WO2024071826A1 - 배터리를 충전하는 방법 및 전자 장치 - Google Patents

배터리를 충전하는 방법 및 전자 장치 Download PDF

Info

Publication number
WO2024071826A1
WO2024071826A1 PCT/KR2023/014363 KR2023014363W WO2024071826A1 WO 2024071826 A1 WO2024071826 A1 WO 2024071826A1 KR 2023014363 W KR2023014363 W KR 2023014363W WO 2024071826 A1 WO2024071826 A1 WO 2024071826A1
Authority
WO
WIPO (PCT)
Prior art keywords
charging
pattern
battery
processor
electronic device
Prior art date
Application number
PCT/KR2023/014363
Other languages
English (en)
French (fr)
Inventor
이상헌
김영주
Original Assignee
삼성전자 주식회사
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 KR1020220137593A external-priority patent/KR20240044277A/ko
Application filed by 삼성전자 주식회사 filed Critical 삼성전자 주식회사
Priority to US18/507,825 priority Critical patent/US20240113544A1/en
Publication of WO2024071826A1 publication Critical patent/WO2024071826A1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/392—Determining battery ageing or deterioration, e.g. state of health
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00—Secondary cells; Manufacture thereof
    • H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
    • H01M10/44—Methods for charging or discharging
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries

Definitions

  • Portable electronic devices e.g. smart phones, tablet PCs, portable multimedia players (PMPs), personal digital assistants (PDAs), laptop personal computers, and wristwatches have been developed.
  • Wrist watches, and/or head-mounted displays (HMDs) are emerging Portable electronic devices may include wearable devices that can be worn at least partially on the human body.
  • Portable electronic devices have evolved to perform a variety of functions, and processors have come to consume large amounts of current.
  • Portable electronic devices require high-performance batteries.
  • high-performance batteries lithium ion batteries (LIB) are widely used due to their advantages of high energy density, high discharge voltage, or output stability.
  • LIB lithium ion batteries
  • the higher the power (e.g. voltage and current) supplied to the battery is set the shorter the time it takes for the battery to fully charge.
  • the higher the voltage or current supplied to the battery is set the faster the battery deterioration occurs, and the battery life may be reduced.
  • the power (e.g., voltage and current) supplied to the battery is set low, it may take a long time to fully charge the battery, but the usable life of the battery may be relatively longer.
  • the purpose of an electronic device is to select an optimal charging pattern among a plurality of charging patterns for charging a battery while minimizing loss of charging time and reducing performance degradation of the battery.
  • an electronic device may include a battery, memory, and a processor operatively connected to the battery and memory.
  • the processor may set the first charging pattern as the main charging pattern.
  • the processor may obtain data related to battery charging in a situation where the battery is charged based on the main charging pattern.
  • the processor may check the first life expectancy based on the set first charging pattern and the acquired data.
  • the processor may identify a second charging pattern that satisfies a second expected lifespan that is relatively longer than the identified first expected lifespan.
  • the processor may change the main charging pattern from the first charging pattern to the second charging pattern.
  • the processor may determine a charging current corresponding to the charging voltage of the battery, based on the second charging pattern.
  • a method of charging a battery includes: setting a first charging pattern as the main charging pattern; obtaining data related to charging of the battery in a situation where the battery is charged based on the main charging pattern; Based on the set first charging pattern and the acquired data, an operation of confirming a first expected lifespan, an operation of confirming a second charging pattern that satisfies a second expected lifespan that is relatively longer than the confirmed first expected lifespan, main Changing the charging pattern from the first charging pattern to the second charging pattern, and determining a charging current corresponding to the charging voltage of the battery based on the second charging pattern in response to a charging request signal for the battery.
  • a non-transitory computer-readable storage medium (or computer program product) storing one or more programs may be described.
  • one or more programs when executed by a processor of an electronic device, include an operation of setting a first charging pattern as the main charging pattern, charging of the battery in a situation of charging the battery based on the main charging pattern, and Obtaining related data, based on a set first charging pattern and the obtained data, confirming a first life expectancy, performing a second charging that meets a second life expectancy that is relatively longer than the confirmed first life expectancy.
  • Confirming the pattern changing the main charging pattern from the first charging pattern to the second charging pattern, and in response to a charging request signal for the battery, based on the second charging pattern, corresponding to the charging voltage of the battery. It may include instructions that perform an operation to determine the charging current.
  • the electronic device when charging or discharging a battery, may consider information related to the use of the battery (e.g., average current, average voltage, average temperature, capacity loss history when charging and/or discharging).
  • information related to the use of the battery e.g., average current, average voltage, average temperature, capacity loss history when charging and/or discharging.
  • multiple charging patterns may exist.
  • An electronic device according to an embodiment may select an optimized charging pattern among a plurality of charging patterns based on information related to battery use and charge the battery using the selected charging pattern.
  • the electronic device may store a charging pattern map composed of a plurality of charging patterns in a memory and update the charging pattern map at regular intervals. In one embodiment, the electronic device may select an optimal charging pattern to improve battery life based on the current state. Electronic devices can efficiently charge batteries based on optimal charging patterns. According to one embodiment, the lifespan of the battery can be improved by using an optimal charging pattern.
  • FIG. 1 is a block diagram of an electronic device in a network environment according to embodiments of the present disclosure.
  • Figure 2 is a block diagram of a power management module and a battery according to an embodiment of the present disclosure.
  • FIG. 3 is a block diagram of an electronic device according to an embodiment of the present disclosure.
  • FIG. 4 is a flowchart illustrating a method of determining one charging pattern among a plurality of charging patterns according to an embodiment of the present disclosure.
  • Figure 5 is a flowchart illustrating a method of updating a charging pattern map to select an optimal charging pattern according to an embodiment of the present disclosure.
  • FIG. 6A is an exemplary diagram illustrating a first embodiment in which one charging pattern is determined among a plurality of charging patterns according to an embodiment of the present disclosure.
  • FIG. 6B is an exemplary diagram illustrating a second embodiment in which one charging pattern is determined among a plurality of charging patterns according to an embodiment of the present disclosure.
  • FIG. 1 is a block diagram of an electronic device 101 in a network environment 100, according to various embodiments.
  • the electronic device 101 communicates with the electronic device 102 through a first network 198 (e.g., a short-range wireless communication network) or a second network 199. It is possible to communicate with the electronic device 104 or the server 108 through (e.g., a long-distance wireless communication network). According to one embodiment, the electronic device 101 may communicate with the electronic device 104 through the server 108.
  • a first network 198 e.g., a short-range wireless communication network
  • a second network 199 e.g., a second network 199.
  • the electronic device 101 may communicate with the electronic device 104 through the server 108.
  • the electronic device 101 includes a processor 120, a memory 130, an input module 150, an audio output module 155, a display module 160, an audio module 170, and a sensor module ( 176), interface 177, connection terminal 178, haptic module 179, camera module 180, power management module 188, battery 189, communication module 190 (e.g., includes a communication circuit) communication module), a subscriber identification module 196, or an antenna module 197.
  • at least one of these components eg., the connection terminal 178) may be omitted or one or more other components may be added to the electronic device 101.
  • some of these components e.g., sensor module 176, camera module 180, or antenna module 197) are integrated into one component (e.g., display module 160). It can be.
  • the processor 120 for example, executes software (e.g., program 140) to operate at least one other component (e.g., hardware or software component) of the electronic device 101 connected to the processor 120. It can be controlled and various data processing or calculations can be performed. According to one embodiment, as at least part of data processing or computation, the processor 120 stores commands or data received from another component (e.g., sensor module 176 or communication module 190) in volatile memory 132. The commands or data stored in the volatile memory 132 can be processed, and the resulting data can be stored in the non-volatile memory 134.
  • software e.g., program 140
  • the processor 120 stores commands or data received from another component (e.g., sensor module 176 or communication module 190) in volatile memory 132.
  • the commands or data stored in the volatile memory 132 can be processed, and the resulting data can be stored in the non-volatile memory 134.
  • the processor 120 includes a main processor 121 (e.g., a central processing unit or an application processor) or an auxiliary processor 123 that can operate independently or together (e.g., a graphics processing unit, a neural network processing unit ( It may include a neural processing unit (NPU), an image signal processor, a sensor hub processor, or a communication processor).
  • a main processor 121 e.g., a central processing unit or an application processor
  • auxiliary processor 123 e.g., a graphics processing unit, a neural network processing unit ( It may include a neural processing unit (NPU), an image signal processor, a sensor hub processor, or a communication processor.
  • the electronic device 101 includes a main processor 121 and a secondary processor 123
  • the secondary processor 123 may be set to use lower power than the main processor 121 or be specialized for a designated function. You can.
  • the auxiliary processor 123 may be implemented separately from the main processor 121 or as part of it.
  • the auxiliary processor 123 may, for example, act on behalf of the main processor 121 while the main processor 121 is in an inactive (e.g., sleep) state, or while the main processor 121 is in an active (e.g., application execution) state. ), together with the main processor 121, at least one of the components of the electronic device 101 (e.g., the display module 160, the sensor module 176, or the communication module 190) At least some of the functions or states related to can be controlled.
  • co-processor 123 e.g., image signal processor or communication processor
  • may be implemented as part of another functionally related component e.g., camera module 180 or communication module 190. there is.
  • the auxiliary processor 123 may include a hardware structure specialized for processing artificial intelligence models.
  • Artificial intelligence models can be created through machine learning. For example, such learning may be performed in the electronic device 101 itself, where artificial intelligence is performed, or may be performed through a separate server (e.g., server 108).
  • Learning algorithms may include, for example, supervised learning, unsupervised learning, semi-supervised learning, or reinforcement learning, but It is not limited.
  • An artificial intelligence model may include multiple artificial neural network layers.
  • Artificial neural networks include deep neural network (DNN), convolutional neural network (CNN), recurrent neural network (RNN), restricted boltzmann machine (RBM), belief deep network (DBN), bidirectional recurrent deep neural network (BRDNN), It may be one of deep Q-networks or a combination of two or more of the above, but is not limited to the examples described above.
  • artificial intelligence models may additionally or alternatively include software structures.
  • the memory 130 may store various data used by at least one component (eg, the processor 120 or the sensor module 176) of the electronic device 101. Data may include, for example, input data or output data for software (e.g., program 140) and instructions related thereto.
  • Memory 130 may include volatile memory 132 or non-volatile memory 134.
  • the program 140 may be stored as software in the memory 130 and may include, for example, an operating system 142, middleware 144, or application 146.
  • the input module 150 may receive commands or data to be used in a component of the electronic device 101 (e.g., the processor 120) from outside the electronic device 101 (e.g., a user).
  • the input module 150 may include, for example, a microphone, mouse, keyboard, keys (eg, buttons), or digital pen (eg, stylus pen).
  • the sound output module 155 may output sound signals to the outside of the electronic device 101.
  • the sound output module 155 may include, for example, a speaker or a receiver. Speakers can be used for general purposes such as multimedia playback or recording playback.
  • the receiver can be used to receive incoming calls. According to one embodiment, the receiver may be implemented separately from the speaker or as part of it.
  • the display module 160 can visually provide information to the outside of the electronic device 101 (eg, a user).
  • the display module 160 may include, for example, a display, a hologram device, or a projector, and a control circuit for controlling the device.
  • the display module 160 may include a touch sensor configured to detect a touch, or a pressure sensor configured to measure the intensity of force generated by the touch.
  • the audio module 170 can convert sound into an electrical signal or, conversely, convert an electrical signal into sound. According to one embodiment, the audio module 170 acquires sound through the input module 150, the sound output module 155, or an external electronic device (e.g., directly or wirelessly connected to the electronic device 101). Sound may be output through the electronic device 102 (e.g., speaker or headphone).
  • the electronic device 102 e.g., speaker or headphone
  • the sensor module 176 detects the operating state (e.g., power or temperature) of the electronic device 101 or the external environmental state (e.g., user state) and generates an electrical signal or data value corresponding to the detected state. can do.
  • the sensor module 176 includes, for example, a gesture sensor, a gyro sensor, an air pressure sensor, a magnetic sensor, an acceleration sensor, a grip sensor, a proximity sensor, a color sensor, an IR (infrared) sensor, a biometric sensor, It may include a temperature sensor, humidity sensor, or light sensor.
  • the interface 177 may support one or more designated protocols that can be used to connect the electronic device 101 directly or wirelessly with an external electronic device (eg, the electronic device 102).
  • the interface 177 may include, for example, a high definition multimedia interface (HDMI), a universal serial bus (USB) interface, an SD card interface, or an audio interface.
  • HDMI high definition multimedia interface
  • USB universal serial bus
  • SD card interface Secure Digital Card interface
  • audio interface audio interface
  • connection terminal 178 may include a connector through which the electronic device 101 can be physically connected to an external electronic device (eg, the electronic device 102).
  • the connection terminal 178 may include, for example, an HDMI connector, a USB connector, an SD card connector, or an audio connector (eg, a headphone connector).
  • the haptic module 179 can convert electrical signals into mechanical stimulation (e.g., vibration or movement) or electrical stimulation that the user can perceive through tactile or kinesthetic senses.
  • the haptic module 179 may include, for example, a motor, a piezoelectric element, or an electrical stimulation device.
  • the camera module 180 can capture still images and moving images.
  • the camera module 180 may include one or more lenses, image sensors, image signal processors, or flashes.
  • the power management module 188 can manage power supplied to the electronic device 101.
  • the power management module 188 may be implemented as at least a part of, for example, a power management integrated circuit (PMIC).
  • PMIC power management integrated circuit
  • the battery 189 may supply power to at least one component of the electronic device 101.
  • the battery 189 may include, for example, a non-rechargeable primary battery, a rechargeable secondary battery, or a fuel cell.
  • Communication module 190 is configured to provide a direct (e.g., wired) communication channel or wireless communication channel between electronic device 101 and an external electronic device (e.g., electronic device 102, electronic device 104, or server 108). It can support establishment and communication through established communication channels. Communication module 190 operates independently of processor 120 (e.g., an application processor) and may include one or more communication processors that support direct (e.g., wired) communication or wireless communication.
  • processor 120 e.g., an application processor
  • the communication module 190 may be a wireless communication module 192 (e.g., a cellular communication module, a short-range wireless communication module, or a global navigation satellite system (GNSS) communication module) or a wired communication module 194 (e.g., : LAN (local area network) communication module, or power line communication module) may be included.
  • a wireless communication module 192 e.g., a cellular communication module, a short-range wireless communication module, or a global navigation satellite system (GNSS) communication module
  • GNSS global navigation satellite system
  • wired communication module 194 e.g., : LAN (local area network) communication module, or power line communication module
  • the corresponding communication module is a first network 198 (e.g., a short-range communication network such as Bluetooth, wireless fidelity (WiFi) direct, or infrared data association (IrDA)) or a second network 199 (e.g., legacy It may communicate with an external electronic device 104 through a telecommunication network such as a cellular network, a 5G network, a next-generation communication network, the Internet, or a computer network (e.g., LAN or WAN).
  • a telecommunication network such as a cellular network, a 5G network, a next-generation communication network, the Internet, or a computer network (e.g., LAN or WAN).
  • a telecommunication network such as a cellular network, a 5G network, a next-generation communication network, the Internet, or a computer network (e.g., LAN or WAN).
  • a telecommunication network such as a cellular network, a 5G network, a next-generation communication network
  • the wireless communication module 192 uses subscriber information (e.g., International Mobile Subscriber Identifier (IMSI)) stored in the subscriber identification module 196 within a communication network such as the first network 198 or the second network 199.
  • subscriber information e.g., International Mobile Subscriber Identifier (IMSI)
  • IMSI International Mobile Subscriber Identifier
  • the wireless communication module 192 may support 5G networks after 4G networks and next-generation communication technologies, for example, NR access technology (new radio access technology).
  • NR access technology provides high-speed transmission of high-capacity data (eMBB (enhanced mobile broadband)), minimization of terminal power and access to multiple terminals (mMTC (massive machine type communications)), or high reliability and low latency (URLLC (ultra-reliable and low latency). -latency communications)) can be supported.
  • the wireless communication module 192 may support high frequency bands (eg, mmWave bands), for example, to achieve high data rates.
  • the wireless communication module 192 uses various technologies to secure performance in high frequency bands, for example, beamforming, massive array multiple-input and multiple-output (MIMO), and full-dimensional multiplexing. It can support technologies such as input/output (FD-MIMO: full dimensional MIMO), array antenna, analog beam-forming, or large scale antenna.
  • the wireless communication module 192 may support various requirements specified in the electronic device 101, an external electronic device (e.g., electronic device 104), or a network system (e.g., second network 199).
  • the wireless communication module 192 supports Peak data rate (e.g., 20 Gbps or more) for realizing eMBB, loss coverage (e.g., 164 dB or less) for realizing mmTC, or U-plane latency (e.g., 164 dB or less) for realizing URLLC.
  • Peak data rate e.g., 20 Gbps or more
  • loss coverage e.g., 164 dB or less
  • U-plane latency e.g., 164 dB or less
  • the antenna module 197 may transmit or receive signals or power to or from the outside (eg, an external electronic device).
  • the antenna module 197 may include an antenna including a radiator made of a conductor or a conductive pattern formed on a substrate (eg, PCB).
  • the antenna module 197 may include a plurality of antennas (eg, an array antenna). In this case, at least one antenna suitable for a communication method used in a communication network such as the first network 198 or the second network 199 is connected to the plurality of antennas by, for example, the communication module 190. can be selected Signals or power may be transmitted or received between the communication module 190 and an external electronic device through the at least one selected antenna.
  • other components eg, radio frequency integrated circuit (RFIC) may be additionally formed as part of the antenna module 197.
  • RFIC radio frequency integrated circuit
  • a mmWave antenna module includes: a printed circuit board, an RFIC disposed on or adjacent to a first side (e.g., bottom side) of the printed circuit board and capable of supporting a designated high frequency band (e.g., mmWave band); And a plurality of antennas (e.g., array antennas) disposed on or adjacent to the second side (e.g., top or side) of the printed circuit board and capable of transmitting or receiving signals in the designated high frequency band. can do.
  • a first side e.g., bottom side
  • a designated high frequency band e.g., mmWave band
  • a plurality of antennas e.g., array antennas
  • peripheral devices e.g., bus, general purpose input and output (GPIO), serial peripheral interface (SPI), or mobile industry processor interface (MIPI)
  • signal e.g. commands or data
  • commands or data may be transmitted or received between the electronic device 101 and the external electronic device 104 through the server 108 connected to the second network 199.
  • Each of the external electronic devices 102 or 104 may be of the same or different type as the electronic device 101.
  • all or part of the operations performed in the electronic device 101 may be executed in one or more of the external electronic devices 102, 104, or 108.
  • the electronic device 101 may perform the function or service instead of executing the function or service on its own.
  • one or more external electronic devices may be requested to perform at least part of the function or service.
  • One or more external electronic devices that have received the request may execute at least part of the requested function or service, or an additional function or service related to the request, and transmit the result of the execution to the electronic device 101.
  • the electronic device 101 may process the result as is or additionally and provide it as at least part of a response to the request.
  • cloud computing distributed computing, mobile edge computing (MEC), or client-server computing technology can be used.
  • the electronic device 101 may provide an ultra-low latency service using, for example, distributed computing or mobile edge computing.
  • the external electronic device 104 may include an Internet of Things (IoT) device.
  • Server 108 may be an intelligent server using machine learning and/or neural networks.
  • the external electronic device 104 or server 108 may be included in the second network 199.
  • the electronic device 101 may be applied to intelligent services (e.g., smart home, smart city, smart car, or healthcare) based on 5G communication technology and IoT-related technology.
  • Figure 2 is a block diagram of a power management module and a battery according to an embodiment of the present disclosure.
  • FIG. 2 is a block diagram 200 of a power management module (e.g., power management module 188 of FIG. 1) and a battery (e.g., battery 189 of FIG. 1), according to various embodiments.
  • power management module 188 may include a charging circuit 210, a power regulator 220, or a fuel gauge 230.
  • the charging circuit 210 may charge the battery 189 using power supplied from an external power source for the electronic device 101.
  • the charging circuit 210 is configured to determine the type of external power source (e.g., power adapter, USB, or wireless charging), the size of power that can be supplied from the external power source (e.g., about 20 watts or more), or the battery (189).
  • a charging method (e.g., normal charging or fast charging) can be selected based on at least some of the properties of ), and the battery 189 can be charged using the selected charging method.
  • the external power source may be, for example, wired through a connection terminal (e.g., connection terminal 178 in FIG. 1) or wirelessly connected through an antenna module (e.g., antenna module 197 in FIG. 1). .
  • the power regulator 220 may generate a plurality of powers having different voltages or different current levels by adjusting the voltage level or current level of power supplied from an external power source or the battery 189.
  • the power regulator 220 may adjust the power of the external power source or battery 189 to a voltage or current level suitable for each component included in the electronic device 101.
  • the power regulator 220 may be implemented in the form of a low drop out (LDO) regulator or a switching regulator.
  • LDO low drop out
  • the fuel gauge 230 may measure usage status information (e.g., battery capacity, number of charge/discharge cycles, voltage, or temperature) of the battery 189.
  • usage status information e.g., battery capacity, number of charge/discharge cycles, voltage, or temperature
  • the power management module 188 may, for example, use the charging circuit 210, the voltage regulator 220, or the fuel gauge 230 to control the battery 189 based at least in part on the measured usage information.
  • Charge state information related to charging e.g., life, overvoltage, undervoltage, overcurrent, overcharge, overdischarge, overheating, short circuit, or swelling
  • the power management module 188 determines whether the battery 189 is in an abnormal state or a normal state based at least in part on the determined charging state information, and then adjusts the charging of the battery 189 when it is determined to be in an abnormal state (e.g. : Charging current or voltage can be reduced, or charging can be stopped).
  • at least some of the functions of the power management module 188 may be performed by an external control device (eg, the processor 120 of FIG. 1).
  • the battery 189 may include, for example, a battery protection circuit (protection circuit module (PCM)) 240.
  • the battery protection circuit 240 may perform various functions (eg, a pre-blocking function) to prevent performance degradation or burnout of the battery 189.
  • the battery protection circuit 240 is, additionally or in alternative to, a battery management system (BMS) for performing cell balancing, battery capacity measurement, charge/discharge count measurement, temperature measurement, or voltage measurement. ))).
  • BMS battery management system
  • At least part of the usage state information or the charging state information of the battery 189 is generated by a corresponding sensor (e.g., temperature) among the fuel gauge 230, power management module 188, or sensor module 176. It can be measured using a sensor).
  • the corresponding sensor e.g., temperature sensor
  • the corresponding sensor among the sensor modules 176 is included as part of the battery protection circuit 240, or is a separate device and is installed near the battery 189. can be placed in
  • FIG. 3 is a block diagram of an electronic device according to an embodiment of the present disclosure.
  • the electronic device 101 of FIG. 3 may be at least partially similar to the electronic device 101 of FIG. 1 or may further include other embodiments of the electronic device 101.
  • an electronic device e.g., electronic device 101 of FIG. 1 includes a processor 320 (e.g., processor 120 of FIG. 1), a memory (e.g., memory 130 of FIG. 1), It may include a charging circuit 310, and/or a battery (eg, battery 189 in FIG. 1).
  • the memory 130 may store charging pattern information 311 and a battery life prediction algorithm 312.
  • the electronic device 101 selects one charging pattern from a plurality of charging patterns based on the charging pattern information 311 stored in the memory 130 and the battery life prediction algorithm 312. You can.
  • the electronic device 101 may determine a charging current corresponding to the charging voltage related to charging of the battery 189 based on the selected charging pattern.
  • Processor 320 may include processing circuitry.
  • the processor 320 of the electronic device 101 executes a program (e.g., the program 140 of FIG. 1) stored in the memory 130 to run the electronic device 101 and/or an external electronic device. Other components (e.g., hardware and/or software components) of 102 may be controlled and various data processing and/or operations may be performed.
  • the processor 320 includes a control circuit of a power management module (e.g., power management module 188 of FIG. 1, power management integrated circuit (PMIC)) that supplies power to the electronic device 101. can do.
  • processor 320 is operatively, functionally, and/or electrically connected to memory 130, charging circuit 310, and/or battery 189. can be connected
  • the memory 130 may store charging pattern information 311, which includes a plurality of charging patterns related to charging of the battery 189.
  • the charging pattern may include a multi-step constant-current constant-voltage pattern.
  • the processor 320 may at least partially select a charging pattern among all types of charging patterns related to charging of the battery 189, and convert the selected charging pattern into charging pattern information 311. You can save it.
  • the charging pattern information 311 when charging the battery 189, the operating voltage range (V min , V max ) and the operating current range (I min , I max ) may be set, and a specific operating voltage The operating current value corresponding to the value may be included.
  • the operating voltage range may be equally divided into a first interval and set to “ ⁇ V i ⁇ i ⁇ n ”, and the operating current range may be evenly divided into a second interval and set to “ ⁇ I j ⁇ j ⁇ It can be set to m ”.
  • the charging pattern information 311 may be set to a first charging current value included in the operating current range based on the first charging voltage included in the operating voltage range.
  • the charging pattern information 311 may include information related to the first charging current determined in response to the first charging voltage supplied for each unit charging voltage while the first charging voltage is supplied to the battery 189 for each unit charging voltage. there is.
  • the operating voltage range and operating current range are not limited to being divided evenly, and may be divided unevenly.
  • the electronic device 101 may further divide the unit charging voltage and determine the supplied charging voltage and the charging current corresponding to the charging voltage for each additional divided section.
  • the electronic device 101 may select a charging pattern that satisfies a preset condition among all types of charging patterns (e.g., (n-1) m ) related to charging of the battery 189. And, the selected charging pattern can be stored in the memory 130 as charging pattern information 311.
  • the preset condition may include a condition that satisfies an equivalent circuit model.
  • the equivalent circuit model may include a resistor (R 0 ) directly or indirectly connected to a functional voltage source that provides electromotive force of VOC.
  • a function of electromotive force (e.g., VOC) for depth of charge may include a built-in function that appropriately interpolates experimentally specific data by a spline method.
  • the resistance R 0 may include a measurement of the direct current internal resistance (DCIR) of the battery in its initial state.
  • Resistance R 0 may include a preset initial resistance.
  • the resistance (R 0 ) of a pouch-type lithium ion battery may be measured to be about 0.03 to about 0.07 (Ohm).
  • the electronic device 101 has a function (e.g., V OC ) and a resistance (R 0 ) (e.g., initial resistance) with respect to all types of charging patterns (e.g., (n-1) m ). ) can be reflected, and at least one charging pattern can be selected.
  • the electronic device 101 may set upper limit data (tmax) of the charging time for the battery 189.
  • the upper limit data of the charging time may be arbitrarily determined by the developer or may include data input by the user to ensure easy usability of the battery 189.
  • the electronic device 101 may reflect (Equation 1) below for all types of charging patterns (e.g., (n-1) m ) and set the “t end ” value. You can check it.
  • the first charging pattern may be included in the charging pattern information 311. .
  • the first charging pattern may represent a charging pattern that improves the lifespan of the battery 189.
  • the electronic device 101 may determine R(cycle) in which internal resistance (e.g., (R 0 )) increases as the cycle related to charging and/or discharging of the battery 189 increases.
  • R 0 included in the above-mentioned (Equation 1) can be changed to R (cycle), and can be changed to (Equation 2) below to calculate the t end (cycle) value.
  • the first charging pattern is applied to (Equation 2).
  • the t end (cycle) value can be applied to (Equation 3) below, and Q (cycle), which is the capacity level of the battery 189 in a specific cycle, can be calculated.
  • Q 0 in (Equation 3) may represent the maximum capacity of the battery 189 and may be a preset value.
  • Q(cycle) calculated in (Equation 3) can be applied to (Equation 4) below.
  • Q min which is the failure capacity ratio
  • cycle max which is the maximum physically allowable cycle value
  • Q min Q 0 * ratio
  • the failure capacity ratio may include a ratio value for determining failure of the battery 189 and may be set in advance by the developer.
  • the failure capacity ratio (Q min ) may represent a capacity ratio of 80% compared to the maximum capacity of the battery 189.
  • the battery 189 may be determined to be unusable.
  • the charge applied to the battery 189 may be included in the charging pattern information 311.
  • the charging pattern included in the charging pattern information 311 may represent a charging pattern in which the charging efficiency of the battery is relatively excellent.
  • the electronic device 101 may apply (Equation 1) to (Equation 4) in relation to all types of charging patterns (e.g., (n-1) m ), ( At least one charging pattern that satisfies Equation 4) can be confirmed.
  • the electronic device 101 may store at least one confirmed charging pattern as charging pattern information 311 in the memory 130.
  • a lifespan prediction algorithm 312 for predicting the lifespan of the battery 189 may be stored in the memory 130.
  • the electronic device 101 may store data related to charging of the battery 189 (e.g., average current, average voltage, average temperature, and/or capacity loss history in the charging and discharging operations of the battery 189). ) can be confirmed.
  • the electronic device 101 may reflect data related to the charging of the confirmed battery 189 to the life prediction algorithm 312, and may include the expected life of the battery 189 (e.g., predicted life, L value) and charging time ( Example: t value) can be checked.
  • the electronic device 101 may apply at least one charging pattern included in the charging pattern information 311 to the life prediction algorithm 312, and the expected lifespan corresponding to the charging pattern (e.g., You can check the predicted lifespan, L value) and charging time (e.g. t value).
  • the expected lifespan corresponding to the charging pattern e.g., You can check the predicted lifespan, L value
  • charging time e.g. t value
  • the electronic device 101 may check the expected lifespan (eg, L value) and charging time (eg, t value) of the battery 189 using Bayesian estimation.
  • Bayesian estimation may be a method of calculating the distribution of all possibilities that parameter values may have.
  • the processor 320 of the electronic device 101 may check all charging patterns included in the charging pattern information 311 and the expected lifespan and charging time corresponding to each, based on the Bayesian estimation method.
  • the Bayesian estimation method can predict the posterior distribution for a discrete domain using prior measurement data (e.g., at least one charging pattern included in the charging pattern information 311).
  • the electronic device 101 may check or predict a plurality of charging patterns included in the charging pattern information 311, the expected lifespan and charging time corresponding to each, based on the Bayesian estimation method. there is.
  • At least one charging pattern C included in the charging pattern information 311 may be mapped into ordered pairs in a 2n-dimensional space, as shown in Equation 5 below.
  • the corresponding charging pattern may represent x c .
  • the electronic device 101 may apply the lifespan prediction algorithm 312 in response to each charging pattern included in the charging pattern information 311, and a set related to the expected lifespan and charging time. y can be confirmed or predicted.
  • the set y may consist of ordered pairs based on life expectancy (L) and charging time (t).
  • the electronic device 101 may generate a “charging time-expected life map” corresponding to a plurality of charging patterns based on the set y (e.g., ordered pair (L, t)),
  • the “charge time-expected life map” can be stored in the memory 130.
  • the life prediction algorithm 312 uses Equation 6 to Equation 10 below to determine a charging pattern (e.g., at least one charging pattern included in the charging pattern information 311). It may include an algorithm that predicts the life expectancy and charging time corresponding to .
  • the charging patterns included in the set x e.g., at least one charging pattern included in the charging pattern information 311), the expected lifespan corresponding to each
  • a plurality of ordered pairs (L, t) consisting of (L) and charging time (t) can be calculated.
  • a plurality of ordered pairs (L, t) can be calculated in the form of a multivariate normal distribution.
  • an average vector based on a plurality of ordered pairs (L, t) can be calculated by (Equation 9)
  • a covariance matrix e.g., a covariance between variables expressed in matrix form
  • the electronic device 101 may determine a charging pattern that improves the lifespan of the battery 189 based on the average vector and covariance matrix.
  • the electronic device 101 may generate a “charging time-expected life map” corresponding to a plurality of charging patterns based on a plurality of ordered pairs (L, t). For example, if the “charging time-expected life map” is stored in the memory 130, the electronic device 101 may update the “charging time-expected life map”.
  • the electronic device 101 may determine a charging pattern with a high expected lifespan and a charging time below a set threshold based on a “charging time-expected lifespan map.” According to one embodiment, the electronic device 101 can efficiently charge the battery 189 based on the determined charging pattern and relatively improve the lifespan of the battery 189.
  • the processor 320 may supply charging voltage and charging current to the battery 189 through the charging circuit 310 based on the charging pattern included in the charging pattern information 311. For example, the processor 320 of the electronic device 101 may check the charging voltage supplied to the battery 189 based on the charging pattern and determine a charging current corresponding to the confirmed charging voltage. The processor 320 may determine a charging voltage for the battery 189 for each unit charging voltage and a charging current corresponding to the charging voltage. For example, the processor 320 may supply a first charging current corresponding to the first charging voltage and a second charging current corresponding to the second charging voltage to the battery 189 based on the charging pattern. there is.
  • the charging pattern may include a method in which a specific charging current value is supplied to the battery 189 for each unit of charging voltage, corresponding to a specific charging voltage value.
  • the processor 320 of the electronic device 101 may set the first charging pattern among a plurality of charging patterns included in the charging pattern information 311 as the main charging pattern. For example, the processor 320 may charge the battery 189 based on a set main charging pattern. The processor 320 may acquire data related to the charging of the battery 189 (e.g., average current, average voltage, average temperature, and/or capacity loss history in the charging and discharging operations of the battery 189). there is. The processor 320 may determine a second charging pattern from among a plurality of charging patterns included in the charging pattern information 311 based on the first charging pattern (eg, main charging pattern) and the acquired data.
