[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

KR20210047682A - 배터리 상태 추정 방법 및 장치 - Google Patents

배터리 상태 추정 방법 및 장치 Download PDF

Info

Publication number
KR20210047682A
KR20210047682A KR1020190131570A KR20190131570A KR20210047682A KR 20210047682 A KR20210047682 A KR 20210047682A KR 1020190131570 A KR1020190131570 A KR 1020190131570A KR 20190131570 A KR20190131570 A KR 20190131570A KR 20210047682 A KR20210047682 A KR 20210047682A
Authority
KR
South Korea
Prior art keywords
battery
electrochemical model
state
voltage
estimated
Prior art date
Application number
KR1020190131570A
Other languages
English (en)
Inventor
김진호
송태원
Original Assignee
삼성전자주식회사
삼성에스디아이 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
Application filed by 삼성전자주식회사, 삼성에스디아이 주식회사 filed Critical 삼성전자주식회사
Priority to KR1020190131570A priority Critical patent/KR20210047682A/ko
Priority to US16/814,212 priority patent/US11293988B2/en
Priority to CN202010161222.7A priority patent/CN112782595A/zh
Priority to EP20176274.7A priority patent/EP3812778A1/en
Priority to JP2020154404A priority patent/JP2021067674A/ja
Publication of KR20210047682A publication Critical patent/KR20210047682A/ko
Priority to US17/683,483 priority patent/US11982714B2/en
Priority to US18/631,429 priority patent/US20240255575A1/en

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
    • G01R31/3835—Arrangements for monitoring battery or accumulator variables, e.g. SoC involving only voltage measurements
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
    • G01R19/165—Indicating that current or voltage is either above or below a predetermined value or within or outside a predetermined range of values
    • G01R19/16533—Indicating that current or voltage is either above or below a predetermined value or within or outside a predetermined range of values characterised by the application
    • G01R19/16538—Indicating that current or voltage is either above or below a predetermined value or within or outside a predetermined range of values characterised by the application in AC or DC supplies
    • G01R19/16542—Indicating that current or voltage is either above or below a predetermined value or within or outside a predetermined range of values characterised by the application in AC or DC supplies for batteries
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/3644—Constructional arrangements
    • G01R31/3648—Constructional arrangements comprising digital calculation means, e.g. for performing an algorithm
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/374—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC] with means for correcting the measurement for temperature or ageing
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
    • G01R31/3842—Arrangements for monitoring battery or accumulator variables, e.g. SoC combining voltage and current measurements
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/392—Determining battery ageing or deterioration, e.g. state of health
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/396—Acquisition or processing of data for testing or for monitoring individual cells or groups of cells within a battery
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/385—Arrangements for measuring battery or accumulator variables
    • G01R31/387—Determining ampere-hour charge capacity or SoC

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Secondary Cells (AREA)
  • Tests Of Electric Status Of Batteries (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

배터리 상태 추정 방법 및 장치가 개시된다. 개시된 배터리 상태 추정 방법은 배터리의 센싱 전압 및 배터리에 대응하는 전기화학 모델에서 추정된 배터리의 추정 전압 사이의 전압차를 이용하여, 배터리의 상태 변화량을 결정하는 단계, 배터리의 상태 변화량에 기초하여, 전기화학 모델의 내부 상태를 업데이트하는 단계 및 전기화학 모델의 내부 상태에 기초하여, 배터리의 상태 정보를 추정하는 단계를 포함한다.

