WO2021149973A1 - 배터리 진단 시스템, 전력 시스템 및 배터리 진단 방법 - Google Patents

배터리 진단 시스템, 전력 시스템 및 배터리 진단 방법 Download PDF

Info

Publication number
WO2021149973A1
WO2021149973A1 PCT/KR2021/000561 KR2021000561W WO2021149973A1 WO 2021149973 A1 WO2021149973 A1 WO 2021149973A1 KR 2021000561 W KR2021000561 W KR 2021000561W WO 2021149973 A1 WO2021149973 A1 WO 2021149973A1
Authority
WO
WIPO (PCT)
Prior art keywords
battery
deviation
determining
batteries
time
Prior art date
Application number
PCT/KR2021/000561
Other languages
English (en)
French (fr)
Inventor
이진규
Original Assignee
주식회사 엘지에너지솔루션
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
Priority claimed from KR1020210004897A external-priority patent/KR20210095051A/ko
Application filed by 주식회사 엘지에너지솔루션 filed Critical 주식회사 엘지에너지솔루션
Priority to JP2022500510A priority Critical patent/JP7364160B2/ja
Priority to EP21743768.0A priority patent/EP4016101B1/en
Priority to CN202180004620.0A priority patent/CN114127570B/zh
Priority to US17/629,720 priority patent/US20220268853A1/en
Publication of WO2021149973A1 publication Critical patent/WO2021149973A1/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]
    • G01R31/3644—Constructional arrangements
    • G01R31/3648—Constructional arrangements comprising digital calculation means, e.g. for performing an algorithm
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/396—Acquisition or processing of data for testing or for monitoring individual cells or groups of cells within a battery
    • 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
    • G01R31/3835—Arrangements for monitoring battery or accumulator variables, e.g. SoC involving only voltage measurements
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/389—Measuring internal impedance, internal conductance or related variables
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/392—Determining battery ageing or deterioration, e.g. state of health
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00—Secondary cells; Manufacture thereof
    • H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
    • H01M10/425—Structural combination with electronic components, e.g. electronic circuits integrated to the outside of the casing
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00—Secondary cells; Manufacture thereof
    • H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
    • H01M10/48—Accumulators combined with arrangements for measuring, testing or indicating the condition of cells, e.g. the level or density of the electrolyte
    • H01M10/482—Accumulators combined with arrangements for measuring, testing or indicating the condition of cells, e.g. the level or density of the electrolyte for several batteries or cells simultaneously or sequentially
    • 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
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/00032—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries characterised by data exchange
    • 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
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/0013—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries acting upon several batteries simultaneously or sequentially
    • 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
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/0047—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with monitoring or indicating devices or circuits
    • H02J7/0048—Detection of remaining charge capacity or state of charge [SOC]
    • 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
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/0047—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with monitoring or indicating devices or circuits
    • H02J7/005—Detection of state of health [SOH]
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00—Secondary cells; Manufacture thereof
    • H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
    • H01M10/425—Structural combination with electronic components, e.g. electronic circuits integrated to the outside of the casing
    • H01M2010/4271—Battery management systems including electronic circuits, e.g. control of current or voltage to keep battery in healthy state, cell balancing
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00—Secondary cells; Manufacture thereof
    • H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
    • H01M10/425—Structural combination with electronic components, e.g. electronic circuits integrated to the outside of the casing
    • H01M2010/4278—Systems for data transfer from batteries, e.g. transfer of battery parameters to a controller, data transferred between battery controller and main controller
    • 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02E60/10—Energy storage using batteries

