KR20190032780A - 배터리 상태 추정 장치 및 방법 - Google Patents

배터리 상태 추정 장치 및 방법 Download PDF

Info

Publication number
KR20190032780A
KR20190032780A KR1020170121023A KR20170121023A KR20190032780A KR 20190032780 A KR20190032780 A KR 20190032780A KR 1020170121023 A KR1020170121023 A KR 1020170121023A KR 20170121023 A KR20170121023 A KR 20170121023A KR 20190032780 A KR20190032780 A KR 20190032780A
Authority
KR
South Korea
Prior art keywords
battery
data
estimating
input data
state information
Prior art date
Application number
KR1020170121023A
Other languages
English (en)
Inventor
박상도
유개원
성영훈
Original Assignee
삼성전자주식회사
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 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR1020170121023A priority Critical patent/KR20190032780A/ko
Priority to US15/964,712 priority patent/US20190086478A1/en
Publication of KR20190032780A publication Critical patent/KR20190032780A/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
    • 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]
    • G01R31/392—Determining battery ageing or deterioration, e.g. state of health

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Secondary Cells (AREA)

Abstract

배터리 상태 추정 장치 및 방법이 제공된다. 배터리 상태 추정 장치는 배터리 데이터 중 상태 추정에 적합한 데이터를 지시하는 어텐션 데이터를 추정할 수 있고, 배터리 데이터 및 어텐션 데이터에 기초하여 배터리 상태 정보를 추정할 수 있다.

