KR100884530B1

KR100884530B1 - 배터리 관리 시스템 및 구동 방법

Info

Publication number: KR100884530B1
Application number: KR1020060088083A
Authority: KR
Inventors: 이승진; 히로시 미야자와
Original assignee: 삼성에스디아이 주식회사
Priority date: 2006-09-12
Filing date: 2006-09-12
Publication date: 2009-02-18
Also published as: KR20080023934A

Abstract

본 발명은 배터리를 모델링한 배터리 등가 회로를 이용하여 배터리의 SOC를 추정하는 배터리 관리 시스템 및 그 구동방법에 관한 것이다.

배터리 관리 시스템은 배터리 등가 회로를 구성하는 복수의 파라미터 중 적어도 하나의 제1 파라미터 및 SOC를 상태 변수로 설정하고, 복수의 파라미터 중 다른 적어도 하나의 제2 파라미터를 출력 변수로 설정한다. 그리고 제1 파라미터 및 SOC를 예측하고, 예측된 제1 파라미터 및 SOC를 이용하여 제2 파라미터를 예측한다.배터리 관리 시스템은 제2 파라미터를 측정한 결과와 예측 제2 파라미터를 비교하여 예측된 SOC를 수정한다.

확장 칼만 필터(extended kalman filter), SOC, OCV

Description

배터리 관리 시스템 및 구동 방법{BATTERY MANAGEMENT SYSTEM AND THE DRIVING METHOD OF THE BATTERY MANAGEMENT SYSTEM }

도 1은 본 발명의 실시예에 따른 배터리의 SOC 추정 방법을 사용하는 전기 자동차 시스템을 개략적으로 보여주는 도면이다.

도 2는 본 발명의 실시예에 따른 배터리의 등가회로이다.

도 3은 본 발명의 실시예에 따른 배터리 관리 시스템의 구동 방법을 개략적으로 나타낸 도면이다.

도 4는 본 발명의 실시예에 따른 확장 칼만필터(extended kalman filter)방식을 이용한 배터리 관리 시스템의 구동방법을 나타낸 도면이다.

본 발명은 배터리의 충전 상태를 판단하는 장치 및 방법에 관한 것이다. 특히, 어댑티브(adaptive filter)를 이용하여 배터리의 SOC(STATE OF CHARGE)등 상태를 추정하는 배터리 관리 시스템 및 그 구동 방법에 관한 것이다.

가솔린이나 중유를 주연료로 사용하는 내연 엔진을 이용하는 자동차는 대기오염 등 공해발생에 심각한 영향을 주고 있다. 따라서 최근에는 공해발생을 줄이기 위하여, 전기 자동차 또는 하이브리드(Hybrid) 자동차의 개발에 많은 노력을 기울이고 있다.

전기 자동차는 배터리(battery)에서 출력되는 전기에너지에 의해 동작하는 배터리 엔진을 이용하는 자동차이다. 이러한 전기 자동차는 충방전이 가능한 다수의 2차 전지(cell)가 하나의 팩(pack)으로 형성된 배터리를 주동력원으로 이용하기 때문에 배기가스가 전혀 없으며 소음이 아주 작은 장점이 있다.

한편, 하이브리드 자동차라 함은 내연 엔진을 이용하는 자동차와 전기 자동차의 중간 단계의 자동차로서, 두 가지 이상의 동력원, 예컨대 내연 엔진 및 배터리 엔진을 사용하는 자동차이다. 현재에는, 내연 엔진과 수소와 산소를 연속적으로 공급하면서 화학반응을 일으켜 직접 전기 에너지를 얻는 연료 전지를 이용하거나, 배터리와 연료 전지를 이용하는 등 혼합된 형태의 하이브리드 자동차가 개발되고 있다.

이와 같이 전기 에너지를 이용하는 자동차는 배터리의 성능이 자동차의 성능에 직접적인 영향을 미치므로, 각 전지 셀의 성능이 뛰어나야 할 뿐만 아니라 배터리의 온도, 셀전압, 전체 배터리의 전압 및 전류 등을 측정하여 배터리의 충방전을 효율적으로 관리할 수 있는 배터리 관리 시스템(Battery Management System, 이하 BMS)이 절실히 요구되는 실정이다.

