KR101245275B1 - 추정 조합 배터리 상태-파라미터 벡터를 결정하는 시스템과방법 및 그 제조물 - Google Patents

추정 조합 배터리 상태-파라미터 벡터를 결정하는 시스템과방법 및 그 제조물 Download PDF

Info

Publication number
KR101245275B1
KR101245275B1 KR1020087022055A KR20087022055A KR101245275B1 KR 101245275 B1 KR101245275 B1 KR 101245275B1 KR 1020087022055 A KR1020087022055 A KR 1020087022055A KR 20087022055 A KR20087022055 A KR 20087022055A KR 101245275 B1 KR101245275 B1 KR 101245275B1
Authority
KR
South Korea
Prior art keywords
battery
parameter
state
vector
estimated
Prior art date
Application number
KR1020087022055A
Other languages
English (en)
Other versions
KR20080100257A (ko
Inventor
그레고리 엘. 플레트
Original Assignee
주식회사 엘지화학
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 엘지화학 filed Critical 주식회사 엘지화학
Publication of KR20080100257A publication Critical patent/KR20080100257A/ko
Application granted granted Critical
Publication of KR101245275B1 publication Critical patent/KR101245275B1/ko

Links

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]
    • G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • 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]

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Secondary Cells (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

추정 조합 배터리 상태-파라미터 벡터를 결정하는 시스템, 방법 및 제조물이 제공된다. 상기 방법은 복수 개의 예측 조합 배터리 상태-파라미터 벡터, 복수 개의 예측 배터리 출력 벡터 및 배터리 출력 벡터에 기초하여 상기 추정 조합 배터리 상태-파라미터 벡터를 결정한다.