  • the first charging pattern e.g, main charging pattern
  • the processor 320 may identify a second charging pattern that has a relatively shorter charging time than the first charging pattern and a relatively longer life expectancy than the first charging pattern, and sets the main charging pattern to the first charging pattern.
  • the charging pattern can be changed to the second charging pattern.
  • the processor 320 may apply the first charging pattern (eg, main charging pattern) and the obtained data to the life prediction algorithm 312 and predict the life expectancy and charging time.
  • the processor 320 may determine the second charging pattern based on the predicted life expectancy and charging time.
  • the processor 320 may change the main charging pattern from the first charging pattern to the determined second charging pattern.
  • the processor 320 in response to a charging request signal for the battery 189, the processor 320 generates a charging current corresponding to the charging voltage of the battery 189 based on the second charging pattern set as the main pattern. You can decide.
  • an electronic device e.g., the electronic device 101 of FIGS. 1 and/or 3 includes a battery (e.g., the battery 189 of FIGS. 1 and/or 3) and a memory (e.g., the electronic device 101 of FIG. 1 and/or 3). 1 and/or memory 130 of FIG. 3), and a processor (e.g., processor 320 of FIGS. 1 and/or FIG. 3) operatively connected to battery 189 and memory 130. .
  • the processor 320 may set the first charging pattern as the main charging pattern.
  • the processor 320 may obtain data related to charging of the battery 189 in a situation where the battery 189 is charged based on the main charging pattern.
  • the processor 320 may check the first life expectancy based on the first charging pattern set as the main charging pattern and the acquired data.
  • the processor 320 may confirm a second charging pattern that satisfies a second expected lifespan that is relatively longer than the confirmed first expected lifespan.
  • the processor 320 may change the main charging pattern from the first charging pattern to the second charging pattern.
  • the processor 320 may determine a charging current corresponding to the charging voltage of the battery 189 based on the second charging pattern.
  • the processor 320 determines the first charging time based on the set first charging pattern and the acquired data, and determines the second charging time that is relatively shorter than the confirmed first charging time.
  • the second charging pattern can be confirmed.
  • the processor 320 may check a plurality of charging patterns stored in the memory 130, the nth charging time and the nth expected lifespan corresponding to each. The processor 320 may confirm the second charging pattern based on the confirmed n-th charging time and n-th expected lifespan.
  • the first charging pattern and the second charging pattern are characterized in that the charging voltage supplied to the battery 189 for each unit charging voltage and the charging current corresponding to the charging voltage supplied for each unit charging voltage are determined. do.
  • the second charging pattern includes m unit charging sections, the first unit charging section among the m unit charging sections is set to the first voltage and/or the first current, and the first unit charging section The subsequent second unit charging section may be set to a second voltage higher than the first voltage and/or a second current higher than the first current.
  • the processor 320 determines at least one charging pattern that satisfies the equivalent circuit model among all charging patterns for charging the battery 189, and stores the identified at least one charging pattern in the memory 130. ) can be saved in .
  • the equivalent circuit model may reflect a set function and initial resistance based on all charging patterns.
  • the processor 320 calculates the maximum capacity (e.g., capacity) of the battery 189 at the point when the set number of cycles is exceeded. And, when the calculated maximum capacity (eg, capacity) of the battery 189 exceeds the failure capacity ratio of the battery 189, at least one charging pattern may be stored in the memory 130.
  • data related to charging of the battery 189 may include at least one of average current, average voltage, average temperature, and/or capacity loss history in the operation of charging the battery 189. .
  • the processor 320 applies data related to the charging of the battery 189 to a lifespan prediction algorithm based on Bayesian estimation and, based on the lifespan prediction algorithm, corresponds to the first charging pattern.
  • the first charging time and first expected lifespan can be confirmed.
  • the processor 320 applies a lifespan prediction algorithm to each of a plurality of charging patterns to determine the nth charging time and the nth expected lifespan, and the confirmed nth charging time and the nth expected lifespan. Based on this, a “charging time-expected life map” corresponding to a plurality of charging patterns can be generated, and a second charging pattern with a relatively long expected lifespan can be determined based on the “charging time-expected life map”. there is.
  • the processor 320 may determine a second charging pattern that is expected to be relatively shorter than the set critical charging time based on the “charging time-expected life map”.
  • the processor 320 is based on a “charging time-expected life map”, with a charging pattern in which the expected life is expected to be relatively short while being charged longer than the critical charging time, and a charging pattern in which the expected life is expected to be relatively short while charging at a fast rate.
  • a charging pattern expected to be long can be deleted from a plurality of charging patterns.
  • the processor 320 can determine the n'th charging time and n'th expected lifespan by applying a lifespan prediction algorithm to each of a plurality of charging patterns included in the “charging time-expected lifespan map”. there is.
  • the processor 320 may update a “charge time-expected life map” corresponding to a plurality of charging patterns based on the confirmed n’ charging time and the n’ expected lifespan.
  • the processor 320 may check whether the expected lifespan of the battery 189 has been improved based on the second charging pattern. If the expected lifespan of the battery 189 is not improved, the processor 320 may divide the unit charging voltage that supplies the charging voltage to the battery 189. The processor 320 may supply charging current based on the divided unit charging voltage.
  • FIG. 4 is a flowchart illustrating a method of determining one charging pattern among a plurality of charging patterns according to an embodiment of the present disclosure.
  • each operation may be performed sequentially, but is not necessarily performed sequentially.
  • the order of each operation may be changed, and at least two operations may be performed in parallel.
  • the electronic device 101 of FIG. 4 may be at least partially similar to the electronic device 101 of FIG. 1 or may further include other embodiments of the electronic device 101.
  • the processor of the electronic device 101 may set the first charging pattern among the plurality of charging patterns as the main charging pattern.
  • the processor 320 may set the first charging pattern as the main charging pattern, and set the charging voltage and charging current based on the first charging pattern. can be applied to the battery 189 to charge the battery 189.
  • a plurality of charging patterns may be included in charging pattern information 311 stored in a memory (eg, memory 130 of FIG. 3).
  • the processor 320 applies (Equation 1) to (Equation 4) among all charging patterns related to charging of the battery 189 to determine the expected lifespan based on (Equation 4). At least one satisfying charging pattern can be confirmed, and at least one confirmed charging pattern can be stored in the memory 130 as charging pattern information 311 .
  • the processor 320 may obtain data related to charging of the battery 189.
  • data related to charging of the battery 189 may include at least one of average current, average voltage, average temperature, and/or capacity loss history in a previous operation of charging the battery 189.
  • the electronic device 101 collects charging-related data (e.g., average current, average voltage, average temperature, and/or capacity) loss history) can be continuously stored in the memory 130.
  • the processor 320 may determine a first charging time and a first expected lifespan of the battery 189 based on the first charging pattern and acquired data (e.g., data related to charging of the battery 189). there is. According to one embodiment, the processor 320 may apply Equation 6 to Equation 10 to check the first charging time and first expected lifespan corresponding to the first charging pattern.
  • the processor 320 may check a plurality of charging patterns included in the charging pattern information 311, the nth charging time, and the nth expected lifespan corresponding to each. For example, the processor 320 may use Equation 5 to identify a plurality of charging patterns included in the charging pattern information 311 and a charging pattern (x) corresponding to each in the form of an ordered pair. The processor 320 can apply (Equation 6) to (Equation 10) to each of the ordered pair charging patterns, and check the nth charging time and nth expected lifespan corresponding to each charging pattern. there is.
  • the processor 320 configures a second charging pattern that satisfies a second charging time that is relatively shorter than the confirmed first charging time and a second expected life that is relatively longer than the confirmed first charging time. You can check it. For example, the processor 320 may determine whether the second charging time is shorter than the first charging time and is shorter than a set critical charging time based on the first charging time and the second charging time. The processor 320 may check whether the second life expectancy is predicted to be relatively longer than the first life expectancy based on the first life expectancy and the second life expectancy. For example, compared to the first charging pattern, a charging pattern that has a shorter charging time and a longer life expectancy may be a charging pattern with improved charging efficiency than the first charging pattern. According to one embodiment, the processor 320 may identify a second charging pattern that has relatively improved charging efficiency than the first charging pattern among a plurality of charging patterns.
  • the processor 320 may determine a second charging pattern among the plurality of charging patterns based on the confirmed n-th charging time and n-th expected lifespan. For example, the processor 320 may change the main charging pattern set as the first charging pattern to the second charging pattern. According to one embodiment, the processor 320 selects a charging pattern with the highest expected lifespan while the charging time is within a set threshold charging time (e.g., t th ), based on the confirmed nth charging time and nth expected lifespan. can be confirmed, and the confirmed charging pattern can be determined as the second charging pattern.
  • the critical charging time (t th ) includes a reference value for determining the second charging pattern and may be a preset fixed value.
  • the electronic device 101 may generate and manage a “charging time-expected lifespan map” based on the confirmed nth charging time and nth expected lifespan. According to one embodiment, the electronic device 101 can be managed by continuously updating the “charging time-expected life map”, and as the process of changing the charging pattern is repeated, the charging time is relatively short and the expected life span is maintained. This highly optimal charging pattern can be selected. In one embodiment, an optimal charging pattern may be determined to improve the lifespan (e.g., life expectancy) of the battery 189.
  • the processor 320 may determine a charging current corresponding to the charging voltage of the battery 189 based on the determined second charging pattern in response to a charging request signal for the battery 189. According to one embodiment, the processor 320 can charge the battery 189 using a charging voltage and charging current based on the second charging pattern and improve the life expectancy of the battery 189.
  • the electronic device 101 may set a cycle period for determining or changing the charging pattern, and may perform the operation of FIG. 4 when the set cycle period is exceeded.
  • a cycle may include the number of times a battery is charged and/or discharged.
  • the processor 320 determines the first charging time and the first charging time based on the currently set first charging pattern when about 50 cycles are exceeded. The expected lifespan can be confirmed, and the nth charging time and nth expected lifespan corresponding to each of the plurality of charging patterns stored in the memory 130 can be confirmed.
  • the processor 320 may change the first charging pattern to the second charging pattern based on the confirmed nth charging time and nth expected lifespan.
  • the cycle period can be changed by setting.
  • Figure 5 is a flowchart illustrating a method of updating a charging pattern map to select an optimal charging pattern according to an embodiment of the present disclosure.
  • each operation may be performed sequentially, but is not necessarily performed sequentially.
  • the order of each operation may be changed, and at least two operations may be performed in parallel.
  • the electronic device 101 of FIG. 5 may be at least partially similar to the electronic device 101 of FIG. 1 or may further include other embodiments of the electronic device 101.
  • the flowchart of FIG. 5 may be an additional operation included in operations 405 to 409 of FIG. 4 .
  • the processor of the electronic device 101 corresponds to the first charging pattern set as the main charging pattern among the plurality of charging patterns.
  • the first charging time and first expected lifespan of the battery 189 can be confirmed.
  • the processor 320 applies a lifespan prediction algorithm (e.g., the lifespan prediction algorithm 312 of FIG. 3, an algorithm that predicts life expectancy using Equation 6) to Equation 10.
  • the first charging time and first expected lifespan corresponding to the first charging pattern can be confirmed.
  • the first charging time may refer to the time required to fully charge the battery 189
  • the first expected life may refer to a numerical representation of the expected lifespan when continuously charging the battery 189. You can.
  • the processor 320 may use the confirmed first charging time and first expected lifespan to check the nth charging time and nth expected lifespan corresponding to a plurality of charging patterns. For example, the processor 320 may apply the life prediction algorithm 312 in response to a plurality of charging patterns stored in charging pattern information (e.g., charging pattern information 311 in FIG. 3), and each charging You can check the nth charging time and nth expected lifespan for the pattern.
  • charging pattern information e.g., charging pattern information 311 in FIG. 3
  • the processor 320 may update the “charge time-expected life map” based on the confirmed nth charging time and nth expected lifespan.
  • the “charging time-expected life map” may include a guide map that visually diagrams the expected lifespan and charging time of a specific charging pattern, such as the graph (M2) in FIG. 6A.
  • the electronic device 101 can manage the “charging time-expected life map” by continuously updating it, and as the process of changing the charging pattern is repeated, an optimal charging pattern with a relatively high expected lifespan is achieved. This can be selected.
  • the processor 320 creates a “charge time-expected life map” based on the nth charging time and the nth expected lifespan. can be created.
  • the processor 320 may change the main charging pattern from the first charging pattern to the second charging pattern based on the updated “charging time-expected life map”. For example, in operation 505, the processor 320 may determine a second charging pattern that is predicted to have a relatively high life expectancy based on the updated “charge time-expected life map,” The determined second charging pattern can be set as the main charging pattern.
  • the processor 320 may determine a charging pattern that is expected to relatively most improve the lifespan (eg, expected lifespan) of the battery 189, and may set the determined charging pattern as the main charging pattern.
  • the processor 320 may determine the charging voltage and charging current supplied to the battery 189 based on the main charging pattern.
  • FIG. 6A is an exemplary diagram illustrating a first embodiment in which one charging pattern is determined among a plurality of charging patterns according to an embodiment of the present disclosure.
  • the electronic device 101 of FIG. 6A may be at least partially similar to the electronic device 101 of FIG. 1 or may further include other embodiments of the electronic device 101.
  • the charging patterns (P1 (631), P2 (632), and P3 (633)) correspond to the charging voltage (621) (V 1 , V 2 , V 3 , V 4 ) and the charging current 622 (I 1 , I 2 , I 3 , I 4 , I 5 , I 6 , I 7 ) may be pattern information in a determined form.
  • the electronic device e.g., the electronic device 101 of FIG. 3 charges a battery (e.g., the battery 189 of FIG.
  • the first charging voltage (V 1 ) may be supplied up to 1 charge amount, and the second charge voltage (V 2 ) may be supplied up to the second charge amount.
  • the electronic device 101 may have different charging currents supplied per unit charging voltage.
  • the charging pattern may include a pattern in which the charging current is determined in response to each charging voltage. Looking at the first charging pattern (P1) 631 of FIG. 6A, for example, the processor of the electronic device 101 (e.g., the processor 320 of FIG. 3 and the processor 120 of FIG. 1) performs the first charge.
  • a fifth charging current (I 5 ) may be supplied to the battery 189 in response to the voltage (V 1 ).
  • the processor 320 may supply the fifth charging current (I 5 ) to the battery 189 until the first charging voltage (V 1 ) changes to the second charging voltage (V 2 ).
  • the processor 320 may supply a third charging current (I 3 ) to the battery 189 in response to the second charging voltage (V 2 ), and may supply a second charging current (I 3 ) to the battery 189 in response to the third charging voltage (V 3 ).
  • I 2 ) can be supplied to the battery 189.
  • the processor 320 charges the battery 189 based on the first charging pattern (P1) 631.
  • the charging current corresponding to the charging voltage can be determined.
  • the charging pattern is not limited to rules based on a certain ratio, and the charging current supplied per unit charging voltage may be set higher than before or lower than before.
  • the processor 320 of the electronic device 101 may check the first charging pattern (P1) 631 set as the main charging pattern and collect data related to charging of the battery 189 (e.g., battery When charging (189), average current, average voltage, average temperature, and/or capacity loss history) can be obtained.
  • the processor 320 is based on the first charging pattern (P1) 631 and data related to charging of the battery 189, the first charging time 601-2 and The first life expectancy (601-1) can be confirmed.
  • a plurality of “charge time-expected life maps” (M1, M2, M2', M3, M3') are shown.
  • the “Charge Time-Expected Life Map” (M1, M2, M2', M3, M3') contains a graph that visually plots the “Life Expected” and “Charging Time” corresponding to specific charging patterns. can do.
  • the “charging time-expected life map” (M1, M2, M2', M3, M3') may have a threshold charging time 610 (e.g., tth) set, and when charging the battery 189, , a charging pattern included within the critical charging time 610 may be included as a charging pattern with a relatively high life expectancy.
  • the “charging time-expected life map” (M1, M2, M2', M3, M3') can be used in unpredictable regions that are difficult to implement electrochemically, e.g. regions with low life expectancy due to charging at slow rates ( 611), and a region 612) that is charged at a high rate and has an excessively long life expectancy.
  • the charging pattern included in the unpredictable area may include a charging pattern in which the expected lifespan is expected to be short as it is charged longer than the critical charging time 610, and a charging pattern in which the expected lifespan is expected to be long as it is charged at a fast rate. .
  • the processor 320 of the electronic device 101 can predict a plurality of charging patterns, the “expected life” and “charging time” corresponding to each, and the predicted “expected life” and “charging time”. Based on the “time”, the “charging time-expected life map” (M1, M2, M3) can be updated. According to one embodiment, if there is no previously stored “Charge Time-Expected Life Map” (M1, M2, M3), the processor 320 generates a “Charge Time-Expected Life Map” (M1, M2, M3) can do.
  • the processor 320 calculates the first charging time 601-2 and The first life expectancy (601-1) can be confirmed.
  • the processor 320 may apply a lifespan prediction algorithm (e.g., the lifespan prediction algorithm 312 of FIG. 3) based on the first charging pattern (P1) 631, and determine the first “charging time.” - It can be indicated as the first point 601 of the “life expectancy map” (M1).
  • the processor 320 may set the first charging pattern (P1) 631 as the main setting pattern.
  • the processor 320 charges the battery 189 based on the first charging pattern (P1) 631, the first charging time 601-2 may be consumed, and the first charging time 601-2 may be consumed. Lifespan (601-1) can be predicted.
  • the processor 320 may apply a lifespan prediction algorithm based on each of a plurality of charging patterns included in charging pattern information (e.g., charging pattern information 311 of FIG. 3), It may be displayed as a second “charge time-expected life map” (M2).
  • a plurality of points included in the second “charging time-expected life map” (M2) may include charging time and expected lifespan corresponding to each charging pattern.
  • the processor 320 selects the second charging pattern (P2) 632 corresponding to the second point 602 based on the second “charge time-expected life map” (M2). and the selected second charging pattern (P2) 632 can be set as the main charging pattern.
  • the processor 320 sets the second charging pattern (P2) 632 corresponding to the second point 602 as the main charging pattern based on the 2-1 "charging time-expected life map"(M2'). You can.
  • the processor 320 may supply the seventh charging current (I 7 ) to the battery 189 in response to the first charging voltage (V 1 ) based on the second charging pattern (P2) 632, , the third charging current (I 3 ) may be supplied to the battery 189 in response to the second charging voltage (V 2 ).
  • the processor 320 may supply the second charging current (I 2 ) to the battery 189 in response to the third charging voltage (V 3 ).
  • the processor 320 may take a second charging time 602-2 when charging the battery 189. and the second life expectancy (602-1) can be predicted.
  • the processor 320 performs a life prediction algorithm based on each of a plurality of charging patterns (e.g., a plurality of points) included in the second “charging time-expected life map” (M2). Applicable and may be displayed as the third “Charge Time-Expected Life Map” (M3).
  • the processor 320 may update the second “charge time-expected life map” (M2) to the third “charge time-expected life map” (M3).
  • a plurality of points included in the third “charging time-expected life map” (M3) may include charging time and expected lifespan corresponding to each charging pattern.
  • the processor 320 selects the third charging pattern (P3) 633 corresponding to the third point 603 based on the third “charge time-expected life map” (M3). and the selected third charging pattern (P3) 633 can be set as the main charging pattern.
  • the processor 320 sets the third charging pattern (P3) 633 corresponding to the third point 603 as the main charging pattern based on the 3-1 "charging time-expected life map"(M3'). You can.
  • the processor 320 may supply the sixth charging current (I 6 ) to the battery 189 in response to the first charging voltage (V 1 ) based on the third charging pattern (P3) 633, , the fourth charging current (I 4 ) may be supplied to the battery 189 in response to the second charging voltage (V 2 ).
  • the processor 320 may supply the third charging current (I 3 ) to the battery 189 in response to the third charging voltage (V 3 ).
  • the processor 320 may take a third charging time 603-2 when charging the battery 189. and the third life expectancy (603-1) can be predicted.
  • the charging pattern (e.g., P1, P2, P3) is a charging voltage that is divided into about m unit charging sections, and is supplied to the battery 189 in response to each unit charging section.
  • m voltage and m current can be set.
  • the processor 320 supplies the first charging voltage (V 1 ).
  • the fourth charging current (I 4 ) may be supplied to the battery 189.
  • the processor 320 may supply the seventh charging current (I 7 ) corresponding to the first charging voltage (V 1 ) to the battery 189 .
  • the processor 320 applies a relatively higher charging current (e.g., the seventh charging current (I)) than the previous charging current (e.g., the fourth charging current (I 4 )). 7 )) can also be supplied to the battery 189.
  • a relatively higher charging current e.g., the seventh charging current (I)
  • the previous charging current e.g., the fourth charging current (I 4 )
  • the processor 320 selects a charging pattern with the highest expected life while the charging time is within a set critical charging time 610 (e.g., t th ) based on the “charging time-expected life map”. You can check and set the confirmed charging pattern as the main charging pattern.
  • the point where the life expectancy is expected to be the highest may be a point where the life expectancy is relatively highest among the plurality of points shown.
  • FIG. 6B is an exemplary diagram illustrating a second embodiment in which one charging pattern is determined among a plurality of charging patterns according to an embodiment of the present disclosure.
  • the electronic device 101 of FIG. 6B may be at least partially similar to the electronic device 101 of FIG. 1 or may further include other embodiments of the electronic device 101.
  • FIG. 6B two charging patterns (P4 (634), P5 (635)) set as the main charging pattern are shown, and the process of setting as the main charging pattern is shown.
  • FIG. 6B two “charge time-expected life maps” (M4, M5) are shown.
  • the processor 320 may apply a lifespan prediction algorithm based on each of a plurality of charging patterns included in charging pattern information (e.g., charging pattern information 311 of FIG. 3),
  • the fourth “charge time-expected life map” (M4) can be predicted.
  • a plurality of points included in the fourth “charging time-expected lifespan map” (M4) may include charging times and expected lifespans corresponding to each charging pattern.
  • the fourth point 604 in the fourth “charging time-expected life map” (M4) may be a point corresponding to the main charging pattern.
  • the processor 320 can check the life expectancy corresponding to a specific charging pattern and check whether the confirmed life expectancy is substantially improved than the life expectancy according to the main charging pattern. For example, if the life expectancy has improved, the processor 320 may change the main charging pattern to the specific charging pattern. For another example, if the life expectancy has not improved, the processor 320 may further divide the unit charge voltage and supply the charge voltage and charge current to the battery 189 based on the divided unit charge voltage.
  • the unit charging voltage is divided into “V 1 , V 2 , V 3 , V 4 ", and in the case of Figure 6b, the unit charging voltage is "V 1 , V 2 " , V 3 , V 4 , V 5 , V 6 , V 7 ".
  • the processor 320 determines that the life expectancy corresponding to the fourth point 604 has not improved and may further divide the unit charging voltage.
  • the processor 320 may select the fourth charging pattern (P4) 634 corresponding to the fifth point 605 while the unit charging voltage is further divided.
  • the processor 320 selects the fourth charging pattern (P4) 634 corresponding to the fifth point 605 based on the fourth “charge time-expected life map” (M4). and the selected fourth charging pattern (P4) 634 can be set as the main charging pattern.
  • the processor 320 applies the fourth charging current (I 4 ) to the battery ( 189).
  • the processor 320 may supply the sixth charging current (I 6 ) to the battery 189 in response to the second charging voltage (V 2 ) to the fourth charging voltage (V 4 ) section.
  • the processor 320 may supply the second charging current (I 2 ) to the battery 189 in response to the fourth charging voltage (V 4 ) to the sixth charging voltage (V 6 ) section.
  • the processor 320 may supply the first charging current (I 1 ) to the battery 189 in response to the sixth charging voltage (V 6 ) to the seventh charging voltage (V 7 ) section.
  • the processor 320 charges the battery 189 based on the fourth charging pattern (P4) 634. In this way, the charging current corresponding to the charging voltage can be determined according to the unit charging voltage.
  • the processor 320 is configured to charge the second charging voltage (V 2 ) to the fourth in the first charging voltage (V 1 ) to the second charging voltage (V 2 ) section (e.g., the first unit charging section).
  • the fourth charging current (I 4 ) can be increased to the sixth charging current (I 6 ), and the increased The sixth charging current (I 6 ) may be supplied to the battery 189.
  • the processor 320 may determine whether the expected lifespan of the battery 189 is substantially improved based on the fourth charging pattern (P4) 634 set as the main charging pattern. For example, the processor 320 can predict the life expectancy corresponding to each of a plurality of charging patterns, and whether the life expectancy corresponding to the fourth charging pattern (P4) 634 is predicted to be relatively longer. You can judge whether or not.
  • the fifth “charging time-expected lifespan map” (M5) of FIG. 6B shows a plurality of charging patterns, each corresponding charging time and expected lifespan.
  • the unit charging voltage may be additionally divided in response to a plurality of charging patterns included in the charging pattern information 311, A new “charging time-expected life map” (e.g., the fifth “charging time-expected life map” (M5) in FIG. 6B) can be created based on the divided unit charging voltage.
  • a new “charging time-expected life map” e.g., the fifth “charging time-expected life map” (M5) in FIG. 6B) can be created based on the divided unit charging voltage.
  • the processor 320 based on the unit charging voltage divided into 7 sections (e.g., "V 1 , V 2 , V 3 , V 4 , V 5 , V 6 , V 7 "), A fifth “charging time-expected life map” (M5) corresponding to a plurality of charging patterns can be confirmed.
  • the processor 320 may determine a charging pattern that takes a relatively short charging time and has a relatively long expected lifespan, based on the fifth “charging time-expected lifespan map” (M5).
  • the processor 320 configures the main charging pattern as the fourth charging pattern (P4) (634) in relation to the fourth charging pattern (P4) (634) set as the main charging pattern in response to the fifth point (605). ) can be changed to the fifth charging pattern (P5) 635 corresponding to the sixth point 606.
  • the processor 320 is based on a unit charging voltage divided into seven unit charging sections (e.g., “V 1 , V 2 , V 3 , V 4 , V 5 , V 6 , V 7 ”). You can check the fifth “charging time-expected life map” (M5) created by , and change the main setting pattern from the fifth point 605 to the sixth point 606.
  • the processor 320 may select the fifth charging pattern (P5) 635 corresponding to the sixth point 606 set as the main setting pattern. For example, compared to the fourth charging pattern (P4) 634, the fifth charging pattern (P5) 635 may have a relatively short charging time and a relatively long life expectancy.
  • the processor 320 supplies the fifth charging current (I 5 ) from the first charging voltage (V 1 ) to the third charging voltage (V 3 ) to the battery ( 189), and the sixth charging current (I 6 ) from the third charging voltage (V 3 ) to the fifth charging voltage (V 5 ) can be supplied to the battery 189.
  • the processor 320 may supply the third charging current (I 3 ) to the battery 189 from the fifth charging voltage (V 5 ) to the sixth charging voltage (V 6 ), and from the sixth charging voltage (V 6 )
  • the first charging current (I 1 ) may be supplied to the battery 189 in response to the seventh charging voltage (V 7 ).
  • the processor 320 selects a charging pattern that is expected to relatively most improve the lifespan (e.g., life expectancy) of the battery 189 (e.g., a charging pattern that results in a shorter charge time and longer life expectancy). You can decide, and set the determined charging pattern as the main charging pattern. In one embodiment, if the processor 320 determines that the predicted life of the battery 189 is no longer improving, points included in the existing “charge time-expected life map” may no longer be considered. The processor 320 may generate a new “charging time-expected life map” by applying a method in which the unit charging voltage is additionally divided (e.g., a method in which the division method of the unit charging voltage is changed).
  • the first charging pattern may be set as the main charging pattern.
  • the method according to one embodiment may obtain data related to charging of the battery 189 in a situation where the battery 189 is charged based on the main charging pattern.
  • the method according to one embodiment may confirm the first life expectancy based on the set first charging pattern and acquired data.
  • the method according to one embodiment may identify a second charging pattern that satisfies a second expected lifespan that is relatively longer than the confirmed first expected lifespan.
  • the method according to one embodiment may change the main charging pattern from the first charging pattern to the second charging pattern.
  • the method according to one embodiment may determine a charging current corresponding to the charging voltage of the battery 189 based on the second charging pattern in response to a charging request signal for the battery 189.
  • a method includes the operation of confirming a first charging time based on a set first charging pattern and acquired data, and performing a second charging that satisfies a second charging time that is relatively shorter than the confirmed first charging time.
  • An operation to check the pattern may be further included.
  • the operation of checking the second charging pattern includes a plurality of charging patterns stored in a memory (e.g., the memory 130 of FIGS. 1 and/or 3), the nth charging time and the nth charging pattern corresponding to each.
  • the expected lifespan may be confirmed, and a second charging pattern may be confirmed based on the confirmed nth charging time and the nth expected lifespan.
  • the first charging pattern and the second charging pattern include a pattern in which a charging voltage supplied to the battery 189 for each unit charging voltage and a charging current corresponding to the charging voltage supplied for each unit charging voltage are determined. can do.
  • the second charging pattern may include m unit charging sections. Among the m unit charging sections, the first unit charging section is set to the first voltage and/or the first current, and the second unit charging section after the first unit charging section is set to the second voltage and/or the first voltage higher than the first voltage. The second current may be set to be higher than the 1 current.
  • a method includes applying data related to the charging of the battery 189 to a lifespan prediction algorithm based on Bayesian estimation, and based on the lifespan prediction algorithm, a first charging pattern corresponding to the first charging pattern. 1 The operation of checking the charging time and the first life expectancy may be further included.
  • the method includes the operation of confirming the nth charging time and the nth expected lifespan by applying the life prediction algorithm to each of a plurality of charging patterns, based on the confirmed nth charging time and nth expected lifespan. , an operation of generating a “charging time-expected life map” corresponding to a plurality of charging patterns, and an operation of determining a second charging pattern with a relatively long expected life based on the “charging time-expected life map” It may further include.
  • the operation of determining a second charging pattern may include determining a second charging pattern that is expected to be relatively shorter than a set critical charging time based on a “charging time-expected life map”. .
  • a method includes the operation of checking the n'th charging time and the n'th expected lifespan by applying a lifespan prediction algorithm to each of a plurality of charging patterns included in the “charging time-expected lifespan map”, and confirming Based on the confirmed n'th charging time and the confirmed n'th expected lifespan, the operation of updating a “charging time-expected lifespan map” corresponding to the plurality of charging patterns may be further included.
  • a method includes determining whether the expected lifespan of the battery 189 is improved based on the second charging pattern, and if the expected lifespan of the battery 189 is not improved, applying a charging voltage to the battery 189. It may further include dividing the unit charging voltage supplied, and supplying charging current based on the divided unit charging voltage.
  • Electronic devices may be of various types.
  • Electronic devices may include, for example, portable communication devices (e.g., smartphones), computer devices, portable multimedia devices, portable medical devices, cameras, wearable devices, or home appliances.
  • Electronic devices according to embodiments of this document are not limited to the above-described devices.
  • first, second, or first or second may be used simply to distinguish one component from another, and to refer to that component in other respects (e.g., importance or order) is not limited.
  • One (e.g., first) component is said to be “coupled” or “connected” to another (e.g., second) component, with or without the terms “functionally” or “communicatively.”
  • any of the components can be connected to the other components directly (e.g. wired), wirelessly, or through a third component.
  • module used in various embodiments of this document may include a unit implemented in hardware, software, or firmware, and is interchangeable with terms such as logic, logic block, component, or circuit, for example. It can be used as A module may be an integrated part or a minimum unit of the parts or a part thereof that performs one or more functions. For example, according to one embodiment, the module may be implemented in the form of an application-specific integrated circuit (ASIC).
  • ASIC application-specific integrated circuit
  • Various embodiments of the present document are one or more instructions stored in a storage medium (e.g., built-in memory 136 or external memory 138) that can be read by a machine (e.g., electronic device 101). It may be implemented as software (e.g., program 140) including these.
  • a processor e.g., processor 120
  • the one or more instructions may include code generated by a compiler or code that can be executed by an interpreter.
  • a storage medium that can be read by a device may be provided in the form of a non-transitory storage medium.
  • 'non-transitory' only means that the storage medium is a tangible device and does not contain signals (e.g. electromagnetic waves), and this term refers to cases where data is semi-permanently stored in the storage medium. There is no distinction between temporary storage cases.
  • Computer program products are commodities and can be traded between sellers and buyers.
  • the 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 via an application store (e.g. Play Store TM ) or on two user devices (e.g. It can be distributed (e.g. downloaded or uploaded) directly between smart phones) or online.
  • a machine-readable storage medium e.g. compact disc read only memory (CD-ROM)
  • an application store e.g. Play Store TM
  • two user devices e.g. It can be distributed (e.g. downloaded or uploaded) directly between smart phones) or online.
  • 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 separately placed in other components. there is.
  • one or more of the components or operations described above may be omitted, or one or more other components or operations may be added.
  • multiple components eg, modules or programs
  • 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, or omitted. Alternatively, one or more other operations may be added.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Power Engineering (AREA)
  • Manufacturing & Machinery (AREA)
  • Chemical & Material Sciences (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Electrochemistry (AREA)
  • General Chemical & Material Sciences (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