Description

배터리 상태 추정 장치 및 방법{DEVICE AND METHOD TO ESTIMATE STATE OF BATTERY}
이하, 배터리 상태를 추정하는 기술이 제공된다.
많은 전자 기기들은 기기의 동작 동안 반복적으로 충전되는 이차 전지와 같은 배터리가 탑재된다. 이차 전지가 방전 및 충전되는 횟수가 증가할 수록, 배터리의 캐퍼시티(capacity)가 점진적으로 감소될 수 있다. 각 충전 사이클과 함께, 전자 기기에 대한 배터리 수명이 짧아진다. 배터리 수명이 줄어듦에 따라 많은 충전 및 방전 사이클 후에 초기 배터리 캐퍼시티(capacity)가 보장될 수 없다. 배터리 캐퍼시티에서 지속적인 감소와 함께, 전자 기기의 파워, 운용 시간, 및 안정성이 절충될 수 있고, 결국 배터리는 교체 배터리로 교체되어야 할 수 있다.
예를 들어, 이러한 배터리를 교체하기 위해 예상되는 시간을 판단하기 위하여, 배터리의 SOH(state of health)를 추정할 수 있다.
일 실시예에 따른 프로세서에 의해 배터리 상태 정보(battery state information)를 추정하는 방법은, 배터리로부터 수집되는 배터리 데이터에 대응하는 입력 데이터를 획득하는 단계; 어텐션 모델에 기초하여 상기 입력 데이터로부터 어텐션 데이터(attention data)를 추정하는 단계; 및 배터리 모델에 기초하여 상기 입력 데이터 및 상기 어텐션 데이터로부터 배터리 상태 정보를 추정하는 단계를 포함할 수 있다.
상기 입력 데이터를 획득하는 단계는, 상기 수집된 배터리 데이터를 전처리함으로써 상기 입력 데이터를 생성하는 단계를 포함할 수 있다.
상기 입력 데이터를 획득하는 단계는, 상기 배터리 데이터를 시간에 기초하여 분할함으로써, 상기 입력 데이터를 생성하는 단계를 포함할 수 있다.
상기 배터리 상태 정보를 추정하는 단계는, 상기 배터리 모델에 기초하여, 상기 입력 데이터 및 상기 어텐션 데이터로부터 상기 배터리의 수명(life time)을 추정하는 단계를 포함할 수 있다.
상기 입력 데이터를 획득하는 단계는, 상기 배터리로부터 출력되는 전압 신호, 상기 배터리로부터 출력되는 전류 신호, 및 상기 배터리의 온도 중 적어도 하나를 포함하는 상기 배터리 데이터를 수집하는 단계를 포함할 수 있다.
상기 입력 데이터를 획득하는 단계는, 상기 배터리가 충전되는 사이클의 적어도 일부 또는 상기 배터리가 방전되는 사이클의 적어도 일부에 대응하는 배터리 데이터를 수집하는 단계를 포함할 수 있다.
상기 배터리 상태 정보를 추정하는 단계는, 상기 어텐션 데이터에 기초하여, 상기 입력 데이터 중 적어도 일부 데이터를 선택하는 단계; 및 상기 배터리 모델에 기초하여, 상기 선택된 적어도 일부 데이터 및 상기 어텐션 데이터로부터 상기 배터리 상태 정보를 추정하는 단계를 포함할 수 있다.
상기 입력 데이터를 획득하는 단계는, 상기 배터리 데이터에 대한 통계값에 기초하여, 입력 데이터를 생성하는 단계를 포함할 수 있다.
상기 배터리 상태 정보를 추정하는 단계는, 상기 어텐션 데이터 및 상기 입력 데이터를 통합하여 통합 데이터를 생성하는 단계; 및 상기 배터리 모델에 기초하여, 상기 통합 데이터로부터 상기 배터리 상태 정보를 추정하는 단계를 포함할 수 있다.
상기 배터리 상태 정보를 추정하는 단계는, 상기 배터리 모델에 기초하여, 상기 입력 데이터 및 상기 어텐션 데이터로부터 특징 데이터를 추정하는 단계; 및 회귀 모델(regression model)에 기초하여, 상기 특징 데이터로부터 상기 배터리 상태 정보를 산출하는 단계를 포함할 수 있다.
일 실시예에 따른 배터리 상태 추정 장치는, 배터리로부터 배터리 데이터를 수집하는 데이터 획득부; 및 상기 배터리 데이터에 대응하는 입력 데이터를 획득하고, 어텐션 모델에 기초하여 상기 입력 데이터로부터 어텐션 데이터(attention data)를 추정하며, 배터리 모델에 기초하여 상기 입력 데이터 및 상기 어텐션 데이터로부터 배터리 상태 정보를 추정하는 프로세서를 포함할 수 있다.
상기 프로세서는, 상기 수집된 배터리 데이터를 전처리함으로써 상기 입력 데이터를 생성할 수 있다.
상기 프로세서는, 상기 배터리 데이터를 시간에 기초하여 분할함으로써, 상기 입력 데이터를 생성할 수 있다.
상기 프로세서는, 상기 배터리 모델에 기초하여, 상기 입력 데이터 및 상기 어텐션 데이터로부터 상기 배터리의 수명(life time)을 추정할 수 있다.
상기 데이터 획득부는, 상기 배터리로부터 출력되는 전압 신호, 상기 배터리로부터 출력되는 전류 신호, 및 상기 배터리의 온도 중 적어도 하나를 포함하는 상기 배터리 데이터를 수집할 수 있다.
상기 데이터 획득부는, 상기 배터리가 충전되는 사이클의 적어도 일부 또는 상기 배터리가 방전되는 사이클의 적어도 일부에 대응하는 배터리 데이터를 수집할 수 있다.
상기 프로세서는, 상기 어텐션 데이터에 기초하여, 상기 입력 데이터 중 적어도 일부 데이터를 선택하고, 상기 배터리 모델에 기초하여, 상기 선택된 적어도 일부 데이터 및 상기 어텐션 데이터로부터 상기 배터리 상태 정보를 추정할 수 있다.
상기 프로세서는, 상기 배터리 데이터에 대한 통계값에 기초하여, 입력 데이터를 생성할 수 있다.
상기 프로세서는, 상기 어텐션 데이터 및 상기 입력 데이터를 통합하여 통합 데이터를 생성하고, 상기 배터리 모델에 기초하여, 상기 통합 데이터로부터 상기 배터리 상태 정보를 추정할 수 있다.
도 1은 일 실시예에 따른 배터리 상태 추정 시스템을 도시한 도면이다.
도 2 및 도 3은 일 실시예에 따른 배터리 상태 추정 장치의 구성을 도시한 블록도이다.
도 4 내지 도 6은 일 실시예에 따른 배터리 모델 및 어텐션 모델을 이용하여 배터리 상태 정보를 추정하는 과정을 도시한 도면이다.
도 7 및 도 8은 일 실시예에 따른 배터리 상태 추정 방법을 도시한 흐름도이다.
이하, 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다. 그러나, 특허출원의 범위가 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.
아래 설명하는 실시예들에는 다양한 변경이 가해질 수 있다. 아래 설명하는 실시예들은 실시 형태에 대해 한정하려는 것이 아니며, 이들에 대한 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