종래 배터리 관리 시스템에서 배터리의 SOC(state of charge : 이하 'SOC')를 판단하기 위해서 전류 적산에 의해 SOC를 추정하는 방식을 사용하였다. 또한, 개방 전압(open loop voltage, 이하 'OCV'라함) 또는 방전 전압, 내부저항, 온도, 방전 전류등의 인자들과 SOC의 관계를 미리 파악하고, 적어도 2가지 인자를 검출하여 검출된 인자에 대응되는 SOC를 검출하는 방식을 사용하였다.

이와 같은 종래 방식에 따른 SOC 추정 방법은 전류 적산에 의한 오차가 발생할 수 있다. 또한 OCV 등과 SOC의 관계를 파악하더라도 배터리마다 특성의 차이가 있어, 각 배터리마다 실험적으로 OCV 등과 SOC의 관계를 복잡한 실험적인 방법으로 산출해야 한다. 따라서 종래 방식은 오차가 발생하거나 복잡한 실험 절차가 필요하다.

본 발명이 이루고자 하는 기술적 과제는 보다 정확하게 배터리의 SOC를 추정할 수 있는 배터리 관리 시스템 및 그 구동방법을 제공하는 것이다.

본 발명의 한 특징에 따른 배터리 시스템을 모델링한 배터리 등가 회로를 이용하여 배터리의 SOC를 추정하는 배터리 관리 시스템으로서, 상기 배터리 등가 회로를 구성하는 복수의 파라미터 중 적어도 하나의 제1 파라미터 및 상기 SOC를 상태 변수로 설정하고, 상기 복수의 파라미터 중 다른 적어도 하나의 제2 파라미터를 출력 변수로 설정하며, 상기 제1 파라미터 및 상기 SOC를 예측하고, 상기 예측된 제1 파라미터 및 SOC를 이용하여 상기 제2 파라미터를 예측하고, 상기 제2 파라미터를 측정한 결과와 상기 예측 제2 파라미터를 비교하여 상기 예측된 SOC를 수정하는 MCU(micro control unit)를 포함한다. 배터리 관리 시스템은 상기 배터리 등가 회로를 이용하여 상기 상태 변수를 포함하는 제1 방정식, 상기 출력 변수를 포함하 는 제2 방정식을 설정하고, 상기 제1 방정식 및 상기 제2 방정식을 이산화한 시스템 방정식 및 측정 방정식을 이용한다. 이 때, 상기 MCU는 시스템 방정식 및 측정 방정식을 선형화하고, 예측할 상태 변수, SOC 및 상기 상태 변수 추정에 의한 오차에 대한 분산값(이하, "추정오차분산") 및 상기 SOC의 추정오차분산을 초기화하고, 상기 SOC를 예측 및 수정을 반복하면서, 상기 SOC를 추정한다. 그리고 상기 MCU는, 상기 SOC 및 상기 상태 변수를 예측하고, 상기 예측된 SOC 및 상태변수를 이용하여 상기 출력 변수를 예측하고, 상기 출력 변수에 대응하는 파라미터를 측정한 결과와 상기 예측된 출력 변수를 비교하여 제1 게인을 생성하며, 상기 제1 게인을 이용하여 상기 예측 SOC 및 상기 상태변수를 수정한다. 여기서, 상기 배터리 등가 회로는 내부 저항(Ri), 제1 저항(R), 상기 제1 저항(R)에 병렬 연결된 제1 커패시터(C), OCV(open circuit voltage), 배터리 단자 전압(Vt) 및 제1 저항 및 제1 커패시터에 인가되는 제1 전압(Vz)을 파라미터로 포함한다. 상기 제1 저항 및 제1 커패시터는, 배터리의 확산 임피던스(diffusion impedance), 전하 이동 저항(charge transfer resistance) 및 이중층커패시터(double layer capacitance)등의 성분을 나타낸다. 상기 시스템 방정식은, 상기 제1 저항, 제1 커패시터 및 제1 전압을 상태 변수로 설정하여,

이고,

상기 측정 방정식은, 상기 배터리 단자 전압 및 충방전 전류를 출력 변수로 설정하여,

이며, 이 때, Vt(k)는 배터리 단자 전압,

는 배터리 총용량,

배터리의 충방전 전류,

는 배터리 온도 및 k는 시간 스텝이다.