일 실시예에 따르면, 전자 장치는, 배터리, 메모리, 및, 배터리 및 메모리에 작동적으로 연결된 프로세서를 포함할 수 있다. 프로세서는 제 1 충전 패턴을 메인 충전 패턴으로 설정할 수 있다. 프로세서는 메인 충전 패턴을 기반으로 배터리를 충전하는 상황에서, 배터리의 충전과 관련된 데이터를 획득할 수 있다. 프로세서는 설정된 제 1 충전 패턴 및 획득된 데이터를 기반으로, 제 1 기대 수명을 확인할 수 있다. 프로세서는 제 1 기대 수명 보다 상대적으로 긴 제 2 기대 수명을 충족하는 제 2 충전 패턴을 확인할 수 있다. 프로세서는 메인 충전 패턴을 제 1 충전 패턴에서 제 2 충전 패턴으로 변경할 수 있다. 프로세서는 배터리에 대한 충전 요청 신호에 응답하여, 제 2 충전 패턴을 기반으로, 배터리의 충전 전압에 대응되는 충전 전류를 결정할 수 있다. 그 밖에 다양한 실시예들이 가능할 수 있다.

Description

배터리를 충전하는 방법 및 전자 장치
아래의 설명들은 배터리를 충전하는 방법 및 전자 장치에 관한 것이다.
최근 다양한 종류의 휴대 가능한 전자 장치들(예: 스마트 폰(Smart Phone), 태블릿 PC(tablet PC), PMP(portable multimedia player), PDA(personal digital assistant), 랩탑 PC(laptop personal computer), 손목 시계(wrist watch), 및/또는 HMD(head-mounted display)이 등장하고 있다. 휴대 가능한 전자 장치들은 인체에 적어도 부분적으로 착용될 수 있는 웨어러블 장치(wearable device)를 포함할 수 있다.
휴대 가능한 전자 장치들은 다양한 기능을 수행하도록 발전하였으며, 프로세서가 다량의 전류를 소모하게 되었다. 휴대 가능한 전자 장치들은 고성능의 배터리를 필요로 한다. 고성능의 배터리 중, 리튬 이온 배터리(lithium ion battery, LIB)는 높은 에너지 밀도, 높은 방전 전압 또는 출력 안정성(stability)을 갖는 장점이 있어 널리 사용되고 있다.
상술한 정보는 본 개시에 대한 이해를 돕기 위한 목적으로 하는 배경 기술로 제공될 수 있다. 상술한 내용 중 어느 것도 본 개시와 관련하여 종래 기술(prior art)로서 적용될 수 있는지에 관해서는 어떠한 주장이나 결정이 제기되지 않는다.
배터리의 충전 시, 배터리에 공급하는 전력(예: 전압 및 전류)을 높게 설정할수록 배터리가 완전 충전되는데 걸리는 시간을 단축시킬 수 있다. 다만, 배터리에 공급하는 전압 또는 전류를 높게 설정할수록 배터리의 열화 현상이 가속화되며, 배터리 사용 수명이 줄어들 수 있다.
반대로, 배터리의 충전 시, 배터리에 공급하는 전력(예: 전압 및 전류)을 낮게 설정하게 되면, 배터리의 완충 시간이 오래 걸릴 수 있으나, 배터리의 사용 수명은 상대적으로 길어질 수 있다.
일 실시예에 따르면, 전자 장치는 배터리를 충전하는 다수 개의 충전 패턴들 중에서, 충전 시간의 손실을 최소화하면서, 배터리의 성능 저하를 줄이는 최적의 충전 패턴을 선별하는 것을 목적으로 한다.
본 문서에서 이루고자 하는 기술적 과제는 이상에서 언급한 기술적 과제로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 문서에 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
일 실시예에 따르면, 전자 장치는, 배터리, 메모리, 및, 배터리 및 메모리에 작동적으로 연결된 프로세서를 포함할 수 있다. 프로세서는 제 1 충전 패턴을 메인 충전 패턴으로 설정할 수 있다. 프로세서는 메인 충전 패턴을 기반으로 배터리를 충전하는 상황에서, 배터리의 충전과 관련된 데이터를 획득할 수 있다. 프로세서는 설정된 제 1 충전 패턴 및 획득된 데이터를 기반으로, 제 1 기대 수명을 확인할 수 있다. 프로세서는 확인된 제 1 기대 수명 보다 상대적으로 긴 제 2 기대 수명을 충족하는 제 2 충전 패턴을 확인할 수 있다. 프로세서는 메인 충전 패턴을 제 1 충전 패턴에서 제 2 충전 패턴으로 변경할 수 있다. 프로세서는 배터리에 대한 충전 요청 신호에 응답하여, 제 2 충전 패턴을 기반으로, 배터리의 충전 전압에 대응되는 충전 전류를 결정할 수 있다.
일 실시예에 따른 배터리를 충전하는 방법에 있어서, 제 1 충전 패턴을 메인 충전 패턴으로 설정하는 동작, 메인 충전 패턴을 기반으로 배터리를 충전하는 상황에서, 배터리의 충전과 관련된 데이터를 획득하는 동작, 설정된 제 1 충전 패턴 및 상기 획득된 데이터를 기반으로, 제 1 기대 수명을 확인하는 동작, 확인된 제 1 기대 수명 보다 상대적으로 긴 제 2 기대 수명을 충족하는 제 2 충전 패턴을 확인하는 동작, 메인 충전 패턴을 상기 제 1 충전 패턴에서 제 2 충전 패턴으로 변경하는 동작, 및 배터리에 대한 충전 요청 신호에 응답하여, 제 2 충전 패턴을 기반으로, 배터리의 충전 전압에 대응되는 충전 전류를 결정하는 동작을 포함할 수 있다.
일 실시예에 따르면, 하나 이상의 프로그램을 저장하는 비일시적인 컴퓨터 판독가능 저장 매체(또는, 컴퓨터 프로그램 제품(product))가 기술될 수 있다. 일 실시예에 따르면, 하나 이상의 프로그램들은, 전자 장치의 프로세서에 의해 실행될 시, 제 1 충전 패턴을 메인 충전 패턴으로 설정하는 동작, 메인 충전 패턴을 기반으로 배터리를 충전하는 상황에서, 배터리의 충전과 관련된 데이터를 획득하는 동작, 설정된 제 1 충전 패턴 및 상기 획득된 데이터를 기반으로, 제 1 기대 수명을 확인하는 동작, 확인된 제 1 기대 수명 보다 상대적으로 긴 제 2 기대 수명을 충족하는 제 2 충전 패턴을 확인하는 동작, 메인 충전 패턴을 제 1 충전 패턴에서 제 2 충전 패턴으로 변경하는 동작, 및 배터리에 대한 충전 요청 신호에 응답하여, 제 2 충전 패턴을 기반으로, 배터리의 충전 전압에 대응되는 충전 전류를 결정하는 동작을 수행하는 명령어들을 포함할 수 있다.
일 실시예에서, 전자 장치는 배터리를 충전 또는 방전함에 있어서, 배터리의 사용 관련 정보(예: 충전 및/또는 방전 시, 평균 전류, 평균 전압, 평균 온도, 용량 손실 이력)를 고려할 수 있다. 배터리를 충전하는 방식에 있어서, 다수 개의 충전 패턴이 존재할 수 있다. 일 실시예에 따른 전자 장치는 다수 개의 충전 패턴들 중에서, 배터리의 사용 관련 정보를 기반으로, 최적화된 충전 패턴을 선별할 수 있고, 선별된 충전 패턴을 사용하여 배터리를 충전할 수 있다.
일 실시예에서 전자 장치는 다수 개의 충전 패턴들로 구성된 충전 패턴 맵을 메모리에 저장할 수 있고, 일정 기간 마다 충전 패턴 맵을 업데이트할 수 있다. 일 실시예에서 전자 장치는 현재 상태를 기준으로, 배터리의 수명을 향상시키기 위한 최적의 충전 패턴을 선별할 수 있다. 전자 장치는 최적의 충전 패턴을 기반으로 배터리를 효율적으로 충전할 수 있다. 일 실시예에 따르면, 최적의 충전 패턴을 사용함으로써, 배터리의 수명을 향상시킬 수 있다.
본 개시에서 얻을 수 있는 효과는 이상에서 언급한 효과들로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 개시가 속하는 기술 분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
본 개시의 일 실시예에 따르면, 전술된 특징 및 장점은 첨부된 도면 및 도면에 대한 설명을 기반으로 명확하게 이해될 수 있을 것이다.
도면의 설명과 관련하여, 동일 또는 유사한 구성 요소에 대해서는 동일 또는 유사한 참조 부호가 사용될 수 있다.
도 1은 본 개시의 일 실시예들에 따른 네트워크 환경 내의 전자 장치의 블록도이다.
도 2는 본 개시의 일 실시예에 따른 전력 관리 모듈 및 배터리에 대한 블록도이다.
도 3은 본 개시의 일 실시예에 따른 전자 장치에 대한 블록도이다.
도 4는 본 개시의 일 실시예에 따른 복수 개의 충전 패턴들 중에서 하나의 충전 패턴을 결정하는 방법을 도시한 흐름도이다.
도 5는 본 개시의 일 실시예에 따른 최적의 충전 패턴을 선별하기 위한 충전 패턴 맵을 업데이트하는 방법을 도시한 흐름도이다.
도 6a는 본 개시의 일 실시예에 따른 복수 개의 충전 패턴들 중에서 하나의 충전 패턴이 결정되는 제 1 실시예를 도시한 예시도이다.
도 6b는 본 개시의 일 실시예에 따른 복수 개의 충전 패턴들 중에서 하나의 충전 패턴이 결정되는 제 2 실시예를 도시한 예시도이다.
도 1은, 다양한 실시예들에 따른, 네트워크 환경(100) 내의 전자 장치(101)의 블록도이다. 도 1을 참조하면, 네트워크 환경(100)에서 전자 장치(101)는 제 1 네트워크(198)(예: 근거리 무선 통신 네트워크)를 통하여 전자 장치(102)와 통신하거나, 또는 제 2 네트워크(199)(예: 원거리 무선 통신 네트워크)를 통하여 전자 장치(104) 또는 서버(108)와 통신할 수 있다. 일실시예에 따르면, 전자 장치(101)는 서버(108)를 통하여 전자 장치(104)와 통신할 수 있다. 일실시예에 따르면, 전자 장치(101)는 프로세서(120), 메모리(130), 입력 모듈(150), 음향 출력 모듈(155), 디스플레이 모듈(160), 오디오 모듈(170), 센서 모듈(176), 인터페이스(177), 연결 단자(178), 햅틱 모듈(179), 카메라 모듈(180), 전력 관리 모듈(188), 배터리(189), 통신 모듈(190)(예: 통신 회로를 포함하는 통신 모듈), 가입자 식별 모듈(196), 또는 안테나 모듈(197)을 포함할 수 있다. 어떤 실시예에서는, 전자 장치(101)에는, 이 구성요소들 중 적어도 하나(예: 연결 단자(178))가 생략되거나, 하나 이상의 다른 구성요소가 추가될 수 있다. 어떤 실시예에서는, 이 구성요소들 중 일부들(예: 센서 모듈(176), 카메라 모듈(180), 또는 안테나 모듈(197))은 하나의 구성요소(예: 디스플레이 모듈(160))로 통합될 수 있다.
프로세서(120)는, 예를 들면, 소프트웨어(예: 프로그램(140))를 실행하여 프로세서(120)에 연결된 전자 장치(101)의 적어도 하나의 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)를 제어할 수 있고, 다양한 데이터 처리 또는 연산을 수행할 수 있다. 일실시예에 따르면, 데이터 처리 또는 연산의 적어도 일부로서, 프로세서(120)는 다른 구성요소(예: 센서 모듈(176) 또는 통신 모듈(190))로부터 수신된 명령 또는 데이터를 휘발성 메모리(132)에 저장하고, 휘발성 메모리(132)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 비휘발성 메모리(134)에 저장할 수 있다. 일실시예에 따르면, 프로세서(120)는 메인 프로세서(121)(예: 중앙 처리 장치 또는 어플리케이션 프로세서) 또는 이와는 독립적으로 또는 함께 운영 가능한 보조 프로세서(123)(예: 그래픽 처리 장치, 신경망 처리 장치(NPU: neural processing unit), 이미지 시그널 프로세서, 센서 허브 프로세서, 또는 커뮤니케이션 프로세서)를 포함할 수 있다. 예를 들어, 전자 장치(101)가 메인 프로세서(121) 및 보조 프로세서(123)를 포함하는 경우, 보조 프로세서(123)는 메인 프로세서(121)보다 저전력을 사용하거나, 지정된 기능에 특화되도록 설정될 수 있다. 보조 프로세서(123)는 메인 프로세서(121)와 별개로, 또는 그 일부로서 구현될 수 있다.
보조 프로세서(123)는, 예를 들면, 메인 프로세서(121)가 인액티브(예: 슬립) 상태에 있는 동안 메인 프로세서(121)를 대신하여, 또는 메인 프로세서(121)가 액티브(예: 어플리케이션 실행) 상태에 있는 동안 메인 프로세서(121)와 함께, 전자 장치(101)의 구성요소들 중 적어도 하나의 구성요소(예: 디스플레이 모듈(160), 센서 모듈(176), 또는 통신 모듈(190))와 관련된 기능 또는 상태들의 적어도 일부를 제어할 수 있다. 일 실시예에 따르면, 보조 프로세서(123)(예: 이미지 시그널 프로세서 또는 커뮤니케이션 프로세서)는 기능적으로 관련 있는 다른 구성요소(예: 카메라 모듈(180) 또는 통신 모듈(190))의 일부로서 구현될 수 있다. 일 실시예에 따르면, 보조 프로세서(123)(예: 신경망 처리 장치)는 인공지능 모델의 처리에 특화된 하드웨어 구조를 포함할 수 있다. 인공지능 모델은 기계 학습을 통해 생성될 수 있다. 이러한 학습은, 예를 들어, 인공지능이 수행되는 전자 장치(101) 자체에서 수행될 수 있고, 별도의 서버(예: 서버(108))를 통해 수행될 수도 있다. 학습 알고리즘은, 예를 들어, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)을 포함할 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은, 복수의 인공 신경망 레이어들을 포함할 수 있다. 인공 신경망은 심층 신경망(DNN: deep neural network), CNN(convolutional neural network), RNN(recurrent neural network), RBM(restricted boltzmann machine), DBN(deep belief network), BRDNN(bidirectional recurrent deep neural network), 심층 Q-네트워크(deep Q-networks) 또는 상기 중 둘 이상의 조합 중 하나일 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은 하드웨어 구조 이외에, 추가적으로 또는 대체적으로, 소프트웨어 구조를 포함할 수 있다.
메모리(130)는, 전자 장치(101)의 적어도 하나의 구성요소(예: 프로세서(120) 또는 센서 모듈(176))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어(예: 프로그램(140)) 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 메모리(130)는, 휘발성 메모리(132) 또는 비휘발성 메모리(134)를 포함할 수 있다.
프로그램(140)은 메모리(130)에 소프트웨어로서 저장될 수 있으며, 예를 들면, 운영 체제(142), 미들 웨어(144) 또는 어플리케이션(146)을 포함할 수 있다.
입력 모듈(150)은, 전자 장치(101)의 구성요소(예: 프로세서(120))에 사용될 명령 또는 데이터를 전자 장치(101)의 외부(예: 사용자)로부터 수신할 수 있다. 입력 모듈(150)은, 예를 들면, 마이크, 마우스, 키보드, 키(예: 버튼), 또는 디지털 펜(예: 스타일러스 펜)을 포함할 수 있다.
음향 출력 모듈(155)은 음향 신호를 전자 장치(101)의 외부로 출력할 수 있다. 음향 출력 모듈(155)은, 예를 들면, 스피커 또는 리시버를 포함할 수 있다. 스피커는 멀티미디어 재생 또는 녹음 재생과 같이 일반적인 용도로 사용될 수 있다. 리시버는 착신 전화를 수신하기 위해 사용될 수 있다. 일 실시예에 따르면, 리시버는 스피커와 별개로, 또는 그 일부로서 구현될 수 있다.
디스플레이 모듈(160)은 전자 장치(101)의 외부(예: 사용자)로 정보를 시각적으로 제공할 수 있다. 디스플레이 모듈(160)은, 예를 들면, 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 일 실시예에 따르면, 디스플레이 모듈(160)은 터치를 감지하도록 설정된 터치 센서, 또는 상기 터치에 의해 발생되는 힘의 세기를 측정하도록 설정된 압력 센서를 포함할 수 있다.
오디오 모듈(170)은 소리를 전기 신호로 변환시키거나, 반대로 전기 신호를 소리로 변환시킬 수 있다. 일 실시예에 따르면, 오디오 모듈(170)은, 입력 모듈(150)을 통해 소리를 획득하거나, 음향 출력 모듈(155), 또는 전자 장치(101)와 직접 또는 무선으로 연결된 외부 전자 장치(예: 전자 장치(102))(예: 스피커 또는 헤드폰)를 통해 소리를 출력할 수 있다.
센서 모듈(176)은 전자 장치(101)의 작동 상태(예: 전력 또는 온도), 또는 외부의 환경 상태(예: 사용자 상태)를 감지하고, 감지된 상태에 대응하는 전기 신호 또는 데이터 값을 생성할 수 있다. 일 실시예에 따르면, 센서 모듈(176)은, 예를 들면, 제스처 센서, 자이로 센서, 기압 센서, 마그네틱 센서, 가속도 센서, 그립 센서, 근접 센서, 컬러 센서, IR(infrared) 센서, 생체 센서, 온도 센서, 습도 센서, 또는 조도 센서를 포함할 수 있다.
인터페이스(177)는 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 직접 또는 무선으로 연결되기 위해 사용될 수 있는 하나 이상의 지정된 프로토콜들을 지원할 수 있다. 일 실시예에 따르면, 인터페이스(177)는, 예를 들면, HDMI(high definition multimedia interface), USB(universal serial bus) 인터페이스, SD카드 인터페이스, 또는 오디오 인터페이스를 포함할 수 있다.
연결 단자(178)는, 그를 통해서 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 물리적으로 연결될 수 있는 커넥터를 포함할 수 있다. 일 실시예에 따르면, 연결 단자(178)는, 예를 들면, HDMI 커넥터, USB 커넥터, SD 카드 커넥터, 또는 오디오 커넥터(예: 헤드폰 커넥터)를 포함할 수 있다.
햅틱 모듈(179)은 전기적 신호를 사용자가 촉각 또는 운동 감각을 통해서 인지할 수 있는 기계적인 자극(예: 진동 또는 움직임) 또는 전기적인 자극으로 변환할 수 있다. 일 실시예에 따르면, 햅틱 모듈(179)은, 예를 들면, 모터, 압전 소자, 또는 전기 자극 장치를 포함할 수 있다.
카메라 모듈(180)은 정지 영상 및 동영상을 촬영할 수 있다. 일 실시예에 따르면, 카메라 모듈(180)은 하나 이상의 렌즈들, 이미지 센서들, 이미지 시그널 프로세서들, 또는 플래시들을 포함할 수 있다.
전력 관리 모듈(188)은 전자 장치(101)에 공급되는 전력을 관리할 수 있다. 일 실시예에 따르면, 전력 관리 모듈(188)은, 예를 들면, PMIC(power management integrated circuit)의 적어도 일부로서 구현될 수 있다.
배터리(189)는 전자 장치(101)의 적어도 하나의 구성요소에 전력을 공급할 수 있다. 일 실시예에 따르면, 배터리(189)는, 예를 들면, 재충전 불가능한 1차 전지, 재충전 가능한 2차 전지 또는 연료 전지를 포함할 수 있다.
통신 모듈(190)은 전자 장치(101)와 외부 전자 장치(예: 전자 장치(102), 전자 장치(104), 또는 서버(108)) 간의 직접(예: 유선) 통신 채널 또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신 모듈(190)은 프로세서(120)(예: 어플리케이션 프로세서)와 독립적으로 운영되고, 직접(예: 유선) 통신 또는 무선 통신을 지원하는 하나 이상의 커뮤니케이션 프로세서를 포함할 수 있다. 일 실시예에 따르면, 통신 모듈(190)은 무선 통신 모듈(192)(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS(global navigation satellite system) 통신 모듈) 또는 유선 통신 모듈(194)(예: LAN(local area network) 통신 모듈, 또는 전력선 통신 모듈)을 포함할 수 있다. 이들 통신 모듈 중 해당하는 통신 모듈은 제 1 네트워크(198)(예: 블루투스, WiFi(wireless fidelity) direct 또는 IrDA(infrared data association)와 같은 근거리 통신 네트워크) 또는 제 2 네트워크(199)(예: 레거시 셀룰러 네트워크, 5G 네트워크, 차세대 통신 네트워크, 인터넷, 또는 컴퓨터 네트워크(예: LAN 또는 WAN)와 같은 원거리 통신 네트워크)를 통하여 외부의 전자 장치(104)와 통신할 수 있다. 이런 여러 종류의 통신 모듈들은 하나의 구성요소(예: 단일 칩)로 통합되거나, 또는 서로 별도의 복수의 구성요소들(예: 복수 칩들)로 구현될 수 있다. 무선 통신 모듈(192)은 가입자 식별 모듈(196)에 저장된 가입자 정보(예: 국제 모바일 가입자 식별자(IMSI))를 이용하여 제 1 네트워크(198) 또는 제 2 네트워크(199)와 같은 통신 네트워크 내에서 전자 장치(101)를 확인 또는 인증할 수 있다.
무선 통신 모듈(192)은 4G 네트워크 이후의 5G 네트워크 및 차세대 통신 기술, 예를 들어, NR 접속 기술(new radio access technology)을 지원할 수 있다. NR 접속 기술은 고용량 데이터의 고속 전송(eMBB(enhanced mobile broadband)), 단말 전력 최소화와 다수 단말의 접속(mMTC(massive machine type communications)), 또는 고신뢰도와 저지연(URLLC(ultra-reliable and low-latency communications))을 지원할 수 있다. 무선 통신 모듈(192)은, 예를 들어, 높은 데이터 전송률 달성을 위해, 고주파 대역(예: mmWave 대역)을 지원할 수 있다. 무선 통신 모듈(192)은 고주파 대역에서의 성능 확보를 위한 다양한 기술들, 예를 들어, 빔포밍(beamforming), 거대 배열 다중 입출력(massive MIMO(multiple-input and multiple-output)), 전차원 다중입출력(FD-MIMO: full dimensional MIMO), 어레이 안테나(array antenna), 아날로그 빔형성(analog beam-forming), 또는 대규모 안테나(large scale antenna)와 같은 기술들을 지원할 수 있다. 무선 통신 모듈(192)은 전자 장치(101), 외부 전자 장치(예: 전자 장치(104)) 또는 네트워크 시스템(예: 제 2 네트워크(199))에 규정되는 다양한 요구사항을 지원할 수 있다. 일실시예에 따르면, 무선 통신 모듈(192)은 eMBB 실현을 위한 Peak data rate(예: 20Gbps 이상), mMTC 실현을 위한 손실 Coverage(예: 164dB 이하), 또는 URLLC 실현을 위한 U-plane latency(예: 다운링크(DL) 및 업링크(UL) 각각 0.5ms 이하, 또는 라운드 트립 1ms 이하)를 지원할 수 있다.
안테나 모듈(197)은 신호 또는 전력을 외부(예: 외부의 전자 장치)로 송신하거나 외부로부터 수신할 수 있다. 일 실시예에 따르면, 안테나 모듈(197)은 서브스트레이트(예: PCB) 위에 형성된 도전체 또는 도전성 패턴으로 이루어진 방사체를 포함하는 안테나를 포함할 수 있다. 일 실시예에 따르면, 안테나 모듈(197)은 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다. 이런 경우, 제 1 네트워크(198) 또는 제 2 네트워크(199)와 같은 통신 네트워크에서 사용되는 통신 방식에 적합한 적어도 하나의 안테나가, 예를 들면, 통신 모듈(190)에 의하여 상기 복수의 안테나들로부터 선택될 수 있다. 신호 또는 전력은 상기 선택된 적어도 하나의 안테나를 통하여 통신 모듈(190)과 외부의 전자 장치 간에 송신되거나 수신될 수 있다. 어떤 실시예에 따르면, 방사체 이외에 다른 부품(예: RFIC(radio frequency integrated circuit))이 추가로 안테나 모듈(197)의 일부로 형성될 수 있다.
