KR102101002B1 - 배터리 수명 예측 방법 - Google Patents

Abstract

본 발명의 실시 형태는 배터리의 수명을 예측하여 관리하는 배터리 예측 장치가 배터리 수명을 예측하는 배터리 수명 예측 방법에 있어서, 배터리 온도(V_{_temp}), 배터리 내부저항(R_{_Total}), 배터리 전류(i_{_BAT})를 포함하는 배터리 상태값을 파악하는 배터리 상태값 파악 과정; 상기 배터리 상태값을 이용하여 배터리 성능지수(SOH)를 예측하는 배터리 성능지수 예측 과정; 배터리 초기의 충전율(SOC)인 배터리 초기 충전율(SOC_{_ init})을 산출하는 배터리 초기 충전율 산출 과정; 및 충전되는 전류적산값을 상기 배터리 초기 충전율(SOC_{_ init})에 누적 적산하여 배터리 충전율(SOC)를 예측하는 배터리 충전율 예측 과정;을 포함할 수 있다.

Description

배터리 수명 예측 방법{Method for battery lifetime prediction}

본 발명은 배터리 수명 예측 방법으로서, 배터리 시스템의 고 신뢰성을 가질수 있도록 하는 배터리 수명 예측 방법에 관한 것이다.

SOH(State Of Health)는 배터리의 내부의 변화에 따른 성능의 변화를 나타내는 것으로 배터리의 수명을 결정짓는 요소로 배터리의 열화로 인한 배터리의 전기 화학적인 변화와 내부저항의 증가로 판단되며, 최종적으로 도달하는 조건으로 EOL(End Of Life)를 판단하게 된다.

배터리의 수명을 보장하기 위해서 배터리의 정확한 배터리 모델링 기반의 SOH 수명 예측 및 관리 알고리즘이 필요하다. SOH는 배터리의 사용 온도, SOC(State Of Charge), 충전/방전 C-rate에 따라 영향을 받는다. SOC는 배터리의 충전/방전과 배터리의 사용에 따른 중요한 정보로서, SOC는 배터리의 전압과 비례하는 특성을 보인다.

기존에는 BMS(Battery management system)에서 센싱받은 온도와 SOC에 따른 모듈별 SOH를 추정치를 바탕으로 진행한다.

그런데 SOH를 판단하기 위한 알고리즘을 배터리 시스템에 적용하게 되면 배터리 시스템의 효율 저하 및 추가적인 시스템을 적용해야 되기 때문에 복잡하며 실제 배터리 상태를 추종하지 못하는 문제가 발생하기도 한다. 또한 방전을 이용하여 SOH를 추종하는 방법은 많이 이용되지만 배터리의 화학적인 문제가 발생하면 SOH 추종 또한 문제가 발생한다.

즉, SOC 추종 방법으로서 배터리의 유입, 유출되는 전류의 양을 카운팅하여 예측하는 방법인 전류적산법을 사용하여 SOC를 산출하였는데, 전류적산법은 초기값 오차가 발생하면, 계속하여 오차가 발생하는 문제가 있었다. SOC의 추종을 기반으로 전류적산법을 사용하지만, 초기 오차가 발생하면 전류를 적분할수록 오차가 계속 누적되는 문제가 있다.

따라서 SOC 추종을 위해 전류적산법을 사용할 시에 초기 오차를 최소화할 수 있는 개선된 SOH 수명 예측 및 관리 알고리즘의 필요성이 요구되고 있다.

한국등록특허 10-0709260

본 발명의 기술적 과제는 배터리의 수명예측 및 최대 수명관리를 위해 배터리 모델링으로 SOC, SOH 정밀 진단을 통하여 배터리의 최대 수명을 예측하는 알고리즘을 제안한다.

