WO2024063418A2 - 배터리 진단 장치 및 배터리 진단 방법 - Google Patents

배터리 진단 장치 및 배터리 진단 방법 Download PDF

Info

Publication number
WO2024063418A2
WO2024063418A2 PCT/KR2023/013537 KR2023013537W WO2024063418A2 WO 2024063418 A2 WO2024063418 A2 WO 2024063418A2 KR 2023013537 W KR2023013537 W KR 2023013537W WO 2024063418 A2 WO2024063418 A2 WO 2024063418A2
Authority
WO
WIPO (PCT)
Prior art keywords
ocv
battery
data
soc
battery cell
Prior art date
Application number
PCT/KR2023/013537
Other languages
English (en)
French (fr)
Other versions
WO2024063418A3 (ko
Inventor
성용철
김철택
Original Assignee
주식회사 엘지에너지솔루션
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
Priority claimed from KR1020230102473A external-priority patent/KR20240041810A/ko
Application filed by 주식회사 엘지에너지솔루션 filed Critical 주식회사 엘지에너지솔루션
Publication of WO2024063418A2 publication Critical patent/WO2024063418A2/ko
Publication of WO2024063418A3 publication Critical patent/WO2024063418A3/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
    • G01R19/10—Measuring sum, difference or ratio
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
    • G01R19/165—Indicating that current or voltage is either above or below a predetermined value or within or outside a predetermined range of values
    • 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]
    • 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]
    • G01R31/385—Arrangements for measuring battery or accumulator variables
    • 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]
    • G01R31/396—Acquisition or processing of data for testing or for monitoring individual cells or groups of cells within a battery
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • 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
    • G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
    • G01R31/52—Testing for short-circuits, leakage current or ground faults