Description

추정 조합 배터리 상태-파라미터 벡터를 결정하는 시스템과 방법 및 그 제조물{SYSTEM, METHOD AND ARTICLE OF MANUFACTURE FOR DETERMINING AN ESTIMATED COMBINED BATTERY STATE-PARAMETER VECTOR}
본 발명은 디지털 필터링(digital filtering) 기술을 활용하여 배터리 팩 시스템 상태와 모델 파라미터(model parameters)를 추정하는 시스템, 방법 및 제조물에 관한 것이다.
재충전 가능한 배터리 팩 기술 분야에 있어서, 직접적으로 측정가능하지는 않으나, 현재 배터리 팩 상태를 나타낼 수 있는 양적 요소(quantities)을 추정할 수 있는 것이 어떤 응용례에서 요구된다. 이러한 양적 요소 중 일부는 상기 팩의 충전상태(SOC, State Of Charge)와 같이 급속히 변화될 수 있으며, 전체 영역범위를 수 분내에 선회할 수도 있다. 다른 일부는 셀 용량(cell capacity)과 같이 아주 천천히 변화될 수 있으며 10년 이상의 통상적인 사용으로 20% 정도의 작은 범위에서 변화될 수 있다. 급속히 변화하는 경향이 있는 양적 요소(quantities)는 시스템의 상태를 구성하고, 느리게 변화하는 경향이 있는 양적 요소(quantities)는 시스템의 시변(time varying) 파라미터를 구성한다.
배터리 시스템 분야, 특히 예를 들어, 이종 전기 수송수단(Hybrid Electric Vehicle: HEV), 배터리 전기 수송 수단(Battery Electric Vehicles: BEV), 랩탑 컴퓨터 배터리, 이동가능한 장비 배터리 팩 등과 같이 배터리 생명에 악영향을 주지 않고 가능하면 활발히 긴 시간 동안 작동할 필요가 있는 것들에서, 얼마나 많은 배터리 에너지가 현재 작동할 수 있는지 등을 추정하는데 급변하는 파라미터(예를 들어, SOC)들에 대한 정보가 사용되는 것이 바람직하다. 더욱이, 유용한 서비스 시간을 확장하면서 팩의 수명기간 동안 선행 연산(prior calculations)들을 정확히 유지하고 팩의 건강상태(state of health: SOH)을 판단하는 데 도움을 주기 위하여 완변(slowly varying)하는 파라미터(예를 들어, 전체 용량)에 대한 정보를 확인하는 것이 바람직하다.
그러나, 본 발명자는 여기에서 수학적 알고리즘들이 배터리의 내부 배터리 파라미터에 대한 고도로 정확한 추정을 제공할 수 없다는 것을 인식하고 있다. 왜냐하면, 그것들은 비선형 동작 특성(non-linear operational characteristics)들을 가지는 배터리들에 대하여 충분히 최적화되지 않기 때문이다. 또한, 배터리들은 일반적으로 비선형 동작 특성을 가진다.
결과적으로 본 발명자는 배터리 파라미터를 더욱 정확하게 결정하는 시스템 및 방법에 대한 필요성을 인식한다.
바람직한 실시예에 따른 제1소정시간(first predetermined time)에서의 배터리의 상태와 파라미터를 나타내는 추정 조합 배터리 상태-파라미터 벡터(estimated combined battery state-parameter vector)를 결정하는 방법이 제공된다. 상기 방법은 상기 제1소정시간에 앞선 제2소정시간에서의 배터리 상태와 파라미터(both state and parameter of battery), 배터리 입력 노이즈, 배터리 출력 변수를 측정하는 센서에 관련된 센서 노이즈, 배터리 상태와 파라미터의 불확실성(uncertainty of the state and parameter of the battery) 및 상기 센서 노이즈의 불확실성(uncertainty of the sensor noise)을 나타내는 제1 복수 개의 추정 증가 조합 배터리 상태-파라미터 벡터(a first plurality of estimated augmented combined battery state-parameter vectors)를 결정하는 단계를 포함한다. 상기 방법은 또한, 상기 제1 복수 개의 추정 증가 조합 배터리 상태 벡터에 기초하여 상기 제1소정시간에서 상기 배터리 상태와 파라미터의 불확실성과 상기 배터리의 상태와 파라미터를 나타내는 제2 복수 개의 예측 조합 배터리 상태-파라미터 벡터(a second plurality of predicted combined battery state-parameter vectors)을 결정하는 단계를 포함한다. 상기 방법은 또한, 제1 복수 개의 추정 증가 조합 배터리 상태-파라미터 벡터와 제2 복수 개의 예측 조합 배터리 상태-파라미터 벡터에 기초하여 상기 제1소정시간에서 적어도 하나의 상기 배터리의 출력 변수(at least one output variable of battery)와 상기 출력 변수의 불확실성(uncertainty of the output variable)을 나타내는 제3 복수 개의 예측 배터리 출력 벡터(third plurality of predicted battery output vectors)를 결정하는 단계를 포함한다. 상기 방법은 또한, 상기 배터리 출력 변수의 적어도 하나의 측정값을 가지는 제1배터리 출력 벡터를 결정하는 단계를 포함한다. 상기 방법은 또한, 상기 제2 복수 개의 예측 조합 배터리 상태-파라미터 벡터, 상기 제3 복수 개의 예측 배터리 출력 벡터와 상기 제1 배터리 출력 벡터에 기초하여 상기 제1소정시간에서 상기 배터리의 상태와 파라미터를 나타내는 제1 추정 조합 배터리 상태-파라미터 벡터를 결정하는 단계를 포함한다.
다른 바람직한 실시예에 따른 제1소정시간에서 배터리의 상태와 파라미터를 나타내는 추정 조합 배터리 상태-파라미터 벡터를 결정하는 시스템이 제공된다. 상기 시스템은 상기 배터리의 출력 변수를 나타내는 제1신호를 생성하도록 구성되는 센서를 포함한다. 상기 시스템은 또한 상기 센서와 동작 가능하도록 연결되는 컴퓨터를 포함한다. 상기 컴퓨터는 상기 제1소정시간에 앞선 제2소정시간에서의 배터리 상태와 파라미터(both state and parameter of battery), 배터리 입력 노이즈, 배터리 출력 변수를 측정하는 센서에 관련된 센서 노이즈, 배터리 상태와 파라미터의 불확실성(uncertainty of the state and parameter of the battery) 및 상기 센서 노이즈의 불확실성(uncertainty of the sensor noise)을 나타내는 제1 복수 개의 추정 증가 조합 배터리 상태-파라미터 벡터(a first plurality of estimated augmented combined battery state-parameter vectors)를 결정하도록 구성된다. 상기 컴퓨터는 또한, 상기 제1 복수 개의 추정 증가 조합 배터리 상태 벡터에 기초하여 상기 제1소정시간에서 상기 배터리 상태와 파라미터의 불확실성과 상기 배터리의 상태와 파라미터를 나타내는 제2 복수 개의 예측 조합 배터리 상태-파라미터 벡터(a second plurality of predicted combined battery state-parameter vectors)을 결정하도로 구성된다. 상기 컴퓨터는 또한, 제1 복수 개의 추정 증가 조합 배터리 상태-파라미터 벡터와 제2 복수 개의 예측 조합 배터리 상태-파라미터 벡터에 기초하여 상기 제1소정시간에서 적어도 하나의 상기 배터리의 출력 변수(at least one output variable of battery)와 상기 출력 변수의 불확실성(uncertainty of the output variable)을 나타내는 제3 복수 개의 예측 배터리 출력 벡터(third plurality of predicted battery output vectors)를 결정하도록 구성된다. 상기 컴퓨터는 또한, 상기 배터리 출력 변수의 적어도 하나의 측정값을 가지는 제1배터리 출력 벡터를 결정하도록 구성된다. 상기 컴퓨터는 또한, 상기 제2 복수 개의 예측 조합 배터리 상태-파라미터 벡터, 상기 제3 복수 개의 예측 배터리 출력 벡터와 상기 제1 배터리 출력 벡터에 기초하여 상기 제1소정시간에서 상기 배터리의 상태와 파라미터를 나타내는 제1 추정 조합 배터리 상태-파라미터 벡터를 결정하도록 구성된다.
또 다른 바람직한 실시예에 따른 제조물에 제공된다. 상기 제조물은 제1소정시간(first predetermined time)에서의 배터리의 상태-파라미터를 나타내는 추정 조합 배터리 상태-파라미터 벡터를 결정하도록 인코딩된 컴퓨터 프로그램을 가지는 컴퓨터 저장 매체를 포함한다. 상기 컴퓨터 저장 매체는 또한 상기 제1소정시간에 앞선 제2소정시간에서의 배터리 상태와 파라미터(both state and parameter of battery), 배터리 입력 노이즈, 배터리 출력 변수를 측정하는 센서에 관련된 센서 노이즈, 배터리 상태와 파라미터의 불확실성(uncertainty of the state and parameter of the battery) 및 상기 센서 노이즈의 불확실성(uncertainty of the sensor noise)을 나타내는 제1 복수 개의 추정 증가 조합 배터리 상태-파라미터 벡터(a first plurality of estimated augmented combined battery state-parameter vectors)를 결정하는 코드를 포함한다. 상기 컴퓨터 저장 매체는 또한, 상기 제1 복수 개의 추정 증가 조합 배터리 상태 벡터에 기초하여 상기 제1소정시간에서 상기 배터리 상태와 파라미터의 불확실성과 상기 배터리의 상태와 파라미터를 나타내는 제2 복수 개의 예측 조합 배터리 상태-파라미터 벡터(a second plurality of predicted combined battery state-parameter vectors)을 결정하는 코드를 포함한다. 상기 컴퓨터 저장매체는 또한, 제1 복수 개의 추정 증가 조합 배터리 상태-파라미터 벡터와 제2 복수 개의 예측 조합 배터리 상태-파라미터 벡터에 기초하여 상기 제1소정시간에서 적어도 하나의 상기 배터리의 출력 변수(at least one output variable of battery)와 상기 출력 변수의 불확실성(uncertainty of the output variable)을 나타내는 제3 복수 개의 예측 배터리 출력 벡터(third plurality of predicted battery output vectors)를 결정하는 코드를 포함한다. 상기 컴퓨터 저장매체는 또한, 상기 배터리 출력 변수의 적어도 하나의 측정값을 가지는 제1배터리 출력 벡터를 결정하는 코드를 포함한다. 상기 컴퓨터 저장매체는 또한, 상기 제2 복수 개의 예측 조합 배터리 상태-파라미터 벡터, 상기 제3 복수 개의 예측 배터리 출력 벡터와 상기 제1 배터리 출력 벡터에 기초하여 상기 제1소정시간에서 상기 배터리의 상태와 파라미터를 나타내는 제1 추정 조합 배터리 상태-파라미터 벡터를 결정하는 코드를 포함한다.
상기 실시예들에 따른 다른 시스템들 및/또는 방법들은 다음의 도면들과 상세한 설명에 대한 검토에 의하여 당업자들에게 명백하거나 명백해질 것이다. 그러한 모든 추가적인 시스템들과 방법들은 본 발명의 범위에 있으며 첨부된 청구항들에 의하여 보호될 것이다.
도 1은 본 발명의 바람직한 실시예에 의한 추정 조합 배터리 상태-파라미터 벡터를 결정하는 시스템의 개략도,
도 2 내지 도 5는 본 발명의 다른 바람직한 실시예에 의한 추정 조합 배터리 상태-파라미터 벡터를 결정하는 방법의 흐름도,