Description

배터리 상태 추정 방법 및 장치{METHOD AND APPARATUS ESTIMATING A STATE OF BATTERY}
아래 실시예들은 배터리 상태 추정 방법 및 장치에 관한 것이다.
배터리의 상태를 추정하는 방법은 다양하다. 일례로, 배터리의 상태는 해당 배터리의 전류를 적산하여 추정되거나 배터리 모델(예를 들어, 전기 회로 모델, 또는 전기화학 모델)을 이용하여 추정될 수 있다.
일실시예에 따른 배터리 상태 추정 방법은 배터리의 센싱 전압 및 상기 배터리에 대응하는 전기화학 모델에서 추정된 상기 배터리의 추정 전압 사이의 전압차를 이용하여, 상기 배터리의 상태 변화량을 결정하는 단계; 상기 배터리의 상태 변화량에 기초하여, 상기 전기화학 모델의 내부 상태를 업데이트하는 단계; 및 상기 전기화학 모델의 내부 상태에 기초하여, 상기 배터리의 상태 정보를 추정하는 단계를 포함한다.
일실시예에 따른 배터리 상태 추정 방법에서 상기 배터리의 상태 변화량을 결정하는 단계는 상기 전압차, 상기 전기화학 모델에서 기 추정된 이전 상태 정보 및 OCV(open circuit voltage) 테이블에 기초하여, 상기 배터리의 상태 변화량을 결정할 수 있다.
일실시예에 따른 배터리 상태 추정 방법에서 상기 배터리의 상태 변화량을 결정하는 단계는 상기 OCV 테이블에 기반하여 상기 이전 상태 정보에 대응하는 개회로 전압을 획득하고, 상기 개회로 전압에 상기 전압차를 반영하여 상기 배터리의 상태 변화량을 결정할 수 있다.
일실시예에 따른 배터리 상태 추정 방법에서 상기 전기화학 모델의 내부 상태를 업데이트하는 단계는 상기 배터리의 상태 변화량에 기반하여 활물질 입자 내 이온 농도분포 또는 전극 내 이온 농도분포를 보정함으로써, 상기 전기화학 모델의 내부 상태를 업데이트할 수 있다.
일실시예에 따른 배터리 상태 추정 방법에서 상기 전기화학 모델의 내부 상태를 업데이트하는 단계는 상기 배터리의 상태 변화량에 따라 상기 활물질 입자 내 이온 농도분포 또는 전극 내 이온 농도분포를 균일하게 보정하여 상기 전기화학 모델의 내부 상태를 업데이트할 수 있다.
일실시예에 따른 배터리 상태 추정 방법에서 상기 전기화학 모델의 내부 상태를 업데이트하는 단계는 상기 배터리의 상태 변화량에 따른 확산 특성에 기초하여 농도 구배 특성을 결정하고, 상기 농도 구배 특성에 따라 상기 활물질 입자 내 이온 농도분포 또는 전극 내 이온 농도분포를 보정하여 상기 전기화학 모델의 내부 상태를 업데이트할 수 있다.
일실시예에 따른 배터리 상태 추정 방법에서 상기 전기화학 모델의 내부 상태를 업데이트하는 단계는 상기 배터리의 상태 변화량에 따라 활물질의 확산 방정식을 계산하여 상기 활물질 입자 내 이온 농도분포 또는 전극 내 이온 농도분포를 보정하여 상기 전기화학 모델의 내부 상태를 업데이트할 수 있다.
일실시예에 따른 배터리 상태 추정 방법에서 상기 전기화학 모델의 내부 상태는 상기 배터리의 양극 리튬이온 농도분포, 음극 리튬이온 농도분포 및 전해질 리튬이온 농도분포 중 하나 이상을 포함할 수 있다.
일실시예에 따른 배터리 상태 추정 방법은 상기 배터리의 센싱 전압 및 상기 전기화학 모델로부터 획득한 상기 배터리의 추정 전압 사이의 전압차가 임계 전압을 초과하는지 여부를 확인하는 단계를 더 포함할 수 있다.
일실시예에 따른 배터리 상태 추정 방법에서 상기 전기화학 모델은 복수의 배터리들 중 상태 정보를 추정하고자 하는 타겟 배터리의 상태 정보를 추정하고, 상기 센싱 전압은 상기 타겟 배터리에 측정된 전압이고, 상기 추정 전압은 상기 전기화학 모델에서 상기 타겟 배터리가 아닌 다른 배터리에 대해 기 추정된 전압일 수 있다.
일실시예에 따른 배터리 상태 추정 방법에서 상기 배터리는 배터리 셀, 배터리 모듈 또는 배터리 팩일 수 있다.
일실시예에 따른 배터리 상태 추정 방법은 배터리의 센싱 전압을 포함하는 센싱 데이터를 획득하는 단계; 상기 배터리에 대응하는 전기화학 모델을 이용하여, 상기 센싱 데이터로부터 상기 배터리의 추정 전압을 획득하는 단계; 상기 배터리의 상기 센싱 전압 및 상기 추정 전압 사이의 제1 전압차를 계산하는 단계; 상기 전압차에 기초하여 상기 전기화학 모델의 보정법을 선택하는 단계; 상기 선택된 보정법에 따라, 상기 전기화학 모델의 내부 상태 또는 전기화학 모델로 입력되는 센싱 전류를 보정하는 단계; 및 상기 보정법이 적용된 전기화학 모델을 이용하여, 상기 배터리의 상태 정보를 추정하는 단계를 포함한다.
일실시예에 따른 배터리 상태 추정 방법에서 상기 선택된 보정법에 따라, 상기 전기화학 모델의 내부 상태 또는 전기화학 모델로 입력되는 센싱 전류를 보정하는 단계는 현재 기간의 배터리의 센싱 전압 및 상기 전기화학 모델에서 추정된 상기 배터리의 추정 전압 사이의 제1 전압차에 의해 결정된 상기 배터리의 상태 변화량을 이용하여, 상기 전기화학 모델의 내부 상태를 업데이트하거나, 또는 이전 기간의 상기 배터리의 센싱 전압 및 추정 전압 사이의 제2 전압차에 대응하는 용량 오차를 이용하여, 상기 전기화학 모델로 입력되는 상기 배터리의 현재 기간의 센싱 전류를 보정할 수 있다.
일실시예에 따른 배터리 상태 추정 방법에서 상기 전기화학 모델의 보정법을 결정하는 단계는 상기 제1 전압차가 미리 정해진 임계 전압을 초과하면 상기 전기화학 모델의 내부 상태를 보정하는 보정법을 선택하고, 상기 전압차가 미리 정해진 임계 전압 이하이면 상기 전기화학 모델로 입력되는 센싱 전류를 보정하는 보정법을 선택할 수 있다.
일실시예에 따른 배터리 상태 추정 방법에서 상기 전기화학 모델의 보정법을 결정하는 단계는 상기 전기화학 모델로 입력되는 센싱 전류를 보정하는 보정법이 상기 전기화학 모델의 내부 상태를 보정하는 보정법보다 빈번하게 수행되도록 상기 전기화학 모델의 보정법을 선택할 수 있다.
일실시예에 따른 배터리 상태 추정 장치는 배터리에 대응하는 전기화학 모델을 저장하는 메모리; 및 상기 배터리의 센싱 전압 및 상기 전기화학 모델에서 추정된 상기 배터리의 추정 전압 사이의 전압차를 이용하여 상기 배터리의 상태 변화량을 결정하고, 상기 배터리의 상태 변화량에 기초하여 상기 전기화학 모델의 내부 상태를 업데이트하며, 상기 전기화학 모델의 내부 상태에 기초하여 상기 배터리의 상태 정보를 추정하는 프로세서를 포함한다.
도 1 및 도 2는 일실시예에 따른 배터리 시스템을 설명하기 위한 도면이다.
도 3은 일실시예에 따른 배터리 상태를 추정하는 과정을 설명하기 위한 도면이다.
도 4 내지 도 5는 다른 일실시예에 따른 배터리 상태를 추정하는 과정을 설명하기 위한 도면이다.
도 6은 일실시예에 따른 배터리 모델을 설명하기 위한 도면이다.
도 7 및 도 8은 일실시예에 따라 배터리의 상태 변화량을 결정하는 과정을 설명하기 위한 도면이다.
도 9 내지 도 11은 일실시예에 따라 배터리 모델의 내부 상태를 업데이트하는 과정을 설명하기 위한 도면이다.
도 12a 및 도 12b는 다른 일실시예에 따른 배터리 상태 추정 방법을 나타낸 도면이다.
도 13은 일실시예에 따른 배터리 상태 추정 장치를 나타낸 도면이다.
도 14 및 도 15는 일실시예에 따른 차량을 설명하기 위한 도면이다.
도 16은 일실시예에 따른 모바일 기기를 설명하기 위한 도면이다.
실시예들에 대한 특정한 구조적 또는 기능적 설명들은 단지 예시를 위한 목적으로 개시된 것으로서, 다양한 형태로 변경되어 실시될 수 있다. 따라서, 실시예들은 특정한 개시형태로 한정되는 것이 아니며, 본 명세서의 범위는 기술적 사상에 포함되는 변경, 균등물, 또는 대체물을 포함한다.
제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 해석되어야 한다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 설명된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함으로 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 해당 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다. 아래의 특정한 구조적 내지 기능적 설명들은 단지 실시예들을 설명하기 위한 목적으로 예시된 것으로, 실시예의 범위가 본문에 설명된 내용에 한정되는 것으로 해석되어서는 안된다. 관련 기술 분야에서 통상의 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다. 또한, 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타내며, 공지된 기능 및 구조는 생략하도록 한다.
도 1 및 도 2는 일실시예에 따른 배터리 시스템을 설명하기 위한 도면이다.
도 1을 참조하면, 일실시예에 따른 배터리 시스템(100)은 배터리들(110-1 내지 110-n) 및 배터리 상태 추정 장치(120)를 포함한다.
배터리들(110-1 내지 110-n) 각각은 배터리 셀, 배터리 모듈 또는 배터리 팩일 수 있다.
배터리 상태 추정 장치(120)는 하나 이상의 센서를 이용하여 배터리들(110-1 내지 110-n) 각각을 센싱한다. 달리 표현하면, 배터리 상태 추정 장치(120)는 배터리들(110-1 내지 110-n) 각각의 센싱 데이터를 수집한다. 예를 들어, 센싱 데이터는 전압 데이터, 전류 데이터 및/또는 온도 데이터를 포함할 수 있다.
