WO2023132520A1 - 배터리 용량 예측 장치 및 그것의 동작 방법 - Google Patents

배터리 용량 예측 장치 및 그것의 동작 방법 Download PDF

Info

Publication number
WO2023132520A1
WO2023132520A1 PCT/KR2022/020745 KR2022020745W WO2023132520A1 WO 2023132520 A1 WO2023132520 A1 WO 2023132520A1 KR 2022020745 W KR2022020745 W KR 2022020745W WO 2023132520 A1 WO2023132520 A1 WO 2023132520A1
Authority
WO
WIPO (PCT)
Prior art keywords
capacity
battery
change
data
comparison
Prior art date
Application number
PCT/KR2022/020745
Other languages
English (en)
French (fr)
Inventor
최정환
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
Publication of WO2023132520A1 publication Critical patent/WO2023132520A1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
    • G01R19/0038—Circuits for comparing several input signals and for indicating the result of this comparison, e.g. equal, different, greater, smaller (comparing pulses or pulse trains according to amplitude)
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/396—Acquisition or processing of data for testing or for monitoring individual cells or groups of cells within a battery
    • 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

  • Embodiments disclosed in this document relate to an apparatus for predicting battery capacity and an operation method thereof.
  • Electric vehicles receive power from the outside to charge the battery cells, and then drive the motor with the voltage charged in the battery cells to obtain power.
  • Battery cells of electric vehicles may generate heat due to chemical reactions occurring in the process of charging and discharging electricity, and such heat may damage the performance and lifespan of the battery cells.
  • One object of the embodiments disclosed in this document is to provide a battery capacity prediction device and its operating method capable of diagnosing a rapid capacity reduction phenomenon of a battery in advance by analyzing the capacity reduction of the battery in various temperature, current, and voltage ranges. is to provide
  • An apparatus for predicting battery capacity extracts comparison data obtained by comparing the measured capacity of the battery with reference capacity of the battery, and changes in capacity obtained by measuring the change in capacity of the battery according to the cycle change of the battery. It may include an extraction unit that extracts data and a controller that predicts the capacity of the battery based on the comparison data and the capacity change data.
  • the extraction unit may extract a comparison value obtained by comparing the measured capacity of the battery to the reference capacity of the battery measured through a reference performance test (RPT).
  • RPT reference performance test
  • the extractor may measure a change in the comparison value according to a change in temperature of the battery or a change in the comparison value according to a change in current of the battery.
  • the controller may predict the capacity of the battery under a standard performance test condition based on the capacity change data and the comparison value.
  • the controller may estimate the capacity of the battery under a full equivalent cycle (FEC) condition by converting the reference capacity into a nominal capacity of the battery.
  • FEC full equivalent cycle
  • the controller may extract a capacity change pattern of the battery based on the capacity of the battery in the equivalent cycle condition.
  • the controller extracts a capacity change pattern of the battery and analyzes a capacity change pattern immediately after a standard performance test of the battery, a normal capacity change pattern, and a rapid capacity degradation pattern.
  • An operating method of an apparatus for predicting battery capacity includes extracting comparison data by comparing a measured capacity of a battery with a reference capacity of the battery, and measuring a change in capacity of the battery according to a change in cycles of the battery.
  • the capacity of the battery may be predicted based on the step of measuring and the comparison data and the capacity change data.
  • the step of comparing the measured capacity of the battery with respect to the reference capacity of the battery and extracting the comparison data is the comparison of the reference capacity of the battery measured through a reference performance test (RPT) of the battery. Comparative values can be extracted by comparing measured capacities.
  • the step of comparing the measured capacity of the battery to the reference capacity of the battery and extracting comparison data may include a change in the comparison value according to a change in the temperature of the battery or a change in the current of the battery. change can be measured.
  • the predicting the capacity of the battery based on the comparison data and the capacity change data may include predicting the capacity of the battery under a reference performance test condition based on the capacity change data and the comparison value. there is.
  • the step of predicting the capacity of the battery based on the comparison data and the capacity change data may include converting the reference capacity into a nominal capacity of the battery to perform an equivalent cycle (FEC, Full Equivalent Cycle). ) can predict the capacity of the battery under the condition.
  • FEC Full Equivalent Cycle
  • the predicting the capacity of the battery based on the comparison data and the capacity change data may extract a capacity change pattern of the battery based on the capacity of the battery in the equivalent cycle condition.
  • the step of predicting the capacity of the battery based on the comparison data and the capacity change data may include extracting a capacity change pattern of the battery, a capacity change pattern immediately after a standard performance test, and a normal capacity change of the battery. Patterns and rapid capacity decay patterns can be analyzed.
  • rapid capacity reduction of a battery can be diagnosed in advance by analyzing capacity reduction of a battery in various temperature, current, and voltage ranges.
  • a battery capacity prediction device and its operating method may be provided.
  • FIG. 1 is a diagram showing a battery pack according to an embodiment disclosed in this document.
  • FIG. 2 is a block diagram showing the configuration of an apparatus for predicting battery capacity according to an embodiment disclosed in this document.
  • FIG. 3 is a graph showing changes in capacity data of a battery and changes in reference capacity data according to a change in cycles of a battery according to an embodiment disclosed herein.
  • 4A is a graph showing a change in a comparison value according to a change in temperature of a battery according to an embodiment described in the present document.
  • 4B is a graph showing a change in a comparison value according to a change in current of a battery according to an embodiment described in the present document.
  • FIG. 5 is a graph showing a change in capacity degradation amount per cycle of a battery according to a change in cycle of the battery according to an embodiment described in the present document.
  • 6A is a graph showing a battery capacity change pattern according to a battery equivalent cycle change according to an embodiment described herein.
  • 6B is a graph showing a change in capacity of a battery according to a change in equivalent cycle of the battery according to an embodiment described in the present document.
  • FIG. 7 is a flowchart illustrating an operating method of an apparatus for predicting battery capacity according to an embodiment disclosed in this document.
  • FIG. 8 is a block diagram illustrating a hardware configuration of a computing system implementing an apparatus for predicting battery capacity according to an embodiment disclosed in this document.
  • FIG. 1 is a diagram showing a battery pack according to an embodiment disclosed in this document.
  • a battery pack 1000 may include a battery module 100, a battery capacity estimation device 200, and a relay 300.
  • the battery module 100 may include a plurality of battery cells 110 , 120 , 130 , and 140 . Although the number of battery cells is illustrated in FIG. 1 as four, it is not limited thereto, and the battery module 100 may include n (n is a natural number equal to or greater than 2) battery cells.
  • the battery module 100 may supply power to a target device (not shown). To this end, the battery module 100 may be electrically connected to the target device.
  • the target device may include an electrical, electronic, or mechanical device operated by receiving power from the battery pack 1000 including the plurality of battery cells 110, 120, 130, and 140, for example ,
  • the target device may be an electric vehicle (EV) or an energy storage system (ESS), but is not limited thereto.
  • the plurality of battery cells 110, 120, 130, and 140 are basic units of a battery capable of charging and discharging electrical energy, such as a lithium ion battery, a lithium ion polymer battery, a nickel It may be a cadmium (Ni-Cd) battery, a nickel hydrogen (Ni-MH) battery, etc., but is not limited thereto.
  • a battery capable of charging and discharging electrical energy such as a lithium ion battery, a lithium ion polymer battery, a nickel It may be a cadmium (Ni-Cd) battery, a nickel hydrogen (Ni-MH) battery, etc., but is not limited thereto.
  • FIG. 1 shows a case in which one battery module 100 is provided, a plurality of battery modules 100 may be configured according to embodiments.
  • the battery capacity estimation apparatus 200 may predict the capacity of the plurality of battery cells 110, 120, 130, and 140 based on the temperature, current, and voltage data of the plurality of battery cells 110, 120, 130, and 140. .
  • the battery capacity prediction apparatus 200 calculates the capacity of the plurality of battery cells 110, 120, 130, and 140 for each temperature, current, and voltage of the battery based on the battery data of the plurality of battery cells 110, 120, 130, and 140. can predict
  • the battery capacity estimation device 200 may be implemented in the form of a battery management system (BMS). Also, according to embodiments, the battery capacity estimation device 200 may be installed in a battery management device.
  • BMS battery management system
  • the battery management device may manage and/or control the state and/or operation of the battery module 100 .
  • the battery management device may manage and/or control states and/or operations of the plurality of battery cells 110 , 120 , 130 , and 140 included in the battery module 100 .
  • the battery management device may manage charging and/or discharging of the battery module 100 .
  • the battery management device may monitor the battery module 100 and/or the voltage, current, and temperature of each of the plurality of battery cells 110, 120, 130, and 140 included in the battery module 100.
  • sensors or various measurement modules may be additionally installed in the battery module 100, a charge/discharge path, or an arbitrary position of the battery module 100.
  • the battery management device may calculate a parameter representing the state of the battery module 100, for example, SOC (State of Charge) or SOH (State of Health), based on measured values such as monitored voltage, current, and temperature. there is.
  • the battery management device may control the operation of the relay 300 .
  • the battery management device may short the relay 300 to supply power to the target device.
  • the battery management device may short-circuit the relay 300 when a charging device is connected to the battery pack 1000 .
  • the battery management device may calculate a cell balancing time of each of the plurality of battery cells 110 , 120 , 130 , and 140 .
  • the cell balancing time may be defined as a time required for balancing battery cells.
  • the battery management apparatus may calculate a cell balancing time based on a state of charge (SOC), battery capacity, and balancing efficiency of each of the plurality of battery cells 110 , 120 , 130 , and 140 .
  • SOC state of charge
  • FIG. 2 is a block diagram showing the configuration of a battery capacity prediction device according to an embodiment disclosed in this document.
  • the battery capacity estimation apparatus 200 may include an extractor 210 and a controller 220 .
  • the extractor 210 may obtain capacity data C obtained by measuring the capacity of the plurality of battery cells 110 , 120 , 130 , and 140 .
  • the extractor 210 receives reference capacity data obtained by measuring reference capacities of the plurality of battery cells 110, 120, 130, and 140. can be obtained.
  • the reference capacity is the capacity of the battery measured through a reference performance test (RPT).
  • the standard performance test may periodically measure the life or capacity of a battery under conditions of a specific temperature, specific current, and specific voltage range in order to check the deterioration performance of a target device.
  • the standard performance test may repeat charging and discharging under specific temperature and specific current conditions until the battery reaches a voltage value in which the SOC of the battery is 0% and a voltage value in which the SOC of the battery is 100%. .
  • the extractor 210 extracts reference capacity data of a plurality of battery cells 110, 120, 130, and 140.
  • the reference capacity of the plurality of battery cells 110, 120, 130, and 140 is compared with the measured capacity data C of the plurality of battery cells 110, 120, 130, and 140.
  • Comparison data obtained by comparing measured capacities (C) of the plurality of battery cells 110 , 120 , 130 , and 140 may be extracted.
  • the extraction unit 210 is the reference capacity of the plurality of battery cells (110, 120, 130, 140) Comparison value comparing the measured capacities (C) of the plurality of battery cells 110, 120, 130, and 140 can be extracted.
  • 4A is a graph showing a change in a comparison value according to a change in temperature of a battery according to an embodiment described in the present document.
  • 4B is a graph showing a change in a comparison value according to a change in current of a battery according to an embodiment described in the present document.
  • the extraction unit 210 may generate a graph showing a change in a comparison value according to a temperature change of the plurality of battery cells 110 , 120 , 130 , and 140 .
  • the extraction unit 210 provides a comparison value according to a change in current of the plurality of battery cells 110, 120, 130, and 140.
  • a graph showing the change in can be created.
  • the extraction unit 210 provides a comparison value according to a temperature change of the plurality of battery cells 110, 120, 130, or 140 or a current change of the plurality of battery cells 110, 120, 130, or 140.
  • a comparison value according to temperature change of the plurality of battery cells 110, 120, 130, and 140 by analyzing the change in Comparison value according to the change of or the change of the current of the battery change trend can be measured.
  • the extractor 210 may measure a capacity change per cycle of the plurality of battery cells 110, 120, 130, and 140 according to a cycle change of the plurality of battery cells 110, 120, 130, and 140. That is, the extractor 210 determines the amount of capacity degradation per cycle of the plurality of battery cells 110, 120, 130, and 140 according to the cycle change of the plurality of battery cells 110, 120, 130, and 140. can measure
  • the extractor 210 may extract capacity change data obtained by measuring a change in capacity of a battery per cycle according to a change in cycles of the plurality of battery cells 110 , 120 , 130 , and 140 .
  • the extraction unit 210 determines the capacity when the number of cycle repetitions of the plurality of battery cells 110, 120, 130, and 140 is n. , and the capacity of the plurality of battery cells 110, 120, 130, and 140 before k cycles
  • the capacity degradation per cycle of the plurality of battery cells 110, 120, 130, and 140 can be calculated with
  • the extraction unit 210 determines the amount of capacity degradation per cycle of the plurality of battery cells 110, 120, 130, and 140 according to the cycle change of the plurality of battery cells 110, 120, 130, and 140. It is possible to extract capacity change data representing a change in .
  • the controller 220 may predict the capacities of the plurality of battery cells 110 , 120 , 130 , and 140 based on the comparison data and the capacitance change data. Specifically, the controller 220 may predict a change in capacity of the plurality of battery cells 110 , 120 , 130 , and 140 under a standard performance test condition based on the change in capacity data and the comparison value.
  • the controller 210 determines the amount of capacity degradation per cycle of the plurality of battery cells 110, 120, 130, and 140.
  • the reciprocal of the value compared to multiplied by may be calculated as a capacity change rate of the plurality of battery cells 110, 120, 130, and 140 under the standard performance test condition.
  • the controller 220 sets the reference capacities of the plurality of battery cells based on the capacities of the plurality of battery cells 110, 120, 130, and 140 under the predicted reference performance test condition as the nominal capacity of the plurality of battery cells. By converting to , it is possible to predict the capacity of a plurality of battery cells in an equivalent cycle (FEC, Full Equivalent Cycle) condition.
  • FEC Full Equivalent Cycle
  • the controller 220 determines the amount of capacity degradation per cycle of the plurality of battery cells 110, 120, 130, and 140 under the standard performance test condition.
  • the nominal capacity of the battery cells 110, 120, 130, and 140 compared to the measured capacity (C) of the plurality of battery cells 110, 120, 130, and 140 in the value compared to
  • FEC equivalent cycle
  • the controller 220 controls the small capacity degradation of the plurality of battery cells 110, 120, 130, and 140. In order to increase the value of k, several multiples can be selected.
  • the controller 220 may extract a battery capacity change pattern based on the battery capacity in an equivalent cycle condition.
  • 6A is a graph showing a change pattern of capacity of a battery according to a change in equivalent cycle of the battery according to an embodiment described in the present document.
  • the controller 220 determines the amount of capacity degradation of the plurality of battery cells 110, 120, 130, and 140 under an equivalent cycle (FEC) condition.
  • FEC equivalent cycle
  • the controller 220 may extract and analyze pattern A, pattern B, pattern C, and pattern D, which are capacitance change patterns of the plurality of battery cells 110, 120, 130, and 140.
  • the A pattern calculated by the controller 220 is a pattern that appears when the deterioration rate of the plurality of battery cells 110, 120, 130, and 140 decreases. 140) may appear in the battery cycle immediately after the criterion performance test.
  • the controller 220 may analyze the A pattern as a capacity change pattern that appears according to a difference in temperature or current of the plurality of battery cells 110 , 120 , 130 , and 140 .
  • the C pattern calculated by the controller 220 may be analyzed as a pattern that appears when the deterioration rates of the plurality of battery cells 110, 120, 130, and 140 are constant.
  • the controller 220 may analyze the C pattern as a capacity change pattern that appears when the loss of active material (LAM) of the plurality of battery cells 110 , 120 , 130 , and 140 linearly degenerates.
  • LAM loss of active material
  • the D pattern calculated by the controller 220 may be analyzed as a pattern appearing when the deterioration rate of the plurality of battery cells 110, 120, 130, and 140 is accelerated.
  • the controller 220 adjusts the D pattern to a plurality of battery cells 110, 120, 130, 140 due to rapid decrease in Lithium Plating or Electrolyte, thereby reducing the capacity of the plurality of battery cells 110, 120, 130, 140 to Exponential. patterns can be analyzed.
  • FIG. 6B is a graph showing a change in capacity of a battery according to a change in equivalent cycle of the battery according to an embodiment described in the present document.
  • the controller 220 may collect a battery capacity change pattern according to an equivalent cycle change of various batteries shown in FIG. 6A and extract a graph showing a battery capacity change according to an equivalent cycle change of the battery.
  • the controller 220 determines the capacity change pattern of the plurality of battery cells 110, 120, 130, and 140 immediately after the standard performance test and the normal capacity change of the plurality of battery cells 110, 120, 130, and 140 based on FIG. 6B. Patterns and rapid capacity degradation patterns of the plurality of battery cells 110 , 120 , 130 , and 140 may be analyzed.
  • rapid capacity reduction of the battery can be diagnosed in advance by analyzing the capacity reduction of the battery in various temperature, current, and voltage sections.
  • the battery capacity prediction device 200 can more accurately diagnose the rapid deterioration of battery capacity in advance, thereby improving the effectiveness and stability of battery management.
  • the battery capacity predicting apparatus 200 may extract a battery capacity change pattern by defining a relationship between a battery standard capacity measured through a standard performance test and a battery deterioration cycle.
  • FIG. 7 is a flowchart illustrating an operating method of an apparatus for predicting battery capacity according to an embodiment disclosed in this document.
  • the battery capacity estimating apparatus 200 may be substantially the same as the battery capacity estimating apparatus 200 described with reference to FIGS. 1 to 6 , a brief description will be made hereinafter to avoid duplication of description.
  • the operating method of the battery capacity prediction device 200 compares the measured capacity of the battery to the reference capacity of the battery and extracts comparison data (S101), and measures the change in capacity of the battery according to the cycle change of the battery. It may include measuring (S102) and estimating the capacity of the battery based on the comparison data and the capacity change data (S103).
  • the extractor 210 collects reference capacity data obtained by measuring reference capacities of the plurality of battery cells 110, 120, 130, and 140. can be obtained.
  • the reference capacity is the capacity of the battery measured through a reference performance test (RPT).
  • the standard performance test may periodically measure the life or capacity of a battery under conditions of a specific temperature, specific current, and specific voltage range in order to check the deterioration performance of a target device.
  • the standard performance test may repeat charging and discharging under specific temperature and specific current conditions until the battery reaches a voltage value in which the SOC of the battery is 0% and a voltage value in which the SOC of the battery is 100%. .
  • step S101 the extractor 210 extracts the reference capacity data of the plurality of battery cells 110, 120, 130, and 140.
  • the reference capacity of the plurality of battery cells 110, 120, 130, and 140 is compared with the measured capacity data C of the plurality of battery cells 110, 120, 130, and 140.
  • Comparison data obtained by comparing measured capacities (C) of the plurality of battery cells 110 , 120 , 130 , and 140 may be extracted.
  • step S101 in detail, the extraction unit 210 extracts the reference capacities of the plurality of battery cells 110, 120, 130, and 140. Comparison value comparing the measured capacities (C) of the plurality of battery cells 110, 120, 130, and 140 can be extracted.
  • the extraction unit 210 may generate a graph representing a change in a comparison value according to a temperature change of the plurality of battery cells 110 , 120 , 130 , and 140 .
  • the extraction unit 210 extracts a comparison value according to a change in current of the plurality of battery cells 110, 120, 130, and 140.
  • a graph showing the change in can be created.
  • the extraction unit 210 extracts a comparison value according to a change in temperature of the plurality of battery cells 110, 120, 130, or 140 or a change in current of the plurality of battery cells 110, 120, 130, or 140.
  • a comparison value according to the temperature change of the plurality of battery cells 110, 120, 130, and 140 by analyzing the change in Comparison value according to the change of or the change of battery current change trend can be measured.
  • the extraction unit 210 may measure the amount of change in capacity per cycle of the plurality of battery cells 110, 120, 130, and 140 according to the cycle change of the plurality of battery cells 110, 120, 130, and 140. there is. In step S102, the extraction unit 210 determines the amount of capacity degradation per cycle of the plurality of battery cells 110, 120, 130, and 140 according to the cycle change of the plurality of battery cells 110, 120, 130, and 140. can measure
  • the controller 220 may predict the capacity of the plurality of battery cells 110 , 120 , 130 , and 140 based on the comparison data and the capacity change data. In step S103 , the controller 220 may predict a change in capacity of the plurality of battery cells 110 , 120 , 130 , and 140 under a standard performance test condition based on the change in capacity data and the comparison value.
  • step S103 the controller 210 determines the amount of capacity degradation per cycle of the plurality of battery cells 110, 120, 130, and 140.
  • the reciprocal of the value compared to multiplied by may be calculated as a capacity change rate of the plurality of battery cells 110, 120, 130, and 140 under the standard performance test condition.
  • step S103 the controller 220 sets the nominal capacity of the plurality of battery cells based on the capacities of the plurality of battery cells 110, 120, 130, and 140 under the predicted reference performance test condition.
  • the capacity of a plurality of battery cells can be estimated by converting to (Nominal Capacity) under an equivalent cycle (FEC, Full Equivalent Cycle) condition.
  • step S103 the controller 220 determines the amount of capacity degradation per cycle of the plurality of battery cells 110, 120, 130, and 140 under the reference performance test condition.
  • the nominal capacity of the battery cells 110, 120, 130, and 140 compared to the measured capacity (C) of the plurality of battery cells 110, 120, 130, and 140 in the value compared to
  • FEC equivalent cycle
  • step S103 the controller 220 may extract a battery capacity change pattern based on the battery capacity in an equivalent cycle condition.
  • the controller 220 may collect a pattern of change in battery capacity according to a change in the equivalent cycle of the battery and extract a graph representing a change in capacity of the battery according to a change in the equivalent cycle of the battery.
  • step S103 the controller 220 determines the capacity change pattern immediately after the reference performance test of the plurality of battery cells 110, 120, 130, and 140, and the normal capacity change pattern of the plurality of battery cells 110, 120, 130, and 140. And a rapid capacity degradation pattern of the plurality of battery cells 110 , 120 , 130 , and 140 may be analyzed.
  • FIG. 8 is a block diagram illustrating a hardware configuration of a computing system implementing an apparatus for predicting battery capacity according to an embodiment disclosed in this document.
  • a computing system 2000 may include an MCU 2100, a memory 2200, an input/output I/F 2300 and a communication I/F 2400. there is.
  • the MCU 2100 executes various programs (eg, a battery capacity estimation function) stored in the memory 2200, processes these programs various data, and the battery capacity estimation apparatus 200 shown in FIG. 1 described above. ) It may be a processor that performs the functions of.
  • programs eg, a battery capacity estimation function
  • It may be a processor that performs the functions of.
  • the memory 2200 may store various programs related to the operation of the facility control device 200 . Also, the memory 2200 may store operation data of the facility control device 200 .
  • the memory 2200 may be a volatile memory or a non-volatile memory.
  • the memory 2200 as a volatile memory may be RAM, DRAM, SRAM, or the like.
  • the memory 2200 as a non-volatile memory may be ROM, PROM, EAROM, EPROM, EEPROM, flash memory, or the like. Examples of the above-listed memories 2200 are merely examples and are not limited to these examples.
  • the input/output I/F 2300 is an interface that connects an input device (not shown) such as a keyboard, mouse, or touch panel, an output device such as a display (not shown), and the MCU 2100 to transmit and receive data. can provide.
  • an input device such as a keyboard, mouse, or touch panel
  • an output device such as a display (not shown)
  • the MCU 2100 to transmit and receive data. can provide.
  • the communication I/F 2400 is a component capable of transmitting and receiving various types of data with a server, and may be various devices capable of supporting wired or wireless communication. For example, through the communication I/F 2400, it is possible to transmit/receive programs or various data for resistance measurement and abnormality diagnosis from a separately provided external server.
  • the computer program according to an embodiment disclosed in this document is recorded in the memory 2200 and processed by the MCU 2100, for example, the battery capacity predicting device 200 described with reference to FIGS. 1 and 2 ) may be implemented as a module that performs each function.