다양한 실시예에 따르면, 안테나 모듈(197)은 mmWave 안테나 모듈을 형성할 수 있다. 일실시예에 따르면, mmWave 안테나 모듈은 인쇄 회로 기판, 상기 인쇄 회로 기판의 제 1 면(예: 아래 면)에 또는 그에 인접하여 배치되고 지정된 고주파 대역(예: mmWave 대역)을 지원할 수 있는 RFIC, 및 상기 인쇄 회로 기판의 제 2 면(예: 윗 면 또는 측 면)에 또는 그에 인접하여 배치되고 상기 지정된 고주파 대역의 신호를 송신 또는 수신할 수 있는 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다.
상기 구성요소들 중 적어도 일부는 주변 기기들간 통신 방식(예: 버스, GPIO(general purpose input and output), SPI(serial peripheral interface), 또는 MIPI(mobile industry processor interface))을 통해 서로 연결되고 신호(예: 명령 또는 데이터)를 상호간에 교환할 수 있다.
일 실시예에 따르면, 명령 또는 데이터는 제 2 네트워크(199)에 연결된 서버(108)를 통해서 전자 장치(101)와 외부의 전자 장치(104)간에 송신 또는 수신될 수 있다. 외부의 전자 장치(102, 또는 104) 각각은 전자 장치(101)와 동일한 또는 다른 종류의 장치일 수 있다. 일 실시예에 따르면, 전자 장치(101)에서 실행되는 동작들의 전부 또는 일부는 외부의 전자 장치들(102, 104, 또는 108) 중 하나 이상의 외부의 전자 장치들에서 실행될 수 있다. 예를 들면, 전자 장치(101)가 어떤 기능이나 서비스를 자동으로, 또는 사용자 또는 다른 장치로부터의 요청에 반응하여 수행해야 할 경우에, 전자 장치(101)는 기능 또는 서비스를 자체적으로 실행시키는 대신에 또는 추가적으로, 하나 이상의 외부의 전자 장치들에게 그 기능 또는 그 서비스의 적어도 일부를 수행하라고 요청할 수 있다. 상기 요청을 수신한 하나 이상의 외부의 전자 장치들은 요청된 기능 또는 서비스의 적어도 일부, 또는 상기 요청과 관련된 추가 기능 또는 서비스를 실행하고, 그 실행의 결과를 전자 장치(101)로 전달할 수 있다. 전자 장치(101)는 상기 결과를, 그대로 또는 추가적으로 처리하여, 상기 요청에 대한 응답의 적어도 일부로서 제공할 수 있다. 이를 위하여, 예를 들면, 클라우드 컴퓨팅, 분산 컴퓨팅, 모바일 에지 컴퓨팅(MEC: mobile edge computing), 또는 클라이언트-서버 컴퓨팅 기술이 이용될 수 있다. 전자 장치(101)는, 예를 들어, 분산 컴퓨팅 또는 모바일 에지 컴퓨팅을 이용하여 초저지연 서비스를 제공할 수 있다. 일 실시예에 있어서, 외부의 전자 장치(104)는 IoT(internet of things) 기기를 포함할 수 있다. 서버(108)는 기계 학습 및/또는 신경망을 이용한 지능형 서버일 수 있다. 일 실시예에 따르면, 외부의 전자 장치(104) 또는 서버(108)는 제 2 네트워크(199) 내에 포함될 수 있다. 전자 장치(101)는 5G 통신 기술 및 IoT 관련 기술을 기반으로 지능형 서비스(예: 스마트 홈, 스마트 시티, 스마트 카, 또는 헬스 케어)에 적용될 수 있다.
도 2는 본 개시의 일 실시예에 따른 전력 관리 모듈 및 배터리에 대한 블록도이다.
도 2는, 다양한 실시예들에 따른, 전력 관리 모듈(예: 도 1의 전력 관리 모듈(188)) 및 배터리(예: 도 1의 배터리(189))에 대한 블록도(200)이다. 도 2를 참조하면, 전력 관리 모듈(188)은 충전 회로(210), 전력 조정기(220), 또는 연료 게이지(230)를 포함할 수 있다. 충전 회로(210)는 전자 장치(101)에 대한 외부 전원으로부터 공급되는 전력을 이용하여 배터리(189)를 충전할 수 있다. 일 실시예에 따르면, 충전 회로(210)는 외부 전원의 종류(예: 전원 어댑터, USB 또는 무선 충전), 상기 외부 전원으로부터 공급 가능한 전력의 크기(예: 약 20와트 이상), 또는 배터리(189)의 속성 중 적어도 일부에 기반하여 충전 방식(예: 일반 충전 또는 급속 충전)을 선택하고, 상기 선택된 충전 방식을 이용하여 배터리(189)를 충전할 수 있다. 외부 전원은, 예를 들면, 연결 단자(예: 도 1의 연결 단자(178))를 통해 유선 연결되거나, 또는 안테나 모듈(예: 도 1의 안테나 모듈(197))을 통해 무선으로 연결될 수 있다.
일 실시예에 따르면, 전력 조정기(220)는 외부 전원 또는 배터리(189)로부터 공급되는 전력의 전압 레벨 또는 전류 레벨을 조정함으로써 다른 전압 또는 다른 전류 레벨을 갖는 복수의 전력들을 생성할 수 있다. 전력 조정기(220)는 상기 외부 전원 또는 배터리(189)의 전력을 전자 장치(101)에 포함된 구성 요소들의 각각의 구성 요소에게 적합한 전압 또는 전류 레벨로 조정할 수 있다. 일 실시예에 따르면, 전력 조정기(220)는 LDO(low drop out) regulator 또는 switching regulator의 형태로 구현될 수 있다.
연료 게이지(230)는 배터리(189)의 사용 상태 정보(예: 배터리의 용량, 충방전 횟수, 전압, 또는 온도)를 측정할 수 있다.
전력 관리 모듈(188)은, 예를 들면, 충전 회로(210), 전압 조정기(220), 또는 연료 게이지(230)를 이용하여, 상기 측정된 사용 상태 정보에 적어도 일부 기반하여 배터리(189)의 충전과 관련된 충전 상태 정보(예: 수명, 과전압, 저전압, 과전류, 과충전, 과방전(over discharge), 과열, 단락, 또는 팽창(swelling))를 결정할 수 있다. 전력 관리 모듈(188)은 상기 결정된 충전 상태 정보에 적어도 일부 기반하여 배터리(189)의 이상 상태 또는 정상 상태의 여부를 판단한 후, 이상 상태로 판단되는 경우 배터리(189)에 대한 충전을 조정(예: 충전 전류 또는 전압 감소, 또는 충전 중지)할 수 있다. 일 실시예에 따르면, 전력 관리 모듈(188)의 기능들 중 적어도 일부 기능은 외부 제어 장치(예: 도 1의 프로세서(120))에 의해서 수행될 수 있다.
배터리(189)는, 예를 들면, 배터리 보호 회로(protection circuit module(PCM))(240)를 포함할 수 있다. 배터리 보호 회로(240)는 배터리(189)의 성능 저하 또는 소손을 방지하기 위한 다양한 기능(예: 사전 차단 기능)을 수행할 수 있다. 배터리 보호 회로(240)는, 추가적으로 또는 대체적으로(in alternative to), 셀 밸런싱, 배터리의 용량 측정, 충방전 횟수 측정, 온도 측정, 또는 전압 측정을 수행하기 위한 배터리 관리 시스템(battery management system(BMS))의 적어도 일부로서 구성될 수 있다.
일 실시예에 따르면, 배터리(189)의 상기 사용 상태 정보 또는 상기 충전 상태 정보의 적어도 일부는 연료 게이지(230), 전력 관리 모듈(188) 또는 센서 모듈(176) 중 해당하는 센서(예: 온도 센서)를 이용하여 측정될 수 있다. 이런 경우, 일 실시예에 따르면, 상기 센서 모듈(176) 중 상기 해당하는 센서(예: 온도 센서)는 배터리 보호 회로(240)의 일부로 포함되거나, 또는 이와는 별도의 장치로서 배터리(189)의 인근에 배치될 수 있다.
도 3은 본 개시의 일 실시예에 따른 전자 장치에 대한 블록도이다.
도 3의 전자 장치(101)는 도 1의 전자 장치(101)와 적어도 일부 유사하거나, 전자 장치(101)의 다른 실시예들을 더 포함할 수 있다.
도 3을 참조하면, 전자 장치(예: 도 1의 전자 장치(101))는 프로세서(320)(예: 도 1의 프로세서(120)), 메모리(예: 도 1의 메모리(130)), 충전 회로(310), 및/또는 배터리(예: 도 1의 배터리(189))를 포함할 수 있다. 메모리(130)에는 충전 패턴 정보(311) 및 배터리의 수명 예측 알고리즘(312)이 저장될 수 있다. 일 실시예에 따르면, 전자 장치(101)는 메모리(130)에 저장된 충전 패턴 정보(311) 및 배터리의 수명 예측 알고리즘(312)을 기반으로, 복수 개의 충전 패턴들 중에서 하나의 충전 패턴을 선별할 수 있다. 전자 장치(101)는 선별된 충전 패턴을 기반으로, 배터리(189)의 충전과 관련된, 충전 전압에 대응되는 충전 전류를 결정할 수 있다. 프로세서(320)는 처리 회로(processing circuitry)를 포함할 수 있다.
일 실시예에 따르면, 전자 장치(101)의 프로세서(320)는 메모리(130)에 저장된 프로그램(예: 도 1의 프로그램(140))을 실행하여, 전자 장치(101) 및/또는 외부 전자 장치(102)의 다른 구성 요소들(예: 하드웨어 및/또는 소프트웨어 구성요소)을 제어할 수 있고, 다양한 데이터 처리 및/또는 연산을 수행할 수 있다. 일 실시예에 따르면, 프로세서(320)는 전자 장치(101)에 전력을 공급하는 전력 관리 모듈(예: 도 1의 전력 관리 모듈(188), PMIC(power management integrated circuit))의 제어 회로를 포함할 수 있다. 일 실시예에 따르면, 프로세서(320)는 메모리(130), 충전 회로(310), 및/또는 배터리(189)와과 작동적으로(operatively), 기능적으로(functionally) 및/또는 전기적으로(electrically) 연결될 수 있다.
일 실시예에 따르면, 메모리(130)에는 배터리(189)의 충전과 관련된 복수 개의 충전 패턴이 포함된, 충전 패턴 정보(311)가 저장될 수 있다. 예를 들어, 충전 패턴은 다중 단계의 정전류-정전압 패턴(multi-step constant-current constant-voltage)의 형태를 포함할 수 있다. 일 실시예에 따르면, 프로세서(320)는 배터리(189)의 충전과 관련된, 모든 종류의 충전 패턴들 중에서 적어도 부분적으로 충전 패턴을 선별할 수 있고, 선별된 충전 패턴을 충전 패턴 정보(311)로 저장할 수 있다. 예를 들어, 충전 패턴 정보(311)는 배터리(189)를 충전함에 있어서, 운전 전압 범위(Vmin, Vmax) 및 운전 전류 범위(Imin, Imax)가 설정될 수 있고, 특정한 운전 전압값에 대응되는 운전 전류값을 포함할 수 있다. 예를 들어, 운전 전압 범위는 제 1 간격으로 균등 분할되어, “{Vi}i<n” 으로 설정될 수 있고, 운전 전류 범위는 제 2 간격으로 균등 분할되어, “{Ij}j<m” 으로 설정될 수 있다. 일 실시예에서 충전 패턴 정보(311)는 “{Vi}i<n” 및 “{Ij}j<m”을 기반으로 구간 집합(예: {intvi}i<n = {(V0, V1),…,(Vn-2,Vn-1)})이 결정될 수 있고, 각각의 구간(예: intvi)에 대응되는 충전 전류값이 결정될 수 있다. 일 실시예에 따르면, 충전 패턴 정보(311)는 운전 전압 범위에 포함된 제 1 충전 전압을 기반으로, 운전 전류 범위에 포함된 제 1 충전 전류값이 설정될 수 있다. 충전 패턴 정보(311)는 단위 충전 전압 별로 배터리(189)에 제 1 충전 전압이 공급되면서, 상기 단위 충전 전압 별로 공급된 제 1 충전 전압에 대응하여 결정된 제 1 충전 전류와 관련된 정보를 포함할 수 있다. 일 실시예에 따르면, 운전 전압 범위 및 운전 전류 범위는 균등하게 분할되는 것에 한정되지 않으며, 불균등하게 분할될 수도 있다. 일 실시예에 따르면, 전자 장치(101)는 단위 충전 전압을 추가적으로 분할할 수 있고, 추가 분할된 구간 별로, 공급되는 충전 전압 및 상기 충전 전압에 대응되는 충전 전류를 결정할 수 있다.
일 실시예에 따르면, 전자 장치(101)는 배터리(189)의 충전과 관련된, 모든 종류의 충전 패턴들(예: (n-1)m) 중에서 기 설정된 조건을 충족하는 충전 패턴을 선별할 수 있고, 선별된 충전 패턴을 메모리(130)에 충전 패턴 정보(311)로 저장할 수 있다. 예를 들어, 기 설정된 조건은 등가 회로 모형(equivalent circuit model)을 충족하는 조건을 포함할 수 있다. 등가 회로 모형은 함수 VOC의 기전력을 제공하는 함수형 전압원에 저항(R0)이 직접적으로(directly), 또는, 간접적으로(indirectly) 연결된 형태를 포함할 수 있다. 예를 들어, 충전 심도에 대한 기전력의 함수(예: VOC)는 실험적으로 특정한 데이터를 스플라인 방법에 의해 적절히 보간한 내장 함수를 포함할 수 있다. 예를 들어, 저항(R0)은 초기 상태 배터리의 직류 내부 저항(direct current internal resistance, DCIR)의 측정값을 포함할 수 있다. 저항(R0)은 미리 설정된 초기 저항을 포함할 수 있다. 예를 들어, 파우치 형태의 리튬 이온 배터리는 저항(R0)이 약 0.03 내지 약 0.07 (Ohm) 값으로 측정될 수 있다.
일 실시예에 따르면, 전자 장치(101)는 모든 종류의 충전 패턴들(예: (n-1)m)과 관련하여, 함수(예: VOC) 및 저항(R0)(예: 초기 저항)을 반영할 수 있고, 적어도 하나의 충전 패턴을 선별할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 배터리(189)에 대한 충전 시간의 상한 데이터(tmax)를 설정할 수 있다. 예를 들어, 충전 시간의 상한 데이터는 배터리(189)의 용이한 사용성을 보장하기 위해, 개발자가 임의로 결정하거나, 또는 사용자가 입력한 데이터를 포함할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 모든 종류의 충전 패턴들(예: (n-1)m)에 대해, 아래의 (수학식1)을 반영할 수 있고, “tend” 값을 확인할 수 있다.
Figure PCTKR2023014363-appb-img-000001
예를 들어, 모든 종류의 충전 패턴들 중에서 제 1 충전 패턴이 (수학식1)에 적용되어, “tend” 값을 확인할 수 있다면, 제 1 충전 패턴은 충전 패턴 정보(311)에 포함될 수 있다. 예를 들어, 제 1 충전 패턴은 배터리(189)의 수명을 향상시키는 충전 패턴을 나타낼 수 있다.
일 실시예에 따르면, 전자 장치(101)는 배터리(189)의 충전 및/또는 방전과 관련된 싸이클이 증가함에 따라, 내부 저항(예: (R0))이 증가하는 R(cycle)이 결정될 수 있다. 전술된 (수학식1)에 포함된 R0는 R(cycle)로 변경될 수 있고, 아래의 (수학식2)로 변경되어, tend(cycle) 값을 산출할 수 있다. 예를 들어, 모든 종류의 충전 패턴들 중에서 제 1 충전 패턴이 (수학식2)에 적용되는 것을 가정한다.
Figure PCTKR2023014363-appb-img-000002
일 실시예에 따르면, tend(cycle) 값은 아래의 (수학식3)에 적용될 수 있고, 특정 싸이클에서의 배터리(189)의 용량 수준인 Q(cycle)이 산출될 수 있다. (수학식3)의 Q0는 배터리(189)의 최대 용량을 나타낼 수 있고, 기 설정된 값일 수 있다.
Figure PCTKR2023014363-appb-img-000003
일 실시예에 따르면, (수학식3)에서 산출된 Q(cycle)은 아래의 (수학식4)에 적용될 수 있다. (수학식4)에서 고장 용량비인 Qmin 및 물리적으로 허용 가능한 최대 싸이클 값인 cyclemax 값은 미리 설정될 수 있다. 예를 들어, 고장 용량비(Qmin= Q0*비율)는 배터리(189)의 최대 용량(Q0)을 기준으로, 배터리(189)가 사용불가로 판단되는 배터리(189)의 용량 비율을 나타낼 수 있다. 고장 용량비는 배터리(189)의 고장을 판단하기 위한 비율 값을 포함할 수 있고, 개발자에 의해 미리 설정될 수 있다. 예를 들어, “비율”값이 0.8(예: 약 80%)일 때, 고장 용량비(Qmin)는 배터리(189)의 최대 용량 대비 80% 수준의 용량 비율을 나타낼 수 있다. 배터리(189)의 용량이 약 80% 미만으로 낮아지게 되면, 해당 배터리(189)는 사용불가 배터리로 판단될 수 있다. 일 실시예에 따르면, 배터리(189)의 충전과 관련된 싸이클 횟수가 설정된 싸이클 횟수를 초과하는 시점에서, 배터리(189)의 최대 용량이 고장 용량비를 초과하는 것으로 예측된다면, 배터리(189)에 적용된 충전 패턴은 충전 패턴 정보(311)에 포함될 수 있다. 충전 패턴 정보(311)에 포함된 충전 패턴은 배터리의 충전 효율이 상대적으로 뛰어난 충전 패턴을 나타낼 수 있다.
Figure PCTKR2023014363-appb-img-000004
일 실시예에 따르면, (수학식3)에서 산출된 Q(cycle)이 (수학식4)를 충족하게 되면, (수학식2)에서 적용된 제 1 충전 패턴은 충전 패턴 정보(311)에 포함될 수 있다. 일 실시예에 따르면, 전자 장치(101)는 모든 종류의 충전 패턴들(예: (n-1)m)과 관련하여, (수학식1) 내지 (수학식4)를 적용할 수 있고, (수학식4)를 충족하는 적어도 하나의 충전 패턴을 확인할 수 있다. 전자 장치(101)는 확인된 적어도 하나의 충전 패턴을 충전 패턴 정보(311)로 메모리(130)에 저장할 수 있다.
일 실시예에 따르면, 메모리(130)에는 배터리(189)의 수명을 예측하기 위한 수명 예측 알고리즘(312)이 저장될 수 있다. 예를 들어, 전자 장치(101)는 배터리(189)의 충전과 관련된 데이터(예: 배터리(189)의 충전 동작 및 방전 동작에 있어서, 평균 전류, 평균 전압, 평균 온도, 및/또는 용량 손실 이력)를 확인할 수 있다. 전자 장치(101)는 확인된 배터리(189)의 충전과 관련된 데이터를 수명 예측 알고리즘(312)에 반영할 수 있고, 배터리(189)의 기대 수명(예: 예측 수명, L 값) 및 충전 시간(예: t 값)을 확인할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 충전 패턴 정보(311)에 포함된 적어도 하나의 충전 패턴을 수명 예측 알고리즘(312)에 적용할 수 있고, 상기 충전 패턴에 대응되는 기대 수명(예: 예측 수명, L 값) 및 충전 시간(예: t 값)을 확인할 수 있다.
일 실시예에 따르면, 전자 장치(101)는 베이즈 추정법(bayesian estimation)을 사용하여, 배터리(189)의 기대 수명(예: L값) 및 충전 시간(예: t 값)을 확인할 수 있다. 예를 들어, 베이즈 추정법은 모수값이 가질 수 있는 모든 가능성의 분포를 계산하는 방법일 수 있다. 전자 장치(101)의 프로세서(320)는 베이즈 추정법을 기반으로, 충전 패턴 정보(311)에 포함된 모든 충전 패턴들, 각각에 대응되는 기대 수명 및 충전 시간을 확인할 수 있다. 베이즈 추정법은 사전 측정 데이터(예: 충전 패턴 정보(311)에 포함된 적어도 하나의 충전 패턴)를 이용하여, 이산 정의역에 대해 사후 분포를 예측할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 베이즈 추정법을 기반으로, 충전 패턴 정보(311)에 포함된 복수 개의 충전 패턴들, 각각에 대응되는 기대 수명 및 충전 시간을 확인하거나, 또는 예측할 수 있다.
예를 들어, 충전 패턴 정보(311)에 포함된 적어도 하나의 충전 패턴(C)은 아래의 (수학식5)와 같이, 2n차원 공간상의 순서쌍으로 매핑될 수 있다. 해당되는 충전 패턴은 xc를 나타낼 수 있다.
Figure PCTKR2023014363-appb-img-000005
예를 들어, 충전 패턴 정보(311)에 포함된 충전 패턴들 중에서 제 1 충전 패턴에 대한 2n차원 매핑이 x1이라면, 이를 배터리에 대한 수명 예측 알고리즘(312)에 적용할 경우, 기대 수명 및 충전 시간의 순서쌍 y1=(L0, t0)을 확인할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 충전 패턴 정보(311)에 포함된, 각각의 충전 패턴들에 대응하여 수명 예측 알고리즘(312)을 적용할 수 있고, 기대 수명 및 충전 시간과 관련된 집합 y를 확인 또는 예측할 수 있다. 예를 들어, 집합 y는 기대 수명(L) 및 충전 시간(t)에 기반한 순서쌍으로 구성될 수 있다. 일 실시예에 따르면, 전자 장치(101)는 집합 y(예: 순서쌍(L, t))를 기반으로, 복수 개의 충전 패턴들에 대응되는 “충전 시간-기대 수명 맵”을 생성할 수 있고, “충전 시간-기대 수명 맵”을 메모리(130)에 저장할 수 있다.
일 실시예에 따르면, 수명 예측 알고리즘(312)은 아래의 (수학식6) 내지 (수학식10)을 사용하여, 충전 패턴(예: 충전 패턴 정보(311)에 포함된 적어도 하나의 충전 패턴)에 대응되는 기대 수명 및 충전 시간을 예측하는 알고리즘을 포함할 수 있다.
Figure PCTKR2023014363-appb-img-000006
Figure PCTKR2023014363-appb-img-000007
Figure PCTKR2023014363-appb-img-000008
Figure PCTKR2023014363-appb-img-000009
Figure PCTKR2023014363-appb-img-000010
전술된 (수학식6) 내지 (수학식10)을 참조하면, 집합 x에 포함된 충전 패턴들(예: 충전 패턴 정보(311)에 포함된 적어도 하나의 충전 패턴), 각각에 대응되는 기대 수명(L) 및 충전 시간(t)으로 구성된 복수 개의 순서쌍(L, t)이 산출될 수 있다. 예를 들어, 복수 개의 순서쌍(L, t)은 다변량 정규 분포(multivariate normal distribution) 형태로 산출될 수 있다. 예를 들어, 복수 개의 순서쌍(L, t)에 기반한 평균 벡터는 (수학식9)에 의해 산출될 수 있고, 공분산 행렬(covariance matrix)(예: 변수들 사이의 공분산을 행렬 형태로 나타낸 것)은 (수학식10)에 의해 산출될 수 있다. 일 실시예에 따르면, 전자 장치(101)는 평균 벡터 및 공분산 행렬을 기반으로 배터리(189)의 수명이 향상되는 충전 패턴을 결정할 수 있다.
일 실시예에 따르면, 전자 장치(101)는 복수 개의 순서쌍(L, t)을 기반으로, 복수 개의 충전 패턴들에 대응되는 “충전 시간-기대 수명 맵”을 생성할 수 있다. 예를 들어, 메모리(130)에 “충전 시간-기대 수명 맵”이 저장된 상태인 경우, 전자 장치(101)는 “충전 시간-기대 수명 맵”을 업데이트할 수 있다.
일 실시예에 따르면, 전자 장치(101)는 “충전 시간-기대 수명 맵”을 기반으로 충전 시간이 설정된 임계값 미만이면서, 기대 수명이 높은 충전 패턴을 결정할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 상기 결정된 충전 패턴을 기반으로 배터리(189)를 효율적으로 충전할 수 있고, 상대적으로 배터리(189)의 수명을 향상시킬 수 있다.
일 실시예에 따르면, 프로세서(320)는 충전 패턴 정보(311)에 포함된 충전 패턴을 기반으로, 충전 회로(310)를 통해 배터리(189)에 충전 전압 및 충전 전류를 공급할 수 있다. 예를 들어, 전자 장치(101)의 프로세서(320)는 충전 패턴을 기반으로, 배터리(189)에 공급되는 충전 전압을 확인할 수 있고, 확인된 충전 전압에 대응되는 충전 전류를 결정할 수 있다. 프로세서(320)는 단위 충전 전압 별로 배터리(189)에 충전 전압 및 상기 충전 전압에 대응되는 충전 전류를 결정할 수 있다. 예를 들어, 프로세서(320)는 충전 패턴을 기반으로, 배터리(189)에 제 1 충전 전압에 대응되는 제 1 충전 전류를 공급할 수 있고, 제 2 충전 전압에 대응되는 제 2 충전 전류를 공급할 수 있다. 일 실시예에서 충전 패턴은 단위 충전 전압 별로, 특정한 충전 전압값에 대응하여, 특정한 충전 전류값이 배터리(189)에 공급되는 방식을 포함할 수 있다.
일 실시예에 따르면, 전자 장치(101)의 프로세서(320)는 충전 패턴 정보(311)에 포함된 복수 개의 충전 패턴들 중에서 제 1 충전 패턴을 메인 충전 패턴으로 설정할 수 있다. 예를 들어, 프로세서(320)는 설정된 메인 충전 패턴을 기반으로 배터리(189)를 충전할 수 있다. 프로세서(320)는 배터리(189)의 충전과 관련된 데이터(예: 배터리(189)의 충전 동작 및 방전 동작에 있어서, 평균 전류, 평균 전압, 평균 온도, 및/또는 용량 손실 이력)를 획득할 수 있다. 프로세서(320)는 상기 제 1 충전 패턴(예: 메인 충전 패턴) 및 상기 획득된 데이터를 기반으로, 충전 패턴 정보(311)에 포함된 복수 개의 충전 패턴들 중에서 제 2 충전 패턴을 결정할 수 있다. 예를 들어, 프로세서(320)는 제 1 충전 패턴 보다 상대적으로 짧은 충전 시간을 가지면서, 제 1 충전 패턴 보다 상대적으로 긴 기대 수명을 갖는 제 2 충전 패턴을 확인할 수 있고, 메인 충전 패턴을 제 1 충전 패턴에서 제 2 충전 패턴으로 변경할 수 있다. 예를 들어, 프로세서(320)는 수명 예측 알고리즘(312)에 상기 제 1 충전 패턴(예: 메인 충전 패턴) 및 상기 획득된 데이터를 적용할 수 있고, 기대 수명 및 충전 시간을 예측할 수 있다. 프로세서(320)는 예측된 기대 수명 및 충전 시간을 기반으로 제 2 충전 패턴을 결정할 수 있다. 프로세서(320)는 메인 충전 패턴을 제 1 충전 패턴에서 상기 결정된 제 2 충전 패턴으로 변경할 수 있다. 일 실시예에 따르면, 프로세서(320)는 배터리(189)에 대한 충전 요청 신호에 응답하여, 메인 패턴으로 설정된, 제 2 충전 패턴을 기반으로, 배터리(189)의 충전 전압에 대응되는 충전 전류를 결정할 수 있다.
일 실시예에 따르면, 전자 장치(예: 도 1 및/또는 도 3의 전자 장치(101))는, 배터리(예: 도 1 및/또는 도 3의 배터리(189)), 메모리(예: 도 1 및/또는 도 3의 메모리(130)), 및 배터리(189) 및 메모리(130)에 작동적으로 연결된 프로세서(예: 도 1 및/또는 도 3의 프로세서(320))를 포함할 수 있다. 프로세서(320)는 제 1 충전 패턴을 메인 충전 패턴으로 설정할 수 있다. 프로세서(320)는 메인 충전 패턴을 기반으로 배터리(189)를 충전하는 상황에서, 배터리(189)의 충전과 관련된 데이터를 획득할 수 있다. 프로세서(320)는 메인 충전 패턴으로 설정된 제 1 충전 패턴 및 획득된 데이터를 기반으로, 제 1 기대 수명을 확인할 수 있다. 프로세서(320)는 확인된 제 1 기대 수명 보다 상대적으로 긴 제 2 기대 수명을 충족하는 제 2 충전 패턴을 확인할 수 있다. 프로세서(320)는 메인 충전 패턴을 제 1 충전 패턴에서 제 2 충전 패턴으로 변경할 수 있다. 프로세서(320)는 배터리(189)에 대한 충전 요청 신호에 응답하여, 제 2 충전 패턴을 기반으로, 상기 배터리(189)의 충전 전압에 대응되는 충전 전류를 결정할 수 있다.
일 실시예에 따르면, 프로세서(320)는 설정된 제 1 충전 패턴 및 획득된 데이터를 기반으로, 제 1 충전 시간을 확인하고, 확인된 제 1 충전 시간 보다 상대적으로 짧은 제 2 충전 시간을 충족하는 상기 제 2 충전 패턴을 확인할 수 있다.
일 실시예에 따르면, 프로세서(320)는 메모리(130)에 저장된 복수 개의 충전 패턴들, 각각에 대응되는 제 n 충전 시간 및 제 n 기대 수명을 확인할 수 있다. 프로세서(320)는 확인된 제 n 충전 시간 및 제 n 기대 수명을 기반으로, 제 2 충전 패턴을 확인할 수 있다.
일 실시예에 따르면, 제 1 충전 패턴 및 제 2 충전 패턴은 단위 충전 전압 별로 상기 배터리(189)에 공급되는 충전 전압 및 단위 충전 전압 별로 공급된 충전 전압에 대응되는 충전 전류가 결정되는 것을 특징으로 한다.
일 실시예에 따르면, 제 2 충전 패턴은 m개의 단위 충전 구간을 포함하고, m개의 단위 충전 구간 중 제 1 단위 충전 구간은 제 1 전압 및/또는 제 1 전류로 설정되고, 제 1 단위 충전 구간 이후의 제 2 단위 충전 구간은 제 1 전압 보다 높은 제 2 전압 및/또는 제 1 전류보다 높은 제 2 전류로 설정될 수 있다.
일 실시예에 따르면, 프로세서(320)는 배터리(189)를 충전하기 위한 모든 충전 패턴들 중에서 등가 회로 모형을 충족하는 적어도 하나의 충전 패턴을 확인하고, 확인된 적어도 하나의 충전 패턴을 메모리(130)에 저장할 수 있다.
일 실시예에 따르면, 등가 회로 모형은 모든 충전 패턴들을 기반으로, 설정된 함수 및 초기 저항을 반영할 수 있다. 일 실시예에 따르면, 프로세서(320)는 적어도 하나의 충전 패턴을 기반으로 배터리(189)를 충전할 때, 설정된 싸이클 횟수를 초과하는 시점에서 배터리(189)의 최대 용량(예: 용량)을 산출하고, 산출된 배터리(189)의 최대 용량(예: 용량)이 배터리(189)의 고장 용량비를 초과하는 경우, 적어도 하나의 충전 패턴을 메모리(130)에 저장할 수 있다.
일 실시예에 따르면, 배터리(189)의 충전과 관련된 데이터는 배터리(189)를 충전하는 동작에 있어서, 평균 전류, 평균 전압, 평균 온도, 및/또는 용량 손실 이력 중 적어도 하나를 포함할 수 있다.
일 실시예에 따르면, 프로세서(320)는 배터리(189)의 충전과 관련된 데이터를 베이즈 추정법(bayesian estimation)에 기반한 수명 예측 알고리즘에 적용하고, 수명 예측 알고리즘을 기반으로, 제 1 충전 패턴에 대응되는 제 1 충전 시간 및 제 1 기대 수명을 확인할 수 있다.
일 실시예에 따르면, 프로세서(320)는 복수 개의 충전 패턴들, 각각에 수명 예측 알고리즘을 적용하여 제 n 충전 시간 및 제 n 기대 수명을 확인하고, 확인된 제 n 충전 시간 및 상기 제 n 기대 수명을 기반으로, 복수 개의 충전 패턴들에 대응되는 “충전 시간-기대 수명 맵”을 생성하고, “충전 시간-기대 수명 맵”을 기반으로 상대적으로 기대 수명이 길게 예상되는 제 2 충전 패턴을 결정할 수 있다.
일 실시예에 따르면, 프로세서(320)는 “충전 시간-기대 수명 맵”을 기반으로, 설정된 임계 충전 시간 보다 상대적으로 짧을 것으로 예상되는 제 2 충전 패턴을 결정할 수 있다.
일 실시예에 따르면, 프로세서(320)는 “충전 시간-기대 수명 맵”을 기반으로, 임계 충전 시간보다 길게 충전되면서 기대 수명이 상대적으로 짧게 예상되는 충전 패턴 및 빠른 속도로 충전되면서 기대 수명이 상대적으로 길게 예상되는 충전 패턴을 복수 개의 충전 패턴들로부터 삭제할 수 있다.
일 실시예에 따르면, 프로세서(320)는 “충전 시간-기대 수명 맵”에 포함된 복수 개의 충전 패턴들, 각각에 수명 예측 알고리즘을 적용하여 제 n’ 충전 시간 및 제 n’ 기대 수명을 확인할 수 있다. 프로세서(320)는 확인된 제 n’ 충전 시간 및 상기 제 n’ 기대 수명을 기반으로, 복수 개의 충전 패턴들에 대응되는 “충전 시간-기대 수명 맵”을 업데이트할 수 있다.
일 실시예에 따르면, 프로세서(320)는 제 2 충전 패턴을 기반으로 배터리(189)의 기대 수명이 향상되었는지 여부를 확인할 수 있다. 프로세서(320)는 배터리(189)의 기대 수명이 향상되지 않은 경우, 배터리(189)에 충전 전압을 공급하는 단위 충전 전압을 분할할 수 있다. 프로세서(320)는 분할된 단위 충전 전압을 기반으로 충전 전류를 공급할 수 있다.
도 4는 본 개시의 일 실시예에 따른 복수 개의 충전 패턴들 중에서 하나의 충전 패턴을 결정하는 방법을 도시한 흐름도이다.
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.
도 4의 전자 장치(101)는 도 1의 전자 장치(101)와 적어도 일부 유사하거나, 전자 장치(101)의 다른 실시예들을 더 포함할 수 있다.
동작 401에서 전자 장치(101)의 프로세서(예: 도 3의 프로세서(320), 도 1의 프로세서(120))는 복수 개의 충전 패턴들 중 제 1 충전 패턴을 메인 충전 패턴으로 설정할 수 있다. 예를 들어, 프로세서(320)는 배터리(예: 도 3의 배터리(189))를 충전함에 있어서, 제 1 충전 패턴을 메인 충전 패턴으로 설정할 수 있고, 제 1 충전 패턴에 기반한 충전 전압 및 충전 전류를 배터리(189)에 인가하여, 상기 배터리(189)를 충전시킬 수 있다. 예를 들어, 복수 개의 충전 패턴들은 메모리(예: 도 3의 메모리(130))에 저장된 충전 패턴 정보(311)에 포함될 수 있다. 일 실시예에 따르면, 프로세서(320)는 배터리(189)의 충전과 관련된 모든 충전 패턴들 중에서, (수학식 1) 내지 (수학식 4)를 적용하여, (수학식 4)에 기반한 기대 수명을 충족하는 적어도 하나의 충전 패턴을 확인할 수 있고, 확인된 적어도 하나의 충전 패턴을 충전 패턴 정보(311)로 메모리(130)에 저장할 수 있다.
동작 403에서 프로세서(320)는 배터리(189)의 충전과 관련된 데이터를 획득할 수 있다. 예를 들어, 배터리(189)의 충전과 관련된 데이터는 이전에 배터리(189)를 충전하는 동작에 있어서, 평균 전류, 평균 전압, 평균 온도, 및/또는 용량 손실 이력 중 적어도 하나를 포함할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 제 1 충전 패턴을 기반으로 배터리(189)를 충전하는 과정에 있어서, 충전과 관련된 데이터(예: 평균 전류, 평균 전압, 평균 온도, 및/또는 용량 손실 이력)를 메모리(130)에 지속적으로 저장할 수 있다.
동작 405에서 프로세서(320)는 제 1 충전 패턴 및 획득된 데이터(예: 배터리(189)의 충전과 관련된 데이터)를 기반으로, 배터리(189)의 제 1 충전 시간 및 제 1 기대 수명을 확인할 수 있다. 일 실시예에 따르면, 프로세서(320)는 (수학식 6) 내지 (수학식 10)을 적용하여, 제 1 충전 패턴에 대응되는 제 1 충전 시간 및 제 1 기대 수명을 확인할 수 있다.
동작 407에서 프로세서(320)는 충전 패턴 정보(311)에 포함된 복수 개의 충전 패턴들, 각각에 대응되는 제 n 충전 시간 및 제 n 기대 수명을 확인할 수 있다. 예를 들어, 프로세서(320)는 (수학식 5)를 사용하여, 충전 패턴 정보(311)에 포함된 복수 개의 충전 패턴들, 각각에 대응되는 충전 패턴(x)을 순서쌍 형태로 확인할 수 있다. 프로세서(320)는 순서쌍 형태의 충전 패턴들, 각각에 (수학식 6) 내지 (수학식 10)을 적용할 수 있고, 각각의 충전 패턴에 대응되는 제 n 충전 시간 및 제 n 기대 수명을 확인할 수 있다.
일 실시예에 따르면, 프로세서(320)는 상기 확인된 제 1 충전 시간 보다 상대적으로 짧은 제 2 충전 시간 및 상기 확인된 제 1 기대 수명 보다 상대적으로 긴 제 2 기대 수명을 충족하는 제 2 충전 패턴을 확인할 수 있다. 예를 들어, 프로세서(320)는 제 1 충전 시간 및 제 2 충전 시간을 기반으로, 설정된 임계 충전 시간 보다 짧으면서, 상기 제 2 충전 시간이 상기 제 1 충전 시간 보다 짧은지 여부를 확인할 수 있다. 프로세서(320)는 제 1 기대 수명 및 제 2 기대 수명을 기반으로, 상기 제 2 기대 수명이 상기 제 1 기대 수명 보다 상대적으로 더 길게 예측되는지 여부를 확인할 수 있다. 예를 들어, 상기 제 1 충전 패턴과 비교하여, 충전 시간이 더 짧으면서, 기대 수명이 더 긴 충전 패턴은 상기 제 1 충전 패턴 보다 충전 효율성이 향상된 충전 패턴일 수 있다. 일 실시예에 따르면, 프로세서(320)는 복수 개의 충전 패턴들 중에서, 상대적으로 제 1 충전 패턴 보다 충전 효율이 향상된 제 2 충전 패턴을 확인할 수 있다.
동작 409에서 프로세서(320)는 상기 확인된 제 n 충전 시간 및 제 n 기대 수명을 기반으로, 상기 복수 개의 충전 패턴들 중에서 제 2 충전 패턴을 결정할 수 있다. 예를 들어, 프로세서(320)는 제 1 충전 패턴으로 설정된 메인 충전 패턴을 제 2 충전 패턴으로 변경할 수 있다. 일 실시예에 따르면, 프로세서(320)는 상기 확인된 제 n 충전 시간 및 제 n 기대 수명을 기반으로, 충전 시간이 설정된 임계 충전 시간(예: tth) 이내이면서, 기대 수명이 가장 높은 충전 패턴을 확인할 수 있고, 확인된 충전 패턴을 제 2 충전 패턴으로 결정할 수 있다. 예를 들어, 임계 충전 시간(tth)은 제 2 충전 패턴을 결정하기 위한 기준 값을 포함하고, 기 설정된 고정 값일 수 있다. 일 실시예에 따르면, 전자 장치(101)는 상기 확인된 제 n 충전 시간 및 제 n 기대 수명을 기반으로, “충전 시간-기대 수명 맵”을 생성하여 관리할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 “충전 시간-기대 수명 맵”을 지속적으로 업데이트하면서 관리할 수 있고, 충전 패턴이 변경되는 과정이 반복되면서, 상대적으로 충전 시간이 짧으면서, 기대 수명이 높은 최적의 충전 패턴을 선별할 수 있다. 일 실시예에서 배터리(189)의 수명(예: 기대 수명)을 향상시키기 위한 최적의 충전 패턴이 결정될 수 있다.
동작 411에서 프로세서(320)는 배터리(189)에 대한 충전 요청 신호에 응답하여, 상기 결정된 제 2 충전 패턴을 기반으로, 상기 배터리(189)의 충전 전압에 대응되는 충전 전류를 결정할 수 있다. 일 실시예에 따르면, 프로세서(320)는 제 2 충전 패턴에 기반한 충전 전압 및 충전 전류를 사용하여, 배터리(189)를 충전할 수 있고, 배터리(189)의 기대 수명을 향상시킬 수 있다.
일 실시예에 따르면, 전자 장치(101)는 충전 패턴을 결정하거나, 또는 변경하기 위한 싸이클 주기를 설정할 수 있고, 상기 설정된 싸이클 주기가 초과되는 경우, 도 4의 동작을 수행할 수 있다. 예를 들어, 싸이클은 배터리를 충전하는 횟수 및/또는 방전하는 횟수를 포함할 수 있다. 예를 들어, 충전 패턴을 변경하거나, 또는 업데이트하는 주기가 약 50 싸이클로 설정된 경우, 프로세서(320)는 약 50 싸이클이 초과되는 시점에서, 현재 설정된 제 1 충전 패턴에 기반한 제 1 충전 시간 및 제 1 기대 수명을 확인할 수 있고, 메모리(130)에 저장된 복수 개의 충전 패턴들 각각에 대응되는 제 n 충전 시간 및 제 n 기대 수명을 확인할 수 있다. 프로세서(320)는 확인된 제 n 충전 시간 및 제 n 기대 수명을 기반으로, 제 1 충전 패턴을 제 2 충전 패턴으로 변경할 수 있다. 일 실시예에 따르면, 싸이클 주기는 설정에 의해 변경될 수 있다.
도 5는 본 개시의 일 실시예에 따른 최적의 충전 패턴을 선별하기 위한 충전 패턴 맵을 업데이트하는 방법을 도시한 흐름도이다.
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.
도 5의 전자 장치(101)는 도 1의 전자 장치(101)와 적어도 일부 유사하거나, 전자 장치(101)의 다른 실시예들을 더 포함할 수 있다. 도 5의 흐름도는 도 4의 동작 405 내지 동작 409에 포함되는 추가적인 동작일 수 있다.
동작 501에서 전자 장치(101)의 프로세서(예: 도 3의 프로세서(320), 도 1의 프로세서(120))는 복수 개의 충전 패턴들 중 메인 충전 패턴으로 설정된, 제 1 충전 패턴에 대응되는, 배터리(189)의 제 1 충전 시간 및 제 1 기대 수명을 확인할 수 있다. 일 실시예에 따르면, 프로세서(320)는 수명 예측 알고리즘(예: 도 3의 수명 예측 알고리즘(312), (수학식 6) 내지 (수학식 10)을 이용하여 기대 수명을 예측하는 알고리즘)을 적용하여, 제 1 충전 패턴에 대응되는 제 1 충전 시간 및 제 1 기대 수명을 확인할 수 있다. 예를 들어, 제 1 충전 시간은 배터리(189)를 완충하는 데 소요되는 시간을 의미할 수 있고, 제 1 기대 수명은 배터리(189)의 지속적인 충전 시, 예상 수명을 수치적으로 나타낸 것을 의미할 수 있다.
동작 503에서 프로세서(320)는 확인된 제 1 충전 시간 및 제 1 기대 수명을 사용하여, 복수 개의 충전 패턴들, 각각에 대응되는 제 n 충전 시간 및 제 n 기대 수명을 확인할 수 있다. 예를 들어, 프로세서(320)는 수명 예측 알고리즘(312)을 충전 패턴 정보(예: 도 3의 충전 패턴 정보(311))에 저장된 복수 개의 충전 패턴들에 대응하여 적용할 수 있고, 각각의 충전 패턴에 대한 제 n 충전 시간 및 제 n 기대 수명을 확인할 수 있다.
동작 505에서 프로세서(320)는 확인된 제 n 충전 시간 및 제 n 기대 수명을 기반으로, “충전 시간-기대 수명 맵”을 업데이트할 수 있다. 예를 들어, “충전 시간-기대 수명 맵”은 도 6a의 (M2) 그래프와 같이, 특정 충전 패턴의 기대 수명과 충전 시간을 시각적으로 도식화한 가이드 맵을 포함할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 “충전 시간-기대 수명 맵”을 지속적으로 업데이트하면서 관리할 수 있고, 충전 패턴이 변경되는 과정이 반복되면서, 상대적으로 기대 수명이 높은 최적의 충전 패턴이 선별될 수 있다. 동작 505에서 메모리(130)에 “충전 시간-기대 수명 맵”이 저장되지 않은 상태라면, 프로세서(320)는 제 n 충전 시간 및 제 n 기대 수명을 기반으로, “충전 시간-기대 수명 맵”을 생성할 수 있다.
동작 507에서 프로세서(320)는 업데이트된 “충전 시간-기대 수명 맵”을 기반으로, 메인 충전 패턴을 제 1 충전 패턴에서 제 2 충전 패턴으로 변경할 수 있다. 예를 들어, 프로세서(320)는 동작 505에서 프로세서(320)는 업데이트된 “충전 시간-기대 수명 맵”을 기반으로, 상대적으로 기대 수명이 높을 것으로 예측되는 제 2 충전 패턴을 결정할 수 있고, 상기 결정된 제 2 충전 패턴을 메인 충전 패턴으로 설정할 수 있다.
일 실시예에서 프로세서(320)는 배터리(189)의 수명(예: 기대 수명)이 상대적으로 가장 향상될 것으로 예상되는 충전 패턴을 결정할 수 있고, 결정된 충전 패턴을 메인 충전 패턴으로 설정할 수 있다. 프로세서(320)는 배터리(189)의 충전 시, 메인 충전 패턴을 기반으로 배터리(189)에 공급되는 충전 전압 및 충전 전류를 결정할 수 있다.
도 6a는 본 개시의 일 실시예에 따른 복수 개의 충전 패턴들 중에서 하나의 충전 패턴이 결정되는 제 1 실시예를 도시한 예시도이다.
도 6a의 전자 장치(101)는 도 1의 전자 장치(101)와 적어도 일부 유사하거나, 전자 장치(101)의 다른 실시예들을 더 포함할 수 있다.
도 6a를 참조하면, 메인 충전 패턴으로 설정된 3개의 충전 패턴들(P1(631), P2(632), P3(633))이 도시되고, 메인 충전 패턴으로 설정되는 과정을 도시한다. 예를 들어, 충전 패턴들(P1(631), P2(632), P3(633))은 충전 전압(621)(V1, V2, V3, V4)에 대응하여 충전 전류(622)(I1, I2, I3, I4, I5, I6, I7)가 결정되는 형태의 패턴 정보일 수 있다. 예를 들어, 전자 장치(예: 도 3의 전자 장치(101))는 메인 충전 패턴을 기반으로 배터리(예: 도 3의 배터리(189))를 충전하는 상황에 있어서, 배터리(189)의 제 1 충전량까지는 제 1 충전 전압(V1)이 공급되고, 제 2 충전량까지는 제 2 충전 전압(V2)이 공급될 수 있다. 전자 장치(101)는 단위 충전 전압 당, 공급되는 충전 전류가 다르게 설정될 수 있다. 충전 패턴은 각각의 충전 전압에 대응하여 충전 전류가 결정되는 패턴을 포함할 수 있다. 도 6a의 제 1 충전 패턴(P1)(631)을 살펴보면, 예를 들어, 전자 장치(101)의 프로세서(예: 도 3의 프로세서(320), 도 1의 프로세서(120))는 제 1 충전 전압(V1)에 대응하여 제 5 충전 전류(I5)를 배터리(189)에 공급할 수 있다. 프로세서(320)는 제 1 충전 전압(V1)이 제 2 충전 전압(V2)으로 변경되기 전까지, 제 5 충전 전류(I5)를 배터리(189)에 공급할 수 있다. 프로세서(320)는 제 2 충전 전압(V2)에 대응하여 제 3 충전 전류(I3)를 배터리(189)에 공급할 수 있고, 제 3 충전 전압(V3)에 대응하여 제 2 충전 전류(I2)를 배터리(189)에 공급할 수 있다. 일 실시예에 따르면, 프로세서(320)는 제 1 충전 패턴(P1)(631)이 메인 충전 패턴으로 설정되는 경우, 배터리(189)의 충전 시, 제 1 충전 패턴(P1)(631)을 기반으로, 충전 전압에 대응되는 충전 전류를 결정할 수 있다. 일 실시예에 따르면, 충전 패턴은 일정 비율에 따른 규칙에 한정되지 않으며, 단위 충전 전압 당 공급되는 충전 전류가 이전보다 높게, 또는 이전보다 낮게 설정될 수 있다.
도 6a를 참조하면, 전자 장치(101)의 프로세서(320)는 메인 충전 패턴으로 설정된 제 1 충전 패턴(P1)(631)을 확인할 수 있고, 배터리(189)의 충전과 관련된 데이터(예: 배터리(189)의 충전 시, 평균 전류, 평균 전압, 평균 온도, 및/또는 용량 손실 이력)를 획득할 수 있다. 일 실시예에 따르면, 프로세서(320)는 제 1 충전 패턴(P1)(631) 및 배터리(189)의 충전과 관련된 데이터를 기반으로, 배터리(189)의 제 1 충전 시간(601-2) 및 제 1 기대 수명(601-1)을 확인할 수 있다.
도 6a를 참조하면, 다수 개의 “충전 시간-기대 수명 맵”(M1, M2, M2’, M3, M3’)을 도시한다. 예를 들어, “충전 시간-기대 수명 맵”(M1, M2, M2’, M3, M3’)은 특정한 충전 패턴들에 대응되는 “기대 수명” 및 “충전 시간”을 시각적으로 도식화한 그래프를 포함할 수 있다. 예를 들어, “충전 시간-기대 수명 맵”(M1, M2, M2’, M3, M3’)은 임계 충전 시간(610)(예: tth)이 설정될 수 있고, 배터리(189)의 충전 시, 상기 임계 충전 시간(610) 이내에 포함되는 충전 패턴이 상대적으로 기대 수명이 높은 충전 패턴으로 포함될 수 있다. 예를 들어, “충전 시간-기대 수명 맵”(M1, M2, M2’, M3, M3’)은 전기 화학적으로 구현되기 어려운 예측 불가 영역(예: 느린 속도로 충전이 되면서 기대 수명이 짧은 영역(611), 및 빠른 속도로 충전되면서 기대 수명이 지나치게 긴 영역(612))을 포함할 수 있다. 예를 들어, 예측 불가 영역에 포함된 충전 패턴은 임계 충전 시간(610)보다 길게 충전되면서 기대 수명이 짧게 예상되는 충전 패턴 및 빠른 속도로 충전되면서 기대 수명이 길게 예상되는 충전 패턴을 포함할 수 있다. 일 실시예에 따르면, 전자 장치(101)의 프로세서(320)는 복수 개의 충전 패턴들, 각각에 대응되는 “기대 수명” 및 “충전 시간”을 예측할 수 있고, 예측된 “기대 수명” 및 “충전 시간”을 기반으로 “충전 시간-기대 수명 맵”(M1, M2, M3)이 업데이트될 수 있다. 일 실시예에 따르면, 이전에 저장된 “충전 시간-기대 수명 맵”(M1, M2, M3)이 없는 경우, 프로세서(320)는 “충전 시간-기대 수명 맵”(M1, M2, M3)을 생성할 수 있다.
도 6a를 참조하면, 프로세서(320)는 제 1 충전 패턴(P1)(631) 및 배터리(189)의 충전과 관련된 데이터를 기반으로, 배터리(189)의 제 1 충전 시간(601-2) 및 제 1 기대 수명(601-1)을 확인할 수 있다. 예를 들어, 프로세서(320)는 제 1 충전 패턴(P1)(631)을 기반으로, 수명 예측 알고리즘(예: 도 3의 수명 예측 알고리즘(312))을 적용할 수 있고, 제 1 “충전 시간-기대 수명 맵”(M1)의 제 1 포인트(601)로 표시될 수 있다. 프로세서(320)는 제 1 충전 패턴(P1)(631)을 메인 설정 패턴으로 설정할 수 있다. 일 실시예에 따르면, 프로세서(320)는 제 1 충전 패턴(P1)(631)을 기반으로 배터리(189)를 충전하는 경우, 제 1 충전 시간(601-2)이 소요될 수 있고, 제 1 기대 수명(601-1)이 예측될 수 있다.
일 실시예에 따르면, 프로세서(320)는 충전 패턴 정보(예: 도 3의 충전 패턴 정보(311))에 포함된 복수 개의 충전 패턴들, 각각을 기반으로, 수명 예측 알고리즘을 적용할 수 있고, 제 2 “충전 시간-기대 수명 맵”(M2)으로 표시될 수 있다. 예를 들어, 제 2 “충전 시간-기대 수명 맵”(M2)에 포함된 복수 개의 포인트들은 각각의 충전 패턴들에 대응되는 충전 시간 및 기대 수명을 포함할 수 있다.
일 실시예에 따르면, 프로세서(320)는 제 2 "충전 시간-기대 수명 맵"(M2)을 기반으로, 제 2 포인트(602)에 대응되는 제 2 충전 패턴(P2)(632)을 선별할 수 있고, 선별된 제 2 충전 패턴(P2)(632)을 메인 충전 패턴으로 설정할 수 있다. 프로세서(320)는 제 2-1 "충전 시간-기대 수명 맵"(M2')을 기반으로, 제 2 포인트(602)에 대응되는 제 2 충전 패턴(P2)(632)을 메인 충전 패턴으로 설정할 수 있다. 예를 들어, 프로세서(320)는 제 2 충전 패턴(P2)(632)을 기반으로 제 1 충전 전압(V1)에 대응하여 제 7 충전 전류(I7)를 배터리(189)에 공급할 수 있고, 제 2 충전 전압(V2)에 대응하여 제 3 충전 전류(I3)를 배터리(189)에 공급할 수 있다. 프로세서(320)는 제 3 충전 전압(V3)에 대응하여 제 2 충전 전류(I2)를 배터리(189)에 공급할 수 있다. 일 실시예에 따르면, 프로세서(320)는 제 2 충전 패턴(P2)(632)이 메인 충전 패턴으로 설정되는 경우, 배터리(189)의 충전 시, 제 2 충전 시간(602-2)이 소요될 수 있고, 제 2 기대 수명(602-1)이 예측될 수 있다.
일 실시예에 따르면, 프로세서(320)는 제 2 “충전 시간-기대 수명 맵”(M2)에 포함된 복수 개의 충전 패턴들(예: 복수 개의 포인트들), 각각을 기반으로, 수명 예측 알고리즘을 적용할 수 있고, 제 3 “충전 시간-기대 수명 맵”(M3)으로 표시될 수 있다. 예를 들어, 프로세서(320)는 제 2 “충전 시간-기대 수명 맵”(M2)을 제 3 “충전 시간-기대 수명 맵”(M3)으로 업데이트할 수 있다. 예를 들어, 제 3 “충전 시간-기대 수명 맵”(M3)에 포함된 복수 개의 포인트들은 각각의 충전 패턴들에 대응되는 충전 시간 및 기대 수명을 포함할 수 있다.
일 실시예에 따르면, 프로세서(320)는 제 3 "충전 시간-기대 수명 맵"(M3)을 기반으로, 제 3 포인트(603)에 대응되는 제 3 충전 패턴(P3)(633)을 선별할 수 있고, 선별된 제 3 충전 패턴(P3)(633)을 메인 충전 패턴으로 설정할 수 있다. 프로세서(320)는 제 3-1 "충전 시간-기대 수명 맵"(M3')을 기반으로, 제 3 포인트(603)에 대응되는 제 3 충전 패턴(P3)(633)을 메인 충전 패턴으로 설정할 수 있다. 예를 들어, 프로세서(320)는 제 3 충전 패턴(P3)(633)을 기반으로 제 1 충전 전압(V1)에 대응하여 제 6 충전 전류(I6)를 배터리(189)에 공급할 수 있고, 제 2 충전 전압(V2)에 대응하여 제 4 충전 전류(I4)를 배터리(189)에 공급할 수 있다. 프로세서(320)는 제 3 충전 전압(V3)에 대응하여 제 3 충전 전류(I3)를 배터리(189)에 공급할 수 있다. 일 실시예에 따르면, 프로세서(320)는 제 3 충전 패턴(P3)(633)이 메인 충전 패턴으로 설정되는 경우, 배터리(189)의 충전 시, 제 3 충전 시간(603-2)이 소요될 수 있고, 제 3 기대 수명(603-1)이 예측될 수 있다.
일 실시예에 따르면, 충전 패턴(예: P1, P2, P3)은 충전 전압이 약 m개의 단위 충전 구간으로 분할된 상태에서, 각각의 단위 충전 구간에 대응하여, 배터리(189)에 공급되는 제 m 전압 및 제 m 전류가 설정될 수 있다. 예를 들어, 도 6a에 도시된 제 2 충전 패턴(P2)(632)을 참조하면, 약 4개의 단위 충전 구간으로 분할된 상태에서, 프로세서(320)는 제 1 충전 전압(V1)이 공급되기 이전에, 배터리(189)에 제 4 충전 전류(I4)를 공급하는 상태일 수 있다. 프로세서(320)는 제 1 충전 전압(V1)이 확인되면, 상기 제 1 충전 전압(V1)에 대응되는 제 7 충전 전류(I7)를 배터리(189)에 공급할 수 있다. 일 실시예에 따르면, 프로세서(320)는 단위 충전 구간이 높아지는 상황에서, 이전의 충전 전류(예: 제 4 충전 전류(I4)) 보다 상대적으로 높은 충전 전류(예: 제 7 충전 전류(I7))를 배터리(189)에 공급할 수도 있다.
일 실시예에 따르면, 프로세서(320)는 "충전 시간-기대 수명 맵"을 기반으로, 충전 시간이 설정된 임계 충전 시간(610)(예: tth) 이내이면서, 기대 수명이 가장 높은 충전 패턴을 확인할 수 있고, 확인된 충전 패턴을 메인 충전 패턴으로 설정할 수 있다. 예를 들어, 기대 수명이 가장 높을 것으로 예상되는 포인트는 도시된 복수 개의 포인트들 중에서 상대적으로 가장 기대 수명이 높게 표시되는 포인트일 수 있다.
본 개시의 각각의 실시예는 상세한 설명에 기재된, 임의의 다른 실시예들과 조합하여 사용될 수 있다.
도 6b는 본 개시의 일 실시예에 따른 복수 개의 충전 패턴들 중에서 하나의 충전 패턴이 결정되는 제 2 실시예를 도시한 예시도이다.
도 6b의 전자 장치(101)는 도 1의 전자 장치(101)와 적어도 일부 유사하거나, 전자 장치(101)의 다른 실시예들을 더 포함할 수 있다.
도 6b를 참조하면, 메인 충전 패턴으로 설정된 2개의 충전 패턴들(P4(634), P5(635))이 도시되고, 메인 충전 패턴으로 설정되는 과정을 도시한다. 도 6b를 참조하면, 2개의 “충전 시간-기대 수명 맵”(M4, M5)을 도시한다.
도 6b를 참조하면, 프로세서(320)는 충전 패턴 정보(예: 도 3의 충전 패턴 정보(311))에 포함된 복수 개의 충전 패턴들, 각각을 기반으로, 수명 예측 알고리즘을 적용할 수 있고, 제 4 “충전 시간-기대 수명 맵”(M4)을 예측할 수 있다. 예를 들어, 제 4 “충전 시간-기대 수명 맵”(M4)에 포함된 복수 개의 포인트들은 각각의 충전 패턴들에 대응되는 충전 시간 및 기대 수명을 포함할 수 있다. 제 4 “충전 시간-기대 수명 맵”(M4)에서 제 4 포인트(604)는 메인 충전 패턴에 대응되는 포인트일 수 있다.
일 실시예에 따르면, 프로세서(320)는 특정 충전 패턴에 대응되는 기대 수명을 확인할 수 있고, 확인된 기대 수명이 실질적으로 메인 충전 패턴에 따른 기대 수명 보다 향상되었는지 여부를 확인할 수 있다. 예를 들어, 기대 수명이 향상되었다면, 프로세서(320)는 메인 충전 패턴을 상기 특정 충전 패턴으로 변경할 수 있다. 다른 예를 들어, 기대 수명이 향상되지 않았다면, 프로세서(320)는 단위 충전 전압을 추가 분할할 수 있고, 분할된 단위 충전 전압을 기반으로 배터리(189)에 충전 전압 및 충전 전류를 공급할 수 있다. 도 6a 및 도 6b를 참조하면, 도 6a의 경우 단위 충전 전압이 "V1, V2, V3, V4"로 분할된 상태이고, 도 6b의 경우 단위 충전 전압이 "V1, V2, V3, V4, V5, V6, V7"로 분할된 상태일 수 있다.
도 6b를 참조하면, 프로세서(320)는 제 4 포인트(604)에 대응되는 기대 수명이 향상되지 않은 것으로 판단하고, 단위 충전 전압을 추가적으로 분할할 수 있다. 프로세서(320)는 단위 충전 전압이 추가 분할된 상태에서, 제 5 포인트(605)에 대응되는 제 4 충전 패턴(P4)(634)을 선별할 수 있다.
일 실시예에 따르면, 프로세서(320)는 제 4 "충전 시간-기대 수명 맵"(M4)을 기반으로, 제 5 포인트(605)에 대응되는 제 4 충전 패턴(P4)(634)을 선별할 수 있고, 선별된 제 4 충전 패턴(P4)(634)을 메인 충전 패턴으로 설정할 수 있다. 제 4 충전 패턴(P4)(634)을 살펴보면, 프로세서(320)는 제 1 충전 전압(V1) 내지 제 2 충전 전압(V2) 구간에 대응하여 제 4 충전 전류(I4)를 배터리(189)에 공급할 수 있다. 프로세서(320)는 제 2 충전 전압(V2) 내지 제 4 충전 전압(V4) 구간에 대응하여 제 6 충전 전류(I6)를 배터리(189)에 공급할 수 있다. 프로세서(320)는 제 4 충전 전압(V4) 내지 제 6 충전 전압(V6) 구간에 대응하여 제 2 충전 전류(I2)를 배터리(189)에 공급할 수 있다. 프로세서(320)는 제 6 충전 전압(V6) 내지 제 7 충전 전압(V7) 구간에 대응하여 제 1 충전 전류(I1)를 배터리(189)에 공급할 수 있다. 일 실시예에 따르면, 프로세서(320)는 제 4 충전 패턴(P4)(634)이 메인 충전 패턴으로 설정되는 경우, 배터리(189)의 충전 시, 제 4 충전 패턴(P4)(634)을 기반으로, 단위 충전 전압에 따른, 충전 전압에 대응되는 충전 전류를 결정할 수 있다. 일 실시예에 따르면, 프로세서(320)는 제 1 충전 전압(V1) 내지 제 2 충전 전압(V2) 구간(예: 제 1 단위 충전 구간)에서 제 2 충전 전압(V2) 내지 제 4 충전 전압(V4) 구간(예: 제 2 단위 충전 구간)으로 단위 충전 구간이 증가하는 상황에서 제 4 충전 전류(I4)를 제 6 충전 전류(I6)로 증가시킬 수 있고, 증가된 제 6 충전 전류(I6)를 배터리(189)에 공급할 수 있다.
일 실시예에 따르면, 프로세서(320)는 메인 충전 패턴으로 설정된 제 4 충전 패턴(P4)(634)을 기반으로, 배터리(189)의 기대 수명이 실질적으로 향상되었는지 여부를 판단할 수 있다. 예를 들어, 프로세서(320)는 복수 개의 충전 패턴들, 각각에 대응되는 기대 수명을 예측할 수 있고, 상대적으로 제 4 충전 패턴(P4)(634)에 대응되는 기대 수명이 상대적으로 더 길게 예측되는지 여부를 판단할 수 있다. 도 6b의 제 5 “충전 시간-기대 수명 맵”(M5)은 복수 개의 충전 패턴들, 각각에 대응되는 충전 시간 및 기대 수명을 도시한다.
일 실시예에 따르면, 전자 장치(101)는 예측되는 기대 수명이 향상되지 않을 경우, 충전 패턴 정보(311)에 포함된 다수 개의 충전 패턴들에 대응하여, 단위 충전 전압이 추가적으로 분할될 수 있고, 상기 분할된 단위 충전 전압을 기반으로 새로운 “충전 시간-기대 수명 맵”(예: 도 6b의 제 5 “충전 시간-기대 수명 맵”(M5))이 생성될 수 있다.
도 6b를 참조하면, 프로세서(320)는 7개 구간(예: "V1,V2,V3,V4,V5,V6,V7")으로 분할된 단위 충전 전압을 기반으로, 복수 개의 충전 패턴들에 대응되는 제 5 "충전 시간-기대 수명 맵"(M5))을 확인할 수 있다. 프로세서(320)는 제 5 "충전 시간-기대 수명 맵"(M5))을 기반으로, 충전 시간이 상대적으로 짧게 걸리면서, 기대 수명이 상대적으로 긴 충전 패턴을 결정할 수 있다. 예를 들어, 프로세서(320)는 제 5 포인트(605)에 대응하여 메인 충전 패턴으로 설정된 제 4 충전 패턴(P4)(634)과 관련하여, 메인 충전 패턴을 제 4 충전 패턴(P4)(634)에서 제 6 포인트(606)에 대응되는 제 5 충전 패턴(P5)(635)으로 변경할 수 있다.
일 실시예에 따르면, 프로세서(320)는 7개의 단위 충전 구간(예: "V1,V2,V3,V4,V5,V6,V7")으로 분할된 단위 충전 전압을 기반으로 생성된 제 5 "충전 시간-기대 수명 맵"(M5)을 확인할 수 있고, 메인 설정 패턴을 제 5 포인트(605)에서 제 6 포인트(606)로 변경할 수 있다. 프로세서(320)는 메인 설정 패턴으로 설정된 제 6 포인트(606)에 대응되는 제 5 충전 패턴(P5)(635)을 선별할 수 있다. 예를 들어, 제 5 충전 패턴(P5)(635)은 제 4 충전 패턴(P4)(634)과 비교하여, 상대적으로 충전 시간이 짧으면서, 상대적으로 기대 수명이 길 수 있다.
도 6b의 제 5 충전 패턴(P5)(635)을 살펴보면, 프로세서(320)는 제 1 충전 전압(V1)부터 제 3 충전 전압(V3)까지는 제 5 충전 전류(I5)를 배터리(189)에 공급할 수 있고, 제 3 충전 전압(V3)부터 제 5 충전 전압(V5)까지는 제 6 충전 전류(I6)를 배터리(189)에 공급할 수 있다. 프로세서(320)는 제 5 충전 전압(V5)부터 제 6 충전 전압(V6)까지 제 3 충전 전류(I3)를 배터리(189)에 공급할 수 있고, 제 6 충전 전압(V6)부터 제 7 충전 전압(V7)에 대응하여 제 1 충전 전류(I1)를 배터리(189)에 공급할 수 있다.
일 실시예에서 프로세서(320)는 배터리(189)의 수명(예: 기대 수명)이 상대적으로 가장 향상될 것으로 예상되는 충전 패턴(예: 충전 시간이 짧아지면서, 기대 수명이 길어지는 충전 패턴)을 결정할 수 있고, 결정된 충전 패턴을 메인 충전 패턴으로 설정할 수 있다. 일 실시예에서 프로세서(320)는 배터리(189)의 예측되는 수명이 더 이상 향상되지 않는 것으로 확인되면, 기존의 “충전 시간-기대 수명 맵”에 포함된 포인트들은 더 이상 고려되지 않을 수 있다. 프로세서(320)는 단위 충전 전압이 추가적으로 분할된 방식(예: 단위 충전 전압의 분할 방식이 변경된 방식)을 적용하여, 새로운 “충전 시간-기대 수명 맵”을 생성할 수 있다.
일 실시예에 따른 배터리(예: 도 1 및/또는 도 3의 배터리(189))를 충전하는 방법에 있어서, 제 1 충전 패턴을 메인 충전 패턴으로 설정할 수 있다. 일 실시예에 따른 방법은 메인 충전 패턴을 기반으로 배터리(189)를 충전하는 상황에서, 배터리(189)의 충전과 관련된 데이터를 획득할 수 있다. 일 실시예에 따른 방법은 설정된 제 1 충전 패턴 및 획득된 데이터를 기반으로, 제 1 기대 수명을 확인할 수 있다. 일 실시예에 따른 방법은 확인된 제 1 기대 수명 보다 상대적으로 긴 제 2 기대 수명을 충족하는 제 2 충전 패턴을 확인할 수 있다. 일 실시예에 따른 방법은 메인 충전 패턴을 제 1 충전 패턴에서 제 2 충전 패턴으로 변경할 수 있다. 일 실시예에 따른 방법은 배터리(189)에 대한 충전 요청 신호에 응답하여, 제 2 충전 패턴을 기반으로, 배터리(189)의 충전 전압에 대응되는 충전 전류를 결정할 수 있다.
일 실시예에 따른 방법은 설정된 제 1 충전 패턴 및 획득된 데이터를 기반으로, 제 1 충전 시간을 확인하는 동작, 및 확인된 제 1 충전 시간 보다 상대적으로 짧은 제 2 충전 시간을 충족하는 제 2 충전 패턴을 확인하는 동작을 더 포함할 수 있다.
일 실시예에 따른 제 2 충전 패턴을 확인하는 동작은 메모리(예: 도 1 및/또는 도 3의 메모리(130))에 저장된 복수 개의 충전 패턴들, 각각에 대응되는 제 n 충전 시간 및 제 n 기대 수명을 확인하고, 확인된 제 n 충전 시간 및 제 n 기대 수명을 기반으로, 제 2 충전 패턴을 확인할 수 있다.
일 실시예에 따르면, 제 1 충전 패턴 및 제 2 충전 패턴은 단위 충전 전압 별로 배터리(189)에 공급되는 충전 전압 및 상기 단위 충전 전압 별로 공급된 충전 전압에 대응되는 충전 전류가 결정되는 패턴을 포함할 수 있다. 일 실시예에 따르면, 제 2 충전 패턴은 m개의 단위 충전 구간을 포함할 수 있다. m개의 단위 충전 구간 중 제 1 단위 충전 구간은 제 1 전압 및/또는 제 1 전류로 설정되고, 제 1 단위 충전 구간 이후의 제 2 단위 충전 구간은 제 1 전압 보다 높은 제 2 전압 및/또는 제 1 전류보다 높은 제 2 전류로 설정될 수 있다.
일 실시예에 따른 방법은 배터리(189)의 충전과 관련된 데이터를 베이즈 추정법(bayesian estimation)에 기반한 수명 예측 알고리즘에 적용하는 동작, 및 수명 예측 알고리즘을 기반으로, 제 1 충전 패턴에 대응되는 제 1 충전 시간 및 제 1 기대 수명을 확인하는 동작을 더 포함할 수 있다.
일 실시예에 따른 방법은 복수 개의 충전 패턴들, 각각에 상기 수명 예측 알고리즘을 적용하여 제 n 충전 시간 및 제 n 기대 수명을 확인하는 동작, 확인된 제 n 충전 시간 및 제 n 기대 수명을 기반으로, 복수 개의 충전 패턴들에 대응되는 “충전 시간-기대 수명 맵”을 생성하는 동작, 및 “충전 시간-기대 수명 맵”을 기반으로 상대적으로 기대 수명이 길게 예상되는 제 2 충전 패턴을 결정하는 동작을 더 포함할 수 있다.
일 실시예에 따른 제 2 충전 패턴을 결정하는 동작은 “충전 시간-기대 수명 맵”을 기반으로, 설정된 임계 충전 시간 보다 상대적으로 짧을 것으로 예상되는 제 2 충전 패턴을 결정하는 동작을 포함할 수 있다.
일 실시예에 따른 방법은 “충전 시간-기대 수명 맵”에 포함된 복수 개의 충전 패턴들, 각각에 수명 예측 알고리즘을 적용하여 제 n’ 충전 시간 및 제 n’ 기대 수명을 확인하는 동작, 및 확인된 제 n’ 충전 시간 및 확인된 제 n’ 기대 수명을 기반으로, 복수 개의 충전 패턴들에 대응되는 “충전 시간-기대 수명 맵”을 업데이트하는 동작을 더 포함할 수 있다.
일 실시예에 따른 방법은 제 2 충전 패턴을 기반으로 배터리(189)의 기대 수명이 향상되었는지 여부를 확인하는 동작, 배터리(189)의 기대 수명이 향상되지 않은 경우, 배터리(189)에 충전 전압을 공급하는 단위 충전 전압을 분할하는 동작, 및 분할된 단위 충전 전압을 기반으로 충전 전류를 공급하는 동작을 더 포함할 수 있다.
본 문서에 개시된 다양한 실시예들에 따른 전자 장치는 다양한 형태의 장치가 될 수 있다. 전자 장치는, 예를 들면, 휴대용 통신 장치(예: 스마트폰), 컴퓨터 장치, 휴대용 멀티미디어 장치, 휴대용 의료 기기, 카메라, 웨어러블 장치, 또는 가전 장치를 포함할 수 있다. 본 문서의 실시예에 따른 전자 장치는 전술한 기기들에 한정되지 않는다.
본 문서의 다양한 실시예들 및 이에 사용된 용어들은 본 문서에 기재된 기술적 특징들을 특정한 실시예들로 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. "제 1", "제 2", 또는 "첫째" 또는 "둘째"와 같은 용어들은 단순히 해당 구성요소를 다른 해당 구성요소와 구분하기 위해 사용될 수 있으며, 해당 구성요소들을 다른 측면(예: 중요성 또는 순서)에서 한정하지 않는다. 어떤(예: 제 1) 구성요소가 다른(예: 제 2) 구성요소에, "기능적으로" 또는 "통신적으로"라는 용어와 함께 또는 이런 용어 없이, "커플드" 또는 "커넥티드"라고 언급된 경우, 그것은 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로(예: 유선으로), 무선으로, 또는 제 3 구성요소를 통하여 연결될 수 있다는 것을 의미한다.
본 문서의 다양한 실시예들에서 사용된 용어 "모듈"은 하드웨어, 소프트웨어 또는 펌웨어로 구현된 유닛을 포함할 수 있으며, 예를 들면, 로직, 논리 블록, 부품, 또는 회로와 같은 용어와 상호 호환적으로 사용될 수 있다. 모듈은, 일체로 구성된 부품 또는 하나 또는 그 이상의 기능을 수행하는, 상기 부품의 최소 단위 또는 그 일부가 될 수 있다. 예를 들면, 일실시예에 따르면, 모듈은 ASIC(application-specific integrated circuit)의 형태로 구현될 수 있다.
본 문서의 다양한 실시예들은 기기(machine)(예: 전자 장치(101)) 의해 읽을 수 있는 저장 매체(storage medium)(예: 내장 메모리(136) 또는 외장 메모리(138))에 저장된 하나 이상의 명령어들을 포함하는 소프트웨어(예: 프로그램(140))로서 구현될 수 있다. 예를 들면, 기기(예: 전자 장치(101))의 프로세서(예: 프로세서(120))는, 저장 매체로부터 저장된 하나 이상의 명령어들 중 적어도 하나의 명령을 호출하고, 그것을 실행할 수 있다. 이것은 기기가 상기 호출된 적어도 하나의 명령어에 따라 적어도 하나의 기능을 수행하도록 운영되는 것을 가능하게 한다. 상기 하나 이상의 명령어들은 컴파일러에 의해 생성된 코드 또는 인터프리터에 의해 실행될 수 있는 코드를 포함할 수 있다. 기기로 읽을 수 있는 저장 매체는, 비일시적(non-transitory) 저장 매체의 형태로 제공될 수 있다. 여기서, ‘비일시적’은 저장 매체가 실재(tangible)하는 장치이고, 신호(signal)(예: 전자기파)를 포함하지 않는다는 것을 의미할 뿐이며, 이 용어는 데이터가 저장 매체에 반영구적으로 저장되는 경우와 임시적으로 저장되는 경우를 구분하지 않는다.
일 실시예에 따르면, 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 스토어(예: 플레이 스토어TM)를 통해 또는 두 개의 사용자 장치들(예: 스마트 폰들) 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.
다양한 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. 다양한 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. 다양한 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.
본 명세서와 도면에 개시된 본 발명의 실시예는 본 발명의 실시예에 따른 기술 내용을 쉽게 설명하고 본 발명의 실시예의 이해를 돕기 위해 특정 예를 제시한 것일 뿐이며, 본 발명의 실시예의 범위를 한정하고자 하는 것은 아니다. 따라서 본 발명의 다양한 실시예의 범위는 여기에 개시된 실시예 이외에도 본 발명의 다양한 실시예의 기술적 사상을 바탕으로 도출되는 모든 변경 또는 변형된 형태가 본 발명의 다양한 실시예의 범위에 포함되는 것으로 해석되어야 한다.