Definitions

  • the present invention relates to a technique for detecting abnormalities in each battery using statistical analysis of monitored battery parameter(s) from a plurality of batteries.
  • lithium batteries have almost no memory effect compared to nickel-based batteries, so they are free to charge and discharge and have very high self-discharge rates. It is attracting attention due to its low energy density and high energy density.
  • a battery group for a device requiring a high-capacity and high voltage such as an electric vehicle or an energy storage system, includes a plurality of batteries connected in series with each other.
  • a battery management system is provided to obtain battery parameter(s) of each battery and execute various functions (eg, balancing, cooling) for ensuring reliability and safety of each battery.
  • the present invention has been devised to solve the above problems, and by using a battery diagnosis system configured to replace or share some of the functions of the battery management system, more accurately the abnormality of each battery included in the battery group. It is an object of the present invention to provide a battery diagnosis system, a power system, and a battery diagnosis method for efficiently diagnosing.
  • An object of the present invention is to provide a battery diagnosis system, a power system, and a battery diagnosis method for detecting (predicting) an abnormality.
  • a battery diagnosis system is for a battery pack.
  • the battery pack may include: a battery group including a plurality of batteries connected in series; and a battery management system electrically coupled to both ends of each of the plurality of batteries and configured to transmit a notification signal indicating a battery parameter of each battery.
  • the battery diagnosis system may include: a communication device configured to collect the notification signal via at least one of a wired network and a wireless network; a data pre-processing device, configured to update big data representing a change history of the battery parameter of each battery based on the notification signal; and extracting, from the big data, a data set including a plurality of characteristic values representing the battery parameters of each of the plurality of batteries, determining distribution information of the data set, and obtaining the distribution information and the plurality of characteristic values. based on the data analysis device, configured to determine an abnormality of each battery.
  • the dispersion information may include a standard deviation and an average of the plurality of characteristic values.
  • the data analysis device may be configured to determine, for each battery at predetermined times, a deviation ratio that is a ratio of a deviation of interest to the standard deviation.
  • the deviation of interest is the difference between the mean and the characteristic value.
  • the data analysis device may be configured to determine, for each battery, an amount of change in the deviation ratio every predetermined time.
  • the data analysis device may be configured to determine the reference change amount based on an increase amount of accumulated energy used for charging and discharging from the time of manufacturing the battery group at every predetermined time.
  • the data analysis device may be configured to determine that, every predetermined time, each battery having a change amount of the deviation ratio greater than the reference change amount is abnormal.
  • the data analysis device may be configured to determine, every predetermined time, a usage score based on an increase amount of the accumulated energy.
  • the usage score is a degradation factor having a positive correlation with the accumulated energy and the elapsed time from the time of manufacture of the battery group.
  • the data analysis device may be configured to determine, at every predetermined time, the reference amount of change corresponding to the usage score by using a first transform function defining a positive correlation between the usage score and the reference amount of change.
  • the data analysis device may be configured to determine, for each battery, a deviation of interest, which is a difference between the average and the characteristic value, every predetermined time.
  • the data analysis device may be configured to determine a reference coefficient based on an increase in accumulated energy used for charging and discharging from the time of manufacturing the battery group at every predetermined time.
  • the data analysis device may be configured to determine, for each battery, every predetermined time, each battery having the deviation of interest greater than a tolerance that is a product of the reference coefficient and the standard deviation as abnormal.
  • the data analysis device may be configured to determine, every predetermined time, a usage score based on an increase amount of the accumulated energy.
  • the usage score is a degradation factor that has a positive correlation with the accumulated energy and the elapsed time from the time of manufacture of the battery group.
  • the data analysis device may be configured to determine, every predetermined time, the reference coefficient corresponding to the usage score by using a second transform function defining a positive correlation between the usage score and the reference coefficient.
  • the data analysis device may be configured to transmit, every predetermined time, a diagnostic message including identification information of each battery determined to be abnormal among the plurality of batteries to the battery management system by using the communication device.
  • the battery parameter may be one or more weighted averages of voltage, temperature, swelling amount, state of charge (SOC), state of health (SOH), internal resistance, and self-discharge rate.
  • a power system includes the battery diagnosis system.
  • the battery diagnosis method can be executed every predetermined time by the battery diagnosis system.
  • the battery diagnosis method may include: updating, by the battery diagnosis system, big data indicating a change history of the battery parameter of each battery based on the notification signal transmitted by the battery management system; extracting, by the battery diagnosis system, a data set including a plurality of characteristic values representing the battery parameters of each of the plurality of batteries from the big data; determining, by the battery diagnosis system, distribution information of the data set; and determining, by the battery diagnosis system, an abnormality of each battery based on the distribution information and the plurality of characteristic values.
  • the dispersion information may include a standard deviation and an average of the plurality of characteristic values.
  • Determining the abnormality of each battery may include, for each battery, determining a deviation ratio, which is a ratio of a deviation of interest to the standard deviation, wherein the deviation of interest is a difference between the average and the characteristic value; determining, for each battery, an amount of change in the deviation ratio; determining a reference change amount based on an increase amount of accumulated energy used for charging and discharging from the time of manufacturing the battery group; and determining that each battery having a change amount of the deviation ratio greater than the reference change amount is abnormal.
  • Determining the abnormality of each battery may include, for each battery, determining a deviation of interest that is a difference between the average and the characteristic value; determining a reference coefficient based on an increase in accumulated energy used for charging and discharging from the time of manufacturing the battery group; and determining that each battery having the deviation of interest greater than an tolerance that is a product of the reference coefficient and the standard deviation is abnormal.
  • an abnormality of each battery included in a battery group is more accurately and efficiently diagnosed using a battery diagnosis system configured to replace or share some of the functions of the battery management system. can do.
  • big data is generated and updated by accumulating battery parameter(s) of each of a plurality of batteries in a time-series manner over the entire lifespan of a battery group, using statistical analysis to It is possible to detect (predict) abnormalities in each battery from big data.
  • the accuracy of anomaly detection can be improved.
  • FIG. 1 is a diagram exemplarily showing the configuration of a power system according to the present invention.
  • FIG. 2 is a diagram exemplarily illustrating a connection relationship between a sensing device and a protection device of the battery management system shown in FIG. 1 and a battery.
  • 3 is a graph exemplarily showing changes with time of a plurality of characteristic values periodically acquired from a plurality of batteries.
  • 4 and 5 are graphs referenced for explaining an operation of detecting an abnormality in a battery using distribution information of a data set acquired every predetermined time.
  • FIG. 6 is a flowchart schematically illustrating a method for diagnosing a battery according to the present invention.
  • FIG. 7 is a flowchart schematically illustrating an anomaly detection process according to the first embodiment for implementing step S640 of FIG. 6 .
  • FIG. 8 is a flowchart schematically illustrating an anomaly detection process according to the second embodiment for implementing step S640 of FIG. 6 .
  • FIG. 1 is a diagram exemplarily showing the configuration of a power system according to the present invention
  • FIG. 2 is a diagram exemplarily illustrating a connection relationship between a sensing device and a protection device of the battery management system shown in FIG. 1 and a battery.
  • a power system 1 is a system including a power storage means capable of inputting and outputting energy, such as an electric vehicle or an energy storage system.
  • the power system 1 includes a battery pack 10 , a relay 20 , a power conversion device 30 , and a battery diagnosis system 200 .
  • the battery pack 10 includes a battery group BG and a battery management system 100 .
  • the battery group BG includes a plurality of batteries B_1 to B_m, where m is a natural number equal to or greater than 2, electrically connected to each other in series.
  • m is a natural number equal to or greater than 2
  • reference numeral 'B' will be used as a symbol for the battery.
  • the battery B may include a single battery cell or two or more battery cells connected in series, parallel or series-parallel mixed.
  • the type of the battery cell is not particularly limited as long as the battery cell can be repeatedly charged and discharged, such as a lithium-ion cell.
  • the relay 20 is installed in the power line PL for serving as a power path between the battery pack 10 and the power conversion device 30 . While the relay 20 is on, power transfer from one of the battery pack 10 and the power conversion device 30 to the other is possible.
  • the relay 20 may be implemented by combining one or more of the known switching devices such as the relay 20, for example a mechanical contactor, a Field Effect Transistor (FET), or the like.
  • the battery management system 100 may control switching the relay 20 between on and off according to the state of the battery group BG.
  • the power conversion device 30 in response to a command from the battery management system 100 and / or an external device (not shown), the charging of the battery group (BG) from the AC power supplied by the electrical system 40 DC power can be generated for
  • the power conversion device 30 may generate AC power from DC power from the battery pack 10 .
  • the battery management system 100 measures at least one of voltage, current, temperature, and swelling of each of a plurality of batteries.
  • the battery management system 100 includes a sensing device 110 , a current sensor 114 , a communication device 120 , and a control device 130 .
  • the sensing device 110 includes a voltage measurement circuit 111 , a temperature measurement circuit 112 , and/or a swelling measurement circuit 113 .
  • the voltage measuring circuit 111 includes a plurality of voltage sensors 151 .
  • the plurality of voltage sensors 151 are provided to the plurality of batteries on a one-to-one basis. Referring to FIG. 2 , the voltage sensor 151 is electrically connected to both ends (ie, a positive electrode and a negative electrode) of a corresponding battery B through a voltage sensing line.
  • the voltage sensor 151 is configured to measure the voltage across the battery B and generate a signal indicative of the measured voltage.
  • the control device 130 may determine a voltage of each of the plurality of batteries B_1 to B_m based on a signal from the voltage measuring circuit 111 for each set time. In addition, the control device 130 may further determine a voltage across both ends of the battery group BG by summing voltages of each of the plurality of batteries B_1 to B_m.
  • the temperature measuring circuit 112 includes a plurality of temperature sensors 152 .
  • the plurality of temperature sensors 152 are provided to the plurality of batteries on a one-to-one basis. Referring to FIG. 2 , the temperature sensor 152 is configured to measure the temperature of the corresponding battery B and generate a signal indicative of the measured temperature. For example, a thermocouple or the like may be used as the temperature sensor 152 .
  • the control device 130 may determine the temperature of each of the plurality of batteries B_1 to B_m based on the signal from the temperature measuring circuit 112 for each set time.
  • the swelling measuring circuit 113 includes a plurality of swelling sensors 153 .
  • the plurality of swelling sensors 153 are provided to the plurality of batteries on a one-to-one basis.
  • the swelling sensor 153 is configured to measure a swelling amount of the corresponding battery B and generate a signal indicative of the measured swelling amount.
  • the swelling sensor 153 is attached to a corresponding part of the battery B, and measures the displacement from the initial value of a predetermined point of the battery B or the pressure applied to the battery B as a swelling amount. can do.
  • the control device 130 may determine a swelling amount of each of the plurality of batteries B_1 to B_m based on a signal from the swelling measuring circuit 113 for each set time.
  • the current sensor 114 is electrically connected in series to the battery group BG through the power line PL.
  • the current sensor 114 is configured to measure a current flowing through the battery group BG and output a signal representing the measured current to the control device 130 .
  • a shunt resistor, a Hall effect element, or the like may be used as the current sensor 114 .
  • the control device 130 is operatively coupled to the relay 20 , the sensing device 110 , the power conversion device 30 and the battery diagnostic system 200 .
  • the two components When the two components are operatively coupled, it means that the two components are directly or indirectly connected to transmit/receive signals in one direction or in both directions.
  • Control device 130 in hardware, ASICs (application specific integrated circuits), DSPs (digital signal processors), DSPDs (digital signal processing devices), PLDs (programmable logic devices), FPGAs (field programmable gate arrays), micro It may be implemented using at least one of a processor (microprocessors) and an electrical unit for performing other functions.
  • ASICs application specific integrated circuits
  • DSPs digital signal processors
  • DSPDs digital signal processing devices
  • PLDs programmable logic devices
  • FPGAs field programmable gate arrays
  • micro It may be implemented using at least one of a processor (microprocessors) and an electrical unit for performing other functions.
  • the control device 130 may have a built-in memory.
  • a program and various data necessary for executing battery management methods according to embodiments to be described later may be previously stored in the memory.
  • the memory is, for example, a flash memory type, a hard disk type, a solid state disk type, an SDD type (Silicon Disk Drive type), and a multimedia card micro type.
  • RAM random access memory
  • SRAM static random access memory
  • ROM read-only memory
  • EEPROM electrically erasable programmable read-only memory
  • PROM programmable read-only memory
  • the control device 130 periodically or aperiodically collects the signals representing the measurement result by the sensing device 110 .
  • the control device 130 acquires a battery parameter of each of the plurality of batteries B_1 to B_m based on the collected signals.
  • the battery parameter is an index indicating the state of the battery directly or indirectly observable from the battery B.
  • the battery parameter is one or more of a weighted average of voltage, temperature, swelling amount, state of charge (SOC), state of health (SOH), internal resistance, and self-discharge rate.
  • SOC represents the ratio of the remaining capacity to the full charge capacity of the battery B.
  • the internal resistance represents the equivalent resistance between both ends of the battery B.
  • the self-discharge rate indicates the amount of SOC decrease per unit time of the battery B in idling (calendar state).
  • SOH State Of Health
  • SOH represents the ratio of the full charge capacity to the design capacity of the battery (B). The full charge capacity gradually decreases from the design capacity over time. Calculation methods of SOC, SOH, internal resistance and self-discharge rate are known to those skilled in the art, and detailed descriptions thereof will be omitted.
  • the control device 130 may selectively execute the pre-programmed protection function(s) based on the battery parameters of the battery B.
  • the battery management system 100 may further include a protection device 140 operatively coupled to the control device 130 .
  • the protection device 140 includes at least one of a balancing module 141 and a cooling module 142 .
  • the balancing module 141 includes a plurality of balancing circuits 161 .
  • the plurality of balancing circuits 161 are provided to the plurality of batteries B_1 to B_m on a one-to-one basis.
  • the balancing circuit 161 is a series circuit of a switch SW and a discharge resistance element R.
  • the control device 130 in order to discharge the battery B having a voltage (or SOC) higher than the average voltage (or average SOC) of the plurality of batteries B_1 to B_m by a predetermined value or more, the balancing circuit 161 of The switch SW may be turned on.
  • the cooling module 142 includes a plurality of cooling circuits 162 .
  • the plurality of cooling circuits 162 are provided to the plurality of batteries B_1 to B_m on a one-to-one basis.
  • the type of the cooling circuit 162 is not limited as long as it supplies a cooling medium to the battery B, such as a cooling fan or a cooling pump.
  • the control device 130 may perform a cooling operation on the battery B having a temperature (or swelling amount) higher than the average temperature (or the average swelling amount) of the plurality of batteries B_1 to B_m by a predetermined value or more.
  • the communication device 120 may be coupled to the battery diagnosis system 200 through at least one of a wired network and a wireless network, and may bi-directionally communicate with the battery diagnosis system 200 .
  • the wired network may be, for example, a local area network (LAN), a controller area network (CAN), a daisy chain, or the like
  • the wireless network may be, for example, Bluetooth, Zigbee, Wi-Fi, or the like.
  • the communication device 120 transmits a notification signal to the battery diagnosis system 200 .
  • the notification signal indicates a battery parameter of each of the plurality of batteries B_1 to B_m acquired by the battery management system 100 .
  • the battery diagnosis system 200 is provided in cooperation with the battery management system 100 to improve accuracy and efficiency of abnormal detection of the battery B.
  • the battery diagnosis system 200 includes a communication device 210 , a data preprocessing device 220 , and a data analysis device 230 .
  • the communication device 210 bi-directionally communicates with the communication device 120 of the battery management system 100 through at least one of a wired network and a wireless network.
  • the communication device 210 collects a notification signal from the battery management system 100 .
  • the notification signal indicates the battery parameter of each of the plurality of batteries B_1 to B_m acquired by the battery management system 100 .
  • the data pre-processing device 220 has a database 221 , is connected to the communication device 210 , and extracts the value of the battery parameter of each battery from the notification signal collected by the communication device 210 , then the database (221) is recorded in time series. Accordingly, the big data representing the change history of each battery parameter of the plurality of batteries B_1 to B_m is periodically or aperiodically updated by the data pre-processing device 220 .
  • the data preprocessing device 220 may be implemented in hardware using data processing means such as microprocessors.
  • the data analysis device 230 includes, from the updated big data, a plurality of characteristic values indicating battery parameters of each of the plurality of batteries (B_1 to B_m) when big data is updated by the data pre-processing device 220 . Extract the data set. For example, when the battery parameter is a voltage, the plurality of characteristic values are numerical values of voltages across each of the plurality of batteries B_1 to B_m.
  • the data analysis device 230 determines the distribution information of the data set, and uses the statistical analysis to determine the abnormality of each of the plurality of batteries B_1 to B_m based on the distribution information and the plurality of characteristic values. As the statistical analysis, for example, a method of process capability index (Cp, Cpk) may be employed.
  • the dispersion information of the data set indicates the variability of a plurality of characteristic values, and may include, for example, a standard deviation, a variance, or a range (difference between a maximum value and a minimum value).
  • the dispersion information of the data set may further include an average of a plurality of characteristic values.
  • the data analysis device 230 may also periodically perform extraction of the data set and determination of distribution information at predetermined times. .
  • 3 is a graph exemplarily showing changes with time of a plurality of characteristic values periodically acquired from a plurality of batteries.
  • the curve 300 shows the change in the average SOC of the plurality of batteries B_1 to B_m
  • the curve 310 shows the change in the SOC of the batteries B_i
  • i is a natural number less than or equal to m
  • the curve 320 shows the change in the average SOC of the batteries B_j
  • j represents a change in SOC of a natural number less than or equal to m that is different from i, respectively.
  • a time point t A and a time point t B are time points at which the SOC of the battery B is acquired (determined) by the control device 130, respectively, and have a predetermined time difference ⁇ t from each other.
  • ⁇ t time difference
  • Curve 300 and curve 310 change gently at a similar level over the time period, while curve 320 declines sharply from any point between time t A and time t B. Accordingly, there is a high possibility that an abnormal state (eg, an internal short circuit) has occurred in the battery B_j corresponding to the curve 320 . However, when the difference between the curve 300 and the curve 320 is not remarkably large at time t B , there is a risk that an abnormality in the battery B_j may not be detected simply based on the difference between the characteristic value and the average.
  • an abnormal state eg, an internal short circuit
  • 4 and 5 are graphs referenced for explaining an operation of detecting an abnormality in a battery using distribution information of a data set acquired every predetermined time.
  • Curve 400 of FIG. 4 illustrates a normal distribution curve defined by the mean and standard deviation of the data set associated with time t A of FIG. 3 .
  • ⁇ [t A ] is the average SOC of the plurality of batteries (B_1 to B_m)
  • ⁇ [t A ] is the standard deviation of the SOC of the plurality of batteries (B_1 to B_m)
  • Z j [t A ] denotes the SOC of the battery B_j.
  • Curve 500 of FIG. 5 illustrates a normal distribution curve defined by the mean and standard deviation of the data set associated with time point t B of FIG. 3 .
  • ⁇ [t B ] is the average SOC of the plurality of batteries (B_1 to B_m)
  • ⁇ [t B ] is the standard deviation of the SOC of the plurality of batteries (B_1 to B_m)
  • Z j [t B ] denotes the SOC of the battery B_j.
  • the data set is also newly extracted from the big data every predetermined time ⁇ t. That is, the data set and its distribution information newly extracted every time are inevitably different from the previous data set and its distribution information. Therefore, in order to accurately detect the abnormality of the battery B using the change history of the data set, the current relationship between the dispersion information reflected in the current data set and the characteristic values of the battery B is calculated using the previous data. It is preferable to compare with the previous relationship between the dispersion information reflected in the set and the characteristic value of the battery B.
  • the data analysis device 230 may determine the interest deviation of the battery B_j every predetermined time ⁇ t.
  • the deviation of interest is a difference between an average of a plurality of characteristic values included in the data set and a characteristic value of the battery B.
  • D j [t] may represent the deviation of interest at time t of the battery B_j. 4 and 5 , the data analysis device 230 calculates the interest deviation D j [t A ] of the battery B_j at time t A corresponding to the previous time ( ⁇ [t A ]-Z j [ t A ]), and the interest deviation D j [t B ] of the battery B_j at time t B corresponding to the current cycle is equal to ( ⁇ [t B ]- Z j [t B ]).
  • the data analysis device 230 may determine a deviation ratio of the battery B_j.
  • the deviation ratio is the ratio of the deviation of interest to the standard deviation. 4 and 5 , the data analysis device 230 determines the deviation ratio of the battery B_j at the time point t A to be equal to D j [t A ]/ ⁇ [t A ], and the time point t the variation ratio of the battery (B_j) in B can be equally determined with D j [t B] / ⁇ [t B].
  • the data analysis device 230 may determine the amount of change in the deviation ratio of the battery B_j.
  • the amount of change (or increase or decrease) of a certain variable is the difference between the current value and the previous value. For example, at time t B , the amount of change in the deviation ratio of the battery B_j may be determined to be equal to (D j [t B ]/ ⁇ [t B ]-D j [t A ]/ ⁇ [t A ]). there is.
  • the data analysis device 230 independent of the calculation operation regarding the deviation ratio and its change amount, the data analysis device 230, every predetermined time ⁇ t, based on the increase amount of the accumulated energy used for charging and discharging of the battery group BG, It is possible to determine the amount of reference change.
  • the amount of increase in the accumulated energy may be determined by integrating the magnitude of the charge current value and the magnitude of the discharge current value measured by the current sensor 114 with respect to time.
  • the data analysis device 230 10+15) Ah can be determined as the amount of increase of the accumulated energy at time t B .
  • the data analysis device 230 may determine the usage score of the battery group BG based on the increase amount of the accumulated energy determined for each predetermined time ⁇ t.
  • the usage score is a degradation factor having a positive correlation with each of the accumulated energy and the elapsed time from the time of manufacture of the battery group BG.
  • Equation 1 may be used to determine the usage score.
  • Equation 1 t is the current point in time (eg, t A ), P[t- ⁇ t] is the previous usage score, ⁇ E[t] is the amount of accumulated energy increase, and f( ⁇ E[t), ⁇ t) is the usage score
  • the increase amount, P[t] is the use score of the current ash. That is, by Formula 1, the use score of the current time is determined by adding up the increase amount of the previous use score and a use score.
  • f( ⁇ E[t), ⁇ t) may be obtained from a function given in advance to output a value having a positive correlation to each of ⁇ E[t) and ⁇ t.
  • Equations 2 and 3 below show exemplary relationships of f( ⁇ E[t), ⁇ t), ⁇ E[t], and ⁇ t.
  • W 1 and W 2 are coefficients given in advance to have positive values, respectively.
  • W 3 , W 4 , and W 5 are coefficients given in advance to have positive values, respectively.
  • the data analysis device 230 may determine the reference change amount based on the current usage score by using a transformation function given in advance to have a positive correlation with the usage score. As an example, the following Equation 4 may be used to determine the reference change amount.
  • Equation 4 K[t] is a reference change amount at time t, and U 1 and U 2 are coefficients given in advance to have positive values, respectively.
  • the data analysis device 230 for every predetermined time ⁇ t, the interest deviation of the battery B_j, the usage score P[t] of the battery group BG, and It is possible to determine the increase amount ⁇ E[t] of the accumulated energy.
  • the data analysis device 230 may determine the reference coefficient, based on the current usage score, by using a pre-given transformation function to have a positive correlation with the usage score. As an example, the following Equation 5 may be used to determine the reference coefficient.
  • Equation 5 F[t] is a reference coefficient at time t, and Y 1 and Y 2 are coefficients given in advance to have positive values, respectively.
  • the abnormality detection according to the above-described first and second embodiments has been described with reference to the battery B_j, it may be commonly applied to each of the plurality of batteries B_1 to B_m. That is, the data analysis device 230 may determine whether each of the plurality of batteries B_1 to B_m is abnormal in a manner according to the first embodiment and/or the second embodiment every predetermined time ⁇ t.
  • the data analysis device 230 may transmit a warning message to the battery management system 100 using the communication device 210 .
  • the battery management system 100 may switch the battery group BG from the cycle state to the calendar state in response to the warning message.
  • the cycle state may be a state in which the relay 20 is controlled in an on state
  • the calendar state may be a state in which the relay 20 is controlled in an off state.
  • FIG. 6 is a flowchart schematically illustrating a battery diagnosis method according to the present invention
  • FIG. 7 is a flowchart schematically illustrating an abnormality detection process according to the first embodiment for implementing step S640 of FIG. 6
  • FIG. 8 is FIG. It is a flowchart schematically showing an anomaly detection process according to the second embodiment for implementing step S640 of .
  • the method of FIG. 6 may be periodically executed every predetermined time ⁇ t from the time of manufacture of the battery group BG.
  • step S600 the communication device 210 collects a notification signal transmitted by the battery management system 100 .
  • step S610 the data preprocessing device 220 updates big data indicating a change history of a battery parameter of each of the plurality of batteries B_1 to B_m based on the collected notification signal. That is, the data preprocessing device 220 extracts the data required for battery abnormality detection from the notification signal at every predetermined time ⁇ t, and then records (accumulates) it in time series in the database 221 to manage big data. .
  • step S620 the data analysis device 230 extracts, from the big data, a data set including a plurality of characteristic values indicating battery parameters of each of the plurality of batteries B_1 to B_m.
  • step S630 the data analysis device 230 determines the distribution information of the data set.
  • the dispersion information may include a standard deviation and an average of a plurality of characteristic values included in the data set.
  • the distribution information of the periodically determined data set may be additionally recorded in the database 221 as big data.
  • step S640 the data analysis device 230 determines the abnormality of each of the plurality of batteries B_1 to B_m based on the distribution information and the plurality of characteristic values.
  • step S640 according to the first embodiment includes steps S710 to S750.
  • step S710 the data analysis device 230 determines an interest deviation of each of the plurality of batteries B_1 to B_m.
  • the deviation of interest is the difference between the mean and the feature value. For example, at a time point t B , the deviation of interest D j [t B ] of the battery B_j is ( ⁇ [t B ] ⁇ Z j [t B ]).
  • step S720 the data analysis device 230 determines, for each of the plurality of batteries B_1 to B_m, a deviation ratio that is a ratio of the deviation of interest to the standard deviation. For example, at time t B , the deviation ratio of the battery B_j is D j [t B ]/ ⁇ [t B ].
  • step S730 the data analysis device 230 determines an amount of change in the deviation ratio for each of the plurality of batteries B_1 to B_m. For example, at time t B , the variation in the deviation ratio of the battery B_j is (D j [t B ]/ ⁇ [t B ]-D j [t A ]/ ⁇ [t A ]).
  • step S740 the data analysis device 230 determines the reference change amount P[t] based on the increase amount ⁇ E[t] of the accumulated energy used for charging and discharging from the time of manufacturing the battery group BG (Equation 1) to Equation 4).
  • step S750 the data analysis device 230 determines that, among the plurality of batteries B_1 to B_m, each battery having a change amount of a deviation ratio greater than a reference change amount is abnormal.
  • step S640 according to the second embodiment includes steps S810 to S840.
  • step S810 the data analysis device 230 determines a deviation of interest for each of the plurality of batteries B_1 to B_m. Step S810 is the same as step S710 of FIG. 7 .
  • step S820 the data analysis device 230 determines the reference coefficient K[t] based on the increase amount ⁇ E[t] of the accumulated energy used for charging and discharging from the time of manufacturing the battery group BG (Equation 1) to Equations 3 and 5).
  • step S830 the data analysis device 230 determines the tolerance by multiplying the reference coefficient K[t] by the standard deviation.
  • step S840 the data analysis device 230 determines that, among the plurality of batteries B_1 to B_m, each battery having an interest deviation greater than an allowable limit is abnormal.
  • step S650 the data analysis device 230 transmits a diagnostic message including identification information of each battery determined to be abnormal among the plurality of batteries B_1 to B_m using the communication device 210 to the battery management system 100 . send to
  • the embodiment of the present invention described above is not implemented only through the apparatus and method, and may be implemented through a program for realizing a function corresponding to the configuration of the embodiment of the present invention or a recording medium in which the program is recorded.
  • the implementation can be easily implemented by those skilled in the art to which the present invention pertains from the description of the above-described embodiments.