도 6 내지 도 9는 본 발명의 또 다른 바람직한 실시예에 의한 추정 조합 배터리 상태-파라미터 벡터를 결정하는 방법의 흐름도이다.
도 1을 참조할 때, 배터리(12)의 상태와 파라미터를 나타내는 추정 조합 배터리 상태-파라미터 벡터를 결정하는 시스템(10)이 도시된다. 상기 배터리(12)는 적어도 하나의 배터리 셀(14)을 포함한다. 물론, 상기 배터리(12)는 복수 개의 추가적인 배터리 셀을 포함할 수 있다. 각 배터리 셀은 재충전 가능한 셀이거나 재충전이 가능하지 않은 셀일 수 있다. 또한, 각 배터리 셀은 본 발명의 기술분야의 당업자에게 알려진 전기-화학 구성을 가지는 양극과 음극을 사용하여 제작될 수 있다.
재충전 가능한 배터리 팩 기술 분야에 있어서, 직접적으로 측정가능하지는 않으나, 현재 배터리 팩 상태를 나타낼 수 있는 양적 요소(quantities)을 추정할 수 있는 것이 어떤 응용례에서 요구된다. 이러한 양적 요소 중 일부는 상기 팩의 충전상태(SOC, State Of Charge)와 같이 급속히 변화될 수 있으며, 전체 영역범위 를 수 분내에 선회할 수도 있다. 다른 일부는 셀 용량(cell capacity)과 같이 아주 천천히 변화될 수 있으며 10년 이상의 통상적인 사용으로 20% 정도의 작은 범위에서 변화될 수 있다. 급속히 변화하는 경향이 있는 양적 요소(quantities)는 시스템의 상태를 구성하고, 느리게 변화하는 경향이 있는 양적 요소(quantities)는 시스템의 시변(time varying) 파라미터를 구성한다.
배터리 시스템 분야, 특히 예를 들어, 이종 전기 수송수단(Hybrid Electric Vehicle: HEV), 배터리 전기 수송 수단(Battery Electric Vehicles: BEV), 랩탑 컴퓨터 배터리, 이동가능한 장비 배터리 팩 등과 같이 배터리 생명에 악영향을 주지 않고 가능하면 활발히 긴 시간 동안 작동할 필요가 있는 것들에서, 충전상태(SOC:Sate Of Charge)의 정보를 포함하여 완변하는(slowly varying) 파라미터들(예를 들면, 전체 용량(total capacity))에 대한 정보가 팩의 활력 상태(pack health)를 결정하거나 다른 연산에 조력하는데 유용할 수 있다. 예시적인 파라미터들은 셀 용량(cell capacity), 저항(resistance), 분극 전압 시상수(polarization voltage time constant(s)), 분극 전압 조화 요소(polarization voltage blending factor(s)), 히스테레시스 조화 요소(hysteresis blending factor(s)), 히스테레시스율 상수(hysteresis rate constant(s)), 효율 요소(efficiency factor(s)) 등에 제한되지 않고 포함한다.
입력 변수는 특정 시간의 배터리 입력 신호의 값으로 정의된다. 예를 들어, 상기 입력 변수는 배터리에 들어가는 전류 중의 하나와 상기 배터리의 온도를 포함할 수 있다. 출력 변수는 특정한 시간의 배터리 출력 신호의 값으로 정의된다. 예 를 들어, 출력 변수는 배터리 출력 전압 중의 하나와 배터리 압력(battery pressure)을 포함할 수 있다.
상기 시스템(10)은 하나 이상의 전압 센서(20), 로드 회로(26) 및 컴퓨터와 같은 연산 유닛(28)을 포함하며, 또한, 하나 이상의 온도 센서(22) 및 전류 센서(24)를 포함할 수 있다.
상기 전압 센서(20)는 상기 배터리(12)의 하나 이상의 배터리 셀들에 의하여 산출되는 전압을 나타내는 제1 출력 신호를 생성한다. 상기 전압 센서(20)는 상기 컴퓨터(28)의 입출력 인터페이스(I/O interface)(46)와 상기 배터리(12) 사이에서 전기적으로 연결된다. 상기 전압 센서(20)는 상기 제1 출력 신호를 상기 컴퓨터(28)로 전송한다. 표현의 명확성을 위하여, 여기에서는 하나의 전압 센서가 도시된다. 그러나, 상기 시스템(10)의 교체 가능한 실시예에서는 복수 개의 전압 센서들(예를 들어, 배터리 셀마다 하나의 전압 센서)이 시스템(10)에 활용될 수 있음이 주목되어야 한다.
상기 온도 센서(22)는 상기 배터리(12)의 하나 이상의 온도를 나타내는 제2 출력 신호를 생성한다. 상기 온도 센서(22)는 배터리(12) 가까운 곳에 위치하고 상기 컴퓨터(28)의 입출력 인터페이스(46)에 전기적으로 연결된다. 상기 온도 센서(22)는 상기 컴퓨터(28)로 상기 제2 출력 신호를 전송한다. 표현의 명확성을 위하여, 여기에서는 하나의 온도 센서가 도시된다. 그러나, 상기 시스템(10)의 교체 가능한 실시예에서는 복수 개의 온도 센서들(예를 들어, 배터리 셀마다 하나의 온도 센서)이 시스템(10)에 활용될 수 있음이 주목되어야 한다.
상기 전류 센서(24)는 상기 배터리(12)의 배터리 셀들에 의하여 공급되거나 빠져나간(sourced or sunk) 전류를 나타내는 제3 출력 신호를 생성한다. 상기 전류 센서(24)는 상기 로드 회로(26)와 상기 배터리(12) 사이에 전기적으로 연결된다. 상기 전류 센서(24)는 상기 컴퓨터(28)의 입출력 인터페이스(46)와도 전기적으로 연결된다. 상기 전류 센서(24)는 상기 컴퓨터(28)로 상기 제3 출력 신호를 전송한다.
상기 로드 회로(26)는 전기적으로 상기 전류 센서(24)와 연결되며 상기 배터리(12)로부터 전류가 공급되거나 빠져나가게 된다. 상기 로드 회로(26)는 상기 배터리(12)와 전기적으로 연결될 수 있는 모든 전기 장치를 포함한다.
상기 컴퓨터(28)는 이하에서 더욱 상세히 설명되는 바와 같이 상기 배터리(12)의 상태와 파라미터를 나타내는 추정 조합 배터리 상태-파라미터 벡터를 결정하기 위하여 제공된다. 상기 컴퓨터(28)는 중앙 처리 장치(CPU)(40), ROM(44), RAM(45)과 같은 휘발성 메모리 및 입출력 인터페이스(46)를 포함한다. 상기 CPU(40)는 상기 ROM(44), RAM(45) 및 입출력 인터페이스(46)와 작동 가능하도록 연결된다. 상기 CPU(40)는 클럭(42)을 포함한다. ROM(44)와 RAM(45)을 포함하는 컴퓨터 가독성 매체(computer readable media)는 PROMs, EPROMs, EEPROMs, 플래쉬 메모리(flash memory) 또는 데이터를 저장할 수 있는 어떠한 다른 전기적, 자기적, 광학적 또는 조합 메모리, CPU(40)에 의하여 사용된 실행가능한 명령을 표현하는 것들과 같은 알려진 많은 메모리 장치들을 사용함으로써 구현된다.
이해의 목적을 위하여 다음 방법들의 방정식들에서 활용되는 표기 법(notation)이 설명된다. 상기 서컴플렉스 심벌(circumflex symbol)은 추정된 크기(quantity)을 나타낸다(예를 들어,
Figure 112008063954368-pct00001
는 실제 크기(quantity) x에 대한 추정값을 나타낸다). 수퍼스크립트 심벌(superscript symbol) "-"은 아프리오리(a priori) 추정값을 나타낸다(즉, 지난 데이터에 기초된 크기(quantity)의 현재값 예측). 수퍼스크립트 심벌 "+"는 아포스테리오리(a posteriori) 추정값을 나타낸다(예를 들어,
Figure 112008063954368-pct00002
는 시간 k를 포함하여 모든 취해진 측정값들에 기초된 타임 인덱스 k에서의 실제 크기(quantity) x에 대한 추정값이다). 상기 틸더 심벌(tilde symbol)은 추정 크기(estimated quantity)의 오차를 나타낸다(예를 들어,
Figure 112008063954368-pct00003
이고,
Figure 112008063954368-pct00004
). 상기 심벌
Figure 112008063954368-pct00005
은 서브스크립트(subscript) 변수들에 대한 상관관계(correlation) 또는 교차 상관관계(cross correlation)을 나타낸다(여기에 기술된 상기 크기들(quantities)은 제로 평균(zero-mean)이므로 상기 상관관계들은 공분산들(covariances)과 동일하다). 상기 심벌
Figure 112008063954368-pct00006
은
Figure 112008063954368-pct00007
과 동일한 크기(quantity)를 나타낸다. 상기 수퍼스크립트 "T"는 매트릭스/벡터 전치 연산자(matrix/vector transpose operator)이다.
상기 배터리(12)에 관련된 배터리 파라미터 벡터를 결정하는 방법론에 대한 상세한 설명을 제공하기에 앞서, 일반적인 개괄 설명이 제공될 것이다. 배터리 상태 벡터는 상기 배터리(12)에 관련된 적어도 하나의 충전상태(SOC)를 포함한다. 상기 SOC 값은 동작하는데 사용될 수 있는 상기 배터리의 현재 이용가능한 용량을 의미하는 0에서 100 퍼센트까지의 값이다.
배터리 셀 동작(battery cell behavior)의 수학적 모델이 상기 배터리(12)의 상태 벡터의 추정값을 연산하기 위하여 상기 방법에서 사용된다. 상기 배터리 셀 다이나믹스(battery cell dynamics)에 대한 수학적 모델은 알려져 있으며, 또한 아래에 기술되는 것과 같이 상태 방정식(state equation)과 출력 방정식(output equation)을 포함하는 이산 시간 상태 공간 모델(discrete-time state-space model)을 사용하여 표현될 수 있다고 여겨진다.
상기 배터리(12)에 관련된 상기 상태 벡터를 결정하기 위하여 사용되는 상기 상태 방정식은 다음과 같다.
xk=f(xk -1, uk -1, wk -1, k-1, k)
상기 수식에서 xk는 타임 인덱스(time index) k에서 상기 배터리(12)에 관련된 상태 벡터이며, uk는 상기 배터리(12)에 대한 알려진 결정요소 입력값(known/deterministic input), wk는 상기 시스템의 상태에 영향을 미치는 어떤 측정되지 않은 입력값을 모델링하는 프로세스 노이즈(process noise) 또는 교 란(disturbance)이며, 그리고, f(xk -1, uk -1, wk -1, k-1, k)는 상태 변이 함수(state transition function)이다.
상기 배터리(12)에 관련된 출력 벡터(output vector)는 다음의 수식을 이용하여 결정된다.
yk=h(xk, uk, vk, k)
상기 수식에서, h(xk, uk, vk, k)는 측정 함수(measurement function)이며, vk는 비메모리 모드(memory-less mode)에서 상기 배터리(12)의 출력 측정에 영향을 미치나 상기 배터리(12)의 상태 벡터에는 영향을 미치지 않는 센서 노이즈(sensor noise)이다.
시스템 상태 xk는 적어도 현재 출력을 예측하기 위하여 필요한 셀의 수학적 모델과 현재 입력과 함께 최소량의 정보를 포함한다. 셀(14)의 경우 상태는, 예를 들어, SOC, 다른 시정수에 대한 분극 전압(polarization voltage) 수위, 히스테리시스 수위를 포함한다. 상기 시스템 외부로부터의 입력 uk는 현재 셀의 전류 ik의 최소값을 포함하며, 선택적으로 셀 온도를(만약 상태에 온도변화 자체가 설계되지 않는다면) 포함할 수 있다. 시스템 파라미터 θk는 시스템 측정된 입력과 출력을 아는 것에 의하여 직접적으로 결정될 수 없다는 그런 점에서 시간에 따라 단지 천천히 변하는 값이다. 이러한 것으로는 셀용량, 저항, 분극 전압 시정수, 분극 전압 조화 요소(polarization voltage blending factor), 히스테리시스 조화 요 소(hysterisis blending factor(s)), 히스테리시스율 상수(hysteresis rate constant), 효율 요소(efficiency factor) 등을 포함한다. 모델 출력 yk는 물리적으로 측정가능한 셀 양적 요소 또는 최소값으로 측정된 양적 요소로부터 직접적으로 계산될 수 있는 것(예를 들어 로드 셀 전압)에 대응한다.