실시예에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 실시예를 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수 개의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성 요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조 부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 실시예의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
도 1은 일 실시예에 따른 배터리 상태 추정 시스템을 도시한 도면이다.
배터리 상태 추정 시스템(100)은 배터리 팩(110) 및 배터리 상태 추정 장치(120)를 포함할 수 있다.
배터리 팩(110)은 복수의 배터리 셀을 포함하는 배터리를 나타낼 수 있다. 배터리 팩(110)은 배터리 셀 내에 전력을 충전하거나, 배터리 셀 내에 저장된 전력을 방전할 수 있다. 예를 들어, 배터리 팩(110)은 충전된 전력을 기기(apparatus)로 공급할 수 있다. 이하, 배터리 팩(110)은 배터리라고도 나타낼 수 있다.
기기는 배터리를 탑재하는 모든 전기 기기로서, 예를 들어, 전기 자동차, 하이브리드 자동차, 및 에너지 저장 시스템(ESS, Energy Storage System) 등을 포함할 수 있다.
배터리 상태 추정 장치(120)는 배터리 팩(110)의 상태를 추정할 수 있다. 배터리 상태 추정 장치(120)는 일 실시예에 따른 방법(예를 들어, 하기 도 7 및 도 8의 방법)을 수행하는 알고리즘이 구현된 소프트웨어를 실행하거나, 해당 알고리즘이 구현된 칩을 탑재할 수 있다. 예를 들어, 배터리 상태 추정 장치(120)는 전기 자동차와 같은 전기 기기에 장착될 수 있다.
이하, 본 명세서에서, 배터리 상태 정보는 배터리의 수명과 연관된 정보 등을 포함할 수 있다. 예를 들어, 배터리의 수명과 연관된 정보는 SOH(State of Health), SOC(State of Charge), 및 잔존수명(RUL, Remaining Useful Life) 등을 포함할 수 있다. 예를 들어, SOH는 배터리의 초기 캐퍼시티(capacity) 대비 현재 캐퍼시티(capacity)의 비율로 표현될 수 있으나, 이로 한정하는 것은 아니고 다양한 방식으로 표현될 수 있다. 이하, 본 명세서에서는 배터리 상태 정보의 예시로서, 배터리의 SOH를 기준으로 설명하지만, 이로 한정하는 것은 아니다.
일 실시예에 따른 배터리 상태 추정 장치(120)는 다수의 배터리로 구성된 배터리 팩(110)이 장착되는 전기 자동차(EV, electrical vehicle)에 탑재될 수 있다. 또한, 배터리 상태 추정 장치(120)는 PHEV(Plug-in Hybrid Electric Vehicle) 또는 HEV(Hybrid Electric Vehicle)에도 탑재될 수 있다.
배터리의 완전 충전 또는 완전 방전을 요구하는 전류 적산 기법(Current Integration Technique)과 달리, 일 실시예에 따른 배터리 상태 추정 장치(120)는 완전 충전 또는 완전 방전을 요구하지 않는다. 완전 충전 또는 완전 방전이 요구되지 않으므로, 배터리 상태 추정 장치(120)는 배터리 수명의 단축 없이 배터리 상태 정보를 추정할 수 있다. 또한, 전류 적산 기법은 기준 온도(reference temperature), 기준 SOC, 및 기준 압력 하에서 EIS(Electrochemical Impedance Spectroscopy) 측정(measurement)을 이용해야 하지만, 배터리 상태 추정 장치(120)는 온도 및 압력 등의 제한(constraint)을 요구하지 않으므로, 자유롭게(freely) 배터리 상태 정보를 추정할 수 있다.
또한, EIS 측정은 30분 이상 휴식(rest)을 가진 배터리의 상태를 측정할 수 있으나, 배터리 상태 추정 장치(120)는 배터리를 사용하는 도중에도 배터리 상태 정보를 추정할 수 있다. 따라서, 배터리 상태 추정 장치(120)는 전기 자동차가 운행하는 중에도 배터리의 수명을 진단할 수 있다. 더 나아가, EIS 장비는 부피가 크고 무거우나, 배터리 상태 추정 장치(120)는 소형화될 수 있으므로 전기 자동차 등에도 탑재될 수 있다.
더 나아가, ECM(Electrical Circuit Model) 및 ECT(Electro Chemical Thermal Model) 등을 이용한 상태 추정은 일정한 전류의 방전이 필요하다. ECM 및 ECT를 이용한 상태 추정은 전기 자동차 등에 대해서 정확도가 저하될 수 있다.
도 2 및 도 3은 일 실시예에 따른 배터리 상태 추정 장치의 구성을 도시한 블록도이다.
도 2는 배터리 상태 추정 장치(200)의 개괄적인 구성을 도시한 블록도이다. 배터리 상태 추정 장치(200)는 데이터 획득부(210) 및 프로세서(220)를 포함한다.
데이터 획득부(210)는 배터리로부터 배터리 데이터를 수집한다. 예를 들어, 데이터 획득부(210)는 배터리로부터 출력되는 전압 신호, 배터리로부터 출력되는 전류 신호, 및 배터리의 온도를 수집할 수 있다. 일 실시예에 따르면 배터리가 충전되거나 방전되는 동안, 데이터 획득부(210)는 배터리로부터 출력되는 전압 신호, 전류 신호, 및 배터리의 온도를 시간 간격(time interval)마다 수집할 수 있다. 시간 간격은 설계에 따라 시간 단위(hour unit), 분 단위(minute unit), 및 초 단위(seconds unit) 등으로 설정될 수 있으나, 이로 한정하는 것은 아니다. 또한, 데이터 획득부(210)는 앞서 설명한 바와 같이 배터리 데이터를 이산적인 데이터(discrete data)의 형태로 수집할 수 있으나, 이로 한정하는 것은 아니고, 배터리 데이터를 연속적인 데이터(continuous data)의 형태로 수집할 수도 있다.