Definitions

  • Embodiments disclosed in this document relate to a battery diagnosis device and a battery diagnosis method.
  • the secondary battery is a battery capable of charging and discharging, and can be interpreted as encompassing both conventional Ni/Cd batteries, Ni/MH batteries, etc., and recent lithium ion batteries.
  • lithium-ion batteries can have a higher energy density than conventional Ni/Cd batteries, Ni/MH batteries, etc., and can be manufactured in a small and lightweight manner, so they can have high usability in terms of power sources for mobile devices.
  • Recently, its range of use has expanded as a power source for electric vehicles, and it is attracting attention as a next-generation energy storage medium.
  • Diagnosis of abnormal behavior may be performed based on the battery voltage to inspect the manufacturing quality of the battery or to diagnose whether a defect has occurred.
  • abnormal behavior of battery voltage can be diagnosed using the deviation of cell voltages of battery cells, but this diagnosis method has the problem of low diagnosis accuracy.
  • One purpose of the embodiments disclosed in this document is to provide a battery diagnosis device and a battery diagnosis method that can diagnose abnormalities in voltage behavior even when the change in battery voltage is small.
  • a battery diagnosis device includes: a sensor configured to measure an open circuit voltage (OCV) from a battery to be diagnosed and generate first OCV data; and obtain first SOC data regarding the state of charge of the battery to be diagnosed based on the first OCV data, and derive second SOC data to estimate the state of charge of the battery to be diagnosed based on the first SOC data. and a controller configured to obtain second OCV data of the battery to be diagnosed based on the second SOC data and to diagnose the state of the battery to be diagnosed based on the first OCV data and the second OCV data.
  • OCV open circuit voltage
  • the battery to be diagnosed includes a plurality of battery cells
  • the first OCV data includes a plurality of OCV values measured at a plurality of time points for each battery cell of the plurality of battery cells.
  • the controller calculates an average SOC value of a plurality of SOC values converted from the plurality of OCV values for each battery cell, and calculates a relative capacity value of each battery cell based on the average SOC value. and calculate a plurality of estimated SOC values at the plurality of time points for each battery cell based on the relative capacity value.
  • the controller calculates a pseudoinverse matrix of the average SOC matrix representing the average SOC value of each battery cell, and generates the SOC matrix representing the plurality of SOC values for each battery cell. and calculate a relative capacity matrix representing the relative capacity values by multiplying the pseudo inverse matrix.
  • the controller is configured to calculate an estimated SOC matrix representing the plurality of estimated SOC values of each battery cell by multiplying the average SOC matrix by the relative capacity matrix.
  • the controller is configured to derive OCV deviation data based on the difference between the first OCV data and the second OCV data and diagnose the state of the diagnostic target battery based on the OCV deviation data. do.
  • the OCV deviation data includes a plurality of OCV deviation values at the plurality of points in time for each battery cell
  • the controller operates at the current time based on the plurality of OCV deviation values for each battery cell. It is configured to calculate a plurality of OCV deviation changes representing the difference between the OCV deviation value of and the OCV deviation value at a previous point in time, and diagnose the state of each battery cell based on the plurality of OCV deviation changes of each battery cell.
  • the first battery cell when the plurality of OCV deviation change amounts of a first battery cell among the plurality of battery cells are greater than the upper limit of the normal range or less than the lower limit of the normal range, the first battery cell It is configured to diagnose that an abnormality has occurred.
  • the controller converts the first OCV data into the first SOC data based on an OCV-SOC mapping table, and converts the second SOC data into the second OCV based on the OCV-SOC mapping table. It is configured to convert into data.
  • a battery diagnosis method includes generating first OCV data by measuring an open circuit voltage (OCV) from a battery to be diagnosed; Obtaining first SOC data regarding the state of charge of the battery to be diagnosed based on the first OCV data; Deriving second SOC data for estimating a state of charge of the battery to be diagnosed based on the first SOC data; Obtaining second OCV data of the battery to be diagnosed based on the second SOC data; and diagnosing the state of the battery to be diagnosed based on the first OCV data and the second OCV data.
  • OCV open circuit voltage
  • the battery to be diagnosed includes a plurality of battery cells
  • the first OCV data includes a plurality of OCV values measured at a plurality of time points for each battery cell of the plurality of battery cells.
  • deriving the second SOC data includes calculating an average SOC value of a plurality of SOC values converted from the plurality of OCV values for each battery cell; calculating a relative capacity value of each battery cell based on the average SOC value; and calculating a plurality of estimated SOC values at the plurality of time points for each battery cell based on the relative capacity value.
  • calculating the relative capacity value may include calculating a pseudo-inverse matrix of an average SOC matrix representing the average SOC value of each battery cell; and calculating a relative capacity matrix representing the relative capacity value by multiplying the pseudo-inverse matrix by a SOC matrix representing the plurality of SOC values for each battery cell.
  • calculating the plurality of estimated SOC values includes calculating an estimated SOC matrix representing the plurality of estimated SOC values of each battery cell by multiplying the average SOC matrix by the relative capacity matrix. do.
  • diagnosing the state of the battery to be diagnosed may include deriving OCV deviation data based on a difference between the first OCV data and the second OCV data; and diagnosing the state of the battery to be diagnosed based on the OCV deviation data.
  • the OCV deviation data includes a plurality of OCV deviation values at the plurality of time points of each battery cell
  • diagnosing the state of the battery to be diagnosed includes the plurality of OCV deviation values of each battery cell. Calculating a plurality of OCV deviation change amounts representing the difference between the OCV deviation value at the current time and the OCV deviation value at the previous time based on the OCV deviation values; and diagnosing the state of each battery cell based on the plurality of OCV deviation changes of each battery cell.
  • the step of diagnosing the state of the battery to be diagnosed may include determining that the plurality of OCV deviation variations of a first battery cell among the plurality of battery cells are greater than the upper limit of the normal range or greater than the lower limit of the normal range. In the small case, it includes diagnosing that an abnormality has occurred in the first battery cell.
  • acquiring the first SOC data includes converting, by the controller, the first OCV data into the first SOC data based on an OCV-SOC mapping table, and the second Obtaining OCV data includes converting the second SOC data into the second OCV data based on the OCV-SOC mapping table.
  • a battery diagnosis device and a battery diagnosis method that can diagnose abnormalities in voltage behavior even when the change in battery voltage is small can be provided.
  • Figure 1 may illustrate elements constituting a battery diagnosis system according to some embodiments.
  • Figure 2 may illustrate elements constituting a battery diagnosis device according to some embodiments.
  • FIG. 3 may illustrate a process in which a battery diagnosis device according to some embodiments operates.
  • FIG. 4 may illustrate a process of measuring open circuit voltage (OCV) from a battery to be diagnosed according to some embodiments.
  • OCV open circuit voltage
  • Figure 5 may illustrate a process for generating ground truth OCV data according to some embodiments.
  • Figure 6 may illustrate a process for converting actual OCV data into estimated SOC data according to some embodiments.
  • Figure 7 may illustrate a process of calculating the relative capacity value of each battery cell based on the average SOC value according to some embodiments.
  • Figure 8 may illustrate a process of calculating a plurality of estimated OCV values based on relative capacity values according to some embodiments.
  • Figure 9 may illustrate a process for generating estimated SOC data and estimated OCV data according to some embodiments.
  • Figure 10 may illustrate a process for converting estimated SOC data into estimated OCV data according to some embodiments.
  • Figure 11 may illustrate a process of deriving OCV deviation data based on the difference between actual OCV data and estimated OCV data according to some embodiments.
  • FIG. 12 may illustrate a process of calculating a plurality of OCV deviation changes based on OCV deviation data according to some embodiments.
  • FIG. 13 may illustrate a process of diagnosing the state of each battery cell based on a plurality of OCV deviation changes according to some embodiments.
  • Figure 14 may illustrate steps configuring a battery diagnosis method according to some embodiments.
  • phrases such as “at least one of , B, or C” may include any one of the items listed together in the corresponding phrase, or any possible combination thereof.
  • Terms such as “first”, “second”, “first”, “second”, “A”, “B”, “(a)” or “(b)” simply refer to the element in question. It can be used to distinguish between and, unless specifically stated to the contrary, does not limit the components in other respects (e.g., importance or order).
  • connection or “couple” one (e.g., first) component to another (e.g., second) component, with or without the terms “functionally” or “communicatively.”
  • connection or “couple” one (e.g., first) component to another (e.g., second) component, with or without the terms “functionally” or “communicatively.”
  • connection or “coupled,” or “connected,” it means that any component is connected to another component directly (e.g., wired or wirelessly), or indirectly ( This means that it can be connected (e.g. via a third component).
  • Computer program products are commodities and can be traded between sellers and buyers.
  • a computer program product may be distributed in the form of a machine-readable storage medium (e.g. compact disc read only memory, CD-ROM) or distributed online, directly through an application store or between two user devices (e.g. can be downloaded or uploaded).
  • a machine-readable storage medium e.g. compact disc read only memory, CD-ROM
  • at least a portion of the computer program product may be at least temporarily stored or temporarily created in a machine-readable storage medium, such as the memory of a manufacturer's server, an application store's server, or a relay server.
  • each component e.g., module or program of the above-described components may include a single or plural entity, and some of the plurality of entities may be separated into other components. It may be deployed. According to embodiments disclosed in this document, one or more of the above-described corresponding components or operations may be omitted, or one or more other components or operations may be added. Alternatively or additionally, multiple components (eg, modules or programs) may be integrated into a single component. In this case, the integrated component may perform one or more functions of each component of the plurality of components in the same or similar manner as those performed by the corresponding component of the plurality of components prior to the integration. .
  • operations performed by a module, program, or other component may be executed sequentially, in parallel, iteratively, or heuristically, or one or more of the operations may be executed in a different order. may be removed, omitted, or one or more other operations may be added.
  • Figure 1 may illustrate elements constituting a battery diagnosis system according to some embodiments.
  • the battery diagnosis system 100 may include a charger/discharger 110, a battery to be diagnosed 120, a battery diagnosis device 130, and a management server 140. However, it is not limited to this, and some components may be omitted from the battery diagnosis system 100, or other general-purpose components may be further included in the battery diagnosis system 100.
  • the battery diagnosis system 100 may refer to a system for diagnosing the state of the battery 120 to be diagnosed.
  • a test voltage may be applied to the battery to be diagnosed 120 by the charger/discharger 110, and response data output by the battery to be diagnosed 120 in response to the test voltage is transmitted to the battery diagnosis device 130. It can be measured by .
  • the charger/discharger 110 may be configured to charge or discharge the battery 120 to be diagnosed. According to an embodiment, the charger/discharger 110 may apply a test voltage to the battery 120 to be diagnosed, and the test voltage may include a plurality of charge/discharge cycle voltages. To this end, the charger/discharger 110 may include a power supply device for applying various types of voltage or current to the battery 120 to be diagnosed. According to an embodiment, the charger/discharger 110 may be included in the battery diagnosis device 130 instead of being provided separately from the battery diagnosis device 130.
  • the diagnostic target battery 120 may be a diagnostic target of the battery diagnostic system 100.
  • the battery 120 to be diagnosed may include a plurality of battery cells.
  • the battery 120 to be diagnosed may include a plurality of battery modules, and each module of the plurality of battery modules may include a plurality of battery cells.
  • the battery 120 to be diagnosed may include m battery cells, n voltage measurements may be performed for each of the m battery cells, and m*n voltage measurement values may be generated. there is.
  • the battery diagnosis device 130 may perform operations to determine whether the battery 120 to be diagnosed is abnormal.
  • the battery diagnosis device 130 can perform voltage measurement and data processing to diagnose which cell of the battery 120 to be diagnosed has an abnormal voltage behavior.
  • the management server 140 may be configured to manage the status of the battery 120 to be diagnosed.
  • the management server 140 can be connected to the battery diagnosis device 130 through wired/wireless data communication, and provides data such as the status, abnormality, and diagnosis results of the battery 120 to be diagnosed from the battery diagnosis device 130. You can receive it and record it.
  • the management server 140 may control the battery diagnosis device 130 or check the status of the battery 120 to be diagnosed according to a request from a system administrator or battery user.
  • the management server 140 may perform at least some of the operations for determining whether the battery 120 to be diagnosed is abnormal on behalf of the battery diagnosis device 130.
  • the management server 140 may receive data necessary for diagnosing the battery 120 to be diagnosed from the battery diagnosis device 130, perform diagnostic procedures, and transmit the results to the battery diagnosis device 130.
  • the management server 140 may install energy management software necessary for diagnosing the battery 120 to be diagnosed on the battery diagnosis device 130, and send update information of the energy management software to the battery diagnosis device 130. can be provided to.
  • Figure 2 may illustrate elements constituting a battery diagnosis device according to some embodiments.
  • the battery diagnosis device 130 may include a sensor 131 and a controller 132. However, it is not limited to this, and some components may be omitted from the battery diagnosis device 130, or other general-purpose components may be further included in the battery diagnosis device 130.
  • the senor 131 and the controller 132 are devices such as a bus, general purpose input and output (GPIO), serial peripheral interface (SPI), and mobile industry processor interface (MIPI). They can be electrically connected to each other through interconnection communication methods.
  • GPIO general purpose input and output
  • SPI serial peripheral interface
  • MIPI mobile industry processor interface
  • the sensor 131 of the battery diagnosis device 130 may be configured to measure the voltage from the battery 120 to be diagnosed.
