KR102527334B1 - 배터리 관리 장치 및 방법 - Google Patents
배터리 관리 장치 및 방법 Download PDFInfo
- Publication number
- KR102527334B1 KR102527334B1 KR1020150165064A KR20150165064A KR102527334B1 KR 102527334 B1 KR102527334 B1 KR 102527334B1 KR 1020150165064 A KR1020150165064 A KR 1020150165064A KR 20150165064 A KR20150165064 A KR 20150165064A KR 102527334 B1 KR102527334 B1 KR 102527334B1
- Authority
- KR
- South Korea
- Prior art keywords
- battery
- estimation model
- location information
- environment information
- information
- Prior art date
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]
- G01R31/392—Determining battery ageing or deterioration, e.g. state of health
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
- B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
- B60L53/10—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles characterised by the energy transfer between the charging station and the vehicle
- B60L53/14—Conductive energy transfer
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/396—Acquisition or processing of data for testing or for monitoring individual cells or groups of cells within a battery
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
-
- G—PHYSICS
- G08—SIGNALLING
- G08C—TRANSMISSION SYSTEMS FOR MEASURED VALUES, CONTROL OR SIMILAR SIGNALS
- G08C19/00—Electric signal transmission systems
- G08C19/02—Electric signal transmission systems in which the signal transmitted is magnitude of current or voltage
-
- 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
- H02J7/0042—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries characterised by the mechanical construction
- H02J7/0045—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries characterised by the mechanical construction concerning the insertion or the connection of the batteries
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L2240/00—Control parameters of input or output; Target parameters
- B60L2240/60—Navigation input
- B60L2240/62—Vehicle position
- B60L2240/622—Vehicle position by satellite navigation
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L2240/00—Control parameters of input or output; Target parameters
- B60L2240/60—Navigation input
- B60L2240/64—Road conditions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L2240/00—Control parameters of input or output; Target parameters
- B60L2240/60—Navigation input
- B60L2240/66—Ambient conditions
- B60L2240/662—Temperature
-
- 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
- H02J7/00032—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries characterised by data exchange
- H02J7/00034—Charger exchanging data with an electronic device, i.e. telephone, whose internal battery is under charge
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/70—Energy storage systems for electromobility, e.g. batteries
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/72—Electric energy management in electromobility
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02T90/10—Technologies relating to charging of electric vehicles
- Y02T90/16—Information or communication technologies improving the operation of electric vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Power Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mechanical Engineering (AREA)
- Transportation (AREA)
- Sustainable Energy (AREA)
- Sustainable Development (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Networks & Wireless Communication (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
- Secondary Cells (AREA)
Abstract
배터리를 제어하는 배터리 관리 시스템에 관한 기술로, 일 양상에 따른 배터리 관리 장치는 위치 정보를 획득하는 위치 정보 획득부, 위치 정보의 변경에 따라 배터리 내부 상태를 추정하는 추정 모델을 변경하는 추정 모델 변경부를 포함할 수 있다.
Description
배터리를 제어하는 배터리 관리 시스템에 관한 기술이다.
배터리 열화도(SOH, State of Health)는 배터리의 가장 이상적인 상태를 기준으로 현재 상태를 비교하여 그 값을 퍼센트(%)로 나타낸 값이다. BMS(Battery Management System)는 배터리 열화도(SOH)를 추정하고, 초기 용량 대비 현재 배터리 용량이 80% 이하일 경우 배터리의 교체를 권한다.
배터리 열화도(SOH)를 추정하는 기술로, 메테리얼 파라미터(Material parameter) 기반 추정 기술은 상태 추정을 위한 다양한 근사(approximation)를 적용하게 되는데, 이로부터 추정 오류값이 증가할 수 있다.
배터리 열화도(SOH)를 추정하는 다른 기술로, 통계적 학습 방법(Statistical training method)은 배터리 내부의 온도, 전압, 전류에 대한 센싱 데이터와 룩업 테이블(Lookup table)을 이용하여 배터리의 상태를 추정할 수 있다.
한편, 배터리 상태 정보(온도 분포 데이터, 주행 거리)를 이용하여 배터리의 잔여 주행 거리를 추정할 때, 배터리 열화도(SOH)는 온도나 주행 거리뿐 아니라 주변 온도, 도로의 경사도, 기타 배터리 사용 환경에 영향을 받을 수 있다.
배터리 사용 환경을 고려하여 배터리 열화도(SOH)를 추정하는 기술을 제시한다.
일 양상에 따른 배터리 관리 장치는 위치 정보를 획득하는 위치 정보 획득부, 위치 정보의 변경에 따라 배터리 내부 상태를 추정하는 추정 모델을 변경하는 추정 모델 변경부를 포함할 수 있다.
위치 정보 획득부는 GPS로부터 위치 정보를 수신할 수 있다.
위치 정보 획득부는 위치 정보의 변경을 주기적으로 확인하거나, 전기 자동차의 주행 기록 상에 대응되는 위치 정보의 변경을 확인할 수 있다.
추정 모델은 신경망 네트워크(NN, Neural Network) 및 심층 신경망 네트워크(DNN, Deep Neural Network) 중 하나 이상에 기반한 배터리 열화도(SOH, State of Health)를 추정하는 추정 모델일 수 있다.
추정 모델 변경부는 변경된 위치 정보가 추정 모델에 기 설정된 지역 단위를 벗어나는 경우, 변경된 위치 정보에 대응하는 로컬 환경 정보를 획득하는 환경 정보 획득부를 포함할 수 있다.
환경 정보는 지역 단위 정보이고, 해당 지역의 온도, 습도, 기후, 지형, 도로 상황, 도시 특성 중 하나 이상의 환경 요소를 포함할 수 있다.
환경 정보 획득부는 배터리의 충전 케이블을 통하여 로컬 환경 정보를 획득할 수 있다.
환경 정보 획득부는 와이파이(Wifi), Zigbee, NFC(Near Field Communication), Bluetooth, RF(radio frequency) 중 어느 하나의 무선 통신 방식을 이용하여 서버와 통신하고, 서버로부터 로컬 환경 정보를 획득할 수 있다.
추정 모델 변경부는 획득한 환경 정보를 추정 모델의 환경 정보로 설정할 수 있다.