배터리 상태 추정 장치(120)는 센싱 데이터에 기반하여 배터리들(110-1 내지 110-n) 각각의 상태 정보를 추정하고, 그 결과를 출력할 수 있다. 상태 정보는, 예를 들어, SOC(State of Charge), SOH(State of Health) 및/또는 이상(abnormality) 상태 정보를 포함할 수 있다. 상태 정보를 추정할 때 이용되는 배터리 모델은 전기화학 모델(Electrochemical Model)이며, 이에 대해서는 도 2를 통해 후술한다.
도 2를 참조하면, 일실시예에 따라 배터리 모델을 이용하여 상태 정보를 추정하는 예시가 도시된다.
배터리 상태 추정 장치(120)는 배터리(110)에 대응하는 전기화학 모델을 이용하여 배터리(110)의 상태 정보를 추정할 수 있다. 전기화학 모델은 배터리의 전위, 이온 농도분포 등과 같은 내부의 물리 현상을 모델링하여 배터리의 상태 정보를 추정하는 모델이다.
배터리(110)의 상태 정보의 추정 정확도는 배터리(110)의 최적 운용, 제어에 영향을 미칠 수 있다. 전기화학 모델을 이용하여 상태 정보 추정 시, 전기화학 모델에 입력되는 전류, 전압, 온도 데이터를 측정하는 센서 정보와 모델링 기법으로 계산된 상태 정보 사이에 오차가 발생할 수 있으므로 오차 보정이 수행될 수 있다.
우선, 센서에서 측정된 배터리(110)의 센싱 전압과 전기화학 모델에서 추정된 배터리(110)의 추정 전압 사이의 전압차가 결정된다. 그리고, 배터리 상태 추정 장치(120)는 전압차를 이용하여 배터리(110)의 상태 변화량을 결정한다. 그리고, 배터리 상태 추정 장치(120)는 상태 변화량에 기초하여 전기화학 모델의 내부 상태를 업데이트한다. 그리고, 배터리 상태 추정 장치(120)는 업데이트된 전기화학 모델의 내부 상태에 기초하여 배터리(110)의 상태 정보를 추정한다. 이처럼, 배터리 상태 추정 장치(120)는 배터리(110)의 센싱 전압과 전기화학 모델에서 추정된 추정 전압 사이의 전압차가 최소화되도록 배터리의 상태 변화량을 결정하여 전기화학 모델의 내부 상태를 업데이트하는 피드백 구조를 통해, 모델의 복잡도, 연산량을 증가시키지 않으면서도 높은 정확도로 배터리의 상태 정보를 추정할 수 있다.
도 3은 일실시예에 따른 배터리 상태를 추정하는 과정을 설명하기 위한 도면이다.
도 3을 참조하면, 일실시예에 따라 배터리 상태 추정 장치가 배터리의 상태 정보를 결정하는 플로우차트가 도시된다. 배터리 상태는 복수의 기간들에서 추정될 수 있으며, 도 3의 플로우차트는 각 기간들에서 배터리의 상태 정보를 추정하는 과정을 도시할 수 있다. 설명의 편의를 위해, 이러한 경우를 단일 셀 모델이라고 지칭한다.
단계(310)에서, 배터리 상태 추정 장치는 배터리의 센싱 데이터를 수집할 수 있다. 센싱 데이터는 배터리의 센싱 전압, 센싱 전류 및 센싱 온도를 포함할 수 있다. 예를 들어, 센싱 데이터는 시간 흐름에 따른 크기 변화를 나타내는 프로파일 형태로 저장될 수 있다.
단계(320)에서, 센싱 전류 및 센싱 온도가 입력된 전기화학 모델에서 배터리의 추정 전압, 상태 정보(예컨대, SOC)가 결정될 수 있다.
단계(330)에서, 배터리 상태 추정 장치는 배터리의 센싱 전압 및 전기화학 모델에서 추정된 추정 전압 사이의 전압차를 계산할 수 있다. 예를 들어, 전압차는 미리 정해진 최근 시간 동안의 이동평균 전압으로 결정될 수 있다.
도 3에는 별도로 도시되지 않았지만 실시예에 따라서는, 배터리 상태 추정 장치는 전압차가 임계 전압을 초과하는지 여부에 기초하여 배터리 상태 정보의 보정 필요 여부를 판단할 수 있다. 전기화학 모델에 오차가 발생하면 전기화학 모델을 이용하여 추정된 추정 전압이 배터리의 센싱 전압과 달라질 수 있으며, 오차가 누적되는 것을 방지하기 위해 전압차에 기반하여 보정 필요 여부가 판단될 수 있다.
예를 들어, 전압차가 임계 전압을 초과하면, 배터리 상태 추정 장치는 배터리의 상태 정보에 보정이 필요한 것으로 판단할 수 있고, 단계(340)가 이어서 수행될 수 있다. 반대로, 전압차가 임계 전압을 초과하지 않으면, 배터리 상태 추정 장치는 배터리의 상태 정보에 보정이 필요 없는 것으로 판단할 수 있고, 단계(340, 350, 360) 수행 없이 단계(310)가 다시 수행될 수 있다.
단계(340)에서, 배터리 상태 추정 장치는 전압차를 이용하여 배터리의 상태 변화량을 결정한다. 이를 테면, 배터리 상태 추정 장치는 전압차, 배터리의 이전 상태 정보 및 OCV 테이블에 기초하여, 배터리의 상태 변화량을 결정할 수 있다. 배터리의 이전 상태 정보는 단계(320)에서 전기화학 모델을 이용하여 기 추정된 상태 정보일 수 있다. 예컨대, 배터리의 상태 변화량은 SOC 변화량을 포함할 수 있다. 자세한 내용은 도 7 및 도 8을 통해 후술한다.
단계(350)에서, 배터리 상태 추정 장치는 배터리의 상태 변화량에 기초하여 전기화학 모델의 내부 상태를 보정함으로써, 전기화학 모델을 업데이트한다. 이를 테면, 배터리 상태 추정 장치는 배터리의 상태 변화량에 기반하여 활물질 입자 내 이온 농도분포 또는 전극 내 이온 농도분포를 보정함으로써, 전기화학 모델의 내부 상태를 업데이트할 수 있다. 활물질은 배터리의 양극, 음극을 포함할 수 있다. 배터리 상태 추정 장치는 내부 상태가 업데이트된 전기화학 모델을 이용하여 배터리의 상태 정보를 추정할 수 있다. 이처럼, 배터리의 센싱 전압과 전기화학 모델에서 추정된 추정 전압 간 전압차가 최소화되도록 배터리의 상태 변화량을 결정하여 전기화학 모델의 내부 상태를 업데이트하는 피드백 구조를 통해, 적은 연산량으로도 배터리의 상태 정보를 높은 정확도로 추정할 수 있다. 보다 자세한 내용은 도 9 내지 도 11을 통해 후술한다.
단계(360)에서, 배터리 상태 추정 장치는 배터리 상태 추정 동작 운행을 종료할지 여부를 판단할 수 있다. 예를 들어, 미리 정해진 운행 기간이 경과되지 않았다면, 다음 기간에 대해서 단계(310)가 이어서 수행될 수 있다. 반대로, 미리 정해진 운행 기간이 경과되었다면, 배터리 상태 추정 동작이 종료될 수 있다.
도 4 내지 도 5는 다른 일실시예에 따른 배터리 상태를 추정하는 과정을 설명하기 위한 도면이다.
다른 일실시예에 따라 배터리 상태 추정 장치는 복수의 기간들 각각에서 복수의 배터리들의 상태 정보를 결정할 수 있다. 복수의 기간들 각각에서 복수의 배터리들 중에서 전기화학 모델을 이용하여 배터리의 상태 정보가 추정될 타겟 배터리가 선택될 수 있다. 다시 말해, 각 기간에서, 배터리 상태 추정 장치는 전기화학 모델을 이용하여 타겟 배터리의 상태 정보를 결정하고, 전류 적산법을 이용하여 나머지 비타겟 배터리의 상태 정보를 결정할 수 있다. 여기서, 전류 적산법은 배터리 종단에 위치한 전류 센서를 통해 충전 또는 방전되는 전류량을 적산하여 배터리의 잔량을 추정하는 기법일 수 있다.
다음 기간으로 넘어가면, 전기화학 모델에 기반하여 상태 정보가 추정되는 타겟 배터리도 다른 배터리로 변경될 수 있다. 예를 들어, 복수의 기간들 중 제1 기간에서 설정된 타겟 배터리는 제2 기간에서 비타겟 배터리로 설정되고, 제1 기간에서의 비타겟 배터리가 제2 기간에서 타겟 배터리로 설정될 수 있다.
이처럼, 미리 정해진 순서에 따라 순차적으로 타겟 배터리를 지정하여 전기화학 모델로 배터리의 상태 정보를 추정함으로써, 비교적 많은 연산량이 요구되는 전기화학 모델을 이용하더라도 연산량 부담 없이 효율적으로 빠르게 배터리 상태를 높은 정확도로 추정할 수 있다. 설명의 편의를 위해, 이러한 경우를 셀 전환 모델이라 지칭한다.
도 4를 참조하면, 다른 일실시예에 따라 배터리 상태 추정 장치가 복수의 기간들 각각에서 타겟 배터리의 상태 정보를 결정하는 예시가 도시된다.
기간 T1에서는 배터리 1이 타겟 배터리로 지정되어 배터리 1의 센싱 전압(410)이 전기화학 모델로 입력되고, 배터리 1의 상태 정보가 전기화학 모델에서 추정될 수 있다. 기간 T1에서 기간 T2로 변경되면, 타겟 배터리가 배터리 1에서 배터리 2로 스위칭되어, 전기화학 모델은 배터리 1의 센싱 전압(410)이 아닌 배터리 2의 센싱 전압(420)를 입력 받게 된다. 다시 말해, 스위칭 시점에서 전기화학 모델에 입력되는 센싱 전압(410)과 센싱 전압(420) 사이에 불연속성이 존재할 수 있다. 이러한 불연속성이 존재하는 상태에서 전기화학 모델이 센싱 전압(420)로부터 배터리 2의 상태 정보를 도출하여 출력하면, 전기화학 모델의 출력은 그래프(430)와 같이 기간 T1과 기간 T2 경계에서 불연속적이다. 이러한 불연속성은 배터리 2의 상태 정보를 추정할 때 전기화학 모델의 초기 오차로 적용되기 때문에 보정될 수 있다. 이후에 설명할 보정을 통해, 전기화학 모델의 보정된 출력은 그래프(440)와 같이 연속적이 될 수 있다.
도 5를 참조하면, 다른 일실시예에 따라 타겟 배터리가 다른 배터리로 전환될 때 배터리 상태 추정 장치가 전기화학 모델을 이용하여 전환된 타겟 배터리의 상태 정보를 결정하는 플로우차트가 도시된다. 셀 전환 모델에서도 타겟 배터리가 다른 배터리로 전환되지 않는 동안에는 도 3를 참조하여 설명한 배터리 상태 추정 방식이 적용될 수 있다.
단계(510)에서, 배터리 상태 추정 장치는 이전 배터리와 현재 배터리의 데이터를 수집할 수 있다. 현재 배터리는 현재 기간에 타겟 배터리로 선정된 배터리이고, 이전 배터리는 이전 기간에 타겟 배터리로 선정되었던 배터리이다. 예를 들어, 배터리 상태 추정 장치는 현재 배터리의 센싱 데이터를 수집할 수 있고, 이전 배터리의 센싱 데이터 및/또는 추정 전압을 수집할 수 있다. 센싱 데이터는 센싱 전압, 센싱 전류 및 센싱 전류를 포함할 수 있으며, 시간 흐름에 따른 크기 변화를 나타내는 프로파일 형태로 저장될 수 있다. 이전 배터리의 추정 전압은 이전 기간에서 전기화학 모델에 의해 추정된 이전 배터리의 전압이다.
