WO2026005233A1 - 배터리 진단 장치 및 그 방법 - Google Patents

배터리 진단 장치 및 그 방법

Info

Publication number
WO2026005233A1
WO2026005233A1 PCT/KR2025/005163 KR2025005163W WO2026005233A1 WO 2026005233 A1 WO2026005233 A1 WO 2026005233A1 KR 2025005163 W KR2025005163 W KR 2025005163W WO 2026005233 A1 WO2026005233 A1 WO 2026005233A1
Authority
WO
WIPO (PCT)
Prior art keywords
battery unit
information
battery
component
combination
Prior art date
Legal status (The legal status 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 status listed.)
Pending
Application number
PCT/KR2025/005163
Other languages
English (en)
French (fr)
Inventor
박헌일
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
LG Energy Solution Ltd
Original Assignee
LG Energy Solution Ltd
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 KR1020240136291A external-priority patent/KR20260002124A/ko
Application filed by LG Energy Solution Ltd filed Critical LG Energy Solution Ltd
Publication of WO2026005233A1 publication Critical patent/WO2026005233A1/ko
Pending legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
    • 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]
    • G01R31/389—Measuring internal impedance, internal conductance or related 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
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00—Secondary cells; Manufacture thereof
    • H01M10/54—Reclaiming serviceable parts of waste accumulators
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols

Definitions

  • the embodiments disclosed in this document relate to a battery diagnostic device and method thereof.
  • secondary batteries are defined as rechargeable and dischargeable batteries, encompassing both conventional Ni/Cd and Ni/MH batteries, as well as more recent lithium-ion batteries. Recently, their use has expanded to include power sources for electric vehicles, attracting attention as a next-generation energy storage medium.
  • an object is to provide a battery diagnosis device and method for sharing the results of diagnosing a battery unit.
  • an object is to provide a battery diagnostic device and method for diagnosing a battery unit and providing a utilization level.
  • an object is to provide a battery diagnosis device and method for generating a certificate based on the results of diagnosing a battery unit.
  • a battery diagnostic device may include a memory storing at least one instruction, and one or more processors executing the at least one instruction.
  • the one or more processors may identify an identifier and a state of a battery unit, identify a utilization level for reuse or recycling of the battery unit based on the state of the battery unit, and generate a certificate including at least one of the utilization level of the battery unit, information on components expected to be recovered from the battery unit, information on predicted mass of each component expected to be recovered from the battery unit, information on predicted price of the battery unit, or any combination thereof based on the identifier of the battery unit.
  • the one or more processors may identify at least one of state of health (SOH) information of the battery unit, impedance change information of the battery unit, open circuit voltage (OCV) information of the battery unit, or any combination thereof, based on the state of the battery unit, and identify the utilization level based on at least one of the remaining life information, the impedance change information, the open circuit voltage information, or any combination thereof.
  • SOH state of health
  • OCV open circuit voltage
  • the one or more processors can identify a state of the battery unit including at least one of state of charge (SOC) information of the battery unit, voltage information of the battery unit, temperature information of the battery unit, resistance information of the battery unit, impedance information of the battery unit, charge count information of the battery unit, discharge count information of the battery unit, or any combination thereof.
  • SOC state of charge
  • the certificate may further include at least one of usage information of the battery unit according to the utilization level, model year information of the battery unit, state of health (SOH) information of the battery unit, impedance change information of the battery unit, open circuit voltage (OCV) information of the battery unit, status information of a battery cell included in the battery unit, or any combination thereof.
  • SOH state of health
  • OCV open circuit voltage
  • the one or more processors may convert the certificate into blockchain data or non-fungible token (NFT) data, and store the blockchain data or the NFT data in a plurality of nodes, including an external server as one node.
  • NFT non-fungible token
  • the one or more processors may identify at least one of remaining life information of the battery unit, impedance change information of the battery unit, open circuit voltage information of the battery unit, component information of a beginning of life (BOL) state of the battery unit corresponding to an identifier of the battery unit, mass information of each component of the BOL state of the battery unit corresponding to the identifier of the battery unit, or any combination thereof, based on the state of the battery unit, and input at least one of the remaining life information, the impedance change information, the open circuit voltage information, component information of the BOL state of the battery unit, mass information of each component of the BOL state of the battery unit corresponding to the identifier of the battery unit, or any combination thereof into a learning model, and identify at least one of the utilization level output from the learning model, component information predicted to be recovered from the battery unit, mass information of each component predicted to be recovered from the battery unit, the price information, or any combination thereof.
  • BOL beginning of life
  • the one or more processors input learning data including at least one of remaining life information of a battery unit different from the battery unit, impedance change information of the different battery unit, open circuit voltage information of the different battery unit, or any combination thereof into a learning model, and input target data including at least one of recovery rate information indicating a recovery rate according to a component of the different battery unit identified by comparing mass information of each component of a BOL state of the different battery unit with mass information of each component recovered from the disassembled different battery unit, component information recovered from the different battery unit, mass information of each component recovered from the different battery unit, price information of the different battery unit, or any combination thereof into the learning model, and train the learning model based on a correlation between the learning data and the target data.
  • the certificate may further include at least one of: a first carbon emission amount according to the power consumed by the reused battery unit when the battery unit is reused; a second carbon emission amount according to the power consumed by the recycled and remanufactured battery unit when the battery unit is recycled; information on the predicted recovery rate of the battery unit; or any combination thereof.
  • the one or more processors may generate the certificate including at least one of the second carbon emissions, predicted recovery rate information of the battery unit, predicted component information to be recovered from the battery unit, the mass information, or any combination thereof, based on the utilization grade being a designated grade.
  • a battery diagnosis method may include an operation of identifying an identifier of a battery unit, an operation of identifying a state of the battery unit, an operation of identifying a utilization level for reuse or recycling of the battery unit based on the state of the battery unit, and an operation of generating a certificate including at least one of the utilization level of the battery unit, information on components expected to be recovered from the battery unit, information on predicted mass of each component expected to be recovered from the battery unit, information on predicted price of the battery unit, or any combination thereof, based on the identifier of the battery unit.
  • the operation of identifying a utilization level for reuse or recycling of the battery unit based on the state of the battery unit may include an operation of identifying at least one of state of health (SOH) information of the battery unit, impedance change information of the battery unit, open circuit voltage (OCV) information of the battery unit, or any combination thereof, based on the state of the battery unit, and an operation of identifying the utilization level based on at least one of the remaining life information, the impedance change information, the open circuit voltage information, or any combination thereof.
  • SOH state of health
  • OCV open circuit voltage
  • the operation of identifying the state of the battery unit may include an operation of identifying the state of the battery unit including at least one of state of charge (SOC) information of the battery unit, voltage information of the battery unit, temperature information of the battery unit, resistance information of the battery unit, impedance information of the battery unit, charge count information of the battery unit, discharge count information of the battery unit, or any combination thereof.
  • SOC state of charge
  • the certificate may further include at least one of usage information of the battery unit according to the utilization level, model year information of the battery unit, state of health (SOH) information of the battery unit, impedance change information of the battery unit, open circuit voltage (OCV) information of the battery unit, status information of a battery cell included in the battery unit, or any combination thereof.
  • SOH state of health
  • OCV open circuit voltage
  • the battery diagnosis method may further include an operation of converting the certificate into blockchain data or non-fungible token (NFT) data, and an operation of storing the blockchain data or the NFT data in a plurality of nodes, of which an external server is included as one node.
  • NFT non-fungible token
  • the operation of generating a certificate including at least one of a utilization level of the battery unit, information on components predicted to be recovered from the battery unit, information on predicted mass of each component predicted to be recovered from the battery unit, information on predicted price of the battery unit, or any combination thereof, based on the identifier of the battery unit comprises: an operation of identifying at least one of remaining life information of the battery unit, impedance change information of the battery unit, open circuit voltage information of the battery unit, information on the component corresponding to the identifier of the battery unit, information on the mass of each component corresponding to the identifier of the battery unit, or any combination thereof, based on the state of the battery unit; an operation of inputting at least one of the remaining life information, the impedance change information, the open circuit voltage information, information on the component of the BOL state of the battery unit, information on the mass of each component of the BOL state of the battery unit corresponding to the identifier of the battery unit, or any combination thereof, into a learning model; the utilization level, information on
  • the battery diagnosis method may further include an operation of inputting learning data including at least one of remaining life information of a battery unit different from the battery unit, impedance change information of the different battery unit, open circuit voltage information of the different battery unit, or any combination thereof, into a learning model, an operation of inputting target data including at least one of recovery rate information indicating a recovery rate according to a component of the different battery unit identified by comparing mass information of each component of a BOL state of the different battery unit with mass information of each component recovered from the different battery unit, information on the component recovered from the different battery unit, mass information of each component recovered from the different battery unit, price information of the different battery unit, or any combination thereof, into the learning model, and an operation of training the learning model based on a correlation between the learning data and the target data.
  • the certificate may further include at least one of: a first carbon emission amount according to the power consumed by the reused battery unit when the battery unit is reused; a second carbon emission amount according to the power consumed by the recycled and remanufactured battery unit when the battery unit is recycled; information on the predicted recovery rate of the battery unit; or any combination thereof.
  • the battery diagnosis method may further include an operation of generating the certificate including at least one of the second carbon emission, predicted recovery rate information of the battery unit, predicted component information to be recovered from the battery unit, the mass information, or any combination thereof, based on the utilization grade being a designated grade.
  • This technology can share the results of diagnosing a battery unit.
  • the present technology can diagnose a battery unit and provide a utilization level.
  • the present technology can obtain mass information on each component of a battery unit without disassembling the battery unit.
  • the present technology can generate a certificate based on the results of diagnosing the battery unit.
  • the present technology can improve the security strength of certificates generated and shared based on the results of diagnosing a battery unit.
  • FIG. 1 is a block diagram showing a battery pack in a battery diagnosis device and a battery diagnosis method according to one embodiment of the present document.
  • FIG. 2 is a block diagram showing the configuration of a battery diagnosis device and a battery diagnosis method according to one embodiment of the present document.
  • FIG. 3 illustrates an example of a battery diagnostic device that generates a certificate in a battery diagnostic device and a battery diagnostic method according to one embodiment of the present document.
  • FIG. 4 illustrates an example of impedance change information of a battery unit in a battery diagnosis device and a battery diagnosis method according to one embodiment of the present document.
  • FIG. 5 illustrates an example of a certificate of a battery unit whose utilization level is a reuse level in a battery diagnosis device and a battery diagnosis method according to one embodiment of the present document.
  • FIG. 6 illustrates an example of a certificate of a battery unit whose utilization grade is a recycling grade in a battery diagnosis device and a battery diagnosis method according to one embodiment of the present document.
  • FIG. 7 illustrates an example of a battery diagnostic device and a battery diagnostic method according to one embodiment of the present document, wherein a plurality of nodes include an external server as one node.
  • FIG. 8 illustrates examples of input data and output data of a learning model in a battery diagnosis device and a battery diagnosis method according to one embodiment of the present document.
  • FIG. 9 illustrates an example of the flow of operations of a battery diagnosis device and a battery diagnosis method according to one embodiment of the present document, wherein a certificate generated based on a learned learning model is stored.
  • FIG. 10 illustrates an example of the flow of operations of a battery diagnostic device for generating a certificate in a battery diagnostic device and a battery diagnostic method according to one embodiment of the present document.
  • FIG. 11 is a block diagram showing the hardware configuration of a computing system that performs a battery diagnosis method in a battery diagnosis device and a battery diagnosis method according to one embodiment of the present document.
  • expressions such as “more than” or “less than” may be used to determine whether a specific condition is satisfied or fulfilled. However, this is merely a description for expressing an example and does not exclude descriptions such as “more than” or “less than.” Conditions described as “more than” may be replaced with “more than,” conditions described as “less than,” and conditions described as “more than and less than” may be replaced with “more than and less than.” In addition, hereinafter, "A" to “B” mean at least one of the elements from A (including A) to B (including B).
  • each of the phrases “A or B”, “at least one of A and B”, “at least one of A or B”, “A, B, or C”, “at least one of A, B, and C”, and “at least one of A, B, or C” may include any one of the items listed together in that phrase, or all possible combinations thereof.
  • a component e.g., a first component
  • a component e.g., a first component
  • the method according to the various embodiments disclosed in the present document may be provided as included in a computer program product.
  • the computer program product may be traded as a product between a seller and a buyer.
  • the computer program product may be distributed in the form of a machine-readable storage medium (e.g., compact disc read-only memory (CD-ROM)), or may be distributed online (e.g., downloaded or uploaded) through an application store or directly between two user devices.
  • a portion of the computer program product may be temporarily stored or temporarily generated in a machine-readable storage medium, such as the memory of a manufacturer's server, an application store's server, or an intermediary server.
  • each component e.g., a module or a program of the described components may include one or more entities, and some of the entities may be separated and placed in other components.
  • one or more components or operations of the aforementioned components may be omitted, or one or more other components or operations may be added.
  • a plurality of components e.g., a module or a program
  • the integrated component may perform one or more functions of each of the plurality of components identically or similarly to those performed by the corresponding component among the plurality of components prior to integration.
  • the operations performed by a module, program, or other component may be executed sequentially, in parallel, iteratively, or heuristically, or one or more of the operations may be executed in a different order, omitted, or one or more other operations may be added.
  • FIG. 1 is a block diagram showing a battery pack in a battery diagnosis device and a battery diagnosis method according to one embodiment of the present document.
  • a battery pack (1) may include a battery unit (12), a sensor unit (14), a switching unit (16), and a battery management system (BMS) (20). At this time, the battery pack (1) may be equipped with a plurality of battery units (12), sensor units (14), switching units (16), and battery management systems (20).
  • the battery unit (12) can supply power to a target device (not shown).
  • the battery unit (12) can be electrically connected to the target device.
  • the target device can include an electrical, electronic, or mechanical device that operates by receiving power from the battery pack (1).
  • the target device can be, but is not limited to, an electric vehicle (EV) or an energy storage system (ESS).
  • the battery unit (12) may include at least one battery cell (10) that can be charged and discharged.
  • the battery cell (10) may be a basic unit of a battery cell that can charge and discharge electric energy and use it.
  • the battery cell (10) may be a lithium-ion (Li-ion) battery, a lithium-ion polymer (Li-ion polymer) battery, a nickel-cadmium (Ni-Cd) battery, a nickel-metal hydride (Ni-MH) battery, etc., but may not be limited thereto.
  • a plurality of battery units (12) may be connected in series or parallel.
  • the battery unit (12) may be a battery module, a battery bank, or a collection of battery cells (cell-to-pack structure).
  • the sensor unit (14) can obtain information related to the battery unit (12). According to one embodiment, the sensor unit (14) can obtain values (or information) related to the state of each of the battery unit (12) or battery cells (10). In one embodiment, the values related to the state may include one or more values for voltage, current, resistance, state of charge (SOC), state of health (SOH), or temperature of the battery cell, or a combination thereof.
  • SOC state of charge
  • SOH state of health
  • the sensor unit (14) can provide information on each of the plurality of battery units (12) to the battery management system (20).
  • the switching unit (16) may include a device for controlling the current flow for charging or discharging the battery unit (12).
  • the switching unit (16) may include at least one relay and/or magnetic contactor, etc., depending on the specifications of the battery pack (1).
  • a battery management system (BMS) (20) may monitor voltage, current, temperature, etc. of the battery pack (1) to control or manage the battery pack (1) to prevent overcharge, overdischarge, etc.
  • the battery management system (20) may include a plurality of terminals as an interface for receiving values measured from the various parameters described above, and a circuit connected to these terminals to process the input values.
  • the battery management system (20) may control the sensor unit (14) and/or the switching unit (16).
  • the battery management system (20) may be connected to a plurality of battery units (12) to monitor the status of each of the plurality of battery units (12) and control ON/OFF of a relay or a contactor, etc.
  • the operation of the battery management system (20) may be performed by a battery management system (BMS) in the vehicle, as well as by various devices such as a server, cloud, charger, or discharger.
  • BMS battery management system
  • the upper controller (2) can transmit control signals for multiple battery units (12) to the battery management system (20). Accordingly, the battery management system (20) can be controlled for operation based on signals received from the upper controller (2).
  • the battery management system (20) may include the battery diagnostic device (201) of FIG. 2.
  • the battery management system (20) may be a different system from the battery diagnostic device (201) of FIG. 2. That is, the diagnostic device (201) of FIG. 2 may be included in the battery pack (1) or may be configured as another device external to the battery pack (1).
  • the operation of the battery diagnostic device (201) below may be performed by an in-vehicle BMS (battery management system), as well as by various devices such as a server, a cloud, a charger, or a discharger.
  • FIG. 2 is a block diagram showing the configuration of a battery diagnosis device and a battery diagnosis method according to one embodiment of the present document.
  • a battery diagnostic device (201) may include a memory (203) and one or more processors (205).
  • the memory (203) may store at least one instruction.
  • the one or more processors (205) may execute at least one instruction.
  • the state of the battery unit can be divided into a beginning of life (BOL) state, a middle of life (MOL) state, and an end of life (EOL) state.
  • BOL beginning of life
  • MOL middle of life
  • EOL end of life
  • the BOL (beginning of life) state may indicate an early life state in which the number of battery charge/discharge cycles is less than a first specified number after the battery unit is manufactured.
  • the MOL state may indicate an intermediate life state in which the number of battery charge/discharge cycles is greater than or equal to the first number and less than a second number. The second number may be greater than the first number.
  • the EOL state may indicate an end of life state in which the number of battery charge/discharge cycles is greater than or equal to the second number.
  • the battery unit In the EOL state, the battery unit may be reused or recycled depending on the degree of consumption of the battery unit.
  • one or more processors (205) of the battery diagnostic device (201) may identify the state of the battery unit through a diagnostic sensor.
  • the state of the battery unit may include at least one of the state of charge (SOC) information of the battery unit, voltage information of the battery unit, temperature information of the battery unit, resistance information of the battery unit, impedance information of the battery unit, charge count information of the battery unit, discharge count information of the battery unit, or any combination thereof.
  • SOC state of charge
  • the state of the battery unit will be described below with reference to FIG. 4.
  • one or more processors (205) of the battery diagnostic device (201) can identify at least one of state of health (SOH) information of the battery unit, impedance change information of the battery unit, open circuit voltage (OCV) information of the battery unit, or any combination thereof, based on the state of the battery unit.
  • SOH state of health
  • OCV open circuit voltage
  • one or more processors (205) of the battery diagnostic device (201) can identify a utilization grade for reuse or recycling of the battery unit based on at least one of state of health (SOH) information of the battery unit, impedance change information of the battery unit, open circuit voltage (OCV) information of the battery unit, or any combination thereof.
  • SOH state of health
  • OCV open circuit voltage
  • one or more processors (205) of the battery diagnostic device (201) may generate a certificate including at least one of: component information expected to be recovered from the battery unit, predicted mass information of each component expected to be recovered from the battery unit, predicted price information of the battery unit, usage information of the battery unit according to the utilization level, model year information of the battery unit, state of health (SOH) information of the battery unit, impedance change information of the battery unit, open circuit voltage (OCV) information of the battery unit, status information of a battery cell included in the battery unit, or any combination thereof, based on a utilization level and an identifier of the battery unit.
  • SOH state of health
  • OCV open circuit voltage
  • At this time, at least one of the utilization level, component information predicted to be recovered from the battery unit, predicted mass information of each component predicted to be recovered from the battery unit, predicted price information of the battery unit, or any combination thereof can be identified by the learning model.
  • a method of utilizing the learning model is described below in FIG. 8.
  • one or more processors (205) of the battery diagnostic device (201) may convert a certificate into blockchain data or non-fungible token (NFT) data, and store the blockchain data or NFT data in a plurality of nodes, including an external server as one node.
  • NFT non-fungible token
  • FIG. 3 illustrates an example of a battery diagnostic device that generates a certificate in a battery diagnostic device and a battery diagnostic method according to one embodiment of the present document.
  • the diagnostic sensor (303) can identify the status of the battery unit (305).
  • One or more processors (205) of the battery diagnostic device (201) can obtain the status of the battery unit (305) identified by the diagnostic sensor (303) through the intranet (301).
  • a diagnostic sensor (303) e.g., an IoT (internet of things) sensor
  • the server (307) may include one or more processors (205) of the battery diagnostic device (201).
  • the one or more processors (205) of the battery diagnostic device (201) included in the server (307) may identify at least one of remaining life information of the battery unit (305), impedance change information of the battery unit (305), open circuit voltage information of the battery unit (305), or any combination thereof based on the state of the battery unit (305).
  • One or more processors (205) of a battery diagnostic device (201) included in a server (307) can identify a utilization level based on at least one of remaining life information of a battery unit (305), impedance change information of a battery unit (305), open circuit voltage information of a battery unit (305), or any combination thereof.
  • One or more processors (205) of a battery diagnostic device (201) included in a server (307) can generate a certificate including a utilization level.
  • One or more processors (205) of the battery diagnostic device (201) can convert the generated certificate into blockchain data or NFT data, and then store the certificate converted into blockchain data or NFT data in a plurality of nodes including an external server as one node.
  • FIG. 4 illustrates an example of impedance change information of a battery unit in a battery diagnosis device and a battery diagnosis method according to one embodiment of the present document.
  • the first graph (401), the second graph (411), and the third graph (421) may represent Nyquist diagrams in which the horizontal axis represents the real part of the impedance and the vertical axis represents the imaginary part of the impedance.
  • the first graph (401), the second graph (411), and the third graph (421) may be created according to electrochemical impedance spectroscopy (EIS).
  • the first line (403) may represent an impedance change according to a frequency change of the AC power of a normal battery unit.
  • the second line (405) may represent an impedance change according to a frequency change of the AC power of a battery unit damaged due to discharge.
  • the third line (413) may represent an impedance change according to a frequency change of the AC power of a normal battery unit.
  • the fourth line (415) may represent an impedance change according to a frequency change of the AC power of a battery unit damaged due to overheating.
  • the fifth line (423) may represent an impedance change according to a frequency change of the AC power of a normal battery unit.
  • the sixth line (425) may represent an impedance change according to a frequency change of the AC power of a battery unit damaged due to a short circuit.
  • one or more processors (205) of the battery diagnostic device (201) can identify whether the battery unit is defective and the cause of the defect in the battery unit based on a change in impedance according to a change in frequency of the AC power of the battery unit.
  • FIG. 5 illustrates an example of a certificate of a battery unit whose utilization level is a reuse level in a battery diagnosis device and a battery diagnosis method according to one embodiment of the present document.
  • the certificate (501) may include at least one of: remaining life information (503) of the battery unit (305) identified based on the state of the battery unit (305), open circuit voltage information (505) of the battery unit (305), impedance change information (507) of the battery unit (305), first carbon emission information (511) according to power consumed by the reused battery unit when the battery unit is reused, third carbon emission information (513) that is reduced compared to an internal combustion engine vehicle when the battery unit is reused, or any combination thereof.
  • the certificate (501) may include a utilization rating (509) of the identified battery unit (305) based on at least one of remaining life information (503), open circuit voltage information (505), impedance change information (507), or any combination thereof.
  • the certificate (501) includes information on the use of the battery unit (305) (510), information on the year of manufacture of the battery unit (305), information on the status of the battery cell included in the battery unit (305), information on the second carbon emission amount according to the power consumed by the battery unit after recycling when the battery unit is recycled (e.g., the second carbon emission amount information (615) of FIG. 6), information on the fourth carbon emission amount saved compared to an internal combustion engine vehicle when the battery unit is recycled and then recycled (e.g., the fourth carbon emission amount information (616) of FIG. 6), information on the predicted total recovery rate of the battery unit (e.g., the total recovery rate information (617) of FIG.
  • information on the recovery rate of each component predicted to be recovered from the battery unit e.g., recovery rate information (614) of each component predicted to be recovered from the battery unit
  • information on the component predicted to be recovered from the battery unit e.g., the component information (611) of FIG. 6
  • information on each component predicted to be recovered from the battery unit It may include at least one of mass information (e.g., mass information (612) of FIG. 6), predicted price information of the battery unit (e.g., price information (613) of FIG. 6), component acquisition logic (e.g., component acquisition logic (619) of FIG. 6), or any combination thereof.
  • the certificate may include a battery unit identifier (502) (e.g., lot ID (identification number), EOS (eosio) transaction ID (identification number)).
  • the battery unit identifier (502) may be assigned to the battery unit at the time of manufacturing the battery unit.
  • the battery unit identifier (502) may include an identifier (e.g., lot ID) assigned to the battery unit when the battery unit is created.
  • the battery unit identifier (502) may include an identifier (e.g., EOS transaction ID) assigned to the battery unit when the certificate is stored in the blockchain network.
  • one or more processors (205) of the battery diagnostic device (201) can identify remaining life information (503) based on at least one of SOC information of the battery unit, voltage information of the battery unit, temperature information of the battery unit, resistance information of the battery unit, impedance information of the battery unit, charge count information of the battery unit, discharge count information of the battery unit, or any combination thereof.
  • the remaining life information (503) may include the remaining life of the battery unit (305) (e.g., about 81%), and the stage at which the remaining life is included (e.g., poor, average, good).
  • one or more processors (205) of the battery diagnostic device (201) can identify open circuit voltage information (505) of the battery unit (305) based on voltage information of the battery unit (305).
  • the open circuit voltage information (505) may include a first open circuit voltage (e.g., OCV1), a second open circuit voltage (e.g., OCV2), a third open circuit voltage (e.g., OCV3), and whether a defect is detected in the battery unit (305).
  • the first open circuit voltage may represent an open circuit voltage during a full charge after a full discharge.
  • the second open circuit voltage may represent an open circuit voltage during a full discharge after a full charge.
  • the third open circuit voltage may represent an open circuit voltage after a predetermined rest period has elapsed after a full charge.
  • the open circuit voltage information (505) may include the fact that a defect in the battery unit (305) was not detected.
  • one or more processors (205) of the battery diagnostic device (201) can identify impedance change information (507) of the battery unit (305) based on impedance information of the battery unit (305).
  • Impedance change information (507) may include a Nyquist diagram, and whether a defect in the battery unit (305) is detected based on the Nyquist diagram.
  • one or more processors (205) of the battery diagnosis device (201) can identify the degree of consumption of the battery unit (305) based on at least one of remaining life information (503), open circuit voltage information (505), impedance change information (507), or any combination thereof.
  • One or more processors (205) of the battery diagnosis device (201) can identify a utilization level (509) (e.g., reuse level, recycling level) according to an algorithm according to the life cycle of the battery unit (305) based on the degree of consumption of the battery unit (305). For example, when the degree of consumption of the battery unit (305) is less than a reference value, one or more processors (205) of the battery diagnosis device (201) can identify the utilization level (509) as a reuse level for reusing or reprocessing the battery unit.
  • a utilization level e.g., reuse level, recycling level
  • one or more processors (205) of the battery diagnostic device (201) can identify the utilization grade (509) as a recycling grade in which the battery unit is separated into components after disassembling it and then recycled.
  • one or more processors (205) of the battery diagnostic device (201) can identify usage information of the battery unit (e.g., ESS (energy storage system), solar power plant, wind power plant, motorcycle) according to the utilization level (509).
  • the battery unit e.g., ESS (energy storage system), solar power plant, wind power plant, motorcycle
  • the utilization level 509
  • one or more processors (205) of the battery diagnostic device (201) are configured to, based on whether the utilization grade (509) is a designated grade (e.g., a recycling grade), generate second carbon emission information (e.g., the second carbon emission (615) of FIG. 6), predicted total recovery rate information of the battery unit (e.g., the total recovery rate information (617) of FIG. 6), fourth carbon emission information (e.g., the fourth carbon emission information (616) of FIG. 6) that is reduced compared to an internal combustion engine vehicle when the battery unit is recycled and then remanufactured), predicted total recovery rate information of the battery unit (e.g., the total recovery rate information (617) of FIG.
  • second carbon emission information e.g., the second carbon emission (615) of FIG. 6
  • predicted total recovery rate information of the battery unit e.g., the total recovery rate information (617) of FIG. 6
  • fourth carbon emission information e.g., the fourth carbon emission information (616) of FIG. 6 that is reduced compared to an
  • recovery rate information of each component predicted to be recovered from the battery unit e.g., recovery rate information (614) of each component predicted to be recovered from the battery unit
  • component information predicted to be recovered from the battery unit e.g., component information (611) of FIG. 6
  • mass information of each component predicted to be recovered from the battery unit e.g., mass information of FIG. 6
  • a certificate e.g., certificate (601) of FIG. 6) can be generated that includes at least one of information (612)), predicted price information of the battery unit (e.g., price information (613) of FIG. 6), component acquisition logic (e.g., component acquisition logic (619) of FIG.
  • one or more processors (205) of the battery diagnostic device (201) may generate a certificate including at least one of component information predicted to be recovered from the battery unit (305) regardless of the utilization level (509) (e.g., component information predicted to be recovered from the battery unit (611) of FIG. 6), mass information of each component predicted to be recovered from the battery unit (e.g., mass information of each component predicted to be recovered from the battery unit (612) of FIG. 6), or any combination thereof.
  • component information predicted to be recovered from the battery unit (305) regardless of the utilization level (509) e.g., component information predicted to be recovered from the battery unit (611) of FIG. 6
  • mass information of each component predicted to be recovered from the battery unit e.g., mass information of each component predicted to be recovered from the battery unit (612) of FIG. 6
  • the one or more processors (205) of the battery diagnostic device (201) may include the component information predicted to be recovered from the battery unit (305) and the mass information of each component in the certificate even when the utilization level (509) is a reuse level, thereby preparing for a case where a user uses the battery unit (305) regardless of the utilization level.
  • one or more processors (205) of the battery diagnostic device (201) can identify a first carbon emission based on the power consumed by the recycled battery unit (305).
  • the state of health (SOH) of the battery unit may decrease.
  • the power consumption of the battery unit (305) may increase.
  • the first carbon emission indirectly emitted by the battery unit (305) may increase. This is because the first carbon emission may have a relationship with the power carbon emission coefficient as expressed in Equation 1.
  • the first carbon emission may be included in the first carbon emission information (511).
  • the first carbon emission may include carbon emissions according to the power consumed by the battery unit (305) during a reference period of time.
  • the unit of the first carbon emission may be tC/year (tonnes of carbon per year), but the embodiments of the present document may not be limited thereto.
  • the power usage may include power consumed by the battery unit (305) during a reference period of time.
  • the power usage may be MWh/year (megawatt-hours per year), but the embodiments of the present document may not be limited thereto.
  • the power carbon emission factor (e.g., about 0.125 tC/MWh (tonnes of carbon per megawatt-hours)) represents the carbon emissions emitted during the power generation process according to the power usage (e.g., the amount of carbon included in carbon dioxide during the power generation process), and may vary depending on the power generation method (e.g., thermal power generation, nuclear power generation, hydroelectric power generation).
  • the power usage may represent the power discharged from the battery unit (305).
  • the unit of the power carbon emission factor may be tC/MWh, but the embodiments of this document may not be limited thereto.
  • One or more processors (205) of the battery diagnostic device (201) may obtain the total carbon emissions until the battery unit (305) of the reuse grade becomes the recycle grade, based on the power usage of the battery unit (305) in the remaining life information of the battery unit (e.g., about 85%) and the power usage of the battery unit (305) in the remaining life information that serves as the basis for the recycle grade (e.g., about 65%).
  • one or more processors (205) of the battery diagnostic device (201) can identify a third carbon emission reduction compared to an internal combustion engine vehicle when the battery unit (305) is reused.
  • the carbon emissions of the battery unit (305) driven over a specific distance may be reduced by a specified percentage (e.g., approximately 19% of the carbon emissions of an internal combustion engine vehicle) compared to the carbon emissions of an internal combustion engine vehicle driven over a specific distance. Therefore, the third carbon emissions may have a relationship with the power consumption of the battery unit (305) as expressed in Equation 2.
  • the third carbon emission may include the carbon emissions reduced by the reused battery unit (305) compared to an internal combustion engine vehicle over a reference period of time.
  • the unit of the third carbon emission may be tC/year, but the embodiments of the present document may not be limited thereto.
  • the power consumption may include the power consumed by the battery unit (305) over a reference period of time.
  • the power consumption may be MWh/year, but the embodiments of the present document may not be limited thereto.
  • the power carbon emission factor may represent the carbon emissions emitted during the power generation process according to the power consumption.
  • the unit of the power carbon emission factor may be tC/MWh, but the embodiments of the present document may not be limited thereto.
  • FIG. 6 illustrates an example of a certificate of a battery unit whose utilization grade is a recycling grade in a battery diagnosis device and a battery diagnosis method according to one embodiment of the present document.
  • the certificate (601) includes a battery unit identifier (602) of the battery unit (305), remaining life information (603) of the battery unit (305) identified based on the status of the battery unit (305), open circuit voltage information (605) of the battery unit (305), impedance change information (607) of the battery unit (305), second carbon emission information (615) according to the power consumed by the recycled and remanufactured battery unit (305) in case the battery unit (305) is recycled, fourth carbon emission information (616) that is reduced compared to an internal combustion engine vehicle in case the battery unit (305) is recycled and remanufactured, predicted total recovery rate information (617) of the battery unit (305), recovery rate information (614) of each component predicted to be recovered from the battery unit (305), component information (611) predicted to be recovered from the battery unit (305),
  • the certificate (601) may include at least one of mass information (612) of each component predicted to be recovered, predicted price information (613) of the battery unit (305), component acquisition logic (619), or any combination thereof.
  • the certificate (601) may include a utilization level (609) of the battery unit (305) identified based on at least one of remaining life information (603), open circuit voltage information (605), impedance change information (607), or any combination thereof.
  • the certificate (601) may include at least one of usage information (610) of the battery unit (305), component information (611) predicted to be recovered from the battery unit (305), mass information (612) of each component predicted to be recovered from the battery unit (305), predicted price information (613) of the battery unit, or any combination thereof.
  • one or more processors (205) of the battery diagnostic device (201) may identify a second carbon emission based on the power consumed by the recycled and remanufactured battery unit (305).
  • the second carbon emission may be included in the second carbon emission information (615).
  • the mass information of each component of the battery unit (305) before the battery unit (305) is disassembled may be different from the mass information of each component recovered after the battery unit (305) is disassembled.
  • One or more processors (205) of the battery diagnostic device (201) can identify recovery rate information indicating a recovery rate according to the components of the battery unit (305) based on the mass information of each component of the battery unit (305) and the mass information of each component recovered after the battery unit (305) is disassembled.
  • the break-even point recovery rate may vary depending on the components of the battery unit (305). For example, when the recovery rate of components such as nickel, cobalt, and manganese is about 95% or higher, the cost required to recover nickel, cobalt, or manganese may be less than the price of the recovered nickel, cobalt, or manganese. For example, when the recovery rate of components such as lithium is about 80% to about 85% or higher, the cost required to recover lithium may be less than the price of the recovered lithium.
  • the overall recovery rate can be identified based on the recovery rate of each component. Therefore, the power consumption of the remanufactured battery unit (305) after being disassembled and recycled can include the recovery rate and a calculated value of the power consumption of the battery unit before disassembly.
  • the second carbon emission can have a relationship with the power carbon emission factor as shown in Equation 3.
  • the overall recovery rate can be included in the overall recovery rate information (617).
  • the recovery rate of each component can be included in the recovery rate information (614) of each component.
  • the second carbon emission may include carbon emissions according to the power consumed by the regenerated battery unit (305) during a reference period of time.
  • the unit of the second carbon emission may be tC/year, but the embodiments of the present document may not be limited thereto.
  • the power usage may include the power consumed by the battery unit (305) during a reference period of time before disassembly.
  • the power usage may be MWh/year, but the embodiments of the present document may not be limited thereto.
  • the power carbon emission factor may represent the carbon emissions emitted during the power generation process according to the power usage.
  • the unit of the power carbon emission factor may be tC/MWh, but the embodiments of the present document may not be limited thereto.
  • one or more processors (205) of the battery diagnostic device (201) may identify a fourth carbon emission reduction compared to an internal combustion engine vehicle when the battery unit (305) is recycled and then remanufactured.
  • the fourth carbon emission reduction may be included in the fourth carbon emission information (616).
  • the carbon emissions of the remanufactured battery unit (305) driven over a specific distance may be less than the carbon emissions of an internal combustion engine vehicle driven over a specific distance by a specified percentage (e.g., about 19% of the carbon emissions of the internal combustion engine vehicle).
  • the carbon emissions of the remanufactured battery unit (305) may be identified by Equation 3.
  • the fourth carbon emissions may have a relationship with the power consumption of the battery unit (305) as shown in Equation 4.
  • the fourth carbon emission may include the carbon emission reduced by the carbon emission of the remanufactured battery unit (305) compared to the carbon emission of an internal combustion engine vehicle during a reference period.
  • the unit of the fourth carbon emission may be tC/year, but the embodiments of the present document may not be limited thereto.
  • the power consumption may include the power consumed by the battery unit (305) during a reference period before being disassembled.
  • the power consumption may be MWh/year, but the embodiments of the present document may not be limited thereto.
  • the power carbon emission factor may represent the carbon emission emitted during the power generation process according to the power consumption.
  • the unit of the power carbon emission factor may be tC/MWh, but the embodiments of the present document may not be limited thereto.
  • a specified ratio (e.g., about 0.19) may represent the ratio of the carbon emissions of an internal combustion engine vehicle driven a certain distance to the carbon emissions of a remanufactured battery unit (305) driven a certain distance.
  • one or more processors (205) of the battery diagnostic device (201) may identify information on whether recycling a component would be profitable based on the cost of recovering the component and the price of each component. For example, the price of each component may be identified based on the mass of each component included in the battery unit (305), information on the recovery rate of each component, and the price of each component.
  • an external server included as one of the nodes may update the price of each component by linking it to the system.
  • one or more processors (205) of the battery diagnostic device (201) can identify information about whether reusing a component would be profitable based on the cost of refurbishing the battery unit (305) to make it reusable and the price of the reused battery unit (305).
  • an external server included in one of the nodes may update the price of a reused battery unit (305) by linking it to the system.
  • one or more processors (205) of the battery diagnostic device (201) may include grade information according to the purity of each component included in the battery unit (305) in the certificate. For example, when the purity of nickel included in the battery unit (305) is about 99.8% or higher, the grade information of nickel may include grade A. For example, when the purity of nickel included in the battery unit (305) is about 99.8% or lower, the grade information of nickel may include grade B.
  • the battery unit identifier (602) may be described with reference to the description of the battery unit identifier (502) of FIG. 5.
  • the certificate (601) may include a battery unit identifier (602) (e.g., lot ID (identification number), EOS (eosio) transaction ID (identification number)).
  • the battery unit identifier (602) may be assigned to the battery unit (305) at the time of manufacturing the battery unit.
  • the remaining life information (603) may be described with reference to the description of the remaining life information (503) of FIG. 5.
  • the remaining life information (603) may include the remaining life of the battery unit (305) (e.g., about 77%), and the stage in which the remaining life is included (e.g., insufficient).
  • one or more processors (205) of the battery diagnostic device (201) can identify open circuit voltage information (605) of the battery unit (305) based on voltage information of the battery unit (305).
  • the open circuit voltage information (605) may include a first open circuit voltage (e.g., OCV1), a second open circuit voltage (e.g., OCV2), a third open circuit voltage (e.g., OCV3), and whether a defect in the battery unit (305) is detected.
  • a first open circuit voltage e.g., OCV1
  • a second open circuit voltage e.g., OCV2
  • a third open circuit voltage e.g., OCV3
  • the first to third open circuit voltages may be described with reference to the description of the first to third open circuit voltages of FIG. 5.
  • the open circuit voltage information (605) may include the fact that a defect in the battery unit (305) is detected based on the second open circuit voltage.
  • the impedance change information (607) may be described with reference to the description of the impedance change information (507) of FIG. 5.
  • the impedance change information (607) may include a Nyquist diagram indicating an impedance change due to discharge, and the fact that a defect in the battery unit (305) has been detected based on the Nyquist diagram.
  • the utilization level (609) may be described with reference to the description of the utilization level (509) of FIG. 5.
  • One or more processors (205) of the battery diagnostic device (201) can identify a utilization grade (609) (e.g., a recycling grade) based on the degree of consumption of the battery unit (305). For example, when the degree of consumption of the battery unit (305) is equal to or greater than a reference value, the one or more processors (205) of the battery diagnostic device (201) can identify the utilization grade (609) as a recycling grade in which the battery unit is separated into components after disassembling it and then recycled.
  • a utilization grade e.g., a recycling grade
  • one or more processors (205) of the battery diagnostic device (201) may not identify the usage information (e.g., ESS (energy storage system), solar power plant, wind power plant, motorcycle) of the battery unit (305) when the utilization grade (609) is a recycling grade.
  • ESS energy storage system
  • solar power plant solar power plant
  • wind power plant motorcycle
  • one or more processors (205) of the battery diagnostic device (201) may generate a certificate (601) including at least one of component information (611) expected to be recovered from the battery unit, mass information (612) of each component expected to be recovered from the battery unit, or any combination thereof, based on whether the utilization grade (609) is a designated grade (e.g., a recyclable grade). This is because, in the case of a recyclable grade, the component information expected to be recovered from the battery unit (305) and the mass information of each component are required.
  • a designated grade e.g., a recyclable grade
  • one or more processors (205) of the battery diagnostic device (201) can identify at least one of component information (611) predicted to be recovered from the battery unit (305), mass information (612) of each component predicted to be recovered from the battery unit (305), predicted price information (613) indicating the price of the battery unit (305), or any combination thereof, through a learning model (e.g., learning model (803) of FIG. 8).
  • a learning model e.g., learning model (803) of FIG. 8).
  • the component acquisition logic (619) may include a method for identifying at least one of component information (611) predicted to be recovered from the battery unit (305) through a learning model, mass information (612) of each component predicted to be recovered from the battery unit (305), price information (613) indicating a predicted price of the battery unit (305), or any combination thereof.
  • the component acquisition logic (619) may represent a method of acquiring mass information (612) of each component predicted to be recovered from the battery unit (305) by calculating the recovery rate information (614), the mass information of each component in the BOL state of the battery unit (305), the recovery rate of each component included in the recovery rate information (614), and the mass information of each component in the BOL state.
  • the component acquisition logic (619) may include a type of learning model.
  • the component acquisition logic (619) is described below in Fig. 8.
  • FIG. 7 illustrates an example of a battery diagnostic device and a battery diagnostic method according to one embodiment of the present document, wherein a plurality of nodes include an external server as one node.
  • one or more processors (205) of the battery diagnostic device (201) can convert a certificate into blockchain data or non-fungible token (NFT) data.
  • NFT non-fungible token
  • one or more processors (205) of the battery diagnostic device (201) may store blockchain data or NFT data in a plurality of nodes including a first node (701), a second node (703), a third node (705), a fourth node (707), and a fifth node (709).
  • the first node (701), the second node (703), the third node (705), the fourth node (707), and the fifth node (709) may represent external servers.
  • the external server may include a server of a seller of battery units, or a server of a buyer.
  • one or more processors (205) of the battery diagnostic device (201) may store blockchain data or NFT data via a smart contract when diagnosing a battery unit or selling or purchasing a battery unit. If there is a buyer of the battery unit, one or more processors (205) of the battery diagnostic device (201) may also store information about the battery unit buyer along with the converted certificate.
  • one or more processors (205) of the battery diagnostic device (201) can check the nodes and determine their integrity whenever information about the battery unit and the converted certificate are stored.
  • one or more processors (205) of the battery diagnostic device (201) can retrieve a battery unit identifier and utilization level converted into blockchain data via a QR (quick response) code when a battery unit is purchased or sold, or retrieve a certificate converted into NFT data.
  • QR quick response
  • FIG. 8 illustrates examples of input data and output data of a learning model in a battery diagnosis device and a battery diagnosis method according to one embodiment of the present document.
  • the learning model (803) can output output data (805) based on input data (801).
  • the input data (801) can include at least one of remaining life information of the battery unit (305), impedance change information of the battery unit (305), open circuit voltage information of the battery unit (305), component information of the BOL state of the battery unit (305), mass information of each component of the BOL state of the battery unit (305), or a combination thereof.
  • the output data (805) can include at least one of utilization level of the battery unit (305), component information predicted to be recovered from the battery unit (305), mass information of each component predicted to be recovered from the battery unit (305), predicted price information of the battery unit, or a combination thereof.
  • the learning model (803) can identify recovery rate information indicating the recovery rate of each component based on at least one of remaining life information, impedance change information, open circuit voltage information, or any combination thereof.
  • the recovery rate can indicate the mass information of each component recovered after the battery unit (305) is disassembled with respect to the mass information of each component of the battery unit (305).
  • the learning model (803) can identify component information predicted to be recovered from the battery unit (305), mass information of each component predicted to be recovered from the battery unit (305), or price information based on at least one of a recovery rate, component information predicted to be recovered from the battery unit (305), mass information predicted to be recovered from the battery unit (305), or any combination thereof.
  • the degree of degradation of the battery unit (305) may be greater than the reference degree of degradation.
  • one or more processors (205) of the battery diagnostic device (201) may input learning data including at least one of remaining life information of a battery unit different from the battery unit (305), impedance change information of a different battery unit, open circuit voltage information of a different battery unit, or any combination thereof, into the learning model (803) for learning of the learning model (803).
  • one or more processors (205) of the battery diagnostic device (201) may input target data including at least one of recovery rate information indicating a recovery rate identified by comparing mass information of each component in a BOL state of different battery units with mass information of each component recovered from different disassembled battery units, component information recovered from different battery units, mass information of each component recovered from different battery units, price information of different battery units, or any combination thereof, into the learning model (803).
  • one or more processors (205) of the battery diagnostic device (201) can train a learning model (803) based on a correlation between learning data and target data.
  • one or more processors (205) of the battery diagnostic device (201) include an artificial intelligence processor (e.g., NPU) for training a learning model (803)
  • the artificial intelligence processor may train an artificial neural network by utilizing weight data stored in memory as training data for a machine learning model.
  • the learning model (803) may include an artificial neural network (ANN) model.
  • examples of learning algorithms may include supervised learning, unsupervised learning, semi-supervised learning, or reinforcement learning.
  • the artificial neural network included in the learning model (803) may be composed of a plurality of neural network layers.
  • Each of the plurality of neural network layers has a plurality of weight values, and can perform neural network operations through operations between the operation results of the previous layer and the plurality of weights.
  • the plurality of weights of the plurality of neural network layers may be optimized based on the learning results of the artificial intelligence model. For example, the plurality of weights may be updated so that the loss value or cost value acquired from the artificial intelligence model is reduced or minimized during the learning process.
  • the artificial neural network may include a deep neural network (DNN), such as a convolutional neural network (CNN), a deep neural network (DNN), a recurrent neural network (RNN), a restricted Boltzmann machine (RBM), a deep belief network (DBN), a bidirectional recurrent deep neural network (BRDNN), or deep Q-networks, but may not be limited to the examples described above.
  • DNN deep neural network
  • CNN convolutional neural network
  • DNN deep neural network
  • RNN restricted Boltzmann machine
  • DNN deep belief network
  • BNN bidirectional recurrent deep neural network
  • the processor (205) of the battery diagnosis device (201) may output at least one of the remaining life information of the battery unit (305), impedance change information of the battery unit (305), open circuit voltage information of the battery unit (305), component information of the BOL state of the battery unit (305), mass information of each component of the BOL state of the battery unit (305), or a combination thereof, which is input data (801), based on the selected learning model (803), and at least one of the utilization level of the battery unit (305), component information predicted to be recovered from the battery unit (305), mass information of each component predicted to be recovered from the battery unit (305), predicted price information of the battery unit, or a combination thereof, which is output data (805) having a causal relationship with at least one of the following:
  • FIG. 9 illustrates an example of the flow of operations of a battery diagnosis device and a battery diagnosis method according to one embodiment of the present document, wherein a certificate generated based on a learned learning model is stored.
  • one or more processors (205) of the battery diagnostic device (201) can obtain at least one of component information of the BOL state of the battery unit, mass information of each component of the BOL state of the battery unit, a battery unit identifier, or any combination thereof.
  • one or more processors (205) of the battery diagnostic device (201) can obtain mass information of each component of the BOL state of the disassembled battery unit based on the battery unit identifier.
  • one or more processors (205) of a battery diagnostic device (201) may obtain at least one of remaining life information of a battery unit, impedance change information of a battery unit, open circuit voltage information of a battery unit, or any combination thereof.
  • one or more processors (205) of the battery diagnostic device (201) can identify a state of a battery unit through a diagnostic sensor, including at least one of SOC information of the battery unit, voltage information of the battery unit, temperature information of the battery unit, resistance information of the battery unit, impedance information of the battery unit, charge count information of the battery unit, discharge count information of the battery unit, or any combination thereof.
  • one or more processors (205) of the battery diagnostic device (201) can identify at least one of remaining life information, impedance change information of the battery unit, open circuit voltage information of the battery unit, or a combination thereof, based on the state of the battery unit.
  • one or more processors (205) of a battery diagnostic device (201) may obtain at least one of recovery rate information of a battery unit, component information recovered from a battery unit, mass information of each component recovered from a battery unit, price information, or any combination thereof.
  • the method for disassembling the battery unit may include physically disassembling the battery unit, or extracting the components using an aqueous solution and crystallizing the extracted components to obtain them (e.g., a method for recovering components such as nickel, manganese, and cobalt).
  • copper, plastic, aluminum, iron phosphate, and lithium can be recovered by physically separating the battery units, such as by crushing or pulverizing them after the battery units are discharged.
  • black mass can be obtained by physically disintegrating a battery unit after it is discharged.
  • cobalt, nickel, manganese, graphite, and carbon can be recovered by adding an organic acid, such as sulfuric acid, to the black mass, followed by extraction and crystallization using an aqueous solution.
  • pricing information may be identified based on the mass information of each component recovered from the battery unit.
  • the pricing information may include the cost incurred during the recycling process or the price of the recovered component.
  • one or more processors (205) of the battery diagnostic device (201) can learn a learning model based on learning data and target data.
  • one or more processors (205) of the battery diagnostic device (201) may teach a learning model the correlation between learning data and target data.
  • the learning model may include a neural network trained through supervised learning (e.g., linear regression), but the embodiments of this document may not be limited thereto.
  • one or more processors (205) of the battery diagnostic device (201) may input input data into the learning model to obtain output data.
  • one or more processors (205) of the battery diagnostic device (201) may generate a certificate.
  • one or more processors (205) of the battery diagnostic device (201) may store a certificate.
  • FIG. 10 illustrates an example of the flow of operations of a battery diagnostic device for generating a certificate in a battery diagnostic device and a battery diagnostic method according to one embodiment of the present document.
  • one or more processors (205) of a battery diagnostic device (201) can identify an identifier of a battery unit.
  • one or more processors (205) of a battery diagnostic device (201) can identify the status of a battery unit through a diagnostic sensor.
  • one or more processors (205) of a battery diagnostic device (201) may identify a utilization grade for reuse or recycling of the battery unit based on the state of the battery unit.
  • one or more processors (205) of a battery diagnostic device (201) may generate a certificate including at least one of a utilization level of the battery unit, information on components expected to be recovered from the battery unit, information on the mass of each component expected to be recovered from the battery unit, price information indicating an expected price of the battery unit, or any combination thereof, based on an identifier of the battery unit.
  • FIG. 11 is a block diagram showing the hardware configuration of a computing system that performs a battery diagnosis method in a battery diagnosis device and a battery diagnosis method according to one embodiment of the present document.
  • a computing system (1100) may include an MCU (1110), a memory (1120), an input/output I/F (1130), and a communication I/F (1140).
  • the MCU (1110) may be one or more processors that execute various programs (e.g., a battery cell data collection program, a graph generation program, a data analysis program, a data decomposition algorithm, a normalization program, a battery cell diagnosis program, etc.) stored in the memory (1120), process various information including battery cell characteristic data, latent variables, etc. through these programs, and perform the functions of the battery diagnosis device (201) shown in the above-described FIGS. 2 to 10.
  • various programs e.g., a battery cell data collection program, a graph generation program, a data analysis program, a data decomposition algorithm, a normalization program, a battery cell diagnosis program, etc.
  • the memory (1120) can store various programs such as a battery cell data collection program, a graph generation program, a data analysis program, a data decomposition algorithm, a normalization program, and a battery cell diagnosis program.
  • Such memories (1120) may be provided in multiple numbers as needed.
  • the memories (1120) may be volatile memories or non-volatile memories.
  • volatile memories (1120) RAM, DRAM, SRAM, etc. may be used.
  • non-volatile memories (1120) ROM, PROM, EAROM, EPROM, EEPROM, flash memories, etc. may be used.
  • the examples of the memories (1120) listed above are merely examples and are not limited to these examples.
  • the input/output I/F (1130) can provide an interface that enables data transmission and reception between an input device (not shown) such as a keyboard, mouse, or touch panel, and an output device (not shown) such as a display and the MCU (1110).
  • an input device such as a keyboard, mouse, or touch panel
  • an output device such as a display and the MCU (1110).
  • the communication I/F (1140) is a component capable of transmitting and receiving various data with the server, and may be any device capable of supporting wired or wireless communication.
  • the diagnostic device (201) can transmit and receive various types of information, including battery cell shape models, from a separately provided external server via the communication I/F (1140).
  • a computer program according to an embodiment disclosed in this document may be implemented as a module that is recorded in a memory (1120) and processed by an MCU (1110) to perform each function illustrated in FIG. 2, for example.