삭제

본 발명의 다른 특징에 따른 배터리 시스템을 모델링하여 생성된 배터리 등가 회로를 이용하여 SOC를 추정하는 배터리 관리 시스템의 구동 방법으로소, a)상기 배터리의 등가 회로를 구성하는 복수의 파라미터 중 적어도 하나의 제1 파라미터 및 SOC를 상태 변수로 설정하고, 상기 복수의 파라미터 중 적어도 다른 하나의 제2 파라미터를 출력 변수로 설정하며, 상기 제1 파라미터, SOC 및 제2 파라미터를 이용하여 상태 방정식을 생성하는 단계 및 b)상기 상태 변수를 예측하고, 예측된 상태 변수를 이용하여 상기 출력 변수를 예측하여 상기 출력 변수와 비교하여, 상기 예측된 상태 변수를 수정하는 단계를 포함한다. 그리고 c) 상기 상태 방정식을 선형화하는 단계 및 d) 상기 상태 변수를 초기화 하고, 상기 상태 변수 및 상기 상태 변수 추정에 의한 오차에 대한 분산값(이하, "추정오차분산")을 예측하는 단계를 더 포함한다. 또한, d) 상기 c)단계에서 예측된 상태 변수를 이용하여 상기 출력 변수를 예측하고, 측정된 상기 출력 변수와 예측된 출력 변수를 이용하여, 제1 게인을 생성하는 단계 및 e) 상기 제1 게인을 이용하여, 상기 상태 변수 및 상기 추정오차분산을 수정하는 단계를 더 포함한다.

이 때, 상기 배터리 등가 회로는 내부 저항(Ri), 제1 저항(R), 상기 제1 저항(R)에 병렬 연결된 제1 커패시터(C), OCV(open circuit voltage), 배터리 단자 전압(Vt) 및 제1 저항 및 제1 커패시터에 인가되는 제1 전압(Vz)을 파라미터로 포함한다. 상기 제1 저항 및 제1 커패시터는, 배터리의 확산 임피던스(diffusion impedance), 전하 이동 저항(charge transfer resistance) 및 이중층커패시터(double layer capacitance)등의 성분을 나타낸다. 상기 상태 방정식은 시스템 방정식 및 측정 방정식을 포함하고,

상기 시스템 방정식은, 상기 제1 저항, 제1 커패시터 및 제1 전압을 상태 변수로 설정하여,

이고,

이며, 이 때, Vt(k)는 배터리 단자 전압,

는 배터리 총용량,

배터리의 충방전 전류,

는 배터리 온도 및 k는 시간 스텝이다.

삭제

아래에서는 첨부한 도면을 참고로 하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였다. 명세서 전체를 통하여 유사한 부분에 대해서는 동일한 도면 부호를 붙였다.

명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.

이하, 도면을 참조하여 본 발명의 한 특징에 따른 실시예를 설명한다.

이하, 이와 같은 배터리의 SOC 추정 방법을 사용하는 자동차 시스템을 구체적으로 설명한다.

도 1에 도시된 바와 같이, 자동차 시스템은 BMS(1), 배터리(2), 전류센서(3), 냉각팬(4), 퓨즈(5), 메인 스위치(6), MTCU(motor control unit)(7), 인버터(8) 및 모터제너레이터(9)를 포함한다.

먼저, 배터리(2)는 복수의 전지 셀이 서로 직렬로 연결된 복수의 서브팩 (2a ~ 2h), 출력단자(2_OUT1), 출력단자(2_OUT2) 및 서브팩(2d)과 서브팩(2e) 사이에 마련되는 안전스위치(2_SW)를 포함한다. 여기서 서브팩(2a ~ 2h)은 예시적으로 8개로 표시되고 서브팩은 복수의 전지 셀을 하나의 그룹으로 표시한 것에 불과한 것이고, 이에 한정되는 것은 아니다. 또한 안전 스위치(2_SW)는 서브팩(2d)과 서브팩(2e) 사이에 마련되는 스위치로서 배터리를 교체하거나 배터리에 대한 작업을 수행할 때 작업자의 안전을 위하여 수동적으로 온 오프할 수 있는 스위치이다. 본 실시예에서는 서브팩(2d)과 서브팩(2e) 사이에 안전 스위치(2_SW)가 마련되나 본 발명은 이에 한정되는 것은 아니다. 출력단자(2_OUT1) 및 출력단자(2_OUT2)는 인버터(8)와 연결된다.