  • a test cycle voltage is applied to the battery to be diagnosed 120 by the charger/discharger 110, an output voltage may be generated to the battery to be diagnosed 120 in response, which can be measured by the sensor 131.
  • the sensor 131 may include measuring means such as a voltmeter, ammeter, thermometer, etc.
  • the controller 132 may have a structure for executing instructions that implement the operations of the battery diagnosis device 130.
  • the controller 132 may be implemented as an array of multiple logic gates or a general-purpose microprocessor for processing various operations, and may be comprised of a single processor or a plurality of processors.
  • the controller 132 may be implemented in the form of at least one of a microprocessor, CPU, GPU, and AP.
  • the controller 132 may be configured separately or integrally with a memory (not shown) configured to store instructions, and may process various operations by executing instructions stored in the memory.
  • Memory can store various data, commands, mobile applications, computer programs, etc.
  • memory may be implemented as non-volatile memory such as ROM, PROM, EPROM, EEPROM, flash memory, PRAM, MRAM, FRAM, etc., or volatile memory such as DRAM, SRAM, SDRAM, RRAM, HDD, SSD, etc. , SD, Micro-SD, etc., or a combination thereof.
  • the sensor 131 of the battery diagnosis device 130 may be configured to measure the open circuit voltage (OCV) from the battery 120 to be diagnosed and generate first OCV data (OCVs).
  • First OCV data (OCVs) may refer to actually measured OCV values.
  • the sensor 131 can measure the voltage from the battery 120 to be diagnosed, and based on this, determine the open circuit voltage (OCV) of the battery 120 to be diagnosed. This can be derived.
  • the OCV value may be measured n times for each of the m battery cells of the battery 120 to be diagnosed, and the first OCV data may include m*n OCV values.
  • the controller 132 of the battery diagnosis device 130 may be configured to obtain first state of charge data (SOCs) regarding the state of charge (SOC) of the battery 120 to be diagnosed based on the first OCV data (OCVs).
  • SOCs state of charge data
  • OCVs OCV data
  • m*n OCV values of the first OCV data (OCVs) may be converted into m*n SOC values
  • the first SOC data (SOCs) may include m*n SOC values.
  • conversion of first OCV data (OCVs) into first SOC data (SOCs) may be performed based on an OCV-SOC mapping table.
  • the controller 132 of the battery diagnosis device 130 may be configured to derive second SOC data (SOCests) that estimates the state of charge of the battery 120 to be diagnosed based on the first SOC data (SOCs).
  • the first SOC data (SOCs) may mean a value converted from the first OCV data (OCVs)
  • the second SOC data (SOCests) may be a value obtained by estimating the SOC of the battery 120 to be diagnosed through an estimation process. It can mean.
  • the second SOC data (SOCests) may be estimated based on the average SOC value and relative capacity value of each battery cell.
  • the controller 132 of the battery diagnosis device 130 may be configured to obtain second OCV data (OCVests) of the battery 120 to be diagnosed based on the second SOC data (SOCests).
  • the second SOC data (SOCests) may include m*n estimated SOC values, and the m*n estimated SOC values may be converted into m*n estimated OCV values.
  • the second OCV data (OCVests) may include m*n estimated OCV values.
  • conversion of the second SOC data (SOCests) into the second OCV data (OCVests) may be performed based on an OCV-SOC mapping table, which converts the first OCV data (OCVs) into the first SOC data (SOCs). ) may be the same as the table converted to ).
  • the controller 132 of the battery diagnosis device 130 may be configured to diagnose the state of the battery 120 to be diagnosed based on the first OCV data (OCVs) and the second OCV data (OCVests).
  • the controller 132 of the battery diagnosis device 130 may be configured to derive OCV deviation data (OCVdevs) based on the difference between the first OCV data (OCVs) and the second OCV data (OCVests).
  • OCV deviation data (OCVdevs) may include m*n OCV deviation values.
  • the controller 132 of the battery diagnosis device 130 may be configured to diagnose the state of the battery 120 to be diagnosed based on OCV deviation data (OCVdevs). According to an embodiment, whether an abnormality has occurred in the voltage behavior of each battery cell of the battery 120 to be diagnosed may be diagnosed by comparing OCV deviation data (OCVdevs) or the change amount with a normal range. In this way, abnormal voltage behavior can be detected even when there is no sudden voltage change due to cell disconnection or short circuit.
  • OCV deviation data OCV deviation data
  • FIG. 3 may illustrate a process in which a battery diagnosis device according to some embodiments operates.
  • the operation process 300 of the battery diagnosis device 130 may include a first process 310 to a sixth process 360.
  • the first process 310 to the sixth process 360 may correspond to steps 1410 to 1460 of FIG. 14, which will be described later.
  • the OCV voltage of the battery 120 to be diagnosed may be measured, and in the second process 320, the first OCV data (OCVs) may be converted into first SOC data (SOCs),
  • estimated SOC data SOCests
  • SOCests estimated SOC data
  • the second SOC data (SOCests) can be converted into the second OCV data (OCVests), and in the fifth process 350, the first OCV data (OCVs) and the second OCV data (OCVests)
  • the deviation may be calculated and OCV deviation data (OCVdevs) may be derived, and in the sixth process 360, the OCV deviation change amount may be calculated based on the OCV deviation data (OCVdevs) and compared with the threshold value.
  • Abnormalities in the voltage behavior of each cell of the battery 120 to be diagnosed may be diagnosed.
  • FIG. 4 may illustrate a process of measuring open circuit voltage (OCV) from a battery to be diagnosed according to some embodiments.
  • OCV open circuit voltage
  • a charge/discharge profile 410 and an OCV graph 420 of the battery 120 to be diagnosed may be shown.
  • the charge/discharge profile 410 may represent a voltage measured from a battery cell of the battery 120 to be diagnosed when a charge/discharge cycle voltage is applied to the battery cell.
  • peak values 411 in the measurement cycle of the charge/discharge profile 410 may be actual OCV values 421.
  • the OCV graph 420 may include n actual OCV values 421.
  • Figure 5 may illustrate a process for generating first OCV data according to some embodiments.
  • an OCV graph 420 and first OCV data (OCVs) 510 of the battery 120 to be diagnosed may be shown.
  • the OCV graph 420 may include n actual OCV values 421 for the ith battery cell, and the first OCV data (OCVs, 510) for the m battery cells of the battery 120 to be diagnosed may be m. *Can contain n actual OCV values. According to an embodiment, the first OCV data (OCVs, 510) may be expressed in the form of a matrix with a size of m*n.
  • the battery 120 to be diagnosed includes a plurality of battery cells
  • the first OCV data OCVs, 510) is a plurality of OCVs measured at a plurality of time points for each battery cell of the plurality of battery cells.
  • Figure 6 may illustrate a process of converting first OCV data into second SOC data according to some embodiments.
  • first OCV data (OCVs) 510 an OCV-SOC mapping table 610, and first SOC data (SOCs) 620 may be shown.
  • the controller 132 of the battery diagnosis device 130 converts the first OCV data (OCVs, 510) into first SOC data (SOCs, 620) based on the OCV-SOC mapping table 610. It can be configured to do so.
  • the OCV-SOC mapping table 610 may refer to a table in which the OCV value on the vertical axis is matched with the SOC value on the horizontal axis and the corresponding relationship is recorded.
  • FIG. 7 may illustrate a process of calculating a relative capacity value of each battery cell based on an average SOC value according to some embodiments
  • FIG. 8 may illustrate a process of calculating a plurality of estimated OCV values based on the relative capacity value according to some embodiments. The process can be exemplified.
  • first SOC data SOCs, 620
  • average SOC value SOCavg, 710
  • relative capacity value A , 720, 730
  • second SOC data SOCests, 820
  • the average of the first SOC data (SOCs, 620) may be calculated, and as a result, the average SOC value (SOCavg, 710) may be calculated.
  • a relative capacity value (A, 720) may be calculated based on the average SOC value (SOCavg, 710) and the first SOC data (SOCs, 620).
  • the relative capacity value (A, 720) can be calculated by calculating the relative capacity value (A i , 730) from the first battery cell to the mth battery cell.
  • a pseudo inverse matrix (PINV) operation of the average SOC value (SOCavg, 710) may be performed.
  • a pseudoinverse matrix may refer to a Moore-Penrose inverse matrix.
  • the relative capacity value (A i , 730) of the ith battery cell may include a slope component (A slopei ) and an offset component (A offseti ).
  • a plurality of estimated OCV values (SOCest i , 810) of the ith battery cell may be calculated.
  • a plurality of estimated OCV values (SOCest i , 810) of the ith battery cell may be calculated based on the slope component (A slopei ), the offset component (A offseti ), and the average SOC value (SOCavg, 710).
  • the second SOC data (SOCests, 820) of the battery 120 to be diagnosed can be calculated. .
  • the controller 132 of the battery diagnosis device 130 calculates an average SOC value (SOCavg, 710) of a plurality of SOC values converted from a plurality of OCV values for each battery cell, and calculates the average SOC value Calculate the relative capacity value (A i ) of each battery cell based on (SOCavg, 710), and calculate a plurality of estimated SOC values (SOCest) at a plurality of time points of each battery cell based on the relative capacity value (A i ) may be configured to calculate i ).
  • the controller 132 of the battery diagnosis device 130 provides an average SOC matrix representing average SOC values of battery cells.
  • FIG. 9 may illustrate a process for generating second SOC data and second OCV data according to some embodiments.
  • the first OCV data (OCVs, 910) may be converted into first SOC data (SOCs, 920) based on the OCV-SOC mapping table 610.
  • An average SOC value (SOCavg, 930) may be calculated based on the first SOC data (SOCs, 920).
  • the average SOC matrix pseudoinverse of By multiplying the average SOC value (SOCavg, 930), the relative capacity value (A 1 , 940) for the first battery cell can be calculated.
  • the average SOC matrix pseudoinverse of By multiplying the relative capacity value (A 1 , 940), the estimated SOC values (SOCest 1 , 950) for the first battery cell can be calculated, and the OCV-SOC mapping table 610 is applied to the first battery cell. Estimated OCV values for the cell (OCVest 1 , 960) may be calculated.
  • Figure 10 may illustrate a process of converting second SOC data into second OCV data according to some embodiments.
  • the process of converting the second SOC data (SOCests, 820) of the battery to be diagnosed (120) into second OCV data (OCVests, 1010) based on the OCV-SOC mapping table 610 is shown. You can.
  • the controller 132 of the battery diagnosis device 130 converts the second SOC data (SOCests, 820) into second OCV data (OCVests, 1010) based on the OCV-SOC mapping table 610. It can be configured to do so.
  • the OCV-SOC mapping table 610 may be the same as the table used when converting first OCV data (OCVs, 510) into first SOC data (SOCs, 620).
  • FIG. 11 may illustrate a process of deriving OCV deviation data based on the difference between first OCV data and second OCV data according to some embodiments
  • FIG. 12 may illustrate a process of deriving OCV deviation data based on OCV deviation data according to some embodiments. The process of calculating the OCV deviation changes can be illustrated.
  • FIG. 11 a process of deriving OCV deviation data (OCVdevs, 1110) based on the difference between the first OCV data (OCVs, 510) and the second OCV data (OCVests, 1010) can be shown, and FIG. 12 Referring to , a process of calculating a plurality of OCV deviation changes 1210 and 1220 based on the difference between the current and previous time values of OCV deviation data (OCVdevs, 1110) may be shown.
  • the OCV deviation data is a plurality of OCV deviation values (OCVdev i1 , OCVdev i2 , ..., OCVdev) at a plurality of time points (1, ..., n) of each battery cell. in ) may be included.
  • the controller 132 of the battery diagnosis device 130 determines the current OCV deviation value based on a plurality of OCV deviation values (OCVdev i1 , OCVdev i2 , ..., OCVdev in ) of each battery cell.
  • OCV deviation change (OCVdiff i , 1210) representing the difference (1220) between the OCV deviation values of each battery cell and the previous point, and calculate each OCV deviation change amount (OCVdiff i , 1210) of each battery cell. It may be configured to diagnose the state of the battery cell.
  • FIG. 13 may illustrate a process of diagnosing the state of each battery cell based on a plurality of OCV deviation changes according to some embodiments.
  • OCVdiffs, 1300 A deviation change amount (OCVdiffs, 1300) may be derived, and an abnormal voltage behavior of each battery cell of the battery 120 to be diagnosed may be detected based on the OCV deviation change amount (OCVdiffs, 1300).
  • the upper limit (1310) and lower limit (1320) of the normal range may be set. According to the embodiment, if the amount of change in OCV deviation of a specific battery cell at a specific time exceeds the upper limit value 1310 or falls below the lower limit value 1320, it may be diagnosed that an abnormality in voltage behavior has occurred in the battery cell at the exceeding/lowering point. there is. For example, if the OCV deviation change amount is detected to be outside the normal range at the undershoot time points (1330, 1340) and the exceedance time point (1350), the battery cell having the OCV deviation change amount (OCVdiffs, 1300) may be diagnosed as an abnormal cell.
  • the upper limit value 1310 and the lower limit value 1320 of the normal range may be changed according to battery performance requirements. If high performance requirements are required, the normal range may be narrowed, and in the opposite case, the normal range may be widened. According to an embodiment, abnormality in the battery cell may be diagnosed based on the number and/or frequency of deviations from the normal range. For example, the number and/or frequency of deviations from a normal range may be compared to a threshold.
  • Figure 14 may illustrate steps configuring a battery diagnosis method according to some embodiments.
  • the battery diagnosis method 1400 may include steps 1410 to 1460. However, it is not limited to this, some steps may be omitted or other general-purpose steps may be added, and the steps of the battery diagnosis method 1400 may be executed in a different order from the order shown.
  • the battery diagnosis method 1400 may be comprised of steps processed in time series by the battery diagnosis device 130. Therefore, even if the content is omitted below, the content described above with respect to the battery diagnosis device 130 can be equally applied to the battery diagnosis method 1400.
  • Steps 1410 to 1460 of the battery diagnosis method 1400 may be performed by the sensor 131 and the controller 132 of the battery diagnosis device 130.
  • the battery diagnosis device 130 may measure the open circuit voltage (OCV) from the battery to be diagnosed and generate first OCV data.
  • OCV open circuit voltage
  • the battery diagnosis device 130 may obtain first SOC data regarding the state of charge of the battery to be diagnosed based on the first OCV data.
  • the battery diagnosis device 130 may derive second SOC data that estimates the state of charge of the battery to be diagnosed based on the first SOC data.
  • the battery diagnosis device 130 may obtain second OCV data of the battery to be diagnosed based on the second SOC data.
  • the battery diagnosis device 130 may diagnose the state of the battery to be diagnosed based on the first OCV data and the second OCV data.
  • the battery diagnosis method 1400 may be implemented in the form of a computer program stored in a computer-readable storage medium. That is, the computer program may include instructions for implementing the battery diagnosis method 1400, and the instructions of the program may be stored in a computer-readable storage medium. Computer programs may include mobile applications.
  • computer-readable storage media include magnetic media such as hard disks, floppy disks, and magnetic tapes, optical media such as CD-ROMs and DVDs, and floptical disks. It may include magneto-optical media, such as ROM, RAM, flash memory, and hardware devices specifically configured to store and execute computer program instructions.
  • Computer program instructions may include machine code created by a compiler and high-level language code that can be executed by a computer using an interpreter.

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Secondary Cells (AREA)
  • Tests Of Electric Status Of Batteries (AREA)

Abstract

본 문서에 개시된 일부 실시예에 따르면, 배터리 진단 장치는, 진단 대상 배터리로부터 개방 회로 전압(OCV)을 측정하여 제1 OCV 데이터를 생성하도록 구성되는 센서; 및 상기 제1 OCV 데이터를 기초로 상기 진단 대상 배터리의 충전 상태에 관한 제1 SOC 데이터를 획득하고, 상기 제1 SOC 데이터를 기초로 상기 진단 대상 배터리의 충전 상태를 추정하는 제2 SOC 데이터를 도출하고, 상기 제2 SOC 데이터를 기초로 상기 진단 대상 배터리의 제2 OCV 데이터를 획득하고, 상기 제1 OCV 데이터 및 상기 제2 OCV 데이터를 기초로 상기 진단 대상 배터리의 상태를 진단하도록 구성되는 컨트롤러를 포함한다.

Description

배터리 진단 장치 및 배터리 진단 방법
관련출원과의 상호인용
본 출원은 2022년 9월 23일자로 출원된 대한민국 특허출원 제10-2022-0120916호 및 2023년 8월 4일자로 출원된 대한민국 특허출원 제10-2023-0102473호에 기초한 우선권의 이익을 주장하며, 해당 특허출원의 문헌에 개시된 모든 내용을 본 명세서의 일부로서 포함한다.
기술분야
본 문서에 개시된 실시예들은 배터리 진단 장치 및 배터리 진단 방법에 관한 것이다.
최근 이차 전지에 대한 연구 개발이 활발히 이루어지고 있다. 여기서 이차 전지는 충방전이 가능한 전지로서, 종래의 Ni/Cd 배터리, Ni/MH 배터리 등과 최근의 리튬 이온 배터리를 모두 포괄하는 것으로 해석될 수 있다. 이차 전지 중 리튬 이온 배터리는 종래의 Ni/Cd 배터리, Ni/MH 배터리 등에 비해 높은 에너지 밀도를 가질 수 있으며, 소형 및 경량으로 제작될 수 있어 이동 기기의 전원에 관하여 높은 활용성을 가질 수 있다. 최근에는 전기 자동차의 전원으로 사용 범위가 확장되어 차세대 에너지 저장 매체로 주목을 받고 있다.
배터리의 제조 품질을 검사하거나 불량 발생 여부를 진단하기 위해 배터리 전압을 기반으로 이상 거동의 진단이 수행될 수 있다. 일 예로 배터리 셀들이 갖는 셀 전압들의 편차를 이용하여 배터리 전압의 이상 거동을 진단할 수 있는데, 이러한 진단 방법은 진단의 정확도가 떨어지는 문제가 있다.
본 문서에 개시된 실시예들의 일 목적은, 배터리 전압의 변동이 적은 경우에도 전압 거동의 이상을 진단할 수 있는 배터리 진단 장치 및 배터리 진단 방법을 제공하는 데 있다.
본 문서에 개시된 실시예들의 기술적 목적은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급되지 않은 또다른 기술적 과제들은 아래의 기재들로부터 당업자에게 명확하게 이해될 수 있을 것이다.
본 문서에 개시된 일부 실시예에 따르면, 배터리 진단 장치는, 진단 대상 배터리로부터 개방 회로 전압(OCV)을 측정하여 제1 OCV 데이터를 생성하도록 구성되는 센서; 및 상기 제1 OCV 데이터를 기초로 상기 진단 대상 배터리의 충전 상태에 관한 제1 SOC 데이터를 획득하고, 상기 제1 SOC 데이터를 기초로 상기 진단 대상 배터리의 충전 상태를 추정하는 제2 SOC 데이터를 도출하고, 상기 제2 SOC 데이터를 기초로 상기 진단 대상 배터리의 제2 OCV 데이터를 획득하고, 상기 제1 OCV 데이터 및 상기 제2 OCV 데이터를 기초로 상기 진단 대상 배터리의 상태를 진단하도록 구성되는 컨트롤러를 포함한다.
일부 실시예에 따르면, 상기 진단 대상 배터리는 복수의 배터리 셀들을 포함하고, 상기 제1 OCV 데이터는 상기 복수의 배터리 셀들의 각 배터리 셀에 대해 복수의 시점들에서 측정되는 복수의 OCV 값들을 포함한다.
일부 실시예에 따르면, 상기 컨트롤러는, 각 배터리 셀에 대해 상기 복수의 OCV 값들로부터 변환되는 복수의 SOC 값들의 평균 SOC 값을 계산하고, 상기 평균 SOC 값를 기초로 각 배터리 셀의 상대적 용량 값을 계산하고, 상기 상대적 용량 값를 기초로 각 배터리 셀의 상기 복수의 시점들에서의 복수의 추정 SOC 값들을 계산하도록 구성된다.
일부 실시예에 따르면, 상기 컨트롤러는, 각 배터리 셀의 상기 평균 SOC 값을 나타내는 평균 SOC 행렬의 의사 역행렬(pseudoinverse matrix)을 계산하고, 각 배터리 셀에 대한 상기 복수의 SOC 값들을 나타내는 SOC 행렬을 상기 의사 역행렬에 곱하여 상기 상대적 용량 값을 나타내는 상대적 용량 행렬을 계산하도록 구성된다.
일부 실시예에 따르면, 상기 컨트롤러는, 상기 평균 SOC 행렬에 상기 상대적 용량 행렬을 곱하여 각 배터리 셀의 상기 복수의 추정 SOC 값들을 나타내는 추정 SOC 행렬을 계산하도록 구성된다.
일부 실시예에 따르면, 상기 컨트롤러는, 상기 제1 OCV 데이터 및 상기 제2 OCV 데이터의 차이를 기초로 OCV 편차 데이터를 도출하고, 상기 OCV 편차 데이터를 기초로 상기 진단 대상 배터리의 상태를 진단하도록 구성된다.
일부 실시예에 따르면, 상기 OCV 편차 데이터는 각 배터리 셀의 상기 복수의 시점들에서의 복수의 OCV 편차 값들을 포함하고, 상기 컨트롤러는, 각 배터리 셀의 상기 복수의 OCV 편차 값들를 기초로 현재 시점의 OCV 편차 값과 이전 시점의 OCV 편차 값의 차이를 나타내는 복수의 OCV 편차 변화량들을 계산하고, 각 배터리 셀의 상기 복수의 OCV 편차 변화량들를 기초로 각 배터리 셀의 상태를 진단하도록 구성된다.
일부 실시예에 따르면, 상기 컨트롤러는, 상기 복수의 배터리 셀들 중 제1 배터리 셀의 상기 복수의 OCV 편차 변화량들이 정상 범위의 상한값보다 크거나, 상기 정상 범위의 하한값보다 작은 경우, 상기 제1 배터리 셀에 이상이 발생한 것으로 진단하도록 구성된다.
일부 실시예에 따르면, 상기 컨트롤러는, OCV-SOC 매핑 테이블를 기초로 상기 제1 OCV 데이터를 상기 제1 SOC 데이터로 변환하고, 상기 OCV-SOC 매핑 테이블를 기초로 상기 제2 SOC 데이터를 상기 제2 OCV 데이터로 변환하도록 구성된다.
본 문서에 개시된 일부 실시예에 따르면, 배터리 진단 방법은, 진단 대상 배터리로부터 개방 회로 전압(OCV)을 측정하여 제1 OCV 데이터를 생성하는 단계; 상기 제1 OCV 데이터를 기초로 상기 진단 대상 배터리의 충전 상태에 관한 제1 SOC 데이터를 획득하는 단계; 상기 제1 SOC 데이터를 기초로 상기 진단 대상 배터리의 충전 상태를 추정하는 제2 SOC 데이터를 도출하는 단계; 상기 제2 SOC 데이터를 기초로 상기 진단 대상 배터리의 제2 OCV 데이터를 획득하는 단계; 및 상기 제1 OCV 데이터 및 상기 제2 OCV 데이터를 기초로 상기 진단 대상 배터리의 상태를 진단하는 단계를 포함한다.
일부 실시예에 따르면, 상기 진단 대상 배터리는 복수의 배터리 셀들을 포함하고, 상기 제1 OCV 데이터는 상기 복수의 배터리 셀들의 각 배터리 셀에 대해 복수의 시점들에서 측정되는 복수의 OCV 값들을 포함한다.
일부 실시예에 따르면, 상기 제2 SOC 데이터를 도출하는 단계는, 각 배터리 셀에 대해 상기 복수의 OCV 값들로부터 변환되는 복수의 SOC 값들의 평균 SOC 값을 계산하는 단계; 상기 평균 SOC 값를 기초로 각 배터리 셀의 상대적 용량 값을 계산하는 단계; 및 상기 상대적 용량 값를 기초로 각 배터리 셀의 상기 복수의 시점들에서의 복수의 추정 SOC 값들을 계산하는 단계를 포함한다.
일부 실시예에 따르면, 상기 상대적 용량 값을 계산하는 단계는, 각 배터리 셀의 상기 평균 SOC 값을 나타내는 평균 SOC 행렬의 의사 역행렬을 계산하는 단계; 및 각 배터리 셀에 대한 상기 복수의 SOC 값들을 나타내는 SOC 행렬을 상기 의사 역행렬에 곱하여 상기 상대적 용량 값을 나타내는 상대적 용량 행렬을 계산하는 단계를 포함한다.
일부 실시예에 따르면, 상기 복수의 추정 SOC 값들을 계산하는 단계는, 상기 평균 SOC 행렬에 상기 상대적 용량 행렬을 곱하여 각 배터리 셀의 상기 복수의 추정 SOC 값들을 나타내는 추정 SOC 행렬을 계산하는 단계를 포함한다.
일부 실시예에 따르면, 상기 진단 대상 배터리의 상태를 진단하는 단계는, 상기 제1 OCV 데이터 및 상기 제2 OCV 데이터의 차이를 기초로 OCV 편차 데이터를 도출하는 단계; 및 상기 OCV 편차 데이터를 기초로 상기 진단 대상 배터리의 상태를 진단하는 단계를 포함한다.
일부 실시예에 따르면, 상기 OCV 편차 데이터는 각 배터리 셀의 상기 복수의 시점들에서의 복수의 OCV 편차 값들을 포함하고, 상기 진단 대상 배터리의 상태를 진단하는 단계는, 각 배터리 셀의 상기 복수의 OCV 편차 값들를 기초로 현재 시점의 OCV 편차 값과 이전 시점의 OCV 편차 값의 차이를 나타내는 복수의 OCV 편차 변화량들을 계산하는 단계; 및 각 배터리 셀의 상기 복수의 OCV 편차 변화량들를 기초로 각 배터리 셀의 상태를 진단하는 단계를 포함한다.
일부 실시예에 따르면, 상기 진단 대상 배터리의 상태를 진단하는 단계는, 상기 복수의 배터리 셀들 중 제1 배터리 셀의 상기 복수의 OCV 편차 변화량들이 정상 범위의 상한값보다 크거나, 상기 정상 범위의 하한값보다 작은 경우, 상기 제1 배터리 셀에 이상이 발생한 것으로 진단하는 단계를 포함한다.
일부 실시예에 따르면, 상기 제1 SOC 데이터를 획득하는 단계는, 상기 컨트롤러는, OCV-SOC 매핑 테이블를 기초로 상기 제1 OCV 데이터를 상기 제1 SOC 데이터로 변환하는 단계를 포함하고, 상기 제2 OCV 데이터를 획득하는 단계는, 상기 OCV-SOC 매핑 테이블를 기초로 상기 제2 SOC 데이터를 상기 제2 OCV 데이터로 변환하는 단계를 포함한다.
본 문서에 개시된 실시예들에 따르면, 배터리 전압의 변동이 적은 경우에도 전압 거동의 이상을 진단할 수 있는 배터리 진단 장치 및 배터리 진단 방법이 제공될 수 있다.
본 문서에 개시된 실시예들에 따른 기술적 효과들은 이상에서 언급한 효과들로 제한되지 않으며, 언급되지 않은 또다른 효과들은 본 문서의 개시에 따라 당업자에게 명확하게 이해될 수 있을 것이다.
도 1은 일부 실시예에 따른 배터리 진단 시스템을 구성하는 요소들을 예시할 수 있다.
도 2는 일부 실시예에 따른 배터리 진단 장치를 구성하는 요소들을 예시할 수 있다.
도 3은 일부 실시예에 따른 배터리 진단 장치가 동작하는 과정을 예시할 수 있다.
도 4는 일부 실시예에 따른 진단 대상 배터리로부터 개방 회로 전압(OCV)을 측정하는 과정을 예시할 수 있다.
도 5는 일부 실시예에 따른 실측 OCV 데이터를 생성하는 과정을 예시할 수 있다.
도 6은 일부 실시예에 따른 실측 OCV 데이터를 추정 SOC 데이터로 변환하는 과정을 예시할 수 있다.
도 7은 일부 실시예에 따른 평균 SOC 값를 기초로 각 배터리 셀의 상대적 용량 값을 계산하는 과정을 예시할 수 있다.
도 8은 일부 실시예에 따른 상대적 용량 값를 기초로 복수의 추정 OCV 값들을 계산하는 과정을 예시할 수 있다.
도 9는 일부 실시예에 따른 추정 SOC 데이터 및 추정 OCV 데이터를 생성하는 과정을 예시할 수 있다.
도 10은 일부 실시예에 따른 추정 SOC 데이터를 추정 OCV 데이터로 변환하는 과정을 예시할 수 있다.
도 11은 일부 실시예에 따른 실측 OCV 데이터 및 추정 OCV 데이터의 차이를 기초로 OCV 편차 데이터를 도출하는 과정을 예시할 수 있다.
도 12는 일부 실시예에 따른 OCV 편차 데이터를 기초로 복수의 OCV 편차 변화량들을 계산하는 과정을 예시할 수 있다.
도 13은 일부 실시예에 따른 복수의 OCV 편차 변화량들를 기초로 각 배터리 셀의 상태를 진단하는 과정을 예시할 수 있다.
도 14는 일부 실시예에 따른 배터리 진단 방법을 구성하는 단계들을 예시할 수 있다.
이하, 본 문서에 기재된 실시예들이 첨부된 도면을 참조하여 기재된다. 그러나, 이는 본 문서의 개시를 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 문서에 기재된 실시예들의 다양한 변경(modification), 균등물(equivalent), 및/또는 대체물(alternative)을 포함하는 것으로 이해되어야 한다.
본 문서의 실시예들 및 이에 사용된 용어들은 본 문서에 기재된 기술적 특징들을 특정한 실시예로 한정하려는 것이 아니며, 해당 실시예의 다양한 변경, 균등물, 또는 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 또는 관련된 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다. 아이템에 대응하는 명사의 단수 형은 관련된 문맥상 명백하게 다르게 지시하지 않는 한, 상기 아이템 한 개 또는 복수 개를 포함할 수 있다.
본 문서에서, "A 또는 B", "A 및 B 중 적어도 하나", "A 또는 B 중 적어도 하나", "A, B 또는 C", "A, B 및 C 중 적어도 하나", 및 "A, B, 또는 C 중 적어도 하나"와 같은 문구들 각각은 그 문구들 중 해당하는 문구에 함께 나열된 항목들 중 어느 하나, 또는 그들의 모든 가능한 조합을 포함할 수 있다. "제1", "제2", "첫째", "둘째", "A", "B", "(a)" 또는 "(b)"와 같은 용어들은 단순히 해당 구성요소를 다른 해당 구성요소와 구분하기 위해 사용될 수 있으며, 특별히 반대되는 기재가 없는 한, 해당 구성요소들을 다른 측면(예: 중요성 또는 순서)에서 한정하지 않는다.
본 문서에서, 어떤(예: 제1) 구성요소가 다른(예: 제2) 구성요소에, "기능적으로" 또는 "통신적으로"라는 용어와 함께 또는 이런 용어 없이, "연결", "결합" 또는 "접속"된다고 언급되거나 "커플드" 또는 "커넥티드"라고 언급된 경우, 그것은 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로(예: 유선으로, 또는 무선으로), 또는 간접적으로(예: 제3 구성요소를 통하여) 연결될 수 있다는 것을 의미한다.
본 문서에 개시된 다양한 실시예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예: compact disc read only memory, CD-ROM)의 형태로 배포되거나, 또는 어플리케이션 스토어를 통해 또는 두 개의 사용자 장치들 간에 직접, 온라인으로 배포(예: 다운로드 또는 업로드)될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 기기로 읽을 수 있는 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.
본 문서에 개시된 실시예들에 따르면, 상기 기술한 구성요소들의 각각의 구성요소(예: 모듈 또는 프로그램)는 단수 또는 복수의 개체를 포함할 수 있으며, 복수의 개체 중 일부는 다른 구성요소에 분리 배치될 수도 있다. 본 문서에 개시된 실시예들에 따르면, 전술한 해당 구성요소들 중 하나 이상의 구성요소들 또는 동작들이 생략되거나, 또는 하나 이상의 다른 구성요소들 또는 동작들이 추가될 수 있다. 대체적으로 또는 추가적으로, 복수의 구성요소들(예: 모듈 또는 프로그램)은 하나의 구성요소로 통합될 수 있다. 이런 경우, 통합된 구성요소는 상기 복수의 구성요소들 각각의 구성요소의 하나 이상의 기능들을 상기 통합 이전에 상기 복수의 구성요소들 중 해당 구성요소에 의해 수행되는 것과 동일 또는 유사하게 수행할 수 있다. 본 문서에 개시된 실시예들에 따르면, 모듈, 프로그램 또는 다른 구성요소에 의해 수행되는 동작들은 순차적으로, 병렬적으로, 반복적으로, 또는 휴리스틱하게 실행되거나, 상기 동작들 중 하나 이상이 다른 순서로 실행되거나, 생략되거나, 또는 하나 이상의 다른 동작들이 추가될 수 있다.
도 1은 일부 실시예에 따른 배터리 진단 시스템을 구성하는 요소들을 예시할 수 있다.
도 1을 참조하면, 배터리 진단 시스템(100)은 충방전기(110), 진단 대상 배터리(120), 배터리 진단 장치(130) 및 관리 서버(140)를 포함할 수 있다. 다만 이에 제한되는 것은 아니고, 일부 구성이 배터리 진단 시스템(100)에서 생략되거나, 다른 범용적인 구성이 배터리 진단 시스템(100)에 더 포함될 수 있다.
배터리 진단 시스템(100)은 진단 대상 배터리(120)의 상태를 진단하기 위한 시스템을 의미할 수 있다. 실시예에 따르면, 충방전기(110)에 의해 진단 대상 배터리(120)에 테스트 전압이 인가될 수 있고, 테스트 전압에 응답하여 진단 대상 배터리(120)가 출력하는 응답 데이터가 배터리 진단 장치(130)에 의해 측정될 수 있다.
충방전기(110)는 진단 대상 배터리(120)를 충전시키거나 또는 방전시키도록 구성될 수 있다. 실시예에 따르면, 충방전기(110)는 테스트 전압을 진단 대상 배터리(120)에 인가할 수 있고, 테스트 전압은 복수의 충방전 사이클 전압들을 포함할 수 있다. 이를 위해, 충방전기(110)는 진단 대상 배터리(120)에 다양한 형태의 전압이나 전류를 인가하기 위한 파워 서플라이 장치를 포함할 수 있다. 실시예에 따르면, 충방전기(110)는 배터리 진단 장치(130)와 별도로 구비되는 대신, 배터리 진단 장치(130)에 포함될 수 있다.
진단 대상 배터리(120)는 배터리 진단 시스템(100)의 진단 대상이 될 수 있다. 진단 대상 배터리(120)는 복수의 배터리 셀들을 포함할 수 있다. 예를 들면, 진단 대상 배터리(120)는 복수의 배터리 모듈들을 포함할 수 있고, 복수의 배터리 모듈들의 각 모듈은 복수의 배터리 셀들을 포함할 수 있다. 실시예에 따르면, 진단 대상 배터리(120)는 m개의 배터리 셀들을 포함할 수 있고, m개의 배터리 셀들 각각에 대해 n회의 전압 측정이 수행될 수 있고, m*n개의 전압 측정값들이 생성될 수 있다.
배터리 진단 장치(130)는 진단 대상 배터리(120)의 이상 여부를 판정하기 위한 동작들을 수행할 수 있다. 배터리 진단 장치(130)는 전압 측정 및 데이터 처리를 수행하여 진단 대상 배터리(120)의 어떤 셀에 전압 거동의 이상이 발생하는지를 진단할 수 있다.
관리 서버(140)는 진단 대상 배터리(120)의 상태를 관리하도록 구성될 수 있다. 관리 서버(140)는 유/무선 데이터 통신을 통해 배터리 진단 장치(130)와 연결될 수 있으며, 진단 대상 배터리(120)의 상태, 이상 여부, 진단 결과 등의 데이터를 배터리 진단 장치(130)로부터 제공받아 이를 기록할 수 있다. 관리 서버(140)는 시스템 관리자 또는 배터리 사용자의 요청에 따라 배터리 진단 장치(130)를 제어하거나 진단 대상 배터리(120)의 상태를 확인할 수 있다.
실시예에 따르면, 관리 서버(140)는 진단 대상 배터리(120)의 이상 여부를 판정하기 위한 동작들의 적어도 일부를 배터리 진단 장치(130) 대신 수행할 수 있다. 관리 서버(140)는 진단 대상 배터리(120)의 진단을 위해 필요한 데이터를 배터리 진단 장치(130)로부터 수신할 수 있고, 진단 절차들을 수행하여 그 결과를 배터리 진단 장치(130)에 송신할 수 있다. 실시예에 따르면, 관리 서버(140)는 진단 대상 배터리(120)의 진단을 위해 필요한 에너지 관리 소프트웨어를 배터리 진단 장치(130)에 설치할 수 있으며, 에너지 관리 소프트웨어의 업데이트 정보를 배터리 진단 장치(130)에 제공할 수 있다.
도 2는 일부 실시예에 따른 배터리 진단 장치를 구성하는 요소들을 예시할 수 있다.
도 2를 참조하면, 배터리 진단 장치(130)는 센서(131) 및 컨트롤러(132)를 포함할 수 있다. 다만 이에 제한되는 것은 아니고, 배터리 진단 장치(130)에서 일부 구성이 생략되거나, 다른 범용적인 구성이 배터리 진단 장치(130)에 더 포함될 수 있다.
실시예에 따르면, 배터리 진단 장치(130)에서 센서(131) 및 컨트롤러(132)는 버스, GPIO(general purpose input and output), SPI(serial peripheral interface), MIPI(mobile industry processor interface) 등과 같은 장치간 통신 방식을 통해 서로 전기적으로 연결될 수 있다.
배터리 진단 장치(130)의 센서(131)는, 진단 대상 배터리(120)로부터 전압을 측정하도록 구성될 수 있다. 충방전기(110)에 의해 진단 대상 배터리(120)에 테스트 사이클 전압이 인가되면, 그에 응답하여 진단 대상 배터리(120)에 출력 전압이 발생할 수 있으며, 이는 센서(131)에 의해 측정될 수 있다. 이를 위해, 센서(131)는 전압계, 전류계, 온도계 등과 같은 측정 수단을 포함할 수 있다.
컨트롤러(132)는 배터리 진단 장치(130)의 동작들을 구현하는 명령어들을 실행하기 위한 구조를 가질 수 있다. 컨트롤러(132)는 각종 연산들을 처리하기 위한 다수의 논리 게이트들의 어레이 또는 범용적인 마이크로 프로세서로 구현될 수 있고, 단일의 프로세서 또는 복수의 프로세서들로 구성될 수 있다. 예를 들면, 컨트롤러(132)는 마이크로프로세서, CPU, GPU 및 AP 중 적어도 하나의 형태로 구현될 수 있다.
컨트롤러(132)는 명령어들을 저장하도록 구성되는 메모리(미도시)와 별도로 또는 일체로 구성될 수 있으며, 메모리에 저장되는 명령어들을 실행하여 각종 연산들을 처리할 수 있다. 메모리는 각종 데이터, 명령어, 모바일 애플리케이션, 컴퓨터 프로그램 등을 저장할 수 있다. 예를 들면, 메모리는 ROM, PROM, EPROM, EEPROM, 플래시 메모리, PRAM, MRAM, FRAM 등과 같은 비휘발성 메모리, 또는 DRAM, SRAM, SDRAM, RRAM, 등의 휘발성 메모리로 구현될 수 있고, HDD, SSD, SD, Micro-SD 등의 형태, 또는 이들에 관한 조합의 형태로 구현될 수 있다.
배터리 진단 장치(130)의 센서(131)는, 진단 대상 배터리(120)로부터 개방 회로 전압(OCV)을 측정하여 제1 OCV 데이터(OCVs)를 생성하도록 구성될 수 있다. 제1 OCV 데이터(OCVs)는 실제로 측정된 OCV 값들을 의미할 수 있다. 진단 대상 배터리(120)에 충방전 사이클 전압이 인가되면, 센서(131)는 진단 대상 배터리(120)로부터 전압을 측정할 수 있고, 이를 기반으로 진단 대상 배터리(120)의 개방 회로 전압(OCV)이 도출될 수 있다. 실시예에 따르면, 진단 대상 배터리(120)의 m개의 배터리 셀들 각각에 대해 n회 OCV 값이 측정될 수 있고, 제1 OCV 데이터는 m*n개의 OCV 값들을 포함할 수 있다.
배터리 진단 장치(130)의 컨트롤러(132)는, 제1 OCV 데이터(OCVs)를 기초로 진단 대상 배터리(120)의 충전 상태(SOC)에 관한 제1 충전 상태 데이터(SOCs)를 획득하도록 구성될 수 있다. 예를 들면, 제1 OCV 데이터(OCVs)의 m*n개의 OCV 값들은 m*n개의 SOC 값들로 변환될 수 있고, 제1 SOC 데이터(SOCs)는 m*n개의 SOC 값들을 포함할 수 있다. 실시예에 따르면, 제1 OCV 데이터(OCVs)의 제1 SOC 데이터(SOCs)로의 변환은 OCV-SOC 매핑 테이블를 기초로 수행될 수 있다.
배터리 진단 장치(130)의 컨트롤러(132)는, 제1 SOC 데이터(SOCs)를 기초로 진단 대상 배터리(120)의 충전 상태를 추정하는 제2 SOC 데이터(SOCests)를 도출하도록 구성될 수 있다. 제1 SOC 데이터(SOCs)는 제1 OCV 데이터(OCVs)로부터 변환되는 값을 의미할 수 있고, 제2 SOC 데이터(SOCests)는 추정 과정을 통해 진단 대상 배터리(120)의 SOC를 추정한 값을 의미할 수 있다. 실시예에 따르면, 제2 SOC 데이터(SOCests)는 각 배터리 셀의 평균 SOC 값 및 상대적 용량 값를 기초로 추정될 수 있다.
배터리 진단 장치(130)의 컨트롤러(132)는, 제2 SOC 데이터(SOCests)를 기초로 진단 대상 배터리(120)의 제2 OCV 데이터(OCVests)를 획득하도록 구성될 수 있다. 예를 들면, 제2 SOC 데이터(SOCests)는 m*n개의 추정 SOC 값들을 포함할 수 있고, m*n개의 추정 SOC 값들은 m*n개의 추정 OCV 값들로 변환될 수 있다. 제2 OCV 데이터(OCVests)는 m*n개의 추정 OCV 값들을 포함할 수 있다. 실시예에 따르면, 제2 SOC 데이터(SOCests)의 제2 OCV 데이터(OCVests)로의 변환은 OCV-SOC 매핑 테이블를 기초로 수행될 수 있고, 이는 제1 OCV 데이터(OCVs)을 제1 SOC 데이터(SOCs)로 변환하는 테이블과 동일할 수 있다.
배터리 진단 장치(130)의 컨트롤러(132)는, 제1 OCV 데이터(OCVs) 및 제2 OCV 데이터(OCVests)를 기초로 진단 대상 배터리(120)의 상태를 진단하도록 구성될 수 있다. 실시예에 따르면, 배터리 진단 장치(130)의 컨트롤러(132)는, 제1 OCV 데이터(OCVs) 및 제2 OCV 데이터(OCVests)의 차이를 기초로 OCV 편차 데이터(OCVdevs)를 도출하도록 구성될 수 있다. 예를 들면, 제1 OCV 데이터(OCVs)는 m*n개의 실측 OCV 값들을 포함할 수 있고, 제2 OCV 데이터(OCVests)는 m*n개의 추정 OCV 값들을 포함할 수 있고, 대응하는 실측 OCV 값과 추정 OCV 값의 차이는 m*n개의 OCV 편차 값들을 만들 수 있다. OCV 편차 데이터(OCVdevs)는 m*n개의 OCV 편차 값들을 포함할 수 있다.
배터리 진단 장치(130)의 컨트롤러(132)는, OCV 편차 데이터(OCVdevs)를 기초로 진단 대상 배터리(120)의 상태를 진단하도록 구성될 수 있다. 실시예에 따르면, OCV 편차 데이터(OCVdevs), 또는 그 변화량을 정상 범위와 비교하는 방식으로 진단 대상 배터리(120)의 각 배터리 셀의 전압 거동에 이상이 발생했는지 여부가 진단될 수 있다. 이와 같은 방식으로, 셀 단선이나 단락 등으로 인한 급격한 전압 변동이 없는 경우에도 전압 거동 이상이 검출될 수 있다.
도 3은 일부 실시예에 따른 배터리 진단 장치가 동작하는 과정을 예시할 수 있다.
도 3을 참조하면, 배터리 진단 장치(130)의 동작 과정(300)은 제1 과정(310) 내지 제6 과정(360)을 포함할 수 있다. 제1 과정(310) 내지 제6 과정(360)은 후술할 도 14의 단계(1410) 내지 단계(1460)에 대응할 수 있다.
제1 과정(310)에서 진단 대상 배터리(120)의 OCV 전압이 측정될 수 있고, 제2 과정(320)에서 제1 OCV 데이터(OCVs)가 제1 SOC 데이터(SOCs)로 변환될 수 있고, 제3 과정(330)에서 평균 SOC 값 대비 상대적 용량 값에 기반하여 추정 SOC 데이터(SOCests)가 계산될 수 있다.
제4 과정(340)에서 제2 SOC 데이터(SOCests)가 제2 OCV 데이터(OCVests)로 변환될 수 있고, 제5 과정(350)에서 제1 OCV 데이터(OCVs)와 제2 OCV 데이터(OCVests)의 편차가 계산되어 OCV 편차 데이터(OCVdevs)가 도출될 수 있고, 제6 과정(360)에서 OCV 편차 데이터(OCVdevs)를 기초로 OCV 편차 변화량이 계산될 수 있고, 이를 임계값과 비교하는 방식으로 진단 대상 배터리(120)의 각 셀의 전압 거동 이상이 진단될 수 있다.
도 4는 일부 실시예에 따른 진단 대상 배터리로부터 개방 회로 전압(OCV)을 측정하는 과정을 예시할 수 있다.
도 4를 참조하면, 진단 대상 배터리(120)의 충방전 프로파일(410) 및 OCV 그래프(420)가 도시될 수 있다.
충방전 프로파일(410)은 진단 대상 배터리(120)의 어느 한 배터리 셀에 충방전 사이클 전압이 인가될 때 해당 배터리 셀로부터 측정되는 전압을 나타낼 수 있다. 실시예에 따르면, 충방전 프로파일(410)의 측정 사이클에서 첨점 값들(411)이 실측 OCV 값들(421)일 수 있다. 예를 들면, 하나의 배터리 셀에 대해 OCV 그래프(420)는 n개의 실측 OCV 값들(421)을 포함할 수 있다.
도 5는 일부 실시예에 따른 제1 OCV 데이터를 생성하는 과정을 예시할 수 있다.
도 5를 참조하면, OCV 그래프(420) 및 진단 대상 배터리(120)의 제1 OCV 데이터(OCVs, 510)가 도시될 수 있다.
OCV 그래프(420)는 i번째 배터리 셀에 대해 n개의 실측 OCV 값들(421)을 포함할 수 있으며, 진단 대상 배터리(120)의 m개의 배터리 셀들에 대해 제1 OCV 데이터(OCVs, 510)는 m*n개의 실측 OCV 값들을 포함할 수 있다. 실시예에 따르면, 제1 OCV 데이터(OCVs, 510)는 m*n의 크기를 갖는 행렬의 형태로 표현될 수 있다.
실시예에 따르면, 진단 대상 배터리(120)는 복수의 배터리 셀들을 포함하고, 제1 OCV 데이터(OCVs, 510)는 복수의 배터리 셀들의 각 배터리 셀에 대해 복수의 시점들에서 측정되는 복수의 OCV 값들을 포함할 수 있다.
도 6은 일부 실시예에 따른 제1 OCV 데이터를 제2 SOC 데이터로 변환하는 과정을 예시할 수 있다.
도 6을 참조하면, 제1 OCV 데이터(OCVs, 510), OCV-SOC 매핑 테이블(610) 및 제1 SOC 데이터(SOCs, 620)가 도시될 수 있다.
실시예에 따르면, 배터리 진단 장치(130)의 컨트롤러(132)는, OCV-SOC 매핑 테이블(610)를 기초로 제1 OCV 데이터(OCVs, 510)를 제1 SOC 데이터(SOCs, 620)로 변환하도록 구성될 수 있다. OCV-SOC 매핑 테이블(610)은 세로축의 OCV 값과 가로축의 SOC 값을 매칭시켜 그 대응 관계를 기록한 테이블을 의미할 수 있다.
도 7은 일부 실시예에 따른 평균 SOC 값를 기초로 각 배터리 셀의 상대적 용량 값을 계산하는 과정을 예시할 수 있고, 도 8은 일부 실시예에 따른 상대적 용량 값를 기초로 복수의 추정 OCV 값들을 계산하는 과정을 예시할 수 있다.
도 7 및 도 8을 참조하면, 제1 SOC 데이터(SOCs, 620), 복수의 시점들(1, ..., n)의 각각에 대한 평균 SOC 값(SOCavg, 710), 상대적 용량 값(A, 720, 730), i번째 배터리 셀에 대한 복수의 추정 OCV 값들(SOCesti, 810), 및 진단 대상 배터리(120)의 제2 SOC 데이터(SOCests, 820)이 도시될 수 있다.
복수의 시점들(1, ..., n)의 각각에 대해, 제1 SOC 데이터(SOCs, 620)의 평균이 계산될 수 있고, 그 결과 평균 SOC 값(SOCavg, 710)이 계산될 수 있다. 평균 SOC 값(SOCavg, 710) 및 제1 SOC 데이터(SOCs, 620)를 기초로 상대적 용량 값(A, 720)이 계산될 수 있다.
첫번째 배터리 셀부터 m번째 배터리 셀까지, 상대적 용량 값(Ai, 730)을 계산하는 방식으로, 상대적 용량 값(A, 720)이 계산될 수 있다. 그 과정에서, 평균 SOC 값(SOCavg, 710)의 의사 역행렬(PINV) 연산이 수행될 수 있다. 의사 역행렬(pseudoinverse matrix)는 무어-펜로즈(Moore-Penrose) 역행렬을 의미할 수 있다. i번째 배터리 셀의 상대적 용량 값(Ai, 730)은 기울기 성분(Aslopei) 및 오프셋 성분(Aoffseti)을 포함할 수 있다.
i번째 배터리 셀의 상대적 용량 값(Ai, 730) 및 평균 SOC 값(SOCavg, 710)를 기초로, i번째 배터리 셀의 복수의 추정 OCV 값들(SOCesti, 810)이 계산될 수 있다. i번째 배터리 셀의 복수의 추정 OCV 값들(SOCesti, 810)은 기울기 성분(Aslopei), 오프셋 성분(Aoffseti), 및 평균 SOC 값(SOCavg, 710)를 기초로 계산될 수 있다.
i번째 배터리 셀의 복수의 추정 OCV 값들(SOCesti, 810)을 첫번째 배터리 셀부터 m번째 배터리 셀까지 계산함으로써, 진단 대상 배터리(120)의 제2 SOC 데이터(SOCests, 820)가 계산될 수 있다.
실시예에 따르면, 배터리 진단 장치(130)의 컨트롤러(132)는, 각 배터리 셀에 대해 복수의 OCV 값들로부터 변환되는 복수의 SOC 값들의 평균 SOC 값(SOCavg, 710)을 계산하고, 평균 SOC 값(SOCavg, 710)를 기초로 각 배터리 셀의 상대적 용량 값(Ai)을 계산하고, 상대적 용량 값(Ai)를 기초로 각 배터리 셀의 복수의 시점들에서의 복수의 추정 SOC 값들(SOCesti)을 계산하도록 구성될 수 있다.
실시예에 따르면, 배터리 진단 장치(130)의 컨트롤러(132)는, 각 배터리 셀의 평균 SOC 값(SOCavg, 710)을 나타내는 평균 SOC 행렬
Figure PCTKR2023013537-appb-img-000001
의 의사 역행렬(PINV(SOCavg) =
Figure PCTKR2023013537-appb-img-000002
)을 계산하고, 각 배터리 셀에 대한 복수의 SOC 값들(SOCs)을 나타내는 SOC 행렬
Figure PCTKR2023013537-appb-img-000003
을 의사 역행렬(PINV(SOCavg))에 곱하여 상대적 용량 값(Ai)을 나타내는 상대적 용량 행렬(A)을 계산하도록 구성될 수 있다.
실시예에 따르면, 배터리 진단 장치(130)의 컨트롤러(132)는, 배터리 셀들의 평균 SOC 값들을 나타내는 평균 SOC 행렬
Figure PCTKR2023013537-appb-img-000004
에 상대적 용량 행렬(A)을 곱하여 각 배터리 셀의 복수의 추정 SOC 값들(SOCesti, 810)을 나타내는 추정 SOC 행렬(SOCests)을 계산하도록 구성될 수 있다.
도 9는 일부 실시예에 따른 제2 SOC 데이터 및 제2 OCV 데이터를 생성하는 과정을 예시할 수 있다.
도 9를 참조하면, 5개의 시점들에서(n = 5) 4개의 배터리 셀들에 대해 측정된 제1 OCV 데이터(OCVs, 910)가 제2 OSC 데이터 및 제2 OCV 데이터로 변환되는 과정이 도시될 수 있다.
제1 OCV 데이터(OCVs, 910)는 OCV-SOC 매핑 테이블(610)를 기초로 제1 SOC 데이터(SOCs, 920)로 변환될 수 있다. 제1 SOC 데이터(SOCs, 920)를 기초로 평균 SOC 값(SOCavg, 930)이 계산될 수 있다.
평균 SOC 값(SOCavg, 930)을 기반으로, 4개의 배터리 셀들 중 첫번째 배터리 셀에 대해(i = 1), 평균 SOC 행렬
Figure PCTKR2023013537-appb-img-000005
의 의사 역행렬
Figure PCTKR2023013537-appb-img-000006
에 평균 SOC 값(SOCavg, 930)을 곱하는 방식으로, 첫번째 배터리 셀에 대한 상대적 용량 값(A1, 940)이 계산될 수 있다. 이후, 평균 SOC 행렬
Figure PCTKR2023013537-appb-img-000007
의 의사 역행렬
Figure PCTKR2023013537-appb-img-000008
에 상대적 용량 값(A1, 940)을 곱하는 방식으로, 첫번째 배터리 셀에 대한 추정 SOC 값들(SOCest1, 950)이 계산될 수 있고, 그에 대해 OCV-SOC 매핑 테이블(610)을 적용하여 첫번째 배터리 셀에 대한 추정 OCV 값들(OCVest1, 960)이 계산될 수 있다.
도 10은 일부 실시예에 따른 제2 SOC 데이터를 제2 OCV 데이터로 변환하는 과정을 예시할 수 있다.
도 10을 참조하면, OCV-SOC 매핑 테이블(610)를 기초로 진단 대상 배터리(120)의 제2 SOC 데이터(SOCests, 820)이 제2 OCV 데이터(OCVests, 1010)로 변환되는 과정이 도시될 수 있다.
실시예에 따르면, 배터리 진단 장치(130)의 컨트롤러(132)는, OCV-SOC 매핑 테이블(610)를 기초로 제2 SOC 데이터(SOCests, 820)를 제2 OCV 데이터(OCVests, 1010)로 변환하도록 구성될 수 있다. 여기서, OCV-SOC 매핑 테이블(610)은 제1 OCV 데이터(OCVs, 510)를 제1 SOC 데이터(SOCs, 620)로 변환할 때 사용되는 테이블과 동일할 수 있다.
도 11은 일부 실시예에 따른 제1 OCV 데이터 및 제2 OCV 데이터의 차이를 기초로 OCV 편차 데이터를 도출하는 과정을 예시할 수 있고, 도 12는 일부 실시예에 따른 OCV 편차 데이터를 기초로 복수의 OCV 편차 변화량들을 계산하는 과정을 예시할 수 있다.
도 11을 참조하면, 제1 OCV 데이터(OCVs, 510) 및 제2 OCV 데이터(OCVests, 1010)의 차이를 기초로 OCV 편차 데이터(OCVdevs, 1110)를 도출하는 과정이 도시될 수 있고, 도 12를 참조하면, OCV 편차 데이터(OCVdevs, 1110)의 현재 시점 값과 이전 시점 값의 차이를 기초로 복수의 OCV 편차 변화량들(1210, 1220)을 계산하는 과정이 도시될 수 있다.
실시예에 따르면, OCV 편차 데이터(OCVdevs, 1110)는 각 배터리 셀의 복수의 시점들(1, ..., n)에서의 복수의 OCV 편차 값들(OCVdevi1, OCVdevi2, ..., OCVdevin)을 포함할 수 있다. 실시예에 따르면, 배터리 진단 장치(130)의 컨트롤러(132)는, 각 배터리 셀의 복수의 OCV 편차 값들(OCVdevi1, OCVdevi2, ..., OCVdevin)를 기초로 현재 시점의 OCV 편차 값과 이전 시점의 OCV 편차 값의 차이(1220)를 나타내는 복수의 OCV 편차 변화량들(OCVdiffi, 1210)을 계산하고, 각 배터리 셀의 복수의 OCV 편차 변화량들(OCVdiffi, 1210)를 기초로 각 배터리 셀의 상태를 진단하도록 구성될 수 있다.
도 13은 일부 실시예에 따른 복수의 OCV 편차 변화량들를 기초로 각 배터리 셀의 상태를 진단하는 과정을 예시할 수 있다.
도 13을 참조하면, 진단 대상 배터리(120)의 진단 과정에서, 제1 OCV 데이터(OCVs, 420)가 입력되면, 각 배터리 셀의 복수의 OCV 편차 변화량들(OCVdiffi, 1210)을 포함하는 OCV 편차 변화량(OCVdiffs, 1300)가 도출될 수 있고, OCV 편차 변화량(OCVdiffs, 1300)를 기초로 진단 대상 배터리(120)의 각 배터리 셀의 전압 거동 이상이 검출될 수 있다.
OCV 편차 변화량(OCVdiffs, 1300)에서, 정상 범위의 상한값(1310) 및 하한값(1320)이 설정될 수 있다. 실시예에 따르면, 특정 시점에서 특정 배터리 셀의 OCV 편차 변화량이 상한값(1310)을 초과하거나 하한값(1320)에 미달하면, 초과/미달 시점에서 해당 배터리 셀에 전압 거동의 이상이 발생한 것으로 진단될 수 있다. 예를 들면, 미달 시점(1330, 1340) 및 초과 시점(1350)에서 OCV 편차 변화량이 정상 범위를 벗어나는 것으로 검출되면, OCV 편차 변화량(OCVdiffs, 1300)을 갖는 배터리 셀이 이상 셀로 진단될 수 있다.
실시예에 따르면, 정상 범위의 상한값(1310) 및 하한값(1320)은 배터리 성능 요구치에 따라 변경될 수 있다. 높은 성능 요구치가 필요한 경우 정상 범위가 좁아질 수 있고, 반대의 경우 정상 범위가 넓어질 수 있다. 실시예에 따르면, 정상 범위를 벗어나는 횟수 및/또는 빈도를 기초로 배터리 셀의 이상 여부가 진단될 수 있다. 예를 들면, 정상 범위를 벗어나는 횟수 및/또는 빈도가 임계치와 비교될 수 있다.
도 14는 일부 실시예에 따른 배터리 진단 방법을 구성하는 단계들을 예시할 수 있다.
도 14를 참조하면, 배터리 진단 방법(1400)은 단계(1410) 내지 단계(1460)를 포함할 수 있다. 다만 이에 제한되는 것은 아니고, 일부 단계가 생략되거나 다른 범용적인 단계가 추가될 수 있으며, 배터리 진단 방법(1400)의 단계들은 도시된 순서와 상이한 순서로 실행될 수 있다.
배터리 진단 방법(1400)은 배터리 진단 장치(130)에서 시계열적으로 처리되는 단계들로 구성될 수 있다. 따라서, 이하에서 생략되는 내용이라 할지라도, 이상에서 배터리 진단 장치(130)에 대해 설명되는 내용은 배터리 진단 방법(1400)에 대해서도 동일하게 적용될 수 있다.
배터리 진단 방법(1400)의 단계(1410) 내지 단계(1460)는 배터리 진단 장치(130)의 센서(131) 및 컨트롤러(132)에 의해 수행될 수 있다.
단계(1410)에서, 배터리 진단 장치(130)는, 진단 대상 배터리로부터 개방 회로 전압(OCV)을 측정하여 제1 OCV 데이터를 생성할 수 있다.
단계(1420)에서, 배터리 진단 장치(130)는, 제1 OCV 데이터를 기초로 진단 대상 배터리의 충전 상태에 관한 제1 SOC 데이터를 획득할 수 있다.
단계(1430)에서, 배터리 진단 장치(130)는, 제1 SOC 데이터를 기초로 진단 대상 배터리의 충전 상태를 추정하는 제2 SOC 데이터를 도출할 수 있다.
단계(1440)에서, 배터리 진단 장치(130)는, 제2 SOC 데이터를 기초로 진단 대상 배터리의 제2 OCV 데이터를 획득할 수 있다.
단계(1450)에서, 배터리 진단 장치(130)는, 제1 OCV 데이터 및 제2 OCV 데이터를 기초로 진단 대상 배터리의 상태를 진단할 수 있다.
한편, 배터리 진단 방법(1400)은 컴퓨터로 판독 가능한 저장 매체에 저장되는 컴퓨터 프로그램의 형태로 구현될 수 있다. 즉, 컴퓨터 프로그램은 배터리 진단 방법(1400)을 구현하기 위한 명령어들을 포함할 수 있고, 프로그램의 명령어들은 컴퓨터로 판독 가능한 저장 매체에 저장될 수 있다. 컴퓨터 프로그램은 모바일 애플리케이션을 포함할 수 있다.
예를 들면, 컴퓨터 판독 가능 저장 매체는 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 컴퓨터 프로그램 명령어들을 저장하고 실행하도록 특별히 구성된 하드웨어 장치를 포함할 수 있다. 컴퓨터 프로그램 명령어는 컴파일러에 의해 만들어지는 기계어 코드 및 인터프리터 등을 사용하여 컴퓨터에 의해 실행될 수 있는 고급 언어 코드를 포함할 수 있다.
이상에서 기재된 "포함하다", "구성하다", 또는 "가지다" 등의 용어는, 특별히 반대되는 기재가 없는 한, 해당 구성 요소를 내재할 수 있음을 의미하는 것이므로, 다른 구성 요소를 제외하는 것이 아니라 다른 구성 요소를 더 포함할 수 있는 것으로 해석되어야 한다. 기술적이거나 과학적인 용어를 포함한 모든 용어들은, 다르게 정의되지 않는 한, 본 문서에 개시된 실시예들이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미가 있다. 사전에 정의된 용어와 같이 일반적으로 사용되는 용어들은 관련 기술의 문맥상의 의미와 일치하는 것으로 해석되어야 하며, 본 문서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이상의 설명은 본 문서에 개시된 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 문서에 개시된 실시예들이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 문서에 개시된 실시예들의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 문서에 개시된 실시예들은 본 문서에 개시된 실시예들의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 문서에 개시된 기술 사상의 범위가 한정되는 것은 아니다. 본 문서에 개시된 기술 사상의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 문서의 권리 범위에 포함되는 것으로 해석되어야 할 것이다.
[부호의 설명]
100: 배터리 진단 시스템 110: 충방전기
120: 진단 대상 배터리 130: 배터리 진단 장치
131: 센서 132: 컨트롤러
140: 관리 서버