동적 파라미터(parameter dynamics)의 수학적 모델 또한 활용된다. 예시적인 모델은 다음 형태를 가진다.
Figure 112008063954368-pct00008
첫번째 방정식은 파라미터 θk 가 우선적으로 상수임을 나타내나, rk로 표시되는 "노이즈" 프로세스에 의하여 모델된 이 예에서 시간이 지남에 따라 천천히 변화될 수 있다. 출력 dk는 어떤 추정 오차(estimation error) ek가 감안된 g(·,·,·)에 의하여 모델된 최적의 동적 파라미터(optimum parameter dynamics)의 함수이다. 상기 최적의 동적 파라미터 g(·,·,·)는 상기 시스템 상태 xk, 외부 입력 uk 및 시변수 파라미터 θk 세트에 대한 함수이다.
도 2 내지 도 5를 참조하여, 바람직한 실시예에 따른 상기 배터리(12)의 상태와 파라미터를 나타내는 추정 조합 배터리 상태-파라미터 벡터를 결정하는 방법이 설명될 것이다. 상기 방법은 상기 콘트롤러(28)에 의하여 실행되는 소프트웨어 알고리즘들을 활용하여 구현될 수 있다. 상기 소프트웨어 알고리즘들은 상기 ROM(44)이나 상기 RAM(45) 또는 당업자에게 잘 알려진 컴퓨터 가독 매체에 저장된다.
60단계에서, 상기 컴퓨터(28)는 제1소정시간에서 획득된 배터리 입력 변수 중 적어도 하나의 측정된 값을 가지는 배터리 입력 벡터 uk를 생성한다.
62단계에서, 상기 컴퓨터(28)는 상기 제1소정시간에서 획득된 배터리 출력 변수 중 적어도 하나의 측정된 값을 가지는 배터리 출력 벡터yk를 생성한다.
64단계에서, 상기 컴퓨터(28)는 수학식 1을 활용하여 상기 제1소정시간 이전의 제2소정시간에서 상기 배터리(1)의 상태와 상기 배터리(12)의 파라미터를 나타내는 추정 증가 조합 배터리 상태-파라미터 벡터(estimated augmented combined battery state-parameter vector)
Figure 112008063954368-pct00009
를 결정한다.
Figure 112008063954368-pct00010
상기 수학식 1에서,
Figure 112008063954368-pct00011
는 상기 제2소정시간에서 상기 배터리(12)의 상태와 상기 배터리(12)의 파라미터를 나타내는 추정 조합 배터리 상태-파라미터 벡터(estimated combined battery state and parameter vector)에 해당;
Figure 112008063954368-pct00012
는 상기 제2소정시간에서 조합 배터리 상태-파라미터 입력 노이즈 벡터(battery input noise vector)의 예측값에 해당;
는 상기 제2소정시간에서 센서 노이즈 벡터(sensor noise vector)의 예측값에 해당; 그리고,
T는 매트릭스/벡터 전치 연산자(matrix/vector transpose operator)이다.
66단계에서, 상기 컴퓨터(28)는 수학식 2를 활용하여 상기 추정 증가 조합 배터리 상태-파라미터 벡터와 관련된 추정 증가 조합 배터리 상태-파라미터 벡터 공분산 매트릭스(estimated augmented combined battery state-parameter vector covariance matrix)
Figure 112008063954368-pct00014
를 결정한다.
Figure 112008063954368-pct00015
상기 수학식 2에서,
Figure 112008063954368-pct00016
는 상기 제2소정시간에서 상기 추정 조합 배터리 상태-파라미터 벡터와 관련된 추정 조합 배터리 상태-파라미터 벡터 공분산 매트릭스에 해당;
Figure 112008063954368-pct00017
는 조합 배터리 상태-파라미터 입력 노이즈 벡터와 관련된 공분산 매트릭스에 해당;
Figure 112008063954368-pct00018
는 센서 노이즈 벡터와 관련된 공분산 매트릭스에 해당; 그리고,
diag()는 입력 독립변수(input arguments)로부터 블록 대각선 행렬(block-diagonal matrix)을 구성하는 함수이다.
68단계에서, 상기 컴퓨터(28)는 수학식 3을 활용하여 상기 제2소정시간에서 상기 배터리(12)의 상태와 상기 배터리(12)의 파라미터를 각각 나타내는 복수 개의 추정 증가 조합 배터리 상태-파라미터 벡터
Figure 112008063954368-pct00019
를 결정한다.
Figure 112008063954368-pct00020
상기 수학식 3에서,
Figure 112008063954368-pct00021
는
Figure 112008063954368-pct00022
의 촐레스크 매트릭스 스퀘어 루트(Cholesky matrix square root)에 해당; 그리고
Figure 112008063954368-pct00023
는 상수값(constant value)에 해당한다.
70단계에서, 상기 컴퓨터(28)는 수학식 4를 활용하여 상기 제1소정시간에서 배터리(12)의 상태와 배터리(12)의 파라미터 각각 나타내는 복수 개의 예측 조합 배터리 상태-파라미터 벡터(predicted conbined battery state-parameter vectors)
Figure 112008063954368-pct00024
를 결정한다.
Figure 112008063954368-pct00025
상기 수학식 4에서,
Figure 112008063954368-pct00026
는 상기 복수 개의
Figure 112008063954368-pct00027
중 i번째 멤버(member)에 해당;
Figure 112008063954368-pct00028
는 상기 제2소정시간에서 배터리 입력 벡터에 해당;
Figure 112008063954368-pct00029
는 상기 복수 개의
Figure 112008063954368-pct00030
중 i번째 멤버로부터 추출된 추정 조합 배터리 상태-파라미터 벡터에 해당;
Figure 112008063954368-pct00031
는 상기 복수 개의
Figure 112008063954368-pct00032
중 i번째 멤버로부터 추출된 추정 조합 배터리 상태-파라미터 입력 노이즈 벡터에 해당;
Figure 112008063954368-pct00033
는 상기 조합 상태- 파라미터 벡터의 다이나믹스(dynamics)를 모델링하는 방정식이다.
k-1은 상기 제2소정시간에 해당한다.
72단계에서, 상기 컴퓨터(28)는 수학식 5을 활용하여 상기 제1소정시간에서 배터리 출력을 각각 나타내는 복수 개의 예측 배터리 출력 벡터(predicted battery output vectors)
Figure 112008063954368-pct00034
을 결정한다.
Figure 112008063954368-pct00035
상기 수학식 5에서,
Figure 112008063954368-pct00036
는 상기 복수 개의
Figure 112008063954368-pct00037
중 i번째 멤버에 해당;
Figure 112008063954368-pct00038
는 상기 복수 개의
Figure 112008063954368-pct00039
중 i번째 멤버로부터 추출된 단일 추정 센서 노이즈 벡터(single estimated sensor noise vector)에 해당; 그리고,
k는 상기 제1소정시간에 해당한다.
74단계에서, 상기 컴퓨터(28)는 수학식 6을 활용하여 상기 복수 개의 예측 조합 배터리 상태-파라미터 벡터
Figure 112008063954368-pct00040
의 가중치 평균을 연산함으로써 상기 제1시간에 대응하는 예측 조합 배터리 상태-파라미터 벡터
Figure 112008063954368-pct00041
를 결정한다.
Figure 112008063954368-pct00042
상기 수학식 6에서
Figure 112008063954368-pct00043
은 상수값들 세트(set of constant values)에 해당한다; 그리고,
p는 상기 복수 에서
Figure 112008063954368-pct00044
멤버들의 일을 뺀 넘버에 해당한다(the number of members in the plurality
Figure 112008063954368-pct00045
, minus one)
76단계에서, 상기 컴퓨터(28)는 다음 수학식 7을 활용하여 예측 조합 배터리 상태-파라미터 벡터 공분산 매트릭스
Figure 112008063954368-pct00046
를 결정한다.
Figure 112008063954368-pct00047
상기 수학식 7에서
Figure 112008063954368-pct00048
는 상수값들 세트에 해당한다.
78단계에서, 상기 컴퓨터(28)는 수학식 8을 활용하여 상기 제1소정시간에서 배터리 출력값들을 나타내는 예측 배터리 출력 벡터(predicted battery output vector)
Figure 112008063954368-pct00049
를 결정한다.
Figure 112008063954368-pct00050
80단계에서, 상기 컴퓨터(28)는 다음 수학식 9를 활용하여 예측 배터리 출력 벡터 공분산 매트릭스
Figure 112008063954368-pct00051
를 결정한다.
Figure 112008063954368-pct00052
82단계에서, 상기 컴퓨터(28)는 다음 수학식 10을 활용하여 예측 크로스-공분산 매트릭스
Figure 112008063954368-pct00053
를 결정한다.
Figure 112008063954368-pct00054
84단계에서, 상기 컴퓨터(28)는 다음 수학식 11을 활용하여 게인 매트릭스 Lk를 결정한다.
Figure 112008063954368-pct00055
86단계에서, 상기 컴퓨터(28)는 다음 수학식 12를 활용하여 상기 제1소정시간에서 상기 배터리(12)의 파라미터와 상기 배터리(12)의 상태를 각각 나타내는 추정 조합 배터리 상태-파라미터 벡터
Figure 112008063954368-pct00056
를 결정한다.
Figure 112008063954368-pct00057
88단계에서, 상기 컴퓨터(28)는 다음 수학식 13을 활용하여 상기 추정 조합 배터리 상태-파라미터 벡터와 관련된 추정 조합 배터리 상태-파라미터 벡터 공분산 매트릭스
Figure 112008063954368-pct00058
를 결정한다.
Figure 112008063954368-pct00059
90단계에서, 상기 컴퓨터(28)는 새로운 제1 및 제2소정시간을 선택한다. 상기 90단계 이후, 상기 방법은 60단계로 돌아간다.
도 6 내지 9를 참조하여, 다른 바람직한 실시예에 따른 배터리(12)의 상태와 배터리(12)의 파라미터를 나타내는 추정 조합 배터리 상태-팔미터 벡터를 결정하는 방법이 이하에서 설명된다. 상기 방법은 상기 콘트롤러(controller)(28)에 의하여 실행되는 소프트웨어 알고리즘을 활용하여 구현될 수 있다. 상기 소프트웨어 알고리즘은 상기 롬(44)이나 램(45) 또는 당업자에게 잘 알려진 다른 컴퓨터 가독 매체에 저장된다.
100단계에서, 상기 컴퓨터(28)는 제1소정시간에서 획득된 배터리 입력 변수 중 적어도 하나의 측정된 값을 가지는 배터리 입력 벡터 uk를 생성한다.
101단계에서, 상기 컴퓨터(28)는 상기 제1소정시간에서 획득된 배터리 출력 변수 중 적어도 하나의 측정된 값을 가지는 배터리 출력 벡터yk를 생성한다.
102단계에서, 상기 컴퓨터(28)는 수학식 14을 활용하여 상기 제1소정시간 이전의 제2소정시간에서 상기 배터리(1)의 상태와 상기 배터리(12)의 파라미터를 나타내는 추정 증가 조합 배터리 상태-파라미터 벡터(estimated augmented combined battery state-parameter vector)
Figure 112008063954368-pct00060
를 결정한다.
Figure 112008063954368-pct00061
상기 수학식 14에서,
Figure 112008063954368-pct00062
는 상기 제2소정시간에서 상기 배터리(12)의 상태와 상기 배터리(12)의 파라미터를 나타내는 추정 조합 배터리 상태-파라미터 벡터(estimated combined battery state and parameter vector)에 해당;
Figure 112008063954368-pct00063
는 상기 제2소정시간에서 조합 배터리 상태-파라미터 입력 노이즈 벡터(battery input noise vector)의 예측값에 해당;
Figure 112008063954368-pct00064
는 상기 제2소정시간에서 센서 노이즈 벡터(sensor noise vector)의 예측값에 해당; 그리고,
T는 매트릭스/벡터 전치 연산자(matrix/vector transpose operator)이다.
104단계에서, 수학식 15를 활용하여 상기 추정 증가 조합 배터리 상태-파라미터 벡터와 관련된 추정 증가 조합 배터리 상태-파라미터 벡터 스퀘어-루트 공분산 매트릭스
Figure 112008063954368-pct00065
를 결정한다.
Figure 112008063954368-pct00066
상기 수학식 15에서,
Figure 112008063954368-pct00067
는 상기 제2소정시간에서 상기 추정 조합 배터리 상태-파라미터 벡터에 관련된 추정 조합 배터리 상태-파라미터 벡터 스퀘어-루트 공분산 매트릭스에 해당;
Figure 112008063954368-pct00068
는 조합 배터리 상태-파라미터 입력 노이즈 벡터에 관련된 스퀘어-루트 매트릭스에 해당;
Figure 112008063954368-pct00069
는 센서 노이즈 벡터에 관련된 스퀘어-루트 공분산 매트릭스에 해당; 그리고,
Figure 112008063954368-pct00070
는 입력 독립변수(input arguments)로부터 블록 대각선 행렬(block-diagonal matrix)을 구성하는 함수이다.
106단계에서, 상기 컴퓨터(28)는 다음 수학식 16을 활용하여 상기 제2소정시간에서 배터리의 상태와 배터리의 파라미터를 각각 나타내는 복수 개의 추정 증가 조합 배터리 상태-파라미터 벡터
Figure 112008063954368-pct00071
를 결정한다.
Figure 112008063954368-pct00072
상기 수학식 16에서
Figure 112008063954368-pct00073
는 상수값에 해당한다.
108단계에서, 다음 수학식 17을 활용하여 상기 제1소정시간에서 배터리(12)의 파라미터와 배터리(12)의 상태를 각각 나타내는 복수 개의 예측 조합 배터리 상태-파라미터 벡터
Figure 112008063954368-pct00074
를 결정한다.
Figure 112008063954368-pct00075
상기 수학식 17에서,
Figure 112008063954368-pct00076
는 상기 복수 개의
Figure 112008063954368-pct00077
중 i번째 멤버(member)에 해당;
Figure 112008063954368-pct00078
는 상기 제2소정시간에서 배터리 입력 벡터에 해당;
Figure 112008063954368-pct00079
는 상기 복수 개의
Figure 112008063954368-pct00080
중 i번째 멤버로부터 추출된 추정 조합 배터리 상태-파라미터 벡터에 해당;
Figure 112008063954368-pct00081
는 상기 복수 개의
Figure 112008063954368-pct00082
중 i번째 멤버로부터 추출된 추정 조합 배터리 상태-파라미터 입력 노이즈 벡터에 해당;
Figure 112008063954368-pct00083
는 상기 조합 상태- 파라미터 벡터의 다이나믹스(dynamics)를 모델링하는 방정식이다.
k-1은 상기 제2소정시간에 해당한다.
110단계에서, 상기 컴퓨터(28)는 수학식 18을 활용하여 상기 제1소정시간에서 배터리 출력을 각각 나타내는 복수 개의 예측 배터리 출력 벡터(predicted battery output vectors)
Figure 112008063954368-pct00084
을 결정한다.
Figure 112008063954368-pct00085
상기 수학식 18에서,
Figure 112008063954368-pct00086
는 상기 복수 개의
Figure 112008063954368-pct00087
중 i번째 멤버에 해당;
Figure 112008063954368-pct00088
는 상기 복수 개의
Figure 112008063954368-pct00089
중 i번째 멤버로부터 추출된 단일 추정 센서 노이즈 벡터(single estimated sensor noise vector)에 해당; 그리고,
k는 상기 제1소정시간에 해당한다.
112단계에서, 상기 컴퓨터(28)는 수학식 19를 활용하여 상기 복수 개의 예측 조합 배터리 상태-파라미터 벡터
Figure 112008063954368-pct00090
의 가중치 평균을 연산함으로써 상기 제1시간에 대응하는 예측 조합 배터리 상태-파라미터 벡터
Figure 112008063954368-pct00091
를 결정한다.
Figure 112008063954368-pct00092
상기 수학식 19에서
Figure 112008063954368-pct00093
은 상수값들 세트(set of constant values)에 해당한다; 그리고,
p는 상기 복수 에서
Figure 112008063954368-pct00094
멤버들의 일을 뺀 넘버에 해당한다(the number of members in the plurality
Figure 112008063954368-pct00095
, minus one)
114단계에서, 상기 컴퓨터(28)는 다음 수학식 20을 활용하여 예측 조합 배터리 상태-파라미터 벡터 스퀘어-루트 공분산 매트릭스
Figure 112008063954368-pct00096
를 결정한다.
Figure 112008063954368-pct00097
상기 수학식 20에서,
Figure 112008063954368-pct00098
는 상수값 세트에 해당하고,
qr{ }은 입력 독립변수의 Q-R 매트릭스 분해(decomposition)을 연산하고 상 기 R 매트릭스의 상위 삼각 부분(upper-triangular portion)을 리턴(return)하는 함수이다.
116단계에서, 상기 컴퓨터(28)는 다음 수학식 21을 활용하여 상기 제1소정시간에서 상기 배터리(12)의 출력을 나타내는 예측 배터리 출력 벡터
Figure 112008063954368-pct00099
를 결정한다.
Figure 112008063954368-pct00100
118단계에서, 상기 컴퓨터(28)는 다음 수학식 22를 활용하여 예측 배터리 출력 벡터 스퀘어-루트 공분산 매트릭스
Figure 112008063954368-pct00101
를 결정한다.
Figure 112008063954368-pct00102
120단계에서, 상기 컴퓨터(28)는 다음 수학식 23을 활용하여 예측 크로스-공분산 매트릭스
Figure 112008063954368-pct00103
를 결정한다.
Figure 112008063954368-pct00104
122단계에서, 다음 수학식 24를 활용하여 게인 매트릭스 Lk를 결정한다.
Figure 112008063954368-pct00105
124단계에서, 상기 컴퓨터(28)는 다음 수학식 25를 활용하여 상기 제1소정시간에서 상기 배터리(12)의 상태와 상기 배터리(12)의 파라미터를 나타내는 추정 조합 배터리 상태-파라미터 벡터
Figure 112008063954368-pct00106
를 결정한다.
Figure 112008063954368-pct00107
126단계에서, 상기 컴퓨터(28)는 다음 수학식 26을 활용하여 상기 추정 조합 배터리 상태-파라미터 벡터와 관련된 추정 조합 배터리 상태-파라미터 벡터 스퀘어-루트 공분산 매트릭스
Figure 112008063954368-pct00108
를 결정한다.
Figure 112008063954368-pct00109
상기 수학식 26에서 downdate{ }는 제2독립변수(second argument)를 사용하여 제1독립변수(first argument)에 대한 매트릭스 다운데이트 오퍼레이션(matrix downdate operation)을 연산한다.
128단계에서, 상기 컴퓨터(28)는 새로운 제1 및 제2소정시간을 선택한다. 사익 128단계 후, 상기 방법은 100단계로 돌아간다.
배터리(12)의 상태와 배터리(12)의 파라미터를 나타내는 추정 조합 배터리 상태-파라미터 벡터를 결정하는 상기 시스템, 방법 및 그 제조물은 다른 시스템과 방법에 대비하여 실질적인 이점을 제공한다. 특히, 상기 시스템, 방법 및 그 제조물은 비선형 동작 특성(non-linear operational characteristics)을 가지는 배터리에 대하여 상기 추정 조합 배터리 상태-파라미터 벡터를 더욱 정확하게 결정할 수 있는 기술적인 효과를 제공한다.
상기 설명된 방법들은 프로피 디스켓, CD-ROMs, 하드 디스크 또는 다른 어떤 컴퓨터 인식 가능한 저장매체와 같은 매체에 의하여 실현되는 명령어를 포함하는 컴퓨터 프로그램 코드의 형태로 실현될 수 있다. 프로그램 코드는 컴퓨터에 의하여 로드되고 실행되며, 컴퓨터는 상기 방법을 수행할 수 있는 장치가 된다. 본원 방법은 또한, 컴퓨터 프로그램 코드의 형태, 예를 들어, 저장매체에 저장되거나, 컴퓨 터에 의하여 실행되거나 컴퓨터 내에 로드되는 형태 또는 변조된 캐리어 웨이브, 전기송전선, 케이블, 광섬유 또는 전자기 전송 등의 전송매체의 형태로 실현될 수 있다. 컴퓨터 프로그램 코드가 컴퓨터에 의해 로드되고 실행되는 경우 컴퓨터는 상기 방법을 수행할 수 있는 장치가 된다. 범용 마이크로프로세서에 의해 수행되는 경우, 컴퓨터 프로그램 코드 세그먼트는 상기 마이크로프로세서가 특정한 논리 회로를 만들도록 구성한다.
본 발명이 바람직한 실시예를 참조하여 설명되고 있으나, 당업자에 의하여 다양한 변형례가 가능하고, 균등한 요소가 본 발명의 범위를 벗어남 없이 본 발명의 요소와 대체될 수 있다고 이해되어야 한다. 더욱이, 많은 변용례들이 본 발명의 본질적인 범위를 벗어나지 않고 발명의 교사에 대한 특정한 상황이나 재료에 적합되기 위하여 이루어질 수 있다. 그러므로, 본 발명은 본 발명을 실시하기 위하여 개시되는 실시예에 제한되지 않으며 본 발명은 첨부된 청구범위에 해당하는 모든 실시예를 포함한다고 해석된다. 더욱이, 제1, 제2 등에 대한 용어의 사용은 중요성의 순서를 의미하기보다는 상기 제1, 제2 등에 대한 용어의 사용은 하나의 요소를 다른 요소와 구별하기 위하여 사용된다.