Abstract

본 문서에 개시된 일 실시예에 따른 배터리 용량 예측 장치는 배터리의 기준 용량 대비 상기 배터리의 측정 용량을 비교한 비교 데이터를 추출하고, 상기 배터리의 사이클 변화에 따른 상기 배터리의 용량 변화를 측정한 용량 변화 데이터를 추출하는 추출부 및 상기 비교 데이터 및 상기 용량 변화 데이터에 기초하여 상기 배터리의 용량을 예측하는 컨트롤러를 포함할 수 있다.

Description

배터리 용량 예측 장치 및 그것의 동작 방법
관련출원과의 상호인용
본 문서에 개시된 실시예들은 2022.01.07.에 출원된 한국 특허 출원 제10-2022-0003018호에 기초한 우선권의 이익을 주장하며, 해당 한국 특허 출원의 문헌에 개시된 모든 내용을 본 명세서의 일부로서 포함한다.
기술분야
본 문서에 개시된 실시예들은 배터리 용량 예측 장치 및 그것의 동작 방법에 관한 것이다.
전기차는 외부로부터 전기를 공급받아 배터리 셀을 충전한 후, 배터리 셀에 충전된 전압으로 모터를 구동시켜 동력을 얻는다. 전기차의 배터리 셀은 전기를 충전 및 방전하는 과정에서 발생하는 화학적 반응으로 열이 발생할 수 있고, 이러한 열은 배터리 셀의 성능 및 수명을 손상시킬 수 있다.
배터리 셀은 여러 번 반복하여 사용하면서 충전과 방전을 거치며 노화되어 수명이 점차 짧아지고 용량이 감소한다. 배터리 셀의 용량 감소는 배터리 셀의 사용 온도, 충전 전류, 방전 전류 및 방전 깊이에 따라 달라질 수 있으며, 배터리 셀은 배터리 셀 내부의 양극 물질 또는 음극의 물질과 리튬 이온의 감소하는 양에 따라 용량이 급격하게 감소할 수 있다. 배터리 셀의 용량이 급격하게 감소하는 경우 사용 가능한 배터리 에너지의 감소로 이어져 배터리의 효용성이 감소하고, 배터리의 안정성을 저해하는 문제가 발생한다.
본 문서에 개시되는 실시예들의 일 목적은 다양한 온도, 전류 및 전압 구간에서의 배터리의 용량 감소를 분석하여 배터리의 급속한 용량 감소 현상을 사전에 진단할 수 있는 배터리 용량 예측 장치 및 그것의 동작 방법을 제공하는 데 있다.
본 문서에 개시된 실시예들의 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재들로부터 당업자에게 명확하게 이해될 수 있을 것이다.
본 문서에 개시된 일 실시예에 따른 배터리 용량 예측 장치는 배터리의 기준 용량 대비 상기 배터리의 측정 용량을 비교한 비교 데이터를 추출하고, 상기 배터리의 사이클 변화에 따른 상기 배터리의 용량 변화를 측정한 용량 변화 데이터를 추출하는 추출부 및 상기 비교 데이터 및 상기 용량 변화 데이터에 기초하여 상기 배터리의 용량을 예측하는 컨트롤러를 포함할 수 있다.
일 실시예에 따라, 상기 추출부는 기준 성능 시험(RPT, Reference Performance Test)을 통해 측정된 상기 배터리의 기준 용량 대비 상기 배터리의 측정 용량을 비교한 비교 값을 추출할 수 있다.
일 실시예에 따라, 상기 추출부는 상기 배터리의 온도 변화에 따른 상기 비교 값의 변화 또는 상기 배터리의 전류 변화에 따른 상기 비교 값의 변화를 측정할 수 있다.
일 실시예에 따라, 상기 컨트롤러는 상기 용량 변화 데이터 및 상기 비교 값에 기초하여 기준 성능 시험 조건에서의 상기 배터리의 용량을 예측할 수 있다.
일 실시예에 따라, 상기 컨트롤러는 상기 기준 용량을 상기 배터리의 공칭 용량(Nominal Capacity)으로 환산하여 등가 사이클(FEC, Full Equivalent Cycle) 조건에서의 상기 배터리의 용량을 예측할 수 있다.
일 실시예에 따라, 상기 컨트롤러는 상기 등가 사이클 조건에서의 상기 배터리의 용량에 기초하여 상기 배터리의 용량 변화 패턴을 추출할 수 있다.
일 실시예에 따라, 상기 컨트롤러는 상기 배터리의 용량 변화 패턴을 추출하여 상기 배터리의 기준 성능 시험 직후의 용량 변화 패턴, 정상 용량 변화 패턴 및 급속 용량 퇴화 패턴을 분석할 수 있다.
본 문서에 개시된 일 실시예에 따른 배터리 용량 예측 장치의 동작 방법은 배터리의 기준 용량 대비 상기 배터리의 측정 용량을 비교하여 비교 데이터를 추출하는 단계, 상기 배터리의 사이클 변화에 따른 상기 배터리의 용량 변화를 측정하는 단계 및 상기 비교 데이터 및 상기 용량 변화 데이터에 기초하여 상기 배터리의 용량을 예측할 수 있다.
일 실시예에 따라, 상기 배터리의 기준 용량 대비 상기 배터리의 측정 용량을 비교하여 비교 데이터를 추출하는 단계는 기준 성능 시험(RPT, Reference Performance Test)을 통해 측정된 상기 배터리의 기준 용량 대비 상기 배터리의 측정 용량을 비교한 비교 값을 추출할 수 있다.
일 실시예에 따라, 상기 배터리의 기준 용량 대비 상기 배터리의 측정 용량을 비교하여 비교 데이터를 추출하는 단계는 상기 배터리의 온도 변화에 따른 상기 비교 값의 변화 또는 상기 배터리의 전류 변화에 따른 상기 비교 값의 변화를 측정할 수 있다.
일 실시예에 따라, 상기 비교 데이터 및 상기 용량 변화 데이터에 기초하여 상기 배터리의 용량을 예측하는 단계는 상기 용량 변화 데이터 및 상기 비교 값에 기초하여 기준 성능 시험 조건에서의 상기 배터리의 용량을 예측할 수 있다.
일 실시예에 따라, 상기 비교 데이터 및 상기 용량 변화 데이터에 기초하여 상기 배터리의 용량을 예측하는 단계는 상기 기준 용량을 상기 배터리의 공칭 용량(Nominal Capacity)으로 환산하여 등가 사이클(FEC, Full Equivalent Cycle) 조건에서의 상기 배터리의 용량을 예측할 수 있다.
일 실시예에 따라, 상기 비교 데이터 및 상기 용량 변화 데이터에 기초하여 상기 배터리의 용량을 예측하는 단계는 상기 등가 사이클 조건에서의 상기 배터리의 용량에 기초하여 상기 배터리의 용량 변화 패턴을 추출할 수 있다.
일 실시예에 따라, 상기 비교 데이터 및 상기 용량 변화 데이터에 기초하여 상기 배터리의 용량을 예측하는 단계는 상기 배터리의 용량 변화 패턴을 추출하여 상기 배터리의 기준 성능 시험 직후의 용량 변화 패턴, 정상 용량 변화 패턴 및 급속 용량 퇴화 패턴을 분석할 수 있다.
본 문서에 개시되는 일 실시예에 따른 배터리 용량 예측 장치 및 그것의 동작 방법에 따르면 다양한 온도, 전류 및 전압 구간에서의 배터리의 용량 감소를 분석하여 배터리의 급속한 용량 감소 현상을 사전에 진단할 수 있는 배터리 용량 예측 장치 및 그것의 동작 방법을 제공할 수 있다.
도 1은 본 문서에 개시된 일 실시예에 따른 배터리 팩을 보여주는 도면이다.
도 2는 본 문서에 개시된 일 실시예에 따른 배터리 용량 예측 장치의 구성을 보여주는 블록도이다.
도 3은 본 문서에 개시된 일 실시예에 따른 배터리의 사이클 변화에 따른 배터리의 용량 데이터의 변화와 기준 용량 데이터의 변화를 나타내는 그래프이다.
도 4a는 본 문서에 기재된 일 실시예에 따른 배터리의 온도 변화에 따른 비교 값의 변화를 나타내는 그래프이다.
도 4b는 본 문서에 기재된 일 실시예에 따른 배터리의 전류 변화에 따른 비교 값의 변화를 나타내는 그래프이다.
도 5는 본 문서에 기재된 일 실시예에 따른 배터리의 사이클 변화에 따른 배터리의 사이클 당 용량 퇴화량의 변화를 나타내는 그래프이다.
도 6a는 본 문서에 기재된 일 실시예에 따른 배터리의 등가 사이클 변화에 따른 배터리의 배터리의 용량 변화 패턴을 나타내는 그래프이다.
도 6b는 본 문서에 기재된 일 실시예에 따른 배터리의 등가 사이클 변화에 따른 배터리의 배터리의 용량 변화를 나타내는 그래프이다.
도 7은 본 문서에 개시된 일 실시예에 따른 배터리 용량 예측 장치의 동작 방법을 보여주는 흐름도이다.
도 8은 본 문서에 개시된 일 실시예에 따른 배터리 용량 예측 장치를 구현하는 컴퓨팅 시스템의 하드웨어 구성을 나타내는 블록도이다.
이하, 본 문서에 개시된 일부 실시예들을 예시적인 도면을 통해 상세하게 설명한다. 각 도면의 구성요소들에 참조부호를 부가함에 있어서, 동일한 구성요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호를 가지도록 하고 있음에 유의해야 한다. 또한, 본 문서에 개시된 실시예를 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 문서에 개시된 실시예에 대한 이해를 방해한다고 판단되는 경우에는 그 상세한 설명은 생략한다.
본 문서에 개시된 실시예의 구성 요소를 설명하는 데 있어서, 제 1, 제 2, A, B, (a), (b) 등의 용어를 사용할 수 있다. 이러한 용어는 그 구성 요소를 다른 구성 요소와 구별하기 위한 것일 뿐, 그 용어에 의해 해당 구성 요소의 본질이나 차례 또는 순서 등이 한정되지 않는다. 또한, 다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 문서에 개시된 실시예들이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 가진 것으로 해석되어야 하며, 본 문서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
도 1은 본 문서에 개시된 일 실시예에 따른 배터리 팩을 보여주는 도면이다.
도 1을 참조하면, 본 문서에 개시된 일 실시예에 따른 배터리 팩(1000)은 배터리 모듈(100), 배터리 용량 예측 장치(200), 및 릴레이(300)를 포함할 수 있다.
배터리 모듈(100)은 복수의 배터리 셀들(110, 120, 130, 140)을 포함할 수 있다. 도 1에서는 복수의 배터리 셀들이 4개인 것으로 도시되었지만, 이에 한정되는 것은 아니며, 배터리 모듈(100)은 n(n은 2이상의 자연수)개의 배터리 셀들을 포함하여 구성될 수 있다.
배터리 모듈(100)은 대상 장치(미도시)에 전원을 공급할 수 있다. 이를 위해, 배터리 모듈(100)은 대상 장치와 전기적으로 연결될 수 있다. 여기서, 대상 장치는 복수의 배터리 셀들(110, 120, 130, 140)을 포함하는 배터리 팩(1000)으로부터 전원을 공급받아 동작하는 전기적, 전자적, 또는 기계적인 장치를 포함할 수 있으며, 예를 들어, 대상 장치는 전기 자동차(EV) 또는 에너지 저장 시스템(ESS, Energy Storage System)일 수 있으나 이에 한정되는 것은 아니다.
복수의 배터리 셀들(110, 120, 130, 140)은 전기 에너지를 충방전하여 사용할 수 있는 배터리의 기본 단위로, 리튬이온(Li-ion) 전지, 리튬이온 폴리머(Li-ion polymer) 전지, 니켈 카드뮴(Ni-Cd) 전지, 니켈 수소(Ni-MH) 전지 등일 수 있으며, 이에 한정되지 않는다. 한편, 도 1에서는 배터리 모듈(100)이 한 개인 경우로 도시되나, 실시예에 따라 배터리 모듈(100)은 복수개로 구성될 수도 있다.
배터리 용량 예측 장치(200)는 복수의 배터리 셀들(110, 120, 130, 140)의 온도, 전류 및 전압 데이터에 기초하여 복수의 배터리 셀들(110, 120, 130, 140)의 용량을 예측할 수 있다. 배터리 용량 예측 장치(200)는 복수의 배터리 셀들(110, 120, 130, 140)의 배터리 데이터에 기초하여 배터리의 온도, 전류 및 전압별 복수의 배터리 셀들(110, 120, 130, 140)의 용량을 예측할 수 있다.
일 실시예에 따라, 배터리 용량 예측 장치(200)는 배터리 관리 장치(BMS, Battery Management System)의 형태로 구현될 수 있다. 또한, 실시예에 따라, 배터리 용량 예측 장치(200)는 배터리 관리 장치에 탑재될 수 있다.
여기서 배터리 관리 장치는 배터리 모듈(100)의 상태 및/또는 동작을 관리 및/또는 제어할 수 있다. 예를 들어, 배터리 관리 장치는 배터리 모듈(100)에 포함된 복수의 배터리 셀들(110, 120, 130, 140)의 상태 및/또는 동작을 관리 및/또는 제어할 수 있다. 배터리 관리 장치는 배터리 모듈(100)의 충전 및/또는 방전을 관리할 수 있다.
또한, 배터리 관리 장치는 배터리 모듈(100) 및/또는 배터리 모듈(100)에 포함된 복수의 배터리 셀들(110, 120, 130, 140) 각각의 전압, 전류, 온도 등을 모니터링 할 수 있다. 그리고 배터리 관리 장치에 의한 모니터링을 위해 도시하지 않은 센서나 각종 측정 모듈이 배터리 모듈(100)이나 충방전 경로, 또는 배터리 모듈(100) 등의 임의의 위치에 추가로 설치될 수 있다. 배터리 관리 장치는 모니터링 한 전압, 전류, 온도 등의 측정값에 기초하여 배터리 모듈(100)의 상태를 나타내는 파라미터, 예를 들어 SOC(State of Charge)나 SOH(State of Health) 등을 산출할 수 있다.
배터리 관리 장치는 릴레이(300)의 동작을 제어할 수 있다. 예를 들어, 배터리 관리 장치는 대상 장치에 전원을 공급하기 위해 릴레이(300)를 단락시킬 수 있다. 또한, 배터리 관리 장치는 배터리 팩(1000)에 충전 장치가 연결되는 경우 릴레이(300)를 단락시킬 수 있다.
배터리 관리 장치는 복수의 배터리 셀들(110, 120, 130, 140) 각각의 셀 밸런싱 타임을 산출할 수 있다. 여기서, 셀 밸런싱 타임은 배터리 셀의 밸런싱에 소요되는 시간으로 정의될 수 있다. 예를 들어, 배터리 관리 장치는 복수의 배터리 셀들(110, 120, 130, 140) 각각의 SOC(State of Charge), 배터리 용량 및 밸런싱 효율에 기초하여 셀 밸런싱 타임을 산출할 수 있다.
이하에서 배터리 용량 예측 장치(200)의 구성 및 동작에 대해 구체적으로 설명한다.
도 2 본 문서에 개시된 일 실시예에 따른 배터리 용량 예측 장치의 구성을 보여주는 블록도이다.
이하에서는 도 2를 참조하여 배터리 용량 예측 장치(200)의 구성에 대해 구체적으로 설명한다.
먼저 도 2를 참조하면, 배터리 용량 예측 장치(200)는 추출부(210) 및 컨트롤러(220)를 포함할 수 있다.
추출부(210)는 복수의 배터리 셀들(110, 120, 130, 140)의 용량을 측정한 용량 데이터(C)를 획득할 수 있다.
추출부(210)는 복수의 배터리 셀들(110, 120, 130, 140)의 기준 용량을 측정한 기준 용량 데이터
Figure PCTKR2022020745-appb-img-000001
를 획득할 수 있다. 여기서 기준 용량은 기준 성능 시험(RPT, Reference Performance Test)을 통해 측정된 배터리의 용량이다. 기준 성능 시험은 대상 장치의 퇴화 성능을 확인하기 위해 특정 온도, 특정 전류 및 특정 전압 범위 조건에서 배터리의 수명 또는 용량을 정기적으로 측정할 수 있다. 일 실시예에 따라, 기준 성능 시험은 배터리가 배터리의 SOC가 0%인 전압 값에서 배터리의 SOC가 100% 인 전압 값에 도달할 때까지 특정 온도 및 특정 전류 조건으로 충방전을 반복할 수 있다.
도 3은 본 문서에 개시된 일 실시예에 따른 배터리의 사이클 변화에 따른 배터리의 용량 데이터의 변화와 기준 용량 데이터의 변화를 나타내는 그래프이다. 도 3을 참조하면, 추출부(210)는 복수의 배터리 셀들(110, 120, 130, 140)의 기준 용량 데이터
Figure PCTKR2022020745-appb-img-000002
와 복수의 배터리 셀들(110, 120, 130, 140)의 측정 용량 데이터(C)를 비교하여 복수의 배터리 셀들(110, 120, 130, 140)의 기준 용량
Figure PCTKR2022020745-appb-img-000003
대비 복수의 배터리 셀들(110, 120, 130, 140)의 측정 용량(C)을 비교한 비교 데이터를 추출할 수 있다. 구체적으로, 추출부(210)는 복수의 배터리 셀들(110, 120, 130, 140)의 기준 용량
Figure PCTKR2022020745-appb-img-000004
대비 복수의 배터리 셀들(110, 120, 130, 140)의 측정 용량(C)을 비교한 비교 값
Figure PCTKR2022020745-appb-img-000005
을 추출할 수 있다.
도 4a는 본 문서에 기재된 일 실시예에 따른 배터리의 온도 변화에 따른 비교 값의 변화를 나타내는 그래프이다. 도 4b는 본 문서에 기재된 일 실시예에 따른 배터리의 전류 변화에 따른 비교 값의 변화를 나타내는 그래프이다.
도 4a 및 도 4b를 참조하면, 추출부(210)는 복수의 배터리 셀들(110, 120, 130, 140)의 온도 변화에 따른 비교 값의 변화를 나타내는 그래프를 생성할 수 있다. 또한, 추출부(210)는 복수의 배터리 셀들(110, 120, 130, 140)의 전류 변화에 따른 비교 값
Figure PCTKR2022020745-appb-img-000006
의 변화를 나타내는 그래프를 생성할 수 있다. 추출부(210)는 복수의 배터리 셀들(110, 120, 130, 140)의 온도 변화 또는 복수의 배터리 셀들(110, 120, 130, 140)의 전류 변화에 따른 비교 값
Figure PCTKR2022020745-appb-img-000007
의 변화를 분석하여 복수의 배터리 셀들(110, 120, 130, 140)의 온도 변화에 따른 비교 값
Figure PCTKR2022020745-appb-img-000008
의 변화 또는 배터리의 전류 변화에 따른 비교 값
Figure PCTKR2022020745-appb-img-000009
의 변화 추세를 측정할 수 있다.
추출부(210)는 복수의 배터리 셀들(110, 120, 130, 140)의 사이클 변화에 따른 복수의 배터리 셀들(110, 120, 130, 140)의 사이클 당 용량 변화량을 측정할 수 있다. 즉, 추출부(210)는 복수의 배터리 셀들(110, 120, 130, 140)의 사이클 변화에 따른 복수의 배터리 셀들(110, 120, 130, 140)의 사이클 당 용량 퇴화량
Figure PCTKR2022020745-appb-img-000010
을 측정할 수 있다.
도 5는 본 문서에 기재된 일 실시예에 따른 배터리의 사이클 변화에 따른 배터리의 사이클 당 용량 퇴화량의 변화를 나타내는 그래프이다. 도 5를 참조하면, 추출부(210)는 복수의 배터리 셀들(110, 120, 130, 140)의 사이클 변화에 따른 사이클 당 배터리의 용량 변화를 측정한 용량 변화 데이터를 추출할 수 있다. 예를 들어, 추출부(210)는 복수의 배터리 셀들(110, 120, 130, 140)의 사이클 반복 횟수가 n 일때의 용량이
Figure PCTKR2022020745-appb-img-000011
이고, k번의 사이클 이전의 복수의 배터리 셀들(110, 120, 130, 140)의 용량을
Figure PCTKR2022020745-appb-img-000012
로 정의할 때, 복수의 배터리 셀들(110, 120, 130, 140)의 사이클 당 용량 퇴화량
Figure PCTKR2022020745-appb-img-000013
로 계산할 수 있다.
추출부(210)는 복수의 배터리 셀들(110, 120, 130, 140)의 사이클 변화에 따른 복수의 배터리 셀들(110, 120, 130, 140)의 사이클 당 용량 퇴화량
Figure PCTKR2022020745-appb-img-000014
의 변화를 나타내는 용량 변화 데이터를 추출할 수 있다.
컨트롤러(220)는 비교 데이터 및 용량 변화 데이터에 기초하여 복수의 배터리 셀들(110, 120, 130, 140)의 용량을 예측할 수 있다. 구체적으로, 컨트롤러(220)는 용량 변화 데이터 및 비교 값에 기초하여 기준 성능 시험 조건에서의 복수의 배터리 셀들(110, 120, 130, 140)의 용량 변화를 예측할 수 있다.
컨트롤러(210)는 복수의 배터리 셀들(110, 120, 130, 140)의 사이클 당 용량 퇴화량
Figure PCTKR2022020745-appb-img-000015
에 비교 값의 역수
Figure PCTKR2022020745-appb-img-000016
를 곱하여,
Figure PCTKR2022020745-appb-img-000017
을 기준 성능 시험 조건에서의 복수의 배터리 셀들(110, 120, 130, 140)의 용량 변화율로 산출할 수 있다.
컨트롤러(220)는 예측한 기준 성능 시험 조건에서의 복수의 배터리 셀들(110, 120, 130, 140)의 용량을 기초로 복수의 배터리 셀들의 기준 용량을 복수의 배터리 셀들의 공칭 용량(Nominal Capacity)으로 환산하여 등가 사이클(FEC, Full Equivalent Cycle) 조건에서의 복수의 배터리 셀들의 용량을 예측할 수 있다.
컨트롤러(220)는 기준 성능 시험 조건에서의 복수의 배터리 셀들(110, 120, 130, 140)의 사이클 당 용량 퇴화량
Figure PCTKR2022020745-appb-img-000018
값에 복수의 배터리 셀들(110, 120, 130, 140)의 측정 용량(C) 대비 배터리 셀들(110, 120, 130, 140)의 공칭 용량
Figure PCTKR2022020745-appb-img-000019
을 비교한
Figure PCTKR2022020745-appb-img-000020
값을 곱하여, 등가 사이클(FEC) 조건에서의 복수의 배터리 셀들(110, 120, 130, 140)의 용량 퇴화량
Figure PCTKR2022020745-appb-img-000021
을 산출할 수 있다.
Figure PCTKR2022020745-appb-img-000022
여기서 컨트롤러(220)는 복수의 배터리 셀들(110, 120, 130, 140)의 작은 용량 퇴화량
Figure PCTKR2022020745-appb-img-000023
의 수치를 크게 하기 위해 k 값을 몇 배수로 선정할 수 있다.
컨트롤러(220)는 등가 사이클 조건에서의 배터리의 용량에 기초하여 배터리의 용량 변화 패턴을 추출할 수 있다.
도 6a는 본 문서에 기재된 일 실시예에 따른 배터리의 등가 사이클 변화에 따른 배터리의 용량 변화 패턴을 나타내는 그래프이다. 도 6a를 참조하면, 구체적으로 컨트롤러(220)는 등가 사이클(FEC) 조건에서의 복수의 배터리 셀들(110, 120, 130, 140)의 용량 퇴화량
Figure PCTKR2022020745-appb-img-000024
의 변화를 나타내는 그래프를 산출할 수 있다.
컨트롤러(220)는 다양한 복수의 배터리 셀들(110, 120, 130, 140)의 용량 변화 패턴인 패턴 A, 패턴 B, 패턴 C 및 패턴 D를 추출하여 분석할 수 있다.
도 6a에 있어서, 컨트롤러(220)가 산출한 A 패턴은 복수의 배터리 셀들(110, 120, 130, 140)의 퇴화 속도가 감소할 때 나타나는 패턴으로, 복수의 배터리 셀들(110, 120, 130, 140)의 기준 성능 시험 직후의 배터리 사이클에서 나타날 수 있다. 컨트롤러(220)는 A 패턴을 복수의 배터리 셀들(110, 120, 130, 140)의 온도 또는 전류가 다름에 따라 나타나는 용량 변화 패턴으로 분석할 수 있다.
도 6a에 있어서, 컨트롤러(220)가 산출한 C 패턴은 복수의 배터리 셀들(110, 120, 130, 140)의 퇴화 속도가 일정할 때 나타나는 패턴으로 분석될 수 있다. 컨트롤러(220)는 C 패턴을 복수의 배터리 셀들(110, 120, 130, 140)의 LAM(Loss of Active Material)이 선형적으로 퇴화 할 때 나타나는 용량 변화 패턴으로 분석할 수 있다.
도 6a에 있어서, 컨트롤러(220)가 산출한 D 패턴은 복수의 배터리 셀들(110, 120, 130, 140)의 퇴화 속도가 가속화 될 때 나타나는 패턴으로 분석될 수 있다. 컨트롤러(220)는 D 패턴을 복수의 배터리 셀들(110, 120, 130, 140)의 Lithium Plating 또는 Electrolyte의 급격한 감소로 인하여 복수의 배터리 셀들(110, 120, 130, 140)의 용량이 Exponential로 감소하여 나타나는 패턴으로 분석 할 수 있다.
도 6b는 본 문서에 기재된 일 실시예에 따른 배터리의 등가 사이클 변화에 따른 배터리의 용량 변화를 나타내는 그래프이다. 컨트롤러(220)는 도 6a 도시된 다양한 배터리의 등가 사이클 변화에 따른 배터리의 용량 변화 패턴을 취합하여 배터리의 등가 사이클 변화에 따른 배터리의 용량 변화를 나타내는 그래프를 추출할 수 있다.
컨트롤러(220)는 도 6b를 기초로 복수의 배터리 셀들(110, 120, 130, 140)의 기준 성능 시험 직후의 용량 변화 패턴, 복수의 배터리 셀들(110, 120, 130, 140)의 정상 용량 변화 패턴 및 복수의 배터리 셀들(110, 120, 130, 140)의 급속 용량 퇴화 패턴을 분석할 수 있다.
상술한 바와 같이, 본 문서에 개시된 일 실시예에 따른 배터리 용량 예측 장치(200)에 따르면 다양한 온도, 전류 및 전압 구간에서의 배터리의 용량 감소를 분석하여 배터리의 급속한 용량 감소 현상을 사전에 진단할 수 있다.
또한, 배터리 용량 예측 장치(200)는 배터리의 용량 급속 퇴화를 보다 정확하게 사전에 진단할 수 있어 배터리 관리의 효용성 및 안정성을 향상시킬 수 있다. 또한, 배터리 용량 예측 장치(200)는 기준 성능 시험을 통해 측정한 배터리의 기준 용량과 배터리의 퇴화 사이클 사이의 관계를 정의하여, 배터리의 용량 변화 패턴을 추출할 수 있다.
도 7은 본 문서에 개시된 일 실시예에 따른 배터리 용량 예측 장치의 동작 방법을 보여주는 흐름도이다.
이하에서는 도 1 내지 도 6을 참조하여 배터리 용량 예측 장치(200)의 동작 방법에 대해 설명한다.
배터리 용량 예측 장치(200)는 도 1 내지 도 6을 참조하여 설명한 배터리 용량 예측 장치(200)와 실질적으로 동일할 수 있으므로, 이하에서는 설명의 중복을 피하기 위하여 간략히 설명한다.
도 7을 참조하면, 배터리 용량 예측 장치(200)의 동작 방법은 배터리의 기준 용량 대비 배터리의 측정 용량을 비교하여 비교 데이터를 추출하는 단계(S101), 배터리의 사이클 변화에 따른 배터리의 용량 변화를 측정하는 단계(S102) 및 비교 데이터 및 용량 변화 데이터에 기초하여 배터리의 용량을 예측하는 단계(S103)를 포함할 수 있다.
S101 단계에서, 추출부(210)는 복수의 배터리 셀들(110, 120, 130, 140)의 기준 용량을 측정한 기준 용량 데이터
Figure PCTKR2022020745-appb-img-000025
를 획득할 수 있다. 여기서 기준 용량은 기준 성능 시험(RPT, Reference Performance Test)을 통해 측정된 배터리의 용량이다. 기준 성능 시험은 대상 장치의 퇴화 성능을 확인하기 위해 특정 온도, 특정 전류 및 특정 전압 범위 조건에서 배터리의 수명 또는 용량을 정기적으로 측정할 수 있다. 일 실시예에 따라, 기준 성능 시험은 배터리가 배터리의 SOC가 0%인 전압 값에서 배터리의 SOC가 100% 인 전압 값에 도달할 때까지 특정 온도 및 특정 전류 조건으로 충방전을 반복할 수 있다.
S101 단계에서, 추출부(210)는 복수의 배터리 셀들(110, 120, 130, 140)의 기준 용량 데이터
Figure PCTKR2022020745-appb-img-000026
와 복수의 배터리 셀들(110, 120, 130, 140)의 측정 용량 데이터(C)를 비교하여 복수의 배터리 셀들(110, 120, 130, 140)의 기준 용량
Figure PCTKR2022020745-appb-img-000027
대비 복수의 배터리 셀들(110, 120, 130, 140)의 측정 용량(C)을 비교한 비교 데이터를 추출할 수 있다.
S101 단계에서, 구체적으로, 추출부(210)는 복수의 배터리 셀들(110, 120, 130, 140)의 기준 용량
Figure PCTKR2022020745-appb-img-000028
대비 복수의 배터리 셀들(110, 120, 130, 140)의 측정 용량(C)을 비교한 비교 값
Figure PCTKR2022020745-appb-img-000029
을 추출할 수 있다.
S101 단계에서, 추출부(210)는 복수의 배터리 셀들(110, 120, 130, 140)의 온도 변화에 따른 비교 값의 변화를 나타내는 그래프를 생성할 수 있다. S101 단계에서, 추출부(210)는 복수의 배터리 셀들(110, 120, 130, 140)의 전류 변화에 따른 비교 값
Figure PCTKR2022020745-appb-img-000030
의 변화를 나타내는 그래프를 생성할 수 있다. S101 단계에서, 추출부(210)는 복수의 배터리 셀들(110, 120, 130, 140)의 온도 변화 또는 복수의 배터리 셀들(110, 120, 130, 140)의 전류 변화에 따른 비교 값
Figure PCTKR2022020745-appb-img-000031
의 변화를 분석하여 복수의 배터리 셀들(110, 120, 130, 140)의 온도 변화에 따른 비교 값
Figure PCTKR2022020745-appb-img-000032
의 변화 또는 배터리의 전류 변화에 따른 비교 값
Figure PCTKR2022020745-appb-img-000033
의 변화 추세를 측정할 수 있다.
S102 단계에서, 추출부(210)는 복수의 배터리 셀들(110, 120, 130, 140)의 사이클 변화에 따른 복수의 배터리 셀들(110, 120, 130, 140)의 사이클 당 용량 변화량을 측정할 수 있다. S102 단계에서, 추출부(210)는 복수의 배터리 셀들(110, 120, 130, 140)의 사이클 변화에 따른 복수의 배터리 셀들(110, 120, 130, 140)의 사이클 당 용량 퇴화량
Figure PCTKR2022020745-appb-img-000034
을 측정할 수 있다.
S103 단계에서, 컨트롤러(220)는 비교 데이터 및 용량 변화 데이터에 기초하여 복수의 배터리 셀들(110, 120, 130, 140)의 용량을 예측할 수 있다. S103 단계에서, 컨트롤러(220)는 용량 변화 데이터 및 비교 값에 기초하여 기준 성능 시험 조건에서의 복수의 배터리 셀들(110, 120, 130, 140)의 용량 변화를 예측할 수 있다.
S103 단계에서, 컨트롤러(210)는 복수의 배터리 셀들(110, 120, 130, 140)의 사이클 당 용량 퇴화량
Figure PCTKR2022020745-appb-img-000035
에 비교 값의 역수
Figure PCTKR2022020745-appb-img-000036
를 곱하여,
Figure PCTKR2022020745-appb-img-000037
을 기준 성능 시험 조건에서의 복수의 배터리 셀들(110, 120, 130, 140)의 용량 변화율로 산출할 수 있다.
S103 단계에서, 컨트롤러(220)는 예측한 기준 성능 시험 조건에서의 복수의 배터리 셀들(110, 120, 130, 140)의 용량을 기초로 복수의 배터리 셀들의 기준 용량을 복수의 배터리 셀들의 공칭 용량(Nominal Capacity)으로 환산하여 등가 사이클(FEC, Full Equivalent Cycle) 조건에서의 복수의 배터리 셀들의 용량을 예측할 수 있다.
S103 단계에서, 컨트롤러(220)는 기준 성능 시험 조건에서의 복수의 배터리 셀들(110, 120, 130, 140)의 사이클 당 용량 퇴화량
Figure PCTKR2022020745-appb-img-000038
값에 복수의 배터리 셀들(110, 120, 130, 140)의 측정 용량(C) 대비 배터리 셀들(110, 120, 130, 140)의 공칭 용량
Figure PCTKR2022020745-appb-img-000039
을 비교한
Figure PCTKR2022020745-appb-img-000040
값을 곱하여, 등가 사이클(FEC) 조건에서의 복수의 배터리 셀들(110, 120, 130, 140)의 용량 퇴화량
Figure PCTKR2022020745-appb-img-000041
을 산출할 수 있다.
S103 단계에서, 컨트롤러(220)는 등가 사이클 조건에서의 배터리의 용량에 기초하여 배터리의 용량 변화 패턴을 추출할 수 있다.
S103 단계에서, 컨트롤러(220)는 배터리의 등가 사이클 변화에 따른 배터리의 용량 변화 패턴을 취합하여 배터리의 등가 사이클 변화에 따른 배터리의 용량 변화를 나타내는 그래프를 추출할 수 있다.
S103 단계에서, 컨트롤러(220)는 복수의 배터리 셀들(110, 120, 130, 140)의 기준 성능 시험 직후의 용량 변화 패턴, 복수의 배터리 셀들(110, 120, 130, 140)의 정상 용량 변화 패턴 및 복수의 배터리 셀들(110, 120, 130, 140)의 급속 용량 퇴화 패턴을 분석할 수 있다.
도 8은 본 문서에 개시된 일 실시예에 따른 배터리 용량 예측 장치를 구현하는 컴퓨팅 시스템의 하드웨어 구성을 나타내는 블록도이다.
도 8을 참조하면, 본 문서에 개시된 일 실시예에 따른 컴퓨팅 시스템(2000)은 MCU(2100), 메모리(2200), 입출력 I/F(2300) 및 통신 I/F(2400)를 포함할 수 있다.
MCU(2100)는 메모리(2200)에 저장되어 있는 각종 프로그램(예를 들면, 배터리 용량 예측 함수)을 실행시키고, 이러한 프로그램들을 각종 데이터를 처리하며, 전술한 도 1에 나타낸 배터리 용량 예측 장치(200)의 기능들을 수행하도록 하는 프로세서일 수 있다.
메모리(2200)는 설비 제어 장치(200)의 작동에 관한 각종 프로그램을 저장할 수 있다. 또한, 메모리(2200)는 설비 제어 장치(200)의 작동 데이터를 저장할 수 있다.
이러한 메모리(2200)는 필요에 따라서 복수 개 마련될 수도 있을 것이다. 메모리(2200)는 휘발성 메모리일 수도 있으며 비휘발성 메모리일 수 있다. 휘발성 메모리로서의 메모리(2200)는 RAM, DRAM, SRAM 등이 사용될 수 있다. 비휘발성 메모리로서의 메모리(2200)는 ROM, PROM, EAROM, EPROM, EEPROM, 플래시 메모리 등이 사용될 수 있다. 상기 열거한 메모리(2200)들의 예를 단지 예시일 뿐이며 이들 예로 한정되는 것은 아니다.
입출력 I/F(2300)는, 키보드, 마우스, 터치 패널 등의 입력 장치(미도시)와 디스플레이(미도시) 등의 출력 장치와 MCU(2100) 사이를 연결하여 데이터를 송수신할 수 있도록 하는 인터페이스를 제공할 수 있다.
통신 I/F(2400)는 서버와 각종 데이터를 송수신할 수 있는 구성으로서, 유선 또는 무선 통신을 지원할 수 있는 각종 장치일 수 있다. 예를 들면, 통신 I/F(2400)를 통해 별도로 마련된 외부 서버로부터 저항 측정 및 이상 진단을 위한 프로그램이나 각종 데이터 등을 송수신할 수 있다.
이와 같이, 본 문서에 개시된 일 실시예에 따른 컴퓨터 프로그램은 메모리(2200)에 기록되고, MCU(2100)에 의해 처리됨으로써, 예를 들면 도 1 및 도 2를 참조하여 설명한 배터리 용량 예측 장치(200)의 각 기능들을 수행하는 모듈로서 구현될 수도 있다.
이상의 설명은 본 개시의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 개시가 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 개시의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다.
따라서, 본 개시에 개시된 실시예들은 본 개시의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 개시의 기술 사상의 범위가 한정되는 것은 아니다. 본 개시의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 개시의 권리범위에 포함되는 것으로 해석되어야 할 것이다.

Claims (14)

  1. 배터리의 기준 용량 대비 상기 배터리의 측정 용량을 비교한 비교 데이터를 추출하고, 상기 배터리의 사이클 변화에 따른 상기 배터리의 용량 변화를 측정한 용량 변화 데이터를 추출하는 추출부; 및
    상기 비교 데이터 및 상기 용량 변화 데이터에 기초하여 상기 배터리의 용량을 예측하는 컨트롤러를 포함하는 배터리 용량 예측 장치.
  2. 제1 항에 있어서,
    상기 추출부는 기준 성능 시험(RPT, Reference Performance Test)을 통해 측정된 상기 배터리의 기준 용량 대비 상기 배터리의 측정 용량을 비교한 비교 값을 추출하는 것을 특징으로 하는 배터리 용량 예측 장치.
  3. 제2 항에 있어서,
    상기 추출부는 상기 배터리의 온도 변화에 따른 상기 비교 값의 변화 또는 상기 배터리의 전류 변화에 따른 상기 비교 값의 변화를 측정하는 것을 특징으로 하는 배터리 용량 예측 장치.
  4. 제3 항에 있어서,
    상기 컨트롤러는 상기 용량 변화 데이터 및 상기 비교 값에 기초하여 기준 성능 시험 조건에서의 상기 배터리의 용량을 예측하는 것을 특징으로 하는 배터리 용량 예측 장치.
  5. 제1 항에 있어서,
    상기 컨트롤러는 상기 기준 용량을 상기 배터리의 공칭 용량(Nominal Capacity)으로 환산하여 등가 사이클(FEC, Full Equivalent Cycle) 조건에서의 상기 배터리의 용량을 예측하는 것을 특징으로 하는 배터리 용량 예측 장치.
  6. 제5 항에 있어서,
    상기 컨트롤러는 상기 등가 사이클 조건에서의 상기 배터리의 용량에 기초하여 상기 배터리의 용량 변화 패턴을 추출하는 것을 특징으로 하는 배터리 용량 예측 장치.
  7. 제6 항에 있어서,
    상기 컨트롤러는 상기 배터리의 용량 변화 패턴을 추출하여 상기 배터리의 기준 성능 시험 직후의 용량 변화 패턴, 정상 용량 변화 패턴 및 급속 용량 퇴화 패턴을 분석하는 것을 특징으로 하는 배터리 용량 예측 장치.
  8. 배터리의 기준 용량 대비 상기 배터리의 측정 용량을 비교하여 비교 데이터를 추출하는 단계;
    상기 배터리의 사이클 변화에 따른 상기 배터리의 용량 변화를 측정하는 단계; 및
    상기 비교 데이터 및 상기 용량 변화 데이터에 기초하여 상기 배터리의 용량을 예측하는 단계를 포함하는 배터리 용량 예측 장치의 동작 방법.
  9. 제8 항에 있어서,
    상기 배터리의 기준 용량 대비 상기 배터리의 측정 용량을 비교하여 비교 데이터를 추출하는 단계는 기준 성능 시험(RPT, Reference Performance Test)을 통해 측정된 상기 배터리의 기준 용량 대비 상기 배터리의 측정 용량을 비교한 비교 값을 추출하는 것을 특징으로 하는 배터리 용량 예측 장치의 동작 방법.
  10. 제9 항에 있어서,
    상기 배터리의 기준 용량 대비 상기 배터리의 측정 용량을 비교하여 비교 데이터를 추출하는 단계는 상기 배터리의 온도 변화에 따른 상기 비교 값의 변화 또는 상기 배터리의 전류 변화에 따른 상기 비교 값의 변화를 측정하는 것을 특징으로 하는 배터리 용량 예측 장치의 동작 방법.
  11. 제10 항에 있어서,
    상기 비교 데이터 및 상기 용량 변화 데이터에 기초하여 상기 배터리의 용량을 예측하는 단계는
    상기 용량 변화 데이터 및 상기 비교 값에 기초하여 기준 성능 시험 조건에서의 상기 배터리의 용량을 예측하는 것을 특징으로 하는 배터리 용량 예측 장치의 동작 방법.
  12. 제8 항에 있어서,
    상기 비교 데이터 및 상기 용량 변화 데이터에 기초하여 상기 배터리의 용량을 예측하는 단계는
    상기 기준 용량을 상기 배터리의 공칭 용량(Nominal Capacity)으로 환산하여 등가 사이클(FEC, Full Equivalent Cycle) 조건에서의 상기 배터리의 용량을 예측하는 것을 특징으로 하는 배터리 용량 예측 장치의 동작 방법.
  13. 제12 항에 있어서,
    상기 비교 데이터 및 상기 용량 변화 데이터에 기초하여 상기 배터리의 용량을 예측하는 단계는
    상기 등가 사이클 조건에서의 상기 배터리의 용량에 기초하여 상기 배터리의 용량 변화 패턴을 추출하는 것을 특징으로 하는 배터리 용량 예측 장치의 동작 방법.
  14. 제13 항에 있어서,
    상기 비교 데이터 및 상기 용량 변화 데이터에 기초하여 상기 배터리의 용량을 예측하는 단계는
    상기 배터리의 용량 변화 패턴을 추출하여 상기 배터리의 기준 성능 시험 직후의 용량 변화 패턴, 정상 용량 변화 패턴 및 급속 용량 퇴화 패턴을 분석하는 것을 특징으로 하는 배터리 용량 예측 장치의 동작 방법.
PCT/KR2022/020745 2022-01-07 2022-12-19 배터리 용량 예측 장치 및 그것의 동작 방법 WO2023132520A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2022-0003018 2022-01-07
KR1020220003018A KR20230107066A (ko) 2022-01-07 2022-01-07 배터리 용량 예측 장치 및 그것의 동작 방법

Publications (1)

Publication Number Publication Date
WO2023132520A1 true WO2023132520A1 (ko) 2023-07-13

Family

ID=87073787

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2022/020745 WO2023132520A1 (ko) 2022-01-07 2022-12-19 배터리 용량 예측 장치 및 그것의 동작 방법

Country Status (2)

Country Link
KR (1) KR20230107066A (ko)
WO (1) WO2023132520A1 (ko)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140056693A (ko) * 2012-10-31 2014-05-12 한국전기연구원 배터리 관리 시스템, 및 배터리 관리 시스템을 이용하는 배터리 충전상태의 추정방법
US20140333313A1 (en) * 2013-05-13 2014-11-13 Southwest Research Institute Application independent map-based cycle life testing of battery cells
KR20160067559A (ko) * 2014-12-04 2016-06-14 주식회사 엘지화학 배터리 사용 패턴 분석 장치 및 방법
KR20200140093A (ko) * 2019-06-05 2020-12-15 삼성에스디아이 주식회사 배터리의 충방전 사이클에 따른 용량 변화 예측방법 및 예측시스템

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140056693A (ko) * 2012-10-31 2014-05-12 한국전기연구원 배터리 관리 시스템, 및 배터리 관리 시스템을 이용하는 배터리 충전상태의 추정방법
US20140333313A1 (en) * 2013-05-13 2014-11-13 Southwest Research Institute Application independent map-based cycle life testing of battery cells
KR20160067559A (ko) * 2014-12-04 2016-06-14 주식회사 엘지화학 배터리 사용 패턴 분석 장치 및 방법
KR20200140093A (ko) * 2019-06-05 2020-12-15 삼성에스디아이 주식회사 배터리의 충방전 사이클에 따른 용량 변화 예측방법 및 예측시스템

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
SCHIMPE MICHAEL, BARRERAS JORGE V., WU BILLY, OFFER GREGORY J.: "Battery Degradation-Aware Current Derating: An Effective Method to Prolong Lifetime and Ease Thermal Management", JOURNAL OF THE ELECTROCHEMICAL SOCIETY, ELECTROCHEMICAL SOCIETY., vol. 168, no. 6, 14 June 2021 (2021-06-14), pages 1 - 13, XP093021162, ISSN: 0013-4651, DOI: 10.1149/1945-7111/ac0553 *

Also Published As

Publication number Publication date
KR20230107066A (ko) 2023-07-14

Similar Documents

Publication Publication Date Title
WO2021125676A1 (ko) 배터리 진단 장치 및 방법
WO2021006566A1 (ko) 배터리 셀 진단 장치 및 방법
WO2022092621A1 (ko) 배터리 진단 장치 및 방법
WO2022149824A1 (ko) 배터리 관리 장치 및 방법
WO2021230533A1 (ko) 배터리를 진단하기 위한 장치 및 그 방법
WO2022025533A1 (ko) 배터리 진단 장치 및 방법
WO2020054924A1 (ko) 배터리의 상태를 셀 단위로 진단하는 장치 및 방법
WO2021256791A1 (ko) 배터리 셀 표면 온도 추정 시스템 및 방법
WO2021049753A1 (ko) 배터리 진단 장치 및 방법
WO2023132520A1 (ko) 배터리 용량 예측 장치 및 그것의 동작 방법
WO2022149822A1 (ko) 배터리 관리 장치 및 방법
WO2023287180A1 (ko) 배터리 진단 장치, 배터리 팩, 전기 차량 및 배터리 진단 방법
WO2022035151A1 (ko) 배터리 이상 진단 장치 및 방법
WO2022019703A1 (ko) 배터리를 진단하기 위한 장치 및 그 방법
WO2023013961A1 (ko) 배터리 검사 장치 및 배터리 검사 시스템
WO2022035149A1 (ko) 배터리 이상 진단 장치 및 방법
WO2021125678A1 (ko) 병렬 배터리 릴레이 진단 장치 및 방법
WO2023153765A1 (ko) 배터리 관리 장치 및 그것의 동작 방법
WO2023132521A1 (ko) 배터리 데이터 관리 장치 및 그것의 동작 방법
WO2022139143A1 (ko) 배터리 관리 장치 및 방법
WO2023075244A1 (ko) 배터리 관리 장치 및 그것의 동작 방법
WO2021125674A1 (ko) 배터리 진단 장치 및 방법
WO2023018070A1 (ko) 배터리 관리 장치 및 이를 포함하는 배터리 검사 시스템
WO2023136512A1 (ko) 배터리 충전 심도 산출 장치 및 그것의 동작 방법
WO2023106583A1 (ko) 충전 프로토콜 검사 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: 22919057

Country of ref document: EP

Kind code of ref document: A1