다른 양상에 따른 배터리 관리 방법은 위치 정보를 획득하는 단계, 위치 정보의 변경에 따라 배터리 내부 상태를 추정하는 추정 모델을 변경하는 단계를 포함할 수 있다.
위치 정보를 획득하는 단계는 GPS로부터 위치 정보를 수신할 수 있다.
위치 정보를 획득하는 단계는 위치 정보의 변경을 주기적으로 확인하거나, 전기 자동차의 주행 기록 상에 대응되는 위치 정보의 변경을 확인하는 단계를 포함할 수 있다.
추정 모델은 신경망 네트워크(NN, Neural Network) 및 심층 신경망 네트워크(DNN, Deep Neural Network) 중 하나 이상에 기반한 배터리 열화도(SOH, State of Health)를 추정하는 추정 모델일 수 있다.
추정 모델을 변경하는 단계는 변경된 위치 정보가 추정 모델에 기 설정된 지역 단위를 벗어나는 경우, 변경된 위치 정보에 대응하는 환경 정보를 획득하는 단계를 포함할 수 있다.
환경 정보는 지역 단위 정보이고, 해당 지역의 온도, 습도, 기후, 지형, 도로 상황, 도시 특성 중 하나 이상의 환경 요소를 포함할 수 있다.
환경 정보를 획득하는 단계는 배터리의 충전 케이블을 통하여 로컬 환경 정보를 획득할 수 있다.
환경 정보를 획득하는 단계는 와이파이(Wifi), Zigbee, NFC(Near Field Communication), Bluetooth, RF(radio frequency) 중 어느 하나의 무선 통신 방식을 이용하여 서버와 통신하고, 서버로부터 로컬 환경 정보를 획득할 수 있다.
추정 모델을 변경하는 단계는 획득한 환경 정보를 추정 모델의 환경 정보로 설정할 수 있다.
배터리 사용 환경을 고려하여 배터리 열화도(SOH) 추정의 정확도를 높일 수 있다. 또한, 전기 자동차의 이동에 따른 지역적 특성을 추정 모델에 실시간으로, 또는 사후적으로 반영하여 배터리 열화도(SOH)를 추정할 수 있다.
도 1은 배터리 관리 장치와 배터리 팩 및 서버와의 관계를 나타낸 일 예이다.
도 2는 일 실시 예에 따른 배터리 관리 장치(100)의 블록도이다.
도 3은 일 실시 예에 따른 배터리 관리 장치(100)의 상세 블럭도이다.
도 4는 지역별 기후 특징에 관한 일 예이다.
도 5는 위치 정보의 변경에 따라 로컬 환경 정보를 획득하는 일 예이다.
도 6은 뉴럴 네트워크(NN, Neural Network)에 기반한 추정 모델에 관한 일 예이다.
도 7은 각 지역별 추정 모델의 파라미터 셋에 관한 일 예이다.
도 8은 일 실시 예에 따른 배터리 관리 방법의 흐름도이다.
도 9 는 일 실시 예에 따른 배터리를 관리하는 방법의 상세 흐름도이다.
도 10은 다른 실시 예에 따른 배터리를 관리하는 방법의 상세 흐름도이다.
도 2는 일 실시 예에 따른 배터리 관리 장치(100)의 블록도이다.
도 3은 일 실시 예에 따른 배터리 관리 장치(100)의 상세 블럭도이다.
도 4는 지역별 기후 특징에 관한 일 예이다.
도 5는 위치 정보의 변경에 따라 로컬 환경 정보를 획득하는 일 예이다.
도 6은 뉴럴 네트워크(NN, Neural Network)에 기반한 추정 모델에 관한 일 예이다.
도 7은 각 지역별 추정 모델의 파라미터 셋에 관한 일 예이다.
도 8은 일 실시 예에 따른 배터리 관리 방법의 흐름도이다.
도 9 는 일 실시 예에 따른 배터리를 관리하는 방법의 상세 흐름도이다.
도 10은 다른 실시 예에 따른 배터리를 관리하는 방법의 상세 흐름도이다.
기타 실시 예들의 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다. 기재된 기술의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시 예들을 참조하면 명확해질 것이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.
배터리 관리 장치(100)는 전기 자동차(EV), 플러그인 하이브리드 전기 자동차(PHEV, Plug-In Hybrid EV), 하이브리드 전기 자동차(HEV, Hybrid EV)내 배터리 셀, 배터리 모듈, 또는 배터리 팩의 배터리 열화도(SOH, State of Health)를 추정하여 배터리를 관리할 수 있다. 이하, 배터리 관리 장치(100) 및 배터리 관리 방법의 실시 예들을 도면들을 참고하여 자세히 설명하도록 한다.
도 1은 배터리 관리 장치(100)와 배터리 팩 및 서버와의 관계를 나타낸 일 예이다. 배터리 관리 장치(100)는 배터리 팩 내 센서로부터 배터리 팩에 관한 데이터를 수집하고, 수집한 데이터를 이용하여, 배터리 내부 상태로 배터리 충전 상태(SOC, State of Charge) 및 배터리 열화도(SOH)를 추정할 수 있다.
또한, 배터리 관리 장치(100)는 배터리 사용 환경에 관한 정보를 외부의 서버로부터 획득할 수 있다. 일 실시 예에 따르면, 서버는 배터리 열화도(SOH)를 추정하는 추정 모델에 관한 파라미터 데이터베이스(DB) 및 처리부를 포함할 수 있다. 배터리 관리 장치(100)는 서버와 통신하여, 배터리 열화도(SOH)를 추정하는 추정 모델에 관한 파라미터 셋을 획득할 수 있다.
전기 자동차(EV) 내 배터리는 교체 시기가 있는 소모품이고, 동일한 배터리라도 전기 자동차의 운행 상태 및 배터리 사용 환경에 따라 배터리의 수명에 차이가 있을 수 있다. 이 때, 배터리 관리 장치(100)는 배터리의 사용 환경에 관한 사항을 반영하여 배터리 열화도(SOH)를 추정하고, 이로부터 배터리의 결함 진단 및 배터리 교체 시기를 예측할 수 있다.
도 2는 일 실시 예에 따른 배터리 관리 장치(100)의 블록도이다. 일 실시 예에 따른 배터리 관리 장치(100)는 위치 정보 획득부(110), 추정 모델 변경부(120)를 포함할 수 있다.
