WO2022164127A1 - 디지털트윈 장치 및 디지털트윈 기반의 배터리 온도감시방법 - Google Patents

디지털트윈 장치 및 디지털트윈 기반의 배터리 온도감시방법 Download PDF

Info

Publication number
WO2022164127A1
WO2022164127A1 PCT/KR2022/001054 KR2022001054W WO2022164127A1 WO 2022164127 A1 WO2022164127 A1 WO 2022164127A1 KR 2022001054 W KR2022001054 W KR 2022001054W WO 2022164127 A1 WO2022164127 A1 WO 2022164127A1
Authority
WO
WIPO (PCT)
Prior art keywords
digital twin
battery unit
battery
bms
unit
Prior art date
Application number
PCT/KR2022/001054
Other languages
English (en)
French (fr)
Inventor
하윤철
도칠훈
변길성
손완빈
엄승욱
유지현
정태종
Original Assignee
한국전기연구원
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 한국전기연구원 filed Critical 한국전기연구원
Publication of WO2022164127A1 publication Critical patent/WO2022164127A1/ko

Links

Images

Classifications

    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/3644—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
    • 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
    • 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
    • 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
    • H01M10/60—Heating or cooling; Temperature control
    • H01M10/63—Control systems
    • H01M10/633—Control systems characterised by algorithms, flow charts, software details or the like
    • 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 present application relates to a digital twin device and a digital twin-based battery temperature monitoring method, and more particularly, to a digital twin device and digital twin-based battery temperature monitoring method that can provide real-time temperature change of key points in a battery unit is about
  • one or more temperature sensors are directly installed on a battery module or the like to monitor the battery temperature.
  • a plurality of temperature sensors are installed in the battery unit, there is a problem due to a defective sensor or difficulty in designing a hardware layout for connecting a plurality of temperature sensors.
  • direct measurement with a temperature sensor it is impossible to measure the internal temperature of each battery in which the temperature change occurs the most, and there are also limitations such as limiting the number of measurable positions and the number of measurements.
  • An object of the present application is to provide a digital twin device and a digital twin-based battery temperature monitoring method capable of preventing rapid deterioration or accidents due to excessive increase in temperature in a battery unit.
  • An object of the present application is to provide a digital twin device and a digital twin-based battery temperature monitoring method that can monitor the internal temperature distribution of the battery unit in real time by implementing a digital twin corresponding to the battery unit.
  • a digital twin-based battery temperature monitoring method includes: receiving real-time status information of a battery unit from a battery management system (BMS); applying the real-time state information to the digital twin corresponding to the battery unit, and performing temperature distribution analysis on the inside of the battery unit; and transmitting the virtual temperature value for the virtual measurement point requested from the BMS to the BMS.
  • BMS battery management system
  • the digital twin may be generated by reflecting an electrochemical-thermal model corresponding to the battery unit and an arrangement and heat dissipation structure of each cell module provided in the battery unit.
  • the real-time state information may include at least one of an output current, a charging voltage, a measured temperature value of an actual measurement point in the battery unit, a state of charge (SOC), and a state of health (SOH).
  • SOC state of charge
  • SOH state of health
  • the digital twin is generated by applying an electrochemical-thermal model of any one of ECM (Equivalent Circuit Model), NTGK (Newman-Tiedemann-Gu-Kim) model, and Newman P2D (Newman Psuedo 2-dimensional) model.
  • ECM Equivalent Circuit Model
  • NTGK Newman-Tiedemann-Gu-Kim
  • Newman P2D Newman Psuedo 2-dimensional model.
  • the digital twin is generated by machine learning sample data representing a two-dimensional or three-dimensional temperature distribution of the battery unit 20 generated using the NTGK model, and the sample data is the second of the battery unit 20 . It may be a two-dimensional or three-dimensional image representing a dimensional or three-dimensional temperature distribution visually.
  • the digital twin is generated by machine learning using a neural network including a convolutional neural network (CNN) as a hidden layer, and the output layer of the neural network uses an exponential function as an activation function.
  • CNN convolutional neural network
  • the output layer of the neural network uses an exponential function as an activation function.
  • a computer program stored in a medium may exist in combination with hardware to perform the above-described digital twin-based battery temperature monitoring method.
  • Digital twin device a receiving unit for receiving real-time status information of a battery unit from a BMS (Battery Management System); a digital twin unit that applies the real-time state information to a digital twin corresponding to the battery unit and performs temperature distribution analysis on the inside of the battery unit; and a transmitter for transmitting the virtual temperature value for the virtual measurement point requested from the BMS to the BMS.
  • BMS Battery Management System
  • the digital twin device and the digital twin-based battery temperature monitoring method use a digital twin corresponding to the battery unit, it is possible to estimate and provide the internal temperature distribution of the battery unit in real time. In addition, since the internal temperature distribution within the battery unit can be obtained in real time, it is possible to appropriately perform preventive measures against deterioration and accidents of the battery unit based on this.
  • the digital twin device and the digital twin-based battery temperature monitoring method it is possible to estimate the temperature at any point in the battery unit, and to estimate the temperature without being limited to the number of measurement points or points. it is possible
  • FIG. 1 is a schematic diagram showing a power system according to an embodiment of the present invention.
  • FIG. 2 is a block diagram showing a digital twin device according to an embodiment of the present invention.
  • FIG. 3 is a diagram illustrating electrochemical-thermal modeling of a battery according to an embodiment of the present invention.
  • FIG. 4 is a diagram comparing the temperature distribution according to the prediction of the heat generated by the digital twin device according to an embodiment of the present invention and the temperature distribution obtained through the infrared camera measurement.
  • FIG. 5 is a block diagram showing a digital twin device according to another embodiment of the present invention.
  • FIG. 6 is a flowchart illustrating a battery temperature monitoring method using a digital twin according to an embodiment of the present invention.
  • ⁇ unit and “module” described in the specification mean a unit that processes 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 schematic diagram showing a power system according to an embodiment of the present invention.
  • the power system includes a consumer (1), a power source (2), a power conversion device (10), a battery unit (20), a BMS (Battery Management System, 30) and It may include a digital twin device (100).
  • the Consumer (1) can consume the power produced by homes, factories, commercial facilities, etc.
  • the power generation source (2) can produce power based on various energy sources such as thermal power, nuclear power, hydro power, wind power, solar power, etc. .
  • various energy sources such as thermal power, nuclear power, hydro power, wind power, solar power, etc.
  • the configuration of the battery unit 20 may be further included.
  • the battery unit 20 charges and stores the surplus power generated by the power source 2 , and then discharges the charged power when the output of the power source 2 is insufficient to provide the function to the consumer 1 .
  • the consumer 1 and the power generation source 2 may use AC power
  • the battery unit 20 may use DC power, etc., and may have different rated voltage or rated current sizes. have.
  • the power conversion device 10 it is possible to convert the type of power, the magnitude of the voltage, etc. between each consumer 1, the power generation source 20, and the battery unit 20.
  • PMS Power Modulation System
  • IGBT Insulated Gate Bipolar Transistor
  • converting between direct current and alternating current and step-up or step-down of the voltage using these etc. can be performed.
  • the battery unit 20 may include electrochemical-based secondary batteries 21 such as lithium secondary batteries, and the secondary batteries 21 are battery units in the form of modules, packs, racks, etc. It can be provided in (20).
  • the charging power received from the power converter 10 may be charged and stored in each of the secondary batteries 21 in the battery unit 20 .
  • the cooling means 22 may be further included in the battery unit 20 , and the cooling means 22 may include a heat sink plate or an air conditioner.
  • the air conditioner it may include a cooling passage for the flow of the cooling medium, and the cooling medium such as cooling water, cooling oil, and cooling gas is circulated through the inlet and outlet of the cooling passage, so that the battery unit 20 A function of cooling the secondary batteries 21 may be performed.
  • a temperature sensor may be attached within the actual measurement point set in the battery unit 20, and the operation of the cooling means 22 is controlled so that the temperature value measured at each measurement point does not rise above the set temperature.
  • the control of the cooling means 22 may be performed by the BMS 30 or the like.
  • the BMS 30 is a system for managing the battery unit 20 , and according to an embodiment, monitors the state of the battery units 20 , maintains optimal conditions for the operation of the battery unit 20 , and It is possible to perform a function of predicting replacement time, etc. In addition, it is possible to detect a problem occurring in the battery unit 20 , and generate a control or command signal related to the battery unit 20 to control the state or operation of the battery unit 20 .
  • the state of the battery unit 20 may include a state related to the amount of charge and lifespan of each of the secondary batteries 21 , and may include a state of charge (SOC) and a state of health (SOH).
  • SOC quantitatively indicates the amount of charge of the secondary battery 21 , and it is possible to determine how much energy is stored in the secondary battery 21 using the SOC.
  • the amount of the SOC may be expressed as 0 to 100% using a percentage (%) unit. For example, 0% may mean a fully discharged state and 100% may mean a fully charged state, and this expression method may be defined by being variously modified according to design intentions or embodiments.
  • the BMS 30 may generate SOC and SOH for each of the secondary batteries 21 included in the battery unit 20 or the battery unit 20, respectively, and the BMS 30 utilizes various techniques and the like. It is possible to generate SOC, SOH, etc. for each of the battery units 20 .
  • the BMS 30 can control the operation of the battery unit 20 , when charging power is applied from the power generation source 2 , the rechargeable batteries 21 in the battery unit 20 are charged and generated using the BMS 30 .
  • the output of the source (2) is insufficient, such as discharging the power charged in the battery unit (2) to the consumer (1) can perform a function such as supply.
  • the BMS 30 performs a balancing operation on each of the secondary batteries 21 in the battery unit 20 or controls the operation of the cooling means 22 to maintain a constant temperature in the battery unit 20 . functions, etc. can be performed.
  • the BMS 30 may further include a separate control module for controlling the temperature in the battery unit 20 indirectly or directly.
  • the temperature of a plurality of measurement points located on the surface of each secondary battery cell or module is measured so that the BMS 30 can control the temperature in the battery unit 20 .
  • the temperature sensor since the temperature sensor is attached to the surface of the secondary battery 21, it is impossible to measure the internal temperature of each secondary battery cell in which the temperature change occurs the most, and the measurable position and number was limited. That is, there was a difficulty in accurately monitoring the temperature distribution of cells or modules of each of the secondary batteries 21 , and accordingly, in the preventive measures against deterioration or fire accidents of the secondary batteries 21 in the battery unit 20 , There were problems such as a decrease in its effectiveness.
  • the power system according to an embodiment of the present invention further includes a digital twin device 100, and when the digital twin device 100 is used, the internal temperature of cells or modules of the secondary batteries 21 is accurately monitored. It is possible to do That is, a digital twin is a virtual model in which physical objects are expressed identically, and the digital twin device 100 generates a digital twin for the battery unit 20, Simulation results for temperature distribution and the like can be provided.
  • the temperature distribution result obtained by the digital twin device 100 from the digital twin may appear substantially the same as the actual battery unit 20. have. Therefore, by using the digital twin, an accurate temperature distribution inside the actual battery unit 20 can be obtained, and when the conditions applied to the actual battery unit 21 are input in real time, the temperature distribution inside the battery unit 21 is displayed in real time. It is also possible to derive That is, if the digital twin device 100 is used, the temperature distribution of the secondary batteries 21 can be easily obtained, and the BMS 20 uses the temperature distribution of the secondary battery 21 to prevent battery accidents and extend the lifespan. To make this possible, operating conditions for the corresponding battery units 20 may be controlled.
  • a digital twin device 100 according to an embodiment of the present invention will be described with reference to FIG. 2 .
  • the digital twin device 100 may include a receiving unit 110 , a digital twin unit 120 , and a transmitting unit 130 .
  • the receiver 110 may receive real-time status information of the battery unit 20 from the BMS 30 . That is, the BMS 30 may collect real-time status information from the battery unit 20 , and then provide it to the receiving unit 110 so that the digital twin device 100 reflects the real-time status information of each battery unit 20 . can make it
  • the real-time state information includes the output current and charging voltage of the battery unit 20, the measured temperature value measured at each actual measurement point provided in the battery unit 20, SOC (State of Charge), SOH (State of Health) etc. may be included.
  • the battery unit 20 may be provided with a plurality of measurement sensors, and the BMS 30 may receive respective measurement values from the measurement sensors.
  • the measuring sensor may include a current sensor, a voltage sensor, a temperature sensor, and the like.
  • the BMS 30 may calculate the SOC or SOH of the corresponding battery unit 20 by using the measured value. Thereafter, the BMS 30 may transmit the received measured value and the calculated SOC, SOH, etc. as real-time status information to the receiving unit 110 , and the receiving unit 110 transmits the received real-time status information to the digital twin unit 120 .
  • the receiver 110 may support wired or wireless communication for communication with the BMS 30 .
  • the digital twin unit 120 may apply real-time state information to the digital twin to perform temperature distribution analysis on the inside of the battery unit 20 . That is, the digital twin unit 120 may model the battery unit 20 to generate a digital twin that operates in the same manner as the battery unit 20 . To this end, the digital twin unit 120 includes an electrochemical-thermal model corresponding to the battery unit 20 in the digital twin, arrangement of each secondary battery 21 provided inside the battery unit 20, and cooling means 22 ) of the heat dissipation structure, etc. can be reflected.
  • the electrochemical-thermal model applicable to the digital twin may include an Equivalent Circuit Model (ECM), Newman-Tiedemann-Gu-Kim (NTGK), Newman Psuedo 2-dimensional (P2D), and the like.