단계(520)에서, 배터리 상태 추정 장치는 타겟 배터리의 센싱 전압 및 이전 배터리의 센싱 전압 또는 추정 전압 사이의 전압차를 계산할 수 있다. 예를 들어, 전압차는 미리 정해진 최근 시간 동안의 이동평균 전압으로 결정될 수 있다.
도 5에서는 별도로 도시되지 않았지만 실시예에 따라서는, 배터리 상태 추정 장치는 전압차가 임계 전압을 초과하는지 여부에 기초하여 배터리 상태 정보의 보정 필요 여부를 판단할 수 있다. 타겟 배터리가 전환되지 않았더라도, 전기화학 모델에 발생한 오차로 인해 추정 전압이 타겟 배터리의 센싱 전압과 달라질 수 있으며, 오차가 누적되는 것을 방지하기 위해 전압차에 기반하여 보정 필요 여부가 판단될 수 있다.
예를 들어, 전압차가 임계 전압을 초과하면, 배터리 상태 추정 장치는 배터리의 상태 정보에 보정이 필요한 것으로 판단할 수 있고, 단계(530)가 이어서 수행될 수 있다. 반대로, 전압차가 임계 전압을 초과하지 않으면, 배터리 상태 추정 장치는 배터리의 상태 정보에 보정이 필요하지 않는 것으로 판단할 수 있고, 단계(530, 540) 수행 없이 전기화학 모델을 이용하여 타겟 배터리의 상태 정보를 추정할 수 있다.
단계(530)에서, 배터리 상태 추정 장치는 전압차를 이용하여 타겟 배터리의 상태 변화량을 결정한다. 예를 들어, 배터리 상태 추정 장치는 전압차, 이전 기간에서 기 추정된 이전 상태 정보 및 OCV 테이블에 기초하여, 타겟 배터리의 상태 변화량을 결정할 수 있다. 이전 상태 정보는 이전 기간에서 타겟 배터리로 선정되었던 이전 배터리에 대해 전기화학 모델에서 추정된 상태 정보일 수 있다. 이전 기간에서 타겟 배터리로 선정된 이전 배터리는 현재 기간에서 비타겟 배터리이다. 타겟 배터리의 상태 변화량은 SOC 변화량을 포함할 수 있으며, 자세한 내용은 도 7 및 도 8을 통해 후술한다.
단계(540)에서, 배터리 상태 추정 장치는 타겟 배터리의 상태 변화량에 기초하여 전기화학 모델의 내부 상태를 보정함으로써, 전기화학 모델을 업데이트한다. 이를 테면, 배터리 상태 추정 장치는 타겟 배터리의 상태 변화량에 기반하여 활물질 입자 내 이온 농도분포 또는 전극 내 이온 농도분포를 보정함으로써, 전기화학 모델의 내부 상태를 업데이트할 수 있으며, 자세한 내용은 도 9 내지 도 11을 통해 후술한다.
배터리 상태 추정 장치는 내부 상태가 보정된 전기화학 모델을 이용하여, 타겟 배터리의 상태 정보를 추정할 수 있다. 또한, 배터리 상태 추정 장치는 전기화학 모델에 기반하여 타겟 배터리의 전압 등도 추정할 수 있다.
도 6은 일실시예에 따른 전기화학 모델을 설명하기 위한 도면이다.
도 6을 참조하면, 전기화학 모델은 배터리의 이온 농도, 전위 등 배터리의 내부 물리 현상을 모델링하여 배터리 잔량을 추정할 수 있다. 다시 말해, 전기화학 모델은 전극/전해질 계면에서 발생하는 전기화학 반응 및 전극/전해질의 농도 및 전하 보존과 관련된 물리 보존식으로 표현될 수 있으며, 이를 위해 형상(예컨대, 두께, 반경 등), OCP(Open Circuit Potential), 물성치(예컨대, 전기전도도, 이온전도도, 확산계수 등) 등 다양한 모델 파라미터를 이용한다.
전기화학 모델에서 농도, 전위 등 여러 상태변수가 서로 커플링될 수 있다. 전기화학 모델에서 추정되는 배터리의 추정 전압(610)은 양극과 음극 양 끝의 전위차이다. 양극 및 음극 각각의 전위 정보는 양극 및 음극 각각의 이온 농도분포에 영향을 받는다(620). 전기화학 모델에서 추정되는 SOC(630)는 양극 및 음극의 이온 평균농도이다.
여기서, 이온 농도분포는 전극 내 이온 농도분포(640) 또는 전극 내 특정 위치에 존재하는 활물질 입자 내 이온 농도분포(650)를 나타낼 수 있다. 전극 내 이온 농도분포(640)는 전극 방향에 따라 위치하는 활물질 입자의 표면 이온 농도분포 또는 평균 이온 농도분포를 나타내며, 전극 방향은 전극의 일단(예컨대, 집전체에 인접한 경계)과 전극의 타단(예컨대, 분리막에 인접한 경계)을 잇는 방향을 나타낼 수 있다. 또한, 활물질 입자 내 이온 농도분포(650)는 활물질 입자 중심 방향에 따른 활물질 입자 내부의 이온 농도분포를 나타내며, 활물질 입자 중심 방향은 활물질 입자 중심과 활물질 입자 표면을 잇는 방향을 나타낼 수 있다.
앞서 설명한 것처럼 센싱 전압과 추정 전압 간 전압차를 감소시키기 위해서는, 농도와 관련된 물리 보존을 유지시키면서 양극 및 음극 각각의 이온 농도분포를 이동시키고, 이동된 농도분포에 기초하여 양극 및 음극 각각의 전위 정보를 도출하고, 도출된 양극 및 음극 각각의 전위 정보에 기초하여 전압이 계산될 수 있다. 센싱 전압과 추정 전압 간 전압차가 0이 되는 내부 상태 이동량을 도출하여 최종적으로 배터리의 SOC가 결정될 수 있다.
도 7 및 도 8은 일실시예에 따라 배터리의 상태 변화량을 결정하는 과정을 설명하기 위한 도면이다.
도 7을 참조하면, 일실시예에 따라 배터리의 센싱 전압이 전기화학 모델에서 추정된 추정 전압보다 큰 경우에 배터리의 상태 변화량을 결정하는 예시가 도시된다. 여기서, 추정 전압은 도 3에서 설명한 단일 셀 모델의 경우, 이전 기간에 추정된 배터리의 전압일 수 있으며, 도 4 내지 도 6에서 설명한 셀 전환 모델의 경우, 이전 기간에 타겟 배터리로 선정된 이전 배터리의 추정 전압일 수 있다.
일실시예에 따른 OCV 테이블은 SOC와 개회로 전압 간 특성 곡선을 나타내는 것으로, 해당 배터리의 고유한 특성을 나타낼 수 있다. OCV 테이블 이용 시 SOC 값에 따라 보정해야 하는 △SOC가 달라지므로, 마지막으로 추정된 이전 기간의 SOC 정보가 이용될 수 있다. 여기서, 이전 기간의 SOC 정보는 도 3에서 설명한 단일 셀 모델의 경우, 이전 기간의 해당 배터리의 추정 SOC일 수 있으며, 도 4 내지 도 6에서 설명한 셀 전환 모델의 경우, 이전 기간에 타겟 배터리로 선정된 이전 배터리의 추정 SOC일 수 있다.
OCV 테이블의 특성 곡선을 통해, 이전 기간의 SOC 정보에 대응하는 개회로 전압인 추정 OCV가 도출될 수 있다. 앞서 계산된 전압차가 추정 OCV에 반영되는 데, 센싱 전압이 추정 전압보다 큰 경우이므로, 추정 OCV에 전압차를 더함으로써 전압차가 반영될 수 있다. 다시 OCV 테이블의 특성 곡선을 이용하여 전압차 반영 결과에 대응하는 보정 SOC가 결정되고, 추정 SOC 및 보정 SOC 간의 차이가 상태 변화량 △SOC로 결정될 수 있다.
도 8을 참조하면, 일실시예에 따라 배터리의 센싱 전압이 전기화학 모델에서 추정된 추정 전압보다 작은 경우에 배터리의 상태 변화량을 결정하는 예시가 도시된다. 여기서, 추정 전압은 도 3에서 설명한 단일 셀 모델의 경우, 이전 기간에 추정된 배터리의 전압일 수 있으며, 도 4 내지 도 6에서 설명한 셀 전환 모델의 경우, 이전 기간에 타겟 배터리로 선정된 이전 배터리의 추정 전압일 수 있다.
앞서 설명한 것처럼, OCV 테이블 이용 시 마지막으로 추정된 이전 기간의 SOC 정보가 이용될 수 있다. 여기서, 이전 기간의 SOC 정보는 도 3에서 설명한 단일 셀 모델의 경우, 이전 기간의 해당 배터리의 추정 SOC일 수 있으며, 도 4 내지 도 6에서 설명한 셀 전환 모델의 경우, 이전 기간에 타겟 배터리로 선정된 이전 배터리의 추정 SOC일 수 있다.
OCV 테이블의 특성 곡선을 통해, 이전 기간의 SOC 정보에 대응하는 개회로 전압인 추정 OCV가 도출될 수 있다. 앞서 계산된 전압차가 추정 OCV에 반영되는 데, 센싱 전압이 추정 전압보다 작은 경우이므로, 추정 OCV에 전압차를 뺌으로써 전압차가 반영될 수 있다. 다시 OCV 테이블의 특성 곡선을 이용하여 전압차 반영 결과에 대응하는 보정 SOC가 결정되고, 추정 SOC 및 보정 SOC 간의 차이가 상태 변화량 △SOC로 결정될 수 있다.
도 9 내지 도 11은 일실시예에 따라 전기화학 모델의 내부 상태를 업데이트하는 과정을 설명하기 위한 도면이다.
일실시예에 따른 배터리 상태 추정 장치는 배터리의 상태 변화량에 기초하여 전기화학 모델의 내부 상태를 업데이트할 수 있다. 전기화학 모델은 배터리의 내부 물리 현상을 모델링하여 배터리의 상태 정보를 추정하기 위한 전기화학 모델로서, 전기화학 모델의 내부 상태는 배터리의 전압, 과전위, SOC, 양극 리튬이온 농도분포, 음극 리튬이온 농도분포 및/또는 전해질 리튬이온 농도분포를 포함할 수 있으며, 프로파일 형태를 가질 수 있다. 예를 들어, 배터리 상태 추정 장치는 배터리의 상태 변화량에 기초하여 활물질 입자 내 이온 농도분포 또는 전극 내 이온 농도분포를 보정하여 전기화학 모델의 내부 상태를 업데이트할 수 있으며, 이에 대해서는 도 9 내지 도 11을 참조하여 설명한다.
도 9를 참조하면, 일실시예에 따라 이온 농도분포를 균일하게 보정하여 전기화학 모델의 내부 상태를 업데이트하는 예시가 도시된다. 여기서, 이온 농도분포는 활물질 입자 내 이온 농도분포 또는 전극 내 이온 농도분포를 나타낼 수 있다. 도 9의 그래프가 활물질 입자 내 이온 농도분포를 나타내는 경우, 그래프의 가로 축은 활물질 입자 내 위치(location)를 나타내며, 예를 들어, 0은 활물질 입자의 중심을 나타내고, 1은 활물질 입자의 표면을 나타낼 수 있다. 또는, 도 9의 그래프가 전극 내 이온 농도분포를 나타내는 경우, 그래프의 가로 축은 전극 내 위치를 나타내며, 예를 들어, 0은 전극의 일단(예컨대, 집전체에 인접한 경계)을 나타내고, 1은 전극의 타단(예컨대, 분리막에 인접한 경계)을 나타낼 수 있다.