Claims (20)

  1. 제1소정시간에서 배터리의 상태와 배터리의 파라미터를 포함하는 추정 조합 배터리 상태-파라미터 벡터를 결정하는 방법에 있어서,
    상기 제1소정시간에 앞선 제2소정시간에서 배터리 상태와 파라미터, 배터리 입력 노이즈, 상기 배터리의 출력 신호 값에 해당하는 배터리 출력 변수를 측정하는 센서와 관련된 센서 노이즈, 배터리의 상태와 파라미터의 불확실성, 상기 배터리 입력 노이즈의 불확실성 및 상기 센서 노이즈의 불확실성을 나타내는 제1 복수 개의 추정 증가 조합 배터리 상태-파라미터 벡터를 결정하는 단계;
    상기 제1 복수 개의 추정 증가 조합 배터리 상태-파라미터 벡터에 기초하여 상기 제1소정시간에서 상기 배터리 상태와 파라미터의 불확실성과 배터리의 상태와 배터리의 파라미터를 나타내는 제2 복수 개의 예측 조합 배터리 상태-파라미터 벡터를 결정하는 단계;
    제1 복수 개의 추정 증가 조합 배터리 상태-파라미터 벡터와 제2 복수 개의 예측 조합 배터리 상태-파라미터 벡터에 기초하여 상기 제1소정시간에서 적어도 하나의 상기 배터리의 출력 변수와 상기 출력 변수의 불확실성을 나타내는 제3 복수 개의 예측 배터리 출력 벡터를 결정하는 단계;
    상기 배터리 출력 변수의 적어도 하나의 측정값을 가지는 제1배터리 출력 벡터를 결정하는 단계; 및
    상기 제2 복수 개의 예측 조합 배터리 상태-파라미터 벡터, 상기 제3 복수 개의 예측 배터리 출력 벡터와 상기 제1 배터리 출력 벡터에 기초하여 상기 제1소정시간에서 상기 배터리의 상태와 파라미터를 나타내는 제1 추정 조합 배터리 상태-파라미터 벡터를 결정하는 단계를 포함하는 것을 특징으로 하는 추정 조합 배터리 상태-파라미터 벡터를 결정하는 방법.
  2. 제 1항에 있어서, 상기 제1 복수 개의 추정 증가 조합 배터리 상태-파라미터 벡터를 결정하는 단계는,
    메모리로부터 상기 제2소정시간에서 상기 배터리의 상태와 파라미터를 나타내는 추정 조합 배터리 상태-파라미터 벡터를 검색하는 단계(retrieving);
    상기 추정 조합 배터리 상태-파라미터 벡터, 예측 조합 배터리 상태-파라미터 입력 노이즈 벡터 및 예측 센서 노이즈 벡터에 기초하여 상기 제2소정시간에서 상기 배터리의 상태와 파라미터, 상기 배터리 입력 노이즈 및 상기 센서 노이즈를 나타내는 제1 추정 증가 조합 배터리 상태-파라미터 벡터를 결정하는 단계;
    상기 메모리로부터 상기 제2소정시간에서 상기 배터리의 상태와 파라미터의 불확실성을 나타내는 추정 조합 배터리 상태-파라미터 벡터 공분산 매트릭스를 검색하는 단계;
    상기 추정 조합 배터리 상태-파라미터 벡터 공분산 매트릭스, 상기 배터리 입력 노이즈의 불확실성을 나타내는 공분산 매트릭스, 상기 센서 노이즈의 불확실성을 나타내는 공분산 매트릭스에 기초하여 상기 배터리의 상태와 파라미터의 불확실성, 상기 배터리 입력 노이즈 및 상기 센서 노이즈를 나타내는 제1 추정 증가 조 합 배터리 상태-파라미터 벡터 공분산 매트릭스를 결정하는 단계; 및
    상기 제1 추정 증가 조합 배터리 상태-파라미터 벡터와 상기 제1 추정 증가 조합 배터리 상태-파라미터 벡터 공분산 매트릭스에 기초하여 상기 제1 복수 개의 추정 증가 조합 배터리 상태-파라미터 벡터를 결정하는 단계를 포함하는 것을 특징으로 하는 추정 조합 배터리 상태-파라미터 벡터를 결정하는 방법.
  3. 제 2항에 있어서, 상기 제1 복수 개의 추정 증가 조합 배터리 상태-파라미터 벡터를 결정하는 단계는,
    상기 제1 복수 개의 추정 증가 조합 배터리 상태-파라미터 벡터 중 하나의 멤버를 상기 제1 추정 증가 조합 배터리 상태-파라미터 벡터와 동일하게 세팅하는 단계;
    상기 제1 복수 개의 추정 증가 조합 배터리 상태-파라미터 벡터의 L 멤버들의 제1추가 세트(a first additional set)를 상기 제1 추정 증가 조합 배터리 상태-파라미터 벡터 공분산 매트릭스의 매트릭스 스퀘어-루트로부터 추출된 각 열들(columns)에 의하여 곱해진 상수에 더해진 상기 제1 추정 증가 조합 배터리 상태-파라미터 벡터와 동일하게 세팅하는 단계;
    상기 제1 복수 개의 추정 증가 조합 배터리 상태-파라미터 벡터의 L 멤버들의 제2추가 세트를 상기 제1 추정 증가 조합 배터리 상태-파라미터 벡터로부터 감해진(subtracted) 상기 제1 추정 증가 조합 배터리 상태-파라미터 벡터 공분산 매트릭스의 상기 매트릭스 스퀘어-루트로부터 추출된 각 열들에 의하여 곱해진 상수와 동일하게 세팅하는 단계를 더 포함하고,
    상기 L은 상기 제1 추정 증가 조합 배터리 상태-파라미터 벡터의 길이(length)인 것을 특징으로 하는 추정 조합 배터리 상태-파라미터 벡터를 결정하는 방법.
  4. 제 1항에 있어서, 상기 제1 복수 개의 추정 증가 조합 배터리 상태-파라미터 벡터를 결정하는 단계는,
    메모리로부터 상기 제2소정시간에서 상기 배터리의 상태와 파라미터를 나타내는 추정 조합 배터리 상태-파라미터 벡터를 검색하는 단계;
    상기 추정 조합 배터리 상태-파라미터 벡터, 예측 조합 배터리 상태-파라미터 입력 노이즈 벡터 및 예측 센서 노이즈 벡터에 기초하여 상기 제2소정시간에서 상기 배터리의 상태와 파라미터, 배터리 입력 노이즈 및 상기 센서 노이즈를 나타내는 제1 추정 증가 조합 배터리 상태-파라미터 벡터를 결정하는 단계;
    상기 메모리로부터 상기 제2소정시간에서 상기 배터리의 상태와 파라미터의 불확실성을 나타내는 추정 조합 배터리 상태-파라미터 벡터 스퀘어-루트 공분산 매트릭스를 검색하는 단계;
    상기 추정 조합 배터리 상태-파라미터 벡터 스퀘어-루트 공분산 매트리스, 상기 배터리 입력 노이즈의 불확실성을 나타내는 공분산 매트릭스 및 상기 센서 노이즈의 불확실성을 나타내는 공분산 매트릭스에 기초하여 상기 배터리의 상태와 파라미터의 불확실성, 상기 배터리 입력 노이즈 및 상기 센서 노이즈를 나타내는 제1 추정 증가 조합 배터리 상태-파라미터 벡터 스퀘어-루트 공분산 매트릭스를 결정하는 단계; 및
    상기 제1 추정 증가 조합 배터리 상태-파라미터 벡터와 상기 제1 추정 증가 조합 배터리 상태-파라미터 벡터 스퀘어-루트 공분산 매트릭스에 기초하여 상기 제1 복수 개의 추정 증가 조합 배터리 상태-파라미터 벡터를 결정하는 단계를 포함하는 것을 특징으로 하는 추정 조합 배터리 상태-파라미터 벡터를 결정하는 방법.
  5. 제 4항에 있어서, 상기 제1 복수 개의 추정 증가 조합 배터리 상태-파라미터 벡터를 결정하는 단계는,
    상기 제1 복수 개의 추정 증가 조합 배터리 상태-파라미터 벡터 중 하나의 멤버를 상기 제1 추정 증가 조합 배터리 상태-파라미터 벡터와 동일하게 세팅하는 단계;
    상기 제1 복수 개의 추정 증가 조합 배터리 상태-파라미터 벡터의 L 멤버들의 제1추가 세트를 상기 추정 증가 조합 배터리 상태-파라미터 벡터 스퀘어-루트 공분산 매트릭스로부터 추출된 각 열들(columns)에 의하여 곱해진 상수에 더해진 상기 제1 추정 증가 조합 배터리 상태-파라미터 벡터와 동일하게 세팅하는 단계;
    상기 제1 복수 개의 추정 증가 조합 배터리 상태-파라미터 벡터의 L 멤버들의 제2추가 세트를 상기 제1 추정 증가 조합 배터리 상태-파라미터 벡터로부터 감해진(subtracted) 상기 제1 추정 증가 조합 배터리 상태-파라미터 벡터 스퀘어-루트 공분산 매트릭스로부터 추출된 각 열들에 의하여 곱해진 상수와 동일하게 세팅 하는 단계를 더 포함하고,
    상기 L은 상기 추정 증가 조합 배터리 상태-파라미터 벡터의 길이인 것을 특징으로 하는 추정 조합 배터리 상태-파라미터 벡터를 결정하는 방법.
  6. 제 1항에 있어서, 상기 제2 복수 개의 예측 조합 배터리 상태-파라미터 벡터를 결정하는 단계는,
    제4 복수 개의 추정 조합 배터리 상태-파라미터 벡터를 획득하기 위하여 상기 제1 복수 개의 추정 증가 조합 배터리 상태-파라미터 벡터로부터 상기 제2소정시간에서 상기 배터리의 상태와 파라미터 및 상기 배터리의 상태와 파라미터의 불확실성을 나타내는 값들을 추출하는 단계;
    제5 복수 개의 추정 조합 배터리 상태-파라미터 입력 노이즈 벡터를 획득하기 위하여 상기 제1 복수 개의 추정 증가 조합 배터리 상태-파라미터 벡터로부터 상기 제2소정시간에서 상기 배터리 입력 노이즈와 상기 배터리 입력 노이즈의 불확실성을 나타내는 값들을 추출하는 단계;
    상기 제2소정시간에서 배터리 입력 변수 중 적어도 하나의 측정값을 가지는 상기 제1 배터리 입력 벡터를 생성하는 단계; 및
    상기 제4 복수 개의 예측 조합 배터리 상태-파라미터 벡터, 상기 제5 복수 개의 예측 조합 배터리 상태-파라미터 입력 노이즈 벡터 및 상기 제1 배터리 입력 벡터에 기초하여 상기 제2 복수 개의 예측 조합 배터리 상태-파라미터 벡터를 결정하는 단계를 포함하는 것을 특징으로 하는 추정 조합 배터리 상태-파라미터 벡터를 결정하는 방법.
  7. 제 1항에 있어서, 상기 제3 복수 개의 예측 배터리 출력 벡터를 결정하는 단계는,
    제4 복수 개의 추정 센서 노이즈 벡터를 획득하기 위하여 상기 제1 복수 개의 추정 증가 조합 배터리 상태-파라미터 벡터로부터 상기 제2소정시간에서 상기 센서 노이즈 및 상기 센서 노이즈의 불확실성을 나타내는 값들을 추출하는 단계;
    상기 제1소정시간에서 배터리 입력 변수 중 적어도 하나의 측정값을 가지는 상기 제1 배터리 입력 벡터를 생성하는 단계; 및
    상기 제2 복수 개의 예측 조합 배터리 상태-파라미터 벡터, 상기 제1 배터리 입력 벡터, 상기 제4 복수 개의 추정 센서 노이즈 벡터에 기초하여 상기 제3 복수 개의 예측 배터리 출력 벡터를 결정하는 단계를 포함하는 것을 특징으로 하는 추정 조합 배터리 상태-파라미터 벡터를 결정하는 방법.
  8. 제 1항에 있어서, 상기 제1 추정 조합 배터리 상태-파라미터 벡터를 결정하는 단계는,
    상기 제2 복수 개의 예측 조합 배터리 상태-파라미터 벡터에 기초하여 상기 제1소정시간에서 배터리의 상태와 파라미터를 나타내는 제1 예측 조합배터리 상태-파라미터 벡터를 결정하는 단계;
    상기 제3 복수 개의 예측 출력 벡터에 기초하여 상기 제1소정시간에서 상기 배터리의 적어도 하나의 출력 변수(배터리의 출력 신호 값에 해당)를 나타내는 제1 예측 배터리 출력 벡터를 결정하는 단계;
    상기 제1 예측 조합 배터리 상태-파라미터 벡터, 상기 제1 예측 배터리 출력 벡터, 상기 제2 복수 개의 예측 조합 배터리 상태-파라미터 벡터 및 상기 제3 복수 개의 예측 배터리 출력 벡터에 기초하여 게인 매트릭스를 결정하는 단계; 및
    상기 제1 예측 조합 배터리 상태-파라미터 벡터, 상기 제1 예측 배터리 출력 벡터, 상기 게인 매트릭스 및 상기 제1 배터리 출력 벡터에 기초하여 상기 제1 추정 조합 배터리 상태-파라미터 벡터를 연산하는 단계를 포함하는 것을 특징으로 하는 추정 조합 배터리 상태-파라미터 벡터를 결정하는 방법.
  9. 제 8항에 있어서, 상기 제1 예측 조합 배터리 상태-파라미터 벡터를 결정하는 단계는,
    상기 제2 복수 개의 예측 조합 배터리 상태-파라미터 벡터의 가중치 평균(weighted average)을 연산하는 단계를 포함하는 것을 특징으로 하는 추정 조합 배터리 상태-파라미터 벡터를 결정하는 방법.
  10. 제 8항에 있어서, 상기 제1 예측 배터리 출력 벡터를 결정하는 단계는,
    상기 제3 복수 개의 예측 배터리 출력 벡터의 가중치 평균을 연산하는 단계를 포함하는 것을 특징으로 하는 추정 조합 배터리 상태-파라미터 벡터를 결정하는 방법.