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Electrochemistry (AREA)
  • General Chemical & Material Sciences (AREA)
  • Manufacturing & Machinery (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Signal Processing (AREA)
  • Chemical & Material Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Computer Security & Cryptography (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)
  • Secondary Cells (AREA)

Abstract

본 문서의 일 실시 예에 따른 배터리 진단 장치는 적어도 하나의 인스트럭션을 저장하는 메모리, 및 상기 적어도 하나의 인스트럭션을 실행하는 하나 이상의 프로세서를 포함하고 상기 하나 이상의 프로세서는, 배터리 유닛의 식별자를 및 상태를 식별하고, 상기 배터리 유닛의 상태에 기반하여, 상기 배터리 유닛의 재사용, 또는 재활용을 위한 활용 등급을 식별하고, 상기 배터리 유닛의 식별자에 기반하여, 상기 배터리 유닛의 활용 등급, 상기 배터리 유닛에서 회수될 것으로 예측되는 구성 성분 정보, 상기 배터리 유닛에서 회수될 것으로 예측되는 구성 성분 각각의 예측되는 질량 정보, 상기 배터리 유닛의 예측되는 가격 정보, 또는 이들의 어느 조합 중 적어도 하나를 포함하는 인증서를 생성할 수 있다.

Description

배터리 진단 장치 및 그 방법
관련출원과의 상호인용
본 출원은 2024년 6월 28일자로 출원된 대한민국 특허출원 제10-2024-0085657호, 및 2024년 10월 8일자로 출원된 대한민국 특허출원 제10-2024-0136291호에 기초한 우선권의 이익을 주장하며, 해당 특허출원의 문헌에 개시된 모든 내용을 본 명세서의 일부로서 포함한다.
기술분야
본 문서에 개시된 실시 예들은 배터리 진단 장치 및 그 방법에 관한 것이다.
최근 이차 전지에 대한 연구 개발이 활발히 이루어지고 있다. 여기서 이차 전지는 충방전이 가능한 전지로서, 종래의 Ni/Cd 배터리, Ni/MH 배터리 등과 최근의 리튬 이온 배터리를 모두 포괄하는 것으로 해석될 수 있다. 최근에는 전기 자동차의 전원으로 사용 범위가 확장되어 차세대 에너지 저장 매체로 주목을 받고 있다.
4차 산업 혁명으로 인해 다양한 종류의 전자 기기가 보급됨에 따라, 배터리 사용량이 급격히 증가하고 있다. 배터리는 여러 분야에서 필수적인 에너지원으로 각광받고 있으며, 이에 따라 배터리를 처리하고 재활용하는 기술에 대한 필요성이 높아지고 있다.
배터리를 적절히 처리하고 재활용하는 것은 자원의 효율적인 사용뿐만 아니라, 환경 보호 측면에서도 중요하다. 따라서, 배터리의 상태를 진단하여, 재사용 가능한 배터리, 재활용 가능한 배터리, 및 폐기할 배터리를 구분하는 배터리 진단 기술이 개발되고 있다.
본 문서에서 개시된 실시 예들에 따르면, 배터리 유닛을 진단한 결과를 공유하는 배터리 진단 장치 및 그 방법을 제공하고자 한다.
본 문서에서 개시된 실시 예들에 따르면, 배터리 유닛을 진단하여 활용 등급을 제공하는 배터리 진단 장치 및 그 방법을 제공하고자 한다.
본 문서에서 개시된 실시 예들에 따르면, 배터리 유닛을 분해하지 않고 배터리 유닛의 구성 성분 각각의 질량 정보를 획득하는 배터리 진단 장치 및 그 방법을 제공하고자 한다.
본 문서에서 개시된 실시 예들에 따르면, 배터리 유닛을 진단한 결과에 기반하여 인증서를 생성하는 배터리 진단 장치 및 그 방법을 제공하고자 한다.
본 문서에서 개시된 실시 예들에 따르면, 배터리 유닛을 진단한 결과에 기반하여 생성되고 공유되는 인증서의 보안 강도를 향상시키는 배터리 진단 장치 및 그 방법을 제공하고자 한다.
본 문서의 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재들로부터 당업자에게 명확하게 이해될 수 있을 것이다.
본 문서의 일 실시 예에 따른 배터리 진단 장치는 적어도 하나의 인스트럭션을 저장하는 메모리, 및 상기 적어도 하나의 인스트럭션을 실행하는 하나 이상의 프로세서를 포함할 수 있다.
일 실시 예에 따르면, 상기 하나 이상의 프로세서는, 상기 하나 이상의 프로세서는, 배터리 유닛의 식별자 및 상태를 식별하고, 상기 배터리 유닛의 상태에 기반하여, 상기 배터리 유닛의 재사용, 또는 재활용을 위한 활용 등급을 식별하고, 상기 배터리 유닛의 식별자에 기반하여, 상기 배터리 유닛의 활용 등급, 상기 배터리 유닛에서 회수될 것으로 예측되는 구성 성분 정보, 상기 배터리 유닛에서 회수될 것으로 예측되는 구성 성분 각각의 예측되는 질량 정보, 상기 배터리 유닛의 예측되는 가격 정보, 또는 이들의 어느 조합 중 적어도 하나를 포함하는 인증서를 생성할 수 있다.
일 실시 예에 따르면, 상기 하나 이상의 프로세서는, 상기 배터리 유닛의 상태에 기반하여, 상기 배터리 유닛의 잔존 수명(state of health, SOH) 정보, 상기 배터리 유닛의 임피던스 변화 정보, 상기 배터리 유닛의 개방 회로 전압(open circuit voltage, OCV) 정보, 또는 이들의 어느 조합 중 적어도 하나를 식별하고, 상기 잔존 수명 정보, 상기 임피던스 변화 정보, 상기 개방 회로 전압 정보, 또는 이들의 어느 조합 중 적어도 하나에 기반하여, 상기 활용 등급을 식별할 수 있다.
일 실시 예에 따르면, 상기 하나 이상의 프로세서는, 상기 배터리 유닛의 SOC(state of charge, SOC) 정보, 상기 배터리 유닛의 전압 정보, 상기 배터리 유닛의 온도 정보, 상기 배터리 유닛의 저항 정보, 상기 배터리 유닛의 임피던스 정보, 상기 배터리 유닛의 충전 횟수 정보, 상기 배터리 유닛의 방전 횟수 정보, 또는 이들의 어느 조합 중 적어도 하나를 포함하는 상기 배터리 유닛의 상태를 식별할 수 있다.
일 실시 예에 따르면, 상기 인증서는, 상기 활용 등급에 따른 상기 배터리 유닛의 사용처 정보, 상기 배터리 유닛의 연식 정보, 상기 배터리 유닛의 잔존 수명(state of health, SOH) 정보, 상기 배터리 유닛의 임피던스 변화 정보, 상기 배터리 유닛의 개방 회로 전압(open circuit voltage, OCV) 정보, 상기 배터리 유닛에 포함되는 배터리 셀의 상태 정보, 또는 이들의 어느 조합 중 적어도 하나를 더 포함할 수 있다.
일 실시 예에 따르면, 상기 하나 이상의 프로세서는, 상기 인증서를 블록체인 데이터 또는 NFT(non-fungible token, NFT) 데이터로 변환하고, 외부 서버가 하나의 노드로 포함되는 복수의 노드들에 상기 블록체인 데이터 또는 상기 NFT 데이터를 저장할 수 있다.
일 실시 예에 따르면, 상기 하나 이상의 프로세서는, 상기 배터리 유닛의 상태에 기반하여, 상기 배터리 유닛의 잔존 수명 정보, 상기 배터리 유닛의 임피던스 변화 정보, 상기 배터리 유닛의 개방 회로 전압 정보, 상기 배터리 유닛의 식별자에 대응되는 상기 배터리 유닛의 BOL(beginning of life, BOL) 상태의 구성 성분 정보, 상기 배터리 유닛의 식별자에 대응되는 상기 배터리 유닛의 BOL 상태의 구성 성분 각각의 질량 정보, 또는 이들의 어느 조합 중 적어도 하나를 식별하고, 상기 잔존 수명 정보, 상기 임피던스 변화 정보, 상기 개방 회로 전압 정보, 상기 배터리 유닛의 BOL 상태의 구성 성분 정보, 상기 배터리 유닛의 식별자에 대응되는 상기 배터리 유닛의 BOL 상태의 구성 성분 각각의 질량 정보, 또는 이들의 어느 조합 중 적어도 하나를 학습 모델에 입력하고, 상기 학습 모델에서 출력되는 상기 활용 등급, 상기 배터리 유닛에서 회수될 것으로 예측되는 구성 성분 정보, 상기 배터리 유닛에서 회수될 것으로 예측되는 구성 성분 각각의 질량 정보, 상기 가격 정보, 또는 이들의 어느 조합 중 적어도 하나를 식별할 수 있다.
일 실시 예에 따르면, 상기 하나 이상의 프로세서는, 상기 배터리 유닛과 상이한 배터리 유닛의 잔존 수명 정보, 상기 상이한 배터리 유닛의 임피던스 변화 정보, 상기 상이한 배터리 유닛의 개방 회로 전압 정보, 또는 이들의 어느 조합 중 적어도 하나를 포함하는 학습 데이터를 학습 모델에 입력하고, 상기 상이한 배터리 유닛의 BOL 상태의 구성 성분 각각의 질량 정보와 분해된 상기 상이한 배터리 유닛으로부터 회수된 구성 성분 각각의 질량 정보를 비교하여 식별되는 상기 상이한 배터리 유닛의 구성 성분에 따른 회수율을 나타내는 회수율 정보, 상기 상이한 배터리 유닛으로부터 회수된 구성 성분 정보, 상기 상이한 배터리 유닛으로부터 회수된 구성 성분 각각의 질량 정보, 상기 상이한 배터리 유닛의 가격 정보, 또는 이들의 어느 조합 중 적어도 하나를 포함하는 타겟 데이터를 상기 학습 모델에 입력하고, 상기 학습 데이터와 상기 타겟 데이터의 상관 관계에 기반하여 상기 학습 모델을 학습시킬 수 있다.
일 실시 예에 따르면, 상기 인증서는, 상기 배터리 유닛이 재사용되는 경우, 상기 재사용된 배터리 유닛이 소모하는 전력에 따른 제1 탄소 배출량, 상기 배터리 유닛이 재활용되는 경우, 상기 재활용된 후 재생산된 배터리 유닛이 소모하는 전력에 따른 제2 탄소 배출량, 상기 배터리 유닛의 예측되는 회수율 정보, 또는 이들의 어느 조합 중 적어도 하나를 더 포함할 수 있다.
일 실시 예에 따르면, 상기 하나 이상의 프로세서는, 상기 활용 등급이 지정된 등급인 것에 기반하여, 상기 제2 탄소 배출량, 상기 배터리 유닛의 예측되는 회수율 정보, 상기 배터리 유닛에서 회수될 것으로 예측되는 구성 성분 정보, 상기 질량 정보, 또는 이들의 어느 조합 중 적어도 하나가 포함된 상기 인증서를 생성할 수 있다.
본 문서의 다른 일 실시 예에 따른 배터리 진단 방법은, 배터리 유닛의 식별자를 식별하는 동작, 상기 배터리 유닛의 상태를 식별하는 동작, 상기 배터리 유닛의 상태에 기반하여, 상기 배터리 유닛의 재사용, 또는 재활용을 위한 활용 등급을 식별하는 동작, 및 상기 배터리 유닛의 식별자에 기반하여, 상기 배터리 유닛의 활용 등급, 상기 배터리 유닛에서 회수될 것으로 예측되는 구성 성분 정보, 상기 배터리 유닛에서 회수될 것으로 예측되는 구성 성분 각각의 예측되는 질량 정보, 상기 배터리 유닛의 예측되는 가격 정보, 또는 이들의 어느 조합 중 적어도 하나를 포함하는 인증서를 생성하는 동작을 포함할 수 있다.
일 실시 예에 따르면, 상기 배터리 유닛의 상태에 기반하여, 상기 배터리 유닛의 재사용, 또는 재활용을 위한 활용 등급을 식별하는 동작은, 상기 배터리 유닛의 상태에 기반하여, 상기 배터리 유닛의 잔존 수명(state of health, SOH) 정보, 상기 배터리 유닛의 임피던스 변화 정보, 상기 배터리 유닛의 개방 회로 전압(open circuit voltage, OCV) 정보, 또는 이들의 어느 조합 중 적어도 하나를 식별하는 동작, 상기 잔존 수명 정보, 상기 임피던스 변화 정보, 상기 개방 회로 전압 정보, 또는 이들의 어느 조합 중 적어도 하나에 기반하여, 상기 활용 등급을 식별하는 동작을 포함할 수 있다.
일 실시 예에 따르면, 상기 배터리 유닛의 상태를 식별하는 동작은, 상기 배터리 유닛의 SOC(state of charge, SOC) 정보, 상기 배터리 유닛의 전압 정보, 상기 배터리 유닛의 온도 정보, 상기 배터리 유닛의 저항 정보, 상기 배터리 유닛의 임피던스 정보, 상기 배터리 유닛의 충전 횟수 정보, 상기 배터리 유닛의 방전 횟수 정보, 또는 이들의 어느 조합 중 적어도 하나를 포함하는 상기 배터리 유닛의 상태를 식별하는 동작을 포함할 수 있다.
일 실시 예에 따르면, 상기 인증서는, 상기 활용 등급에 따른 상기 배터리 유닛의 사용처 정보, 상기 배터리 유닛의 연식 정보, 상기 배터리 유닛의 잔존 수명(state of health, SOH) 정보, 상기 배터리 유닛의 임피던스 변화 정보, 상기 배터리 유닛의 개방 회로 전압(open circuit voltage, OCV) 정보, 상기 배터리 유닛에 포함되는 배터리 셀의 상태 정보, 또는 이들의 어느 조합 중 적어도 하나를 더 포함할 수 있다.
일 실시 예에 따르면, 상기 배터리 진단 방법은, 상기 인증서를 블록체인 데이터 또는 NFT(non-fungible token, NFT) 데이터로 변환하는 동작, 및 외부 서버가 하나의 노드로 포함되는 복수의 노드들에 상기 블록체인 데이터 또는 상기 NFT 데이터를 저장하는 동작을 더 포함할 수 있다.
일 실시 예에 따르면, 상기 배터리 유닛의 식별자에 기반하여 상기 배터리 유닛의 활용 등급, 상기 배터리 유닛에서 회수될 것으로 예측되는 구성 성분 정보, 상기 배터리 유닛에서 회수될 것으로 예측되는 구성 성분 각각의 예측되는 질량 정보, 상기 배터리 유닛의 예측되는 가격 정보, 또는 이들의 어느 조합 중 적어도 하나를 포함하는 인증서를 생성하는 동작은, 상기 배터리 유닛의 상태에 기반하여, 상기 배터리 유닛의 잔존 수명 정보, 상기 배터리 유닛의 임피던스 변화 정보, 상기 배터리 유닛의 개방 회로 전압 정보, 상기 배터리 유닛의 식별자에 대응되는 상기 구성 성분 정보, 상기 배터리 유닛의 식별자에 대응되는 상기 구성 성분 각각의 질량 정보, 또는 이들의 어느 조합 중 적어도 하나를 식별하는 동작, 상기 잔존 수명 정보, 상기 임피던스 변화 정보, 상기 개방 회로 전압 정보, 상기 배터리 유닛의 BOL 상태의 구성 성분 정보, 상기 배터리 유닛의 식별자에 대응되는 상기 배터리 유닛의 BOL 상태의 구성 성분 각각의 질량 정보, 또는 이들의 어느 조합 중 적어도 하나를 학습 모델에 입력하는 동작, 상기 학습 모델에서 출력되는 상기 활용 등급, 상기 배터리 유닛에서 회수될 것으로 예측되는 구성 성분 정보, 상기 배터리 유닛에서 회수될 것으로 예측되는 구성 성분 각각의 질량 정보, 상기 가격 정보, 또는 이들의 어느 조합 중 적어도 하나를 식별하는 동작을 포함할 수 있다.
일 실시 예에 따르면, 상기 배터리 진단 방법은, 상기 배터리 유닛과 상이한 배터리 유닛의 잔존 수명 정보, 상기 상이한 배터리 유닛의 임피던스 변화 정보, 상기 상이한 배터리 유닛의 개방 회로 전압 정보, 또는 이들의 어느 조합 중 적어도 하나를 포함하는 학습 데이터를 학습 모델에 입력하는 동작, 상기 상이한 배터리 유닛의 BOL 상태의 구성 성분 각각의 질량 정보와 상기 상이한 배터리 유닛으로부터 회수된 구성 성분 각각의 질량 정보를 비교하여 식별되는 상기 상이한 배터리 유닛의 구성 성분에 따른 회수율을 나타내는 회수율 정보, 상기 상이한 배터리 유닛으로부터 회수된 구성 성분 정보, 상기 상이한 배터리 유닛으로부터 회수된 구성 성분 각각의 질량 정보, 상기 상이한 배터리 유닛의 가격 정보, 또는 이들의 어느 조합 중 적어도 하나를 포함하는 타겟 데이터를 상기 학습 모델에 입력하는 동작, 및 상기 학습 데이터와 상기 타겟 데이터의 상관 관계에 기반하여 상기 학습 모델을 학습시키는 동작을 더 포함할 수 있다.
일 실시 예에 따르면, 상기 인증서는, 상기 배터리 유닛이 재사용되는 경우, 상기 재사용된 배터리 유닛이 소모하는 전력에 따른 제1 탄소 배출량, 상기 배터리 유닛이 재활용되는 경우, 상기 재활용된 후 재생산된 배터리 유닛이 소모하는 전력에 따른 제2 탄소 배출량, 상기 배터리 유닛의 예측되는 회수율 정보, 또는 이들의 어느 조합 중 적어도 하나를 더 포함할 수 있다.
일 실시 예에 따르면, 상기 배터리 진단 방법은, 상기 활용 등급이 지정된 등급인 것에 기반하여, 상기 제2 탄소 배출량, 상기 배터리 유닛의 예측되는 회수율 정보, 상기 배터리 유닛에서 회수될 것으로 예측되는 구성 성분 정보, 상기 질량 정보, 또는 이들의 어느 조합 중 적어도 하나가 포함된 상기 인증서를 생성하는 동작을 더 포함할 수 있다.
본 기술은, 배터리 유닛을 진단한 결과를 공유할 수 있다.
또한, 본 기술은, 배터리 유닛을 진단하여 활용 등급을 제공할 수 있다.
또한, 본 기술은, 배터리 유닛을 분해하지 않고 배터리 유닛의 구성 성분 각각의 질량 정보를 획득할 수 있다.
또한, 본 기술은, 배터리 유닛을 진단한 결과에 기반하여 인증서를 생성할 수 있다.
또한, 본 기술은, 배터리 유닛을 진단한 결과에 기반하여 생성되고 공유되는 인증서의 보안 강도를 향상시킬 수 있다.
이 외에, 본 문서를 통해 직접적 또는 간접적으로 파악되는 다양한 효과들이 제공될 수 있다.
도 1은, 본 문서의 일 실시 예에 따른 배터리 진단 장치, 및 배터리 진단 방법에서, 배터리 팩을 보여주는 블록도이다.
도 2는, 본 문서의 일 실시 예에 따른 배터리 진단 장치, 및 배터리 진단 방법에서, 배터리 진단 장치의 구성을 나타내는 블록도이다.
도 3은, 본 문서의 일 실시 예에 따른 배터리 진단 장치, 및 배터리 진단 방법에서, 인증서를 생성하는 배터리 진단 장치의 예시를 도시한다.
도 4는, 본 문서의 일 실시 예에 따른 배터리 진단 장치, 및 배터리 진단 방법에서, 배터리 유닛의 임피던스 변화 정보의 예시를 도시한다.
도 5는, 본 문서의 일 실시 예에 따른 배터리 진단 장치, 및 배터리 진단 방법에서, 활용 등급이 재사용 등급인 배터리 유닛의 인증서의 예시를 도시한다.
도 6은, 본 문서의 일 실시 예에 따른 배터리 진단 장치, 및 배터리 진단 방법에서, 활용 등급이 재활용 등급인 배터리 유닛의 인증서의 예시를 도시한다.
도 7은, 본 문서의 일 실시 예에 따른 배터리 진단 장치, 및 배터리 진단 방법에서, 외부 서버가 하나의 노드로 포함되는 복수의 노드들의 예시를 도시한다.
도 8은, 본 문서의 일 실시 예에 따른 배터리 진단 장치, 및 배터리 진단 방법에서, 학습 모델의 입력 데이터와 출력 데이터의 예시를 도시한다.
도 9는, 본 문서의 일 실시 예에 따른 배터리 진단 장치, 및 배터리 진단 방법에서, 학습된 학습 모델에 기반하여 생성된 인증서를 저장하는 배터리 진단 장치의 동작의 흐름의 예시를 도시한다.
도 10은, 본 문서의 일 실시 예에 따른 배터리 진단 장치, 및 배터리 진단 방법에서, 인증서를 생성하는 배터리 진단 장치의 동작의 흐름의 예시를 도시한다.
도 11은, 본 문서의 일 실시 예에 따른 배터리 진단 장치, 및 배터리 진단 방법에서, 배터리 진단 방법을 수행하는 컴퓨팅 시스템의 하드웨어 구성을 나타내는 블록도이다.
이하, 본 문서에 개시된 일부 실시 예들이 본 문서의 다양한 실시 예가 첨부된 도면을 참조하여 기재된다. 그러나, 이는 본 기술을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 기술의 실시 예의 다양한 변경(modification), 균등물(equivalent), 및/또는 대체물(alternative)을 포함하는 것으로 이해되어야 한다.
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 다양한 실시 예를 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 실시 예에 대한 이해를 방해한다고 판단되는 경우에는 그 상세한 설명은 생략한다. 아이템에 대응하는 명사의 단수 형은 관련된 문맥상 명백하게 다르게 지시하지 않는 한, 아이템 한 개 또는 복수 개를 포함할 수 있다.
본 문서의 실시 예의 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 않을 수 있다. 또한, 다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 문서에 개시된 실시 예들이 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 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
또한, 본 개시에서, 특정 조건의 만족(satisfied), 충족(fulfilled) 여부를 판단하기 위해, 초과 또는 미만의 표현이 사용될 수 있으나, 이는 일 예를 표현하기 위한 기재일 뿐 이상 또는 이하의 기재를 배제하는 것이 아니다. '이상'으로 기재된 조건은 '초과', '이하'로 기재된 조건은 '미만', '이상 및 미만'으로 기재된 조건은 '초과 및 이하'로 대체될 수 있다. 또한, 이하, 'A' 내지 'B'는 A부터(A 포함) B까지의(B 포함) 요소들 중 적어도 하나를 의미한다.
본 문서에서, "A 또는 B", "A 및 B 중 적어도 하나", "A 또는 B 중 적어도 하나", "A, B 또는 C", "A, B 및 C 중 적어도 하나", 및 "A, B, 또는 C 중 적어도 하나"와 같은 문구들 각각은 그 문구들 중 해당하는 문구에 함께 나열된 항목들 중 어느 하나, 또는 그들의 모든 가능한 조합을 포함할 수 있다.
본 문서에서, 어떤(예: 제1) 구성요소가 다른(예: 제2) 구성요소에, "기능적으로" 또는 "통신적으로"라는 용어와 함께 또는 이런 용어 없이, "연결", "결합" 또는 "접속"된다고 언급되거나 "커플드" 또는 "커넥티드"라고 언급된 경우, 그것은 어떤 구성요소가 다른 구성요소에 직접적으로(예: 유선으로), 무선으로, 또는 제3 구성요소를 통하여 연결될 수 있다는 것을 의미한다.
일 실시 예에 따르면, 본 문서에 개시된 다양한 실시 예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예: compact disc read only memory(CD-ROM))의 형태로 배포되거나, 또는 어플리케이션 스토어를 통해 또는 두 개의 사용자 장치들 간에 직접, 온라인으로 배포(예: 다운로드 또는 업로드)될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 기기로 읽을 수 있는 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.
다양한 실시 예들에 따르면, 기술한 구성요소들의 각각의 구성요소(예: 모듈 또는 프로그램)는 단수 또는 복수의 개체를 포함할 수 있으며, 복수의 개체 중 일부는 다른 구성요소에 분리 배치될 수도 있다. 다양한 실시 예들에 따르면, 전술한 해당 구성요소들 중 하나 이상의 구성요소들 또는 동작들이 생략되거나, 또는 하나 이상의 다른 구성요소들 또는 동작들이 추가될 수 있다. 대체적으로 또는 추가적으로, 복수의 구성요소들(예: 모듈 또는 프로그램)은 하나의 구성요소로 통합될 수 있다. 이런 경우, 통합된 구성요소는 복수의 구성요소들 각각의 구성요소의 하나 이상의 기능들을 통합 이전에 복수의 구성요소들 중 해당 구성요소에 의해 수행되는 것과 동일 또는 유사하게 수행할 수 있다. 다양한 실시 예들에 따르면, 모듈, 프로그램 또는 다른 구성요소에 의해 수행되는 동작들은 순차적으로, 병렬적으로, 반복적으로, 또는 휴리스틱하게 실행되거나, 동작들 중 하나 이상이 다른 순서로 실행되거나, 생략되거나, 또는 하나 이상의 다른 동작들이 추가될 수 있다.
이하, 도 1 내지 도 11을 참조하여, 본 문서의 실시 예들을 구체적으로 설명하기로 한다.
도 1은, 본 문서의 일 실시 예에 따른 배터리 진단 장치, 및 배터리 진단 방법에서, 배터리 팩을 보여주는 블록도이다.
도 1을 참조하면, 배터리 팩(1)은 배터리 유닛(12), 센서부(14), 스위칭부(16), 및 배터리 관리 시스템(battery management system; BMS)(20)을 포함할 수 있다. 이 때, 배터리 팩(1)에는 배터리 유닛(12), 센서부(14), 스위칭부(16), 및 배터리 관리 시스템(20)이 복수 개 구비될 수 있다.
일 실시 예에 따르면, 배터리 유닛(12)은 대상 장치(미도시)에 전원을 공급할 수 있다. 이를 위해, 배터리 유닛(12)은 대상 장치와 전기적으로 연결될 수 있다. 여기서, 대상 장치는 배터리 팩(1)으로부터 전원을 공급받아 동작하는 전기적, 전자적, 또는 기계적인 장치를 포함할 수 있다. 예를 들어, 대상 장치는 전기 자동차(EV) 또는 에너지 저장 시스템(energy storage system; ESS)일 수 있으나 이에 한정되는 것은 아니다.
일 실시 예에 따르면, 배터리 유닛(12)은 충전 및 방전 가능한 적어도 하나의 배터리 셀(10)들을 포함할 수 있다. 여기서, 배터리 셀(10)은 전기 에너지를 충전 및 방전하여 사용할 수 있는 배터리 셀의 기본 단위일 수 있다. 예를 들어, 배터리 셀(10)은 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 않을 수 있다.
일 실시 예에 따르면, 복수의 배터리 유닛(12)은 직렬 또는 병렬로 연결될 수 있다. 예를 들어, 배터리 유닛(12)은 배터리 모듈, 배터리 뱅크 또는 배터리 셀들의 집합(셀-투-팩 구조)일 수 있다.
일 실시 예에 따르면, 센서부(14)는 배터리 유닛(12)과 관련된 정보를 획득할 수 있다. 일 실시 예에 따르면, 센서부(14)는 배터리 유닛(12) 또는 배터리 셀(10)들 각각의 상태와 관련된 값들(또는, 정보)을 획득할 수 있다. 일 실시 예에서, 상태와 관련된 값들은 배터리 셀의 전압, 전류, 저항, 충전 상태(state of charge; SOC), 건강 상태(state of health; SOH), 또는 온도, 또는 이들의 조합에 대한 하나 이상의 값들을 포함할 수 있다.
일 실시 예에 따르면, 센서부(14)는 복수의 배터리 유닛(12) 각각의 정보를 배터리 관리 시스템(20)에 제공할 수 있다.
일 실시 예에 따르면, 스위칭부(16)는 배터리 유닛(12)의 충전 또는 방전에 대한 전류 흐름을 제어하기 위한 소자를 포함할 수 있다. 예를 들어, 스위칭부(16)는 배터리 팩(1)의 사양에 따라서 적어도 하나의 릴레이 및/또는 마그네틱 접촉기 등을 포함할 수 있다.
일 실시 예에 따르면, 배터리 관리 시스템(battery management system; BMS)(20)은 배터리 팩(1)의 전압, 전류, 온도 등을 모니터링하여, 과충전 및 과방전 등을 방지하도록 배터리 팩(1)을 제어하거나 관리할 수 있다. 예를 들어, 배터리 관리 시스템(20)은 상술한 각종 파라미터를 측정한 값을 입력받는 인터페이스로서, 복수의 단자와, 이들 단자와 연결되어 입력받은 값들의 처리를 수행하는 회로 등을 포함할 수 있다. 또한, 배터리 관리 시스템(20)은 센서부(14) 및/또는 스위칭부(16)를 제어할 수 있다. 예를 들어, 배터리 관리 시스템(20)은 복수의 배터리 유닛(12)에 연결되어 복수의 배터리 유닛(12) 각각의 상태를 모니터링하고, 릴레이 또는 접촉기 등의 ON/OFF를 제어할 수도 있다.
일 실시 예에 따르면, 배터리 관리 시스템(20)의 동작은 차량 내 BMS(battery management system)에 의해 수행될 수 있음은 물론, 서버, 클라우드, 충전기 또는 방전기 등 다양한 기기에서 수행될 수 있다.
상위 제어기(2)는 복수의 배터리 유닛(12)에 대한 제어 신호를 배터리 관리 시스템(20)으로 전송할 수 있다. 이에 따라, 배터리 관리 시스템(20)은 상위 제어기(2)로부터 인가되는 신호에 기초하여 동작이 제어될 수 있다.
일 실시 예에 따르면, 배터리 관리 시스템(20)은 도 2의 배터리 진단 장치(201)를 포함할 수 있다. 다른 일 실시 예에 따르면, 배터리 관리 시스템(20)은 도 2의 배터리 진단 장치(201)와 상이한 다른 시스템일 수 있다. 즉, 도 2의 진단 장치(201)는 배터리 팩(1)에 포함될 수도 있고, 배터리 팩(1) 외부의 다른 장치로 구성될 수도 있다. 이하에서는 설명의 편의를 위해, 배터리 진단 장치(201)가 배터리 팩(1) 외부의 다른 장치로 구성됨을 전제로 서술한다. 또한, 이하의 배터리 진단 장치(201)의 동작은 차량 내 BMS(battery management system)에 의해 수행될 수 있음은 물론, 서버, 클라우드, 충전기 또는 방전기 등 다양한 기기에서 수행될 수 있다.
도 2는, 본 문서의 일 실시 예에 따른 배터리 진단 장치, 및 배터리 진단 방법에서, 배터리 진단 장치의 구성을 나타내는 블록도이다.
도 2를 참조하면, 배터리 진단 장치(201)는 메모리(203), 및 하나 이상의 프로세서(205)를 포함할 수 있다. 메모리(203)는 적어도 하나의 인스트럭션을 저장할 수 있다. 하나 이상의 프로세서(205)는 적어도 하나의 인스트럭션을 실행할 수 있다.
일 실시 예에 따르면, 배터리 유닛의 상태는 BOL(beginning of life) 상태, MOL(middle of life) 상태, 및 EOL(end of life) 상태로 구분될 수 있다.
BOL(beginning of life) 상태는 배터리 유닛이 제조된 후 배터리 충방전 사이클 횟수가 지정된 제1 횟수 미만인 수명 초기 상태를 나타낼 수 있다. MOL 상태는 배터리 충방전 사이클 횟수가 제1 횟수 이상이고, 제2 횟수 미만인 수명 중기 상태를 나타낼 수 있다. 제2 횟수는 제1 횟수보다 클 수 있다. EOL 상태는 배터리 충방전 사이클 횟수가 제2 횟수 이상인 수명 말기 상태를 나타낼 수 있다. 배터리 유닛은 EOL 상태에서, 배터리 유닛의 소모 정도에 따라 재사용 또는 재활용될 수 있다. 배터리 유닛의 소모 정도를 측정하기 위해, 배터리 진단 장치(201)의 하나 이상의 프로세서(205)는 진단 센서를 통해 배터리 유닛의 상태를 식별할 수 있다.
배터리 유닛의 상태는 배터리 유닛의 SOC(state of charge; SOC) 정보, 배터리 유닛의 전압 정보, 배터리 유닛의 온도 정보, 배터리 유닛의 저항 정보, 배터리 유닛의 임피던스 정보, 배터리 유닛의 충전 횟수 정보, 배터리 유닛의 방전 횟수 정보, 또는 이들의 어느 조합 중 적어도 하나를 포함할 수 있다. 이하, 도 4에서 배터리 유닛의 상태에 대하여 설명한다.
일 실시 예에 따르면, 배터리 진단 장치(201)의 하나 이상의 프로세서(205)는 배터리 유닛의 상태에 기반하여, 배터리 유닛의 잔존 수명(state of health; SOH) 정보, 배터리 유닛의 임피던스 변화 정보, 배터리 유닛의 개방 회로 전압(open circuit voltage; OCV) 정보, 또는 이들의 어느 조합 중 적어도 하나를 식별할 수 있다.
일 실시 예에 따르면, 배터리 진단 장치(201)의 하나 이상의 프로세서(205)는 배터리 유닛의 잔존 수명(state of health; SOH) 정보, 배터리 유닛의 임피던스 변화 정보, 배터리 유닛의 개방 회로 전압(open circuit voltage; OCV) 정보, 또는 이들의 어느 조합 중 적어도 하나에 기반하여 배터리 유닛의 재사용, 또는 재활용을 위한 활용 등급을 식별할 수 있다.
일 실시 예에 따르면, 배터리 진단 장치(201)의 하나 이상의 프로세서(205)는 활용 등급, 배터리 유닛의 식별자에 기반하여, 배터리 유닛에서 회수될 것으로 예측되는 구성 성분 정보, 배터리 유닛에서 회수될 것으로 예측되는 구성 성분 각각의 예측되는 질량 정보, 배터리 유닛의 예측되는 가격 정보, 활용 등급에 따른 배터리 유닛의 사용처 정보, 배터리 유닛의 연식 정보, 배터리 유닛의 잔존 수명(state of health; SOH) 정보, 배터리 유닛의 임피던스 변화 정보, 배터리 유닛의 개방 회로 전압(open circuit voltage; OCV) 정보, 배터리 유닛에 포함되는 배터리 셀의 상태 정보, 또는 이들의 어느 조합 중 적어도 하나를 포함하는 인증서를 생성할 수 있다. 이하, 도 5 및 도 6에서 인증서에 대하여 설명한다.
이때, 활용 등급, 배터리 유닛에서 회수될 것으로 예측되는 구성 성분 정보, 배터리 유닛에서 회수될 것으로 예측되는 구성 성분 각각의 예측되는 질량 정보, 배터리 유닛의 예측되는 가격 정보, 또는 이들의 어느 조합 중 적어도 하나는 학습 모델에 의해 식별될 수 있다. 이하, 도 8에서 학습 모델을 이용하는 방법에 대하여 설명한다.
일 실시 예에 따르면, 배터리 진단 장치(201)의 하나 이상의 프로세서(205)는 인증서를 블록체인 데이터 또는 NFT(non-fungible token; NFT) 데이터로 변환하고, 외부 서버가 하나의 노드로 포함되는 복수의 노드들에 블록체인 데이터 또는 NFT 데이터를 저장할 수 있다.
볼록체인 데이터, 또는 NFT 데이터로 변환된 인증서에 대하여 이하, 도 8에서 설명한다.
도 3은, 본 문서의 일 실시 예에 따른 배터리 진단 장치, 및 배터리 진단 방법에서, 인증서를 생성하는 배터리 진단 장치의 예시를 도시한다.
도 3을 참조하면, 진단 센서(303)는 배터리 유닛(305)의 상태를 식별할 수 있다. 배터리 진단 장치(201)의 하나 이상의 프로세서(205)는 진단 센서(303)가 식별한 배터리 유닛(305)의 상태를 인트라 넷(301)을 통해 획득할 수 있다.
예를 들면, 진단 센서(303)(예: IoT(internet of things) 센서)는 배터리 유닛(305)의 SOC 정보, 배터리 유닛(305)의 전압 정보, 배터리 유닛(305)의 온도 정보, 배터리 유닛(305)의 저항 정보, 배터리 유닛(305)의 임피던스 정보, 배터리 유닛(305)의 충전 횟수 정보, 배터리 유닛(305)의 방전 횟수 정보, 또는 이들의 어느 조합 중 적어도 하나를 식별할 수 있다.
서버(307)는 배터리 진단 장치(201)의 하나 이상의 프로세서(205)를 포함할 수 있다. 서버(307)에 포함된 배터리 진단 장치(201)의 하나 이상의 프로세서(205)는 배터리 유닛(305)의 상태에 기반하여 배터리 유닛(305)의 잔존 수명 정보, 배터리 유닛(305)의 임피던스 변화 정보, 배터리 유닛(305)의 개방 회로 전압 정보, 또는 이들의 어느 조합 중 적어도 하나를 식별할 수 있다.
서버(307)에 포함된 배터리 진단 장치(201)의 하나 이상의 프로세서(205)는 배터리 유닛(305)의 잔존 수명 정보, 배터리 유닛(305)의 임피던스 변화 정보, 배터리 유닛(305)의 개방 회로 전압 정보, 또는 이들의 어느 조합 중 적어도 하나에 기반하여, 활용 등급을 식별할 수 있다. 서버(307)에 포함된 배터리 진단 장치(201)의 하나 이상의 프로세서(205)는 활용 등급을 포함하는 인증서를 생성할 수 있다.
배터리 진단 장치(201)의 하나 이상의 프로세서(205)는 생성된 인증서를 블록 체인 데이터, 또는 NFT 데이터로 변환한 후, 외부 서버가 하나의 노드로 포함되는 복수의 노드들에 블록 체인 데이터, 또는 NFT 데이터로 변환된 인증서를 저장할 수 있다.
도 4는, 본 문서의 일 실시 예에 따른 배터리 진단 장치, 및 배터리 진단 방법에서, 배터리 유닛의 임피던스 변화 정보의 예시를 도시한다.
도 4를 참조하면, 제1 그래프(401), 제2 그래프(411), 및 제3 그래프(421)는 가로축이 임피던스의 실수부를 나타내고, 세로 축이 임피던스의 허수부를 나타내는 나이퀴스트(Nyquist diagram) 선도를 나타낼 수 있다. 제1 그래프(401), 제2 그래프(411), 및 제3 그래프(421)는 전기 화학 임피던스 분광법(electrochemical impedance spectroscopy; EIS)에 따라 작성될 수 있다.
일 실시 예에 따르면, 제1 그래프(401)에서, 제1 라인(403)은 정상 배터리 유닛의 교류 전원의 주파수 변화에 따른 임피던스 변화를 나타낼 수 있다. 제2 라인(405)은 방전으로 인해 손상된 배터리 유닛의 교류 전원의 주파수 변화에 따른 임피던스 변화를 나타낼 수 있다.
일 실시 예에 따르면, 제2 그래프(411)에서, 제3 라인(413)은 정상 배터리 유닛의 교류 전원의 주파수 변화에 따른 임피던스 변화를 나타낼 수 있다. 제4 라인(415)은 과열로 인해 손상된 배터리 유닛의 교류 전원의 주파수 변화에 따른 임피던스 변화를 나타낼 수 있다.
일 실시 예에 따르면, 제3 그래프(421)에서, 제5 라인(423)은 정상 배터리 유닛의 교류 전원의 주파수 변화에 따른 임피던스 변화를 나타낼 수 있다. 제6 라인(425)은 쇼트로 인해 손상된 배터리 유닛의 교류 전원의 주파수 변화에 따른 임피던스 변화를 나타낼 수 있다.
일 실시 예에 따르면, 배터리 진단 장치(201)의 하나 이상의 프로세서(205)는 배터리 유닛의 교류 전원의 주파수 변화에 따른 임피던스 변화에 기반하여, 배터리 유닛이 불량인지 여부, 및 배터리 유닛의 불량 원인을 식별할 수 있다.
도 5는, 본 문서의 일 실시 예에 따른 배터리 진단 장치, 및 배터리 진단 방법에서, 활용 등급이 재사용 등급인 배터리 유닛의 인증서의 예시를 도시한다.
도 5를 참조하면, 인증서(501)는 배터리 유닛(305)의 배터리 유닛 식별자(502)에 기반하여, 배터리 유닛(305)의 상태에 기반하여 식별된 배터리 유닛(305)의 잔존 수명 정보(503), 배터리 유닛(305)의 개방 회로 전압 정보(505), 배터리 유닛(305)의 임피던스 변화 정보(507), 배터리 유닛이 재사용되는 경우, 재사용된 배터리 유닛이 소모하는 전력에 따른 제1 탄소 배출량 정보(511), 배터리 유닛이 재사용되는 경우 내연 기관 차량에 비해 절감되는 제3 탄소 배출량 정보(513), 또는 이들의 어느 조합 중 적어도 하나를 포함할 수 있다.
인증서(501)는 잔존 수명 정보(503), 개방 회로 전압 정보(505), 임피던스 변화 정보(507), 또는 이들의 어느 조합 중 적어도 하나에 기반하여 식별된 배터리 유닛(305)의 활용 등급(509)을 포함할 수 있다.
도 5에 도시되지 않았으나, 인증서(501)는 배터리 유닛(305)의 사용처 정보(510), 배터리 유닛(305)의 연식 정보, 배터리 유닛(305)에 포함되는 배터리 셀의 상태 정보, 배터리 유닛이 재활용되는 경우, 재활용된 후 재생산된 배터리 유닛이 소모하는 전력에 따른 제2 탄소 배출량 정보(예: 도 6의 제2 탄소 배출량 정보(615)), 배터리 유닛이 재활용된 후 재생산되는 경우, 내연 기관 차량에 비해 절감되는 제4 탄소 배출량 정보(예: 도 6의 제4 탄소 배출량 정보(616)), 배터리 유닛의 예측되는 전체 회수율 정보(예: 도 6의 전체 회수율 정보(617)), 배터리 유닛에서 회수될 것으로 예측되는 구성 성분 각각의 회수율 정보(예: 도 6의 구성 성분 각각의 회수율 정보(614)), 배터리 유닛에서 회수될 것으로 예측되는 구성 성분 정보(예: 도 6의 구성 성분 정보(611)), 배터리 유닛에서 회수될 것으로 예측되는 구성 성분 각각의 질량 정보(예: 도 6의 질량 정보(612)), 배터리 유닛의 예측되는 가격 정보(예: 도 6의 가격 정보(613)), 구성 성분 획득 로직(예: 도 6의 구성 성분 획득 로직(619)), 또는 이들의 어느 조합 중 적어도 하나를 포함할 수 있다.
일 실시 예에 따르면, 인증서는, 배터리 유닛 식별자(502)(예: lot ID(identification number), EOS(eosio) 트랜잭션(transaction) ID(identification number))를 포함할 수 있다. 배터리 유닛 식별자(502)는 배터리 유닛을 제조하는 시점에 배터리 유닛에 할당될 수 있다.
예를 들면, 배터리 유닛 식별자(502)는 배터리 유닛 생성 시 배터리 유닛에 부여되는 식별자(예: lot ID)를 포함할 수 있다. 예를 들면, 배터리 유닛 식별자(502)는 블록체인 네트워크에 인증서를 저장하는 시점에 배터리 유닛에 할당되는 식별자(예: EOS 트랜잭션 ID)를 포함할 수 있다.
일 실시 예에 따르면, 배터리 진단 장치(201)의 하나 이상의 프로세서(205)는 배터리 유닛의 SOC 정보, 배터리 유닛의 전압 정보, 배터리 유닛의 온도 정보, 배터리 유닛의 저항 정보, 배터리 유닛의 임피던스 정보, 배터리 유닛의 충전 횟수 정보, 배터리 유닛의 방전 횟수 정보, 또는 이들의 어느 조합 중 적어도 하나에 기반하여 잔존 수명 정보(503)를 식별할 수 있다.
일 실시 예에 따르면, 잔존 수명 정보(503)는 배터리 유닛(305)의 잔존 수명(예: 약 81%), 및 잔존 수명이 포함되는 단계(예: 미흡, 보통, 좋음)를 포함할 수 있다.
일 실시 예에 따르면, 배터리 진단 장치(201)의 하나 이상의 프로세서(205)는 배터리 유닛(305)의 전압 정보에 기반하여, 배터리 유닛(305)의 개방 회로 전압 정보(505)를 식별할 수 있다.
일 실시 예에 따르면, 개방 회로 전압 정보(505)는 제1 개방 회로 전압(예: OCV1), 제2 개방 회로 전압(예: OCV2), 제3 개방 회로 전압(예: OCV3), 및 배터리 유닛(305)의 불량 검출 여부를 포함할 수 있다. 제1 개방 회로 전압은 완전 방전 후 완전 충전하는 동안의 개방 회로 전압을 나타낼 수 있다. 제2 개방 회로 전압은 완전 충전 후 완전 방전하는 동안의 개방 회로 전압을 나타낼 수 있다. 제3 개방 회로 전압은 완전 충전 후 일정 기간의 휴지 기간이 지난 후의 개방 회로 전압을 나타낼 수 있다.
예를 들면, 제1 개방 회로 전압이 제1 기준 범위 내에 포함되고, 제2 개방 회로 전압이 제2 기준 범위 내에 포함되고, 제3 개방 회로 전압이 제3 기준 범위 내에 포함되는 경우, 개방 회로 전압 정보(505)는 배터리 유닛(305)의 불량이 미검출된 사실을 포함할 수 있다.
일 실시 예에 따르면, 배터리 진단 장치(201)의 하나 이상의 프로세서(205)는 배터리 유닛(305)의 임피던스 정보에 기반하여, 배터리 유닛(305)의 임피던스 변화 정보(507)를 식별할 수 있다.
임피던스 변화 정보(507)는 나이퀴스트 선도, 나이퀴스트 선도에 기반하여 배터리 유닛(305)의 불량이 검출되는지 여부를 포함할 수 있다.
일 실시 예에 따르면, 배터리 진단 장치(201)의 하나 이상의 프로세서(205)는 잔존 수명 정보(503), 개방 회로 전압 정보(505), 임피던스 변화 정보(507), 또는 이들의 어느 조합 중 적어도 하나에 기반하여 배터리 유닛(305)의 소모 정도를 식별할 수 있다. 배터리 진단 장치(201)의 하나 이상의 프로세서(205)는 배터리 유닛(305)의 소모 정도에 기반하여 배터리 유닛(305)의 생애주기에 따른 알고리즘에 따른 활용 등급(509)(예: 재사용 등급, 재활용 등급)을 식별할 수 있다. 예를 들면, 배터리 진단 장치(201)의 하나 이상의 프로세서(205)는 배터리 유닛(305)의 소모 정도가 기준치보다 작은 경우, 활용 등급(509)을 배터리 유닛을 재사용하거나 재가공 하는 재사용 등급으로 식별할 수 있다. 예를 들면, 배터리 진단 장치(201)의 하나 이상의 프로세서(205)는 배터리 유닛(305)의 소모 정도가 기준치보다 같거나 큰 경우, 활용 등급(509)을 배터리 유닛을 분해한 후 구성 성분 별로 분리하여, 재활용하는 재활용 등급으로 식별할 수 있다.
일 실시 예에 따르면, 배터리 진단 장치(201)의 하나 이상의 프로세서(205)는 활용 등급(509)에 따른 배터리 유닛의 사용처 정보(예: ESS(energy storage system), 태양광, 풍력 발전소, 오토바이)를 식별할 수 있다.
일 실시 예에 따르면, 배터리 진단 장치(201)의 하나 이상의 프로세서(205)는 활용 등급(509)이 지정된 등급(예: 재활용 등급)인 것에 기반하여, 제2 탄소 배출량 정보(예: 도 6의 제2 탄소 배출량(615)), 배터리 유닛의 예측되는 전체 회수율 정보(예: 도 6의 전체 회수율 정보(617)), 배터리 유닛이 재활용된 후 재생산되는 경우, 내연 기관 차량에 비해 절감되는 제4 탄소 배출량 정보(예: 도 6의 제4 탄소 배출량 정보(616)), 배터리 유닛의 예측되는 전체 회수율 정보(예: 도 6의 전체 회수율 정보(617)), 배터리 유닛에서 회수될 것으로 예측되는 구성 성분 각각의 회수율 정보(예: 도 6의 구성 성분 각각의 회수율 정보(614)), 배터리 유닛에서 회수될 것으로 예측되는 구성 성분 정보(예: 도 6의 구성 성분 정보(611)), 배터리 유닛에서 회수될 것으로 예측되는 구성 성분 각각의 질량 정보(예: 도 6의 질량 정보(612)), 배터리 유닛의 예측되는 가격 정보(예: 도 6의 가격 정보(613)), 구성 성분 획득 로직(예: 도 6의 구성 성분 획득 로직(619)), 구성 성분을 재활용할 경우, 이익이 발생할지 여부에 대한 정보, 배터리 유닛을 재사용할 경우 이익이 발생할지 여부에 대한 정보, 배터리 유닛에 포함되는 구성 성분 각각의 순도에 따른 등급 정보, 배터리 유닛에 포함되는 구성 성분 각각으로 생성할 수 있는 배터리 유닛의 개수, 또는 이들의 어느 조합 중 적어도 하나가 포함된 인증서(예: 도 6의 인증서(601))를 생성할 수 있다. 재활용 등급인 경우에 배터리 유닛(305)이 회수될 것이기 때문에 배터리 유닛(305)에서 회수될 것으로 예측되는 구성 성분 및 구성 성분 각각의 질량 정보의 필요성이 존재하기 때문이다.
다른 일 실시 예에 따르면, 배터리 진단 장치(201)의 하나 이상의 프로세서(205)는 활용 등급(509)에 관계없이, 배터리 유닛(305)에서 회수될 것으로 예측되는 구성 성분 정보(예: 도 6의 배터리 유닛에서 회수될 것으로 예측되는 구성 성분 정보(611)), 배터리 유닛에서 회수될 것으로 예측되는 구성 성분 각각의 질량 정보(예: 도 6의 배터리 유닛에서 회수될 것으로 예측되는 구성 성분 각각의 질량 정보(612)), 또는 이들의 어느 조합 중 적어도 하나가 포함된 인증서를 생성할 수 있다. 배터리 진단 장치(201)의 하나 이상의 프로세서(205)는 활용 등급(509)이 재사용 등급인 경우에도 배터리 유닛(305)에서 회수될 것으로 예측되는 구성 성분 및 구성 성분 각각의 질량 정보를 인증서에 포함시킴으로써, 사용자가 활용 등급과 무관하게 배터리 유닛(305)을 사용하는 경우를 대비할 수 있다.
예를 들면, 배터리 진단 장치(201)의 하나 이상의 프로세서(205)는 재사용된 배터리 유닛(305)이 소모하는 전력에 따른 제1 탄소 배출량을 식별할 수 있다.
일 예로, 배터리 유닛(305)이 사용될수록 배터리 유닛의 잔존 수명(state of health; SOH)은 감소할 수 있다. 배터리 유닛(305)의 잔존 수명이 감소함에 따라, 배터리 유닛(305)의 전력 소모량은 증가할 수 있다. 배터리 유닛(305)의 전력 소모량이 증가함에 따라, 배터리 유닛(305)에 의해 간접적으로 배출되는 제1 탄소 배출량은 증가할 수 있다. 제1 탄소 배출량은, 전력 탄소 배출 계수와 수학식 1과 같은 관계를 가질 수 있기 때문이다. 제1 탄소 배출량은, 제1 탄소 배출량 정보(511)에 포함될 수 있다.
[수학식 1]
제1 탄소 배출량은 기준 시간 동안 배터리 유닛(305)이 소모하는 전력에 따른 탄소 배출량을 포함할 수 있다. 제1 탄소 배출량의 단위는 tC/year(tonnes of carbon per year)를 사용할 수 있으나, 본 문서의 실시예는 이에 한정되지 않을 수 있다. 전력 사용량은 기준 시간동안 배터리 유닛(305)이 소모하는 전력을 포함할 수 있다. 전력 사용량은 MWh/year(megawatt-hours per year)를 사용할 수 있으나, 본 문서의 실시예는 이에 한정되지 않을 수 있다. 전력 탄소 배출 계수(예: 약 0.125 tC/MWh(tonnes of carbon per megawatt-hours))는 전력 사용량에 따라 전력 생산 과정에서 배출되는 탄소 배출량(예: 전력 생산 과정에서 이산화탄소에 포함되는 탄소의 양)을 나타내며, 전력 생산 방식(예: 화력 발전, 원자력 발전, 수력 발전)에 따라 달라질 수 있다. 배터리 유닛(305)이 사용됨으로써, 직접적으로 탄소가 배출되는 것은 아니지만, 배터리 유닛(305)에서 방전되는 전력이 생산될 때 탄소가 배출되었을 수 있기 때문이다. 전력 사용량은 배터리 유닛(305)에서 방전되는 전력을 나타낼 수 있다. 전력 탄소 배출 계수의 단위는 tC/MWh를 사용할 수 있으나, 본 문서의 실시예는 이에 한정되지 않을 수 있다.
배터리 진단 장치(201)의 하나 이상의 프로세서(205)는 배터리 유닛의 잔존 수명 정보(예: 약 85%)에서의 배터리 유닛(305)의 전력 사용량, 및 재활용 등급의 기준이 되는 잔존 수명 정보(예: 약 65%)에서의 배터리 유닛(305)의 전력 사용량에 기반하여, 재사용 등급인 배터리 유닛(305)이 재활용 등급이 될 때까지의 총 탄소 배출량을 구할 수도 있다.
예를 들면, 배터리 진단 장치(201)의 하나 이상의 프로세서(205)는 배터리 유닛(305)이 재사용되는 경우, 내연 기관 차량에 비해 절감되는 제3 탄소 배출량을 식별할 수 있다.
일 예로, 배터리 유닛(305)이 재사용되는 경우, 특정한 거리를 운행하는 배터리 유닛(305)에 의한 탄소 배출량은, 특정한 거리를 운행한 내연 기관 차량의 탄소 배출량에 비해서 지정된 비율(예: 내연 기관 차량의 탄소 배출량의 약 19%)만큼 작을 수 있다. 그러므로, 제3 탄소 배출량은, 배터리 유닛(305)의 전력 사용량과 수학식 2와 같은 관계를 가질 수 있다.
[수학식 2]
제3 탄소 배출량은 재사용된 배터리 유닛(305)이 기준 시간 동안 내연 기관 차량에 비해 절감되는 탄소 배출량을 포함할 수 있다. 제3 탄소 배출량의 단위는 tC/year를 사용할 수 있으나, 본 문서의 실시예는 이에 한정되지 않을 수 있다. 전력 사용량은 배터리 유닛(305)이 기준 시간동안 소모하는 전력을 포함할 수 있다. 전력 사용량은 MWh/year를 사용할 수 있으나, 본 문서의 실시예는 이에 한정되지 않을 수 있다. 전력 탄소 배출 계수는 전력 사용량에 따라 전력 생산 과정에서 배출되는 탄소 배출량을 나타낼 수 있다. 전력 탄소 배출 계수의 단위는 tC/MWh를 사용할 수 있으나, 본 문서의 실시예는 이에 한정되지 않을 수 있다.
도 6은, 본 문서의 일 실시 예에 따른 배터리 진단 장치, 및 배터리 진단 방법에서, 활용 등급이 재활용 등급인 배터리 유닛의 인증서의 예시를 도시한다.
도 6을 참조하면, 인증서(601)는 배터리 유닛(305)의 배터리 유닛 식별자(602), 배터리 유닛(305)의 상태에 기반하여 식별된 배터리 유닛(305)의 잔존 수명 정보(603), 배터리 유닛(305)의 개방 회로 전압 정보(605), 배터리 유닛(305)의 임피던스 변화 정보(607), 배터리 유닛(305)이 재활용되는 경우, 재활용된 후 재생산된 배터리 유닛(305)이 소모하는 전력에 따른 제2 탄소 배출량 정보(615), 배터리 유닛(305)이 재활용된 후 재생산되는 경우, 내연 기관 차량에 비해 절감되는 제4 탄소 배출량 정보(616), 배터리 유닛(305)의 예측되는 전체 회수율 정보(617), 배터리 유닛(305)에서 회수될 것으로 예측되는 구성 성분 각각의 회수율 정보(614), 배터리 유닛(305)에서 회수될 것으로 예측되는 구성 성분 정보(611), 배터리 유닛(305)에서 회수될 것으로 예측되는 구성 성분 각각의 질량 정보(612), 배터리 유닛(305)의 예측되는 가격 정보(613), 구성 성분 획득 로직(619), 또는 이들의 어느 조합 중 적어도 하나를 포함할 수 있다. 인증서(601)는 잔존 수명 정보(603), 개방 회로 전압 정보(605), 임피던스 변화 정보(607), 또는 이들의 어느 조합 중 적어도 하나에 기반하여 식별된 배터리 유닛(305)의 활용 등급(609)을 포함할 수 있다. 인증서(601)는 배터리 유닛(305)의 사용처 정보(610), 배터리 유닛(305)에서 회수될 것으로 예측되는 구성 성분 정보(611), 배터리 유닛(305)에서 회수될 것으로 예측되는 구성 성분 각각의 질량 정보(612), 배터리 유닛의 예측되는 가격 정보(613), 또는 이들의 어느 조합 중 적어도 하나를 포함할 수 있다.
예를 들면, 배터리 진단 장치(201)의 하나 이상의 프로세서(205)는 재활용된 후 재생산된 배터리 유닛(305)이 소모하는 전력에 따른 제2 탄소 배출량을 식별할 수 있다. 제2 탄소 배출량은, 제2 탄소 배출량 정보(615)에 포함될 수 있다.
일 예로, 배터리 유닛(305)이 분해되어 재활용된 경우, 배터리 유닛(305)이 분해되기 전, 배터리 유닛(305)의 구성 성분 각각의 질량 정보는, 배터리 유닛(305)이 분해된 후 회수되는 구성 성분 각각의 질량 정보와 상이할 수 있다.
배터리 진단 장치(201)의 하나 이상의 프로세서(205)는 배터리 유닛(305)의 구성 성분 각각의 질량 정보에 대한, 배터리 유닛(305)이 분해된 후 회수되는 구성 성분 각각의 질량 정보에 기반하여, 배터리 유닛(305)의 구성 성분에 따른 회수율을 나타내는 회수율 정보를 식별할 수 있다.
배터리 유닛(305)의 구성 성분에 따라 손익 분기점이 되는 회수율이 다를 수 있기 때문이다. 일 예로, 니켈, 코발트, 망간과 같은 구성 성분의 회수율이 약 95% 이상일 때, 니켈, 코발트, 또는 망간을 회수하는데 소요되는 비용이 회수된 니켈, 코발트, 또는 망간의 가격보다 작을 수 있다. 일 예로, 리튬과 같은 구성 성분의 회수율이 약 80%에서 약 85% 사이의 값 이상일 때, 리튬을 회수하는데 소요되는 비용이 회수된 리튬의 가격보다 작을 수 있다.
전체 회수율은, 구성 성분 각각의 회수율에 기반하여 식별될 수 있다. 그러므로, 분해되어 재활용된 후 재생산된 배터리 유닛(305)이 소모하는 전력 사용량은 회수율과, 분해되기 전 배터리 유닛이 소모하는 전력 사용량을 연산한 값을 포함할 수 있다. 제2 탄소 배출량은, 전력 탄소 배출 계수와 수학식 3과 같은 관계를 가질 수 있다. 전체 회수율은, 전체 회수율 정보(617)에 포함될 수 있다. 구성 성분 각각의 회수율은 구성 성분 각각의 회수율 정보(614)에 포함될 수 있다.
[수학식 3]
제2 탄소 배출량은 재생산된 배터리 유닛(305)이 기준 시간 동안 소모하는 전력에 따른 탄소 배출량을 포함할 수 있다. 제2 탄소 배출량의 단위는 tC/year를 사용할 수 있으나, 본 문서의 실시예는 이에 한정되지 않을 수 있다. 전력 사용량은 분해되기 전 배터리 유닛(305)이 기준 시간동안 소모하는 전력을 포함할 수 있다. 전력 사용량은 MWh/year를 사용할 수 있으나, 본 문서의 실시예는 이에 한정되지 않을 수 있다. 전력 탄소 배출 계수는 전력 사용량에 따라 전력 생산 과정에서 배출되는 탄소 배출량을 나타낼 수 있다. 전력 탄소 배출 계수의 단위는 tC/MWh를 사용할 수 있으나, 본 문서의 실시예는 이에 한정되지 않을 수 있다.
예를 들면, 배터리 진단 장치(201)의 하나 이상의 프로세서(205)는 배터리 유닛(305)이 재활용된 후 재생산되는 경우, 내연 기관 차량에 비해 절감되는 제4 탄소 배출량을 식별할 수 있다. 제4 탄소 배출량은, 제4 탄소 배출량 정보(616)에 포함될 수 있다.
일 예로, 배터리 유닛(305)이 분해되어 재활용된 후 재생산되는 경우, 특정한 거리를 운행하는 재생산된 배터리 유닛(305)에 의한 탄소 배출량은, 특정한 거리를 운행한 내연 기관 차량의 탄소 배출량에 비해서 지정된 비율(예: 내연 기관 차량의 탄소 배출량의 약 19%)만큼 작을 수 있다. 재생산된 배터리 유닛(305)에 의한 탄소 배출량은 수학식 3에 의해 식별될 수 있다. 제4 탄소 배출량은, 배터리 유닛(305)의 전력 사용량과 수학식 4와 같은 관계를 가질 수 있다.
[수학식 4]
제4 탄소 배출량은 재생산된 배터리 유닛(305)의 탄소 배출량이 기준 시간 동안 내연 기관 차량의 탄소 배출량에 비해 절감되는 탄소 배출량을 포함할 수 있다. 제4 탄소 배출량의 단위는 tC/year를 사용할 수 있으나, 본 문서의 실시예는 이에 한정되지 않을 수 있다. 전력 사용량은 분해되기 전 배터리 유닛(305)이 기준 시간동안 소모하는 전력을 포함할 수 있다. 전력 사용량은 MWh/year를 사용할 수 있으나, 본 문서의 실시예는 이에 한정되지 않을 수 있다. 전력 탄소 배출 계수는 전력 사용량에 따라 전력 생산 과정에서 배출되는 탄소 배출량을 나타낼 수 있다. 전력 탄소 배출 계수의 단위는 tC/MWh를 사용할 수 있으나, 본 문서의 실시예는 이에 한정되지 않을 수 있다.
지정된 비율(예: 약 0.19)은, 특정한 거리를 운행한 내연 기관 차량의 탄소 배출량에 대하여 특정한 거리를 운행한 내연 기관 차량의 탄소 배출량에서 특정한 거리를 운행하는 재생산된 배터리 유닛(305)에 의한 탄소 배출량을 감산한 값의 비율을 나타낼 수 있다.
일 실시 예에 따르면, 배터리 진단 장치(201)의 하나 이상의 프로세서(205)는 구성 성분을 회수하는데 소요되는 비용과 구성 성분 각각의 가격에 기반하여 구성 성분을 재활용할 경우 이익이 발생할지 여부에 대한 정보를 식별할 수 있다. 예를 들면, 구성 성분 각각의 가격은, 배터리 유닛(305)에 포함되는 구성 성분 각각의 질량, 구성 성분 각각의 회수율 정보, 구성 성분 각각의 가격에 기반하여 식별될 수 있다.
일 실시 예에 따르면, 노드들 중 어느 하나의 노드로 포함되는 외부 서버에서, 구성 성분 각각의 가격을 시스템에 연동하여 업데이트할 수 있다.
일 실시 예에 따르면, 배터리 진단 장치(201)의 하나 이상의 프로세서(205)는 배터리 유닛(305)을 재사용할 수 있도록 보완하는 작업에 소요되는 비용과 재사용된 배터리 유닛(305)의 가격에 기반하여 구성 성분을 재사용할 경우 이익이 발생할지 여부에 대한 정보를 식별할 수 있다.
일 실시 예에 따르면, 노드들 중 어느 하나의 노드로 포함되는 외부 서버에서, 재사용되는 배터리 유닛(305)의 가격을 시스템에 연동하여 업데이트할 수 있다.
일 실시 예에 따르면, 배터리 진단 장치(201)의 하나 이상의 프로세서(205)는 배터리 유닛(305)에 포함되는 구성 성분 각각의 순도에 따른 등급 정보를 인증서에 포함시킬 수 있다. 예를 들면, 배터리 유닛(305)에 포함되는 니켈의 순도가 약 99.8% 이상인 경우, 니켈의 등급 정보는 A 등급을 포함할 수 있다. 예를 들면, 배터리 유닛(305)에 포함되는 니켈의 순도가 약 99.8% 이하인 경우, 니켈의 등급 정보는 B 등급을 포함할 수 있다.
일 실시 예에 따르면, 배터리 유닛 식별자(602)는 도 5의 배터리 유닛 식별자(502)에 대한 설명을 참조하여 설명될 수 있다. 일 실시 예에 따르면, 인증서(601)는 배터리 유닛 식별자(602)(예: lot ID(identification number), EOS(eosio) 트랜잭션(transaction) ID(identification number))를 포함할 수 있다. 배터리 유닛 식별자(602)는 배터리 유닛을 제조하는 시점에 배터리 유닛(305)에 할당될 수 있다.
일 실시 예에 따르면, 잔존 수명 정보(603)는 도 5의 잔존 수명 정보(503)에 대한 설명을 참조하여 설명될 수 있다. 일 실시 예에 따르면, 잔존 수명 정보(603)는 배터리 유닛(305)의 잔존 수명(예: 약 77%), 및 잔존 수명이 포함되는 단계(예: 미흡)를 포함할 수 있다.
일 실시 예에 따르면, 배터리 진단 장치(201)의 하나 이상의 프로세서(205)는 배터리 유닛(305)의 전압 정보에 기반하여, 배터리 유닛(305)의 개방 회로 전압 정보(605)를 식별할 수 있다.
일 실시 예에 따르면, 개방 회로 전압 정보(605)는 제1 개방 회로 전압(예: OCV1), 제2 개방 회로 전압(예: OCV2), 제3 개방 회로 전압(예: OCV3), 및 배터리 유닛(305)의 불량 검출 여부를 포함할 수 있다.
일 실시 예에 따르면, 제1 내지 제3 개방 회로 전압은 도 5의 제1 내지 제3 개방 회로 전압에 대한 설명을 참조하여 설명될 수 있다. 예를 들면, 제1 개방 회로 전압이 제1 기준 범위 내에 포함되고, 제2 개방 회로 전압이 제2 기준 범위 내에 포함되지 않고, 제3 개방 회로 전압이 제3 기준 범위 내에 포함되는 경우, 개방 회로 전압 정보(605)는 제2 개방 회로 전압에 기반하여 배터리 유닛(305)의 불량이 검출된 사실을 포함할 수 있다.
일 실시 예에 따르면, 임피던스 변화 정보(607)는 도 5의 임피던스 변화 정보(507)에 대한 설명을 참조하여 설명될 수 있다. 예를 들면, 임피던스 변화 정보(607)는 방전으로 인한 임피던스 변화를 나타내는 나이퀴스트 선도, 및 나이퀴스트 선도에 기반하여 배터리 유닛(305)의 불량이 검출된 사실을 포함할 수 있다.
일 실시 예에 따르면, 활용 등급(609)은 도 5의 활용 등급(509)에 대한 설명을 참조하여 설명될 수 있다.
배터리 진단 장치(201)의 하나 이상의 프로세서(205)는 배터리 유닛(305)의 소모 정도에 기반하여 활용 등급(609)(예: 재활용 등급)을 식별할 수 있다. 예를 들면, 배터리 진단 장치(201)의 하나 이상의 프로세서(205)는 배터리 유닛(305)의 소모 정도가 기준치보다 같거나 큰 경우, 활용 등급(609)을 배터리 유닛을 분해한 후 구성 성분 별로 분리하여, 재활용하는 재활용 등급으로 식별할 수 있다.
일 실시 예에 따르면, 배터리 진단 장치(201)의 하나 이상의 프로세서(205)는 활용 등급(609)이 재활용 등급인 경우, 배터리 유닛(305)의 사용처 정보(예: ESS(energy storage system), 태양광, 풍력 발전소, 오토바이)를 식별하지 않을 수 있다.
일 실시 예에 따르면, 배터리 진단 장치(201)의 하나 이상의 프로세서(205)는 활용 등급(609)이 지정된 등급(예: 재활용 등급)인 것에 기반하여, 배터리 유닛에서 회수될 것으로 예측되는 구성 성분 정보(611), 배터리 유닛에서 회수될 것으로 예측되는 구성 성분 각각의 질량 정보(612), 또는 이들의 어느 조합 중 적어도 하나가 포함된 인증서(601)를 생성할 수 있다. 재활용 등급인 경우에 배터리 유닛(305)에서 회수될 것으로 예측되는 구성 성분 및 구성 성분 각각의 질량 정보가 필요하기 때문이다.
일 실시 예에 따르면, 배터리 진단 장치(201)의 하나 이상의 프로세서(205)는 학습 모델(예: 도 8의 학습 모델(803))을 통해 배터리 유닛(305)에서 회수될 것으로 예측되는 구성 성분 정보(611), 배터리 유닛(305)에서 회수될 것으로 예측되는 구성 성분 각각의 질량 정보(612), 배터리 유닛(305)의 가격을 나타내는 예측되는 가격 정보(613), 또는 이들의 어느 조합 중 적어도 하나를 식별할 수 있다.
구성 성분 획득 로직(619)은, 학습 모델을 통해 배터리 유닛(305)에서 회수될 것으로 예측되는 구성 성분 정보(611), 배터리 유닛(305)에서 회수될 것으로 예측되는 구성 성분 각각의 질량 정보(612), 배터리 유닛(305)의 예측되는 가격을 나타내는 가격 정보(613), 또는 이들의 어느 조합 중 적어도 하나를 식별하는 방법을 포함할 수 있다.
예를 들면, 구성 성분 획득 로직(619)은, 회수율 정보(614), 배터리 유닛(305)의 BOL 상태의 구성 성분 각각의 질량 정보, 회수율 정보(614)에 포함되는 구성 성분 각각의 회수율과 BOL 상태의 구성 성분 각각의 질량 정보를 연산함으로써, 배터리 유닛(305)에서 회수될 것으로 예측되는 구성 성분 각각의 질량 정보(612)를 획득하는 방식을 나타낼 수 있다. 다른 예를 들면, 구성 성분 획득 로직(619)은, 학습 모델의 종류를 포함할 수 있다.
구성 성분 획득 로직(619)에 대하여 이하, 도 8에서 설명한다.
도 7은, 본 문서의 일 실시 예에 따른 배터리 진단 장치, 및 배터리 진단 방법에서, 외부 서버가 하나의 노드로 포함되는 복수의 노드들의 예시를 도시한다.
도 7을 참조하면, 배터리 진단 장치(201)의 하나 이상의 프로세서(205)는 인증서를 블록체인 데이터 또는 NFT(non-fungible token; NFT) 데이터로 변환할 수 있다.
일 실시 예에 따르면, 배터리 진단 장치(201)의 하나 이상의 프로세서(205)는 제1 노드(701), 제2 노드(703), 제3 노드(705), 제4 노드(707), 및 제5 노드(709)를 포함하는 복수의 노드들에 블록체인 데이터 또는 NFT 데이터를 저장할 수 있다.
일 실시 예에 따르면, 제1 노드(701), 제2 노드(703), 제3 노드(705), 제4 노드(707), 및 제5 노드(709)는 외부 서버를 나타낼 수 있다.
일 실시 예에 따르면, 외부 서버는 배터리 유닛의 판매자의 서버, 또는 구매자의 서버를 포함할 수 있다.
일 실시 예에 따르면, 배터리 진단 장치(201)의 하나 이상의 프로세서(205)는 배터리 유닛을 진단하거나 배터리 유닛을 판매하거나 구매하는 경우, 스마트 컨트랙트를 통해 블록체인 데이터 또는 NFT 데이터를 저장할 수 있다. 배터리 유닛의 구매자가 있는 경우 배터리 진단 장치(201)의 하나 이상의 프로세서(205)는 배터리 유닛 구매자의 정보도 변환된 인증서와 함께 저장할 수 있다.
일 실시 예에 따르면, 배터리 진단 장치(201)의 하나 이상의 프로세서(205)는 배터리 유닛에 대한 정보와 변환된 인증서가 저장될 때마다 노드들을 점검하고 무결성을 판단할 수 있다.
일 실시 예에 따르면, 배터리 진단 장치(201)의 하나 이상의 프로세서(205)는 배터리 유닛이 구매 또는 판매가 될 때 QR(quick response) 코드를 통해 블록체인 데이터로 변환된 배터리 유닛 식별자, 및 활용 등급을 불러오거나, 또는 NFT 데이터로 변환된 인증서를 불러올 수 있다.
도 8은, 본 문서의 일 실시 예에 따른 배터리 진단 장치, 및 배터리 진단 방법에서, 학습 모델의 입력 데이터와 출력 데이터의 예시를 도시한다.
도 8을 참조하면, 학습 모델(803)은, 입력 데이터(801)가 입력되는 것에 기반하여 출력 데이터(805)를 출력할 수 있다. 입력 데이터(801)는 배터리 유닛(305)의 잔존 수명 정보, 배터리 유닛(305)의 임피던스 변화 정보, 배터리 유닛(305)의 개방 회로 전압 정보, 배터리 유닛(305)의 BOL 상태의 구성 성분 정보, 배터리 유닛(305)의 BOL 상태의 구성 성분 각각의 질량 정보, 또는 이들의 조합 중 적어도 하나를 포함할 수 있다. 출력 데이터(805)는 배터리 유닛(305)의 활용 등급, 배터리 유닛(305)에서 회수될 것으로 예측되는 구성 성분 정보, 배터리 유닛(305)에서 회수될 것으로 예측되는 구성 성분 각각의 질량 정보, 배터리 유닛의 예측되는 가격 정보, 또는 이들의 어느 조합 중 적어도 하나를 포함할 수 있다.
일 실시 예에 따르면, 학습 모델(803)은 잔존 수명 정보, 임피던스 변화 정보, 개방 회로 전압 정보, 또는 이들의 어느 조합 중 적어도 하나에 기반하여 구성 성분 각각의 회수율을 나타내는 회수율 정보를 식별할 수 있다. 회수율이란, 배터리 유닛(305)의 구성 성분 각각의 질량 정보에 대한 배터리 유닛(305)이 분해된 후 회수되는 구성 성분 각각의 질량 정보를 나타낼 수 있다.
학습 모델(803)은 회수율, 배터리 유닛(305)에서 회수될 것으로 예측되는 구성 성분 정보, 배터리 유닛(305)에서 회수될 것으로 예측되는 질량 정보, 또는 이들의 어느 조합 중 적어도 하나에 기반하여, 배터리 유닛(305)에서 회수될 것으로 예측되는 구성 성분 정보, 배터리 유닛(305)에서 회수될 것으로 예측되는 구성 성분 각각의 질량 정보, 또는 가격 정보를 식별할 수 있다.
잔존 수명 정보, 임피던스 변화 정보, 개방 회로 전압 정보를 통해 배터리 유닛(305)의 퇴화 정도를 알 수 있고, 배터리 유닛(305)의 퇴화 정도가 클수록 회수율이 낮아질 수 있기 때문이다.
예를 들면, 잔존 수명 정보가 클수록 배터리 유닛(305)의 퇴화 정도가 클 수 있다.
예를 들면, 임피던스 변화 정보에 포함되는 배터리 유닛의 나이퀴스트 선도와 정상 배터리 유닛의 나이퀴스트 선도의 차이가 클수록 배터리 유닛(305)의 퇴화 정도가 클 수 있다.
예를 들면, 개방 회로 전압 정보에 포함되는, 제1 개방 회로 전압, 제2 개방 회로 전압, 또는 제3 개방 회로 전압이 기준 범위 외인 경우, 배터리 유닛(305)의 퇴화 정도가 기준 퇴화 정도보다 클 수 있다.
일 실시 예에 따르면, 배터리 진단 장치(201)의 하나 이상의 프로세서(205)는 학습 모델(803)의 학습을 위해, 배터리 유닛(305)과 상이한 배터리 유닛의 잔존 수명 정보, 상이한 배터리 유닛의 임피던스 변화 정보, 상이한 배터리 유닛의 개방 회로 전압 정보, 또는 이들의 어느 조합 중 적어도 하나를 포함하는 학습 데이터를 학습 모델(803)에 입력할 수 있다.
일 실시 예에 따르면, 배터리 진단 장치(201)의 하나 이상의 프로세서(205)는 상이한 배터리 유닛의 BOL 상태의 구성 성분 각각의 질량 정보와, 분해된 상이한 배터리 유닛으로부터 회수된 구성 성분 각각의 질량 정보를 비교하여 식별되는 회수율을 나타내는 회수율 정보, 상이한 배터리 유닛으로부터 회수된 구성 성분 정보, 상이한 배터리 유닛으로부터 회수된 구성 성분 각각의 질량 정보, 상이한 배터리 유닛의 가격 정보, 또는 이들의 어느 조합 중 적어도 하나를 포함하는 타겟 데이터를 학습 모델(803)에 입력할 수 있다.
일 실시 예에 따르면, 배터리 진단 장치(201)의 하나 이상의 프로세서(205)는 학습 데이터와 타겟 데이터의 상관 관계에 기반하여 학습 모델(803)을 학습시킬 수 있다.
일 실시 예에 따르면, 배터리 진단 장치(201)의 하나 이상의 프로세서(205)가 학습 모델(803)을 학습시키기 위한 인공지능 전용 프로세서(예: NPU)를 포함하는 경우, 인공지능 전용 프로세서는 메모리에 저장된 가중치 데이터를 머신러닝 모델의 학습 데이터로 활용하여 인공 신경망을 학습시킬 수 있다. 학습 모델(803)은, ANN(artificial neural network) 모델을 포함할 수 있다.
일 실시 예에 따르면, 학습 알고리즘의 예로는, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)이 포함될 수 있다.
일 실시 예에 따르면, 학습 모델(803)에 포함되는 인공 신경망은, 복수의 신경망 레이어들로 구성될 수 있다. 복수의 신경망 레이어들 각각은 복수의 가중치들(weight values)을 갖고 있으며, 이전(previous) 레이어의 연산 결과와 복수의 가중치들 간의 연산을 통해 신경망 연산을 수행할 수 있다. 복수의 신경망 레이어들이 갖고 있는 복수의 가중치들은 인공지능 모델의 학습 결과에 의해 최적화될 수 있다. 예를 들어, 학습 과정 동안 인공지능 모델에서 획득한 로스(loss) 값 또는 코스트(cost) 값이 감소 또는 최소화되도록 복수의 가중치들이 갱신될 수 있다.
일 실시 예에 따르면, 인공 신경망은 심층 신경망(deep neural network; DNN)를 포함할 수 있으며, 예를 들어, CNN(convolutional neural network), DNN(deep neural network), RNN(recurrent neural network), RBM(restricted Boltzmann machine), DBN(deep belief network), BRDNN(bidirectional recurrent deep neural network) 또는 심층 Q-네트워크 (deep Q-networks) 등이 있으나, 전술한 예에 한정되지 않을 수 있다.
일 실시 예에 따르면, 배터리 진단 장치(201)의 프로세서(205)는 선택된 학습 모델(803)에 기초하여 입력 데이터(801)인 배터리 유닛(305)의 잔존 수명 정보, 배터리 유닛(305)의 임피던스 변화 정보, 배터리 유닛(305)의 개방 회로 전압 정보, 배터리 유닛(305)의 BOL 상태의 구성 성분 정보, 배터리 유닛(305)의 BOL 상태의 구성 성분 각각의 질량 정보, 또는 이들의 조합 중 적어도 하나와 인과 관계가 있는 출력 데이터(805)인 배터리 유닛(305)의 활용 등급, 배터리 유닛(305)에서 회수될 것으로 예측되는 구성 성분 정보, 배터리 유닛(305)에서 회수될 것으로 예측되는 구성 성분 각각의 질량 정보, 배터리 유닛의 예측되는 가격 정보, 또는 이들의 어느 조합 중 적어도 하나를 출력할 수 있다.
도 9는, 본 문서의 일 실시 예에 따른 배터리 진단 장치, 및 배터리 진단 방법에서, 학습된 학습 모델에 기반하여 생성된 인증서를 저장하는 배터리 진단 장치의 동작의 흐름의 예시를 도시한다.
도 9를 참조하면, 제1 동작(901)에서, 배터리 진단 장치(201)의 하나 이상의 프로세서(205)는 배터리 유닛의 BOL 상태의 구성 성분 정보, 배터리 유닛의 BOL 상태의 구성 성분 각각의 질량 정보, 배터리 유닛 식별자, 또는 이들의 어느 조합 중 적어도 하나를 획득할 수 있다.
일 실시 예에 따르면, 배터리 진단 장치(201)의 하나 이상의 프로세서(205)는 배터리 유닛 식별자에 기반하여, 분해된 배터리 유닛의 BOL 상태의 구성 성분 각각의 질량 정보를 획득할 수 있다.
제2 동작(903)에서, 일 실시 예에 따른 배터리 진단 장치(201)의 하나 이상의 프로세서(205)는 배터리 유닛의 잔존 수명 정보, 배터리 유닛의 임피던스 변화 정보, 배터리 유닛의 개방 회로 전압 정보, 또는 이들의 어느 조합 중 적어도 하나를 획득할 수 있다.
일 실시 예에 따르면, 배터리 진단 장치(201)의 하나 이상의 프로세서(205)는 진단 센서를 통해 배터리 유닛의 SOC 정보, 배터리 유닛의 전압 정보, 배터리 유닛의 온도 정보, 배터리 유닛의 저항 정보, 배터리 유닛의 임피던스 정보, 배터리 유닛의 충전 횟수 정보, 배터리 유닛의 방전 횟수 정보, 또는 이들의 어느 조합 중 적어도 하나를 포함하는 배터리 유닛의 상태를 식별할 수 있다.
일 실시 예에 따르면, 배터리 진단 장치(201)의 하나 이상의 프로세서(205)는 배터리 유닛의 상태에 기반하여, 잔존 수명 정보, 배터리 유닛의 임피던스 변화 정보, 배터리 유닛의 개방 회로 전압 정보, 또는 이들의 조합 중 적어도 하나를 식별할 수 있다.
제3 동작(905)에서, 일 실시 예에 따른 배터리 진단 장치(201)의 하나 이상의 프로세서(205)는 배터리 유닛의 회수율 정보, 배터리 유닛으로부터 회수된 구성 성분 정보, 배터리 유닛으로부터 회수된 구성 성분 각각의 질량 정보, 가격 정보, 또는 이들의 어느 조합 중 적어도 하나를 획득할 수 있다.
구성 성분을 회수하기 위해 배터리 유닛을 분해할 필요성이 있다. 배터리 유닛을 분해하는 방법은, 배터리 유닛을 물리적으로 분해하는 방법, 또는 수용성 용액을 사용하여 구성 성분을 추출하고, 추출된 구성 성분을 결정화하여 획득하는 방법(예: 니켈, 망간, 코발트와 같은 구성 성분을 회수하는 방법)을 포함할 수 있다.
예를 들면, 배터리 유닛이 방전된 후 배터리 유닛이 파쇄되거나 분쇄되는 것과 같이 물리적으로 분리됨으로써, 구리, 플라스틱, 알루미늄, 인산 철, 리튬이 회수될 수 있다.
예를 들면, 배터리 유닛이 방전된 후 물리적으로 분해됨으로써 블랙 매스(black mass)가 획득될 수 있다. 또한, 블랙 매스에 황산과 같은 유기산이 첨가된 후, 수용성 용액을 통헤 추출, 및 결정 과정을 거쳐 코발트, 니켈, 망간, 흑연, 탄소가 회수될 수 있다.
일 실시 예에 따르면, 배터리 유닛으로부터 회수된 구성 성분 각각의 질량 정보에 기반하여 가격 정보가 식별될 수 있다. 가격 정보는 재활용 과정에서 쓴 비용 또는 회수된 구성 성분의 가격을 포함할 수 있다.
제4 동작(907)에서, 일 실시 예에 따른 배터리 진단 장치(201)의 하나 이상의 프로세서(205)는 학습 데이터, 및 타겟 데이터에 기반하여 학습 모델을 학습할 수 있다.
다시 말해, 일 실시 예에 따른 배터리 진단 장치(201)의 하나 이상의 프로세서(205)는 학습 데이터, 및 타겟 데이터의 상관 관계를 학습 모델에게 학습시킬 수 있다. 학습 모델은 지도 학습(예: 선형 회귀)을 통해 학습되는 신경망을 포함할 수 있으나, 본 문서의 실시 예는 이에 한정되지 않을 수 있다.
제5 동작(909)에서, 일 실시 예에 따른 배터리 진단 장치(201)의 하나 이상의 프로세서(205)는 학습 모델에 입력 데이터를 입력하여, 출력 데이터를 획득할 수 있다.
제6 동작(911)에서, 일 실시 예에 따른 배터리 진단 장치(201)의 하나 이상의 프로세서(205)는 인증서를 생성할 수 있다.
제7 동작(913)에서 일 실시 예에 따른 배터리 진단 장치(201)의 하나 이상의 프로세서(205)는 인증서를 저장할 수 있다.
도 10은, 본 문서의 일 실시 예에 따른 배터리 진단 장치, 및 배터리 진단 방법에서, 인증서를 생성하는 배터리 진단 장치의 동작의 흐름의 예시를 도시한다.
도 10을 참조하면, 제1 동작(1001)에서, 일 실시 예에 따른 배터리 진단 장치(201)의 하나 이상의 프로세서(205)는 배터리 유닛의 식별자를 식별할 수 있다.
제2 동작(1003)에서, 일 실시 예에 따른 배터리 진단 장치(201)의 하나 이상의 프로세서(205)는 진단 센서를 통해 배터리 유닛의 상태를 식별할 수 있다.
제3 동작(1005)에서, 일 실시 예에 따른 배터리 진단 장치(201)의 하나 이상의 프로세서(205)는 배터리 유닛의 상태에 기반하여, 배터리 유닛의 재사용, 또는 재활용을 위한 활용 등급을 식별할 수 있다.
제4 동작(1007)에서, 일 실시 예에 따른 배터리 진단 장치(201)의 하나 이상의 프로세서(205)는 배터리 유닛의 식별자에 기반하여, 배터리 유닛의 활용 등급, 배터리 유닛에서 회수될 것으로 예측되는 구성 성분 정보, 배터리 유닛에서 회수될 것으로 예측되는 구성 성분 각각의 질량 정보, 배터리 유닛의 예측되는 가격을 나타내는 가격 정보, 또는 이들의 어느 조합 중 적어도 하나를 포함하는 인증서를 생성할 수 있다.
도 11은, 본 문서의 일 실시 예에 따른 배터리 진단 장치, 및 배터리 진단 방법에서, 배터리 진단 방법을 수행하는 컴퓨팅 시스템의 하드웨어 구성을 나타내는 블록도이다.
도 11을 참조하면, 본 문서에 개시된 일 실시 예에 따른 컴퓨팅 시스템(1100)은 MCU(1110), 메모리(1120), 입출력 I/F(1130) 및 통신 I/F(1140)를 포함할 수 있다.
MCU(1110)는 메모리(1120)에 저장되어 있는 각종 프로그램(예를 들면, 배터리 셀 데이터 수집 프로그램, 그래프 산출 프로그램, 데이터 분석 프로그램, 데이터 분해 알고리즘, 정규화 프로그램 및 배터리 셀 진단 프로그램 등)을 실행시키고, 이러한 프로그램들을 통해 배터리 셀의 특성 데이터, 잠재 변수 등을 포함한 각종 정보를 처리하며, 전술한 도 2 내지 10에 나타낸 배터리 진단 장치(201)의 기능들을 수행하도록 하는 하나 이상의 프로세서일 수 있다.
메모리(1120)는 배터리 셀 데이터 수집 프로그램, 그래프 산출 프로그램, 데이터 분석 프로그램, 데이터 분해 알고리즘, 정규화 프로그램 및 배터리 셀 진단 프로그램 등 각종 프로그램을 저장할 수 있다.
이러한 메모리(1120)는 필요에 따라서 복수 개 마련될 수도 있을 것이다. 메모리(1120)는 휘발성 메모리일 수도 있으며 비휘발성 메모리일 수 있다. 휘발성 메모리로서의 메모리(1120)는 RAM, DRAM, SRAM 등이 사용될 수 있다. 비휘발성 메모리로서의 메모리(1120)는 ROM, PROM, EAROM, EPROM, EEPROM, 플래시 메모리 등이 사용될 수 있다. 열거한 메모리(1120)들의 예를 단지 예시일 뿐이며 이들 예로 한정되는 것은 아니다.
입출력 I/F(1130)는, 키보드, 마우스, 터치 패널 등의 입력 장치(미도시)와 디스플레이(미도시) 등의 출력 장치와 MCU(1110) 사이를 연결하여 데이터를 송수신할 수 있도록 하는 인터페이스를 제공할 수 있다.
통신 I/F(1140)는 서버와 각종 데이터를 송수신할 수 있는 구성으로서, 유선 또는 무선 통신을 지원할 수 있는 각종 장치일 수 있다. 예를 들면, 진단 장치(201)는 통신 I/F(1140)를 통해 별도로 마련된 외부 서버로부터 배터리 셀의 형상 모델 등을 포함한 각종 정보를 송수신할 수 있다.
이와 같이, 본 문서에 개시된 일 실시 예에 따른 컴퓨터 프로그램은 메모리(1120)에 기록되고, MCU(1110)에 의해 처리됨으로써, 예를 들면 도 2에서 도시한 각 기능들을 수행하는 모듈로서 구현될 수도 있다.
이상에서, 본 문서에 개시된 실시 예를 구성하는 모든 구성 요소들이 하나로 결합하거나 결합하여 동작하는 것으로 설명되었다고 해서, 본 문서에 개시된 실시 예들이 반드시 이러한 실시 예에 한정되는 것은 아니다. 즉, 본 문서에 개시된 실시 예들의 목적 범위 안에서라면, 그 모든 구성 요소들이 하나 이상으로 선택적으로 결합하여 동작할 수도 있다.
또한, 이상에서 기재된 "포함하다", "구성하다", 또는 "가지다" 등의 용어는, 특별히 반대되는 기재가 없는 한, 해당 구성 요소를 내재할 수 있음을 의미하는 것이므로, 다른 구성 요소를 제외하는 것이 아니라 다른 구성 요소를 더 포함할 수 있는 것으로 해석되어야 한다. 기술적이거나 과학적인 용어를 포함한 모든 용어들은, 다르게 정의되지 않는 한, 본 문서에 개시된 실시 예들이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미가 있다. 사전에 정의된 용어와 같이 일반적으로 사용되는 용어들은 관련 기술의 문맥상의 의미와 일치하는 것으로 해석되어야 하며, 본 문서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
전술한 개시내용은 당업자가 본 개시내용의 양태를 더 잘 이해할 수 있도록 몇몇 실시형태의 특징을 개략적으로 설명한다. 당업자는 본 명세서에 도입된 실시 예의 동일한 목적을 수행하고 또는 동일한 이점을 달성하기 위해 다른 구조를 설계 또는 변경하기 위한 기초로서 본 개시내용을 용이하게 사용할 수 있음을 이해할 것이다. 또한, 당업자는 이러한 균등한 구성은 본 개시내용의 범위를 벗어나지 않으며, 본 개시내용의 범위를 벗어나지 않은 채 본 명세서에서 다양한 변화, 대체 및 수정을 할 수 있음을 인식할 것이다.

Claims (18)

  1. 적어도 하나의 인스트럭션을 저장하는 메모리; 및
    상기 적어도 하나의 인스트럭션을 실행하는 하나 이상의 프로세서를 포함하고,
    상기 하나 이상의 프로세서는,
    배터리 유닛의 식별자 및 상태를 식별하고,
    상기 배터리 유닛의 상태에 기반하여, 상기 배터리 유닛의 재사용, 또는 재활용을 위한 활용 등급을 식별하고,
    상기 배터리 유닛의 식별자에 기반하여, 상기 배터리 유닛의 활용 등급, 상기 배터리 유닛에서 회수될 것으로 예측되는 구성 성분 정보, 상기 배터리 유닛에서 회수될 것으로 예측되는 구성 성분 각각의 예측되는 질량 정보, 상기 배터리 유닛의 예측되는 가격 정보, 또는 이들의 어느 조합 중 적어도 하나를 포함하는 인증서를 생성하도록 구성되는,
    배터리 진단 장치.
  2. 청구항 1에 있어서,
    상기 하나 이상의 프로세서는,
    상기 배터리 유닛의 상태에 기반하여, 상기 배터리 유닛의 잔존 수명(state of health; SOH) 정보, 상기 배터리 유닛의 임피던스 변화 정보, 상기 배터리 유닛의 개방 회로 전압(open circuit voltage; OCV) 정보, 또는 이들의 어느 조합 중 적어도 하나를 식별하고,
    상기 잔존 수명 정보, 상기 임피던스 변화 정보, 상기 개방 회로 전압 정보, 또는 이들의 어느 조합 중 적어도 하나에 기반하여, 상기 활용 등급을 식별하도록 구성되는,
    배터리 진단 장치.
  3. 청구항 1에 있어서,
    상기 하나 이상의 프로세서는,
    상기 배터리 유닛의 SOC(state of charge; SOC) 정보, 상기 배터리 유닛의 전압 정보, 상기 배터리 유닛의 온도 정보, 상기 배터리 유닛의 저항 정보, 상기 배터리 유닛의 임피던스 정보, 상기 배터리 유닛의 충전 횟수 정보, 상기 배터리 유닛의 방전 횟수 정보, 또는 이들의 어느 조합 중 적어도 하나를 포함하는 상기 배터리 유닛의 상태를 식별하도록 구성되는
    배터리 진단 장치.
  4. 청구항 1에 있어서,
    상기 인증서는,
    상기 활용 등급에 따른 상기 배터리 유닛의 사용처 정보, 상기 배터리 유닛의 연식 정보, 상기 배터리 유닛의 잔존 수명(state of health; SOH) 정보, 상기 배터리 유닛의 임피던스 변화 정보, 상기 배터리 유닛의 개방 회로 전압(open circuit voltage; OCV) 정보, 상기 배터리 유닛에 포함되는 배터리 셀의 상태 정보, 또는 이들의 어느 조합 중 적어도 하나를 더 포함하도록 구성되는,
    배터리 진단 장치.
  5. 청구항 1에 있어서,
    상기 하나 이상의 프로세서는,
    상기 인증서를 블록체인 데이터 또는 NFT(non-fungible token; NFT) 데이터로 변환하고,
    외부 서버가 하나의 노드로 포함되는 복수의 노드들에 상기 블록체인 데이터 또는 상기 NFT 데이터를 저장하도록 구성되는,
    배터리 진단 장치.
  6. 청구항 1에 있어서,
    상기 하나 이상의 프로세서는,
    상기 배터리 유닛의 상태에 기반하여, 상기 배터리 유닛의 잔존 수명 정보, 상기 배터리 유닛의 임피던스 변화 정보, 상기 배터리 유닛의 개방 회로 전압 정보, 상기 배터리 유닛의 식별자에 대응되는 상기 배터리 유닛의 BOL(beginning of life; BOL) 상태의 구성 성분 정보, 상기 배터리 유닛의 식별자에 대응되는 상기 배터리 유닛의 BOL 상태의 구성 성분 각각의 질량 정보, 또는 이들의 어느 조합 중 적어도 하나를 식별하고,
    상기 잔존 수명 정보, 상기 임피던스 변화 정보, 상기 개방 회로 전압 정보, 상기 배터리 유닛의 BOL 상태의 구성 성분 정보, 상기 배터리 유닛의 식별자에 대응되는 상기 배터리 유닛의 BOL 상태의 구성 성분 각각의 질량 정보, 또는 이들의 어느 조합 중 적어도 하나를 학습 모델에 입력하고,
    상기 학습 모델에서 출력되는 상기 활용 등급, 상기 배터리 유닛에서 회수될 것으로 예측되는 구성 성분 정보, 상기 배터리 유닛에서 회수될 것으로 예측되는 구성 성분 각각의 질량 정보, 상기 가격 정보, 또는 이들의 어느 조합 중 적어도 하나를 식별하도록 구성되는,
    배터리 진단 장치.
  7. 청구항 6에 있어서,
    상기 하나 이상의 프로세서는,
    상기 배터리 유닛과 상이한 배터리 유닛의 잔존 수명 정보, 상기 상이한 배터리 유닛의 임피던스 변화 정보, 상기 상이한 배터리 유닛의 개방 회로 전압 정보, 또는 이들의 어느 조합 중 적어도 하나를 포함하는 학습 데이터를 학습 모델에 입력하고,
    상기 상이한 배터리 유닛의 BOL 상태의 구성 성분 각각의 질량 정보와 분해된 상기 상이한 배터리 유닛으로부터 회수된 구성 성분 각각의 질량 정보를 비교하여 식별되는 상기 상이한 배터리 유닛의 구성 성분에 따른 회수율을 나타내는 회수율 정보, 상기 상이한 배터리 유닛으로부터 회수된 구성 성분 정보, 상기 상이한 배터리 유닛으로부터 회수된 구성 성분 각각의 질량 정보, 상기 상이한 배터리 유닛의 가격 정보, 또는 이들의 어느 조합 중 적어도 하나를 포함하는 타겟 데이터를 상기 학습 모델에 입력하고,
    상기 학습 데이터와 상기 타겟 데이터의 상관 관계에 기반하여 상기 학습 모델을 학습시키도록 구성되는,
    배터리 진단 장치.
  8. 청구항 1에 있어서,
    상기 인증서는,
    상기 배터리 유닛이 재사용되는 경우, 상기 재사용된 배터리 유닛이 소모하는 전력에 따른 제1 탄소 배출량, 상기 배터리 유닛이 재활용되는 경우, 상기 재활용된 후 재생산된 배터리 유닛이 소모하는 전력에 따른 제2 탄소 배출량, 상기 배터리 유닛의 예측되는 회수율 정보, 또는 이들의 어느 조합 중 적어도 하나를 더 포함하도록 구성되는,
    배터리 진단 장치.
  9. 청구항 8에 있어서,
    상기 하나 이상의 프로세서는,
    상기 활용 등급이 지정된 등급인 것에 기반하여,
    상기 제2 탄소 배출량, 상기 배터리 유닛의 예측되는 회수율 정보, 상기 배터리 유닛에서 회수될 것으로 예측되는 구성 성분 정보, 상기 질량 정보, 또는 이들의 어느 조합 중 적어도 하나가 포함된 상기 인증서를 생성하도록 구성되는,
    배터리 진단 장치.
  10. 배터리 유닛의 식별자를 식별하는 동작;
    상기 배터리 유닛의 상태를 식별하는 동작;
    상기 배터리 유닛의 상태에 기반하여, 상기 배터리 유닛의 재사용, 또는 재활용을 위한 활용 등급을 식별하는 동작; 및
    상기 배터리 유닛의 식별자에 기반하여, 상기 배터리 유닛의 활용 등급, 상기 배터리 유닛에서 회수될 것으로 예측되는 구성 성분 정보, 상기 배터리 유닛에서 회수될 것으로 예측되는 구성 성분 각각의 예측되는 질량 정보, 상기 배터리 유닛의 예측되는 가격 정보, 또는 이들의 어느 조합 중 적어도 하나를 포함하는 인증서를 생성하는 동작을 포함하는,
    배터리 진단 방법.
  11. 청구항 10에 있어서,
    상기 배터리 유닛의 상태에 기반하여, 상기 배터리 유닛의 재사용, 또는 재활용을 위한 활용 등급을 식별하는 동작은,
    상기 배터리 유닛의 상태에 기반하여, 상기 배터리 유닛의 잔존 수명(state of health; SOH) 정보, 상기 배터리 유닛의 임피던스 변화 정보, 상기 배터리 유닛의 개방 회로 전압(open circuit voltage; OCV) 정보, 또는 이들의 어느 조합 중 적어도 하나를 식별하는 동작;
    상기 잔존 수명 정보, 상기 임피던스 변화 정보, 상기 개방 회로 전압 정보, 또는 이들의 어느 조합 중 적어도 하나에 기반하여, 상기 활용 등급을 식별하는 동작을 포함하는,
    배터리 진단 방법.
  12. 청구항 10에 있어서,
    상기 배터리 유닛의 상태를 식별하는 동작은,
    상기 배터리 유닛의 SOC(state of charge; SOC) 정보, 상기 배터리 유닛의 전압 정보, 상기 배터리 유닛의 온도 정보, 상기 배터리 유닛의 저항 정보, 상기 배터리 유닛의 임피던스 정보, 상기 배터리 유닛의 충전 횟수 정보, 상기 배터리 유닛의 방전 횟수 정보, 또는 이들의 어느 조합 중 적어도 하나를 포함하는 상기 배터리 유닛의 상태를 식별하는 동작을 포함하는,
    배터리 진단 방법.
  13. 청구항 10에 있어서,
    상기 인증서는,
    상기 활용 등급에 따른 상기 배터리 유닛의 사용처 정보, 상기 배터리 유닛의 연식 정보, 상기 배터리 유닛의 잔존 수명(state of health; SOH) 정보, 상기 배터리 유닛의 임피던스 변화 정보, 상기 배터리 유닛의 개방 회로 전압(open circuit voltage; OCV) 정보, 상기 배터리 유닛에 포함되는 배터리 셀의 상태 정보, 또는 이들의 어느 조합 중 적어도 하나를 더 포함하도록 구성되는,
    배터리 진단 방법.
  14. 청구항 10에 있어서,
    상기 인증서를 블록체인 데이터 또는 NFT(non-fungible token; NFT) 데이터로 변환하는 동작; 및
    외부 서버가 하나의 노드로 포함되는 복수의 노드들에 상기 블록체인 데이터 또는 상기 NFT 데이터를 저장하는 동작을 더 포함하는,
    배터리 진단 방법.
  15. 청구항 10에 있어서,
    상기 배터리 유닛의 식별자에 기반하여 상기 배터리 유닛의 활용 등급, 상기 배터리 유닛에서 회수될 것으로 예측되는 구성 성분 정보, 상기 배터리 유닛에서 회수될 것으로 예측되는 구성 성분 각각의 예측되는 질량 정보, 상기 배터리 유닛의 예측되는 가격 정보, 또는 이들의 어느 조합 중 적어도 하나를 포함하는 인증서를 생성하는 동작은,
    상기 배터리 유닛의 상태에 기반하여, 상기 배터리 유닛의 잔존 수명 정보, 상기 배터리 유닛의 임피던스 변화 정보, 상기 배터리 유닛의 개방 회로 전압 정보, 상기 배터리 유닛의 식별자에 대응되는 상기 구성 성분 정보, 상기 배터리 유닛의 식별자에 대응되는 상기 구성 성분 각각의 질량 정보, 또는 이들의 어느 조합 중 적어도 하나를 식별하는 동작;
    상기 잔존 수명 정보, 상기 임피던스 변화 정보, 상기 개방 회로 전압 정보, 상기 배터리 유닛의 BOL 상태의 구성 성분 정보, 상기 배터리 유닛의 식별자에 대응되는 상기 배터리 유닛의 BOL 상태의 구성 성분 각각의 질량 정보, 또는 이들의 어느 조합 중 적어도 하나를 학습 모델에 입력하는 동작;
    상기 학습 모델에서 출력되는 상기 활용 등급, 상기 배터리 유닛에서 회수될 것으로 예측되는 구성 성분 정보, 상기 배터리 유닛에서 회수될 것으로 예측되는 구성 성분 각각의 질량 정보, 상기 가격 정보, 또는 이들의 어느 조합 중 적어도 하나를 식별하는 동작을 포함하는,
    배터리 진단 방법.
  16. 청구항 15에 있어서,
    상기 배터리 유닛과 상이한 배터리 유닛의 잔존 수명 정보, 상기 상이한 배터리 유닛의 임피던스 변화 정보, 상기 상이한 배터리 유닛의 개방 회로 전압 정보, 또는 이들의 어느 조합 중 적어도 하나를 포함하는 학습 데이터를 학습 모델에 입력하는 동작;
    상기 상이한 배터리 유닛의 BOL 상태의 구성 성분 각각의 질량 정보와 상기 상이한 배터리 유닛으로부터 회수된 구성 성분 각각의 질량 정보를 비교하여 식별되는 상기 상이한 배터리 유닛의 구성 성분에 따른 회수율을 나타내는 회수율 정보, 상기 상이한 배터리 유닛으로부터 회수된 구성 성분 정보, 상기 상이한 배터리 유닛으로부터 회수된 구성 성분 각각의 질량 정보, 상기 상이한 배터리 유닛의 가격 정보, 또는 이들의 어느 조합 중 적어도 하나를 포함하는 타겟 데이터를 상기 학습 모델에 입력하는 동작; 및
    상기 학습 데이터와 상기 타겟 데이터의 상관 관계에 기반하여 상기 학습 모델을 학습시키는 동작을 더 포함하는,
    배터리 진단 방법.
  17. 청구항 10에 있어서,
    상기 인증서는,
    상기 배터리 유닛이 재사용되는 경우, 상기 재사용된 배터리 유닛이 소모하는 전력에 따른 제1 탄소 배출량, 상기 배터리 유닛이 재활용되는 경우, 상기 재활용된 후 재생산된 배터리 유닛이 소모하는 전력에 따른 제2 탄소 배출량, 상기 배터리 유닛의 예측되는 회수율 정보, 또는 이들의 어느 조합 중 적어도 하나를 더 포함하도록 구성되는,
    배터리 진단 방법.
  18. 청구항 17에 있어서,
    상기 활용 등급이 지정된 등급인 것에 기반하여,
    상기 제2 탄소 배출량, 상기 배터리 유닛의 예측되는 회수율 정보, 상기 배터리 유닛에서 회수될 것으로 예측되는 구성 성분 정보, 상기 질량 정보, 또는 이들의 어느 조합 중 적어도 하나가 포함된 상기 인증서를 생성하는 동작을 더 포함하는,
    배터리 진단 방법.
PCT/KR2025/005163 2024-06-28 2025-04-16 배터리 진단 장치 및 그 방법 Pending WO2026005233A1 (ko)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
KR10-2024-0085657 2024-06-28
KR20240085657 2024-06-28
KR1020240136291A KR20260002124A (ko) 2024-06-28 2024-10-08 배터리 진단 장치 및 그 방법
KR10-2024-0136291 2024-10-08

Publications (1)

Publication Number Publication Date
WO2026005233A1 true WO2026005233A1 (ko) 2026-01-02

Family

ID=98222427

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2025/005163 Pending WO2026005233A1 (ko) 2024-06-28 2025-04-16 배터리 진단 장치 및 그 방법

Country Status (1)

Country Link
WO (1) WO2026005233A1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010108833A (ja) * 2008-10-31 2010-05-13 Nec Corp カートリッジバッテリ、管理装置、バッテリシステム、管理方法、及びプログラム
JP2018050457A (ja) * 2017-10-26 2018-03-29 株式会社東芝 設備管理システム及び設備管理方法
US20210151813A1 (en) * 2018-07-09 2021-05-20 Nippon Telegraph And Telephone Corporation System and Method for Management of Remaining Battery Capacity
KR20220027791A (ko) * 2020-08-27 2022-03-08 주식회사 엘지에너지솔루션 배터리 통합 관리 플랫폼 서비스 시스템 및 방법
JP7156373B2 (ja) * 2018-06-01 2022-10-19 住友電気工業株式会社 電池管理装置、電池情報処理システム、及び電池情報処理方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010108833A (ja) * 2008-10-31 2010-05-13 Nec Corp カートリッジバッテリ、管理装置、バッテリシステム、管理方法、及びプログラム
JP2018050457A (ja) * 2017-10-26 2018-03-29 株式会社東芝 設備管理システム及び設備管理方法
JP7156373B2 (ja) * 2018-06-01 2022-10-19 住友電気工業株式会社 電池管理装置、電池情報処理システム、及び電池情報処理方法
US20210151813A1 (en) * 2018-07-09 2021-05-20 Nippon Telegraph And Telephone Corporation System and Method for Management of Remaining Battery Capacity
KR20220027791A (ko) * 2020-08-27 2022-03-08 주식회사 엘지에너지솔루션 배터리 통합 관리 플랫폼 서비스 시스템 및 방법

Similar Documents

Publication Publication Date Title
WO2022045842A1 (ko) 배터리 통합 관리 플랫폼 서비스 시스템 및 방법
WO2023068899A1 (ko) 배터리 팩 내의 이상 징후 셀 검출 장치 및 방법
Yang et al. Balancing awareness fast charging control for lithium-ion battery pack using deep reinforcement learning
WO2018199434A1 (ko) 수치적 시뮬레이션 데이터 기반 배터리의 수명 상태 예측 방법
WO2022075708A1 (ko) 배터리 상태 진단 장치 및 방법
WO2022158774A1 (ko) 사용 후 배터리 모듈 잔존 가치 평가 시스템 및 그 방법
WO2022250390A1 (ko) 배터리 모니터링 장치 및 방법
WO2023182611A1 (ko) 배터리 관리 장치 및 방법
WO2026005233A1 (ko) 배터리 진단 장치 및 그 방법
WO2023096315A1 (ko) Lca 기반 배터리 관리 방법, 서버, 및 그 컴퓨터 프로그램
WO2026010290A1 (ko) 배터리 진단 장치 및 그 방법
WO2026010288A1 (ko) 배터리 진단 장치 및 그 방법
KR20260002124A (ko) 배터리 진단 장치 및 그 방법
WO2026095297A1 (ko) 배터리 진단 장치 및 그 방법
Hossen et al. REAL-PINN: Physics-Informed Neural Network with Real-Time Adaptive Learning for Lithium-Ion Battery Health Prediction
WO2026038927A1 (ko) Soh 추정 장치 및 방법
WO2025173873A1 (ko) 배터리 관리 장치 및 그것의 동작 방법
WO2026079775A1 (en) Battery module assembly method, and battery module
WO2025095362A1 (ko) 배터리 관리 장치 및 그것의 동작 방법
WO2026043315A1 (ko) 배터리 진단 장치 및 그 방법
WO2025084797A1 (ko) 배터리 진단 장치, 배터리 진단 방법 및 배터리 진단 시스템
WO2026029394A1 (ko) 배터리 진단 장치 및 그 방법
WO2026054581A1 (ko) 배터리 진단 장치 및 그 방법
WO2025258894A1 (ko) 배터리 관리 장치 및 그 방법
WO2026095380A1 (ko) 배터리 진단 장치 및 그 방법

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 25827245

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 2025827245

Country of ref document: EP