본 발명의 실시 형태는 배터리의 수명을 예측하여 관리하는 배터리 예측 장치가 배터리 수명을 예측하는 배터리 수명 예측 방법에 있어서, 배터리 온도(V_{_temp}), 배터리 내부저항(R_{_Total}), 배터리 전류(i_{_BAT})를 포함하는 배터리 상태값을 파악하는 배터리 상태값 파악 과정; 상기 배터리 상태값을 이용하여 배터리 성능지수(SOH)를 예측하는 배터리 성능지수 예측 과정; 배터리 초기의 충전율(SOC)인 배터리 초기 충전율(SOC_{_ init})을 산출하는 배터리 초기 충전율 산출 과정; 및 충전되는 전류적산값을 상기 배터리 초기 충전율(SOC_{_ init})에 누적 적산하여 배터리 충전율(SOC)를 예측하는 배터리 충전율 예측 과정;을 포함할 수 있다.

상기 배터리 상태값 파악 과정은, 개방회로전압(OCV;Open Circuit Voltage)이 포함되는 개방회로전압 모델로서 배터리를 모델링하여, 개방회로전압 모델내의 내부저항을 배터리 내부저항(R_{_Total})으로 결정함을 특징으로 할 수 있다.

상기 배터리 성능지수 예측 과정은, V_{_ ocv}는 개방회로전압 모델에서의 개방회로전압, i_{_BAT}는 배터리 전류, R_{_Total}은 내부저항, V_{_temp}는 배터리 온도, C는 배터리 커패시터, α는 0<α<1 라고 할 때,

에 의해 배터리 단자전압(V_{_BAT})이 산출될 수 있다.

상기 배터리 성능지수 예측 과정은,

배터리 충전시간을 T_{_befor}, 배터리 방전시간을 T_{_after}라고 할 때,

에 의해 배터리 성능지수(SOH)가 산출될 수 있다.

상기 배터리 초기 충전율 산출 과정은, 배터리의 열화에 따른 배터리 내부저항의 변화된 값을 이용하여 배터리 초기 충전율을 산출할 수 있다.

상기 배터리 초기 충전율 산출 과정은, V_{_ ocv}는 개방회로전압 모델에서의 개방회로전압, i_{_BAT}는 배터리 전류, R_{_Total}은 내부저항, V_{_temp}는 배터리 온도, V_{_BAT}는 배터리 단자전압, α는 ?라고 할 때,

에 의해 배터리 초기 충전율(SOC_{_ init})이 산출될 수 있다.

상기 배터리 충전율 예측 과정은,

에 의해 배터리 충전율(SOC)이 산출될 수 있다.

본 발명의 실시 형태에 따르면 배터리를 모델링을 통해 얻은 배터리의 내부저항을 계산하여 배터리의 영향을 주는 요소를 최소화함으로써 높은 정확도를 가지며, 모델링을 기반으로 한 배터리 충전율(SOC)을 계산하고 충, 방전 시간에 따른 수명을 예측하고 관리할 수 있게 된다. 따라서 배터리의 효율적이고 안전한 사용을 위해 SOC의 추종방법인 전류적산법에 보상을 적용하여 배터리 충전율(SOC)을 적용하고, 충전시간과 방전시간의 변화에 따라 배터리 성능지수(SOH)를 예측하여, 배터리 시스템의 고 신뢰성을 가질수 있다.

도 1은 본 발명의 실시예에 따른 배터리 수명 예측 시스템의 구성 블록도.
도 2는 본 발명의 실시예에 따른 배터리 수명 예측 방법을 도시한 플로차트.
도 3은 본 발명의 실시예에 따른 배터리의 개방회로전압 모델의 예시 그림.
도 4는 배터리 CC-CV 충전 곡선을 도시한 그래프.
도 5는 배터리 성능지수(SOH)에 따른 충전시간 변화를 도시한 그래프.
도 6은 배터리 방전 그래프.
도 7은 배터리 성능지수(SOH)에 따른 방전시간 변화를 나타낸 그래프.

