KR20230075033A

KR20230075033A - 배터리 상태를 추정하는 전자 장치 및 그 동작 방법

Info

Publication number: KR20230075033A
Application number: KR1020210161221A
Authority: KR
Inventors: 김진호; 송태원; 성영훈
Original assignee: 삼성전자주식회사
Priority date: 2021-11-22
Filing date: 2021-11-22
Publication date: 2023-05-31
Also published as: US20230160965A1

Abstract

배터리 상태를 추정하는 전자 장치 및 그 동작 방법이 개시된다. 전자 장치는 배터리에 대응하는 전기화학 모델의 파라미터들을 저장하는 메모리, 배터리의 전압을 측정하는 센서 및 전기화학 모델의 추정 전압과 배터리의 측정 전압 간 전압차를 감소시키는 보정기에 의해 배터리의 SOC가 보정된 현재 부분 방전 시점의 제1 누적 SOC 보정량을 결정하고, 미리 결정된 SOC 보정량 예측 곡선에 기초하여 제1 누적 SOC 보정량으로부터 완전 방전 시점의 제2 누적 SOC 보정량을 추정하고, 제2 누적 SOC 보정량에 기초하여 전기화학 모델의 열화 파라미터를 업데이트하는 프로세서를 포함한다.

Description

배터리 상태를 추정하는 전자 장치 및 그 동작 방법{ELECTRONIC DEVICE FOR ESTIMATING BATTERY STATE AND METHOD FOR OPERATING METHOD THEREOF}

아래의 개시는 배터리 상태를 추정하는 전자 장치 및 그 동작 방법에 관한 것이다.

배터리의 최적 운용을 위해 배터리의 상태가 추정될 수 있으며, 이러한 배터리의 상태를 추정하는 방법은 다양하다. 일례로, 배터리의 상태는 해당 배터리의 전류를 적산하여 추정되거나 배터리 모델(예를 들어, 전기회로 모델, 또는 전기화학 모델)을 이용하여 추정될 수 있다.

최근 열화가 가속화되는 운용 환경(예: 고속 충전, 고속 방전, 저온 또는 고온 환경)에 배터리의 노출 빈도가 증가됨에 따라, 배터리의 안전과 사용 수명 증대를 위해 보다 정확한 열화 상태를 예측할 필요성이 높아지고 있다. 배터리의 수명 예측, 사용기간 연장 및 배터리 안정성을 위해, 배터리의 열화 상태를 반영하여 배터리의 상태 정보를 추정할 필요가 있다.

일 실시예에 따른 전자 장치는 배터리에 대응하는 전기화학 모델의 파라미터들을 저장하는 메모리, 상기 배터리의 전압을 측정하는 센서 및 상기 전기화학 모델의 추정 전압과 상기 배터리의 측정 전압 간 전압차를 감소시키는 보정기에 의해 상기 배터리의 SOC가 보정된 현재 부분 방전 시점의 제1 누적 SOC 보정량을 결정하고, 미리 결정된 SOC 보정량 예측 곡선에 기초하여 상기 제1 누적 SOC 보정량으로부터 완전 방전 시점의 제2 누적 SOC 보정량을 추정하고, 상기 제2 누적 SOC 보정량에 기초하여 상기 전기화학 모델의 열화 파라미터를 업데이트하는 프로세서를 포함한다.

상기 SOC 보정량 예측 곡선은 상기 배터리의 열화에 따른 음극 전위의 변화에 기초하여, 상기 전기화학 모델의 추정 전압과 상기 배터리의 측정 전압 간 전압차 곡선을 결정하는 동작 및 상기 전압차 곡선에서 전압차가 점차 증가하기 시작하는 시점부터 전압차를 누적한 누적 전압차 곡선을 결정하는 동작으로 결정된 누적 전압차 곡선에 기초하여 결정될 수 있다.

상기 SOC 보정량 예측 곡선은 상기 전압차 곡선이 상기 배터리에 따라 고정되고, 상기 보정기에 의한 누적 전압 보정량이 누적 SOC 보정량에 대응하는 특성들에 기반하여 결정될 수 있다.

상기 전압차 곡선에서 전압차가 점차 증가하기 시작하는 시점은 상기 배터리의 음극 화학량론(anode stoichiometry)이 0.3 이상 0.4 이하인 시점 또는 상기 배터리의 SOC가 30% 이상 40% 이하인 시점일 수 있다.

상기 프로세서는 상기 제1 누적 SOC 보정량, 상기 SOC 보정량 예측 곡선에서 상기 현재 부분 방전 시점의 배터리 상태에 대응하는 제3 누적 SOC 보정량 및 상기 SOC 보정량 예측 곡선에서 상기 완전 방전 시점의 배터리 상태에 대응하는 제4 누적 SOC 보정량에 기초하여, 상기 제2 누적 SOC 보정량을 결정할 수 있다.

상기 프로세서는 상기 전압차가 점차 증가하기 시작하는 시점부터 상기 현재 부분 방전 시점까지 상기 보정기에 의한 상기 제1 SOC 보정 누적량을 결정할 수 있다.

상기 SOC 보정량 예측 곡선은 프레쉬 상태의 상기 배터리의 측정 전압과 상기 전기화학 모델보다 용량이 큰 대용량 모델의 추정 전압 간 전압차 곡선을 결정하는 동작 및 상기 전압차 곡선에서 미리 지정된 배터리 상태 이하의 그래프에 기초하여, 전압차를 누적한 누적 전압차 곡선을 결정하는 동작으로 결정된 누적 전압차 곡선에 기초하여 결정될 수 있다.

상기 프로세서는 상기 제2 누적 SOC 보정량에 기초하여 결정된 개별 파라미터를 상기 메모리에 저장하고, 상기 열화 파라미터에 대한 업데이트 조건에 도달하는 경우에 응답하여, 상기 메모리에 저장된 하나 이상의 개별 파라미터들을 이용하여 상기 전기화학 모델의 열화 파라미터를 업데이트할 수 있다.

상기 열화 파라미터는 상기 배터리에 대한 전극 밸런스 시프트(electrode balance shift)를 포함할 수 있다.

상기 프로세서는 상기 열화 파라미터가 업데이트된 전기화학 모델을 이용하여 상기 배터리의 상태 정보를 추정할 수 있다.

일 실시예에 따른 전자 장치의 동작 방법은 상기 전자 장치에 포함된 배터리에 대응하는 전기화학 모델의 추정 전압과 상기 배터리의 측정 전압 간 전압차를 감소시키는 보정기에 의해 상기 배터리의 SOC가 보정된 현재 부분 방전 시점의 제1 누적 SOC 보정량을 결정하는 동작, 미리 결정된 SOC 보정량 예측 곡선에 기초하여, 상기 제1 누적 SOC 보정량으로부터 완전 방전 시점의 제2 누적 SOC 보정량을 추정하는 동작 및 상기 제2 누적 SOC 보정량에 기초하여, 상기 전기화학 모델의 열화 파라미터를 업데이트하는 동작을 포함할 수 있다.

도 1은 일 실시예에 따른 배터리 시스템을 설명하기 위한 도면이다.
도 2는 일 실시예에 따른 전기화학 모델을 설명하기 위한 도면이다.
도 3 내지 도 5는 일 실시예에 따른 보정기의 동작을 설명하기 위한 도면이다.
도 6은 일 실시예에 따라 SOC 보정량 예측 곡선을 결정하는 동작을 설명하기 위한 도면이다.
도 7은 일 실시예에 따라 누적 SOC 보정량을 추정하는 동작을 설명하기 위한 도면이다.
도 8 및 도 9는 다른 일 실시예에 따라 SOC 보정량 예측 곡선을 결정하는 동작을 설명하기 위한 도면이다.
도 10은 일 실시예에 따른 배터리 상태를 추정하는 과정을 설명하기 위한 도면이다.
도 11은 일 실시예에 따라 메모리에 저장된 하나 이상의 개별 파라미터들을 이용하여 열화 파라미터를 업데이트하는 과정을 설명하기 위한 도면이다.
도 12는 일 실시예에 따른 전자 장치를 나타낸 도면이다.
도 13은 일 실시예에 따른 전자 장치의 동작 방법을 나타낸 도면이다.
도 14는 일 실시예에 따른 모바일 기기를 설명하기 위한 도면이다.
도 15는 일 실시예에 따른 차량을 설명하기 위한 도면이다.