위치 정보 획득부(110)는 위치 정보를 획득할 수 있다. 예를 들어, 위치 정보 획득부(110)는, 전기 자동차 내 배터리의 경우, 전기 자동차와 연결된 GPS(Global Position System)를 이용하여 전기 자동차의 위치 정보를 획득할 수 있다. 다만, 제시된 실시 예 이외에도, 위치 정보 획득부(110)는 와이파이(Wifi), 중계기, 이동통신망 등을 통하여 위치 정보를 획득할 수 있다.
일 예로, 위치 정보 획득부(110)는 위치 정보의 변경을 주기적으로 확인할 수 있다. 다른 예로, 위치 정보 획득부(110)는 전기 자동차의 주행 기록에 기초하여, 주행 기록 상에 대응되는 위치 정보의 변경을 사후적으로 확인 할 수 있다.
추정 모델 변경부(120)는 위치 정보의 변경에 따라 배터리 내부 상태를 추정하는 추정 모델을 변경할 수 있다. 일 예로, 추정 모델 변경부(120)는 배터리 열화도(SOH, State of Health)를 추정하는 추정 모델을 변경할 수 있다. 이때, 추정 모델은 신경망 네트워크(NN, Neural Network) 및 심층 신경망 네트워크(DNN, Deep Neural Network) 중 하나 이상에 기반한 배터리 열화도(SOH, State of Health)를 추정하는 추정 모델일 수 있다.
추정 모델 변경부(120)는 위치 정보의 변경에 따라, 지역적 특성에 기초한 배터리 사용 환경을 반영하여 추정 모델의 환경 정보를 설정할 수 있다. 예를 들어, 추정 모델 변경부(120)는 변경된 위치 정보에 대응하는 온도 데이터를 포함하는 로컬 환경 정보가 획득되면, 획득한 온도 데이터를 배터리 열화도(SOH)를 추정하는 추정 모델의 환경 정보로 설정할 수 있다.
전기 자동차를 어떤 환경에서 사용하는가에 따라 배터리의 가혹도는 크게 영향을 받을 수 있다. 일 예로, 전기 자동차를 도심 지역, 사막 지역, 열대 지역, 혹한 지역 중 어느 하나에서 운행할 때, 각 환경에서 배터리 가혹도는 다르게 계산될 수 있다. 전기 자동차가 배터리 사용 환경이 다른 지역으로 이동하면, 변경된 위치 정보에 따라 추정 모델의 배터리 사용 환경에 관한 환경 정보를 달리 설정해주어야 할 필요가 있다.
환경 정보는 지역 단위 정보이고, 해당 지역의 온도, 습도, 기후, 지형, 도로 상황, 도시 특성 중 하나 이상의 환경 요소를 포함할 수 있다. 예를 들어, 환경 정보는 온도 데이터일 수 있다. 또한, GPS(Global Position System) 등을 통해 지형 정보가 획득되면, 환경 정보는 전기 자동차가 주행하는 도로의 상태, 경사도 등의 정보를 포함할 수 있다. 그 외에, 환경 정보는 배터리 사용 환경에 관한 다양한 형태의 정보를 포함할 수 있다.
도 3은 일 실시 예에 따른 배터리 관리 장치(100)의 상세 블럭도이다. 도 3을 참고하면, 일 실시 예에 따른 배터리 관리 장치(100)는 위치 정보 획득부(110), 추정 모델 변경부(120), 추정 모델(130), 통신부(140)를 포함할 수 있다. 이하, 도 2와 중복되는 구성의 설명은 생략한다.
도 3을 참고하면, 추정 모델 변경부(120)는 환경 정보 획득부(124) 및 환경 정보 설정부(126)를 포함할 수 있다.
환경 정보 획득부(124)는 변경된 위치 정보가 추정 모델(130)에 기 설정된 지역 단위를 벗어나는 경우, 변경된 위치 정보에 대응하는 로컬 환경 정보를 획득할 수 있다.
일 실시 예에 따르면, 환경 정보 획득부(124)는 배터리의 충전 케이블을 통하여 로컬 환경 정보를 획득할 수 있다. 예를 들어, 전기 자동차가 배터리를 충전하는 경우, 환경 정보 획득부(124)는 충전 케이블(충전 프로토콜)을 통하여 해당 지역의 로컬 환경 정보를 획득할 수 있다.
다른 실시 예에 따르면, 환경 정보 획득부(124)는 와이파이(Wifi), Zigbee, NFC(Near Field Communication), Bluetooth, RF(radio frequency) 중 어느 하나의 무선 통신 방식을 이용하여 서버와 통신하고, 서버로부터 위치 정보에 대응하는 로컬 환경 정보를 획득할 수 있다. 예를 들어, 환경 정보 획득부(124)는 홈 와이파이(Wifi) 또는 게이트웨이(Gateway), 이동통신망 등을 통하여 외부의 서버로부터, 위치 정보에 대응하는 로컬 환경 정보를 획득할 수 있다.
환경 정보 획득부(124)는 통신부(140)를 통하여 유선, 무선 통신 방식을 이용하여 외부의 서버로부터 로컬 환경 정보를 가리키는 파라미터 셋을 다운로드할 수 있다. 또한, 환경 정보 획득부(124)는 추정 모델(130)의 파라미터 셋을 로컬 모델 파라미터 디렉토리(Local Model Param.Directory)에 저장할 수 있다.
환경 정보 획득부(124)는 통신부(140)를 이용하여 유선, 무선 방식으로 외부의 서버와 통신할 수 있다. 이때, 서버는 추정 모델(130)에 적용 가능한 파라미터 셋이 저장된 룩업 테이블(Lookup table) 또는 데이터베이스(Database) 등을 포함할 수 있다. 여기서, 외부의 서버는 특정한 물리적 하드웨어를 지칭하는 것이 아니고, 환경 정보 획득부(124)가 데이터를 획득할 수 있는 기기 또는 디바이스가 될 수 있다.
환경 정보 설정부(126)는 획득한 환경 정보를 추정 모델의 환경 정보로 설정할 수 있다. 일 예로, 환경 정보 설정부(126)는 NN(Neural network)에 기반한 추정 모델에 배터리 사용 환경을 가리키는 파라미터 셋을 설정할 수 있다.