배터리 상태 추정 장치는 배터리의 상태 변화량을 내부 상태의 변화량으로 변환하고, 변환된 변화량을 전기화학 모델의 내부 상태에 균일하게 반영할 수 있다. 여기서, 내부 상태의 변화량은 리튬이온 농도 변화량으로, 초기 내부 상태와 업데이트된 내부 상태 사이의 면적(910)에 해당할 수 있다. 균일하게 내부 상태를 업데이트하는 방식은 농도 변화가 균일할 것으로 가정한 것으로 배터리에서 출력되는 전류가 크지 않은 경우에 적용될 수 있으며, 이후에 설명한 비균일 업데이트 방식보다 구현이 간단할 수 있다.
또한, 도 9에 도시된 예시가 양극과 음극 중 어느 하나의 전극 활물질에서 리튬이온 농도가 상승하는 내부 상태의 업데이트를 나타낸다면, 다른 전극에서는 대응하는 변화량만큼 리튬이온 농도가 감소되게 내부 상태가 업데이트될 수 있다.
도 10a 및 도 10b를 참조하면, 일실시예에 따라 이온 농도분포를 비균일하게 보정하여 전기화학 모델의 내부 상태를 업데이트하는 예시가 도시된다. 여기서, 이온 농도분포는 활물질 입자 내 이온 농도분포 또는 전극 내 이온 농도분포를 나타낼 수 있다. 도 10a 및 도 10b의 그래프가 활물질 입자 내 이온 농도분포를 나타내는 경우, 그래프의 가로 축은 활물질 입자 내 위치를 나타내며, 예를 들어, 0은 활물질 입자의 중심을 나타내고, 1은 활물질 입자의 표면을 나타낼 수 있다. 또는, 도 10a 및 도 10b의 그래프가 전극 내 이온 농도분포를 나타내는 경우, 그래프의 가로 축은 전극 내 위치를 나타내며, 예를 들어, 0은 전극의 일단(예컨대, 집전체에 인접한 경계)을 나타내고, 1은 전극의 타단(예컨대, 분리막에 인접한 경계)을 나타낼 수 있다.
배터리의 화학적 특성에 따라 전기 전도도가 상당히 낮거나, 배터리의 전류가 크거나 및/또는 배터리의 온도가 낮은 경우에는 내부의 확산 특성이 약해지고, 이로 인해 전극방향으로 이온 농도분포의 구배가 커지는 특징이 나타날 수 있으며, 이 경우 배터리 내부의 확산 특성을 고려하여 전기화학 모델의 내부 상태가 활물질 입자 내 각 위치 또는 전극 내 각 위치에서 비균일하게 업데이트될 수 있다.
일실시예에 따라 배터리 내부에서 리튬이온은 확산 특성에 기초하여 이동할 수 있다. 양극의 리튬이온이 음극으로 이동한다고 가정하면, 양극 내 리튬이온들 중에서도 음극에 가장 가까이 위치한 리튬이온이 가장 먼저 이동할 것이다. 이 때, 배터리 내부의 확산 특성이 이전보다 나빠진다면, 양극 내부에서 리튬이온의 이동은 상당히 더디게 진행되어 음극으로 빠져나간 리튬이온 자리가 쉽게 채워지지 않으므로, 양극 끝부분에 위치한 리튬이온만 지속적으로 음극으로 빠져나가게 되어, 도 10a의 그래프에 도시된 것처럼 이온 농도분포의 구배가 커질 수 있다. 반면, 배터리 내부의 확산 특성이 이전보다 좋아진다면, 음극으로 빠져나간 리튬이온 자리를 채우기 위해, 양극 내부에 위치한 리튬이온이 끝부분으로 빠르게 이동할 것이므로, 도 10b의 그래프에 도시된 것처럼 이온 농도분포의 구배가 작아질 수 있다. 도 9를 참조하여 설명한 것처럼, 초기 내부 상태와 업데이트된 내부 상태 사이의 면적(1010, 1020)은 리튬이온 농도 변화량에 해당할 수 있다. 이러한 확산 특성은 배터리의 상태 정보(예컨대, SOC)에 기반하므로, 배터리의 상태 변화량에 따른 확산 특성이 고려될 수 있으며, 이에 대해서 아래에서 보다 상세히 설명한다.
배터리 상태 추정 장치는 배터리의 상태 변화량에 따른 확산 특성에 기초하여 농도 구배 특성을 결정하고, 농도 구배 특성에 따라 전기화학 모델의 내부 상태를 업데이트할 수 있다. 리튬이온이 이동되어야 할 상태 방향(예컨대, 리튬이온 농도가 높아지는 방향)의 확산 특성에 대한 분석에 기반하여 확산 계수가 도출될 수 있다. 이를테면, 이전 SOC 기반 확산 계수와 이동할 SOC 사이의 확산 계수가 도출될 수 있다. 그리고, 확산 계수에 따라 미리 정해진 농도 구배 특성에 따라 전기화학 모델의 내부 상태가 업데이트될 수 있다. 예를 들어, 이동해야 할 방향으로의 확산 계수가 감소하는 경우에는 농도 구배가 증가하는 방향으로 전기화학 모델의 내부 상태가 업데이트될 수 있다. 반대로, 이동해야 할 방향으로의 확산 계수가 증가하는 경우에는 농도 구배가 감소하는 방향으로 전기화학 모델의 내부 상태가 업데이트될 수 있다.
다른 일실시예에 따라 전기화학 모델은 리튬이온이 양극, 음극, 전해질 사이를 이동할 뿐 리튬이온의 전체량은 일정하게 보존된다는 것에 기반한 모델일 수 있다. 그리고, 양극, 음극, 전해질 사이의 리튬이온 이동은 확산 방정식에 기반하여 구해질 수 있으며, 이에 대해서 아래에서 보다 상세히 설명한다.
배터리 상태 추정 장치는 배터리의 상태 변화량에 따라 활물질의 확산 방정식을 계산하여 전기화학 모델의 내부 상태를 업데이트할 수 있다. 리튬이온이 이동되어야 할 상태 방향(예컨대, 리튬이온 농도가 높아지는 방향)으로 전류 경계조건을 부여하여 확산 방정식을 계산함으로써, 전기화학 모델의 내부 상태가 업데이트될 수 있다. 배터리 상태 추정 장치는 상태 변화량에 대응하는 내부 상태의 변화량에 대해 활물질의 확산 방정식을 계산하고, 확산 방정식을 통해 계산된 이온 농도분포를 전기화학 모델의 내부 상태로 업데이트할 수 있다. 확산 특성도 물리적인 특성이므로, 배터리 상태 추정 장치는 확산 방적식을 이온 농도분포에 대해 풀어서 전기화학 모델의 내부 상태를 비균일하게 업데이트할 수 있다.
도 11은 일실시예에 따른 배터리 상태 추정 방법을 나타낸 도면이다.
도 11을 참조하면, 일실시예에 따른 배터리 상태 추정 장치에 구비된 프로세서에 의해 수행되는 배터리 상태 추정 방법이 도시된다.
단계(1110)에서, 배터리 상태 추정 장치는 배터리의 센싱 전압 및 전기화학 모델에서 추정된 배터리의 추정 전압 사이의 전압차를 이용하여, 배터리의 상태 변화량을 결정한다. 배터리 상태 추정 장치는 전압차, 전기화학 모델에서 기 추정된 이전 상태 정보 및 OCV 테이블에 기초하여, 배터리의 상태 변화량을 결정할 수 있다. 예를 들어, 배터리 상태 추정 장치는 OCV 테이블에 기반하여 이전 상태 정보에 대응하는 개회로 전압을 획득하고, 개회로 전압에 전압차를 반영하여 배터리의 상태 변화량을 결정할 수 있다.
단계(1120)에서, 배터리 상태 추정 장치는 배터리의 상태 변화량에 기초하여, 전기화학 모델의 내부 상태를 업데이트한다. 배터리 상태 추정 장치는 배터리의 상태 변화량에 기반하여 활물질 입자 내 이온 농도분포 또는 전극 내 이온 농도분포를 보정함으로써, 전기화학 모델의 내부 상태를 업데이트할 수 있다. 예를 들어, 배터리 상태 추정 장치는 배터리의 상태 변화량에 따라 활물질 입자 내 이온 농도분포 또는 전극 내 이온 농도분포를 균일하게 보정하여 전기화학 모델의 내부 상태를 업데이트할 수 있다. 또한, 배터리 상태 추정 장치는 배터리의 상태 변화량에 따른 확산 특성에 기초하여 농도 구배 특성을 결정하고, 농도 구배 특성에 따라 활물질 입자 내 이온 농도분포 또는 전극 내 이온 농도분포를 보정하여 전기화학 모델의 내부 상태를 업데이트할 수 있다. 또한, 배터리 상태 추정 장치는 배터리의 상태 변화량에 따라 활물질의 확산 방정식을 계산하여 활물질 입자 내 이온 농도분포 또는 전극 내 이온 농도분포를 보정하여 전기화학 모델의 내부 상태를 업데이트할 수 있다.
단계(1130)에서, 배터리 상태 추정 장치는 전기화학 모델의 내부 상태에 기초하여, 배터리의 상태 정보를 추정한다.
실시예에 따라서는 단계(1110)가 수행되기 앞서 배터리 상태 추정 장치는 배터리의 센싱 전압 및 전기화학 모델로부터 획득한 배터리의 추정 전압 사이의 전압차가 임계 전압을 초과하는지 여부를 확인할 수 있다. 만약, 전압차가 임계 전압을 초과한다면, 앞서 설명한 단계(1110) 내지 단계(1130)가 수행될 수 있다.
도 11에 도시된 각 단계들에는 도 1 내지 도 10를 통하여 전술한 사항들이 그대로 적용되므로, 보다 상세한 설명은 생략한다.
도 12a 및 도 12b는 다른 일실시예에 따른 배터리 상태 추정 방법을 나타낸 도면이다.
도 12a를 참조하면, 다른 일실시예에 따른 배터리 상태 추정 장치에 구비된 프로세서에 의해 수행되는 배터리 상태 추정 방법이 도시된다. 배터리 상태는 복수의 기간들에서 추정될 수 있으며, 도 12a의 플로우차트는 각 기간들에서 배터리의 상태 정보를 추정하는 과정을 도시할 수 있다.
단계(1210)에서, 배터리 상태 추정 장치는 배터리의 센싱 데이터를 수집할 수 있다. 센싱 데이터는 배터리의 센싱 전압, 센싱 전류 및 센싱 온도를 포함할 수 있다.
단계(1220)에서, 센싱 전류 및 센싱 온도가 입력된 전기화학 모델에서 배터리의 추정 전압, 상태 정보(예컨대, SOC)가 결정될 수 있다.
단계(1230)에서, 배터리 상태 추정 장치는 현재 기간에서 배터리의 센싱 전압 및 전기화학 모델에서 추정된 추정 전압 사이의 제1 전압차를 계산할 수 있다. 예를 들어, 제1 전압차는 미리 정해진 최근 시간 동안의 이동평균 전압으로 결정될 수 있다.
도 12a에는 별도로 도시되지 않았지만 실시예에 따라서는, 배터리 상태 추정 장치는 제1 전압차가 제1 임계 전압을 초과하는지 여부에 기초하여 배터리 상태 정보의 보정 필요 여부를 판단할 수 있다. 전기화학 모델에 오차가 발생하면 전기화학 모델을 이용하여 추정된 추정 전압이 배터리의 센싱 전압과 달라질 수 있으며, 오차가 누적되는 것을 방지하기 위해 제1 전압차에 기반하여 보정 필요 여부가 판단될 수 있다.
예를 들어, 제1 전압차가 제1 임계 전압을 초과하면, 배터리 상태 추정 장치는 배터리의 상태 정보에 보정이 필요한 것으로 판단할 수 있고, 단계(1240)가 이어서 수행될 수 있다. 반대로, 제1 전압차가 제1 임계 전압을 초과하지 않으면, 배터리 상태 추정 장치는 배터리의 상태 정보에 보정이 필요 없는 것으로 판단할 수 있고, 다음 기간에서 단계(1210)가 다시 수행될 수 있다.
단계(1240)에서, 배터리 상태 추정 장치는 농도 보정법 및 미세전류 보정법 중 수행할 하나 이상의 보정 방법을 선택할 수 있다. 예를 들어, 배터리 상태 추정 장치는 제1 전압차가 미리 정해진 제2 임계 기준을 초과하면 농도 보정법이 선택되고, 그렇지 않으면 미세전류 보정법이 선택될 수 있다. 또는, 배터리 상태 추정 장치는 제1 주기마다 농도 보정법이 수행되고, 제2 주기마다 미세전류 보정법이 수행되도록, 농도 보정법 및 미세전류 보정법 중 수행할 하나 이상의 보정 방법을 선택할 수 있으며, 이 때 제1 주기는 제2 주기보다 길 수 있다. 다시 말해, 미세전류 보정법이 농도 보정법보다 빈번하게 수행될 수 있다.
만약 농도 보정법이 선택된다면, 단계(1250)에서, 배터리 상태 추정 장치는 제1 전압차에 의해 결정된 배터리의 상태 변화량을 이용하여, 전기화학 모델의 내부 상태를 보정한다. 농도 보정법에는 도 1 내지 도 11을 통하여 전술한 사항들이 그대로 적용되므로, 보다 상세한 설명은 생략한다.
만약 미세전류 보정법이 선택된다면, 단계(1260)에서, 배터리 상태 추정 장치는 이전 기간의 배터리의 센싱 전압 및 추정 전압 사이의 제2 전압차에 대응하는 용량 오차를 이용하여, 전기화학 모델로 입력되는 배터리의 현재 기간의 센싱 전류를 보정한다. 미세전류 보정법에 대해서 이하 상세히 설명한다.
배터리 상태 추정 장치는 배터리의 현재 구간의 센싱 전류를 수신하고, 배터리의 이전 구간의 전압차에 대응하는 용량 오차를 이용하여, 보정값을 결정하며, 보정값을 이용하여 센싱 전류를 보정할 수 있다. 이처럼 보정된 센싱 전류는 전기화학 모델에 입력될 수 있다.
이전 구간의 전압차는 배터리의 이전 구간의 추정 전압과 배터리의 이전 구간의 센싱 전압 사이의 차이일 수 있다.
용량 오차는 이전 구간의 전압차 및 배터리의 이전 구간의 추정 개회로 전압을 기초로 결정될 수 있다. 설명의 편의를 위해 도 12b의 OCV 테이블을 참조하여 용량 오차가 결정되는 과정을 설명한다. 먼저, 이전 구간의 추정 개회로 전압인 추정 OCV(1201)에서 전압차 ΔV(1202)의 일부값 α을 감산한 제1 OCV(1203)에 대응하는 제1 SOC(1204)가 결정되고, 추정 OCV(1201)에서 전압차 ΔV(1202)의 나머지값 β을 가산한 제2 OCV(1205)에 대응하는 제2 SOC(1206)가 결정될 수 있다. 그리고, 제1 SOC(1204)와 제2 SOC(1206) 사이의 상태 차이 ΔSOC(1207)에 배터리의 용량이 곱해져서 용량 오차가 결정될 수 있다.
보정값은 용량 오차에 가중치를 적용하고, 가중치가 적용된 용량 오차를 상수값으로 나눈 값으로 결정될 수 있다. 가중치는 현재 구간의 센싱 전류 및/또는 이전 구간의 센싱 전류를 기초로 계산되는 전류 평균값에 따라 결정될 수 있다. 예를 들어, 전류 평균값이 크면 가중치가 작게 결정되고, 반대로 전류 평균값이 작으면 가중치가 크게 결정될 수 있다. 상수값은 상태 정보의 업데이트 주기로, 특정 period의 길이일 수 있다.
미세전류 보정법에 대해서는 미국 특허출원 공개번호 2018-0143254가 기재하고 있으며, 그 전문이 본원에 참조로 포함된다(incorporated by reference).
단계(1270)에서, 배터리 상태 추정 장치는 배터리 상태 추정 동작 운행을 종료할지 여부를 판단할 수 있다. 예를 들어, 미리 정해진 운행 기간이 경과되지 않았다면, 다음 기간에 대해서 단계(1210)가 이어서 수행될 수 있다. 반대로, 미리 정해진 운행 기간이 경과되었다면, 배터리 상태 추정 동작이 종료될 수 있다.
도 13은 일실시예에 따른 배터리 상태 추정 장치를 나타낸 도면이다.
도 13을 참조하면, 일실시예에 따른 배터리 상태 추정 장치(1300)는 메모리(1310) 및 프로세서(1320)를 포함한다. 메모리(1310) 및 프로세서(1320)는 버스(bus)(1330)를 통하여 서로 통신할 수 있다.
메모리(1310)는 컴퓨터에서 읽을 수 있는 명령어를 포함할 수 있다. 프로세서(1320)는 메모리(1310)에 저장된 명령어가 프로세서(1320)에서 실행됨에 따라 앞서 언급된 동작들을 수행할 수 있다. 메모리(1310)는 휘발성 메모리 또는 비휘발성 메모리일 수 있다.
프로세서(1320)는 명령어들, 혹은 프로그램들을 실행하거나, 배터리 상태 추정 장치(1300)를 제어하는 장치일 수 있다. 프로세서(1320)는 배터리의 센싱 전압 및 전기화학 모델에서 추정된 배터리의 추정 전압 사이의 전압차를 이용하여 배터리의 상태 변화량을 결정하고, 배터리의 상태 변화량에 기초하여 전기화학 모델의 내부 상태를 업데이트하며, 전기화학 모델의 내부 상태에 기초하여 배터리의 상태 정보를 추정한다.
그 밖에, 배터리 상태 추정 장치(1300)에 관해서는 상술된 동작을 처리할 수 있다.
도 14 및 도 15는 일실시예에 따른 차량을 설명하기 위한 도면이다.
도 14를 참조하면, 차량(1400)은 배터리 팩(1410) 및 배터리 관리 시스템(1420)을 포함할 수 있다. 차량(1400)은 배터리 팩(1410)을 전력원(power source)으로 이용할 수 있다. 차량(1400)은, 예를 들어, 전기 자동차 또는 하이브리드 자동차일 수 있다.
배터리 팩(1410)은 복수의 배터리 모듈들을 포함할 수 있다. 배터리 모듈은 복수의 배터리 셀들을 포함할 수 있다.
배터리 관리 시스템(1420)은 배터리 팩(1410)에 이상(abnormality)이 발생하였는지 모니터링할 수 있고, 배터리 팩(1410)이 과충전(over-charging) 또는 과방전(over-discharging)되지 않도록 할 수 있다. 또한, 배터리 관리 시스템(1420)은 배터리 팩(1410)의 온도가 제1 온도(일례로, 40℃)를 초과하거나 제2 온도(일례로, -10℃) 미만이면 배터리 팩(1410)에 대해 열 제어를 수행할 수 있다. 또한, 배터리 관리 시스템(1420)은 셀 밸런싱을 수행하여 배터리 팩(1410)에 포함된 배터리 셀들 간의 충전 상태가 균등해지도록 할 수 있다.
일실시예에 따르면 배터리 관리 시스템(1420)은 앞서 설명한 배터리 상태 추정 장치를 포함할 수 있고, 배터리 상태 추정 장치를 통해 배터리 팩(1410)에 포함된 배터리 셀들 각각의 상태 정보 또는 배터리 팩(1410)의 상태 정보를 결정할 수 있다. 배터리 관리 시스템(1420)은 배터리 셀들 각각의 상태 정보의 최대값, 최소값, 또는 평균값을 배터리 팩(1410)의 상태 정보로 결정할 수도 있다.
배터리 관리 시스템(1420)은 배터리 팩(1410)의 상태 정보를 차량(1400)의 ECU(Electronic Control Unit) 또는 VCU(Vehicle Control Unit)로 전송할 수 있다. 차량(1400)의 ECU 또는 VCU는 배터리 팩(1410)의 상태 정보를 차량(1400)의 디스플레이에 출력할 수 있다. 도 15에 도시된 예와 같이, ECU 또는 VCU는 배터리 팩(1410)의 상태 정보를 차량(1400) 내의 계기판(1510)에 표시할 수 있다. 또는, ECU 또는 VCU는 추정된 상태 정보에 기초하여 결정된 잔여 주행거리 등을 계기판(1510)에 표시할 수도 있다. 도 15에 도시되지 않았으나, ECU 또는 VCU는 배터리 팩(1410)의 상태 정보, 잔여 주행거리 등을 차량(1400)의 헤드업 디스플레이에 표시할 수 있다.
도 14 및 도 15에서 설명한 사항에는 도 1 내지 도 13을 통해 기술된 사항이 적용될 수 있으므로, 상세한 설명은 생략한다.
도 16은 일실시예에 따른 모바일 기기를 설명하기 위한 도면이다.
도 16을 참조하면, 모바일 기기(1600)는 배터리 팩(1610)을 포함한다. 모바일 기기(1600)는 배터리 팩(1610)을 전원으로 이용하는 장치일 수 있다. 모바일 기기(1600)는 휴대용 단말로서, 예를 들어, 스마트 폰일 수 있다. 도 16에서는 설명의 편의를 위해 모바일 기기(1600)가 스마트 폰인 경우를 설명하였으나, 이외에도 노트북, 태블릿 PC, 웨어러블 디바이스와 같은 다양한 단말이 제한 없이 적용될 수 있다. 배터리 팩(1610)은 BMS 및 배터리 셀들(또는, 배터리 모듈들)을 포함한다.
실시예에 따르면, 모바일 기기(1600)는 배터리 충전 장치를 포함한다. 배터리 충전 장치는 배터리 팩(1610)(또는, 배터리 팩(1610) 내의 배터리 셀들)의 상태 변화량에 기초하여, 전기화학 모델의 내부 상태를 업데이트하고, 전기화학 모델의 내부 상태에 기초하여 배터리의 상태 정보를 추정한다.
도 1 내지 도 15를 통해 기술된 사항은 도 16을 통해 기술된 사항에 적용될 수 있으므로, 상세한 설명은 생략한다.
이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.