전류센서(3)는 배터리(2)의 출력전류 량을 측정하여 BMS(1)의 센싱부(10)로 출력한다. 구체적으로 전류센서(3)는 홀(Hall) 소자를 이용하여 전류를 측정하고 측정된 전류에 대응되는 아날로그 전류 신호로 출력하는 Hall CT(Hall current transformer)일 수 있다.

냉각팬(4)은 BMS(1)의 제어신호에 기초하여 배터리(2)의 충방전에 의해 발생할 수 있는 열을 냉각하여 온도 상승으로 인한 배터리(2)의 열화 및 충방전 효율의 저하를 방지한다.

퓨즈(5)는 배터리(2)의 단선 또는 단락에 의해 과전류가 배터리(2)에 전달되는 것을 방지한다. 즉 과전류가 발생하면 퓨즈(5)는 단선되어 과전류가 배터리(2)에 전달되는 것을 차단한다.

메인 스위치(6)는 과전압, 과전류, 고온 등 이상 현상이 발생하면 BMS(1) 또 는 자동차의 MTCU(7)의 제어신호에 기초하여 배터리(2)를 온오프 한다.

BMS(1)는 센싱부(10), MCU(micro control unit)(20), 내부전원 공급부(30), 셀밸런싱부(40), 저장부(50), 통신부(60), 보호회로부(70), 파워온 리셋부(80) 및 외부인터페이스(90)를 포함한다.

센싱부(10)는 배터리의 충방전 전류, 배터리 단자 전압, 각 셀전압, 셀온도 및 주변온도를 측정하여 MCU(20)에 전달한다.

MCU(20)는 센싱부(10)로부터 전달받은 배터리의 충방전 전류, 배터리 단자 전압, 각 셀전압, 셀온도 및 주변온도에 기초하여 배터리(2)의 충전상태(state of charging, 이하 SOC), 건강상태(state of health, 이하 SOH) 등을 추정하여 배터리(2)의 상태를 알려주는 정보를 생성하고 자동차의 MTCU(7)에 전달한다. 따라서 자동차의 MTCU(7)는 MCU(20)로부터 전달된 SOC 및 SOH에 기초하여 배터리(2)의 충전 또는 방전을 수행한다. 본 발명의 실시예에 따른 MCU(20)는 배터리를 등가 회로로 모델링하여, 배터리 등가 회로를 구성하는 복수의 파라미터 중 배터리 시스템의 상태를 결정할 수 있는 파라미터를 상태변수로 설정한다. MCU(20)는 상태변수를 예측하고, 배터리 등가회로의 다른 파라미터를 측정하여, 예측된 상태변수를 수정한다. 이하, 그 구체적인 구성 및 동작에 대해서는 도 2 내지 도 4를 참조하여 후술한다.

내부전원 공급부(30)는 일반적으로 보조 배터리를 이용하여 BMS(1)에 전원을 공급하는 장치이다. 셀밸런싱부(40)는 각 셀의 충전상태의 균형을 맞춘다. 즉, 충전상태가 비교적 높은 셀은 방전시키고 충전상태가 비교적 낮은 셀은 충전시킬 수 있다. 저장부(50)는 BMS(1)의 전원이 오프될 때, 현재의 SOC, SOH 등의 데이터들을 저장한다. 여기서 저장부(50)는 전기적으로 쓰고 지울 수 있는 비휘발성 저장장치로서 EEPROM일 수 있다. 통신부(60)는 자동차의 MTCU(7)와 통신을 수행한다. 보호회로부(70)는 펌웨어(firm ware)를 이용하여 외부의 충격, 과전류, 저전압 등으로부터 배터리(2)를 보호하기 위한 회로이다. 파워온 리셋부(80)는 BMS(1)의 전원이 켜지면 전체 시스템을 리셋한다. 외부 인터페이스(90)는 냉각팬(4), 메인 스위치(6) 등 BMS의 보조장치들을 MCU(20)에 연결하기 위한 장치이다. 본 실시에에서는 냉각팬(4) 및 메인 스위치(6)만이 도시되었지만 이에 한정되는 것은 아니다.

MTCU(7)는 차량의 액셀러레이터(accelerator), 브레이크(break), 차량 속도 등의 정보에 기초하여 토크 정도를 결정하고, 모터제너레이터(9)의 출력이 토크 정보에 맞도록 제어한다. 즉 MTCU(7)는 인버터(8)의 스위칭을 제어하여 모터제너레이터(9)의 출력이 토크 정보에 맞도록 제어한다. 또한 MTCU(7)는 BMS(1)의 통신부(60)를 통하여 MCU(20)로부터 전달되는 배터리(2)의 SOC를 전달받아 배터리(2)의 SOC가 목표값(예컨대 55%)이 되도록 제어한다. 예를 들면 MCU(20)로부터 전달된 SOC가 55% 이하이면 인버터(8)의 스위치를 제어하여 전력이 배터리(10) 방향으로 출력되도록 하여 배터리(2)를 충전시킨다. 한편, SOC가 55% 이상이면 인버터(8)의 스위치를 제어하여 전력이 모터제너레이터(9) 방향으로 출력되도록 하여 배터리(2)를 방전시킨다.

인버터(8)는 MTCU(7)의 제어신호에 기초하여 배터리(2)가 충전 또는 방전되도록 한다.

모터 제너레이터(9)는 배터리(2)의 전기에너지를 이용하여 MTCU(7)로부터 전달되는 토크 정보에 기초하여 자동차를 구동한다.

결국 MTCU(7)는 SOC에 기초하여 충방전 할 수 있는 파워만큼 충방전함으로써 배터리(2)가 과충전이나 과방전되는 것을 방지하여 배터리(2)를 효율적으로 오랫동안 사용할 수 있도록 한다. 그러나 배터리(2)가 자동차에 장착된 후에는 배터리(2)의 실제 SOC를 측정하기는 어려우므로, BMS(1)는 센싱부(10)에서 센싱한 팩전류, 팩전압 등을 이용하여 SOC를 정확하게 추정하여 MTCU(7)에 전달하여야 한다.

이하, 본 발명의 실시예에 따른 BMS(1)에 대하여 도 3 내지 도 5를 참조하여 설명한다.

도 2는 본 발명의 실시예에 따른 배터리의 등가회로이다.

도 2에 도시된 바와 같이, 배터리의 등가회로는 내부 저항(Ri), 저항(R) 및 커패시터(C)를 포함하며, 저항(R)과 커패시터(C)는 병렬연결되어 있다. 병렬 연결된 저항(R)과 커패시터(C)는 확산 임피던스(diffusion impedance), 전하 이동 저항(charge transfer resistance) 및 이중층커패시터(double layer capacitance)등의 성분을 포함하여 시간에 대해 변하는 파라미터로 설정된다. 병렬 연결된 저항(R)과 커패시터(C)에 인가되는 전압(Vz)은 배터리 등가 회로의 또 다른 파라미터이며, 전압(Vz)도 시간에 대해 변하는 파라미터로 설정된다. 그리고 배터리 등가 회로는 개방 회로 전압(open circuit voltage, 이하, "OCV"라 함) 및 배터리 단자 전압(Vt)을 시간에 대해 변하는 파라미터로 설정한다. 도 2에 도시된 배터리 등가 회로에서 저항(R), 커패시터(C) 및 전압(Vz)은 직접적으로 측정할 수 없는 파라미 터로, 본 발명의 실시예에 따른 MCU(20)는 저항(R), 커패시터(C) 및 전압(Vz) 파라미터를 상태 변수로 설정한다.

이하 도 3을 참조하여, 본 발명의 실시예에 따른 SOC 추정방법에 대해서 설명한다.

도 3에 도시된 바와 같이, 도 2의 배터리 등가 회로에서 저항(R), 커패시터(C) 및 전압(Vz) 파라미터와 함께, SOC를 상태 변수로 설정한다(S100). 그리고, 배터리 등가 회로에서, 배터리 단자 전압(Vt) 및 배터리 충방전 전류(i)를 출력 변수로 설정한다(S200).

설정된 4개의 상태변수 및 2개의 출력 변수를 이용하여 상태방정식을 설정한다(S300). 상태방정식은 4개의 상태변수로 이루어지는 시스템 방정식 및 출력변수로 이루어지는 측정 방정식을 포함한다.

아래 수학식 1과 2는 각각 시스템 방정식과 측정 방정식을 나타낸 것이다.

수학식 1 및 2는 배터리 등가 회로를 이용하여 생성된 연속 상태 방정식을 이산화하여 생성할 수 있다. 수학식 1에서 T는 배터리의 온도를 의미하고, TAC는 배터리의 총 용량을 의미한다. 그리고 변수(k)는 연속 시간(continuous time)을 이산 시간(discrete time)으로 변환될 때, 연속 시간에 이산 시간의 단위이며, 이하 변수(k)는 시간 스텝(time step)이라 한다. 도2에 도시된 배터리의 등가 회로로부터, 출력 변수 배터리 단자 전압(Vt)는 OCV 전압에서, 커패시터 전압(Vz) 및 내부 저항(Ri)에 인가되는 전압을 뺀 값으로 나타낼 수 있다. 수학식 2에서, 출력 변수 배터리 단자 전압(Vt)를 시간 스텝으로 나타낸 것이 Vt(k)이다.

또한, 수학식 2의 측정 방정식에서, 충방전 전류 i(k)를 설정하는 것은 후술하는 확장 칼만 필터 방식에 따른 SOC 추정을 안정적으로 수행하기 위해 필요한 인자이다. 또한,

에서 OCV는 SOC와 온도의 함수로 표현할 수 있고, 이는 NEURAL NETWORK을 이용하여 설정할 수 있다.

본 발명의 실시예에 따른 SOC 추정방법은 확장 칼만필터(extended kalman filter)방식을 이용하여 이렇게 생성된 상태 방정식의 상태 변수를 예측하고, 예측된 상태 변수를 수정한다(S400).

이하 본 발명의 실시예에 따른 확장 칼만필터(extended kalman filter)방식을 이용한 배터리 관리 시스템 및 그 구동방법을 도 4를 참조하여 설명한다.

도 4는 본 발명의 실시예에 따른 확장 칼만필터(extended kalman filter)방식을 이용한 배터리 관리 시스템의 구동방법을 구체적으로 나타낸 도면이다.

본 발명의 실시예에 따른 MCU(20)는 배터리 등가회로의 파라미터를 이용하여 생성된 수학식 1, 수학식 2 및 확장 칼만필터방식을 이용하여 SOC를 추정한다.

수학식 3 및 수학식 4는 배터리 시스템을 모델링하여 생성된 비선형 배터리 등가회로에서, 비선형 시스템 방정식과 측정 방정식의 일반 형태를 나타낸 것이다. 이하, 수학식 1은 수학식 3에 대응되며, 수학식 2는 수학식 4에 대응된다.

여기서,

는 상태변수에 대응하는 변수로서, 알 수 없고 추정하고자 하는 값이며,

는 시스템 노이즈 성분이다.

는 출력변수에 대응하는 변수로서 측정할 수 있는 값이며,

는 측정 노이즈 성분이다.

는 입력 변수로서 알고 있는 값이다. 이하, 수학식 1 및 수학식 2를 확장 칼만필터 방식에 따라 이용하는 방법을 설명한다. 편의를 위해 일반형태인 수학식 3과 수학식 4를 이용하여 설명한다.

먼저, MCU(20)는 수학식 3의 비선형 시스템 방정식과 수학식 4의 측정 방정식을 수학식 5와 같은 방법으로 선형화한다(S410).

이 때,

는 MCU(20)가 예측한 상태변수를 수정하여 생성된 값이고,

는 MCU(20)가 예측한 상태변수 값이다. 즉,

는 비선형 시스템 방정식이

에 대해 선형화된 결과이고,

는 비선형 시스템 방정식이

에 대해 선형화된 결과를 나타낸 것이다. 본 발명의 실시예에

및

는 행렬 형태이다.

이후, MCU(20)는 예측할 상태 변수에 대한 초기치를 설정한다(S420).

구체적으로 수학식 6과 같이 시간 스텝(k)이 0일 때, 상태 변수값(

)과 상태 변수 추정에 의한 오차에 대한 분산값(이하, "추정오차분산"이라 함.)(

)을 초기화한다.

MCU(20)는 그 다음으로 시간 스템(k)을 1부터 n까지 증가시키면서, 상태 변수에 대응하는 배터리 등가 회로의 파라미터 값을 추정한다.

MCU(20)는 먼저 상태 변수(

) 및 추정 오차 분산(

)을 수학식 7과 같이 예측한다(S430).

여기서,

는 시스템 노이즈의 분산값,

는

의 전치 행렬을 의미한다.

삭제

MCU(20)는 수학식 8을 이용하여 칼만게인을 생성한다(S440).

여기서,

는 측정 노이즈의 분산,

는

의 전치 행열을 의미한다.

MCU(20)는 상태 변수인 저항(R), 커패시터(C) 및 전압(Vz)을 예측한 결과로 배터리 단자 전압을 예측한다. 그리고 예측된 배터리 단자 전압과 측정된 배터리 단자 전압을 비교하여 예측 상태 변수를 수정한다. 이 때, MCU(20)는 수학식 9를 이용하여 예측 상태 변수를 수정한다(S450).

여기서,

는 측정된 배터리 전압에 대응하는 출력 변수이고,

는 예측 상태 변수에 의해 예측되는 배터리 전압에 대응하는 항(term)이다.

는 예측 상태 변수가 수정된 상태 변수 값이다.

MCU(20)는 예측 상태 변수에 대한 추정오차분산(

)을 수학식 10을 이용하여 수정하여, 수정 상태 변수에 대한 추정오차분산(

)을 설정한다(S460).

여기서,

는 단위 행렬이다.

MCU(20)는 생성된 수정 상태 변수(

) 및 수정 상태 변수에 대한 추정오차분산(

)은 다음 시간 스텝의 예측 상태 변수(

) 및 예측 상태 변수에 대한 추정오차분산(

)을 생성하는데 초기값이 된다.

이와 같은 방식으로 MCU(20)는 동작을 반복하여, 상태 변수를 추정하며, 각 상태 변수에 대응하는 배터리 등가회로의 파라미터값을 추정할 수 있다. 종래 필터를 사용하여 SOC를 추정하는 배터리 관리 시스템의 경우, Relaxation Effect(구체적으로 설명 부탁드립니다.)의 출력에 가까운 필터의 출력을 얻기 위해서 필터 상태(filter state)의 개수가 많아야 한다. 이런 경우, 추정해야하는 내부 파라미터가 많아지고 제약조건이 증가한다. 본 발명의 실시예에 따른 배터리 관리 시스템은 파라미터 추정과 SOC 추정을 동시에 수행하고, 확장 칼만 필터를 이용함으로써, 적은 파라미터를 이용하여 정확한 SOC를 추정할 수 있다.

본 발명은 배터리 등가 회로의 파라미터와 SOC를 동시에 추정할 수 있는 배터리 관리 시스템 및 그 구동 방법을 제공한다.

따라서, 본 발명은 간단한 방법으로 보다 정확한 SOC를 추정할 수 있는 배터리 관리 시스템 및 그 구동 방법을 제공한다.

Claims

배터리 시스템을 모델링한 내부 저항, 제1 저항, 상기 제1 저항에 병렬 연결된 제1 커패시터, OCV(open circuit voltage), 배터리 단자 전압, 충방전 전류, 및 상기 제1 저항 및 상기 제1 커패시터에 인가되는 제1 전압을 파라미터로 포함하는 배터리 등가 회로를 이용하여 배터리의 SOC(state of charge)를 추정하는 배터리 관리 시스템에 있어서,

상기 제1 저항, 제1 커패시터, 제1 전압 및 상기 SOC를 상태 변수로 설정하고, 상기 배터리 단자 전압 및 상기 충방전 전류를 출력 변수로 설정하며, 상기 상태 변수를 예측하고, 상기 예측된 상태 변수를 이용하여 상기 출력 변수를 예측하며, 상기 출력 변수를 측정한 결과와 상기 출력 변수를 예측한 결과를 비교하여 상기 예측된 SOC를 수정하는 MCU(micro control unit)

를 포함하는 배터리 관리 시스템.
제1항에 있어서,

상기 배터리 등가 회로를 이용하여 상기 상태 변수를 포함하는 제1 방정식, 상기 출력 변수를 포함하는 제2 방정식을 설정하고, 상기 제1 방정식 및 상기 제2 방정식 각각을 이산화한 시스템 방정식 및 측정 방정식을 이용하는 배터리 관리 시스템.
제2항에 있어서,

상기 MCU는,

상기 시스템 방정식 및 측정 방정식을 선형화하고, 상기 상태 변수 및 상기 상태 변수 추정에 의한 오차에 대한 분산값(이하, "추정오차분산")을 초기화하고, 상기 상태 변수의 예측 및 수정을 반복하면서, 상기 SOC를 추정하는 배터리 관리 시스템.
제3항에 있어서,

상기 MCU는,

상기 상태 변수를 예측하고, 상기 예측된 상태변수를 이용하여 상기 출력 변수를 예측하고, 상기 출력 변수를 측정한 결과와 상기 예측된 출력 변수를 비교하여 제1 게인을 생성하며, 상기 제1 게인을 이용하여 상기 예측된 상태변수를 수정하는 배터리 관리 시스템.
삭제
제4항에 있어서,

상기 제1 저항 및 제1 커패시터는,

배터리의 확산 임피던스(diffusion impedance), 전하 이동 저항(charge transfer resistance) 및 이중층커패시터(double layer capacitance)의 성분을 나타내는 배터리 관리 시스템.
제6항에 있어서,

상기 시스템 방정식은,

이고,

상기 측정 방정식은,

이며,

이 때, Vz는 제1 전압, R은 제1 저항, Ri는 내부 저항, C는 제1 커패시터, Vt(k)는 배터리 단자 전압,
는 배터리 총용량,
배터리의 충방전 전류,
는 배터리 온도 및 k는 시간 스텝인 배터리 관리 시스템.
배터리 시스템을 모델링한 내부 저항, 제1 저항, 상기 제1 저항에 병렬 연결된 제1 커패시터, OCV(open circuit voltage), 배터리 단자 전압, 충방전 전류 및 제1 저항 및 제1 커패시터에 인가되는 제1 전압을 파라미터로 포함하는 배터리 등가 회로를 이용하여 배터리의 SOC(state of charge)를 추정하는 배터리 관리 시스템 구동 방법에 있어서,

a) 상기 제1 저항, 제1 커패시터, 제1 전압을 및 상기 SOC를 상태 변수로 설정하고, 상기 배터리 단자 전압 및 상기 충방전 전류를 출력 변수로 설정하며, 상기 상태 변수 및 상기 출력 변수를 이용하여 상태 방정식을 생성하는 단계; 및

b)상기 상태 변수를 예측하고, 예측된 상태 변수를 이용하여 상기 출력 변수를 예측하여 상기 출력 변수를 측정한 결과와 상기 출력 변수를 예측한 결과를 비교하여, 상기 예측된 상태 변수를 수정하는 단계

를 포함하는 배터리 관리 시스템의 구동방법.
제8항에 있어서,

c) 상기 상태 방정식을 선형화하는 단계 및

d) 상기 상태 변수를 초기화 하고, 상기 상태 변수 및 상기 상태 변수 추정에 의한 오차에 대한 분산값(이하, "추정오차분산")을 예측하는 단계

를 더 포함하는 배터리 관리 시스템의 구동방법.
제9항에 있어서,

e) 상기 d)단계에서 예측된 상태 변수를 이용하여 상기 출력 변수를 예측하고, 측정된 상기 출력 변수와 예측된 출력 변수를 이용하여, 제1 게인을 생성하는 단계 및

f) 상기 제1 게인을 이용하여, 상기 상태 변수 및 상기 추정오차분산을 수정하는 단계

를 더 포함하는 배터리 관리 시스템의 구동방법.
삭제
제10항에 있어서,

상기 제1 저항 및 제1 커패시터는,

배터리의 확산 임피던스(diffusion impedance), 전하 이동 저항(charge transfer resistance) 및 이중층커패시터(double layer capacitance)의 성분을 나타내는 배터리 관리 시스템의 구동방법.
제12항에 있어서,

상기 상태 방정식은 시스템 방정식 및 측정 방정식을 포함하고,

상기 시스템 방정식은,

이고,

상기 측정 방정식은,

이며,

이 때, 이 때, Vz는 제1 전압, R은 제1 저항, Ri는 내부 저항, C는 제1 커패시터, Vt(k)는 배터리 단자 전압,
는 배터리 총용량,
배터리의 충방전 전류,
는 배터리 온도 및 k는 시간 스텝인 배터리 관리 시스템의 구동 방법.