배터리는 아날로그 디바이스로서 사용자의 사용 패턴, 사용 환경에 따라 다양한 열화 패턴을 가질 수 있고, 이러한 사용 패턴을 초기 설정에 의해 모두 커버하기는 사실상 어려운 점이 있다. 배터리 관리 장치(100)는 배터리 열화도(SOH)의 추정에 있어 고려되어야 할 사항에 대해, 사전에 인지하지 못한 환경 요소들을 고려하도록 환경 정보를 변경할 수 있다. 또한, 배터리 관리 장치(100)는 위치 정보에 기반하여 배터리 외부의 배터리 사용 환경을 고려하여 배터리 열화도(SOH)를 추정함으로써, 배터리 열화도(SOH) 추정의 정확도를 향상시킬 수 있다.
추정 모델은(130)은 배터리의 내부 상태를 추정할 수 있다. 일 예로, 배터리 열화도(SOH)를 추정하는 추정 모델은 배터리 내부에서 센싱되는 데이터를 통해 배터리의 열화도(SOH)를 추정할 수 있다. 한편, 외부의 배터리 사용 환경도 배터리 열화도(SOH)에 영향을 미칠 수 있고, 외부의 환경 정보를 추정 모델에 입력하는 경우 배터리 열화도(SOH)를 더 정확하게 추정할 수 있다.
추정 모델(130)은 신경망 네트워크(NN, Neural Network) 및 심층 신경망 네트워크(DNN, Deep Neural Network) 중 하나 이상에 기반한 배터리 열화도(SOH, State of Health)를 추정하는 추정 모델일 수 있다.
한편, 추정 모델(130)은 배터리 충전 상태(SOC, State of Charge)를 추정하는 추정 모델일 수 있고, 획득한 배터리 사용 환경에 관한 환경 정보를 이용하여, 배터리 내부의 충전 상태를 추정할 수 있다. 추정 모델(130)의 종류에 관하여는 제한되는 바가 없으며, 배터리 관리를 위한 다양한 추정 모델(130)이 이용될 수 있다.
도 4는 지역별 기후 특징에 관한 일 예이다. 도 4를 참고하면, 배터리 사용 환경으로 도심 지역, 혹한 지역, 열대 지역, 사막 지역과 같은 지역적 특징에 관한 일 예가 도시된다. 일 실시 예에 따르면, 배터리 관리 장치(100)는 각 지역적 특징을 반영한 로컬 환경 정보를 추정 모델에 반영할 수 있다.
예를 들어, 전기 자동차는 온도가 매우 낮은 혹한 지역, 온도가 높고 습한 열대 지역, 온도가 높고 건조한 사막 지역과 같은 환경에서도 주행할 수 있으나, 이러한 배터리 사용 환경은 전기 자동차 내 배터리를 혹사시켜 배터리 열화도(SOH)에 영향을 줄 수 있다.
일 예로, 주행 환경이 좋은 도심에서 전기 자동차를 100,000km운행하는 경우와, 사막에서 전기 자동차를 100, 000km 운행하는 경우 사막에서 운행한 전기 자동차의 배터리 가혹도가 높을 수 있다. 배터리 열화도(SOH)는 배터리 수명과 관련된 요소로, 배터리 교체 주기를 예측하기 위해 정확한 배터리 열화도(SOH)를 추정하는 것이 중요하고, 이러한 배터리 사용 환경을 고려하여 배터리 열화도(SOH)를 추정함으로써 배터리 열화도(SOH) 추정의 정확도를 높일 수 있다.
다른 예로, 사막 지역은 임계치 이상으로 온도가 높고 건조한 기후를 가질 수 있다. 이때, 로컬 환경 정보는 해당 지역에 대응하는 온도 데이터, 습도 데이터를 포함할 수 있다. 사막 지역의 경우 주변 온도가 높아 배터리 냉각 시스템이 더 가동되어야 할 수 있고, 이에 따라 배터리 열화도(SOH) 또한 더 크게 추정될 수 있다.
한편, 지역 단위 정보는 행정 구역, 국가 경계, 소정의 지역 단위 등이 될 수 있으나, 이에 제한되는 것은 아니며 다양한 방식으로 다르게 설정될 수 있다.
도 5는 위치 정보의 변경에 따라 로컬 환경 정보를 획득하는 일 예이다. 예를 들어, 전기 자동차는 주행에 따라 환경 요소가 다른 지역으로 이동할 수 있고, 위치 정보 획득부(110)는 GPS로부터 위치 정보를 획득할 수 있다. 도 5를 참고하면, 서로 다른 지역에서 와7이파이(Wifi) 또는 케이블을 통하여 로컬 환경 정보를 획득하는 일 예이다.
일 예로, 환경 정보 획득부(120)는 홈 와이파이(Wifi)를 통하여 외부의 서버로부터 위치 정보에 대응하는 로컬 환경 정보를 획득할 수 있다. 이때, 외부의 서버는 기상청, 지역 방송국, 포털 사이트, 전기 자동차 제조 업체 등이 될 수 있고, 그 외에 다양한 소스가 있을 수 있다.
환경 정보 획득부(120)는 위치 정보에 대응하는 로컬 환경 정보를 실시간으로 획득하여 위치 정보의 변경을 확인할 수 있다. 또한, 환경 정보 획득부(120)는 특정 지점에서 그 동안의 전기 자동차 주행 기록에 기초하여, 주행 기록 상의 위치 정보에 대응하는 로컬 환경 정보를 사후적으로 획득하여, 위치 정보의 변경을 확인할 수 있다.
일 예로, 환경 정보 획득부(120)는 특정 지역의 와이파이(Wifi)를 이용하여 환경 정보를 획득하도록 설정할 수 있고, 이 경우 전기 자동차가 단기 또는 장기간 지역적 환경이 상이한 곳에서 주행을 한 후 돌아오면, 그 동안의 주행 기록 상의 위치 정보에 대응하는 로컬 환경 정보를 와이파이(Wifi)를 이용하여 획득할 수 있다.
다른 예로, 환경 정보 획득부(224)는 배터리 충전을 전후하여 해당 지역에 대응하는 로컬 환경 정보를 획득할 수 있다. 배터리 충전소는 추정 모델의 파라미터 셋을 다운로드할 수 있는 파라미터 저장소 또는 중계 서버를 가질 수 있고, 이 경우 환경 정보 획득부(224)는 충전 케이블을 통하여 추정 모델의 파라미터 셋을 다운로드할 수 있다.
도 6은 뉴럴 네트워크(NN, Neural Netwrok)에 기반한 추정 모델에 관한 일 예이고, 도 7은 추정 모델의 파라미터 셋에 관한 일 예이다. 도 6을 참고하면, NN(Neural Network)에 기반한 추정 모델은 입력 신호 I1, I2, I3, I4가 입력 노드(F, Function)로 입력될 수 있고, 여러 개의 히든 레이어(hidden layer)에 바이어스 b1, b2가 인가되면, 출력 노드(Fo)로 배터리 열화도(SOH) 추정 값이 출력될 수 있다. 이때, 추정 모델 변경부(120)는 환경 정보를 가리키는 파라미터, 예를 들어 도 6을 참고하면, W11, W12, W13, W14, W21, W31 과 같은 파라미터들을 각 노드(F, Fnction)에 설정할 수 있다.
도 7을 참고하면, 각 지역의 환경 정보를 가리키는 추정 모델의 파라미터 셋에 관한 일 예가 도시되어 있다. 예를 들어, North America 지역의 경우 추정 모델의 파라미터 셋은 W11=0.011, W12=0.232, W13=… 일 수 있다. 다른 예로, South America 지역의 경우 추정 모델의 파라미터 셋은 W11=0.001, W12=0.222,… 일 수 있다. 마찬가지로 Norway 등의 다른 지역에도 각 지역별 로컬 환경 정보에 대응하는 파라미터 셋이 있을 수 있다. 다만, 이는 어디까지나 일 예로써, 파라미터 셋은 제시된 실시 예에 한정하여 해석될 것이 아니고, 각 파라미터 셋은 배터리 사용 환경 정보로 해당 지역의 온도 데이터, 습도 데이터 등을 가리킬 수 있다.
도 8은 일 실시 예에 따른 배터리 관리 방법의 흐름도이다. 이하, 도 2 및 도 8을 참고하여, 배터리 관리 방법을 설명한다.
먼저, 위치 정보 획득부(110)는 위치 정보를 획득할 수 있다(810). 예를 들어, 위치 정보 획득부(110)는, 전기 자동차 내 배터리의 경우, 전기 자동차와 연결된 GPS(Global Position System)를 이용하여 전기 자동차의 위치 정보를 획득할 수 있다. 다만, 제시된 실시 예 이외에도, 위치 정보 획득부(110)는 와이파이(Wifi), 중계기, 이동통신망 등을 통하여 위치 정보를 획득할 수 있다.
그 다음, 추정 모델 변경부(120)는 위치 정보의 변경에 따라 배터리 내부 상태를 추정하는 추정 모델을 변경할 수 있다(820). 일 예로, 추정 모델 변경부(120)는 배터리 열화도(SOH, State of Health)를 추정하는 추정 모델을 변경할 수 있다. 이때, 추정 모델은 신경망 네트워크(NN, Neural Network) 및 심층 신경망 네트워크(DNN, Deep Neural Network) 중 하나 이상에 기반한 배터리 열화도(SOH, State of Health)를 추정하는 추정 모델일 수 있다.
추정 모델 변경부(120)는 위치 정보의 변경에 따라, 지역적 특성에 기초한 배터리 사용 환경을 반영하여 추정 모델의 환경 정보를 설정할 수 있다. 예를 들어, 추정 모델 변경부(120)는 변경된 위치 정보에 대응하는 온도 데이터를 포함하는 로컬 환경 정보가 획득되면, 획득한 온도 데이터를 배터리 열화도(SOH)를 추정하는 추정 모델의 환경 정보로 설정할 수 있다.
환경 정보는 지역 단위 정보이고, 해당 지역의 온도, 습도, 기후, 지형, 도로 상황, 도시 특성 중 하나 이상의 환경 요소를 포함할 수 있다. 예를 들어, 환경 정보는 온도 데이터일 수 있다. 또한, GPS 등을 통해 지형 정보가 획득되면, 환경 정보는 전기 자동차가 주행하는 도로의 상태, 경사도 등의 정보를 포함할 수 있다. 그 외에, 환경 정보는 배터리 사용 환경에 관한 다양한 형태의 정보를 포함할 수 있다.
도 9 및 도 10은 각각 일 실시 예에 따른 배터리를 관리하는 방법의 상세 흐름도이다. 이하, 도 3, 도 9, 및 도 10을 참고하여 배터리를 관리하는 방법을 설명하되, 중복되는 단계는 간략히 설명한다.
먼저, 위치 정보 획득부(110)는 GPS(Global Position System)로부터 위치 정보를 수신할 수 있다(910, 1010).
그 다음, 위치 정보 획득부(110)는 위치 정보의 변경을 주기적으로 확인할 수 있다(920, 1020). 다른 예로, 위치 정보 획득부(110)는 전기 자동차의 주행 기록에 기초하여, 주행 기록 상에 대응되는 위치 정보의 변경을 사후적으로 확인할 수 있다.
도 9를 참고하면, 환경 정보 획득부(124)는 변경된 위치 정보가 추정 모델(130)에 기 설정된 지역 단위를 벗어나는 경우, 배터리의 충전 케이블을 통해 로컬 환경 정보를 획득할 수 있다(930). 예를 들어, 전기 자동차가 배터리를 충전하는 경우, 환경 정보 획득부(124)는 충전 케이블(충전 프로토콜)을 통하여 해당 지역의 로컬 환경 정보를 획득할 수 있다.
도 10을 참고하면, 환경 정보 획득부(124)는 변경된 위치 정보가 추정 모델에 기 설정된 지역 단위를 벗어나는 경우, 와이파이(Wifi), Zigbee, NFC(Near Field Communication), Bluetooth, RF(radio frequency) 중 어느 하나의 무선 통신 방식을 이용하여 서버와 통신하고, 서버로부터 위치 정보에 대응하는 로컬 환경 정보를 획득할 수 있다(1030). 예를 들어, 환경 정보 획득부(124)는 홈 와이파이(Wifi) 또는 게이트웨이(Gateway), 이동통신망 등을 통하여 외부의 서버로부터, 위치 정보에 대응하는 로컬 환경 정보를 획득할 수 있다.
이때, 서버는 추정 모델(130)에 적용 가능한 파라미터 셋이 저장된 룩업 테이블(Lookup table) 또는 데이터베이스(Databse) 등을 포함할 수 있다. 여기서, 외부의 서버는 특정한 물리적 하드웨어를 지칭하는 것이 아니고, 환경 정보 획득부(124)가 데이터를 획득할 수 있는 기기 또는 디바이스가 될 수 있다..
한편, 환경 정보 획득부(124)는 통신부(140)를 통하여 유선, 무선 통신 방식을 이용하여 외부의 서버로부터 로컬 환경 정보를 가리키는 파라미터 셋을 다운로드할 수 있다. 또한, 환경 정보 획득부(124)는 추정 모델(130)의 파라미터 셋을 로컬 모델 파라미터 디렉토리(Local Model Param.Directory)에 저장할 수 있다.
그 다음, 환경 정보 설정부(126)는 획득한 로컬 환경 정보를 추정 모델의 환경 정보로 설정할 수 있다(940, 1040). 일 예로, 환경 정보 설정부(126)는 NN(Neural network)에 기반한 추정 모델에 적용할 파라미터 셋을 설정할 수 있다.
배터리는 아날로그 디바이스로서 사용자의 사용 패턴, 사용 환경에 따라 다양한 열화 패턴을 가질 수 있고, 이러한 사용 패턴을 초기 설정에 의해 모두 커버하기는 사실상 어려운 점이 있다. 배터리 관리 장치(100)는 배터리 열화도(SOH)의 추정에 있어 고려되어야 할 사항에 대해, 사전에 인지하지 못한 환경 요소들을 고려하도록 환경 정보를 변경할 수 있다. 또한, 배터리 관리 장치(100)는 위치 정보에 기반하여 배터리 외부의 배터리 사용 환경을 고려하여 배터리 열화도(SOH)를 추정함으로써, 배터리 열화도(SOH) 추정의 정확도를 향상시킬 수 있다.
본 실시 예들은 컴퓨터로 읽을 수 있는 기록 매체에 컴퓨터가 읽을 수 있는 코드로 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록 매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함한다.
컴퓨터가 읽을 수 있는 기록 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광 데이터 저장장치 등이 있으며, 또한 캐리어 웨이브(예를 들어 인터넷을 통한 전송)의 형태로 구현하는 것을 포함한다. 또한, 컴퓨터가 읽을 수 있는 기록 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산 방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다. 그리고 본 실시예들을 구현하기 위한 기능적인(functional) 프로그램, 코드 및 코드 세그먼트들은 본 발명이 속하는 기술 분야의 프로그래머들에 의하여 용이하게 추론될 수 있다.
본 개시가 속하는 기술분야의 통상의 지식을 가진 자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다.
100: 배터리 관리 장치
110: 위치 정보 획득부
120: 추정 모델 변경부
124: 환경 정보 획득부
126: 환경 정보 설정부
130: 추정 모델
140: 통신부
110: 위치 정보 획득부
120: 추정 모델 변경부
124: 환경 정보 획득부
126: 환경 정보 설정부
130: 추정 모델
140: 통신부
Claims (18)
- 전기 자동차 내의 배터리 관리 장치로서,
상기 전기 자동차의 주행 기록에 기초하여, 위치 정보의 변경을 확인하는 위치 정보 획득부; 및
위치 정보의 변경에 따라 배터리 내부 상태를 추정하는 추정 모델을 변경하는 추정 모델 변경부;를 포함하고,
상기 추정 모델 변경부는
변경된 위치 정보가 상기 추정 모델에 기 설정된 지역 단위를 벗어나는 경우, 상기 변경된 위치 정보에 대응하는 로컬 환경 정보를 획득하는 환경 정보 획득부; 및
상기 획득한 로컬 환경 정보를 상기 추정 모델의 환경 정보로 설정하는 환경 정보 설정부를 포함하는, 배터리 관리 장치. - 제1항에 있어서,
상기 위치 정보 획득부는 GPS로부터 위치 정보를 수신하는 배터리 관리 장치. - 제1항에 있어서,
상기 배터리 내부 상태는
배터리 충전 상태(state of charge, SOC) 및 배터리 열화도(state of health, SOH) 중의 적어도 하나를 포함하고,
상기 배터리 관리 장치는
변경된 추정 모델을 이용하여 상기 배터리 내부 상태를 추정하고, 추정된 배터리 내부 상태를 기초로 배터리의 결함 진단 및 배터리 교체 시기 중의 적어도 하나를 예측하는 배터리 관리 장치. - 제1항에 있어서,
상기 추정 모델은 신경망 네트워크(NN, Neural Network) 및 심층 신경망 네트워크(DNN, Deep Neural Network) 중 하나 이상에 기반한 배터리 열화도(SOH, State of Health)를 추정하는 추정 모델인 배터리 관리 장치. - 삭제
- 제1항에 있어서,
상기 로컬 환경 정보는 지역 단위 정보이고, 해당 지역의 온도, 습도, 기후, 지형, 도로 상황, 도시 특성 중 하나 이상의 환경 요소를 포함하는 배터리 관리 장치. - 제1항에 있어서,
상기 환경 정보 획득부는 배터리의 충전 케이블을 통하여 상기 로컬 환경 정보를 획득하는 배터리 관리 장치. - 제1항에 있어서,
상기 환경 정보 획득부는 와이파이(Wifi), Zigbee, NFC(Near Field Communication), Bluetooth, RF(radio frequency) 중 어느 하나의 무선 통신 방식을 이용하여 서버와 통신하고, 상기 서버로부터 로컬 환경 정보를 획득하는 배터리 관리 장치. - 삭제
- 전기 자동차 내의 배터리 관리 방법으로서,
상기 전기 자동차의 주행 기록에 기초하여 위치 정보의 변경을 확인하는 단계;
위치 정보의 변경에 따라 배터리 내부 상태를 추정하는 추정 모델을 변경하는 단계;를 포함하고,
상기 추정 모델을 변경하는 단계는
변경된 위치 정보가 상기 추정 모델에 기 설정된 지역 단위를 벗어나는 경우, 상기 변경된 위치 정보에 대응하는 로컬 환경 정보를 획득하는 단계; 및
상기 획득한 로컬 환경 정보를 상기 추정 모델의 환경 정보로 설정하는 단계를 포함하는, 배터리 관리 방법. - 제10항에 있어서,
상기 위치 정보를 획득하는 단계는 GPS로부터 위치 정보를 수신하는 배터리 관리 방법. - 제10항에 있어서,
상기 배터리 내부 상태는
배터리 충전 상태(state of charge, SOC) 및 배터리 열화도(state of health, SOH) 중의 적어도 하나를 포함하고,
상기 배터리 관리 방법은
변경된 추정 모델을 이용하여 상기 배터리 내부 상태를 추정하고, 추정된 배터리 내부 상태를 기초로 배터리의 결함 진단 및 배터리 교체 시기 중의 적어도 하나를 예측하는 단계를 더 포함하는 배터리 관리 방법. - 제10항에 있어서,
상기 추정 모델은 신경망 네트워크(NN, Neural Network) 및 심층 신경망 네트워크(DNN, Deep Neural Network) 중 하나 이상에 기반한 배터리 열화도(SOH, State of Health)를 추정하는 추정 모델인 배터리 관리 방법. - 삭제
- 제10항에 있어서,
상기 로컬 환경 정보는 지역 단위 정보이고, 해당 지역의 온도, 습도, 기후, 지형, 도로 상황, 도시 특성 중 하나 이상의 환경 요소를 포함하는 배터리 관리 방법. - 제10항에 있어서,
상기 환경 정보를 획득하는 단계는 배터리의 충전 케이블을 통하여 상기 로컬 환경 정보를 획득하는 배터리 관리 방법. - 제10항에 있어서,
상기 환경 정보를 획득하는 단계는 와이파이(Wifi), Zigbee, NFC(Near Field Communication), Bluetooth, RF(radio frequency) 중 어느 하나의 무선 통신 방식을 이용하여 서버와 통신하고, 상기 서버로부터 상기 로컬 환경 정보를 획득하는 배터리 관리 방법. - 삭제
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020150165064A KR102527334B1 (ko) | 2015-11-24 | 2015-11-24 | 배터리 관리 장치 및 방법 |
