WO2024063600A1 - 배터리 관리 장치 및 그것의 동작 방법 - Google Patents

배터리 관리 장치 및 그것의 동작 방법 Download PDF

Info

Publication number
WO2024063600A1
WO2024063600A1 PCT/KR2023/014493 KR2023014493W WO2024063600A1 WO 2024063600 A1 WO2024063600 A1 WO 2024063600A1 KR 2023014493 W KR2023014493 W KR 2023014493W WO 2024063600 A1 WO2024063600 A1 WO 2024063600A1
Authority
WO
WIPO (PCT)
Prior art keywords
deviation
batteries
diagnostic
battery
voltage
Prior art date
Application number
PCT/KR2023/014493
Other languages
English (en)
French (fr)
Inventor
성용철
김철택
김창훈
박희주
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
Priority claimed from KR1020230058253A external-priority patent/KR20240041208A/ko
Priority claimed from KR1020230126472A external-priority patent/KR20240041264A/ko
Application filed by 주식회사 엘지에너지솔루션 filed Critical 주식회사 엘지에너지솔루션
Publication of WO2024063600A1 publication Critical patent/WO2024063600A1/ko

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
    • B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
    • 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
    • G01R19/10—Measuring sum, difference or ratio
    • 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
    • G01R19/30—Measuring the maximum or the minimum value of current or voltage reached in a time interval
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
    • G01R31/3835—Arrangements for monitoring battery or accumulator variables, e.g. SoC involving only voltage measurements
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/385—Arrangements for measuring battery or accumulator variables
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/392—Determining battery ageing or deterioration, e.g. state of health
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • 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

Definitions

  • Korean Patent Application No. 10-2022-0120366 filed on 2022.09.22 Korean Patent Application No. 10-2023-0058253 filed on 2023.05.04
  • Korean Patent Application No. 10-2023-0058253 filed on 2023.09.21 Claims the benefit of priority based on Korean Patent Application No. 10-2023-0126472, and all contents disclosed in the document of the Korean Patent Application are included as part of this specification.
  • Embodiments disclosed herein relate to a battery management device and method of operating the same.
  • Electric vehicles receive electricity from outside, charge battery cells, and then obtain power by driving a motor with the voltage charged in the battery cells.
  • Battery cells undergo internal transformation and denaturation through various charging and discharging during the production and use stages, and their physical and chemical properties change, resulting in internal short-circuiting, external short-circuiting, venting due to lithium precipitation, or a decrease in the voltage of the battery cell below a certain level. Undervoltage defects may occur.
  • One purpose of the embodiments disclosed in this document is to provide a battery management device and a method of operating the same that can accurately diagnose a defective battery cell by removing noise in the deviation of the long-term moving average value and short-term moving average value of the voltage of the battery. there is.
  • a battery management device includes a voltage measuring unit that measures the voltage of each of a plurality of batteries, and a controller capable of communicating with the voltage measuring unit, wherein the controller controls the voltage measuring unit to control the plurality of batteries.
  • the voltage of each battery bank is measured at predetermined time intervals, a first deviation, which is a deviation between a long-term moving average value and a short-term moving average value of the battery voltage, is calculated for each of the plurality of batteries, and the average voltage of the plurality of batteries is calculated.
  • Calculating a second deviation which is a deviation between a long-term moving average value and a short-term moving average value
  • calculating a first diagnostic deviation which is a difference between the first deviation and the second deviation for each of the plurality of batteries
  • calculating a first diagnostic deviation for each of the plurality of batteries Calculate a second diagnostic deviation for each of the plurality of batteries based on a reference value obtained by multiplying the second deviation among the first diagnostic deviations by a critical constant, and calculate a second diagnostic deviation for each of the plurality of batteries based on the second diagnostic deviation for each of the plurality of batteries. It may be configured to diagnose abnormalities in at least one of the batteries.
  • the controller sets the maximum value of the value obtained by multiplying the second deviation by the first critical constant and the second critical constant as the reference value, and the first diagnostic deviation of each of the plurality of batteries is less than or equal to the reference value.
  • the second diagnostic deviation of each of the plurality of batteries can be calculated by excluding the first diagnostic deviation of .
  • the controller normalizes the second diagnostic deviation of each of the plurality of batteries by dividing the second diagnostic deviation by a value obtained by multiplying the second deviation by a third critical constant and the maximum value of the fourth critical constant.
  • a third diagnostic deviation for each battery may be calculated.
  • the controller adds the minimum value of the third diagnostic deviation of each of the plurality of batteries to the third diagnostic deviation of each of the plurality of batteries and divides the value obtained by the third diagnostic deviation to determine the bias of each of the plurality of batteries. degrees can be calculated.
  • the controller may calculate the fourth diagnostic deviation of each of the plurality of batteries by multiplying the third diagnostic deviation of each of the plurality of batteries by the bias.
  • the controller may diagnose whether at least one battery among the plurality of batteries is abnormal based on whether the fourth diagnostic deviation of each of the plurality of batteries exceeds a threshold.
  • the controller calculates the plurality of first deviations and second deviations per unit time to calculate the fourth diagnostic deviation of each of the plurality of batteries, and the fourth diagnostic deviation of at least one battery among the plurality of batteries. If the diagnostic deviation exceeds the threshold, it is possible to diagnose whether there is an abnormality in the at least one battery.
  • a method of operating a battery diagnosis device includes measuring the voltage of each of a plurality of batteries at predetermined time intervals, between a long-term moving average value and a short-term moving average value of the battery voltage for each of the plurality of batteries.
  • Calculating a first deviation, which is a deviation, calculating a second deviation, which is a deviation between a long-term moving average value and a short-term moving average value of the average voltage of the plurality of batteries, the first deviation and the first deviation for each of the plurality of batteries Calculating a first diagnostic deviation that is the difference between two deviations, calculating a second diagnostic deviation of each of the plurality of batteries based on a reference value obtained by multiplying the second deviation among the first diagnostic deviations of each of the plurality of batteries by a threshold constant. It may include calculating, and diagnosing whether at least one battery among the plurality of batteries is abnormal based on a second diagnostic deviation of each of the plurality of batteries.
  • the step of calculating the second diagnostic deviation of each of the plurality of batteries based on a reference value obtained by multiplying the second deviation among the first diagnostic deviations of each of the plurality of batteries by a threshold constant includes the second deviation
  • the maximum value among the value obtained by multiplying the first critical constant and the second critical constant is set as the reference value, and the first diagnostic deviation below the reference value is excluded from the first diagnostic deviation of each of the plurality of batteries, and the first diagnostic deviation of each of the plurality of batteries is excluded.
  • the second diagnostic deviation can be calculated.
  • calculating the second diagnostic deviation of each of the plurality of batteries based on a reference value obtained by multiplying the second deviation of the first diagnostic deviation of each of the plurality of batteries by a threshold constant includes calculating the second diagnostic deviation of each of the plurality of batteries
  • the third diagnostic deviation of each of the plurality of batteries can be calculated by normalizing the second diagnostic deviation by dividing it by a value obtained by multiplying the second deviation by a third critical constant and the maximum value of the fourth critical constant.
  • calculating the second diagnostic deviation of each of the plurality of batteries based on a reference value obtained by multiplying the second deviation of the first diagnostic deviation of each of the plurality of batteries by a threshold constant includes calculating the second diagnostic deviation of each of the plurality of batteries A value obtained by adding the minimum value of the third diagnostic deviation of each of the plurality of batteries to the third diagnostic deviation of can be divided by the third diagnostic deviation to calculate the degree of bias of each of the plurality of batteries.
  • calculating the second diagnostic deviation of each of the plurality of batteries based on a reference value obtained by multiplying the second deviation of the first diagnostic deviation of each of the plurality of batteries by a threshold constant includes calculating the second diagnostic deviation of each of the plurality of batteries The third diagnostic deviation of may be multiplied by the deflection to calculate the fourth diagnostic deviation of each of the plurality of batteries.
  • the step of diagnosing whether at least one battery among the plurality of batteries is abnormal based on the second diagnostic deviation of each of the plurality of batteries includes whether the fourth diagnostic deviation of each of the plurality of batteries exceeds a threshold. Based on this, it is possible to diagnose whether at least one battery among the plurality of batteries is abnormal.
  • the step of diagnosing the presence or absence of an abnormality in at least one battery among the plurality of batteries based on the second diagnostic deviation of each of the plurality of batteries includes calculating the plurality of first deviations and the second deviation per unit time.
  • the fourth diagnostic deviation of each of the plurality of batteries is calculated, and if the fourth diagnostic deviation of at least one battery among the plurality of batteries exceeds the threshold, the presence or absence of an abnormality in the at least one battery can be diagnosed.
  • the controller may include a memory and a processor coupled to the memory and configured to execute the method of operating the battery management device described in claim 8.
  • the second diagnostic deviation of each of the plurality of batteries is based on a reference value obtained by multiplying the second deviation of the first diagnostic deviation of each of the plurality of batteries by a threshold constant.
  • the calculating step includes setting the maximum value among the value obtained by multiplying the second deviation by the first critical constant and the second critical constant as the reference value, and the first diagnostic deviation of each of the plurality of batteries below the reference value. Calculating a second diagnostic deviation for each of the plurality of batteries by excluding the diagnostic deviation, the second diagnostic deviation for each of the plurality of batteries being a value obtained by multiplying the second deviation by a third critical constant and a fourth critical constant.
  • the step of diagnosing the presence or absence of an abnormality in at least one battery among the plurality of batteries based on the second diagnostic deviation of each of the plurality of batteries includes determining whether the fourth diagnostic deviation of each of the plurality of batteries exceeds a threshold value. Based on this, it may include diagnosing whether at least one battery among the plurality of batteries is abnormal.
  • a non-transitory computer-readable storage medium includes measuring the voltage of each of a plurality of batteries at predetermined time intervals using a voltmeter, and long-term movement of the battery voltage for each of the plurality of batteries. calculating a first deviation, which is a deviation between an average value and a short-term moving average value; calculating a second deviation, which is a deviation between a long-term moving average value and a short-term moving average value of the average voltage of the plurality of batteries; Calculating a first diagnostic deviation, which is a difference between a first deviation and the second deviation, for each of the plurality of batteries based on a reference value obtained by multiplying the second deviation among the first diagnostic deviations of each of the plurality of batteries by a threshold constant.
  • a program for executing the step of calculating a second diagnostic deviation of and diagnosing the presence or absence of an abnormality of at least one battery among the plurality of batteries based on the second diagnostic deviation of each of the plurality of batteries may be stored. .
  • the step of calculating the second diagnostic deviation of each of the plurality of batteries based on a reference value obtained by multiplying the second deviation among the first diagnostic deviations of each of the plurality of batteries by a threshold constant includes the second deviation setting the maximum value of a value obtained by multiplying a first critical constant and a second critical constant as the reference value, excluding the first diagnostic deviation below the reference value among the first diagnostic deviations of each of the plurality of batteries, Calculating each second diagnostic deviation, normalizing the second diagnostic deviation of each of the plurality of batteries by dividing the second diagnostic deviation by the maximum value of a fourth critical constant and a value obtained by multiplying the second deviation by a third critical constant.
  • Calculating a third diagnostic deviation for each battery dividing the value obtained by adding the minimum value of the third diagnostic deviation for each of the plurality of batteries to the third diagnostic deviation for each of the plurality of batteries by the third diagnostic deviation, Comprising a step of calculating a deflection degree of each battery, and calculating a fourth diagnostic deviation of each of the plurality of batteries by multiplying a third diagnostic deviation of each of the plurality of batteries by the deflection degree, and calculating a fourth diagnostic deviation of each of the plurality of batteries.
  • abnormal battery cells can be accurately diagnosed by removing noise in the deviation of the long-term moving average value and short-term moving average value of the battery voltage.
  • 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 a battery management device according to an embodiment disclosed in this document.
  • FIG. 3 is a flowchart showing a method of operating a battery management device according to an embodiment disclosed in this document.
  • Figure 4 is a graph showing the voltage of a battery cell according to an embodiment disclosed in this document.
  • FIG. 5A is a graph showing a first diagnostic deviation of a battery cell according to an embodiment disclosed in this document.
  • FIG. 5B is a graph showing a third diagnostic deviation of a battery cell according to an embodiment disclosed in this document.
  • FIG. 5C is a graph showing the degree of bias of the third diagnostic deviation of the battery cell according to an embodiment disclosed in this document.
  • FIG. 5D is a graph showing a fourth diagnostic deviation of a battery cell according to an embodiment disclosed in this document.
  • FIG. 6 is a flowchart showing a method of operating a battery management device according to another embodiment disclosed in this document.
  • Figure 7 is a flowchart showing a method of operating a battery management device and a method of diagnosing a defective battery cell according to another embodiment disclosed in this document.
  • FIG. 8A is a graph showing the first voltage in a rest period after discharging and discharging a battery cell according to another embodiment disclosed in this document.
  • FIG. 8B is a graph showing the first voltage in a rest period after charging and charging a battery cell according to another embodiment disclosed in this document.
  • FIG. 9A is a graph showing long-term (solid line) and short-term (dotted line) moving averages of voltage in the discharge and post-discharge rest periods of a battery cell according to another embodiment disclosed in this document.
  • FIG. 9B is a graph showing long-term (solid line) and short-term (dotted line) moving averages of voltage in a rest period after charging and charging a battery cell according to another embodiment disclosed in this document.
  • FIG. 10A is a graph showing the first deviation of the first voltage (dV) in the discharge and post-discharge rest period of a battery cell according to another embodiment disclosed in this document.
  • Figure 10b is a graph showing the first deviation of the first voltage (dV) in the charging and rest period after charging of the battery cell according to another embodiment disclosed in this document.
  • FIG. 11A is a graph showing the first diagnostic deviation D1 in the discharging and post-discharging rest period of a battery cell according to another embodiment disclosed in this document.
  • FIG. 11B is a graph showing the first diagnostic deviation D1 in the charging and post-charging rest period of a battery cell according to another embodiment disclosed in this document.
  • Figure 12 is a flowchart showing a method of operating a battery management device and a method of diagnosing a defective battery cell according to another embodiment disclosed in this document.
  • FIG. 13 is a block diagram showing the hardware configuration of a computing system that implements a method of operating a battery management device according to an embodiment disclosed in this document.
  • the battery pack 1000 may include a battery module 100, a battery management device 200, and a relay 300.
  • the battery module 100 may be a battery cell, and in this case, the battery pack 1000 omits the module and inserts the cells directly into the pack, unlike existing batteries where a plurality of cells form a module and the module forms a package. It can have a cell to pack structure that is assembled.
  • the battery module 100 may be composed of a plurality, and the battery pack 1000 may have a stacked structure of a plurality of battery modules.
  • the battery module 100 may include a plurality of battery cells 110, 120, 130, and 140.
  • FIG. 1 shows a plurality of four battery cells, the present invention is not limited thereto, and the battery module 100 may be configured to include n (n is a natural number of 1 or more) battery cells.
  • each of the plurality of battery cells 110, 120, 130, and 140 may be a cell group or a battery bank in which at least two or more battery cells are connected in parallel.
  • 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 that operates by receiving power from the battery pack 1000 including a plurality of battery cells 110, 120, 130, and 140, for example.
  • the target device may be, but is not limited to, an electric vehicle (EV) or an energy storage system (ESS).
  • EV electric vehicle
  • ESS energy storage system
  • Each of the plurality of battery cells 110, 120, 130, and 140 is a basic unit of a battery that can be used by charging and discharging electrical energy, and includes a lithium-ion (Li-ion) battery, a lithium-ion polymer (Li-ion polymer) battery, It may be a nickel cadmium (Ni-Cd) battery, a nickel hydrogen (Ni-MH) battery, etc., but is not limited thereto. Meanwhile, in FIG. 1, there is shown a single battery module 100, but depending on the embodiment, the battery module 100 may be comprised of a plurality of battery modules 100.
  • the battery management system (BMS, Battery Management System) 200 may manage and/or control the status and/or operation of the battery module 100.
  • the battery management device 200 may manage and/or control the status and/or operation of a plurality of battery cells 110, 120, 130, and 140 included in the battery module 100, and may manage the battery module ( 100) can also manage the charging and/or discharging.
  • the battery management device 200 may control the operation of the relay 300.
  • the battery management device 200 can short-circuit the relay 300 to supply power to the target device and can also short-circuit the relay 300 when a charging device is connected to the battery pack 1000. .
  • the battery management device 200 can monitor the voltage, current, temperature, etc. of the battery module 100 and/or each of the plurality of battery cells 110, 120, 130, and 140 included in the battery module 100. there is. Additionally, for monitoring by the battery management device 200, sensors or various measurement modules, not shown, may be additionally installed at arbitrary locations such as the battery module 100 or the charging/discharging path. The battery management device 200 calculates parameters indicating the state of the battery module 100, for example, SOC (State of Charge) or SOH (State of Health), based on monitored measured values such as voltage, current, and temperature. can do.
  • SOC State of Charge
  • SOH State of Health
  • the battery management device 200 can diagnose abnormalities inside the plurality of battery cells 110, 120, 130, and 140 based on data on various factors that change as the battery cells deteriorate.
  • the battery management device 200 utilizes the phenomenon in which a battery cell with an internal defect has a faster and larger voltage change than a normal battery cell in the resting phase, and operates the A defective battery cell among the plurality of battery cells 110, 120, 130, and 140 can be diagnosed by comparing the voltage data with the statistical normal voltage data in the resting period of the normal battery cell.
  • the dormant state of a battery cell or module means a state in which the battery cell or module is not charging or discharging, or is not electrically connected to a load.
  • the battery management device 200 may detect whether a battery module or cell is in an idle state by monitoring cell voltage values or charge/discharge current values of the battery module.
  • this embodiment describes the diagnosis of a faulty battery cell in the resting phase
  • the method of diagnosing a battery cell according to the embodiments disclosed herein is not limited thereto and is used in other sections of the battery module or cell, for example, during charging. A faulty battery cell can be diagnosed even when the battery cell is discharged or discharged.
  • the battery management device 200 uses the characteristics of an abnormal battery cell having a large deviation and a large bias compared to the voltage behavior of a normal battery cell to manage a plurality of battery cells 110, 120, 130, and 140. ) It is possible to determine whether a medium or abnormal battery cell exists.
  • the battery management device 200 calculates a deviation (dV) between the average voltage of the plurality of battery cells 110, 120, 130, and 140 at a specific point in time and the respective voltages of the plurality of battery cells 110, 120, 130, and 140. can be calculated.
  • the battery management device 200 uses the deviation of the voltage compared to the average value of each of the plurality of battery cells 110, 120, 130, and 140 to manage the battery cell of at least one of the plurality of battery cells 110, 120, 130, and 140. By determining the abnormal behavior of the voltage, it is possible to diagnose whether the battery cell is abnormal.
  • the battery management device 200 excludes noise voltage data suspected to be noise data among the deviations of the voltages of the plurality of battery cells 110, 120, 130, and 140.
  • the battery cell can be diagnosed using the deviation data of each voltage (130, 140).
  • the battery management device 200 excludes noise voltage data from the deviations of the voltages of the plurality of battery cells 110, 120, 130, and 140, and then calculates the voltages of each of the plurality of battery cells 110, 120, 130, and 140.
  • Deviation data can be amplified.
  • the battery management device 200 may detect and diagnose an abnormal battery cell suspected to have an abnormal voltage using the amplified voltage deviation data of each of the plurality of battery cells 110, 120, 130, and 140.
  • the operation of the battery management device 200 below is performed by receiving wired or wireless signals from various devices such as a server, cloud, charger, or charger/discharger connected to the battery management device 200 or a vehicle equipped with the battery management device 200. It can be performed through various devices such as a server, cloud, charger, or charger/discharger connected to the battery management device 200 or a vehicle equipped with the battery management device 200. It can be performed through various devices such as a server, cloud, charger, or charger/discharger connected to the battery management device 200 or a vehicle equipped with the battery management device 200. It can be performed through
  • FIG. 2 is a block diagram showing the configuration of a battery management device according to an embodiment disclosed in this document.
  • the configuration of the battery management device 200 may vary depending on the usage environment and purpose of the battery pack 1000 including the battery module 100, and may include various different operating components.
  • the battery management device 200 may include a voltage measurement unit 210 and a controller 220.
  • the controller 220 may include a calculation unit 230, a diagnosis unit 240, and a control unit 250.
  • the battery management device 200 may additionally include a current measurement unit and/or a temperature measurement unit in addition to the voltage measurement unit 210.
  • the voltage measuring unit 210 is composed of a device capable of measuring the voltage of a battery bank and/or cell, including a voltmeter, and measures the voltage of each of the plurality of battery cells 110, 120, 130, and 140.
  • Time-series data of the voltage of each of the plurality of battery cells 110, 120, 130, and 140 can be obtained by measuring at regular time intervals or per unit time.
  • the voltage measurement unit 210 increases and decreases the voltage of the plurality of battery cells 110, 120, 130, and 140 in the charging, resting period after charging, discharging, and resting period after discharging, and stabilizes it for a long time. (Relaxation) data can be obtained by measuring continuously.
  • the continuous voltage data obtained in this way can be used to diagnose abnormal battery cells in a specific section, for example, a charging section, a rest period after charging, a discharge section, and a rest period after discharging, as needed.
  • the calculation unit 230 of the controller 220 uses the voltage data measured by the voltage measurement unit 210 to diagnose each of the plurality of battery cells 110, 120, 130, and 140, which will be described below.
  • Various calculations are performed, and the diagnosis unit 240 uses the calculation results to check the diagnostic conditions described below to diagnose whether there is an abnormality in the battery bank, and the control unit 250 uses the diagnosis results to monitor an abnormal battery bank. It may also take appropriate action on the battery bank, such as notifying the user of any abnormalities.
  • FIG. 3 is a flowchart showing a method of operating the battery management device 200 according to an embodiment disclosed in this document. Hereinafter, the operation of the device at each stage and the method of diagnosing a defective battery cell will be described with reference to FIG. 3.
  • the voltage measurement unit 210 measures the voltage of each of the plurality of battery cells 110, 120, 130, and 140 at regular time intervals, and the controller 220 measures the voltage of each of the plurality of battery cells 110, 120, 130, and 140.
  • the voltage measuring unit 210 measures the voltage in all sections of the charging section, resting section after charging, discharging section, and resting section after discharging each of the plurality of battery cells (110, 120, 130, and 140) to measure voltage rise and fall.
  • Long-term stabilization (relaxation) data is continuously calculated, and the controller 220 can generate a graph showing each voltage change using the measured voltage data.
  • the voltage measurement unit 210 increases and decreases the voltage in a specific section among the charging, post-charge rest period, discharge, and post-discharge rest period of each of the plurality of battery cells 110, 120, 130, and 140, as needed.
  • Long-term stabilization (relaxation) data can be calculated continuously and using this, the controller 220 may generate a graph representing each voltage change.
  • Figure 4 is a graph showing the voltage change of a battery cell according to an embodiment disclosed in this document.
  • a specific time among the voltages measured by the voltage measurement unit 210 for example, 10,600 seconds after charging of the plurality of battery cells 110, 120, 130, and 140 is initiated, is It shows the voltage change of each of the plurality of battery cells (110, 120, 130, 140) measured at 200 second intervals during the period from the last time to 11,600 seconds ( eg, rest period).
  • the controller 220 may calculate a moving average of the measured voltage of each of the plurality of battery cells 110, 120, 130, and 140.
  • the moving average is the average of some data extracted by moving a window of a specific size from the entire data.
  • the window is a reference section that extracts part of the total data and determines the data to be used.
  • the start point of the window is the reference time before the current point, and the end point of the window is the current point. For example, if the window is 1 week, the controller 220 may extract voltage data acquired during the last 1 week from the current point out of all voltage data.
  • the controller 220 uses voltage data extracted while moving the window among the total voltage data of each of the plurality of battery cells 110, 120, 130, and 140 to determine the voltage of each of the plurality of battery cells 110, 120, 130, and 140.
  • the moving average value of can be calculated.
  • the controller 220 uses voltage data continuously extracted while moving the window among the total voltage data of each of the plurality of battery cells 110, 120, 130, and 140.
  • the continuous moving average value of the voltage can be calculated.
  • the controller 220 applies a simple moving average, weighted moving average, or exponential to the total voltage data of each of the plurality of battery cells 110, 120, 130, and 140.
  • the moving average value of the voltage of each of the plurality of battery cells 110, 120, 130, and 140 can be calculated by applying one of the Exponential Moving Averages (EMA).
  • EMA Exponential Moving Averages
  • the controller 220 applies an exponential moving average (EMA) to the total voltage data of each of the plurality of battery cells 110, 120, 130, and 140. 140)
  • the exponential moving average value of each voltage can be calculated.
  • the exponential moving average is a type of weighted moving average that uses data from all past periods and gives more weight to recent data.
  • the controller 220 may calculate a plurality of moving average values with different window sizes using the voltage data of each of the plurality of battery cells 110, 120, 130, and 140. According to one embodiment, the controller 220 uses the total voltage data of each of the plurality of battery cells 110, 120, 130, and 140 to calculate a long-term moving average with a relatively long window. And a short moving average with a relatively short window can be continuously calculated for each unit time ( eg, 200 seconds). For example, the size of the window of the long-term moving average may include 100 seconds, and the size of the window of the short-term moving average may include 10 seconds.
  • the controller 220 uses the voltage data of each of the plurality of battery cells 110, 120, 130, and 140 to calculate a plurality of battery cells ( 110, 120, 130, 140), each long-term moving average value can be calculated, and each of the plurality of battery cells (110, 120, 130, 140) can be calculated using voltage data acquired every second for the last 10 seconds from the time of calculation. Short-term moving averages can be calculated.
  • the controller 220 uses the continuous long-term moving average (V_LMA) and short-term moving average (V_SMA) of each of the plurality of battery cells (110, 120, 130, and 140) to ) Each long-term voltage change trend and short-term voltage change trend can be analyzed.
  • the controller 220 diagnoses whether the voltage of each of the plurality of battery cells 110, 120, 130, and 140 is abnormal using the long-term moving average value (V_LMA) and short-term moving average value (V_SMA) of the voltage of each of the plurality of battery cells 110, 120, 130, and 140. can do.
  • the controller 220 determines the long-term moving average value (V_LMA) and short-term moving average value (V_SMA) of the voltage of each of the plurality of battery cells (110 , 120, 130, 140) in each unit time (eg, 200 seconds).
  • a plurality of first deviations (V_LMA - V_SMA), which are deviations, may be calculated.
  • the controller 220 may calculate the first deviations of each of the plurality of battery cells 110, 120, 130, and 140 calculated per unit time.
  • V_LMA - V_SMA can be calculated continuously for each unit time ( eg, 200 seconds).
  • the controller 220 may continuously calculate the deviation between the long-term behavior and short-term behavior of the voltage of each of the plurality of battery cells 110, 120, 130, and 140.
  • the controller 220 calculates the long-term moving average value of the average voltage (V_avg) of the plurality of battery cells (110, 120, 130, 140) for each unit time ( eg, 200 seconds). and short-term moving averages can be calculated.
  • the average voltage (V_avg) of the plurality of battery cells 110, 120, 130, and 140 for each unit time ( eg, 200 seconds) is the voltage of the plurality of battery cells 110, 120, 130, and 140.
  • the controller 220 continuously calculates the average voltage (V_avg) of the plurality of battery cells 110, 120, 130, and 140 for each unit time ( eg, 200 seconds), and A long-term moving average value of the average voltage (V_avg) of a plurality of battery cells (110, 120, 130, 140) using the average voltage (V_avg) of 130, 140) and short-term moving averages can be calculated.
  • the long-term moving average value of the average voltage (V_avg) of the plurality of battery cells 110, 120, 130, and 140 The size of the window may be the same as the size of the window ( eg, 100 seconds) of the long-term moving average value (V_LMA) of the voltage of each of the plurality of battery cells 110, 120, 130, and 140.
  • the short-term moving average value of the average voltage (V_avg) of the plurality of battery cells 110, 120, 130, and 140 The size of the window may be the same as the size of the window ( eg, 10 seconds) of the short-term moving average value (V_SMA) of each of the plurality of battery cells 110, 120, 130, and 140.
  • the controller 220 calculates the long-term moving average value of the average voltage (V_avg) of the plurality of battery cells (110, 120, 130, 140) for each unit time ( eg, 200 seconds). and short-term moving averages The second deviation is the deviation of can be calculated continuously.
  • the controller 220 may calculate the deviation between the long-term behavior and short-term behavior of the average voltage (V_avg) of the plurality of battery cells 110, 120, 130, and 140.
  • the controller 220 determines a plurality of first deviations (V_LMA - V_SMA) and a second deviation.
  • the first diagnostic deviation D1 of each of the plurality of battery cells 110, 120, 130, and 140 which is the deviation of , can be calculated.
  • the controller 220 may calculate the first diagnostic deviation D1 for each of the plurality of battery cells 110, 120, 130, and 140 based on [Equation 1] described below.
  • the controller 220 has a plurality of first deviations (V_LMA - V_SMA) and a second deviation.
  • the deviation of can be calculated as the first diagnostic deviation D1 for each of the plurality of battery cells 110, 120, 130, and 140.
  • FIG. 5A is a graph showing a first diagnostic deviation of a battery cell according to an embodiment disclosed in this document.
  • the controller 220 continuously calculates the first diagnostic deviation D1 of each of the plurality of battery cells 110, 120, 130, and 140 per unit time in the corresponding section, and determines the plurality of battery cells ( 110, 120, 130, 140)
  • a graph showing the change in each first diagnostic deviation (D1) can be generated.
  • the controller 220 continuously calculates the first diagnostic deviation D1 of each of the plurality of battery cells 110, 120, 130, and 140 in each unit time ( eg, 200 seconds) to determine the plurality of battery cells 110 and 120. , 130, 140), the long-term behavior and short-term behavior of the average voltage (V_avg) can be compared to the deviation of the long-term behavior and short-term behavior of the voltage of each of the plurality of battery cells (110, 120, 130, 140).
  • the graph ab2 may be a graph showing a change in the first diagnostic deviation D1 of the battery cell 110.
  • the first diagnostic deviation D1 of the battery cell 110 shows a unique pattern compared to other normal battery cells, and in particular, compared to other battery cells, in a specific section, as will be explained later. It shows that it exceeds the standard value.
  • the controller 220 removes noise data from the first diagnostic deviation D1 of each of the plurality of battery cells 110, 120, 130, and 140, respectively.
  • the second diagnostic deviation (D2) can be calculated.
  • the controller 220 sets a reference value for determining whether the first diagnostic deviation D1 of each of the plurality of battery cells 110, 120, 130, and 140 is noise based on [Equation 2] below. You can.
  • Controller 220 determines the second deviation A value obtained by multiplying the absolute value of by the first critical constant (C1) and the second critical constant C2, the maximum value Max may be set as a reference value for each of the plurality of battery cells 110, 120, 130, and 140.
  • the first critical constant (C1) may include '0.1' and the second critical constant (C2) may include '0.4'. Additionally, the first critical constant C1 and the second critical constant C2 may change depending on the size and characteristics of voltage data of each of the plurality of battery cells 110, 120, 130, and 140.
  • the controller 220 determines the first diagnostic deviation D1 below the reference value among the first diagnostic deviations D1 of each of the plurality of battery cells 110, 120, 130, and 140 as noise data. can do.
  • the controller 220 excludes the first diagnostic deviation D1 below the reference value from among the first diagnostic deviations D1 of each of the plurality of battery cells 110, 120, 130, and 140. 130, 140)
  • Each second diagnostic deviation (D2) can be calculated.
  • the controller 220 may normalize the second diagnostic deviation D2 of each of the plurality of battery cells 110, 120, 130, and 140 to calculate the third diagnostic deviation D3.
  • the controller 220 normalizes the second diagnostic deviation D2 of each of the plurality of battery cells 110, 120, 130, and 140 based on [Equation 3] below to , 130, 140), each third diagnostic deviation (D3) can be calculated.
  • the controller 220 determines the absolute value of the second deviation. A value obtained by multiplying by the third critical constant (C3) and the fourth critical constant (C4), the maximum value (Max) can be calculated. Thereafter, the controller 220 divides the previously obtained second diagnostic deviation into the maximum value, that is, the absolute value of the second deviation indicating the behavior of the average voltage (V_avg) of the plurality of battery cells 110, 120, 130, and 140. The maximum value between the value obtained by multiplying the third critical constant and the fourth critical constant (C4) The third diagnostic deviation D3 can be calculated by normalizing the second diagnostic deviation D2 of each of the plurality of battery cells 110, 120, 130, and 140.
  • the third critical constant (C3) may include '0.1'
  • the fourth critical constant (C4) may include '0.1'
  • the third critical constant (C3) and the fourth critical constant (C4) may include a plurality of battery cells. (110, 120, 130, 140) can be changed depending on the size and characteristics of each voltage data.
  • the controller 220 may normalize the second diagnostic deviation D2 of each of the plurality of battery cells 110, 120, 130, and 140 through logarithmic operation. .
  • the controller 220 normalizes the second diagnostic deviation D2 of each of the plurality of battery cells 110, 120, 130, and 140 through a logarithmic operation to normalize the second diagnostic deviation D2 of each of the plurality of battery cells 110, 120, 130, and 140. It can be calculated as the third diagnostic deviation (D3) of .
  • the controller 220 may set the average value (D2_avg) of the second diagnostic deviation (D2) of each of the plurality of battery cells (110, 120, 130, and 140) as a normalization reference value. there is.
  • the controller 220 determines the second diagnostic deviation D2 of each of the plurality of battery cells 110, 120, 130, and 140 by using the average value D2_avg of the second diagnostic deviation D2 as a normalization reference value. 2
  • the diagnostic deviation (D2) can be normalized by dividing it by the average value (D2_avg).
  • the controller 220 divides the second diagnostic deviation (D2) of each of the plurality of battery cells (110, 120, 130, 140) by the average value (D2_avg) of the second diagnostic deviation and normalizes the value to the plurality of battery cells (110, 140). 120, 130, 140) can be calculated as each third diagnostic deviation (D3).
  • FIG. 5B is a graph showing the third diagnostic deviation D3 of a battery cell according to an embodiment disclosed in this document.
  • the controller 220 normalizes the second diagnostic deviation D2 of each of the plurality of battery cells 110, 120, 130, and 140 according to various embodiments. 130, 140)
  • Each third diagnostic deviation (D3) can be calculated.
  • the controller 220 continuously calculates the third diagnostic deviation D3 of each of the plurality of battery cells 110, 120, 130, and 140 per unit time, and A graph showing changes in the third diagnostic deviation (D3) can be generated.
  • the graph ab3 may be a graph showing a change in the third diagnostic deviation D3 of the battery cell 110.
  • the third diagnostic deviation D3 of the battery cell 110 shows a value of 0 or more in a specific section.
  • the controller 220 may calculate the skewness of the third diagnostic deviation D3 of each of the plurality of battery cells 110, 120, 130, and 140. Specifically, the controller 220 may calculate the skewness of the third diagnostic deviation D3 of each of the plurality of battery cells 110, 120, 130, and 140 based on [Equation 4] below. .
  • the controller 220 displays a plurality of battery cells 110, 120, 130, and 140 in each of the third diagnostic deviations D3.
  • the value obtained by adding the minimum value (Min[third diagnostic deviation (D3))] of each third diagnostic deviation (D3) is divided by the third diagnostic deviation (D3) to form a plurality of battery cells (110, 120, 130, 140).
  • Each degree of bias can be calculated.
  • FIG. 5C is a graph showing the degree of bias of the third diagnostic deviation of the battery cell according to an embodiment disclosed in this document.
  • the controller 220 continuously measures the deflection of the third diagnostic deviation D3 of each of the plurality of battery cells 110, 120, 130, and 140 every 200 seconds in the 10,600 second and 11,600 second sections.
  • a graph showing the change in deflection of the third diagnostic deviation D3 of each of the plurality of battery cells 110, 120, 130, and 140 can be generated.
  • the graph shown in FIG. 5C may be a graph showing a change in the degree of deflection of the third diagnostic deviation D3 of the battery cell 110.
  • the bias in FIG. 5C shows improved clarity, which will lead to improved diagnostic results.
  • the controller 220 reflects the degree of bias in the third diagnostic deviation D3 of each of the plurality of battery cells 110, 120, 130, and 140, respectively.
  • the fourth diagnostic deviation (D4) can be calculated. Specifically, the controller 220 may calculate the fourth diagnostic deviation D4 for each of the plurality of battery cells 110, 120, 130, and 140 based on [Equation 5] below.
  • the controller 220 multiplies the third diagnostic deviation D3 of each of the plurality of battery cells 110, 120, 130, and 140 by the bias at each unit time ( eg, 200 seconds) to determine the plurality of battery cells 110, 120, 130, 140), each fourth diagnostic deviation (D4) can be calculated.
  • FIG. 5D is a graph showing a fourth diagnostic deviation of a battery cell according to an embodiment disclosed in this document.
  • the controller 220 continuously calculates the fourth diagnostic deviation D4 for each of the plurality of battery cells 110, 120, 130, and 140 for each unit time ( eg, 200 seconds), A graph showing changes in the fourth diagnostic deviation D4 of each of the plurality of battery cells 110, 120, 130, and 140 may be generated.
  • the graph shown in FIG. 5D may be a graph showing a change in the fourth diagnostic deviation D4 of the battery cell 110.
  • the fourth diagnostic deviation (D4) to which the bias is applied reduces noise and the voltage behavior signal of the abnormal battery cell is amplified and becomes more stable compared to the third diagnostic deviation (D3) to which the bias is not applied. It shows accurate diagnostic deviation.
  • the controller 220 may determine whether the fourth diagnostic deviation D4 of each of the plurality of battery cells 110, 120, 130, and 140 exceeds the threshold.
  • the threshold can be defined as a standard value that can result in extreme results and be judged as ‘abnormal’.
  • a threshold can be defined as a criterion that indicates how much the data contradicts a particular statistical model.
  • the controller 220 may determine that a battery cell in which the fourth diagnostic deviation D4 exceeds the threshold among the plurality of battery cells 110, 120, 130, and 140 is a battery cell in which abnormal voltage behavior has occurred.
  • the threshold value is a value determined in consideration of the state of the battery cells, the sensitivity of the measurement system, and the measurement environment, and may vary depending on, for example, the type of battery cell and/or the vehicle to which the battery cell is applied.
  • the controller 220 determines that the fourth diagnostic deviation D4 of the battery cell 110 exceeds 0.4 V in a specific section, so that the battery cell ( 110) can be judged as a battery cell in which abnormal behavior has occurred.
  • the process returns to S102 and repeats the measurement, calculation, and diagnosis processes. In another embodiment, instead of returning to S102, the process may be repeated by returning to any of the previous steps in S116 as needed.
  • the controller 220 determines whether the fourth diagnostic deviation D4 of each of the plurality of battery cells 110, 120, 130, and 140 exceeds the threshold value. ), at least one battery cell may be diagnosed as a faulty battery cell. That is, when the fourth diagnostic deviation D4 of at least one battery cell among the plurality of battery cells 110, 120, 130, and 140 exceeds the threshold, the controller 220 selects the battery cell as a battery in which abnormal behavior has occurred. Diagnosis can be made with cells.
  • the controller 220 immediately detects the fourth diagnostic deviation D4 of at least one battery cell among the plurality of battery cells 110, 120, 130, and 140 when it first exceeds the threshold. Rather than diagnosing the battery cell as a faulty battery cell, if the diagnostic count value is above the threshold count value, for example, if the battery cell exceeds the threshold value and is maintained for a preset time ( eg, threshold count) One year, the battery cell in question is diagnosed as a defective battery cell. In this way, abnormal diagnosis is not made for battery cells in which the fourth diagnostic deviation D4 momentarily exceeds the threshold and then falls below the threshold within a short period of time, thereby improving the reliability of diagnosis of abnormal battery cells.
  • the controller 220 diagnoses at least one battery cell among the plurality of battery cells 110, 120, 130, and 140, and determines whether an internal short circuit has occurred inside the battery cell, whether an external short circuit has occurred, and whether lithium has been deposited. You can track and monitor defects, etc.
  • the controller 220 may provide information about the battery cell to the battery user.
  • the controller 220 can provide information about a battery cell in which an internal short circuit has occurred to a user terminal through a communication unit (not shown), as well as information about the corresponding battery cell through a display provided in a vehicle or charger. will be able to provide.
  • abnormal battery cells can be accurately diagnosed by removing noise in the deviation of the long-term moving average value and short-term moving average value of the voltage of the battery cell.
  • the battery management device 200 according to an embodiment disclosed in this document minimizes distortion of the voltage of the battery cell by using the deviation of the long-term moving average value and the short-term moving average value of the voltage of each battery cell, removes noise data, and , the accuracy of diagnosis can be improved by amplifying the voltage behavior of abnormal battery cells by reflecting the bias of the battery cell's voltage.
  • the battery management device 200 can secure the safety and reliability of battery energy by early diagnosing battery cells in which abnormal voltage behavior has occurred using the deviation between the long-term moving average value and the short-term moving average value of the voltage of the battery cell.
  • the battery management device 200 diagnoses battery cells in which abnormal voltage behavior occurs while the battery is installed in the vehicle, so separate separation of the battery is not necessary, so the battery cell can be diagnosed quickly and easily.
  • FIG. 6 is a flowchart showing a method of operating a battery management device according to another embodiment disclosed in this document.
  • diagnosis of a defective battery cell is described as comparing the fourth diagnostic deviation D4 and a threshold value in step S122, but the method is not limited thereto.
  • diagnosis of a defective battery cell may be performed at any step before step S122.
  • diagnosis of a defective battery cell may be performed after calculating the second diagnostic deviation D2 in step S114.
  • this embodiment will be described with reference to FIG. 6. To avoid duplication, repetition of substantially identical descriptions is omitted.