이하, 본 발명의 장점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은, 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것으로, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 또한, 본 발명을 설명함에 있어 관련된 공지 기술 등이 본 발명의 요지를 흐리게 할 수 있다고 판단되는 경우 그에 관한 자세한 설명은 생략하기로 한다.

도 1은 본 발명의 실시예에 따른 배터리 수명 예측 시스템의 구성 블록도이다.

본 발명은 배터리 성능지수(SOH;State Of Health)와 배터리 충전율(SOC;State Of Charge)을 이용하여 배터리 수명을 예측하고 관리함에 있어서, 배터리 열화에 따라 변경된 배터리 내부저항을 이용하여 산출되는 배터리 성능지수(SOH)와 배터리 충전율(SOC)을 이용하여 배터리 수명을 예측하고 관리하도록 한다.

배터리 성능지수(SOH;State Of Health)는 배터리의 내부의 변화에 따른 성능의 변화를 나타내는 것으로 배터리의 수명을 결정짓는 요소로 배터리의 열화로 인한 배터리의 전기 화학적인 변화와 내부저항의 증가로 판단되며, 최종적으로 도달하는 조건으로 EOL(End Of Life)를 판단하게 된다. 배터리 성능지수(SOH)는 배터리의 사용 온도, SOC(State Of Charge), 충전/방전 C-rate에 따라 영향을 받는다. 따라서 본 발명은 배터리의 수명을 보장하기 위해서 배터리의 정확한 배터리 모델링 기반의 배터리 성능지수(SOH)를 산출하여 활용한다.

또한 배터리 충전율(SOC;State Of Charge)은 배터리의 충,방전과 배터리의 사용에 따른 중요한 정보로서, SOC는 배터리의 전압과 비례하는 특성을 보인다. SOC 추종 방법으로 배터리의 유입, 유출되는 전류의 양을 카운팅하여 예측하는 방법인 전류적산법을 사용하여 배터리 충전율(SOC)을 추종함에 있어서, 기존의 전류적산법은 초기값 오차가 발생하면 계속하여 오차가 발생하므로 본 발명은 개선된 전류적산법을 적용하여 배터리 충전율(SOC)을 계산하여 이를 배터리 수명 예측에 사용한다.

따라서 결국, 배터리를 모델링을 통해 얻은 배터리의 내부저항을 계산하여 배터리의 영향을 주는 요소를 최소화함으로써 높은 정확도를 가지며, 모델링을 기반으로 한 SOC 계산하고 충, 방전 시간에 따른 수명을 예측 및 관리한다. 본 발명은 배터리의 수명예측 및 최대 수명관리를 위해 배터리 모델링으로 SOC, SOH 정밀 진단을 통하여 배터리의 최대 수명을 관리하는 알고리즘을 제안한다.

이를 위하여 본 발명의 배터리 수명 예측 시스템은, 도 1에 도시한 바와 같이 배터리, DC-DC 충전기, 부하저항, 및 배터리 예측 장치를 포함한다.

배터리는, 신뢰성이 요구되는 전기자동차의 메인 배터리나 ESS 시스템 등 다수의 배터리 모듈이 직,병렬로 구성된 배터리 팩 등이 해당될 수 있다. 따라서 본 발명의 배터리 수명 예측 시스템은 배터리 팩이 적용되는 주행거리 상승이 요구되는 전기자동차, ESS의 배터리 시스템, 배터리팩의 BMS 시스템 등의 다양한 산업 분야에서 활용될 수 있다.

DC-DC 충전기는, 배터리 성능지수(SOH)와 배터리 충전율(SOC)의 추종을 위해 배터리에 인가되는 DC 전압을 제공하는 모듈이다. DC-DC 충전기는, 배터리 예측 장치에 의해 제어되어, 배터리 성능지수(SOH)와 배터리 충전율(SOC)의 추종을 위한 DC 전압 인가 여부가 제어된다. 즉, 배터리 예측 장치는, 스위치를 제어하여 배터리의 충전 또는 배터리의 방전이 이루어지도록 제어한다.

부하저항은, 배터리의 방전 실험을 위한 부하로 사용되는 저항이다.

배터리 예측 장치는, 연산 유닛으로 구현되어, 배터리 관리 시스템(BMS;Battery Management Systerm)으로부터 배터리 온도(V_{_temp}), 배터리 내부저항(R_{_Total}), 배터리 전류(i_{_BAT})를 포함하는 배터리 상태값을 제공받아, 배터리 성능지수(SOH)와 배터리 충전율(SOC)을 산출하고 이를 이용하여 배터리 수명을 예측한다.

즉, 배터리 예측 장치는, 배터리 온도(V_{_temp}), 배터리 내부저항(R_{_Total}), 배터리 전류(i_{_BAT})를 포함하는 배터리 상태값을 파악하여, 파악된 배터리 상태값을 이용하여 배터리 성능지수(SOH)를 산출한다. 그리고, 배터리의 열화에 따른 배터리 내부저항의 변화된 값을 이용하여 배터리 초기 충전율(SOC_{_ init})을 산출하고, 충전되는 전류적산값을 배터리 초기 충전율(SOC_{_ init})에 누적 적산하여 배터리 충전율(SOC)를 산출한다. 이렇게 산출된 배터리 성능지수와 배터리 충전율을 이용하여 배터리 수명을 좀더 정확하게 산출할 수 있게 된다.

이하 도 2 내지 도 7과 함께 배터리 예측 장치에서 이루어지는 배터리 수명 예측 방법에 대하여 자세히 상술한다.

도 2는 본 발명의 실시예에 따른 배터리 수명 예측 방법을 도시한 플로차트이며, 도 3은 본 발명의 실시예에 따른 배터리의 개방회로전압 모델의 예시 그림이며, 도 4는 배터리 CC-CV 충전 곡선을 도시한 그래프이며, 도 5는 배터리 성능지수(SOH)에 따른 충전시간 변화를 도시한 그래프이며, 도 6은 배터리 방전 그래프이며, 도 7은 배터리 성능지수(SOH)에 따른 방전시간 변화를 나타낸 그래프이다.

배터리의 수명을 예측하여 관리하는 배터리 예측 장치가 배터리 수명을 예측하는 본 발명의 배터리 수명 예측 방법은 도 2에 도시한 바와 같이, 배터리 온도(V_{_temp}), 배터리 내부저항(R_{_Total}), 배터리 전류(i_{_BAT})를 포함하는 배터리 상태값을 파악하는 배터리 상태값 파악 과정(S100)과, 배터리 상태값을 이용하여 배터리 성능지수(SOH)를 예측하는 배터리 성능지수 예측 과정(S200)과, 배터리 초기의 충전율(SOC)인 배터리 초기 충전율(SOC_{_ init})을 산출하는 배터리 초기 충전율 산출 과정(S300)과, 충전되는 전류적산값을 배터리 초기 충전율(SOC_{_ init})에 누적 적산하여 배터리 충전율(SOC)를 예측하는 배터리 충전율 예측 과정(S400)을 포함할 수 있다. 이하 상술하기로 한다.

배터리 상태값 파악 과정(S100)은, 배터리 온도(V_{_temp}), 배터리 내부저항(R_{_Total}), 배터리 전류(i_{_BAT})를 포함하는 배터리 상태값을 파악하는 과정이다. 배터리 관리 시스템(Battery Management System)을 통해 제공되는 현재의 배터리의 상태 값(온도, SOC, 전압, 전류)등의 배터리 상태값을 실시간으로 파악할 수 있다.

여기서 배터리 상태값을 파악함에 있어서, 도 3에 도시된 개방회로전압(OCV;Open Circuit Voltage)이 포함되는 개방회로전압 모델로서 배터리를 모델링하여, 모델링된 개방회로전압 모델내의 내부저항을 배터리 내부저항(R_{_Total})으로 결정하게 된다.

일반적으로 커패시터나, 이상적인 전압원은 개방회로전압(OCV; Open Circuit Voltage)로 모델링을 통하여 동일한 C-rate로 충, 방전시 단자전압과의 차이로 내부저항값이 계산될 수 있는데, 배터리를 이러한 개방회로전압 모델로 모델링하여 배터리 내부저항(R_{_Total})을 파악하는 것이다.

배터리 성능지수 예측 과정(S200)은, 배터리 상태값을 이용하여 배터리 성능지수(SOH)를 예측하는 과정이다.

이를 위해 배터리 성능지수 예측 과정(S200)은, V_{_ ocv}는 개방회로전압 모델에서의 개방회로전압, i_{_BAT}는 배터리 전류, R_{_Total}은 내부저항, V_{_temp}는 배터리 온도, C는 배터리 커패시터, α는 0<α<1 라고 할 때, 하기의 [식 1]에 의해 배터리 단자전압(V_{_BAT})을 산출한다.

[식 1]

즉, 도 3에 도시된 개방회로전압 모델로 온도변수와 단자전압은 배터리의 전류 I에 따라 충, 방전하게 되면 배터리에 나타나는 배터리 단자전압(V_{_BAT})이 상기의 [식 1]에 의해 산출될 수 있다.

배터리 단자전압(V_{_BAT})이 산출되면, 배터리 성능지수(SOH)는, 배터리 충전시간을 T_{_ befor}, 배터리 방전시간을 T_{_after}라고 할 때, 하기의 [식 2]에 의해 산출되도록 한다.

[식 2]

배터리 초기 충전율 산출 과정(S300)은, 배터리 초기의 충전율(SOC)인 배터리 초기 충전율(SOC_{_init})을 산출하는 과정이다. 특히, 본 발명은 배터리의 열화에 따른 배터리 내부저항의 변화된 값을 이용하여 배터리 초기 충전율을 산출하도록 한다.

이를 위해 V_{_ ocv}는 개방회로전압 모델에서의 개방회로전압, i_{_BAT}는 배터리 전류, R_{_Total}은 내부저항, V_{_temp}는 배터리 온도, V_{_BAT}는 배터리 단자전압, α는 0<α<1라고 할 때, 하기의 [식 3]에 의해 배터리 초기 충전율(SOC_{_ init})이 산출될 수 있다.

[식 3]

전류적산은 초기값에 따라 오차가 많이 발생하기 때문에 상기의 [식 3]을 이용하여 추종하면 더 정확한 배터리 충전율의 초기값을 추종할 수 있게 된다.

보통 배터리의 충전은 도 4와 같은 CC - CV(Constant Current - Constant Voltage) 방식을 사용하며 배터리의 셀의 전압이 컷오프 영역 까지 증가할 때 까지 CC로 충전을 하고, 컷오프 영역에 도달하게 되면 CV방식으로 전환하여 전압을 유지한다. 배터리는 충전 시 배터리의 열화가 진행되며 도 5와 같이 CC시간이 줄어든다. 이는 배터리 내의 화학반응에 의해 발생하며, 충전 시 용량 감소로 인해 전류량 또한 감소하게 된다. 열화는 내부저항의 증가를 발생시켜 동일한 전류로 충전을 하더라도 컷오프 전압에 도달하는 시간은 감소하게 된다. 방전은 도 6과 같이 컷오프 전압까지 방전하여 초기 상태와 배터리의 용량과 비교하여 SOH를 판단하며, 도 7과 같이 열화로 발생한 내부저항에 증가로 인해 방전 시간 또한 줄어들게 된다.

배터리 충전율 예측 과정(S400)은, 충전되는 전류적산값을 상기 배터리 초기 충전율(SOC_{_init})에 누적 적산하여 배터리 충전율(SOC)를 예측하는 과정이다.

이를 위해 배터리 충전율 예측 과정(S400)은, 하기의 [식 4]에 의하여 배터리 충전율(SOC)을 산출한다.