US15/360,522 US10427535B2 (en) | 2015-11-24 | 2016-11-23 | Method and apparatus for battery management |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020150165064A KR102527334B1 (ko) | 2015-11-24 | 2015-11-24 | 배터리 관리 장치 및 방법 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20170060516A KR20170060516A (ko) | 2017-06-01 |
KR102527334B1 true KR102527334B1 (ko) | 2023-05-02 |
Family
ID=58720451
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020150165064A KR102527334B1 (ko) | 2015-11-24 | 2015-11-24 | 배터리 관리 장치 및 방법 |
Country Status (2)
Country | Link |
---|---|
US (1) | US10427535B2 (ko) |
KR (1) | KR102527334B1 (ko) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210091583A1 (en) * | 2018-06-08 | 2021-03-25 | Panasonic Intellectual Property Management Co., Ltd. | Battery management system and battery management method |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110549902A (zh) * | 2018-03-30 | 2019-12-10 | 比亚迪股份有限公司 | 云服务器、电动汽车及其中动力电池的管理***、方法 |
CN109466371A (zh) * | 2018-09-25 | 2019-03-15 | 北京长城华冠汽车科技股份有限公司 | 低速电动车锂离子电池的集中充电控制***和方法 |
WO2020091586A1 (es) * | 2018-10-30 | 2020-05-07 | Seerauber Automotive De México, S.A.P.I. De C.V. | Bateria inteligente de iones de litio |
CN109733248B (zh) * | 2019-01-09 | 2020-07-24 | 吉林大学 | 基于路径信息的纯电动汽车剩余里程模型预测方法 |
KR20200100404A (ko) | 2019-02-18 | 2020-08-26 | 삼성전자주식회사 | 적응적 전력 관리를 위한 전자 장치 |
US11555858B2 (en) | 2019-02-25 | 2023-01-17 | Toyota Research Institute, Inc. | Systems, methods, and storage media for predicting a discharge profile of a battery pack |
US11325494B2 (en) * | 2019-02-25 | 2022-05-10 | Toyota Research Institute, Inc. | Systems, methods, and storage media for determining a target battery charging level for a drive route |
JP7170587B2 (ja) * | 2019-05-28 | 2022-11-14 | 本田技研工業株式会社 | 管理装置、管理方法、およびプログラム |
KR20210157662A (ko) * | 2020-06-22 | 2021-12-29 | 주식회사 엘지에너지솔루션 | 배터리 상태 관리 시스템 및 방법 |
KR20220046959A (ko) * | 2020-10-08 | 2022-04-15 | 주식회사 엘지에너지솔루션 | 배터리 관리 장치 및 방법 |
KR102648296B1 (ko) * | 2022-12-14 | 2024-03-15 | (주)비에이에너지 | 화재 감지 알고리즘을 포함하는 사용 후 배터리 안전관리 시스템 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014013245A (ja) * | 2013-08-12 | 2014-01-23 | Panasonic Corp | 電池劣化度モデルの生成及び更新方法 |
US20140129163A1 (en) * | 2012-11-02 | 2014-05-08 | Fairfield Industries, Inc. | Battery capacity and durability prediction method |
Family Cites Families (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09236641A (ja) | 1995-12-28 | 1997-09-09 | Yazaki Corp | バッテリー残量容量計測装置 |
CN100570388C (zh) | 2003-12-18 | 2009-12-16 | 株式会社Lg化学 | 使用神经网络评估电池的充电状态的设备和方法 |
DE602006002896D1 (de) * | 2005-02-14 | 2008-11-13 | Denso Corp | Verfahren und Vorrichtung zur Erkennung des Ladestatus einer Sekundärbatterie auf Basis neuronaler Netzwerkkalkulation |
JP2006300692A (ja) | 2005-04-20 | 2006-11-02 | Denso Corp | 二次電池の残存容量演算方式 |
US7761389B2 (en) * | 2007-08-23 | 2010-07-20 | Gm Global Technology Operations, Inc. | Method for anomaly prediction of battery parasitic load |
US8972213B2 (en) * | 2008-06-27 | 2015-03-03 | GM Global Technology Operations LLC | Pattern recognition approach to battery diagnosis and prognosis |
KR100970841B1 (ko) * | 2008-08-08 | 2010-07-16 | 주식회사 엘지화학 | 배터리 전압 거동을 이용한 배터리 용량 퇴화 추정 장치 및방법 |
JP5005637B2 (ja) | 2008-08-11 | 2012-08-22 | プライムアースEvエナジー株式会社 | 車両制御システム及び車両用制御装置 |
JP5310003B2 (ja) | 2009-01-07 | 2013-10-09 | 新神戸電機株式会社 | 風力発電用鉛蓄電池制御システム |
JP5413087B2 (ja) | 2009-09-25 | 2014-02-12 | トヨタ自動車株式会社 | 情報管理システムおよび情報管理方法 |
JP5327151B2 (ja) | 2010-07-01 | 2013-10-30 | 株式会社デンソー | 緊急通報システム |
KR101172183B1 (ko) | 2010-09-27 | 2012-08-07 | 현대자동차주식회사 | 차량의 배터리 soh 추정 장치 및 방법 |
JP5247874B2 (ja) * | 2011-12-06 | 2013-07-24 | パナソニック株式会社 | 蓄電池移転支援装置および蓄電池移転支援方法 |
CA2874632C (en) * | 2012-05-23 | 2021-06-22 | The Regents Of The University Of Michigan | Estimating core temperatures of battery cells in a battery pack |
KR101394677B1 (ko) | 2012-06-08 | 2014-05-13 | 현대자동차주식회사 | 연료전지 시스템 운전 방법 |
US8989999B2 (en) * | 2012-10-12 | 2015-03-24 | Equilateral Technologies, Inc. | Vehicle range analysis using driving environment information with optional continuous averaging |
JP6479650B2 (ja) * | 2013-03-07 | 2019-03-06 | 古河電気工業株式会社 | 二次電池状態検出装置および二次電池状態検出方法 |
US8918240B2 (en) * | 2013-03-15 | 2014-12-23 | GM Global Technology Operations LLC | Method for operating hybrid vehicle |
US9469213B2 (en) * | 2013-11-01 | 2016-10-18 | Ford Global Technologies, Llc | Spatial domain optimal electric and hybrid electric vehicle control with path forecasting |
US9266443B2 (en) * | 2014-03-31 | 2016-02-23 | Toyota Motor Engineering & Manufacturing North America, Inc. | System and method for adaptive battery charge and discharge rates and limits on known routes |
KR20150126208A (ko) * | 2014-05-02 | 2015-11-11 | 삼성에스디아이 주식회사 | 배터리 관리 장치 |
KR20150128160A (ko) * | 2014-05-08 | 2015-11-18 | 삼성에스디아이 주식회사 | 배터리 관리 장치 |
KR102241683B1 (ko) * | 2014-07-30 | 2021-04-19 | 삼성전자주식회사 | 배터리의 상태를 추정하는 방법 및 장치 |
US9849802B2 (en) * | 2014-10-28 | 2017-12-26 | Samsung Electronics Co., Ltd. | Method and apparatus for analyzing data related to vehicle range estimation |
KR102338460B1 (ko) * | 2015-01-22 | 2021-12-13 | 삼성전자주식회사 | 배터리의 상태를 추정하는 방법 및 장치 |
-
2015
- 2015-11-24 KR KR1020150165064A patent/KR102527334B1/ko active IP Right Grant
-
2016
- 2016-11-23 US US15/360,522 patent/US10427535B2/en active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140129163A1 (en) * | 2012-11-02 | 2014-05-08 | Fairfield Industries, Inc. | Battery capacity and durability prediction method |
JP2014013245A (ja) * | 2013-08-12 | 2014-01-23 | Panasonic Corp | 電池劣化度モデルの生成及び更新方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210091583A1 (en) * | 2018-06-08 | 2021-03-25 | Panasonic Intellectual Property Management Co., Ltd. | Battery management system and battery management method |
Also Published As
Publication number | Publication date |
---|---|
KR20170060516A (ko) | 2017-06-01 |
US20170144560A1 (en) | 2017-05-25 |
US10427535B2 (en) | 2019-10-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102527334B1 (ko) | 배터리 관리 장치 및 방법 | |
US11325494B2 (en) | Systems, methods, and storage media for determining a target battery charging level for a drive route | |
US11065978B2 (en) | Systems, methods, and storage media for adapting machine learning models for optimizing performance of a battery pack | |
US11555858B2 (en) | Systems, methods, and storage media for predicting a discharge profile of a battery pack | |
CN101903786B (zh) | 基于远程信息处理的用于车队的电池寄生负载确认的方法和*** | |
KR102553029B1 (ko) | 배터리의 휴지기를 고려한 배터리 관리 장치 및 방법 | |
KR102627949B1 (ko) | 전기차 충전 스테이션을 이용한 배터리 성능관리 시스템 및 방법 | |
US20120296512A1 (en) | Method and system for electric vehicle battery prognostics and health management | |
CN110036304B (zh) | 电池管理***和用于控制电池管理***的方法 | |
JP7487380B2 (ja) | 電気車充電ステーションを用いたバッテリー性能管理システム及び方法 | |
JP2018059910A (ja) | 電池の状態を推定するためのシステム及び方法、および、非一時的コンピュータ可読記憶媒体 | |
JPWO2016194082A1 (ja) | バッテリ劣化度推定装置および推定方法 | |
CN105677901A (zh) | 一种动力电池的荷电状态的确定方法及*** | |
CN112786980A (zh) | 具有用于电动车辆中的可再充电能量存储装置的监督控制的管理*** | |
JP2022032046A (ja) | 道路網における気象条件を予測する方法および装置 | |
US10814738B2 (en) | Information collection system for electric storage device | |
US20220260641A1 (en) | Apparatus and Method for Predicting State of Battery | |
KR20200002302A (ko) | 배터리 교체 관리 시스템 | |
CN112130180B (zh) | 检测共享设备卫星定位设备故障的方法、装置及服务器 | |
CN113219339A (zh) | 跟踪电极容量的装置和方法 | |
KR102364026B1 (ko) | 배터리 수명 추정 시스템 및 방법 | |
KR102466132B1 (ko) | 전기자동차 bms 서비스 시스템과 방법 | |
CN114312375B (zh) | 充电控制方法、服务器以及*** | |
Schippers et al. | System for Continuous Multi-Dimensional Mobile Network KPI Tracking and Prediction in Drifting Environments | |
WO2024099869A1 (en) | Charging station recommendation for an electric vehicle |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
E902 | Notification of reason for refusal | ||
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant |