WO2022085950A1 - 배터리 장치 및 저항 상태 추정 방법 - Google Patents

배터리 장치 및 저항 상태 추정 방법 Download PDF

Info

Publication number
WO2022085950A1
WO2022085950A1 PCT/KR2021/012506 KR2021012506W WO2022085950A1 WO 2022085950 A1 WO2022085950 A1 WO 2022085950A1 KR 2021012506 W KR2021012506 W KR 2021012506W WO 2022085950 A1 WO2022085950 A1 WO 2022085950A1
Authority
WO
WIPO (PCT)
Prior art keywords
battery
resistance
measured
reference temperature
internal resistance
Prior art date
Application number
PCT/KR2021/012506
Other languages
English (en)
French (fr)
Inventor
윤성준
강태규
김철택
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 US17/919,530 priority Critical patent/US20230168307A1/en
Priority to JP2022562648A priority patent/JP7452904B2/ja
Priority to CN202180026075.5A priority patent/CN115398257A/zh
Priority to EP21883022.2A priority patent/EP4116723A4/en
Publication of WO2022085950A1 publication Critical patent/WO2022085950A1/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]
    • G01R31/389—Measuring internal impedance, internal conductance or related variables
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R27/00—Arrangements for measuring resistance, reactance, impedance, or electric characteristics derived therefrom
    • G01R27/02—Measuring real or complex resistance, reactance, impedance, or other two-pole characteristics derived therefrom, e.g. time constant
    • G01R27/08—Measuring resistance by measuring both voltage and current
    • 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]
    • G01R31/367—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]
    • G01R31/374—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC] with means for correcting the measurement for temperature or ageing
    • 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]
    • G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
    • G01R31/3842—Arrangements for monitoring battery or accumulator variables, e.g. SoC combining voltage and current measurements
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/392—Determining battery ageing or deterioration, e.g. state of health
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R35/00—Testing or calibrating of apparatus covered by the other groups of this subclass
    • 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
    • H01M10/46—Accumulators structurally combined with charging 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
    • H01M10/486—Accumulators combined with arrangements for measuring, testing or indicating the condition of cells, e.g. the level or density of the electrolyte for measuring temperature
    • 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
    • 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
    • H02J7/0068—Battery or charger load switching, e.g. concurrent charging and load supply
    • 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
    • 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 technology described below relates to a battery device and a method for estimating a resistance state.
  • An electric vehicle or a hybrid vehicle is a vehicle that obtains power by driving a motor mainly using a battery as a power source, and research is being actively conducted in that it is an alternative to the pollution and energy problems of an internal combustion vehicle.
  • rechargeable batteries are used in various external devices other than electric vehicles.
  • a battery includes a positive electrode and a negative electrode, a separator interposed between the electrodes, and an electrolyte that electrochemically reacts with an active material coated on the positive and negative electrodes, and the capacity decreases as the number of charge and discharge increases.
  • the cause of the decrease in capacity can be found in the deterioration of the active material coated on the electrode, the side reaction of the electrolyte, and the decrease in the pores of the separator.
  • the resistance increases, increasing the electrical energy dissipated as heat. Therefore, when the capacity of the battery decreases below the threshold, the performance of the battery remarkably deteriorates and the amount of heat generated increases, so inspection or replacement is required.
  • the degree of capacity reduction of a battery may be quantitatively expressed by a factor called a state of health (SOH).
  • SOH can be calculated in several ways, one of which can be calculated by quantifying the degree of increase in the resistance of the battery based on the current time compared to the resistance in the beginning of life (BOL) state. . For example, if the resistance of the battery is increased by 20% compared to the resistance in the BOL state, it can be estimated that the SOH is 80%. Battery life can be extended by controlling the maximum current based on the SOH. To realize this, it is necessary to accurately detect the internal resistance of the battery and estimate the state of the internal resistance.
  • the resistance state that is, the degree of deterioration of the resistance
  • the resistance state may be estimated to the extent that the internal resistance estimated at a specific temperature and a specific SOC condition is increased compared to the resistance when the battery is in the initial state.
  • the estimated resistance state is applied to all conditions under the assumption that the internal resistance has deteriorated to the same level even at a temperature or SOC different from a specific temperature or a specific SOC, and is used for output estimation.
  • the resistance of the battery may vary depending on the temperature, and if the estimated resistance at a certain temperature is applied to other temperatures, a result different from the actual resistance state may occur.
  • Some embodiments may provide a battery device and a resistance state estimation method capable of accurately estimating internal resistance and resistance state of a battery.
  • a battery device including a battery and a processor may be provided.
  • the processor estimates the internal resistance of the battery at a reference temperature based on the measured voltage of the battery, the measured current of the battery, the open circuit voltage of the battery and the measured temperature of the battery, and when the battery is in an initial state
  • the resistance state of the battery may be estimated based on the internal resistance and the initial resistance at the reference temperature of .
  • the battery device may further include a memory for storing a plurality of correction ratios respectively corresponding to a plurality of temperatures.
  • the processor extracts a correction ratio corresponding to the measured temperature from among the plurality of correction ratios, and estimates the internal resistance at the reference temperature based on the measured voltage, the measured current, the open circuit voltage and the correction ratio. can do.
  • the correction ratio may be a value for converting a resistance value at the measurement temperature into a resistance value at the reference temperature.
  • the processor may estimate the internal resistance at the reference temperature based on the measured voltage, a current reflecting the correction ratio to the measured current, and the open circuit voltage.
  • the processor is configured to provide an adaptive filter using an observed value comprising the measured voltage and the open circuit voltage, an estimated parameter comprising the internal resistance, and an observed data matrix comprising the measured current and the correction ratio. Based on this, the internal resistance at the reference temperature may be estimated.
  • the correction ratio may be reflected in the measured current in the observation data matrix.
  • the adaptive filter may include a recursive least squares (RLS) filter.
  • RLS recursive least squares
  • the processor may estimate a state of charge of the battery and estimate the open circuit voltage based on the state of charge.
  • the processor may estimate the resistance state to a degree that the internal resistance at the reference temperature increases compared to the initial resistance at the reference temperature.
  • a method for estimating a resistance state of a battery may be provided.
  • the resistance state estimation method includes estimating the internal resistance of the battery at a reference temperature based on the measured voltage of the battery, the measured current of the battery, the open circuit voltage of the battery and the measured temperature of the battery, and the battery
  • the method may include estimating a resistance state of the battery based on an initial resistance at a reference temperature and the internal resistance when in an initial state.
  • a program executed by a processor of the battery device and stored in a recording medium may be provided.
  • the program includes, by the processor, estimating, by the processor, an internal resistance of the battery at a reference temperature based on a measured voltage of the battery, a measured current of the battery, an open circuit voltage of the battery, and a measured temperature of the battery; and The step of estimating the resistance state of the battery based on the internal resistance and the initial resistance at a reference temperature when the battery is in the initial state may be performed.
  • FIG. 1 is a diagram illustrating a battery device according to an exemplary embodiment.
  • FIG. 2 is a view for explaining estimation of a resistance state in a battery management system according to an exemplary embodiment.
  • FIG. 3 is a flowchart illustrating a method for estimating a resistance state in a battery management system according to an exemplary embodiment.
  • FIG. 4 is a diagram illustrating an example of a correlation between a temperature and a correction ratio in a battery according to an embodiment.
  • FIG. 5 is a diagram illustrating an equivalent circuit model of a battery according to an exemplary embodiment.
  • FIG. 6 is a flowchart illustrating a method for estimating internal resistance in a battery management system according to an exemplary embodiment.
  • FIG. 1 is a diagram illustrating a battery device according to an exemplary embodiment.
  • the battery device 100 has a structure that can be electrically connected to an external device.
  • the battery device 100 operates as a power supply that supplies power to the load and is discharged.
  • the external device is a charger, the battery device 100 is charged by receiving external power through the charger.
  • the external device operating as a load may be, for example, an electronic device, a transportation means, or an energy storage system (ESS), and the transportation means may be, for example, an electric vehicle, a hybrid vehicle, or smart mobility. there is.
  • the battery device 100 includes a battery 110 , a voltage measuring circuit 120 , a temperature sensor 130 , a current sensor 140 , a processor 150 , and a memory 160 .
  • the battery 110 is a rechargeable secondary battery.
  • the battery 110 includes a single battery cell, an assembly of a plurality of battery cells, or a battery module in which a plurality of assemblies are connected in series or parallel, a battery pack in which a plurality of battery modules are connected in series or parallel, or a plurality of battery packs in series or parallel It may be a connected system.
  • the voltage measuring circuit 120 measures the voltage of the battery 110 . In some embodiments, the voltage measurement circuit 120 may measure the voltage of each battery cell.
  • the temperature sensor 130 measures the temperature of the battery 110 .
  • the temperature sensor 130 may measure the temperature of a predetermined location of the battery 110 .
  • a plurality of temperature sensors 130 may be provided to measure the temperature of a plurality of locations in the battery 110 .
  • the current sensor 140 is connected to a positive terminal or a negative terminal of the battery 110 , and measures the current of the battery 110 , that is, a charging current or a discharging current.
  • the processor 150 includes the voltage of the battery 110 measured by the voltage measuring circuit 120 , the temperature of the battery 110 measured by the temperature sensor 130 , and the current of the battery 110 measured by the current sensor 140 . Based on , the resistance state of the battery 110 is estimated. In some embodiments, the processor 150 may refer to a table stored in the memory 160 for estimating the resistance state of the battery 110 .
  • the memory 160 stores a table used for estimating the resistance state of the processor 150 .
  • the memory 160 may store instructions used in the operation of the processor 150 .
  • memory 160 may be embedded in processor 150 or coupled to processor 150 via a bus.
  • the memory 160 storing the table may be a non-volatile memory.
  • processor 150 and memory 160 may form a battery management system.
  • the battery management system may further include at least one of a voltage measurement circuit 120 , a temperature sensor 130 , or a current sensor 140 .
  • FIG. 2 is a diagram illustrating resistance state estimation in a battery management system according to an embodiment
  • FIG. 3 is a flowchart illustrating a resistance state estimation method in the battery management system according to an embodiment.
  • 4 is a diagram illustrating an example of a correlation between a temperature and a correction ratio in a battery according to an embodiment
  • FIG. 5 is a diagram illustrating an equivalent circuit model of a battery according to an embodiment.
  • the processor (eg, 150 in FIG. 1 ) of the battery management system uses the adaptive filter 210 to estimate the internal resistance of the battery (eg, 110 in FIG. 1 ). It can be (S310, S320).
  • the processor 150 includes a current (I) of the battery 110 , a voltage (V) of the battery 110 , an open circuit voltage (OCV) of the battery 110 , and a temperature (T) of the battery 110 .
  • I current
  • V voltage
  • OCV open circuit voltage
  • T temperature
  • the reference temperature ie, normalized
  • the reference temperature may be room temperature (eg, 25° C.).
  • the current of the battery 110 may be the charging or discharging current of the battery 110 measured by a current sensor (eg, 140 in FIG. 1 ).
  • the voltage of the battery 110 may be the voltage of a battery cell.
  • the voltage of the battery 110 may be an average cell voltage, and the average cell voltage may be an average value of voltages of a plurality of battery cells.
  • the voltage of the battery 110 may be the sum of the voltages of a plurality of battery cells.
  • the open circuit voltage of the battery 110 may be a value converted from the average state of charge of the battery 110 .
  • the temperature of the battery 110 may be a temperature measured by a temperature sensor (eg, 130 in FIG. 1 ).
  • the temperature of the battery 110 may be an average temperature that is an average value of temperatures measured by a plurality of temperature sensors.
  • the processor 150 may estimate the internal resistance at the reference temperature through the adaptive filter 210 based on the correction ratio.
  • the correction ratio is a value for converting the resistance value at the measured temperature into the resistance value at the reference temperature, for example, the resistance value at the current temperature and the resistance value converted into the reference temperature as in Equation 1 It can be defined as the ratio of
  • Equation 1 R 0 * is the resistance value at the reference temperature, r(T) is the correction ratio at the temperature (T), and R 0 (T) is the resistance value at the temperature (T).
  • a correlation between temperature and correction ratio may be stored as shown in FIG. 4 . That is, a plurality of correction ratios respectively corresponding to a plurality of temperatures may be stored. For example, the correlation may be stored in the form of a lookup table. In some embodiments, the memory of the battery management system (eg, 160 in FIG. 1 ) may store correlations.
  • the correlation between the temperature and the correction ratio shown in FIG. 4 is an example, and the value of the correction ratio according to the temperature may be defined, for example, through an experiment. As shown in FIG. 4 , the correction ratio is 1 at a reference temperature (eg, 25° C.), and may decrease as the temperature increases. Accordingly, the resistance value at a temperature lower than the reference temperature may be greater than the resistance value at the reference temperature, and the resistance value at a temperature higher than the reference temperature may be smaller than the resistance value at the reference temperature.
  • a reference temperature eg, 25° C.
  • an equivalent circuit model of a battery includes an open circuit voltage source 510 , a series resistor 520 , and an RC parallel circuit.
  • the open circuit voltage source 510 simulates the open circuit voltage, which is the voltage between the positive and negative electrodes of an electrochemically stabilized battery.
  • SOC state of charge
  • OCV non-linear functional relationship with the state of charge
  • a correlation between the open circuit voltage of the battery 110 and the state of charge may be stored.
  • the correlation may be stored in the form of a lookup table.
  • the memory of the battery management system eg, 160 in FIG. 1
  • the correlation between the open circuit voltage of the battery 110 and the state of charge may be stored for each temperature. Accordingly, the processor 150 may determine the open circuit voltage associated with the state of charge with reference to the correlation stored in the memory 160 .
  • the processor 150 may determine the state of charge of the battery 110 based on a voltage of the battery 110 , a current of the battery 110 , or a temperature of the battery 110 .
  • the processor 150 may determine the state of charge by using any one of a variety of known methods, and the present invention is not limited to the method of determining the state of charge.
  • the series resistance 520 simulates the internal resistance of the battery 110 representing the voltage drop inside the battery 110 due to the current flowing in the battery 110, and the instantaneous moment of the battery terminal voltage due to the current flowing in the battery 110 indicates drastic change.
  • the RC parallel circuit mimics the transient change of the polarization voltage reflected in the battery terminal voltage, that is, over-potential, and includes a resistor 531 and a capacitor 532 connected in parallel.
  • the battery terminal voltage (V) may be given as in Equation (2).
  • the battery terminal voltage V may be a voltage of a battery cell or an average cell voltage.
  • Equation 2 R 0 is the resistance value of the internal resistor 520, R 1 is the resistance value of the resistor 531 of the RC parallel circuit, ⁇ 1 is the time constant of the RC parallel circuit, I is the battery 110 ), and OCV is the open circuit voltage.
  • the processor 150 performs the resistance based on the internal resistance of the battery 110 estimated by the adaptive filter 210 through the resistance state calculation module 220 and the BOL resistance at the reference temperature.
  • the state is calculated (S330).
  • the BOL resistance may be an internal resistance when the battery is in a beginning of life (BOL) state.
  • the BOL resistance may change according to the temperature of the battery, and the processor 150 may store the BOL resistance at the reference temperature.
  • the processor 150 may store the BOL resistance at the reference temperature in a memory of the battery management system (eg, 160 in FIG. 1 ).
  • the processor 150 may estimate a state of health resistance (SOHR) as a value obtained by subtracting a ratio of an increase in internal resistance compared to BOL resistance from 100% as shown in Equation (3). This resistance state may be referred to as a resistance degradation state.
  • SOHR state of health resistance
  • Equation 3 R 0 is the estimated internal resistance of the battery, and R BOL is the BOL resistance at the reference temperature.
  • the internal resistance converted into the reference temperature may be estimated by inputting information measured from the battery into the adaptive filter 210 .
  • the BOL resistance at the reference temperature is compared to determine how much the estimated internal resistance has deteriorated, the resistance state can be accurately estimated regardless of the temperature change of the battery.
  • a recursive least squares (RLS) filter may be used as the adaptive filter 210 , and the adaptive filter 210 will be described below as an RLS filter.
  • FIG. 6 is a flowchart illustrating a method for estimating internal resistance in a battery management system according to an exemplary embodiment.
  • the processor 150 converts the battery terminal voltage V in the equivalent circuit model based on the reference temperature in order to estimate the internal resistance converted into the reference temperature.
  • Equation 2 can be converted as Equation 4 .
  • R 0 * is a resistance value converted to the reference temperature of the internal resistance
  • R 1 * is a resistance value converted to the reference temperature of the resistance of the RC parallel circuit
  • r is a correction ratio
  • Equation 4 If Equation 4 is rearranged, it can be expressed as Equation 5.
  • Equation 5 When Equation 5 is expressed as a determinant such as Equation 6, the observed value at time k indicating the current time, that is, the system output ( y k ) is expressed as Equation 7, and the estimation parameter is expressed as Equation 8 can be expressed, and in Equation 6, the observation data matrix H k at time k can be expressed as Equation 9. Accordingly, the processor 150 inputs the system output y k measured at time k and the observation data matrix H k to the adaptive filter 210 ( S610 ).
  • V k is the voltage of the battery measured at time k (eg, average cell voltage)
  • OCV k is the open circuit voltage estimated based on the SOC at time k
  • I k is k
  • the current of the battery measured at the time eg, the current measured by the current sensor.
  • the current in which the correction ratio r is reflected in the current I k of the battery 110 may be used to estimate the internal resistance converted into the reference temperature.
  • the adaptive filter 210 calculates a gain K k ( S620 ).
  • the adaptive filter 210 is the observed value, i.e., the error between the voltage of the battery measured at time k and the voltage of the battery estimated based on equation (6) and the cost determined by the forgetting factor.
  • a gain K k that minimizes the cost function can be calculated.
  • the cost function may be determined based on a least squares error weighted by a forgetting factor. For example, the adaptive filter 210 may calculate the gain K k as in Equation (10).
  • Equation 10 P k-1 represents covariance, and ⁇ represents the forgetting factor.
  • the covariance P k-1 may be a value updated as in Equation 14 at the time point (k-1).
  • the adaptive filter 210 estimates the system output at time k using the estimation parameter at time point (k-1) (S630).
  • the estimated output may be given as, for example, Equation (11).
  • the adaptive filter 210 calculates an error between the actual system output y k at time k and the estimated output ( S630 ).
  • the error may be given as, for example, Equation (12).
  • the adaptive filter 210 updates the estimated parameter at k by reflecting the gain in the error (S640). For example, the adaptive filter 210 may update the estimation parameter as shown in Equation (13).
  • the adaptive filter 210 calculates a resistance value R 0 * converted to a reference temperature of the internal resistance based on the updated estimated parameter ( S650 ).
  • an initial value of the estimation parameter when k is 0 and an initial value of covariance P 0 may be predetermined.
  • the adaptive filter 210 updates the factor to be used at the time (k+1) (S660).
  • the adaptive filter 210 may update the covariance ( P k ) to be used at time (k+1).
  • the adaptive filter 210 may update the covariance P k as in Equation (14).
  • the adaptive filter 210 may further update the forgetting factor ⁇ .
  • the adaptive filter 210 may update the forgetting factor ⁇ based on the previously calculated error.
  • the RLS filter estimates the resistance value (R 0 ) converted to the reference temperature of the internal resistance at each time point (k), updates the factors used for estimation (eg, covariance, forgetting factors), and then It can be provided for estimation at time point (k+1). Accordingly, when the estimation of the internal resistance is not completed (S670), the adaptive filter 210 may continue to estimate the next time (S680).
  • the internal resistance estimation method described with reference to FIG. 6 is an example of using the RLS filter as the adaptive filter 210, and the present invention is not limited thereto.
  • the internal resistance converted into the reference temperature may be estimated.
  • the resistance state is estimated by comparing the estimated internal resistance with the BOL resistance at the reference temperature, a change in the resistance value due to the temperature can be offset. That is, the resistance state may be estimated based on the reference temperature regardless of the current battery temperature.
  • the processor may perform an operation on a program for executing the above-described resistance state estimation method or internal resistance estimation method.
  • a program for executing the resistance state estimation method or the internal resistance estimation method may be loaded into the memory.
  • This memory may be the same memory as the memory for storing the table (eg, 160 in FIG. 1 ) or a separate memory.
  • the program may include instructions for causing the processor 150 to perform a resistance state estimation method or an internal resistance estimation method when loaded into a memory. That is, the processor may perform an operation for a resistance state estimation method or an internal resistance estimation method by executing a program instruction.

Abstract

배터리 장치의 프로세서는 배터리의 측정 전압, 배터리의 측정 전류, 배터리의 개방 회로 전압 및 배터리의 측정 온도에 기초해서 기준 온도에서의 배터리의 내부 저항을 추정하고, 상기 배터리가 초기 상태일 때의 기준 온도에서의 초기 저항과 추정한 기준 온도에서의 내부 저항에 기초해서 배터리의 저항 상태를 추정한다.

Description

배터리 장치 및 저항 상태 추정 방법
관련 출원과의 상호 인용
본 출원은 2020년 10월 22일자 대한민국 특허출원 제10-2020-0137478에 기초한 우선권의 이익을 주장하며, 해당 대한민국 특허출원의 문헌에 개시된 모든 내용은 본 명세서의 일부로서 포함된다.
아래 기재된 기술은 배터리 장치 및 저항 상태 추정 방법에 관한 것이다.
전기 자동차 또는 하이브리드 자동차는 주로 배터리를 전원으로 이용하여 모터를 구동함으로써 동력을 얻는 자동차로서, 내연 자동차의 공해 및 에너지 문제를 해결할 수 있는 대안이라는 점에서 연구가 활발하게 진행되고 있다. 또한, 충전이 가능한 배터리는 전기 자동차 이외에 다양한 외부 장치에서 사용되고 있다.
배터리는 양극 및 음극, 전극 사이에 개재된 분리막, 양극과 음극에 코팅된 활물질과 전기화학적으로 반응하는 전해질을 포함하는데, 충방전 회수가 증가할수록 용량이 감소한다. 용량의 감소는 전극에 코팅된 활물질의 열화, 전해질의 부 반응, 분리막의 기공 감소 등에서 그 원인을 찾을 수 있다. 배터리의 용량이 감소하면 저항이 증가하여 열로 소실되는 전기 에너지가 증가한다. 따라서, 배터리의 용량이 임계치 이하로 감소하면 배터리의 성능이 현저하게 떨어지고 발열량이 증가하여 점검 또는 교체가 필요하다.
배터리 기술 분야에서, 배터리의 용량 감소 정도는 건강 상태(state of health, SOH)라는 팩터에 의해 정량적으로 나타낼 수 있다. SOH는 여러 가지 방법으로 계산이 가능한데, 그 중 하나가 현재 시점을 기준으로 한 배터리의 저항이 초기(beginning of life, BOL) 상태에 있을 때의 저항 대비 증가된 정도를 정량화하는 것으로 계산이 가능하다. 예를 들어, 배터리의 저항이 BOL 상태일 때의 저항 대비 20% 증가하였다면, SOH는 80%라고 추정할 수 있다. 배터리는 SOH에 기초해서 최대 전류를 제어함으로써 수명을 길게 할 수 있다. 이를 실현하려면, 배터리의 내부 저항을 정확하게 검출하고 내부 저항의 상태를 추정할 필요가 있다.
사전에 측정된 저항 데이터를 기초로, 특정 온도와 특정 SOC 조건에서 추정된 내부 저항이 배터리가 초기 상태일 때의 저항 대비 증가된 정도로 저항 상태, 즉 저항이 퇴화된 정도를 추정할 수 있다. 그리고 특정 온도나 특정 SOC와는 다른 온도나 SOC에서도 동일한 레벨로 내부 저항이 퇴화되었다는 가정하에 추정한 저항 상태를 모든 조건에 적용하여 출력 추정에 사용하고 있다. 그런데 배터리의 저항은 온도에 따라 달라질 수 있는데, 특정 온도에서의 추정된 저항을 다른 온도에도 적용하면 실제 저항 상태와는 다른 결과가 발생할 수 있다.
어떤 실시예는 배터리의 내부 저항 및 저항 상태를 정확하게 추정할 수 있는 배터리 장치 및 저항 상태 추정 방법을 제공할 수 있다.
한 실시예에 따르면, 배터리와 프로세서를 포함하는 배터리 장치가 제공될 수 있다. 상기 프로세서는 상기 배터리의 측정 전압, 상기 배터리의 측정 전류, 상기 배터리의 개방 회로 전압 및 상기 배터리의 측정 온도에 기초해서 기준 온도에서의 상기 배터리의 내부 저항을 추정하고, 상기 배터리가 초기 상태일 때의 상기 기준 온도에서의 초기 저항과 상기 내부 저항에 기초해서 상기 배터리의 저항 상태를 추정할 수 있다.
어떤 실시예에서, 상기 배터리 장치는 복수의 온도에 각각 대응하는 복수의 보정비를 저장하는 메모리를 더 포함할 수 있다. 상기 프로세서는 상기 복수의 보정비 중에서 상기 측정 온도에 대응하는 보정비를 추출하고, 상기 측정 전압, 상기 측정 전류, 상기 개방 회로 전압 및 상기 보정비에 기초해서 상기 기준 온도에서의 상기 내부 저항을 추정할 수 있다.
어떤 실시예에서, 상기 보정비는 상기 측정 온도에서의 저항값을 상기 기준 온도에서의 저항값으로 변환하기 위한 값일 수 있다.
어떤 실시예에서, 상기 프로세서는 상기 측정 전압, 상기 측정 전류에 상기 보정비를 반영한 전류 및 상기 개방 회로 전압에 기초해서 상기 기준 온도에서의 상기 내부 저항을 추정할 수 있다.
어떤 실시예에서, 상기 프로세서는 상기 측정 전압과 상기 개방 회로 전압을 포함하는 관측 값, 상기 내부 저항을 포함하는 추정 파라미터 및 상기 측정 전류와 상기 보정비를 포함하는 관측 데이터 행렬을 사용하는 적응 필터에 기초해서 상기 기준 온도에서의 상기 내부 저항을 추정할 수 있다.
어떤 실시예에서, 상기 관측 데이터 행렬에서 상기 측정 전류에 상기 보정비가 반영될 수 있다.
어떤 실시예에서, 상기 적응 필터는 RLS(recursive least squares) 필터를 포함할 수 있다.
어떤 실시예에서, 상기 프로세서는 상기 배터리의 충전 상태(state of charge)를 추정하고, 상기 충전 상태에 기초해서 상기 개방 회로 전압을 추정할 수 있다.
어떤 실시예에서, 상기 프로세서는 상기 기준 온도에서의 내부 저항이 상기 기준 온도에서의 상기 초기 저항 대비 증가한 정도로 상기 저항 상태를 추정할 수 있다.
다른 실시예에 따르면, 배터리의 저항 상태 추정 방법이 제공될 수 있다. 상기 저항 상태 추정 방법은 상기 배터리의 측정 전압, 상기 배터리의 측정 전류, 상기 배터리의 개방 회로 전압 및 상기 배터리의 측정 온도에 기초해서 기준 온도에서의 상기 배터리의 내부 저항을 추정하는 단계, 그리고 상기 배터리가 초기 상태일 때의 기준 온도에서의 초기 저항과 상기 내부 저항에 기초해서 상기 배터리의 저항 상태를 추정하는 단계를 포함할 수 있다.
발명의 또 다른 실시예에 따르면, 배터리 장치의 프로세서에 의해 실행되며, 기록 매체에 저장되어 있는 프로그램이 제공될 수 있다. 상기 프로그램은 상기 프로세서가, 상기 배터리의 측정 전압, 상기 배터리의 측정 전류, 상기 배터리의 개방 회로 전압 및 상기 배터리의 측정 온도에 기초해서 기준 온도에서의 상기 배터리의 내부 저항을 추정하는 단계, 그리고 상기 배터리가 초기 상태일 때의 기준 온도에서의 초기 저항과 상기 내부 저항에 기초해서 상기 배터리의 저항 상태를 추정하는 단계를 실행하도록 할 수 있다.
어떤 실시예에 따르면, 온도 변화에 관계 없이 배터리의 내부 저항 및 저항 상태를 정확하게 추정할 수 있다.
도 1은 한 실시예에 따른 배터리 장치를 나타내는 도면이다.
도 2는 한 실시예에 따른 배터리 관리 시스템에서의 저항 상태 추정을 설명하는 도면이다.
도 3은 한 실시예에 따른 배터리 관리 시스템에서의 저항 상태 추정 방법을 나타내는 흐름도이다.
도 4는 한 실시예에 따른 배터리에서 온도와 보정비 사이의 상관 관계의 한 예를 나타내는 도면이다.
도 5는 한 실시예에 따른 배터리의 등가 회로 모델을 나타내는 도면이다.
도 6은 한 실시예에 따른 배터리 관리 시스템에서 내부 저항 추정 방법을 나타내는 흐름도이다.
아래에서는 첨부한 도면을 참고로 하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
아래 설명에서 단수로 기재된 표현은 "하나" 또는 "단일" 등의 명시적인 표현을 사용하지 않은 이상, 단수 또는 복수로 해석될 수 있다.
도면을 참고하여 설명한 흐름도에서, 동작 순서는 변경될 수 있고, 여러 동작들이 병합되거나, 어느 동작이 분할될 수 있고, 특정 동작은 수행되지 않을 수 있다.
도 1은 한 실시예에 따른 배터리 장치를 나타내는 도면이다.
도 1을 참고하면, 배터리 장치(100)는 외부 장치에 전기적으로 연결될 수 있는 구조를 가진다. 외부 장치가 부하인 경우, 배터리 장치(100)는 부하로 전력을 공급하는 전원으로 동작하여 방전된다. 외부 장치가 충전기인 경우, 배터리 장치(100)는 충전기를 통해 외부 전력을 공급받아 충전된다. 부하로 동작하는 외부 장치는 예를 들면 전자 장치, 이동 수단 또는 에너지 저장 시스템(energy storage system, ESS)일 수 있으며, 이동 수단은 예를 들면 전기 자동차, 하이브리드 자동차 또는 스마트 모빌리티(smart mobility)일 수 있다.
배터리 장치(100)는 배터리(110), 전압 측정 회로(120), 온도 센서(130), 전류 센서(140), 프로세서(150) 및 메모리(160)를 포함한다.
배터리(110)는 충전 가능한 2차 전지이다. 배터리(110)는 단일 배터리 셀, 복수의 배터리 셀의 어셈블리 또는 복수의 어셈블리가 직렬 또는 병렬로 연결된 배터리 모듈, 복수의 배터리 모듈이 직렬 또는 병렬로 연결된 배터리 팩, 또는 복수의 배터리 팩이 직렬 또는 병렬로 연결된 시스템일 수 있다.
전압 측정 회로(120)는 배터리(110)의 전압을 측정한다. 어떤 실시예에서, 전압 측정 회로(120)는 각 배터리 셀의 전압을 측정할 수 있다.
온도 센서(130)는 배터리(110)의 온도를 측정한다. 어떤 실시예에서, 온도 센서(130)는 배터리(110)의 소정 위치의 온도를 측정할 수 있다. 어떤 실시예에서, 배터리(110)에서 복수의 위치의 온도를 측정하기 위해 복수의 온도 센서(130)가 제공될 수 있다.
전류 센서(140)는 배터리(110)의 양극 단자 또는 음극 단자에 연결되어 있으며, 배터리(110)의 전류, 즉 충전 전류 또는 방전 전류를 측정한다.
프로세서(150)는 전압 측정 회로(120)에서 측정된 배터리(110)의 전압, 온도 센서(130)에서 측정된 배터리(110)의 온도 및 전류 센서(140)에서 측정된 배터리(110)의 전류에 기초해서 배터리(110)의 저항 상태를 추정한다. 어떤 실시예에서, 프로세서(150)는 배터리(110)의 저항 상태 추정을 위해 메모리(160)에 저장되어 있는 테이블을 참조할 수 있다.
메모리(160)는 프로세서(150)의 저항 상태 추정을 위해 사용되는 테이블을 저장한다. 어떤 실시예에서, 메모리(160)는 프로세서(150)의 동작에 사용되는 명령어를 저장할 수 있다. 어떤 실시예에서, 메모리(160)는 프로세서(150)에 내장되거나 프로세서(150)에 버스를 통해 연결될 수 있다. 어떤 실시예에서, 테이블을 저장하고 있는 메모리(160)는 비휘발성 메모리일 수 있다.
어떤 실시예에서, 프로세서(150)와 메모리(160)는 배터리 관리 시스템을 형성할 수 있다. 어떤 실시예에서, 배터리 관리 시스템은 전압 측정 회로(120), 온도 센서(130) 또는 전류 센서(140) 중 적어도 하나를 더 포함할 수 있다.
도 2는 한 실시예에 따른 배터리 관리 시스템에서의 저항 상태 추정을 설명하는 도면이며, 도 3은 한 실시예에 따른 배터리 관리 시스템에서의 저항 상태 추정 방법을 나타내는 흐름도이다. 도 4는 한 실시예에 따른 배터리에서 온도와 보정비 사이의 상관 관계의 한 예를 나타내는 도면이며, 도 5는 한 실시예에 따른 배터리의 등가 회로 모델을 나타내는 도면이다.
도 2 및 도 3을 참고하면, 배터리 관리 시스템의 프로세서(예를 들면, 도 1의 150)는 적응 필터(210)를 사용하여서 배터리(예를 들면, 도 1의 110)의 내부 저항을 추정할 수 있다(S310, S320). 프로세서(150)는 배터리(110)의 전류(I), 배터리(110)의 전압(V), 배터리(110)의 개방 회로 전압(open circuit voltage, OCV) 및 배터리(110)의 온도(T)를 적응 필터(210)에 입력한다(S310), 적응 필터(210)를 통해 입력 값에 기초해서 기준 온도로 환산된(즉, 정규화된) 내부 저항을 추정할 수 있다(S320). 어떤 실시예에서, 기준 온도는 상온(예를 들면, 25℃)일 수 있다. 어떤 실시예에서, 배터리(110)의 전류는 전류 센서(예를 들면, 도 1의 140)에 의해 측정된 배터리(110)의 충전 또는 방전 전류일 수 있다. 어떤 실시예에서, 배터리(110)의 전압은 배터리 셀의 전압일 수 있다. 어떤 실시예에서, 배터리(110)의 전압은 평균 셀 전압일 수 있으며, 평균 셀 전압은 복수의 배터리 셀의 전압의 평균값일 수 있다. 어떤 실시예에서, 배터리(110)의 전압은 복수의 배터리 셀의 전압의 합일 수 있다. 배터리(110)의 개방 회로 전압은 배터리(110)의 평균 충전 상태에서 변환된 값일 수 있다. 어떤 실시예에서, 배터리(110)의 온도는 온도 센서(예를 들면, 도 1의 130)에서 측정된 온도일 수 있다. 어떤 실시예에서, 배터리(110)의 온도는 복수의 온도 센서에서 측정된 온도의 평균값인 평균 온도일 수 있다.
프로세서(150)는 보정비에 기초해서 적응 필터(210)를 통해 기준 온도에서의 내부 저항을 추정할 수 있다. 어떤 실시예에서, 보정비는 측정 온도에서의 저항값을 기준 온도에서의 저항값으로 변환하기 위한 값으로, 예를 들면 수학식 1과 같이 현재 온도에서의 저항값과 기준 온도로 환산된 저항값의 비율로 정의될 수 있다.
Figure PCTKR2021012506-appb-img-000001
수학식 1에서, R0 *는 기준 온도에서의 저항값이고, r(T)는 온도(T)에서의 보정비이며, R0(T)는 온도(T)에서의 저항값이다.
어떤 실시예에서, 도 4에 도시한 것처럼 온도와 보정비 간의 상관 관계를 저장되어 있을 수 있다. 즉, 복수의 온도에 각각 대응하는 복수의 보정비가 저장되어 있을 수 있다. 예를 들면, 상관 관계가 룩업 테이블 형태로 저장되어 있을 수 있다. 어떤 실시예에서, 배터리 관리 시스템의 메모리(예를 들면, 도 1의 160)가 상관 관계를 저장하고 있을 수 있다. 도 4에 도시한 온도와 보정비 사이의 상관 관계는 하나의 예이며, 온도에 따른 보정비의 값은 예를 들면 실험을 통해 정의될 수 있다. 도 4에 도시한 것처럼, 보정비는 기준 온도(예를 들면 25℃)에서 1이고, 온도가 증가함에 따라 감소할 수 있다. 이에 따라, 기준 온도보다 낮은 온도에서의 저항값은 기준 온도에서의 저항값보다 크고, 기준 온도보다 높은 온도에서의 저항값은 기준 온도에서의 저항값보다 작을 수 있다.
도 5를 참고하면, 배터리의 등가 회로 모델은 개방 회로 전압원(510), 직렬 저항(520) 및 RC 병렬 회로를 포함한다.
개방 회로 전압원(510)은 전기 화학적으로 안정화된 배터리의 양극과 음극 사이의 전압인 개방 회로 전압을 모사한다. 개방 회로 전압은 배터리(110)의 충전 상태(state of charge, SOC)에 의해 결정될 수 있으며, 충전 상태와 비선형적인 함수 관계(OCV=f(SOC))를 가질 수 있다. 어떤 실시예에서, 배터리(110)의 개방 회로 전압과 충전 상태 간의 상관 관계가 저장되어 있을 수 있다. 예를 들면, 상관 관계는 룩업 테이블 형태로 저장되어 있을 수 있다. 어떤 실시예에서, 배터리 관리 시스템의 메모리(예를 들면, 도 1의 160)가 상관 관계를 저장하고 있을 수 있다. 다른 실시예에서, 배터리(110)의 개방 회로 전압과 충전 상태 간의 상관 관계가 온도별로 저장되어 있을 수 있다. 따라서, 프로세서(150)는 메모리(160)에 저장된 상관 관계를 참조하여 충전 상태에 연관된 개방 회로 전압을 결정할 수 있다.
어떤 실시예에서, 프로세서(150)는 배터리(110)의 전압, 배터리(110)의 전류 또는 배터리(110)의 온도에 기초해서 배터리(110)의 충전 상태를 결정할 수 있다. 프로세서(150)는 이미 알려진 다양한 방법 중 어느 하나의 방법을 사용하여서 충전 상태를 결정할 수 있으며, 본 발명은 충전 상태의 결정 방법에 한정되지 않는다.
직렬 저항(520)은 배터리(110)에 흐르는 전류에 의한 배터리(110) 내부의 전압 강하를 나타내는 배터리(110)의 내부 저항을 모사하며, 배터리(110)에 흐르는 전류에 의한 배터리 단자 전압의 순간적인 변화를 나타낸다. RC 병렬 회로는 배터리 단자 전압에 반영된 분극 전압, 즉 과전위(over-potential)의 과도기적인 변화를 모사하는 것으로서, 병렬로 연결되는 저항(531)과 커패시터(532)를 포함한다.
이러한 등가 회로 모델에서 배터리 단자 전압(V)은 수학식 2와 같이 주어질 수 있다. 어떤 실시예에서, 배터리 단자 전압(V)은 배터리 셀의 전압 또는 평균 셀 전압일 수 있다.
Figure PCTKR2021012506-appb-img-000002
수학식 2에서, R0는 내부 저항(520)의 저항값이고, R1은 RC 병렬 회로의 저항(531)의 저항값이며, τ1은 RC 병렬 회로의 시정수이고, I는 배터리(110)의 전류이며, OCV는 개방 회로 전압이다.
다시 도 2 및 도 3을 참고하면, 프로세서(150)는 저항 상태 계산 모듈(220)을 통해 적응 필터(210)에서 추정한 배터리(110)의 내부 저항과 기준 온도에서의 BOL 저항에 기초해서 저항 상태를 계산한다(S330). BOL 저항은 배터리가 초기(beginning of life, BOL) 상태에 있을 때의 내부 저항일 수 있다. BOL 저항은 배터리의 온도에 따라 변할 수 있으며, 프로세서(150)는 기준 온도에서의 BOL 저항을 저장하고 있을 수 있다. 어떤 실시예에서, 프로세서(150)는 기준 온도에서의 BOL 저항을 배터리 관리 시스템의 메모리(예를 들면, 도 1의 160)에 저장할 수 있다.
어떤 실시예에서, 프로세서(150)는 수학식 3과 같이 BOL 저항에 대비 내부 저항이 증가한 비율을 100%에서 뺀 값으로 저항 상태(state of health resistance, SOHR)를 추정할 수 있다. 이러한 저항 상태를 저항 퇴화 상태라 할 수 있다.
Figure PCTKR2021012506-appb-img-000003
수학식 3에서 R0는 추정된 배터리의 내부 저항이고, RBOL은 기준 온도에서의 BOL 저항이다.
이상에서 설명한 실시예에 따르면, 배터리에서 측정된 정보를 적응 필터(210)에 입력하여서 기준 온도로 환산된 내부 저항을 추정할 수 있다. 또한 추정한 내부 저항이 어느 정도 퇴화하였는지를 판단하기 위해서 기준 온도에서의 BOL 저항과 비교하므로, 배터리의 온도 변화에 관계 없이 저항 상태를 정확하게 추정할 수 있다.
다음, 적응 필터(210)를 통해 내부 저항을 추정하는 방법의 한 예에 대해서 도 6을 참고로 하여 설명한다. 어떤 실시예에서, 적응 필터(210)로 RLS(recursive least squares) 필터가 사용될 수 있으며, 아래에서는 적응 필터(210)를 RLS 필터로 설명한다.
도 6은 한 실시예에 따른 배터리 관리 시스템에서 내부 저항 추정 방법을 나타내는 흐름도이다.
프로세서(150)는 기준 온도로 환산된 내부 저항을 추정하기 위해서 등가 회로 모델에서의 배터리 단자 전압(V)을 기준 온도를 기초로 변환한다. 이 경우, 수학식 2는 수학식 4과 같이 변환될 수 있다.
Figure PCTKR2021012506-appb-img-000004
수학식 4에서, R0 *는 내부 저항의 기준 온도로 환산된 저항값이고, R1 *은 RC 병렬 회로의 저항의 기준 온도로 환산된 저항값이며, r은 보정비이다.
수학식 4를 다시 정리하면 수학식 5와 같이 표현할 수 있다.
Figure PCTKR2021012506-appb-img-000005
수학식 5를 수학식 6과 같은 행렬식으로 표현하는 경우, 현재 시점을 나타내는 k 시점에서의 관측 값, 즉 시스템 출력(y k)은 수학식 7과 같이 표현되고, 추정 파라미터는 수학식 8과 같이 표현될 수 있으며, 수학식 6에서 k 시점에서의 관측 데이터 행렬(H k)은 수학식 9와 같이 표현할 수 있다. 따라서, 프로세서(150)는 적응 필터(210)에 k 시점에서 측정된 시스템 출력(y k)과 관측 데이터 행렬(H k)을 입력한다(S610).
Figure PCTKR2021012506-appb-img-000006
Figure PCTKR2021012506-appb-img-000007
Figure PCTKR2021012506-appb-img-000008
Figure PCTKR2021012506-appb-img-000009
수학식 7 및 9에서 Vk는 k 시점에서 측정된 배터리의 전압(예를 들면, 평균 셀 전압)이고, OCVk는 k 시점에서의 SOC에 기초해서 추정된 개방 회로 전압이며, Ik는 k 시점에서 측정된 배터리의 전류(예를 들면, 전류 센서에서 측정된 전류)이다. 수학식 9와 같이, 배터리(110)의 전류(Ik)에 보정비(r)가 반영된 전류가 기준 온도로 환산된 내부 저항을 추정하는데 사용될 수 있다.
적응 필터(210)는 이득(K k)을 계산한다(S620). 어떤 실시예에서, 적응 필터(210)는 관측 값, 즉 k 시점에서 측정된 배터리의 전압과 수학식 6에 기초해서 추정된 배터리의 전압 사이의 오차와 망각 팩터(forgetting factor)에 의해 결정되는 비용 함수(cost function)을 최소화하는 이득(K k)을 계산할 수 있다. 어떤 실시예에서, 비용 함수는 망각 팩터에 의해 가중화된 최소 제곱 오차에 기초해서 결정될 수 있다. 예를 들면, 적응 필터(210)는 수학식 10과 같이 이득(K k)을 계산할 수 있다.
Figure PCTKR2021012506-appb-img-000010
수학식 10에서, P k-1는 공분산(covariance)을 나타내며, λ는 망각 팩터를 나타낸다. 어떤 실시예에서, 공분산(P k-1)은 (k-1) 시점에서 수학식 14와 같이 갱신된 값일 수 있다.
적응 필터(210)는 (k-1) 시점에서의 추정 파라미터로 k 시점에서의 시스템 출력을 추정한다(S630). 추정 출력은 예를 들면 수학식 11과 같이 주어질 수 있다. 또한 적응 필터(210)는 k 시점에서의 실제 시스템 출력(y k)과 추정 출력 사이의 오차를 계산한다(S630). 오차는 예를 들면 수학식 12와 같이 주어질 수 있다. 이에 따라, 적응 필터(210)는 오차에 이득을 반영하여서 k에서의 추정 파라미터를 갱신한다(S640). 예를 들면, 적응 필터(210)는 수학식 13과 같이 추정 파라미터를 갱신할 수 있다.
Figure PCTKR2021012506-appb-img-000011
Figure PCTKR2021012506-appb-img-000012
Figure PCTKR2021012506-appb-img-000013
적응 필터(210)는 갱신된 추정 파라미터에 기초해서 내부 저항의 기준 온도로 환산된 저항값(R0 *)를 계산한다(S650).
한편, 수학식 10 및 13의 계산을 위해, k가 0일 때의 추정 파라미터의 초기값과 공분산의 초기값(P 0)이 미리 정해질 수 있다.
다음, 적응 필터(210)는 (k+1) 시점에서 사용될 팩터를 갱신한다(S660). 어떤 실시예에서, 적응 필터(210)는 (k+1) 시점에서 사용될 공분산(P k)을 갱신할 수 있다. 예를 들면, 적응 필터(210)는 공분산(P k)을 수학식 14와 같이 갱신할 수 있다. 어떤 실시예에서, 적응 필터(210)는 망각 팩터(λ)를 추가로 갱신할 수 있다. 예를 들면, 적응 필터(210)는 망각 팩터(λ)를 앞에서 계산한 오차에 기초해서 갱신할 수 있다
Figure PCTKR2021012506-appb-img-000014
이러한 과정을 통해서 RLS 필터는 각 시점(k)에서 내부 저항의 기준 온도로 환산된 저항값(R0)을 추정하고, 추정에 사용되는 팩터(예를 들면, 공분산, 망각 팩터)를 갱신해서 다음 시점(k+1)에서의 추정에 제공할 수 있다. 따라서, 내부 저항의 추정이 완료되지 않은 경우(S670), 적응 필터(210)는 다음 시점에서의 추정을 계속 진행할 수 있다(S680).
도 6을 참고로 하여 설명한 내부 저항 추정 방법은 적응 필터(210)로 RLS 필터를 사용한 경우의 한 예이며, 본 발명은 이에 한정되지 않는다.
이상에서 설명한 실시예에 따르면, 배터리에서 측정된 정보를 적응 필터(210)에 입력하여서 내부 저항을 추정할 때, 기준 온도로 환산된 내부 저항을 추정할 수 있다. 또한, 추정된 내부 저항을 기준 온도에서의 BOL 저항과 비교하여서 저항 상태를 추정하므로, 온도에 의한 저항값 변화를 상쇄할 수 있다. 즉, 현재의 배터리 온도와 관계 없이 기준 온도를 기준으로 저항 상태를 추정할 수 있다.
어떤 실시예에서, 프로세서(예를 들면, 도 1의 150)는 위에서 설명한 저항 상태 추정 방법 또는 내부 저항 추정 방법을 실행하기 위한 프로그램에 대한 연산을 수행할 수 있다. 저항 상태 추정 방법 또는 내부 저항 추정 방법을 실행하기 위한 프로그램이 메모리에 로드될 수 있다. 이러한 메모리는 테이블을 저장하는 메모리(예를 들면, 도 1의 160)와 동일한 메모리거나 별도의 메모리일 수 있다. 프로그램은 메모리에 로드될 때 프로세서(150)가 저항 상태 추정 방법 또는 내부 저항 추정 방법을 수행하도록 하는 명령어를 포함할 수 있다. 즉, 프로세서는 프로그램의 명령어를 실행함으로써 저항 상태 추정 방법 또는 내부 저항 추정 방법을 위한 동작을 수행할 수 있다.
이상에서 본 발명의 실시예에 대하여 상세하게 설명하였지만 본 발명의 권리범위는 이에 한정되는 것은 아니고 다음의 청구범위에서 정의하고 있는 본 발명의 기본 개념을 이용한 당업자의 여러 변형 및 개량 형태 또한 본 발명의 권리범위에 속하는 것이다.

Claims (15)

  1. 배터리, 그리고
    상기 배터리의 측정 전압, 상기 배터리의 측정 전류, 상기 배터리의 개방 회로 전압 및 상기 배터리의 측정 온도에 기초해서 기준 온도에서의 상기 배터리의 내부 저항을 추정하고, 상기 배터리가 초기 상태일 때의 상기 기준 온도에서의 초기 저항과 상기 내부 저항에 기초해서 상기 배터리의 저항 상태를 추정하는 프로세서
    를 포함하는 배터리 장치.
  2. 제1항에서,
    복수의 온도에 각각 대응하는 복수의 보정비를 저장하는 메모리를 더 포함하며,
    상기 프로세서는 상기 복수의 보정비 중에서 상기 측정 온도에 대응하는 보정비를 추출하고, 상기 측정 전압, 상기 측정 전류, 상기 개방 회로 전압 및 상기 보정비에 기초해서 상기 기준 온도에서의 상기 내부 저항을 추정하는
    배터리 장치.
  3. 제2항에서,
    상기 보정비는 상기 측정 온도에서의 저항값을 상기 기준 온도에서의 저항값으로 변환하기 위한 값인, 배터리 장치.
  4. 제2항에서,
    상기 프로세서는 상기 측정 전압, 상기 측정 전류에 상기 보정비를 반영한 전류 및 상기 개방 회로 전압에 기초해서 상기 기준 온도에서의 상기 내부 저항을 추정하는, 배터리 장치.
  5. 제2항에서,
    상기 프로세서는 상기 측정 전압과 상기 개방 회로 전압을 포함하는 관측 값, 상기 내부 저항을 포함하는 추정 파라미터 및 상기 측정 전류와 상기 보정비를 포함하는 관측 데이터 행렬을 사용하는 적응 필터에 기초해서 상기 기준 온도에서의 상기 내부 저항을 추정하는, 배터리 장치.
  6. 제5항에서,
    상기 관측 데이터 행렬에서 상기 측정 전류에 상기 보정비가 반영되는, 배터리 장치.
  7. 제5항에서,
    상기 적응 필터는 RLS(recursive least squares) 필터를 포함하는, 배터리 장치.
  8. 제1항에서,
    상기 프로세서는 상기 배터리의 충전 상태(state of charge)를 추정하고, 상기 충전 상태에 기초해서 상기 개방 회로 전압을 추정하는, 배터리 장치.
  9. 제1항에서,
    상기 프로세서는 상기 기준 온도에서의 내부 저항이 상기 기준 온도에서의 상기 초기 저항 대비 증가한 정도로 상기 저항 상태를 추정하는, 배터리 장치.
  10. 배터리의 저항 상태 추정 방법으로서,
    상기 배터리의 측정 전압, 상기 배터리의 측정 전류, 상기 배터리의 개방 회로 전압 및 상기 배터리의 측정 온도에 기초해서 기준 온도에서의 상기 배터리의 내부 저항을 추정하는 단계, 그리고
    상기 배터리가 초기 상태일 때의 기준 온도에서의 초기 저항과 상기 내부 저항에 기초해서 상기 배터리의 저항 상태를 추정하는 단계
    를 포함하는 저항 상태 추정 방법.
  11. 제10항에서,
    상기 내부 저항을 추정하는 단계는
    복수의 온도에 각각 대응하는 복수의 보정비 중에서 상기 측정 온도에 대응하는 보정비를 추출하는 단계, 그리고
    상기 측정 전압, 상기 측정 전류, 상기 개방 회로 전압 및 상기 보정비에 기초해서 상기 기준 온도에서의 상기 내부 저항을 추정하는 단계
    를 포함하는 저항 상태 추정 방법.
  12. 제11항에서,
    상기 보정비는 상기 측정 온도에서의 저항값을 상기 기준 온도에서의 저항값으로 변환하기 위한 값인, 저항 상태 추정 방법.
  13. 제11항에서,
    상기 내부 저항을 추정하는 단계는 상기 측정 전압, 상기 측정 전류에 상기 보정비를 반영한 전류 및 상기 개방 회로 전압에 기초해서 상기 기준 온도에서의 상기 내부 저항을 추정하는 단계를 포함하는 저항 상태 추정 방법.
  14. 제10항에서,
    상기 저항 상태를 추정하는 단계는 상기 기준 온도에서의 내부 저항이 상기 기준 온도에서의 상기 초기 저항 대비 증가한 정도로 상기 저항 상태를 추정하는 단계를 포함하는 저항 상태 추정 방법.
  15. 배터리 장치의 프로세서에 의해 실행되며, 기록 매체에 저장되어 있는 프로그램으로서,
    상기 프로그램은 상기 프로세서가,
    상기 배터리의 측정 전압, 상기 배터리의 측정 전류, 상기 배터리의 개방 회로 전압 및 상기 배터리의 측정 온도에 기초해서 기준 온도에서의 상기 배터리의 내부 저항을 추정하는 단계, 그리고
    상기 배터리가 초기 상태일 때의 기준 온도에서의 초기 저항과 상기 내부 저항에 기초해서 상기 배터리의 저항 상태를 추정하는 단계
    를 실행하도록 하는 프로그램.
PCT/KR2021/012506 2020-10-22 2021-09-14 배터리 장치 및 저항 상태 추정 방법 WO2022085950A1 (ko)

Priority Applications (4)

Application Number Priority Date Filing Date Title
US17/919,530 US20230168307A1 (en) 2020-10-22 2021-09-14 Battery apparatus and method for estimating resistance state
JP2022562648A JP7452904B2 (ja) 2020-10-22 2021-09-14 バッテリー装置および抵抗状態推定方法
CN202180026075.5A CN115398257A (zh) 2020-10-22 2021-09-14 电池设备及电阻状态估计方法
EP21883022.2A EP4116723A4 (en) 2020-10-22 2021-09-14 BATTERY DEVICE AND RESISTANCE STATUS ESTIMATION METHOD

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2020-0137478 2020-10-22
KR1020200137478A KR20220053250A (ko) 2020-10-22 2020-10-22 배터리 장치 및 저항 상태 추정 방법

Publications (1)

Publication Number Publication Date
WO2022085950A1 true WO2022085950A1 (ko) 2022-04-28

Family

ID=81289970

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2021/012506 WO2022085950A1 (ko) 2020-10-22 2021-09-14 배터리 장치 및 저항 상태 추정 방법

Country Status (6)

Country Link
US (1) US20230168307A1 (ko)
EP (1) EP4116723A4 (ko)
JP (1) JP7452904B2 (ko)
KR (1) KR20220053250A (ko)
CN (1) CN115398257A (ko)
WO (1) WO2022085950A1 (ko)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100695973B1 (ko) * 2002-07-12 2007-03-16 도요다 지도샤 가부시끼가이샤 배터리충전상태 추정장치
KR20110081604A (ko) * 2010-01-08 2011-07-14 주식회사 엘지화학 배터리의 용량 추정 장치 및 방법
JP5349567B2 (ja) * 2011-11-11 2013-11-20 カルソニックカンセイ株式会社 バッテリ・パックの入出力可能電力推定装置およびその方法
KR20140125473A (ko) * 2013-04-18 2014-10-29 삼성에스디아이 주식회사 배터리 관리 시스템 및 그 구동방법
US20160054390A1 (en) * 2014-08-19 2016-02-25 Jian Lin Techniques for robust battery state estimation
KR101989692B1 (ko) * 2017-09-26 2019-06-14 주식회사 포스코아이씨티 배터리 노화 진단 방법 및 시스템

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4630113B2 (ja) * 2005-04-12 2011-02-09 古河電気工業株式会社 二次電池劣化状態判定方法及び二次電池劣化状態判定装置
JP2010124629A (ja) 2008-11-20 2010-06-03 Sony Corp 電池パック
US20110172939A1 (en) * 2010-01-08 2011-07-14 Sandip Uprety System and Method to Determine an Internal Resistance and State of Charge, State of Health, or Energy Level of a Rechargeable Battery
JP2013208034A (ja) 2012-03-29 2013-10-07 Honda Motor Co Ltd 開回路電圧推定装置
JP6182025B2 (ja) * 2013-09-05 2017-08-16 カルソニックカンセイ株式会社 バッテリの健全度推定装置および健全度推定方法
CN105467324B (zh) * 2014-09-30 2020-03-03 株式会社杰士汤浅国际 电池劣化判定装置、电池劣化判定方法以及电池组
WO2016059869A1 (ja) * 2014-10-17 2016-04-21 株式会社 東芝 二次電池の充電状態推定装置及びその充電状態推定方法
KR102574084B1 (ko) * 2016-01-14 2023-09-04 삼성전자주식회사 배터리 관리 장치 및 방법
KR102032505B1 (ko) 2016-09-19 2019-10-15 주식회사 엘지화학 배터리 테스트 장치 및 방법
JP2018141665A (ja) 2017-02-27 2018-09-13 学校法人立命館 電池管理方法、電池管理装置、及びコンピュータプログラム

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100695973B1 (ko) * 2002-07-12 2007-03-16 도요다 지도샤 가부시끼가이샤 배터리충전상태 추정장치
KR20110081604A (ko) * 2010-01-08 2011-07-14 주식회사 엘지화학 배터리의 용량 추정 장치 및 방법
JP5349567B2 (ja) * 2011-11-11 2013-11-20 カルソニックカンセイ株式会社 バッテリ・パックの入出力可能電力推定装置およびその方法
KR20140125473A (ko) * 2013-04-18 2014-10-29 삼성에스디아이 주식회사 배터리 관리 시스템 및 그 구동방법
US20160054390A1 (en) * 2014-08-19 2016-02-25 Jian Lin Techniques for robust battery state estimation
KR101989692B1 (ko) * 2017-09-26 2019-06-14 주식회사 포스코아이씨티 배터리 노화 진단 방법 및 시스템

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP4116723A4 *

Also Published As

Publication number Publication date
JP2023522666A (ja) 2023-05-31
US20230168307A1 (en) 2023-06-01
JP7452904B2 (ja) 2024-03-19
KR20220053250A (ko) 2022-04-29
CN115398257A (zh) 2022-11-25
EP4116723A1 (en) 2023-01-11
EP4116723A4 (en) 2024-03-13

Similar Documents

Publication Publication Date Title
WO2018190508A1 (ko) 노이즈를 반영한 배터리 잔존 용량 산출 장치 및 방법
WO2010016661A2 (ko) 배터리 셀의 전압 변화 거동을 이용한 셀 밸런싱 장치 및 방법
WO2013051828A2 (ko) 배터리 관리 시스템 및 배터리 관리 방법
WO2022055080A1 (ko) 배터리의 충전상태를 추정하는 방법
WO2019098722A1 (ko) 배터리 저항 추정 장치 및 방법
WO2019212148A1 (ko) 이차 전지 테스트 장치 및 방법
WO2021006566A1 (ko) 배터리 셀 진단 장치 및 방법
WO2019098576A1 (ko) 배터리 여유 용량 추정 장치
WO2019088746A1 (ko) 배터리 soc 추정 장치 및 방법
WO2022080692A1 (ko) 배터리 장치, 배터리 관리 시스템 및 연결 상태 진단 방법
WO2022075618A1 (ko) 배터리 장치 및 배터리 출력 예측 방법
WO2020141938A2 (ko) 배터리 관리 방법, 배터리 장치, 및 배터리를 포함하는 자동차
WO2020055162A1 (ko) 스위치 진단 장치 및 방법
WO2021049753A1 (ko) 배터리 진단 장치 및 방법
WO2018131874A1 (ko) 에너지 절약 및 빠른 셀 밸런싱이 가능한 충전 제어 장치 및 방법
WO2022085950A1 (ko) 배터리 장치 및 저항 상태 추정 방법
WO2022019703A1 (ko) 배터리를 진단하기 위한 장치 및 그 방법
WO2022035151A1 (ko) 배터리 이상 진단 장치 및 방법
WO2022065635A1 (ko) 배터리 장치 및 배터리 상태 추정 방법
WO2023136455A1 (ko) 배터리 상태 추정 방법 및 그 방법을 제공하는 배터리 시스템
WO2023249346A1 (ko) 배터리 스와핑 시스템 및 이의 동작 방법
WO2024071721A1 (ko) 배터리 관리 시스템 및 방법과 그를 포함하는 배터리 팩
WO2023214641A1 (ko) 배터리 진단 방법 및 그 방법을 제공하는 배터리 시스템
WO2023075163A1 (ko) 배터리 장치, 배터리 관리 시스템 및 진단 방법
WO2023136667A1 (ko) 배터리 수명 예측 장치 및 그것의 동작 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: 21883022

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2021883022

Country of ref document: EP

Effective date: 20221005

ENP Entry into the national phase

Ref document number: 2022562648

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE