CN110678765B - 用于测试电池单体的性能的设备和方法 - Google Patents
用于测试电池单体的性能的设备和方法 Download PDFInfo
- Publication number
- CN110678765B CN110678765B CN201980002618.2A CN201980002618A CN110678765B CN 110678765 B CN110678765 B CN 110678765B CN 201980002618 A CN201980002618 A CN 201980002618A CN 110678765 B CN110678765 B CN 110678765B
- Authority
- CN
- China
- Prior art keywords
- battery cell
- negative electrode
- positive electrode
- estimated
- capacity
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 70
- 238000012360 testing method Methods 0.000 title claims abstract description 41
- 238000009826 distribution Methods 0.000 claims abstract description 156
- 230000008569 process Effects 0.000 claims abstract description 56
- 238000005259 measurement Methods 0.000 claims abstract description 46
- 238000004519 manufacturing process Methods 0.000 claims abstract description 23
- 238000003860 storage Methods 0.000 claims abstract description 21
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 claims description 60
- 229910001416 lithium ion Inorganic materials 0.000 claims description 60
- 230000002427 irreversible effect Effects 0.000 claims description 29
- 238000007086 side reaction Methods 0.000 claims description 26
- 230000002441 reversible effect Effects 0.000 claims description 20
- 239000007773 negative electrode material Substances 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 7
- 239000007774 positive electrode material Substances 0.000 claims description 7
- 239000007784 solid electrolyte Substances 0.000 claims description 4
- 238000002474 experimental method Methods 0.000 abstract description 4
- 230000001066 destructive effect Effects 0.000 abstract description 3
- 150000002500 ions Chemical class 0.000 description 26
- 230000006870 function Effects 0.000 description 21
- PXHVJJICTQNCMI-UHFFFAOYSA-N Nickel Chemical compound [Ni] PXHVJJICTQNCMI-UHFFFAOYSA-N 0.000 description 19
- 238000010586 diagram Methods 0.000 description 16
- 230000007423 decrease Effects 0.000 description 11
- 238000013461 design Methods 0.000 description 7
- 238000011068 loading method Methods 0.000 description 7
- 238000001994 activation Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 6
- 230000000052 comparative effect Effects 0.000 description 6
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000007599 discharging Methods 0.000 description 3
- 229910052744 lithium Inorganic materials 0.000 description 3
- 229910052759 nickel Inorganic materials 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000011056 performance test Methods 0.000 description 3
- 230000004913 activation Effects 0.000 description 2
- 238000000576 coating method Methods 0.000 description 2
- 238000003487 electrochemical reaction Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000001151 other effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000010998 test method Methods 0.000 description 2
- 101100257262 Caenorhabditis elegans soc-1 gene Proteins 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 1
- FYYHWMGAXLPEAU-UHFFFAOYSA-N Magnesium Chemical compound [Mg] FYYHWMGAXLPEAU-UHFFFAOYSA-N 0.000 description 1
- UJEWTUDSLQGTOA-UHFFFAOYSA-N Piretanide Chemical compound C=1C=CC=CC=1OC=1C(S(=O)(=O)N)=CC(C(O)=O)=CC=1N1CCCC1 UJEWTUDSLQGTOA-UHFFFAOYSA-N 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- OJIJEKBXJYRIBZ-UHFFFAOYSA-N cadmium nickel Chemical compound [Ni].[Cd] OJIJEKBXJYRIBZ-UHFFFAOYSA-N 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000007772 electrode material Substances 0.000 description 1
- 239000003792 electrolyte Substances 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 238000010030 laminating Methods 0.000 description 1
- 229910052749 magnesium Inorganic materials 0.000 description 1
- 239000011777 magnesium Substances 0.000 description 1
- WPBNNNQJVZRUHP-UHFFFAOYSA-L manganese(2+);methyl n-[[2-(methoxycarbonylcarbamothioylamino)phenyl]carbamothioyl]carbamate;n-[2-(sulfidocarbothioylamino)ethyl]carbamodithioate Chemical compound [Mn+2].[S-]C(=S)NCCNC([S-])=S.COC(=O)NC(=S)NC1=CC=CC=C1NC(=S)NC(=O)OC WPBNNNQJVZRUHP-UHFFFAOYSA-L 0.000 description 1
- 230000003446 memory effect Effects 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000000178 monomer Substances 0.000 description 1
- QELJHCBNGDEXLD-UHFFFAOYSA-N nickel zinc Chemical compound [Ni].[Zn] QELJHCBNGDEXLD-UHFFFAOYSA-N 0.000 description 1
- 238000012858 packaging process Methods 0.000 description 1