  • the voltage measurement unit 210 measures the voltage of each of the plurality of battery cells 110, 120, 130, and 140 at regular time intervals, and the controller 220 measures the voltage of the plurality of battery cells 110. , 120, 130, 140) You can create a graph showing each voltage change.
  • the voltage measuring unit 210 measures the voltage in all sections of the charging section, resting section after charging, discharging section, and resting section after discharging each of the plurality of battery cells (110, 120, 130, and 140) to measure voltage rise and fall.
  • Long-term stabilization (relaxation) data is continuously calculated, and the controller 220 can generate a graph showing each voltage change using the measured voltage data.
  • the controller 220 may calculate a moving average of the measured voltage of each of the plurality of battery cells 110, 120, 130, and 140.
  • the controller 220 applies an exponential moving average (EMA) to the total voltage data of each of the plurality of battery cells 110, 120, 130, and 140. 140) The exponential moving average value of each voltage can be calculated.
  • EMA exponential moving average
  • the controller 220 uses the total voltage data of each of the plurality of battery cells 110, 120, 130, and 140 to determine the long-term moving average and the relatively long window length. Short moving average can be calculated continuously for each unit time ( eg, 200 seconds).
  • the controller 220 calculates the long-term moving average value (V_LMA) and short-term moving average value (V_SMA) of the voltage of each of the plurality of battery cells 110 , 120, 130, and 140 in each unit time (eg, 200 seconds).
  • V_LMA long-term moving average value
  • V_SMA short-term moving average value
  • the controller 220 calculates the long-term moving average value of the average voltage (V_avg) of the plurality of battery cells (110, 120, 130, 140) for each unit time ( eg, 200 seconds). and short-term moving averages can be calculated.
  • the average voltage (V_avg) of the plurality of battery cells 110, 120, 130, and 140 for each unit time ( eg, 200 seconds) is the voltage of the plurality of battery cells 110, 120, 130, and 140.
  • the controller 220 calculates the long-term moving average value of the average voltage (V_avg) of the plurality of battery cells (110, 120, 130, 140) for each unit time ( eg, 200 seconds). and short-term moving averages
  • the second deviation is the deviation of can be calculated continuously.
  • the controller 220 determines a plurality of first deviations (V_LMA - V_SMA) and a second deviation.
  • the first diagnostic deviation D1 of each of the plurality of battery cells 110, 120, 130, and 140 which is the deviation of , can be calculated.
  • the controller 220 may calculate the first diagnostic deviation D1 for each of the plurality of battery cells 110, 120, 130, and 140 based on [Equation 1] described above.
  • the controller 220 removes noise data from the first diagnostic deviation D1 of each of the plurality of battery cells 110, 120, 130, and 140, respectively.
  • the second diagnostic deviation (D2) can be calculated. Specifically, the controller 220 sets a reference value for determining whether the first diagnostic deviation D1 of each of the plurality of battery cells 110, 120, 130, and 140 is noise based on the above-described [Equation 2]. You can. The controller 220 excludes the first diagnostic deviation D1 below the reference value from among the first diagnostic deviations D1 of each of the plurality of battery cells 110, 120, 130, and 140. 130, 140) Each second diagnostic deviation (D2) can be calculated.
  • the controller 220 may determine whether the second diagnostic deviation D2 of each of the plurality of battery cells 110, 120, 130, and 140 exceeds the threshold. Meanwhile, if it is determined in S216 that the second diagnostic deviation D2 does not exceed the threshold, the process returns to step S202 and repeats the measurement and diagnosis process. In another embodiment, instead of returning to S202, the process may be repeated by returning to any one of the steps preceding step S214, if necessary.
  • the controller 220 diagnoses the battery cell as a battery cell in which a voltage abnormality has occurred. can do.
  • the battery management device 200 includes the average voltage (V_avg) of the plurality of battery cells 110, 120, 130, and 140 and each of the plurality of battery cells 110, 120, 130, and 140.
  • V_avg average voltage
  • a plurality of battery cells 110, 120, 130, and 140 can be diagnosed using the difference (dV) between voltages.
  • the voltage measurement unit 210 may first measure the voltage of each of the plurality of battery cells 110, 120, 130, and 140 in a similar manner to the embodiment described above.
  • the voltage measurement unit 210 calculates the voltage of each of the plurality of battery cells 110, 120, 130, and 140 for each unit time to calculate the first voltage (dV) of each of the plurality of battery cells 110, 120, 130, and 140.
  • dV first voltage
  • the voltage measurement unit 210 increases and decreases the voltage of the plurality of battery cells 110, 120, 130, and 140 in the charging, resting period after charging, discharging, and resting period after discharging, and stabilizes it for a long time. (Relaxation) data is calculated continuously, and the controller 220 can generate a graph representing each voltage change.
  • the controller 220 can calculate the average voltage (V_avg) of the plurality of battery cells (110, 120, 130, and 140) per unit time ( eg, 200 seconds) using the voltage data measured above.
  • the controller 220 controls the average value (Mean), median value (Median), or minimum value (Minimum) of the voltage of the plurality of battery cells 110, 120, 130, and 140 per unit time ( eg , 200 seconds). can be calculated as the average voltage of the plurality of battery cells 110, 120, 130, and 140.
  • the controller 220 may calculate the average voltage (V_avg) and the difference (dV) between the voltages for each of the plurality of battery cells 110, 120, 130, and 140 per unit time ( eg, 200 seconds). According to one embodiment, the controller 220 may calculate the difference (dV) between the average voltage (V_avg) and the voltage of each of the plurality of battery cells (110, 120, 130, and 140) as the first voltage (dV). .
  • the first voltage of each of the plurality of battery cells (110, 120, 130, 140) is the difference (dV) between the voltage of each of the plurality of battery cells (110, 120, 130, 140) and the average voltage (V_avg) as an example.
  • the controller 220 controls the average voltage (V_avg) of each of the plurality of battery cells (110, 120, 130, 140) and the deviation (dV) between the voltages of the plurality of battery cells (110).
  • each voltage may be calculated as the first voltage (dV) of each of the plurality of battery cells 110, 120, 130, and 140.
  • Figure 7 is a flowchart showing a method of diagnosing a battery cell of a controller according to another embodiment disclosed in this document.
  • FIG. 7 the operation of the device at each stage and the method of diagnosing a defective battery cell according to another embodiment disclosed in this document will be described.
  • the voltage measurement unit 210 measures the voltage of each of the plurality of battery cells 110, 120, 130, and 140 at regular time intervals, and the controller 220 measures the voltage of each of the plurality of battery cells 110, 120, 130, and 140.
  • the voltage measuring unit 210 measures the voltage in all sections of the charging section, resting section after charging, discharging section, and resting section after discharging each of the plurality of battery cells (110, 120, 130, and 140) to measure voltage rise and fall.
  • Long-term stabilization (relaxation) data is continuously calculated, and using this, the controller 220 can generate a graph representing each voltage change.
  • the voltage measurement unit 210 increases and decreases the voltage in a specific section among the charging, post-charge rest period, discharge, and post-discharge rest period of each of the plurality of battery cells 110, 120, 130, and 140, as needed. Additionally, the controller 220 may continuously calculate long-term relaxation data and use this to generate a graph representing each voltage change.
  • the controller 220 uses the voltage data for the plurality of battery cells 110, 120, 130, and 140 measured in the previous step to measure the plurality of battery cells 110, 120, 130, and 140 at regular time intervals.
  • the difference (dV) between the average voltage (V_avg) and the voltage of each of the plurality of battery cells (110, 120, 130, and 140) can be calculated as the first voltage (dV).
  • the first voltage (dV) is the difference between the average voltage (V_avg) of the plurality of battery cells (110, 120, 130, 140) and the respective voltages of the plurality of battery cells (110, 120, 130, 140) (dV) ), for example, the controller 220 first adds up the voltage values of the plurality of battery cells 110, 120, 130, and 140 at a specific point in time (t1), divides by 4, and sets the average value (Mean) to t1. Calculated as the average voltage (V_avg) at the point in time.
  • the median or minimum value (Minimum) of the voltage values of the plurality of battery cells 110-140 at a specific time point (t1) is calculated as a plurality of values. It can also be calculated as the average voltage (V_avg) of the battery cells 110, 120, 130, and 140.
  • the controller 220 monitors the average voltage (V_avg) for each of the plurality of battery cells 110, 120, 130, and 140 at regular time intervals and the voltage of each of the plurality of battery cells 110, 120, 130, and 140.
  • the deviation (dV) can be calculated as the first voltage (dV).
  • the difference between the average voltage (V_avg) calculated at a specific time point (t1) and the measured voltage of each of the plurality of battery cells 110-140 is calculated for each of the plurality of battery cells 110, 120, 130, and 140. It is calculated as the first voltage (dV) at time t1.
  • This calculation process can be repeated at designated time points for each of the plurality of battery cells 110, 120, 130, and 140 to continuously calculate the first voltage (dV).
  • the voltages of the plurality of battery cells 110, 120, 130, and 140 at the 10,800 second point in FIG. 4 are 3.92 V, 3.9175 V, 3.9150 V, and 3.9125 V, respectively
  • the plurality of battery cells at the 10,800 second point are The average voltage of the battery cells 110, 120, 130, and 140 is 3.91475 V.
  • the deviation (dV) between the average voltage (V_avg) and the voltage of each of the plurality of battery cells 110, 120, 130, and 140 is 0.00525 V (battery cell 110), 0.00275 V (battery cell 120), 0.00025 V ( battery cell 130), and 0.00225 V, and each of these values becomes the first voltage (dV) value at the 10,800 second point.
  • the controller 220 repeats this operation for each unit time to continuously calculate the first voltage (dV) in the required section, for example, between 10,600 seconds and 11,600 seconds.
  • the first voltage (dV) is the difference between the average voltage (V_avg) of the plurality of battery cells (110, 120, 130, and 140) and the voltage of each of the plurality of battery cells (110, 120, 130, and 140).
  • the voltage of each of the plurality of battery cells (110, 120, 130, and 140) measured in the previous step may be calculated as the first voltage (dV).
  • FIG. 8A is a graph showing the first voltage (dV) of a battery cell according to an embodiment disclosed in this document.
  • the controller 220 measures the voltage during the discharge and post-discharge rest period of the plurality of battery cells 110, 120, 130, and 140, for example, between 0 seconds and 3,500 seconds, and Time series data of the first voltage (dV) of each of the cells 110, 120, 130, and 140 can be calculated.
  • FIG. 8B is a graph showing the first voltage (dV) of a battery cell according to another embodiment disclosed in this document.
  • the controller 220 measures the voltage during charging of the plurality of battery cells 110, 120, 130, and 140 and the rest period after charging, for example, between 0 seconds and 3,500 seconds, to charge the plurality of batteries.
  • Time series data of the first voltage (dV) of each of the cells 110, 120, 130, and 140 can be calculated.
  • the controller 220 calculates the Long Moving Average and Short Moving Average of the first voltage (dV) of each of the plurality of battery cells 110, 120, 130, and 140.
  • the moving average is the average of some data extracted while moving a window of a specific size among the entire data.
  • the window is a reference section that extracts part of the total data and determines the data to be used.
  • the start time of the window is a reference time ahead of the current time, and the end time of the window is the current time. For example, if the window is 1 week, the controller 220 acquires all data for the most recent 1 week from the current time. One data can be extracted.
  • the controller 220 uses the first voltage (dV) data continuously extracted while moving the window among the total first voltage (dV) data of each of the plurality of battery cells (110, 120, 130, and 140) to control the plurality of battery cells. (110, 120, 130, 140) A continuous moving average value of each first voltage (dV) can be calculated. For example, the controller 220 applies a simple moving average and a weighted moving average to the total first voltage (dV) data of each of the plurality of battery cells 110, 120, 130, and 140.
  • EMA Exponential Moving Averages
  • the controller 220 applies an exponential moving average (EMA) to the total first voltage (dV) data of each of the plurality of battery cells 110, 120, 130, and 140 to , 120, 130, 140), the exponential moving average value of each first voltage (dV) can be calculated.
  • EMA exponential moving average
  • the exponential moving average is a type of weighted moving average that uses data from all past periods and gives more weight to recent data.
  • the controller 220 may calculate a plurality of moving average values with different window sizes using the first voltage (dV) data of each of the plurality of battery cells 110, 120, 130, and 140.
  • the controller 220 uses the total first voltage (dV) data of each of the plurality of battery cells 110, 120, 130, and 140 to calculate a long-term moving average value with a relatively long window. (Long Moving Average) and short-term moving average (Short Moving Average) with a relatively short window length can be calculated.
  • the size of the window of the long-term moving average may include 100 seconds
  • the size of the window of the short-term moving average may include 10 seconds.
  • the controller 220 uses the first voltage (dV) data of each of the plurality of battery cells 110, 120, 130, and 140 to calculate the first voltage (dV) data acquired for the last 100 seconds from the time of calculation.
  • the long-term moving average value of each of the plurality of battery cells 110, 120, 130, and 140 can be calculated using, and the first voltage (dV) data obtained for the last 10 seconds from the time of calculation can be used to calculate the (110, 120, 130, 140) Each short-term moving average can be calculated.
  • FIG. 9A is a graph showing the long-term moving average and short-term moving average of the first voltage in the discharge and post-discharge rest period of the battery cell according to an embodiment disclosed in this document.
  • FIG. 9B is a graph showing the long-term moving average and short-term moving average of the first voltage in the charging and post-charging rest period of the battery cell according to another embodiment disclosed in this document.
  • the dotted line graph represents the change in the short-term moving average (dV_SMA) of each of the plurality of battery cells
  • the solid line graph represents the change in the long-term moving average (dV_LMA) of each of the plurality of battery cells.
  • the controller 220 measures the voltage in the rest period after discharging and discharging the plurality of battery cells 110, 120, 130, and 140.
  • Time series data of the long-term moving average (dV_LMA) and short-term moving average (dV_SMA) of each first voltage (dV) can be calculated.
  • the controller 220 measures the voltage in the rest period after charging and charging the plurality of battery cells 110, 120, 130, and 140.
  • Time series data of the long-term moving average (dV_LMA) and short-term moving average (dV_SMA) of each first voltage (dV) can be calculated.
  • the controller 220 uses the continuous long-term moving average value (dV_LMA) and short-term moving average value (dV_SMA) of the first voltage (dV) of each of the plurality of battery cells (110, 120, 130, and 140) to control the plurality of battery cells ( 110, 120, 130, 140)
  • the long-term voltage change trend and short-term voltage change trend of each first voltage (dV) can be analyzed.
  • the controller 220 measures the voltage deviation (dV) compared to the average voltage (V_avg) of each of the plurality of battery cells (110, 120, 130, and 140) or the long-term voltage of each of the plurality of battery cells (110, 120, 130, and 140). It is possible to diagnose whether the voltage of each of a plurality of battery cells is abnormal using the moving average value (dV_LMA) and the short-term moving average value (dV_SMA).
  • the controller 220 controls the first voltage (dV) of each of the plurality of battery cells (110, 120, 130, and 140) at a predetermined time using the obtained long-term moving average (dV_LMA) and short-term moving average (dV_SMA).
  • the first deviation (dV_LMA - dV_SMA) of each of the plurality of battery cells 110, 120, 130, and 140, which is the deviation of the long-term moving average value (dV_LMA) and the short-term moving average value (dV_SMA) may be calculated.
  • the controller 220 measures the voltage deviation (dV) compared to the average voltage (V_avg) of each of the plurality of battery cells (110, 120, 130, and 140) or the long-term voltage of each of the plurality of battery cells (110, 120, 130, and 140). Behavior and deviations from short-term behavior can be calculated continuously.
  • Figure 10a shows the first deviation, which is the deviation between the long-term moving average (dV_LMA) and the short-term moving average (dV_SMA) of the first voltage (dV) in the discharge and rest period after discharge
  • Figure 10b shows the first deviation during charging
  • a graph showing the first deviation, which is the deviation between the long-term moving average (dV_LMA) and the short-term moving average (dV_SMA) of the first voltage (dV) in the rest period after charging.
  • the graph C1 is assumed to be a graph representing the first deviation of the battery cell 110.
  • the controller 220 may continuously calculate the first deviation (dV_LMA - dV_SMA) of each of the plurality of battery cells 110, 120, 130, and 140 calculated during unit time.
  • the deviation of the long-term moving average (dV_LMA) and the short-term moving average (dV_SMA) of each of the plurality of battery cells 110, 120, 130, and 140 depends on the short-term change history and long-term change history of the cell voltage. can do.
  • the temperature or state of health (SOH) of each of the plurality of battery cells (110, 120, 130, and 140) varies with the cell voltage of each of the plurality of battery cells (110, 120, 130, and 140) steadily in the short term and in the long term. affect. Therefore, if there is no abnormality in the voltage of each of the plurality of battery cells 110, 120, 130, and 140, the long-term moving average (dV_LMA) and short-term moving average (dV_SMA) of each of the plurality of battery cells 110, 120, 130, and 140 ), the deviations may not be significantly different from each other.
  • dV_LMA long-term moving average
  • dV_SMA short-term moving average
  • a voltage abnormality that suddenly occurs due to an internal short-circuit and/or an external short-circuit in a specific battery cell may affect the short-term moving average more than the long-term moving average.
  • the deviation of the long-term moving average (dV_LMA) and short-term moving average (dV_SMA) of the battery cell (ex. battery cell 110) is the long-term moving average (dV_LMA) and short-term moving average (dV_SMA) of the remaining battery cells without voltage abnormalities. ) may show a relatively large difference from the deviation of ).
  • the controller 220 calculates a second deviation ( ) can be calculated.
  • the controller 220 sets the median or minimum value of the first deviation (dV_LMA - dV_SMA) of each of the plurality of battery cells (110, 120, 130, 140) as the second average value in addition to the general average value as the average value of the first deviation (dV_LMA - dV_SMA). It can also be calculated as deviation.
  • the controller 220 continuously calculates the first deviation (dV_LMA - dV_SMA) of each of the plurality of battery cells 110, 120, 130, and 140 per unit time, and Using the first deviation (dV_LMA - dV_SMA) of the plurality of battery cells (110, 120, 130, 140) per unit time, the average, median or minimum value of the first deviation (dV_LMA - dV_SMA) of the plurality of battery cells (110, 120, 130, 140) is calculated to a second Deviation( ) can be calculated continuously.
  • the controller 220 may calculate an average value of the long-term behavior and short-term behavior of the voltage deviation (dV) of the plurality of battery cells 110, 120, 130, and 140.
  • the controller 220 determines the first deviation (dV_LMA - dV_SMA) and the second deviation (dV_LMA - dV_SMA) of each of the plurality of battery cells 110, 120, 130, and 140 per unit time. ), the first diagnostic deviation D1 of each of the plurality of battery cells 110, 120, 130, and 140 can be calculated.
  • the controller 220 may calculate the first diagnostic deviation D1 of each of the plurality of battery cells 110, 120, 130, and 140 per unit time based on [Equation 6].
  • the controller 220 controls a plurality of first deviations (dV_LMA - dV_SMA) and second deviations ( ) can be calculated as the first diagnostic deviation D1 for each of the plurality of battery cells 110, 120, 130, and 140.
  • FIG. 11A is a graph showing the first diagnostic deviation in the discharging and post-discharging rest period of a battery cell according to an embodiment disclosed in this document.
  • FIG. 11B is a graph showing the first diagnostic deviation in the charging and post-charging rest period of a battery cell according to another embodiment disclosed in this document.
  • the graph C1 in FIGS. 11A and 11B is a graph representing the first diagnostic deviation D1 of the battery cell 110 among the plurality of battery cells 110, 120, 130, and 140.
  • the voltage measurement unit 210 measures the voltage in the discharge and post-discharge rest period of the plurality of battery cells 110, 120, 130, and 140 per unit time to measure the voltage in the plurality of battery cells 110, 120. , 130, 140) each of the first deviation (dV_LMA - dV_SMA) and the second deviation ( ), which is the difference of the first diagnostic deviation D1 of each of the plurality of battery cells 110, 120, 130, and 140, can be calculated.
  • the controller 220 uses the voltage in the rest period after charging and charging of the plurality of battery cells 110, 120, 130, and 140 measured per unit time to charge the plurality of battery cells 110, 120. , 130, 140) each of the first deviation (dV_LMA - dV_SMA) and the second deviation ( ), which is the difference of the first diagnostic deviation D1 of each of the plurality of battery cells 110, 120, 130, and 140, can be calculated.
  • the controller 220 calculates the first diagnostic deviation D1 for each of the plurality of battery cells 110, 120, 130, and 140 to determine the average long-term behavior and short-term behavior of the plurality of battery cells 110, 120, 130, and 140.
  • the deviation of the long-term behavior and short-term behavior of the first voltage (dV) of each of the plurality of battery cells 110, 120, 130, and 140 can be compared.
  • the controller 220 converts the first voltage (dV) of each of the plurality of battery cells (110, 120, 130, and 140) into the first diagnostic deviation (D1) of each of the plurality of battery cells (110, 120, 130, and 140). ) can be corrected.
  • the controller 220 returns the first diagnostic deviation D1 of each of the plurality of battery cells 110, 120, 130, and 140 calculated through S302 to S312 again to the plurality of battery cells 110, 120, 130, 140), each first voltage (dV) can be input and the first diagnostic deviation (D1) can be recalculated by repeating S304 to S312.
  • the controller 220 inputs the first diagnostic deviation D1 calculated in S312 as the corrected first voltage dV' of each of the plurality of battery cells 110, 120, 130, and 140.
  • Steps S304, S306, S308, S310, and S312 may be repeated once or multiple times to recalculate the first diagnostic deviation D1 for each of the plurality of battery cells 110, 120, 130, and 140.
  • the controller 220 extracts the correction while moving the window among the time series data of the first diagnostic deviation D1 and the corrected first voltage dV' of each of the plurality of battery cells 110, 120, 130, and 140.
  • a moving average value of the corrected first voltage (dV') of each of the plurality of battery cells (110, 120, 130, and 140) can be calculated using the first voltage (dV').
  • the controller 220 applies an exponential moving average (EMA) to the corrected first voltage (dV') of each of the plurality of battery cells 110, 120, 130, and 140 to 110, 120, 130, 140), the exponential moving average value of each corrected first voltage (dV') can be calculated.
  • EMA exponential moving average
  • the controller 220 records time series data of the long-term moving average (dV'_LMA) and short-term moving average (dV'_SMA) of the corrected first voltage (dV') of each of the plurality of battery cells (110, 120, 130, and 140). can be calculated.
  • the controller 220 calculates a long-term moving average (dV'_LMA) and a short-term moving average (dV') of the corrected first voltage (dV') of each of the plurality of battery cells (110, 120, 130, 140) calculated during unit time.
  • _SMA can be calculated continuously.
  • the controller 220 generates a continuous long-term moving average value (dV'_LMA) and a short-term moving average value (dV'_SMA) of the corrected first voltage (dV') of each of the plurality of battery cells (110, 120, 130, and 140). Using this, the long-term voltage change trend and short-term voltage change trend of the corrected first voltage (dV') of each of the plurality of battery cells 110, 120, 130, and 140 can be analyzed.
  • dV'_LMA continuous long-term moving average value
  • dV'_SMA short-term moving average value
  • the controller 220 converts the first diagnostic deviation D1 calculated through the voltage in the rest period after discharging and discharging the plurality of battery cells 110, 120, 130, and 140 into the first voltage dV. ), the first diagnostic deviation (D1) of each of the plurality of battery cells (110, 120, 130, 140) can be recalculated. According to another embodiment, the controller 220 converts the first diagnostic deviation D1 calculated through the charging of the plurality of battery cells 110, 120, 130, and 140 and the voltage in the rest period after charging to the first voltage. By inputting (dV), the first diagnostic deviation (D1) of each of the plurality of battery cells (110, 120, 130, and 140) can be recalculated.
  • the controller 220 determines the first diagnostic deviation D1, the long-term moving average value (dV'_LMA) of the first diagnostic deviation (D1), the corrected first voltage (dV'), and the short-term The corrected first deviation (dV'_LMA - dV'_SMA) of each of the plurality of battery cells 110, 120, 130, and 140, which is the deviation of the moving average value (dV'_SMA), may be calculated.
  • the controller 220 may continuously calculate the corrected first deviation (dV'_LMA - dV'_SMA) of each of the plurality of battery cells 110, 120, 130, and 140 calculated during unit time.
  • the controller 220 calculates a second deviation ( ) can be calculated.
  • the controller 220 may calculate the average, median, or minimum value of the first deviation (dV'_LMA - dV'_SMA) of the plurality of battery cells 110, 120, 130, and 140 as the second deviation.
  • the controller 220 continuously calculates the corrected first deviation (dV'_LMA - dV'_SMA) of each of the plurality of battery cells 110, 120, 130, and 140 per unit time, and
  • the corrected first deviation (dV'_LMA - dV') of the plurality of battery cells (110, 120, 130, 140) using the corrected first deviation (dV'_LMA - dV'_SMA) of 120, 130, 140) _SMA) is the average value of the average value, median value, or minimum value corrected for the second deviation ( ) can be calculated as.
  • the controller 220 controls the corrected second deviation of the plurality of battery cells 110, 120, 130, and 140 per unit time. ) can be calculated continuously.
  • the controller 220 calculates the corrected first deviation (dV'_LMA - dV'_SMA) and the corrected second deviation ( ), the corrected first diagnostic deviation D1 for each of the plurality of battery cells 110, 120, 130, and 140 can be calculated.
  • the controller 220 determines the noise of the first diagnostic deviation D1 of each of the plurality of battery cells 110, 120, 130, and 140 based on [Equation 7] below. By removing it, the second diagnostic deviation (D2) can be calculated. To this end, the controller 220 first sets a reference value for determining whether the first diagnostic deviation D1 of each of the plurality of battery cells 110, 120, 130, and 140 is noise based on [Equation 7] below. can be set.
  • the controller 220 determines the second deviation ( A value obtained by multiplying the absolute value of ) by the first critical constant (C1) and the second critical constant C2, the maximum value Max may be set as a reference value for each of the plurality of battery cells 110, 120, 130, and 140.
  • the first critical constant (C1) may include '0.1' and the second critical constant (C2) may include '0.4'.
  • the first critical constant C1 and the second critical constant C2 may change depending on the size and characteristics of the first voltage dV of each of the plurality of battery cells 110, 120, 130, and 140.
  • the controller 220 may determine that the first diagnostic deviation D1 below the reference value among the first diagnostic deviations D1 of each of the plurality of battery cells 110, 120, 130, and 140 is noise data. That is, in S314, the controller 220 excludes the first diagnostic deviation D1 below the reference value among the first diagnostic deviations D1 of each of the plurality of battery cells 110, 120, 130, and 140 to determine the plurality of battery cells. (110, 120, 130, 140) Each second diagnostic deviation (D2) can be calculated.
  • the controller 220 may normalize the second diagnostic deviation D2 of each of the plurality of battery cells 110, 120, 130, and 140 to calculate the third diagnostic deviation D3.
  • the controller 220 normalizes the second diagnostic deviation D2 of each of the plurality of battery cells 110, 120, 130, and 140 based on [Equation 8] below to , 130, 140), each third diagnostic deviation (D3) can be calculated.
  • the controller 220 determines the absolute value of the second deviation. A value obtained by multiplying by the third critical constant (C3) and the fourth critical constant (C4), the maximum value (Max) can be calculated. Thereafter, the controller 220 divides the previously obtained second diagnostic deviation into the maximum value, that is, the absolute value of the second deviation representing the behavior of the average voltage (V_avg) of the plurality of battery cells 110, 120, 130, and 140. The maximum value between the value obtained by multiplying 3 critical constants and the fourth critical constant (C4) The third diagnostic deviation D3 can be calculated by normalizing the second diagnostic deviation D2 of each of the plurality of battery cells 110, 120, 130, and 140.
  • the third critical constant (C3) may include '0.1'
  • the fourth critical constant (C4) may include '0.1'
  • the third critical constant (C3) and the fourth critical constant (C4) may include a plurality of battery cells. (110, 120, 130, 140) may each be changed depending on the size and characteristics of the first voltage (dV) data.
  • the controller 220 normalizes the second diagnostic deviation D2 of each of the plurality of battery cells 110, 120, 130, and 140 according to various embodiments.
  • Each third diagnostic deviation (D3) can be calculated.
  • the controller 220 may normalize the second diagnostic deviation D2 of each of the plurality of battery cells 110, 120, 130, and 140 through logarithmic operation. That is, the controller 220 normalizes the second diagnostic deviation D2 of each of the plurality of battery cells 110, 120, 130, and 140 through logarithmic calculation to the plurality of battery cells 110, 120, 130, and 140. ) can be calculated as each third diagnostic deviation (D3).
  • the controller 220 may set the average value (D2_avg) of the second diagnostic deviation (D2) of each of the plurality of battery cells (110, 120, 130, and 140) as a normalization reference value.
  • the controller 220 uses the average value (D2_avg) of the second diagnostic deviations as a normalization reference value to calculate the second diagnostic deviation (D2) of each of the plurality of battery cells (110, 120, 130, and 140) into the second diagnostic deviation. It can be normalized by dividing by the average value (D2_avg) of (D2).
  • the controller 220 divides the second diagnostic deviation (D2) of each of the plurality of battery cells (110, 120, 130, 140) by the average value (D2_avg) of the second diagnostic deviation and normalizes the value to the plurality of battery cells (110, 140). 120, 130, 140) can be calculated as each third diagnostic deviation (D3).
  • the controller 220 continuously calculates the third diagnostic deviation D3 of each of the plurality of battery cells 110, 120, 130, and 140 per unit time, 140) A graph showing changes in each third diagnostic deviation (D3) can be generated.
  • the controller 220 may calculate the skewness of the third diagnostic deviation D3 of each of the plurality of battery cells 110, 120, 130, and 140. Specifically, the controller 220 may calculate the skewness of the third diagnostic deviation D3 of each of the plurality of battery cells 110, 120, 130, and 140 based on [Equation 9] below. .
  • the controller 220 displays a plurality of battery cells 110, 120, 130, and 140 in each of the third diagnostic deviations D3.
  • the value obtained by adding the minimum value (Min[third diagnostic deviation (D3))] of each third diagnostic deviation (D3) is divided by the third diagnostic deviation (D3) to form a plurality of battery cells (110, 120, 130, 140).
  • Each degree of bias can be calculated.
  • the controller 220 continuously calculates the deflection degree of the third diagnostic deviation D3 of each of the plurality of battery cells 110, 120, 130, and 140 per unit time, 140) A graph showing the change in bias of each third diagnostic deviation (D3) can be generated.
  • the controller 220 reflects the degree of bias in the third diagnostic deviation D3 of each of the plurality of battery cells 110, 120, 130, and 140, respectively.
  • the fourth diagnostic deviation (D4) can be calculated. Specifically, the controller 220 may calculate the fourth diagnostic deviation D4 for each of the plurality of battery cells 110, 120, 130, and 140 based on [Equation 10] below.
  • the controller 220 multiplies the third diagnostic deviation (D3) of each of the plurality of battery cells (110, 120, 130, 140) by the bias at every predetermined unit time ( eg, 200 seconds) to diagnose the plurality of battery cells (110, 120). , 130, 140), each fourth diagnostic deviation (D4) can be calculated.
  • the fourth diagnostic deviation (D4) to which the bias is applied reduces noise and amplifies the voltage behavior signal of the abnormal battery cell compared to the third diagnostic deviation (D3) to which the bias is not applied, making it more stable and accurate. It shows diagnostic deviation.
  • the controller 220 continuously calculates the fourth diagnostic deviation D4 of each of the plurality of battery cells 110, 120, 130, and 140 per unit time, and A graph showing changes in the fourth diagnostic deviation (D4) can be generated.
  • the controller 220 may determine whether the fourth diagnostic deviation D4 of each of the plurality of battery cells 110, 120, 130, and 140 exceeds a threshold.
  • the threshold can be defined as a standard value that can result in extreme results and be judged as ‘abnormal’.
  • a threshold can be defined as a criterion that indicates how conflicting the data is with a particular statistical model.
  • the controller 220 may determine that a battery cell in which the fourth diagnostic deviation D4 exceeds the threshold among the plurality of battery cells 110, 120, 130, and 140 is a battery cell in which abnormal voltage behavior has occurred.
  • the threshold value is a value determined in consideration of the state of the battery cells, the sensitivity of the measurement system, and the measurement environment, and may vary depending on, for example, the type of battery cell and/or the vehicle to which the battery cell is applied.
  • the process returns to S302 and repeats the measurement and diagnosis process.
  • the process may be repeated by returning to one of the steps prior to S322 as needed.
  • the controller 220 determines whether the fourth diagnostic deviation D4 of each of the plurality of battery cells 110, 120, 130, and 140 exceeds the threshold value. ), at least one battery cell can be diagnosed as a faulty cell.
  • the controller 220 diagnoses the battery cell as a battery cell in which abnormal behavior has occurred. can do.
  • the controller 220 detects at least The diagnostic count value of one battery cell can be increased.
  • the controller 220 when the diagnostic count value of at least one battery cell among the plurality of battery cells 110, 120, 130, and 140 is greater than or equal to the threshold count value, the controller 220 detects an abnormality in the at least one battery cell. It can be diagnosed.
  • the controller 220 immediately detects the battery when the fourth diagnostic deviation D4 of at least one battery cell among the plurality of battery cells 110, 120, 130, and 140 exceeds the threshold for the first time. Rather than diagnosing a cell as a defective battery cell, this only applies if the diagnostic count value is above the threshold count value, for example, if the battery cell exceeds the threshold value is maintained for a preset time ( eg, threshold count). The battery cell is diagnosed as a defective battery cell. In this way, abnormal diagnosis is not made for battery cells in which the fourth diagnostic deviation D4 momentarily exceeds the threshold and then falls below the threshold within a short period of time, thereby improving the reliability of diagnosis for abnormal battery cells.
  • diagnosis of the battery cell is described as comparing the fourth diagnosis deviation D4 with a threshold value in S322, but the method is not limited thereto.
  • diagnosis of a battery cell may be performed at any step before S322.
  • the diagnosis of the battery cell may be performed after calculating the second diagnosis deviation D2 in step S314.
  • the controller 220 diagnoses at least one battery cell among the plurality of battery cells 110, 120, 130, and 140, and determines whether an internal short circuit has occurred inside the battery cell, whether an external short circuit has occurred, and whether lithium has been deposited. You can track and monitor defects, etc.
  • the controller 220 may provide information about the corresponding battery cell to the user.
  • the controller 220 can provide information about a battery cell in which an internal short circuit has occurred to a user terminal through a communication unit (not shown), as well as information about the corresponding battery cell through a display provided in a vehicle or charger. will be able to provide.
  • noise in the long-term moving average value and short-term moving average value of the voltage deviation which is the difference between the voltage compared to the average voltage of the battery cell, is removed, can be diagnosed accurately.
  • the battery management device 200 minimizes distortion of the voltage of the battery cell by using the deviation of the long-term moving average value and the short-term moving average value of the voltage deviation of each battery cell, removes noise data, and , the accuracy of diagnosis can be improved by amplifying the voltage behavior of abnormal battery cells by reflecting the bias of the battery cell's voltage.
  • the battery management device 200 can secure the safety and reliability of battery energy by early diagnosing a battery cell in which abnormal voltage behavior has occurred using the deviation of the long-term moving average value and the short-term moving average value of the voltage deviation of the battery cell.
  • the battery management device 200 diagnoses battery cells in which abnormal voltage behavior occurs while the battery is installed in the vehicle, so separate separation of the battery is not necessary, so the battery cell can be diagnosed quickly and easily.
  • FIG. 12 is a flowchart showing a method of operating the battery management device 200 according to another embodiment disclosed in this document. Hereinafter, the operation of the device at each stage and the method of diagnosing a defective battery cell will be described with reference to FIG. 12.
  • the voltage measurement unit 210 measures the voltage of each of the plurality of battery cells 110, 120, 130, and 140 at regular time intervals, and the controller 220 measures the voltage of each of the plurality of battery cells 110, 120, 130, and 140.
  • the voltage measuring unit 210 measures the voltage in all sections of the charging section, resting section after charging, discharging section, and resting section after discharging each of the plurality of battery cells (110, 120, 130, and 140) to measure voltage rise and fall.
  • Long-term stabilization (relaxation) data is continuously calculated, and the controller 220 can generate a graph showing each voltage change using the measured voltage data.
  • the voltage measurement unit 210 increases and decreases the voltage in a specific section among the charging, post-charge rest period, discharge, and post-discharge rest period of each of the plurality of battery cells 110, 120, 130, and 140, as needed.
  • Long-term stabilization (relaxation) data can be calculated continuously and using this, the controller 220 may generate a graph representing each voltage change.
  • the controller 220 determines the deviation between the average voltage (V_avg) of the plurality of battery cells (110, 120, 130, and 140) and the voltage of each of the plurality of battery cells (110, 120, 130, and 140) at a predetermined unit time. (dV) or the measured voltage itself of the plurality of battery cells 110, 120, 130, and 140 can be calculated as the first voltage (dV).
  • the controller 220 may calculate a moving average of the first voltage (dV) of each of the plurality of battery cells 110, 120, 130, and 140.
  • the moving average is the average of some data extracted by moving a window of a specific size among the entire data.
  • the window is a reference section that extracts part of the total data and determines the data to be used.
  • the start time of the window is a reference time ahead of the current time, and the end time of the window is the current time. For example, if the window is 1 week, the controller 220 acquires all data for the most recent 1 week from the current time. One data can be extracted.
  • the controller 220 uses the first voltage (dV) continuously extracted while moving the window among the time series data of the total first voltage (dV) of each of the plurality of battery cells (110, 120, 130, and 140) to control the plurality of batteries.
  • a continuous moving average value of the first voltage (dV) of each of the cells 110, 120, 130, and 140 may be calculated.
  • the controller 220 applies a simple moving average and a weighted moving average to the total first voltage (dV) data of each of the plurality of battery cells 110, 120, 130, and 140.
  • one of the exponential moving averages (EMA) may be applied to calculate the moving average value of the first voltage dV1 of each of the plurality of battery cells 110, 120, 130, and 140.
  • EMA exponential moving averages
  • the controller 220 applies an exponential moving average (EMA) to the total first voltage (dV) data of each of the plurality of battery cells 110, 120, 130, and 140 to , 120, 130, 140), the exponential moving average value of each first voltage (dV) can be calculated.
  • EMA exponential moving average
  • the exponential moving average is a type of weighted moving average that uses data from all past periods and gives more weight to recent data.
  • the controller 220 may calculate a plurality of moving average values with different window sizes using the first voltage (dV) data of each of the plurality of battery cells 110, 120, 130, and 140.
  • the controller 220 uses the total first voltage (dV) data of each of the plurality of battery cells 110, 120, 130, and 140 to calculate a long-term moving average value with a relatively long window. (Long Moving Average) and short-term moving average (Short Moving Average) with a relatively short window length can be calculated.
  • the size of the window of the long-term moving average may include 100 seconds
  • the size of the window of the short-term moving average may include 10 seconds.
  • the controller 220 uses the first voltage (dV) data of each of the plurality of battery cells 110, 120, 130, and 140 to calculate the first voltage (dV) data acquired for the last 100 seconds from the time of calculation.
  • the long-term moving average value of each of the plurality of battery cells 110, 120, 130, and 140 can be calculated using, and the first voltage (dV) data obtained for the last 10 seconds from the time of calculation can be used to calculate the (110, 120, 130, 140) Each short-term moving average can be calculated.
  • the controller 220 determines the deviation (dV_LMA - dV_SMA) of the long-term moving average value (dV_LMA) and the short-term moving average value (dV_SMA) of the first voltage (dV) of each of the plurality of battery cells 110, 120, 130, and 140. can be calculated as the first deviation.
  • the controller 220 calculates the average value (D) of the long-term moving average value (dV_LMA) and the short-term moving average value (dV_SMA) of the first voltage (dV) of each of the plurality of battery cells (110, 120, 130, and 140) per unit time. avg ) can be continuously calculated as the second deviation.
  • the controller 220 may calculate the diagnostic deviation (D) using the first deviation (dV_LMA - dV_SMA) and the average value (D avg ), which is the second deviation. According to an embodiment, the controller 220 divides the difference between the average value (D avg ), which is the second deviation, and the first deviation (dV_LMA - dV_SMA) for each of the plurality of battery cells 110, 120, 130, and 140 into a plurality of values. It can be calculated as the diagnostic deviation (D) of each battery cell (110, 120, 130, and 140).
  • the controller 220 may determine whether the diagnostic deviation D of each of the plurality of battery cells 110, 120, 130, and 140 exceeds a threshold.
  • the process returns to S402 and repeats the measurement and diagnosis process. In another embodiment, instead of returning to S402, the process may be repeated by returning to any of the previous steps in S414 as needed.
  • the controller 220 may determine that, among the plurality of battery cells 110, 120, 130, and 140, a battery cell whose diagnostic deviation (D) exceeds the threshold value is a battery cell in which a voltage abnormality has occurred. there is.
  • the operation of the battery management device 200 and the battery cell diagnosis method according to the embodiments disclosed in this document have been described above.
  • the battery management device 200 according to the embodiments disclosed in this document can accurately diagnose abnormal battery cells by removing noise in the deviation between the long-term moving average value and the short-term moving average value of the battery voltage and applying the degree of bias.
  • FIG. 13 is a block diagram showing the hardware configuration of a computing system that implements a method of operating a battery management device according to an embodiment disclosed in this document.
  • the 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 (for example, a battery voltage deviation analysis program) stored in the memory 2200, processes various data used in these programs, and performs the battery management shown in FIG. 1 above. It may be a processor that performs the functions of the device 200.
  • programs for example, a battery voltage deviation analysis program
  • It may be a processor that performs the functions of the device 200.
  • the memory 2200 may store various programs related to the operation of the battery management device 200 for diagnosing the battery bank and operation data of the battery management device 200.
  • the memory 2200 may be a volatile memory or a non-volatile memory.
  • the memory 2200 as a volatile memory may use RAM, DRAM, SRAM, etc.
  • the memory 2200 may be ROM, PROM, EAROM, EPROM, EEPROM, flash memory, etc.
  • the examples of memories 2200 listed above are merely examples and are not limited to these examples.
  • the input/output I/F 2300 is an interface that connects input devices such as a keyboard, mouse, and touch panel (not shown) and output devices such as a display (not shown) and the MCU 2100 to transmit and receive data. can be provided.
  • the communication I/F 2400 is a component that can transmit and receive various data with a server, and may be various devices that can support wired or wireless communication. For example, through the communication I/F 2400, programs or various data for voltage measurement and abnormality diagnosis can be transmitted and received wired or wirelessly from a separately prepared external server.

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Power Engineering (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Secondary Cells (AREA)

Abstract

본 문서에 개시된 일 실시예에 따른 배터리 관리 장치는 복수의 배터리 각각의 전압을 측정하는 전압 측정부, 및 상기 전압 측정부와 통신 가능한 컨트롤러를 포함하고, 상기 컨트롤러는 상기 전압측정부를 제어하여 상기 복수의 배터리 뱅크 각각의 전압을 미리 정해진 시간 간격으로 측정하고, 상기 복수의 배터리 각각에 대해 배터리 전압의 장기 이동 평균값 및 단기 이동 평균값 간의 편차인 제1 편차를 산출하고, 상기 복수의 배터리의 평균 전압의 장기 이동 평균값 및 단기 이동 평균값 간의 편차인 제2 편차를 산출하고, 상기 복수의 배터리 각각에 대해 상기 제1 편차와 상기 제2 편차 간의 차이인 제1 진단 편차를 산출하고, 상기 복수의 배터리 각각의 제1 진단 편차 중 상기 제2 편차에 임계 상수를 곱하여 얻어지는 기준값에 기초하여 상기 복수의 배터리 각각의 제2 진단 편차를 산출하고, 상기 복수의 배터리 각각의 제2 진단 편차에 기초하여 상기 복수의 배터리 중 적어도 하나의 배터리의 이상여부를 진단하도록 구성될 수 있다.

Description

배터리 관리 장치 및 그것의 동작 방법
관련출원과의 상호인용
본 문서에 개시된 실시예들은 2022.09.22.에 출원된 한국 특허출원 제10-2022-0120366호, 2023.05.04.에 출원된 한국 특허출원 제10-2023-0058253호, 및 2023.09.21.에 출원된 한국 특허출원 제10-2023-0126472호에 기초한 우선권의 이익을 주장하며, 해당 한국 특허 출원의 문헌에 개시된 모든 내용을 본 명세서의 일부로서 포함한다.
기술분야
본 문서에 개시된 실시예들은 배터리 관리 장치 및 그것의 동작 방법에 관한 것이다.
전기차는 외부로부터 전기를 공급받아 배터리 셀을 충전한 후, 배터리 셀에 충전된 전압으로 모터를 구동시켜 동력을 얻는다. 배터리 셀은 생산 및 사용 단계에서 다양한 충방전을 통해 내부 변형 및 변성을 겪으며 물리 화학적 특성이 변경되어 내부 단락, 외부 단락, 리튬 석출로 인한 벤팅(Venting) 또는 배터리 셀의 전압이 일정 수준 이하로 감소하는 저전압 (Under Voltage) 불량이 발생할 수 있다.
배터리 셀 내부에 불량이 발생하는 경우 배터리 셀의 성능이 저하되고, 전해액이 누액됨으로 인하여 발화 가능성이 증가하는 등 배터리 셀에 직접적인 문제가 발생할 수 있다.
본 문서에 개시되는 실시예들의 일 목적은 배터리의 전압의 장기 이동 평균값 및 단기 이동 평균값의 편차의 노이즈를 제거하여 이상 배터리 셀을 정확하게 진단할 수 있는 배터리 관리 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 관리 장치는 복수의 배터리 각각의 전압을 측정하는 전압 측정부, 및 상기 전압 측정부와 통신 가능한 컨트롤러를 포함하고, 상기 컨트롤러는 상기 전압측정부를 제어하여 상기 복수의 배터리 뱅크 각각의 전압을 미리 정해진 시간 간격으로 측정하고, 상기 복수의 배터리 각각에 대해 배터리 전압의 장기 이동 평균값 및 단기 이동 평균값 간의 편차인 제1 편차를 산출하고, 상기 복수의 배터리의 평균 전압의 장기 이동 평균값 및 단기 이동 평균값 간의 편차인 제2 편차를 산출하고, 상기 복수의 배터리 각각에 대해 상기 제1 편차와 상기 제2 편차 간의 차이인 제1 진단 편차를 산출하고, 상기 복수의 배터리 각각의 제1 진단 편차 중 상기 제2 편차에 임계 상수를 곱하여 얻어지는 기준값에 기초하여 상기 복수의 배터리 각각의 제2 진단 편차를 산출하고, 상기 복수의 배터리 각각의 제2 진단 편차에 기초하여 상기 복수의 배터리 중 적어도 하나의 배터리의 이상여부를 진단하도록 구성될 수 있다.
일 실시예에서, 상기 컨트롤러는 상기 제2 편차에 제1 임계 상수를 곱하여 얻어지는 값과 제2 임계 상수 중 최대값을 상기 기준값으로 설정하고, 상기 복수의 배터리 각각의 제1 진단 편차 중 상기 기준값 이하의 제1 진단 편차를 제외하여 상기 복수의 배터리 각각의 제2 진단 편차를 산출할 수 있다.
일 실시예에서, 상기 컨트롤러는 상기 복수의 배터리 각각의 제2 진단 편차를 상기 제2 편차에 제3 임계 상수를 곱하여 얻어지는 값과 제4 임계 상수 중 최대값으로 나누어 정규화(Normalization)하여 상기 복수의 배터리 각각의 제3 진단 편차를 산출할 수 있다.
일 실시예에서, 상기 컨트롤러는 상기 복수의 배터리 각각의 제3 진단 편차에 상기 복수의 배터리 각각의 제3 진단 편차의 최소값을 더하여 얻어지는 값을 상기 제3 진단 편차로 나누어 상기 복수의 배터리 각각의 편향도를 산출할 수 있다.
일 실시예에서, 상기 컨트롤러는 상기 복수의 배터리 각각의 제3 진단 편차에 상기 편향도를 곱하여 상기 복수의 배터리 각각의 제4 진단 편차를 산출할 수 있다.
일 실시예에서, 상기 컨트롤러는 상기 복수의 배터리 각각의 제4 진단 편차의 임계값 초과 여부를 기초로 상기 복수의 배터리 중 적어도 하나의 배터리의 이상 여부를 진단할 수 있다.
일 실시예에서, 상기 컨트롤러는 단위 시간마다 상기 복수의 제1 편차 및 제2 편차를 산출하여 상기 복수의 배터리 각각의 제4 진단 편차를 산출하고, 상기 복수의 배터리 중 적어도 하나의 배터리의 제4 진단 편차가 임계값 초과인 경우, 상기 적어도 하나의 배터리의 이상 유무를 진단할 수 있다.
본 문서에 개시된 일 실시예에 따른 배터리 진단 장치의 동작 방법은 복수의 배터리 각각의 전압을 미리 정해진 시간 간격으로 측정하는 단계, 상기 복수의 배터리 각각에 대해 배터리 전압의 장기 이동 평균값 및 단기 이동 평균값 간의 편차인 제1 편차를 산출하는 단계, 상기 복수의 배터리의 평균 전압의 장기 이동 평균값 및 단기 이동 평균값 간의 편차인 제2 편차를 산출하는 단계, 상기 복수의 배터리 각각에 대해 상기 제1 편차와 상기 제2 편차 간의 차이인 제1 진단 편차를 산출하는 단계, 상기 복수의 배터리 각각의 제1 진단 편차 중 상기 제2 편차에 임계 상수를 곱하여 얻어지는 기준값에 기초하여 상기 복수의 배터리 각각의 제2 진단 편차를 산출하는 단계, 및 상기 복수의 배터리 각각의 제2 진단 편차에 기초하여 상기 복수의 배터리 중 적어도 하나의 배터리의 이상유무를 진단하는 단계를 포함할 수 있다.
일 실시예에서, 상기 복수의 배터리 각각의 제1 진단 편차 중 상기 제2 편차에 임계 상수를 곱하여 얻어지는 기준값에 기초하여 상기 복수의 배터리 각각의 제2 진단 편차를 산출하는 단계는 상기 제2 편차에 제1 임계 상수를 곱하여 얻어지는 값과 제2 임계 상수 중 최대값을 상기 기준값으로 설정하고, 상기 복수의 배터리 각각의 제1 진단 편차 중 상기 기준값 이하의 제1 진단 편차를 제외하여 상기 복수의 배터리 각각의 제2 진단 편차를 산출할 수 있다.
일 실시예에서, 상기 복수의 배터리 각각의 제1 진단 편차 중 상기 제2 편차에 임계 상수를 곱하여 얻어지는 기준값에 기초하여 상기 복수의 배터리 각각의 제2 진단 편차를 산출하는 단계는 상기 복수의 배터리 각각의 제2 진단 편차를 상기 제2 편차에 제3 임계 상수를 곱하여 얻어지는 값과 제4 임계 상수 중 최대값으로 나누어 정규화하여 상기 복수의 배터리 각각의 제3 진단 편차를 산출할 수 있다.
일 실시예에서, 상기 복수의 배터리 각각의 제1 진단 편차 중 상기 제2 편차에 임계 상수를 곱하여 얻어지는 기준값에 기초하여 상기 복수의 배터리 각각의 제2 진단 편차를 산출하는 단계는 상기 복수의 배터리 각각의 제3 진단 편차에 상기 복수의 배터리 각각의 제3 진단 편차의 최소값을 더하여 얻어지는 값을 상기 제3 진단 편차로 나누어 상기 복수의 배터리 각각의 편향도를 산출할 수 있다.
일 실시예에서, 상기 복수의 배터리 각각의 제1 진단 편차 중 상기 제2 편차에 임계 상수를 곱하여 얻어지는 기준값에 기초하여 상기 복수의 배터리 각각의 제2 진단 편차를 산출하는 단계는 상기 복수의 배터리 각각의 제3 진단 편차에 상기 편향도를 곱하여 상기 복수의 배터리 각각의 제4 진단 편차를 산출할 수 있다.
일 실시예에서, 상기 복수의 배터리 각각의 제2 진단 편차에 기초하여 상기 복수의 배터리 중 적어도 하나의 배터리의 이상유무를 진단하는 단계는 상기 복수의 배터리 각각의 제4 진단 편차의 임계값 초과 여부를 기초로 상기 복수의 배터리 중 적어도 하나의 배터리의 이상유무를 진단할 수 있다.
일 실시예에서, 상기 복수의 배터리 각각의 제2 진단 편차에 기초하여 상기 복수의 배터리 중 적어도 하나의 배터리의 이상유무를 진단하는 단계는 단위 시간마다 상기 복수의 제1 편차 및 제2 편차를 산출하여 상기 복수의 배터리 각각의 제4 진단 편차를 산출하고, 상기 복수의 배터리 중 적어도 하나의 배터리의 제4 진단 편차가 임계값 초과인 경우, 상기 적어도 하나의 배터리의 이상유무를 진단할 수 있다.
본 문서에 개시된 일 실시예에 따른 컨트롤러는 메모리와, 상기 메모리에 결합되고, 제8항에 기재된 배터리 관리장치의 동작방법을 실행하도록 구성되는 프로세서를 포함할 수 있다.
일 실시예에서, 상기 배터리 관리장치의 동작방법에서, 상기 복수의 배터리 각각의 제1 진단 편차 중 상기 제2 편차에 임계 상수를 곱하여 얻어지는 기준값에 기초하여 상기 복수의 배터리 각각의 제2 진단 편차를 산출하는 단계는 상기 제2 편차에 제1 임계 상수를 곱하여 얻어지는 값과 제2 임계 상수 중 최대값을 상기 기준값으로 설정하는 단계, 상기 복수의 배터리 각각의 제1 진단 편차 중 상기 기준값 이하의 제1 진단 편차를 제외하여 상기 복수의 배터리 각각의 제2 진단 편차를 산출하는 단계, 상기 복수의 배터리 각각의 제2 진단 편차를 상기 제2 편차에 제3 임계 상수를 곱하여 얻어지는 값과 제4 임계 상수 중 최대값으로 나누어 정규화하여 상기 복수의 배터리 각각의 제3 진단 편차를 산출하는 단계, 상기 복수의 배터리 각각의 제3 진단 편차에 상기 복수의 배터리 각각의 제3 진단 편차의 최소값을 더하여 얻어지는 값을 상기 제3 진단 편차로 나누어 상기 복수의 배터리 각각의 편향도를 산출하는 단계, 및 상기 복수의 배터리 각각의 제3 진단 편차에 상기 편향도를 곱하여 상기 복수의 배터리 각각의 제4 진단 편차를 산출하는 단계를 포함하고, 상기 복수의 배터리 각각의 제2 진단 편차에 기초하여 상기 복수의 배터리 중 적어도 하나의 배터리의 이상유무를 진단하는 단계는 상기 복수의 배터리 각각의 제4 진단 편차의 임계값 초과 여부를 기초로 상기 복수의 배터리 중 적어도 하나의 배터리의 이상유무를 진단하는 단계를 포함할 수 있다.
본 문서에 개시된 일 실시예에 따른 비일시적 컴퓨터 판독 가능한 저장 매체는 볼트미터를 사용하여 복수의 배터리 각각의 전압을 미리 정해진 시간 간격으로 측정하는 단계, 상기 복수의 배터리 각각에 대해 배터리 전압의 장기 이동 평균값 및 단기 이동 평균값 간의 편차인 제1 편차를 산출하는 단계, 상기 복수의 배터리의 평균 전압의 장기 이동 평균값 및 단기 이동 평균값 간의 편차인 제2 편차를 산출하는 단계, 상기 복수의 배터리 각각에 대해 상기 제1 편차와 상기 제2 편차 간의 차이인 제1 진단 편차를 산출하는 단계, 상기 복수의 배터리 각각의 제1 진단 편차 중 상기 제2 편차에 임계 상수를 곱하여 얻어지는 기준값에 기초하여 상기 복수의 배터리 각각의 제2 진단 편차를 산출하는 단계, 및 상기 복수의 배터리 각각의 제2 진단 편차에 기초하여 상기 복수의 배터리 중 적어도 하나의 배터리의 이상유무를 진단하는 단계를 실행하기 위한 프로그램이 저장될 수 있다.
일 실시예에서, 상기 복수의 배터리 각각의 제1 진단 편차 중 상기 제2 편차에 임계 상수를 곱하여 얻어지는 기준값에 기초하여 상기 복수의 배터리 각각의 제2 진단 편차를 산출하는 단계는 상기 제2 편차에 제1 임계 상수를 곱하여 얻어지는 값과 제2 임계 상수 중 최대값을 상기 기준값으로 설정하는 단계, 상기 복수의 배터리 각각의 제1 진단 편차 중 상기 기준값 이하의 제1 진단 편차를 제외하여 상기 복수의 배터리 각각의 제2 진단 편차를 산출하는 단계, 상기 복수의 배터리 각각의 제2 진단 편차를 상기 제2 편차에 제3 임계 상수를 곱하여 얻어지는 값과 제4 임계 상수 중 최대값으로 나누어 정규화하여 상기 복수의 배터리 각각의 제3 진단 편차를 산출하는 단계, 상기 복수의 배터리 각각의 제3 진단 편차에 상기 복수의 배터리 각각의 제3 진단 편차의 최소값을 더하여 얻어지는 값을 상기 제3 진단 편차로 나누어 상기 복수의 배터리 각각의 편향도를 산출하는 단계, 및 상기 복수의 배터리 각각의 제3 진단 편차에 상기 편향도를 곱하여 상기 복수의 배터리 각각의 제4 진단 편차를 산출하는 단계를 포함하고, 상기 복수의 배터리 각각의 제2 진단 편차에 기초하여 상기 복수의 배터리 중 적어도 하나의 배터리의 이상유무를 진단하는 단계는 상기 복수의 배터리 각각의 제4 진단 편차의 임계값 초과 여부를 기초로 상기 복수의 배터리 중 적어도 하나의 배터리의 이상유무를 진단하는 단계를 포함할 수 있다.
본 문서에 개시되는 일 실시예에 따른 배터리 관리 장치 및 그것의 동작 방법에 따르면 배터리의 전압의 장기 이동 평균값 및 단기 이동 평균값의 편차의 노이즈를 제거하여 이상 배터리 셀을 정확하게 진단할 수 있다.
도 1은 본 문서에 개시된 일 실시예에 따른 배터리 팩을 보여주는 도면이다.
도 2는 본 문서에 개시된 일 실시예에 따른 배터리 관리 장치의 구성을 보여주는 블록도이다.
도 3은 본 문서에 개시된 일 실시예에 따른 배터리 관리장치의 동작방법 을 보여주는 흐름도이다.
도 4는 본 문서에 개시된 일 실시예에 따른 배터리 셀의 전압을 나타내는 그래프이다.
도 5a는 본 문서에 개시된 일 실시예에 따른 배터리 셀의 제1 진단 편차를 나타내는 그래프이다.
도 5b는 본 문서에 개시된 일 실시예에 따른 배터리 셀의 제3 진단 편차를 나타내는 그래프이다.
도 5c는 본 문서에 개시된 일 실시예에 따른 배터리 셀의 제3 진단 편차의 편향도를 나타내는 그래프이다.
도 5d는 본 문서에 개시된 일 실시예에 따른 배터리 셀의 제4 진단 편차를 나타내는 그래프이다.
도 6은 본 문서에 개시된 다른 실시예에 따른 배터리 관리장치의 동작방법 을 보여주는 흐름도이다.
도 7은 본 문서에 개시된 또 다른 실시예에 따른 배터리 관리장치의 동작방법 및 이상 배터리 셀의 진단방법을 보여주는 흐름도이다.
도 8a는 본 문서에 개시된 또 다른 실시예에 따른 배터리 셀의 방전 및 방전 후 휴지구간에서의 제1 전압을 나타내는 그래프이다.
도 8b는 본 문서에 개시된 또 다른 실시예에 따른 배터리 셀의 충전 및 충전 후 휴지구간에서의 제1 전압을 나타내는 그래프이다.
도 9a는 본 문서에 개시된 또 다른 실시예에 따른 배터리 셀의 방전 및 방전 후 휴지구간에서의 전압의 장기(실선) 및 단기(점선) 이동평균을 나타내는 그래프이다.
도 9b는 본 문서에 개시된 또 다른 실시예에 따른 배터리 셀의 충전 및 충전 후 휴지구간에서의 전압의 장기(실선) 및 단기(점선) 이동평균을 나타내는 그래프이다.
도 10a는 본 문서에 개시된 또 다른 실시예에 따른 배터리 셀의 방전 및 방전 후 휴지구간에서의 제1 전압(dV)의 제1 편차를 나타내는 그래프이다.
도 10b는 본 문서에 개시된 또 다른 실시예에 따른 배터리 셀의 충전 및 충전 후 휴지구간에서의 제1 전압(dV)의 제1 편차를 나타내는 그래프이다.
도 11a는 본 문서에 개시된 또 다른 실시예에 따른 배터리 셀의 방전 및 방전 후 휴지구간에서의 제1 진단편차(D1)를 나타내는 그래프이다.
도 11b는 본 문서에 개시된 또 다른 실시예에 따른 배터리 셀의 충전 및 충전 후 휴지구간에서의 제1 진단편차(D1)를 나타내는 그래프이다.
도 12는 본 문서에 개시된 또 다른 실시예에 따른 배터리 관리장치의 동작방법 및 이상 배터리 셀의 진단방법을 보여주는 흐름도이다.
도 13은 본 문서에 개시된 일 실시예에 따른 배터리 관리 장치의 동작 방법을 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, 제1, 제2, 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. 본 문서에 개시된 일 실시예에 따른 배터리 팩(1000)은 배터리 모듈(100), 배터리 관리 장치(200) 및 릴레이(300)를 포함할 수 있다. 다양한 실시예에 따르면, 배터리 모듈(100)은 배터리 셀일 수 있으며, 이러한 경우 배터리 팩(1000)은 다수의 셀이 모듈을 이루고 모듈이 패키지를 이루는 기존 배터리와 다르게 모듈을 생략하고 셀을 바로 팩에 조립하는 셀 투 팩(cell to pack) 구조를 가질 수 있다.
도 1에서는 배터리 모듈(100)이 한 개인 경우로 도시되나, 실시예에 따라 배터리 모듈(100)은 복수개로 구성될 수도 있고, 배터리 팩(1000)은 복수의 배터리 모듈이 적층 구조를 이룰 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 1이상의 자연수)개의 배터리 셀들을 포함하여 구성될 수 있다. 또한, 복수의 배터리 셀들(110, 120, 130, 140) 각각은, 적어도 두 개 이상의 배터리 셀들이 병렬 연결된 셀 그룹 또는 배터리 뱅크(Bank)가 될 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, Electric Vehicle) 또는 에너지 저장 시스템(ESS, Energy Storage System)일 수 있으나 이에 한정되는 것은 아니다.
복수의 배터리 셀들(110, 120, 130, 140) 각각은 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 관리 장치(BMS, Battery Management System)(200)는 배터리 모듈(100)의 상태 및/또는 동작을 관리 및/또는 제어할 수 있다. 예를 들어, 배터리 관리 장치(200)는 배터리 모듈(100)에 포함된 복수의 배터리 셀들(110, 120, 130, 140)의 상태 및/또는 동작을 관리 및/또는 제어할 수 있고 배터리 모듈(100)의 충전 및/또는 방전을 관리할 수도 있다.
배터리 관리 장치(200)는 릴레이(300)의 동작을 제어할 수도 있다. 예를 들어, 배터리 관리 장치(200)는 대상 장치에 전원을 공급하기 위해 릴레이(300)를 단락 시킬 수 있고 배터리 팩(1000)에 충전 장치가 연결되는 경우에도 릴레이(300)를 단락 시킬 수 있다.
또한, 배터리 관리 장치(200)는 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 장치(200)에 의한 모니터링을 위해 도시하지 않은 센서나 각종 측정 모듈이 배터리 모듈(100)이나 충방전 경로 등의 임의의 위치에 추가로 설치될 수 있다. 배터리 관리 장치(200)는 모니터링 한 전압, 전류, 온도 등의 측정값에 기초하여 배터리 모듈(100)의 상태를 나타내는 파라미터, 예를 들어 SOC(State of Charge) 또는 SOH(State of Health)를 산출할 수 있다.
복수의 배터리 셀(110, 120, 130, 140)은 사용 기간 또는 사용 횟수가 증가할수록 용량이 감소하고, 내부 저항이 증가하는 등 여러 인자들이 변화할 수 있고, 이로 인해 배터리의 이상현상이 발생할 수 있다. 따라서, 배터리 셀의 이상 여부를 판단하는 기술이 필요하다. 배터리 관리 장치(200)는 이와 같이 배터리 셀이 열화됨에 따라 변화하는 여러 인자들의 데이터를 기초로 복수의 배터리 셀(110, 120, 130, 140) 내부의 이상 현상을 진단할 수 있다.
배터리 셀은 생산 단계에서의 불량, 복수의 충방전을 통한 내부 변형 및 변성 또는 외부 충격 등 다양한 원인으로 불량이 발생한 경우 정상 배터리 셀에 비해 전압 변화가 더 빠르게 크게 일어날 수 있다. 배터리 관리 장치(200)는 내부 불량이 발생한 배터리 셀이 휴지기에서 정상 배터리 셀에 비해 전압 변화가 빠르고 크게 발생하는 현상을 이용하여, 복수의 배터리 셀(110, 120, 130, 140) 각각의 휴지기의 전압 데이터와 정상 배터리 셀의 휴지기의 통계적인 정상 전압 데이터를 비교해 복수의 배터리 셀(110, 120, 130, 140) 중 이상 배터리 셀을 진단할 수 있다. 배터리 셀 또는 모듈의 휴지기는 배터리 셀 또는 모듈이 충전 중이거나 방전 중이 아닌 상태, 또는 부하와 전기적으로 연결되지 않은 상태를 의미한다. 예를 들면, 배터리 관리장치(200)는 셀 전압 값들 또는 배터리 모듈의 충방전 전류값을 모니터링하여 배터리 모듈 또는 셀이 휴지상태인지를 감지할 수 있다. 본 실시예에서는 휴지기에서의 이상 배터리 셀의 진단을 설명하지만, 본 문서에 개시된 실시예들에 따른 배터리 셀 진단 방법은 여기에 국한되지는 않고 베터리 모듈 또는 셀의 다른 구간, 예를 들면, 충전중일 때 또는 방전중일 때에도 이상 베터리 셀의 진단을 행할 수 있다.
구체적으로 이상 배터리 셀의 경우, 예를 들면, 정상 배터리 셀 대비 충전 후 휴지 구간에서 전압이 하강하는 현상이 발생하고, 정상 배터리 셀의 전압 거동 대비 큰 전압 거동의 편차가 발생하여 전압 거동이 한쪽으로 치우치는 현상이 발생해 큰 편향도 (비대칭도, skewness)를 갖는다. 본 문서에 개시된 일 실시예에 따른 배터리 관리 장치(200)는 이상 배터리 셀의 정상 배터리 셀의 전압 거동 대비 편차가 크고 편향도가 큰 특성을 이용하여 복수의 배터리 셀(110, 120, 130, 140) 중 이상 배터리 셀의 존재 여부를 판단할 수 있다.
배터리 관리 장치(200)는 특정시점에서 복수의 배터리 셀들(110, 120, 130, 140)의 전압의 평균값과 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압사이의 편차(dV)를 산출할 수 있다. 배터리 관리 장치(200)는 복수의 배터리 셀들(110, 120, 130, 140)각각의 평균값 대비 전압의 편차를 이용하여 복수의 배터리 셀들(110, 120, 130, 140) 중 적어도 하나의 배터리　셀의 전압의 이상 거동을 판단하여 해당 배터리 셀의 이상유무를 진단할 수 있다.
또한 배터리 관리 장치(200)는 복수의 배터리 셀(110, 120, 130, 140)의 각각의 전압의 편차 중 노이즈(Noise) 데이터로 의심되는 노이즈 전압 데이터를 제외한 복수의 배터리 셀(110, 120, 130, 140)의 각각의 전압의 편차 데이터를 이용하여 배터리 셀을 진단할 수 있다. 배터리 관리 장치(200)는 복수의 배터리 셀(110, 120, 130, 140)의 각각의 전압의 편차 중 노이즈 전압 데이터를 제외한 후, 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압 편차 데이터를 증폭할 수 있다. 배터리 관리 장치(200)는 증폭된 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압 편차 데이터를 이용하여 이상 전압으로 의심되는 이상 배터리 셀을 검출 및 진단할 수 있다.
또한, 이하의 배터리 관리 장치(200)의 동작은 배터리 관리 장치(200) 또는 배터리 관리 장치(200)가 탑재된 차량과 연결되는 서버, 클라우드, 충전기 또는 충방전기 등 다양한 기기에서 유선 또는 무선신호를 통해 수행될 수 있다.
도 2는 본 문서에 개시된 일 실시예에 따른 배터리 관리 장치의 구성을 보여주는 블록도이다. 배터리 관리 장치(200)의 구성은 배터리 모듈 100을 포함하는 배터리 팩 1000의 사용 환경 및 목적에 따라 다를 수 있고, 다양한 서로 다른 동작구성요소들을 구비할 수 있다.
도 2를 참조하면 배터리 관리 장치(200)는 전압 측정부(210) 및 컨트롤러(220)를 포함할 수 있다. 일 실시예에서 컨트롤러(220)는 연산부(230), 진단부(240) 및 제어부(250)를 포함할 수 있다. 또다른 실시예에서는 배터리 관리장치(200)는 전압 측정부(210) 외에 전류 측정부 및/또는 온도 측정부 등을 추가로 포함할 수 있다.
전압 측정부(210)는 전압측정기(voltmeter)등을 포함하여 배터리 뱅크 및/또는 셀의 전압을 측정할 수 있는 장치로 구성되며, 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압을 일정한 시간 간격으로 또는 단위 시간마다 측정하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압의 시계열(Time-series) 데이터를 획득할 수 있다. 일 실시예에 따라, 전압 측정부(210)는 복수의 배터리 셀(110, 120, 130, 140)의 충전, 충전 후 휴지 구간, 방전 및 방전 후 휴지 구간에서의 전압 상승 및 하강과, 장시간 안정화(Relaxation) 데이터를 연속적으로 측정하여 획득할 수 있다. 이렇게 획득한 전압의 연속데이터를 필요에 따라 특정한 구간, 예를 들면, 충전구간, 충전 후 휴지구간, 방전구간 및 방전 후 휴지구간의 어느 특정한 구간에서의 이상 배터리 셀의 진단을 위해 사용할 수 있다.
일 실시예서는, 컨트롤러(220)의 연산부(230)는 전압측정부(210)에서 측정된 전압데이터를 이용하여 아래 설명할 복수의 배터리 셀 (110, 120, 130, 140) 각각의 진단을 위한 각종 연산을 실시하고, 진단부(240)에서는 연산 결과를 이용하여 아래 설명할 진단조건 등을 확인하여 배터리 뱅크의 이상 유무를 진단하며, 제어부(250)에서는 진단 결과를 이용하여 이상 배터리 뱅크를 모니터링 하거나 사용자에게 이상 유무를 통지하는 등의 배터리 뱅크에 적절한 조치를 취하기도 한다.
도 3은 본 문서에 개시된 일 실시예에 따른 배터리 관리장치(200)의 동작 방법을 보여주는 흐름도이다. 이하 도 3을 참조하면서 각 단계에서의 장치의 동작 및 이상 배터리 셀 진단 방법에 대해 기술한다.
S102에서 전압측정부(210)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압을 일정한 시간 간격으로 측정하고, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압변화를 나타내는 그래프를 생성할 수 있다. 전압측정부(210)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 충전구간, 충전 후 휴지구간, 방전구간 및 방전 후 휴지구간의 모든 구간에서 전압을 측정하여 전압 상승 및 하강과, 장시간 안정화(Relaxation) 데이터를 연속적으로 산출하고 컨트롤러(220)는 측정된 전압데이터를 이용하여 각각의 전압변화를 나타내는 그래프를 생성할 수 있다. 또는, 전압측정부(210)는 필요에 따라, 복수의 배터리 셀(110, 120, 130, 140)각각의 충전, 충전 후 휴지 구간, 방전 및 방전 후 휴지 구간 중 특정한 구간에서 전압 상승 및 하강과, 장시간 안정화(Relaxation) 데이터를 연속적으로 산출하고 이를 이용하여 컨트롤러(220)는 각각의 전압변화를 나타내는 그래프를 생성할 수도 있다.
도 4는 본 문서에 개시된 일 실시예에 따른 배터리 셀의 전압변화를 나타내는 그래프이다. 도 4의 예에서는, 일 실시예로 전압측정부(210)에 의해 측정된 전압 중 특정한 시간, 예를 들면, 복수의 배터리 셀(110, 120, 130, 140)에 대한 충전이 개시된 후 10,600초가 지난 시점부터 11,600초까지의 구간(e.g., 휴지구간) 동안에서 200초 간격으로 측정된 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압변화를 나타내고 있다. 특히 도 4에서 "ab1"으로 표시한 그래프는 복수의 배터리 셀(110, 120, 139, 140)중 배터리 셀(110)의 충전 후 휴지구간에서 전압변화를 나타내고 있으며, 원형으로 표시한 부분에서 전압이 상대적으로 큰 폭으로 떨어지는 일종의 역피크 부분이 관찰되고 있다. 이는 배터리 셀(110)의 전압이 해당 구간에서 이상 거동을 보이고 있음을 암시하고 있다.
S104에서 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 측정된 전압의 이동 평균(Moving Average)을 산출할 수 있다. 여기서 이동 평균은 전체 데이터에서 특정 사이즈(Size)의 윈도우(Window)를 이동하면서 추출한 일부 데이터의 평균이다. 여기서 윈도우는 전체 데이터 중 일부를 추출하여 사용될 데이터를 판단할 수 있는 기준 구간이다. 윈도우의 시작 시점은 현 시점으로부터 기준 시간만큼 앞선 시점이고, 윈도우의 종료 시점은 현 시점이다. 예를 들어, 윈도우가 1주일인 경우 컨트롤러(220)는 전체 전압 데이터 중 현 시점으로부터 최근 1주일 동안 획득한 전압 데이터를 추출할 수 있다.
컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 전체 전압 데이터 중 윈도우를 이동하면서 추출한 전압 데이터를 이용하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압의 이동 평균값을 산출할 수 있다. 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 전체 전압 데이터 중 윈도우를 이동하면서 연속적으로 추출한 전압 데이터를 이용하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압의 연속적인 이동 평균값을 산출할 수 있다. 이동평균값을 산출함에 있어, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 전체 전압 데이터에 단순 이동 평균(Simple Moving Average), 가중 이동 평균(Weighted Moving Average) 또는 지수 이동 평균(EMA, Exponential Moving Average)중 어느 하나를 적용하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압의 이동 평균값을 산출할 수 있다.
일 실시예에 따라, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 전체 전압 데이터에 지수 이동 평균(EMA)을 적용하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압의 지수 이동 평균값을 산출할 수 있다. 지수 이동 평균은 과거의 모든 기간의 데이터를 사용하면서, 최근의 데이터에 더 높은 가중치를 두는 일종의 가중 이동 평균법이다.
컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압 데이터를 이용하여 윈도우의 크기가 서로 다른 복수의 이동 평균값을 산출할 수 있다. 일 실시예에 따라, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 전체 전압 데이터를 이용하여 상대적으로 윈도우의 길이가 긴(Long) 장기 이동 평균값(Long Moving Average) 및 상대적으로 윈도우의 길이가 짧은(Short) 단기 이동 평균값(Short Moving Average)을 각각의 단위시간 (e.g., 200초)마다 연속적으로 산출할 수 있다. 예를 들어, 장기 이동 평균값의 윈도우의 크기는 100초를 포함할 수 있고, 단기 이동 평균값의 윈도우의 크기는 10초를 포함할 수 있다. 예를 들어, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압 데이터를 이용하여 산출 시점으로부터 최근 100초 동안 매초마다 획득한 전압 데이터를 이용하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 장기 이동 평균값을 산출할 수 있고, 산출 시점으로부터 최근 10초 동안 매초마다 획득한 전압 데이터를 이용하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 단기 이동 평균값을 산출할 수 있다.
컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 연속적인 장기 이동 평균값(V_LMA)과 단기 이동 평균값(V_SMA)을 이용하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 장기 전압 변화 추세(Trend) 및 단기 전압 변화 추세를 분석할 수 있다. 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압의 장기 이동 평균값(V_LMA)과 단기 이동 평균값(V_SMA)을 이용하여 복수의 배터리 셀 각각의 전압의 이상 여부를 진단할 수 있다.
S106에서, 컨트롤러(220)는 각각의 단위시간 (e.g., 200초)에서 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압의 장기 이동 평균값(V_LMA) 및 단기 이동 평균값(V_SMA)의 편차인 복수의 제1 편차(V_LMA - V_SMA)를 산출할 수 있다.예를 들면, 컨트롤러(220)는 단위 시간 마다 산출된 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 편차(V_LMA - V_SMA)를 각각의 단위시간 (e.g., 200초)마다 연속적으로 산출할 수 있다. S106에서 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압의 장기 거동과 단기 거동의 편차를 연속적으로 산출할 수 있다.
S108 에서, 컨트롤러(220)는 각각의 단위시간 (e.g., 200초)마다에서 복수의 배터리 셀들(110, 120, 130, 140)의 평균 전압(V_avg)의 장기 이동 평균값
Figure PCTKR2023014493-appb-img-000001
및 단기 이동 평균값
Figure PCTKR2023014493-appb-img-000002
을 산출할 수 있다. 여기서 각각의 단위시간 (e.g., 200초)마다에서의 복수의 배터리 셀들(110, 120, 130, 140)의 평균 전압(V_avg)은 복수의 배터리 셀들(110, 120, 130, 140)의 전압의 평균값(Mean), 중앙값(Median) 또는 최소값(Min)을 포함할 수 있다.
컨트롤러(220)는 각각의 단위시간(e.g., 200초)마다 복수의 배터리 셀들(110, 120, 130, 140)의 평균 전압(V_avg)을 연속적으로 산출하고, 복수의 배터리 셀들(110, 120, 130, 140)의 평균 전압(V_avg)을 이용하여 복수의 배터리 셀들(110, 120, 130, 140)의 평균 전압(V_avg)의 장기 이동 평균값
Figure PCTKR2023014493-appb-img-000003
및 단기 이동 평균값
Figure PCTKR2023014493-appb-img-000004
을 산출할 수 있다. 여기서 복수의 배터리 셀들(110, 120, 130, 140)의 평균 전압(V_avg)의 장기 이동 평균값
Figure PCTKR2023014493-appb-img-000005
의 윈도우의 크기는 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압의 장기 이동 평균값(V_LMA)의 윈도우의 크기(e.g., 100초)와 동일할 수 있다. 또한, 복수의 배터리 셀들(110, 120, 130, 140)의 평균 전압(V_avg)의 단기 이동 평균값
Figure PCTKR2023014493-appb-img-000006
의 윈도우의 크기는 복수의 배터리 셀(110, 120, 130, 140) 각각의 단기 이동 평균값(V_SMA)의 윈도우의 크기(e.g., 10초)와 동일할 수 있다.
S110 에서, 컨트롤러(220)는 각각의 단위시간 (e.g., 200초)마다 복수의 배터리 셀들(110, 120, 130, 140)의 평균 전압(V_avg)의 장기 이동 평균값
Figure PCTKR2023014493-appb-img-000007
및 단기 이동 평균값
Figure PCTKR2023014493-appb-img-000008
의 편차인 제2 편차
Figure PCTKR2023014493-appb-img-000009
를 연속적으로 산출할 수 있다. S110 단계에서 컨트롤러(220)는 복수의 배터리 셀들(110, 120, 130, 140)의 평균 전압(V_avg)의 장기 거동과 단기 거동의 편차를 산출할 수 있다.
S112 에서, 컨트롤러(220)는 복수의 제1 편차(V_LMA - V_SMA)와 제2 편차
Figure PCTKR2023014493-appb-img-000010
의 편차인 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1)를 산출할 수 있다. 구체적으로 컨트롤러(220)는 아래 기재한 [수학식 1]에 기초하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1)를 산출할 수 있다.
[수학식 1]
Figure PCTKR2023014493-appb-img-000011
[수학식 1]을 참조하면, 컨트롤러(220)는 복수의 제1 편차(V_LMA - V_SMA)와 제2 편차
Figure PCTKR2023014493-appb-img-000012
의 편차를 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1)로 산출할 수 있다.
도 5a는 본 문서에 개시된 일 실시예에 따른 배터리 셀의 제1 진단 편차를 나타내는 그래프이다. 도 5a를 참조하면, 컨트롤러(220)는 해당 구간에서 단위 시간마다 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1)를 연속적으로 산출하여, 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1)의 변화를 나타내는 그래프를 생성할 수 있다.
컨트롤러(220)는 단위시간 (e.g., 200초) 각각에서 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1)를 연속적으로 산출하여 복수의 배터리 셀들(110, 120, 130, 140)의 평균 전압(V_avg)의 장기 거동 및 단기 거동의 편차 대비 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압의 장기 거동 및 단기 거동의 편차를 비교할 수 있다. 예시적으로, 그래프(ab2)는 배터리 셀(110)의 제1 진단 편차(D1)의 변화를 나타내는 그래프일 수 있다. 앞서 도시한 도 4의 전압측정결과 그래프에서 나타난 바와 같이 배터리 셀(110)의 제1 진단편차(D1)는 다른 정상적인 배터리 셀들에 비해 특이한 양상을 보이며 특히 다른 배터리셀들에 비해 특정한 구간에서 뒤에 설명할 기준값을 초과하는 것을 보여주고 있다.
S114 에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1) 중 노이즈 데이터를 제거하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제2 진단 편차(D2)를 산출할 수 있다.
구체적으로 컨트롤러(220)는 아래의 [수학식 2]에 기초하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1)의 노이즈 여부를 판단할 수 있는 기준값을 설정할 수 있다.
[수학식 2]
Figure PCTKR2023014493-appb-img-000013
컨트롤러(220)는 제2 편차
Figure PCTKR2023014493-appb-img-000014
의 절대값(Absolute Value)에 제1 임계 상수(C1)를 곱하여 얻어지는 값
Figure PCTKR2023014493-appb-img-000015
과 제2 임계 상수(C2) 중 최대값(Max)을 복수의 배터리 셀(110, 120, 130, 140) 각각의 기준값으로 설정할 수 있다. 일 실시예에서 제1 임계 상수(C1)는 '0.1', 제2 임계 상수(C2)는 '0.4'를 포함할 수 있다. 또한, 제1 임계 상수(C1) 및 제2 임계 상수(C2)는 복수의 배터리 셀(110, 120, 130, 140) 각각 전압 데이터의 크기 및 특성에 따라 변경될 수 있다.
노이즈 제거의 한 예로서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1) 중 기준값 이하의 제1 진단 편차(D1)를 노이즈 데이터로 판단할 수 있다. 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1) 중 기준값 이하의 제1 진단 편차(D1)를 제외하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제2 진단 편차(D2)를 산출할 수 있다.
S116 에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제2 진단 편차(D2)를 정규화(Normalization)하여 제3 진단 편차(D3)를 산출할 수 있다.
구체적으로 컨트롤러(220)는 아래의 [수학식 3]에 기초하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제2 진단 편차(D2)를 정규화하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)를 산출할 수 있다.
[수학식 3]
Figure PCTKR2023014493-appb-img-000016
컨트롤러(220)는 제2 편차의 절대값
Figure PCTKR2023014493-appb-img-000017
에 제3 임계 상수(C3)를 곱하여 얻어지는 값
Figure PCTKR2023014493-appb-img-000018
과 제4 임계 상수(C4) 중 최대값(Max)을 산출할 수 있다. 그 후, 컨트롤러(220)는 앞서 구한 제2 진단편차를 최대값, 즉, 복수의 배터리 셀들(110, 120, 130, 140)의 평균 전압(V_avg)의 거동을 나타내는 제2 편차의 절대값에 제3 임계 상수를 곱하여 얻어지는 값과 제4 임계 상수(C4) 중 최대값
Figure PCTKR2023014493-appb-img-000019
으로 나누어 복수의 배터리 셀(110, 120, 130, 140) 각각의 제2 진단 편차(D2)를 정규화하여 제3 진단 편차(D3)를 산출할 수 있다. 여기서 제3 임계 상수(C3)는 '0.1', 제4 임계 상수(C4)는 '0.1'를 포함할 수 있고, 제3 임계 상수(C3) 및 제4 임계 상수(C4)는 복수의 배터리 셀(110, 120, 130, 140) 각각 전압 데이터의 크기 및 특성에 따라 변경될 수 있다.
정규화의 다른 예로서, 일 실시예에 따라 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제2 진단 편차(D2)를 로그(log)　연산을 통해　정규화할 수 있다. 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제2 진단 편차(D2)를 로그　연산을 통해　정규화한 값을 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)로 산출할 수 있다.
정규화의 또다른 예로서, 일 실시예에 따라 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제2 진단 편차(D2)의 평균값(D2_avg)을 정규화 기준값으로 설정할 수 있다. S116 에서, 컨트롤러(220)는 제2 진단 편차(D2)의 평균값(D2_avg)을 정규화 기준값으로 사용하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제2 진단 편차(D2)를 제2 진단 편차(D2)의 평균값(D2_avg)으로 나누어 정규화할 수 있다. 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제2 진단 편차(D2)를 제2 진단 편차의 평균값(D2_avg)으로 나누어 정규화한 값을 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)로 산출할 수 있다.
도 5b는 본 문서에 개시된 일 실시예에 따른 배터리 셀의 제3 진단 편차(D3)를 나타내는 그래프이다. 도 5b를 참조하면, 컨트롤러(220)는 다양한 실시예에 따라 복수의 배터리 셀(110, 120, 130, 140) 각각의 제2 진단 편차(D2)를 정규화하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)를 산출할 수 있다.
컨트롤러(220)는 단위 시간마다 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)를 연속적으로 산출하여, 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)의 변화를 나타내는 그래프를 생성할 수 있다. 예시적으로, 그래프(ab3)는 배터리 셀(110)의 제3 진단 편차(D3)의 변화를 나타내는 그래프일 수 있다. 도 5b에서 보듯이 배터리 셀(110)의 제3 진단편차(D3)는 특정한 구간에서 0 이상의 값을 보여주고 있다.
S118 에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)의 편향도(Skewness)를 산출할 수 있다. 구체적으로 컨트롤러(220)는 아래의 [수학식 4]에 기초하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)의 편향도(Skewness)를 산출할 수 있다.
[수학식 4]
편향도 = (제3 진단 편차(D3)+Min[제3 진단 편차(D3)])/제3 진단 편차(D3)
[수학식 4]를 참조하면, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)에 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)의 최소값(Min[제3 진단 편차(D3)])을 더하여 얻어지는 값을 제3 진단 편차(D3)으로 나누어 복수의 배터리 셀(110, 120, 130, 140) 각각의 편향도를 산출할 수 있다.
도 5c를 본 문서에 개시된 일 실시예에 따른 배터리 셀의 제3 진단 편차의 편향도를 나타내는 그래프이다.
도 5c를 참조하면, 컨트롤러(220)는 10,600초 및 11,600초 구간에서 단위 시간 200초마다 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)의 편향도를 연속적으로 산출하여, 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)의 편향도의 변화를 나타내는 그래프를 생성할 수 있다. 예시적으로, 도 5c에 도시된 그래프는 배터리 셀(110)의 제3 진단 편차(D3)의 편향도의 변화를 나타내는 그래프일 수 있다. 도 5b의 제3 진단편차(D3)와 비교할 때 도 5c의 편향도는 선명도 면에서 향상된 양태를 보여주고 있고, 이는 향상된 진단결과로 이어질 것이다.
S120 에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)에 편향도를 반영하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제4 진단 편차(D4)를 산출할 수 있다. 구체적으로 컨트롤러(220)는 아래의 [수학식 5]에 기초하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제4 진단 편차(D4)를 산출할 수 있다.
[수학식 5]
제4 진단 편차(D4) = 제3 진단 편차(D3) * 편향도
컨트롤러(220)는 각각의 단위시간(e.g., 200초)마다 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)에 편향도를 곱하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제4 진단 편차(D4)를 산출할 수 있다.
도 5d는 본 문서에 개시된 일 실시예에 따른 배터리 셀의 제4 진단 편차를 나타내는 그래프이다. 도 5d를 참조하면, 컨트롤러(220)는 각각의 단위 시간(e.g., 200초)마다 복수의 배터리 셀(110, 120, 130, 140) 각각의 제4 진단 편차(D4)를 연속적으로 산출하여, 복수의 배터리 셀(110, 120, 130, 140) 각각의 제4 진단 편차(D4)의 변화를 나타내는 그래프를 생성할 수 있다. 예시적으로, 도 5d에 도시된 그래프는 배터리 셀(110)의 제4 진단 편차(D4)의 변화를 나타내는 그래프일 수 있다. 도 5d에서 알 수 있듯이 편향도를 적용한 제4 진단편차(D4)는 편향도를 적용하지 않은 제3 진단편차(D3)에 비해 노이즈가 감소하고 이상 배터리 셀의 전압거동 신호가 증폭되어 더 안정화되고 정확한 진단편차를 보여주고 있다.
S122 에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제4 진단 편차(D4)가 임계값(Threshold)을 초과하는지 여부를 판단할 수 있다. 여기서 임계값은 극단적인 결과가 나와 ‘비정상’ 이라고 판단할 수 있는 기준값으로 정의될 수 있다. 임계값은 데이터가 특정 통계 모델과 얼마나 상반되는지를 나타내는 기준으로 정의될 수 있다. 컨트롤러(220)는 복수의 배터리 셀들(110, 120, 130, 140) 중 제4 진단 편차(D4)가 임계값 초과인 배터리 셀의 경우 전압의 이상 거동이 발생한 배터리 셀로 판단할 수 있다. 여기서 임계값이라고 함은 배터리셀들의 상태, 측정시스템의 민감도 및 측정환경을 감안하여 정해지는 값으로서, 예를 들면 배터리 셀의 종류 및/또는 배터리 셀이 적용되는 차량에 따라 달라질 수 있다. 도 5d의 예에서는, 예시적으로, 임계값이 0.4 volt라고 정해졌다고 감안할 경우 컨트롤러(220)는 특정 구간에서 배터리 셀(110)의 제4 진단편차(D4)가 0.4 V를 초과하므로 배터리 셀(110)을 이상 거동이 발생한 배터리 셀로 판단할 수 있다.
한편, S122에서 제4 진단편차(D4)가 임계값을 초과하지 않는다고 판단될 경우, S102로 돌아가 측정, 산출 및 진단과정을 반복하게 된다. 또 다른 실시예에서는 S102로 돌아가는 대신 필요에 따라 S116의 이전 단계 중 어느 한 단계로 돌아가 과정을 반복할 수도 있다.
S124 에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제4 진단 편차(D4)의 임계값 초과 여부를 기초로 복수의 배터리 셀(110, 120, 130, 140) 중 적어도 하나의 배터리 셀을 이상 배터리 셀로 진단할 수 있다. 즉, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 중 적어도 하나의 배터리 셀의 제4 진단 편차(D4)가 임계값을 초과하는 경우 해당 배터리 셀을 이상 거동이 발생한 배터리 셀로 진단할 수 있다.
한편 S124 에서, 일 실시예에 따라, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 중 적어도 하나의 배터리 셀의 제4 진단 편차(D4)가 임계값을 초과한 경우, 적어도 하나의 배터리 셀의 진단 카운트 값을 증가시킬 수 있다. 즉, 일 실시예에 따라, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 중 적어도 하나의 배터리 셀의 제4 진단편차(D4)가 임계값을 처음으로 초과했을 때 곧바로 해당 배터리 셀을 이상 배터리 셀로 진단하는 것이 아니라, 진단 카운트 값이 임계 카운트 값 이상인 경우, 예를 들면 해당 배터리 셀이 임계값을 초과한 상태가 미리 설정된 시간 (e.g., 임계카운트) 동안 유지되었을 경우에 한해 해당 배터리 셀을 이상 배터리 셀로 진단하게 된다. 이렇게 함으로써 순간적으로 제4 진단편차(D4)가 임계값을 초과한 후 빠른 시간내에 임계값 이하로 떨어지는 배터리 셀들에 대해서는 이상진단을 하지 않게 되므로 이상배터리 셀에 대한 진단 신뢰도를 향상시킬 수 있다.
이상 진단 후 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 중 적어도 하나의 배터리 셀을 진단한 후, 해당 배터리 셀 내부의 내부 단락 발생 여부, 외부 단락 발생 여부, 리튬 석출 여부 등의 불량 여부를 추적 및 모니터링할 수 있다.
그리고 컨트롤러(220)는 진단 결과 배터리 셀 내부 불량이 발생한 것으로 확인되면, 해당 배터리 셀에 대한 정보를 배터리 사용자에게 제공할 수 있다. 일 예로, 컨트롤러(220)는 통신부(미도시)를 통해 사용자 단말로 내부 단락이 발생한 배터리 셀에 대한 정보를 제공할 수 있음은 물론, 차량 또는 충전기 등에 구비된 디스플레이를 통해 해당 배터리 셀에 대한 정보를 제공할 수 있을 것이다.
상술한 바와 같이, 본 문서에 개시된 일 실시예에 따른 배터리 관리 장치(200)에 따르면 배터리 셀의 전압의 장기 이동 평균값 및 단기 이동 평균값의 편차의 노이즈를 제거하여 이상 배터리 셀을 정확하게 진단할 수 있다.본 문서에 개시된 일 실시예에 따른 배터리 관리 장치(200)는 배터리 셀 각각의 전압의 장기 이동 평균값 및 단기 이동 평균값의 편차를 이용하여 배터리 셀의 전압의 왜곡을 최소화하고, 노이즈 데이터를 제거하고, 배터리 셀의 전압의 편향도를 반영해 이상 배터리 셀의 전압 거동을 증폭하여 진단의 정확도를 개선할 수 있다.
또한, 배터리 관리 장치(200)는 배터리 셀의 전압의 장기 이동 평균값 및 단기 이동 평균값의 편차를 이용하여 이상 전압 거동이 발생한 배터리 셀을 조기에 진단하여 배터리 에너지의 안전성과 신뢰성을 확보할 수 있다. 또한, 배터리 관리 장치(200)는 차량에 배터리가 장착된 상태에서 이상 전압 거동이 발생한 배터리 셀을 진단해 배터리의 별도 분리가 불필요하여 신속 및 간편하게 배터리 셀을 진단할 수 있다.
도 6은 본 문서에 개시된 다른 실시예에 따른 배터리 관리장치의 동작방법 을 보여주는 흐름도이다.
도 3을 통해 설명된 동작 방법에서는 이상 배터리셀의 진단이 S122 단계에서 제 4 진단편차(D4)와 임계값을 비교하는 것으로 기재되었지만, 이에 한정되지는 않는다. 예를 들면, 이상 배터리 셀의 진단은 S122 단계 이전의 어느 한 단계에서 이루어질 수도 있다. 예를 들면, 이상 배터리셀의 진단은 S114 단계에서 제2 진단편차(D2)를 산출한 후에 이루어 질 수도 있다. 이하에서는 도 6을 참조하여 이러한 실시예에 대하여 설명한다. 중복을 피하기 위해 실질적으로 동일한 설명에 대한 반복은 생략한다.
도 6을 참조하면, S202에서 전압측정부(210)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압을 일정한 시간 간격으로 측정하고, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압변화를 나타내는 그래프를 생성할 수 있다. 전압측정부(210)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 충전구간, 충전 후 휴지구간, 방전구간 및 방전 후 휴지구간의 모든 구간에서 전압을 측정하여 전압 상승 및 하강과, 장시간 안정화(Relaxation) 데이터를 연속적으로 산출하고 컨트롤러(220)는 측정된 전압데이터를 이용하여 각각의 전압변화를 나타내는 그래프를 생성할 수 있다.
S204에서 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 측정된 전압의 이동 평균(Moving Average)을 산출할 수 있다. 일 실시예에 따라, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 전체 전압 데이터에 지수 이동 평균(EMA)을 적용하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압의 지수 이동 평균값을 산출할 수 있다.
컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 전체 전압 데이터를 이용하여 상대적으로 윈도우의 길이가 긴(Long) 장기 이동 평균값(Long Moving Average) 및 상대적으로 윈도우의 길이가 짧은(Short) 단기 이동 평균값(Short Moving Average)을 각각의 단위시간 (e.g., 200초)마다 연속적으로 산출할 수 있다.
S206에서, 컨트롤러(220)는 각각의 단위시간 (e.g., 200초)에서 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압의 장기 이동 평균값(V_LMA) 및 단기 이동 평균값(V_SMA)의 편차인 복수의 제1 편차(V_LMA - V_SMA)를 산출할 수 있다.
S208 에서, 컨트롤러(220)는 각각의 단위시간 (e.g., 200초)마다에서 복수의 배터리 셀들(110, 120, 130, 140)의 평균 전압(V_avg)의 장기 이동 평균값
Figure PCTKR2023014493-appb-img-000020
및 단기 이동 평균값
Figure PCTKR2023014493-appb-img-000021
을 산출할 수 있다. 여기서 각각의 단위시간 (e.g., 200초)마다에서의 복수의 배터리 셀들(110, 120, 130, 140)의 평균 전압(V_avg)은 복수의 배터리 셀들(110, 120, 130, 140)의 전압의 평균값(Mean), 중앙값(Median) 또는 최소값(Min)을 포함할 수 있다.
S210 에서, 컨트롤러(220)는 각각의 단위시간 (e.g., 200초)마다 복수의 배터리 셀들(110, 120, 130, 140)의 평균 전압(V_avg)의 장기 이동 평균값
Figure PCTKR2023014493-appb-img-000022
및 단기 이동 평균값
Figure PCTKR2023014493-appb-img-000023
의 편차인 제2 편차
Figure PCTKR2023014493-appb-img-000024
를 연속적으로 산출할 수 있다.
S212 에서, 컨트롤러(220)는 복수의 제1 편차(V_LMA - V_SMA)와 제2 편차
Figure PCTKR2023014493-appb-img-000025
의 편차인 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1)를 산출할 수 있다. 구체적으로 컨트롤러(220)는 상술한 [수학식 1]에 기초하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1)를 산출할 수 있다.
S214 에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1) 중 노이즈 데이터를 제거하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제2 진단 편차(D2)를 산출할 수 있다. 구체적으로 컨트롤러(220)는 상술한 [수학식 2]에 기초하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1)의 노이즈 여부를 판단할 수 있는 기준값을 설정할 수 있다. 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1) 중 기준값 이하의 제1 진단 편차(D1)를 제외하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제2 진단 편차(D2)를 산출할 수 있다.
S216에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제2 진단 편차(D2)가 임계값(Threshold)을 초과하는지 여부를 판단할 수 있다. 한편, S216에서 제2 진단 편차(D2)가 임계값을 초과하지 않는다고 판단될 경우, S202 단계로 돌아가 측정 및 진단과정을 반복하게 된다. 또다른 실시예에서는 S202로 돌아가는 대신 필요에 따라 S214 단계의 이전 단계 중 어느 한 단계로 돌아가 과정을 반복할 수도 있다.
S218에서, 컨트롤러(220)는 복수의 배터리 셀들(110, 120, 130, 140) 중 제2 진단 편차(D2)가 임계값을 초과하는 배터리 셀의 경우 해당 배터리 셀을 전압 이상이 발생한 배터리 셀로 진단할 수 있다.
이하에서는 다른 실시예에 대해 설명한다. 본 문서에 개시된 다른 실시예 따른 배터리 관리 장치(200)는 복수의 배터리 셀(110, 120, 130, 140)의 평균 전압(V_avg) 및 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압 간의 편차(dV)를 이용하여 복수의 배터리 셀(110, 120, 130, 140)을 진단할 수 있다.
이를 위해 전압 측정부(210)는 위에 설명한 실시예에서와 유사한 방법으로 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압을 먼저 측정할 수 있다. 전압 측정부(210)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압을 단위 시간마다 각각 산출하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 전압(dV)의 시계열(Time-series) 데이터를 산출할 수 있다. 일 실시예에 따라, 전압 측정부(210)는 복수의 배터리 셀(110, 120, 130, 140)의 충전, 충전 후 휴지 구간, 방전 및 방전 후 휴지 구간에서의 전압 상승 및 하강과, 장시간 안정화(Relaxation) 데이터를 연속적으로 산출하고 컨트롤러(220)는 각각의 전압변화를 나타내는 그래프를 생성할 수 있다.
한편, 컨트롤러(220)는 위에서 측정된 전압데이터를 이용하여 단위시간(e.g., 200초) 마다 복수의 배터리 셀(110, 120, 130, 140)의 평균 전압(V_avg)을 산출할 수 있다. 일 실시예에 따라, 컨트롤러(220)는 단위시간(e.g., 200초) 마다 복수의 배터리 셀(110, 120, 130, 140)의 전압의 평균값(Mean), 중앙값(Median) 또는 최소값(Minimum)을 복수의 배터리 셀(110, 120, 130, 140)의 평균 전압으로 산출할 수 있다. 이어서 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각에 대해 단위시간(e.g., 200초) 마다 평균 전압(V_avg)과 전압 간의 편차(dV)를 산출할 수 있다. 일 실시예에 따라, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140)각각의 평균 전압(V_avg)과 전압 간의 편차(dV)를 제1 전압(dV)으로 산출할 수 있다.
이하에서는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 전압은 복수의 배터리 셀(110, 120, 130, 140)각각의 전압과 평균 전압(V_avg) 간의 편차(dV)를 예로 들어 설명하나, 이에 한정되는 것은 아니다. 예를 들면, 일 실시예에 따라, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140)각각의 평균 전압(V_avg)과 전압 간의 편차(dV)가 아닌 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압을 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 전압(dV)으로 산출할 수도 있다.
도 7은 본 문서에 개시된 또 다른 실시예에 따른 컨트롤러의 배터리 셀을 진단하는 방법을 보여주는 흐름도이다. 이하 도 7을 참조하면서 본 문서에 개시된 다른 실시예에 따른 각 단계에서의 장치의 동작 및 이상 배터리 셀 진단방법에 대해 기술한다.
S302 에서 전압측정부(210)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압을 일정한 시간 간격으로 측정하고, 컨트롤러(220)는 복수의 배터리 셀 (110, 120, 130, 140) 각각의 전압변화를 나타내는 그래프를 생성할 수 있다. 전압측정부(210)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 충전구간, 충전 후 휴지구간, 방전구간 및 방전 후 휴지구간의 모든 구간에서 전압을 측정하여 전압 상승 및 하강과, 장시간 안정화(Relaxation) 데이터를 연속적으로 산출하고 이를 이용하여 컨트롤러(220)은 각각의 전압변화를 나타내는 그래프를 생성할 수 있다. 또는, 전압측정부(210)는, 필요에 따라, 복수의 배터리 셀(110, 120, 130, 140)각각의 충전, 충전 후 휴지 구간, 방전 및 방전 후 휴지 구간 중 특정한 구간에서 전압 상승 및 하강과, 장시간 안정화(Relaxation) 데이터를 연속적으로 산출하고 이를 이용하여 컨트롤러(220)는 각각의 전압변화를 나타내는 그래프를 생성할 수도 있다.
S304 에서, 컨트롤러(220)는 앞선 단계에서 측정한 복수의 베터리 셀(110, 120, 130, 140)에 대한 전압데이터를 이용하여 일정한 시간간격 마다 복수의 배터리 셀(110, 120, 130, 140)의 평균 전압(V_avg)과 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압 간의 편차(dV)를 제1 전압(dV)으로 산출할 수 있다. 구체적으로, 제1 전압(dV)으로서 복수의 배터리 셀(110, 120, 130, 140)의 평균 전압(V_avg)과 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압 간의 편차(dV)를 구하는 방법으로서는, 예를 들면, 컨트롤러(220)는 우선 특정한 시점(t1)에서 복수의 배터리 셀(110, 120, 130, 140)들의 전압값을 모두 더하고 4로 나누어 평균값(Mean)을 t1시점의 평균전압(V_avg)으로 산출한다. 또 다른 실시예에서는 평균전압을 산출하는데 있어 이같이 평균값(Mean)을 구하는 대신 특정한 시점(t1)에서 복수의 배터리 셀(110-140)들의 전압값의 중앙값(Median) 또는 최소값(Minimum)을 복수의 배터리 셀(110, 120, 130, 140)의 평균 전압(V_avg)으로 산출할 수도 있다.
이어, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각에 대해 일정한 시간 간격마다 평균전압(V_avg)과 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압 간의 편차(dV)를 제1 전압(dV)로 산출할 수 있다. 예를 들면, 특정한 시점 (t1)에서 산출된 평균전압(V_avg)과 복수의 배터리 셀(110-140)각각의 측정된 전압의 차이값을 복수의 배터리 셀(110, 120, 130, 140)각각에 대한 시점 t1에서의 제1전압(dV)으로 산출한다. 이 같은 산출과정을 복수의 배터리 셀(110, 120, 130, 140) 각각에 대해 정해진 시점마다 반복하여 연속적으로 제1 전압(dV)을 산출할 수 있다.
예를 들면, 도 4에서 10,800초 지점에서의 복수의 배터리 셀(110, 120, 130, 140)의 전압이 각각 3.92 V, 3.9175 V, 3.9150 V, 3.9125 V라고 가정하면 10,800초 지점에서의 복수의 배터리 셀(110, 120, 130, 140)의 평균 전압은 3.91475 V 가 된다. 이 경우, 평균 전압(V_avg)과 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압 간의 편차(dV)는 0.00525 V (배터리 셀 110), 0.00275 V (배터리 셀 120), 0.00025 V (배터리 셀 130), 및 0.00225 V 가 되며, 이들 값 각각이 10,800초 지점에서의 제1 전압(dV)값이 된다. 컨트롤러(220)는 이 같은 연산을 각 단위시간마다 반복하여 필요한 구간, 예를 들면 10,600초 및 11,600초 구간 사이에서 연속적으로 제1 전압(dV)을 산출하게 된다.
한편, 본 실시예에서는 제1 전압(dV)으로서 복수의 배터리 셀(110, 120, 130, 140)의 평균 전압(V_avg)과 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압 간의 편차(dV)가 아닌 앞선 단계에서 측정된 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압을 제1 전압(dV)으로 산출할 수도 있다.
도 8a는 본 문서에 개시된 일 실시예에 따른 배터리 셀의 제1 전압(dV)을 나타내는 그래프이다. 도 8a를 참조하면, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140)의 방전 및 방전 후 휴지 구간, 예를 들면 0초-3,500초 사이에서의 전압을 측정하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 전압(dV)의 시계열 데이터를 산출할 수 있다.
도 8b는 본 문서에 개시된 다른 실시예에 따른 배터리 셀의 제1 전압(dV)을 나타내는 그래프이다. 도 8b를 참조하면, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140)의 충전 및 충전 후 휴지 구간, 예를 들면 0초-3,500초 사이에서의 전압을 측정하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 전압(dV)의 시계열 데이터를 산출할 수 있다.
S306 에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 전압(dV)의 장기이동평균(Long Moving Average) 및 단기 이동 평균(Short Moving Average)을 산출할 수 있다. 여기서 이동 평균은 전체 데이터 중 특정 사이즈(Size)의 윈도우(Window)를 이동하면서 추출한 일부 데이터의 평균이다. 여기서 윈도우는 전체 데이터 중 일부를 추출하여 사용될 데이터를 판단할 수 있는 기준 구간이다. 윈도우의 시작 시점은 현 시점으로부터 기준 시간만큼 앞선 시점이고, 윈도우의 종료 시점은 현 시점이다, 예를 들어, 윈도우가 1주일인 경우 컨트롤러(220)는 전체 데이터 중 현 시점으로부터 최근 1주일 동안 획득한 데이터를 추출할 수 있다.
컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 전체 제1 전압(dV) 데이터 중 윈도우를 이동하면서 연속적으로 추출한 제1 전압(dV) 데이터를 이용하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 전압(dV)의 연속적인 이동 평균값을 산출할 수 있다. 예를 들어, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 전체 제1 전압(dV) 데이터에 단순 이동 평균(Simple Moving Average), 가중 이동 평균(Weighted Moving Average) 또는 지수 이동 평균(EMA, Exponential Moving Average) 중 어느 하나를 적용하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 평균 전압(V_avg) 대비 전압 편차(dV) 또는 전압의 이동 평균값을 산출할 수 있다.
일 실시예에 따라, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 전체 제1 전압(dV) 데이터에 지수 이동 평균(EMA)을 적용하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 전압(dV)의 지수 이동 평균값을 산출할 수 있다. 지수 이동 평균은 과거의 모든 기간의 데이터를 사용하면서, 최근의 데이터에 더 높은 가중치를 두는 일종의 가중 이동 평균법이다.
구체적으로 , 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 전압(dV) 데이터를 이용하여 윈도우의 크기가 서로 다른 복수의 이동 평균값을 산출할 수 있다. 일 실시예에 따라, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 전체 제1 전압(dV) 데이터를 이용하여 상대적으로 윈도우의 길이가 긴(Long) 장기 이동 평균값(Long Moving Average) 및 상대적으로 윈도우의 길이가 짧은(Short) 단기 이동 평균값(Short Moving Average)을 산출할 수 있다. 예를 들어, 장기 이동 평균값의 윈도우의 크기는 100초를 포함할 수 있고, 단기 이동 평균값의 윈도우의 크기는 10초를 포함할 수 있다. 예를 들어, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 전압(dV) 데이터를 이용하여 산출 시점으로부터 최근 100초 동안 획득한 제1 전압(dV) 데이터를 이용하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 장기 이동 평균값을 산출할 수 있고, 산출 시점으로부터 최근 10초 동안 획득한 제1 전압(dV) 데이터를 이용하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 단기 이동 평균값을 산출할 수 있다.
도 9a는 본 문서에 개시된 일 실시예에 따른 배터리 셀의 방전 및 방전 후 휴지구간에서의 제1 전압의 장기 이동 평균 및 단기 이동 평균을 나타내는 그래프이다. 도 9b는 본 문서에 개시된 다른 실시예에 따른 배터리 셀의 충전 및 충전 후 휴지구간에서의 제1 전압의 장기 이동 평균 및 단기 이동 평균을 나타내는 그래프이다.
실시예에 따르면, 도 9a 및 도 9b에 도시된 그래프들 중 점선 그래프는 복수의 배터리 셀 각각의 단기 이동 평균(dV_SMA)의 변화를 나타내고, 실선 그래프는 복수의 배터리 셀 각각의 장기 이동 평균(dV_LMA)의 변화를 나타낼 수 있다.
도 9a를 참조하면, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140)의 방전 및 방전 후 휴지 구간에서의 전압을 측정하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 전압(dV)의 장기 이동 평균(dV_LMA) 및 단기 이동 평균(dV_SMA)의 시계열 데이터를 산출할 수 있다.
도 9b를 참조하면, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140)의 충전 및 충전 후 휴지 구간에서의 전압을 측정하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 전압(dV)의 장기 이동 평균(dV_LMA) 및 단기 이동 평균(dV_SMA)의 시계열 데이터를 산출할 수 있다.
컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 전압(dV)의 연속적인 장기 이동 평균값(dV_LMA)과 단기 이동 평균값(dV_SMA)을 이용하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 전압(dV)의 장기 전압 변화 추세(Trend) 및 단기 전압 변화 추세를 분석할 수 있다. 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 평균 전압(V_avg) 대비 전압 편차(dV) 또는 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압의 장기 이동 평균값(dV_LMA)과 단기 이동 평균값(dV_SMA)을 이용하여 복수의 배터리 셀 각각의 전압의 이상 여부를 진단할 수 있다.
S308 에서, 컨트롤러(220)는 구해진 장기 이동 평균값(dV_LMA)과 단기 이동 평균값(dV_SMA)을 이용하여 정해진 시간마다 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 전압(dV)의 장기 이동 평균값(dV_LMA) 및 단기 이동 평균값(dV_SMA)의 편차인 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 편차(dV_LMA - dV_SMA)를 산출할 수 있다. 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 평균 전압(V_avg) 대비 전압 편차(dV) 또는 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압의 장기 거동과 단기 거동의 편차를 연속적으로 산출할 수 있다.
일 실시예에서, 도 10a는 방전 및 방전 후 휴지구간에서의 제1 전압(dV)의 장기 이동 평균(dV_LMA) 및 단기 이동 평균(dV_SMA)의 편차인 제 1편차를 나타내고 있고, 도 10b는 충전 및 충전 후 휴지구간에서의 제1 전압(dV)의 장기 이동 평균(dV_LMA) 및 단기 이동 평균(dV_SMA)의 편차인 제1 편차를 나타내는 그래프이다. 도 10a 및 도 10b에서 그래프(C1)는 배터리 셀(110)의 제1 편차를 나타내는 그래프로 가정한다. 컨트롤러(220)는 단위 시간 동안 산출된 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 편차(dV_LMA - dV_SMA)를 연속적으로 산출할 수 있다.
실시예들에 따르면, 복수의 배터리 셀(110, 120, 130, 140) 각각의 장기 이동 평균(dV_LMA) 및 단기 이동 평균(dV_SMA)의 편차는, 셀 전압의 단기적인 변화 이력 및 장기적인 변화 이력에 의존할 수 있다.
복수의 배터리 셀(110, 120, 130, 140) 각각의 온도나 SOH(State Of Health)는, 단기적으로는 물론 장기적으로 꾸준히 복수의 배터리 셀(110, 120, 130, 140) 각각의 셀 전압에 영향을 준다. 따라서, 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압에 이상이 없다면, 복수의 배터리 셀(110, 120, 130, 140) 각각의 장기 이동 평균(dV_LMA) 및 단기 이동 평균(dV_SMA)의 편차는, 서로 간에 유의미한 차이가 없을 수 있다. 반면에, 특정 배터리 셀(ex. 배터리 셀 110)에 내부 단락 및/또는 외부 단락 등으로 인해 갑자기 발생된 전압 이상은, 장기 이동 평균보다 단기 이동 평균에 더 영향을 줄 수 있다. 그 결과, 해당 배터리 셀(ex. 배터리 셀 110)의 장기 이동 평균(dV_LMA) 및 단기 이동 평균(dV_SMA)의 편차는 전압 이상이 없는 나머지 배터리 셀들의 장기 이동 평균(dV_LMA) 및 단기 이동 평균(dV_SMA)의 편차와는 상대적으로 큰 차이를 보일 수 있다.
S310 에서, 컨트롤러(220)는 미리 정해진 단위시간 마다 복수의 배터리 셀(110, 120, 130, 140)각각의 제1 편차(dV_LMA - dV_SMA)의 평균값인 제2 편차(
Figure PCTKR2023014493-appb-img-000026
)를 산출할 수 있다. 여기서 컨트롤러(220)는 제1 편차(dV_LMA - dV_SMA)의 평균값으로서 일반적인 평균값 외에 복수의 배터리 셀(110, 120, 130, 140)각각의 제1 편차(dV_LMA - dV_SMA)의 중앙값 또는 최소값을 제2 편차로 산출할 수도 있다.
예를 들면, 컨트롤러(220)는 단위 시간마다 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 편차(dV_LMA - dV_SMA)를 연속적으로 산출하고, 복수의 배터리 셀들(110, 120, 130, 140)의 제1 편차(dV_LMA - dV_SMA)를 이용하여 단위 시간마다 복수의 배터리 셀들(110, 120, 130, 140)의 제1 편차(dV_LMA - dV_SMA)의 평균값, 중앙값 또는 최소값을 제2 편차(
Figure PCTKR2023014493-appb-img-000027
)로 연속적으로 산출할 수 있다. 컨트롤러(220)는 복수의 배터리 셀들(110, 120, 130, 140)의 전압 편차(dV)의 장기 거동과 단기 거동의 편차의 평균값을 산출할 수 있다.
S312 에서, 컨트롤러(220)는 단위 시간마다 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 편차(dV_LMA - dV_SMA)와 제2 편차(
Figure PCTKR2023014493-appb-img-000028
)의 차이인 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1)를 산출할 수 있다.
구체적으로 컨트롤러(220)는 [수학식 6]에 기초하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1)를 단위 시간마다 산출할 수 있다.
[수학식 6]
Figure PCTKR2023014493-appb-img-000029
[수학식 6]을 참조하면, 컨트롤러(220)는 복수의 제1 편차(dV_LMA - dV_SMA)와 제2 편차(
Figure PCTKR2023014493-appb-img-000030
)의 차이를 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1)로 산출할 수 있다.
도 11a는 본 문서에 개시된 일 실시예에 따른 배터리 셀의 방전 및 방전 후 휴지구간에서의 제1 진단 편차를 나타내는 그래프이다. 도 11b는 본 문서에 개시된 다른 실시예에 따른 배터리 셀의 충전 및 충전 후 휴지 구간에서의 제1 진단 편차를 나타내는 그래프이다. 이해를 돕기 위해 도 11a 및 도 11b에서 그래프(C1)는 복수의 배터리 셀(110, 120, 130, 140)중 배터리 셀(110)의 제1 진단 편차(D1)를 나타내는 그래프로 가정한다.
도 11a를 참조하면, 전압측정부(210)는 단위 시간마다 복수의 배터리 셀(110, 120, 130, 140)의 방전 및 방전 후 휴지 구간에서의 전압을 측정하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 편차(dV_LMA - dV_SMA)와 제2 편차(
Figure PCTKR2023014493-appb-img-000031
)의 차이인 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1)의 시계열 데이터를 산출할 수 있다.
도 11b를 참조하면, 단위 시간마다 측정된 복수의 배터리 셀(110, 120, 130, 140)의 충전 및 충전 후 휴지 구간에서의 전압을 이용하여 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 편차(dV_LMA - dV_SMA)와 제2 편차(
Figure PCTKR2023014493-appb-img-000032
)의 차이인 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1)의 시계열 데이터를 산출할 수 있다.
컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1)를 산출하여 복수의 배터리 셀들(110, 120, 130, 140)의 평균 장기 거동 및 단기 거동의 편차 대비 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 전압(dV)의 장기 거동 및 단기 거동의 편차를 비교할 수 있다.
한편, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 전압(dV)을 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1)로 보정할 수 있다. S312 에서, 구체적으로 컨트롤러(220)는 S302 내지 S312 를 통해 산출한 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1)를 다시 S304의 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 전압(dV)으로 입력하여 S304 내지 S312를 반복하여 제1 진단편차(D1)를 재산출할 수 있다. 일 실시예에 따라, 컨트롤러(220)는 S312에서 산출된 제1 진단편차(D1)를 복수의 배터리 셀(110, 120, 130, 140) 각각의 보정된 제1 전압(dV')으로 입력하여 S304, S306, S308, S310 및 S312단계를 한번 또는 여러 번 반복 실행하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1)를 재산출할 수 있다.
구체적으로, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1), 보정된 제1 전압(dV')의 시계열 데이터 중 윈도우를 이동하면서 추출한 보정된 제1 전압(dV')을 이용하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 보정된 제1 전압(dV')의 이동 평균값을 산출할 수 있다.
일 실시예에 따라, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 보정된 제1 전압(dV')에 지수 이동 평균(EMA)을 적용하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 보정된 제1 전압(dV')의 지수 이동 평균값을 산출할 수 있다.
컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 보정된 제1 전압(dV')의 장기 이동 평균(dV'_LMA) 및 단기 이동 평균(dV'_SMA)의 시계열 데이터를 산출할 수 있다. 컨트롤러(220)는 단위 시간 동안 산출된 복수의 배터리 셀(110, 120, 130, 140) 각각의 보정된 제1 전압(dV')의 장기 이동 평균(dV'_LMA) 및 단기 이동 평균(dV'_SMA)을 연속적으로 산출할 수 있다.
컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 보정된 제1 전압(dV')의 연속적인 장기 이동 평균값(dV'_LMA)과 단기 이동 평균값(dV'_SMA)을 이용하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 보정된 제1 전압(dV')의 장기 전압 변화 추세(Trend) 및 단기 전압 변화 추세를 분석할 수 있다.
실시예에 따르면, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140)의 방전 및 방전 후 휴지 구간에서의 전압을 통해 산출한 제1 진단 편차(D1)를 제1 전압(dV)으로 입력해 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1)를 재산출할 수 있다. 또 다른 실시예에 따르면, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140)의 충전 및 충전 후 휴지 구간에서의 전압을 통해 산출한 제1 진단 편차(D1)를 제1 전압(dV)으로 입력해 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1)를 재산출할 수 있다.
구체적으로 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1), 보정된 제1 전압(dV')의 장기 이동 평균값(dV'_LMA) 및 단기 이동 평균값(dV'_SMA)의 편차인 복수의 배터리 셀(110, 120, 130, 140) 각각의 보정된 제1 편차(dV'_LMA - dV'_SMA)를 산출할 수 있다.
컨트롤러(220)는 단위 시간 동안 산출된 복수의 배터리 셀(110, 120, 130, 140) 각각의 보정된 제1 편차(dV'_LMA - dV'_SMA)를 연속적으로 산출할 수 있다.
이어 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140)의 보정된 제1 편차(dV'_LMA - dV'_SMA)의 평균인 제2 편차(
Figure PCTKR2023014493-appb-img-000033
)를 산출할 수 있다. 여기서 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140)의 제1 편차(dV'_LMA - dV'_SMA)의 평균값, 중앙값 또는 최소값을 제2 편차로 산출할 수 있다.
컨트롤러(220)는 단위 시간마다 복수의 배터리 셀(110, 120, 130, 140) 각각의 보정된 제1 편차(dV'_LMA - dV'_SMA)를 연속적으로 산출하고, 복수의 배터리 셀들(110, 120, 130, 140)의 보정된 제1 편차(dV'_LMA - dV'_SMA)를 이용하여 복수의 배터리 셀들(110, 120, 130, 140)의 보정된 제1 편차(dV'_LMA - dV'_SMA)의 평균값으로써 평균값, 중앙값 또는 최소값을 보정된 제2 편차(
Figure PCTKR2023014493-appb-img-000034
)로 산출할 수 있다. 컨트롤러(220)는 단위 시간마다 복수의 배터리 셀들(110, 120, 130, 140)의 보정된 제2 편차(
Figure PCTKR2023014493-appb-img-000035
)를 연속적으로 산출할 수 있다.
이어, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 보정된 제1 편차(dV'_LMA - dV'_SMA)와 보정된 제2 편차(
Figure PCTKR2023014493-appb-img-000036
)의 차이인 복수의 배터리 셀(110, 120, 130, 140) 각각의 보정된 제1 진단 편차(D1)를 산출할 수 있다.
다시 도 7을 참조하면, S314에서, 컨트롤러(220)는 아래의 [수학식 7]에 기초하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1)의 노이즈를 제거하여 제2 진단편차(D2)를 산출할 수 있다. 이를 위해, 먼저 컨트롤러(220)는 아래의 [수학식 7]에 기초하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1)의 노이즈 여부를 판단할 수 있는 기준값을 설정할 수 있다.
[수학식 7]
Figure PCTKR2023014493-appb-img-000037
즉, 컨트롤러(220)는 제2 편차(
Figure PCTKR2023014493-appb-img-000038
)의 절대값(Absolute Value)에 제1 임계 상수(C1)를 곱하여 얻어지는 값
Figure PCTKR2023014493-appb-img-000039
과 제2 임계 상수(C2) 중 최대값(Max)을 복수의 배터리 셀(110, 120, 130, 140) 각각의 기준값으로 설정할 수 있다. 여기서 제1 임계 상수(C1)는 '0.1', 제2 임계 상수(C2)는 '0.4'를 포함할 수 있다. 또한, 제1 임계 상수(C1) 및 제2 임계 상수(C2)는 복수의 배터리 셀(110, 120, 130, 140) 각각 제1 전압(dV)의 크기 및 특성에 따라 변경될 수 있다.
이어, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1) 중 기준값 이하의 제1 진단 편차(D1)를 노이즈 데이터로 판단할 수 있다. 즉, S314에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 진단 편차(D1) 중 기준값 이하의 제1 진단 편차(D1)를 제외하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제2 진단 편차(D2)를 산출할 수 있다.
S316 에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제2 진단 편차(D2)를 정규화(Normalization)하여 제3 진단 편차(D3)를 산출할 수 있다.
구체적으로 컨트롤러(220)는 아래의 [수학식 8]에 기초하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제2 진단 편차(D2)를 정규화하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)를 산출할 수 있다.
[수학식 8]
Figure PCTKR2023014493-appb-img-000040
컨트롤러(220)는 제2 편차의 절대값
Figure PCTKR2023014493-appb-img-000041
에 제3 임계 상수(C3)를 곱하여 얻어지는 값
Figure PCTKR2023014493-appb-img-000042
과 제4 임계 상수(C4) 중 최대값(Max)을 산출할 수 있다. 그 후 컨트롤러(220)는 앞서 구한 제2 진단편차를 최대값, 즉, 복수의 배터리 셀들(110, 120, 130, 140)의 평균 전압(V_avg)의 거동을 나타내는 제2 편차의 절대값에 제3 임계 상수를 곱하여 얻어지는 값과 제4 임계 상수(C4) 중 최대값
Figure PCTKR2023014493-appb-img-000043
으로 나누어 복수의 배터리 셀(110, 120, 130, 140) 각각의 제2 진단 편차(D2)를 정규화하여 제3진단편차(D3)를 산출할 수 있다. 여기서 제3 임계 상수(C3)는 '0.1', 제4 임계 상수(C4)는 '0.1'를 포함할 수 있고, 제3 임계 상수(C3) 및 제4 임계 상수(C4)는 복수의 배터리 셀(110, 120, 130, 140) 각각 제1 전압(dV) 데이터의 크기 및 특성에 따라 변경될 수 있다.
S316에서, 컨트롤러(220)는 다양한 실시예에 따라 복수의 배터리 셀(110, 120, 130, 140) 각각의 제2 진단 편차(D2)를 정규화하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)를 산출할 수 있다.
일 실시예에 따라 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제2 진단 편차(D2)를 로그(log)　연산을 통해　정규화할 수 있다. 즉, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제2 진단 편차(D2)를 로그　연산을 통해　정규화한 값을 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)로 산출할 수 있다.
또 다른 실시예에 따라 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제2 진단 편차(D2)의 평균값(D2_avg)을 정규화 기준값으로 설정할 수 있다. S316 에서, 컨트롤러(220)는 제2 진단 편차의 평균값(D2_avg)을 정규화 기준값으로 사용하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제2 진단 편차(D2)를 제2 진단 편차(D2)의 평균값(D2_avg)으로 나누어 정규화할 수 있다. 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제2 진단 편차(D2)를 제2 진단 편차의 평균값(D2_avg)으로 나누어 정규화한 값을 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)로 산출할 수 있다.
S316 에서, 컨트롤러(220)는 단위 시간마다 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)를 연속적으로 산출하여, 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)의 변화를 나타내는 그래프를 생성할 수 있다.
S318 단계에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)의 편향도(Skewness)를 산출할 수 있다. 구체적으로 컨트롤러(220)는 아래의 [수학식 9]에 기초하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)의 편향도(Skewness)를 산출할 수 있다.
[수학식 9]
편향도 =(제3 진단 편차(D3)+Min[제3 진단 편차(D3)])/ 제3 진단 편차(D3)
[수학식 9]를 참조하면, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)에 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)의 최소값(Min[제3 진단 편차(D3)])을 더하여 얻어지는 값을 제3 진단 편차(D3)으로 나누어 복수의 배터리 셀(110, 120, 130, 140) 각각의 편향도를 산출할 수 있다.
컨트롤러(220)는 단위 시간마다 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)의 편향도를 연속적으로 산출하여, 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)의 편향도의 변화를 나타내는 그래프를 생성할 수 있다.
S320에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)에 편향도를 반영하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제4 진단 편차(D4)를 산출할 수 있다. 구체적으로 컨트롤러(220)는 아래의 [수학식 10]에 기초하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제4 진단 편차(D4)를 산출할 수 있다.
[수학식 10]
제4 진단 편차(D4) = 제3 진단 편차(D3) * 편향도
컨트롤러(220)는 정해진 단위시간(e.g., 200초)마다 복수의 배터리 셀(110, 120, 130, 140) 각각의 제3 진단 편차(D3)에 편향도를 곱하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제4 진단 편차(D4)를 산출할 수 있다. 앞서 설명했던 바, 편향도를 적용한 제4 진단편차(D4)는 편향도를 적용하지 않은 제3 진단편차(D3)에 비해 노이즈가 감소하고 이상 배터리 셀의 전압거동 신호가 증폭되어 더 안정화되고 정확한 진단편차를 보여주게 된다.
컨트롤러(220)는 단위 시간마다 복수의 배터리 셀(110, 120, 130, 140) 각각의 제4 진단 편차(D4)를 연속적으로 산출하여, 복수의 배터리 셀(110, 120, 130, 140) 각각의 제4 진단 편차(D4)의 변화를 나타내는 그래프를 생성할 수 있다.
S322 에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제4 진단 편차(D4)의 임계값(Threshold) 초과 여부를 판단할 수 있다. 여기서 임계값은 극단적인 결과가 나와 ‘비정상’ 이라고 판단할 수 있는 기준값으로 정의될 수 있다. 임계값은 데이터가 특정 통계 모델과 얼마나 상반되는지 나타내는 기준으로 정의될 수 있다. 컨트롤러(220)는 복수의 배터리 셀들(110, 120, 130, 140) 중 제4 진단 편차(D4)이 임계값 초과인 배터리 셀의 경우 전압의 이상 거동이 발생한 배터리 셀로 판단할 수 있다. 여기서 임계값이라고 함은 배터리셀들의 상태, 측정시스템의 민감도 및 측정환경을 감안하여 정해지는 값으로서, 예를 들면 배터리 셀의 종류 및/또는 배터리 셀이 적용되는 차량에 따라 달라질 수 있다.
한편, S322 에서 제4 진단편차(D4)가 임계값을 초과하지 않는다고 판단될 경우, S302로 돌아가 측정 및 진단과정을 반복하게 된다. 또다른 실시예에서는 S302로 돌아가는 대신 필요에 따라 S322 이전 단계 중 한 단계로 돌아가 과정을 반복할 수도 있다.
S322 에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제4 진단 편차(D4)의 임계값 초과 여부를 기초로 복수의 배터리 셀(110, 120, 130, 140) 중 적어도 하나의 배터리 셀을 이상 셀로 진단할 수 있다. 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 중 적어도 하나의 배터리 셀의 제4 진단 편차(D4)가 임계값을 초과하는 경우 해당 배터리 셀을 이상 거동이 발생한 배터리 셀로 진단할 수 있다.
S324 에서, 일 실시예에 따라, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 중 적어도 하나의 배터리 셀의 제4 진단 편차(D4)가 임계값을 초과한 경우, 적어도 하나의 배터리 셀의 진단 카운트 값을 증가시킬 수 있다.
일 실시예에 따라, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 중 적어도 하나의 배터리 셀의 진단 카운트 값이 임계 카운트 값 이상인 경우, 적어도 하나의 배터리 셀에 대한 이상을 진단할 수 있다.
일 실시예에 따라, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 중 적어도 하나의 배터리 셀의 제4 진단편차(D4)가 임계값을 처음으로 초과했을 때 곧바로 해당 배터리 셀을 이상 배터리 셀로 진단하는 것이 아니라, 진단 카운트 값이 임계 카운트 값 이상인 경우, 예를 들면 해당 배터리 셀이 임계값을 초과한 상태가 미리 설정된 시간 (e.g., 임계카운트) 동안 유지되었을 경우에 한해 해당 배터리 셀을 이상 배터리 셀로 진단하게 된다. 이렇게 함으로써 순간적으로 제4 진단 편차(D4)가 임계값을 초과한 후 빠른 시간내에 임계값 이하로 떨어지는 배터리 셀들에 대해서는 이상진단을 하지 않게 되므로 이상배터리 셀에 대한 진단 신뢰도를 향상시킬 수 있다.
한편, 위에 기재한 진단 방법에서는 배터리 셀의 진단이 S322 에서 제 4 진단편차(D4)와 임계값을 비교하는 것으로 기재되었지만, 이에 한정되지는 않는다. 예를 들면, 배터리 셀의 진단은 S322 이전의 어느 한 단계에서 이루어질 수도 있다. 일 실시예에 따르면, 배터리 셀의 진단은 S314 단계에서 제2 진단편차(D2)를 산출한 후에 이루어 질 수도 있다.
이상 진단 후 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 중 적어도 하나의 배터리 셀을 진단한 후, 해당 배터리 셀 내부의 내부 단락 발생 여부, 외부 단락 발생 여부, 리튬 석출 여부 등의 불량 여부를 추적 및 모니터링할 수 있다.
그리고 컨트롤러(220)는 진단 결과 배터리 셀 내부 불량이 발생한 것으로 확인되면, 해당 배터리 셀에 대한 정보를 사용자에게 제공할 수 있다. 일 예로, 컨트롤러(220)는 통신부(미도시)를 통해 사용자 단말로 내부 단락이 발생한 배터리 셀에 대한 정보를 제공할 수 있음은 물론, 차량 또는 충전기 등에 구비된 디스플레이를 통해 해당 배터리 셀에 대한 정보를 제공할 수 있을 것이다.
상술한 바와 같이, 본 문서에 개시된 다른 실시예에 따른 배터리 관리 장치(200)에 따르면 배터리 셀의 평균 전압 대비 전압의 차이인 전압 편차의 장기 이동 평균값 및 단기 이동 평균값의 노이즈를 제거하여 이상 배터리 셀을 정확하게 진단할 수 있다.
본 문서에 개시된 일 실시예에 따른 배터리 관리 장치(200)는 배터리 셀 각각의 전압 편차의 장기 이동 평균값 및 단기 이동 평균값의 편차를 이용하여 배터리 셀의 전압의 왜곡을 최소화하고, 노이즈 데이터를 제거하고, 배터리 셀의 전압의 편향도를 반영해 이상 배터리 셀의 전압 거동을 증폭하여 진단의 정확도를 개선할 수 있다.
배터리 관리 장치(200)는 배터리 셀의 전압 편차의 장기 이동 평균값 및 단기 이동 평균값의 편차를 이용하여 이상 전압 거동이 발생한 배터리 셀을 조기에 진단하여 배터리 에너지의 안전성과 신뢰성을 확보할 수 있다. 또한, 배터리 관리 장치(200)는 차량에 배터리가 장착된 상태에서 이상 전압 거동이 발생한 배터리 셀을 진단해 배터리의 별도 분리가 불필요하여 신속 및 간편하게 배터리 셀을 진단할 수 있다.
도 12는 본 문서에 개시된 또 다른 실시예에 따른 배터리 관리장치(200)의 동작 방법을 보여주는 흐름도이다. 이하 도 12를 참조하면서 각 단계에서의 장치의 동작 및 이상 배터리 셀의 진단방법에 대해 기술한다.
S402 에서 전압측정부(210)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압을 일정한 시간 간격으로 측정하고, 컨트롤러(220)는 복수의 배터리 셀 (110, 120, 130, 140) 각각의 전압변화를 나타내는 그래프를 생성할 수 있다. 전압측정부(210)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 충전구간, 충전 후 휴지구간, 방전구간 및 방전 후 휴지구간의 모든 구간에서 전압을 측정하여 전압 상승 및 하강과, 장시간 안정화(Relaxation) 데이터를 연속적으로 산출하고 컨트롤러(220)는 측정된 전압데이터를 이용하여 각각의 전압변화를 나타내는 그래프를 생성할 수 있다. 또는, 전압측정부(210)는 필요에 따라, 복수의 배터리 셀(110, 120, 130, 140)각각의 충전, 충전 후 휴지 구간, 방전 및 방전 후 휴지 구간 중 특정한 구간에서 전압 상승 및 하강과, 장시간 안정화(Relaxation) 데이터를 연속적으로 산출하고 이를 이용하여 컨트롤러(220)는 각각의 전압변화를 나타내는 그래프를 생성할 수도 있다.
S404 에서, 컨트롤러(220)는 정해진 단위시간마다 복수의 배터리 셀(110, 120, 130, 140)의 평균 전압(V_avg)과 복수의 배터리 셀(110, 120, 130, 140) 각각의 전압 간의 편차(dV) 또는 복수의 배터리 셀(110, 120, 130, 140)의 측정전압 자체를 제1 전압(dV)으로 산출할 수 있다.
S406 에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 전압(dV)의 이동 평균(Moving Average)을 산출할 수 있다. 여기서 이동 평균은 전체 데이터의 중 특정 사이즈(Size)의 윈도우(Window)를 이동하면서 추출한 일부 데이터의 평균이다. 여기서 윈도우는 전체 데이터 중 일부를 추출하여 사용될 데이터를 판단할 수 있는 기준 구간이다. 윈도우의 시작 시점은 현 시점으로부터 기준 시간만큼 앞선 시점이고, 윈도우의 종료 시점은 현 시점이다, 예를 들어, 윈도우가 1주일인 경우 컨트롤러(220)는 전체 데이터 중 현 시점으로부터 최근 1주일 동안 획득한 데이터를 추출할 수 있다.
컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 전체 제1 전압(dV)의 시계열 데이터 중 윈도우를 이동하면서 연속적으로 추출한 제1 전압(dV)을 이용하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 전압(dV)의 연속적인 이동 평균값을 산출할 수 있다. 예를 들어, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 전체 제1 전압(dV) 데이터에 단순 이동 평균(Simple Moving Average), 가중 이동 평균(Weighted Moving Average) 또는 지수 이동 평균(EMA, Exponential Moving Average) 중 어느 하나를 적용하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 전압(dV1)의 이동 평균값을 산출할 수 있다.
일 실시예에 따라, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 전체 제1 전압(dV) 데이터에 지수 이동 평균(EMA)을 적용하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 전압(dV)의 지수 이동 평균값을 산출할 수 있다. 지수 이동 평균은 과거의 모든 기간의 데이터를 사용하면서, 최근의 데이터에 더 높은 가중치를 두는 일종의 가중 이동 평균법이다.
또한, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 전압(dV) 데이터를 이용하여 윈도우의 크기가 서로 다른 복수의 이동 평균값을 산출할 수 있다. 일 실시예에 따라, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 전체 제1 전압(dV) 데이터를 이용하여 상대적으로 윈도우의 길이가 긴(Long) 장기 이동 평균값(Long Moving Average) 및 상대적으로 윈도우의 길이가 짧은(Short) 단기 이동 평균값(Short Moving Average)을 산출할 수 있다. 예를 들어, 장기 이동 평균값의 윈도우의 크기는 100초를 포함할 수 있고, 단기 이동 평균값의 윈도우의 크기는 10초를 포함할 수 있다. 예를 들어, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 전압(dV) 데이터를 이용하여 산출 시점으로부터 최근 100초 동안 획득한 제1 전압(dV) 데이터를 이용하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 장기 이동 평균값을 산출할 수 있고, 산출 시점으로부터 최근 10초 동안 획득한 제1 전압(dV) 데이터를 이용하여 복수의 배터리 셀(110, 120, 130, 140) 각각의 단기 이동 평균값을 산출할 수 있다.
S408 에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 전압(dV)의 장기 이동 평균값(dV_LMA) 및 단기 이동 평균값(dV_SMA)의 편차(dV_LMA - dV_SMA)를 제1 편차로 산출할 수 있다.
S410 에서, 컨트롤러(220)는 단위 시간마다 복수의 배터리 셀(110, 120, 130, 140) 각각의 제1 전압(dV)의 장기 이동 평균값(dV_LMA) 및 단기 이동 평균값(dV_SMA)의 평균값(Davg)을 제2 편차로 연속적으로 산출할 수 있다.
S412 에서, 컨트롤러(220)는 제1 편차(dV_LMA - dV_SMA)와 상기 제 2편차인 평균값(Davg)을 이용하여 진단 편차(D)를 산출할 수 있다. 실시예에 따르면, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각에 대한 상기 제2 편차인 평균값(Davg)과 제1 편차(dV_LMA - dV_SMA)의 차이를 복수의 배터리 셀(110, 120, 130, 140) 각각의 진단 편차(D)로 산출할 수 있다.
S414 에서, 컨트롤러(220)는 복수의 배터리 셀(110, 120, 130, 140) 각각의 진단 편차(D)가 임계값(Threshold)을 초과하는지 여부를 판단할 수 있다.
한편, S414 에서 진단편차(D)가 임계값을 초과하지 않는다고 판단될 경우, S402 로 돌아가 측정 및 진단과정을 반복하게 된다. 또다른 실시예에서는 S402로 돌아가는 대신 필요에 따라 S414의 이전 단계 중 어느 한 단계로 돌아가 과정을 반복할 수도 있다.
S416 에서, 컨트롤러(220)는 복수의 배터리 셀들(110, 120, 130, 140) 중 진단 편차(D)이 임계값을 초과하는 배터리 셀의 경우 해당 배터리 셀을 전압 이상이 발생한 배터리 셀로 판단할 수 있다.
이상 본 문서에 개시된 실시예들에 따른 배터리 관리장치(200)의 동작 및 배터리 셀의 진단방법에 대해 기술하였다. 본 문서에 개시된 실시예들에 따른 배터리 관리장치(200)는 배터리 전압의 장기 이동평균값 및 단기 이동평균값의 편차의 노이즈를 제거하고, 편향도를 적용하여 이상 배터리 셀을 정확하게 진단 할 수 있다.
도 13은 본 문서에 개시된 일 실시예에 따른 배터리 관리 장치의 동작 방법을 구현하는 컴퓨팅 시스템의 하드웨어 구성을 나타내는 블록도이다.
도 13을 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 전압 편차 분석 프로그램)을 실행시키고, 이러한 프로그램들에 사용되는 각종 데이터를 처리하며, 전술한 도 1에 나타낸 배터리 관리 장치(200)의 기능들을 수행하도록 하는 프로세서일 수 있다.
메모리(2200)는 배터리 뱅크의 진단을 위한 배터리 관리 장치(200)의 작동에 관한 각종 프로그램 및 배터리 관리 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 메모리로서 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 유선 또는 무선으로 전압측정 및 이상 진단을 위한 프로그램이나 각종 데이터 등을 송수신할 수 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 (18)

  1. 복수의 배터리 각각의 전압을 측정하는 전압 측정부; 및
    상기 전압 측정부와 통신 가능한 컨트롤러를 포함하고,
    상기 컨트롤러는 상기 전압측정부를 제어하여 상기 복수의 배터리 뱅크 각각의 전압을 미리 정해진 시간 간격으로 측정하고,
    상기 복수의 배터리 각각에 대해 배터리 전압의 장기 이동 평균값 및 단기 이동 평균값 간의 편차인 제1 편차를 산출하고, 상기 복수의 배터리의 평균 전압의 장기 이동 평균값 및 단기 이동 평균값 간의 편차인 제2 편차를 산출하고, 상기 복수의 배터리 각각에 대해 상기 제1 편차와 상기 제2 편차 간의 차이인 제1 진단 편차를 산출하고,
    상기 복수의 배터리 각각의 제1 진단 편차 중 상기 제2 편차에 임계 상수를 곱하여 얻어지는 기준값에 기초하여 상기 복수의 배터리 각각의 제2 진단 편차를 산출하고,
    상기 복수의 배터리 각각의 제2 진단 편차에 기초하여 상기 복수의 배터리 중 적어도 하나의 배터리의 이상여부를 진단하도록 구성되는 배터리 관리 장치.
  2. 제1 항에 있어서,
    상기 컨트롤러는 상기 제2 편차에 제1 임계 상수를 곱하여 얻어지는 값과 제2 임계 상수 중 최대값을 상기 기준값으로 설정하고,
    상기 복수의 배터리 각각의 제1 진단 편차 중 상기 기준값 이하의 제1 진단 편차를 제외하여 상기 복수의 배터리 각각의 제2 진단 편차를 산출하는 것을 특징으로 하는 배터리 관리 장치.
  3. 제2 항에 있어서,
    상기 컨트롤러는 상기 복수의 배터리 각각의 제2 진단 편차를 상기 제2 편차에 제3 임계 상수를 곱하여 얻어지는 값과 제4 임계 상수 중 최대값으로 나누어 정규화(Normalization)하여 상기 복수의 배터리 각각의 제3 진단 편차를 산출하는 것을 특징으로 하는 배터리 관리 장치.
  4. 제3 항에 있어서,
    상기 컨트롤러는 상기 복수의 배터리 각각의 제3 진단 편차에 상기 복수의 배터리 각각의 제3 진단 편차의 최소값을 더하여 얻어지는 값을 상기 제3 진단 편차로 나누어 상기 복수의 배터리 각각의 편향도를 산출하는 것을 특징으로 하는 배터리 관리 장치.
  5. 제4 항에 있어서,
    상기 컨트롤러는 상기 복수의 배터리 각각의 제3 진단 편차에 상기 편향도를 곱하여 상기 복수의 배터리 각각의 제4 진단 편차를 산출하는 것을 특징으로 하는 배터리 관리 장치.
  6. 제5 항에 있어서,
    상기 컨트롤러는 상기 복수의 배터리 각각의 제4 진단 편차의 임계값 초과 여부를 기초로 상기 복수의 배터리 중 적어도 하나의 배터리의 이상 여부를 진단하는 것을 특징으로 하는 배터리 관리 장치.
  7. 제6 항에 있어서,
    상기 컨트롤러는 단위 시간마다 상기 복수의 제1 편차 및 제2 편차를 산출하여 상기 복수의 배터리 각각의 제4 진단 편차를 산출하고,
    상기 복수의 배터리 중 적어도 하나의 배터리의 제4 진단 편차가 임계값 초과인 경우, 상기 적어도 하나의 배터리의 이상 유무를 진단하는 것을 특징으로 하는 배터리 관리 장치.
  8. 복수의 배터리 각각의 전압을 미리 정해진 시간 간격으로 측정하는 단계;
    상기 복수의 배터리 각각에 대해 배터리 전압의 장기 이동 평균값 및 단기 이동 평균값 간의 편차인 제1 편차를 산출하는 단계;
    상기 복수의 배터리의 평균 전압의 장기 이동 평균값 및 단기 이동 평균값 간의 편차인 제2 편차를 산출하는 단계;
    상기 복수의 배터리 각각에 대해 상기 제1 편차와 상기 제2 편차 간의 차이인 제1 진단 편차를 산출하는 단계;
    상기 복수의 배터리 각각의 제1 진단 편차 중 상기 제2 편차에 임계 상수를 곱하여 얻어지는 기준값에 기초하여 상기 복수의 배터리 각각의 제2 진단 편차를 산출하는 단계; 및
    상기 복수의 배터리 각각의 제2 진단 편차에 기초하여 상기 복수의 배터리 중 적어도 하나의 배터리의 이상유무를 진단하는 단계를 포함하는 배터리 관리 장치의 동작 방법.
  9. 제8 항에 있어서,
    상기 복수의 배터리 각각의 제1 진단 편차 중 상기 제2 편차에 임계 상수를 곱하여 얻어지는 기준값에 기초하여 상기 복수의 배터리 각각의 제2 진단 편차를 산출하는 단계는
    상기 제2 편차에 제1 임계 상수를 곱하여 얻어지는 값과 제2 임계 상수 중 최대값을 상기 기준값으로 설정하고,
    상기 복수의 배터리 각각의 제1 진단 편차 중 상기 기준값 이하의 제1 진단 편차를 제외하여 상기 복수의 배터리 각각의 제2 진단 편차를 산출하는 것을 특징으로 하는 배터리 관리 장치의 동작 방법.
  10. 제9 항에 있어서,
    상기 복수의 배터리 각각의 제1 진단 편차 중 상기 제2 편차에 임계 상수를 곱하여 얻어지는 기준값에 기초하여 상기 복수의 배터리 각각의 제2 진단 편차를 산출하는 단계는
    상기 복수의 배터리 각각의 제2 진단 편차를 상기 제2 편차에 제3 임계 상수를 곱하여 얻어지는 값과 제4 임계 상수 중 최대값으로 나누어 정규화하여 상기 복수의 배터리 각각의 제3 진단 편차를 산출하는 것을 특징으로 하는 배터리 관리 장치의 동작 방법.
  11. 제10 항에 있어서,
    상기 복수의 배터리 각각의 제1 진단 편차 중 상기 제2 편차에 임계 상수를 곱하여 얻어지는 기준값에 기초하여 상기 복수의 배터리 각각의 제2 진단 편차를 산출하는 단계는
    상기 복수의 배터리 각각의 제3 진단 편차에 상기 복수의 배터리 각각의 제3 진단 편차의 최소값을 더하여 얻어지는 값을 상기 제3 진단 편차로 나누어 상기 복수의 배터리 각각의 편향도를 산출하는 것을 특징으로 하는 배터리 관리 장치의 동작 방법.
  12. 제11 항에 있어서,
    상기 복수의 배터리 각각의 제1 진단 편차 중 상기 제2 편차에 임계 상수를 곱하여 얻어지는 기준값에 기초하여 상기 복수의 배터리 각각의 제2 진단 편차를 산출하는 단계는
    상기 복수의 배터리 각각의 제3 진단 편차에 상기 편향도를 곱하여 상기 복수의 배터리 각각의 제4 진단 편차를 산출하는 것을 특징으로 하는 배터리 관리 장치의 동작 방법.
  13. 제12 항에 있어서,
    상기 복수의 배터리 각각의 제2 진단 편차에 기초하여 상기 복수의 배터리 중 적어도 하나의 배터리의 이상유무를 진단하는 단계는
    상기 복수의 배터리 각각의 제4 진단 편차의 임계값 초과 여부를 기초로 상기 복수의 배터리 중 적어도 하나의 배터리의 이상유무를 진단하는 것을 특징으로 하는 배터리 관리 장치의 동작 방법.
  14. 제13 항에 있어서,
    상기 복수의 배터리 각각의 제2 진단 편차에 기초하여 상기 복수의 배터리 중 적어도 하나의 배터리의 이상유무를 진단하는 단계는
    단위 시간마다 상기 복수의 제1 편차 및 제2 편차를 산출하여 상기 복수의 배터리 각각의 제4 진단 편차를 산출하고,
    상기 복수의 배터리 중 적어도 하나의 배터리의 제4 진단 편차가 임계값 초과인 경우, 상기 적어도 하나의 배터리의 이상유무를 진단하는 것을 특징으로 하는 배터리 관리 장치의 동작 방법.
  15. 메모리와,
    상기 메모리에 결합되고, 제8항에 기재된 배터리 관리장치의 동작방법을 실행하도록 구성되는 프로세서를 포함하는 컨트롤러.
  16. 제15 항에 있어서,
    상기 배터리 관리장치의 동작방법에서,
    상기 복수의 배터리 각각의 제1 진단 편차 중 상기 제2 편차에 임계 상수를 곱하여 얻어지는 기준값에 기초하여 상기 복수의 배터리 각각의 제2 진단 편차를 산출하는 단계는
    상기 제2 편차에 제1 임계 상수를 곱하여 얻어지는 값과 제2 임계 상수 중 최대값을 상기 기준값으로 설정하는 단계;
    상기 복수의 배터리 각각의 제1 진단 편차 중 상기 기준값 이하의 제1 진단 편차를 제외하여 상기 복수의 배터리 각각의 제2 진단 편차를 산출하는 단계;
    상기 복수의 배터리 각각의 제2 진단 편차를 상기 제2 편차에 제3 임계 상수를 곱하여 얻어지는 값과 제4 임계 상수 중 최대값으로 나누어 정규화하여 상기 복수의 배터리 각각의 제3 진단 편차를 산출하는 단계;
    상기 복수의 배터리 각각의 제3 진단 편차에 상기 복수의 배터리 각각의 제3 진단 편차의 최소값을 더하여 얻어지는 값을 상기 제3 진단 편차로 나누어 상기 복수의 배터리 각각의 편향도를 산출하는 단계; 및
    상기 복수의 배터리 각각의 제3 진단 편차에 상기 편향도를 곱하여 상기 복수의 배터리 각각의 제4 진단 편차를 산출하는 단계를 포함하고,
    상기 복수의 배터리 각각의 제2 진단 편차에 기초하여 상기 복수의 배터리 중 적어도 하나의 배터리의 이상유무를 진단하는 단계는
    상기 복수의 배터리 각각의 제4 진단 편차의 임계값 초과 여부를 기초로 상기 복수의 배터리 중 적어도 하나의 배터리의 이상유무를 진단하는 단계를 포함하는 컨트롤러.
  17. 볼트미터를 사용하여 복수의 배터리 각각의 전압을 미리 정해진 시간 간격으로 측정하는 단계;
    상기 복수의 배터리 각각에 대해 배터리 전압의 장기 이동 평균값 및 단기 이동 평균값 간의 편차인 제1 편차를 산출하는 단계;
    상기 복수의 배터리의 평균 전압의 장기 이동 평균값 및 단기 이동 평균값 간의 편차인 제2 편차를 산출하는 단계;
    상기 복수의 배터리 각각에 대해 상기 제1 편차와 상기 제2 편차 간의 차이인 제1 진단 편차를 산출하는 단계;
    상기 복수의 배터리 각각의 제1 진단 편차 중 상기 제2 편차에 임계 상수를 곱하여 얻어지는 기준값에 기초하여 상기 복수의 배터리 각각의 제2 진단 편차를 산출하는 단계; 및
    상기 복수의 배터리 각각의 제2 진단 편차에 기초하여 상기 복수의 배터리 중 적어도 하나의 배터리의 이상유무를 진단하는 단계를 실행하기 위한 프로그램이 저장된 비일시적 컴퓨터 판독 가능한 저장 매체.
  18. 제17항에 있어서,
    상기 복수의 배터리 각각의 제1 진단 편차 중 상기 제2 편차에 임계 상수를 곱하여 얻어지는 기준값에 기초하여 상기 복수의 배터리 각각의 제2 진단 편차를 산출하는 단계는
    상기 제2 편차에 제1 임계 상수를 곱하여 얻어지는 값과 제2 임계 상수 중 최대값을 상기 기준값으로 설정하는 단계;
    상기 복수의 배터리 각각의 제1 진단 편차 중 상기 기준값 이하의 제1 진단 편차를 제외하여 상기 복수의 배터리 각각의 제2 진단 편차를 산출하는 단계;
    상기 복수의 배터리 각각의 제2 진단 편차를 상기 제2 편차에 제3 임계 상수를 곱하여 얻어지는 값과 제4 임계 상수 중 최대값으로 나누어 정규화하여 상기 복수의 배터리 각각의 제3 진단 편차를 산출하는 단계;
    상기 복수의 배터리 각각의 제3 진단 편차에 상기 복수의 배터리 각각의 제3 진단 편차의 최소값을 더하여 얻어지는 값을 상기 제3 진단 편차로 나누어 상기 복수의 배터리 각각의 편향도를 산출하는 단계; 및
    상기 복수의 배터리 각각의 제3 진단 편차에 상기 편향도를 곱하여 상기 복수의 배터리 각각의 제4 진단 편차를 산출하는 단계를 포함하고,
    상기 복수의 배터리 각각의 제2 진단 편차에 기초하여 상기 복수의 배터리 중 적어도 하나의 배터리의 이상유무를 진단하는 단계는
    상기 복수의 배터리 각각의 제4 진단 편차의 임계값 초과 여부를 기초로 상기 복수의 배터리 중 적어도 하나의 배터리의 이상유무를 진단하는 단계를 포함하는 비일시적 컴퓨터 판독 가능한 저장 매체.
PCT/KR2023/014493 2022-09-22 2023-09-22 배터리 관리 장치 및 그것의 동작 방법 WO2024063600A1 (ko)

Applications Claiming Priority (6)

Application Number Priority Date Filing Date Title
KR10-2022-0120366 2022-09-22
KR20220120366 2022-09-22
KR10-2023-0058253 2023-05-04
KR1020230058253A KR20240041208A (ko) 2022-09-22 2023-05-04 배터리 관리 장치 및 그것의 동작 방법
KR10-2023-0126472 2023-09-21
KR1020230126472A KR20240041264A (ko) 2022-09-22 2023-09-21 배터리 관리 장치 및 그것의 동작 방법

Publications (1)

Publication Number Publication Date
WO2024063600A1 true WO2024063600A1 (ko) 2024-03-28

Family

ID=90454824

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2023/014493 WO2024063600A1 (ko) 2022-09-22 2023-09-22 배터리 관리 장치 및 그것의 동작 방법

Country Status (1)

Country Link
WO (1) WO2024063600A1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002334722A (ja) * 2001-05-09 2002-11-22 Matsushita Electric Ind Co Ltd 二次電池の検査方法
KR101349022B1 (ko) * 2011-02-23 2014-01-09 현대자동차주식회사 연료전지 스택의 촉매 열화 진단 방법
WO2021186512A1 (ja) * 2020-03-16 2021-09-23 株式会社 東芝 情報処理装置、情報処理方法、コンピュータプログラム及び情報処理システム
CN114518539A (zh) * 2022-01-14 2022-05-20 北京交通大学 一种动力电池soc异常分析方法
KR20220074797A (ko) * 2020-11-27 2022-06-03 주식회사 엘지에너지솔루션 배터리 진단 장치, 배터리 진단 방법, 배터리 팩 및 자동차

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002334722A (ja) * 2001-05-09 2002-11-22 Matsushita Electric Ind Co Ltd 二次電池の検査方法
KR101349022B1 (ko) * 2011-02-23 2014-01-09 현대자동차주식회사 연료전지 스택의 촉매 열화 진단 방법
WO2021186512A1 (ja) * 2020-03-16 2021-09-23 株式会社 東芝 情報処理装置、情報処理方法、コンピュータプログラム及び情報処理システム
KR20220074797A (ko) * 2020-11-27 2022-06-03 주식회사 엘지에너지솔루션 배터리 진단 장치, 배터리 진단 방법, 배터리 팩 및 자동차
CN114518539A (zh) * 2022-01-14 2022-05-20 北京交通大学 一种动力电池soc异常分析方法

Similar Documents

Publication Publication Date Title
WO2020204584A1 (ko) 배터리 관리 장치 및 방법
WO2017034277A1 (ko) 이차 전지의 퇴화도 추정 장치 및 방법
WO2021049800A1 (ko) 배터리 이상 상태를 진단하기 위한 방법, 이를 위한 전자 장치 및 저장 매체
WO2018038383A1 (ko) 배터리 셀의 성능 테스트 장치 및 방법
WO2010016647A1 (en) Apparatus and method for estimating state of health of battery based on battery voltage variation pattern
WO2022114871A1 (ko) 배터리 진단 장치, 배터리 진단 방법, 배터리 팩 및 자동차
WO2019199064A1 (ko) 배터리 진단 장치 및 방법
WO2016053055A1 (ko) 신속하게 절연 저항을 측정할 수 있는 절연 저항 측정 장치 및 방법
WO2021118118A1 (ko) 배터리 퇴화도 진단 장치 및 방법
WO2019066294A1 (ko) 리튬 이온 배터리 셀의 퇴화 정보를 획득하는 장치 및 방법
WO2020189919A1 (ko) 배터리 상태 추정 장치
WO2018194225A1 (ko) 배터리 모니터링 및 보호 시스템
WO2020153637A1 (ko) 배터리 관리 장치, 배터리 관리 방법 및 배터리 팩
WO2023085906A1 (ko) 배터리 soh 추정시스템, 이를 위한 파라미터 추출시스템 및 방법
WO2021107220A1 (ko) 배터리 상태 추정 장치 및 방법
WO2021006708A1 (ko) 배터리 팩의 상태 진단 장치 및 방법
WO2022092827A1 (ko) 배터리 관리 장치 및 방법
WO2021107655A1 (ko) 배터리 상태 진단 장치 및 방법
WO2019009530A1 (ko) 이차 전지의 용량유지율을 추정하는 장치 및 방법
WO2018151431A1 (ko) 에너지 저장장치 충전상태 추정방법
WO2022075708A1 (ko) 배터리 상태 진단 장치 및 방법
WO2022145822A1 (ko) 배터리 관리 장치 및 방법
WO2022215962A1 (ko) 배터리 진단 장치 및 방법
WO2022080837A1 (ko) 배터리 진단 장치 및 방법
WO2022071776A1 (ko) 배터리 진단 장치, 방법 및 시스템

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: 23868652

Country of ref document: EP

Kind code of ref document: A1