KR20230015851A - 배터리 저장 시스템들의 서비스 수명을 추정하기 위한 방법, 장치 및 컴퓨터 프로그램 제품 - Google Patents

배터리 저장 시스템들의 서비스 수명을 추정하기 위한 방법, 장치 및 컴퓨터 프로그램 제품 Download PDF

Info

Publication number
KR20230015851A
KR20230015851A KR1020220089545A KR20220089545A KR20230015851A KR 20230015851 A KR20230015851 A KR 20230015851A KR 1020220089545 A KR1020220089545 A KR 1020220089545A KR 20220089545 A KR20220089545 A KR 20220089545A KR 20230015851 A KR20230015851 A KR 20230015851A
Authority
KR
South Korea
Prior art keywords
charge
determined
state
battery cell
measurement
Prior art date
Application number
KR1020220089545A
Other languages
English (en)
Inventor
아르노 아르츠베르거
Original Assignee
지멘스 악티엔게젤샤프트
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 지멘스 악티엔게젤샤프트 filed Critical 지멘스 악티엔게젤샤프트
Publication of KR20230015851A publication Critical patent/KR20230015851A/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]
    • G01R31/392—Determining battery ageing or deterioration, e.g. state of health
    • 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]
    • G01R31/3644—Constructional arrangements
    • G01R31/3648—Constructional arrangements comprising digital calculation means, e.g. for performing an algorithm
    • 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]
    • G01R31/374—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC] with means for correcting the measurement for temperature or ageing
    • 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]
    • G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
    • G01R31/3842—Arrangements for monitoring battery or accumulator variables, e.g. SoC combining voltage and current measurements
    • 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
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00—Secondary cells; Manufacture thereof
    • H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
    • H01M10/48—Accumulators combined with arrangements for measuring, testing or indicating the condition of cells, e.g. the level or density of the electrolyte
    • 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
    • H02J7/0047—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with monitoring or indicating devices or circuits
    • H02J7/0048—Detection of remaining charge capacity or state of charge [SOC]
    • 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
    • H02J7/0047—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with monitoring or indicating devices or circuits
    • H02J7/005—Detection of state of health [SOH]
    • 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
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02E60/10—Energy storage using batteries

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • General Chemical & Material Sciences (AREA)
  • Electrochemistry (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Chemical & Material Sciences (AREA)
  • Manufacturing & Machinery (AREA)
  • Secondary Cells (AREA)
  • Tests Of Electric Status Of Batteries (AREA)

Abstract

형성된 Li-이온 셀들에 대해 가능한 노화에 따라 상기 셀들이 비교적 빠르게 부류들로 그룹화될 수 있도록 하기 위해 고정밀 쿨로메트리 측정이 사용되며, 쿨롱 효율, 에너지 효율, 평균 용량 손실 및 유효 셀 내부 저항으로부터의 하나 이상의 기준이 상기 그룹화에 사용된다.

Description

배터리 저장 시스템들의 서비스 수명을 추정하기 위한 방법, 장치 및 컴퓨터 프로그램 제품 {METHOD, APPARATUS AND COMPUTER PROGRAM PRODUCT FOR ESTIMATING THE SERVICE LIFE OF BATTERY STORAGE SYSTEMS}
본 발명은 특히 배터리 저장 시스템의 가능한 용량 손실을 결정하기 위해 배터리 저장 시스템들의 서비스 수명을 추정하기 위한 방법, 장치 및 컴퓨터 프로그램 제품에 관한 것이다.
리튬-이온 축전지는 높은 전력 및 에너지 밀도로 인해 에너지 저장 시스템들로서 많은 모바일 및 고정-위치 어플리케이션들에서 사용된다. 이와 관련하여 새로운 양태는 전기 구동 차량들에서 그리고 건물들에 전기를 공급하기 위한 고정-위치 버퍼 저장 시스템들로서 사용이 급격히 증가하고 있다는 것이다. 이하에서, 어플리케이션의 이러한 기술 영역들에서 사용되는 축전지들은 일상 언어에서 배터리들 또는 배터리 저장 시스템들로 칭해진다.
차량들에 공급하는 데 사용되거나 전기 네트워크 연결에 사용되는 배터리 저장 시스템들은 400 V 내지 1000 V의 전압을 가져야 한다. 이를 위해, 수백 개보다 더 많은 개수의 배터리 셀들이 통상적으로 직렬로 연결된다. 또한, 개별 배터리 셀들 대신에, 각각 병렬로 연결된 복수의 배터리 셀을 포함하는 블록들이 용량 또는 전류-전달 용량을 증가시키기 위해 직렬로 연결될 수 있다.
여기에서의 단점은 이러한 배터리 저장 시스템들의 거동이 각각의 경우에 직렬 회로의 가장 열악한 배터리 셀 또는 가장 열악한 블록에 의해 결정된다는 것이다. 예를 들어, 배터리 셀들 중 하나만이 직렬 회로의 다른 배터리 셀들보다 훨씬 더 빨리 노화되더라도, 전체 배터리가 상당히 노화된 것으로 보인다.
이러한 이유로, 제조 후 배터리 셀들을 가능한 서비스 수명, 즉, 예상 노화에 따라 분류하려는 시도가 통상적으로 이루어진다. 이러한 단계는 프로세스 체인에서 "최종-라인 테스트"로 알려진 것과 연관되며, 예를 들어, "자가-방전 테스트" 프로세스 단계로 선언된다. 이러한 자가-방전 테스트는 예를 들어, 형성된 배터리 셀들이 몇 주의 더 긴 기간에 걸쳐 저장되도록 수행될 수 있으며, 여기서 셀 전압은 규칙적인 간격들로 측정된다. 그 후, 자가-방전 레이트에 기초하여 배터리 셀들의 노화에 대해 추정이 이루어진다. 이것의 단점은 비용 집약적인 장기간 저장과 셀들의 측정, 및 자가-방전 테스트들에 기초하여 매우 높은 정밀도로 노화를 예측할 수 없다는 사실이다. 따라서, 셀 노화의 개별 과정은 동일한 분류 결과에 대해 높은 대역폭을 갖는다.
본 발명의 목적은 배터리 셀들의 분류가 보다 높은 정밀도로 수행될 수 있는 방법 및 장치를 특정하는 것이다.
이러한 목적은 청구항 1의 특징을 갖는 방법 및 청구항 13의 특징을 갖는 장치에 의해 달성된다.
배터리 셀을 분류하기 위한 본 발명에 따른 방법에서, 배터리 셀의 복수의 부하 사이클들은 고정밀 쿨로메트리(coulometry) 장치에 의해 측정되며, 여기서 측정 결과는 복수의 전류 값을 포함한다. 여기에서, 특히 50% 미만의 충전 상태에서 부하 사이클에 대해 가능한 한 정보를 제공하지만 동시에 보호적인 동작 지점이 선택된다.
측정은 중단 기준이 충족될 때까지 수행되고, 측정 결과에 기초하여, 제1 계산 규칙 및 제2 계산 규칙에 의해 배터리 셀의 방전 용량에 대해 제1 값 및 제2 값이 결정되며, 여기서 전류 측정의 교정(calibration)이 제1 계산 규칙 및 제2 계산 규칙에 다르게 입력되고, 전류 측정의 교정이 결정되는 최적화 방법이 수행되어, 결정된 제1 방전 용량과 제2 방전 용량 사이에 가장 큰 매치(match)가 획득된다.
마지막으로, 측정 결과에 기초하여 배터리 셀의 노화 기준이 결정되고, 배터리 셀이 노화 기준에 기초하여 여러 분류 범위들 중 하나로 분류된다.
본 발명에 따른 장치는 본 발명에 따른 방법을 수행하도록 구현되고, 고정밀 쿨로메트리 장치 및 배터리 셀에 대한 측정 시리즈의 결과들을 수신하기 위한 메모리를 갖는 컴퓨팅 유닛을 포함하고, 여기서 컴퓨팅 유닛은 최적화 방법을 수행하고 배터리 셀을 여러 분류 범위들 중 하나로 분류하도록 구현된다.
본 발명에 따르면, 배터리 셀에 대한 서비스 수명 예측에 기초하여 분류가 비교적 신속하게 수행될 수 있도록 하는 가능성이 유리하게 생성된다. 즉, 형성 후 리튬-이온 셀들의 품질 검사를 가속화하고 분류 정밀도를 개선하기 위해 새로운 방법이 생성된다.
종래 기술에 따른 품질 결정을 위해 몇 주의 지속 시간이 필요할 수 있지만, 이러한 지속 시간은 본 발명에 의해 며칠로 단축되며, 그 결과 테스트 동안 저장을 위한 자본 지출이 상당히 감소될 수 있다.
본 발명의 유리한 실시예들은 청구항 1의 종속 청구항들로부터 발생한다. 여기에서, 청구항 1 또는 청구항 14에 따른 실시예는 종속 청구항들 중 하나의 특징들 또는 바람직하게는 몇몇 종속 청구항들의 특징들과 조합될 수 있다. 따라서, 이하의 특징들이 추가로 제공될 수 있다:
배터리 셀의 쿨롱 효율이 노화 기준으로서 결정될 수 있다. 대안적으로 또는 추가로, 에너지 효율 및/또는 유효 셀 내부 저항 및/또는 배터리 셀의 사이클 당 용량 손실도 노화 기준으로서 결정될 수 있다.
유리하게는 본 발명을 적용한 결과로서, 특정된 변수들 중 2개 이상이 사용되는 경우, 품질 평가는 더 이상 단일 메트릭, 즉, 자가-방전 레이트에 기초하여 수행되지 않고, 대신에 단일 측정에서 결정된 복수의 독립적인 KPI에 기초하여 수행된다. 이것은 QM 프로세스를 보다 견고하고 정보를 제공하는 것으로 만들고, 생산된 배터리 셀들의 현장 배치로부터 다시 흐르는 데이터를 통합하기 위한 새로운 가능성들을 연다.
노화 기준은 배터리 셀에 대한 식별 코드와 함께 데이터베이스에 저장될 수 있다. 이러한 저장은 예를 들어, 다른 생산 로트에 대한 차이점들을 식별하기 위해 이렇게 수집된 데이터의 후속 평가를 가능하게 한다. 또한, 이러한 저장은 배터리 셀들의 현장 배치 중에 획득된 노화 데이터와의 비교를 가능하게 한다. 따라서, 배터리 저장 시스템에서 사용되는 배터리 셀들의 실제 노화 데이터가 수신되고 실제 노화 데이터 및 저장된 노화 기준에 기초하여 분류 범위들이 조정하는 경우에 특히 유리하다. 실제 노화 데이터는 또한 수정된 동작 지점을 결정하는 데 사용될 수 있으며, 이는 장래에 보다 정확한 예측이 이루어질 수 있게 한다.
부하 사이클들은 40% 미만, 특히 25% 미만의 방전을 포함할 수 있다. 또한, 부하 사이클들은 0.5 내지 1.5, 특히 0.8 내지 1.2의 C 계수로 작동할 수 있다. 충전과 함께, 이는 배터리 셀을 측정하기 위한 유리한 동작 지점을 생성하며, 여기서 방전(DOD)과 함께 충전 상태(SOC: state of charge)는 결과적인 전기 비용들을 감소시키기 위해 너무 높지 않으며 다른 한편으로 방전은 정보를 제공하는 측정을 위해 충분하다. 이러한 유리한 동작 지점은 30% SOC, 20% DOD 및 1C이다.
적어도 부하 사이클들의 일부에 대해, 이미 언급한 동작 지점과 상이한 하나 또는 몇몇의 추가 동작 지점들이 사용될 수 있다. 이는 배터리 셀의 실제 동작 중에 발생하는 상이한 동작 상황들과 관련하여 측정을 보다 정보적인 것으로 만든다.
여기서, 부하 사이클은 바람직하게는 제1 충전 상태로부터 제2 충전 상태로의 제1 전하량이 측정되는 제1 방전, 제2 충전 상태로부터 제3 충전 상태로의 제2 전하량이 측정되는 후속하는 제1 방전, 및 제3 충전 상태로부터 제4 충전 상태로의 제3 전하량이 측정되는 제2 방전을 포함하며, 여기서 부하 사이클의 충전 및 방전은 배터리 저장 시스템의 하위 전압과 상위 전압 사이에서 발생한다.
여기서, 제1 전하 변위가 제4 충전 상태와 제2 충전 상태 사이의 차이에 의해 결정될 수 있고, 제2 전하 변위가 제3 충전 상태와 제1 충전 상태 사이의 차이에 의해 결정될 수 있다. 또한, 용량 손실이 제1 전하 변위와 제2 전하 변위 사이의 차이로부터 결정될 수 있고, 평균(mean) 용량 손실이 다른 부하 사이클들의 적어도 2개의 용량 손실에 기초하여 계산될 수 있다.
이렇게 결정된 용량 손실은 중단 기준으로서 사용될 수 있다. 특히, 2회 이상의 연속적인 부하 사이클에서 용량 손실의 상대적 변화가 여기에서 고려될 수 있다. 이것이 충분히 작으면, 배터리 셀이 이미 정상 상태에 도달한 것으로 고려될 수 있고, 측정이 중단될 수 있다.
이렇게 결정된 용량 손실은 또한 배터리 셀의 노화 기준으로서 사용될 수 있다. 따라서, 이미 언급된 노화 기준에 추가하여, 측정을 보다 정보적으로 만드는 이러한 추가 기준이 이용 가능하다.
제공된 측정 결과에 기인한 분류의 기능으로서 중단 기준을 선택할 수 있다. 예를 들어, 배터리 셀에 대해 스크랩(scrap)으로 고려되어야 하거나 열악한 카테고리로 분류된다는 것이 명백해지면 측정이 중단될 수 있다.
사용된 중단 기준은 서로 조합될 수 있다. 따라서, 예를 들어, 이전에 측정된 부하 사이클들의 최소 수가 초과되고 용량 손실들의 편차가 임계값 아래로 떨어지면 측정이 중단될 수 있다.
본 발명을 위해, 프로그램 가능한 컴퓨팅 유닛의 메모리에 직접 로딩될 수 있는 컴퓨터 프로그램 제품이 제공될 수 있다. 컴퓨터 프로그램 제품은, 컴퓨터 프로그램 제품이 컴퓨팅 유닛에서 실행될 때 본 발명에 따른 방법을 수행하는 프로그램 코드 수단을 포함한다.
컴퓨터 프로그램은 배터리 셀 생산 시설의 상위-레벨 프로세스 제어 및 품질 보증에 통합될 수 있다.
여기서, 장치는 형성에 사용되는 전력 전자 기기(형성 회로들)가 또한 HPC 측정에 이용 가능하게 되거나 그에 따라 확장될 수 있는 경우 추가 하드웨어 없이 기존 생산 시설들에 또한 유리하게 통합될 수 있다. 대안적으로, 장치는 예를 들어, 자가-방전 테스트를 위해 기존의 측정 스테이션을 대체하거나 보완하는 생산 프로세스에서 완전히 새로운 스테이션을 포함할 수 있다.
본 발명의 추가 특징들, 속성들 및 이점들은 첨부 도면들을 참조하여 이하의 설명에 개시된다. 도면은 개략적인 형태로 도시된다:
도 1은 배터리 셀을 분류하기 위한 장치이다.
도 2는 장치에 의한 배터리 셀의 분류를 위한 방법 흐름도이다.
도 3은 부하 사이클의 전압-시간 다이어그램이다.
도 4는 부하 사이클의 전압-전하 다이어그램이다.
도 5는 부하 사이클들의 경로에서의 용량 손실의 다이어그램이다.
도 1은 배터리 셀(2)을 분류하기 위한 장치(1)를 도시한다. 장치(1)는 고정밀 쿨로메트리 장치(4)와 템퍼링(tempering) 챔버(3)를 포함한다. 분류될 배터리 셀(2)이 템퍼링 챔버(3)로 도입되고 고정밀 쿨로메트리 장치(4)에 전원 케이블(11)에 의해 연결된다.
고정밀 쿨로메트리 장치(4)는 결국 데이터 케이블(12)을 통해 컴퓨팅 유닛(10)에 연결된다. 고정밀 쿨로메트리 장치(4)는 매우 높은 정밀도로 배터리 셀(2)의 전하-시간 다이어그램을 기록한다. 여기서, 배터리 셀(2)은 주기적인 부하 사이클(100)로 동작된다.
컴퓨팅 유닛(10)은 고정밀 쿨로메트리 장치(4)에 의해 전송된 데이터의 프로세싱을 수행하는 컴퓨터 프로그램(13)을 포함한다. 컴퓨터 프로그램은 값들을 적어도 일시적으로 저장한다.
도 2는 도 1에 도시된 장치(1)로 수행되는 배터리 셀(2)을 분류하기 위한 방법에 대한 방법 흐름도를 도시한다. 여기서, 방법의 계산 단계들은 컴퓨팅 유닛(10) 상의 컴퓨터 프로그램(13)에 의해 수행된다.
제1 단계(201)에서, 배터리 셀(2)은 형성 후에 템퍼링 챔버(3)로 도입되고 템퍼링된다. 이러한 방식으로, 후속적으로 측정된 부하 사이클들(100) 동안 일정한 온도에 도달된다. 일부 실시예들에서, 배터리 셀(2)이 템퍼링 챔버(3)로 도입되는 방식에 따라 제1 단계(201)가 생략될 수 있으며, 다른 실시예들에서 이러한 단계(201)는 몇 시간이 걸릴 수 있다.
제1 단계(201) 다음에 제2 단계(202)가 후속되며, 여기서 배터리 셀(2)의 측정이 고정밀 쿨로메트리 장치(4)에 의해 수행된다. 여기서, 이미 언급한 부하 사이클들(100)이 실행되고 적어도 전류 측정들이 수행되며, 이는 전하량들이 결정될 수 있게 한다.
제2 단계(202)는 또한 제3 단계(203)를 포함하며, 여기서 결정된 데이터로 전류 교정이 수행된다. 또한, 제2 단계(202)는 또한 제4 단계(204)를 포함하며, 여기서 중단 기준이 존재하는지 여부에 대한 결정이 이루어진다. 그렇지 않은 경우, 배터리 셀(2)의 측정은 추가 부하 사이클(100)로 계속된다.
여기서, 제3 및 제4 단계(203, 204)는 각각의 부하 사이클 후에 또는 항상 정의 가능한 수의 추가 측정된 부하 사이클들 후에 수행될 수 있다. 여기서, 제3 및 제4 단계(203, 204)는 원칙적으로 서로 독립적이지만, 동시에 수행될 수도 있다. 본 예에서, 제3 및 제4 단계(203, 204)는 각각의 경우에 10회의 부하 사이클(100) 후에 수행된다.
이러한 예시적인 실시예에서, 상이한 인자들의 조합이 중단 기준으로서 사용된다. 제1 인자는 부하 사이클들(100)의 최소 수이며, 이 경우에 100이다. 경험에 따르면 이러한 부하 사이클들(100)의 수 이전에 배터리 셀의 거동이 정상 상태에 도달하지 않는다. 연속적인 부하 사이클들(100) 사이의 용량 손실의 편차가 추가 인자로서 사용된다. 이는 아래에 설명될 것이다. 이 편차가 5% 미만으로 떨어지면, 배터리 셀(2)이 정상 상태에 도달했다고 가정될 수 있다. 또한, 중단 기준은 부하 사이클들(100)의 최소 수 이후까지의 데이터가 고려되는 경우 어떤 분류가 배터리 셀(2)에 대해 결과를 낼 것인지를 포함한다. 이 분류가 배터리 셀이 스크랩으로 간주되거나 더 낮은 노화 부류로 분류되는 것인 경우, 추가 측정은 중단된다. 다른 한편으로, 배터리 셀(2)이 노화에 대한 높은 예측 품질을 갖는 경우, 측정은 계속된다.
중단 기준이 충족되면, 배터리 셀(2)의 측정이 종료된다. 그 다음, 제5 단계(205)에서, 최종 노화 기준의 결정이 이루어진다. 이 예에서, 제5 단계(205)에서 쿨롱 효율 및 평균 용량 손실이 결정되고 저장된다. 결정된 값들은 식별 코드, 예를 들어, 배터리 셀(2)에 대한 일련 번호와 함께 데이터베이스에 저장된다.
결정된 데이터에 기초하여, 제6 단계(206)에서 배터리 셀(2)의 최종 분류가 이루어진다. 여기서, 분류는 가능한 한 동일한 품질의 배터리 셀들(2)을 함께 사용하기 위해 품질 기준으로서 후속적으로 사용되는 사전 결정된 부류들로 이루어진다. 이것은 배터리 저장 시스템의 속성이 개별 "불량" 배터리 셀들(2)에 의해 불균형적으로 결정되는 것을 방지한다. 따라서, 분류는 배터리 셀들(2)을 유사한 예측 노화를 갖는 부류들로 그룹화한다.
제5 단계(205)에서 결정된 노화 기준이 식별 코드와 함께 저장되기 때문에, 제7 단계(207)에서 이렇게 결정된 예측 값들이 배터리 셀들(2)에 대한 실제 노화 데이터와 비교될 수 있다. 이를 위해, 전기 자동차, 기관차 또는 건물 배터리와 같은 환경에 배치되는 동안 배터리 셀들(2)에 대한 이러한 실제 노화 데이터가 기록되고 노화 기준과 비교된다. 이러한 프로세스 동안 예측 노화, 즉, 궁극적으로 분류에서 하나 또는 여러 노화 기준과 상관되는 체계적인 편차들이 식별되면, 분류가 보정되며, 예를 들어, 노화 기준 중 하나의 가중치가 변경된다. 이렇게 변경된 가중치는 새로운 배터리 셀(2)의 개선된 분류를 초래한다.
배터리 셀들(2)의 실제 측정은 고정밀 쿨로메트리 장치(4)에 의해 이루어진다. 도 3은 고정밀 쿨로메트리 장치(4)가 배터리 셀(2)의 주기적인 부하 사이클(100) 동안 기록한 전압-시간 다이어그램을 도시한다. 부하 사이클(100)은 제1 충전 상태(21)로부터 제2 충전 상태(22)로의 방전을 포함하며, 여기서 제1 충전 상태(21)는 상위 전압(25)에 있고 제2 충전 상태(22)는 하위 전압(26)에 있다. 그 다음, 부하 사이클(100)에서, 배터리 저장 시스템(2)은 제2 충전 상태(22)로부터 제3 충전 상태(23)로 충전된다. 다음 단계에서, 부하 사이클(100)에서, 제3 충전 상태(23)는 제4 충전 상태(24)로 방전된다. 각각의 개별적인 충전/방전 단계에서, 상위 전압(25) 및 하위 전압(26)은 전압 한계로서 관찰된다. 충전은 충전 시간 tC 동안 이루어진다. 방전은 방전 시간 tD 동안 이루어진다.
도 3에 도시된 측정에 기초하여, 도 4에 도시된 바와 같이, 개별 충전 및 방전 단계들에서 어떤 누적 전하량이 흘렀는지 이제 결정할 수 있다. 도 4는 배터리 저장 시스템의 전압이 누적 전하량 Q에 대해 플롯팅된 다이어그램을 도시한다. 부하 사이클(100)은 다시 한 번 제1 충전 상태(21)에서 시작된다. 배터리 저장 시스템(2)은 제1 방전(31) 동안 제2 충전 상태(21)로 방전된다. 여기서, 제1 전하량 Q1이 배터리 저장 시스템(2)으로부터 인출된다. 제1 전하량 Q1은 수학식 1을 사용하여 계산될 수 있으며, 여기서 I는 전류 흐름을 나타내고 tD는 방전 시간을 나타낸다:
Figure pat00001
수학식 1
부하 사이클(100) 내에서, 배터리 저장 시스템(2)은 그 후 제1 충전(32)에 의해 제2 충전 상태(22)로부터 제3 충전 상태(23)로 충전된다. 제2 전하량 Q2가 배터리 저장 시스템(2)으로 흐른다. Q2는 수학식 2에 의해 계산될 수 있다:
Figure pat00002
수학식 2
부하 사이클(100) 내에서, 배터리 저장 시스템(2)은 그 후 제2 방전(33)에 의해 제3 충전 상태(23)로부터 제4 충전 상태(24)로 방전된다. 인출된 전하량 Q3은 수학식 1과 유사한 방식으로 방전 시간으로부터의 연관된 전류 흐름으로부터 다시 한번 계산될 수 있다.
이제 제1 충전 상태(21)와 제3 충전 상태(23) 사이의 제1 전하 변위 d1을 결정할 수 있다. 또한, 제2 전하 변위 d2가 제2 충전 상태(22)와 제4 충전 상태(24) 사이에서 결정될 수 있다. 이제 수학식 3에 의해 부하 사이클(100)에 대한 제1 전하 변위 d1과 제2 전하 변위 d2 사이의 차이로부터 용량 손실 dCap을 결정할 수 있다.
Figure pat00003
수학식 3
도 5는 이제 250회의 부하 사이클에 대한 부하 사이클 당 용량 손실을 도시한다. 여기서, x-축은 부하 사이클 횟수 Z, 즉, 각각의 부하 사이클(100)의 연속 횟수를 나타내고, y-축은 부하 사이클(100) 당 용량 손실 dCap을 나타낸다. 도 5는 천이 위상 P1이 연속적인 부하 사이클들(100) 동안 초기에 발생하는 것을 도시한다. 천이 위상 P1의 길이는 동작 지점과 배터리 셀(2)의 이전 이력에 따른다.
방법의 측정된 값으로서 평균 용량 손실 dCap평균의 결정은 용량 손실 dCap의 값들에 대한 슬라이딩 선형 맞춤과 이렇게 생성된 선형 식에서 최소 상승 기울기들의 결정을 통해 이루어진다. 용량 손실 dCap의 모든 값, 즉, 값 1에서 값 250에 대한 맞춤에서 시작하여 데이터 세트가 지속적으로 단축되고 새로운 직선이 생성된다(맞추어진다)(2에서 250, 3에서 250 등). 맞춤은 데이터 세트의 특정 최소 잔여 길이, 예를 들어, 전체 길이의 10%까지 수행된다. 그 후, 선형 식은 특히 크기의 상승 순서에서 그 상승 기울기들의 값들에 따라 분류된다. 상승 기울기들 중 적어도 2개가 용량 손실 dCap의 마지막 10%의 평균 값의 10% 미만에 해당하는 값을 갖는 경우 측정이 유효한 것으로 고려될 수 있다. 예를 들어, 마지막 20개 용량 손실의 평균 값이 특히 적어도 200개의 용량 손실이 측정된 경우 5 mAh/부하 사이클에 해당하는 경우, 가장 잘 조정된 2개의 접선("맞춤")의 상승 기울기는 0.5 mAh/부하 사이클보다 작아야 한다.
그렇지 않으면 시스템의 충분한 정상 상태에 도달되지 않았기 때문에 특히 많은 수의 지지 지점들이 있는 경우 측정이 반복되어야 한다. 분류로부터, 특정 숫자, 예를 들어, 데이터 세트의 전체 길이의 반올림된 3% 또는 2개의 측정된 값의 최소 숫자가 선택되고 맞추어진 직선들의 대응하는 시작 인덱스들이 결정된다. 이렇게 결정된 섹션들의 각각에 대해, 평균화된 용량 손실이 포함된 용량 손실들 dCap에 대한 산술 평균값으로서 특정된다. 평균 용량 손실 dCap평균의 값은 그 후 평균화된 개별 용량 손실들에 대한 평균 값으로서 결정된다.
충분히 안정적이지 않은 경우, 즉, 실질적으로 일정한 경우, 용량 손실에 아직 도달하지 않은 경우, 부하 사이클의 측정이 반복된다. 분류로부터, 특정 숫자, 예를 들어, 데이터 세트의 전체 길이의 반올림된 3%, 둘 중 최소 숫자가 다시 한 번 선택되고 맞추어진 직선들의 대응하는 시작 인덱스들이 결정된다. 이렇게 결정된 각각의 섹션들에 대해, 평균 용량 손실 dCap평균은 포함된 용량 손실들에 대한 산술 평균값으로 특정된다. 그러나, 평균 용량 손실 dCap평균의 값은 또한 산술적으로 평균화된 용량 손실들에 대한 평균 값으로서 결정될 수 있다.
도 5는 또한 천이 위상 P1 다음에 결정 위상 P2가 후속하는 것을 도시한다. 이러한 단계들은 용량 손실들 dCap의 평가 동안 대체될 수 있다.
용량 손실에 추가하여, 쿨롱 효율도 노화 기준으로서 사용된다. 이는 다음과 같이 계산된다:
Figure pat00004
수학식 4
제3 단계에서 수행되는 전류 교정의 경우, 방전된 상태, 즉, 예를 들어 제2 충전 상태에 할당될 수 있는 방전 용량 Q0가 2개의 상이한 방식으로 계산될 수 있다는 사실을 사용할 수 있으며, 여기서 고정밀 쿨로메트리 장치(4)의 전류 교정이 두 계산 모두에 다르게 입력된다. 따라서, 제1 규칙에 따르면, Q0은 다음과 같다:
Figure pat00005
수학식 5
또한, Q0은 이전 부하 사이클(100)과 연관된 초기 방전 용량 Q0A와 이전 부하 사이클(100)과 현재 부하 사이클 사이의 용량 손실들로부터 계산될 수도 있다:
Figure pat00006
수학식 7
이상적인, 즉, 오류가 없는 전류 측정의 경우, 두 값은 동일하며, 즉, 다음과 같다:
Figure pat00007
수학식 8
그러나, 실제로는 두 값이 완전히 정확하지 않은 전류 측정에 존재하는 전류 교정으로 인해 발산한다. 값들 사이의 차이가 클수록, 전류 교정이 더 정확하지 않다.
수학식 8은 f = Q0 - Q0m 형식으로 함수 값 f가 최소화되는 최적화에 대한 기초로서 사용된다. 최적화를 위해 변경될 변수들은 전류 교정을 형성한다. 전류 교정은 측정된 전류 값을 보정된 측정 값에 매핑하는 것이다. 최적화의 결과로서 값들 사이의 실질적인 매치가 달성되면, 보정된 측정 값들이 실제 전류 흐름과 매우 정밀하게 대응한다. 최적화는 컴퓨터 프로그램(13)의 컴퓨팅 유닛(10)에서 수행된다.
1: 장치
2: 배터리 셀
3: 템퍼링 챔버
4: 고정밀 쿨로메트리 장치
10: 컴퓨팅 유닛
11: 전원 케이블
12: 데이터 케이블
13: 컴퓨터 프로그램 제품
21: 제1 충전 상태
22: 제2 충전 상태
23: 제3 충전 상태
24: 제4 충전 상태
25: 상위 전압
26: 하위 전압
100: 부하 사이클
tC: 충전 시간
tD: 방전 시간
201...207: 제1 단계...제7 단계

Claims (14)

  1. 배터리 셀(2)을 분류하기 위한 방법으로서,
    - 상기 배터리 셀(2)의 복수의 부하 사이클들(100)은 고정밀 쿨로메트리(coulometry) 장치(4)에 의해 측정되고, 상기 측정의 결과는 복수의 전류 값을 포함하고,
    - 중단 기준이 충족될 때까지 상기 측정이 수행되고,
    - 상기 측정의 결과에 기초하여, 제1 값 및 제2 값이 제1 계산 규칙 및 제2 계산 규칙에 의해 상기 배터리 셀(2)의 방전 용량에 대해 결정되며, 전류 측정의 교정(calibration)이 상기 제1 계산 규칙 및 상기 제2 계산 규칙에 다르게 입력되고, 상기 전류 측정의 교정이 결정되는 최적화 방법이 수행되어, 결정된 제1 방전 용량과 제2 방전 용량 사이에 가장 큰 매치(match)가 획득되고,
    - 상기 측정의 결과에 기초하여, 상기 배터리 셀(2)에 대한 노화 기준이 결정되고,
    - 상기 노화 기준에 기초하여, 상기 배터리 셀(2)은 여러 분류 범위 중 하나로 분류되는, 방법.
  2. 제1항에 있어서,
    상기 배터리 셀(2)의 쿨롱 효율(coulombic efficiency)이 노화 기준으로서 결정되는, 방법.
  3. 제1항 또는 제2항에 있어서,
    상기 배터리 셀(2)의 에너지 효율 및/또는 유효 셀 내부 저항 및/또는 사이클 당 용량 손실이 결정되는, 방법.
  4. 제1항 내지 제3항 중 어느 한 항에 있어서,
    상기 노화 기준은 상기 배터리 셀(2)에 대한 식별 코드와 함께 데이터베이스에 저장되는, 방법.
  5. 제4항에 있어서,
    배터리 저장 시스템에서 사용되는 배터리 셀들(2)의 실제 노화 데이터가 수신되고 분류 범위들이 상기 실제 노화 데이터 및 상기 저장된 노화 기준에 기초하여 조정되는, 방법.
  6. 제1항 내지 제5항 중 어느 한 항에 있어서,
    상기 부하 사이클들(100)은 40% 미만, 특히 25% 미만의 방전을 포함하는, 방법.
  7. 제1항 내지 제6항 중 어느 한 항에 있어서,
    상기 부하 사이클들(100)은 0.5 내지 1.5, 특히 0.8 내지 1.2의 C 계수로 작동할 수 있는, 방법.
  8. 제1항 내지 제7항 중 어느 한 항에 있어서,
    몇몇 동작 지점들이 상기 부하 사이클들(100)의 적어도 일부에 대해 사용되는, 방법.
  9. 제1항 내지 제8항 중 어느 한 항에 있어서,
    부하 사이클(100)은 제1 충전 상태(21)로부터 제2 충전 상태(22)로의 제1 전하량이 측정되는 제1 방전, 상기 제2 충전 상태(22)로부터 제3 충전 상태(23)로의 제2 전하량이 측정되는 후속하는 제1 충전, 및 상기 제3 충전 상태(23)로부터 제4 충전 상태(24)로의 제3 전하량이 측정되는 제2 방전을 포함하고, 상기 부하 사이클(100)의 충전 및 방전은 상기 배터리 셀(2)의 하위 전압과 상위 전압 사이에서 발생하는, 방법.
  10. 제9항에 있어서,
    - 제1 전하 변위가 상기 제4 충전 상태(24)와 상기 제2 충전 상태(22) 사이의 차이에 의해 결정되고, 제2 전하 변위가 상기 제3 충전 상태(23)와 상기 제1 충전 상태(21) 사이의 차이에 의해 결정되고,
    - 용량 손실이 상기 제1 전하 변위와 제2 전하 변위 사이의 차이로부터 결정되고,
    - 평균(mean) 용량 손실이 다른 부하 사이클들(100)의 적어도 2개의 용량 손실에 기초하여 결정되는, 방법.
  11. 제10항에 있어서,
    2개 이상의 연속적인 부하 사이클(100)에서 용량 손실의 상대적인 변화가 상기 중단 기준으로서 사용되는, 방법.
  12. 제1항 내지 제11항 중 어느 한 항에 있어서,
    상기 중단 기준은 제공된 상기 측정 결과로부터 기인하는 상기 분류의 함수로서 선택되는, 방법.
  13. 제1항 내지 제12항 중 어느 한 항에 따른 방법을 수행하기 위한 장치(1)로서,
    - 고정밀 쿨로메트리 장치(4),
    - 상기 배터리 셀(2)에 대한 측정 시리즈의 결과들을 수신하기 위한 메모리를 갖는 컴퓨팅 유닛(10)을 갖고, 상기 컴퓨팅 유닛(10)은 상기 최적화 방법 및 상기 분류를 수행하도록 구현되는, 장치(1).
  14. 프로그램 가능한 컴퓨팅 유닛(10)의 메모리에 직접 로딩될 수 있는 컴퓨터 프로그램 제품(13)으로서,
    상기 컴퓨터 프로그램 제품(13)이 상기 컴퓨팅 유닛(10)에서 실행될 때 제1항 내지 제13항 중 어느 한 항에 따른 방법을 수행하기 위한 프로그램 코드 수단을 갖는, 컴퓨터 프로그램 제품(13).
KR1020220089545A 2021-07-23 2022-07-20 배터리 저장 시스템들의 서비스 수명을 추정하기 위한 방법, 장치 및 컴퓨터 프로그램 제품 KR20230015851A (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
EP21187489.6A EP4123319B1 (de) 2021-07-23 2021-07-23 Verfahren, vorrichtung und computerprogrammprodukt zur lebensdauerabschätzung von batteriespeichern
EP21187489.6 2021-07-23

Publications (1)

Publication Number Publication Date
KR20230015851A true KR20230015851A (ko) 2023-01-31

Family

ID=77050816

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220089545A KR20230015851A (ko) 2021-07-23 2022-07-20 배터리 저장 시스템들의 서비스 수명을 추정하기 위한 방법, 장치 및 컴퓨터 프로그램 제품

Country Status (5)

Country Link
US (1) US11946978B2 (ko)
EP (1) EP4123319B1 (ko)
JP (1) JP2023016696A (ko)
KR (1) KR20230015851A (ko)
CN (1) CN115684956A (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116804706A (zh) * 2023-06-06 2023-09-26 淮阴工学院 一种电动汽车锂电池温度预测方法及装置
CN116859246B (zh) * 2023-07-25 2024-05-07 上海思格源智能科技有限公司 一种电池电芯自动识别方法及***

Family Cites Families (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4423378A (en) 1981-12-04 1983-12-27 Bear Automotive Service Equipment Company Automotive battery test apparatus
US6307377B1 (en) 1999-11-05 2001-10-23 Dell Usa, L.P. Battery charge determination
DE10328721A1 (de) 2003-06-25 2005-01-13 Robert Bosch Gmbh Verfahren zur Vorhersage einer Restlebensdauer eines elektrischen Energiespeichers
JP4978662B2 (ja) 2009-06-24 2012-07-18 トヨタ自動車株式会社 充電状態推定装置および充電状態推定方法
JP4888577B2 (ja) 2010-04-12 2012-02-29 トヨタ自動車株式会社 非水電解液型リチウムイオン二次電池システム，そのシステムにおけるリチウム析出判定方法，および，そのシステムを搭載する車両
JP5786324B2 (ja) 2010-11-17 2015-09-30 日産自動車株式会社 組電池の制御装置
US20120310565A1 (en) 2011-05-31 2012-12-06 Laszlo Redey Apparatus and method for determining battery/cell's performance, age, and health
JP5422702B2 (ja) 2012-06-04 2014-02-19 本田技研工業株式会社 車両用表示装置
TWI460453B (zh) 2012-09-28 2014-11-11 Metal Ind Res & Dev Ct 以兩個相互垂直的分量相加合成的電池殘電量估測系統及其估測方法
JP2013253991A (ja) * 2012-11-30 2013-12-19 Gs Yuasa Corp 蓄電素子の劣化後容量推定装置、劣化後容量推定方法及び蓄電システム
EP2992340B1 (en) 2013-05-03 2018-10-03 Liebert Corporation System and method for ups battery monitoring and data analysis
JP6075242B2 (ja) 2013-08-19 2017-02-08 株式会社Ｇｓユアサ 充電状態信頼性判定装置、充電状態信頼性判定方法
DE102014220914B4 (de) 2014-10-15 2022-10-20 Volkswagen Aktiengesellschaft Verfahren und Vorrichtung zur Bestimmung eines betriebspunktabhängigen Widerstandsänderungsfaktors und Fahrzeug
JP6055960B1 (ja) 2015-02-19 2016-12-27 三菱電機株式会社 電池状態推定装置
JP2017099221A (ja) 2015-11-27 2017-06-01 日立オートモティブシステムズ株式会社 充電制御システム
JP7016704B2 (ja) 2018-01-18 2022-02-07 ビークルエナジージャパン株式会社 二次電池システム
JP6494840B1 (ja) * 2018-07-10 2019-04-03 株式会社ユーパーツ バッテリーユニットの検査装置、バッテリーユニットの検査方法およびプログラム
US10921383B2 (en) 2019-03-07 2021-02-16 Mitsubishi Electric Research Laboratories, Inc. Battery diagnostic system for estimating capacity degradation of batteries
JP7300878B2 (ja) 2019-04-24 2023-06-30 株式会社日立製作所 電池評価システム、電池評価方法及びプログラム
CN114651183A (zh) 2019-11-07 2022-06-21 巴斯夫欧洲公司 电池性能预测
CN112305433B (zh) 2020-03-30 2023-01-13 宁德时代新能源科技股份有限公司 电池性能参数的估算方法、装置、设备和介质
EP4063882B1 (de) 2021-03-23 2024-02-14 Siemens Aktiengesellschaft Verfahren zum bestimmen eines kapazitätsverlusts eines batteriespeichers, vorrichtung und computerprogrammprodukt
JP2022182460A (ja) 2021-05-28 2022-12-08 株式会社Ｇｓユアサ 推定装置、蓄電装置、推定方法
EP4123320B1 (de) 2021-07-23 2024-03-13 Siemens Aktiengesellschaft Verfahren zum bestimmen eines kapazitätsverlusts eines batteriespeichers, vorrichtung und computerprogrammprodukt
EP4123321A1 (de) 2021-07-23 2023-01-25 Siemens Aktiengesellschaft Verfahren, vorrichtung und computerprogrammprodukt zur restwertbestimmung von batteriespeichern

Also Published As

Publication number Publication date
EP4123319B1 (de) 2024-02-14
US11946978B2 (en) 2024-04-02
EP4123319C0 (de) 2024-02-14
JP2023016696A (ja) 2023-02-02
US20230033057A1 (en) 2023-02-02
EP4123319A1 (de) 2023-01-25
CN115684956A (zh) 2023-02-03

Similar Documents

Publication Publication Date Title
US12034319B2 (en) Server-side characterization of rechargeable batteries
KR20230015851A (ko) 배터리 저장 시스템들의 서비스 수명을 추정하기 위한 방법, 장치 및 컴퓨터 프로그램 제품
WO2018051885A1 (ja) 管理装置、及び蓄電システム
CN111812515A (zh) 基于XGboost模型的锂离子电池荷电状态估算
KR20190087616A (ko) 전기 에너지 저장 팩의 밸런싱을 위한 에너지 저장 셀들을 선택하기 위한 시스템 및 방법
CN104956233A (zh) 电池状态推断装置
US20240168097A1 (en) Methods and Systems for Determining a Capacity Loss of a Battery Storage Device
JP7423697B2 (ja) 蓄電池の残量値を算定する方法、装置、およびコンピュータプログラム製品
JP2020180820A (ja) 電池評価システム、電池評価方法及びプログラム
CN107015158A (zh) 基于恒流放电片段的锂电池剩余寿命在线快速检测法
US11422199B1 (en) State of health evaluation of retired lithium-ion batteries and battery modules
CN110806540B (zh) 电芯测试数据处理方法、装置、***和存储介质
KR20210141211A (ko) 배터리를 진단하기 위한 장치 및 그 방법
CN114503392A (zh) 涉及多个电池的判定装置、蓄电***、判定方法和判定程序
US20220166075A1 (en) Method for Enhancing a Battery Module Model of a Battery Module Type
Patrizi et al. Validation of RUL estimation method for battery prognostic under different fast-charging conditions
CN115219932A (zh) 用于评价设备电池组的相对老化状态的方法和装置
CN114879066A (zh) 一种电池包一致性评估方法及***
US11959969B2 (en) Apparatus and method for diagnosing battery
Wu et al. State-of-charge and state-of-health estimating method for lithium-ion batteries
EP3579007B1 (en) Method and apparatus for estimating a state of charge of a battery
CN116381535A (zh) 用于在设备外部的中央单元中借助数字孪生高效监控设备电池组的电池组电池的方法和***
CN113743664B (zh) 一种基于随机片段数据的锂电池状态估计方法及***
US20230184838A1 (en) Device and method for diagnosing battery
Fantham et al. Enabling accurate and fast large-scale battery simulation using only a 9-cell model with variance based parameters

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right