  11. 제 8항에 있어서, 상기 게인 매트릭스를 결정하는 단계는,
    상기 제1 예측 배터리 출력 벡터와 상기 제3 복수 개의 예측 배터리 출력 벡터에 기초하여 제1 예측 배터리 출력 벡터 공분산 매트릭스를 결정하는 단계;
    상기 제1 예측 배터리 출력 벡터, 상기 제3 복수 개의 예측 배터리 출력 벡터, 상기 제1 예측 조합 배터리 상태-파라미터 벡터 및 상기 제2 복수 개의 예측 조합 배터리 상태-파라미터 벡터에 기초하여 배터리 출력 벡터와 조합 배터리 상태 -파라미터 벡터 사이의 제1 예측 크로스-공분산 매트릭스를 결정하는 단계; 및
    상기 제1 예측 크로스-공분산 매트릭스와 상기 제1 예측 배터리 출력 벡터 공분산 매트릭스에 기초하여 상기 게인 매트릭스를 연산하는 단계를 포함하는 것을 특징으로 하는 추정 조합 배터리 상태-파라미터 벡터를 결정하는 방법.
  12. 제 11항에 있어서, 상기 제1 예측 배터리 출력 벡터 공분산 매트릭스를 결정하는 단계는,
    상기 제1 예측 배터리 출력 벡터와 상기 제3 복수 개의 예측 배터리 출력 벡터에 기초하여 제1 예측 배터리 출력 벡터 스퀘어-루트 공분산 매트릭스를 결정하는 단계; 및
    상기 제1 예측 배터리 출력 벡터 스퀘어-루트 공분산 매트릭스와 상기 제1 예측 배터리 출력 벡터 스퀘어-루트 공분산 매트릭스에 기초하여 상기 제1 예측 배터리 출력 벡터 공분산 매트릭스를 연산하는 단계를 포함하는 것을 특징으로 하는 추정 조합 배터리 상태-파라미터 벡터를 결정하는 방법.
  13. 제 8항에 있어서, 상기 제1 추정 조합 배터리 상태-파라미터 벡터를 연산하는 단계는,
    상기 제1 배터리 출력 벡터와 상기 제1 예측 배터리 출력 벡터에 기초하여 이노베이션 벡터(innovation vector)를 결정하는 단계;
    상기 게인 매트릭스와 상기 이노베이션 벡터에 기초하여 업데이트 벡터(update vector)를 결정하는 단계; 및
    상기 예측 조합 배터리 상태-파라미터 벡터와 상기 업데이트 벡터에 기초하여 상기 제1 추정 조합 배터리 상태-파라미터 벡터를 연산하는 단계를 포함하는 것을 특징으로 하는 추정 조합 배터리 상태-파라미터 벡터를 결정하는 방법.
  14. 제 8항에 있어서,
    상기 제1 예측 조합 배터리 상태-파라미터 벡터, 상기 제2 복수 개의 예측 조합 배터리 상태-파라미터 벡터, 상기 게인 매트릭스 및 상기 제1 예측 배터리 출력 벡터 공분산 매트릭스에 기초하여 상기 제1소정시간에서 추정 배터리 상태-파라미터 벡터 공분산 매트릭스를 결정하는 단계를 더 포함하는 것을 특징으로 하는 추정 조합 배터리 상태-파라미터 벡터를 결정하는 방법.
  15. 제 8항에 있어서,
    상기 제1 예측 조합 배터리 상태-파라미터 벡터, 상기 제2 복수 개의 예측 조합 배터리 상태-파라미터 벡터, 상기 게인 매트릭스 및 예측 배터리 출력 벡터 스퀘어-루트 공분산 매트릭스에 기초하여 상기 제1소정시간에서 추정 조합 배터리 상태-파라미터 벡터 스퀘어-루트 공분산 매트릭스를 결정하는 단계를 더 포함하는 것을 특징으로 하는 추정 조합 배터리 상태-파라미터 벡터를 결정하는 방법.
  16. 제1소정시간에서 배터리의 상태와 파라미터를 포함하는 추정 조합 배터리 상태-파라미터 벡터를 결정하는 시스템으로서,
    상기 배터리의 출력 신호 값에 해당하는 배터리 출력 변수를 나타내는 제1 신호를 생성하도록 구성되는 센서; 및
    상기 센서와 동작 가능하게 연결되며, 상기 제1소정시간에 앞선 제2소정시간에서 배터리 상태와 파라미터, 배터리 입력 노이즈, 상기 센서와 관련된 센서 노이즈, 배터리의 상태와 파라미터의 불확실성, 상기 배터리 입력 노이즈의 불확실성 및 상기 센서 노이즈의 불확실성을 나타내는 제1 복수 개의 추정 증가 조합 배터리 상태-파라미터 벡터를 결정하도록 구성되며, 상기 제1 복수 개의 추정 증가 조합 배터리 상태-파라미터 벡터에 기초하여 상기 제1소정시간에서 상기 배터리 상태와 파라미터의 불확실성과 배터리의 상태와 배터리의 파라미터를 나타내는 제2 복수 개의 예측 조합 배터리 상태-파라미터 벡터를 결정하도록 또한 구성되며, 제1 복수 개의 추정 증가 조합 배터리 상태-파라미터 벡터와 제2 복수 개의 예측 조합 배터리 상태-파라미터 벡터에 기초하여 상기 제1소정시간에서 적어도 하나의 상기 배터리의 출력 변수와 상기 출력 변수의 불확실성을 나타내는 제3 복수 개의 예측 배터리 출력 벡터를 결정하도록 구성되며, 상기 제1 신호에 기초하여 제1 배터리 출력 벡터를 결정하도록 구성되며, 상기 제2 복수 개의 예측 조합 배터리 상태-파라미터 벡터, 상기 제3 복수 개의 예측 배터리 출력 벡터와 상기 제1 배터리 출력 벡터에 기초하여 상기 제1소정시간에서 상기 배터리의 상태와 파라미터를 나타내는 제1 추정 조합 배터리 상태-파라미터 벡터를 결정하도록 구성되는 컴퓨터를 포함하는 것을 특징으로 하는 추정 조합 배터리 상태-파라미터 벡터를 결정하는 시스템.
  17. 제 16항에 있어서, 상기 컴퓨터는,
    메모리로부터 상기 제2소정시간에서 상기 배터리의 상태와 파라미터를 나타내는 추정 조합 배터리 상태-파라미터 벡터를 검색하도록 구성되며, 상기 추정 조합 배터리 상태-파라미터 벡터, 예측 조합 배터리 상태-파라미터 입력 노이즈 벡터 및 예측 센서 노이즈 벡터에 기초하여 상기 제2소정시간에서 상기 배터리의 상태와 파라미터, 상기 배터리 입력 노이즈 및 상기 센서 노이즈를 나타내는 제1 추정 증가 조합 배터리 상태-파라미터 벡터를 결정하도록 구성되며, 상기 메모리로부터 상기 제2소정시간에서 상기 배터리의 상태와 파라미터의 불확실성을 나타내는 추정 조합 배터리 상태-파라미터 벡터 공분산 매트릭스를 검색하도록 구성되며, 상기 추정 조합 배터리 상태-파라미터 벡터 공분산 매트릭스, 상기 배터리 입력 노이즈의 불확실성을 나타내는 공분산 매트릭스, 상기 센서 노이즈의 불확실성을 나타내는 공분산 매트릭스에 기초하여 상기 배터리의 상태와 파라미터의 불확실성, 상기 배 터리 입력 노이즈 및 상기 센서 노이즈를 나타내는 제1 추정 증가 조합 배터리 상태-파라미터 벡터 공분산 매트릭스를 결정하도록 구성되며, 상기 제1 추정 증가 조합 배터리 상태-파라미터 벡터와 상기 제1 추정 증가 조합 배터리 상태-파라미터 벡터 공분산 매트릭스에 기초하여 상기 제1 복수 개의 추정 증가 조합 배터리 상태-파라미터 벡터를 결정하도록 구성되는 추정 조합 배터리 상태-파라미터 벡터를 결정하는 시스템.
  18. 제 16항에 있어서, 상기 컴퓨터는,
    상기 제2 복수 개의 예측 배터리 조합 상태-파라미터 벡터에 기초하여 상기 제1소정시간에서 상기 배터리의 상태와 파라미터를 나타내는 제1 예측 조합 배터리 상태-파라미터 벡터를 결정하도록 구성되며,
    상기 제3 복수 개의 예측 출력 벡터에 기초하여 상기 제1소정시간에서 상기 배터리의 적어도 하나의 출력 변수(배터리의 출력 신호 값에 해당)를 나타내는 제1 예측 배터리 출력 벡터를 결정하도록 구성되며,
    상기 제1 예측 조합 배터리 상태-파라미터 벡터, 상기 제1 예측 배터리 출력 벡터, 상기 제2 복수 개의 예측 조합 배터리 상태-파라미터 벡터 및 상기 제3 복수 개의 예측 배터리 출력 벡터에 기초하여 게인 매트릭스를 결정하도록 구성되며,
    상기 제1 예측 조합 배터리 상태-파라미터 벡터, 상기 제1 예측 배터리 출력 벡터, 상기 게인 매트릭스 및 상기 제1 배터리 출력 벡터에 기초하여 상기 제1 추정 조합 배터리 상태-파라미터 벡터를 연산하도록 구성되는 것을 특징으로 하는 추정 조합 배터리 상태-파라미터 벡터를 결정하는 시스템.
  19. 제1 소정시간에서 배터리의 상태와 파라미터를 포함하는 추정 조합 배터리 상태-파라미터 벡터를 결정하도록 인코딩된 컴퓨터 프로그램을 가지는 컴퓨터 저장 매체로서,
    상기 제1소정시간에 앞선 제2소정시간에서 배터리 상태와 파라미터, 배터리 입력 노이즈, 상기 배터리의 출력 신호 값에 해당하는 배터리 출력 변수를 측정하는 센서와 관련된 센서 노이즈, 배터리의 상태와 파라미터의 불확실성, 상기 배터리 입력 노이즈의 불확실성 및 상기 센서 노이즈의 불확실성을 나타내는 제1 복수 개의 추정 증가 조합 배터리 상태-파라미터 벡터를 결정하는 코드;
    상기 제1 복수 개의 추정 증가 조합 배터리 상태-파라미터 벡터에 기초하여 상기 제1소정시간에서 상기 배터리 상태와 파라미터의 불확실성과 배터리의 상태와 배터리의 파라미터를 나타내는 제2 복수 개의 예측 조합 배터리 상태-파라미터 벡터를 결정하는 코드;
    제1 복수 개의 추정 증가 조합 배터리 상태-파라미터 벡터와 제2 복수 개의 예측 조합 배터리 상태-파라미터 벡터에 기초하여 상기 제1소정시간에서 적어도 하나의 상기 배터리의 출력 변수와 상기 출력 변수의 불확실성을 나타내는 제3 복수 개의 예측 배터리 출력 벡터를 결정하는 코드;
    상기 배터리 출력 변수의 적어도 하나의 측정값을 가지는 제1배터리 출력 벡터를 결정하는 코드; 및
    상기 제2 복수 개의 예측 조합 배터리 상태-파라미터 벡터, 상기 제3 복수 개의 예측 배터리 출력 벡터와 상기 제1 배터리 출력 벡터에 기초하여 상기 제1소정시간에서 상기 배터리의 상태와 파라미터를 나타내는 제1 추정 조합 배터리 상태-파라미터 벡터를 결정하는 코드를 포함하는 것을 특징으로 하는 추정 조합 배터리 상태-파라미터 벡터를 결정하도록 인코딩된 컴퓨터 프로그램을 가지는 컴퓨터 저장 매체.
  20. 제 19항에 있어서, 상기 제1 추정 조합 배터리 상태-파라미터 벡터를 결정하는 코드는,
    상기 제2 복수 개의 예측 조합 배터리 상태-파라미터 벡터에 기초하여 상기 제1소정시간에서 상기 배터리의 상태와 파라미터를 나타내는 제1 예측 조합 배터리 상태-파라미터 벡터를 결정하는 코드;
    상기 제3 복수 개의 예측 출력 벡터에 기초하여 상기 제1소정시간에서 상기 배터리의 적어도 하나의 출력 변수(배터리의 출력 신호 값에 해당)를 나타내는 제1 예측 배터리 출력 벡터를 결정하는 코드;
    상기 제1 예측 조합 배터리 상태-파라미터 벡터, 상기 제1 예측 배터리 출력 벡터, 상기 제2 복수 개의 예측 조합 배터리 상태-파라미터 벡터 및 상기 제3 복수 개의 예측 배터리 출력 벡터에 기초하여 게인 매트릭스를 결정하는 코드; 및
    상기 제1 예측 조합 배터리 상태-파라미터 벡터, 상기 제1 예측 배터리 출력 벡터, 상기 게인 매트릭스 및 상기 제1 배터리 출력 벡터에 기초하여 상기 제1 추정 조합 배터리 상태-파라미터 벡터를 연산하는 코드를 포함하는 것을 특징으로 하는 추정 조합 배터리 상태-파라미터 벡터를 결정하도록 인코딩된 컴퓨터 프로그램을 가지는 컴퓨터 저장 매체.
KR1020087022055A 2006-02-09 2006-11-29 추정 조합 배터리 상태-파라미터 벡터를 결정하는 시스템과방법 및 그 제조물 KR101245275B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US11/350,418 2006-02-09
US11/350,418 US7400115B2 (en) 2006-02-09 2006-02-09 System, method, and article of manufacture for determining an estimated combined battery state-parameter vector
PCT/KR2006/005090 WO2007091765A1 (en) 2006-02-09 2006-11-29 System, method, and article of manufacture for determining an estimated combined battery state-parameter vector

Publications (2)

Publication Number Publication Date
KR20080100257A KR20080100257A (ko) 2008-11-14
KR101245275B1 true KR101245275B1 (ko) 2013-03-19

Family

ID=38345340

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020087022055A KR101245275B1 (ko) 2006-02-09 2006-11-29 추정 조합 배터리 상태-파라미터 벡터를 결정하는 시스템과방법 및 그 제조물

Country Status (7)

Country Link
US (3) US7400115B2 (ko)
EP (2) EP1982398B1 (ko)
JP (1) JP4920703B2 (ko)
KR (1) KR101245275B1 (ko)
CN (1) CN101361246B (ko)
TW (1) TWI339738B (ko)
WO (1) WO2007091765A1 (ko)

Families Citing this family (54)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7321220B2 (en) * 2003-11-20 2008-01-22 Lg Chem, Ltd. Method for calculating power capability of battery packs using advanced cell model predictive techniques
US7446504B2 (en) * 2005-11-10 2008-11-04 Lg Chem, Ltd. System, method, and article of manufacture for determining an estimated battery state vector
US7723957B2 (en) * 2005-11-30 2010-05-25 Lg Chem, Ltd. System, method, and article of manufacture for determining an estimated battery parameter vector
US7400115B2 (en) * 2006-02-09 2008-07-15 Lg Chem, Ltd. System, method, and article of manufacture for determining an estimated combined battery state-parameter vector
US8628872B2 (en) * 2008-01-18 2014-01-14 Lg Chem, Ltd. Battery cell assembly and method for assembling the battery cell assembly
US7994755B2 (en) 2008-01-30 2011-08-09 Lg Chem, Ltd. System, method, and article of manufacture for determining an estimated battery cell module state
US8855956B2 (en) * 2008-06-05 2014-10-07 A123 Systems Llc Method and system for determining state of charge of an energy delivery device
US8067111B2 (en) * 2008-06-30 2011-11-29 Lg Chem, Ltd. Battery module having battery cell assembly with heat exchanger
US7883793B2 (en) * 2008-06-30 2011-02-08 Lg Chem, Ltd. Battery module having battery cell assemblies with alignment-coupling features
US8426050B2 (en) * 2008-06-30 2013-04-23 Lg Chem, Ltd. Battery module having cooling manifold and method for cooling battery module
US9140501B2 (en) * 2008-06-30 2015-09-22 Lg Chem, Ltd. Battery module having a rubber cooling manifold
US9759495B2 (en) 2008-06-30 2017-09-12 Lg Chem, Ltd. Battery cell assembly having heat exchanger with serpentine flow path
US7919966B2 (en) * 2008-09-23 2011-04-05 Honda Motor Co., Ltd. Method of estimating surface ion density
US8202645B2 (en) 2008-10-06 2012-06-19 Lg Chem, Ltd. Battery cell assembly and method for assembling the battery cell assembly
US9337456B2 (en) 2009-04-20 2016-05-10 Lg Chem, Ltd. Frame member, frame assembly and battery cell assembly made therefrom and methods of making the same
US8663829B2 (en) 2009-04-30 2014-03-04 Lg Chem, Ltd. Battery systems, battery modules, and method for cooling a battery module
US8663828B2 (en) 2009-04-30 2014-03-04 Lg Chem, Ltd. Battery systems, battery module, and method for cooling the battery module
US8852778B2 (en) 2009-04-30 2014-10-07 Lg Chem, Ltd. Battery systems, battery modules, and method for cooling a battery module
US8403030B2 (en) 2009-04-30 2013-03-26 Lg Chem, Ltd. Cooling manifold
US8703318B2 (en) * 2009-07-29 2014-04-22 Lg Chem, Ltd. Battery module and method for cooling the battery module
US8399118B2 (en) 2009-07-29 2013-03-19 Lg Chem, Ltd. Battery module and method for cooling the battery module
US8399119B2 (en) 2009-08-28 2013-03-19 Lg Chem, Ltd. Battery module and method for cooling the battery module
CA2778070C (en) * 2009-10-19 2018-05-15 Nuvera Fuel Cells, Inc. Battery state-of-charge management method
US8427105B2 (en) * 2009-12-02 2013-04-23 Gregory L. Plett System and method for equalizing a battery pack during a battery pack charging process
US8041522B2 (en) * 2009-12-02 2011-10-18 American Electric Vehicles, Ind. System and method for recursively estimating battery cell total capacity
US8918299B2 (en) * 2009-12-02 2014-12-23 American Electric Vehicles, Inc. System and method for maximizing a battery pack total energy metric
US8341449B2 (en) 2010-04-16 2012-12-25 Lg Chem, Ltd. Battery management system and method for transferring data within the battery management system
US9147916B2 (en) 2010-04-17 2015-09-29 Lg Chem, Ltd. Battery cell assemblies
US9726732B2 (en) * 2010-06-22 2017-08-08 GM Global Technology Operations LLC Adaptive battery parameter extraction and SOC estimation for lithium-ion battery
US8353315B2 (en) 2010-08-23 2013-01-15 Lg Chem, Ltd. End cap
US8758922B2 (en) 2010-08-23 2014-06-24 Lg Chem, Ltd. Battery system and manifold assembly with two manifold members removably coupled together
US8920956B2 (en) 2010-08-23 2014-12-30 Lg Chem, Ltd. Battery system and manifold assembly having a manifold member and a connecting fitting
US8469404B2 (en) 2010-08-23 2013-06-25 Lg Chem, Ltd. Connecting assembly
US9005799B2 (en) 2010-08-25 2015-04-14 Lg Chem, Ltd. Battery module and methods for bonding cell terminals of battery cells together
US8662153B2 (en) 2010-10-04 2014-03-04 Lg Chem, Ltd. Battery cell assembly, heat exchanger, and method for manufacturing the heat exchanger
US8288031B1 (en) 2011-03-28 2012-10-16 Lg Chem, Ltd. Battery disconnect unit and method of assembling the battery disconnect unit
US9791514B2 (en) * 2011-03-29 2017-10-17 Nec Corporation Recycled secondary battery supply forecast system and recycled secondary battery supply forecast usage
TWI498986B (zh) * 2011-03-29 2015-09-01 Macronix Int Co Ltd 晶圓傾斜偵測系統
US8449998B2 (en) 2011-04-25 2013-05-28 Lg Chem, Ltd. Battery system and method for increasing an operational life of a battery cell
US9178192B2 (en) 2011-05-13 2015-11-03 Lg Chem, Ltd. Battery module and method for manufacturing the battery module
DE102011079159A1 (de) * 2011-05-18 2012-11-22 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Vorrichtung und verfahren zum bestimmen eines zustandsparameters einer batterie
US8974928B2 (en) 2011-06-30 2015-03-10 Lg Chem, Ltd. Heating system for a battery module and method of heating the battery module
US8859119B2 (en) 2011-06-30 2014-10-14 Lg Chem, Ltd. Heating system for a battery module and method of heating the battery module
US8993136B2 (en) 2011-06-30 2015-03-31 Lg Chem, Ltd. Heating system for a battery module and method of heating the battery module
US8974929B2 (en) 2011-06-30 2015-03-10 Lg Chem, Ltd. Heating system for a battery module and method of heating the battery module
US9496544B2 (en) 2011-07-28 2016-11-15 Lg Chem. Ltd. Battery modules having interconnect members with vibration dampening portions
US9145059B2 (en) * 2011-09-09 2015-09-29 GM Global Technology Operations LLC Method and system for estimating cell resistances within a vehicle battery
KR101486470B1 (ko) * 2012-03-16 2015-01-26 주식회사 엘지화학 배터리 상태 추정 장치 및 방법
KR101547006B1 (ko) * 2012-10-26 2015-08-24 주식회사 엘지화학 배터리 잔존 용량 추정 장치 및 방법
TWI481881B (zh) * 2013-11-22 2015-04-21 Inst Information Industry 耗電預測裝置、方法及其電腦程式產品
US20150226807A1 (en) * 2014-02-12 2015-08-13 Seeo, Inc Determination of nominal cell resistance for real-time estimation of state-of-charge in lithium batteries
US10243385B2 (en) * 2016-01-29 2019-03-26 Robert Bosch Gmbh Secondary battery management system
US10686321B2 (en) * 2016-01-29 2020-06-16 Robert Bosch Gmbh Secondary battery management
CN116774058B (zh) * 2023-08-18 2023-10-20 深圳凌奈智控有限公司 电池寿命预测方法、装置、设备及存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20080066994A (ko) * 2005-11-10 2008-07-17 주식회사 엘지화학 추정 배터리 상태 벡터를 결정하는 시스템과 방법 및 그제조물
KR20080100257A (ko) * 2006-02-09 2008-11-14 주식회사 엘지화학 추정 조합 배터리 상태-파라미터 벡터를 결정하는 시스템과방법 및 그 제조물

Family Cites Families (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4390841A (en) * 1980-10-14 1983-06-28 Purdue Research Foundation Monitoring apparatus and method for battery power supply
US5596260A (en) * 1994-05-13 1997-01-21 Apple Computer, Inc. Apparatus and method for determining a charge of a battery
US5578915A (en) * 1994-09-26 1996-11-26 General Motors Corporation Dynamic battery state-of-charge and capacity determination
US6064180A (en) * 1996-10-29 2000-05-16 General Motors Corporation Method and apparatus for determining battery state-of-charge using neural network architecture
JP2000504477A (ja) * 1996-11-21 2000-04-11 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ バッテリー管理システム及びバッテリー・シミュレータ
US6353815B1 (en) * 1998-11-04 2002-03-05 The United States Of America As Represented By The United States Department Of Energy Statistically qualified neuro-analytic failure detection method and system
DE10021161A1 (de) * 2000-04-29 2001-10-31 Vb Autobatterie Gmbh Verfahren zur Ermittlung des Ladezustands und der Belastbarkeit eines elektrischen Akkumulators
US6211654B1 (en) * 2000-07-06 2001-04-03 Telcordia Technologies, Inc. Method for predicting battery capacity
DE10056969A1 (de) * 2000-11-17 2002-05-23 Bosch Gmbh Robert Verfahren und Anordnung zur Bestimmung des Ladezustandes einer Batterie
DE10106508A1 (de) * 2001-02-13 2002-08-29 Bosch Gmbh Robert Verfahren und Anordnung zur Bestimmung der Leistungsfähigkeit einer Batterie
US6441586B1 (en) * 2001-03-23 2002-08-27 General Motors Corporation State of charge prediction method and apparatus for a battery
WO2003005052A1 (de) * 2001-06-29 2003-01-16 Robert Bosch Gmbh Verfahren zur ermittlung des ladezustands und/oder der leistungsfähigkeit eines ladungsspeichers
US20030015993A1 (en) * 2001-07-17 2003-01-23 Sudhan Misra Battery charging system with electronic logbook
US7072871B1 (en) * 2001-08-22 2006-07-04 Cadex Electronics Inc. Fuzzy logic method and apparatus for battery state of health determination
US6727708B1 (en) * 2001-12-06 2004-04-27 Johnson Controls Technology Company Battery monitoring system
US6534954B1 (en) * 2002-01-10 2003-03-18 Compact Power Inc. Method and apparatus for a battery state of charge estimator
US20030184307A1 (en) * 2002-02-19 2003-10-02 Kozlowski James D. Model-based predictive diagnostic tool for primary and secondary batteries
DE10240329B4 (de) * 2002-08-31 2009-09-24 Vb Autobatterie Gmbh & Co. Kgaa Verfahren zur Ermittlung der einer vollgeladenen Speicherbatterie entnehmbaren Ladungsmenge einer Speicherbatterie und Überwachungseinrichtung für eine Speicherbatterie
DE10252760B4 (de) * 2002-11-13 2009-07-02 Vb Autobatterie Gmbh & Co. Kgaa Verfahren zur Vorhersage des Innenwiderstands einer Speicherbatterie und Überwachungseinrichtung für Speicherbatterien
DE10301823A1 (de) * 2003-01-20 2004-07-29 Robert Bosch Gmbh Verfahren und Vorrichtung zum Ermitteln der aus einem Energiespeicher entnehmbaren Ladung
EP1590679B1 (de) * 2003-01-30 2008-08-20 Robert Bosch GmbH Zustandsgrössen- und parameterschätzer mit mehreren teilmodellen für einen elektrischen energiespeicher
US7324902B2 (en) * 2003-02-18 2008-01-29 General Motors Corporation Method and apparatus for generalized recursive least-squares process for battery state of charge and state of health
US7199557B2 (en) * 2003-07-01 2007-04-03 Eaton Power Quality Company Apparatus, methods and computer program products for estimation of battery reserve life using adaptively modified state of health indicator-based reserve life models
DE10335930B4 (de) * 2003-08-06 2007-08-16 Vb Autobatterie Gmbh & Co. Kgaa Verfahren zur Bestimmung des Zustands einer elektrochemischen Speicherbatterie
US6927554B2 (en) * 2003-08-28 2005-08-09 General Motors Corporation Simple optimal estimator for PbA state of charge
TWI251951B (en) * 2003-09-19 2006-03-21 Lg Chemical Ltd Nonaqueous lithium secondary battery with cyclability and/or high temperature safety improved
US20050127874A1 (en) * 2003-12-12 2005-06-16 Myoungho Lim Method and apparatus for multiple battery cell management
DE102004005478B4 (de) * 2004-02-04 2010-01-21 Vb Autobatterie Gmbh Verfahren zur Bestimmung von Kenngrößen für elektrische Zustände einer Speicherbatterie und Überwachungseinrichtung hierzu
US8103485B2 (en) 2004-11-11 2012-01-24 Lg Chem, Ltd. State and parameter estimation for an electrochemical cell

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20080066994A (ko) * 2005-11-10 2008-07-17 주식회사 엘지화학 추정 배터리 상태 벡터를 결정하는 시스템과 방법 및 그제조물
KR20080100257A (ko) * 2006-02-09 2008-11-14 주식회사 엘지화학 추정 조합 배터리 상태-파라미터 벡터를 결정하는 시스템과방법 및 그 제조물

Also Published As

Publication number Publication date
JP4920703B2 (ja) 2012-04-18
KR20080100257A (ko) 2008-11-14
US20080249725A1 (en) 2008-10-09
WO2007091765A1 (en) 2007-08-16
US20070188143A1 (en) 2007-08-16
TWI339738B (en) 2011-04-01
US8035345B2 (en) 2011-10-11
CN101361246A (zh) 2009-02-04
US20080249726A1 (en) 2008-10-09
TW200745585A (en) 2007-12-16
EP1982398B1 (en) 2018-05-02
EP1982398A4 (en) 2017-01-25
US7893694B2 (en) 2011-02-22
JP2009526220A (ja) 2009-07-16
EP1982398A1 (en) 2008-10-22
WO2007091765A8 (en) 2008-08-14
EP3264562B1 (en) 2019-01-02
CN101361246B (zh) 2011-01-12
EP3264562A1 (en) 2018-01-03
US7400115B2 (en) 2008-07-15

Similar Documents

Publication Publication Date Title
KR101245275B1 (ko) 추정 조합 배터리 상태-파라미터 벡터를 결정하는 시스템과방법 및 그 제조물
KR101355958B1 (ko) 추정 배터리 파라미터 벡터를 결정하는 시스템과 방법 및그 제조물
KR101355959B1 (ko) 추정 배터리 상태 벡터와 추정 배터리 파라미터 벡터를 결정하는 시스템 및 방법
KR101355960B1 (ko) 추정 배터리 상태 벡터를 결정하는 시스템과 방법 및 그제조물
KR101021745B1 (ko) 배터리 셀 모듈의 추정 상태를 결정하는 시스템, 방법 및 그 제조물
KR20080041702A (ko) 배터리에 관련된 상태 벡터를 추정하는 시스템 및 방법

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20160216

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20170216

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20180116

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20190116

Year of fee payment: 7

FPAY Annual fee payment

Payment date: 20200116

Year of fee payment: 8