Landscapes

  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Chemical & Material Sciences (AREA)
  • Manufacturing & Machinery (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Electrochemistry (AREA)
  • General Chemical & Material Sciences (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)
  • Secondary Cells (AREA)

Abstract

본 발명에 따른 배터리 진단 시스템은, 직렬 연결된 복수의 배터리를 포함하는 배터리 그룹; 및 상기 복수의 배터리 각각의 배터리 파라미터를 나타내는 통지 신호를 전송하는 배터리 관리 시스템을 포함하는 배터리 팩을 위한 것이다. 상기 배터리 진단 시스템은, 유선 네트워크 및 무선 네트워크 중 적어도 하나를 통해 상기 통지 신호를 수집하는 통신 디바이스; 상기 통지 신호를 기초로, 각 배터리의 상기 배터리 파라미터의 변화 이력을 나타내는 빅데이터를 업데이트하는 데이터 전처리 디바이스; 및 상기 빅데이터로부터, 상기 복수의 배터리 각각의 상기 배터리 파라미터를 나타내는 복수의 특성값을 포함하는 데이터 세트의 산포 정보를 결정하고, 상기 산포 정보 및 상기 복수의 특성값을 기초로, 각 배터리의 이상을 판정하는 데이터 분석 디바이스를 포함한다.

Description

배터리 진단 시스템, 전력 시스템 및 배터리 진단 방법
본 발명은, 복수의 배터리로부터 모니터링된 배터리 파라미터(들)에 대한 통계적 분석을 이용하여, 각 배터리의 이상을 검출하는 기술에 관한 것이다.
본 출원은 2020년 01월 22일자로 출원된 한국 특허출원 번호 제10-2020-0008778호 및 2021년 01월 13일자로 출원된 한국 특허출원 번호 제10-2021-0004897호에 대한 우선권주장출원으로서, 해당 출원의 명세서 및 도면에 개시된 모든 내용은 인용에 의해 본 출원에 원용된다.
최근, 노트북, 비디오 카메라, 휴대용 전화기 등과 같은 휴대용 전자 제품의 수요가 급격하게 증대되고, 전기 차량, 에너지 저장용 축전지, 로봇, 위성 등의 개발이 본격화됨에 따라, 반복적인 충방전이 가능한 고성능 배터리에 대한 연구가 활발히 진행되고 있다.
현재 상용화된 배터리로는 니켈 카드뮴 전지, 니켈 수소 전지, 니켈 아연 전지, 리튬 배터리 등이 있는데, 이 중에서 리튬 배터리는 니켈 계열의 배터리에 비해 메모리 효과가 거의 일어나지 않아 충방전이 자유롭고, 자가 방전율이 매우 낮으며 에너지 밀도가 높은 장점으로 각광을 받고 있다.
전기 차량이나 에너지 저장 시스템과 같이 대용량이면서 고전압이 요구되는 장치를 위한 배터리 그룹은, 서로 직렬로 접속된 복수의 배터리를 포함한다. 일반적으로, 배터리 관리 시스템은, 각 배터리의 배터리 파라미터(들)을 취득하여, 각 배터리의 신뢰성 및 안전성을 확보하기 위한 다양한 기능들(예, 밸런싱, 냉각)을 실행하도록 제공된다.
그러나, 종래에는 배터리 관리 시스템의 소프트웨어적인 제약(예, 데이터 처리 성능) 및/또는 하드웨어적인 제약(예, 메모리 용량)으로 인하여, 동일한 전기화학적 특정 및 성능을 가지도록 제조되어 동일한 배터리 그룹에 포함된 복수의 배터리 간의 특성 편차를 배터리 그룹의 제조시부터 교체 시까지의 전생애에 걸쳐 통합적으로 모니터링하는 데에 한계가 있다.
한편, 배터리 그룹의 운용 중에 복수의 배터리의 특성 편차는 점차적으로 증가하는 경향을 가지며, 이는 배터리가 일종의 소모품이라는 점에서 자연스러운 현상이다. 문제는, 각 배터리에 대한 적절한 제어가 취해지지 못하면, 복수의 배터리 간의 특성 편차가 배터리 그룹의 사용 이력으로부터 기대되는 정상 수준보다 훨씬 증가한다는 것이다. 이로 인해, 배터리 그룹의 전체적인 충방전 성능과 효율이 저하되고, 화재 등의 위험성도 커진다.
본 발명은, 상기와 같은 문제점을 해결하기 위해 안출된 것으로서, 배터리 관리 시스템의 기능들 중 일부를 대신 또는 분담하도록 구성되는 배터리 진단 시스템을 이용하여, 배터리 그룹에 포함된 각 배터리의 이상을 보다 정확하고 효율적으로 진단하는 배터리 진단 시스템, 전력 시스템 및 배터리 진단 방법을 제공하는 것을 목적으로 한다.
또한, 본 발명은, 배터리 그룹의 전생애에 걸쳐, 복수의 배터리 각각의 배터리 파라미터(들)을 시계열적으로 누적하여 빅데이터를 생성 및 업데이트해나가면서, 통계적 분석을 이용하여 빅데이터로부터 각 배터리의 이상을 검출(예측)하는 배터리 진단 시스템, 전력 시스템 및 배터리 진단 방법을 제공하는 것을 목적으로 한다.
본 발명의 다른 목적 및 장점들은 하기의 설명에 의해서 이해될 수 있으며, 본 발명의 실시예에 의해 보다 분명하게 알게 될 것이다. 또한, 본 발명의 목적 및 장점들은 특허청구범위에 나타난 수단 및 그 조합에 의해 실현될 수 있음을 쉽게 알 수 있을 것이다.
본 발명의 일 측면에 따른 배터리 진단 시스템은 배터리 팩을 위한 것이다. 상기 배터리 팩은, 직렬 연결된 복수의 배터리를 포함하는 배터리 그룹; 및 상기 복수의 배터리 각각의 양단에 전기적으로 결합되고, 각 배터리의 배터리 파라미터를 나타내는 통지 신호를 전송하도록 구성되는 배터리 관리 시스템을 포함한다. 상기 배터리 진단 시스템은, 유선 네트워크 및 무선 네트워크 중 적어도 하나를 통해 상기 통지 신호를 수집하도록 구성되는 통신 디바이스; 상기 통지 신호를 기초로, 각 배터리의 상기 배터리 파라미터의 변화 이력을 나타내는 빅데이터를 업데이트하도록 구성되는 데이터 전처리 디바이스; 및 상기 빅데이터로부터, 상기 복수의 배터리 각각의 상기 배터리 파라미터를 나타내는 복수의 특성값을 포함하는 데이터 세트를 추출하고, 상기 데이터 세트의 산포 정보를 결정하고, 상기 산포 정보 및 상기 복수의 특성값을 기초로, 각 배터리의 이상을 판정하도록 구성되는 데이터 분석 디바이스를 포함한다.
상기 산포 정보는, 상기 복수의 특성값의 표준 편차 및 평균을 포함할 수 있다.
상기 데이터 분석 디바이스는, 소정 시간마다, 각 배터리에 대하여, 상기 표준 편차에 대한 관심 편차의 비율인 편차비를 결정하도록 구성될 수 있다. 상기 관심 편차는 상기 평균과 상기 특성값 간의 차이이다. 상기 데이터 분석 디바이스는, 소정 시간마다, 각 배터리에 대하여, 상기 편차비의 변화량을 결정하도록 구성될 수 있다. 상기 데이터 분석 디바이스는, 소정 시간마다, 상기 배터리 그룹의 제조시로부터 충방전에 사용된 누적 에너지의 증가량을 기초로, 기준 변화량을 결정하도록 구성될 수 있다. 상기 데이터 분석 디바이스는, 소정 시간마다, 상기 기준 변화량보다 큰 상기 편차비의 변화량을 가지는 각 배터리가 이상인 것으로 판정하도록 구성될 수 있다.
상기 데이터 분석 디바이스는, 소정 시간마다, 상기 누적 에너지의 증가량을 기초로, 사용 스코어를 결정하도록 구성될 수 있다. 상기 사용 스코어는, 상기 배터리 그룹의 제조시로부터의 경과 시간 및 상기 누적 에너지에 양의 상관 관계를 가지는 퇴화 팩터이다. 상기 데이터 분석 디바이스는, 소정 시간마다, 상기 사용 스코어와 상기 기준 변화량 간의 양의 상관관계를 규정하는 제1 변환 함수를 이용하여, 상기 사용 스코어에 대응하는 상기 기준 변화량을 결정하도록 구성될 수 있다.
상기 데이터 분석 디바이스는, 소정 시간마다, 각 배터리에 대하여, 상기 평균과 상기 특성값 간의 차이인 관심 편차를 결정하도록 구성될 수 있다.
상기 데이터 분석 디바이스는, 소정 시간마다, 상기 배터리 그룹의 제조시로부터 충방전에 사용된 누적 에너지의 증가량을 기초로, 기준 계수를 결정하도록 구성될 수 있다. 상기 데이터 분석 디바이스는, 소정 시간마다, 각 배터리에 대하여, 상기 기준 계수와 상기 표준 편차의 곱인 허용 한계보다 큰 상기 관심 편차를 가지는 각 배터리가 이상인 것으로 판정하도록 구성될 수 있다.
상기 데이터 분석 디바이스는, 소정 시간마다, 상기 누적 에너지의 증가량을 기초로, 사용 스코어를 결정하도록 구성될 수 있다. 상기 사용 스코어는 상기 배터리 그룹의 제조시로부터의 경과 시간 및 상기 누적 에너지에 양의 상관 관계를 가지는 퇴화 팩터이다. 상기 데이터 분석 디바이스는, 소정 시간마다, 상기 사용 스코어와 상기 기준 계수 간의 양의 상관관계를 규정하는 제2 변환 함수를 이용하여, 상기 사용 스코어에 대응하는 상기 기준 계수를 결정하도록 구성될 수 있다.
상기 데이터 분석 디바이스는, 소정 시간마다, 상기 복수의 배터리 중 이상인 것으로 판정된 각 배터리의 식별 정보를 포함하는 진단 메시지를 상기 통신 디바이스를 이용하여 상기 배터리 관리 시스템에게 전송하도록 구성될 수 있다.
상기 배터리 파라미터는, 전압, 온도, 스웰링량, SOC(State Of Cahrge), SOH(State Of Health), 내부 저항 및 자가 방전율 중, 하나 또는 둘 이상의 가중 평균일 수 있다.
본 발명의 다른 측면에 따른 전력 시스템은, 상기 배터리 진단 시스템을 포함한다.
본 발명의 또 다른 측면에 따른 배터리 진단 방법은, 상기 배터리 진단 시스템에 의해 소정 시간마다 실행 가능하다. 상기 배터리 진단 방법은, 상기 배터리 진단 시스템이, 상기 배터리 관리 시스템에 의해 전송된 상기 통지 신호를 기초로, 각 배터리의 상기 배터리 파라미터의 변화 이력을 나타내는 빅데이터를 업데이트하는 단계; 상기 배터리 진단 시스템이, 상기 빅데이터로부터, 상기 복수의 배터리 각각의 상기 배터리 파라미터를 나타내는 복수의 특성값을 포함하는 데이터 세트를 추출하는 단계; 상기 배터리 진단 시스템이, 상기 데이터 세트의 산포 정보를 결정하는 단계; 및 상기 배터리 진단 시스템이, 상기 산포 정보 및 상기 복수의 특성값을 기초로, 각 배터리의 이상을 판정하는 단계를 포함한다.
상기 산포 정보는, 상기 복수의 특성값의 표준 편차 및 평균을 포함할 수 있다.
각 배터리의 이상을 판정하는 단계는, 각 배터리에 대해, 상기 표준 편차에 대한 관심 편차의 비율인 편차비를 결정하는 단계로서, 상기 관심 편차는 상기 평균과 상기 특성값 간의 차이인 단계; 각 배터리에 대해, 상기 편차비의 변화량을 결정하는 단계; 상기 배터리 그룹의 제조시로부터 충방전에 사용된 누적 에너지의 증가량을 기초로, 기준 변화량을 결정하는 단계; 및 상기 기준 변화량보다 큰 상기 편차비의 변화량을 가지는 각 배터리가 이상인 것으로 판정하는 단계를 포함할 수 있다.
각 배터리의 이상을 판정하는 단계는, 각 배터리에 대하여, 상기 평균과 상기 특성값 간의 차이인 관심 편차를 결정하는 단계; 상기 배터리 그룹의 제조시로부터 충방전에 사용된 누적 에너지의 증가량을 기초로, 기준 계수를 결정하는 단계; 및 상기 기준 계수와 상기 표준 편차의 곱인 허용 한계보다 큰 상기 관심 편차를 가지는 각 배터리가 이상인 것으로 판정하는 단계를 포함할 수 있다.
본 발명의 실시예들 중 적어도 하나에 의하면, 배터리 관리 시스템의 기능들 중 일부를 대신 또는 분담하도록 구성되는 배터리 진단 시스템을 이용하여, 배터리 그룹에 포함된 각 배터리의 이상을 보다 정확하고 효율적으로 진단할 수 있다.
본 발명의 실시예들 중 적어도 하나에 의하면, 배터리 그룹의 전생애에 걸쳐, 복수의 배터리 각각의 배터리 파라미터(들)을 시계열적으로 누적하여 빅데이터를 생성 및 업데이트해나가면서, 통계적 분석을 이용하여 빅데이터로부터 각 배터리의 이상을 검출(예측)할 수 있다.
본 발명의 실시예들 중 적어도 하나에 의하면, 배터리 그룹의 사용 이력에 맞춰, 복수의 배터리 간의 특성 편차 및/또는 각 배터리의 배터리 파라미터에 대한 허용 한계(허용 범위)를 조절함으로써, 각 배터리에 대한 이상 검출의 정확도를 향상시킬 수 있다.
본 발명의 효과들은 이상에서 언급한 효과들로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 청구범위의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
본 명세서에 첨부되는 다음의 도면들은 본 발명의 바람직한 실시예를 예시하는 것이며, 후술되는 발명의 상세한 설명과 함께 본 발명의 기술사상을 더욱 이해시키는 역할을 하는 것이므로, 본 발명은 그러한 도면에 기재된 사항에만 한정되어 해석되어서는 아니 된다.
도 1은 본 발명에 따른 전력 시스템의 구성을 예시적으로 나타낸 도면이다.
도 2는 도 1에 도시된 배터리 관리 시스템의 센싱 디바이스 및 보호 디바이스과 배터리 간의 연결 관계를 예시적으로 나타낸 도면이다.
도 3는 복수의 배터리로부터 주기적으로 취득되는 복수의 특성값의 경시적 변화를 예시적으로 보여주는 그래프이다.
도 4 및 도 5 소정 시간마다 취득되는 데이터 세트의 산포 정보를 이용하여 배터리의 이상을 검출하는 동작을 설명하는 데에 참조되는 그래프이다.
도 6은 본 발명에 따른 배터리 진단 방법을 개략적으로 나타낸 순서도이다.
도 7은 도 6의 단계 S640를 구현하기 위한 제1 실시예에 따른 이상 검출 프로세스를 개략적으로 나타낸 순서도이다.
도 8은 도 6의 단계 S640를 구현하기 위한 제2 실시예에 따른 이상 검출 프로세스를 개략적으로 나타낸 순서도이다.
이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 상세히 설명하기로 한다. 이에 앞서, 본 명세서 및 청구범위에 사용된 용어나 단어는 통상적이거나 사전적인 의미로 한정해서 해석되어서는 아니 되며, 발명자는 그 자신의 발명을 가장 최선의 방법으로 설명하기 위해 용어의 개념을 적절하게 정의할 수 있다는 원칙에 입각하여 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야 한다.
따라서, 본 명세서에 기재된 실시예와 도면에 도시된 구성은 본 발명의 가장 바람직한 일 실시예에 불과할 뿐이고 본 발명의 기술적 사상을 모두 대변하는 것은 아니므로, 본 출원시점에 있어서 이들을 대체할 수 있는 다양한 균등물과 변형예들이 있을 수 있음을 이해하여야 한다.
명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라, 다른 구성요소를 더 포함할 수 있다는 것을 의미한다. 덧붙여, 명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐만 아니라, 그 중간에 다른 소자를 사이에 두고 "간접적으로 연결"되어 있는 경우도 포함한다.
도 1은 본 발명에 따른 전력 시스템의 구성을 예시적으로 나타낸 도면이고, 도 2는 도 1에 도시된 배터리 관리 시스템의 센싱 디바이스 및 보호 디바이스과 배터리 간의 연결 관계를 예시적으로 나타낸 도면이다.
도 1을 참조하면, 전력 시스템(1)은, 전기 차량이나 에너지 저장 시스템과 같이, 에너지의 입력 및 출력이 가능한 축전 수단을 구비하는 시스템을 통칭한다.
전력 시스템(1)은, 배터리 팩(10), 릴레이(20), 전력 변환 디바이스(30) 및 배터리 진단 시스템(200)을 포함한다.
배터리 팩(10)은, 배터리 그룹(BG) 및 배터리 관리 시스템(100)을 포함한다.
배터리 그룹(BG)은, 서로 전기적으로 직렬로 연결되는 복수의 배터리(B_1~B_m, m는 2 이상의 자연수)을 포함한다. 이하에서는, 복수의 배터리(B_1~B_m)의 공통된 내용을 설명함에 있어서, 참조부호 'B'를 배터리를 지칭하는 기호로 사용하겠다.