일 실시예에 따르면 데이터 획득부(210)는 배터리가 충전되는 사이클의 적어도 일부 또는 배터리가 방전되는 사이클의 적어도 일부에 대응하는 배터리 데이터를 수집할 수 있다. 예를 들어, 배터리의 현재 용량이 x %(여기서, x는 0 이상 100 미만의 실수)인 경우, 데이터 획득부(210)는 배터리가 x %로부터 y %(여기서, y는 x 이상 100 이하의 실수)까지 충전되는 일부 사이클에 대응하는 배터리 데이터를 수집할 수 있다. 다른 예를 들어, 데이터 획득부(210)는 x %로부터 z %(여기서, z는 0이상 x 미만의 실수)까지 방전되는 일부 사이클에 대응하는 배터리 데이터를 수집할 수 있다.
본 명세서에서, 배터리가 최소 용량(minimum capacity)(예를 들어, 0%)으로부터 최대 용량(예를 들어, 100%)까지 충전되는 사이클은 완전 충전되는 사이클이라고 나타낼 수 있다. 반대로, 배터리가 최대 용량으로부터 최소 용량까지 방전되는 사이클은 완전 방전되는 사이클이라고 나타낼 수 있다.
프로세서(220)는 배터리 데이터에 대응하는 입력 데이터를 획득하고, 어텐션 모델에 기초하여 입력 데이터로부터 어텐션 데이터(attention data)를 추정하며, 배터리 모델에 기초하여 입력 데이터 및 어텐션 데이터로부터 배터리 상태 정보를 추정한다. 입력 데이터는 배터리 데이터가 배터리 모델 및 열화 모델에 입력될 수 있는 형태로 전처리 및 변환된 데이터를 나타낼 수 있다. 어텐션 데이터는 입력 데이터 중 배터리 상태를 추정하기에 적합한 정보를 지시하는 데이터를 나타낼 수 있다.
배터리 모델은 임의의 요인(factor)에 대해 배터리의 상태(예를 들어, 수명, 고장 등)가 열화되는 정도를 출력하기 위한 모델을 나타낼 수 있다. 어텐션 모델은 배터리와 연관된 정보 중 배터리 상태를 추정하기에 적합한 정보를 출력하기 위한 모델을 나타낼 수 있다. 예를 들어, 어텐션 모델 및 배터리 모델은 기계학습(ML, machine learning)에 적용되는 모델일 수 있다. 어텐션 모델 및 배터리 모델은 기계학습 구조의 파라미터일 수 있다. 기계학습 구조로서 뉴럴 네트워크가 사용되는 경우 어텐션 모델 및 배터리 모델은 뉴럴 네트워크의 각 노드 간의 연결 가중치일 수 있다.
일 실시예에 따르면, 배터리 모델은, 주어진 기계학습 구조에 대해, 기준 배터리 정보로부터 해당 기준 배터리 정보에 대응하는 기준 상태 정보가 출력되도록 트레이닝된 기계학습 구조(예를 들어, 뉴럴 네트워크)의 파라미터를 포함할 수 있다. 기계학습 구조를 트레이닝시키기 위한 트레이닝 데이터(training data)는 상술한 기준 상태 정보 및 기준 배터리 정보의 페어(pair)를 포함할 수 있다. 예를 들어, 기준 상태 정보는, 기존의 프로파일 등에서 특정 기준 배터리 정보를 가지는 배터리가 나타내는 상태 정보(예를 들어, 수명)일 수 있다.
또한, 어텐션 모델은 주어진 기계학습 구조에 대해, 기준 배터리 정보로부터 해당 기준 배터리 정보에 대응하는 기준 어텐션 정보가 출력되도록 트레이닝된 기계학습 구조(예를 들어, 뉴럴 네트워크)의 파라미터를 포함할 수 있다. 어텐션 모델은 배터리 모델과 연동될 수 있고, 배터리 모델의 트레이닝에 응답하여 같이 트레이닝될 수 있다. 어텐션 모델 및 배터리 모델은 하기 도 4 내지 도 6에서 설명한다.
일 실시예에 따른 프로세서(220)는 어텐션 모델 및 배터리 모델을 이용함으로써, 일부 사이클에 대응하는 배터리 데이터만으로도 배터리 상태 정보를 추정할 수 있다. 데이터 획득부(210)는 완전 충전되는 사이클 및 완전 방전되는 사이클을 모두 모니터링(monitor)할 필요 없이, 완전 충전되는 사이클 중 일부 사이클 또는 완전 방전되는 사이클 중 일부 사이클만을 모니터링할 수 있다. 따라서, 프로세서(220)는 비교적 짧은 시간의 충전 또는 방전과 관련된 데이터를 이용하여, 배터리 상태 정보를 추정할 수 있다.
도 3은 배터리 팩 및 배터리 상태 추정 장치의 보다 세부적인 구성을 도시한 블록도이다.
배터리 상태 추정 장치(300)는 도 2에 도시되었던 데이터 획득부(210), 프로세서(220)에 더하여, 메모리(330), 및 인터페이스(340)를 더 포함할 수 있다.
데이터 획득부(210)는 배터리 팩(350)에 설치된 센서(352)로부터 배터리 데이터를 수신할 수 있다. 예를 들어, 데이터 획득부(210)는 센서(352)와 유선으로 연결되어 배터리 데이터를 수신할 수 있으나, 이로 한정하는 것은 아니고, 무선으로 배터리 데이터를 수신할 수도 있다.
프로세서(220)는 도 2에서 상술한 바와 같이 동작할 수 있다. 추가적으로, 프로세서(220)는 수집된 배터리 데이터를 전처리함으로써 입력 데이터를 생성할 수 있다. 예를 들어, 프로세서(220)는 배터리 데이터의 노이즈를 제거함으로써 입력 데이터를 생성할 수 있다. 또한, 프로세서(220)는 배터리 데이터를 시간에 기초하여 분할 함으로써, 입력 데이터를 생성할 수도 있다. 시간에 기초한 분할은 하기 도 6에서 설명한다.
또한, 프로세서(220)는 상술한 바와 같이 입력 데이터를 활용하여 어텐션 데이터를 산출할 수 있다. 프로세서(220)는, 입력 데이터의 적어도 일부 데이터에 대하여, 어텐션 모델에 기초하여 해당 일부 데이터가 배터리의 상태 추정에서 차지하는 중요도 및 민감도 등을 지시하는 정보를 어텐션 데이터로서 출력할 수 있다.
프로세서(220)는 어텐션 데이터를 이용하여 배터리 상태 추정에 이용할 데이터를 선택할 수 있다. 예를 들어, 프로세서(220)는 어텐션 데이터에 기초하여, 입력 데이터 중 적어도 일부 데이터를 선택할 수 있다. 예를 들어, 프로세서(220)는 어텐션 데이터에 기초하여 입력 데이터 중 일부 데이터를 선택하고 나머지 데이터를 연산으로부터 배제할 수 있다. 예를 들어, 프로세서(220)는 입력 데이터로부터, 어텐션 데이터에 포함되는 어텐션 값들 중 임계 값을 초과하는 어텐션 값에 대응하는, 일부 데이터를 선택할 수 있다.
프로세서(220)는 어텐션 데이터 및 배터리 데이터를 모두 배터리 모델에 적용하여 배터리 상태 정보를 추정할 수도 있다. 예를 들어, 프로세서(220)는 배터리 모델에 기초하여, 어텐션 데이터 및 입력 데이터의 적어도 일부 데이터로부터 배터리 상태 정보를 추정할 수 있다. 프로세서(220)는 입력 데이터로부터 선택된 일부 데이터 및 어텐션 데이터만을 배터리 모델에 적용하여 배터리 상태 정보를 추정함으로써 연산량 및 전력 소모를 감소시킬 수 있다.
또한, 프로세서(220)는 어텐션 데이터 및 입력 데이터를 통합하여 통합 데이터를 생성하고, 배터리 모델에 기초하여, 통합 데이터로부터 배터리 상태 정보를 추정할 수도 있다. 예를 들어, 프로세서(220)는 어텐션 데이터 및 입력 데이터를 통합하여, 단일 벡터 형태의 통합 데이터를 생성할 수 있다.
메모리(330)는 상술한 배터리 데이터, 입력 데이터, 어텐션 데이터, 배터리 모델, 및 어텐션 모델 등을 저장할 수 있다. 또한, 메모리(330)는 배터리 모델 및 어텐션 모델을 이용하는 연산에서 요구되는 임시적 데이터를 저장할 수도 있다. 메모리(330)는 추정된 배터리 상태 정보를 누적하여 저장하거나, 일시적으로 저장할 수 있다.
인터페이스(340)는 추정된 배터리 상태 정보를 출력할 수 있다. 예를 들어, 인터페이스(340)는 추정된 배터리 상태 정보를 시각적으로 출력(예를 들어, 디스플레이)하거나, 음성적으로 출력(예를 들어, 오디오)할 수도 있다.
배터리 팩(350)은 배터리 셀(351) 및 센서(352)를 포함할 수 있다.
배터리 셀(351)은 기기로 공급하기 위한 전력을 저장할 수 있다. 도 3에서 배터리 셀(351)은 하나로 도시되었으나, 이로 한정하는 것은 아니고, 복수의 배터리 셀일 수도 있다.
센서(352)는 배터리 셀(351)과 관련된 정보를 감지하여, 배터리 데이터를 생성할 수 있다. 센서(352)는 배터리 셀(351)로부터 출력되는 전압 신호, 전류 신호 및 배터리 셀(351)의 온도 등을 감지할 수 있다. 센서(352)는 배터리 상태 추정 장치(300)로 배터리 데이터를 전달할 수 있다.
도 4 내지 도 6은 일 실시예에 따른 배터리 모델 및 어텐션 모델을 이용하여 배터리 상태 정보를 추정하는 과정을 도시한 도면이다.
도 4는 프로세서가 배터리 모델(420) 및 어텐션 모델(410)에 기초하여, 입력 데이터(401)로부터 배터리 상태 정보(409)를 추정하는 과정을 도시한다.
예를 들어, 프로세서는 어텐션 모델(410)에 기초하여 입력 데이터(401)로부터 어텐션 데이터를 산출할 수 있다. 상술한 바와 같이, 어텐션 데이터는 입력 데이터(401) 중에서 배터리의 상태를 추정하는 데 사용하기 적합한 정보를 지시하는 데이터일 수 있다. 입력 데이터(401)는 배터리 데이터가 전처리된 데이터일 수 있다. 프로세서는 배터리 모델(420)에 기초하여, 어텐션 데이터 및 입력 데이터(401)로부터 배터리 상태 정보(409)를 산출할 수 있다. 프로세서는 입력 데이터(401)를 어텐션 데이터와 함께 배터리 모델(420)에 적용함으로써, 입력 데이터(401) 중에서 중요한 정보에 초점을 맞춘(focus) 배터리 상태 정보(409)를 산출할 수 있다.
도 5는 프로세서가 선택기(530)를 이용하여 입력 데이터(501)로부터 중요한 정보를 선택하여 배터리의 상태를 추정하는데 사용하는 과정을 도시한다.
예를 들어, 프로세서는 어텐션 모델(510)에 기초하여 입력 데이터(501)로부터 어텐션 데이터를 산출할 수 있다. 프로세서는 어텐션 데이터 및 선택기(530)를 이용하여, 입력 데이터(501) 중 적어도 일부 데이터를 선택할 수 있다. 예를 들어, 프로세서는 어텐션 데이터에 포함된 어텐션 값들 중 임계 값을 초과하는 어텐션 값에 대응하는 일부 데이터를 선택할 수 있다. 프로세서는 선택된 일부 데이터 및 어텐션 데이터로부터 배터리 모델(520)에 기초하여 배터리 상태 정보(509)를 산출할 수 있다.
도 6은 프로세서가 어텐션 모델(610), 배터리 모델(620), 및 회귀 모델(630)에 기초하여, 입력 데이터(601)로부터 배터리 상태 정보(609)를 추정하는 기계 학습 구조(예를 들어, 뉴럴 네트워크)를 도시한 도면이다.
입력 데이터(601)는 상술한 바와 같이, 배터리 데이터로부터 생성된 데이터이다. 예를 들어, 데이터 획득부가 일부 사이클(예를 들어, 충전 사이클 또는 방전 사이클) 동안 배터리 데이터를 수집한 경우, 프로세서는 해당 일부 사이클에 대응하는 배터리 데이터를 n 개(여기서, n은 1이상의 정수)로 분할할 수 있다. 도 6에 도시된 IN1 내지 INn은 배터리 데이터가 n개로 분할된 벡터 데이터의 각각에 대응한다. 각 벡터 데이터는 다른 벡터 데이터와 일부 시간 구간이 중복될 수도 있다. 각 벡터 데이터는 전류 신호가 일정 시간 간격마다 샘플링된 m개의 값, 전압 신호가 일정 시간 간격마다 샘플링된 m개의 값 및 온도 신호가 일정 시간 간격마다 샘플링된 m개의 값을 포함할 수 있다.
예를 들어, 각 벡터 데이터는 INi=[Vit_1, Vit_2, .., Vit_m, Iit_1, Iit_2, ... , Iit_m, Tit_1, Tit_2, ... , Tit_m]로 나타낼 수 있다. 여기서, i는 1이상 n이하의 정수, m은 1이상의 정수, t_x는 벡터 데이터 내에서 x번째 시점, x는 1이상 m이하의 정수를 나타낼 수 있다. 예를 들어, Vit_m은 일부 사이클에 해당하는 배터리 데이터의 i번째 벡터 데이터 내에서 t_m 번째 시점의 전압 값을 나타낼 수 있다. Iit_m은 일부 사이클에 해당하는 배터리 데이터의 i번째 벡터 데이터 내에서 t_m 번째 시점의 전류 값을 나타낼 수 있다. Tit_m은 일부 사이클에 해당하는 배터리 데이터의 i번째 벡터 데이터 내에서 t_m 번째 시점의 온도 값을 나타낼 수 있다.
다만, 입력 데이터(601)의 생성을 상술한 바로 한정하는 것은 아니다. 예를 들어, 프로세서는 배터리 데이터에 대한 통계값에 기초하여, 입력 데이터(601)를 생성할 수도 있다. 예를 들어, 프로세서는 배터리 데이터를 분할하여 n개의 벡터 데이터(예를 들어, IN1 내지 INn)를 생성할 수 있다. 프로세서는 벡터 데이터의 각각을 INi=[ViM, IiM, TiM]라고 나타낼 수 있다. ViM은 i번째 벡터 데이터에 포함된 전압 값들의 중간 값, IiM은 i번째 벡터 데이터에 포함된 전류 값들의 중간 값, TiM은 i번째 벡터 데이터에 포함된 온도 값들의 중간 값을 나타낼 수 있다. 다만, 통계 값을 중간 값으로 한정하는 것은 아니고, 평균 값, 최대 값, 및 최소 값 등과 같이 다양한 통계가 적용될 수 있다.
프로세서는 상술한 바와 같이 생성된 입력 데이터(601)로부터 어텐션 모델(610)에 기초하여 어텐션 데이터를 산출할 수 있다. 예를 들어, 어텐션 데이터는, 입력 데이터를 구성하는 각 벡터 데이터가 배터리 상태와 관련된, 정도를 나타낼 수 있다.
또한, 프로세서는 배터리 모델(620)에 기초하여, 입력 데이터(601) 및 어텐션 데이터로부터 특징 데이터를 추정할 수 있다. 예를 들어, 특징 데이터는 입력 데이터(601)로부터 추출된 특징 벡터를 나타낼 수 있다. 특징 벡터는 입력 데이터(601)가 추상화된 값들의 집합을 나타낼 수 있다.
프로세서는 회귀 모델(regression model)(630)에 기초하여, 특징 데이터로부터 배터리 상태 정보(609)를 산출할 수 있다. 회귀 모델(630)은 특징 데이터로부터 배터리 상태 정보(609)를 출력하도록 트레이닝된 모델일 수 있다. 회귀 모델(630)은 로지스틱 회귀(logistic regression)를 포함할 수 있고, 배터리 상태 정보(609)를 이산적인 값(discrete value)이 아닌, 연속적인 값(continuous value)의 형태로 출력할 수 있다. 도 6에 도시된 바와 같이 프로세서는 배터리 모델(620)에 기초하여, 입력 데이터(601) 및 어텐션 데이터로부터 배터리의 수명(life time)(예를 들어, SOH)을 추정할 수 있다.
도 7 및 도 8은 일 실시예에 따른 배터리 상태 추정 방법을 도시한 흐름도이다.
도 7은 배터리 상태 추정 방법을 간략히 도시한 흐름도이다.
우선, 단계(710)에서 프로세서는 배터리로부터 수집되는 배터리 데이터에 대응하는 입력 데이터를 획득할 수 있다. 예를 들어, 상술한 바와 같이 프로세서는 데이터 획득부로부터 수집된 배터리 데이터를 수신할 수 있다.
그리고 단계(720)에서 프로세서는 어텐션 모델에 기초하여 입력 데이터로부터 어텐션 데이터를 추정할 수 있다. 예를 들어, 프로세서는 미리 트레이닝된 어텐션 모델을 메모리로부터 로딩(load)할 수 있다. 프로세서는 로딩된 어텐션 모델에 입력 데이터를 입력하여 어텐션 데이터를 출력시킬 수 있다.
이어서 단계(730)에서 프로세서는 배터리 모델에 기초하여 입력 데이터 및 어텐션 데이터로부터 배터리 상태 정보를 추정할 수 있다. 예를 들어, 프로세서는 미리 트레이닝된 배터리 모델을 메모리로부터 로딩할 수 있다. 프로세서는 로딩된 배터리 모델에 어텐션 데이터 및 입력 데이터를 입력하여, 배터리 상태 정보를 출력시킬 수 있다.
도 8은 도 7의 배터리 상태 추정 방법의 예시를 도시한 흐름도이다.
우선, 단계(710)에서 프로세서는 입력 데이터를 생성할 수 있다. 예를 들어, 단계(811)에서 프로세서는 데이터 획득부로부터 배터리 데이터를 수신할 수 있다. 예를 들어, 프로세서는 배터리로부터 출력되는 전압 신호, 배터리로부터 출력되는 전류 신호 및 배터리의 온도 등을 수신할 수 있다. 그리고 단계(812)에서 프로세서는 수신된 배터리 데이터를 전처리할 수 있다. 예를 들어, 프로세서는 배터리 데이터의 오류를 제거하거나 필터링을 적용함으로써 입력 데이터를 생성할 수 있다.
그리고 단계(720)에서 프로세서는 도 7에서 상술한 바와 같이 어텐션 모델에 기초하여 입력 데이터로부터 어텐션 데이터를 추정할 수 있다. 프로세서는 어텐션 모델에 입력 데이터를 입력함으로써, 입력 데이터가 배터리 상태 정보와 연관된 정도(level)를 나타내는 어텐션 데이터를 생성할 수 있다. 예를 들어, 프로세서는 어텐션 모델을 통해 최종 출력(예를 들어, 배터리 상태 정보)과 관련이 있는 입력 데이터를 그룹핑하거나 라벨링(labeling)할 수 있다. 일 실시예에 따르면 프로세서는 어텐션 모델을 이용함으로써, 배터리의 상태 정보(예를 들어, 수명)가 변화하면서 달라지는, 배터리의 전압 값의 추이 및 전류 값의 추이 등에 따라 배터리의 수명을 추정할 수 있다. 예를 들어, 미리 프로파일링된 기준 배터리 정보 및 기준 배터리 상태 정보에 기초하여 트레이닝된 어텐션 모델은 입력 데이터로부터 배터리의 수명을 추정하기에 적합한 데이터를 지시하는 어텐션 데이터를 출력할 수 있다.
이어서 단계(730)에서 프로세서는 배터리 상태 정보를 추정할 수 있다. 예를 들어, 단계(831)에서 프로세서는 통합 데이터를 생성할 수 있다. 예를 들어, 프로세서는 어텐션 데이터 및 입력 데이터를 단일 벡터 형태인 통합 데이터로 통합할 수 있다. 단계(832)에서 프로세서는 SOH를 추정할 수 있다. 예를 들어, 프로세서는 통합 데이터를 배터리 모델에 입력하여 특징 데이터를 출력할 수 있고, 특징 데이터를 회귀 모델에 입력하여 최종 배터리 상태 정보인 SOH를 산출할 수 있다.
그리고 단계(840)에서 프로세서는 SOH를 업데이트할 수 있다. 예를 들어, 인터페이스는 프로세서에 의해 산출된 SOH를 업데이트하여 사용자에게 제공할 수 있다.
일 실시예에 따른 배터리 상태 추정 장치는 어텐션 모델을 통해 배터리 데이터 중 배터리의 상태를 추정하기에 적합한 정보를 자동으로 추출할 수 있다. 배터리 상태 추정 장치는 적합한 것으로 판단된 정보를 사용하여 높은 정확도로 배터리의 상태를 추정할 수 있다.
또한, 배터리 상태 추정 장치는 어텐션 모델을 통해 최적의 정보를 배터리 데이터로부터 추출함으로써, 불필요한 상태 추정을 방지할 수 있다. 예를 들어 불규칙하게 배터리의 전압 및 전류가 변동하는(fluctuate) 상태에서는 데이터 획득부가 천이 상태(Transient state)의 배터리 데이터를 센싱할 수 있다. 이러한 천이 상태의 배터리 데이터는 오차의 원인인데, 배터리 상태 추정 장치는 어텐션 모델을 통해 입력 데이터의 오류를 보정하거나 제거할 수 있다.
더 나아가 배터리 상태 추정 장치는 어텐션 모델을 통해 현재 수집된 배터리 데이터를 이용한 상태 추정이 가능한지 여부를 미리 판단할 수 있다. 배터리 상태 추정 장치는 어텐션 모델을 통해 상태 추정이 불가능한 것으로 판단된 경우, 불필요한 연산을 방지할 수 있다.
이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPA(field programmable array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다.　 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.　　
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.
100: 배터리 상태 추정 시스템
110: 배터리 팩
120: 배터리 상태 추정 장치

Claims (20)

  1. 프로세서에 의해 배터리 상태 정보(battery state information)를 추정하는 방법에 있어서,
    배터리로부터 수집되는 배터리 데이터에 대응하는 입력 데이터를 획득하는 단계;
    어텐션 모델에 기초하여 상기 입력 데이터로부터 어텐션 데이터(attention data)를 추정하는 단계; 및
    배터리 모델에 기초하여 상기 입력 데이터 및 상기 어텐션 데이터로부터 배터리 상태 정보를 추정하는 단계
    를 포함하는 배터리 상태 정보를 추정하는 방법.
  2. 제1항에 있어서,
    상기 입력 데이터를 획득하는 단계는,
    상기 수집된 배터리 데이터를 전처리함으로써 상기 입력 데이터를 생성하는 단계
    를 포함하는 배터리 상태 정보를 추정하는 방법.
  3. 제1항에 있어서,
    상기 입력 데이터를 획득하는 단계는,
    상기 배터리 데이터를 시간에 기초하여 분할함으로써, 상기 입력 데이터를 생성하는 단계
    를 포함하는 배터리 상태 정보를 추정하는 방법.
  4. 제1항에 있어서,
    상기 배터리 상태 정보를 추정하는 단계는,
    상기 배터리 모델에 기초하여, 상기 입력 데이터 및 상기 어텐션 데이터로부터 상기 배터리의 수명(life time)을 추정하는 단계
    를 포함하는 배터리 상태 정보를 추정하는 방법.
  5. 제1항에 있어서,
    상기 입력 데이터를 획득하는 단계는,
    상기 배터리로부터 출력되는 전압 신호, 상기 배터리로부터 출력되는 전류 신호, 및 상기 배터리의 온도 중 적어도 하나를 포함하는 상기 배터리 데이터를 수집하는 단계
    를 포함하는 배터리 상태 정보를 추정하는 방법.
  6. 제1항에 있어서,
    상기 입력 데이터를 획득하는 단계는,
    상기 배터리가 충전되는 사이클의 적어도 일부 또는 상기 배터리가 방전되는 사이클의 적어도 일부에 대응하는 배터리 데이터를 수집하는 단계
    를 포함하는 배터리 상태 정보를 추정하는 방법.
  7. 제1항에 있어서,
    상기 배터리 상태 정보를 추정하는 단계는,
    상기 어텐션 데이터에 기초하여, 상기 입력 데이터 중 적어도 일부 데이터를 선택하는 단계; 및
    상기 배터리 모델에 기초하여, 상기 선택된 적어도 일부 데이터 및 상기 어텐션 데이터로부터 상기 배터리 상태 정보를 추정하는 단계
    를 포함하는 배터리 상태 정보를 추정하는 방법.
  8. 제1항에 있어서,
    상기 입력 데이터를 획득하는 단계는,
    상기 배터리 데이터에 대한 통계값에 기초하여, 입력 데이터를 생성하는 단계
    를 포함하는 배터리 상태 정보를 추정하는 방법.
  9. 제1항에 있어서,
    상기 배터리 상태 정보를 추정하는 단계는,
    상기 어텐션 데이터 및 상기 입력 데이터를 통합하여 통합 데이터를 생성하는 단계; 및
    상기 배터리 모델에 기초하여, 상기 통합 데이터로부터 상기 배터리 상태 정보를 추정하는 단계
    를 포함하는 배터리 상태 정보를 추정하는 방법.
  10. 제1항에 있어서,
    상기 배터리 상태 정보를 추정하는 단계는,
    상기 배터리 모델에 기초하여, 상기 입력 데이터 및 상기 어텐션 데이터로부터 특징 데이터를 추정하는 단계; 및
    회귀 모델(regression model)에 기초하여, 상기 특징 데이터로부터 상기 배터리 상태 정보를 산출하는 단계
    를 포함하는 배터리 상태 정보를 추정하는 방법.
  11. 하드웨어와 결합되어 제1항 내지 제10항 중 어느 하나의 항의 방법을 실행시키기 위하여 매체에 저장된 컴퓨터 프로그램.
  12. 배터리 상태 추정 장치에 있어서,
    배터리로부터 배터리 데이터를 수집하는 데이터 획득부; 및
    상기 배터리 데이터에 대응하는 입력 데이터를 획득하고, 어텐션 모델에 기초하여 상기 입력 데이터로부터 어텐션 데이터(attention data)를 추정하며, 배터리 모델에 기초하여 상기 입력 데이터 및 상기 어텐션 데이터로부터 배터리 상태 정보를 추정하는 프로세서
    를 포함하는 배터리 상태 추정 장치.
  13. 제12항에 있어서,
    상기 프로세서는,
    상기 수집된 배터리 데이터를 전처리함으로써 상기 입력 데이터를 생성하는,
    배터리 상태 추정 장치.
  14. 제12항에 있어서,
    상기 프로세서는,
    상기 배터리 데이터를 시간에 기초하여 분할함으로써, 상기 입력 데이터를 생성하는
    배터리 상태 추정 장치.
  15. 제12항에 있어서,
    상기 프로세서는,
    상기 배터리 모델에 기초하여, 상기 입력 데이터 및 상기 어텐션 데이터로부터 상기 배터리의 수명(life time)을 추정하는,
    배터리 상태 추정 장치.
  16. 제12항에 있어서,
    상기 데이터 획득부는,
    상기 배터리로부터 출력되는 전압 신호, 상기 배터리로부터 출력되는 전류 신호, 및 상기 배터리의 온도 중 적어도 하나를 포함하는 상기 배터리 데이터를 수집하는,
    배터리 상태 추정 장치.
  17. 제12항에 있어서,
    상기 데이터 획득부는,
    상기 배터리가 충전되는 사이클의 적어도 일부 또는 상기 배터리가 방전되는 사이클의 적어도 일부에 대응하는 배터리 데이터를 수집하는,
    배터리 상태 추정 장치.
  18. 제12항에 있어서,
    상기 프로세서는,
    상기 어텐션 데이터에 기초하여, 상기 입력 데이터 중 적어도 일부 데이터를 선택하고, 상기 배터리 모델에 기초하여, 상기 선택된 적어도 일부 데이터 및 상기 어텐션 데이터로부터 상기 배터리 상태 정보를 추정하는,
    배터리 상태 추정 장치.
  19. 제12항에 있어서,
    상기 프로세서는,
    상기 배터리 데이터에 대한 통계값에 기초하여, 입력 데이터를 생성하는,
    배터리 상태 추정 장치.
  20. 제12항에 있어서,
    상기 프로세서는,
    상기 어텐션 데이터 및 상기 입력 데이터를 통합하여 통합 데이터를 생성하고, 상기 배터리 모델에 기초하여, 상기 통합 데이터로부터 상기 배터리 상태 정보를 추정하는,
    배터리 상태 추정 장치.
KR1020170121023A 2017-09-20 2017-09-20 배터리 상태 추정 장치 및 방법 KR20190032780A (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020170121023A KR20190032780A (ko) 2017-09-20 2017-09-20 배터리 상태 추정 장치 및 방법
US15/964,712 US20190086478A1 (en) 2017-09-20 2018-04-27 Apparatus and method for estimating state of battery