Claims (23)

  1. 배터리의 센싱 전압 및 상기 배터리에 대응하는 전기화학 모델에서 추정된 상기 배터리의 추정 전압 사이의 전압차를 이용하여, 상기 배터리의 상태 변화량을 결정하는 단계;
    상기 배터리의 상태 변화량에 기초하여, 상기 전기화학 모델의 내부 상태를 업데이트하는 단계; 및
    상기 전기화학 모델의 내부 상태에 기초하여, 상기 배터리의 상태 정보를 추정하는 단계
    를 포함하는
    배터리 상태 추정 방법.
  2. 제1항에 있어서,
    상기 배터리의 상태 변화량을 결정하는 단계는
    상기 전압차, 상기 전기화학 모델에서 기 추정된 이전 상태 정보 및 OCV 테이블에 기초하여, 상기 배터리의 상태 변화량을 결정하는,
    배터리 상태 추정 방법.
  3. 제2항에 있어서,
    상기 배터리의 상태 변화량을 결정하는 단계는
    상기 OCV 테이블에 기반하여 상기 이전 상태 정보에 대응하는 개회로 전압을 획득하고, 상기 개회로 전압에 상기 전압차를 반영하여 상기 배터리의 상태 변화량을 결정하는,
    배터리 상태 추정 방법.
  4. 제1항에 있어서,
    상기 전기화학 모델의 내부 상태를 업데이트하는 단계는
    상기 배터리의 상태 변화량에 기반하여 활물질 입자 내 이온 농도분포 또는 전극 내 이온 농도분포를 보정함으로써, 상기 전기화학 모델의 내부 상태를 업데이트하는,
    배터리 상태 추정 방법.
  5. 제4항에 있어서,
    상기 전기화학 모델의 내부 상태를 업데이트하는 단계는
    상기 배터리의 상태 변화량에 따라 상기 활물질 입자 내 이온 농도분포 또는 전극 내 이온 농도분포를 균일하게 보정하여 상기 전기화학 모델의 내부 상태를 업데이트하는,
    배터리 상태 추정 방법.
  6. 제4항에 있어서,
    상기 전기화학 모델의 내부 상태를 업데이트하는 단계는
    상기 배터리의 상태 변화량에 따른 확산 특성에 기초하여 농도 구배 특성을 결정하고, 상기 농도 구배 특성에 따라 상기 배터리의 이온 농도분포를 보정하여 상기 전기화학 모델의 내부 상태를 업데이트하는,
    배터리 상태 추정 방법.
  7. 제4항에 있어서,
    상기 전기화학 모델의 내부 상태를 업데이트하는 단계는
    상기 배터리의 상태 변화량에 따라 활물질의 확산 방정식을 계산하여 상기 활물질 입자 내 이온 농도분포 또는 전극 내 이온 농도분포를 보정하여 상기 전기화학 모델의 내부 상태를 업데이트하는,
    배터리 상태 추정 방법.
  8. 제1항에 있어서,
    상기 전기화학 모델의 내부 상태는
    상기 배터리의 양극 리튬이온 농도분포, 음극 리튬이온 농도분포 및 전해질 리튬이온 농도분포 중 하나 이상을 포함하는,
    배터리 상태 추정 방법.
  9. 제1항에 있어서,
    상기 배터리의 센싱 전압 및 상기 전기화학 모델로부터 획득한 상기 배터리의 추정 전압 사이의 전압차가 임계 전압을 초과하는지 여부를 확인하는 단계
    를 더 포함하는,
    배터리 상태 추정 방법.
  10. 제1항에 있어서,
    상기 전기화학 모델은 복수의 배터리들 중 상태 정보를 추정하고자 하는 타겟 배터리의 상태 정보를 추정하고,
    상기 센싱 전압은 상기 타겟 배터리에 측정된 전압이고,
    상기 추정 전압은 상기 전기화학 모델에서 상기 타겟 배터리가 아닌 다른 배터리에 대해 기 추정된 전압인,
    배터리 상태 추정 방법.
  11. 제1항에 있어서,
    상기 배터리는 배터리 셀, 배터리 모듈 또는 배터리 팩인,
    배터리 상태 추정 방법.
  12. 배터리의 센싱 전압을 포함하는 센싱 데이터를 획득하는 단계;
    상기 배터리에 대응하는 전기화학 모델을 이용하여, 상기 센싱 데이터로부터 상기 배터리의 추정 전압을 획득하는 단계;
    상기 배터리의 상기 센싱 전압 및 상기 추정 전압 사이의 제1 전압차를 계산하는 단계;
    상기 전압차에 기초하여 상기 전기화학 모델의 보정법을 선택하는 단계;
    상기 선택된 보정법에 따라, 상기 전기화학 모델의 내부 상태 또는 전기화학 모델로 입력되는 센싱 전류를 보정하는 단계; 및
    상기 보정법이 적용된 전기화학 모델을 이용하여, 상기 배터리의 상태 정보를 추정하는 단계
    를 포함하는
    배터리 상태 추정 방법.
  13. 제12항에 있어서,
    상기 선택된 보정법에 따라, 상기 전기화학 모델의 내부 상태 또는 전기화학 모델로 입력되는 센싱 전류를 보정하는 단계는
    현재 기간의 배터리의 센싱 전압 및 상기 전기화학 모델에서 추정된 상기 배터리의 추정 전압 사이의 제1 전압차에 의해 결정된 상기 배터리의 상태 변화량을 이용하여, 상기 전기화학 모델의 내부 상태를 업데이트하거나, 또는
    이전 기간의 상기 배터리의 센싱 전압 및 추정 전압 사이의 제2 전압차에 대응하는 용량 오차를 이용하여, 상기 전기화학 모델로 입력되는 상기 배터리의 현재 기간의 센싱 전류를 보정하는
    배터리 상태 추정 방법.
  14. 제12항에 있어서,
    상기 전기화학 모델의 보정법을 결정하는 단계는
    상기 제1 전압차가 미리 정해진 임계 전압을 초과하면 상기 전기화학 모델의 내부 상태를 보정하는 보정법을 선택하고, 상기 전압차가 미리 정해진 임계 전압 이하이면 상기 전기화학 모델로 입력되는 센싱 전류를 보정하는 보정법을 선택하는,
    배터리 상태 추정 방법.
  15. 제12항에 있어서,
    상기 전기화학 모델의 보정법을 결정하는 단계는
    상기 전기화학 모델로 입력되는 센싱 전류를 보정하는 보정법이 상기 전기화학 모델의 내부 상태를 보정하는 보정법보다 빈번하게 수행되도록 상기 전기화학 모델의 보정법을 선택하는,
    배터리 상태 추정 방법.
  16. 제1항 내지 제15항 중에서 어느 하나의 항의 방법을 실행시키기 위한 프로그램이 기록된 컴퓨터 판독 가능한 저장 매체.
  17. 배터리에 대응하는 전기화학 모델을 저장하는 메모리; 및
    상기 배터리의 센싱 전압 및 상기 전기화학 모델에서 추정된 상기 배터리의 추정 전압 사이의 전압차를 이용하여 상기 배터리의 상태 변화량을 결정하고, 상기 배터리의 상태 변화량에 기초하여 상기 전기화학 모델의 내부 상태를 업데이트하며, 상기 전기화학 모델의 내부 상태에 기초하여 상기 배터리의 상태 정보를 추정하는 프로세서
    를 포함하는
    배터리 상태 추정 장치.
  18. 제17항에 있어서,
    상기 프로세서는
    상기 전압차, 상기 전기화학 모델에서 기 추정된 이전 상태 정보 및 OCV 테이블에 기초하여, 상기 배터리의 상태 변화량을 결정하는,
    배터리 상태 추정 장치.
  19. 제18항에 있어서,
    상기 프로세서는
    상기 OCV 테이블에 기반하여 상기 이전 상태 정보에 대응하는 개회로 전압을 획득하고, 상기 개회로 전압에 상기 전압차를 반영하여 상기 배터리의 상태 변화량을 결정하는,
    배터리 상태 추정 장치.
  20. 제17항에 있어서,
    상기 프로세서는
    상기 배터리의 상태 변화량에 기반하여 활물질 입자 내 이온 농도분포 또는 전극 내 이온 농도분포를 보정함으로써, 상기 전기화학 모델의 내부 상태를 업데이트하는,
    배터리 상태 추정 장치.
  21. 제20항에 있어서,
    상기 프로세서는
    상기 배터리의 상태 변화량에 따라 상기 활물질 입자 내 이온 농도분포 또는 전극 내 이온 농도분포를 균일하게 보정하여 상기 전기화학 모델의 내부 상태를 업데이트하는,
    배터리 상태 추정 장치.
  22. 제20항에 있어서,
    상기 프로세서는
    상기 배터리의 상태 변화량에 따른 확산 특성에 기초하여 농도 구배 특성을 결정하고, 상기 농도 구배 특성에 따라 상기 활물질 입자 내 이온 농도분포 또는 전극 내 이온 농도분포를 보정하여 상기 전기화학 모델의 내부 상태를 업데이트하는,
    배터리 상태 추정 장치.
  23. 제17항에 있어서,
    상기 전기화학 모델은 복수의 배터리들 중 상태 정보를 추정하고자 하는 타겟 배터리의 상태 정보를 추정하고,
    상기 센싱 전압은 상기 타겟 배터리에 측정된 전압이고,
    상기 추정 전압은 상기 전기화학 모델에서 상기 타겟 배터리가 아닌 다른 배터리에 대해 기 추정된 전압인,
    배터리 상태 추정 장치.
KR1020190131570A 2019-10-22 2019-10-22 배터리 상태 추정 방법 및 장치 KR20210047682A (ko)

