템이 생산한 전력을 DC 전압으로 변경한다. 이후 변경된 전압은 ESS(300)에 저장하게 된다. 이때, 분산 전력 시스템은 DC 전력으로 서로 묶여 있어서 DC-링크(DC-Link)라 할 수 있다.
출력모듈(400)은 그리드 및 부하를 포함한다. 그리고 출력모듈(400)은 입력모듈(100)(200) 및 ESS(300)와 전기적으로 접속될 수 있다.
ESS(300)는 전력변환부(310)와 배터리팩(320)을 포함한다. 그러나 이에 한정되지 않으며, 전력변환부(310)가 별도로 구성될 수도 있다.
ESS(300)는 부하가 필요로 하는 전력 및 에너지를 배터리팩(320)의 충방전에 따라서 출력모듈(400)에 전달한다. 전력변환부(310)는 별도의 전력 변환을 하지 않고, 입력모듈(100)(200)의 직류 전원을 바로 바이패스(bypass) 할 수 있다. 그리고 배터리팩(320)은 입력모듈(100)(200)의 직류 전원이 바로 저장 가능하다.
이때, ESS(300)는 배터리팩(320)의 예측된 SOC를 기반으로 SOC, 충전 전류 및 출력 전압을 일정 기준 값의 범위에서 유지되도록 전력변환부(310)를 제어한다. 이때, 예측된 SOC는 SOC(State of Charge) 상태 추정을 통해서 예측된다, 그리고 SOC(State of Charge) 상태 추정은 측정되는 SOC(State of Charge)를 평균과 공분산 및 표준편차를 이용해서 추정할 수 있다.
한편, ESS(300)은 방전 모드 시, 배터리팩(320)에 저장된 직류 전원을 전력 변환부(310)를 통해 교류 전원으로 변환한다. 그리고 ESS(300)은 변환된 교류 전원을 출력모듈(400)로 제공할 수 있다. 또한, ESS(300)는 상술한 바와 달리, 입력모듈(100)(200)에서 직류 전원을 교류 전원으로 변환한다. 그리고 ESS(300)은 변환된 교류 전원을 ESS(300)로 공급하는 것도 가능하다. 그리고 전력 변환부(310)는 입력모듈(100)(200)로부터의 교류전원을 다시 직류전원으로 변환한다. 그리고 전력 변환부(310)는 변환된 직류전원을 배터리팩(320)으로 공급할 수도 있다. 이러한 경우에도, ESS(300)는 방전 모드 시, 배터리팩(320)에 저장된 직류 전원을 전력 변환부(310)를 통해 교류 전원으로 변환한다, 그리고 ESS(300)는 변환된 교류전원을 출력모듈(400)로 제공할 수 있게 된다.
도2는 도1에서 ESS의 전력 변환부의 구성을 상세히 나타낸 구성도이다.
도2에서 도시하고 있는 것과 같이, 전력 변환부(310)는 DC-DC 컨버터(311), 제어부(312)를 포함한다.
DC-DC 컨버터(311)는 제1, 2 입력모듈(100)(200)로부터 전력을 공급받는 입력단(Vin)의 일단과 직렬로 연결되는 인덕터(L)와, 제어부(312)로부터 입력되는 제어신호에 의해 턴온 또는 턴오프되고 서로 병렬로 연결되는 제1 스위칭 소자(M1) 및 제2 스위칭 소자(M2)와, 제2 스위칭 소자(M2)와 병렬로 연결되는 다이오드(D)와, 제1 스위칭 소자(M1) 및 제2 스위칭 소자(M2)와 병렬로 연결되는 캐패시터(C)와, 캐패시터(C)와 병렬로 연결되는 부하(R)포함한다. 이때, 제1 스위칭 소자(M1) 및 제2 스위칭 소자(M2)는 MOSFET으로 구성될 수 있다.