- 229920000642 polymer Polymers 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000002922 simulated annealing Methods 0.000 description 1
- 238000001291 vacuum drying Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
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]
- G01R31/389—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]
- G01R31/3644—Constructional arrangements
- G01R31/3648—Constructional arrangements comprising digital calculation means, e.g. for performing an algorithm
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/382—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]
- G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
- G01R31/3842—Arrangements for monitoring battery or accumulator variables, e.g. SoC combining voltage and current 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]
- G01R31/392—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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
- Tests Of Electric Status Of Batteries (AREA)
Abstract
提供了一种用于以非破坏性方式测试电池单体电化学性能的设备和方法。该设备包括：测量单元，其被配置为测量电池单体的开路电压(OCV)；存储单元，其被配置为存储通过多个参考单体中的每一个的预实验获得的数据和在电池单体的制造过程中出现的过程偏差值；以及，控制单元，其电连接到测量单元和存储单元。控制单元被配置为确定电池单体的容量、表示预定充电状态(SOC)范围中的电池单体的OCV变化的估计分布数据和电池单体的电阻中的至少一个。
Description
技术领域
本公开涉及一种用于测试电池单体的性能的设备和方法，更具体地说，涉及一种用于以非破坏性方式测试电池单体的电化学性能的设备和方法，其中考虑了电池单体的制造过程中出现的过程偏差。
本申请要求2018年1月9日在大韩民国提交的韩国专利申请第10-2018-0002735号的优先权，其公开内容以引用的方式并入到本文中。
背景技术
最近，对诸如膝上型计算机、摄像机和移动电话的便携式电子产品的需求急剧增长，并且随着电动车辆、储能蓄电池、机器人和卫星的广泛发展，人们正在对可重复地再充电的高性能电池进行许多研究。
目前，市场上可买到的电池包括镍镉电池、镍氢电池、镍锌电池、锂二次电池等，其中锂电池具有很少或没有记忆效应，因其自由充电和放电、非常低的自放电率和高能量密度的优点，它们因而比镍基电池受到更多关注。
包括在电池中的电池单体基本上包括正电极、负电极和电解质。电池单体的充电和放电是通过电池单体的电化学反应中涉及的工作离子(例如锂离子)从正电极到负电极或者从负电极到正电极的移动来实现的。
电池单体是通过活化过程制造的。在活化过程中，利用连接到电池单体的充电/放电设备，电池单体在预设条件下以预定次数的循环进行充电和放电。当使用常规的性能测试方法时，可以基于在活化过程期间测量的电池单体的充电容量和放电容量的比率来估计可以从电池单体实际提取的最大容量值。最大容量值也可以称为完全充电容量(FCC)。
然而，通过常规的性能测试方法，仅可能粗略地知道关于包括跨电池单体的两端的电压窗口的可用范围的信息，并且不可能知道关于电池单体的正电极和负电极中的每一个的可用范围的信息。
此外，由于在活化过程中锂离子与负电极中使用的碳反应生成的固体电解质界面(SEI)，一些锂离子不可逆地损失，因此电池单体的最大容量值小于预设设计容量值。然而，常规的性能测试方法不能提供关于在活化过程之后电池单体的预设设计容量值与最大容量值之间差异的原因的信息。
为了解决上述问题，公开了一种3-电极测试方法。根据3-电极测试方法，通过将电池单体的正电极和负电极中的每一个的电势与参考电极的电势进行比较，来测量电池单体的正电极和负电极中的每一个的可用范围和最大容量。然而，为了执行3-电极测试方法，需要拆卸包括正电极和负电极的电池单体，并且单独附连参考电极，这造成不便。此外，参考电极可能影响电池单体的电化学性质，因此来自包括参考电极的电池单体的测量结果可能与没有参考电极的电池单体的实际电化学性质不一致。
同时，电池单体的电化学性能受到电池单体的制造过程中出现的过程偏差的影响。也就是说，在电池单体的制造过程中出现的电极厚度、电极面积或电极活性材料密度的过程偏差导致完成的电池单体的性能的偏差。
通常，电池单体的制造过程分为电极过程和组装过程。详细地，电极过程包括混合、涂覆、滚压和切割过程，组装过程包括真空干燥、开槽、层压、折叠和封装过程。在电池单体中的每一个的制造过程中出现的过程偏差导致每单位面积的正电极/负电极活性材料的量的值和电池单体的总正/负电极面积的值的变化，并且这些过程偏差值影响完成的电池单体的性能。
为了测试反映过程偏差的电池单体的实际性能，常规技术制造完成的真实电池单体，并测量完成的单体的容量、电阻和可用范围，或者通过设计图表估计完成的单体的容量。
然而，制造完成的电池单体并测试其性能的方法是最准确的方法，但是因为它需要活化过程，所以需要大量的成本和时间。另外，通过设计图表的估计仅能够用于电池单体的容量，并且不能估计电池单体的电阻和可用范围(例如，作为充电状态的函数的开路电压分布)。
发明内容
技术问题
本公开被设计为解决上述问题，因此本公开旨在提供一种用于在不拆卸电池单体以附连参考电极的情况下测试电池单体的性能的设备和方法。
本公开的这些和其他目的和优点将通过以下描述来理解，并且将从本公开的实施例中变得显而易见。此外，将容易理解，本公开的目的和优点可以通过所附权利要求及其组合中阐述的手段来实现。
技术解决方案
根据本公开的一个方面的用于测试电池单体的性能的设备包括：测量单元，该测量单元电连接到电池单体并且被配置为测量随着电池单体的充电状态(SOC)的变化的电池单体的开路电压(OCV)；存储单元，其被配置为存储表示多个参考单体中的每一个的正电极或负电极的OCV变化的多个分布数据、与存储在处于预定SOC范围的上限的多个参考单体中的每一个的正电极或负电极中的锂离子的量相对应的多个上限、与存储在处于预定SOC范围的下限的多个参考单体中的每一个的正电极或负电极中的锂离子的量相对应的多个下限，以及在电池单体的制造过程中出现的过程偏差值；以及，控制单元，其电连接到测量单元和存储单元。控制单元被配置为基于多个分布数据、多个上限和多个下限，生成表示预定SOC范围中的多个参考单体的OCV变化的多个参考分布数据。控制单元被配置为生成表示预定SOC范围中的电池单体的OCV变化的测量分布数据。控制单元被配置为基于多个参考分布数据、测量分布数据和过程偏差值来确定电池单体的容量、表示预定SOC范围中的电池单体的OCV变化的估计分布数据和电池单体的电阻中的至少一个。
过程偏差值可以包括在电池单体的制造过程中出现的电池单体的每单位面积的正电极活性材料的量的偏差值、每单位面积的负电极活性材料的量的偏差值、总正电极面积的偏差值和总负电极面积的偏差值中的至少一个。
多个分布数据可以包括多个参考单体中的每一个的正电极分布数据和负电极分布数据。多个上限可以包括多个参考单体中的每一个的参考正电极上限和参考负电极上限。多个下限可以包括多个参考单体中的每一个的参考正电极下限和参考负电极下限。正电极分布数据可以表示随着存储在参考单体的正电极中的锂离子的量的变化的参考单体的正电极的OCV变化。负电极分布数据可以表示随着存储在参考单体的负电极中的锂离子的量的变化的参考单体的负电极的OCV变化。参考正电极上限可以表示存储在处于预定SOC范围的上限的参考单体的正电极中的锂离子的量。参考负电极上限可以表示存储在处于预定SOC范围的上限的参考单体的负电极中的锂离子的量。参考正电极下限可以表示存储在处于预定SOC范围的下限的参考单体的正电极中的锂离子的量。参考负电极下限可以表示存储在处于预定SOC范围的下限的参考单体的负电极中的锂离子的量。
控制单元可以被配置为基于多个参考分布数据和测量分布数据来确定电池单体的估计正电极上限、估计正电极下限、估计负电极上限和估计负电极下限。估计正电极上限可以表示存储在处于预定SOC范围的上限的电池单体的正电极中的锂离子的量。估计正电极下限可以表示存储在处于预定SOC范围的下限的电池单体的正电极中的锂离子的量。估计负电极上限可以表示存储在处于预定SOC范围的上限的电池单体的负电极中的锂离子的量。估计负电极下限可以表示存储在处于预定SOC范围的下限的电池单体的负电极中的锂离子的量。
控制单元可以被配置为声明成本函数，该成本函数表示多个参考分布数据与测量分布数据之间的残差平方和。控制单元可以被配置为估计电池单体的估计正电极上限、估计正电极下限、估计负电极上限和估计负电极下限，使得成本函数值最小。
控制单元可以被配置为基于多个分布数据、估计正电极上限、估计正电极下限、估计负电极上限和估计负电极下限来计算电池单体的正电极不可逆容量、负电极不可逆容量和负电极副反应容量。正电极不可逆容量可以表示预定SOC范围之外的电池单体的正电极的不可用容量。负电极不可逆容量可以表示预定SOC范围之外的电池单体的负电极的不可用容量。负电极副反应容量可以表示由形成在电池单体的负电极的表面上的固体电解质界面(SEI)膜生成的副反应容量。
控制单元可以被配置为使用与从估计正电极下限到估计正电极上限的容量范围相对应的正电极可逆容量、与从估计负电极下限到估计负电极上限的容量范围相对应的负电极可逆容量以及电池单体的容量相等来确定电池单体的容量。
控制单元可以被配置为基于过程偏差值和负电极副反应容量来确定电池单体的容量、估计分布数据和电池单体的电阻。
控制单元可以被配置为通过将对应于负电极副反应容量的容量密度常数乘以过程偏差值来估计电池单体的容量。
根据本公开的另一方面的用于测试电池单体性能的方法包括存储表示多个参考单体中的每一个的正电极或负电极的OCV变化的多个分布数据、与存储在处于预定SOC范围的上限的多个参考单体中的每一个的正电极或负电极中的锂离子的量相对应的多个上限、与存储在处于预定SOC范围的下限的多个参考单体中的每一个的正电极或负电极中的锂离子的量相对应的多个下限以及在电池单体的制造过程中出现的过程偏差值，基于多个分布数据、多个上限和多个下限生成表示预定SOC范围中的多个参考单体中的每一个的OCV变化的多个参考分布数据，测量预定SOC范围中的电池单体的OCV，生成表示预定SOC范围中的电池单体的OCV变化的测量分布数据，并基于多个参考分布数据、测量分布数据和过程偏差值确定电池单体的容量、表示预定SOC范围中的电池单体的OCV变化的估计分布数据和电池单体的电阻中的至少一个。
有益效果
根据本公开，可以对测试单体的电化学性能进行测试，考虑在电池单体制造过程中出现的过程偏差，而不拆卸电池单体。因此，可以节省测试电池单体所需的成本和时间。
本公开可以具有多种其他效果，并且这些和其他效果将通过以下描述来理解，并且将从本公开的实施例中变得显而易见。
附图说明
附图示出了本公开的优选实施例，并且与本公开的以下详细描述一起，用于提供对本公开的技术方面的进一步理解，因此本公开不应被解释为局限于附图。
图1是示出根据本公开实施例的用于测试电池单体的性能的设备的功能配置的示意图。
图2和图3是示出由根据本公开实施例的用于测试电池单体的性能的设备进行参考的特定参考单体的正电极开路电压(OCV)分布的示例性示图。
图4和图5是示出由根据本公开实施例的用于测试电池单体的性能的设备进行参考的特定参考单体的负电极OCV分布的示例性示图。
图6是示出由根据本公开实施例的用于测试电池单体的性能的设备进行参考的特定参考单体的两端OCV分布的示例性示图。
图7是示出电池单体的两端OCV分布的示例性示图。
图8和图9是在描述根据本公开实施例的用于测试电池单体的性能的设备估计电池单体10的可用范围的操作时参考的图。
图10和11是在描述根据本公开实施例的用于测试电池单体的性能的设备估计电池单体的容量的操作时参考的图。
图12至14示出了由根据本公开实施例的设备估计的电池单体的性能和电池单体的实际性能之间的比较结果。
图15是示出根据本公开实施例的用于测试电池单体的性能的方法的示意流程图。
具体实施例
在下文中，将参考附图详细描述本公开的优选实施例。在描述之前，应当理解，说明书和所附权利要求中使用的术语或词语不应被解释为限于一般意义和字典意义，而是在允许发明人为了最佳解释而适当定义术语的原则的基础上，基于与本公开的技术方面相对应的意义和概念来解释。
因此，这里描述的实施例和附图中示出的图示仅仅是本公开的最优选实施例，但并不旨在完全描述本公开的技术方面，因此应当理解，在提交申请时可以对其做出各种其他等同物和变化。
此外，在描述本公开时，当认为相关已知元件或功能的详细描述使得本公开的关键主题模糊时，在此省略详细描述。
除非上下文另有明确表示，否则应当理解，当在本说明书中使用时，术语“包括”或“包含”指定所述元件的存在，但不排除一个或多个其他元件的存在或添加。此外，这里使用的术语“控制单元”指的是至少一种功能或操作的处理单元，并且这可以单独地或组合地在硬件或软件中实现。
此外，在整个说明书中，将进一步理解，当一个元件被称为“连接到”另一个元件时，它可以直接连接到另一个元件，或者可以存在中间元件。
在说明书中，电池单体具有负电极端子和正电极端子，并且它指物理上可分离的独立单体。例如，袋式锂聚合物单体可以被视为电池单体。在下文中，为了描述方便，电池单体可以简单地称为“单体”。此外，如下所述的各种电压分布不一定局限于具有连续形状的电压分布，而是可以具有离散形状。
图1是示出根据本公开实施例的用于测试电池单体的性能的设备的功能配置的示意图。
参考图1，该设备包括测量单元200、存储单元100和控制单元300。
测量单元200可电连接到电池单体10。测量单元200可以被配置为测量随着电池单体10的充电状态(SOC)变化的电池单体10的开路电压(OCV)。另外，测量单元200可以电连接到控制单元300，并且将从电池单体10测量的数据发射到控制单元300。例如，如图1所示，测量单元200可以包括电压传感器210、电流传感器220和温度传感器230中的至少一个。响应于从控制单元300提供的控制信号，电压传感器210、电流传感器220和温度传感器230中的至少一个可以单独地测量电池单体10的电压值、电流值和温度值中的至少一个，并将表示测量值的信号发射到控制单元300。
例如，电压传感器210可以使用本领域中常用的电压测量电路来实施。另外，电流传感器220可以使用本领域中常用的霍尔传感器或感测电阻器来实施。另外，温度传感器230可以使用本领域中常用的热电偶来实施。
存储单元100可以被配置为存储表示多个参考单体中的每一个的性能的参考信息。这里，参考信息可以用作测试电池单体10的性能的比较标准。
此外，参考信息包括通过在寿命开始(BOL)对多个参考单体中的每一个进行预测试而预先获得的数据。这里，BOL可以指从最初制造参考单体的时间点到参考单体的充电/放电周期达到预定数量的时间点的时间段。
参考信息可以包括多个分布数据、多个上限、多个下限和过程偏差值。这里，多个分布数据可以是表示多个参考单体中的每一个的正电极或负电极的OCV变化的数据。另外，多个上限可以是与存储在处于预定SOC范围的上限的多个参考单体中的每一个的正电极或负电极中的锂离子的量相对应的值。另外，多个下限可以是与存储在处于预定SOC范围的下限的多个参考单体中的每一个的正电极或负电极中的锂离子的量相对应的值。
过程偏差值可以是在电池单体10的制造过程中出现的值。过程偏差值可以包括下述中的至少一个：在电池单体10的制造过程中出现的电池单体10的每单位面积的正电极活性材料的量的偏差值(例如，单位：mg/cm2)、每单位面积的负电极活性材料的量的偏差值(例如，单位：mg/cm2)、总正电极面积的偏差值(例如，单位：cm2)和总负电极面积的偏差值(例如，单位：cm2)。
例如，过程偏差值可以包括在电池单体10的制造过程中的电极过程中包括的涂覆过程中出现的负载偏差值，以及在电池单体10的制造过程中的组装过程中包括的开槽过程中出现的宽度偏差值和长度偏差值。
存储单元100可以另外存储设备整体操作所需的各种数据、指令和软件。存储单元100不限于特定类型，并且可以包括能够记录和擦除信息的任何存储介质。
例如，存储单元100可以是RAM、ROM、寄存器、硬盘、光记录介质或磁记录介质。另外，存储单元100可以例如通过数据总线电连接到控制单元300，以允许控制单元300访问。此外，存储单元100可以存储和/或更新和/或擦除和/或发射包括由控制单元300执行的各种控制逻辑的程序和/或在执行控制逻辑时创建的数据。存储单元100可以逻辑上分成两个或更多个。
控制单元300可以可操作地耦合到测量单元200和存储单元100，并且与测量单元200和存储单元100交换电信号。控制单元300可以从测量单元200和存储单元100接收多个分布数据、多个上限和多个下限。
控制单元300可以基于多个分布数据、多个上限和多个下限来生成多个参考分布数据，该多个参考分布数据表示预定SOC范围中的多个参考单体中的每一个的OCV变化。每个参考分布数据表示每个参考单体的正电极OCV分布和负电极OCV分布之间的差异，该差异表示与每个参考单体相关联的分布数据，即，跨每个参考单体的两端的OCV分布。
除了多个参考单体之外，控制单元300可以生成与电池单体10相关联的测量分布数据。这里，电池单体10可以被设计和制造成具有与多个参考单体相同的电化学性质。然而，例如，由于过程偏差，电池单体10与至少一个参考单体之间的实际性能可能存在差异。
控制单元300可以生成测量分布数据，该测量分布数据表示由测量单元200测量的跨预定SOC范围中的电池单体10的两端的OCV变化。更详细地，控制单元300可以基于从测量单元200提供的电池单体10的电压数据，生成表示跨预定SOC范围中的电池单体10的两端的OCV分布的测量分布数据。也就是说，测量分布数据表示跨预定SOC范围中的电池单体10的两端的OCV变化。
此外，控制单元300可以被配置成通过参考存储在存储单元100中的数据和指令或执行软件以非破坏性方式测试电池单体10的电化学性能。也就是说，控制单元300可以基于从测量单元200和存储单元100获得的信息来测试电池单体10的电化学性能。
控制单元300可以执行用于电池单体10的电压值测量、电流值测量、温度值测量、SOC估计和健康状态(SOH)估计中的至少一个的软件。
详细地，控制单元300可以基于从测量单元200和存储器获得的信息生成多个参考分布数据和测量分布数据。另外，控制单元300可以基于多个参考分布数据、测量分布数据和过程偏差值来确定电池单体10的容量、表示跨预定SOC范围中的电池单体10的两端的OCV变化的估计分布数据和电池单体10的电阻中的至少一个。
控制单元300可以被实施为使得它选择性地包括处理器、专用集成电路(ASIC)、芯片组、逻辑电路、寄存器、通信调制解调器和/或本领域已知的执行上述操作的数据处理设备。
该设备还可以包括输出单元400。输出单元400以用户可识别的形式输出由控制单元300处理的数据。例如，输出单元400可以包括以视觉形式输出由控制单元300处理的数据的显示器。
在另一个示例中，输出单元400可以包括扬声器，该扬声器以听觉形式输出由控制单元300处理的数据。用户可以通过输出单元400接收电池单体10的测试结果。
在下文中，假设每个参考单体和电池单体10的正电极和负电极分别是Lix(NMC)O2和LiyC6，并且导致每个参考单体和电池单体10充电和放电的电化学反应中涉及的工作离子是锂离子(Li+)。这里，x是表示存储在正电极中的锂离子的量的化学计量值，y是表示存储在负电极中的锂离子的量的化学计量值。例如，NMC可以是金属元素，诸如镍、锰、镁和铝。
此外，假设预定的SOC范围在0与1之间。单体的SOC为1表示跨单体的两端的电压达到预设上限电压，单体被完全充电，单体的SOC为0表示跨电池的两端的电压达到预设下限电压，电池被完全放电。
图2和图3是示出由根据本公开实施例的用于测试电池单体性能的设备进行参考的特定参考单体的正电极OCV分布的示例性示图。
首先，参考图2，示出的是在通过参考单体的预实验在第一实验值x1与第二实验值x2之间的范围内调节存储在参考单体的正电极(Lix(NMC)O2)中的锂离子的量x时测量的参考单体的正电极OCV分布Up(x)。这里，参考单体的正电极OCV是参考单体的正电极电势与参考电势(例如，0V)之间的差异。
根据图2所示的参考单体的正电极OCV分布Up(x)，随着存储在参考单体的正电极中的锂离子的量x从第一实验值x1向第二实验值x2增加，参考单体的正电极OCV逐渐减小。这里，锂离子的量x可以由以下方程式1确定。
<方程式1>
x＝Pi+(1-SOC)×(Pf-Pi)
这里，x是锂离子的量，Pi是参考正电极下限，Pf是参考正电极上限，SOC是参考单体的SOC。在该实例中，Pf和Pi是预定义的常数，x取决于SOC的变化。也就是说，当x和SOC中的一个已知时，另一个也将已知。
结合图2参考图3，控制单元300可以将图2所示的正电极OCV分布Up(x)转换成作为参考单体的SOC的函数的正电极电压分布Up(SOC)。也就是说，控制单元300可以使用方程式1从图2的Up(x)获得图3的Up(SOC)。根据图3所示的正电极电压分布Up(SOC)，随着SOC从0向1增加，参考单体的正电极OCV逐渐增加。
存储在存储单元100中的多个分布数据可以包括多个参考单体中的每一个的正电极分布数据。
详细地，正电极分布数据表示随着存储在参考单体的正电极中的锂离子的量变化的参考单体的正电极的OCV变化。也就是说，正电极分布数据可以是正电极OCV分布(Up(x))。例如，随着参考单体的充电周期增加，存储在参考单体的正电极中的锂离子的量逐渐减小，而参考单体的正电极的电势逐渐增加。
存储在存储单元100中的多个上限可以包括多个参考正电极上限。
详细地，参考正电极上限对应于存储在处于预定SOC范围的上限的参考单体的正电极中的锂离子的量。更详细地，参考正电极上限是指下述化学计量值：其在0与1之间的范围中表示基于第一阈值的从第一阈值减去第一实验值获得的值，该第一实验值表示在参考单体的SOC达到预定SOC范围的上限的时间点存储在参考单体的正电极中的工作离子的量，其中第一阈值表示可以存储在参考单体的正电极中的工作离子(例如锂离子)的最大量。例如，如果当参考单体的SOC达到预定SOC范围的上限时存储在参考单体的正电极中的工作离子的量是第一阈值的10％，则参考正电极上限是(100％-10％)/100％＝0.90。
存储在存储单元100中的多个下限可以包括多个参考正电极下限。
详细地，参考正电极下限对应于存储在处于预定SOC范围的下限的参考单体的正电极中的锂离子的量。更详细地，参考正电极下限是指下述化学计量值：其在0与1之间的范围中表示基于第一阈值的从第一阈值减去第二实验值获得的值，该第二实验值表示在参考单体的SOC达到预定SOC范围的下限的时间点存储在参考单体的正电极中的工作离子的量。例如，如果当参考单体的SOC达到预定SOC范围的下限时存储在参考单体的正电极中的工作离子的量是第一阈值的80％，则参考正电极下限是(100％-80％)/100％＝0.20。
随着参考单体的SOC减小，存储在参考单体的正电极中的工作离子的量增加。因此，参考正电极下限低于参考正电极上限。
图4和图5是示出由根据本公开实施例的用于测试电池单体性能的设备进行参考的特定参考单体的负电极OCV分布的示例性示图。
首先，参考图4，示出的是在通过参考单体的预实验在第三实验值y1与第四实验值y2之间的范围内调节存储在参考单体的负电极(LiyC6)中的锂离子的量y时测量的参考单体的负电极OCV分布UN(y)。参考单体的负电极OCV是参考单体的负电极电势与参考电势(例如，0V)之间的差异。
根据图4所示的参考单体的负电极OCV分布UN(y)，随着存储在参考单体负电极中的锂离子的量y从第三实验值y1向第四实验值y2增加，参考单体的负电极OCV逐渐减小。这里，锂离子的量y可以由以下方程式2确定。
<方程式2>
y＝Ni+SOC×(Nf-Ni)
这里，y是锂离子的量，Ni是参考负电极下限，Nf是参考负电极上限，并且SOC是参考单体的SOC。在该实例中，Nf和Ni是预定义的常数，y取决于SOC的变化。也就是说，当y和SOC中的一个已知时，另一个也将已知。
结合图4参考图5，控制单元300可以将负电极OCV分布UN(y)转换成作为参考单体的SOC的函数的负电极电压分布UN(SOC)。也就是说，控制单元300可以使用上述方程式2从图4的UN(y)获得图5的UN(SOC)。根据图5所示作为参考单体的SOC的函数的负电极电压分布UN(SOC)，随着SOC从0增加到1，参考单体的负电极OCV逐渐减小。
存储在存储单元100中的多个分布数据可以包括多个参考单体中的每一个的负电极分布数据。
详细地说，负电极分布数据表示随着存储在参考单体负电极中的锂离子的量的变化的参考单体的负电极的OCV变化。也就是说，负电极分布数据可以是负电极OCV分布UN(y))。例如，随着参考单体的充电周期的增加，存储在参考单体的负电极中的锂离子的量逐渐增加，而参考单体负电极的电势逐渐降低。
存储在存储单元100中的多个上限可以包括多个参考单体中的每一个的参考负电极上限。
此外，参考负电极上限对应于存储在处于预定SOC范围的上限的参考单体的负电极中的锂离子的量。更详细地，参考负电极上限是下述化学计量值：其在0与1之间的范围中表示基于第二阈值的第三实验值，该第三实验值表示在参考单体的SOC达到预定SOC范围的上限的时间点存储在参考单体的负电极中的工作离子的量，该第二阈值表示可以存储在参考单体的负电极中的工作离子(例如锂离子)的最大量。例如，如果当参考单体的SOC达到预定SOC范围的上限时存储在参考单体的负电极中的工作离子的量是第二阈值的95％，则参考负电极上限是95％/100％＝0.95。
存储在存储单元100中的多个下限可以包括多个参考单体中的每一个的参考负电极下限。
参考负电极下限对应于存储在处于预定SOC范围的下限的参考单体的负电极中的锂离子的量。更详细地，参考负电极下限是指下述化学计量值：其在0和1之间的范围中表示基于第二阈值的第四实验值，该第四实验值表示在参考单体的SOC达到预定SOC范围的下限的时间点存储在参考单体的负电极中的工作离子的量。例如，如果当参考单体的SOC达到预定SOC范围的下限时存储在参考单体的负电极中的工作离子的量是第二阈值的5％，则参考负电极下限是5％/100％＝0.05。
随着参考单体的SOC减小，存储在参考单体的负电极中的工作离子的量减小。因此，参考负电极下限低于参考负电极上限。
图6是示出由根据本公开实施例的用于测试电池单体性能的设备进行参考的特定参考单体的两端OCV分布的示例性示图。
参考图6，示出了作为参考单体的SOC的函数的两端OCV分布UR(SOC)。这里，UR(SOC)可以在0与1之间的SOC范围中从图3中所示的正电极电压分布UP(SOC)与图5中所示的负电极电压分布UN(SOC)之间的差异获得。
如上所述，正电极电压分布UP(SOC)与正电极分布数据、参考正电极上限和参考正电极下限相关联，负电极电压分布UN(SOC)与负电极分布数据、参考负电极上限和参考负电极下限相关联。因此，控制单元300可以基于正电极分布数据、负电极分布数据、参考正电极上限、参考正电极下限、参考负电极上限和参考负电极下限来生成表示特定参考单体的两端OCV分布UR(SOC)的参考分布数据。
图7是示出电池单体的两端OCV分布的示例性示图。
参照图7，示出了作为电池单体10的SOC的函数的两端OCV分布UT(SOC)。这里，UT(SOC)表示由测量单元200测量的随着电池单体10的SOC在预定的SOC范围(例如，0～1)中变化的跨电池单体10的两端的OCV变化。
如上所述，控制单元300可以基于从测量单元200提供的测量的电压值生成测量分布数据。
例如，在图7所示的UT(SOC)中，在电池单体10的SOC为0时由测量单元200测量的电池单体10的OCV为2.611伏，并且在电池单体10的SOC为1时由测量单元200测量的电池单体10的OCV为4.198伏。
该设备是估计由于在电池单体10的制造过程中出现的过程偏差而变化的完成的单体的电化学性能的设备。为了便于估计，假设跨电池单体10的两端的OCV的下限2.611伏和上限4.198伏是固定的，而与电池单体10相关联的SOC-OCV曲线由于过程偏差而变化，则该设备估计电池单体10的SOC-OCV曲线，即，跨两端的OCV根据SOC的分布。
图8和9是用于描述其中根据本公开实施例的用于测试电池单体的性能的设备估计电池单体10的可用范围的操作时参考的图。
参考图8和9，控制单元300可以估计电池单体10的估计正电极上限Pf、估计正电极下限Pi、估计负电极上限Nf和估计负电极下限Ni。详细地，当测量分布数据的生成完成时，控制单元300可以基于多个参考分布数据和测量分布数据来确定电池单体10的估计正电极上限、估计正电极下限、估计负电极上限和估计负电极下限。
这里，估计正电极上限表示当电池单体10的SOC等于预定SOC范围的上限时存储在电池单体10的正电极中的工作离子的估计量。详细地，估计正电极上限是指下述化学计量值：该化学计量值在0和1之间的范围内表示基于第一阈值的通过从第一阈值减去第一估计值获得的值，该第一估计值表示在电池单体10的SOC达到预定SOC范围的上限的时间点存储在电池单体10的正电极中的工作离子的估计量。例如，如果第一估计值是第一阈值的5％，则估计正电极上限是(100％-5％)/100％＝0.95。
估计正电极下限表示当电池单体10的SOC等于预定SOC范围的下限时存储在电池单体10的正电极中的工作离子的估计量。详细地，估计正电极下限是指下述化学计量值：该化学计量值在0和1之间的范围内表示基于第一阈值的从第一阈值减去第二估计值获得的值，该第二估计值表示在电池单体10的SOC达到预定SOC范围的下限的时间点存储在电池单体10的正电极中的工作离子的估计量。例如，如果第二估计值是第一阈值的95％，则估计正电极下限是(100％-95％)/100％＝0.05。这里，随着电池单体10的SOC降低，存储在电池单体10的正电极中的工作离子的量增加，因此估计正电极下限低于估计正电极上限。
估计负电极上限表示当电池单体10的SOC等于预定SOC范围的上限时存储在电池单体10的负电极中的工作离子的估计量。详细地，估计负电极上限是指下述化学计量值：该化学计量值在0和1之间的范围内表示基于第二阈值的第三估计值，该第三估计值表示在电池单体10的SOC达到预定SOC范围的上限的时间点存储在电池单体10的负电极中的工作离子的估计量。例如，如果当电池单体10的SOC达到预定SOC范围的上限时存储在电池单体10的负电极中的工作离子的量是第二阈值的90％，则估计负电极上限是90％/100％＝0.90。
估计负电极下限表示当电池单体10的SOC等于预定SOC范围的下限时存储在电池单体10的负电极中的工作离子的估计量。详细地，估计负电极下限是指下述化学计量值：该化学计量值在0和1之间的范围内表示基于第二阈值的第四估计值，该第四估计值表示在电池单体10的SOC达到预定SOC范围的下限的时间点存储在电池单体的负电极中的工作离子的估计量。例如，如果当电池单体10的SOC达到预定SOC范围的下限时存储在电池单体10的负电极中的工作离子的量是第二阈值的10％，则估计负电极下限是10％/100％＝0.10。这里，随着电池单体10的SOC降低，存储在电池单体10的负电极中的工作离子的量减少，因此估计负电极下限低于估计负电极上限。
控制单元300可以声明成本函数，该成本函数表示图7所示的两端OCV分布UT(SOC)与图6所示的两端OCV分布UR(SOC,θ)之间的残差平方和。从多个参考分布数据和测量分布数据中的每一个获得的n个样本值被用作成本函数的输入值。成本函数可以表达为以下方程式3。
<方程式3>
这里，SOCi是样本值中的任一个，而S(θ)是成本函数。假设给定任意θ时，UR(SOC,θ)和UT(SOC)完全匹配。在这种情况下，显然，成本函数的输出值是0，并且控制单元300可以计算电池单体10的可用范围等于θ。在这方面，控制单元300可以通过预设概率模型估计表示电池单体10的可用范围的参数，使得成本函数值最小。在这种情况下，电池单体10的可用范围代表电池单体10的性能。
以下算法可用于根据成本函数估计电池单体10的可用范围。
1)基于梯度的优化算法：fmincon、fminsearch
2)全局优化算法：模拟退火、遗传算法
3)马尔可夫链蒙特卡洛(Markov Chain Monte Carlo：MCMC)算法：梅特罗波利斯-黑斯廷斯(Metropolis-Hastings)、吉布斯(Gibbs)采样
当然，应该理解，可以使用除上述算法或贝叶斯(Bayesian)估计方案之外的优化算法来估计电池单体10的可用范围。
参考图8，示出了直方图，直方图示出了与使用概率模型根据成本函数计算的电池单体10的可用范围相关的四个参数Pf、Pi、Nf、Ni中的每一个的后验分布。在每个直方图中，横轴表示参数值，纵轴表示概率。
例如，控制单元300可以根据每个后验分布将符合预设规则(例如，具有最大概率值)的特定参数值估计为电池单体10的估计正电极上限、估计正电极下限、估计负电极上限和估计负电极下限。
参考图9，控制单元300可以确定满足跨电池单体10的两端的OCV的下限2.611V和上限4.198V的电池单体10的估计正电极上限Pf、估计正电极下限Pi、估计负电极上限Nf和估计负电极下限Ni。
详细地，控制单元300可以将来自图3所示的Up(SOC)、图5所示的UN(SOC)和图7所示的UT(SOC)的Up(SOC)、UT(SOC)和UN(SOC)的、在SOC 0处在纵轴上的点确定为估计正电极下限Pi和估计负电极下限Ni。另外，控制单元300可以将Up(SOC)、UT(SOC)和UN(SOC)的在SOC 1处在纵轴上的点确定为估计正电极上限Pf和估计负电极上限Nf。例如，在估计正电极下限Pi的点处的OCV与在估计负电极下限Ni的点处的OCV之间的电压差可以是2.611伏。另外，在估计正电极上限Pf的点处的OCV与在估计负电极上限Nf的点处的OCV之间的电压差可以是4.198伏。
作为参考，在图9的曲线图中，P0表示正电极的SOC为0的点的OCV，P1表示正电极的SOC为1的点的OCV。另外，N0表示负电极的SOC为0的点的OCV，N1表示负电极的SOC为1的点的OCV。
图10和11是在描述由根据本公开的实施例的用于测试电池单体的性能的设备估计电池单体的容量的操作时进行参考的图。
参照图10，示出了电池单体10的正电极不可逆容量QP(loss)、正电极可逆容量QP(use)和容量(QT)之间的关系。另外，参照图11，示出了电池单体10的负电极副反应容量QN(sei)、负电极不可逆容量QN(loss)、负电极可逆容量QN(use)和容量(QT)之间的关系。
控制单元300可以基于电池单体10的多个分布数据以及估计正电极上限、估计正电极下限、估计负电极上限和估计负电极下限来估计电池单体10的正电极不可逆容量、负电极不可逆容量和负电极副反应容量。
这里，正电极可逆容量表示预定SOC范围中的电池单体10的正电极的可用容量。负电极可逆容量表示预定SOC范围中的电池单体10的负电极的可用容量。正电极不可逆容量表示预定SOC范围之外的电池单体10的正电极的不可用容量。负电极不可逆容量表示预定SOC范围之外的电池单体10的负电极的不可用容量。另外，负电极副反应容量表示由形成在电池单体10的负电极表面上的固体电解质界面(SEI)膜生成的负电极的副反应容量。
详细地，控制单元300可以基于多个参考单体中的每一个的正电极分布数据、多个参考单体中的每一个的负电极分布数据、估计正电极上限、估计正电极下限、估计负电极上限和估计负电极下限来估计电池单体10的容量。
控制单元300可以使用与从估计正电极下限到估计正电极上限的容量范围相对应的正电极可逆容量、与从估计负电极下限到估计负电极上限的容量范围相对应的负电极可逆容量以及电池单体10的容量相等来估计电池单体10的容量。
更详细地，控制单元300可以使用以下方程式4和5来估计电池单体的容量。
<方程式4>
QT＝QP(Pf)-QP(Pi)
这里，QT表示电池单体10的容量，QP表示正电极可逆容量，Pf表示估计正电极上限，Pi表示估计正电极下限。
<方程式5>
QT＝QN(Nf)-QN(Ni)
这里，QT表示电池单体的容量，QN表示负电极可逆容量，Nf表示估计负电极上限，Ni表示估计负电极下限。
控制单元300可以基于估计正电极上限、估计正电极下限、估计负电极上限和估计负电极下限，根据从正电极分布数据和负电极分布数据获得的正电极可逆容量和负电极可逆容量来估计电池单体10的容量。
控制单元300可以使用以下方程式6来计算预定SOC范围中的电池单体10的不可逆容量。
<方程式6>
Q(loss)＝QP×Pi-QN×Ni
这里，Q(loss)是电池单体10的不可逆容量。(QP×Pi)表示电池单体10的正电极不可逆容量。(QN×Ni)表示电池单体10的负电极不可逆容量。
控制单元300可以使用以下方程式7计算电池单体10的负电极副反应容量。
<方程式7>
QP(loss)+QP×Pi＝QN(loss)+QN(sei)+QN×Ni
这里，QP(loss)表示电池单体10的正电极不可逆容量，QP表示正电极可逆容量，Pi表示估计正电极下限。另外，QN(loss)表示电池单体10的负电极不可逆容量，QN(sei)表示电池单体的负电极副反应容量，QN表示负电极可逆容量，Ni表示估计负电极下限。
控制单元300可以基于从正电极分布数据和负电极分布数据获得的正电极不可逆容量和负电极不可逆容量，使用上述方程式6计算电池单体10的不可逆容量。
控制单元300可以基于过程偏差值和负电极副反应容量来估计电池单体10的容量、估计分布数据和电池单体10的电阻。详细地，控制单元300可以估计反映过程偏差值的估计正电极上限、估计正电极下限、估计负电极上限和估计负电极下限，并且基于此，可以估计电池单体10的容量、估计分布数据和电池单体10的电阻。
控制单元300可以使用以下方程式8计算电池单体10的容量密度常数。
<方程式8>
这里，QS是容量密度常数。容量密度常数的单位可以用每单位质量的容量来表示。例如，容量密度常数的单位可以是mAh/g。另外，QN(sei)表示电池单体10的负电极副反应容量，Rloading表示参考单体中每单位面积的负电极活性材料的量的值(例如，单位：mg/cm2)，Rwidth×Rlength表示参考单体的总负电极面积(例如，单位：cm2)的值。这里，Rloading和Rwidth×Rlength可以预先存储在存储单元100中。
电池单体10的容量密度常数是与电池单体10的负电极副反应容量的值成比例的值。也就是说，电池单体10的容量密度常数对应于电池单体10的负电极副反应容量的值。
控制单元300可以通过将对应于负电极副反应容量的容量密度常数乘以过程偏差值来估计电池单体10的容量。
控制单元300可以通过使用以下方程式9将容量密度常数乘以过程偏差值来计算电池单体10的容量。
<方程式9>
QT＝QS×Tloading×Twidth×Tlength
这里，QT表示电池单体10的容量，QS表示电池单体10的容量密度常数，Tloading表示电池单体10的每单位面积的正电极活性材料或负电极活性材料的量的值(例如，单位：mg/cm2)。Twidth×Tlength表示电池单体10的正电极或负电极的总面积的值(例如，单位：cm2)。Twidth表示电池单体10的正电极或负电极的宽度的值(例如，单位：cm)。Tlength表示电池单体10的正电极或负电极的长度的值(例如，单位：cm)。上述计算结果可以通过输出单元提供给用户。这里，Tloading和Twidth×Tlength可以预先存储在存储单元100中。
控制单元300可以使用上述方程式9计算反映过程偏差值的电池单体10的容量、表示电池单体10的两端OCV变化的估计分布数据以及电池单体10的电阻。这里，Tloading、Twidth和Tlength可以是反映在电池单体10的制造过程中出现的过程偏差值的值。详细地，Tloading可以反映电池单体10中每单位面积的正电极活性材料或负电极活性材料的量的偏差值。Twidth可以反映电池单体10的正电极或负电极的宽度的偏差值。Tlength可以反映电池单体10的正电极或负电极的长度的偏差值。
详细地，控制单元300可以基于电池单体10中每单位面积的正电极活性材料的量和电池单体10的总正电极面积的值来估计反映过程偏差值的电池单体10的正电极可逆容量、正电极不可逆容量、估计正电极上限和估计正电极下限。
控制单元300可以基于电池单体10中每单位面积的负电极活性材料的量和电池单体10的总负电极面积的值来确定反映过程偏差值的电池单体10的负电极可逆容量、负电极不可逆容量、估计负电极上限和估计负电极下限。
控制单元300可以基于估计结果来估计电池单体10的容量和表示跨预定SOC范围中的电池单体10的两端的OCV变化的估计分布数据。
控制单元300可以基于估计结果来估计电池单体10的电阻。例如，可以使用通过从当电池单体10的SOC为0.5时的OCV进行10秒的电池单体10的放电实验获得的OCV随时间的变化来计算电池单体10的电阻。在这种情况下，可以使用反映过程偏差值的OCV和SOC-OCV表来估计反映过程偏差值的电池单体10的电阻。
在估计电池单体10的容量、电池单体10的估计分布数据和电池单体10的电阻的过程中，控制单元300可以使用上述估计方案和模拟方案(例如SIMBA电池模拟)以及上述方程式。
用于测试电池单体10的性能的上述设备可以测试由于电池单体10的制造过程中出现的过程偏差而导致的电池单体10的容量的偏差。此外，该设备可以测试由过程偏差导致的电池单体10的SOC-OCV分布的偏差。另外，该设备可以测试由过程偏差导致的电池单体10的电阻的偏差。
图12至14示出了由根据本公开实施例的设备估计的电池单体的性能与电池单体的实际性能之间的比较结果。
首先，参照图12，示出了与电池单体10的容量相关的比较例、示例和实验值的正态分布曲线。比较例是示出了使用设计图表常规地估计的电池单体10的容量的正态分布曲线。示例是示出由该设备估计的电池单体10的容量的正态分布曲线。实验值是示出电池单体10的实际容量的测量值的正态分布曲线。如图12所示，示例的正态分布曲线比比较例更接近实验值的正态分布曲线。
也就是说，图12所示的比较结果支持当使用该设备时可以在不拆卸电池单体10的情况下很好地获得对应于电池单体10的实际性能的容量测试结果。
参考图13，示出了根据本公开实施例的电池单体10的SOC-OCV曲线，即，表示跨预定SOC范围中的电池单体10的两端的OCV变化的估计分布数据。为了便于描述，图13示出了在SOC 0.52与SOC 0.64之间的范围中估计的多个电池单体10的SOC-OCV曲线。
该设备可以通过反映在电池单体10的制造过程中出现的过程偏差值来估计每个电池单体10的不同SOC-OCV曲线。相反，在使用设计图表的比较例的情况下，可能仅估计一个SOC-OCV曲线。
图13的曲线图示出了在电池单体10的SOC-OCV曲线的最大值UT(max)与电池单体10的SOC-OCV曲线的最小值UT(min)之间的范围中估计的多个电池单体10的SOC-OCV曲线。这里，表示电池单体10的实际测量的SOC-OCV曲线的实验值分布在UT(max)与UT(min)之间。
如图13所示，示例的SOC-OCV曲线的分布可以比比较例更准确地估计实验值的SOC-OCV曲线。此外，可以估计反映过程偏差的准确SOC-OCV曲线。通过此，该设备可以估计接近真实实验值的SOC-OCV曲线，并且向电池管理***(BMS)提供准确的SOC-OCV曲线。
也就是说，图13所示的比较结果支持当使用该设备时可以在不拆卸电池单体10的情况下很好地获得对应于电池单体10的实际性能的SOC-OCV曲线测试结果。
参考图14，示出了示例的正态分布曲线和与电池单体10的电阻相关的实验值。示例是示出由该设备估计的电池单体10的电阻的正态分布曲线。实验值是示出电池单体10的实际电阻的测量值的正态分布曲线。图14示出了示例的正态分布曲线接近实验值的正态分布曲线。相反，使用设计图表测试电池单体的性能的常规方法不能估计电池单体10的电阻。
也就是说，图14所示的比较结果支持当使用该设备时可以在不拆卸电池单体10的情况下很好地获得对应于电池单体10的实际性能的电阻测试结果。
图15是示出根据本公开实施例的用于测试电池单体性能的方法的示意流程图。
参考图15，在步骤S100中，存储单元100存储表示多个参考单体中的每一个的正电极或负电极的OCV变化的多个分布数据、与存储在处于预定SOC范围的上限的多个参考单体中的每一个的正电极或负电极中的锂离子的量相对应的多个上限、与存储在处于预定SOC范围的下限的多个参考单体中的每一个的正电极或负电极中的锂离子的量相对应的多个下限以及在电池单体10的制造过程中出现的过程偏差值。
在步骤S110中，控制单元300基于多个分布数据、多个上限和多个下限生成多个参考分布数据，该多个参考分布数据表示预定SOC范围中的多个参考单体中的每一个的OCV变化。
在步骤S120中，随着电池单体10的SOC变化，测量单元200测量跨电池单体10的两端的OCV。
在步骤S130中，控制单元300生成测量分布数据，该测量分布数据表示通过测量电池单体10的OCV的步骤测量的跨预定SOC范围中电池单体10的两端的OCV变化。
随后，在步骤S140中，控制单元300基于多个参考分布数据、测量分布数据和过程偏差值来确定电池单体10的容量、表示跨预定SOC范围中的电池单体10的两端的OCV变化的估计分布数据和电池单体10的电阻中的至少一个。
在上述步骤S140中，控制单元300基于多个参考分布数据和测量分布数据来估计电池单体10的估计正电极上限、估计正电极下限、估计负电极上限和估计负电极下限。估计正电极上限表示存储在处于预定SOC范围的上限的电池单体10的正电极中的锂离子的量。估计正电极下限表示存储在处于预定SOC范围的下限的电池单体10的正电极中的锂离子的量。估计负电极上限表示存储在处于预定SOC范围的上限的电池单体10的负电极中的锂离子的量。估计负电极下限表示存储在处于预定SOC范围的下限的电池单体10的负电极中的锂离子的量。
在上述步骤S140中，控制单元300声明表示多个参考分布数据与测量分布数据之间的残差平方和的成本函数。随后，控制单元300可以确定电池单体10的估计正电极上限、估计正电极下限、估计负电极上限和估计负电极下限，使得成本函数的值最小。
在上述步骤S140中，控制单元300可以基于多个分布数据和电池单体10的估计正电极上限、估计正电极下限、估计负电极上限和估计负电极下限来计算电池单体10的正电极不可逆容量、负电极不可逆容量和负电极副反应容量。正电极不可逆容量表示除预定SOC范围之外的电池单体10的正电极的不可用容量。负电极不可逆容量表示除预定SOC范围之外的电池单体10的负电极的不可用容量。负电极副反应容量可以表示由形成在电池单体10的负电极表面上的SEI膜生成的副反应容量。
在上述步骤S140中，控制单元300可以基于与从估计正电极下限到估计正电极上限的容量范围相对应的正电极可逆容量、与从估计负电极下限到估计负电极上限的容量范围相对应的负电极可逆容量以及电池单体10的容量相等来估计电池单体10的容量。
在上述步骤S140中，控制单元300可以基于过程偏差值和负电极副反应容量来估计电池单体10的容量、估计分布数据和电池单体10的电阻。
在上述步骤S140中，控制单元300可以通过将与负电极副反应容量相关联的容量密度常数乘以过程偏差值来估计电池单体10的容量。
当控制逻辑实施为软件时，控制单元300可以实施为一组程序模块。在这种情况下，程序模块可以存储在存储设备中并由处理器执行。
如果控制逻辑中至少一个可以被组合，并且组合的控制逻辑可以被写入计算机可读编码***以允许计算机访问和读取，则对控制单元300的控制逻辑的类型没有特别的限制。例如，记录介质包括选自ROM、RAM、寄存器、CD-ROM、磁带、硬盘、软盘和光学数据记录设备的至少一种。另外，编码***可以以分布式方式在经由网络连接的计算机中存储和执行。另外，用于实施组合控制逻辑的功能程序、代码和代码段可以由本公开所属技术领域的程序员容易地推断。
尽管上文已经关于有限数量的实施例和附图描述了本公开，但是本公开不限于此，并且本领域技术人员可以在本公开的技术方面和所附权利要求的等效范围内对其进行各种修改和改变。
Claims (10)
1.一种用于测试电池单体的性能的设备，包括：
测量单元，所述测量单元电连接到所述电池单体，并且被配置为测量随着所述电池单体的充电状态SOC的变化的所述电池单体的开路电压OCV；
存储单元，所述存储单元被配置为存储表示多个参考单体中的每一个的正电极或负电极的OCV变化的多个分布数据，与存储在处于预定SOC范围的上限的多个参考单体中的每一个的正电极或负电极中的锂离子的量相对应的多个上限，与存储在处于所述预定SOC范围的下限的多个参考单体中的每一个的正电极或负电极中的锂离子的量相对应的多个下限，以及在所述电池单体的制造过程中出现的过程偏差值；以及
控制单元，所述控制单元电连接到所述测量单元和所述存储单元，
其中，所述控制单元被配置成：
基于所述多个分布数据、所述多个上限和所述多个下限，生成表示所述预定SOC范围中的多个参考单体的OCV变化的多个参考分布数据，
生成表示所述预定SOC范围中的所述电池单体的OCV变化的测量分布数据，以及
基于多个参考分布数据、所述测量分布数据和所述过程偏差值，确定所述电池单体的容量、表示所述预定SOC范围中的所述电池单体的OCV变化的估计分布数据和所述电池单体的电阻中的至少一个。
2.根据权利要求1所述的设备，其中，所述过程偏差值包括在所述电池单体的制造过程中出现的所述电池单体的每单位面积的正电极活性材料的量的偏差值、每单位面积的负电极活性材料的量的偏差值、总正电极面积的偏差值和总负电极面积的偏差值中的至少一个。
3.根据权利要求1所述的设备，其中，所述多个分布数据包括所述多个参考单体中的每一个的正电极分布数据和负电极分布数据，
所述多个上限包括所述多个参考单体中的每一个的参考正电极上限和参考负电极上限，
所述多个下限包括所述多个参考单体中的每一个的参考正电极下限和参考负电极下限，
所述正电极分布数据表示随着存储在所述参考单体的所述正电极中的锂离子的量的变化的所述参考单体的所述正电极的OCV变化，
所述负电极分布数据表示随着存储在所述参考单体的所述负电极中的锂离子的量的变化的所述参考单体的所述负电极的OCV变化，
所述参考正电极上限表示存储在处于所述预定SOC范围的上限的参考单体的正电极中的锂离子的量，
所述参考负电极上限表示存储在处于所述预定SOC范围的上限的参考单体的负电极中的锂离子的量，
所述参考正电极下限表示存储在处于所述预定SOC范围的下限的参考单体的正电极中的锂离子的量，并且
所述参考负电极下限表示存储在处于所述预定SOC范围的下限的参考单体的负电极中的锂离子的量。
4.根据权利要求2所述的设备，其中，所述控制单元被配置为基于所述多个参考分布数据和所述测量分布数据来确定所述电池单体的估计正电极上限、估计正电极下限、估计负电极上限和估计负电极下限，
所述估计正电极上限表示存储在处于所述预定SOC范围的上限的电池单体的正电极中的锂离子的量，
所述估计正电极下限表示存储在处于所述预定SOC范围的下限的电池单体的正电极中的锂离子的量，
所述估计负电极上限表示存储在处于所述预定SOC范围的上限的电池单体的负电极中的锂离子的量，并且
所述估计负电极下限表示存储在处于所述预定SOC范围的下限的电池单体的负电极中的锂离子的量。
5.根据权利要求4所述的设备，其中，所述控制单元被配置成：
声明表示所述多个参考分布数据与所述测量分布数据之间的残差平方和的成本函数，以及
估计所述电池单体的所述估计正电极上限、所述估计正电极下限、所述估计负电极上限和所述估计负电极下限，使得所述成本函数值最小。
6.根据权利要求5所述的设备，其中，所述控制单元被配置为基于所述多个分布数据、所述估计正电极上限、所述估计正电极下限、所述估计负电极上限和所述估计负电极下限来计算所述电池单体的正电极不可逆容量、负电极不可逆容量和负电极副反应容量，
所述正电极不可逆容量表示所述预定SOC范围之外的电池单体的正电极的不可用容量，
所述负电极不可逆容量表示所述预定SOC范围之外的电池单体的负电极的不可用容量，并且
所述负电极副反应容量表示由形成在所述电池单体的所述负电极的表面上的固体电解质界面(SEI)膜生成的副反应容量。
7.根据权利要求6所述的设备，其中，所述控制单元被配置为使用与从所述估计正电极下限到所述估计正电极上限的容量范围相对应的正电极可逆容量、与从所述估计负电极下限到所述估计负电极上限的容量范围相对应的负电极可逆容量以及所述电池单体的容量相等来确定所述电池单体的容量。
8.根据权利要求6所述的设备，其中，所述控制单元被配置为基于所述过程偏差值和所述负电极副反应容量来确定所述电池单体的容量、所述估计分布数据和所述电池单体的电阻。
9.根据权利要求8所述的设备，其中，所述控制单元被配置为通过将对应于所述负电极副反应容量的容量密度常数乘以所述过程偏差值来估计所述电池单体的容量。
10.一种用于测试电池单体的性能的方法，包括：
存储表示多个参考单体中的每一个的正电极或负电极的开路电压OCV变化的多个分布数据，与存储在处于预定充电状态SOC范围的上限的多个参考单体中的每一个的正电极或负电极中的锂离子的量相对应的多个上限，与存储在处于预定SOC范围的下限的多个参考单体中的每一个的正电极或负电极中的锂离子的量相对应的多个下限，以及在所述电池单体的制造过程中出现的过程偏差值；
基于所述多个分布数据、所述多个上限和所述多个下限，生成表示预定SOC范围中的所述多个参考单体中的每一个的OCV变化的多个参考分布数据；
测量所述预定SOC范围中的电池单体的OCV；
生成表示所述预定SOC范围中的电池单体的OCV变化的测量分布数据；以及
基于所述多个参考分布数据、所述测量分布数据和所述过程偏差值，确定所述电池单体的容量、表示所述预定SOC范围中的电池单体的OCV变化的估计分布数据和所述电池单体的电阻中的至少一个。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180002735A KR102156404B1 (ko) | 2018-01-09 | 2018-01-09 | 배터리 셀 성능 테스트 장치 및 방법 |
| KR10-2018-0002735 | 2018-01-09 | ||
| PCT/KR2019/000292 WO2019139335A1 (ko) | 2018-01-09 | 2019-01-08 | 배터리 셀의 성능을 테스트하기 위한 장치 및 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110678765A CN110678765A (zh) | 2020-01-10 |
| CN110678765B true CN110678765B (zh) | 2021-07-27 |
Family
ID=67219121
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201980002618.2A Active CN110678765B (zh) | 2018-01-09 | 2019-01-08 | 用于测试电池单体的性能的设备和方法 |
Country Status (7)
| Country | Link |
|---|---|
| US (1) | US11035905B1 (zh) |
| EP (1) | EP3644079B1 (zh) |
| JP (1) | JP6784351B2 (zh) |
| KR (1) | KR102156404B1 (zh) |
| CN (1) | CN110678765B (zh) |
| PL (1) | PL3644079T3 (zh) |
| WO (1) | WO2019139335A1 (zh) |
Families Citing this family (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102452626B1 (ko) * | 2018-03-07 | 2022-10-06 | 주식회사 엘지에너지솔루션 | Soc-ocv 프로파일 추정 방법 및 장치 |
| CN110297188B (zh) * | 2019-07-24 | 2021-12-10 | 国网河北省电力有限公司邢台供电分公司 | 蓄电池监测*** |
| KR20210098215A (ko) * | 2020-01-31 | 2021-08-10 | 주식회사 엘지에너지솔루션 | 배터리 충방전 제어 장치 및 방법 |
| KR20220031412A (ko) * | 2020-09-04 | 2022-03-11 | 주식회사 엘지에너지솔루션 | 배터리 관리 장치 및 방법 |
| US20220085635A1 (en) * | 2020-09-11 | 2022-03-17 | Robert Bosch Gmbh | Minimizing irreversible swelling during battery charging |
| CN111965547B (zh) * | 2020-09-27 | 2022-05-13 | 哈尔滨工业大学（威海） | 一种基于参数辨识法的电池***传感器故障诊断方法 |
| KR20220050654A (ko) * | 2020-10-16 | 2022-04-25 | 주식회사 엘지에너지솔루션 | 배터리 상태 진단 장치 및 방법 |
| KR20220093840A (ko) * | 2020-12-28 | 2022-07-05 | 주식회사 엘지에너지솔루션 | 이차 전지 진단 장치 및 방법 |
| KR20220094042A (ko) * | 2020-12-28 | 2022-07-05 | 주식회사 엘지에너지솔루션 | 이차 전지 진단 장치 및 방법 |
| KR20220102472A (ko) * | 2021-01-13 | 2022-07-20 | 주식회사 엘지에너지솔루션 | 배터리 관리 장치 및 방법 |
| KR20230096736A (ko) * | 2021-12-23 | 2023-06-30 | 주식회사 엘지에너지솔루션 | 배터리 관리 장치 및 이의 동작 방법 |
| JP2024010410A (ja) * | 2022-07-12 | 2024-01-24 | 株式会社Ｇｓユアサ | 推定装置、診断装置、推定方法、推定プログラム及び診断方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101629992A (zh) * | 2009-05-27 | 2010-01-20 | 重庆大学 | 磷酸铁锂动力电池剩余容量的估算方法 |
| CN102478637A (zh) * | 2010-11-25 | 2012-05-30 | 财团法人工业技术研究院 | 通过电池充放电特性检控容量与功率的方法 |
| CN104122447A (zh) * | 2014-06-26 | 2014-10-29 | 武汉理工大学 | 一种电动汽车动力电池组直流阻抗的在线估算方法 |
| CN105793718A (zh) * | 2013-12-17 | 2016-07-20 | 矢崎总业株式会社 | 电池充电状态估计设备和电池充电状态估计方法 |
| CN106680725A (zh) * | 2016-12-14 | 2017-05-17 | 广东恒沃动力科技有限公司 | 一种磷酸铁锂电池容量在线估算方法 |
| CN107179508A (zh) * | 2016-03-09 | 2017-09-19 | 福特全球技术公司 | 基于降阶电化学模型的电池荷电状态估计 |
Family Cites Families (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8624560B2 (en) | 2008-04-11 | 2014-01-07 | Apple Inc. | Controlling battery charging based on current, voltage and temperature |
| KR101004006B1 (ko) | 2008-08-06 | 2010-12-31 | 주식회사 엘지화학 | 전지팩의 제조방법 및 제조 공정 점검 시스템 |
| JP4744622B2 (ja) * | 2009-07-01 | 2011-08-10 | トヨタ自動車株式会社 | 車両の制御装置 |
| US8680815B2 (en) * | 2010-11-01 | 2014-03-25 | GM Global Technology Operations LLC | Method and apparatus for assessing battery state of health |
| KR101282687B1 (ko) | 2011-11-07 | 2013-07-05 | 현대자동차주식회사 | 차량용 배터리 상태 예측 방법 |
| JP2013183509A (ja) | 2012-02-29 | 2013-09-12 | Toshiba Corp | 充放電量予測システム及び充放電量予測方法 |
| KR101487494B1 (ko) | 2012-04-30 | 2015-01-29 | 주식회사 엘지화학 | 이차 전지의 파라미터 추정 장치 및 방법 |
| US9130248B2 (en) * | 2012-05-25 | 2015-09-08 | GM Global Technology Operations LLC | Modeling changes in the state-of-charge open circuit voltage curve by using regressed parameters in a reduced order physics based model |
| EP2848953B1 (en) * | 2012-06-13 | 2017-11-15 | LG Chem, Ltd. | Apparatus and method for estimating state of charge state of charge of secondary cell including mixed cathode material |
| US9263908B2 (en) * | 2012-06-26 | 2016-02-16 | Samsung Sdi Co., Ltd. | Battery pack having linear voltage profile, and SOC algorithm applying to the battery pack |
| JP6148879B2 (ja) * | 2013-02-28 | 2017-06-14 | 旭化成株式会社 | 二次電池の電池状態推定装置及び電池パックの製造方法並びにセルバランス確認方法 |
| JP2015059933A (ja) | 2013-09-20 | 2015-03-30 | 株式会社東芝 | 二次電池の異常診断装置及び異常診断方法 |
| DE102013221589A1 (de) | 2013-10-24 | 2015-04-30 | Robert Bosch Gmbh | Verfahren zur Kapazitätsbestimmung einer Batteriezelle |
| WO2015112584A1 (en) * | 2014-01-23 | 2015-07-30 | Gogoro Inc. | Systems and methods for utilizing an array of power storage devices, such as batteries |
| KR101818515B1 (ko) | 2014-05-30 | 2018-01-15 | 주식회사 엘지화학 | 배터리팩 생산공정에서의 불량검출장치 및 그 방법 |
| KR101696313B1 (ko) | 2014-10-24 | 2017-01-13 | 주식회사 엘지화학 | 이차전지의 퇴화에 따른 soc-ocv 프로파일 추정 방법 |
| US20160233539A1 (en) * | 2015-02-02 | 2016-08-11 | Sakti3, Inc. | Solid state energy storage device |
| CA2984597C (en) | 2015-05-01 | 2020-06-16 | Novelis Inc. | Continuous coil pretreatment process |
| WO2017010475A1 (ja) * | 2015-07-13 | 2017-01-19 | 三菱電機株式会社 | リチウムイオン電池の充電状態推定方法およびリチウムイオン電池の充電状態推定装置 |
| KR102527326B1 (ko) * | 2015-08-20 | 2023-04-27 | 삼성전자주식회사 | 배터리 충전 상태(SoC)를 예측하는 배터리 시스템 및 방법 |
| KR102553031B1 (ko) | 2016-01-14 | 2023-07-06 | 삼성전자주식회사 | 배터리의 상태 추정 장치 및 방법 |
| JP2017223454A (ja) | 2016-06-13 | 2017-12-21 | 日立化成株式会社 | リチウムイオン二次電池の劣化状態判定システム及びリチウムイオン二次電池の劣化状態判定方法 |
-
2018
- 2018-01-09 KR KR1020180002735A patent/KR102156404B1/ko active IP Right Grant
-
2019
- 2019-01-08 WO PCT/KR2019/000292 patent/WO2019139335A1/ko unknown
- 2019-01-08 CN CN201980002618.2A patent/CN110678765B/zh active Active
- 2019-01-08 PL PL19738431T patent/PL3644079T3/pl unknown
- 2019-01-08 JP JP2019563773A patent/JP6784351B2/ja active Active
- 2019-01-08 US US16/613,482 patent/US11035905B1/en active Active
- 2019-01-08 EP EP19738431.6A patent/EP3644079B1/en active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101629992A (zh) * | 2009-05-27 | 2010-01-20 | 重庆大学 | 磷酸铁锂动力电池剩余容量的估算方法 |
| CN102478637A (zh) * | 2010-11-25 | 2012-05-30 | 财团法人工业技术研究院 | 通过电池充放电特性检控容量与功率的方法 |
| CN105793718A (zh) * | 2013-12-17 | 2016-07-20 | 矢崎总业株式会社 | 电池充电状态估计设备和电池充电状态估计方法 |
| CN104122447A (zh) * | 2014-06-26 | 2014-10-29 | 武汉理工大学 | 一种电动汽车动力电池组直流阻抗的在线估算方法 |
| CN107179508A (zh) * | 2016-03-09 | 2017-09-19 | 福特全球技术公司 | 基于降阶电化学模型的电池荷电状态估计 |
| CN106680725A (zh) * | 2016-12-14 | 2017-05-17 | 广东恒沃动力科技有限公司 | 一种磷酸铁锂电池容量在线估算方法 |
Non-Patent Citations (1)
| Title |
|---|
| 锂离子电池极化电压特性分析;姚雷 等;《北京理工大学学报》;20140930;第34卷(第9期);第912-922页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| US11035905B1 (en) | 2021-06-15 |
| KR102156404B1 (ko) | 2020-09-15 |
| CN110678765A (zh) | 2020-01-10 |
| KR20190084686A (ko) | 2019-07-17 |
| EP3644079A1 (en) | 2020-04-29 |
| JP2020521125A (ja) | 2020-07-16 |
| EP3644079B1 (en) | 2021-09-15 |
| WO2019139335A1 (ko) | 2019-07-18 |
| PL3644079T3 (pl) | 2022-01-31 |
| US20210156923A1 (en) | 2021-05-27 |
| EP3644079A4 (en) | 2020-12-02 |
| JP6784351B2 (ja) | 2020-11-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110678765B (zh) | 用于测试电池单体的性能的设备和方法 | |
| KR102258833B1 (ko) | 리튬 이온 배터리 셀의 퇴화 정보를 획득하는 장치 | |
| US11150307B2 (en) | Apparatus and method for diagnosing battery | |
| CN108603918B (zh) | 测试电池单体的性能的装置和方法 | |
| CN111201445B (zh) | 电池诊断设备和方法 | |
| CN112005124B (zh) | 电池状态评估方法 | |
| EP3674730B1 (en) | Battery diagnostic device and method | |
| JP3669673B2 (ja) | 電気化学素子の劣化検出方法、残容量検出方法、並びにこれらを用いた充電器および放電制御装置 | |
| EP3611525B1 (en) | Apparatus for estimating a battery free capacity | |
| US11187755B2 (en) | Apparatus and method for estimating SOC of battery | |
| CN112166330A (zh) | 电池管理设备、电池管理方法和电池组 | |
| CN112534283A (zh) | 电池管理***、电池管理方法、电池组和电动车辆 | |
| KR102676220B1 (ko) | 배터리 상태를 측정하는 방법 및 장치 | |
| CN112470017A (zh) | 电池管理装置、电池管理方法和电池组 | |
| CN112119317A (zh) | 电池管理装置、电池管理方法和电池组 | |
| KR20240043608A (ko) | 배터리의 퇴화 상태를 진단하기 위한 시스템 및 방법 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20220317 Address after: Seoul, South Kerean Patentee after: LG Energy Solution Address before: Seoul, South Kerean Patentee before: LG CHEM, Ltd. |
|
| TR01 | Transfer of patent right |