배터리(B)는, 단일의 배터리 셀 또는 직렬, 병렬 또는 직병렬 혼합되어 연결된 둘 이상의 배터리 셀을 포함할 수 있다. 배터리 셀은, 예컨대 리튬-이온 셀과 같이 반복적인 충방전이 가능한 것이라면, 배터리 셀의 종류는 특별히 한정되지 않는다.
릴레이(20)는, 배터리 팩(10)과 전력 변환 디바이스(30) 간의 전력 경로로서 제공되는 위한 전력 라인(PL)에 설치된다. 릴레이(20)가 온되어 있는 동안, 배터리 팩(10)과 전력 변환 디바이스(30) 중 어느 하나로부터 다른 하나로의 전력 전달이 가능하다. 릴레이(20)는, 릴레이(20), 예컨대 기계식 컨택터, 전계효과 트랜지스터(FET: Field Effect Transistor) 등과 같은 공지의 스위칭 디바이스 중 하나 또는 둘 이상을 조합함으로써 구현될 수 있다. 배터리 관리 시스템(100)은, 배터리 그룹(BG)의 상태에 따라 릴레이(20)를 온-오프 간에서 전환 제어할 수 있다.
전력 변환 디바이스(30)는, 배터리 관리 시스템(100) 및/또는 외부 디바이스(미도시)로부터의 명령에 응답하여, 전기 계통(40)에 의해 공급되는 교류 전력으로부터 배터리 그룹(BG)의 충전을 위한 직류 전력을 생성할 수 있다. 전력 변환 디바이스(30)는, 배터리 팩(10)으로부터의 직류 전력으로부터 교류 전력을 생성할 수 있다.
배터리 관리 시스템(100)은, 복수의 배터리 각각의 전압, 전류, 온도 및 스웰링 중 적어도 하나를 측정한다. 배터리 관리 시스템(100)은, 센싱 디바이스(110), 전류 센서(114), 통신 디바이스(120) 및 제어 디바이스(130)를 포함한다.
센싱 디바이스(110)는, 전압 측정 회로(111), 온도 측정 회로(112), 및/또는 스웰링 측정 회로(113)를 포함한다.
전압 측정 회로(111)는, 복수의 전압 센서(151)를 포함한다. 복수의 전압 센서(151)는, 복수의 배터리에 일대일로 제공된다. 도 2를 참조하면, 전압 센서(151)는, 전압 센싱 라인을 통해, 대응하는 배터리(B)의 양단(즉, 양극와 음극)에 전기적으로 연결된다. 전압 센서(151)는, 배터리(B)의 양단에 걸친 전압을 측정하고, 측정된 전압을 나타내는 신호를 생성하도록 구성된다. 제어 디바이스(130)는, 설정 시간마다, 전압 측정 회로(111)로부터의 신호를 기초로, 복수의 배터리(B_1~B_m) 각각의 전압을 결정할 수 있다. 또한, 제어 디바이스(130)는, 복수의 배터리(B_1~B_m) 각각의 전압을 합하여, 배터리 그룹(BG)의 양단에 걸친 전압을 더 결정할 수 있다.
온도 측정 회로(112)는, 복수의 온도 센서(152)를 포함한다. 복수의 온도 센서(152)는, 복수의 배터리에 일대일로 제공된다. 도 2를 참조하면, 온도 센서(152)는, 대응하는 배터리(B)의 온도를 측정하고, 측정된 온도를 나타내는 신호를 생성하도록 구성된다. 예컨대, 열전대 등이 온도 센서(152)로서 이용될 수 있다. 제어 디바이스(130)는, 설정 시간마다, 온도 측정 회로(112)로부터의 신호를 기초로, 복수의 배터리(B_1~B_m) 각각의 온도를 결정할 수 있다.
스웰링 측정 회로(113)는, 복수의 스웰링 센서(153)를 포함한다. 복수의 스웰링 센서(153)는, 복수의 배터리에 일대일로 제공된다. 스웰링 센서(153)는, 대응하는 배터리(B)의 스웰링량을 측정하고, 측정된 스웰링량을 나타내는 신호를 생성하도록 구성된다. 일 예로, 스웰링 센서(153)는, 대응하는 배터리(B)의 일부분에 부착되어, 배터리(B)의 소정 지점의 초기치로부터의 변위나 배터리(B)에 가해지고 있는 압력을 스웰링량으로서 측정할 수 있다. 제어 디바이스(130)는, 설정 시간마다, 스웰링 측정 회로(113)로부터의 신호를 기초로, 복수의 배터리(B_1~B_m) 각각의 스웰링량을 결정할 수 있다.
전류 센서(114)는, 전력 라인(PL)을 통해 배터리 그룹(BG)에 전기적으로 직렬 연결된다. 전류 센서(114)는, 배터리 그룹(BG)을 통해 흐르는 전류를 측정하고, 측정된 전류를 나타내는 신호를 제어 디바이스(130)에게 출력하도록 구성된다. 예컨대, 션트 저항, 홀 효과 소자 등이 전류 센서(114)로서 이용될 수 있다.
제어 디바이스(130)는, 릴레이(20), 센싱 디바이스(110), 전력 변환 디바이스(30) 및 배터리 진단 시스템(200)에 동작 가능하게 결합된다. 두 구성이 동작 가능하게 결합된다는 것은, 단방향 또는 양방향으로 신호를 송수신 가능하도록 두 구성이 직간접적으로 연결되어 있음을 의미한다.
제어 디바이스(130)는, 하드웨어적으로, ASICs(application specific integrated circuits), DSPs(digital signal processors), DSPDs(digital signal processing devices), PLDs(programmable logic devices), FPGAs(field programmable gate arrays), 마이크로 프로세서(microprocessors), 기타 기능 수행을 위한 전기적 유닛 중 적어도 하나를 이용하여 구현될 수 있다.
제어 디바이스(130)에는 메모리가 내장될 수 있다. 메모리에는, 후술할 실시예들에 따른 배터리 관리 방법들을 실행하는 데에 필요한 프로그램 및 각종 데이터가 미리 저장될 수 있다. 메모리는, 예컨대 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), SSD 타입(Solid State Disk type), SDD 타입(Silicon Disk Drive type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 램(random access memory; RAM), SRAM(static random access memory), 롬(read-only memory; ROM), EEPROM(electrically erasable programmable read-only memory), PROM(programmable read-only memory) 중 적어도 하나의 타입의 저장매체를 포함할 수 있다.
제어 디바이스(130)는, 센싱 디바이스(110)에 의한 측정 결과를 나타내는 상기 신호들을 주기적 또는 비주기적으로 수집한다. 제어 디바이스(130)는, 수집된 신호들을 기초로, 복수의 배터리(B_1~B_m) 각각의 배터리 파라미터를 취득한다. 본 명세서에 있어서, 배터리 파라미터란, 배터리(B)로부터 직간접적으로 관측 가능한 배터리의 상태를 나타내는 지표이다. 일 예로, 배터리 파라미터는, 전압, 온도, 스웰링량, SOC(State Of Cahrge), SOH(State Of Health), 내부 저항 및 자가 방전율 중, 하나 또는 둘 이상의 가중 평균이다. SOC는, 배터리(B)의 완전 충전 용량에 대한 잔존 용량의 비율을 나타낸다. 내부 저항은, 배터리(B)의 양단 간의 등가 저항을 나타낸다. 자가 방전율은, 휴지(캘린더 상태) 중인 배터리(B)의 단위 시간 당 SOC 저하량을 나타낸다. SOH(State Of Health)는, 배터리(B)의 설계 용량에 대한 완전 충전 용량의 비율을 나타낸다. 완전 충전 용량은, 시간이 경과할수록 설계 용량으로부터 점차 저하된다. SOC, SOH, 내부 저항 및 자가 방전율 각각의 연산 방식은 당업자에게 공지된 것인바, 구체적인 설명은 생략한다.
제어 디바이스(130)는, 배터리(B)의 배터리 파라미터를 기초로, 미리 프로그램된 보호 기능(들)을 선택적으로 실행할 수 있다. 이를 위해, 배터리 관리 시스템(100)은, 제어 디바이스(130)에 동작 가능하게 결합되는 보호 디바이스(140)를 더 포함할 수 있다.
보호 디바이스(140)는, 밸런싱 모듈(141) 및 냉각 모듈(142) 중 적어도 하나를 포함한다.
밸런싱 모듈(141)은, 복수의 밸런싱 회로(161)를 포함한다. 복수의 밸런싱 회로(161)는, 복수의 배터리(B_1~B_m)에 일대일로 제공된다. 도 2를 참조하면, 밸런싱 회로(161)는, 스위치(SW) 및 방전 저항소자(R)의 직렬 회로이다. 제어 디바이스(130)는, 복수의 배터리(B_1~B_m)의 평균 전압(또는 평균 SOC)보다 소정치 이상 높은 전압(또는 SOC)를 가지는 배터리(B)를 방전시키기 위해, 밸런싱 회로(161)의 스위치(SW)를 턴 온시킬 수 있다.
냉각 모듈(142)은, 복수의 냉각 회로(162)를 포함한다. 복수의 냉각 회로(162)는, 복수의 배터리(B_1~B_m)에 일대일로 제공된다. 도 2를 참조하면, 냉각 회로(162)는, 일 예로 냉각팬, 냉각 펌프 등과 같이 배터리(B)에 냉각 매체를 공급한 것이라면 그 종류는 제한되지 않는다. 제어 디바이스(130)는, 복수의 배터리(B_1~B_m)의 평균 온도(또는 평균 스웰링량)보다 소정치 이상 높은 온도(또는 스웰링량)를 가지는 배터리(B)에 대한 냉각 동작을 실행할 수 있다.
통신 디바이스(120)는, 유선 네트워크 및 무선 네트워크 중 적어도 하나를 통해 배터리 진단 시스템(200)에 결합되어, 배터리 진단 시스템(200)과 양방향 통신할 수 있다. 유선 네트워크는 예를 들어 LAN(local area network), CAN(controller area network), 데이지 체인 등일 수 있고, 무선 네트워크는 예컨대 블루투스, 지그비, 와이파이 등일 수 있다. 통신 디바이스(120)는, 통지 신호를 배터리 진단 시스템(200)으로 전송한다, 통지 신호는, 배터리 관리 시스템(100)에 의해 취득된 복수의 배터리(B_1~B_m) 각각의 배터리 파라미터를 나타낸다.
배터리 진단 시스템(200)은, 배터리 관리 시스템(100)과 협업하여, 배터리(B)의 이상 검출의 정확성 및 효율성을 향상시키도록 제공된다.
배터리 진단 시스템(200)은, 통신 디바이스(210), 데이터 전처리 디바이스(220) 및 데이터 분석 디바이스(230)를 포함한다.
통신 디바이스(210)는, 유선 네트워크 및 무선 네트워크 중 적어도 하나를 통해, 배터리 관리 시스템(100)의 통신 디바이스(120)와 양방향 통신한다. 통신 디바이스(210)는, 배터리 관리 시스템(100)으로부터 통지 신호를 수집한다. 통지 신호는, 배터리 관리 시스템(100)에 의해 취득된 복수의 배터리(B_1~B_m) 각각의 배터리 파라미터를 나타낸다.
데이터 전처리 디바이스(220)는, 데이터 베이스(221)를 구비하고, 통신 디바이스(210)에 접속되어, 통신 디바이스(210)에 의해 수집되는 통지 신호로부터 각 배터리의 배터리 파라미터의 값을 추출한 다음 데이터 베이스(221)에 시계열적으로 기록한다. 이에 따라, 복수의 배터리(B_1~B_m) 각각의 배터리 파라미터의 변화 이력을 나타내는 빅데이터는 데이터 전처리 디바이스(220)에 의해 주기적 또는 비주기적으로 업데이트된다. 데이터 전처리 디바이스(220)는, 하드웨어적으로, 마이크로 프로세서(microprocessors) 등과 같은 데이터 처리 수단을 이용하여 구현될 수 있다.
데이터 분석 디바이스(230)는, 데이터 전처리 디바이스(220)에 의해 빅데이터가 업데이트되는 경우, 업데이트된 빅데이터로부터, 복수의 배터리(B_1~B_m) 각각의 배터리 파라미터를 나타내는 복수의 특성값을 포함하는 데이터 세트를 추출한다. 일 예로, 배터리 파라미터가 전압인 경우, 복수의 특성값은 복수의 배터리(B_1~B_m) 각각의 양단에 걸친 전압의 크기가 수치화된 것이다. 데이터 분석 디바이스(230)는, 데이터 세트의 산포 정보를 결정하고, 통계적 분석을 이용하여, 산포 정보 및 복수의 특성값을 기초로, 복수의 배터리(B_1~B_m) 각각의 이상을 판정한다. 통계적 분석으로는, 예컨대, 공정능력지수(process capability index: Cp, Cpk)의 방식이 채용될 수 있다. 데이터 세트의 산포 정보는, 복수의 특성값의 산포도(variability)를 나타내는 것으로서, 예컨대 표준 편차(standard deviation), 분산(variance) 또는 범위(최대값과 최소값의 차이)를 포함할 수 있다. 데이터 세트의 산포 정보는, 복수의 특성값의 평균을 더 포함할 수 있다.
통지 신호가 소정 시간(예, 1분, 1시간 또는 1일)마다 주기적으로 수집되는 경우, 데이터 분석 디바이스(230) 또한 소정 시간마다 주기적으로 데이터 세트의 추출 및 산포 정보의 결정을 수행할 수 있다.
도 3는 복수의 배터리로부터 주기적으로 취득되는 복수의 특성값의 경시적 변화를 예시적으로 보여주는 그래프이다.
도 3은, 배터리 그룹(BG)의 운용 중의 임의의 시간대에 걸친, 배터리(B)의 특성값으로서의 SOC의 경시적 변화를 예시한다. 커브(300)는 복수의 배터리(B_1~B_m)의 평균 SOC의 변화를, 커브(310)는 배터리(B_i, i는 m 이하의 자연수)의 SOC 변화를, 커브(320)는 배터리(B_j, j는 i와 상이한 m 이하의 자연수)의 SOC를 변화를 각각 나타내고 있다.
도 3을 참조하면, 시점 t A와 시점 t B는 각각, 제어 디바이스(130)에 의해 배터리(B)의 SOC가 취득(결정)되는 시점으로서, 서로 소정의 시간차(Δt)를 두고 있다. 이하에서는, 시점 t B에 연관된 각 값이 현회에 취득되는 것이고, 시점 t A에 연관된 각 값은 전회에 취득되는 것으로 가정한다.
커브(300) 및 커브(310)는 상기 시간대에 걸쳐 서로 비슷한 수준으로 완만하게 변화하는 반면, 커브(320)는 시점 t A와 시점 t B 사이의 임의의 시점부터 급격하게 저하하고 있다. 따라서, 커브(320)에 대응하는 배터리(B_j)에 이상 상태(예, 내부 단락)이 발생하였을 가능성이 높다. 다만, 시점 t B에서, 커브(300)와 커브(320) 간의 차이가 현저히 크지 않을 경우, 단순히 특성값과 평균과의 차이에 기초하여서는 배터리(B_j)의 이상이 검출되지 않을 우려가 있다.
도 4 및 도 5 소정 시간마다 취득되는 데이터 세트의 산포 정보를 이용하여 배터리의 이상을 검출하는 동작을 설명하는 데에 참조되는 그래프이다.
도 4의 커브(400)는 도 3의 시점 t A에 연관된 데이터 세트의 표준 편차 및 평균에 의해 규정되는 정규 분포 곡선을 예시한다. 도 4에 있어서, μ[t A]는 복수의 배터리(B_1~B_m)의 평균 SOC를, σ[t A]는 복수의 배터리(B_1~B_m)의 SOC의 표준 편차, Z j[t A]는 배터리(B_j)의 SOC를 나타낸다.
도 5의 커브(500)는 도 3의 시점 t B에 연관된 데이터 세트의 표준 편차 및 평균에 의해 규정되는 정규 분포 곡선을 예시한다. 도 5에 있어서, μ[t B]는 복수의 배터리(B_1~B_m)의 평균 SOC를, σ[t B]는 복수의 배터리(B_1~B_m)의 SOC의 표준 편차, Z j[t B]는 배터리(B_j)의 SOC를 나타낸다.
한편, 배터리 파라미터가 배터리 관리 시스템(100)에 의해 소정 시간(Δt)마다 주기적으로 취득되는 경우, 데이터 세트 역시 소정 시간(Δt)마다 빅데이터로부터 새롭게 추출된다. 즉, 매 회 새롭게 추출되는 데이터 세트 및 그 산포 정보는, 전회의 데이터 세트 및 그 산포 정보와는 상이할 수 밖에 없다. 따라서, 데이터 세트의 변화 이력을 이용하여 배터리(B)의 이상을 정확하게 검출해내기 위해서는, 현회의 데이터 세트에 반영되어 있는 산포 정보와 배터리(B)의 특성값 간의 현회의 관계를, 전회의 데이터 세트에 반영되어 있는 산포 정보와 배터리(B)의 특성값 간의 전회의 관계와 비교하는 것이 바람직하다.
<제1 실시예에 따른 이상 검출>
데이터 분석 디바이스(230)는, 소정 시간(Δt)마다, 배터리(B_j)의 관심 편차를 결정할 수 있다. 관심 편차는, 데이터 세트에 포함된 복수의 특성값의 평균과 배터리(B)의 특성값 간의 차이이다.
시점 t에서, D j[t]는 배터리(B_j)의 시점 t에서의 관심 편차를 나타낼 수 있다. 도 4 및 도 5를 참조하면, 데이터 분석 디바이스(230)는, 전회에 대응하는 시점 t A에서의 배터리(B_j)의 관심 편차 D j[t A]를 (μ[t A]- Z j[t A])과 동일하게 결정하고, 현회에 대응하는 시점 t B에서의 배터리(B_j)의 관심 편차 D j[t B]를 (μ[t B]- Z j[t B])과 동일하게 결정할 수 있다.
그 다음, 데이터 분석 디바이스(230)는, 배터리(B_j)의 편차비를 결정할 수 있다. 편차비는, 표준 편차에 대한 관심 편차의 비율이다. 도 4 및 도 5를 참조하면, 데이터 분석 디바이스(230)는, 시점 t A에서의 배터리(B_j)의 편차비를 D j[t A]/σ[t A]과 동일하게 결정하고, 시점 t B에서의 배터리(B_j)의 편차비를 D j[t B]/σ[t B]과 동일하게 결정할 수 있다.
이어서, 데이터 분석 디바이스(230)는, 배터리(B_j)의 편차비의 변화량을 결정할 수 있다. 본 명세서에 있어서, 어떤 변량의 변화량(또는 증가량, 감소량)이란, 현 회의 값과 전 회의 값 간의 차이이다. 일 예로, 시점 t B에서, 배터리(B_j)의 편차비의 변화량은 (D j[t B]/σ[t B]-D j[t A]/σ[t A])와 동일하게 결정될 수 있다.
한편, 편차비 및 그 변화량에 관한 연산 동작과는 독립적으로, 데이터 분석 디바이스(230)는, 소정 시간(Δt)마다, 배터리 그룹(BG)의 충방전에 사용된 누적 에너지의 증가량을 기초로, 기준 변화량을 결정할 수 있다. 누적 에너지의 증가량은, 전류 센서(114)에 의해 측정된 충전 전류값의 크기 및 방전 전류값의 크기를 시간에 대해 적산함으로써 결정될 수 있다. 일 예로, 시점 t A와 시점 t B까지의 소정 시간(Δt)에 걸친 충전 전류값의 적산치 및 방전 전류값의 적산치가 각각 10 Ah(Ampere hour) 및 15 Ah인 경우, 데이터 분석 디바이스(230)는, (10+15) Ah를 시점 t B에서의 누적 에너지의 증가량으로 결정할 수 있다.
데이터 분석 디바이스(230)는, 소정 시간(Δt)마다 결정되는 누적 에너지의 증가량을 기초로, 배터리 그룹(BG)의 사용 스코어를 결정할 수 있다. 사용 스코어는, 배터리 그룹(BG)의 제조시로부터의 누적 에너지 및 경과 시간 각각에 양의 상관 관계를 가지는 퇴화 팩터이다. 일 예로, 다음의 수식 1이 사용 스코어를 결정하는 데에 이용될 수 있다.
<수식 1>
Figure PCTKR2021000561-appb-img-000001
수식 1에서, t는 현 시점(예, t A), P[t-Δt]는 전회의 사용 스코어, ΔE[t]는 누적 에너지의 증가량, f(ΔE[t),Δt)는 사용 스코어의 증가량, P[t]는 현회의 사용 스코어이다. 즉, 수식 1에 의해, 전회의 사용 스코어 및 사용 스코어의 증가량을 합하여 현회의 사용 스코어가 결정된다. f(ΔE[t),Δt)는, ΔE[t) 및 Δt 각각에 양의 상관 관계를 가지는 값을 출력하도록 미리 주어진 함수로부터 취득될 수 있다. 즉, . 다음의 수식 2 및 수식 3은, f(ΔE[t),Δt), ΔE[t] 및 Δt의 예시적인 관계들을 나타낸다.
<수식 2>
Figure PCTKR2021000561-appb-img-000002
수식 2에서, W 1 및 W 2는 각각 양의 값을 가지도록 미리 주어진 계수이다.
<수식 3>
Figure PCTKR2021000561-appb-img-000003
수식 3에서, W 3, W 4 및 W 5는 각각 양의 값을 가지도록 미리 주어진 계수이다.
데이터 분석 디바이스(230)는, 사용 스코어에 양의 상관 관계를 가지도록 미리 주어진 변환 함수를 이용하여, 현회의 사용 스코어를 기초로, 기준 변화량을 결정할 수 있다. 일 예로, 다음의 수식 4이 기준 변화량을 결정하는 데에 이용될 수 있다.
<수식 4>
Figure PCTKR2021000561-appb-img-000004
수식 4에서, K[t]는 시점 t에서의 기준 변화량이고, U 1 및 U 2는 각각 양의 값을 가지도록 미리 주어진 계수이다.
데이터 분석 디바이스(230)는, 시점 t에서, 배터리(B)의 편차비의 변화량(또는 그 절대값)이 기준 변화량 K[t]보다 큰 경우, 배터리(B)가 이상인 것으로 판정할 수 있다. 예컨대, t = t B에서, (D j[t B]/σ[t B]-D j[t A]/σ[t A]) > K[t] 또는 -(D j[t B]/σ[t B]-D j[t A]/σ[t A]) < -K[t]인 경우, 배터리(B_j)는 이상인 것으로 판정된다.
<제2 실시예에 따른 이상 검출>
제2 실시예에 있어서, 제1 실시예와 마찬가지로, 데이터 분석 디바이스(230)는, 소정 시간(Δt)마다, 배터리(B_j)의 관심 편차, 배터리 그룹(BG)의 사용 스코어 P[t] 및 누적 에너지의 증가량 ΔE[t]을 결정할 수 있다.
데이터 분석 디바이스(230)는, 사용 스코어에 양의 상관 관계를 가지도록 미리 주어진 변환 함수를 이용하여, 현회의 사용 스코어를 기초로, 기준 계수를 결정할 수 있다. 일 예로, 다음의 수식 5가 기준 계수를 결정하는 데에 이용될 수 있다.
<수식 5>
Figure PCTKR2021000561-appb-img-000005
수식 5에서, F[t]는 시점 t에서의 기준 계수이고, Y 1 및 Y 2는 각각 양의 값을 가지도록 미리 주어진 계수이다.
데이터 분석 디바이스(230)는, 시점 t에서, 배터리(B)의 관심 편차(또는 그 절대값)가 기준 계수 F[t]와 표준 편차 μ[t]를 곱한 값인 허용 한계보다 큰 경우, 배터리(B_j)가 이상인 것으로 판정할 수 있다. 예컨대, t = t B에서, D j[t B] > (F[t B]×σ[t B]) 또는 - D j[t B] < -(F[t B]×σ[t B])인 경우, 배터리(B_j)는 이상인 것으로 판정된다.
전술된 제1 실시예 및 제2 실시예에 따른 이상 검출은 배터리(B_j)를 기준으로 설명되었으나, 복수의 배터리(B_1~B_m) 각각에 공통적으로 적용될 수 있다. 즉, 데이터 분석 디바이스(230)는, 소정 시간(Δt)마다, 복수의 배터리(B_1~B_m) 각각의 이상 여부를 제1 실시예 및/또는 제2 실시예에 따른 방식으로 판정할 수 있다.
데이터 분석 디바이스(230)는, 복수의 배터리(B_1~B_m) 중 이상 배터리의 개수가 소정 개수 이상인 경우, 통신 디바이스(210)를 이용하여 배터리 관리 시스템(100)에게 경고 메시지를 전송할 수 있다. 배터리 관리 시스템(100)은, 경고 메시지에 응답하여, 배터리 그룹(BG)을 사이클 상태로부터 캘린더 상태로 전환할 수 있다. 사이클 상태는 릴레이(20)가 온 상태로 제어되는 상태이고, 캘린더 상태는 릴레이(20)가 오프 상태로 제어되는 상태일 수 있다.
도 6은 본 발명에 따른 배터리 진단 방법을 개략적으로 나타낸 순서도이고, 도 7은 도 6의 단계 S640를 구현하기 위한 제1 실시예에 따른 이상 검출 프로세스를 개략적으로 나타낸 순서도이고, 도 8은 도 6의 단계 S640를 구현하기 위한 제2 실시예에 따른 이상 검출 프로세스를 개략적으로 나타낸 순서도이다. 도 6의 방법은, 배터리 그룹(BG)의 제조시로부터 소정 시간(Δt)마다 주기적으로 실행될 수 있다.
도 1 내지 도 6을 참조하면, 단계 S600에서, 통신 디바이스(210)는, 배터리 관리 시스템(100)에 의해 전송된 통지 신호를 수집한다.
단계 S610에서, 데이터 전처리 디바이스(220)는, 수집된 통지 신호를 기초로, 복수의 배터리(B_1~B_m) 각각의 배터리 파라미터의 변화 이력을 나타내는 빅데이터를 업데이트한다. 즉, 데이터 전처리 디바이스(220)는, 소정 시간(Δt)마다, 통지 신호로부터 배터리 이상 검출에 요구되는 데이터를 추출한 다음, 데이터 베이스(221)에 시계열적으로 기록(축적)하여 빅데이터를 관리한다.
단계 S620에서, 데이터 분석 디바이스(230)는, 빅데이터로부터, 복수의 배터리(B_1~B_m) 각각의 배터리 파라미터를 나타내는 복수의 특성값을 포함하는 데이터 세트를 추출한다.
단계 S630에서, 데이터 분석 디바이스(230)는, 데이터 세트의 산포 정보를 결정한다. 산포 정보는, 데이터 세트에 포함된 복수의 특성값의 표준 편차 및 평균을 포함할 수 있다. 주기적으로 결정되는 데이터 세트의 산포 정보는, 빅데이터로서 데이터 베이스(221)에 추가적으로 기록될 수 있다.
단계 S640에서, 데이터 분석 디바이스(230)는, 산포 정보 및 복수의 특성값을 기초로, 복수의 배터리(B_1~B_m) 각각의 이상을 판정한다.
도 7을 참조하면, 제1 실시예에 따른 단계 S640은 단계 S710~S750을 포함한다.
단계 S710에서, 데이터 분석 디바이스(230)는, 복수의 배터리(B_1~B_m) 각각의 관심 편차를 결정한다. 관심 편차는, 평균과 특성값 간의 차이이다. 일 예로, 시점 t B에서, 배터리(B_j)의 관심 편차 D j[t B]는 (μ[t B]- Z j[t B])이다.
단계 S720에서, 데이터 분석 디바이스(230)는, 복수의 배터리(B_1~B_m) 각각에 대해, 표준 편차에 대한 관심 편차의 비율인 편차비를 결정한다. 일 예로, 시점 t B에서, 배터리(B_j)의 편차비는 D j[t B]/σ[t B]이다.
단계 S730에서, 데이터 분석 디바이스(230)는, 복수의 배터리(B_1~B_m) 각각에 대해, 편차비의 변화량을 결정한다. 일 예로, 시점 t B에서, 배터리(B_j)의 편차비의 변화량은, (D j[t B]/σ[t B]-D j[t A]/σ[t A])이다.
단계 S740에서, 데이터 분석 디바이스(230)는, 배터리 그룹(BG)의 제조시로부터 충방전에 사용된 누적 에너지의 증가량 ΔE[t]을 기초로, 기준 변화량 P[t]을 결정한다(수식 1 내지 수식 4 참조).
단계 S750에서, 데이터 분석 디바이스(230)는, 복수의 배터리(B_1~B_m) 중, 기준 변화량보다 큰 편차비의 변화량을 가지는 각 배터리가 이상인 것으로 판정한다.
도 8을 참조하면, 제2 실시예에 따른 단계 S640은 단계 S810~S840을 포함한다.
단계 S810에서, 데이터 분석 디바이스(230)는, 복수의 배터리(B_1~B_m) 각각에 대해, 관심 편차를 결정한다. 단계 S810은 도 7의 단계 S710과 동일하다.
단계 S820에서, 데이터 분석 디바이스(230)는, 배터리 그룹(BG)의 제조시로부터 충방전에 사용된 누적 에너지의 증가량 ΔE[t]을 기초로, 기준 계수 K[t]을 결정한다(수식 1 내지 수식 3 및 수식 5 참조).
단계 S830에서, 데이터 분석 디바이스(230)는, 기준 계수 K[t]와 표준 편차를 곱하여 허용 한계를 결정한다.
단계 S840에서, 데이터 분석 디바이스(230)는, 복수의 배터리(B_1~B_m) 중, 허용 한계보다 큰 관심 편차를 가지는 각 배터리가 이상인 것으로 판정한다.
단계 S650에서, 데이터 분석 디바이스(230)는, 복수의 배터리(B_1~B_m) 중 이상인 것으로 판정된 각 배터리의 식별 정보를 포함하는 진단 메시지를 통신 디바이스(210)를 이용하여 배터리 관리 시스템(100)에게 전송한다.
이상에서 설명한 본 발명의 실시예는 장치 및 방법을 통해서만 구현이 되는 것은 아니며, 본 발명의 실시예의 구성에 대응하는 기능을 실현하는 프로그램 또는 그 프로그램이 기록된 기록 매체를 통해 구현될 수도 있으며, 이러한 구현은 앞서 설명한 실시예의 기재로부터 본 발명이 속하는 기술분야의 전문가라면 쉽게 구현할 수 있는 것이다.
이상에서 본 발명은 비록 한정된 실시예와 도면에 의해 설명되었으나, 본 발명은 이것에 의해 한정되지 않으며 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 본 발명의 기술사상과 아래에 기재될 특허청구범위의 균등범위 내에서 다양한 수정 및 변형이 가능함은 물론이다.
또한, 이상에서 설명한 본 발명은 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 있어 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 여러 가지 치환, 변형 및 변경이 가능하므로 전술한 실시예 및 첨부된 도면에 의해 한정되는 것이 아니라, 다양한 변형이 이루어질 수 있도록 각 실시예들의 전부 또는 일부가 선택적으로 조합되어 구성될 수 있다.

Claims (13)

  1. 배터리 팩을 위한 배터리 진단 시스템에 있어서,
    상기 배터리 팩은,
    직렬 연결된 복수의 배터리를 포함하는 배터리 그룹; 및
    상기 복수의 배터리 각각의 양단에 전기적으로 결합되고, 각 배터리의 배터리 파라미터를 나타내는 통지 신호를 전송하도록 구성되는 배터리 관리 시스템을 포함하고,
    상기 배터리 진단 시스템은,
    유선 네트워크 및 무선 네트워크 중 적어도 하나를 통해 상기 통지 신호를 수집하도록 구성되는 통신 디바이스;
    상기 통지 신호를 기초로, 각 배터리의 상기 배터리 파라미터의 변화 이력을 나타내는 빅데이터를 업데이트하도록 구성되는 데이터 전처리 디바이스; 및
    상기 빅데이터로부터, 상기 복수의 배터리 각각의 상기 배터리 파라미터를 나타내는 복수의 특성값을 포함하는 데이터 세트를 추출하고, 상기 데이터 세트의 산포 정보를 결정하고, 상기 산포 정보 및 상기 복수의 특성값을 기초로, 각 배터리의 이상을 판정하도록 구성되는 데이터 분석 디바이스를 포함하는 배터리 진단 시스템.
  2. 제1항에 있어서,
    상기 산포 정보는,
    상기 복수의 특성값의 표준 편차 및 평균을 포함하는 배터리 진단 시스템.
  3. 제2항에 있어서,
    상기 데이터 분석 디바이스는, 소정 시간마다, 각 배터리에 대하여,
    상기 표준 편차에 대한 관심 편차의 비율인 편차비를 결정하되, 상기 관심 편차는 상기 평균과 상기 특성값 간의 차이이고,
    상기 편차비의 변화량을 결정하고,
    상기 데이터 분석 디바이스는, 소정 시간마다,
    상기 배터리 그룹의 제조시로부터 충방전에 사용된 누적 에너지의 증가량을 기초로, 기준 변화량을 결정하도록 구성되고,
    상기 기준 변화량보다 큰 상기 편차비의 변화량을 가지는 각 배터리가 이상인 것으로 판정하도록 구성되는 배터리 진단 시스템.
  4. 제3항에 있어서,
    상기 데이터 분석 디바이스는, 소정 시간마다,
    상기 누적 에너지의 증가량을 기초로, 사용 스코어를 결정하되, 상기 사용 스코어는 상기 배터리 그룹의 제조시로부터의 경과 시간 및 상기 누적 에너지에 양의 상관 관계를 가지는 퇴화 팩터이고,
    상기 사용 스코어와 상기 기준 변화량 간의 양의 상관관계를 규정하는 제1 변환 함수를 이용하여, 상기 사용 스코어에 대응하는 상기 기준 변화량을 결정하도록 구성되는 배터리 진단 시스템.
  5. 제2항에 있어서,
    상기 데이터 분석 디바이스는, 소정 시간마다, 각 배터리에 대하여,
    상기 평균과 상기 특성값 간의 차이인 관심 편차를 결정하고,
    상기 데이터 분석 디바이스는, 소정 시간마다,
    상기 배터리 그룹의 제조시로부터 충방전에 사용된 누적 에너지의 증가량을 기초로, 기준 계수를 결정하도록 구성되고,
    상기 기준 계수와 상기 표준 편차의 곱인 허용 한계보다 큰 상기 관심 편차를 가지는 각 배터리가 이상인 것으로 판정하도록 구성되는 배터리 진단 시스템.
  6. 제5항에 있어서,
    상기 데이터 분석 디바이스는, 소정 시간마다,
    상기 누적 에너지의 증가량을 기초로, 사용 스코어를 결정하되, 상기 사용 스코어는 상기 배터리 그룹의 제조시로부터의 경과 시간 및 상기 누적 에너지에 양의 상관 관계를 가지는 퇴화 팩터이고,
    상기 사용 스코어와 상기 기준 계수 간의 양의 상관관계를 규정하는 제2 변환 함수를 이용하여, 상기 사용 스코어에 대응하는 상기 기준 계수를 결정하도록 구성되는 배터리 진단 시스템.
  7. 제1항에 있어서,
    상기 데이터 분석 디바이스는, 소정 시간마다,
    상기 복수의 배터리 중 이상인 것으로 판정된 각 배터리의 식별 정보를 포함하는 진단 메시지를 상기 통신 디바이스를 이용하여 상기 배터리 관리 시스템에게 전송하도록 구성되는 배터리 진단 시스템.
  8. 제1항에 있어서,
    상기 배터리 파라미터는,
    전압, 온도, 스웰링량, SOC(State Of Cahrge), SOH(State Of Health), 내부 저항 및 자가 방전율 중, 하나 또는 둘 이상의 가중 평균인 배터리 진단 시스템.
  9. 제1항 내지 제8항 중 어느 한 항에 따른 상기 배터리 진단 시스템을 포함하는 전력 시스템.
  10. 제1항 내지 제8항 중 어느 한 한에 따른 상기 배터리 진단 시스템에 의해 소정 시간마다 실행 가능한 배터리 진단 방법에 있어서,
    상기 배터리 진단 시스템이, 상기 배터리 관리 시스템에 의해 전송된 상기 통지 신호를 기초로, 각 배터리의 상기 배터리 파라미터의 변화 이력을 나타내는 빅데이터를 업데이트하는 단계;
    상기 배터리 진단 시스템이, 상기 빅데이터로부터, 상기 복수의 배터리 각각의 상기 배터리 파라미터를 나타내는 복수의 특성값을 포함하는 데이터 세트를 추출하는 단계;
    상기 배터리 진단 시스템이, 상기 데이터 세트의 산포 정보를 결정하는 단계; 및
    상기 배터리 진단 시스템이, 상기 산포 정보 및 상기 복수의 특성값을 기초로, 각 배터리의 이상을 판정하는 단계를 포함하는 배터리 진단 방법.
  11. 제10항에 있어서,
    상기 산포 정보는,
    상기 복수의 특성값의 표준 편차 및 평균을 포함하는 배터리 진단 방법.
  12. 제11항에 있어서,
    각 배터리의 이상을 판정하는 단계는,
    각 배터리에 대해, 상기 표준 편차에 대한 관심 편차의 비율인 편차비를 결정하는 단계로서, 상기 관심 편차는 상기 평균과 상기 특성값 간의 차이인 단계;
    각 배터리에 대해, 상기 편차비의 변화량을 결정하는 단계;
    상기 배터리 그룹의 제조시로부터 충방전에 사용된 누적 에너지의 증가량을 기초로, 기준 변화량을 결정하는 단계; 및
    상기 기준 변화량보다 큰 상기 편차비의 변화량을 가지는 각 배터리가 이상인 것으로 판정하는 단계를 포함하는 배터리 진단 방법.
  13. 제11항에 있어서,
    각 배터리의 이상을 판정하는 단계는,
    각 배터리에 대하여, 상기 평균과 상기 특성값 간의 차이인 관심 편차를 결정하는 단계;
    상기 배터리 그룹의 제조시로부터 충방전에 사용된 누적 에너지의 증가량을 기초로, 기준 계수를 결정하는 단계; 및
    상기 기준 계수와 상기 표준 편차의 곱인 허용 한계보다 큰 상기 관심 편차를 가지는 각 배터리가 이상인 것으로 판정하는 단계를 포함하는 배터리 진단 방법.
PCT/KR2021/000561 2020-01-22 2021-01-14 배터리 진단 시스템, 전력 시스템 및 배터리 진단 방법 WO2021149973A1 (ko)

Priority Applications (4)

Application Number Priority Date Filing Date Title
JP2022500510A JP7364160B2 (ja) 2020-01-22 2021-01-14 バッテリー診断システム、電力システム及びバッテリー診断方法
EP21743768.0A EP4016101B1 (en) 2020-01-22 2021-01-14 Battery diagnosis system, power system, and battery diagnosis method
CN202180004620.0A CN114127570B (zh) 2020-01-22 2021-01-14 电池诊断系统、电力系统以及电池诊断方法
US17/629,720 US20220268853A1 (en) 2020-01-22 2021-01-14 Battery diagnosis system, power system and battery diagnosis method

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
KR10-2020-0008778 2020-01-22
KR20200008778 2020-01-22
KR1020210004897A KR20210095051A (ko) 2020-01-22 2021-01-13 배터리 진단 시스템, 전력 시스템 및 배터리 진단 방법
KR10-2021-0004897 2021-01-13

Publications (1)

Publication Number Publication Date
WO2021149973A1 true WO2021149973A1 (ko) 2021-07-29

Family

ID=76992319

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2021/000561 WO2021149973A1 (ko) 2020-01-22 2021-01-14 배터리 진단 시스템, 전력 시스템 및 배터리 진단 방법

Country Status (5)

Country Link
US (1) US20220268853A1 (ko)
EP (1) EP4016101B1 (ko)
JP (1) JP7364160B2 (ko)
CN (1) CN114127570B (ko)
WO (1) WO2021149973A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113884884A (zh) * 2021-10-21 2022-01-04 山东大学 一种基于相关性的动力电池组故障诊断方法及系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1123676A (ja) * 1997-06-30 1999-01-29 Sony Corp 二次電池の充電特性測定方法及び装置
KR20100019249A (ko) * 2008-08-08 2010-02-18 주식회사 엘지화학 배터리 전압 거동을 이용한 배터리 용량 퇴화 추정 장치 및방법
KR101949449B1 (ko) * 2017-11-07 2019-02-18 주식회사 스마트이앤엠 배터리 수명 예측 방법 및 그 장치
KR101946163B1 (ko) * 2017-10-19 2019-04-17 경북대학교 산학협력단 빅데이터 기반의 배터리 열화도 추정장치 및 방법
JP2019125482A (ja) * 2018-01-16 2019-07-25 株式会社Ｇｓユアサ 監視装置、監視方法及びコンピュータプログラム
KR20200008778A (ko) 2018-07-17 2020-01-29 (주) 액트 Led 투명 전광판용 연성회로기판
KR20210004897A (ko) 2019-07-05 2021-01-13 한양대학교 산학협력단 비트 매칭 기반으로 선형 부호를 고속 복호화하는 방법 및 장치

Family Cites Families (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002058102A (ja) * 2000-08-09 2002-02-22 Matsushita Electric Ind Co Ltd 電動車両の電池保守サービスシステム
JP3649092B2 (ja) * 2000-06-21 2005-05-18 日産自動車株式会社 組電池異常検出装置
JP2002063944A (ja) * 2000-08-14 2002-02-28 Hitachi Maxell Ltd 充電電池、充電電池パックおよび充電電池の残量算出方法
JP3649135B2 (ja) * 2001-02-20 2005-05-18 日産自動車株式会社 組電池の異常検出装置
JP2002334726A (ja) * 2001-05-09 2002-11-22 Nissan Motor Co Ltd 組電池の異常セル検出装置および異常セル検出方法
JP2007046942A (ja) * 2005-08-08 2007-02-22 Nissan Motor Co Ltd 電池故障判定装置
JP5228322B2 (ja) * 2006-08-30 2013-07-03 トヨタ自動車株式会社 蓄電装置の劣化評価システム、車両、蓄電装置の劣化評価方法およびその劣化評価方法をコンピュータに実行させるためのプログラムを記録したコンピュータ読取可能な記録媒体
JP5148579B2 (ja) * 2009-09-29 2013-02-20 三菱重工業株式会社 二次電池異常予見システム
WO2011125213A1 (ja) * 2010-04-09 2011-10-13 トヨタ自動車株式会社 二次電池の劣化判定装置および劣化判定方法
US8558712B2 (en) * 2010-06-03 2013-10-15 C&C Power, Inc. Battery system and management method
CN102269798B (zh) * 2010-06-07 2013-06-26 四川德源电气有限公司 一种检测故障电池的方法及装置
CN102749585B (zh) * 2011-04-21 2014-11-05 李昌 一种基于多层支持向量机的蓄电池在线监测方法
JP5768001B2 (ja) * 2012-04-23 2015-08-26 株式会社日立製作所 電池システムのメンテナンス管理システム及び方法
JP2015031588A (ja) * 2013-08-02 2015-02-16 日産自動車株式会社 バッテリ容量報知装置、バッテリ容量報知システム、情報センター、およびバッテリ容量報知方法
CN105683770A (zh) * 2013-10-18 2016-06-15 株式会社码绿Mcs 用于电动装置的电池的电力监视系统
US10365331B2 (en) * 2014-05-28 2019-07-30 Volvo Truck Corporation Method for determining the reliability of state of health parameter values
WO2016158396A1 (ja) * 2015-03-31 2016-10-06 日立オートモティブシステムズ株式会社 電池制御装置、および電動車両システム
CN112526379A (zh) * 2015-05-08 2021-03-19 沃尔沃卡车集团 用于监测电池组中的多个电池单体的状态的方法
CN105137359A (zh) * 2015-08-28 2015-12-09 陈宇星 一种电池单体的故障检测方法和装置
US10793008B2 (en) * 2015-10-20 2020-10-06 Ford Global Technologies, Llc System and method for indicating battery age
CN108931725B (zh) * 2017-05-26 2020-12-01 华为技术有限公司 一种电池故障检测的方法及装置
CN107728076A (zh) * 2017-08-22 2018-02-23 深圳市朗能动力技术有限公司 一种电池模组电池串并联电气性能检测方法及装置
CN107748330A (zh) * 2017-09-20 2018-03-02 镇江恒驰科技有限公司 一种动力锂电池的老化预警方法
CN108196190B (zh) * 2017-11-20 2020-02-18 上海理工大学 一种电池组在线故障诊断方法
US11067635B2 (en) * 2017-12-06 2021-07-20 The Johns Hopkins University Battery cell evaluation system
JP7170288B2 (ja) * 2018-06-08 2022-11-14 パナソニックＩｐマネジメント株式会社 バッテリを備えた電子機器
JP2020009646A (ja) * 2018-07-09 2020-01-16 住友電気工業株式会社 電池情報処理システム、電池情報処理方法及びコンピュータプログラム
CN109713793B (zh) * 2018-12-26 2020-09-01 北京四方继保自动化股份有限公司 一种变电站站用电源在线状态评估系统和方法
CN110210147B (zh) * 2019-06-05 2021-03-12 杭州华塑科技股份有限公司 估算电池健康状态的仿真装置及仿真方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1123676A (ja) * 1997-06-30 1999-01-29 Sony Corp 二次電池の充電特性測定方法及び装置
KR20100019249A (ko) * 2008-08-08 2010-02-18 주식회사 엘지화학 배터리 전압 거동을 이용한 배터리 용량 퇴화 추정 장치 및방법
KR101946163B1 (ko) * 2017-10-19 2019-04-17 경북대학교 산학협력단 빅데이터 기반의 배터리 열화도 추정장치 및 방법
KR101949449B1 (ko) * 2017-11-07 2019-02-18 주식회사 스마트이앤엠 배터리 수명 예측 방법 및 그 장치
JP2019125482A (ja) * 2018-01-16 2019-07-25 株式会社Ｇｓユアサ 監視装置、監視方法及びコンピュータプログラム
KR20200008778A (ko) 2018-07-17 2020-01-29 (주) 액트 Led 투명 전광판용 연성회로기판
KR20210004897A (ko) 2019-07-05 2021-01-13 한양대학교 산학협력단 비트 매칭 기반으로 선형 부호를 고속 복호화하는 방법 및 장치

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113884884A (zh) * 2021-10-21 2022-01-04 山东大学 一种基于相关性的动力电池组故障诊断方法及系统
CN113884884B (zh) * 2021-10-21 2022-07-26 山东大学 一种基于相关性的动力电池组故障诊断方法及系统

Also Published As

Publication number Publication date
JP2022540403A (ja) 2022-09-15
CN114127570A (zh) 2022-03-01
JP7364160B2 (ja) 2023-10-18
EP4016101B1 (en) 2024-03-20
EP4016101A4 (en) 2022-11-09
CN114127570B (zh) 2023-10-20
EP4016101A1 (en) 2022-06-22
US20220268853A1 (en) 2022-08-25

Similar Documents

Publication Publication Date Title
WO2021049753A1 (ko) 배터리 진단 장치 및 방법
WO2013151355A1 (ko) 고장 자가 진단 기능을 구비한 절연 저항 측정 장치 및 이를 이용한 자가 진단 방법
WO2021006566A1 (ko) 배터리 셀 진단 장치 및 방법
WO2021020852A1 (ko) 배터리 관리 장치 및 배터리 관리 방법
WO2022055080A1 (ko) 배터리의 충전상태를 추정하는 방법
WO2021125676A1 (ko) 배터리 진단 장치 및 방법
WO2020162675A1 (ko) 배터리 관리 장치, 배터리 관리 방법 및 배터리 팩
WO2023287180A1 (ko) 배터리 진단 장치, 배터리 팩, 전기 차량 및 배터리 진단 방법
WO2021118311A1 (ko) 배터리 관리 시스템, 배터리 관리 방법, 배터리 팩 및 전기 차량
WO2022265358A1 (ko) 배터리 관리 시스템, 배터리 팩, 전기 차량 및 배터리 관리 방법
WO2022154354A1 (ko) 배터리 시스템 진단 장치 및 방법
WO2023282713A1 (ko) 배터리 관리 시스템, 배터리 팩, 전기 차량 및 배터리 관리 방법
WO2021002658A1 (ko) 배터리 관리 시스템 및 관리 방법
WO2022149890A1 (ko) 배터리 진단 장치, 배터리 시스템 및 배터리 진단 방법
WO2022025725A1 (ko) 배터리 관리 장치, 배터리 팩, 배터리 시스템 및 배터리 관리 방법
WO2021149973A1 (ko) 배터리 진단 시스템, 전력 시스템 및 배터리 진단 방법
WO2022145830A1 (ko) 배터리 진단 장치, 배터리 진단 방법, 배터리 팩 및 전기 차량
WO2022149917A1 (ko) 배터리 관리 장치 및 방법
WO2021230642A1 (ko) 배터리를 진단하기 위한 장치 및 그 방법
WO2021091086A1 (ko) 배터리 진단 장치, 배터리 진단 방법 및 에너지 저장 시스템
WO2020166840A1 (ko) 배터리 셀 이상 판단 장치 및 방법
WO2020153625A1 (ko) 배터리 관리 장치, 배터리 관리 방법 및 배터리 팩
WO2023224211A1 (ko) 배터리 진단 방법, 그 방법을 제공하는 배터리 진단 장치 및 배터리 시스템
WO2023008883A1 (ko) 배터리 관리 시스템, 배터리 팩, 전기 차량 및 배터리 관리 방법
WO2023063625A1 (ko) 배터리 진단 장치, 배터리 팩, 전기 차량, 및 배터리 진단 방법

Legal Events

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

Ref document number: 21743768

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2022500510

Country of ref document: JP

Kind code of ref document: A

ENP Entry into the national phase

Ref document number: 2021743768

Country of ref document: EP

Effective date: 20220316

NENP Non-entry into the national phase

Ref country code: DE