Priority Applications (7)

Application Number Priority Date Filing Date Title
KR1020190131570A KR20210047682A (ko) 2019-10-22 2019-10-22 배터리 상태 추정 방법 및 장치
US16/814,212 US11293988B2 (en) 2019-10-22 2020-03-10 Method and apparatus with battery state estimation
CN202010161222.7A CN112782595A (zh) 2019-10-22 2020-03-10 用于电池状态估计的方法和设备
EP20176274.7A EP3812778A1 (en) 2019-10-22 2020-05-25 Method and apparatus with battery state estimation
JP2020154404A JP2021067674A (ja) 2019-10-22 2020-09-15 バッテリ状態推定方法及び装置
US17/683,483 US11982714B2 (en) 2019-10-22 2022-03-01 Method and apparatus with battery state estimation
US18/631,429 US20240255575A1 (en) 2019-10-22 2024-04-10 Method and apparatus with battery state estimation

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190131570A KR20210047682A (ko) 2019-10-22 2019-10-22 배터리 상태 추정 방법 및 장치

Publications (1)

Publication Number Publication Date
KR20210047682A true KR20210047682A (ko) 2021-04-30

Family

ID=70847266

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190131570A KR20210047682A (ko) 2019-10-22 2019-10-22 배터리 상태 추정 방법 및 장치

Country Status (5)

Country Link
US (3) US11293988B2 (ko)
EP (1) EP3812778A1 (ko)
JP (1) JP2021067674A (ko)
KR (1) KR20210047682A (ko)
CN (1) CN112782595A (ko)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102636362B1 (ko) * 2016-11-22 2024-02-14 삼성전자주식회사 배터리 상태 추정 방법 및 장치
KR20210028476A (ko) * 2019-09-04 2021-03-12 삼성전자주식회사 배터리 충전 장치 및 방법
US11397214B2 (en) * 2020-01-17 2022-07-26 Semiconductor Components Industries, Llc Methods and apparatus for a battery
US11360147B2 (en) * 2020-03-03 2022-06-14 Karma Automotive Llc Method of determining the state of charge of a battery used in an electric vehicle
KR20230036707A (ko) 2021-09-08 2023-03-15 삼성전자주식회사 배터리 상태를 추정하는 전자 장치 및 그 동작 방법
CN114545265B (zh) * 2022-03-01 2022-11-11 上海玫克生储能科技有限公司 基于电化学模型的电池荷电状态的估算方法及装置
US20230358815A1 (en) 2022-05-09 2023-11-09 Samsung Electronics Co., Ltd. Method and device with estimating battery state
CN115084693B (zh) * 2022-06-28 2023-04-21 上海玫克生储能科技有限公司 一种锂电池固相浓度修正方法、系统及存储介质
CN115081332B (zh) * 2022-06-30 2023-04-14 上海玫克生储能科技有限公司 用于参数识别的工况敏感度分析和数据处理方法、装置

Family Cites Families (33)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3196071B2 (ja) 1997-07-18 2001-08-06 古河電池株式会社 アルカリ二次電池の短絡検査方法
US6534954B1 (en) 2002-01-10 2003-03-18 Compact Power Inc. Method and apparatus for a battery state of charge estimator
JP3714330B2 (ja) 2003-02-12 2005-11-09 日産自動車株式会社 二次電池の充電率推定装置
JP2005227164A (ja) 2004-02-13 2005-08-25 Toyota Motor Corp 二次電池の残存容量算出装置
KR100880388B1 (ko) 2005-04-20 2009-01-23 주식회사 엘지화학 전지모듈용 하우징 부재
KR100669475B1 (ko) 2005-12-21 2007-01-16 삼성에스디아이 주식회사 배터리의 ｓｏｃ 보정 방법 및 이를 이용한 배터리 관리시스템
KR100804698B1 (ko) 2006-06-26 2008-02-18 삼성에스디아이 주식회사 배터리 ｓｏｃ 추정 방법 및 이를 이용하는 배터리 관리시스템 및 구동 방법
JP4802945B2 (ja) * 2006-08-31 2011-10-26 トヨタ自動車株式会社 二次電池の制御システムおよびそれを搭載したハイブリッド車両
JP2008058278A (ja) * 2006-09-04 2008-03-13 Toyota Motor Corp 二次電池の内部状態推定装置、二次電池の内部状態推定方法、プログラム、および記録媒体
KR100884530B1 (ko) 2006-09-12 2009-02-18 삼성에스디아이 주식회사 배터리 관리 시스템 및 구동 방법
US8624560B2 (en) 2008-04-11 2014-01-07 Apple Inc. Controlling battery charging based on current, voltage and temperature
US8972213B2 (en) 2008-06-27 2015-03-03 GM Global Technology Operations LLC Pattern recognition approach to battery diagnosis and prognosis
JP4649682B2 (ja) 2008-09-02 2011-03-16 株式会社豊田中央研究所 二次電池の状態推定装置
US8117857B2 (en) 2009-02-20 2012-02-21 Tesla Motors, Inc. Intelligent temperature control system for extending battery pack life
WO2011014667A2 (en) 2009-07-29 2011-02-03 The Regents Of The University Of Michigan System for scheduling battery charge and discharge
US8207706B2 (en) 2009-08-04 2012-06-26 Honda Motor Co., Ltd. Method of estimating battery state of charge
JP5691592B2 (ja) 2010-02-18 2015-04-01 日産自動車株式会社 電池状態推定装置
KR101191624B1 (ko) 2010-10-13 2012-10-17 삼성에스디아이 주식회사 배터리 관리 시스템 및 이를 이용한 배터리 ｓｏｃ 추정 방법
US8618775B2 (en) 2012-01-05 2013-12-31 Tesla Motors, Inc. Detection of over-current shorts in a battery pack using pattern recognition
JP5393837B2 (ja) 2012-05-11 2014-01-22 カルソニックカンセイ株式会社 バッテリの充電率推定装置
KR101394859B1 (ko) 2012-09-05 2014-05-13 현대자동차주식회사 자동차의 ｂｍｓ 커넥터
US10288691B2 (en) 2014-06-05 2019-05-14 Ford Global Technologies, Llc Method and system for estimating battery model parameters to update battery models used for controls
US20160018469A1 (en) 2014-07-21 2016-01-21 Richtek Technology Corporation Method of estimating the state of charge of a battery and system thereof
US10408880B2 (en) 2014-08-19 2019-09-10 Fca Us Llc Techniques for robust battery state estimation
US9843069B2 (en) 2014-09-26 2017-12-12 Ford Global Technologies, Llc Battery capacity degradation resolution methods and systems
KR102441335B1 (ko) * 2015-08-13 2022-09-06 삼성전자주식회사 배터리의 soc 추정 장치 및 방법
KR102515829B1 (ko) 2015-11-02 2023-03-29 삼성전자주식회사 배터리 초기값 추정 장치 및 방법
KR102534849B1 (ko) * 2015-12-11 2023-05-18 삼성전자주식회사 배터리의 이온 농도 및 쿨롱 카운팅 soc를 실시간으로 조정하는 방법
US10353008B2 (en) * 2016-10-06 2019-07-16 Mitsubishi Electric Research Laboratories, Inc. Hybrid battery state sensor
KR102634815B1 (ko) * 2016-11-22 2024-02-07 삼성전자주식회사 오차 보정에 기초한 배터리 상태 추정 방법 및 장치
KR20190073236A (ko) 2017-12-18 2019-06-26 삼성전자주식회사 배터리 상태 추정 방법 및 장치
US20190190091A1 (en) * 2017-12-18 2019-06-20 Samsung Electronics Co., Ltd. Method and apparatus estimating a state of battery
KR102405514B1 (ko) * 2018-12-06 2022-06-03 주식회사 엘지에너지솔루션 이차 전지의 충전 장치 및 방법

Also Published As

Publication number Publication date
JP2021067674A (ja) 2021-04-30
US20210116510A1 (en) 2021-04-22
CN112782595A (zh) 2021-05-11
US11982714B2 (en) 2024-05-14
US20220179002A1 (en) 2022-06-09
EP3812778A1 (en) 2021-04-28
US20240255575A1 (en) 2024-08-01
US11293988B2 (en) 2022-04-05

Similar Documents

Publication Publication Date Title
KR20210047682A (ko) 배터리 상태 추정 방법 및 장치
KR102563753B1 (ko) 배터리 충전 방법 및 장치
EP3961232B1 (en) Method and apparatus for battery state estimation
KR102516362B1 (ko) 배터리 충전 방법 및 장치
JP6234946B2 (ja) 電池状態推定装置
US12050251B2 (en) Method for estimating state of health of battery
EP3437152A1 (en) Battery management system with multiple observers
KR20210028476A (ko) 배터리 충전 장치 및 방법
KR20180057266A (ko) 배터리 상태 추정 방법 및 장치
KR20190123172A (ko) 배터리 상태 추정 방법
KR102534849B1 (ko) 배터리의 이온 농도 및 쿨롱 카운팅 soc를 실시간으로 조정하는 방법
KR102577586B1 (ko) 배터리에 포함된 물질의 확산 특성을 이용하여 배터리의 충전을 제어하는 장치 및 방법
KR20220048753A (ko) 배터리 충전 장치 및 방법
CN113785209A (zh) 用于检测异常电池单体的方法
US20240369639A1 (en) Method and apparatus for estimating state of battery
KR102563754B1 (ko) 배터리 상태를 예측하기 위한 배터리 관리 방법 및 시스템
KR20230046044A (ko) 배터리 모델의 최적화를 수행하는 장치 및 방법
US20230130896A1 (en) Battery charging method and battery pack
KR20230036707A (ko) 배터리 상태를 추정하는 전자 장치 및 그 동작 방법
KR20240057180A (ko) 배터리에 대한 인가 전류의 값을 보정하는 방법 및 장치
KR20230157833A (ko) 배터리 상태 추정을 수행하는 전자 장치 및 이의 동작 방법
KR20220124619A (ko) 배터리 상태 추정 방법 및 장치
KR20230075033A (ko) 배터리 상태를 추정하는 전자 장치 및 그 동작 방법
KR20240100226A (ko) 배터리 상태를 추정하는 전자 장치 및 이의 동작 방법
KR20240085777A (ko) 배터리 관리 장치 및 그것의 동작 방법

Legal Events

Date Code Title Description
A201 Request for examination