Claims (18)

  1. 진단 대상 배터리로부터 개방 회로 전압(OCV)을 측정하여 제1 OCV 데이터를 생성하도록 구성되는 센서; 및
    상기 제1 OCV 데이터를 기초로 상기 진단 대상 배터리의 충전 상태에 관한 제1 SOC 데이터를 획득하고,
    상기 제1 SOC 데이터를 기초로 상기 진단 대상 배터리의 충전 상태를 추정하는 제2 SOC 데이터를 도출하고,
    상기 제2 SOC 데이터를 기초로 상기 진단 대상 배터리의 제2 OCV 데이터를 획득하고,
    상기 제1 OCV 데이터 및 상기 제2 OCV 데이터를 기초로 상기 진단 대상 배터리의 상태를 진단하도록 구성되는 컨트롤러를 포함하는, 배터리 진단 장치.
  2. 제1항에 있어서,
    상기 진단 대상 배터리는 복수의 배터리 셀들을 포함하고,
    상기 제1 OCV 데이터는 상기 복수의 배터리 셀들의 각 배터리 셀에 대해 복수의 시점들에서 측정되는 복수의 OCV 값들을 포함하는, 배터리 진단 장치.
  3. 제2항에 있어서,
    상기 컨트롤러는, 각 배터리 셀에 대해 상기 복수의 OCV 값들로부터 변환되는 복수의 SOC 값들의 평균 SOC 값을 계산하고,
    상기 평균 SOC 값를 기초로 각 배터리 셀의 상대적 용량 값을 계산하고,
    상기 상대적 용량 값를 기초로 각 배터리 셀의 상기 복수의 시점들에서의 복수의 추정 SOC 값들을 계산하도록 구성되는, 배터리 진단 장치.
  4. 제3항에 있어서,
    상기 컨트롤러는, 각 배터리 셀의 상기 평균 SOC 값을 나타내는 평균 SOC 행렬의 의사 역행렬(pseudoinverse matrix)을 계산하고,
    각 배터리 셀에 대한 상기 복수의 SOC 값들을 나타내는 SOC 행렬을 상기 의사 역행렬에 곱하여 상기 상대적 용량 값을 나타내는 상대적 용량 행렬을 계산하도록 구성되는, 배터리 진단 장치.
  5. 제4항에 있어서,
    상기 컨트롤러는, 상기 평균 SOC 행렬에 상기 상대적 용량 행렬을 곱하여 각 배터리 셀의 상기 복수의 추정 SOC 값들을 나타내는 추정 SOC 행렬을 계산하도록 구성되는, 배터리 진단 장치.
  6. 제1항에 있어서,
    상기 컨트롤러는, 상기 제1 OCV 데이터 및 상기 제2 OCV 데이터의 차이를 기초로 OCV 편차 데이터를 도출하고,
    상기 OCV 편차 데이터를 기초로 상기 진단 대상 배터리의 상태를 진단하도록 구성되는, 배터리 진단 장치.
  7. 제6항에 있어서,
    상기 OCV 편차 데이터는 각 배터리 셀의 상기 복수의 시점들에서의 복수의 OCV 편차 값들을 포함하고,
    상기 컨트롤러는, 각 배터리 셀의 상기 복수의 OCV 편차 값들를 기초로 현재 시점의 OCV 편차 값과 이전 시점의 OCV 편차 값의 차이를 나타내는 복수의 OCV 편차 변화량들을 계산하고,
    각 배터리 셀의 상기 복수의 OCV 편차 변화량들를 기초로 각 배터리 셀의 상태를 진단하도록 구성되는, 배터리 진단 장치.
  8. 제7항에 있어서,
    상기 컨트롤러는, 상기 복수의 배터리 셀들 중 제1 배터리 셀의 상기 복수의 OCV 편차 변화량들이 정상 범위의 상한값보다 크거나, 상기 정상 범위의 하한값보다 작은 경우, 상기 제1 배터리 셀에 이상이 발생한 것으로 진단하도록 구성되는, 배터리 진단 장치.
  9. 제1항에 있어서,
    상기 컨트롤러는, OCV-SOC 매핑 테이블를 기초로 상기 제1 OCV 데이터를 상기 제1 SOC 데이터로 변환하고,
    상기 OCV-SOC 매핑 테이블를 기초로 상기 제2 SOC 데이터를 상기 제2 OCV 데이터로 변환하도록 구성되는, 배터리 진단 장치.
  10. 진단 대상 배터리로부터 개방 회로 전압(OCV)을 측정하여 제1 OCV 데이터를 생성하는 단계;
    상기 제1 OCV 데이터를 기초로 상기 진단 대상 배터리의 충전 상태에 관한 제1 SOC 데이터를 획득하는 단계;
    상기 제1 SOC 데이터를 기초로 상기 진단 대상 배터리의 충전 상태를 추정하는 제2 SOC 데이터를 도출하는 단계;
    상기 제2 SOC 데이터를 기초로 상기 진단 대상 배터리의 제2 OCV 데이터를 획득하는 단계; 및
    상기 제1 OCV 데이터 및 상기 제2 OCV 데이터를 기초로 상기 진단 대상 배터리의 상태를 진단하는 단계를 포함하는, 배터리 진단 방법.
  11. 제10항에 있어서,
    상기 진단 대상 배터리는 복수의 배터리 셀들을 포함하고,
    상기 제1 OCV 데이터는 상기 복수의 배터리 셀들의 각 배터리 셀에 대해 복수의 시점들에서 측정되는 복수의 OCV 값들을 포함하는, 배터리 진단 방법.
  12. 제11항에 있어서,
    상기 제2 SOC 데이터를 도출하는 단계는,
    각 배터리 셀에 대해 상기 복수의 OCV 값들로부터 변환되는 복수의 SOC 값들의 평균 SOC 값을 계산하는 단계;
    상기 평균 SOC 값를 기초로 각 배터리 셀의 상대적 용량 값을 계산하는 단계; 및
    상기 상대적 용량 값를 기초로 각 배터리 셀의 상기 복수의 시점들에서의 복수의 추정 SOC 값들을 계산하는 단계를 포함하는, 배터리 진단 방법.
  13. 제12항에 있어서,
    상기 상대적 용량 값을 계산하는 단계는,
    각 배터리 셀의 상기 평균 SOC 값을 나타내는 평균 SOC 행렬의 의사 역행렬을 계산하는 단계; 및
    각 배터리 셀에 대한 상기 복수의 SOC 값들을 나타내는 SOC 행렬을 상기 의사 역행렬에 곱하여 상기 상대적 용량 값을 나타내는 상대적 용량 행렬을 계산하는 단계를 포함하는, 배터리 진단 방법.
  14. 제13항에 있어서,
    상기 복수의 추정 SOC 값들을 계산하는 단계는,
    상기 평균 SOC 행렬에 상기 상대적 용량 행렬을 곱하여 각 배터리 셀의 상기 복수의 추정 SOC 값들을 나타내는 추정 SOC 행렬을 계산하는 단계를 포함하는, 배터리 진단 방법.
  15. 제10항에 있어서,
    상기 진단 대상 배터리의 상태를 진단하는 단계는,
    상기 제1 OCV 데이터 및 상기 제2 OCV 데이터의 차이를 기초로 OCV 편차 데이터를 도출하는 단계; 및
    상기 OCV 편차 데이터를 기초로 상기 진단 대상 배터리의 상태를 진단하는 단계를 포함하는, 배터리 진단 방법.
  16. 제15항에 있어서,
    상기 OCV 편차 데이터는 각 배터리 셀의 상기 복수의 시점들에서의 복수의 OCV 편차 값들을 포함하고,
    상기 진단 대상 배터리의 상태를 진단하는 단계는,
    각 배터리 셀의 상기 복수의 OCV 편차 값들를 기초로 현재 시점의 OCV 편차 값과 이전 시점의 OCV 편차 값의 차이를 나타내는 복수의 OCV 편차 변화량들을 계산하는 단계; 및
    각 배터리 셀의 상기 복수의 OCV 편차 변화량들를 기초로 각 배터리 셀의 상태를 진단하는 단계를 포함하는, 배터리 진단 방법.
  17. 제16항에 있어서,
    상기 진단 대상 배터리의 상태를 진단하는 단계는,
    상기 복수의 배터리 셀들 중 제1 배터리 셀의 상기 복수의 OCV 편차 변화량들이 정상 범위의 상한값보다 크거나, 상기 정상 범위의 하한값보다 작은 경우, 상기 제1 배터리 셀에 이상이 발생한 것으로 진단하는 단계를 포함하는, 배터리 진단 방법.
  18. 제10항에 있어서,
    상기 제1 SOC 데이터를 획득하는 단계는, 상기 컨트롤러는, OCV-SOC 매핑 테이블를 기초로 상기 제1 OCV 데이터를 상기 제1 SOC 데이터로 변환하는 단계를 포함하고,
    상기 제2 OCV 데이터를 획득하는 단계는, 상기 OCV-SOC 매핑 테이블를 기초로 상기 제2 SOC 데이터를 상기 제2 OCV 데이터로 변환하는 단계를 포함하는, 배터리 진단 방법.
PCT/KR2023/013537 2022-09-23 2023-09-08 배터리 진단 장치 및 배터리 진단 방법 WO2024063418A2 (ko)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
KR20220120916 2022-09-23
KR10-2022-0120916 2022-09-23
KR1020230102473A KR20240041810A (ko) 2022-09-23 2023-08-04 배터리 진단 장치 및 배터리 진단 방법
KR10-2023-0102473 2023-08-04

Publications (2)

Publication Number Publication Date
WO2024063418A2 true WO2024063418A2 (ko) 2024-03-28
WO2024063418A3 WO2024063418A3 (ko) 2024-05-23

Family

ID=90454721

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2023/013537 WO2024063418A2 (ko) 2022-09-23 2023-09-08 배터리 진단 장치 및 배터리 진단 방법

Country Status (1)

Country Link
WO (1) WO2024063418A2 (ko)

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016132813A1 (ja) * 2015-02-19 2016-08-25 三菱電機株式会社 電池状態推定装置
KR102064459B1 (ko) * 2017-01-05 2020-01-09 주식회사 엘지화학 이차 전지의 저전압 불량 검사 방법 및 장치
US11307261B2 (en) * 2017-03-31 2022-04-19 Mitsubishi Electric Corporation Rechargeable battery state estimation device
KR102452548B1 (ko) * 2017-04-18 2022-10-07 현대자동차주식회사 배터리 열화 상태 추정장치, 그를 포함한 시스템 및 그 방법

Also Published As

Publication number Publication date
WO2024063418A3 (ko) 2024-05-23

Similar Documents

Publication Publication Date Title
WO2018190508A1 (ko) 노이즈를 반영한 배터리 잔존 용량 산출 장치 및 방법
WO2013151355A1 (ko) 고장 자가 진단 기능을 구비한 절연 저항 측정 장치 및 이를 이용한 자가 진단 방법
WO2012060597A2 (ko) 배터리의 교환 시기 통보 장치 및 방법
WO2021040146A1 (en) Method and system for determining health parameter of a battery
WO2022055080A1 (ko) 배터리의 충전상태를 추정하는 방법
WO2021049753A1 (ko) 배터리 진단 장치 및 방법
WO2021006566A1 (ko) 배터리 셀 진단 장치 및 방법
WO2020262787A1 (ko) 내부 단락 셀 검출 방법
WO2020262789A1 (ko) 이상 배터리 셀 검출 방법
WO2021230533A1 (ko) 배터리를 진단하기 위한 장치 및 그 방법
WO2019124877A1 (ko) 배터리의 충전 상태를 캘리브레이션하기 위한 방법 및 배터리 관리 시스템
WO2022092621A1 (ko) 배터리 진단 장치 및 방법
WO2023287180A1 (ko) 배터리 진단 장치, 배터리 팩, 전기 차량 및 배터리 진단 방법
WO2022030971A1 (ko) 배터리 진단 디바이스, 배터리 팩, 배터리 시스템 및 배터리 진단 방법
JPH1131829A (ja) 太陽電池の良否判定方法
WO2024063418A2 (ko) 배터리 진단 장치 및 배터리 진단 방법
KR20210007247A (ko) 배터리 모듈을 위한 냉각 요구 사양 진단 장치
Liu et al. A novel Kalman-filter-based battery internal temperature estimation method based on an enhanced electro-thermal coupling model
WO2021025295A1 (ko) 배터리 관리 장치, 배터리 관리 방법 및 배터리 팩
WO2022030751A1 (ko) 배터리 팩의 시뮬레이션 방법
WO2023224211A1 (ko) 배터리 진단 방법, 그 방법을 제공하는 배터리 진단 장치 및 배터리 시스템
Ralchev et al. Transient heating of discharging Li-ion battery
WO2022015062A1 (ko) 배터리 관리 장치, 배터리 팩, 에너지 저장 시스템 및 배터리 관리 방법
WO2024136208A1 (ko) 배터리 진단 장치 및 그의 동작 방법
WO2024106706A1 (ko) 배터리의 퇴화 검사 장치 및 이의 동작 방법

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 23868472

Country of ref document: EP

Kind code of ref document: A2