실시예들에 대한 특정한 구조적 또는 기능적 설명들은 단지 예시를 위한 목적으로 개시된 것으로서, 다양한 형태로 변경되어 구현될 수 있다. 따라서, 실제 구현되는 형태는 개시된 특정 실시예로만 한정되는 것이 아니며, 본 명세서의 범위는 실시예들로 설명한 기술적 사상에 포함되는 변경, 균등물, 또는 대체물을 포함한다.

제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 해석되어야 한다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.

어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.

단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 설명된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함으로 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 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 해당 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.

이하, 실시예들을 첨부된 도면들을 참조하여 상세하게 설명한다. 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조 부호를 부여하고, 이에 대한 중복되는 설명은 생략하기로 한다.

도 1은 일 실시예에 따른 배터리 시스템을 설명하기 위한 도면이다.

도 1을 참조하면, 배터리 시스템(100)은 배터리(110) 및 배터리 상태 추정 장치(120)를 포함한다.

배터리(110)는 하나 이상의 배터리 셀, 배터리 모듈 또는 배터리 팩으로서, 충전 가능한 배터리일 수 있다.

배터리 상태 추정 장치(120)는 배터리(110)의 최적 운용을 위해 배터리 상태를 추정하는 장치로서, 예를 들어, BMS(Battery Management System)을 포함할 수 있다. 배터리 상태 추정 장치(120)는 하나 이상의 센서를 이용하여 배터리(110)를 센싱한다. 달리 표현하면, 배터리 상태 추정 장치(120)는 배터리(110)의 센싱 데이터를 수집한다. 예를 들어, 센싱 데이터는 전압 데이터, 전류 데이터 및 온도 데이터 중 하나 또는 둘 이상을 포함할 수 있다.

배터리 상태 추정 장치(120)는 센싱 데이터에 기반하여 배터리(110)의 상태 정보를 추정하고, 그 결과를 출력할 수 있다. 상태 정보는, 예를 들어, SOC(State of Charge), RSOC(Relative State of Charge), SOH(State of Health) 및 이상(abnormality) 상태 정보 중 하나 또는 둘 이상을 포함할 수 있다. 상태 정보를 추정할 때 이용되는 배터리 모델은 전기화학 모델(Electrochemical Model)이며, 이에 대해서는 도 2를 통해 후술한다.

배터리(110)의 상태 정보의 추정 정확도에 따라 배터리(110)의 사용 가능 영역이 확장될 수 있으므로, 배터리(110)의 상태 정보에 대한 정확한 추정은 배터리 상태 추정 장치(120)의 중요한 부분들 중 하나일 수 있다. 배터리 상태 추정 장치(120)는 배터리(110)의 열화 상태를 정확하게 배터리 모델에 반영하여, 배터리(110)의 열화 상태가 반영된 상태 정보를 높은 정확도로 추정할 수 있다.

배터리(110)의 열화 요소에는 단순 저항 성분의 증가뿐만 아니라, 양극 또는 음극의 활물질 양의 감소, 리튬-플레이팅(Li-plating)의 발생 등 다양한 요소가 있으며, 배터리 사용자의 사용 패턴, 사용 환경에 따라 열화의 양상이 달라질 수 있다. 특히, 배터리 사용자의 사용 형태와 환경에 따라 배터리(110)의 열화 특성이 다양해 질 수 있다. 이를테면, 열화에 따라 배터리(110)의 용량 감소가 동일하더라도 열화된 배터리(110)의 내부 상태는 달라질 수 있다. 열화를 배터리 모델에 정확하게 반영하기 위해서, 사용자에 따라 열화된 배터리의 응답 특성(예: 전압 등) 분석을 통해 추정된 배터리의 열화 파라미터를 배터리 모델에 업데이트할 수 있다. 배터리 상태 추정 장치(120)에서 추정되는 배터리(110)의 상태 정보의 정확도는 배터리(110)의 최적 운용, 제어에 있어서 중요한 요소가 될 수 있다.

다만, 일부 열화 파라미터는 실제 사용자의 배터리 사용 환경에서 추정하기 어려울 수 있다. 예를 들어, 열화 파라미터에 속하는 전극 밸런스 시프트는 완전 방전 시점과 같이 낮은 SOC 또는 음극 화학량론에서 추정될 수 있는 데, 실제 사용자의 배터리 사용 패턴에 따라서는 해당 추정 조건을 쉽게 달성하기 어려울 수 있다. 따라서, 완전 방전 시점까지 도달하지 않은 부분 방전 시점에서도 전극 밸런스 시프트를 정확하게 추정하는 방안이 필요하며, 이에 대해서는 아래 도면들을 참조하여 상세히 설명한다.

도 2는 일 실시예에 따른 전기화학 모델을 설명하기 위한 도면이다.

도 2를 참조하면, 전기화학 모델은 배터리의 이온 농도, 전위 등 배터리의 내부 물리 현상을 모델링하여 배터리 잔량을 추정할 수 있다. 다시 말해, 전기화학 모델은 전극/전해질 계면에서 발생하는 전기화학 반응 및 전극/전해질의 농도 및 전하 보존과 관련된 물리 보존식으로 표현될 수 있으며, 이를 위해 형상(예컨대, 두께, 반경 등), OCP(Open Circuit Potential), 물성치(예컨대, 전기전도도, 이온전도도, 확산계수 등) 등 다양한 모델 파라미터를 이용한다.

전기화학 모델에서 농도, 전위 등 여러 상태변수가 서로 커플링될 수 있다. 전기화학 모델에서 추정되는 배터리의 추정 전압(210)은 양극과 음극 양 끝의 전위차이다. 양극 및 음극 각각의 전위 정보는 양극 및 음극 각각의 이온 농도분포에 영향을 받는다(220). 전기화학 모델에서 추정되는 SOC(230)는 양극 및 음극의 이온 평균농도이다.

여기서, 이온 농도분포는 전극 내 이온 농도분포(240) 또는 전극 내 특정 위치에 존재하는 활물질 입자 내 이온 농도분포(250)를 나타낼 수 있다. 전극 내 이온 농도분포(240)는 전극 방향에 따라 위치하는 활물질 입자의 표면 이온 농도분포 또는 평균 이온 농도분포를 나타내며, 전극 방향은 전극의 일단(예: 집전체에 인접한 경계)과 전극의 타단(예: 분리막에 인접한 경계)을 잇는 방향을 나타낼 수 있다. 또한, 활물질 입자 내 이온 농도분포(250)는 활물질 입자 중심 방향에 따른 활물질 입자 내부의 이온 농도분포를 나타내며, 활물질 입자 중심 방향은 활물질 입자 중심과 활물질 입자 표면을 잇는 방향을 나타낼 수 있다.

배터리의 측정 전압과 추정 전압 간 전압차를 감소시키기 위해서는, 농도와 관련된 물리 보존을 유지시키면서 양극 및 음극 각각의 이온 농도분포를 이동시키고, 이동된 농도분포에 기초하여 양극 및 음극 각각의 전위 정보를 도출하고, 도출된 양극 및 음극 각각의 전위 정보에 기초하여 전압이 계산될 수 있다. 전압차가 0이 되는 내부 상태 이동량을 도출하여 최종적으로 배터리의 현재 SOC가 결정될 수 있다.

도 3 내지 도 5는 일 실시예에 따른 보정기의 동작을 설명하기 위한 도면이다.

도 3을 참조하면, 열화가 발생하지 않은 프레쉬 상태와 열화가 발생한 열화 상태의 음극 전위(예: OCP(open circuit potential)) 및 셀 전압(예: OCV(open circuit voltage))이 도시된다.

전극 밸런스 시프트는 배터리의 전압을 결정하는 양극-음극 전위차에서 음극의 사용 영역이 시프트되는 특성으로, 이로 인해 배터리의 OCV 특성이 변화할 수 있으며, 이는 음극 전위의 변화로 인한 것일 수 있다.

다시 말해, 양극 전위는 프레쉬 상태와 열화 상태 간 차이가 미미한 반면, 음극 전위는 낮은 SOC에서 프레쉬 상태와 열화 상태 간 차이가 크게 발생할 수 있다. 열화 상태의 음극 전위는 프레쉬 상태의 음극 전위가 왼쪽으로 시프트된 형태를 가질 수 있으며, 이를 전극 밸런스 시프트라고 지칭할 수 있다.

셀 전압 그래프는 배터리 사용에 의한 방전을 나타내는 데, 방전 초기인 높은 SOC 상태보다 방전 말기인 낮은 SOC 상태에서 프레쉬 상태의 전압과 열화 상태의 전압 간 차이가 클 수 있다. 특히, 낮은 SOC 상태에서 프레쉬 상태와 열화 상태 간 전압의 급격한 변화가 발생할 수 있다. 전극 밸런스 시프트에서 그 원인을 찾을 수 있다.

실제 배터리는 전극 밸런스 시프트에 의해 열화된 상태인 반면, 배터리 모델은 현재의 열화 상태를 잘 반영하지 못할 경우, 도 3에 도시된 프레쉬 상태와 열화 상태의 셀 전압 그래프는 각각 현재 열화 상태를 제대로 반영하지 못하는 전기화학 모델의 추정 전압과 배터리의 측정 전압을 나타낼 수 있다. 전기화학 모델의 추정 전압과 배터리의 측정 전압 간 차이는 보정기에 의해 감소될 수 있으며, 보정기의 동작에 대해서는 도 4를 통해 상세히 설명한다.

도 4를 참조하면, 보정기(420)는 전기화학 모델(430)에서 추정된 배터리(410)의 추정 전압과 측정 전압 간 오차가 발생하였을 때 전기화학 모델(430)의 내부 상태를 보정할 수 있다.

배터리 상태 추정 장치는 배터리(410)에 대응하는 전기화학 모델(430)을 이용하여 배터리(410)의 상태 정보를 추정할 수 있다. 전기화학 모델(430)은 배터리(410)의 전위, 이온 농도분포 등과 같은 내부의 물리 현상을 모델링하여 배터리(410)의 상태 정보를 추정하는 모델일 수 있다.

배터리(410)의 상태 정보에 대한 추정 정확도는 배터리(410)의 최적 운용, 제어에 영향을 미칠 수 있다. 전기화학 모델(430)을 이용하여 상태 정보 추정 시, 전기화학 모델(430)에 입력되는 전류, 전압, 온도 데이터를 측정하는 센서 정보와 모델링 기법으로 계산된 상태 정보 사이에 오차가 발생할 수 있으므로 보정기(420)에 의해 오차 보정이 수행될 수 있다.

우선, 센서에서 측정된 배터리(410)의 측정 전압과 전기화학 모델(430)에서 추정된 배터리(410)의 추정 전압 사이의 전압차가 결정될 수 있다.

그리고, 보정기(420)는 전압차, 전기화학 모델(430)에서 기 추정된 이전 상태 정보 및 OCV(open circuit voltage) 테이블에 기초하여 배터리(410)의 상태 변화량을 결정할 수 있다. 보정기(420)는 OCV 테이블에 기반하여 이전 상태 정보에 대응하는 개회로 전압을 획득하고, 개회로 전압에 전압차를 반영하여 배터리(410)의 상태 변화량을 결정할 수 있다. 예를 들어, 상태 변화량은 SOC 변화량을 포함할 수 있다.

그리고, 보정기(420)는 상태 변화량에 기초하여 전기화학 모델(430)의 내부 상태를 업데이트할 수 있다. 예를 들어, 전기화학 모델(430)의 내부 상태는 배터리(410)의 전압, 과전위, SOC, 양극 리튬이온 농도분포, 음극 리튬이온 농도분포 및 전해질 리튬이온 농도분포 중 하나 또는 둘 이상의 조합을 포함할 수 있으며, 프로파일 형태를 가질 수 있다. 보정기(420)는 배터리(410)의 상태 변화량에 기반하여 활물질 입자 내 이온 농도분포 또는 전극 내 이온 농도분포를 보정함으로써, 전기화학 모델(430)의 내부 상태를 업데이트할 수 있다.

그리고, 배터리 상태 추정 장치는 업데이트된 전기화학 모델(430)의 내부 상태에 기초하여, 배터리(410)의 상태 정보를 추정할 수 있다.

이처럼, 배터리 상태 추정 장치는 배터리(410)의 측정 전압과 전기화학 모델(430)에서 추정된 추정 전압 사이의 전압차가 최소화되도록 배터리(410)의 상태 변화량을 결정하여 전기화학 모델(430)의 내부 상태를 업데이트하는 피드백 구조를 통해, 모델의 복잡도, 연산량을 증가시키지 않으면서도 높은 정확도로 배터리(410)의 상태 정보를 추정할 수 있다.

앞서 설명한 보정기(420)의 동작은 전극 밸런스 시프트의 추정 및 업데이트에 이용될 수 있으며, 이에 대해서는 도 5를 통해 상세히 설명한다.

도 5를 참조하면, 프레쉬 상태, 열화 상태 및 프레쉬 상태에서 SOC 보정이 수행된 상태에서의 셀 전압이 도시된다.

전기화학 모델에서 배터리의 상태 정보(예: SOC)를 추정할 때, 배터리의 측정 전압(예: 도 5에 도시된 열화 상태의 셀 전압)에 일치되도록 전기화학 모델의 추정 전압(예: 도 5에 도시된 프레쉬 상태의 셀 전압)이 보정되는 데, 이때 전기화학 모델에서 SOC 보정을 통해 측정 전압과 추정 전압 간 전압차가 감소될 수 있다. 누적 SOC 보정량은 전극 밸런스 시프트에 의한 전압차를 보상하는 값으로, 배터리 상태 추정 장치는 열화 파라미터인 전극 밸런스 시프트를 추정 및 업데이트하기 위하여 보정기에 의해 배터리의 상태 정보가 보정되는 정도를 이용할 수 있다.

보정기에 의해 프레쉬 상태의 셀 전압을 열화 상태의 셀 전압으로 보정하는 정도(510)에 기초하여 누적 SOC 보정량이 결정될 수 있다. 배터리의 열화 정도에 따라 보정기에 의한 누적 SOC 보정량이 결정되는 특성을 이용하여, 배터리 상태 추정 장치는 미리 정해진 구간에서 보정기에 의한 누적 SOC 보정량을 전극 밸런스 시프트 값으로 환산하여 전기화학 모델의 열화 파라미터를 업데이트할 수 있다. 미리 정해진 구간은 보정기에 의해 전압차가 보정되는 영역(520)일 수 있으며, 예를 들어, 미리 정해진 구간의 시작점은 SOC가 30% 이상 40% 이하이거나, 음극 화학량론으로는 0.3 이상 0.4 이하일 수 있다.

이처럼, 전극 밸런스 시프트는 완전 방전 시점까지의 누적 SOC 보정량에 기초하여 결정될 수 있는 데, 배터리 사용자의 사용 패턴이나 환경에 따라 배터리가 완전 방전 시점에 도달하기 전에 배터리가 먼저 충전될 수 있다. 여기서, 완전 방전 시점은 상온 표준 방전에서 방전 컷오프(cutoff) 전압에 도달하는 SOC 값에 대응할 수 있다. 완전 방전 시점까지 도달하지 않은 부분 방전 시점까지의 누적 SOC 보정량으로부터 완전 방전 시점의 누적 SOC 보정량을 추정할 수 있다면 전극 밸런스 시프트를 정확하게 추정할 수 있다. 부분 방전 시점의 누적 SOC 보정량으로부터 완전 방전 시점의 누적 SOC 보정량을 추정하고, 이를 이용하여 전극 밸런스 시프트를 추정하는 동작에 대해서는 아래 도면들을 참조하여 상세히 설명한다.

도 6은 일 실시예에 따라 SOC 보정량 예측 곡선을 결정하는 동작을 설명하기 위한 도면이다.

도 6을 참조하면, 부분 방전 시점의 제1 누적 SOC 보정량으로부터 완전 방전 시점의 제2 누적 SOC 보정량을 추정하기 위해 SOC 보정량 예측 곡선(640)이 결정될 수 있다. 도 6에서는 설명의 편의를 위해 그래프들의 x축이 음극 화학량론으로 도시되어 있으나, 실시예에 따라서는 x축을 SOC로 표현할 수도 있다. 음극 화학량론은 배터리의 리튬 농도에 대응하는 것으로, 어플리케이션에 따라 0~100%로 지정되는 위치가 달라질 수 있는 상대적인 값인 SOC와 달리 절대적인 값을 가질 수 있다.

전극 밸런스 시프트에 의한 열화 발생 시, 열화 상태의 셀 전압(예: 열화 가정 상태의 배터리 모델의 추정 전압 또는 열화된 배터리의 측정 전압)과 프레쉬 상태의 셀 전압(예: 열화가 반영되지 않은 전기화학 모델의 추정 전압) 간 전압차는 미리 정해진 패턴을 가진다는 특성에 기반하여 SOC 보정량 예측 곡선(640)이 결정될 수 있다. 전기 밸런스 시프트에 의한 열화는 음극의 사용 영역이 시프트되는 것으로, 시프트로 인해 발생된 음극 전위차가 전극 밸런스 시프트 추정 시 보정되는 전압과 같을 수 있다. 다시 말해, 전극 밸런스 시프트 값은 시프트로 인한 음극 전위차의 특성에 대응할 수 있다.

전극 밸런스 시프트를 추정할 수 있는 구간은 음극 전위차가 유의미하게 커지는 영역이며, 예를 들어, 음극 화학량론이 0.3 이하인 구간일 수 있다. 다시 말해, 음극 화학량론 X < 0.3인 구간에서 전극 밸런스 시프트가 추정될 수 있으며, 0.5C 방전 시 X < 0.3인 구간은 SOC 40% 이하인 구간에 해당할 수 있다. 다만, 전극 밸런스 시프트를 추정할 수 있는 구간의 시작점이 X = 0.3으로 제한되지 않으며, 실시예에 따라서, 시작점은 X = 0.3 내지 0.4일 수 있다.

도 6에 도시된 열화에 따른 전압차 그래프(620)는 프레시 상태의 음극 전위와 열화 상태의 음극 전위 간 전압차를 나타내는 것으로, 열화에 따른 음극 전위 변화 그래프(610)에 의해 도출될 수 있으며, 사용되는 배터리에 따라 그래프 형태가 미리 결정될 수 있다. 다시 말해, 열화에 따른 전압차 그래프(620)는 동일한 특성(예: 배터리 소재 등)을 가진 배터리들에 대해서는 그래프 형태가 동일할 수 있다. 전극 밸런스 시프트를 추정하기 위해 이용되는 누적 SOC 보정량은, 전압차(또는, 음극 전위차)를 보정하기 위해 보정되는 SOC 값을 누적한 것으로, 열화에 따른 전압차 그래프(620)가 고정된다면 누적 SOC 보정량도 일정한 패턴을 가질 수 있다.

누적 전압차 그래프(630)는 열화에 따른 전압차 그래프(620)에서 미리 정해진 시점부터 전압차를 누적함으로써 결정될 수 있다. 미리 정해진 시점은 열화에 따른 전압차 그래프(620)에서 전압차가 점차 증가하기 시작하는 시점으로, 예를 들어, 앞서 설명한 것처럼 음극 화학량론 X가 0.3 이상 0.4 이하인 시점일 수 있다. 누적 전압차 그래프(630)에서 음극 화학량론이 0.50 내지 0.55인 구간에서 피크가 발생하였으나, 해당 구간으로는 누적 SOC 보정량을 예측하기 어렵기 때문에 해당 구간에서는 전압차를 누적하지 않을 수 있다.

전극 밸런스 시프트 추정을 위한 누적 SOC 보정량은 누적 전압 보정량에 해당하는 누적 전압차 그래프(630)와 동일한 특성에 기반하여, SOC 보정량 예측 곡선(640)은 누적 전압차 그래프(630)로부터 결정될 수 있다. 예를 들어, 누적 전압차 그래프(630)의 y축 데이터 범위를 노멀라이즈(normalize)함으로써, SOC 보정량 예측 곡선(640)이 결정될 수 있다. 누적 전압차 그래프(630)를 노멀라이즈하는 것은 데이터 처리 시 데이터 사용량을 감소시키기 위한 것으로, 실시예예 따라서는, SOC 보정량 예측 곡선(640)을 누적 전압차 그래프(630)와 동일하게 결정할 수도 있다.

SOC 보정량 예측 곡선(640)은 배터리 특성에 따라 고정된 패턴을 가지므로, 전극 밸런스 시프트를 추정하기 전 미리 결정될 수 있고, 전극 밸런스 시프트를 추정 시에는 미리 결정된 SOC 보정량 예측 곡선(640)이 단순히 적용될 수 있다.

도 7은 일 실시예에 따라 누적 SOC 보정량을 추정하는 동작을 설명하기 위한 도면이다.

도 7을 참조하면, 미리 결정된 SOC 보정량 예측 곡선에 기초하여, 부분 방전 시점의 제1 누적 SOC 보정량 A1으로부터 완전 방전 시점의 제2 누적 SOC 보정량 A2를 추정하는 동작을 설명하기 위한 예시가 도시된다.

현재 부분 방전 시점에서 측정된 제1 누적 SOC 보정량 A1이 측정될 수 있다. 예를 들어, 현재 부분 방전 시점은 음극 화학량론 X가 0.3 이하인 완전 방전되지 않은 시점으로, SOC 15% 이상 40%이하인 시점일 수 있으나, 전술한 예에 한정되지 않는다.

도 6에서 미리 결정된 SOC 보정량 예측 곡선에서 현재 부분 방전 시점의 배터리 상태(예: 음극 화학량론, SOC 등)에 대응하는 제3 누적 SOC 보정량 B1이 결정될 수 있다. 또한, SOC 보정량 예측 곡선에서 완전 방전 시점의 배터리 상태에 대응하는 제4 누적 SOC 보정량 B2가 결정될 수 있다. 완전 방전 시점의 배터리 상태는 상온 표준 방전에서 방전 컷오프 전압에 도달하는 SOC 또는 음극 화학량론 값일 수 있다.

완전 방전 시점의 제2 누적 SOC 보정량 A2는 아래의 수학식 1에 기반하여 결정될 수 있다.

완전 방전 시점의 제2 누적 SOC 보정량 A2는 아래의 수학식 2에 기반하여 전극 밸런스 시프트 값으로 변환될 수 있다.

위의 수학식 2에서, X_SOC100%은 SOC 100%에 대응하는 음극 화학량론 값이고, X_SOC0%은 SOC 0%에 대응하는 음극 화학량론 값일 수 있다.

도 8 및 도 9는 다른 일 실시예에 따라 SOC 보정량 예측 곡선을 결정하는 동작을 설명하기 위한 도면이다.

도 6에서 설명한 SOC 보정량 예측 곡선(640)을 결정하는 동작은 실제 프레쉬 셀 배터리의 측정 전압과 프레쉬 상태의 전기화학 모델의 추정 전압이 동일하거나 상당히 유사하다는 가정에 기반할 수 있다. 다시 말해, 모델 오차가 없거나, 상당히 작다는 가정이 적용된 것으로, SOC 보정량 예측 곡선(640)의 결정에 음극 전위 변화 그래프(610)가 이용될 수 있다.

상술된 가정이 적용되지 않는다면, 이를테면 모델 오차로 인해 실제 프레쉬 셀 배터리의 측정 전압과 프레쉬 상태의 배터리 모델의 추정 전압이 동일하지 않으므로, SOC 보정량 예측 곡선을 결정하는 데 이용되는 전압차 그래프에 해당 모델 오차가 반영될 수 있다. 이에 대해 아래에서 설명한다.

도 8을 참조하면, 모델 오차를 반영한 제2 방전 전압차 그래프(830)를 결정하는 동작을 설명하기 위한 예시가 도시된다.

방전 전압 그래프(810)는 저전류 방전(예: 0.2C 방전) 시 프레쉬 셀 배터리의 측정 전압과 대용량 모델의 추정 전압에 대한 것일 수 있다. 대용량 모델은 전기화학 모델의 용량 파라미터를 조정하여 모델 용량을 의도적으로 키운 모델일 수 있다. 예를 들어, 대용량 모델의 용량은 전기화학 모델 용량의 102% 정도일 수 있으나, 전술한 예에 한정되지 않는다.

전극 밸런스 시프트에 의한 열화가 발생되어 전기화학 모델의 업데이트가 수행되어야 하는 경우는 전극 밸런스 시프트에 의한 열화로 프레쉬 모델과 열화된 셀 배터리의 전압 차이가 발생된 경우일 수 있다. 여기서, 프레쉬 모델은 열화된 셀 배터리보다 열화가 덜되고, 배터리 용량이 큰 상태에 해당할 수 있고, 열화된 셀은 프레쉬 모델보다 열화가 더 되고, 배터리 용량이 작은 상태에 해당할 수 있다. 전압차 곡선을 결정하기 위해서는 배터리 용량이 더 큰 대용량 모델과 상대적으로 배터리 용량이 더 작은 셀 배터리의 데이터가 필요할 수 있다. 예를 들어, 전극 밸런스 시프트에 의한 열화 발생 시 음극의 이동 방향이 음의 방향이라면, 양의 방향으로 SOC 2%에 해당하는 양만큼 음극을 시프트함으로써, 대용량 모델이 구현될 수 있다. 또는, 모델 파라미터들 중 전극 면적 파라미터를 102% 수준으로 확대함으로써, 대용량 모델이 구현될 수도 있다.

제1 방전 전압차 그래프(820)는 방전 전압 그래프(810)에 도시된 프레쉬 셀 배터리의 측정 잔압과 대용량 모델의 추정 전압 간 차이를 나타낼 수 있다. 제1 방전 전압차 그래프(820)에서 미리 정해진 시점부터 도 9의 누적 방전 전압차(920)를 결정하는 데 이용될 수 있다. 미리 정해진 시점은 앞서 설명한 것처럼 SOC가 30% 이상 40% 이하일 수 있으나, 도 8에서는 설명의 편의를 위해 미리 정해진 시점이 SOC 40%으로 결정될 수 있다.

제2 방전 전압차 그래프(830)는 제1 방전 전압차 그래프(820)에서 미리 정해진 시점 이후의 그래프만을 음극 화학량론으로 나타낸 것으로, 미리 정해진 시점의 전압차 값이 0이 되도록 전압차 값에 오프셋(offset) 값이 적용될 수 있다.

도 9를 참조하면, 제2 방전 전압차 그래프(910)로부터 SOC 보정량 예측 곡선(930)을 결정하는 동작을 설명하기 위한 예시가 도시된다. 누적 방전 전압차 그래프(920)는 제2 전압차 그래프(910)에서 미리 정해진 시점(예: 음극 화학량론 X=0.3)부터 전압차를 누적함으로써 결정될 수 있다. SOC 보정량 예측 곡선(930)은 누적 방전 전압차 그래프(920)에 기초하여 결정될 수 있다. 예를 들어, SOC 보정량 예측 곡선(930)은 누적 방전 전압차 그래프(920)의 y축 데이터 범위를 노멀라이즈함으로써 결정될 수 있다. 누적 방전 전압차 그래프(920)를 노멀라이즈하는 것은 데이터 처리 시 데이터 사용량을 감소시키기 위한 것으로, 실시예예 따라서는, SOC 보정량 예측 곡선(930)을 누적 방전 전압차 그래프(920)와 동일하게 결정할 수도 있다.

도 10은 일 실시예에 따른 배터리 상태를 추정하는 과정을 설명하기 위한 도면이다.

도 10을 참조하면, 배터리 상태 추정 장치가 배터리 상태를 추정하는 플로우차트가 도시된다.

동작(1001)에서, 배터리 상태 추정 장치는 배터리를 측정할 수 있다. 예를 들어, 배터리 상태 추정 장치는 배터리의 전압, 전류 및 온도 중 하나 또는 둘 이상의 조합을 측정할 수 있다. 측정된 데이터는 시간 흐름에 따른 크기 변화를 나타내는 프로파일 형태를 가질 수 있다.

동작(1002)에서, 배터리 상태 추정 장치는 전기화학 모델을 통해 배터리의 추정 전압 및 상태 정보(예: SOC, RSOC, SOH 등) 중 하나 또는 둘의 조합을 결정할 수 있다. 이때, 전기화학 모델은 동작(1001)에서 측정된 전류 및 온도 중 하나 또는 둘의 조합을 고려할 수 있다.

동작(1003)에서, 배터리 상태 추정 장치는 보정기를 통해 추정 전압과 측정 전압 간 차이에 기초하여 배터리의 SOC 값 및 전기화학 모델의 내부 상태 중 하나 또는 둘의 조합을 보정할 수 있다.

동작(1004)에서, 배터리 상태 추정 장치는 열화 파라미터의 탐지 구간에 해당하는지 여부를 판단할 수 있다. 예를 들어, 배터리 상태 추정 장치는 배터리의 음극 화학량론(예: 0.3 이하) 및/또는 추정 SOC(예: 40% 이하)에 기초하여 열화 파라미터의 탐지 구간에 해당하는지 여부를 판단할 수 있다. 또한, 배터리의 SOC와 배터리의 전압 간 상관 관계에 기초하여, 배터리 상태 추정 장치는 배터리의 추정 전압에 기초하여 열화 파라미터의 탐지 구간에 해당하는지 여부를 판단할 수 있다. 이하에서는 설명의 편의를 위해 배터리의 추정 SOC 및/또는 음극 화학량론에 기초하여 열화 파라미터의 탐지 구간에 해당하는지 여부를 판단하는 경우를 예로 설명하나, 이러한 설명이 배터리의 추정 전압에 기초하여 열화 파라미터의 탐지 구간에 해당하는지 여부를 판단하는 경우를 배제하는 것은 아니다. 열화 파라미터는 배터리에 대한 전극 밸런스 시프트를 포함할 수 있다.

동작(1005)에서, 배터리 상태 추정 장치는 현재 부분 방전 시점의 제1 누적 SOC 보정량을 획득할 수 있다.

동작(1006)에서, 배터리 상태 추정 장치는 SOC 보정량 예측 곡선에 기초하여 제1 누적 SOC 보정량으로부터 완전 방전 시점의 제2 누적 SOC 보정량을 추정할 수 있다.

동작(1007)에서, 배터리 상태 추정 장치는 제2 누적 SOC 보정량에 기초하여 열화 파라미터를 추정할 수 있다. 열화 파라미터는 배터리에 대한 전극 밸런스 시프트를 포함할 수 있다.

동작(1008)에서, 배터리 상태 추정 장치는 추정된 열화 파라미터인 전극 밸런스 시프트를 메모리에 저장할 수 있다. 메모리는 배터리 상태 추정 장치의 내부 메모리이거나, 또는 배터리 상태 추정 장치와 유선 및/또는 무선 네트워크를 통해 연결된 외부 메모리일 수 있다.

동작(1009)에서, 배터리 상태 추정 장치는 열화 파라미터의 업데이트 조건에 도달하였는지 여부를 판단할 수 있다. 이에 대해서는 도 11을 통해 상세히 설명한다. 만약 업데이트 조건에 도달하였다면 동작(1010)가 이어서 수행되고, 반대로 업데이트 조건에 도달하지 않았다면 동작(1002)가 이어서 수행될 수 있다.

동작(1010)에서, 배터리 상태 추정 장치는 메모리에 저장된 하나 이상의 열화 파라미터를 이용하여, 전기화학 모델의 전극 밸런스 시프트 값을 업데이트할 수 있다. 이에 대해서는 도 11을 통해 상세히 설명한다.

전기화학 모델의 모델 파라미터들 중 일부 또는 전체는 상호 영향력을 가져서, 일부 모델 파라미터의 변경이 다른 모델 파라미터에 영향을 미칠 수 있다. 배터리 상태 추정 장치는 전기화학 모델의 전극 밸런스 시프트 값 이외의 모델 파라미터도 전극 밸런스 시프트 값에 기반하여 업데이트할 수 있다.

동작(1011)에서, 배터리 상태 추정 장치는 종료 조건에 도달하였는지 여부를 판단할 수 있다. 예를 들어, 미리 정해진 운행 시간이 경과되었는지 여부에 기초하여 종료 조건의 도달 여부가 판단될 수 있다. 만약 미리 정해진 운행 시간이 경과되지 않았다면, 동작(1001)가 이어서 수행될 수 있다. 반대로, 미리 정해진 운행 시간이 경과되었다면 배터리 상태 추정 동작이 종료될 수 있다.

상술된 배터리 상태 추정 장치의 동작을 통해, 배터리의 사용 패턴이나 환경에 따라 배터리의 완전 방전이 발생하지 않더라도 전극 밸런스 시프트 값을 정확하게 추정하여 전기화학 모델에 반영할 수 있다.

배터리의 실제 열화 상태가 반영된 전기화학 모델을 통해, 열화 상태에서도 배터리의 상태 정보를 높은 정확도로 추정할 수 있으며, 정확한 배터리의 상태 진단을 통해 고속 충전 또는 방전 시 열화 가속을 효과적으로 억제시킬 수 있어 배터리의 안정성을 강화할 수 있다.

도 10에 도시된 각 동작들에는 도 1 내지 도 9를 통하여 전술한 사항들이 그대로 적용되므로, 보다 상세한 설명은 생략한다.

도 11은 일 실시예에 따라 메모리에 저장된 하나 이상의 개별 파라미터들을 이용하여 열화 파라미터를 업데이트하는 과정을 설명하기 위한 도면이다.

도 11을 참조하면, 추정된 개별 파라미터에 기반하여 바로 전기화학 모델의 열화 파라미터가 업데이트되기 보다는 개별 파라미터가 추정될 때마다 메모리에 저장하고, 업데이트 조건에 도달할 때 하나 이상의 개별 파라미터들을 이용하여 전기화학 모델의 열화 파라미터를 업데이트하는 예시가 도시된다. 도 11의 A_n-1, A_n, ..., A_n+3는 순차적으로 추정된 개별 파라미터를 나타낼 수 있다. 개별 파라미터는 제2 누적 SOC 보정량으로부터 변환된 전극 밸런스 시프트 값으로, 아직 전기화학 모델에 반영되지 않은 열화 파라미터를 나타낼 수 있다.

예를 들어, 열화 변화량 A_n+3이 추정된 후 업데이트 조건에 도달한 경우, 메모리에 저장된 하나 이상의 개별 파라미터들에 기초하여 열화 파라미터를 업데이트하는 데 이용할 최종 파라미터 A*이 결정될 수 있다. 예를 들어, 업데이트 조건에 도달한 현재 시점과 마지막 시점 사이의 개별 파라미터 A_n, ..., A_n+3의 통계 값(예: 평균값, 이동 평균값, 중간값, 최대값 등)으로 최종 파라미터 A*이 결정될 수 있다. 또는, 업데이트 조건에 도달한 현재 시점을 기준으로 가장 최근에 추정된 n개의 개별 파라미터의 통계 값으로 최종 파라미터 A*이 결정될 수도 있다(n은 자연수). 이 경우에는 상황에 따라(예: n이 5인 경우) 이전 열화 파라미터의 결정에 이용되었던 개별 파라미터(예: A_n-1)가 금번 업데이트에도 이용될 수 있다.

업데이트 조건은 배터리의 사이클 수, 누적 사용용량, 누적 사용시간 및 메모리에 저장된 개별 파라미터의 개수 중 하나 또는 둘 이상의 조합에 기초하여 결정될 수 있다. 예를 들어, 배터리의 충전과 방전이 여러 번 수행되면서 누적된 여러 개별 파라미터를 이용하여 전기화학 모델의 열화 파라미터를 업데이트하기 위해, 배터리의 사이클 수, 누적 사용용량, 누적 사용시간 및 메모리에 저장된 개별 파라미터의 개수 중 하나 또는 둘 이상의 조합이 업데이트 조건으로 이용될 수 있다. 다만, 업데이트 조건에 대한 실시예가 이에 한정되는 것은 아니다.

도 12는 일 실시예에 따른 전자 장치를 나타낸 도면이다.

도 12를 참조하면, 일실시예에 따른 전자 장치(1200)는 메모리(1210), 센서(1220) 및 프로세서(1230)를 포함한다. 실시예에 따라서는, 전자 장치(1200)는 디스플레이(1240)를 더 포함할 수 있다. 메모리(1210), 센서(1220), 프로세서(1230) 및 디스플레이(1240)는 버스(bus), PCIe(peripheral component interconnect express), NoC(network on a chip)를 통하여 서로 통신할 수 있다.

일실시예에서, 전자 장치(1200)는 이차전지 배터리 등의 상태 정보를 추정하거나 모니터링하는 BMS(battery management system)을 포함하거나, 배터리를 사용하는 장치로서, 예를 들어, 휴대폰, 스마트 폰, 태블릿, 랩탑, 퍼스널 컴퓨터, 또는 전자북 장치와 같은 다양한 컴퓨팅 장치, 스마트 시계, 스마트 안경, HMD(head-mounted display), 또는 스마트 의류와 같은 다양한 웨어러블 기기, 스마트 스피커, 스마트 TV, 또는 스마트 냉장고와 같은 다양한 가전장치, 스마트 자동차, 스마트 키오스크, IoT(internet of things) 기기, WAD(walking assist device), 드론, 또는 로봇을 포함할 수 있다. 또한, 전자 장치(1200)는 배터리 상태 추정을 이용한 급속충전, 전기화확 모델 기반의 열화 자동 업데이트, 배터리의 내부 단락 예측, 배터리의 퓨얼 게이징(Fuel gauging) 등에 적용될 수 있다.

메모리(1210)는 컴퓨터에서 읽을 수 있는 명령어를 포함할 수 있다. 프로세서(1230)는 메모리(1210)에 저장된 명령어가 프로세서(1230)에서 실행됨에 따라 앞서 언급된 동작들을 수행할 수 있다. 메모리(1210)는 휘발성 메모리 또는 비휘발성 메모리일 수 있다. 메모리(1210)는 배터리에 대응하는 전기화학 모델의 파라미터들을 저장한다. 모델을 저장한다는 것은 해당 모델의 변수들 간 관계 정보를 저장한다는 것을 나타낼 수 있다.

센서(1220)는 배터리의 전압을 측정한다. 또한, 센서(1220)는 배터리의 현재 상태를 측정하는 온도 센서, 전류 센서 및 전압 센서 중 하나 이상을 포함할 수 있다. 센서(1220)에서 측정된 데이터는 메모리(1210)에 저장되거나 및/또는 프로세서(1230)로 전달될 수 있다.

프로세서(1230)는 명령어들, 혹은 프로그램들을 실행하거나, 전자 장치(1200)를 제어하는 장치일 수 있다. 프로세서(1230)는 전기화학 모델의 추정 전압과 배터리의 측정 전압 간 전압차를 감소시키는 보정기에 의해 배터리의 SOC가 보정된 현재 부분 방전 시점 의 제1 누적 SOC 보정량을 결정하고, 미리 결정된 SOC 보정량 예측 곡선에 기초하여 제1 누적 SOC 보정량으로부터 완전 방전 시점의 제2 누적 SOC 보정량을 추정하고, 제2 누적 SOC 보정량에 기초하여 전기화학 모델의 열화 파라미터를 업데이트할 수 있다. 또한, 프로세서(1240)는 열화 파라미터가 업데이트된 전기화학 모델을 이용하여 배터리의 상태 정보를 추정할 수 있다.

디스플레이(1240)는 열화 파라미터가 업데이트된 전기화학 모델을 이용하여 추정된 배터리의 상태 정보 및/또는 상태 정보에 따른 피드백 정보를 표시할 수 있다.

전자 장치(1200)는 배터리가 완전 방전되지 않고 부분 방전된 상태에서도 전극 밸런스 시프트 값을 정확하게 추정함으로써, 전극 밸런스 시프트의 학습 영역을 확장하고, 열화 추정 동작의 강인성(robustness)을 개선할 수 있다.

그 밖에, 전자 장치(1200)에 관해서는 상술된 동작을 처리할 수 있다.

도 13은 일 실시예에 따른 전자 장치의 동작 방법을 나타낸 도면이다.

이하 실시예에서 각 동작들은 순차적으로 수행될 수도 있으나, 반드시 순차적으로 수행되는 것은 아니다. 예를 들어, 각 동작들의 순서가 변경될 수도 있으며, 적어도 두 동작들이 병렬적으로 수행될 수도 있다. 동작들(1310~1330)은 전자 장치의 적어도 하나의 구성요소(예: 프로세서, 센서 등)에 의해 수행될 수 있다.

동작(1310)에서, 전자 장치는 전자 장치에 포함된 배터리에 대응하는 전기화학 모델의 추정 전압과 배터리의 측정 전압 간 전압차를 감소시키는 보정기에 의해 배터리의 SOC가 보정된 현재 부분 방전 시점의 제1 누적 SOC 보정량을 결정한다. 동작(1320)에서, 전자 장치는 미리 결정된 SOC 보정량 예측 곡선에 기초하여, 제1 누적 SOC 보정량으로부터 완전 방전 시점의 제2 누적 SOC 보정량을 추정한다. 동작(1330)에서, 전자 장치는 제2 누적 SOC 보정량에 기초하여, 전기화학 모델의 열화 파라미터를 업데이트한다.

도 13에 도시된 각 동작들에는 도 1 내지 도 12를 통해 전술한 사항들이 그대로 적용되므로, 보다 상세한 설명은 생략한다.

도 14는 일 실시예에 따른 모바일 기기를 설명하기 위한 도면이다.

도 14를 참조하면, 모바일 기기(1400)는 배터리(1410)를 포함한다. 모바일 기기(1400)는 배터리(1410)를 전원으로 이용하는 장치일 수 있다. 모바일 기기(1400)는 휴대용 단말로서, 예를 들어, 스마트 폰일 수 있다. 도 14에서는 설명의 편의를 위해 모바일 기기(1400)가 스마트 폰인 경우를 설명하였으나, 이외에도 노트북, 태블릿 PC, 웨어러블 디바이스와 같은 다양한 단말이 제한 없이 적용될 수 있다. 배터리(1410)는 BMS 및 배터리 셀들(또는, 배터리 모듈들)을 포함한다.

실시예에 따르면, 모바일 기기(1400)는 배터리 상태 추정 장치(1420)를 포함할 수 있다. 배터리 상태 추정 장치(1420)는 앞서 설명한 열화 파라미터가 반영된 전기화학 모델을 이용하여 배터리(1410)의 현재 SOC, 불용 SOC 및 RSOC 중 하나 이상을 추정하는 동작을 수행할 수 있다. 열화 파라미터는 전극 밸런스 시프트를 포함할 수 있다.

도 1 내지 도 13을 통해 기술된 사항은 도 14를 통해 기술된 사항에 적용될 수 있으므로, 상세한 설명은 생략한다.

도 15는 일 실시예에 따른 차량을 설명하기 위한 도면이다.

도 15를 참조하면, 차량(1500)은 배터리(1510) 및 배터리 관리 시스템(1520)을 포함할 수 있다. 차량(1500)은 배터리(1510)를 전력원(power source)으로 이용할 수 있다. 차량(1500)은, 예를 들어, 전기 자동차 또는 하이브리드 자동차일 수 있다.

배터리(1510)는 복수의 배터리 모듈들을 포함할 수 있다. 배터리 모듈은 복수의 배터리 셀들을 포함할 수 있다.

배터리 관리 시스템(1520)은 배터리(1510)에 이상(abnormality)이 발생하였는지 모니터링할 수 있고, 배터리(1510)이 과충전(over-charging) 또는 과방전(over-discharging)되지 않도록 할 수 있다. 또한, 배터리 관리 시스템(1520)은 배터리(1510)의 온도가 제1 온도(예: 40℃)를 초과하거나 제2 온도(예: -10℃) 미만이면 배터리(1510)에 대해 열 제어를 수행할 수 있다. 또한, 배터리 관리 시스템(1520)은 셀 밸런싱을 수행하여 배터리(1510)에 포함된 배터리 셀들 간의 충전 상태가 균등해지도록 할 수 있다.

일실시예에 따르면 배터리 관리 시스템(1520)은 앞서 설명한 열화 파라미터가 반영된 전기화학 모델을 이용하여 배터리 상태 추정 동작을 수행할 수 있다. 배터리 관리 시스템(1520)은 배터리 셀들 각각의 상태 정보의 최대값, 최소값, 또는 평균값을 배터리(1510)의 상태 정보로 결정할 수도 있다.

배터리 관리 시스템(1520)은 배터리(1510)의 상태 정보를 차량(1500)의 ECU(Electronic Control Unit) 또는 VCU(Vehicle Control Unit)로 전송할 수 있다. 차량(1500)의 ECU 또는 VCU는 배터리(1510)의 상태 정보를 차량(1500)의 디스플레이에 출력할 수 있다.

도 15에서 설명한 사항에는 도 1 내지 도 14를 통해 기술된 사항이 적용될 수 있으므로, 상세한 설명은 생략한다.

이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 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 컨트롤러를 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 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 저장할 수 있으며 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.

위에서 설명한 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 또는 복수의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.

이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 이를 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.

Claims

전자 장치에 있어서,
배터리에 대응하는 전기화학 모델의 파라미터들을 저장하는 메모리;
상기 배터리의 전압을 측정하는 센서; 및
상기 전기화학 모델의 추정 전압과 상기 배터리의 측정 전압 간 전압차를 감소시키는 보정기에 의해 상기 배터리의 SOC가 보정된 현재 부분 방전 시점의 제1 누적 SOC 보정량을 결정하고, 미리 결정된 SOC 보정량 예측 곡선에 기초하여 상기 제1 누적 SOC 보정량으로부터 완전 방전 시점의 제2 누적 SOC 보정량을 추정하고, 상기 제2 누적 SOC 보정량에 기초하여 상기 전기화학 모델의 열화 파라미터를 업데이트하는 프로세서
를 포함하는
전자 장치.
제1항에 있어서,
상기 SOC 보정량 예측 곡선은
상기 배터리의 열화에 따른 음극 전위의 변화에 기초하여, 상기 전기화학 모델의 추정 전압과 상기 배터리의 측정 전압 간 전압차 곡선을 결정하는 동작; 및
상기 전압차 곡선에서 전압차가 점차 증가하기 시작하는 시점부터 전압차를 누적한 누적 전압차 곡선을 결정하는 동작
으로 결정된 누적 전압차 곡선에 기초하여 결정되는,
전자 장치.
제2항에 있어서,
상기 SOC 보정량 예측 곡선은
상기 전압차 곡선이 상기 배터리에 따라 고정되고, 상기 보정기에 의한 누적 전압 보정량이 누적 SOC 보정량에 대응하는 특성들에 기반하여 결정되는,
전자 장치.
제2항에 있어서,
상기 전압차 곡선에서 전압차가 점차 증가하기 시작하는 시점은
상기 배터리의 음극 화학량론(anode stoichiometry)이 0.3 이상 0.4 이하인 시점; 또는
상기 배터리의 SOC가 30% 이상 40% 이하인 시점인,
전자 장치.
제1항에 있어서,
상기 프로세서는
상기 제1 누적 SOC 보정량;
상기 SOC 보정량 예측 곡선에서 상기 현재 부분 방전 시점의 배터리 상태에 대응하는 제3 누적 SOC 보정량; 및
상기 SOC 보정량 예측 곡선에서 상기 완전 방전 시점의 배터리 상태에 대응하는 제4 누적 SOC 보정량
에 기초하여, 상기 제2 누적 SOC 보정량을 결정하는,
전자 장치.
제1항에 있어서,
상기 프로세서는
상기 전압차가 점차 증가하기 시작하는 시점부터 상기 현재 부분 방전 시점까지 상기 보정기에 의한 상기 제1 SOC 보정 누적량을 결정하는,
전자 장치.
제1항에 있어서,
상기 SOC 보정량 예측 곡선은
프레쉬 상태의 상기 배터리의 측정 전압과 상기 전기화학 모델보다 용량이 큰 대용량 모델의 추정 전압 간 전압차 곡선을 결정하는 동작; 및
상기 전압차 곡선에서 미리 지정된 배터리 상태 이하의 그래프에 기초하여, 전압차를 누적한 누적 전압차 곡선을 결정하는 동작
으로 결정된 누적 전압차 곡선에 기초하여 결정되는,
전자 장치.
제1항에 있어서,
상기 프로세서는
상기 제2 누적 SOC 보정량에 기초하여 결정된 개별 파라미터를 상기 메모리에 저장하고,
상기 열화 파라미터에 대한 업데이트 조건에 도달하는 경우에 응답하여, 상기 메모리에 저장된 하나 이상의 개별 파라미터들을 이용하여 상기 전기화학 모델의 열화 파라미터를 업데이트하는,
전자 장치.
제1항에 있어서,
상기 열화 파라미터는
상기 배터리에 대한 전극 밸런스 시프트(electrode balance shift)를 포함하는,
전자 장치.
제1항에 있어서,
상기 프로세서는
상기 열화 파라미터가 업데이트된 전기화학 모델을 이용하여 상기 배터리의 상태 정보를 추정하는,
전자 장치.
전자 장치의 동작 방법에 있어서,
상기 전자 장치에 포함된 배터리에 대응하는 전기화학 모델의 추정 전압과 상기 배터리의 측정 전압 간 전압차를 감소시키는 보정기에 의해 상기 배터리의 SOC가 보정된 현재 부분 방전 시점의 제1 누적 SOC 보정량을 결정하는 동작;
미리 결정된 SOC 보정량 예측 곡선에 기초하여, 상기 제1 누적 SOC 보정량으로부터 완전 방전 시점의 제2 누적 SOC 보정량을 추정하는 동작; 및
상기 제2 누적 SOC 보정량에 기초하여, 상기 전기화학 모델의 열화 파라미터를 업데이트하는 동작
을 포함하는
전자 장치의 동작 방법.
제11항에 있어서,
상기 SOC 보정량 예측 곡선은
상기 배터리의 열화에 따른 음극 전위의 변화에 기초하여, 상기 전기화학 모델의 추정 전압과 상기 배터리의 측정 전압 간 전압차 곡선을 결정하는 동작; 및
상기 전압차 곡선에서 전압차가 점차 증가하기 시작하는 시점부터 전압차를 누적한 누적 전압차 곡선을 결정하는 동작
으로 결정된 누적 전압차 곡선에 기초하여 결정되는,
전자 장치의 동작 방법.
제12항에 있어서,
상기 SOC 보정량 예측 곡선은
상기 전압차 곡선이 상기 배터리에 따라 고정되고, 상기 보정기에 의한 누적 전압 보정량이 누적 SOC 보정량에 대응하는 특성들에 기반하여 결정되는,
전자 장치의 동작 방법.
제12항에 있어서,
상기 전압차 곡선에서 전압차가 점차 증가하기 시작하는 시점은
상기 배터리의 음극 화학량론이 0.3 이상 0.4 이하인 시점; 또는
상기 배터리의 SOC가 30% 이상 40% 이하인 시점인,
전자 장치의 동작 방법.
제11항에 있어서,
상기 제2 누적 SOC 보정량을 추정하는 동작은
상기 제1 누적 SOC 보정량;
상기 SOC 보정량 예측 곡선에서 상기 현재 부분 방전 시점의 배터리 상태에 대응하는 제3 누적 SOC 보정량; 및
상기 SOC 보정량 예측 곡선에서 상기 완전 방전 시점의 배터리 상태에 대응하는 제4 누적 SOC 보정량
에 기초하여, 상기 제2 누적 SOC 보정량을 결정하는,
전자 장치의 동작 방법.
제11항에 있어서,
상기 제1 누적 SOC 보정량을 결정하는 동작은
상기 전압차가 점차 증가하기 시작하는 시점부터 상기 현재 부분 방전 시점까지 상기 보정기에 의한 상기 제1 SOC 보정 누적량을 결정하는,
전자 장치의 동작 방법.
제11항에 있어서,
상기 SOC 보정량 예측 곡선은
프레쉬 상태의 상기 배터리의 측정 전압과 상기 전기화학 모델보다 용량이 큰 대용량 모델의 추정 전압 간 전압차 곡선을 결정하는 동작; 및
상기 전압차 곡선에서 미리 지정된 배터리 상태 이하의 그래프에 기초하여, 전압차를 누적한 누적 전압차 곡선을 결정하는 동작
으로 결정된 누적 전압차 곡선에 기초하여 결정되는,
전자 장치의 동작 방법.
제11항에 있어서,
상기 제2 누적 SOC 보정량에 기초하여 결정된 개별 파라미터를 상기 전자 장치의 메모리에 저장하고, 상기 열화 파라미터에 대한 업데이트 조건에 도달하는 경우에 응답하여 상기 메모리에 저장된 하나 이상의 개별 파라미터들을 이용하여 상기 전기화학 모델의 열화 파라미터를 업데이트하는 동작
을 더 포함하는,
전자 장치의 동작 방법.
제11항에 있어서,
상기 열화 파라미터는
상기 배터리에 대한 전극 밸런스 시프트를 포함하는,
전자 장치의 동작 방법.
제11항 내지 제19항 중에서 어느 한 항의 방법을 실행하는 컴퓨터 프로그램을 저장하는 컴퓨터 판독가능 기록매체.