  • the digital twin unit 120 applies a semi-empirical two-dimensional model such as the NTGK model to perform a temperature distribution analysis on the inside of the battery unit 20 according to the received real-time state information. can create a semi-empirical two-dimensional model such as the NTGK model to perform a temperature distribution analysis on the inside of the battery unit 20 according to the received real-time state information.
  • the equivalent circuit model is difficult to predict the physical changes that occur inside the cell compared to its simplicity and speedy operation, and the electrochemical model is slow in operation compared to being able to predict various physical phenomena, making it difficult to actually use it commercially.
  • the NTGK (Newman-Tiedemann-Gu-Kim) model is a semi-empirical two-dimensional electrochemical-thermal model based on test data for secondary battery cells, and can be applied more conveniently to predict performance, heat generation, and deterioration.
  • the charging/discharging behavior of the secondary battery 21 and the current density distribution and potential distribution of the electrodes (positive electrode, negative electrode) of the secondary battery 21 are analyzed. , it is possible to perform characteristic analysis such as local heat generation for each location of the secondary battery 21 .
  • the digital twin unit 120 may generate a digital twin by applying basic parameter information on the secondary battery 21 , where the basic parameters include the geometrical structure and constituent materials of the secondary battery 21 .
  • Information, density ( ⁇ ), specific heat (Cp), thermal conductivity (k), electrode plate resistance (positive plate resistance ⁇ p , negative plate resistance ⁇ n ), specific surface area (total cell specific surface area a, positive electrode specific surface area ap, negative plate specific surface area an), convective heat transfer coefficient (h), etc. may be included.
  • the digital twin unit 120 may apply the real-time status information received from the receiving unit 110 such as output current (positive plate output current i p , negative plate output current i n ) to the digital twin, and through this, the battery unit 20 ) can be calculated.
  • the temperature distribution according to the heat generation of the secondary battery 21 is calculated using the digital twin, but depending on the embodiment, it is also possible to perform characteristic analysis on the performance or deterioration of the secondary battery 21. do.
  • the digital twin unit 120 it is also possible for the digital twin unit 120 to generate a digital twin for the battery unit 20 using a machine learning technique. That is, after setting an appropriate supervised learning model in consideration of the characteristics of the actual battery unit 20 and the driving goal of the operator, a digital twin may be implemented from the supervised learning model through learning.
  • the digital twin unit 120 may first determine the variables of the supervised learning model for performing supervised learning based on the collected real-time state information.
  • the variables for supervised learning may include an independent variable corresponding to input data and a dependent variable corresponding to output data.
  • the digital twin unit 110 determines the temperature distribution of the battery unit 20 as a dependent variable, and determines the real-time state information as an independent variable, so that the supervised learning model is the battery unit 2 based on the real-time state information. ) can be set to output the temperature distribution.
  • the digital twin unit 120 may perform pre-processing on each learning data determined as an independent variable and a dependent variable. For example, the digital twin unit 120 may detect missing data or outliers in the training data, and correct the detected missing values and outliers according to a predetermined preprocessing method.
  • the digital twin unit 120 may perform an operation of classifying the pre-processed learning data into a training data set and a test data set.
  • the training data set may be used to generate a digital twin
  • the test data set may be used to verify the generated digital twin.
  • the digital twin unit 120 may perform a predetermined supervised learning algorithm based on the training data set.
  • a robust regression algorithm or a neural network algorithm may be used as the supervised learning algorithm.
  • the present invention is not limited thereto, and any algorithm can be used as long as it can perform supervised learning.
  • the digital twin unit 120 may learn by repeatedly applying the supervised learning algorithm to the supervised learning model until the prediction accuracy with respect to the dependent variable of the supervised learning algorithm becomes greater than or equal to a reference value. Thereafter, when the prediction accuracy with respect to the dependent variable reaches the reference value or more, the supervised learning model may determine that a digital twin simulating the operation of the actual battery unit 20 is generated. Thereafter, the digital twin unit 120 may verify the performance of the digital twin generated based on the test data set.
  • sample data for machine learning a digital twin using the NTGK model. That is, sample data representing a two-dimensional or three-dimensional temperature distribution of the battery unit 20 with respect to various inputs may be generated in advance by using the NTGK model. For example, by inputting the battery discharge rate (c-rate) and the external temperature to the NTGK model, the temperature of the battery unit 20 may be divided into a 27*35 grid and output. In this case, by applying the NTGK model in parallel to a plurality of CPUs, it is possible to quickly generate sample data.
  • the temperature distribution of the battery unit 20 may be expressed by dividing the battery unit 20 into a two-dimensional or three-dimensional grid to indicate the temperature for each point.
  • the temperature distribution of the battery unit 20 may be visualized and generated as a two-dimensional or three-dimensional image.
  • a distribution such as a current density distribution or a potential distribution may also have similar locality.
  • the digital twin unit 120 may utilize a convolutional neural network (CNN) or the like that utilizes locality in order to derive a temperature distribution within the battery unit 20 . That is, if an element of a neural network for image processing, such as a synthetic neural network, is used as a hidden layer, it is possible to build an efficient learning model for the temperature distribution in the battery unit 20 .
  • a recurrent neural network such as a fully connected layer (FC), a long-short term memory (LSTM), or a gated recurrent unit (GRU) may also be utilized as a hidden layer of the learning model.
  • the neural network of the learning model can be implemented with the structure of the input layer-total connection layer-convolutional neural network layer-maximum pooling layer-convolutional neural network layer-maximum pooling layer-total connection layer-output layer.
  • a nonlinear function such as an exponential function is used as the activation function of the last output layer, a more accurate digital twin model is obtained. It is possible to create
  • the learned neural network can be saved as a separate file and called and used when necessary. That is, through this, it is possible to avoid repeatedly performing learning that takes a lot of time.
  • faster learning can be induced by using the neural network that has been trained as an initial value of the neural network when learning about different types of batteries or learning about different input and output conditions. That is, it is possible to implement effective application to other systems or batteries through transfer learning.
  • the digital twin unit 120 may predict the temperature distribution of the battery unit 20 corresponding to the response variable from the real-time state information corresponding to the observation variable using the digital twin. .
  • the transmitter 130 may transmit the virtual temperature value for the virtual measurement point requested from the BMS 30 to the BMS 30 .
  • the transmitter 130 may receive the temperature distribution inside the entire battery unit 20 from the digital twin unit 120 , all virtual temperature values for any virtual measurement point requested by the BMS 30 . can provide Depending on the embodiment, a point having a high degree of influence within each battery cell included in the battery unit 20 may be preset, and it is also possible to generate a virtual temperature value by designating the point as a virtual measurement point. . Thereafter, the BMS 30 may adjust the operating conditions for preventing accidents and extending the life of the battery by reflecting the received virtual temperature values for each of the virtual measurement points.
  • FIG. 4 shows the internal temperature distribution (Modeling) of the battery unit 20 calculated by the digital twin device 100, and the temperature distribution (IR image) inside the battery unit 20 obtained through actual measurement of an infrared camera.
  • the actual temperature distribution using the infrared camera is generated similarly to the virtual temperature distribution generated by the digital twin device 100 . That is, as shown in FIG. 4 , when the digital twin device 100 inputs real-time status information to the digital twin for the battery unit 20, a two-dimensional or three-dimensional temperature distribution for the inside of the battery unit 20, etc. It is possible to create
  • a digital twin device may be formed of hardware, software, or a combination thereof.
  • the digital twin device of the present invention may be implemented in the form of a computing system 1000 as shown in FIG. 5 having at least one processor for performing the above-described functions/steps/processes or a server on the Internet.
  • the computing system 1000 includes at least one processor 1100 , a memory 1300 , a user interface input device 1400 , a user interface output device 1500 , a storage 1600 connected through a bus 1200 , and a network.
  • An interface 1700 may be included.
  • the processor 1100 may be a central processing unit (CPU) or a semiconductor device that processes instructions stored in the memory 1300 and/or the storage 1600 .
  • the memory 1300 and the storage 1600 may include various types of volatile or nonvolatile storage media.
  • the memory 1300 may include a read only memory (ROM) 1310 and a random access memory (RAM) 1320 .
  • a software module may be a storage/recording medium (i.e., memory 1300 and/or memory 1300) readable by a device such as a computer, such as RAM memory, flash memory, ROM memory, EPROM memory, EEPROM memory, registers, hard disk, removable disk, CD-ROM. Alternatively, it may reside in storage 1600 .
  • An exemplary storage medium is coupled to the processor 1100 , the processor 1100 capable of reading information from, and writing information to, the storage medium.
  • the storage medium may be integrated with the processor 1100 .
  • the processor and storage medium may reside within an application specific integrated circuit (ASIC).
  • the ASIC may reside within the user terminal.
  • the processor and storage medium may reside as separate components within the user terminal.
  • FIG. 6 is a flowchart illustrating a digital twin-based battery temperature monitoring method according to an embodiment of the present invention.
  • each step may be performed by a digital twin device.
  • the digital twin device may receive real-time status information of the battery unit from the BMS (S110). That is, the BMS may collect real-time status information from the battery units, and then provide it to the digital twin device so that the digital twin device reflects the real-time status information of each battery unit.
  • the real-time state information may include an output current and a charging voltage of the battery unit, a measured temperature value measured at each actual measurement point provided in the battery unit, a state of charge (SOC), a state of health (SOH), and the like.
  • SOC state of charge
  • SOH state of health
  • the battery unit may be provided with a plurality of measurement sensors, and the BMS 30 may receive respective measurement values from the measurement sensors.
  • the measuring sensor may include a current sensor, a voltage sensor, a temperature sensor, and the like.
  • the BMS may calculate the SOC or SOH for the corresponding battery unit by using the measured value. Thereafter, the BMS may transmit the received measured value and the calculated SOC, SOH, etc. as real-time status information to the digital twin device.
  • the digital twin device may apply the real-time state information to the digital twin corresponding to the battery unit to perform temperature distribution analysis on the inside of the battery unit ( S120 ). That is, the digital twin device may model a battery unit to generate a digital twin operating in the same manner as the battery unit. To this end, an electrochemical-thermal model corresponding to the battery unit may be applied, and the arrangement of each secondary battery provided inside the battery unit and the heat dissipation structure of the cooling means may be reflected to create a digital twin.
  • the electrochemical-thermal model applied to the digital twin may include ECM, Newman-Tiedemann-Gu-Kim (NTGK), Newman P2D, and the like.
  • sample data for machine learning a digital twin using the NTGK model. That is, sample data representing the two-dimensional or three-dimensional temperature distribution of the battery unit with respect to various inputs may be generated in advance using the NTGK model.
  • the sample data may represent the temperature at each point by dividing the battery unit into a two-dimensional or three-dimensional grid.
  • a digital twin may be learned by using a convolutional neural network using locality, or the like. That is, if an element of a neural network for image processing, such as a synthetic neural network, is used as a hidden layer, it is possible to construct an efficient learning model for the temperature distribution within the battery unit. According to an embodiment, a full coupling layer or a recurrent neural network such as LSTM or GRU may also be utilized as a hidden layer of the learning model.
  • the neural network of the learning model can be implemented with the structure of the input layer-total connection layer-convolutional neural network layer-maximum pooling layer-convolutional neural network layer-maximum pooling layer-total connection layer-output layer.
  • a nonlinear function such as an exponential function as the activation function of the last output layer.
  • the digital twin device may analyze the characteristics of the heat generation of the battery unit using the digital twin, and through this, a two-dimensional or three-dimensional temperature distribution of the battery unit may be derived.
  • the digital twin device may apply basic parameter information about the secondary battery to the digital twin, wherein the basic parameter information includes information calculated from the geometry and constituent materials of the secondary battery, such as density, specific heat, thermal conductivity, Electrode resistance, specific surface area, convective heat transfer coefficient, etc. may be included. Thereafter, the digital twin device may calculate a two-dimensional or three-dimensional temperature distribution of the battery unit by further applying the received real-time state information, such as an output current.
  • the basic parameter information includes information calculated from the geometry and constituent materials of the secondary battery, such as density, specific heat, thermal conductivity, Electrode resistance, specific surface area, convective heat transfer coefficient, etc. may be included.
  • the digital twin device may calculate a two-dimensional or three-dimensional temperature distribution of the battery unit by further applying the received real-time state information, such as an output current.
  • the digital twin device may transmit the virtual temperature value for the virtual measurement point requested from the BMS to the BMS (S130).
  • the digital twin device since the digital twin device creates a temperature distribution for the entire area inside the battery unit, it is possible to provide all virtual temperature values for any virtual measurement point requested by the BMS.
  • a point having the highest degree of influence due to heat generation may be preset, and the corresponding point may be designated as a virtual measurement point.
  • the BMS may set operating conditions for preventing accidents and extending battery life by reflecting the received virtual temperature values for each virtual measurement point.

Landscapes

  • Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Chemical & Material Sciences (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Electrochemistry (AREA)
  • General Chemical & Material Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Secondary Cells (AREA)

Abstract

본 출원은 디지털트윈 장치 및 디지털트윈 기반의 배터리 온도감시방법에 관한 것으로서, 본 발명의 일 실시예에 의한 디지털트윈 기반의 배터리 온도감시방법은, BMS(Battery Management System)로부터 배터리 유닛의 실시간 상태정보를 수신하는 단계; 상기 배터리 유닛에 대응하는 디지털트윈에 상기 실시간 상태정보를 적용하여, 상기 배터리 유닛 내부에 대한 온도분포해석을 수행하는 단계; 및 상기 BMS로부터 요청받은 가상측정지점에 대한 가상온도값을 상기 BMS로 전송하는 단계를 포함할 수 있다.

Description

디지털트윈 장치 및 디지털트윈 기반의 배터리 온도감시방법
본 출원은 디지털트윈 장치 및 디지털트윈 기반의 배터리 온도감시방법에 관한 것으로서, 보다 상세하게는 배터리 유닛 내 주요 지점의 온도변화를 실시간으로 제공할 수 있는 디지털트윈 장치 및 디지털트윈 기반의 배터리 온도감시방법에 관한 것이다.
전기자동차, ESS(Energy Storage System) 등에 적용되고 있는 리튬이온 배터리의 경우, 배터리 온도에 따라서 성능의 변화가 심하게 발생할 수 있다. 즉, 고온에서 배터리를 사용하면 배터리 열화가 가속화될 수 있으며, 저온에서 사용하면 가용에너지 범위가 줄어들게 되고, 대전류 통전시에는 리튬석출 등의 문제가 발생할 수 있다.
종래에는 1개 이상의 온도센서를 배터리모듈 등에 직접 설치하여 배터리온도를 모니터링하는 방식을 활용하였다. 그러나, 배터리 유닛 내 다수의 온도센서를 설치하는 경우에 센서의 불량에 따른 문제가 발생하거나, 다수의 온도센서를 연결하기 위한 하드웨어 레이아웃 설계의 어려움 등이 존재하였다. 또한, 온도센서로 직접 측정하는 경우, 온도변화가 가장 크게 발생하는 각각의 배터리들의 내부 온도를 측정하는 것이 불가능하며, 측정가능한 위치와 개수도 제한되는 등의 한계도 존재한다.
즉, 각각의 배터리 셀 또는 모듈 내부의 온도분포를 정확하게 측정하는데 어려움이 존재하였으며, 그에 따라 배터리 유닛의 열화나 화재 사고 등에 대한 예방적 조치에 있어서 그 효과가 떨어지는 등의 문제점이 존재하였다.
본 출원은, 배터리 유닛 내 온도의 지나친 상승에 따른 급속 열화나 사고 등을 방지할 수 있는 디지털트윈 장치 및 디지털트윈 기반의 배터리 온도감시방법을 제공하고자 한다.
본 출원은, 배터리 유닛에 대응하는 디지털 트윈을 구현하여, 배터리 유닛의 내부 온도분포를 실시간으로 감시할 수 있는 디지털트윈 장치 및 디지털트윈 기반의 배터리 온도감시방법을 제공하고자 한다.
본 발명의 일 실시예에 의한 디지털트윈(digital twin) 기반의 배터리온도감시방법은, BMS(Battery Management System)로부터 배터리 유닛의 실시간 상태정보를 수신하는 단계; 상기 배터리 유닛에 대응하는 디지털트윈에 상기 실시간 상태정보를 적용하여, 상기 배터리 유닛 내부에 대한 온도분포해석을 수행하는 단계; 및 상기 BMS로부터 요청받은 가상측정지점에 대한 가상온도값을 상기 BMS로 전송하는 단계를 포함할 수 있다.
여기서 상기 디지털트윈은, 상기 배터리 유닛에 대응하는 전기화학-열 모델과, 상기 배터리 유닛 내부에 구비된 각각의 셀 모듈들의 배치 및 방열구조를 반영하여 생성한 것일 수 있다.
여기서 상기 실시간 상태정보는, 출력전류, 충전전압, 상기 배터리 유닛 내 실측지점의 측정온도값, SOC(State of Charge), SOH(State of Health) 중 적어도 어느 하나를 포함할 수 있다.
여기서 상기 디지털트윈은, ECM(Equivalent Circuit Model), NTGK(Newman-Tiedemann-Gu-Kim) 모델 및 Newman P2D(Newman Psuedo 2-dimensional) 모델 중 어느 하나의 전기화학-열 모델을 적용하여 생성하는 것일 수 있다.
여기서 상기 디지털트윈은 상기 NTGK 모델을 이용하여 생성한 상기 배터리 유닛(20)의 2차원 또는 3차원 온도 분포를 나타내는 샘플 데이터를 기계학습하여 생성되며, 상기 샘플 데이터는 상기 배터리 유닛(20)의 2차원 또는 3차원 온도 분포를 시각적을 나타내는 2차원 또는 3차원 이미지일 수 있다.
여기서 상기 디지털트윈은, 합성곱신경망층(CNN: Convolutional Neural Network)을 은닉층으로 포함하는 신경회로망을 이용하여 기계학습하여 생성하는 것으로, 상기 신경회로망의 출력층은 활성화함수로 지수 함수(exponential function)를 포함하는 것일 수 있다.
본 발명의 일 실시예에 의하면, 하드웨어와 결합되어 상술한 디지털트윈 기반의 배터리 온도감시방법을 수행하기 위하여 매체에 저장된 컴퓨터 프로그램이 존재할 수 있다.
본 발명의 일 실시예에 의한 디지털트윈장치는, BMS(Battery Management System)로부터 배터리 유닛의 실시간 상태정보를 수신하는 수신부; 상기 배터리 유닛에 대응하는 디지털트윈에 상기 실시간 상태정보를 적용하여, 상기 배터리 유닛 내부에 대한 온도분포해석을 수행하는 디지털트윈부; 및 상기 BMS로부터 요청받은 가상측정지점에 대한 가상온도값을 상기 BMS로 전송하는 송신부를 포함할 수 있다.
덧붙여 상기한 과제의 해결수단은, 본 발명의 특징을 모두 열거한 것이 아니다. 본 발명의 다양한 특징과 그에 따른 장점과 효과는 아래의 구체적인 실시형태를 참조하여 보다 상세하게 이해될 수 있을 것이다.
본 발명의 일 실시예에 의한 디지털트윈 장치 및 디지털트윈 기반의 배터리 온도감시방법은 배터리 유닛에 대응하는 디지털 트윈을 이용하므로, 배터리 유닛의 내부 온도분포를 실시간으로 추정하여 제공할 수 있다. 또한, 배터리 유닛 내의 내부 온도분포를 실시간으로 얻을 수 있으므로, 이를 바탕으로 배터리 유닛의 열화와 사고에 대한 예방적 조치를 적절하게 수행하는 것이 가능하다.
본 발명의 일 실시예에 의한 디지털트윈 장치 및 디지털트윈 기반의 배터리 온도감시방법에 의하면, 배터리 유닛 내 임의의 지점에 대한 온도를 추정할 수 있으며, 측정지점이나 개수에 제한되지 않고 온도를 추정하는 것이 가능하다.
도1은 본 발명의 일 실시예에 의한 전력시스템을 나타내는 개략도이다.
도2는 본 발명의 일 실시예에 의한 디지털트윈장치를 나타내는 블록도이다.
도3은 본 발명의 일 실시예에 의한 배터리의 전기화학-열 모델링을 나타내는 도면이다.
도4는 본 발명의 일 실시예에 의한 디지털트윈장치가 배터리에 대한 발열 예측에 따른 온도분포와 적외선 카메라 실측을 통해 획득한 온도분포를 비교하는 도면이다.
도5는 본 발명의 다른 실시예에 의한 디지털트윈장치를 나타내는 블록도이다.
도6은 본 발명의 일 실시예에 의한 디지털트윈을 이용한 배터리 온도감시방법을 나타내는 순서도이다.
이하, 첨부된 도면을 참조하여 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있도록 바람직한 실시예를 상세히 설명한다. 다만, 본 발명의 바람직한 실시예를 상세하게 설명함에 있어, 관련된 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략한다. 또한, 유사한 기능 및 작용을 하는 부분에 대해서는 도면 전체에 걸쳐 동일한 부호를 사용한다.
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. 또한, 어떤 구성요소를 '포함'한다는 것은, 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있다는 것을 의미한다. 또한, 명세서에 기재된 "~부", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다.
도1은 본 발명의 일 실시예에 의한 전력시스템을 나타내는 개략도이다.
도1을 참조하면, 본 발명의 일 실시예에 의한 전력시스템은 수용가(1), 발전원(2), 전력변환장치(10), 배터리유닛(20), BMS(Battery Management System, 30) 및 디지털트윈장치(100)를 포함할 수 있다.
이하 도1을 참조하여 본 발명의 일 실시예에 의한 전력시스템을 설명한다.
수용가(1)는 가정이나 공장, 상업시설 등으로, 생산된 전력을 소비할 수 있으며, 발전원(2)은 화력, 원자력, 수력, 풍력, 태양열 등 다양한 에너지원을 기반으로 전력을 생산할 수 있다. 여기서, 신재생 에너지 등의 경우에는 전력계통에 안정적으로 전력을 공급하기 위하여, 배터리 유닛(20)의 구성을 더 포함할 수 있다.
즉, 배터리 유닛(20)은 발전원(2)에서 생성된 잉여전력을 충전하여 저장하고, 이후 발전원(2)의 출력이 부족한 경우 충전된 전력을 방전하여 수용가(1)로 제공하는 기능을 수행할 수 있다. 다만, 수용가(1)와 발전원(2)은 교류전력을 이용하고, 배터리 유닛(20)은 직류 전력을 이용하는 등 종류가 상이할 수 있으며, 각각의 정격전압 또는 정격전류의 크기도 상이할 수 있다.
따라서, 전력변환장치(10)를 포함하여, 각각의 수용가(1), 발전원(20)과, 배터리 유닛(20) 사이의 전력의 종류, 전압의 크기 등을 변환시키도록 할 수 있다. 실시예에 따라서는, 전력변환장치(10) 내에 PMS(Power Modulation System), IGBT(Insulated Gate Bipolar Trnasistor)등이 포함될 수 있으며, 이들을 이용하여 직류와 교류 사이의 변환과, 전압에 대한 승압 또는 강압 등을 수행할 수 있다.
배터리 유닛(20)에는 리튬이차전지 등 전기화학 기반의 이차전지(21)들이 포함될 수 있으며, 이차전지(21)들은 모듈(module)이나 팩(pack), 렉(rack) 등으로 형태로 배터리 유닛(20) 내에 구비할 수 있다. 전력변환장치(10)로부터 수신한 충전전력들은 배터리 유닛(20) 내의 각각의 이차전지(21)들에 충전되어 저장될 수 있다.
여기서, 배터리유닛(20) 내에는 냉각수단(22)이 더 포함될 수 있으며, 냉각수단(22)에는 방열판 플레이트나 공기조화기(air conditional) 등이 포함될 수 있다. 공기조화기의 경우, 냉각매체의 흐름을 위한 냉각유로 등을 포함할 수 있으며, 냉각 유로의 유입구와 유출구를 통해 냉각수, 냉각오일, 냉각가스 등 냉각매체가 순환하도록 하여, 배터리유닛(20) 내의 이차전지(21)들을 냉각시키는 기능을 수행할 수 있다.
실시예에 따라서는, 배터리 유닛(20) 내의 설정된 실측지점 내에 온도센서가 부착되어 있을 수 있으며, 각각의 실측지점에서 측정한 온도값이 설정온도 이상 오르지 않도록, 냉각수단(22)의 동작이 제어될 수 있다. 여기서 냉각수단(22)에 대한 제어는 BMS(30) 등에서 수행할 수 있다.
BMS(30)는 배터리 유닛(20)을 관리하는 시스템으로, 실시예에 따라서는 배터리 유닛(20)들의 상태를 모니터링하고, 배터리 유닛(20)의 동작을 위한 최적의 조건을 유지하며, 배터리의 교체시기 등을 예측하는 기능을 수행할 수 있다. 또한, 배터리 유닛(20)에 발생한 문제를 발견하고, 배터리 유닛(20)과 관련된 제어 또는 명령 신호를 생성하여 배터리 유닛(20)의 상태 또는 동작을 제어할 수 있다.
배터리 유닛(20)의 상태는 각각의 이차전지(21)들에 대한 충전량와 수명과 관련된 상태를 포함할 수 있으며, SOC(State Of Charge)와 SOH(State Of Health)를 포함할 수 있다. SOC는 이차전지(21)의 충전량을 정량적으로 나타내는 것으로, SOC를 이용하여 이차전지(21)에 저장된 에너지가 어느 정도인지 파악할 수 있다. 실시예에 따라서, SOC는 퍼센트(%) 단위를 사용하여 0~100 %로 그 양이 표시할 수 있다. 예를 들면, 0%는 완전방전상태이고, 100%는 완전충전상태를 의미할 수 있는데, 이러한 표현 방식은 설계의도나 실시예에 따라 다양하게 변형되어 정의될 수 있다. SOH는 열화(aging)로 인한 이차전지(21)의 수명 특성 변화를 정량적으로 나타내며, 이차전지(21)의 수명 또는 용량이 어느 정도 퇴화되었는지를 의미한다. BMS(30)는 배터리 유닛(20) 또는 배터리 유닛(20) 내에 포함된 각각의 이차전지(21)들에 대한 SOC와 SOH를 각각 생성할 수 있으며, BMS(30)는 다양한 기법 등을 활용하여 각각의 배터리 유닛(20)들에 대한 SOC, SOH 등을 생성할 수 있다.
또한, BMS(30)는 배터리 유닛(20)의 동작을 제어할 수 있으므로, 발전원(2)으로부터 충전전력이 인가되면 이를 이용하여 배터리유닛(20) 내의 이차전지(21)들을 충전하고, 발전원(2)의 출력이 부족한 경우 등에는 배터리 유닛(2) 내에 충전된 전력을 수용가(1)로 방전하여 공급하는 등의 기능을 수행할 수 있다. 이외에도, BMS(30)는 배터리 유닛(20) 내의 각각의 이차전지(21)들에 대한 밸런싱 동작을 수행하거나, 냉각수단(22)의 동작을 제어하여 배터리 유닛(20) 내의 온도를 일정하게 유지시키는 기능 등을 수행할 수 있다.
일반적으로, 리튬이차전지 등 전기화학 기반의 이차전지(21)의 경우, 충방전에 따른 발열특성(ohmic heating, 비가역반응열, 가역반응열 등)과 방열 구조(전도, 대류, 복사 냉각 등)에 따라 셀 및 모듈의 온도변화가 발생할 수 있다. 여기서, 이차전지(21)에서 사용하는 물질의 종류에 따라 안전한 온도 범위가 설정될 수 있으며, 해당 온도 범위를 벗어날 경우 급속한 열화나 사고에 이를 수 있다. 실시예에 따라서는, BMS(30)에 배터리 유닛(20) 내의 온도제어를 간접적인 또는 직접적으로 별도의 제어 모듈 등이 더 포함될 수 있다.
종래에는, BMS(30)가 배터리 유닛(20) 내의 온도제어를 수행할 수 있도록, 각각의 이차전지 셀 또는 모듈의 표면 상에 위치하는 복수의 실측지점의 온도를 측정하였다. 그러나, 온도센서 등을 이용한 실측시에는 온도센서가 이차전지(21)의 표면에 부착되므로, 온도변화가 가장 크게 발생하는 각각의 이차전지 셀들의 내부 온도를 측정하는 것이 불가능하며, 측정가능한 위치와 개수가 제한되었다. 즉, 각각의 이차전지(21)들의 셀 또는 모듈의 온도분포를 정확하게 감시하는데 어려움이 존재하였으며, 그에 따라 배터리 유닛(20) 내 이차전지(21)들의 열화나 화재 사고 등에 대한 예방적 조치에 있어서 그 효과가 떨어지는 등의 문제점이 존재하였다.
반면에, 본 발명의 일 실시예에 의한 전력시스템은, 디지털트윈장치(100)를 더 포함하며, 디지털트윈장치(100)를 이용하면 이차전지(21)들의 셀 또는 모듈의 내부 온도를 정확하게 감시하는 것이 가능하다. 즉, 디지털트윈(digital twin)은 물리적인 사물이 동일하게 표현되는 가상의 모델로, 디지털트윈장치(100)는 배터리 유닛(20)에 대한 디지털트윈을 생성하여, 배터리 유닛(20)들 내부의 온도 분포 등에 대한 시뮬레이션 결과를 제공할 수 있다.
여기서, 디지털 트윈은 실제 전력시스템 내에 설치된 배터리 유닛(20)과 동일하게 모델링하여 생성하므로, 디지털트윈장치(100)가 디지털트윈으로부터 얻은 온도 분포 결과는 실제 배터리 유닛(20)과 사실상 동일하게 나타날 수 있다. 따라서, 디지털트윈을 이용하면 실제 배터리 유닛(20) 내부의 정확한 온도분포를 얻을 수 있으며, 실제 배터리 유닛(21)에 인가되는 조건들을 실시간으로 입력하면, 배터리 유닛(21) 내부의 온도분포를 실시간으로 도출하는 것도 가능하다. 즉, 디지털트윈장치(100)를 이용하면, 이차전지(21)들의 온도분포를 용이하게 획득할 수 있으며, BMS(20)는 이차전지(21)의 온도분포를 이용하여 배터리 사고예방과 수명 연장이 가능하도록 해당 배터리 유닛(20)들에 대한 운용조건을 제어할 수 있다. 이하, 도2를 참조하여 본 발명의 일 실시예에 의한 디지털트윈장치(100)를 설명한다.
도2는 본 발명의 일 실시예에 의한 디지털트윈장치(100)를 나타내는 블록도이다. 도2를 참조하면, 본 발명의 일 실시예에 의한 디지털트윈장치(100)는 수신부(110), 디지털트윈부(120) 및 송신부(130)를 포함할 수 있다.
수신부(110)는, BMS(30)로부터 배터리 유닛(20)의 실시간 상태정보를 수신할 수 있다. 즉, BMS(30)는 배터리 유닛(20)으로부터 실시간 상태정보를 수집할 수 있으며, 이후 수신부(110)로 제공하여 디지털트윈장치(100)가 각각의 배터리유닛(20)들의 실시간 상태정보를 반영하도록 할 수 있다.
여기서 실시간 상태정보에는, 배터리 유닛(20)의 출력전류와 충전전압, 배터리 유닛(20) 내 구비된 각각의 실측지점에서 측정한 측정온도값, SOC(State of Charge), SOH(State of Health) 등이 포함될 수 있다.
즉, 배터리 유닛(20)에는 복수의 측정센서들이 구비될 수 있으며, BMS(30)는 측정센서로부터 각각의 측정값들을 입력받을 수 있다. 여기서, 측정센서에는 전류 센서, 전압 센서, 온도센서 등이 포함될 수 있다. 또한, BMS(30)는 측정값을 이용하여, 해당 배터리유닛(20)에 대한 SOC나 SOH 등을 연산할 수 있다. 이후, BMS(30)는 수신한 측정값과 연산한 SOC, SOH 등을 실시간 상태정보로 수신부(110)로 전송할 수 있으며, 수신부(110)는 수신한 실시간 상태정보를 디지털트윈부(120)로 제공할 수 있다. 수신부(110)는 BMS(30)와의 통신을 위한 유선 또는 무선 통신을 지원할 수 있다.
디지털트윈부(120)는 디지털트윈에 실시간 상태정보를 적용하여, 배터리 유닛(20) 내부에 대한 온도분포해석을 수행할 수 있다. 즉, 디지털트윈부(120)는 배터리 유닛(20)을 모델링하여, 배터리 유닛(20)과 동일하게 동작하는 디지털트윈을 생성할 수 있다. 이를 위해, 디지털트윈부(120)는 디지털 트윈에 배터리 유닛(20)에 대응하는 전기화학-열 모델와, 배터리 유닛(20) 내부에 구비된 각각의 이차전지(21)들의 배치, 냉각수단(22)의 방열구조 등을 반영할 수 있다. 여기서, 디지털트윈에 적용가능한 전기화학-열 모델에는 ECM(Equivalent Circuit Model), NTGK(Newman-Tiedemann-Gu-Kim), Newman P2D(Newman Psuedo 2-dimensional) 등이 포함될 수 있다.
도3을 참조하면, 디지털트윈부(120)는 입력받은 실시간 상태정보에 따라 배터리 유닛(20)의 내부에 대한 온도분포해석을 수행하도록, NTGK 모델 등의 반경험적 2차원 모델을 적용하여 디지털 트윈을 생성할 수 있다.
일반적으로, 등가회로 모델은 그 단순함과 빠른 연산에 비해 셀 내부에서 발생하는 물리적인 변화들을 예측하기 어렵고, 전기화학적 모델은 다양한 물리적 현상들을 예측할 수 있음에 비해 연산이 느려 실제 상업적인 활용이 어려운 문제가 있다. 이에 비해 NTGK(Newman-Tiedemann-Gu-Kim) 모델은 이차전지 셀에 대한 시험데이터 기반의 반경험적 2차원 전기화학-열 모델로서 성능과 발열, 열화 예측에 보다 편리하게 적용될 수 있다.
따라서, NTGK 모델을 이용하여 디지털트윈을 생성하는 경우, 이차전지(21)에 대한 충방전 거동, 이차전지(21)의 전극들(양전극, 음전극)의 전류밀도분포와 전위분포 등의 분석을 통해, 이차전지(21)의 위치별 국부적인 발열 등의 특성 분석을 수행하는 것이 가능하다.
구체적으로, 디지털트윈부(120)는, 이차전지(21)에 대한 기본 파라미터 정보를 적용하여 디지털 트윈을 생성할 수 있으며, 여기서 기본 파라미터에는 이차전지(21)의 기하학적 구조와 구성물질로부터 산출되는 정보인, 밀도(ρ), 비열(Cp), 열전도도(k), 극판저항(양극판 저항 Ωp, 음극판 저항 Ωn), 비표면적(셀 전체 비표면적 a, 양극판 비표면적 ap, 음극판 비표면적 an), 대류열전달계수(h) 등이 포함될 수 있다.
이후, 디지털트윈부(120)는 출력전류(양극판 출력전류 ip, 음극판 출력전류 in) 등 수신부(110)에서 수신한 실시간 상태정보를 디지털 트윈에 적용할 수 있으며, 이를 통하여 배터리 유닛(20)에 대한 온도분포 등을 산출할 수 있다.
여기서는, 디지털트윈을 이용하여 이차전지(21)의 발열 등에 따른 온도분포를 산출하는 것을 예시하고 있으나, 실시예에 따라서는, 이차전지(21)의 성능이나 열화 등에 대한 특성분석을 수행하는 것도 가능하다.
한편, 실시예에 따라서는, 디지털트윈부(120)가 기계학습 기법을 이용하여 배터리 유닛(20)에 대한 디지털 트윈을 생성하는 것도 가능하다. 즉, 실제 배터리 유닛(20)의 특징과, 운용자의 운전 목표 등을 고려하여, 적절한 지도 학습(supervised learning) 모델을 설정한 후, 학습을 통하여 지도 학습 모델로부터 디지털 트윈을 구현할 수 있다.
구체적으로, 디지털트윈부(120)는 먼저, 수집된 실시간 상태정보를 기반으로 지도 학습을 수행하기 위한, 지도 학습 모델의 변수를 결정할 수 있다. 여기서, 지도 학습을 위한 변수에는, 입력 데이터에 해당하는 독립 변수와, 출력 데이터에 해당하는 종속 변수가 포함될 수 있다. 예를들어, 디지털트윈부(110)는 배터리 유닛(20)의 온도분포를 종속 변수로 결정하고, 실시간 상태정보들을 독립 변수로 결정하여, 지도학습모델이 실시간 상태정보를 기반으로 배터리 유닛(2)의 온도분포를 출력하도록 설정할 수 있다.
이후, 디지털트윈부(120)는 독립 변수와 종속 변수로 결정된 각각의 학습 데이터에 대한 전처리를 수행할 수 있다. 예를들어, 디지털트윈부(120)는 학습 데이터의 결측치(missing data)나 이상치(outlier)를 검출하고, 검출된 결측치와 이상치를 미리 결정된 전처리 방식 등에 따라 보정할 수 있다.
전처리가 완료되면, 디지털트윈부(120)는 전처리된 학습 데이터들을 훈련 데이터 셋(training data set)과 시험 데이터 셋(test data set)으로 분류하는 동작을 수행할 수 있다. 여기서, 훈련 데이터 셋은 디지털트윈을 생성하기 위해 사용하고, 시험 데이터 셋은 생성된 디지털트윈을 검증하기 위해 사용할 수 있다.
이후, 디지털트윈부(120)는 훈련 데이터 셋을 기반으로 미리 결정된 지도 학습 알고리즘을 수행할 수 있다. 이때, 지도 학습 알고리즘으로는 로버스트 회귀 알고리즘 또는 신경망 알고리즘 등이 사용될 수 있다. 다만, 이에 한정되는 것은 아니며, 지도 학습을 수행할 수 있는 것이면 어떠한 알고리즘도 활용가능하다.
디지털트윈부(120)는, 지도 학습 알고리즘의 종속 변수에 관한 예측 정확도가 기준치 이상이 될 때까지, 지도학습모델에 해당 지도 학습 알고리즘을 반복적으로 적용하여 학습시킬 수 있다. 이후, 종속 변수에 관한 예측 정확도가 기준치 이상 도달하면, 지도 학습 모델은 실제 배터리유닛(20)의 동작을 모사하는 디지털트윈이 생성된 것으로 판별할 수 있다. 이후, 디지털트윈부(120)는 시험 데이터 셋을 기반으로 생성된 디지털트윈의 성능을 검증할 수 있다.
한편, 실시예에 따라서는, NTGK 모델을 이용하여 디지털 트윈을 기계학습하기 위한 샘플 데이터를 생성하는 것도 가능하다. 즉, NTGK 모델을 이용하여 다양한 입력에 대한 배터리 유닛(20)의 2차원 또는 3차원 온도 분포를 나타내는 샘플 데이터를 미리 생성할 수 있다. 예를들어, NTGK 모델에 배터리 방전율(c-rate) 및 외부온도를 입력하여, 배터리 유닛(20)의 온도를 27*35 격자로 구분하여 출력하도록 할 수 있다. 이때, 복수의 CPU 등에 NTGK 모델을 병렬적으로 적용하여, 신속하게 샘플 데이터를 생성하도록 할 수 있다.
여기서, 배터리 유닛(20)의 온도분포는 배터리 유닛(20)을 2차원 또는 3차원의 격자로 나누어 각 지점별 온도를 나타내는 것으로 표현할 수 있다. 실시예에 따라서는, 배터리 유닛(20)의 온도분포를 시각화하여 2차원 또는 3차원의 이미지로 생성할 수 있다.
한편, 배터리 유닛(20)의 온도 분포에는 지역성(locality)이 존재한다. 즉, 배터리 유닛(20) 내 특정 지점의 온도는 주변의 다른 지점의 온도와 밀접한 관계를 있으므로, 배터리 유닛(20)의 온도 분포의 지역성을 이용하면 보다 정확하고 효율적으로 디지털트윈을 생성하는 것이 가능하다. 여기서, 온도 분포 이외에, 전류 밀도 분포나 전위 분포 등의 분포도 유사한 지역성을 가질 수 있다.
따라서, 디지털트윈부(120)는 배터리 유닛(20) 내 온도분포를 도출하기 위하여, 지역성을 활용하는 합성곱 신경망(CNN: Convolutional Neural Network) 등을 활용할 수 있다. 즉, 합성공 신경망과 같이 이미지 처리를 위한 신경 회로망의 요소를 은닉층으로 사용하면, 배터리 유닛(20) 내 온도 분포에 대한 효율적인 학습 모델을 구축하는 것이 가능하다. 실시예에 따라서는, 전결합층(FC: Fully connected layer)이나, LSTM(Long-Short term Memory), GRU(Gated Recurrent Unit) 등의 순환 신경망도 학습 모델의 은닉층으로 활용할 수 있다.
예를들어, 학습모델의 신경회로망은 입력층-전연결층-합성곱신경망층-최대풀링층-합성곱신경망층-최대풀링층-전연결층-출력층의 구조로 구현할 수 있다. 여기서, 배터리 유닛(20)의 온도는 특정 임계값을 기점으로 폭발적으로 증가하는 경향이 있으므로, 마지막 출력층의 활성화함수로 지수 함수(exponential function)와 같은 비선형 함수를 사용하면, 보다 정확한 디지털트윈 모델을 생성하는 것이 가능하다.
추가적으로, 학습을 마친 신경회로망은 별도의 파일로 저장하고 필요시 불러서 사용하도록 할 수 있다. 즉, 이를 통해 많은 시간이 소요되는 학습을 반복하여 수행하지 않도록 할 수 있다. 또한, 학습을 마친 신경회로망을 다른 종류의 배터리에 대한 학습이나, 다른 입력조건 및 출력 조건에 대한 학습시 신경회로망의 초기값으로 활용하여 보다 빠른 학습을 유도할 수 있다. 즉, 전이학습을 통하여 다른 시스템이나 배터리 등에 대한 효과적인 적용을 구현할 수 있다.
이후, 디지털트윈의 생성되면, 디지털트윈부(120)는 디지털트윈을 이용하여 관찰 변수에 해당하는 실시간 상태정보로부터 응답 변수에 해당하는 배터리 유닛(20)의 온도분포에 대한 예측을 수행할 수 있다.
송신부(130)는 BMS(30)로부터 요청받은 가상측정지점에 대한 가상온도값을, BMS(30)로 전송할 수 있다. 여기서, 송신부(130)는 디지털트윈부(120)로부터 전체 배터리 유닛(20) 내부의 온도분포를 제공받을 수 있므로, BMS(30)가 요청하는 임의의 가상측정지점에 대한 가상온도값을 모두 제공할 수 있다. 실시예에 따라서는, 배터리 유닛(20) 내 포함되는 각각의 배터리 셀 내 영향도가 높은 지점이 미리 설정될 수 있으며, 해당 지점을 가상측정지점으로 지정하여 가상온도값을 생성하도록 하는 것도 가능하다. 이후, BMS(30)는 수신한 각각의 가상측정지점들에 대한 가상온도값을 반영하여, 배터리의 사고 예방과 수명 연장을 위한 운용조건을 조절할 수 있다.
한편, 도 4는 디지털트윈장치(100)에서 산출되는 배터리 유닛(20)의 내부 온도분포(Modeling)와, 적외선 카메라의 실측을 통해 획득한 배터리 유닛(20) 내부의 온도 분포(IR image)를 비교한 것이다. 여기서, 적외선 카메라를 이용한 실측 온도 분포는, 디지털트윈장치(100)에서 생성한 가상 온도 분포와 유사하게 생성됨을 확인할 수 있다. 즉, 도 4와 도시한 바와 같이, 디지털트윈장치(100)는 배터리 유닛(20)에 대한 디지털 트윈에 실시간 상태정보를 입력하면, 배터리유닛(20) 내부에 대한 2차원 또는 3차원 온도분포 등을 생성하는 것이 가능하다.
도 5는 본 발명의 다른 실시예에 따른 디지털 트윈장치를 나타내는 도면이다. 본 발명의 다른 실시예에 따른 디지털 트윈장치은, 하드웨어, 소프트웨어, 또는 이들의 결합으로 이루어질 수 있다. 예를 들어, 본 발명의 디지털트윈장치는, 상술한 기능/단계/과정들을 수행하기 위한 적어도 하나의 프로세서를 갖는 도 5과 같은 컴퓨팅 시스템(1000) 또는 인터넷 상의 서버 형태로 구현될 수 있다.
컴퓨팅 시스템(1000)은 버스(1200)를 통해 연결되는 적어도 하나의 프로세서(1100), 메모리(1300), 사용자 인터페이스 입력 장치(1400), 사용자 인터페이스 출력 장치(1500), 스토리지(1600), 및 네트워크 인터페이스(1700)를 포함할 수 있다. 프로세서(1100)는 중앙 처리 장치(CPU) 또는 메모리(1300) 및/또는 스토리지(1600)에 저장된 명령어들에 대한 처리를 실행하는 반도체 장치일 수 있다. 메모리(1300) 및 스토리지(1600)는 다양한 종류의 휘발성 또는 불휘발성 저장 매체를 포함할 수 있다. 예를 들어, 메모리(1300)는 ROM(Read Only Memory)(1310) 및 RAM(Random Access Memory)(1320)을 포함할 수 있다.
따라서, 본 명세서에 개시된 실시예들과 관련하여 설명된 방법 또는 알고리즘의 단계는 프로세서(1100)에 의해 실행되는 하드웨어, 소프트웨어 모듈, 또는 그 2 개의 결합으로 직접 구현될 수 있다. 소프트웨어 모듈은 RAM 메모리, 플래시 메모리, ROM 메모리, EPROM 메모리, EEPROM 메모리, 레지스터, 하드 디스크, 착탈형 디스크, CD-ROM과 같이 컴퓨터 등 장치로 판독 가능한 저장/기록 매체(즉, 메모리(1300) 및/또는 스토리지(1600))에 상주할 수도 있다. 예시적인 저장 매체는 프로세서(1100)에 커플링되며, 그 프로세서(1100)는 저장 매체로부터 정보를 판독할 수 있고 저장 매체에 정보를 기입할 수 있다. 다른 방법으로, 저장 매체는 프로세서(1100)와 일체형일 수도 있다. 프로세서 및 저장 매체는 주문형 집적회로(ASIC) 내에 상주할 수도 있다. ASIC는 사용자 단말기 내에 상주할 수도 있다. 다른 방법으로, 프로세서 및 저장 매체는 사용자 단말기 내에 개별 컴포넌트로서 상주할 수도 있다.
도6은 본 발명의 일 실시예에 의한 디지털트윈 기반의 배터리온도감시방법을 나타내는 순서도이다. 여기서, 각 단계는 디지털트윈장치에 의하여 수행될 수 있다.
먼저, 도6을 참조하면, 디지털트윈장치는 BMS로부터 배터리 유닛의 실시간 상태정보를 수신할 수 있다(S110). 즉, BMS는 배터리 유닛으로부터 실시간 상태정보를 수집할 수 있으며, 이후 디지털트윈장치로 제공하여 디지털트윈장치가 각각의 배터리유닛들의 실시간 상태정보를 반영하도록 할 수 있다.
여기서 실시간 상태정보에는, 배터리 유닛의 출력전류와 충전전압, 배터리 유닛 내 구비된 각각의 실측지점에서 측정한 측정온도값, SOC(State of Charge), SOH(State of Health) 등이 포함될 수 있다.
즉, 배터리 유닛에는 복수의 측정센서들이 구비될 수 있으며, BMS(30)는 측정센서로부터 각각의 측정값들을 입력받을 수 있다. 여기서, 측정센서에는 전류 센서, 전압 센서, 온도센서 등이 포함될 수 있다. 또한, BMS는 측정값을 이용하여, 해당 배터리유닛에 대한 SOC나 SOH 등을 연산할 수 있다. 이후, BMS는 수신한 측정값과 연산한 SOC, SOH 등을 실시간 상태정보로 디지털트윈장치로 전송할 수 있다.
이후, 디지털트윈장치는 배터리 유닛에 대응하는 디지털트윈에 실시간 상태정보를 적용하여, 배터리 유닛 내부에 대한 온도분포해석을 수행할 수 있다(S120). 즉, 디지털트윈장치는 배터리 유닛을 모델링하여, 배터리 유닛과 동일하게 동작하는 디지털트윈을 생성할 수 있다. 이를 위해 배터리 유닛에 대응하는 전기화학-열 모델을 적용하고, 배터리 유닛 내부에 구비된 각각의 이차전지들의 배치와 냉각수단의 방열구조 등을 반영하여, 디지털 트윈을 생성할 수 있다. 여기서, 디지털트윈에 적용되는 전기화학-열 모델에는 ECM, NTGK(Newman-Tiedemann-Gu-Kim), Newman P2D 등이 포함될 수 있다.
한편, 실시예에 따라서는, NTGK 모델을 이용하여 디지털 트윈을 기계학습하기 위한 샘플 데이터를 생성하는 것도 가능하다. 즉, NTGK 모델을 이용하여 다양한 입력에 대한 배터리 유닛의 2차원 또는 3차원 온도 분포를 나타내는 샘플 데이터를 미리 생성할 수 있다. 샘플 데이터는 배터리 유닛을 2차원 또는 3차원의 격자로 나누어 각 지점별 온도를 나타내는 것일 수 있으며, 실시예에 따라서는 온도분포를 시각화한 2차원 또는 3차원의 이미지일 수 있다.
여기서, 배터리 유닛의 온도 분포에는 지역성(locality)이 존재하므로, 지역성을 활용하는 합성곱 신경망 등을 활용하여 디지털트윈을 학습시킬 수 있다. 즉, 합성공 신경망과 같이 이미지 처리를 위한 신경 회로망의 요소를 은닉층으로 사용하면, 배터리 유닛 내 온도 분포에 대한 효율적인 학습 모델을 구축하는 것이 가능하다. 실시예에 따라서는, 전결합층이나, LSTM, GRU 등의 순환 신경망도 학습 모델의 은닉층으로 활용할 수 있다.
예를들어, 학습모델의 신경회로망은 입력층-전연결층-합성곱신경망층-최대풀링층-합성곱신경망층-최대풀링층-전연결층-출력층의 구조로 구현할 수 있다. 여기서, 배터리 유닛의 온도는 특정 임계값을 기점으로 폭발적으로 증가하는 경향이 있으므로, 마지막 출력층의 활성화함수로 지수 함수와 같은 비선형 함수를 사용하면, 보다 정확한 디지털트윈 모델을 생성하는 것이 가능하다.
이후, 디지털트윈장치는 디지털트윈을 이용하여 배터리 유닛의 발열에 대한 특성을 분석할 수 있으며, 이를 통해 배터리 유닛에 대한 2차원 또는 3차원의 온도분포 등을 도출할 수 있다.
구체적으로, 디지털트윈장치는, 디지털트윈에 이차전지에 대한 기본 파라미터 정보를 적용할 수 있으며, 여기서 기본 파라미터 정보에는 이차전지의 기하학적 구조와 구성물질로부터 산출되는 정보인, 밀도, 비열, 열전도도, 극판저항, 비표면적, 대류열전달계수 등이 포함될 수 있다. 이후, 디지털트윈장치는 출력전류 등 수신한 실시간 상태정보를 더 적용하여 배터리 유닛에 대한 2차원 또는 3차원 온도분포 등을 산출할 수 있다.
디지털트윈장치는 BMS로부터 요청받은 가상측정지점에 대한 가상온도값을 BMS로 전송할 수 있다(S130). 여기서, 디지털트윈장치는 배터리 유닛 내부의 전체 영역에 대한 온도분포를 생성하므로, BMS가 요청하는 임의의 가상측정지점에 대한 가상온도값을 모두 제공하는 것이 가능하다. 실시예에 따라서는, 배터리 유닛 내 포함되는 지점들 중에서, 발열에 따른 영향도가 가장 높은 지점이 미리 설정될 수 있으며, 해당 지점을 가상측정지점으로 지정할 수 있다. 이후, BMS는 수신한 각각의 가상측정지점들에 대한 가상온도값을 반영하여, 배터리의 사고 예방과 수명 연장을 위한 운용조건을 설정할 수 있다.
본 발명은 전술한 실시예 및 첨부된 도면에 의해 한정되는 것이 아니다. 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 있어, 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 본 발명에 따른 구성요소를 치환, 변형 및 변경할 수 있다는 것이 명백할 것이다.

Claims (8)

  1. 디지털트윈(digital twin) 기반의 배터리온도감시방법에 있어서,
    BMS(Battery Management System)로부터 배터리 유닛의 실시간 상태정보를 수신하는 단계;
    상기 배터리 유닛에 대응하는 디지털트윈에 상기 실시간 상태정보를 적용하여, 상기 배터리 유닛 내부에 대한 온도분포해석을 수행하는 단계; 및
    상기 BMS로부터 요청받은 가상측정지점에 대한 가상온도값을 상기 BMS로 전송하는 단계를 포함하는 디지털트윈 기반의 배터리 온도감시방법.
  2. 제1항에 있어서, 상기 디지털트윈은
    상기 배터리 유닛에 대응하는 전기화학-열 모델과, 상기 배터리 유닛 내부에 구비된 각각의 셀 모듈들의 배치 및 방열구조를 반영하여 생성한 것을 특징으로 하는 디지털트윈 기반의 배터리 온도감시방법.
  3. 제1항에 있어서, 상기 실시간 상태정보는
    출력전류, 충전전압, 상기 배터리 유닛 내 실측지점의 측정온도값, SOC(State of Charge), SOH(State of Health) 중 적어도 어느 하나를 포함하는 것을 특징으로 하는 디지털트윈 기반의 배터리 온도감시방법.
  4. 제2항에 있어서, 상기 디지털트윈은
    ECM(Equivalent Circuit Model), NTGK(Newman-Tiedemann-Gu-Kim) 모델 및 Newman P2D(Newman Psuedo 2-dimensional) 모델 중 어느 하나의 전기화학-열 모델을 적용하여 생성하는 것을 특징으로 하는 디지털트윈 기반의 배터리 온도감시방법.
  5. 제4항에 있어서, 상기 디지털트윈은
    상기 NTGK 모델을 이용하여 생성한 상기 배터리 유닛(20)의 2차원 또는 3차원 온도 분포를 나타내는 샘플 데이터를 기계학습하여 생성되며,
    상기 샘플 데이터는 상기 배터리 유닛(20)의 2차원 또는 3차원 온도 분포를 시각적을 나타내는 2차원 또는 3차원 이미지인 것을 특징으로 하는 디지털트윈 기반의 배터리 온도감시방법.
  6. 제5항에 있어서, 상기 디지털트윈은
    합성곱신경망층(CNN: Convolutional Neural Network)을 은닉층으로 포함하는 신경회로망을 이용하여 기계학습하여 생성하는 것으로,
    상기 신경회로망의 출력층은 활성화함수로 지수 함수(exponential function)를 포함하는 것을 특징으로 하는 디지털트윈 기반의 배터리 온도감시방법.
  7. 하드웨어와 결합되어 청구항 제1항 내지 제6항 중 어느 한 항의 디지털트윈 기반의 배터리 온도감시방법을 수행하기 위하여 매체에 저장된 컴퓨터 프로그램.
  8. BMS(Battery Management System)로부터 배터리 유닛의 실시간 상태정보를 수신하는 수신부;
    상기 배터리 유닛에 대응하는 디지털트윈에 상기 실시간 상태정보를 적용하여, 상기 배터리 유닛 내부에 대한 온도분포해석을 수행하는 디지털트윈부; 및
    상기 BMS로부터 요청받은 가상측정지점에 대한 가상온도값을 상기 BMS로 전송하는 송신부를 포함하는 디지털트윈장치.
PCT/KR2022/001054 2021-02-01 2022-01-20 디지털트윈 장치 및 디지털트윈 기반의 배터리 온도감시방법 WO2022164127A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2021-0013978 2021-02-01
KR1020210013978A KR20220110948A (ko) 2021-02-01 2021-02-01 디지털트윈 장치 및 디지털트윈 기반의 배터리 온도감시방법

Publications (1)

Publication Number Publication Date
WO2022164127A1 true WO2022164127A1 (ko) 2022-08-04

Family

ID=82654816

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2022/001054 WO2022164127A1 (ko) 2021-02-01 2022-01-20 디지털트윈 장치 및 디지털트윈 기반의 배터리 온도감시방법

Country Status (2)

Country Link
KR (1) KR20220110948A (ko)
WO (1) WO2022164127A1 (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115659790A (zh) * 2022-10-13 2023-01-31 厦门宇电自动化科技有限公司 一种动力电池包的温度实时检测方法
CN115663311A (zh) * 2022-12-14 2023-01-31 深圳市华宝新能源股份有限公司 电芯温度确定方法、装置、电子设备及存储介质
CN117131828A (zh) * 2023-07-12 2023-11-28 合肥工业大学 一种升压变换器无源参数的数字孪生辨识方法
CN117728079A (zh) * 2023-10-21 2024-03-19 南通国轩新能源科技有限公司 一种新能源电池包的电池温控管理方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170013151A (ko) * 2015-07-27 2017-02-06 삼성전자주식회사 열 관리를 위한 배터리 시스템 및 방법
KR20170043056A (ko) * 2015-10-12 2017-04-20 삼성전자주식회사 배터리의 온도 추정 장치 및 방법, 배터리 관리 장치 및 방법
US20190266295A1 (en) * 2018-02-28 2019-08-29 Toyota Jidosha Kabushiki Kaisha Proactive vehicle maintenance scheduling based on digital twin simulations
US20190287079A1 (en) * 2018-03-19 2019-09-19 Toyota Jidosha Kabushiki Kaisha Sensor-based digital twin system for vehicular analysis
US20190384870A1 (en) * 2018-06-13 2019-12-19 Toyota Jidosha Kabushiki Kaisha Digital twin for vehicle risk evaluation

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170013151A (ko) * 2015-07-27 2017-02-06 삼성전자주식회사 열 관리를 위한 배터리 시스템 및 방법
KR20170043056A (ko) * 2015-10-12 2017-04-20 삼성전자주식회사 배터리의 온도 추정 장치 및 방법, 배터리 관리 장치 및 방법
US20190266295A1 (en) * 2018-02-28 2019-08-29 Toyota Jidosha Kabushiki Kaisha Proactive vehicle maintenance scheduling based on digital twin simulations
US20190287079A1 (en) * 2018-03-19 2019-09-19 Toyota Jidosha Kabushiki Kaisha Sensor-based digital twin system for vehicular analysis
US20190384870A1 (en) * 2018-06-13 2019-12-19 Toyota Jidosha Kabushiki Kaisha Digital twin for vehicle risk evaluation

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115659790A (zh) * 2022-10-13 2023-01-31 厦门宇电自动化科技有限公司 一种动力电池包的温度实时检测方法
CN115659790B (zh) * 2022-10-13 2024-02-06 厦门宇电自动化科技有限公司 一种动力电池包的温度实时检测方法
CN115663311A (zh) * 2022-12-14 2023-01-31 深圳市华宝新能源股份有限公司 电芯温度确定方法、装置、电子设备及存储介质
CN117131828A (zh) * 2023-07-12 2023-11-28 合肥工业大学 一种升压变换器无源参数的数字孪生辨识方法
CN117131828B (zh) * 2023-07-12 2024-05-03 合肥工业大学 一种升压变换器无源参数的数字孪生辨识方法
CN117728079A (zh) * 2023-10-21 2024-03-19 南通国轩新能源科技有限公司 一种新能源电池包的电池温控管理方法及系统

Also Published As

Publication number Publication date
KR20220110948A (ko) 2022-08-09

Similar Documents

Publication Publication Date Title
WO2022164127A1 (ko) 디지털트윈 장치 및 디지털트윈 기반의 배터리 온도감시방법
Yang et al. A fractional-order model-based battery external short circuit fault diagnosis approach for all-climate electric vehicles application
Kong et al. Fault diagnosis and quantitative analysis of micro-short circuits for lithium-ion batteries in battery packs
Chen et al. Model-based fault diagnosis approach on external short circuit of lithium-ion battery used in electric vehicles
Yang et al. Extreme learning machine-based thermal model for lithium-ion batteries of electric vehicles under external short circuit
WO2022034983A1 (ko) 신경망 기반의 배터리 셀 불량 및 화재 사전 진단 방법 및 장치
Feng et al. Online internal short circuit detection for a large format lithium ion battery
CN114050633A (zh) 一种锂电池储能系统的动态管控方法、装置和电子设备
CN105071453A (zh) 一种电池管理系统
JP7463008B2 (ja) 電池セル診断装置および方法
WO2021141255A1 (ko) 시뮬레이션 시스템 및 데이터 분산 방법
WO2021125676A1 (ko) 배터리 진단 장치 및 방법
Li et al. A digital twin model for the battery management systems of electric vehicles
KR20230057894A (ko) 배터리 팩 내의 이상 징후 셀 검출 장치 및 방법
CN113791364A (zh) 模型融合信号驱动的锂离子电池内部短路诊断方法与系统
Zhang et al. A novel battery state-of-health estimation method for hybrid electric vehicles
WO2023231356A1 (zh) 一种基于光纤光栅传感器的锂离子电池荷电状态估计方法
Zheng et al. Thermal state monitoring of lithium-ion batteries: Progress, challenges, and opportunities
Lavety et al. A dynamic battery model and parameter extraction for discharge behavior of a valve regulated lead-acid battery
Khera et al. Valve regulated lead acid battery diagnostic system based on infrared thermal imaging and fuzzy algorithm
CN115214424A (zh) 电池热管理系统的温度确定方法、装置及电子设备
Wu et al. A fault detection method of electric vehicle battery through Hausdorff distance and modified Z-score for real-world data
Selvabharathi et al. Experimental analysis on battery based health monitoring system for electric vehicle
Garg et al. Reconfigurable battery systems: Challenges and safety solutions using intelligent system framework based on digital twins
CN116885302B (zh) 基于bms实现退役电池的安全管理的方法及装置

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: 22746154

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 22746154

Country of ref document: EP

Kind code of ref document: A1