WO2022080763A1 - 모듈 변형도 추정 장치 및 방법 - Google Patents

모듈 변형도 추정 장치 및 방법 Download PDF

Info

Publication number
WO2022080763A1
WO2022080763A1 PCT/KR2021/013831 KR2021013831W WO2022080763A1 WO 2022080763 A1 WO2022080763 A1 WO 2022080763A1 KR 2021013831 W KR2021013831 W KR 2021013831W WO 2022080763 A1 WO2022080763 A1 WO 2022080763A1
Authority
WO
WIPO (PCT)
Prior art keywords
battery module
profile
module
strain
information
Prior art date
Application number
PCT/KR2021/013831
Other languages
English (en)
French (fr)
Inventor
송승호
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
Application filed by 주식회사 엘지에너지솔루션 filed Critical 주식회사 엘지에너지솔루션
Priority to CN202180007912.XA priority Critical patent/CN114930141B/zh
Priority to JP2022533375A priority patent/JP7452783B2/ja
Priority to EP21880410.2A priority patent/EP4063820B1/en
Priority to US17/790,093 priority patent/US20230045081A1/en
Publication of WO2022080763A1 publication Critical patent/WO2022080763A1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
    • G01L5/00—Apparatus for, or methods of, measuring force, work, mechanical power, or torque, specially adapted for specific purposes
    • G01L5/0047—Apparatus for, or methods of, measuring force, work, mechanical power, or torque, specially adapted for specific purposes measuring forces due to residual stresses
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B21/00—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant
    • G01B21/32—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring the deformation in a solid
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B21/00—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant
    • G01B21/02—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring length, width, or thickness
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • H01M10/4285—Testing apparatus
    • 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
    • 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 an apparatus and method for estimating a degree of module deformation, and more particularly, to an apparatus and method for estimating a degree of module deformation capable of estimating a degree of deformation of a battery module based on a plurality of numerical information of the battery module.
  • a swelling phenomenon in which the battery swells may occur due to various reasons such as deterioration due to use, overcharging, exposure to high temperature, and the like.
  • the swelling of the battery is continuously generated and the swelling pressure exceeds the stress of the junction of the battery, the junction of the battery is opened, which may cause a battery fire or explosion accident.
  • the swelling of the battery may cause a more fatal problem when one or more batteries are inserted into the battery module.
  • a swelling pressure is applied to the inner wall of the battery module, and deformation of the battery module may occur by the swelling pressure.
  • the deformation of the battery module occurs more than a limit value, that is, when the swelling pressure exceeds the stress of the junction of the battery module, there is a problem that the battery module may be damaged.
  • the present invention has been devised to solve the above problems, and by deriving a correspondence relationship between stress and strain according to various numerical information of the battery module using a learning model, the battery module corresponding to the stress of the battery module
  • An object of the present invention is to provide an apparatus and method for estimating the degree of module strain that can easily estimate the degree of strain.
  • a module deformation degree estimating apparatus includes: a module information acquisition unit configured to acquire a plurality of numerical information about a battery module; and receiving the plurality of numerical information from the module information obtaining unit, and based on a preset learning model and the plurality of numerical information, a correspondence between a force applied from the inside of the battery module to the outside and the degree of deformation of the battery module generate a first profile representing a relationship and a second profile representing a corresponding relationship between the force and the stress of the battery module, and a correspondence between the strain and the stress of the battery module based on the first profile and the second profile and a processor configured to generate a third profile representing a relationship, and to estimate a degree of deformation of the battery module according to a stress of the battery module based on the third profile.
  • the battery module may include: a main body unit with one surface open to accommodate one or more battery cells; and a cover configured to be coupled to the open surface.
  • the module information obtaining unit may be configured to obtain the thickness of the cover, the thickness of the main body unit, the height of the battery module, the width of the battery module, and the length of the battery module as a plurality of numerical information about the battery module.
  • the learning model may be trained to estimate strain and stress corresponding to each of a plurality of forces preset with respect to the reference module.
  • the learning model assigns a first weight corresponding to each of the plurality of pieces of numerical information based on a result previously learned for the reference module, and a plurality of combinations based on the plurality of pieces of numerical information to which the first weight is assigned.
  • a first layer configured to generate information; and a second weight corresponding to each of the plurality of pieces of combination information generated in the first layer is given based on the pre-learned result, and each of the plurality of forces is based on the plurality of pieces of combination information to which the second weight is assigned.
  • the first layer may include a plurality of nodes corresponding to each of the plurality of pieces of combination information, and the first weight corresponding to each of the plurality of pieces of numerical information may be set for each of the plurality of nodes.
  • the second layer includes a plurality of nodes corresponding to each of a plurality of strains and a plurality of stresses corresponding to the plurality of forces, and the second weight corresponding to each of the plurality of combinations of information for each of the plurality of nodes. may be configured to be set.
  • the processor generates the first profile by receiving a degree of deformation of the battery module corresponding to each of the plurality of forces from the learning model, and for the battery module corresponding to the plurality of forces from the learning model and receive a stress to generate the second profile.
  • the processor may be configured to generate the third profile by matching a strain and a stress for the battery module corresponding to each of the plurality of forces based on the first profile and the second profile.
  • the module deformation degree estimating apparatus may further include a pressure information obtaining unit configured to obtain pressure information on the target pressure from the outside.
  • the processor may be configured to receive the pressure information from the pressure information obtaining unit and to estimate the degree of deformation of the battery module with respect to the target pressure by inputting the target pressure to the third profile.
  • a battery pack according to another aspect of the present invention may include the module deformation degree estimation apparatus according to an aspect of the present invention.
  • a module deformation degree estimation method includes: a module information acquisition step of acquiring a plurality of numerical information about a battery module; Based on a preset learning model and the plurality of numerical information, a first profile indicating a correspondence relationship between a force applied from the inside of the battery module to the outside and a degree of deformation of the battery module and between the force and the stress of the battery module A first profile and a second profile generating step of generating a second profile indicating a correspondence relationship; a third profile generating step of generating a third profile representing a correspondence relationship between the strain and the stress of the battery module based on the first profile and the second profile; and estimating the degree of deformation of the battery module according to the stress of the battery module based on the third profile.
  • a correlation between stress and strain of the battery module may be derived to correspond to various dimensional information of the battery module.
  • the design of the battery module can be made easier.
  • FIG. 1 is a diagram schematically illustrating an apparatus for estimating a degree of module deformation according to an embodiment of the present invention.
  • FIGS. 2 and 3 are diagrams schematically illustrating a battery module according to an embodiment of the present invention.
  • FIG. 4 is a diagram illustrating an example of a first profile according to an embodiment of the present invention.
  • FIG. 5 is a diagram illustrating an example of a second profile according to an embodiment of the present invention.
  • FIG. 6 is a diagram illustrating an example of a third profile according to an embodiment of the present invention.
  • FIG. 7 is a diagram illustrating an exemplary configuration of a learning model according to an embodiment of the present invention.
  • FIG. 8 is a diagram illustrating a part in an exemplary configuration of a learning model according to an embodiment of the present invention.
  • FIG. 9 is a diagram schematically illustrating a method for estimating a degree of module deformation according to another embodiment of the present invention.
  • a term such as a processor described in the specification means a unit for processing at least one function or operation, which may be implemented as hardware or software, or a combination of hardware and software.
  • FIG. 1 is a diagram schematically illustrating an apparatus 100 for estimating module strain according to an embodiment of the present invention.
  • an apparatus 100 for estimating module strain may include a module information obtaining unit 110 and a processor 120 .
  • the module information acquisition unit 110 may be configured to acquire a plurality of numerical information about the battery module.
  • the battery module may include one or more battery cells connected in series and/or in parallel.
  • the battery cell means one independent cell that has a negative terminal and a positive terminal and is physically separable.
  • one pouch-type lithium polymer cell may be regarded as a battery cell.
  • FIGS. 2 and 3 are diagrams schematically illustrating a battery module 10 according to an embodiment of the present invention.
  • the battery module 10 may include a body unit 11 and a cover 12 .
  • the body unit 11 may be configured such that one surface is opened to accommodate one or more battery cells.
  • the cover 12 may be configured to include a cover 12 configured to be coupled to the open surface.
  • one or more battery cells may be accommodated in the storage space 13 included in the body unit 11 .
  • the module information acquisition unit 110 is not limited to the open surface of the body unit 11, the thickness (C) of the cover 12, the thickness (F) of the body unit 11, the battery module 10 ) of the height (H), the width (W) of the battery module 10, and the length (L) of the battery module 10 may be obtained.
  • the module information obtaining unit 110 may include a thickness C of the cover 12 , a thickness F of the main body unit 11 , a height H of the battery module 10 , and the battery module
  • the width (W) of (10) and the length (L) of the battery module (10) may be configured to obtain a plurality of numerical information about the battery module (10).
  • the module information obtaining unit 110 in a state in which the end plate is not attached to the battery module 10, the thickness C of the cover 12 with respect to the battery module 10, the A plurality of numerical information about the thickness (F), the height (H) of the battery module 10 , the width (W) of the battery module 10 , and the length (L) of the battery module 10 may be obtained.
  • the processor 120 may be configured to receive the plurality of numerical information from the module information obtaining unit 110 .
  • the processor 120 and the module information obtaining unit 110 may be connected to be able to communicate. Accordingly, the processor 120 may receive a plurality of numerical information about the battery module 10 from the module information obtaining unit 110 .
  • the processor 120 is configured to display a first relationship between a force applied from the inside of the battery module 10 to the outside and a degree of deformation of the battery module 10 based on a preset learning model and the plurality of numerical information. It may be configured to generate a profile P1 and a second profile P2 representing a corresponding relationship between the force and the stress of the battery module 10 .
  • the learning model may be trained to estimate the degree of strain and stress corresponding to each of a plurality of forces preset with respect to the reference module.
  • the processor 120 may generate the first profile P1 and the second profile P2 by inputting a plurality of numerical information about the battery module 10 into the learning model.
  • the first profile P1 and the second profile P2 will be described with reference to FIGS. 4 and 5 , respectively.
  • 4 is a diagram illustrating an example of the first profile P1 according to an embodiment of the present invention.
  • 5 is a diagram illustrating an example of the second profile P2 according to an embodiment of the present invention.
  • the first profile P1 may be a profile indicating a degree of deformation of the battery module 10 with respect to a force applied from the inside to the outside of the battery module 10 . That is, the first profile P1 may represent a correspondence relationship between a force applied from the inside to the outside of the battery module 10 and the degree of deformation of the battery module 10 .
  • the first profile P1 may indicate a correspondence between a force applied to the inner wall of the battery module 10 due to swelling of the battery cell and the degree of deformation of the battery module 10 due to the force.
  • the stress of the battery module 10 is 40.2 MPa, 83.7 MPa, 128.6 MPa, respectively MPa, 164.1 MPa and 189.6 MPa.
  • the stress of the battery module 10 may increase due to the swelling pressure of the battery cells. That is, the second profile P2 may represent a correspondence relationship between the force applied to the inner wall of the battery module 10 due to swelling of the battery cell and the stress of the battery module 10 .
  • the processor 120 is configured to generate a third profile P3 representing a correspondence relationship between the strain and the stress of the battery module 10 based on the first profile P1 and the second profile P2 can be
  • both the first profile P1 and the second profile P2 may be related to a force applied from the inside to the outside of the battery module 10 . Accordingly, the processor 120 may generate the third profile P3 using the first profile P1 and the second profile P2 .
  • the third profile P3 will be described with reference to FIG. 6 .
  • 6 is a diagram illustrating an example of a third profile P3 according to an embodiment of the present invention.
  • the third profile P3 may be a profile indicating a correspondence relationship between stress and strain of the battery module 10 .
  • the deformation degree of the battery module 10 is 1.32 mm, 2.54 mm, respectively , 3.67 mm, 4.70 mm and 5.78 mm.
  • the processor 120 generates the first profile P1 and the second profile P2 using the learning model, and a third profile based on the generated first profile P1 and the second profile P2. (P3) can be created.
  • the processor 120 may be configured to estimate the degree of deformation of the battery module 10 according to the stress of the battery module 10 based on the third profile P3 .
  • the processor 120 may estimate the degree of deformation of the battery module 10 with respect to a stress of any magnitude based on the third profile P3 generated for the battery module 10 .
  • the module strain estimation apparatus 100 may be used in the design process of the battery module 10 . That is, in the design process of the battery module 10 , when a plurality of numerical information of the battery module 10 is acquired by the module information acquisition unit 110 , the processor 120 generates a third profile for the battery module 10 . (P3) can be created. That is, a correspondence relationship between stress and strain for the battery module 10 being designed can be easily and quickly derived by the processor 120 . Accordingly, since the third profile P3 generated by the module deformation degree estimating apparatus 100 is used in the design process of the battery module 10 , the design of the battery module 10 may be facilitated.
  • the processor 120 of the module strain estimation apparatus 100 is an ASIC (application-specific integrated circuit) known in the art to execute various control logics performed in the present invention, other It may optionally include a chipset, a logic circuit, a register, a communication modem, a data processing device, and the like.
  • the control logic is implemented in software
  • the processor 120 may be implemented as a set of program modules.
  • the program module may be stored in the memory and executed by the processor 120 .
  • the memory may be inside or outside the processor 120 , and may be connected to the processor 120 by various well-known means.
  • the apparatus 100 for estimating the degree of module deformation may further include a storage unit 130 .
  • the storage unit 130 includes data or programs or data generated in the process of performing operations and functions required for each component of the apparatus 100 for estimating the degree of deformation of the module according to an embodiment of the present invention to perform operations and functions. can be saved.
  • the storage unit 130 is not particularly limited in its type as long as it is a known information storage means capable of writing, erasing, updating and reading data.
  • the information storage means may include RAM, flash memory, ROM, EEPROM, registers, and the like.
  • the storage unit 130 may store program codes in which processes executable by the processor 120 are defined.
  • information such as parameters and program codes for the learning model may be stored in the storage unit 130 .
  • the processor 120 may access the storage unit 130 whenever estimating the degree of deformation of the battery module 10 to obtain information on the learning model.
  • FIG. 7 is a diagram illustrating an exemplary configuration of a learning model according to an embodiment of the present invention.
  • the learning model may include an input layer (L0), a first layer (L1), and a second layer (L2).
  • the input layer L0 may receive a plurality of numerical information of the battery module 10 . That is, when the processor 120 inputs a plurality of numerical information of the battery module 10 to the learning model, the plurality of numerical information may be input to the input layer L0 of the learning model.
  • a plurality of numerical information of the battery module 10 is the thickness (C) of the cover 12, the thickness (F) of the body unit 11, the length (L) of the battery module 10, Note that the width (W) of the battery module 10, and the height (H) of the battery module 10 were input in the order, but the input order of a plurality of resin information is not limitedly applied by the embodiment of FIG. do.
  • the first layer L1 may be configured to assign a first weight a corresponding to each of the plurality of numerical information based on a result previously learned for the reference module.
  • a first weight (a) may be assigned to each of a plurality of pieces of numerical information.
  • the first weight (a) is a weight generated in the process of pre-training the learning model, and the first weight (a) may be given to all paths from the input layer L0 to the first layer L1.
  • the first layer L1 may include a plurality of nodes corresponding to each of the plurality of pieces of combination information.
  • the first layer L1 includes a first node N1a, a second node N1b, a third node N1c, a fourth node N1d, and a fifth node N1e. ) may be included.
  • the number of nodes included in the input layer L0 that is, the number of pieces of numerical information and the number of nodes included in the first layer L1 may be the same.
  • the first layer L1 may be configured such that the first weight a corresponding to each of the plurality of numerical information is set for each of the plurality of nodes.
  • a first weight a may be assigned to each of a plurality of pieces of numerical information.
  • the first weight a may be set for each of the plurality of pieces of numerical information for each of the plurality of nodes N1a to N1e of the first layer L1 .
  • the first weight a set for each of the plurality of pieces of numerical information for each of the plurality of nodes N1a to N1e of the first layer L1 may be different from each other.
  • FIG. 8 is a diagram illustrating a part in an exemplary configuration of a learning model according to an embodiment of the present invention. Specifically, FIG. 8 is a diagram exemplarily illustrating a first weight (a) applied to a thickness (C) of the cover 12 and a height (H) of the battery module 10 among a plurality of numerical information.
  • the thickness C of the cover 12 may be input to each of the plurality of nodes N1a to N1e of the first layer L1 .
  • the first weight a corresponding to each of the plurality of nodes N1a to N1e of the first layer L1 is It can be added to the thickness (C) of (12).
  • the thickness C of the cover 12 when the thickness C of the cover 12 is input to the first to fifth nodes N1a to N1e of the first layer L1, respectively, the thickness C of the cover 12 has a1 to a5 weights. may be assigned respectively.
  • each of a1 to a5 may be a weight preset for each of the first to fifth nodes N1a to N1e of the first layer L1 with respect to the thickness C of the cover 12 . That is, the thickness C of the cover 12 input to the first to fifth nodes N1a to N1e of the first layer L1 may be different from each other depending on the weights a1 to a5 applied.
  • each of a6 to a10 may be a weight preset for each of the first to fifth nodes with respect to the height (H) information of the battery module 10 . That is, the height H of the battery module 10 input to the first to fifth nodes N1a to N1e of the first layer L1 may be different from each other by weights a6 to a10 provided.
  • the first layer L1 may be configured to generate a plurality of pieces of combination information based on a plurality of pieces of numerical information to which the first weight a is assigned.
  • a plurality of pieces of numerical information to which a corresponding first weight a is assigned may be combined with each other.
  • a plurality of pieces of combination information may be generated by such a combination.
  • the number of pieces of generated combination information may be the same as the number of pieces of numerical information input to the input layer L0.
  • the second layer L2 may be configured to assign a second weight b corresponding to each of the plurality of pieces of combination information generated in the first layer L1 based on the pre-learned result.
  • a second weight b may be assigned to each of the plurality of pieces of combination information.
  • the second weight (b) is a weight generated in the process of pre-training the learning model, and the second weight (b) may be given to all paths from the first layer (L1) to the second layer (L2). .
  • the second layer L2 may include a plurality of degrees of deformation corresponding to the plurality of forces and a plurality of nodes corresponding to each of the plurality of stresses.
  • the second layer L2 may include ten nodes N2a to N2j.
  • the first to fifth nodes N2a to N2e of the second layer L2 are nodes related to the degree of deformation of the battery module 10
  • the second layer L2 may be configured such that the second weight b corresponding to each of the plurality of pieces of combination information is set for each of the plurality of nodes N2a to N2j.
  • a second weight b may be assigned to each of a plurality of pieces of combination information.
  • the second weight b may be set for each of the plurality of pieces of combination information for each of the plurality of nodes N2a to N2j of the second layer L2.
  • the second weight b set for each of the plurality of pieces of combination information for each of the plurality of nodes N2a to N2j of the second layer L2 may be different from each other.
  • the second layer L2 may be configured to generate a degree of strain and stress for the battery module 10 corresponding to each of the plurality of forces based on a plurality of pieces of combination information to which the second weight b is assigned. there is.
  • each of the first to fifth nodes N2a to N2e of the second layer L2 may be associated with a degree of strain for 2kN, 4kN, 6kN, 8kN, and 10kN forces.
  • a first node N2a of the second layer L2 generates a strain for a 2 kN force
  • a second node N2b generates a strain for a 4 kN force
  • a third node N2c It is possible to generate a strain for a 6 kN force.
  • the fourth node N2d may generate a strain with respect to a force of 8 kN
  • the fifth node N2e may generate a degree of strain with respect to a force of 10 kN.
  • each of the sixth to tenth nodes N2f to N2j of the second layer L2 may be associated with stresses for 2kN, 4kN, 6kN, 8kN, and 10kN forces.
  • a sixth node N2f of the second layer L2 generates a stress for a 2kN force
  • a seventh node N2g generates a stress for a 4kN force
  • an eighth node N2h generates a stress for a 6kN force. stress can be generated.
  • the ninth node N2i may generate a stress for an 8kN force
  • the tenth node N2j may generate a stress for a 10kN force.
  • the processor 120 receives the deformation degree of the battery module 10 corresponding to each of the plurality of forces from the learning model, generates the first profile P1, and generates the first profile P1 from the learning model. It may be configured to generate the second profile P2 by receiving a stress on the battery module 10 corresponding to the force.
  • the processor 120 receives strains for 2kN, 4kN, 6kN, 8kN, and 10kN forces from the first to fifth nodes N2a to N2e of the second layer L2, and receives the first A profile P1 can be created.
  • the processor 120 receives the stresses for 2kN, 4kN, 6kN, 8kN, and 10kN forces from the sixth to tenth nodes N2f to N2j of the second layer L2, 2 Profiles P2 can be created.
  • the processor 120 is configured to match the strain and stress for the battery module 10 corresponding to each of the plurality of forces based on the first profile P1 and the second profile P2, It may be configured to generate a third profile P3.
  • the first profile P1 and the second profile P2 may include information about a plurality of forces in common. Accordingly, the processor 120 may generate the third profile P3 indicating a correspondence between the degree of deformation and the stress of the battery module 10 by using the plurality of forces as a reference.
  • the apparatus 100 for estimating the degree of module deformation may further include a pressure information obtaining unit 140 .
  • the pressure information acquisition unit 140 may be configured to acquire pressure information on the target pressure from the outside.
  • the pressure information obtaining unit 140 may include a communication module and/or an input module.
  • the pressure information obtaining unit 140 may receive pressure information about the target pressure from the outside through wired and/or wireless communication.
  • the pressure information acquisition unit 140 may interpret information input through the input module to acquire pressure information on the target pressure. For example, various input devices such as a keyboard, a mouse, and a touch screen may be applied to the input module.
  • the processor 120 may be configured to receive the pressure information from the pressure information obtaining unit 140 .
  • the processor 120 and the pressure information obtaining unit 140 may be connected to each other so as to be able to communicate with each other. Accordingly, the processor 120 may receive pressure information on the target pressure from the pressure information obtaining unit 140 .
  • the processor 120 may be configured to estimate the degree of deformation of the battery module 10 with respect to the target pressure by inputting the target pressure to the third profile P3 .
  • the third profile for the battery module 10 being designed by the processor 120 . (P3) can be created.
  • pressure information about the maximum pressure may be input to the pressure information obtaining unit 140 . That is, the maximum pressure input to the pressure information obtaining unit 140 may be the target pressure.
  • the processor 120 may receive the pressure information about the maximum pressure, and estimate the degree of deformation of the battery module 10 corresponding to the maximum pressure based on the third profile P3 . Then, if the degree of deformation estimated by the processor 120 is tolerable, the battery module 10 may be manufactured based on the designed content, and if the estimated deformation degree is unacceptable, the battery module 10 ) can be modified.
  • the module strain estimation apparatus 100 can quickly estimate the stress and strain of the battery module 10 , it is very important in the design process of the battery module 10 . It can be usefully used.
  • the third profile P3 is generated and a corresponding relationship between stress and strain can be derived, so that the battery There is an advantage that the design of the module 10 can be made easier.
  • the module deformation degree estimation apparatus 100 may be provided in a battery pack. That is, the battery pack according to the present invention may include the above-described module deformation degree estimating apparatus 100 and the battery module 10 . In addition, the battery pack may further include electrical equipment (relays, fuses, etc.) and a case.
  • the module deformation degree estimating apparatus 100 included in the battery pack may estimate the deformation degree of one or more battery modules 10 included in the battery pack. That is, the module strain estimating device 100 is configured to calculate the battery module 10 according to the swelling pressure based on the corresponding relationship between the swelling pressure (force applied from the inside), the stress, and the strain for each battery module 10 . ) can be quickly diagnosed whether it is damaged or not.
  • FIG. 9 is a diagram schematically illustrating a method for estimating a degree of module deformation according to another embodiment of the present invention.
  • each step of the module strain estimation method may be performed by the module strain estimation apparatus 100 .
  • the module strain estimation method includes a module information acquisition step (S100), a first profile and a second profile generation step (S200), a third profile generation step (S300), and a module strain degree estimation step (S400) may include
  • the module information obtaining step ( S100 ) is a step of obtaining a plurality of numerical information about the battery module 10 , and may be performed by the module information obtaining unit 110 .
  • the module information obtaining unit 110 may include a thickness C of the cover 12 , a thickness F of the body unit 11 , and a height H of the battery module 10 .
  • a plurality of numerical information including the width (W) of the battery module 10, and the length (L) of the battery module 10 may be acquired.
  • the first profile and the second profile generation step (S200) is based on a preset learning model and the plurality of numerical information, the force applied from the inside to the outside of the battery module 10 and the deformation of the battery module 10
  • the processor 120 is a force applied from the inside of the battery module 10 to the outside based on a plurality of numerical information acquired by the module information acquisition unit 110 and a preset learning model. and a first profile P1 indicating a correspondence between the degree of deformation of the battery module 10 may be generated.
  • the processor 120 is a force applied from the inside of the battery module 10 to the outside based on a plurality of numerical information acquired by the module information acquisition unit 110 and a preset learning model.
  • a second profile P2 indicating a correspondence relationship between the stress of the battery module 10 and the battery module 10 may be generated.
  • a third profile generation step ( S300 ) is a third profile ( P3 ) indicating a correspondence relationship between the strain and the stress of the battery module ( 10 ) based on the first profile ( P1 ) and the second profile ( P2 ) As a step of generating , it may be performed by the processor 120 .
  • a third profile ( P3) can be created.
  • the module strain estimation step S400 is a step of estimating the strain degree of the battery module 10 according to the stress of the battery module 10 based on the third profile P3, and is performed by the processor 120. can be performed.
  • the processor 120 may determine the design suitability of the battery module 10 according to the correlation between the stress and the strain of the battery module 10 based on the third profile P3 .
  • the processor 120 may estimate the degree of deformation of the battery module 10 with respect to the target pressure input from the outside, based on the third profile P3 . That is, the processor 120 may determine the design suitability of the battery module 10 based on the estimated deformation degree.
  • 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.

Abstract

본 발명의 일 실시예에 따른 모듈 변형도 추정 장치는 배터리 모듈에 대한 복수의 수치 정보를 획득하도록 구성된 모듈 정보 획득부; 및 상기 모듈 정보 획득부로부터 상기 복수의 수치 정보를 수신하고, 기설정된 학습 모델과 상기 복수의 수치 정보에 기반하여, 상기 배터리 모듈의 내부에서 외부로 가해지는 힘과 상기 배터리 모듈의 변형도 간의 대응 관계를 나타내는 제1 프로파일 및 상기 힘과 상기 배터리 모듈의 응력 간의 대응 관계를 나타내는 제2 프로파일을 생성하고, 상기 제1 프로파일 및 상기 제2 프로파일에 기반하여 상기 배터리 모듈의 상기 변형도와 상기 응력 간의 대응 관계를 나타내는 제3 프로파일을 생성하며, 상기 제3 프로파일에 기반하여 상기 배터리 모듈의 응력에 따른 상기 배터리 모듈의 변형도를 추정하도록 구성된 프로세서를 포함한다.

Description

모듈 변형도 추정 장치 및 방법
본 출원은 2020년 10월 14일 자로 출원된 한국 특허 출원번호 제10-2020-0132935호에 대한 우선권주장출원으로서, 해당 출원의 명세서 및 도면에 개시된 모든 내용은 인용에 의해 본 출원에 원용된다.
본 발명은 모듈 변형도 추정 장치 및 방법에 관한 것으로서, 보다 상세하게는, 배터리 모듈의 복수의 수치 정보에 기반하여 배터리 모듈의 변형도를 추정할 수 있는 모듈 변형도 추정 장치 및 방법에 관한 것이다.
최근, 노트북, 비디오 카메라, 휴대용 전화기 등과 같은 휴대용 전자 제품의 수요가 급격하게 증대되고, 전기 자동차, 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.
일반적으로, 배터리는 사용에 의한 퇴화, 과충전, 고온 노출 등의 다양한 이유로 배터리가 부풀어 오르는 스웰링(Swelling) 현상이 발생될 수 있다. 이러한 배터리의 스웰링이 지속적으로 발생되어, 스웰링 압력이 배터리의 접합부의 응력(Stress)을 초과하는 경우, 배터리의 접합부가 오픈되어 배터리 발화 또는 폭발 사고의 원인이 될 수 있다.
또한, 이러한 배터리의 스웰링 현상은 하나 이상의 배터리가 배터리 모듈 내부에 삽입되어 있는 경우, 더욱 치명적인 문제를 발생시킬 수 있다. 예컨대, 배터리 모듈 내부에 삽입된 배터리가 부풀게 되면 배터리 모듈의 내벽으로 스웰링 압력이 가해지고, 이러한 스웰링 압력에 의해 배터리 모듈의 변형이 발생될 수 있다. 나아가, 배터리 모듈의 변형이 한계치 이상으로 발생되면, 즉, 스웰링 압력이 배터리 모듈의 접합부의 응력을 초과하면, 배터리 모듈이 파손될 수 있는 문제가 있다.
본 발명은, 상기와 같은 문제점을 해결하기 위해 안출된 것으로서, 학습 모델을 이용하여 배터리 모듈의 다양한 수치 정보에 따라 응력과 변형도 간의 대응 관계를 도출함으로써, 배터리 모듈의 응력에 대응되는 배터리 모듈의 변형도를 용이하게 추정할 수 있는 모듈 변형도 추정 장치 및 방법을 제공하는 것을 목적으로 한다.
본 발명의 다른 목적 및 장점들은 하기의 설명에 의해서 이해될 수 있으며, 본 발명의 실시예에 의해 보다 분명하게 알게 될 것이다. 또한, 본 발명의 목적 및 장점들은 특허청구범위에 나타난 수단 및 그 조합에 의해 실현될 수 있음을 쉽게 알 수 있을 것이다.
본 발명의 일 측면에 따른 모듈 변형도 추정 장치는 배터리 모듈에 대한 복수의 수치 정보를 획득하도록 구성된 모듈 정보 획득부; 및 상기 모듈 정보 획득부로부터 상기 복수의 수치 정보를 수신하고, 기설정된 학습 모델과 상기 복수의 수치 정보에 기반하여, 상기 배터리 모듈의 내부에서 외부로 가해지는 힘과 상기 배터리 모듈의 변형도 간의 대응 관계를 나타내는 제1 프로파일 및 상기 힘과 상기 배터리 모듈의 응력 간의 대응 관계를 나타내는 제2 프로파일을 생성하고, 상기 제1 프로파일 및 상기 제2 프로파일에 기반하여 상기 배터리 모듈의 상기 변형도와 상기 응력 간의 대응 관계를 나타내는 제3 프로파일을 생성하며, 상기 제3 프로파일에 기반하여 상기 배터리 모듈의 응력에 따른 상기 배터리 모듈의 변형도를 추정하도록 구성된 프로세서를 포함할 수 있다.
상기 배터리 모듈은, 일면이 개방되어 하나 이상의 배터리 셀이 수납될 수 있도록 구성된 본체 유닛; 및 상기 개방된 일면에 결합 가능하도록 구성된 커버를 포함하도록 구성될 수 있다.
상기 모듈 정보 획득부는, 상기 커버의 두께, 상기 본체 유닛의 두께, 상기 배터리 모듈의 높이, 상기 배터리 모듈의 너비, 및 상기 배터리 모듈의 길이를 상기 배터리 모듈에 대한 복수의 수치 정보로 획득하도록 구성될 수 있다.
상기 학습 모델은, 기준 모듈에 대하여 미리 설정된 복수의 힘 각각에 대응되는 변형도 및 응력을 추정하도록 학습될 수 있다.
상기 학습 모델은, 상기 기준 모듈에 대해 미리 학습된 결과에 기반하여 상기 복수의 수치 정보 각각에 대응되는 제1 가중치를 부여하고, 상기 제1 가중치가 부여된 복수의 수치 정보에 기반하여 복수의 조합 정보를 생성하도록 구성된 제1 레이어; 및 상기 미리 학습된 결과에 기반하여 상기 제1 레이어에서 생성된 복수의 조합 정보 각각에 대응되는 제2 가중치를 부여하고, 상기 제2 가중치가 부여된 복수의 조합 정보에 기반하여 상기 복수의 힘 각각에 대응되는 상기 배터리 모듈에 대한 변형도 및 응력을 생성하도록 구성된 제2 레이어를 포함하도록 구성될 수 있다.
상기 제1 레이어는, 상기 복수의 조합 정보 각각에 대응되는 복수의 노드를 포함하고, 상기 복수의 노드마다 상기 복수의 수치 정보 각각에 대응되는 상기 제1 가중치가 설정되도록 구성될 수 있다.
상기 제2 레이어는, 상기 복수의 힘에 대응되는 복수의 변형도 및 복수의 응력 각각에 대응되는 복수의 노드를 포함하고, 상기 복수의 노드마다 상기 복수의 조합 정보 각각에 대응되는 상기 제2 가중치가 설정되도록 구성될 수 있다.
상기 프로세서는, 상기 학습 모델로부터 상기 복수의 힘 각각에 대응되는 상기 배터리 모듈에 대한 변형도를 수신하여 상기 제1 프로파일을 생성하고, 상기 학습 모델로부터 상기 복수의 힘에 대응되는 상기 배터리 모듈에 대한 응력을 수신하여 상기 제2 프로파일을 생성하도록 구성될 수 있다.
상기 프로세서는, 상기 제1 프로파일 및 상기 제2 프로파일에 기반하여 상기 복수의 힘 각각에 대응되는 상기 배터리 모듈에 대한 변형도 및 응력을 매칭함으로써, 상기 제3 프로파일을 생성하도록 구성될 수 있다.
본 발명의 다른 측면에 따른 모듈 변형도 추정 장치는 외부로부터 타겟 압력에 대한 압력 정보를 획득하도록 구성된 압력 정보 획득부를 더 포함할 수 있다.
상기 프로세서는, 상기 압력 정보 획득부로부터 상기 압력 정보를 수신하고, 상기 제3 프로파일에 상기 타겟 압력을 입력함으로써, 상기 타겟 압력에 대한 상기 배터리 모듈의 변형도를 추정하도록 구성될 수 있다.
본 발명의 또 다른 측면에 따른 배터리 팩은 본 발명의 일 측면에 따른 모듈 변형도 추정 장치를 포함할 수 있다.
본 발명의 또 다른 측면에 따른 모듈 변형도 추정 방법은 배터리 모듈에 대한 복수의 수치 정보를 획득하는 모듈 정보 획득 단계; 기설정된 학습 모델과 상기 복수의 수치 정보에 기반하여, 상기 배터리 모듈의 내부에서 외부로 가해지는 힘과 상기 배터리 모듈의 변형도 간의 대응 관계를 나타내는 제1 프로파일 및 상기 힘과 상기 배터리 모듈의 응력 간의 대응 관계를 나타내는 제2 프로파일을 생성하는 제1 프로파일 및 제2 프로파일 생성 단계; 상기 제1 프로파일 및 상기 제2 프로파일에 기반하여 상기 배터리 모듈의 상기 변형도와 상기 응력 간의 대응 관계를 나타내는 제3 프로파일을 생성하는 제3 프로파일 생성 단계; 및 상기 제3 프로파일에 기반하여 상기 배터리 모듈의 응력에 따른 상기 배터리 모듈의 변형도를 추정하는 모듈 변형도 추정 단계를 포함할 수 있다.
본 발명의 일 측면에 따르면, 배터리 모듈의 다양한 치수 정보에 대응되도록 배터리 모듈의 응력과 변형도 간의 상관 관계가 도출될 수 있다.
또한, 본 발명의 일 측면에 따르면, 타겟 압력에 대한 배터리 모듈의 변형도를 미리 추정해볼 수 있기 때문에, 배터리 모듈의 설계가 보다 용이해질 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 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 발명의 일 실시예에 따른 모듈 변형도 추정 장치를 개략적으로 도시한 도면이다.
도 2 및 도 3은 본 발명의 일 실시예에 따른 배터리 모듈을 개략적으로 도시한 도면이다.
도 4는 본 발명의 일 실시예에 따른 제1 프로파일의 예시를 도시한 도면이다.
도 5은 본 발명의 일 실시예에 따른 제2 프로파일의 예시를 도시한 도면이다.
도 6은 본 발명의 일 실시예에 따른 제3 프로파일의 예시를 도시한 도면이다.
도 7은 본 발명의 일 실시예에 따른 학습 모델의 예시적 구성을 도시한 도면이다.
도 8은 본 발명의 일 실시예에 따른 학습 모델의 예시적 구성에서 일부를 도시한 도면이다.
도 9는 본 발명의 다른 실시예에 따른 모듈 변형도 추정 방법을 개략적으로 도시한 도면이다.
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.
또한, 본 발명을 설명함에 있어 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략한다.
제1, 제2 등과 같이 서수를 포함하는 용어들은, 다양한 구성요소들 중 어느 하나를 나머지와 구별하는 목적으로 사용되는 것이고, 그러한 용어들에 의해 구성요소들을 한정하기 위해 사용되는 것은 아니다.
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.
또한, 명세서에 기재된 프로세서와 같은 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어, 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다.
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.
이하에서는 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 상세히 설명하기로 한다.
도 1은 본 발명의 일 실시예에 따른 모듈 변형도 추정 장치(100)를 개략적으로 도시한 도면이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 모듈 변형도 추정 장치(100)는 모듈 정보 획득부(110) 및 프로세서(120)를 포함할 수 있다.
모듈 정보 획득부(110)는 배터리 모듈에 대한 복수의 수치 정보를 획득하도록 구성된 될 수 있다.
여기서, 배터리 모듈에는 하나 이상의 배터리 셀이 직렬 및/또는 병렬로 연결되어 구비될 수 있다. 그리고, 배터리 셀은, 음극 단자와 양극 단자를 구비하며, 물리적으로 분리 가능한 하나의 독립된 셀을 의미한다. 일 예로, 파우치형 리튬 폴리머 셀 하나가 배터리 셀로 간주될 수 있다.
도 2 및 도 3은 본 발명의 일 실시예에 따른 배터리 모듈(10)을 개략적으로 도시한 도면이다.
도 2 및 도 3을 참조하면, 상기 배터리 모듈(10)은 본체 유닛(11) 및 커버(12)를 포함할 수 있다. 여기서, 본체 유닛(11)은, 일면이 개방되어 하나 이상의 배터리 셀이 수납될 수 있도록 구성될 수 있다. 또한, 커버(12)는 상기 개방된 일면에 결합 가능하도록 구성된 커버(12)를 포함하도록 구성될 수 있다. 그리고, 본체 유닛(11)에 포함된 수납 공간(13)에 하나 이상의 배터리 셀이 수납될 수 있다.
다만, 도 2 및 도 3의 실시예에서는 본체 유닛(11)의 상부 방향(z방향)의 일면이 개방되어 수납 공간(13)이 형성되고, 본체 유닛(11)의 상부 방향(z방향)에서 커버(12)가 결합되는 것으로 설명되었지만, 본체 유닛(11)의 6면 중 어느 하나의 면이 개방될 수도 있음을 유의한다. 즉, 본 발명에 따른 모듈 정보 획득부(110)는 본체 유닛(11)의 개방면에 제한 없이 커버(12)의 두께(C), 본체 유닛(11)의 두께(F), 배터리 모듈(10)의 높이(H), 배터리 모듈(10)의 너비(W), 및 배터리 모듈(10)의 길이(L)를 획득할 수 있다.
예컨대, 상기 모듈 정보 획득부(110)는, 상기 커버(12)의 두께(C), 상기 본체 유닛(11)의 두께(F), 상기 배터리 모듈(10)의 높이(H), 상기 배터리 모듈(10)의 너비(W), 및 상기 배터리 모듈(10)의 길이(L)를 상기 배터리 모듈(10)에 대한 복수의 수치 정보로 획득하도록 구성될 수 있다.
바람직하게, 모듈 정보 획득부(110)는, 배터리 모듈(10)에 엔드 플레이트가 부착되지 않은 상태에서, 배터리 모듈(10)에 대한 커버(12)의 두께(C), 본체 유닛(11)의 두께(F), 배터리 모듈(10)의 높이(H), 배터리 모듈(10)의 너비(W), 및 배터리 모듈(10)의 길이(L)에 대한 복수의 수치 정보를 획득할 수 있다.
프로세서(120)는 상기 모듈 정보 획득부(110)로부터 상기 복수의 수치 정보를 수신하도록 구성될 수 있다.
구체적으로, 프로세서(120)와 모듈 정보 획득부(110)는 통신 가능하도록 연결될 수 있다. 따라서, 프로세서(120)는 모듈 정보 획득부(110)로부터 배터리 모듈(10)에 대한 복수의 수치 정보를 수신할 수 있다.
프로세서(120)는 기설정된 학습 모델과 상기 복수의 수치 정보에 기반하여, 상기 배터리 모듈(10)의 내부에서 외부로 가해지는 힘과 상기 배터리 모듈(10)의 변형도 간의 대응 관계를 나타내는 제1 프로파일(P1) 및 상기 힘과 상기 배터리 모듈(10)의 응력 간의 대응 관계를 나타내는 제2 프로파일(P2)을 생성하도록 구성될 수 있다.
여기서, 상기 학습 모델은, 기준 모듈에 대하여 미리 설정된 복수의 힘 각각에 대응되는 변형도 및 응력을 추정하도록 학습될 수 있다. 그리고, 프로세서(120)는 배터리 모듈(10)에 대한 복수의 수치 정보를 학습 모델에 입력함으로써 제1 프로파일(P1) 및 제2 프로파일(P2)을 생성할 수 있다.
제1 프로파일(P1) 및 제2 프로파일(P2)은 도 4 및 도 5을 각각 참조하여 설명한다. 도 4는 본 발명의 일 실시예에 따른 제1 프로파일(P1)의 예시를 도시한 도면이다. 도 5은 본 발명의 일 실시예에 따른 제2 프로파일(P2)의 예시를 도시한 도면이다.
도 4를 참조하면, 제1 프로파일(P1)은 배터리 모듈(10)의 내부에서 외부로 가해지는 힘에 대한 배터리 모듈(10)의 변형도를 나타내는 프로파일일 수 있다. 즉, 제1 프로파일(P1)은 배터리 모듈(10)의 내부에서 외부로 가해지는 힘과 배터리 모듈(10)의 변형도 간의 대응 관계를 나타낼 수 있다.
도 4의 실시예에서, 배터리 모듈(10)의 내부에서 2kN, 4kN, 6kN, 8kN 및 10kN의 힘이 각각 가해지는 경우, 배터리 모듈(10)의 변형도는 각각 1.32mm, 2.54mm, 3.67mm, 4.70mm 및 5.78mm일 수 있다.
예컨대, 배터리 모듈(10)에 포함된 하나 이상의 배터리 셀이 스웰링 현상에 의해 부풀어 오르면, 배터리 셀의 스웰링 압력에 의해 배터리 모듈(10)의 내벽에 힘이 가해질 수 있다. 즉, 제1 프로파일(P1)은 배터리 셀의 스웰링에 의해 배터리 모듈(10)의 내벽에 가해지는 힘과 이러한 힘에 의한 배터리 모듈(10)의 변형도 간의 대응 관계를 나타낼 수 있다.
또한, 도 5의 실시예에서, 배터리 모듈(10)의 내부에서 2kN, 4kN, 6kN, 8kN 및 10kN의 힘이 각각 가해지는 경우, 배터리 모듈(10)의 응력은 각각 40.2MPa, 83.7MPa, 128.6MPa, 164.1MPa 및 189.6MPa일 수 있다.
예컨대, 배터리 모듈(10)에 포함된 하나 이상의 배터리 셀이 스웰링 현상에 의해 부풀어 오르면, 배터리 셀의 스웰링 압력에 의해 배터리 모듈(10)의 응력이 증가될 수 있다. 즉, 제2 프로파일(P2)은 배터리 셀의 스웰링에 의해 배터리 모듈(10)의 내벽에 가해지는 힘과 배터리 모듈(10)의 응력 간의 대응 관계를 나타낼 수 있다.
프로세서(120)는 상기 제1 프로파일(P1) 및 상기 제2 프로파일(P2)에 기반하여 상기 배터리 모듈(10)의 상기 변형도와 상기 응력 간의 대응 관계를 나타내는 제3 프로파일(P3)을 생성하도록 구성될 수 있다.
도 4 및 도 5을 참조하면, 제1 프로파일(P1)과 제2 프로파일(P2)은 모두 배터리 모듈(10)의 내부에서 외부로 가해지는 힘과 연관될 수 있다. 따라서, 프로세서(120)는 제1 프로파일(P1)과 제2 프로파일(P2)을 이용하여 제3 프로파일(P3)을 생성할 수 있다.
제3 프로파일(P3)은 도 6을 참조하여 설명한다. 도 6은 본 발명의 일 실시예에 따른 제3 프로파일(P3)의 예시를 도시한 도면이다.
도 6을 참조하면, 제3 프로파일(P3)은 배터리 모듈(10)의 응력과 변형도 간의 대응 관계를 나타내는 프로파일일 수 있다.
구체적으로, 도 6의 실시예에서, 배터리 모듈(10)의 응력이 40.2MPa, 83.7MPa, 128.6MPa, 164.1MPa 및 189.6MPa일 경우, 배터리 모듈(10)의 변형도는 각각 1.32mm, 2.54mm, 3.67mm, 4.70mm 및 5.78mm일 수 있다.
즉, 프로세서(120)는 학습 모델을 이용하여 제1 프로파일(P1) 및 제2 프로파일(P2)을 생성하고, 생성된 제1 프로파일(P1) 및 제2 프로파일(P2)에 기반하여 제3 프로파일(P3)을 생성할 수 있다.
프로세서(120)는 상기 제3 프로파일(P3)에 기반하여 상기 배터리 모듈(10)의 응력에 따른 상기 배터리 모듈(10)의 변형도를 추정하도록 구성될 수 있다.
구체적으로, 프로세서(120)는 배터리 모듈(10)에 대해 생성된 제3 프로파일(P3)에 기반하여, 임의의 크기의 응력에 대한 배터리 모듈(10)의 변형도를 추정할 수 있다.
예컨대, 본 발명의 일 실시예에 따른 모듈 변형도 추정 장치(100)는 배터리 모듈(10)의 설계 과정에서 이용될 수 있다. 즉, 배터리 모듈(10)의 설계 과정에서, 배터리 모듈(10)의 복수의 수치 정보가 모듈 정보 획득부(110)에 의해 획득되면, 프로세서(120)는 배터리 모듈(10)에 대한 제3 프로파일(P3)을 생성할 수 있다. 즉, 설계 중인 배터리 모듈(10)에 대한 응력과 변형도 간의 대응 관계가 프로세서(120)에 의해서 간편하고 신속하게 도출될 수 있다. 따라서, 배터리 모듈(10)의 설계 과정에서 모듈 변형도 추정 장치(100)에 의해 생성된 제3 프로파일(P3)이 이용됨으로써, 배터리 모듈(10)의 설계가 보다 용이해질 수 있다.
한편, 본 발명의 일 실시예에 따른 모듈 변형도 추정 장치(100)의 프로세서(120)는 본 발명에서 수행되는 다양한 제어 로직들을 실행하기 위해 당업계에 알려진 ASIC(application-specific integrated circuit), 다른 칩셋, 논리 회로, 레지스터, 통신 모뎀, 데이터 처리 장치 등을 선택적으로 포함할 수 있다. 또한, 상기 제어 로직이 소프트웨어로 구현될 때, 상기 프로세서(120)는 프로그램 모듈의 집합으로 구현될 수 있다. 이때, 프로그램 모듈은 메모리에 저장되고, 프로세서(120)에 의해 실행될 수 있다. 상기 메모리는 프로세서(120) 내부 또는 외부에 있을 수 있고, 잘 알려진 다양한 수단으로 프로세서(120)와 연결될 수 있다.
또한, 본 발명의 일 실시예에 따른 모듈 변형도 추정 장치(100)는 저장부(130)를 더 포함할 수 있다. 저장부(130)는 본 발명의 일 실시예에 따른 모듈 변형도 추정 장치(100)의 각 구성요소가 동작 및 기능을 수행하는데 필요한 데이터나 프로그램 또는 동작 및 기능이 수행되는 과정에서 생성되는 데이터 등을 저장할 수 있다. 저장부(130)는 데이터를 기록, 소거, 갱신 및 독출할 수 있다고 알려진 공지의 정보 저장 수단이라면 그 종류에 특별한 제한이 없다. 일 예시로서, 정보 저장 수단에는 RAM, 플래쉬 메모리, ROM, EEPROM, 레지스터 등이 포함될 수 있다. 또한, 저장부(130)는 프로세서(120)에 의해 실행 가능한 프로세스들이 정의된 프로그램 코드들을 저장할 수 있다.
예컨대, 학습 모델에 대한 파라미터 및 프로그램 코드 등의 정보는 저장부(130)에 저장되어 있을 수 있다. 그리고, 프로세서(120)는 배터리 모듈(10)의 변형도를 추정할 때마다 저장부(130)에 접근하여 학습 모델에 대한 정보를 획득할 수 있다.
도 7은 본 발명의 일 실시예에 따른 학습 모델의 예시적 구성을 도시한 도면이다.
도 7을 참조하면, 학습 모델은 인풋 레이어(L0), 제1 레이어(L1) 및 제2 레이어(L2)를 포함할 수 있다.
인풋 레이어(L0)는 배터리 모듈(10)의 복수의 수치 정보를 입력 받을 수 있다. 즉, 프로세서(120)가 배터리 모듈(10)의 복수의 수치 정보를 학습 모델에 입력하는 경우, 복수의 수치 정보는 학습 모델의 인풋 레이어(L0)로 입력될 수 있다.
도 7의 실시예에서, 배터리 모듈(10)의 복수의 수치 정보가 커버(12)의 두께(C), 본체 유닛(11)의 두께(F), 배터리 모듈(10)의 길이(L), 배터리 모듈(10)의 너비(W), 및 배터리 모듈(10)의 높이(H) 순으로 입력되었으나, 복수의 수지 정보의 입력 순서는 도 7의 실시예에 의해 제한적으로 적용되는 것이 아님을 유의한다.
제1 레이어(L1)는 상기 기준 모듈에 대해 미리 학습된 결과에 기반하여 상기 복수의 수치 정보 각각에 대응되는 제1 가중치(a)를 부여하도록 구성될 수 있다.
예컨대, 도 7의 실시예에서, 복수의 수치 정보 각각에는 제1 가중치(a)가 부여될 수 있다. 이러한 제1 가중치(a)는 학습 모델이 미리 학습되는 과정에서 생성된 가중치로서, 인풋 레이어(L0)에서 제1 레이어(L1)로 향하는 모든 경로에 제1 가중치(a)가 부여될 수 있다.
보다 구체적으로, 상기 제1 레이어(L1)는, 상기 복수의 조합 정보 각각에 대응되는 복수의 노드를 포함할 수 있다.
예컨대, 도 7의 실시예에서, 제1 레이어(L1)는 제1 노드(N1a), 제2 노드(N1b), 제3 노드(N1c), 제4 노드(N1d), 및 제5 노드(N1e)를 포함할 수 있다. 바람직하게, 인풋 레이어(L0)에 포함된 노드의 개수, 즉, 복수의 수치 정보의 개수와 제1 레이어(L1)에 포함된 복수의 노드의 개수가 서로 동일할 수 있다.
그리고, 제1 레이어(L1)는, 상기 복수의 노드마다 상기 복수의 수치 정보 각각에 대응되는 상기 제1 가중치(a)가 설정되도록 구성될 수 있다.
도 7을 참조하면, 제1 가중치(a)는 복수의 수치 정보 각각에 부여될 수 있다. 그리고, 이러한 제1 가중치(a)는 제1 레이어(L1)의 복수의 노드(N1a 내지 N1e)별로 복수의 수치 정보마다 각각 설정될 수 있다. 예컨대, 제1 레이어(L1)의 복수의 노드(N1a 내지 N1e)별로 복수의 수치 정보마다 각각 설정된 제1 가중치(a)는 서로 상이할 수 있다.
도 8은 본 발명의 일 실시예에 따른 학습 모델의 예시적 구성에서 일부를 도시한 도면이다. 구체적으로, 도 8은 복수의 수치 정보 중 커버(12)의 두께(C)와 배터리 모듈(10)의 높이(H)에 적용되는 제1 가중치(a)를 예시적으로 도시한 도면이다.
도 8을 참조하면, 커버(12)의 두께(C)는 제1 레이어(L1)의 복수의 노드(N1a 내지 N1e) 각각에 모두 입력될 수 있다. 다만, 커버(12)의 두께(C)가 제1 레이어(L1)에 입력될 때, 제1 레이어(L1)의 복수의 노드(N1a 내지 N1e) 각각에 대응되는 제1 가중치(a)가 커버(12)의 두께(C)에 부가될 수 있다.
예컨대, 커버(12)의 두께(C)가 제1 레이어(L1)의 제1 내지 제5 노드(N1a 내지 N1e)로 각각 입력될 때, 커버(12)의 두께(C)에는 a1 내지 a5 가중치가 각각 부여될 수 있다. 여기서, a1 내지 a5 각각은, 커버(12)의 두께(C) 정보에 대하여 제1 레이어(L1)의 제1 내지 제5 노드(N1a 내지 N1e) 각각에 대해 미리 설정된 가중치일 수 있다. 즉, 제1 레이어(L1)의 제1 내지 제5 노드(N1a 내지 N1e)로 입력되는 커버(12)의 두께(C)는, 부여되는 a1 내지 a5 가중치에 의해서 서로 상이할 수 있다.
또한, 예컨대, 배터리 모듈(10)의 높이(H)가 제1 레이어(L1)의 제1 내지 제5 노드(N1a 내지 N1e)로 각각 입력될 때, 배터리 모듈(10)의 높이(H)에는 a6 내지 a10 가중치가 각각 부여될 수 있다. 여기서, a6 내지 a10 각각은, 배터리 모듈(10)의 높이(H) 정보에 대하여 제1 내지 제5 노드 각각에 대해 미리 설정된 가중치일 수 있다. 즉, 제1 레이어(L1)의 제1 내지 제5 노드(N1a 내지 N1e)로 입력되는 배터리 모듈(10)의 높이(H)는, 부여되는 a6 내지 a10 가중치에 의해서 서로 상이할 수 있다.
또한, 제1 레이어(L1)는 상기 제1 가중치(a)가 부여된 복수의 수치 정보에 기반하여 복수의 조합 정보를 생성하도록 구성될 수 있다.
예컨대, 도 7의 실시예에서, 제1 레이어(L1)의 복수의 노드(N1a 내지 N1e) 각각에서, 대응되는 제1 가중치(a)가 부여된 복수의 수치 정보가 서로 조합될 수 있다. 그리고, 이러한 조합에 의해서 복수의 조합 정보가 생성될 수 있다. 바람직하게, 생성된 복수의 조합 정보의 개수는 인풋 레이어(L0)에 입력된 복수의 수치 정보의 개수와 동일할 수 있다.
또한, 제2 레이어(L2)는 상기 미리 학습된 결과에 기반하여 상기 제1 레이어(L1)에서 생성된 복수의 조합 정보 각각에 대응되는 제2 가중치(b)를 부여하도록 구성될 수 있다.
예컨대, 도 7의 실시예에서, 복수의 조합 정보 각각에는 제2 가중치(b)가 부여될 수 있다. 이러한 제2 가중치(b)는 학습 모델이 미리 학습되는 과정에서 생성된 가중치로서, 제1 레이어(L1)에서 제2 레이어(L2)로 향하는 모든 경로에 제2 가중치(b)가 부여될 수 있다.
보다 구체적으로, 상기 제2 레이어(L2)는, 상기 복수의 힘에 대응되는 복수의 변형도 및 복수의 응력 각각에 대응되는 복수의 노드를 포함할 수 있다.
예컨대, 도 7의 실시예에서, 제2 레이어(L2)는 10개의 노드(N2a 내지 N2j)를 포함할 수 있다. 여기서, 제2 레이어(L2)의 제1 내지 제5 노드(N2a 내지 N2e)는 배터리 모듈(10)의 변형도와 관련된 노드이고, 제2 레이어(L2)의 제6 내지 제10 노드(N2f 내지 N2j)는 배터리 모듈(10)의 응력과 관련된 노드일 수 있다.
또한, 제2 레이어(L2)는 상기 복수의 노드(N2a 내지 N2j)마다 상기 복수의 조합 정보 각각에 대응되는 상기 제2 가중치(b)가 설정되도록 구성될 수 있다.
도 7을 참조하면, 제2 가중치(b)는 복수의 조합 정보 각각에 부여될 수 있다. 그리고, 이러한 제2 가중치(b)는 제2 레이어(L2)의 복수의 노드(N2a 내지 N2j)별로 복수의 조합 정보마다 각각 설정될 수 있다. 예컨대, 제2 레이어(L2)의 복수의 노드(N2a 내지 N2j)별로 복수의 조합 정보마다 각각 설정된 제2 가중치(b)는 서로 상이할 수 있다.
제2 레이어(L2)는 상기 제2 가중치(b)가 부여된 복수의 조합 정보에 기반하여 상기 복수의 힘 각각에 대응되는 상기 배터리 모듈(10)에 대한 변형도 및 응력을 생성하도록 구성될 수 있다.
보다 구체적으로, 도 4 및 도 7을 참조하면, 제2 레이어(L2)의 제1 내지 제5 노드(N2a 내지 N2e) 각각은 2kN, 4kN, 6kN, 8kN 및 10kN 힘에 대한 변형도와 관련될 수 있다. 예컨대, 제2 레이어(L2)의 제1 노드(N2a)는 2kN 힘에 대한 변형도를 생성하고, 제2 노드(N2b)는 4kN 힘에 대한 변형도를 생성하며, 제3 노드(N2c)는 6kN 힘에 대한 변형도를 생성할 수 있다. 제4 노드(N2d)는 8kN 힘에 대한 변형도를 생성하고, 제5 노드(N2e)는 10kN 힘에 대한 변형도를 생성할 수 있다.
또한, 도 5 및 도 7을 참조하면, 제2 레이어(L2)의 제6 내지 제10 노드(N2f 내지 N2j) 각각은 2kN, 4kN, 6kN, 8kN 및 10kN 힘에 대한 응력과 관련될 수 있다. 예컨대, 제2 레이어(L2)의 제6 노드(N2f)는 2kN 힘에 대한 응력을 생성하고, 제7 노드(N2g)는 4kN 힘에 대한 응력을 생성하며, 제8 노드(N2h)는 6kN 힘에 대한 응력을 생성할 수 있다. 제9 노드(N2i)는 8kN 힘에 대한 응력을 생성하고, 제10 노드(N2j)는 10kN 힘에 대한 응력을 생성할 수 있다.
상기 프로세서(120)는, 상기 학습 모델로부터 상기 복수의 힘 각각에 대응되는 상기 배터리 모듈(10)에 대한 변형도를 수신하여 상기 제1 프로파일(P1)을 생성하고, 상기 학습 모델로부터 상기 복수의 힘에 대응되는 상기 배터리 모듈(10)에 대한 응력을 수신하여 상기 제2 프로파일(P2)을 생성하도록 구성될 수 있다.
앞선 실시예와 같이, 제2 레이어(L2)의 제1 내지 제5 노드(N2a 내지 N2e)는 변형도와 관련되고, 제6 내지 제10 노드(N2f 내지 N2j)는 응력과 관련되었다고 가정한다. 프로세서(120)는 제2 레이어(L2)의 제1 내지 제5 노드(N2a 내지 N2e)로부터 2kN, 4kN, 6kN, 8kN 및 10kN 힘에 대한 변형도를 수신하여 도 4의 실시예에 따른 제1 프로파일(P1)을 생성할 수 있다. 또한, 프로세서(120)는 제2 레이어(L2)의 제6 내지 제10 노드(N2f 내지 N2j)로부터 2kN, 4kN, 6kN, 8kN 및 10kN 힘에 대한 응력을 수신하여 도 5의 실시예에 따른 제2 프로파일(P2)을 생성할 수 있다.
상기 프로세서(120)는, 상기 제1 프로파일(P1) 및 상기 제2 프로파일(P2)에 기반하여 상기 복수의 힘 각각에 대응되는 상기 배터리 모듈(10)에 대한 변형도 및 응력을 매칭함으로써, 상기 제3 프로파일(P3)을 생성하도록 구성될 수 있다.
도 4 내지 6을 참조하면, 제1 프로파일(P1)과 제2 프로파일(P2)은 복수의 힘에 대한 정보를 공통적으로 포함할 수 있다. 따라서, 프로세서(120)는 복수의 힘을 기준으로 삼아서, 배터리 모듈(10)의 변형도 및 응력 간의 대응 관계를 나타내는 제3 프로파일(P3)을 생성할 수 있다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 모듈 변형도 추정 장치(100)는 압력 정보 획득부(140)를 더 포함할 수 있다.
압력 정보 획득부(140)는 외부로부터 타겟 압력에 대한 압력 정보를 획득하도록 구성될 수 있다.
구체적으로, 압력 정보 획득부(140)는 통신 모듈 및/또는 입력 모듈을 포함할 수 있다. 압력 정보 획득부(140)는 유선 및/또는 무선 통신을 통해 외부로부터 타겟 압력에 대한 압력 정보를 수신할 수 있다. 또한, 압력 정보 획득부(140)는 입력 모듈을 통해 입력되는 정보를 해석하여, 타겟 압력에 대한 압력 정보를 획득할 수도 있다. 예컨대, 입력 모듈은 키보드, 마우스, 및 터치스크린 등 다양한 입력 디바이스가 적용될 수 있다.
상기 프로세서(120)는, 상기 압력 정보 획득부(140)로부터 상기 압력 정보를 수신하도록 구성될 수 있다.
구체적으로, 프로세서(120)와 압력 정보 획득부(140)는 서로 통신 가능하도록 연결될 수 있다. 따라서, 프로세서(120)는 압력 정보 획득부(140)로부터 타겟 압력에 대한 압력 정보를 수신할 수 있다.
프로세서(120)는 상기 제3 프로파일(P3)에 상기 타겟 압력을 입력함으로써, 상기 타겟 압력에 대한 상기 배터리 모듈(10)의 변형도를 추정하도록 구성될 수 있다.
예컨대, 본 발명의 일 실시예에 따른 모듈 변형도 추정 장치(100)가 배터리 모듈(10)의 설계 과정에서 이용될 때, 프로세서(120)에 의해 설계 중인 배터리 모듈(10)에 대한 제3 프로파일(P3)이 생성될 수 있다. 그리고, 배터리 셀의 스웰링에 의해 가해질 수 있는 최대 압력에서의 배터리 모듈(10)의 변화량을 추정하기 위해, 압력 정보 획득부(140)로 상기 최대 압력에 대한 압력 정보가 입력될 수 있다. 즉, 압력 정보 획득부(140)로 입력되는 최대 압력이 타겟 압력이 될 수 있다. 프로세서(120)는 상기 최대 압력에 대한 압력 정보를 수신하고, 제3 프로파일(P3)에 기반하여 최대 압력에 대응되는 배터리 모듈(10)의 변형도를 추정할 수 있다. 이후, 프로세서(120)에 의해 추정된 변형도가 허용될 수 있는 정도라면 배터리 모듈(10)은 설계된 내용에 바탕하여 제작될 수 있고, 추정된 변형도가 허용될 수 없는 정도라면 배터리 모듈(10)에 대한 설계가 수정될 수 있다.
이와 같이, 본 발명의 일 실시예에 따른 모듈 변형도 추정 장치(100)는, 배터리 모듈(10)의 응력과 변형도를 신속하게 추정할 수 있기 때문에, 배터리 모듈(10)의 설계 과정에서 매우 유용하게 이용될 수 있다.
또한, 배터리 모듈(10)이 제작되기 전이라도 배터리 모듈(10)의 복수의 수치 정보만 결정되었다면, 제3 프로파일(P3)이 생성되어 응력과 변형도 간의 대응 관계가 도출될 수 있기 때문에, 배터리 모듈(10)의 설계가 보다 용이해질 수 있는 장점이 있다.
또한, 본 발명에 따른 모듈 변형도 추정 장치(100)는, 배터리 팩에 구비될 수 있다. 즉, 본 발명에 따른 배터리 팩은, 상술한 모듈 변형도 추정 장치(100) 및 배터리 모듈(10)을 포함할 수 있다. 또한, 배터리 팩은, 전장품(릴레이, 퓨즈 등) 및 케이스 등을 더 포함할 수 있다.
예컨대, 배터리 팩에 포함된 모듈 변형도 추정 장치(100)는, 배터리 팩에 포함된 하나 이상의 배터리 모듈(10)의 변형도를 추정할 수 있다. 즉, 모듈 변형도 추정 장치(100)는 각각의 배터리 모듈(10)에 대한 스웰링 압력(내부에서 가해지는 힘), 응력 및 변형도 간의 대응 관계에 기반하여 스웰링 압력에 따라 배터리 모듈(10)이 파손되었는지 여부를 신속하게 진단할 수 있다.
도 9는 본 발명의 다른 실시예에 따른 모듈 변형도 추정 방법을 개략적으로 도시한 도면이다.
바람직하게, 모듈 변형도 추정 방법의 각 단계는 모듈 변형도 추정 장치(100)에 의해 수행될 수 있다.
도 9를 참조하면, 모듈 변형도 추정 방법은 모듈 정보 획득 단계(S100), 제1 프로파일 및 제2 프로파일 생성 단계(S200), 제3 프로파일 생성 단계(S300) 및 모듈 변형도 추정 단계(S400)를 포함할 수 있다.
모듈 정보 획득 단계(S100)는 배터리 모듈(10)에 대한 복수의 수치 정보를 획득하는 단계로서, 모듈 정보 획득부(110)에 의해 수행될 수 있다.
예컨대, 도 2 및 도 3을 참조하면, 모듈 정보 획득부(110)는 커버(12)의 두께(C), 본체 유닛(11)의 두께(F), 배터리 모듈(10)의 높이(H), 배터리 모듈(10)의 너비(W), 및 배터리 모듈(10)의 길이(L)를 포함하는 복수의 수치 정보를 획득할 수 있다.
제1 프로파일 및 제2 프로파일 생성 단계(S200)는 기설정된 학습 모델과 상기 복수의 수치 정보에 기반하여, 상기 배터리 모듈(10)의 내부에서 외부로 가해지는 힘과 상기 배터리 모듈(10)의 변형도 간의 대응 관계를 나타내는 제1 프로파일(P1) 및 상기 힘과 상기 배터리 모듈(10)의 응력 간의 대응 관계를 나타내는 제2 프로파일(P2)을 생성하는 단계로서, 프로세서(120)에 의해 수행될 수 있다.
예컨대, 도 4의 실시예에서, 프로세서(120)는 모듈 정보 획득부(110)가 획득한 복수의 수치 정보와 기설정된 학습 모델에 기반하여, 배터리 모듈(10)의 내부에서 외부로 가해지는 힘과 배터리 모듈(10)의 변형도 간의 대응 관계를 나타내는 제1 프로파일(P1)을 생성할 수 있다.
또한, 도 5의 실시예에서, 프로세서(120)는 모듈 정보 획득부(110)가 획득한 복수의 수치 정보와 기설정된 학습 모델에 기반하여, 배터리 모듈(10)의 내부에서 외부로 가해지는 힘과 배터리 모듈(10)의 응력 간의 대응 관계를 나타내는 제2 프로파일(P2)을 생성할 수 있다.
제3 프로파일 생성 단계(S300)는 상기 제1 프로파일(P1) 및 상기 제2 프로파일(P2)에 기반하여 상기 배터리 모듈(10)의 상기 변형도와 상기 응력 간의 대응 관계를 나타내는 제3 프로파일(P3)을 생성하는 단계로서, 프로세서(120)에 의해 수행될 수 있다.
예컨대, 도 6의 실시예에서, 프로세서(120)는 제1 프로파일(P1) 및 제2 프로파일(P2)에 기반하여, 배터리 모듈(10)의 응력과 변형도 간의 대응관계를 나타내는 제3 프로파일(P3)을 생성할 수 있다.
모듈 변형도 추정 단계(S400)는 상기 제3 프로파일(P3)에 기반하여 상기 배터리 모듈(10)의 응력에 따른 상기 배터리 모듈(10)의 변형도를 추정하는 단계로서, 프로세서(120)에 의해 수행될 수 있다.
구체적으로, 프로세서(120)는 제3 프로파일(P3)에 기반하여 배터리 모듈(10)의 응력과 변형도 간의 상관 관계에 따라, 배터리 모듈(10)의 설계 적합도를 판단할 수 있다.
예컨대, 프로세서(120)는 제3 프로파일(P3)에 기반하여, 외부로부터 입력된 타겟 압력에 대한 배터리 모듈(10)의 변형도를 추정할 수 있다. 즉, 프로세서(120)는 추정된 변형도를 토대로 배터리 모듈(10)의 설계 적합도를 판단할 수 있다.
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.
(부호의 설명)
10: 배터리 모듈
11: 본체 유닛
12: 커버
13: 수납 공간
100: 모듈 변형도 추정 장치
110: 모듈 정보 획득부
120: 프로세서
130: 저장부
140: 압력 정보 획득부

Claims (11)

  1. 배터리 모듈에 대한 복수의 수치 정보를 획득하도록 구성된 모듈 정보 획득부; 및
    상기 모듈 정보 획득부로부터 상기 복수의 수치 정보를 수신하고, 기설정된 학습 모델과 상기 복수의 수치 정보에 기반하여, 상기 배터리 모듈의 내부에서 외부로 가해지는 힘과 상기 배터리 모듈의 변형도 간의 대응 관계를 나타내는 제1 프로파일 및 상기 힘과 상기 배터리 모듈의 응력 간의 대응 관계를 나타내는 제2 프로파일을 생성하고, 상기 제1 프로파일 및 상기 제2 프로파일에 기반하여 상기 배터리 모듈의 상기 변형도와 상기 응력 간의 대응 관계를 나타내는 제3 프로파일을 생성하며, 상기 제3 프로파일에 기반하여 상기 배터리 모듈의 응력에 따른 상기 배터리 모듈의 변형도를 추정하도록 구성된 프로세서를 포함하는 것을 특징으로 하는 모듈 변형도 추정 장치.
  2. 제1항에 있어서,
    상기 배터리 모듈은,
    일면이 개방되어 하나 이상의 배터리 셀이 수납될 수 있도록 구성된 본체 유닛; 및 상기 개방된 일면에 결합 가능하도록 구성된 커버를 포함하도록 구성되고,
    상기 모듈 정보 획득부는,
    상기 커버의 두께, 상기 본체 유닛의 두께, 상기 배터리 모듈의 높이, 상기 배터리 모듈의 너비, 및 상기 배터리 모듈의 길이를 상기 배터리 모듈에 대한 복수의 수치 정보로 획득하도록 구성된 것을 특징으로 하는 모듈 변형도 추정 장치.
  3. 제1항에 있어서,
    상기 학습 모델은,
    기준 모듈에 대하여 미리 설정된 복수의 힘 각각에 대응되는 변형도 및 응력을 추정하도록 학습된 것을 특징으로 하는 모듈 변형도 추정 장치.
  4. 제3항에 있어서,
    상기 학습 모델은,
    상기 기준 모듈에 대해 미리 학습된 결과에 기반하여 상기 복수의 수치 정보 각각에 대응되는 제1 가중치를 부여하고, 상기 제1 가중치가 부여된 복수의 수치 정보에 기반하여 복수의 조합 정보를 생성하도록 구성된 제1 레이어; 및
    상기 미리 학습된 결과에 기반하여 상기 제1 레이어에서 생성된 복수의 조합 정보 각각에 대응되는 제2 가중치를 부여하고, 상기 제2 가중치가 부여된 복수의 조합 정보에 기반하여 상기 복수의 힘 각각에 대응되는 상기 배터리 모듈에 대한 변형도 및 응력을 생성하도록 구성된 제2 레이어를 포함하도록 구성된 것을 특징으로 하는 모듈 변형도 추정 장치.
  5. 제4항에 있어서,
    상기 제1 레이어는,
    상기 복수의 조합 정보 각각에 대응되는 복수의 노드를 포함하고, 상기 복수의 노드마다 상기 복수의 수치 정보 각각에 대응되는 상기 제1 가중치가 설정되도록 구성된 것을 특징으로 하는 모듈 변형도 추정 장치.
  6. 제4항에 있어서,
    상기 제2 레이어는,
    상기 복수의 힘에 대응되는 복수의 변형도 및 복수의 응력 각각에 대응되는 복수의 노드를 포함하고, 상기 복수의 노드마다 상기 복수의 조합 정보 각각에 대응되는 상기 제2 가중치가 설정되도록 구성된 것을 특징으로 하는 모듈 변형도 추정 장치.
  7. 제4항에 있어서,
    상기 프로세서는,
    상기 학습 모델로부터 상기 복수의 힘 각각에 대응되는 상기 배터리 모듈에 대한 변형도를 수신하여 상기 제1 프로파일을 생성하고, 상기 학습 모델로부터 상기 복수의 힘에 대응되는 상기 배터리 모듈에 대한 응력을 수신하여 상기 제2 프로파일을 생성하도록 구성된 것을 특징으로 하는 모듈 변형도 추정 장치.
  8. 제7항에 있어서,
    상기 프로세서는,
    상기 제1 프로파일 및 상기 제2 프로파일에 기반하여 상기 복수의 힘 각각에 대응되는 상기 배터리 모듈에 대한 변형도 및 응력을 매칭함으로써, 상기 제3 프로파일을 생성하도록 구성된 것을 특징으로 하는 모듈 변형도 추정 장치.
  9. 제1항에 있어서,
    외부로부터 타겟 압력에 대한 압력 정보를 획득하도록 구성된 압력 정보 획득부를 더 포함하고,
    상기 프로세서는,
    상기 압력 정보 획득부로부터 상기 압력 정보를 수신하고, 상기 제3 프로파일에 상기 타겟 압력을 입력함으로써, 상기 타겟 압력에 대한 상기 배터리 모듈의 변형도를 추정하도록 구성된 것을 특징으로 하는 모듈 변형도 추정 장치.
  10. 제1항 내지 제9항 중 어느 한 항에 따른 모듈 변형도 추정 장치를 포함하는 배터리 팩.
  11. 배터리 모듈에 대한 복수의 수치 정보를 획득하는 모듈 정보 획득 단계;
    기설정된 학습 모델과 상기 복수의 수치 정보에 기반하여, 상기 배터리 모듈의 내부에서 외부로 가해지는 힘과 상기 배터리 모듈의 변형도 간의 대응 관계를 나타내는 제1 프로파일 및 상기 힘과 상기 배터리 모듈의 응력 간의 대응 관계를 나타내는 제2 프로파일을 생성하는 제1 프로파일 및 제2 프로파일 생성 단계;
    상기 제1 프로파일 및 상기 제2 프로파일에 기반하여 상기 배터리 모듈의 상기 변형도와 상기 응력 간의 대응 관계를 나타내는 제3 프로파일을 생성하는 제3 프로파일 생성 단계; 및
    상기 제3 프로파일에 기반하여 상기 배터리 모듈의 응력에 따른 상기 배터리 모듈의 변형도를 추정하는 모듈 변형도 추정 단계를 포함하는 것을 특징으로 하는 모듈 변형도 추정 방법.
PCT/KR2021/013831 2020-10-14 2021-10-07 모듈 변형도 추정 장치 및 방법 WO2022080763A1 (ko)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN202180007912.XA CN114930141B (zh) 2020-10-14 2021-10-07 模块应变估计装置和方法以及包括该装置的电池组
JP2022533375A JP7452783B2 (ja) 2020-10-14 2021-10-07 モジュール変形度推定装置及び方法
EP21880410.2A EP4063820B1 (en) 2020-10-14 2021-10-07 Module strain estimating apparatus and method
US17/790,093 US20230045081A1 (en) 2020-10-14 2021-10-07 Module strain estimating apparatus and method

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2020-0132935 2020-10-14
KR1020200132935A KR20220049379A (ko) 2020-10-14 2020-10-14 모듈 변형도 추정 장치 및 방법

Publications (1)

Publication Number Publication Date
WO2022080763A1 true WO2022080763A1 (ko) 2022-04-21

Family

ID=81208388

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2021/013831 WO2022080763A1 (ko) 2020-10-14 2021-10-07 모듈 변형도 추정 장치 및 방법

Country Status (6)

Country Link
US (1) US20230045081A1 (ko)
EP (1) EP4063820B1 (ko)
JP (1) JP7452783B2 (ko)
KR (1) KR20220049379A (ko)
CN (1) CN114930141B (ko)
WO (1) WO2022080763A1 (ko)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20050056177A (ko) * 2005-05-24 2005-06-14 부산대학교 산학협력단 전기아연도금강판의 코팅층에 대한 기계적 특성 평가 방법
KR20090028661A (ko) * 2007-09-15 2009-03-19 주식회사 엘지화학 전지셀 시험장치 및 시험방법
JP5082861B2 (ja) * 2006-02-07 2012-11-28 株式会社Ｇｓユアサ 電池の製造方法、その方法によって製造された電池、及び電池の検査方法
KR20180099668A (ko) * 2015-11-19 2018-09-05 더 리젠츠 오브 더 유니버시티 오브 미시건 팽창 특징들에 기반한 배터리 헬스 상태 추정
JP2019048309A (ja) * 2017-09-08 2019-03-28 公立大学法人大阪府立大学 算出方法、溶接方法、及びプログラム
KR20200132935A (ko) 2018-04-20 2020-11-25 소니 주식회사 적응적 전경 마스크 업샘플링에 기초한 컬러 이미지 프레임들의 시퀀스에서의 객체 분할

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160126535A1 (en) * 2013-06-05 2016-05-05 The Regents Of The University Of California Mitigating thermal runaway in lithium ion batteries using damage-initiating materials or devices
US9660299B2 (en) * 2013-12-10 2017-05-23 Southwest Research Institute Strain measurement based battery testing
KR20160090140A (ko) * 2015-01-21 2016-07-29 삼성전자주식회사 배터리의 상태를 추정하는 방법 및 장치
US10686225B2 (en) 2015-03-12 2020-06-16 Omron Corporation Battery, system, battery damage calculation device, battery management method, battery management program, and recording medium
US20170324122A1 (en) * 2016-05-03 2017-11-09 Ford Global Technologies, Llc Sensitive strain-based soc and soh monitoring of battery cells
KR20180037760A (ko) * 2016-10-05 2018-04-13 삼성전자주식회사 배터리 상태 추정 장치 및 방법
KR102192676B1 (ko) * 2017-01-24 2020-12-17 주식회사 엘지화학 배터리 모듈 변형 예측 장치
CN106768567A (zh) * 2017-03-20 2017-05-31 吉林大学 锂离子电池内应力的检测装置和测量方法
KR102146075B1 (ko) 2017-04-13 2020-08-19 주식회사 엘지화학 엔드 플레이트 테스트 장치 및 방법
WO2019017994A1 (en) * 2017-07-21 2019-01-24 Quantumscape Corporation ACTIVE AND PASSIVE BATTERY PRESSURE MANAGEMENT
KR102399602B1 (ko) 2017-08-17 2022-05-18 삼성전자주식회사 배터리 상태 추정 방법 및 장치
KR102194843B1 (ko) 2017-09-07 2020-12-23 주식회사 엘지화학 모노 프레임의 구조해석 툴 및 모노 프레임 설계방법
CN108520133A (zh) * 2018-03-30 2018-09-11 江铃控股有限公司 汽车蓄电池安装支架强度分析方法
JP7099224B2 (ja) 2018-09-26 2022-07-12 株式会社Ｇｓユアサ 蓄電素子の管理装置、及び、蓄電装置
CN109766618A (zh) * 2019-01-02 2019-05-17 大连理工大学 一种基于机器学习的应力应变预测方法
KR102298105B1 (ko) 2019-01-08 2021-09-03 주식회사 엘지에너지솔루션 스웰링 게이지를 구비한 배터리 모듈 및 이를 포함하는 배터리 팩

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20050056177A (ko) * 2005-05-24 2005-06-14 부산대학교 산학협력단 전기아연도금강판의 코팅층에 대한 기계적 특성 평가 방법
JP5082861B2 (ja) * 2006-02-07 2012-11-28 株式会社Ｇｓユアサ 電池の製造方法、その方法によって製造された電池、及び電池の検査方法
KR20090028661A (ko) * 2007-09-15 2009-03-19 주식회사 엘지화학 전지셀 시험장치 및 시험방법
KR20180099668A (ko) * 2015-11-19 2018-09-05 더 리젠츠 오브 더 유니버시티 오브 미시건 팽창 특징들에 기반한 배터리 헬스 상태 추정
JP2019048309A (ja) * 2017-09-08 2019-03-28 公立大学法人大阪府立大学 算出方法、溶接方法、及びプログラム
KR20200132935A (ko) 2018-04-20 2020-11-25 소니 주식회사 적응적 전경 마스크 업샘플링에 기초한 컬러 이미지 프레임들의 시퀀스에서의 객체 분할

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP4063820A4

Also Published As

Publication number Publication date
CN114930141A (zh) 2022-08-19
KR20220049379A (ko) 2022-04-21
EP4063820A4 (en) 2023-02-08
US20230045081A1 (en) 2023-02-09
EP4063820A1 (en) 2022-09-28
EP4063820B1 (en) 2024-02-28
JP2023504687A (ja) 2023-02-06
JP7452783B2 (ja) 2024-03-19
CN114930141B (zh) 2023-11-17

Similar Documents

Publication Publication Date Title
WO2018139833A1 (ko) 이차 전지 평가 장치
WO2022098096A1 (ko) 배터리 진단 장치 및 방법
WO2022019444A1 (ko) 전지 모듈, 전지 모듈 시스템 및 전지 모듈을 포함하는 전지 팩
WO2022075708A1 (ko) 배터리 상태 진단 장치 및 방법
WO2018190557A1 (ko) 엔드 플레이트 테스트 장치 및 방법
WO2022080763A1 (ko) 모듈 변형도 추정 장치 및 방법
WO2022145822A1 (ko) 배터리 관리 장치 및 방법
WO2021025295A1 (ko) 배터리 관리 장치, 배터리 관리 방법 및 배터리 팩
WO2021112481A1 (ko) 전극조립체 제조방법 및 제조장치, 그를 포함한 이차전지 제조방법
WO2022158948A2 (ko) 배터리 관리 장치 및 방법
WO2022010197A1 (ko) 진단 정보 생성 장치 및 방법 및 이를 포함하는 진단 시스템
WO2022250390A1 (ko) 배터리 모니터링 장치 및 방법
WO2022075706A1 (ko) 배터리 관리 장치 및 방법
WO2022108274A1 (ko) Bms 관리 장치 및 방법
WO2022108344A1 (ko) 배터리 관리 장치 및 방법
WO2021261781A1 (ko) 배터리 상태 관리 시스템 및 방법
WO2022114873A1 (ko) 배터리 관리 장치 및 방법
WO2021080219A1 (ko) 배터리 퇴화도 진단 장치 및 방법
WO2021246654A1 (ko) 배터리 스웰링 검사 장치 및 방법
WO2022098095A1 (ko) 센싱 장치 및 방법
WO2022085996A1 (ko) 배터리 관리 장치 및 방법
WO2023075312A1 (ko) 배터리 정보 압축 장치 및 방법
WO2024053870A1 (ko) 배터리의 이상을 감지하는 전자 장치 및 이의 동작 방법
WO2022035032A1 (ko) 배터리 관리 장치 및 방법
WO2023234593A1 (ko) 배터리 진단 장치 및 방법

Legal Events

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

Ref document number: 21880410

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2022533375

Country of ref document: JP

Kind code of ref document: A

ENP Entry into the national phase

Ref document number: 2021880410

Country of ref document: EP

Effective date: 20220623

NENP Non-entry into the national phase

Ref country code: DE