WO2023282596A1 - 스마트 고온 에이징 시스템 - Google Patents

스마트 고온 에이징 시스템 Download PDF

Info

Publication number
WO2023282596A1
WO2023282596A1 PCT/KR2022/009697 KR2022009697W WO2023282596A1 WO 2023282596 A1 WO2023282596 A1 WO 2023282596A1 KR 2022009697 W KR2022009697 W KR 2022009697W WO 2023282596 A1 WO2023282596 A1 WO 2023282596A1
Authority
WO
WIPO (PCT)
Prior art keywords
temperature
battery cell
temperature aging
cell tray
tray stack
Prior art date
Application number
PCT/KR2022/009697
Other languages
English (en)
French (fr)
Inventor
이용구
도성관
권현철
이헌호
Original Assignee
주식회사 엘지에너지솔루션
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 엘지에너지솔루션 filed Critical 주식회사 엘지에너지솔루션
Priority to CN202280007621.5A priority Critical patent/CN116569181A/zh
Priority to US18/038,115 priority patent/US20230406619A1/en
Priority to JP2023529878A priority patent/JP2023550369A/ja
Priority to EP22837948.3A priority patent/EP4231400A1/en
Publication of WO2023282596A1 publication Critical patent/WO2023282596A1/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
    • H01M10/04—Construction or manufacture in general
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65D—CONTAINERS FOR STORAGE OR TRANSPORT OF ARTICLES OR MATERIALS, e.g. BAGS, BARRELS, BOTTLES, BOXES, CANS, CARTONS, CRATES, DRUMS, JARS, TANKS, HOPPERS, FORWARDING CONTAINERS; ACCESSORIES, CLOSURES, OR FITTINGS THEREFOR; PACKAGING ELEMENTS; PACKAGES
    • B65D25/00—Details of other kinds or types of rigid or semi-rigid containers
    • B65D25/02—Internal fittings
    • B65D25/10—Devices to locate articles in containers
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
    • B65G1/00—Storing articles, individually or in orderly arrangement, in warehouses or magazines
    • B65G1/02—Storage devices
    • B65G1/04—Storage devices mechanical
    • B65G1/0407—Storage devices mechanical using stacker cranes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/0464—Convolutional networks [CNN, ConvNet]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00—Secondary cells; Manufacture thereof
    • H01M10/04—Construction or manufacture in general
    • H01M10/0404—Machines for assembling batteries
    • 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
    • H01M10/04—Construction or manufacture in general
    • H01M10/049—Processes for forming or storing electrodes in the battery container
    • 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
    • H01M10/05—Accumulators with non-aqueous electrolyte
    • H01M10/052—Li-accumulators
    • 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
    • H01M10/44—Methods for charging or discharging
    • H01M10/446—Initial charging measures
    • 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
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P70/00—Climate change mitigation technologies in the production process for final industrial or consumer products
    • Y02P70/50—Manufacturing or production processes characterised by the final manufactured product

Definitions

  • the present invention relates to a smart high-temperature aging system for battery cells.
  • secondary batteries are attracting attention as an energy source for electric vehicles, hybrid electric vehicles, etc., which are proposed as a solution to air pollution such as existing gasoline vehicles and diesel vehicles using fossil fuels. Therefore, the types of applications using secondary batteries are diversifying due to the advantages of secondary batteries, and it is expected that secondary batteries will be applied to more fields and products than now.
  • secondary batteries are sometimes classified into lithium ion batteries, lithium ion polymer batteries, lithium polymer batteries, etc. according to the composition of electrodes and electrolytes. It is increasing.
  • secondary batteries include a cylindrical battery and a prismatic battery in which an electrode assembly is embedded in a cylindrical or prismatic metal can, and a pouch-type battery in which the electrode assembly is embedded in a pouch-type case of an aluminum laminate sheet, depending on the shape of the battery case.
  • the electrode assembly embedded in the battery case is a power generating device capable of charging and discharging, consisting of a positive electrode, a negative electrode, and a separator structure interposed between the positive electrode and the negative electrode. It is classified into a jelly-roll type wound with a separator interposed therebetween, and a stack type in which a plurality of positive and negative electrodes of a predetermined size are sequentially stacked in a state in which a separator is interposed.
  • Such a secondary battery is generally subjected to an activation process after injecting an electrolyte.
  • the battery cell forms an SEI film through initial charging, and then rapidly elutes metal foreign substances through high-temperature aging to prevent low-voltage defects from occurring.
  • the high-temperature aging is generally performed at a temperature of 60° C. or higher, the work must be performed in a space where the temperature is maintained constant.
  • temperature control is performed using a general thermometer.
  • the battery cells in the center of the tray are more difficult to heat cycle than the battery cells in the outer part, so the temperature rises excessively.
  • the capacity of the battery cells located in the center is lowered due to an irreversible reaction. phenomenon will occur.
  • the temperature control is performed by manpower, it is difficult to uniformly control the temperature, and since the work must be performed manually, there is a problem that a lot of time and money is required.
  • the present invention has been made to solve the above problems, and an object of the present invention is to provide a smart high-temperature aging system equipped with an algorithm capable of minimizing a temperature deviation in a tray during a high-temperature aging process.
  • the high-temperature aging system includes a battery cell tray stack structure in which battery cell trays accommodating a plurality of battery cells are stacked in multiple stages; At least one tray rack accommodated in the high-temperature aging chamber and including a lattice-shaped storage space in which battery cell tray stacks are accommodated; a stacker crane transporting battery cell trays to the lattice storage space; a thermal imaging camera installed in the stacker crane to acquire thermal image temperature data of the battery cell tray stack loaded in the grid-shaped storage space; and a control unit controlling a temperature in the high-temperature aging chamber based on the thermal image temperature data.
  • the stacker crane includes a mast that moves left and right and a loading table installed on the mast and moving up and down, and the thermal imaging camera collects thermal image temperature data of battery cell trays while moving together when the mast and the loading table are moved. can be acquired
  • At least one heater and a blower fan may be installed in the high-temperature aging chamber to adjust the internal temperature.
  • the controller may calculate temperatures of the center and outer portions of the battery cell tray stack from thermal image temperature data, and adjust the temperature in the high-temperature aging chamber based on the calculated temperatures.
  • control unit may adjust the temperature in the high-temperature aging room when the temperature of the central portion of the battery cell tray stack or the temperature difference between the central portion and the outer portion of the battery cell tray stack is out of a reference range.
  • control unit calculates the average value of the temperature of the center of the entire battery cell tray stack housed in the tray rack or the temperature difference between the center and the outer portion, and if the calculation result is out of the reference range, the entire high-temperature aging room temperature can be adjusted.
  • control unit calculates an average value of the temperature of the central part of some battery cell tray stacks stored in the tray rack or the temperature difference between the central part and the outer part, and if the calculation result is out of the reference range, the corresponding battery cell
  • the temperature of the region where the tray stack is located can be locally controlled.
  • temperature control in the high-temperature aging chamber may be performed by stopping or restarting operation of at least one of at least one heater and a blowing fan, or a combination thereof.
  • control unit may stop the operation of the heater and operate the blowing fan when the inside of the high-temperature aging chamber is cooled.
  • control unit may operate the heater and stop the operation of the blowing fan when the inside of the high-temperature aging chamber is heated.
  • the controller may learn the thermal image temperature data to derive a temperature control algorithm that minimizes a temperature difference between a central portion and an outer portion of the tray stack.
  • control unit may include artificial intelligence that collects thermal image temperature data to configure learning data and derives a temperature control algorithm that minimizes a temperature difference between the center and the outer portion of the tray stack from the learning data.
  • the artificial intelligence may compare the predicted temperature according to the derived temperature control algorithm with the thermal image temperature data of the actual tray stack to verify the validity of the algorithm, and update the verification result to the learning data.
  • the temperature control algorithm may relate to controlling the location and number of heaters or blower fans that are turned on or off and operation time of the heaters or blower fans.
  • the artificial intelligence may be composed of a deep neural network for deep learning.
  • the present invention can automatically minimize the temperature deviation in the tray during the high-temperature aging process by optimally adjusting the temperature in the high-temperature aging room based on an artificial intelligence algorithm, thereby saving energy and improving the performance of the battery cell.
  • FIG. 1 and 2 are schematic diagrams showing a high-temperature aging system according to the present invention.
  • 3 and 4 are schematic diagrams showing the structure of a battery cell tray and a battery cell tray stack.
  • FIG. 5 is a schematic diagram showing a process in which a battery cell tray stack is accommodated in a tray rack.
  • FIG. 7 shows a temperature control algorithm according to the present invention.
  • FIG. 8 is a schematic diagram showing the structure of a deep neural network for deep learning.
  • the terms “include” or “have” are intended to designate that there is a feature, number, step, operation, component, part, or combination thereof described in the specification, but one or more other features It should be understood that it does not preclude the possibility of the presence or addition of numbers, steps, operations, components, parts, or combinations thereof.
  • a part such as a layer, film, region, plate, etc. is said to be “on” another part, this includes not only the case where it is “directly on” the other part, but also the case where another part is present in the middle.
  • a part such as a layer, film, region, plate, etc.
  • being disposed “on” may include the case of being disposed not only on the top but also on the bottom.
  • FIGS. 1 and 2 are schematic diagrams showing a high-temperature aging system according to the present invention.
  • 5 is a schematic diagram showing a process in which a battery cell tray stack is accommodated in a tray rack.
  • the high-temperature aging system 100 includes a battery cell tray stack 110 having a structure in which battery cell trays accommodating a plurality of battery cells are stacked in multiple stages; At least one tray rack 130 accommodated inside the high-temperature aging chamber 120 and including a lattice-shaped storage space in which the battery cell tray stack 110 is accommodated; A stacker crane 140 for transporting battery cell trays to the lattice storage space; a thermal imaging camera 150 installed on the stacker crane 140 to acquire thermal image temperature data of the battery cell trays loaded in the lattice storage space; and a controller 160 for adjusting the temperature in the high-temperature aging chamber based on the thermal image temperature data.
  • the present invention adjusts the temperature of the high-temperature aging room based on the thermal image temperature data, but as will be described later, this temperature control process is performed based on an artificial intelligence algorithm to save energy and improve battery cell performance can improve
  • 3 and 4 are schematic diagrams showing the structure of a battery cell tray and a battery cell tray stack.
  • the high-temperature aging process is performed in the high-temperature aging chamber 120 where the interior is maintained at a constant high temperature, and a plurality of battery cells 1 undergo the high-temperature aging process at once.
  • the battery cells 1 are mounted on a battery cell tray 10 that can arrange a plurality of battery cells 1 at regular intervals.
  • the battery cell tray 10 may have barrier ribs installed therein to form a lattice-shaped storage space, and battery cells 1 may be disposed one by one in the space partitioned by the barrier ribs.
  • the battery cell 1 is shown as a cylindrical battery cell, but there is no particular limitation on the shape of the battery cell, and various types of battery cells such as prismatic battery cells or pouch-type battery cells may be used. In this case, the shape of the barrier rib inside the battery cell tray 10 may be changed according to the shape of the battery cell.
  • Such battery cell trays 10 are multi-layered to form a battery cell tray laminate 110 by stacking a plurality of them as a set for space utilization in a high-temperature aging process.
  • FIG. 4 it is shown that six battery cell trays 10 are stacked to form one battery cell tray stack 110, but the battery cell tray 10 forming the battery cell tray stack 110 The number of is not particularly limited.
  • Any battery cell tray 10 may be used as long as it is not deformed in a high-temperature aging environment, and for example, metal materials such as iron and aluminum or polymer materials such as polycarbonate and acrylic may be used.
  • At least one tray rack 130 may be provided in the high-temperature aging chamber 120 to accommodate the battery cell tray stack 110 .
  • the tray rack 130 has a structure in which a grid-shaped storage space is formed like a bookcase so that the battery cell tray stack 110 can be accommodated.
  • the lattice-type storage space is composed of a certain number of rows and columns, and FIGS. 1 and 5 show that the lattice-type storage space is formed with 9 rows X 5 columns, but the size and number of the lattice-type storage space There are no special restrictions on
  • the battery cell tray stack 110 is stored at a high temperature for a predetermined time after being transported to the grid-shaped storage space of the tray rack 130.
  • the stacker crane 140 transports the battery cell tray 10 to the lattice storage space.
  • the battery cell tray 10 may be transported as an individual battery cell tray, or may be stacked in multiple stages in the form of a battery cell tray stack 110 and then transported to the storage space at once.
  • the stacker crane 140 includes a mast 141 that moves left and right and a loading table 142 installed on the mast 141 and moving up and down.
  • the stacker crane 140 includes a traveling cart 143 configured to move left and right along one side of the tray rack at the bottom of the high-temperature aging room 120 .
  • the traveling cart 143 includes wheels in rolling contact with the bottom surface.
  • a guide rail (not shown) may be formed on a moving path along which the travel cart 143 moves in order to move while maintaining a constant distance between the tray rack 130 and the stacker crane 140.
  • the mast 141 is mounted on the traveling cart 143 in the form of an upright column, supports the loading platform, and provides a path for the loading platform 142 to move up and down.
  • a guide groove (not shown) may be formed on the mast 141 to guide the mounting table 142 to move up and down.
  • the loading table 142 has a plate-like shape, and is a part on which the battery cell tray 10 is mounted during the transportation process, and a wheel (not shown) that can be inserted into a guide groove (not shown) on a surface coupled to the mast 141 ) is coupled, and can move up and down on the mast 141 along the guide groove.
  • the loading table 142 moves up and down on the mast 141, and the mast 141 loads the battery cell tray 10 in a desired space or loads the battery cell tray 10 in a desired space while moving left and right along the guide rail by the traveling cart 143. can be unloaded from
  • At least one heater 121 and a blower fan 122 are installed in the high-temperature aging chamber 120 to control internal temperature.
  • the heater 121 or the blowing fan 122 may be arranged in a predetermined pattern along the wall and ceiling of the high-temperature aging room. To this end, as will be described later, when the temperature of a portion of the battery cell tray stacks disposed in the storage space is excessively increased or decreased, the blowing fan 122 or heater 121 of the corresponding portion is operated to conduct heat convection in the high-temperature aging room.
  • the thermal imaging camera 150 is installed in the stacker crane 140 to acquire thermal image temperature data of the battery cell tray stack 110 loaded in the lattice storage space. Specifically, the thermal imaging camera 150 acquires thermal image temperature data of the battery cell trays while moving together when the mast 141 and the loading table 142 are moved for loading or unloading of the battery cell trays 10. do.
  • the thermal imaging camera 150 may be coupled to the mounting table 142 . In this case, the battery cell tray stack 110 can be naturally photographed while the mast 141 moves left and right and the loading table 142 moves up and down.
  • the thermal imaging camera 150 photographs the surface of the battery cell tray stack 110, and indicates the temperature distribution for each region through color. Through this, it is possible to simultaneously measure the temperature of two or more points of the measurement target. Furthermore, since it is possible to continuously check the temperature between each point by using the thermal imaging camera 150, it is possible to intuitively or qualitatively grasp the temperature distribution of the entire region of the measurement target. For example, an area with a relatively low temperature may have a darker color than an area with a higher temperature. Alternatively, each temperature distribution may be expressed in different colors, so that areas with high temperatures are red and areas with low temperatures are relatively blue.
  • the thermal imaging camera 150 to photograph the temperature of the battery cell tray stack 110, compared to using a conventional thermometer, the temperature distribution of the entire measurement target is captured on one screen, It is possible to measure the temperature of not only one point of the target but also the entire area of the measurement target. As will be described later, this allows the temperature difference between the center and the outer portion of the battery cell tray stack 110 to be grasped in one shot, and the temperature of the center portion to be more easily grasped than using a thermometer.
  • the controller 160 may be a computing device, and when thermal image temperature data is acquired by the thermal image camera, the controller 160 adjusts the temperature in the high-temperature aging chamber 120 based on the thermal image temperature data.
  • the controller 160 acquires thermal image temperature data of the outer portion by converting the thermal image into specific temperature values.
  • a method for the controller to convert an image captured by a thermal imaging camera into a specific temperature value may be performed by a conventional computing device or program.
  • control unit 160 calculates temperatures of the center and outer portions of the battery cell tray stack from the thermal image temperature data.
  • a battery cell tray stack 110 in which battery cell trays are stacked in multiple stages is mounted in the grid-shaped storage space in the tray rack 130.
  • the central portion (A) of the battery cell tray stack 110 has a higher temperature than the outer portion because heat circulation is difficult due to surrounding structures (other battery cell trays).
  • the control unit 160 controls the temperature of the high-temperature aging chamber from temperature data of the central and outer portions of the battery cell tray stack 110 .
  • the control unit 160 controls the temperature of the high-temperature aging chamber 120 based on the temperature of the central portion of the battery cell tray stack 110 or the temperature difference between the central portion and the outer portion of the battery cell tray stack 110. Specifically, the control unit 160 controls the temperature in the high-temperature aging chamber 120 when the temperature of the central portion of the battery cell tray stack 110 or the temperature difference between the central portion and the outer portion of the battery cell tray stack 110 is out of a reference range.
  • the reference range is a temperature range that is determined to be an appropriate value, and can be appropriately adjusted according to the size of the battery cell tray, the size of the battery cell tray, the size of the storage space, and the temperature of the high-temperature aging room.
  • the controller stops heating the high-temperature aging chamber 120 and inside temperature can be lowered.
  • control unit 160 calculates the temperature of the center of the entire battery cell tray stack 110 stored in the tray rack 130 or the average value of the temperature difference between the center and the outer portion, and the calculation result is within a predetermined range. When out of range, the temperature of the entire high-temperature aging chamber 120 can be adjusted. In this case, the controller 160 determines whether to adjust the temperature based on all battery cells in the tray rack 130 .
  • control unit 160 calculates an average value of the temperature of the center or the temperature difference between the center and the outer portion of some battery cell tray stacks 110 stored in the tray rack 130, and the calculation result is based If out of range, the temperature of the region where the corresponding battery cell tray stack 110 is located is locally controlled. For example, the controller 160 calculates an average value for the temperature of the center of the battery cell tray stack 110 located in any one row or column of the tray rack 130 or the temperature difference between the center and the periphery. If the result is out of the standard range, the temperature of the region where the corresponding battery cell tray stack 110 is located is locally adjusted. Alternatively, when a region having a higher temperature than other regions occurs in some regions of the tray rack 130, the temperature of the region may be locally adjusted.
  • Temperature control in the high-temperature aging chamber 120 may be performed by stopping or restarting at least one of the at least one heater 121 and the blowing fan 122, or a combination thereof. Since the heaters 121 or blowing fans 122 are arranged in a predetermined pattern along the walls and ceiling of the high-temperature aging room 120, The temperature of the target area can be adjusted by operating or not operating all or part of it.
  • the controller 160 stops the operation of the heater 121 and operates the blowing fan 122 when the inside of the high temperature aging room 120 is cooled.
  • the controller 160 operates the heater 121 and stops the operation of the blowing fan 122 when the inside of the high-temperature aging chamber 120 is heated. For example, when the temperature of the central portion is excessively increased and the inside of the high-temperature aging chamber 120 is cooled, when the operation of the heater 121 is stopped, heat is dissipated from the center of the battery cell tray stack 110 to the outer portion, The temperature of the part can be maintained at a high temperature.
  • each graph shows a temperature change measured at various points of the battery cell tray stack constituting the battery cell tray stack 110 .
  • the battery cell tray exhibiting the maximum temperature has a temperature of about 53 ° C, and the lowest temperature ( It can be seen that the temperature of the battery cell tray located at the outer portion) is about 35 ° C, and the temperature difference is 18 ° C. In this case, it can be seen that the temperature difference gradually decreases as the temperature in the high-temperature aging chamber is adjusted using a blowing fan and a heater as in the present invention.
  • FIG. 7 shows a temperature control algorithm according to the present invention.
  • the controller 160 may learn the thermal image temperature data to derive a temperature control algorithm that minimizes a temperature difference between the central portion and the outer portion of the battery cell tray stack 110 .
  • the control unit 160 automatically controls the temperature by the operation method as mentioned in the first embodiment so that the temperature difference between the center and the outer portion is minimized through the algorithm. It takes less time and money, and the temperature difference can be precisely controlled.
  • the controller 160 may further include artificial intelligence for temperature control.
  • the artificial intelligence collects thermal image temperature data to configure learning data, and derives a temperature control algorithm that minimizes a temperature difference between the center and the outer portion of the battery cell tray stack 110 from the learning data.
  • the artificial intelligence controls the temperature in the high-temperature aging 120 chamber in the same way as in the first embodiment according to the temperature control algorithm. That is, the artificial intelligence learns the temperature control algorithm by machine learning or deep learning.
  • the high-temperature aging system 100 stores thermal image temperature data obtained while performing multiple temperature measurements. This may be stored in a classified state according to measurement time, initial temperature conditions, and specifications of battery cells, battery cell trays, tray racks, etc., and a DB for storing and managing the data may be prepared in a separate storage device.
  • the DB may be used as a basic material for constructing the learning data.
  • control unit 160 collects stored thermal image temperature data to configure learning data, and from the learning data, a temperature control algorithm that minimizes the temperature difference between the center and the outer portion of the battery cell tray stack 110 It may include artificial intelligence that derives The artificial intelligence may configure learning data by updating newly measured results in a pre-stored DB.
  • the artificial intelligence derives a temperature control algorithm from the learning data to minimize the temperature difference between the center and the outer portion of the battery cell tray stack 110 .
  • the temperature control algorithm may relate to controlling the location and number of heaters or blower fans that are turned on or off and operation time of the heaters or blower fans.
  • Artificial intelligence derives the temperature control algorithm according to the position, number, and temperature data of the battery cell tray stack to control the temperature.
  • the artificial intelligence controls the temperature according to the algorithm and verifies the validity of the algorithm.
  • This verification process may be performed by comparing the predicted temperature according to the derived temperature control algorithm with thermal image temperature data of the actual battery cell tray stack 110 . For example, after adjusting the temperature according to the derived temperature control algorithm, the temperature difference between the center and the outer portion of the battery cell tray stack 110 does not match the predicted result, or the difference in effect is greater than the temperature data according to the conventional conditions. If there is no , the stored training data is modified and updated. At this time, the reason why the algorithm is not valid can be analyzed by considering the experimental conditions input together with the stored data. As such, the present invention can precisely and efficiently control the temperature by machine learning the temperature control algorithm by artificial intelligence.
  • FIG. 8 is a schematic diagram showing the structure of a deep neural network for deep learning.
  • the controller 160 may learn the thermal image temperature data to derive a temperature control algorithm that minimizes a temperature difference between the center and the outer portion of the battery cell tray stack 110.
  • the controller 160 may further include artificial intelligence for temperature control.
  • the artificial intelligence collects thermal image temperature data to form learning data, and derives a temperature control algorithm that minimizes a temperature difference between the central portion and the outer portion of the battery cell tray stack 110 from the learning data.
  • the artificial intelligence may be composed of a deep neural network for deep learning.
  • a deep neural network is one of machine learning models that classify input data based on learned data, and builds one or more layers in one or more computers to A system or network that makes decisions based on data.
  • a deep neural network may include an input layer 161, one or more hidden layers 162, and an output layer 163.
  • the learning data is input to the input layer 161, and result values calculated through the hidden layer and the output layer are compared with actual values to inversely update weight values. After all learning is completed, the result value can be obtained by inputting the information required for prediction.
  • the hidden layer 162 may include a convolution layer, a pooling layer, and a fully connected layer.
  • the convolution layer may extract a feature map from an image input to the input layer and perform a convolution operation.
  • the pooling layer may be connected to the convolution layer to perform subsampling on the output of the convolution layer.
  • the fully-connected layer is connected to the pooling layer and learns the output of the subsampled pooling layer to learn according to the category to be output to the output layer 163.
  • connection structure of each layer constituting the deep neural network may be formed by properly selecting a known algorithm, for example, a convolutional neural network (CNN) structure or a recurrent neural network (RNN) structure.
  • CNN convolutional neural network
  • RNN recurrent neural network
  • Such a deep neural network may be implemented in one computer, or may be implemented through a network by connecting a plurality of computers.
  • the learning unit 160 inputs the updated training data to the input layer 161 on the deep neural network.
  • the input training data is output as a final output from the output layer 163 via the hidden layer 162 .
  • the learning unit may learn newly updated training data by updating a weight according to a validation result of a prediction result.
  • control unit derives a new temperature control algorithm from the learned data and applies it to adjust the temperature in the high-temperature aging room. Afterwards, the validity of the algorithm is verified through the temperature control result, and the process of reflecting it is automatically repeated, and the temperature of the high-temperature aging room can be precisely controlled.

Landscapes

  • Engineering & Computer Science (AREA)
  • General Chemical & Material Sciences (AREA)
  • Electrochemistry (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Chemical & Material Sciences (AREA)
  • Manufacturing & Machinery (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Mechanical Engineering (AREA)
  • Biophysics (AREA)
  • Software Systems (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Secondary Cells (AREA)

Abstract

본 발명은 고온 에이징 시스템에 관한 것으로, 내부에 다수 개의 전지셀이 수용된 전지셀 트레이가 다단으로 적층된 구조의 전지셀 트레이 적층체; 고온 에이징실 내부에 수용되며, 전지셀 트레이 적층체가 수용되는 격자형 수납 공간을 포함하는 적어도 한 개 이상의 트레이 랙; 상기 격자형 수납 공간으로 전지셀 트레이를 운반하는 스태커 크레인; 상기 스태커 크레인에 설치되어, 상기 격자형 수납 공간에 적재된 전지셀 트레이들의 열화상 온도 데이터를 취득하는 열화상 카메라; 및 상기 열화상 온도 데이터에 기초하여 고온 에이징실 내의 온도를 조절하는 제어부; 를 포함한다.

Description

스마트 고온 에이징 시스템
본 발명은 전지셀의 스마트 고온 에이징 시스템에 관한 것이다.
본 출원은 2021.7.6 자 한국 특허 출원 제10-2021-0088257호에 기초한 우선권의 이익을 주장하며, 해당 한국 특허 출원의 문헌에 개시된 모든 내용은 본 명세서의 일부로서 포함된다.
최근, 충방전이 가능한 이차전지는 와이어리스 모바일 기기의 에너지원으로
광범위하게 사용되고 있다. 또한, 이차전지는, 화석 연료를 사용하는 기존의 가솔린 차량, 디젤 차량 등의 대기오염 등을 해결하기 위한 방안으로 제시되고 있는 전기자동차, 하이브리드 전기자동차 등의 에너지원으로서도 주목받고 있다. 따라서, 이차전지를 사용하는 애플리케이션의 종류는 이차전지의 장점으로 인해 매우 다양화되고 있으며, 향후에는 지금보다는 많은 분야와 제품들에 이차전지가 적용될 것으로 예상된다.
이러한 이차전지는 전극과 전해액의 구성에 따라 리튬이온 전지, 리튬이온 폴리머 전지, 리튬 폴리머 전지 등으로 분류되기도 하며, 그 중 전해액의 누액 가능성이 적으며, 제조가 용이한 리튬이온 폴리머 전지의 사용량이 늘어나고 있다. 일반적으로, 이차전지는 전지케이스의 형상에 따라, 전극조립체가 원통형 또는 각형의 금속 캔에 내장되어 있는 원통형 전지 및 각형 전지와, 전극조립체가 알루미늄 라미네이트 시트의 파우치형 케이스에 내장되어 있는 파우치형 전지로 분류되며, 전지케이스에 내장되는 전극조립체는 양극, 음극, 및 상기 양극과 상기 음극 사이에 개재된 분리막 구조로 이루어져 충방전이 가능한 발전소자로서, 활물질이 도포된 긴 시트형의 양극과 음극 사이에 분리막을 개재하여 권취한 젤리-롤형과, 소정 크기의 다수의 양극과 음극을 분리막에 개재된 상태에서 순차적으로 적층한 스택형으로 분류된다.
이와 같은 이차전지는 일반적으로 전해액 주액 후 활성화 공정이 수행되며, 활성화 공정에서 전지셀은 초기 충전을 통해 SEI 피막을 형성시킨 후, 고온 에이징을 통해 금속 이물을 신속히 용출시켜 저전압 불량이 발생하는 것을 방지하게 된다.
상기 고온 에이징은 일반적으로 60℃ 이상의 온도에서 수행되므로, 온도가 일정하게 유지되는 공간에서 작업이 수행되어야 한다. 그러나 종래에는 전지셀이 다수 개 탑재된 트레이들을 적치한 후, 온도 조절을 일반적인 온도계를 사용하여 수행하였다. 그러나 이와 같은 경우 고온 에이징실 내의 전지셀 중 트레이 중심부의 전지셀은 외곽부의 전지셀에 비해 열순환이 어려워서 과도하게 온도가 올라가게 되며, 이 경우 중심부에 위치한 전지셀의 용량이 비가역 반응으로 인해 저하되는 현상이 발생하게 된다. 또한, 온도 조절을 인력에 의해 수행할 경우 균일한 온도조절이 어려우며, 작업을 일일이 수동으로 해야 하므로 시간 및 비용이 많이 소요된다는 문제가 있었다.
[선행기술문헌]
[특허문헌]
대한민국 공개특허 제10-2015-0026994호
본 발명은 상기와 같은 과제를 해결하기 위해 안출된 것으로, 고온 에이징 과정에서 트레이 내 온도 편차를 최소화할 수 있는 알고리즘을 구비한 스마트 고온 에이징 시스템을 제공하는 것을 목적으로 한다.
본 발명에 따른 고온 에이징 시스템은 내부에 다수 개의 전지셀이 수용된 전지셀 트레이가 다단으로 적층된 구조의 전지셀 트레이 적층체; 고온 에이징실 내부에 수용되며, 전지셀 트레이 적층체가 수용되는 격자형 수납 공간을 포함하는 적어도 한 개 이상의 트레이 랙; 상기 격자형 수납 공간으로 전지셀 트레이를 운반하는 스태커 크레인; 상기 스태커 크레인에 설치되어, 상기 격자형 수납 공간에 적재된 전지셀 트레이 적층체의 열화상 온도 데이터를 취득하는 열화상 카메라; 및 상기 열화상 온도 데이터에 기초하여 고온 에이징실 내의 온도를 조절하는 제어부; 를 포함한다.
구체적인 예에서, 상기 스태커 크레인은 좌우 이동하는 마스트 및 상기 마스트에 설치되어 승강 이동하는 적재대를 포함하며, 상기 열화상 카메라는 마스트 및 적재대의 이동 시 함께 이동하면서 전지셀 트레이들의 열화상 온도 데이터를 취득할 수 있다.
구체적인 예에서, 상기 고온 에이징실에는 내부의 온도 조절을 위한 적어도 한 개 이상의 히터 및 송풍 팬이 설치될 수 있다.
구체적인 예에서, 상기 제어부는 열화상 온도 데이터로부터 전지셀 트레이 적층체의 중심부와 외곽부의 온도를 산출하고, 산출된 온도에 근거하여 고온 에이징실 내의 온도를 조절할 수 있다.
구체적으로, 상기 제어부는 상기 전지셀 트레이 적층체의 중심부의 온도 또는 중심부와 외곽부의 온도 차이가 기준 범위를 벗어난 경우 고온 에이징실 내의 온도를 조절할 수 있다.
하나의 구체예에서, 상기 제어부는 트레이 랙 내에 수납된 전체 전지셀 트레이 적층체의 중심부의 온도 또는 중심부와 외곽부의 온도 차이의 평균값을 산출하고, 상기 산출 결과가 기준 범위를 벗어난 경우 고온 에이징실 전체의 온도를 조절할 수 있다.
다른 하나의 구체예에서, 상기 제어부는 트레이 랙 내 수납된 일부 전지셀 트레이 적층체의 중심부의 온도 또는 중심부와 외곽부의 온도 차이의 평균값을 산출하고, 상기 산출 결과가 기준 범위를 벗어난 경우 해당 전지셀 트레이 적층체가 위치한 영역의 온도를 국소적으로 조절할 수 있다.
이 때, 상기 고온 에이징실 내의 온도 조절은 적어도 한 개 이상의 히터 및 송풍 팬 중 적어도 하나의 작동 중단, 재가동 또는 이들의 조합에 의해 수행될 수 있다.
구체적으로, 상기 제어부는 고온 에이징실 내부를 감온시킬 경우 히터의 작동을 중단하고, 송풍 팬을 가동시킬 수 있다.
또한, 상기 제어부는 고온 에이징실 내부를 승온시킬 경우 히터를 가동하고, 송풍 팬의 작동을 중단시킬 수 있다.
다른 하나의 예에서, 상기 제어부는, 상기 열화상 온도 데이터를 학습하여 상기 트레이 적층체의 중심부와 외곽부의 온도 차이가 최소화되는 온도 조절 알고리즘을 도출할 수 있다.
구체적으로, 상기 제어부는 열화상 온도 데이터를 수집하여 학습 데이터를 구성하고, 상기 학습 데이터로부터 상기 트레이 적층체의 중심부와 외곽부의 온도 차이가 최소화되는 온도 조절 알고리즘을 도출하는 인공지능을 포함할 수 있다.
상기 인공지능은 도출된 온도 조절 알고리즘에 따른 예측 온도와 실제 트레이 적층체의 열화상 온도 데이터를 대비하여 알고리즘의 유효성을 검증하고, 학습 데이터에 검증 결과를 업데이트할 수 있다.
상기 온도 조절 알고리즘은 가동 또는 작동 중단하는 히터 또는 송풍 팬의 위치 및 개수 및 히터 또는 송풍 팬의 가동 시간의 조절에 관한 것일 수 있다.
상기 인공지능은 딥러닝을 위한 심층신경망으로 구성될 수 있다.
본 발명은 인공지능 알고리즘을 기반으로 하여 고온 에이징실 내 온도를 최적으로 조절함으로써 고온 에이징 과정에서 트레이 내 온도 편차를 자동으로 최소화할 수 있어 에너지를 절감하고, 전지셀의 성능을 향상시킬 수 있다.
도 1 및 도 2는 본 발명에 따른 고온 에이징 시스템을 나타낸 모식도이다.
도 3 및 도 4는 전지셀 트레이 및 전지셀 트레이 적층체의 구조를 나타낸 모식도이다.
도 5는 트레이 랙 내에 전지셀 트레이 적층체가 수납되는 과정을 나타낸 모식도이다.
도 6은 전지셀 트레이 적층체 내 전지셀 트레이들의 시간에 따른 온도 변화를 나타낸 것이다.
도 7은 본 발명에 따른 온도 조절 알고리즘을 나타낸 것이다.
도 8은 딥러닝을 위한 심층신경망의 구조를 나타낸 모식도이다.
이하, 본 발명에 대하여 상세히 설명하기로 한다. 이에 앞서, 본 명세서 및 특허청구범위에 사용된 용어 또는 단어는 통상적이거나 사전적인 의미로 한정해서 해석되어서는 아니되며, 발명자는 그 자신의 발명을 가장 최선의 방법으로 설명하기 위해 용어의 개념을 적절하게 정의할 수 있다는 원칙에 입각하여 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야만 한다.
본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다. 또한, 층, 막, 영역, 판 등의 부분이 다른 부분 "상에" 있다고 할 경우, 이는 다른 부분 "바로 위에" 있는 경우뿐만 아니라 그 중간에 또 다른 부분이 있는 경우도 포함한다. 반대로 층, 막, 영역, 판 등의 부분이 다른 부분 "하에" 있다고 할 경우, 이는 다른 부분 "바로 아래에" 있는 경우뿐만 아니라 그 중간에 또 다른 부분이 있는 경우도 포함한다. 또한, 본 출원에서 "상에" 배치된다고 하는 것은 상부뿐 아니라 하부에 배치되는 경우도 포함하는 것일 수 있다.
이하 본 발명에 대해 자세히 설명한다.
(제1 실시형태)
도 1 및 도 2는 본 발명에 따른 고온 에이징 시스템을 나타낸 모식도이다. 도 5는 트레이 랙 내에 전지셀 트레이 적층체가 수납되는 과정을 나타낸 모식도이다.
도 1, 도 2 및 도 5를 참조하면, 본 발명에 따른 고온 에이징 시스템(100)은 내부에 다수 개의 전지셀이 수용된 전지셀 트레이가 다단으로 적층된 구조의 전지셀 트레이 적층체(110); 고온 에이징실(120) 내부에 수용되며, 전지셀 트레이 적층체(110)가 수용되는 격자형 수납 공간을 포함하는 적어도 한 개 이상의 트레이 랙(130); 상기 격자형 수납 공간으로 전지셀 트레이를 운반하는 스태커 크레인(140); 상기 스태커 크레인(140)에 설치되어, 상기 격자형 수납 공간에 적재된 전지셀 트레이들의 열화상 온도 데이터를 취득하는 열화상 카메라(150); 및 상기 열화상 온도 데이터에 기초하여 고온 에이징실 내의 온도를 조절하는 제어부(160); 를 포함한다.
이와 같이, 본 발명은 열화상 온도 데이터에 기초하여 고온 에이징실의 온도를 조절하되, 후술하는 바와 같이 이러한 온도 조절 과정을 인공지능 알고리즘을 기반으로 하여 수행함으로써 에너지를 절감하고, 전지셀의 성능을 향상시킬 수 있다.
이하 고온 에이징 시스템의 각 구성에 대해 상세히 설명한다.
도 3 및 도 4는 전지셀 트레이 및 전지셀 트레이 적층체의 구조를 나타낸 모식도이다.
본 발명에서, 고온 에이징 과정은 내부가 고온으로 일정하게 유지되는 고온 에이징실(120)에서 진행되며, 다수 개의 전지셀(1)이 한꺼번에 고온 에이징 과정을 거치게 된다. 이를 위해, 전지셀(1)을 일정한 간격으로 다수 개 배치할 수 있는 전지셀 트레이(10) 상에 전지셀을 탑재한다.
상기 전지셀 트레이(10)는 내부에 격벽이 설치되어 격자 형태의 수납 공간을 형성할 수 있으며, 격벽으로 구획된 공간에 전지셀(1)들이 한 개씩 배치될 수 있다. 도 3에서, 상기 전지셀(1)은 원통형 전지셀인 것으로 도시하였으나 전지셀의 형태에 특별한 제한은 없으며 각형 전지셀 또는 파우치형 전지셀 등 다양한 형태의 전지셀이 사용될 수 있다. 이 경우 전지셀 트레이(10) 내부의 격벽은 전지셀의 형태에 맞추어 그 형상이 변경될 수 있다.
이와 같은 전지셀 트레이(10)는 고온 에이징 공정에서 공간 활용을 위해 다수 개를 한 세트로 하여 다단 적층되어 전지셀 트레이 적층체(110)를 형성하게 된다. 도 4의 경우, 6개의 전지셀 트레이(10)가 적층되어 하나의 전지셀 트레이 적층체(110)를 형성하는 것으로 나타내었는데, 전지셀 트레이 적층체(110)를 형성하는 전지셀 트레이(10)의 개수는 특별히 한정되지 않는다.
상기 전지셀 트레이(10)는 고온 에이징 환경에서 변형되지 않는 것이라면 어떤 것이든지 사용 가능하며, 예를 들어 철, 알루미늄 등의 금속 소재 또는 폴리카보네이트, 아크릴 등의 고분자 소재를 모두 사용할 수 있다.
도 5를 도 1 및 도 2와 함께 참조하면, 고온 에이징실(120) 내에는 전지셀 트레이 적층체(110)를 수용하기 위해 적어도 한 개 이상의 트레이 랙(130)이 구비될 수 있다. 상기 트레이 랙(130)은 전지셀 트레이 적층체(110)가 수용될 수 있도록 격자형 수납 공간이 책장과 같이 형성되어 있는 구조이다. 상기 격자형 수납 공간은 일정 수의 행 및 단으로 구성되어 있으며, 도 1 및 도 5에는 9행X5단으로 격자형 수납 공간이 형성되어 있는 모습이 도시되어 있으나, 격자형 수납 공간의 크기 및 개수에 특별한 제한은 존재하지 않는다.
상기 전지셀 트레이 적층체(110)는 상기 트레이 랙(130)의 격자형 수납 공간으로 운반된 후 소정 시간 동안 고온에서 보관된다. 스태커 크레인(140)은 상기 격자형 수납 공간으로 전지셀 트레이(10)를 운반한다. 이 때, 상기 전지셀 트레이(10)는 개별 전지셀 트레이 상태로 운반될 수도 있고, 전지셀 트레이 적층체(110) 형태로 다단 적층된 후 한꺼번에 수납 공간으로 운반될 수 있다.
본 발명에서, 상기 스태커 크레인(140)은 좌우 이동하는 마스트(141) 및 상기 마스트(141)에 설치되어 승강 이동하는 적재대(142)를 포함한다. 상기 스태커 크레인(140)은 고온 에이징실(120)의 바닥에서 트레이 랙의 일측을 따라 좌우 이동하도록 구성된 주행 대차(143)를 포함한다. 상기 주행 대차(143)는 바닥면에 구름 접촉하는 휠을 포함한다. 이 때, 트레이 랙(130)과 스태커 크레인(140) 사이에 일정한 간격을 유지한 상태로 이동하기 위해 주행 대차(143)가 이동하는 이동 경로에 가이드 레일(미도시)이 형성될 수 있다.
상기 마스트(141)는 주행 대차(143) 상에 직립된 기둥 형태로 장착되며 적재대를 지지하고 적재대(142)가 상하 운동할 수 있는 경로를 제공한다. 또한, 상기 마스트(141) 상에는 적재대(142)가 상하 이동할 수 있도록 유도하는 가이드 홈(미도시)이 형성될 수 있다.
상기 적재대(142)는 판형 형상으로, 운반 과정에 전지셀 트레이(10)가 탑재되는 부분이며, 마스트(141)와 결합하는 면에 가이드 홈(미도시)에 삽입될 수 있는 휠(미도시)이 결합되어 있어, 상기 가이드 홈을 따라 마스트(141) 상에서 상하 이동할 수 있다. 상기 적재대(142)는 마스트(141) 상에서 상하 이동하고, 마스트(141)는 주행 대차(143)에 의해 가이드 레일을 따라 좌우 이동하면서 전지셀 트레이(10)를 원하는 공간에 로딩하거나, 원하는 공간으로부터 언로딩할 수 있다.
상기 고온 에이징실(120)에는 내부의 온도 조절을 위해 적어도 한 개 이상의 히터(121) 및 송풍 팬(122)이 설치되어 있다. 고온 에이징실(120)의 균일한 승온 및 감온을 위해 상기 히터(121) 또는 송풍 팬(122)은 고온 에이징실의 벽면 및 천장을 따라 일정한 패턴으로 배열될 수 있다. 이를 위해 후술하는 바와 같이 수납 공간에 배치된 전지셀 트레이 적층체들 중 일부분의 온도가 지나치게 상승하거나 하강할 경우 해당 부분의 송풍 팬(122) 또는 히터(121)를 가동시켜 고온 에이징실 내의 열 대류를 통해 온도를 조절할 수 있는 것이다. 도 1 및 도 2에는 히터(121) 및 송풍 팬(122)이 교번하여 배치되는 것으로 도시되었으나 이에 제한되는 것은 아니며, 히터를 고온 에이징실의 일측에 두고 송풍 팬을 통해 온도를 조절하는 것도 가능하다.
한편, 열화상 카메라(150)는 스태커 크레인(140)에 설치되어 격자형 수납 공간에 적재된 전지셀 트레이 적층체(110)의 열화상 온도 데이터를 취득한다. 구체적으로, 상기 열화상 카메라(150)는 전지셀 트레이(10)의 로딩 또는 언로딩을 위해 마스트(141) 및 적재대(142)의 이동시 함께 이동하면서, 전지셀 트레이들의 열화상 온도 데이터를 취득한다. 예를 들어, 상기 열화상 카메라(150)는 적재대(142) 상에 결합되어 있는 형태일 수 있다. 이 경우, 마스트(141)가 좌우로 이동하고, 적재대(142)가 상하로 이동하면서 자연스럽게 전지셀 트레이 적층체(110)가 촬영될 수 있다.
구체적으로, 열화상 카메라(150)는 전지셀 트레이 적층체(110) 표면을 촬영하여, 각 영역 별 온도 분포를 색상을 통해 나타내게 된다. 이를 통해 측정 대상의 두 지점 이상의 온도를 동시에 측정하는 것이 가능하다. 나아가 열화상 카메라(150)를 사용함으로써 각 지점 사이의 연속적인 온도 확인이 가능하므로 측정 대상의 전 영역의 온도 분포를 직관적 또는 정성적으로 파악하는 것이 가능하다. 예를 들어, 온도가 상대적으로 낮은 부분은 높은 부분에 비해 어두운 색을 띠게 될 수 있다. 또는 각 온도 분포를 서로 다른 색상으로 표현하여, 온도가 높은 부분은 붉은 색으로, 온도가 낮은 부분은 상대적으로 푸른 색을 띠도록 할 수 있다.
본 발명은 전지셀 트레이 적층체(110)의 온도 촬영을 위해 열화상 카메라(150)를 사용함으로써, 종래의 온도계를 사용하는 것에 비해 측정 대상 전체의 온도 분포를 하나의 화면으로 촬영함으로써, 측정 대상의 일 지점뿐만 아니라 측정 대상의 전 영역의 온도를 측정할 수 있다. 이는 후술하는 바와 같이 전지셀 트레이 적층체(110)의 중심부와 외곽부의 온도 차이를 한 번의 촬영으로 파악하고, 온도계를 사용하는 것보다 중심부의 온도를 용이하게 파악할 수 있도록 한다.
상기 제어부(160)는 컴퓨팅 장치일 수 있으며, 상기 열화상 카메라에 의해 열화상 온도 데이터가 취득되면, 열화상 온도 데이터에 기초하여 고온 에이징실(120) 내의 온도를 조절한다.
상기 제어부(160)는 열화상 이미지를 구체적인 온도 수치로 환산하여 외곽부의 열화상 온도 데이터를 취득한다. 제어부가 열화상 카메라에 의해 촬영된 이미지를 구체적인 온도 수치로 환산하는 방법은 통상의 컴퓨팅 장치 또는 프로그램에 의해 수행될 수 있다.
이어서, 상기 제어부(160)는 열화상 온도 데이터로부터 전지셀 트레이 적층체의 중심부와 외곽부의 온도를 산출한다.
도 5와 같이, 트레이 랙(130) 내 격자형 수납 공간에는 전지셀 트레이들이 다단 적층된 전지셀 트레이 적층체(110)가 탑재된다. 이 때, 고온 에이징 과정에서, 전지셀 트레이 적층체(110)의 중심부(A)는 주위의 구조물(다른 전지셀 트레이들)로 인해 열순환이 어려우므로, 외곽부에 비해 온도가 높아진다. 상기 제어부(160)는 전지셀 트레이 적층체(110)의 중심부와 외곽부의 온도 데이터로부터 고온 에이징실의 온도를 조절한다.
상기 제어부(160)는 전지셀 트레이 적층체(110)의 중심부의 온도 또는 전지셀 트레이 적층체(110)의 중심부와 외곽부의 온도 차이를 기준으로 하여 고온 에이징실(120)의 온도를 조절한다. 구체적으로, 상기 제어부(160)는 상기 전지셀 트레이 적층체(110)의 중심부의 온도 또는 중심부와 외곽부의 온도 차이가 기준 범위를 벗어난 경우 고온 에이징실(120) 내의 온도를 조절한다. 여기서 상기 기준 범위는 적정 수치인 것으로 판단되는 온도 범위로서, 전지셀의 규격 및 전지셀 트레이의 크기, 수납 공간의 크기, 고온 에이징실의 온도에 따라 적절히 조절될 수 있는 사항이다. 예를 들어, 전지셀 트레이 적층체(110)의 중심부의 온도가 기준 범위보다 높거나, 또는 중심부와 외곽부의 온도 차이가 기준 범위보다 높을 경우 제어부는 고온 에이징실(120)의 가열을 중단하고 내부의 온도를 낮출 수 있다.
하나의 예에서, 상기 제어부(160)는 트레이 랙(130) 내에 수납된 전체 전지셀 트레이 적층체(110)의 중심부의 온도 또는 중심부와 외곽부의 온도 차이의 평균값을 산출하고, 산출 결과가 소정 범위를 벗어난 경우 고온 에이징실(120) 전체의 온도를 조절할 수 있다. 이 경우 제어부(160)는 트레이 랙(130) 내 전체 전지셀 기준으로 온도 조절 여부를 판단한다.
다른 하나의 예에서, 상기 제어부(160)는 트레이 랙(130) 내 수납된 일부 전지셀 트레이 적층체(110)의 중심부의 온도 또는 중심부와 외곽부의 온도 차이의 평균값을 산출하고, 산출 결과가 기준 범위를 벗어난 경우 해당 전지셀 트레이 적층체(110)가 위치한 영역의 온도를 국소적으로 조절한다. 예를 들어, 상기 제어부(160)는 트레이 랙(130) 중 어느 하나의 행 또는 열에 위치한 전지셀 트레이 적층체(110)의 중심부의 온도 또는 중심부와 외곽부의 온도 차이에 대해 평균값을 산출하고, 산출 결과가 기준 범위를 벗어난 경우 해당 전지셀 트레이 적층체(110)가 위치한 영역의 온도를 국소적으로 조절하게 된다. 또는, 트레이 랙(130) 내 일부 영역에 다른 영역보다 온도가 높은 영역이 발생할 경우 해당 영역의 온도를 국소적으로 조절할 수 있다.
상기 고온 에이징실(120) 내의 온도 조절은 적어도 한 개 이상의 히터(121) 및 송풍 팬(122) 중 적어도 하나의 작동 중단, 재가동 또는 이들의 조합에 의해 수행될 수 있다. 상기 히터(121) 또는 송풍 팬(122)은 고온 에이징실(120)의 벽면 및 천장을 따라 일정한 패턴으로 배열되어 있으므로, 고온 에이징실(120)에 설치된 히터(121) 및 송풍 팬(122)의 전부 또는 일부를 가동 또는 비가동함으로써 목표하는 영역의 온도를 조절할 수 있다.
구체적으로, 상기 제어부(160)는 고온 에이징(120)실 내부를 감온시킬 경우 히터(121)의 작동을 중단하고, 송풍 팬(122)을 가동한다. 또한, 상기 제어부(160)는 고온 에이징실(120) 내부를 승온시킬 경우 히터(121)를 가동하고, 송풍 팬(122)의 작동을 중단한다. 예를 들어, 중심부의 온도가 지나치게 증가하여 고온 에이징실(120) 내부를 감온시킬 경우, 히터(121)의 작동이 중단되면 전지셀 트레이 적층체(110) 중심부에서 외곽부로 열이 발산되면서, 외곽부의 온도가 고온으로 유지될 수 있다.
도 6은 전지셀 트레이 적층체 내 전지셀 트레이들의 시간에 따른 온도 변화를 나타낸 것이다.
도 6에서, 각각의 그래프는 전지셀 트레이 적층체(110)를 구성하는 전지셀 트레이 적층체의 여러 지점에서 측정되는 온도 변화를 나타낸 것이다. 도 6을 참조하면, 가열 시작 후 200분 정도가 경과했을 때, 전지셀 트레이들 중 최대 온도를 나타내는 것(중심부에 위치한 전지셀 트레이)은 그 온도가 약 53℃이며, 최저 온도를 나타내는 것(외곽부에 위치한 전지셀 트레이)은 그 온도가 약 35℃로서 온도 차이가 18℃임을 알 수 있다. 이 경우 본 발명과 같이 송풍 팬과 히터를 사용하여 고온 에이징실 내의 온도를 조절함에 따라 온도 차이가 점차 감소하는 것을 알 수 있다.
(제2 실시형태)
도 7은 본 발명에 따른 온도 조절 알고리즘을 나타낸 것이다.
다른 하나의 예에서, 상기 제어부(160)는, 상기 열화상 온도 데이터를 학습하여 상기 전지셀 트레이 적층체(110)의 중심부와 외곽부의 온도 차이가 최소화되는 온도 조절 알고리즘을 도출할 수 있다. 이를 통해, 제어부(160)는 상기 알고리즘을 통해 중심부와 외곽부의 온도 차이가 최소화되도록 상기 제1 실시형태에서 언급한 바와 같은 작동 방식에 의해 온도를 자동으로 제어함으로써, 인력에 의해 직접 온도를 조절할 때보다 적은 시간 및 비용이 소요되며, 온도 차이를 정밀하게 조절할 수 있다.
구체적으로, 상기 제어부(160)는 온도 조절을 위한 인공지능을 더 포함할 수 있다. 상기 인공 지능은 열화상 온도 데이터를 수집하여 학습 데이터를 구성하고, 상기 학습 데이터로부터 상기 전지셀 트레이 적층체(110)의 중심부와 외곽부의 온도 차이가 최소화되는 온도 조절 알고리즘을 도출한다. 그리고, 상기 인공지능은 온도 조절 알고리즘에 따라 제1 실시형태와 같은 방법으로 고온 에이징(120)실 내의 온도를 조절한다. 즉, 상기 인공지능은 머신 러닝 또는 딥러닝에 의해 온도 조절 알고리즘을 학습하게 된다.
이를 위해, 본 발명에 따른 고온 에이징 시스템(100)은 다수 회의 온도 측정을 수행하면서 얻어진 열화상 온도 데이터를 저장한다. 이는 측정 시간, 초기 온도 조건 및 전지셀, 전지셀 트레이, 트레이 랙 등의 규격 등에 따라 분류된 상태로 저장될 수 있으며, 별도의 저장 장치에 상기 데이터들을 저장 및 관리하는 DB를 마련할 수 있다. 상기 DB는 상기 학습 데이터 구성을 위한 기초 자료로 활용될 수 있다.
구체적으로, 상기 제어부(160)는 저장된 열화상 온도 데이터를 수집하여 학습 데이터를 구성하고, 상기 학습 데이터로부터 상기 전지셀 트레이 적층체(110)의 중심부와 외곽부의 온도 차이가 최소화되는 온도 조절 알고리즘을 도출하는 인공지능을 포함할 수 있다. 상기 인공지능은 기 저장된 DB에 새롭게 측정된 결과를 업데이트하여 학습 데이터를 구성할 수 있다.
이어서, 상기 인공지능은 학습 데이터로부터 전지셀 트레이 적층체(110)의 중심부와 외곽부의 온도 차이가 최소화할 수 있도록 온도 조절 알고리즘을 도출한다. 상기 온도 조절 알고리즘은 가동 또는 작동 중단하는 히터 또는 송풍 팬의 위치 및 개수 및 히터 또는 송풍 팬의 가동 시간의 조절에 관한 것일 수 있다. 인공지능은 온도를 조절하고자 하는 전지셀 트레이 적층체의 위치, 개수 및 온도 데이터에 따라 상기 온도 조절 알고리즘을 도출한다.
온도 조절 알고리즘이 도출되면, 상기 인공지능은 알고리즘에 따라 온도를 조절하고, 알고리즘의 유효성을 검증한다. 이러한 검증 과정은 도출된 온도 조절 알고리즘에 따른 예측 온도와 실제 전지셀 트레이 적층체(110)의 열화상 온도 데이터를 대비하여 수행될 수 있다. 예를 들어, 도출된 온도 조절 알고리즘에 따라 온도를 조절한 이후 전지셀 트레이 적층체(110)의 중심부와 외곽부의 온도 차이가 예측 결과와 어긋나거나, 종래 조건에 따른 온도 데이터에 비해 큰 효과의 차이가 없는 경우 저장된 학습 데이터를 수정 및 업데이트한다. 이 때, 저장된 데이터와 함께 입력되는 실험 조건을 고려하여, 알고리즘이 유효하지 않은 원인을 분석할 수 있다. 이와 같이 본 발명은 인공지능에 의해 온도 조절 알고리즘을 기계 학습시킴으로써 정밀하고 효율적으로 온도를 조절할 수 있다.
(제3 실시형태)
도 8은 딥러닝을 위한 심층신경망의 구조를 나타낸 모식도이다.
도 8을 참조하면, 상기 제어부(160)는, 상기 열화상 온도 데이터를 학습하여 상기 전지셀 트레이 적층체(110)의 중심부와 외곽부의 온도 차이가 최소화되는 온도 조절 알고리즘을 도출할 수 있으며, 상기 제어부(160)는 온도 조절을 위한 인공지능을 더 포함할 수 있다. 상기 인공지능은 열화상 온도 데이터를 수집하여 학습 데이터를 구성하고, 상기 학습 데이터로부터 상기 전지셀 트레이 적층체(110)의 중심부와 외곽부의 온도 차이가 최소화되는 온도 조절 알고리즘을 도출한다.
이 때, 상기 인공지능은 딥러닝을 위한 심층신경망으로 구성될 수 있다.
심층신경망(Deep Neural Network, DNN)은, 학습된 데이터를 기반으로 입력받은 데이터를 분류하는 머신 러닝(Machine Learning)의 모델 중 하나로서, 하나 이상의 컴퓨터 내에 하나 이상의 레이어(Layer)를 구축하여 복수의 데이터를 바탕으로 판단을 수행하는 시스템 또는 네트워크를 의미한다.
도 8을 참조하면, 심층신경망은 입력 레이어(input layer, 161), 하나 이상의 히든 레이어(hidden layer, 162) 및 출력 레이어(output layer, 163)로 구성될 수 있다.
입력 레이어(161)에는 상기 학습 데이터가 입력되고, 히든 레이어와 출력 레이어를 통해 계산된 결과 값을 실제 값과 비교하여, 가중치의 값을 역으로 업데이트한다. 모든 학습이 끝난 뒤에, 예측이 필요한 정보를 입력하여 결과 값을 얻을 수 있다.
히든 레이어(162)는 컨볼루션 레이어(convolution layer), 풀링 레이어(pooling layer) 및 완전 연결 레이어(fully connected layer)를 포함할 수 있다. 여기서, 컨볼루션 레이어는, 입력 레이어에 입력된 이미지에 대해 특징맵을 추출하고 컨볼루션 연산을 수행할 수 있다. 풀링 레이어는 컨볼루션 레이어와 연결되어 컨볼루션 레이어의 출력에 대한 서브 샘플링을 수행할 수 있다. 완전 연결 레이어는 풀링 레이어와 연결되어 서브 샘플링 된 풀링 레이어의 출력을 학습하여 출력 레이어(163)에 출력될 카테고리에 따라 학습할 수 있다.
한편, 심층신경망을 이루는 각 층의 연결 구조는 공지의 알고리즘을 적절히 선택하여 형성될 수 있으며, 예를 들어, 나선형 신경망(Convolutional Neural Network; CNN) 구조 또는 순환형 신경망(Recurrent Neural Network; RNN) 구조로 형성될 수 있다.
이러한 심층신경망은 하나의 컴퓨터 내에서 구현될 수도 있고, 복수의 컴퓨터가 연결되어 네트워크망을 통해 구현될 수도 있다.
상기 학습부(160)는 업데이트된 학습 데이터를 심층신경망 상의 입력 레이어(161)에 입력한다. 입력된 학습 데이터는 히든 레이어(162)를 거쳐 출력 레이어(163)에서 최종적인 아웃풋으로 출력된다. 상기 학습부는 예측 결과의 유효성 검증 결과에 따른 가중치를 업데이트함으로써 새롭게 업데이트된 학습 데이터를 학습할 수 있다.
데이터의 학습이 완료되면, 상기 제어부는 학습된 데이터로부터 온도 조절 알고리즘을 새롭게 도출하고 이를 적용하여 고온 에이징실 내 온도를 조절한다. 이후 온도 조절 결과를 통해 알고리즘의 유효성을 검증하고, 이를 반영하는 과정이 자동으로 반복되면서, 고온 에이징실의 온도를 정밀하게 제어할 수 있다.
이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 발명에 개시된 도면들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 도면에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
한편, 본 명세서에서 상, 하, 좌, 우, 전, 후와 같은 방향을 나타내는 용어가 사용되었으나, 이러한 용어들은 설명의 편의를 위한 것일 뿐, 대상이 되는 사물의 위치나 관측자의 위치 등에 따라 달라질 수 있음은 자명하다.
(부호의 설명)
1: 전지셀
10: 전지셀 트레이
100: 고온 에이징 시스템
110: 전지셀 트레이 적층체
120: 고온 에이징실
121: 히터
122: 송풍 팬
130: 트레이 랙
140: 스태커 크레인
141: 마스트
142: 적재대
143: 주행 대차
150: 열화상 카메라
160: 제어부
161: 입력 레이어
162: 히든 레이어
163: 출력 레이어

Claims (15)

  1. 내부에 다수 개의 전지셀이 수용된 전지셀 트레이가 다단으로 적층된 구조의 전지셀 트레이 적층체;
    고온 에이징실 내부에 수용되며, 전지셀 트레이 적층체가 수용되는 격자형 수납 공간을 포함하는 적어도 한 개 이상의 트레이 랙;
    상기 격자형 수납 공간으로 전지셀 트레이를 운반하는 스태커 크레인;
    상기 스태커 크레인에 설치되어, 상기 격자형 수납 공간에 적재된 전지셀 트레이 적층체의 열화상 온도 데이터를 취득하는 열화상 카메라; 및
    상기 열화상 온도 데이터에 기초하여 고온 에이징실 내의 온도를 조절하는 제어부; 를 포함하는 고온 에이징 시스템.
  2. 제1항에 있어서,
    상기 스태커 크레인은 좌우 이동하는 마스트 및 상기 마스트에 설치되어 승강 이동하는 적재대를 포함하며,
    상기 열화상 카메라는 마스트 및 적재대의 이동 시 함께 이동하면서 전지셀 트레이들의 열화상 온도 데이터를 취득하는 고온 에이징 시스템.
  3. 제1항에 있어서,
    상기 고온 에이징실에는 내부의 온도 조절을 위한 적어도 한 개 이상의 히터 및 송풍 팬이 설치된 고온 에이징 시스템.
  4. 제1항에 있어서,
    상기 제어부는 열화상 온도 데이터로부터 전지셀 트레이 적층체의 중심부와 외곽부의 온도를 산출하고, 산출된 온도에 근거하여 고온 에이징실 내의 온도를 조절하는 고온 에이징 시스템.
  5. 제4항에 있어서,
    상기 제어부는 상기 전지셀 트레이 적층체의 중심부의 온도 또는 중심부와 외곽부의 온도 차이가 기준 범위를 벗어난 경우 고온 에이징실 내의 온도를 조절하는 고온 에이징 시스템.
  6. 제5항에 있어서,
    상기 제어부는 트레이 랙 내에 수납된 전체 전지셀 트레이 적층체의 중심부의 온도 또는 중심부와 외곽부의 온도 차이의 평균값을 산출하고, 산출 결과가 기준 범위를 벗어난 경우 고온 에이징실 전체의 온도를 조절하는 고온 에이징 시스템.
  7. 제5항에 있어서,
    상기 제어부는 트레이 랙 내 수납된 일부 전지셀 트레이 적층체의 중심부의 온도 또는 중심부와 외곽부의 온도 차이의 평균값을 산출하고, 산출 결과가 기준 범위를 벗어난 경우 해당 전지셀 트레이 적층체가 위치한 영역의 온도를 국소적으로 조절하는 고온 에이징 시스템.
  8. 제3항에 있어서,
    상기 고온 에이징실 내의 온도 조절은 적어도 한 개 이상의 히터 및 송풍 팬 중 적어도 하나의 작동 중단, 재가동 또는 이들의 조합에 의해 수행되는 고온 에이징 시스템.
  9. 제8항에 있어서,
    상기 제어부는 고온 에이징실 내부를 감온시킬 경우 히터의 작동을 중단하고, 송풍 팬을 가동하는 고온 에이징 시스템.
  10. 제8항에 있어서,
    상기 제어부는 고온 에이징실 내부를 승온시킬 경우 히터를 가동하고, 송풍 팬의 작동을 중단하는 고온 에이징 시스템.
  11. 제1항에 있어서,
    상기 제어부는,
    상기 열화상 온도 데이터를 학습하여 상기 전지셀 트레이 적층체의 중심부와 외곽부의 온도 차이가 최소화되는 온도 조절 알고리즘을 도출하는 고온 에이징 시스템.
  12. 제11항에 있어서,
    상기 제어부는 열화상 온도 데이터를 수집하여 학습 데이터를 구성하고, 상기 학습 데이터로부터 상기 전지셀 트레이 적층체의 중심부와 외곽부의 온도 차이가 최소화되는 온도 조절 알고리즘을 도출하는 인공지능을 포함하는 고온 에이징 시스템.
  13. 제12항에 있어서,
    상기 인공지능은 도출된 온도 조절 알고리즘에 따른 예측 온도와 실제 전지셀 트레이 적층체의 열화상 온도 데이터를 대비하여 알고리즘의 유효성을 검증하고, 학습 데이터에 검증 결과를 업데이트하는 고온 에이징 시스템.
  14. 제11항에 있어서,
    상기 온도 조절 알고리즘은 가동 또는 작동 중단하는 히터 또는 송풍 팬의 위치 및 개수 및 히터 또는 송풍 팬의 가동 시간의 조절에 관한 것인 고온 에이징 시스템.
  15. 제12항에 있어서,
    상기 인공지능은 딥러닝을 위한 심층신경망으로 구성된 고온 에이징 시스템.
PCT/KR2022/009697 2021-07-06 2022-07-05 스마트 고온 에이징 시스템 WO2023282596A1 (ko)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN202280007621.5A CN116569181A (zh) 2021-07-06 2022-07-05 智能高温老化系统
US18/038,115 US20230406619A1 (en) 2021-07-06 2022-07-05 Smart high-temperature aging system
JP2023529878A JP2023550369A (ja) 2021-07-06 2022-07-05 スマート高温エージングシステム
EP22837948.3A EP4231400A1 (en) 2021-07-06 2022-07-05 Smart high-temperature aging system

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2021-0088257 2021-07-06
KR1020210088257A KR20230007655A (ko) 2021-07-06 2021-07-06 스마트 고온 에이징 시스템

Publications (1)

Publication Number Publication Date
WO2023282596A1 true WO2023282596A1 (ko) 2023-01-12

Family

ID=84801956

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2022/009697 WO2023282596A1 (ko) 2021-07-06 2022-07-05 스마트 고온 에이징 시스템

Country Status (6)

Country Link
US (1) US20230406619A1 (ko)
EP (1) EP4231400A1 (ko)
JP (1) JP2023550369A (ko)
KR (1) KR20230007655A (ko)
CN (1) CN116569181A (ko)
WO (1) WO2023282596A1 (ko)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004179009A (ja) * 2002-11-27 2004-06-24 Sony Corp 電池のエージング方法およびエージング装置
KR20100123828A (ko) * 2008-02-12 2010-11-25 파나소닉 주식회사 전지 수납 트레이와 이를 이용한 전지 수납 트레이 집합체
JP2013178903A (ja) * 2012-02-28 2013-09-09 Daifuku Co Ltd 二次電池処理設備
KR20140037987A (ko) * 2012-09-18 2014-03-28 주식회사 엘지화학 전지의 보관 및 출하 방법 및 이를 사용하여 제조되는 이차전지
KR20150026994A (ko) 2013-09-03 2015-03-11 주식회사 엘지화학 트레이의 출고 최적화 방법 및 이를 이용하는 시스템
KR102169040B1 (ko) * 2020-07-14 2020-10-22 지엘홀딩스 주식회사 인공 지능이 탑재된 연료 전지 제어 시스템 및 이를 이용한 제어 방법
KR20210088257A (ko) 2020-01-06 2021-07-14 주식회사 엘지에너지솔루션 테이핑 영역을 포함하는 전극 집전체용 금속 박막 및 이를 이용한 전극 제조방법

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004179009A (ja) * 2002-11-27 2004-06-24 Sony Corp 電池のエージング方法およびエージング装置
KR20100123828A (ko) * 2008-02-12 2010-11-25 파나소닉 주식회사 전지 수납 트레이와 이를 이용한 전지 수납 트레이 집합체
JP2013178903A (ja) * 2012-02-28 2013-09-09 Daifuku Co Ltd 二次電池処理設備
KR20140037987A (ko) * 2012-09-18 2014-03-28 주식회사 엘지화학 전지의 보관 및 출하 방법 및 이를 사용하여 제조되는 이차전지
KR20150026994A (ko) 2013-09-03 2015-03-11 주식회사 엘지화학 트레이의 출고 최적화 방법 및 이를 이용하는 시스템
KR20210088257A (ko) 2020-01-06 2021-07-14 주식회사 엘지에너지솔루션 테이핑 영역을 포함하는 전극 집전체용 금속 박막 및 이를 이용한 전극 제조방법
KR102169040B1 (ko) * 2020-07-14 2020-10-22 지엘홀딩스 주식회사 인공 지능이 탑재된 연료 전지 제어 시스템 및 이를 이용한 제어 방법

Also Published As

Publication number Publication date
JP2023550369A (ja) 2023-12-01
US20230406619A1 (en) 2023-12-21
CN116569181A (zh) 2023-08-08
KR20230007655A (ko) 2023-01-13
EP4231400A1 (en) 2023-08-23

Similar Documents

Publication Publication Date Title
WO2015126209A1 (ko) 배터리팩
WO2011093616A2 (ko) 전지 내부 저항을 이용한 작동 성능 개선 전지팩 시스템
WO2013183889A1 (ko) 배터리 팩
WO2013154241A1 (ko) 집단식 이차전지용 극판 건조 및 이송 장치 및 방법
WO2022240140A1 (ko) 진공호퍼 프리챠져용 히팅트레이
WO2015046798A1 (ko) 온도 센서를 포함하는 전지모듈
WO2020106033A1 (ko) 원통형 전지의 제조 방법 및 이를 수행하기 위한 건조 장치
WO2023282596A1 (ko) 스마트 고온 에이징 시스템
WO2019172515A1 (ko) 온도 편차가 개선된 이차전지의 활성화 공정을 위한 충방전 장치
WO2022119185A1 (ko) 전극의 건조 시스템 및 전극의 건조 방법
CN109148965B (zh) 用于方形电池的卧式整板加热装置
WO2022055018A1 (ko) 전극 건조 장치 및 전극 건조 방법
KR20230035668A (ko) 배터리의 케이스 바디, 배터리, 전기 설비, 배터리의 제조 방법 및 제조 설비
WO2021025295A1 (ko) 배터리 관리 장치, 배터리 관리 방법 및 배터리 팩
WO2022045644A1 (ko) 전극 건조 장치
KR101775349B1 (ko) 축전지용 극판 자동 배치식 숙성 및 건조 시스템
WO2023013961A1 (ko) 배터리 검사 장치 및 배터리 검사 시스템
WO2022108324A1 (ko) 전극 건조 자동 제어 시스템 및 전극 건조 자동 제어 방법
KR101416754B1 (ko) 축전지용 전극판의 숙성/건조 시스템
WO2014061969A1 (ko) 전지모듈 어셈블리
WO2023033589A1 (ko) 전지 셀의 활성화 트레이 및 이를 포함하는 전지 셀의 충방전 시스템
WO2023090933A1 (ko) 전지 트레이 및 이를 이용한 전지의 제조방법
WO2024136037A1 (ko) 배터리의 출력 예측 방법 및 그 방법을 제공하는 배터리 시스템
WO2023239219A1 (ko) 배터리 셀 검사 시스템
KR20230087966A (ko) 이차전지 에이징용 전지셀 트레이, 상기 전지셀 트레이를 이용한 이차전지 제조 방법 및 이차전지

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: 22837948

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 2023529878

Country of ref document: JP

WWE Wipo information: entry into national phase

Ref document number: 18038115

Country of ref document: US

WWE Wipo information: entry into national phase

Ref document number: 202280007621.5

Country of ref document: CN

ENP Entry into the national phase

Ref document number: 2022837948

Country of ref document: EP

Effective date: 20230516

NENP Non-entry into the national phase

Ref country code: DE