Claims (15)

  1. 전자 장치(101)에 있어서,
    배터리(189);
    제 1 충전 패턴을 메인 충전 패턴으로 저장한 메모리(130); 및
    상기 배터리(189) 및 상기 메모리(130)에 작동적으로 연결된 프로세서(120)를 포함하고,
    상기 프로세서(120)는,
    상기 메인 충전 패턴을 기반으로 상기 배터리(189)를 충전하는 상황에서, 상기 배터리(189)의 충전과 관련된 데이터를 획득하고,
    상기 설정된 제 1 충전 패턴 및 상기 획득된 데이터를 기반으로, 제 1 기대 수명을 확인하고,
    상기 확인된 제 1 기대 수명 보다 상대적으로 긴 제 2 기대 수명을 충족하는 제 2 충전 패턴을 확인하고,
    상기 메인 충전 패턴을 상기 제 1 충전 패턴에서 제 2 충전 패턴으로 변경하고,
    상기 배터리(189)에 대한 충전 요청 신호에 응답하여, 상기 제 2 충전 패턴을 기반으로, 상기 배터리(189)의 충전 전압에 대응되는 충전 전류를 결정하는 전자 장치.
  2. 제 1 항에 있어서,
    상기 프로세서(120)는,
    상기 설정된 제 1 충전 패턴 및 상기 획득된 데이터를 기반으로, 제 1 충전 시간을 확인하고,
    상기 확인된 제 1 충전 시간 보다 상대적으로 짧은 제 2 충전 시간을 충족하는 상기 제 2 충전 패턴을 확인하는 전자 장치.
  3. 제 1 항 내지 제 2 항에 있어서,
    상기 프로세서(120)는,
    상기 메모리(130)에 저장된 복수 개의 충전 패턴들, 각각에 대응되는 제 n 충전 시간 및 제 n 기대 수명을 확인하고,
    상기 확인된 제 n 충전 시간 및 상기 확인된 제 n 기대 수명을 기반으로, 상기 제 2 충전 패턴을 확인하는 전자 장치.
  4. 제 1 항 내지 제 3 항에 있어서,
    상기 제 1 충전 패턴 및 상기 제 2 충전 패턴은 단위 충전 전압 별로 상기 배터리(189)에 공급되는 충전 전압 및 상기 단위 충전 전압 별로 공급된 상기 충전 전압에 대응되는 충전 전류가 결정되는 패턴을 포함하고,
    상기 제 2 충전 패턴은 m개의 단위 충전 구간을 포함하고,
    상기 m개의 단위 충전 구간 중, 제 1 단위 충전 구간은 제 1 전압 및/또는 제 1 전류로 설정되고,
    상기 m개의 단위 충전 구간 중, 상기 제 1 단위 충전 구간 이후의 제 2 단위 충전 구간은 상기 제 1 전압 보다 높은 제 2 전압 및/또는 상기 제 1 전류보다 높은 제 2 전류로 설정되는 전자 장치.
  5. 제 1 항 내지 제 4 항에 있어서,
    상기 프로세서(120)는,
    상기 배터리(189)를 충전하기 위한 모든 충전 패턴들 중에서 등가 회로 모형을 충족하는 적어도 하나의 충전 패턴을 확인하고,
    상기 확인된 적어도 하나의 충전 패턴을 상기 메모리(130)에 저장하는 전자 장치.
  6. 제 1 항 내지 제 5 항에 있어서,
    상기 등가 회로 모형은 상기 배터리(189)를 충전하기 위한 상기 모든 충전 패턴들을 기반으로, 설정된 함수 및 초기 저항을 반영하고,
    상기 프로세서(120)는,
    상기 적어도 하나의 충전 패턴을 기반으로 상기 배터리(189)를 충전할 때, 설정된 싸이클 횟수를 초과하는 시점에서 상기 배터리(189)의 최대 용량을 산출하고,
    상기 산출된 배터리(189)의 최대 용량이 상기 배터리(189)의 고장 용량비를 초과하는 경우, 상기 적어도 하나의 충전 패턴을 상기 메모리(130)에 저장하는 전자 장치.
  7. 제 1 항 내지 제 6 항에 있어서,
    상기 프로세서(120)는,
    상기 배터리(189)의 충전과 관련된 데이터를 베이즈 추정(bayesian estimation) 방식에 기반한 수명 예측 알고리즘에 적용하고,
    상기 수명 예측 알고리즘을 기반으로, 상기 제 1 충전 패턴에 대응되는 상기 제 1 충전 시간 및 상기 제 1 기대 수명을 확인하는 전자 장치.
  8. 제 1 항 내지 제 7 항에 있어서,
    상기 프로세서(120)는,
    상기 복수 개의 충전 패턴들, 각각에 상기 수명 예측 알고리즘을 적용하여 상기 제 n 충전 시간 및 상기 제 n 기대 수명을 확인하고,
    상기 확인된 제 n 충전 시간 및 상기 확인된 제 n 기대 수명을 기반으로, 상기 복수 개의 충전 패턴들에 대응되는 “충전 시간-기대 수명 맵”을 생성하고,
    상기 “충전 시간-기대 수명 맵”을 기반으로 상대적으로 기대 수명이 길게 예상되는 상기 제 2 충전 패턴을 결정하는 전자 장치.
  9. 제 1 항 내지 제 8 항에 있어서,
    상기 프로세서는,
    상기 “충전 시간-기대 수명 맵”을 기반으로, 설정된 임계 충전 시간 보다 상대적으로 짧을 것으로 예상되는 상기 제 2 충전 패턴을 결정하는 전자 장치.
  10. 제 1 항 내지 제 9 항에 있어서,
    상기 프로세서(120)는,
    상기 “충전 시간-기대 수명 맵”에 포함된 복수 개의 충전 패턴들, 각각에 상기 수명 예측 알고리즘을 적용하여 제 n’ 충전 시간 및 제 n’ 기대 수명을 확인하고,
    상기 확인된 제 n’ 충전 시간 및 상기 제 n’ 기대 수명을 기반으로, 상기 복수 개의 충전 패턴들에 대응되는 “충전 시간-기대 수명 맵”을 업데이트하는 전자 장치.
  11. 제 1 항 내지 제 10 항에 있어서,
    상기 프로세서(120)는,
    상기 제 2 충전 패턴을 기반으로 상기 배터리(189)의 기대 수명이 향상되었는지 여부를 확인하고,
    상기 배터리(189)의 기대 수명이 향상되지 않은 경우, 상기 배터리(189)에 충전 전압을 공급하는 단위 충전 전압을 분할하고,
    상기 분할된 단위 충전 전압을 기반으로 상기 충전 전류를 공급하는 전자 장치.
  12. 배터리(189)를 충전하는 방법에 있어서,
    제 1 충전 패턴을 메인 충전 패턴으로 설정하는 동작;
    상기 메인 충전 패턴을 기반으로 상기 배터리(189)를 충전하는 상황에서, 상기 배터리(189)의 충전과 관련된 데이터를 획득하는 동작;
    상기 설정된 제 1 충전 패턴 및 상기 획득된 데이터를 기반으로, 제 1 기대 수명을 확인하는 동작;
    상기 확인된 제 1 기대 수명 보다 상대적으로 긴 제 2 기대 수명을 충족하는 제 2 충전 패턴을 확인하는 동작;
    상기 메인 충전 패턴을 상기 제 1 충전 패턴에서 상기 제 2 충전 패턴으로 변경하는 동작; 및
    상기 배터리(189)에 대한 충전 요청 신호에 응답하여, 상기 제 2 충전 패턴을 기반으로, 상기 배터리(189)의 충전 전압에 대응되는 충전 전류를 결정하는 동작을 포함하는 방법.
  13. 제 12 항에 있어서,
    상기 설정된 제 1 충전 패턴 및 상기 획득된 데이터를 기반으로, 제 1 충전 시간을 확인하는 동작; 및
    상기 확인된 제 1 충전 시간 보다 상대적으로 짧은 제 2 충전 시간을 충족하는 상기 제 2 충전 패턴을 확인하는 동작을 더 포함하는 방법.
  14. 제 12 항 내지 제 13 항에 있어서,
    상기 제 2 충전 패턴을 확인하는 동작은,
    메모리(130)에 저장된 복수 개의 충전 패턴들, 각각에 대응되는 제 n 충전 시간 및 제 n 기대 수명을 확인하는 동작; 및
    상기 확인된 제 n 충전 시간 및 상기 확인된 제 n 기대 수명을 기반으로, 상기 제 2 충전 패턴을 확인하는 동작을 포함하는 방법.
  15. 제 12 항 내지 제 14 항에 있어서,
    상기 제 1 충전 패턴 및 상기 제 2 충전 패턴은 단위 충전 전압 별로 상기 배터리(189)에 공급되는 충전 전압 및 상기 단위 충전 전압 별로 공급된 상기 충전 전압에 대응되는 충전 전류가 결정되는 패턴을 포함하고,
    상기 제 2 충전 패턴은 m개의 단위 충전 구간을 포함하고,
    상기 m개의 단위 충전 구간 중, 제 1 단위 충전 구간은 제 1 전압 및/또는 제 1 전류로 설정되고,
    상기 m개의 단위 충전 구간 중, 상기 제 1 단위 충전 구간 이후의 제 2 단위 충전 구간은 상기 제 1 전압 보다 높은 제 2 전압 및/또는 상기 제 1 전류보다 높은 제 2 전류로 설정되는 방법.
PCT/KR2023/014363 2022-09-28 2023-09-21 배터리를 충전하는 방법 및 전자 장치 WO2024071826A1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US18/507,825 US20240113544A1 (en) 2022-09-28 2023-11-13 Method and electronic device for charging battery

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
KR20220123691 2022-09-28
KR10-2022-0123691 2022-09-28
KR1020220137593A KR20240044277A (ko) 2022-09-28 2022-10-24 배터리를 충전하는 방법 및 전자 장치
KR10-2022-0137593 2022-10-24

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US18/507,825 Continuation US20240113544A1 (en) 2022-09-28 2023-11-13 Method and electronic device for charging battery

Publications (1)

Publication Number Publication Date
WO2024071826A1 true WO2024071826A1 (ko) 2024-04-04

Family

ID=90478547

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2023/014363 WO2024071826A1 (ko) 2022-09-28 2023-09-21 배터리를 충전하는 방법 및 전자 장치

Country Status (1)

Country Link
WO (1) WO2024071826A1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130080302A (ko) * 2012-01-04 2013-07-12 엘지전자 주식회사 배터리충전장치, 이를 포함하는 에너지저장시스템, 및 배터리충전방법
WO2016076646A1 (en) * 2014-11-13 2016-05-19 Samsung Electronics Co., Ltd. Electronic device and battery charge/discharge control method thereof
KR101794847B1 (ko) * 2016-05-31 2017-11-07 숭실대학교산학협력단 배터리 충전 장치 및 방법
US20180321730A1 (en) * 2017-05-04 2018-11-08 Samsung Electronics Co., Ltd. Methods for adaptive battery charging and electronic device thereof
KR20220017584A (ko) * 2020-08-05 2022-02-14 삼성전자주식회사 배터리를 포함하는 전자 장치 및 그의 배터리 충전 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130080302A (ko) * 2012-01-04 2013-07-12 엘지전자 주식회사 배터리충전장치, 이를 포함하는 에너지저장시스템, 및 배터리충전방법
WO2016076646A1 (en) * 2014-11-13 2016-05-19 Samsung Electronics Co., Ltd. Electronic device and battery charge/discharge control method thereof
KR101794847B1 (ko) * 2016-05-31 2017-11-07 숭실대학교산학협력단 배터리 충전 장치 및 방법
US20180321730A1 (en) * 2017-05-04 2018-11-08 Samsung Electronics Co., Ltd. Methods for adaptive battery charging and electronic device thereof
KR20220017584A (ko) * 2020-08-05 2022-02-14 삼성전자주식회사 배터리를 포함하는 전자 장치 및 그의 배터리 충전 방법

Similar Documents

Publication Publication Date Title
WO2022019607A1 (ko) 배터리 상태를 식별하기 위한 방법, 이를 위한 전자 장치 및 저장 매체
WO2022030912A1 (ko) 배터리를 포함하는 전자 장치 및 그의 배터리 충전 방법
WO2022131443A1 (ko) 무선 전력 전송을 위한 전자 장치
WO2022114615A1 (ko) 전력 송신 장치, 및 그 전력 송신 장치 및 전력 수신 장치를 포함하는 시스템의 최대 효율 동작 점 추적 방법
WO2022035050A1 (ko) 전자 장치 및 그 제어 방법
WO2022019503A1 (ko) 배터리를 포함하는 전자 장치
WO2021118120A1 (en) Electronic device with structure for harvesting energy
WO2023096421A1 (ko) 병렬 연결된 복수 개의 배터리 셀들의 전류비 제어 방법 및 그 제어 시스템
WO2023075209A1 (ko) 표면 발열을 제어하기 위한 방법, 이를 위한 전자 장치 및 저장 매체
WO2024071826A1 (ko) 배터리를 충전하는 방법 및 전자 장치
WO2022181965A1 (ko) 업사이클링 기능을 제공하기 위한 방법 및 이를 지원하는 전자 장치
WO2022035051A1 (ko) 전자 장치 및 상기 전자 장치의 충전 제어 방법
WO2022005224A1 (ko) 배터리 충전 방법 및 이를 지원하는 전자 장치
WO2022169215A1 (ko) 전력 공급 방법 및 이를 지원하는 전자 장치
WO2022235035A1 (ko) 전자 장치, 웨어러블 장치, 및 전자 장치와 웨어러블 장치를 포함하는 시스템
WO2024034862A1 (ko) 전자 장치 및 상기 전자 장치와 연결되는 충전 장치
WO2023234753A1 (ko) 전자 장치 및 배터리 제어 방법
WO2022097972A1 (ko) 전력 공급 회로 및 이를 포함하는 전자 장치
WO2023018057A1 (ko) 전자 장치 및 이를 이용한 충전 방법
WO2024034840A1 (ko) 복수의 포트들을 제어하여 배터리를 충전하는 전자 장치 및 그 동작 방법
WO2024090837A1 (ko) 배터리를 충전하는 방법 및 전자 장치
WO2023080414A1 (ko) 복수의 배터리들을 포함하는 전자 장치 및 이의 동작 방법
WO2022186467A1 (ko) 전자 장치 및 그 제어 방법
WO2023167405A1 (ko) 전자 장치 및 이를 이용한 복수의 배터리들의 정보 표시 방법
WO2022186576A1 (ko) 배터리를 고속 충전하는 전자 장치

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: 23872943

Country of ref document: EP

Kind code of ref document: A1