[식 4]

전류적산은 초기값에 따라 오차가 많이 발생하기 때문에 상기의 [식 3]에서 구한 배터리 초기 충전율(SOC_{_init})를 기반으로 누적 적산하여 배터리 충전율(SOC)를 산출함으로써, 배터리 열화에 따른 배터리 충전율(SOC)의 오차를 최소화할 수 있다.

상술한 본 발명의 설명에서의 실시예는 여러가지 실시가능한 예중에서 당업자의 이해를 돕기 위하여 가장 바람직한 예를 선정하여 제시한 것으로, 이 발명의 기술적 사상이 반드시 이 실시예만 의해서 한정되거나 제한되는 것은 아니고, 본 발명의 기술적 사상을 벗어나지 않는 범위내에서 다양한 변화와 변경 및 균등한 타의 실시예가 가능한 것이다.

S100:배터리 상태값 파악 과정
S200:배터리 성능지수 예측 과정
S300:배터리 초기 충전율 산출 과정
S400:배터리 충전율 예측 과정

Claims (5)

1. 배터리의 수명을 예측하여 관리하는 배터리 예측 장치가 배터리 수명을 예측하는 배터리 수명 예측 방법에 있어서,
   배터리 온도(V_{_temp}), 배터리 내부저항(R_{_Total}), 배터리 전류(i_{_BAT})를 포함하는 배터리 상태값을 파악하는 배터리 상태값 파악 과정;
   상기 배터리 상태값을 이용하여 배터리 성능지수(SOH)를 예측하는 배터리 성능지수 예측 과정;
   배터리 초기의 충전율(SOC)인 배터리 초기 충전율(SOC_{_init})을 배터리의 열화에 따른 배터리 내부저항의 변화된 값을 이용하여 산출하는 배터리 초기 충전율 산출 과정; 및
   충전되는 전류적산값을 상기 배터리 초기 충전율(SOC_{_init})에 누적 적산하여 배터리 충전율(SOC)를 예측하는 배터리 충전율 예측 과정;을 포함하며,
   상기 배터리 상태값 파악 과정은,
   개방회로전압(OCV;Open Circuit Voltage)이 포함되는 개방회로전압 모델로서 배터리를 모델링하여, 개방회로전압 모델내의 내부저항을 배터리 내부저항(R_{_Total})으로 결정하며,
   상기 배터리 초기 충전율 산출 과정은,
   V_{_ocv}는 개방회로전압 모델에서의 개방회로전압, i_{_BAT}는 배터리 전류, R_{_Total}은 내부저항, V_{_temp}는 배터리 온도, V_{_BAT}는 배터리 단자전압, α는 0<α<1 라고 할때,
   

   

   
   

   

   
   에 의해 배터리 초기 충전율(SOC_{_init})이 산출되며,
   상기 배터리 충전율 예측 과정은,
   

   

   
   에 의해 배터리 충전율(SOC)이 산출됨을 특징으로 하는 배터리 수명 예측 방법.
   
2. 삭제
3. 청구항 1에 있어서, 상기 배터리 성능지수 예측 과정은,
   V_{_ocv}는 개방회로전압 모델에서의 개방회로전압, i_{_BAT}는 배터리 전류, R_{_Total}은 내부저항, V_{_temp}는 배터리 온도, C는 배터리 커패시터, α는 0<α<1 라고 할 때,
   

   

   
   에 의해 배터리 단자전압(V_{_BAT})이 산출됨을 특징으로 하는 배터리 수명 예측 방법.
   
4. 청구항 3에 있어서, 상기 배터리 성능지수 예측 과정은,
   배터리 충전시간을 T_{_befor}, 배터리 방전시간을 T_{_after}라고 할 때,
   

   

   
   

   

   
   

   

   
   에 의해 배터리 성능지수(SOH)가 산출됨을 특징으로 하는 배터리 수명 예측 방법.
   
   
   
5. 삭제

Images