DC-DC 컨버터(311)는 CCCV(Constant Current Constant Voltage) 충방전을 위한 부스트 컨버터로 구성될 수 있다. 이때, CCCV 충방전은 전류와 전압을 일정하게 주어서 충방전을 하는 방법이다. CCCV 충방전은 전류를 과하게 해서 충전을 할 경우 배터리팩(320)이나 ESS(300)의 수명이 단축되므로, 이를 방지하기 위해 사용된다.
제어부(312)는 예측된 SOC를 기반으로 심방전(Deep Cycle)을 방지하고 일정한 SOC를 유지해서 SOH(Status of Health)를 최상의 상태로 유지한다. 이때, 예측된 SOC는 SOC(State of Charge) 상태 추정을 통해서 예측된다. 이를 위해, 제어부(312)는 예측된 SOC 및 OCV를 기반으로 목적함수를 최적화한다. 이어서 제어부(312)는 DC-DC 컨버터(311)의 제1 스위칭 소자(M1) 및 제2 스위칭 소자(M2)를 제어한다. 즉, 제어부(312)는 DC-DC 컨버터(311)의 제1 스위칭 소자(M1) 및 제2 스위칭 소자(M2)의 스위칭 제어를 통해서 DC-DC 컨버터(311)의 출력 전압(Vout)을 제어할 수 있다.
이때, SOC 상태 추정은 ESS(300) 및 배터리팩(320)의 전류, 전압, SOC 데이터를 기반으로 한 모델링과 OCV(Open Circuit Voltage) 및 SOC의 상태 정보를 이용하여 칼만 필터 방법을 통해 OCV를 추정한다. 그리고 SOC는 OCV로 표현이 되므로, OCV의 추정을 통해 SOC 상태 추정을 할 수 있게 된다. 칼만 필터는 현재의 상태를 바탕으로 데이터의 평균, 공분산, 표준 편차 및 기타 가공 프로세스를 사용해서 향후 상태를 추정하는 방법론이다.
그리고 목적함수는 충전 전류 및 출력 전압과 SOC로 산출된다. 목적함수에서 산출된 이 모든 값은 기준 값을 추종하도록 구성되는 방법으로 설정된다. 제어부(312)는 이 목적 함수를 처음 단계에서부터 사용해서 최종 목적 단계까지 목적 함수를 최적화 하는 방법으로 2개의 제1 스위칭 소자(M1) 및 제2 스위칭 소자(M2)를 제어한다.
이처럼, 제어부(312)는 배터리팩(320)의 SOC(State of Charge) 상태 추정을 통해서 예측된 SOC를 기반으로 충방전 스위칭 제어신호를 제1 스위칭 소자(M1) 및 제2 스위칭 소자(M2)로 입력한다. 그리고 제어부(312)는 입력되는 충방전 스위칭 제어신호를 통해 제1 스위칭 소자(M1) 및 제2 스위칭 소자(M2)를 턴온 또는 턴오프 제어한다. 이를 통해 제어부(312)는 CCCV(Constant Current Constant Voltage) 충방전을 제어한다.
이러한 구성을 통해, 전력 변환부(310)는 신 재생 에너지 시스템 및 기타의 전력 시스템에서 공급되는 전력을 DC-DC 컨버터(311)를 이용해서 출력 전압을 입력 전압보다 높게 승압하여 충전시킬 수 있다. 또한 전력 변환부(310)는 DC-DC 컨버터(311)를 이용하여 출력모듈(400)과의 역률(PF)을 수정할 수 있다.
이와 같이 구성된 본 발명의 DC-DC 컨버터의 최적 제어 방법을 첨부한 도면을 참조하여 상세히 설명하면 다음과 같다. 도1 및 도2와 동일한 참조부호는 동일한 기능을 수행하는 동일한 부재를 지칭한다.
도3은 본 발명의 실시예에 따른 DC-DC 컨버터의 최적 제어 방법을 설명하기 위한 흐름도이다.
도3을 참조하여 설명하면, 먼저 제어부(312)는 ESS(300) 및 배터리팩(320)의 SOC(State of Charge) 상태를 추정한다(S100). 이때, 제어부(312)는 ESS(300) 내부에 포함될 수도 있지만, 이에 한정되지 않으며 별도로 구성될 수도 있다.
SOC 상태 추정은 ESS(300) 및 배터리팩(320)의 전류, 전압, SOC 데이터를 기반으로 한 모델링과, OCV(Open Circuit Voltage) 및 SOC의 상태 정보를 이용하여 OCV를 추정한다. 이때, OCV 추정은 칼만 필터 방법을 통해 추정한다. 그리고 SOC는 OCV로 표현이 되므로, OCV의 추정을 통해 SOC 상태 추정을 할 수 있게 된다. 칼만 필터는 현재의 상태를 바탕으로 데이터의 평균, 공분산, 표준 편차 및 기타 가공 프로세스를 사용해서 향후 상태를 추정하는 방법론이다.
이때, S100 단계에 따른, SOC 상태 추정 방법은 도4를 참조하여 아래에서 다시 설명하도록 한다.
이어서, 제어부(312)는 SOC(State of Charge) 상태 추정을 통해서 예측된 SOC를 기반으로 심방전(Deep Cycle)을 방지한다. 그리고 제어부(312)는 일정한 SOC를 유지해서 SOH(Status of Health)를 최상의 상태로 유지한다(S200). 이를 위해, 제어부(312)는 추정된 SOC 및 OCV를 기반으로 목적함수를 최적화하면서 DC-DC 컨버터(311)의 제1 스위칭 소자(M1) 및 제2 스위칭 소자(M2)를 제어한다.
목적함수는 DC-DC 컨버터(311)의 출력 전압(Vout)과, ESS(300)의 SOC 출력 및 충전 전류의 양으로 선정된 각 파라미터와, 각 기준 값의 차를 SOC 계수에 곱한다. 그리고 각 파라미터를 합하는 방법으로 설정한다. 제어부(312)는 이 목적 함수를 처음 스탭에서부터 사용해서 최종 목적 스탭까지 목적 함수를 최적화 하는 방법으로 2개의 제1 스위칭 소자(M1) 및 제2 스위칭 소자(M2)를 제어한다.
그리고 제어부(312)는 DC-DC 컨버터(311)의 제1 스위칭 소자(M1) 및 제2 스위칭 소자(M2)의 스위칭 제어를 통해서 DC-DC 컨버터(311)의 출력 전압(Vout)을 제어한다. 이어서 제어부(312)는 ESS(300) 및 배터리팩(320)의 충방전을 제어한다(S300). 즉, 제어부(312)는 ESS(300) 및 배터리팩(320)의 SOC를 일정 기준 값으로 유지한다. 이어서 제어부(312)는 ESS(300) 및 배터리팩(320)의 과 충전과 과 방전 및 심방전(Deep Cycle)을 방지할 수 있도록 DC-DC 컨버터(311)의 출력 전압(Vout)을 제어한다.
도4는 도3에서 S100 단계에 따른 SOC 상태 추정 방법을 상세히 설명하기 위한 흐름도이다.
도4를 참조하여 설명하면, 제어부(312)는 ESS(300) 및 배터리팩(320)의 전류, 전압, SOC 데이터 정보들을 수집한다(S101). 수집되는 정보는 DC-DC 컨버터(311)의 출력 전압(Vout)과 ESS(300)의 SOC 출력 및 충전 전류를 포함할 수 있다.
이어, 제어부(312)는 수집된 전류, 전압, SOC 데이터 정보를 이용해서 OCV나 SOC 상태 정보를 생성한다(S102).
OCV나 SOC 상태 정보를 생성하는 과정을 도5를 참조하여 설명하면 다음과 같다.
도5는 본 발명에 따른 ESS 및 배터리팩의 OCV 및 SOC를 나타낸 그래프이다.
도5(a)에서 나타내고 있는 것과 같이, ESS(300)나 배터리팩(320)은 데이터를 바탕으로 하는 축약 모델을 전압과 전류에 대해서 리튬이온(LiB) 배터리에 근거해서 제작한다. 다음으로 ESS(300)나 배터리팩(320)은 OCV 및 SOC를 파라미터로 사용해서 다음 수학식1의 방정식으로 표현할 수 있다.
Figure PCTKR2018016096-appb-M000001
이때, S는 리튬이온 배터리의 SOC 계수이고,
Figure PCTKR2018016096-appb-I000001
~
Figure PCTKR2018016096-appb-I000002
는 컴퓨터 프로그램을 이용한 회귀 분석 추정을 통해서 얻어진 상수 값인 칼만 계수로,
Figure PCTKR2018016096-appb-I000003
는 3.441,
Figure PCTKR2018016096-appb-I000004
는 -0.132,
Figure PCTKR2018016096-appb-I000005
는 4.58×10-6,
Figure PCTKR2018016096-appb-I000006
은 0.103,
Figure PCTKR2018016096-appb-I000007
는 -0.017을 갖는다.
수학식1과 같이, 생성된 방정식은 SOC 계수(S)의 곱이나, 나누기 및 로그를 취한 값들과 상수 값의 곱으로 더한 값들로 표현이 된다. 그리고 수학식1의 방정식인 정상 상태 방정식을 통해서 OCV 및 SOC의 상태 방정식과 측정 방정식을 만들 수 있다.
도5(b)는 도5(a)의 그래프를 통해서 추정된 모델에서 OCV가 전체 SOC 범위에서 3% 이내의 오차를 보이는 것을 나타낸 그래프로서, 도5(b)에서 도시된 그래프를 통해서 이를 확인할 수 있다.
이어서, 제어부(312)는 생성된 방정식에 따른 OCV나 SOC 상태 정보를 이용하여 터미널 전압과 충전 전류를 추정한다(S103). 이때, 터미널 전압과 충전 전류의 추정은 칼만 필터 방법을 통해 프로세스 노이즈 및 측정 노이즈의 적응 조정을 통해서 이루어진다.
그리고 제어부(312)는 추정된 터미널 전압 및 충전 전류를 기반으로 SOC를 추정한다(104). 이때, SOC는 OCV로 표현되어지므로 OCV의 추정을 통해서 SOC 추정을 할 수 있다.
도6a 내지 도6d는 본 발명의 DC-DC 컨버터의 최적 제어 방법을 통한 ESS의 충방전 결과를 나타낸 그래프이다. 도6a는 출력 전압을 나타낸 그래프이고, 도6b는 충전 전류를 나타낸 그래프이고, 도6c는 SOC를 나타낸 그래프이고, 도6d는 온도를 나타낸 그래프이다.
도6a 내지 도6d에서 도시하고 있는 것과 같이, 3시간 동안, 배터리팩(320)의 0.8 SOC를 일정하게 유지하면서 충전 전류 및 출력 전압을 일정하게 유지하는 것을 확인할 수 있다. 이때, 출력 전압은 3시간 동안 109.4V~110.6V로 거의 변화가 없다. 또한 배터리팩(320)의 온도변화도 3시간 동안의 거의 일정하게 유지됨을 확인할 수 있다.
이처럼, 제어부(312)는 DC-DC 컨버터(311)의 출력 전압(Vout)을 제어하여 SOC 및 충전 전류 및 출력 전압을 일정하게 유지한다. 그리고 제어부(312)는 심방전(Deep Cycle)을 방지하면서 충전 전류와 전압을 유지함으로써 ESS(300)나 배터리팩(320)이 열을 발생하지 않고 오랫동안 사용할 수 있도록 한다.
전술한 본 발명은, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 있어 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 여러 가지 치환, 변형 및 변경이 가능하므로 전술한 실시예 및 첨부된 도면에 의해 한정되는 것이 아니다.

Claims (7)

  1. (A) 제어부에서 ESS 및 배터리팩의 SOC(State of Charge) 상태를 추정하는 단계;
    (B) 상기 제어부에서 상기 SOC 상태 추정을 통해서 예측된 SOC를 기반으로 목적함수가 최적화되도록 DC-DC 컨버터의 제1 스위칭 소자(M1) 및 제2 스위칭 소자(M2)를 제어하는 단계;
    (C) 상기 제어부에서 SOC를 일정 기준 값으로 유지하면서 상기 DC-DC 컨버터의 출력 전압을 제어하여 상기 ESS 및 상기 배터리팩을 충방전하는 단계를 포함하는
    DC-DC 컨버터의 최적 제어 방법.
  2. 제1 항에 있어서,
    상기 (A) 단계는
    ESS 및 배터리팩의 전류, 전압, SOC 데이터를 기반으로 한 모델링과 OCV(Open Circuit Voltage) 및 SOC의 상태 정보를 이용하여 칼만 필터를 통해 OCV를 추정하는 단계와,
    상기 추정된 OCV를 기반으로 SOC 상태 추정하는 단계를 포함하는 DC-DC 컨버터의 최적 제어 방법.
  3. 제2 항에 있어서,
    상기 칼만 필터는 현재의 상태를 바탕으로 데이터의 평균, 공분산, 표준 편차 및 기타 가공 프로세스를 사용해서 향후 상태를 추정하는 것을 특징으로 하는 DC-DC 컨버터의 최적 제어 방법.
  4. 제1 항에 있어서,
    상기 (A) 단계는
    (A1) 상기 ESS 및 상기 배터리팩의 전류, 전압, SOC 데이터 정보를 수집하는 단계와,
    (A2) 상기 수집된 전류, 전압, SOC 데이터 정보를 이용해서 OCV나 SOC 상태 정보를 생성하는 단계와,
    (A3) 상기 OCV나 SOC 상태 정보를 이용하여 칼만 필터 방법을 통해 프로세스 노이즈 및 측정 노이즈의 적응 조정을 통해서 터미널 전압과 충전 전류를 추정하는 단계와,
    (A4) 상기 추정된 터미널 전압 및 충전 전류를 기반으로 SOC를 추정하는 단계를 포함하는 DC-DC 컨버터의 최적 제어 방법.
  5. 제4 항에 있어서,
    상기 (A2) 단계는
    상기 ESS 및 상기 배터리팩 데이터를 바탕으로 하는 축약 모델을 전압과 전류에 대해서 리튬이온(LiB) 배터리에 근거해서 제작하고, OCV 및 SOC를 파라미터로 사용하여 방정식을 생성하는 것을 특징으로 하는 DC-DC 컨버터의 최적 제어 방법.
  6. 제5 항에 있어서,
    상기 방정식은 SOC 계수의 곱이나, 나누기 및 로그를 취한 값들과 칼만 계수 값의 곱으로 더한 값들로 표현되는 것을 특징으로 하는 DC-DC 컨버터의 최적 제어 방법.
  7. 제1 항에 있어서,
    상기 목적함수는 DC-DC 컨버터의 출력 전압과 ESS의 SOC 출력 및 충전 전류의 양으로 선정된 각 파라미터와 각 기준 값의 차를 SOC 계수에 곱한 각 파라미터의 합으로 설정하는 것을 특징으로 하는 DC-DC 컨버터의 최적 제어 방법.
PCT/KR2018/016096 2018-05-18 2018-12-18 Dc-dc 컨버터의 최적 제어 방법 WO2019221357A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020180057311A KR102318754B1 (ko) 2018-05-18 2018-05-18 Dc-dc 컨버터의 최적 제어 방법
KR10-2018-0057311 2018-05-18

Publications (1)

Publication Number Publication Date
WO2019221357A1 true WO2019221357A1 (ko) 2019-11-21

Family

ID=68540495

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2018/016096 WO2019221357A1 (ko) 2018-05-18 2018-12-18 Dc-dc 컨버터의 최적 제어 방법

Country Status (2)

Country Link
KR (1) KR102318754B1 (ko)
WO (1) WO2019221357A1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101486470B1 (ko) * 2012-03-16 2015-01-26 주식회사 엘지화학 배터리 상태 추정 장치 및 방법
US20170146608A1 (en) * 2015-11-20 2017-05-25 Korea Advanced Institute Of Science And Technology Method of dynamically extracting entropy of battery
JP2017112729A (ja) * 2015-12-16 2017-06-22 トヨタ自動車株式会社 バッテリ制御システム
KR101792537B1 (ko) * 2016-07-04 2017-11-02 숭실대학교산학협력단 배터리 상태 추정 장치 및 방법, 이를 수행하기 위한 기록매체
KR101794837B1 (ko) * 2016-12-23 2017-11-09 세종솔젠텍(주) 태양광 발전기의 충·방전 제어 유닛 시스템

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4228760B2 (ja) * 2002-07-12 2009-02-25 トヨタ自動車株式会社 バッテリ充電状態推定装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101486470B1 (ko) * 2012-03-16 2015-01-26 주식회사 엘지화학 배터리 상태 추정 장치 및 방법
US20170146608A1 (en) * 2015-11-20 2017-05-25 Korea Advanced Institute Of Science And Technology Method of dynamically extracting entropy of battery
JP2017112729A (ja) * 2015-12-16 2017-06-22 トヨタ自動車株式会社 バッテリ制御システム
KR101792537B1 (ko) * 2016-07-04 2017-11-02 숭실대학교산학협력단 배터리 상태 추정 장치 및 방법, 이를 수행하기 위한 기록매체
KR101794837B1 (ko) * 2016-12-23 2017-11-09 세종솔젠텍(주) 태양광 발전기의 충·방전 제어 유닛 시스템

Also Published As

Publication number Publication date
KR20190132082A (ko) 2019-11-27
KR102318754B1 (ko) 2021-10-27

Similar Documents

Publication Publication Date Title
Huang et al. Energy sharing control scheme for state-of-charge balancing of distributed battery energy storage system
CN102104257B (zh) 公寓楼的储能系统、集成电力管理系统及系统控制方法
US9190915B2 (en) Electric-power conversion device
WO2012165771A2 (ko) 모듈화된 bms 연결 구조를 포함하는 전력 저장 시스템 및 그 제어 방법
CN111276960B (zh) 一种光-储直流微电网系统中储能模块预测控制方法
CN102570539A (zh) 充电控制装置和充电控制方法
CN116349106A (zh) 一种储能系统、储能系统的控制方法及光伏发电系统
JP2013102574A (ja) 充電制御方法および放電制御方法、充電装置コントローラおよび放電装置コントローラならびに充電制御プログラムおよび放電制御プログラム
CN103094952A (zh) 控制装置、控制方法及控制系统
CN110797928A (zh) 一种充电站负载均衡管理方法及装置
CN104303392A (zh) 控制系统
EP4220885B1 (en) Charging/discharging apparatus, battery charging and discharging method, and charging/discharging system
CN109066751A (zh) 电能存储和分配的控制装置、方法和供电系统
Ekanayake et al. Active and passive based hybrid cell balancing approach to series connected lithium-ion battery pack
CN112534672A (zh) 电源系统和管理装置
WO2024066911A1 (zh) 智能电池管理系统、方法、电子设备及可读存储介质
WO2019221357A1 (ko) Dc-dc 컨버터의 최적 제어 방법
CN115885446A (zh) 一种能源系统及充放电控制方法
WO2017204588A2 (ko) 태양광 발전 장치 관리 시스템, 태양광 발전 장치 관리 방법 및 컴퓨터 판독 가능 저장 매체
CN116455045A (zh) 一种基于铅酸蓄电池的基站光储备电源保障系统
WO2017204497A1 (ko) 스마트 그리드용 bess의 제어 시스템 및 방법
CN215681813U (zh) 一种并联储能系统
CN117941196A (zh) 储能系统的控制方法和控制装置
CN114938049A (zh) 一种电池组的充放电平衡保护检测管理的方法及系统
KR102151652B1 (ko) 척컨버터 토폴로지를 이용한 리튬이온 전지 셀밸런싱 장치

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: 18918766

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: 18918766

Country of ref document: EP

Kind code of ref document: A1