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170121023A KR20190032780A (ko) 2017-09-20 2017-09-20 배터리 상태 추정 장치 및 방법

Publications (1)

Publication Number Publication Date
KR20190032780A true KR20190032780A (ko) 2019-03-28

Family

ID=65720049

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170121023A KR20190032780A (ko) 2017-09-20 2017-09-20 배터리 상태 추정 장치 및 방법

Country Status (2)

Country Link
US (1) US20190086478A1 (ko)
KR (1) KR20190032780A (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022030751A1 (ko) * 2020-08-03 2022-02-10 삼성에스디아이주식회사 배터리 팩의 시뮬레이션 방법

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7310137B2 (ja) * 2018-12-28 2023-07-19 株式会社Ｇｓユアサ データ処理装置、データ処理方法、及びコンピュータプログラム
JP7108579B2 (ja) * 2019-06-03 2022-07-28 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
KR20210028476A (ko) * 2019-09-04 2021-03-12 삼성전자주식회사 배터리 충전 장치 및 방법
WO2021054719A1 (en) * 2019-09-19 2021-03-25 Samsung Electronics Co., Ltd. A method and system for battery-management in devices
KR20220011487A (ko) * 2020-07-21 2022-01-28 삼성전자주식회사 배터리 상태를 식별하기 위한 방법, 이를 위한 전자 장치 및 저장 매체
WO2022075655A1 (en) * 2020-10-06 2022-04-14 Samsung Electronics Co., Ltd. Methods and systems for detecting faulty behavior in a battery
CN113361197B (zh) * 2021-06-08 2022-10-25 山东大学 一种锂电池剩余使用寿命预测方法及***
CN116068444A (zh) * 2021-11-03 2023-05-05 标致雪铁龙汽车股份有限公司 电池健康度估算方法及装置
CN116125298A (zh) * 2022-11-28 2023-05-16 伏瓦科技(苏州)有限公司 电池故障检测方法及装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8519674B2 (en) * 2009-11-12 2013-08-27 GM Global Technology Operations LLC Method for estimating battery degradation in a vehicle battery pack

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022030751A1 (ko) * 2020-08-03 2022-02-10 삼성에스디아이주식회사 배터리 팩의 시뮬레이션 방법

Also Published As

Publication number Publication date
US20190086478A1 (en) 2019-03-21

Similar Documents

Publication Publication Date Title
KR20190032780A (ko) 배터리 상태 추정 장치 및 방법
KR102424528B1 (ko) 배터리의 상태를 추정하는 장치 및 방법
KR102200550B1 (ko) 이차 전지의 충전 상태를 추정하기 위한 장치
CN108957337B (zh) 电池健康状态的确定方法、装置、存储介质和电子设备
US10422835B2 (en) Innovative framework combining cycling and calendar aging models
EP3165934B1 (en) Apparatus for estimating charge state of secondary battery and method therefor
KR102343967B1 (ko) 배터리의 상태를 추정하는 방법 및 장치
KR102241683B1 (ko) 배터리의 상태를 추정하는 방법 및 장치
US9927492B2 (en) Cell monitoring apparatus, battery monitoring apparatus, integrated circuit and method of monitoring a rechargeable cell
US20170115355A1 (en) Maximum capacity estimator for battery state of health and state of charge determinations
US20210311129A1 (en) Methods and systems for accelerated determining of state of health using incremental capacity analysis
KR20160000317A (ko) 배터리의 상태 정보를 학습 및 추정하는 장치 및 방법
KR20160004077A (ko) 배터리의 상태를 추정하는 방법 및 장치
US10393812B2 (en) Automatic method for estimating the state of charge of a cell of a battery
US20230213585A1 (en) Deterioration estimation apparatus, model generation apparatus, deterioration estimation method, model generation method, and non-transitory computer-readable storage medium
KR20120046355A (ko) 배터리의 교환 시기 통보 장치 및 방법
KR20200033554A (ko) 배터리 상태 추정 장치 및 방법
KR20190061630A (ko) 배터리 상태 추정 방법 및 장치
CN115512777B (zh) 一种基于容量变化率的电化学模型参数辨识方法和***
EP3832331B1 (en) Cell state estimation device and cell control device
JP2018151176A (ja) 推定装置、推定方法、および推定プログラム
CN108845267B (zh) 一种动力电池的数据处理方法和装置
KR102483644B1 (ko) 충전가능한 배터리의 용량 저하율을 예측하는 방법 및 장치
WO2017002953A1 (ja) データ抽出装置、データ抽出方法およびデータ抽出プログラム
EP3872506A1 (en) Battery control device

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal