[go: up one dir, main page]

WO2019098722A1 - 배터리 저항 추정 장치 및 방법 - Google Patents

배터리 저항 추정 장치 및 방법 Download PDF

Info

Publication number
WO2019098722A1
WO2019098722A1 PCT/KR2018/014037 KR2018014037W WO2019098722A1 WO 2019098722 A1 WO2019098722 A1 WO 2019098722A1 KR 2018014037 W KR2018014037 W KR 2018014037W WO 2019098722 A1 WO2019098722 A1 WO 2019098722A1
Authority
WO
WIPO (PCT)
Prior art keywords
resistance
soc
resistance data
battery
condition
Prior art date
Legal status (The legal status 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 status listed.)
Ceased
Application number
PCT/KR2018/014037
Other languages
English (en)
French (fr)
Inventor
서보경
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
LG Chem Ltd
Original Assignee
LG Chem Ltd
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 LG Chem Ltd filed Critical LG Chem Ltd
Priority to US16/498,018 priority Critical patent/US11105861B2/en
Priority to EP18878495.3A priority patent/EP3605127B1/en
Priority to CN201880019674.2A priority patent/CN110462414B/zh
Priority to JP2019551571A priority patent/JP6863560B2/ja
Publication of WO2019098722A1 publication Critical patent/WO2019098722A1/ko
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

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]
    • G01R31/389—Measuring internal impedance, internal conductance or related variables
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/367—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]
    • G01R31/385—Arrangements for measuring battery or accumulator variables
    • G01R31/387—Determining ampere-hour charge capacity or SoC
    • G01R31/388—Determining ampere-hour charge capacity or SoC involving voltage 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
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00—Secondary cells; Manufacture thereof
    • H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
    • H01M10/48—Accumulators combined with arrangements for measuring, testing or indicating the condition of cells, e.g. the level or density of the electrolyte
    • H01M10/486—Accumulators combined with arrangements for measuring, testing or indicating the condition of cells, e.g. the level or density of the electrolyte for measuring temperature
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02E60/10—Energy storage using batteries

Definitions

  • the present invention relates to an apparatus and a method for estimating a resistance, which is one of the factors indicating the state of health (SOH) of a battery.
  • SOH state of health
  • Batteries that can be repeatedly charged and discharged are gaining popularity as an alternative to fossil energy. Batteries have been used primarily in traditional handheld devices such as cell phones, video cameras, and power tools. In recent years, however, application fields of electric vehicles (EV, HEV, PHEV), large capacity electric power storage (ESS) and uninterruptible power supply system (UPS) have been gradually increasing.
  • EV electric vehicles
  • HEV large capacity electric power storage
  • UPS uninterruptible power supply system
  • the battery includes a positive electrode and a negative electrode, a separator interposed between the electrodes, and an electrolyte electrochemically reacting with the active material coated on the positive electrode and the negative electrode, and the capacity decreases as the number of times of charge and discharge increases.
  • the reduction of the capacity can be attributed to deterioration of the active material coated on the electrode, negative reaction of the electrolyte, reduction of the pore of the separation membrane, and the like.
  • the capacity of the battery decreases, the resistance increases and the electric energy lost to heat increases. Therefore, if the capacity of the battery decreases below the threshold value, the performance of the battery significantly decreases and the amount of heat generated increases, so that it is necessary to check or replace the battery.
  • the degree of capacity reduction of a battery can be represented quantitatively by a factor called SOH.
  • SOH can be calculated in several ways, one of which can be computed by quantifying the increased amount of resistance relative to the resistance when the battery's resistance is in the BOL (Beginning Of Life) state based on the current time. For example, if the resistance of a battery increases by 20% versus the resistance when it is BOL, SOH can be estimated at 80%.
  • the resistance of a battery tends to be relatively large when the state of charge (SOC) is low and relatively small when the temperature is high.
  • SOC state of charge
  • the amount of the active material capable of reacting with the working ion decreases, and the diffusion resistance of the working ion increases in the active material and the mobility of the working ion increases as the temperature of the battery increases.
  • the working ion depends on the type of chemical species constituting the battery. In the case of a lithium-based battery, lithium ion corresponds to the working ion.
  • the battery can have a longer life by controlling the maximum current allowed by the SOH. To achieve this, it is necessary to accurately detect the resistance of the battery.
  • the resistance of the battery is an important parameter that is indispensable for calculating the charge output or the discharge output of the battery.
  • an increase in resistance with respect to a resistance when the resistance data extracted at a specific temperature and a specific SOC condition is in the BOL state that is, the resistance degradation rate.
  • This resistive degeneration rate is applied to all conditions and is used for SOH, power estimation, assuming that it is degenerated to the same level at different temperature and other SOC conditions. That is, the resistance of the battery is measured in advance according to the SOC and the temperature, the lookup table is formed, the resistance degradation rate is reflected in a batch, and the resistance is looked up according to the SOC and the temperature in a real-time use environment.
  • the real-time resistance is calculated based on the IV data that is dynamically changed according to the RLS (Recursive Least Square) method, Has been proposed. That is, dV / dI is calculated in real time to estimate the resistance.
  • RLS can not be used when a stable input with a small change in I-V data is input. For example, if there is a voltage change but no current change, the resistance can not be calculated. In such a case, there is also a problem that a resistance error is largely generated in order to find the actual resistance when the data is maintained at the last resistance value that has been estimated and then the current fluctuates again.
  • Another object of the present invention is to provide a method of reliably estimating the resistance of a battery by a simple algorithm.
  • a battery resistance estimating apparatus comprising: a memory unit storing a resistance lookup table storing resistance data according to a SOC-T condition; And a control unit.
  • the control unit measures I-V data while the battery is being charged and discharged, periodically repeats the resistance periodically by dV / dI, stores the accumulated resistance in the memory unit, and accumulates and accumulates the SOC-T conditionally; And an average value of a plurality of resistance data stored in the memory unit according to the SOC-T condition, a new resistance data which is either an average value or a maximum value of a maximum value and a minimum value, and a weighted average value average) and then updating the resistance data corresponding to the corresponding SOC-T condition to the weighted average value.
  • the resistance data updating unit may perform interpolation or extrapolation using the weighted average value of the resistance data calculated for the adjacent SOC-T condition for the SOC-T condition in which the resistance data for which the weighted average value is to be calculated is not collected. And may be configured to update the resistance data by a method.
  • the resistance data updater updates a flag value that distinguishes whether resistance data stored by SOC-T condition is real-time calculated resistance data or resistive data estimated by interpolation or extrapolation by SOC-T condition Quot; and " save "
  • the greater the difference between the new resistance data and the previously stored resistance data the greater the weight assigned to the new resistance data to yield a weighted average value.
  • the weight increases as the difference between Pre R / R @ BOL and New R / R @ BOL increases.
  • Pre R is the resistance value previously stored for SOC-T
  • R @ BOL is the resistance value of the battery initial state
  • New R is the new resistance data.
  • the apparatus for estimating battery resistance includes: a voltage measuring unit for measuring a voltage of a battery; A current measuring unit for measuring a current of the battery; And a temperature measuring unit for measuring a temperature of the battery, and the controller may be configured to store a voltage measurement value, a current measurement value, and a temperature measurement value in the memory unit.
  • the controller may be configured to determine a state of charge of the battery by accumulating current measurement values stored in the memory unit.
  • the controller may be configured to determine the output of the battery using the updated resistance data, or to transmit the updated resistance data to an external device.
  • a method of estimating battery resistance comprising the steps of: (a) storing in a memory a resistance look-up table in which resistance data is recorded according to a SOC- ; (b) measuring the I-V data while the battery is being charged and discharged, periodically repeating the resistance by dV / dI, storing the measured resistance in the memory unit, and accumulating and storing the measured resistance by SOC-T condition; (c) calculating an average value of a plurality of resistance data stored in the memory unit by SOC-T condition, new resistance data which is either an average value or a maximum value of a maximum value and a minimum value, and a weighted average value ; And (d) updating the resistance data stored in the memory unit by the SOC-T condition to the weighted average value.
  • the problems of the present invention can also be achieved by a battery management system including the battery resistance estimating apparatus and a computer readable recording medium in which the battery resistance estimating method is programmed.
  • the resistance corresponding to the environmental condition is calculated from the battery initial data, and the accumulated data is stored.
  • the resistance value accumulated according to the SOC-T condition even for the environmental condition in which the real- Or SOH, using the increased degree of resistance versus resistance in the BOL state.
  • different resistive degradation rates are considered according to the SOC-T condition, so that it is possible to estimate the accurate resistance value, thereby improving the accuracy of battery state and life estimation. Also, when a stable input having a small change in the I-V data is input, a resistance value similar to the real-time resistance value can be used.
  • new resistance data is weighted and reflected when changing the resistance lookup table used for estimating the resistance of a battery, thereby achieving a conservative approach in terms of securing stability in consideration of deterioration of the battery.
  • it is possible to always reliably estimate the resistance of the battery in accordance with the degraded state of the battery.
  • FIG. 1 is a block diagram schematically illustrating a configuration of a battery resistance estimation apparatus according to an embodiment of the present invention.
  • FIG. 2 is a graph illustrating resistance of a battery having different degradation conditions according to an embodiment of the present invention, measured according to charging states.
  • FIG. 3 is a flowchart illustrating a battery resistance estimation method according to an embodiment of the present invention.
  • the battery refers to a lithium battery.
  • the lithium battery is generally referred to as a battery in which lithium ions act as working ions during charging and discharging to cause an electrochemical reaction between the positive electrode and the negative electrode.
  • the present invention is also applicable to batteries other than lithium batteries. Therefore, even if the working ion is not lithium ion, any type of battery to which the technical idea of the present invention can be applied should be construed as falling within the scope of the present invention.
  • the battery is not limited by the number of elements constituting it.
  • the battery may be a single cell assembly, a module in which multiple assemblies are connected in series and / or in parallel, a plurality of modules in series and / or in parallel, including a single cell containing a cathode / , A battery system in which a plurality of packs are connected in series and / or in parallel, and the like.
  • FIG. 1 is a block diagram schematically illustrating a configuration of a battery resistance estimation apparatus according to an embodiment of the present invention.
  • a battery resistance estimation apparatus 100 includes at least a memory unit 110 and a control unit 120 as an apparatus for estimating a resistance of a battery B.
  • the controller 120 includes a processor capable of performing a logic operation and performs a function of estimating a resistance corresponding to a charged state and a temperature of the battery B according to a control logic to be described later.
  • the memory unit 110 is a storage medium that can record and erase data electrically, magnetically, optically or quantitatively, and may be, for example, RAM, ROM, or a register as a non-limiting example.
  • the memory unit 110 may be connected to the controller 120 through a data bus or the like so that the memory unit 110 can be accessed by the controller 120.
  • the memory unit 110 may store and / or update and / or update the program including the various control logic executed by the control unit 120 and the predefined parameters, and / or data generated when the control logic is executed, Or erase it.
  • the memory unit 110 may be logically divided into two or more, and is not limited to being included in the control unit 120.
  • the memory unit 110 stores the resistance lookup table in which the resistance data is written according to the charging state-temperature (SOC-T) condition of the battery B in advance.
  • the resistance look-up table comprises a data structure capable of mapping resistance by SOC (or voltage) and T. That is, the resistance data is composed of m [SOC (or voltage)] x n [temperature] matrix.
  • Table 1 shows an example of such a resistance lookup table.
  • SOC (%) is the horizontal
  • temperature (T, °C) is the vertical
  • the resistance unit of each cell is m ⁇ .
  • the resistance values stored in the resistance lookup table can be expressed by the degree of increase in resistance with respect to the resistance in the BOL state (no unit), although the resistance values are stored for each condition in Table 1 as an example.
  • a resistance mapped according to the SOC-T condition is taken as an example.
  • a data structure capable of mapping the resistance by the voltage -T may be used.
  • the data constituting the resistance lookup table can be measured in advance through a charge / discharge test on the battery B.
  • FIG. 2 is a graph showing how the resistance changes according to the charging state with respect to a lithium battery including LiMnO 2 and graphite in the anode and the cathode, respectively.
  • the solid line is the resistance profile measured when the lithium battery is in the BOL state
  • the dotted line is the resistance profile measured in the MOL (Middle Of Life) state in which the capacity of the lithium battery is degraded by about 20%.
  • Each resistance profile was obtained by HPPC (Hybrid Pulse Power Characterization) discharge test.
  • HPPC Hybrid Pulse Power Characterization
  • the discharge time was set to 10 seconds and the discharge pulse size was set to 5 C-rate.
  • Lt; RTI ID 0.0 > 25 C. < / RTI >
  • the resistance of the lithium battery increases as the SOC decreases, and it can be seen that the change in resistance is not relatively large when the SOC falls within the range of 40 to 80%.
  • the resistance against the BOL state is increased.
  • the resistance data of the resistive lookup table of Table 1 reflects the BOL state of the experimental results of FIG.
  • the resistive lookup table shown in Table 1 can be constructed by measuring and collecting the resistance profile as shown in FIG. 2 for various temperatures experimentally.
  • the controller 120 may be electrically coupled to the voltage measuring unit 130, the current measuring unit 140, and the temperature measuring unit 150 to determine the state of charge and resistance of the battery B. have.
  • the voltage measuring unit 130 includes a known voltage measuring circuit and periodically measures the voltage of the battery B with a time interval under the control of the controller 120 and outputs the measured voltage value to the controller 120 . Then, the control unit 120 stores the voltage measurement value periodically input to the memory unit 110.
  • FIG. 1 A schematic diagram of a known voltage measuring circuit and periodically measures the voltage of the battery B with a time interval under the control of the controller 120 and outputs the measured voltage value to the controller 120 . Then, the control unit 120 stores the voltage measurement value periodically input to the memory unit 110.
  • the current measuring unit 140 includes a sense resistor and a hall sensor and measures a magnitude of a charging current or a discharging current of the battery B with a time interval under the control of the controller 120, (120). Then, the control unit 120 stores the current measurement value periodically input to the memory unit 110.
  • the temperature measuring unit 150 includes a thermocouple which is a type of a temperature sensor.
  • the temperature measuring unit 150 periodically measures the temperature of the battery B at intervals of time under the control of the controller 120, And outputs it to the control unit 120. Then, the control unit 120 stores the temperature measurement value periodically input to the memory unit 110.
  • the control unit 120 may determine the SOC of the battery B by the current integration method periodically referring to the current measurement value stored in the memory unit 110.
  • control unit 120 controls the voltage measuring unit 130 to measure an open circuit voltage (OCV) of the battery B when charging or discharging of the battery B starts, (SOC0) corresponding to the measured open-circuit voltage with reference to the OCV-SOC lookup table stored in advance in the memory unit 110, and determines the initial charge state (SOC0) corresponding to the measured open-
  • OCV open circuit voltage
  • SOC0 initial charge state
  • the integrated value may be added to the initial charge state SOC0 to determine the current charge state, and the determined charge state may be stored in the memory unit 110.
  • the state of charge of the battery B can also be determined by a method other than the current integration method.
  • the control unit 120 may adaptively determine a state of charge of the battery B by periodically inputting a voltage measurement value, a current measurement value, and a temperature measurement value to an adaptive filter, for example, an extended Kalman filter.
  • the resistance accumulation calculation unit 122 of the control unit 120 measures IV data for SOC and temperature during the charging / discharging of the battery B, that is, during the operating cycle, for example, while driving the vehicle, The resistance data is periodically calculated and accumulated by dV / dI from the value stored in the memory 110.
  • Table 2 illustrates a table in which resistances periodically repeatedly calculated by the resistance accumulation calculation unit 122 of the battery resistance estimation apparatus 100 according to the present invention are classified and accumulated according to the SOC-T condition.
  • the resistance data updating unit 124 of the controller 120 reflects the data accumulated during the charging and discharging of the battery B as the weight ratio to the existing resistance data stored for each SOC-T condition. Such updating of the resistance data can be performed when the charging / discharging of the battery B is completed, such as when the vehicle starter key is turned off.
  • the resistance data updating unit 124 updates the resistance value of the resistive data updating unit 124 based on the average value of the plurality of resistance data stored in the memory unit 110 according to the SOC-T condition, the average value of the maximum value and the minimum value, And the resistance data corresponding to the corresponding SOC-T condition is updated to the weighted average value after calculating the weighted average value between the data and the previously stored resistance data.
  • the weighted average value is a method of making a significant difference in the importance of an important person by giving importance to the importance of an average person, and giving a weight to an important person to give an average. That is, when the average value of N numbers is obtained, the average value is obtained by multiplying each of the weights corresponding to the importance or influence.
  • x 1 is f 1
  • x 2 is f 2
  • x n is f n
  • f 1 + f 2 + + f n N
  • the sum of these N numbers is f 1 x 1 + f 2 x 2 + + f n x n
  • n different numbers x 1 , x 2 ... , x n are respectively f 1 f 2 ... , f n
  • the expression of M is called the weighted average. This means that the numbers x 1 , x 2 , ... , the importance and the influence of x n are f 1, f 2, ... , f n It is good to think that there is as much.
  • the weighted average value between the new resistance data and the previously stored resistance data is calculated.
  • A is the previously stored resistance value
  • B is the new resistance data
  • the weight is?
  • new resistance data is weighted and used for resistance estimation.
  • an average value is calculated for a plurality of resistance data calculated during a running cycle, and the average value is used as new resistance data, and a weighted average value between the average value and the previously stored resistance value is compared with the corresponding SOC -T resistor data.
  • the value of ⁇ is set to increase as the difference between Pre R / R @ BOL and New R / R @ BOL increases. This criterion means conservative approach because resistance estimation is directly related to battery degradation and stability. That is, it means that the resistance data calculated recently is more reliable. For example, set the ⁇ value in advance according to the difference between Pre R / R @ BOL and New R / R @ BOL.
  • Table 3 shows an example of the weights applied to the new resistance data when calculating the weighted average value between the new resistance data and the previously stored resistance data.
  • the difference between Pre R / R @ BOL and New R / R @ BOL And shows an example of a predetermined ⁇ value.
  • PreR is the resistance value previously stored for SOC-T
  • R @ BOL is the resistance value of the battery initial state
  • New R is the new resistance data.
  • Table 4 shows the SOC-T resistance data after the lookup table in Table 1 is updated to the weighted average value by using the cumulative table as shown in Table 2 and the weight value in Table 3, according to this example.
  • the SOC-T is 10% -15 ° C in Table 2
  • the average value for the plurality of resistance data calculated during the operating period is (1.58 + 1.6 + 1.61 + 1.64) / 4, so it is calculated as 1.608.
  • 1.608 is New R under the condition that SOC-T is 10% -15 ° C.
  • the pre-R is 1.58 under the condition that the SOC-T is 10% -15 ° C.
  • the difference between Pre R / R @ BOL and New R / R @ BOL is about 0.017, and in Table 3, the value of ⁇ corresponding to this difference is 0.6.
  • the weighted average value between the new resistance data and the previously stored resistance value is therefore 0.4 x 1.58 + 0.6 x 1.608 and its value is 1.6.
  • the weighted average value of 1.6 is updated and stored as estimated resistance data under the condition that SOC-T is 10% -15 ⁇ .
  • the average value for the plurality of resistance data calculated during the operating cycle is 1.555 because (1.5 + 1.53 + 1.57 + 1.62) / 4 in the SOC-T 20% .
  • 1.555 is New R under the condition that SOC-T is 20% -15 ° C.
  • the pre-R is 1.5 at a SOC-T of 20% -15 ° C.
  • the difference between Pre R / R @ BOL and New R / R @ BOL is calculated to be about 0.037, and according to Table 3, the ⁇ value in this case is 0.8.
  • the weighted average value between the new resistance data and the previously stored resistance value is therefore 1.54 as calculated from 0.2 x 1.5 + 0.8 x 1.555.
  • the weighted average value 1.54 is updated and stored as shown in Table 4 as the estimated resistance data under the condition that SOC-T is 20% -15 ° C.
  • the average value for the plurality of resistance data calculated during the operating cycle is 1.485 since (1.48 + 1.49) / 2, under the condition that SOC-T is 20% -25 ° C.
  • 1.485 is New R under the condition that SOC-T is 20% -25 ° C.
  • the PreR under the condition that SOC-T is 20% -25 ° C is 1.48.
  • the difference between Pre R / R @ BOL and New R / R @ BOL is about 0.003, and when referring to Table 3, the corresponding value of ⁇ is 0.5.
  • the weighted average value between the new resistance data and the previously stored resistance value is thus 0.5 ⁇ 1.48 + 0.5 ⁇ 1.485, which is 1.48 when calculated and rounded.
  • the weighted average value of 1.48 is updated and stored as shown in Table 4 with the estimated resistance data under the condition that SOC-T is 20% -25 ° C.
  • an average value of the maximum value and the minimum value is calculated for a plurality of resistance data calculated during the driving cycle, and this average value is used as new resistance data, and a weight between the average value and the previously stored resistance value
  • the average value can be stored as the resistance data of the corresponding SOC-T.
  • the point that the resistance data is updated to the weighted average value is the same as that in the first embodiment except that the average value of the maximum value and the minimum value becomes the new resistance data for a plurality of resistance data calculated during the driving cycle .
  • Table 5 shows SOC-T resistance data after updating the look-up table of Table 1 using the cumulative table of Table 2 and the weight of Table 3 according to the second embodiment.
  • the average value of the maximum value and the minimum value for the plurality of resistance data calculated during the operating cycle is 1.61 because the average value of SOC-T is (1.58 + 1.64) / 2 under the condition of 10% -15 ° C.
  • 1.61 is New R under the condition that SOC-T is 10% -15 ° C.
  • the pre-R is 1.58 under the condition that the SOC-T is 10% -15 ° C. Since the difference between Pre R / R @ BOL and New R / R @ BOL is about 0.019, ⁇ value is 0.6 when referring to Table 3.
  • the weighted average value between the new resistance data and the previously stored resistance value is therefore 0.4 x 1.58 + 0.6 x 1.61 and calculated to be 1.6.
  • the weighted average value of 1.6 is updated and stored as the estimated resistance data under the condition that SOC-T is 10% -15 ° C.
  • the average value of the maximum value and the minimum value is 1.56 because the average value of the minimum value is (1.5 + 1.62) / 2 with respect to a plurality of resistance data calculated during the driving cycle in reference to Table 2.
  • 1.56 is New R under the condition that SOC-T is 20% -15 ° C. As shown in Table 1, the pre-R is 1.5 at a SOC-T of 20% -15 ° C. The difference between Pre R / R @ BOL and New R / R @ BOL is about 0.04, so the value of ⁇ in Table 3 is 0.9. The weighted average value between the new resistance data and the previously stored resistance value is therefore 0.1 x 1.5 + 0.9 x 1.56, which is calculated to be 1.55. Thus, the weighted average value 1.55 is updated and stored in Table 5 as the estimated resistance data under the condition that the SOC-T is 20% -15 ⁇ .
  • the average value of the maximum and minimum values for the plurality of resistance data calculated during the operating cycle is (1.48 + 1.49) / 2
  • Is 1.485. 1.485 is New R under the condition that SOC-T is 20% -25 ° C.
  • the PreR under the condition that SOC-T is 20% -25 ° C is 1.48.
  • the difference between Pre R / R @ BOL and New R / R @ BOL is about 0.003.
  • the weighted average value between the new resistance data and the previously stored resistance value is thus 0.5 ⁇ 1.48 + 0.5 ⁇ 1.485, which is 1.48 when calculated and rounded.
  • the weighted average value of 1.48 is updated and stored as shown in Table 5 with the estimated resistance data under the condition that SOC-T is 20% -25 ° C.
  • the maximum value among the plurality of resistance data calculated during the driving cycle is used as new resistance data, and the weighted average value between the maximum value and the previously stored resistance value is stored as the resistance data of the corresponding SOC-T .
  • the resistance data is updated to the weighted average value except that the maximum value is the new resistance data for a plurality of resistance data calculated during the driving cycle is the same as in the first and second embodiments.
  • Table 6 shows SOC-T resistance data after updating the look-up table of Table 1 using the cumulative table of Table 2 and the weight of Table 3 according to the third embodiment.
  • the maximum value among the plurality of plural pieces of resistance data calculated during the operating cycle under the condition that SOC-T is 10% -15 ⁇ is 1.64.
  • 1.64 is New R under the condition of SOC-T 10% -15 ° C.
  • the pre-R is 1.58 under the condition that the SOC-T is 10% -15 ° C. Since the difference between Pre R / R @ BOL and New R / R @ BOL is about 0.038, ⁇ value is 0.8 when referring to Table 3.
  • the weighted average value between the new resistance data and the previously stored resistance value is thus 0.2 x 1.58 + 0.8 x 1.64 and is calculated to be 1.63.
  • the weighted average value of 1.63 is updated and stored as the estimated resistance data under the condition that SOC-T is 10% -15 ° C.
  • the maximum value among the plurality of plurality of resistance data calculated during the operating cycle under the condition that SOC-T is 20% -15 DEG C is 1.62.
  • 1.62 is New R under the condition that SOC-T is 20% -15 ° C.
  • the pre-R is 1.5 at a SOC-T of 20% -15 ° C. Since the difference between Pre R / R @ BOL and New R / R @ BOL is about 0.08, ⁇ is 1 when referring to Table 3.
  • the weighted average value between the new resistance data and the previously stored resistance value is thus 0.times.1.5 + 1.times.1.62 and is 1.62 after the calculation.
  • the weighted average value of 1.62 is updated and stored with the estimated resistance data under the condition that the SOC-T is 20% -15 ° C.
  • the maximum value of the plurality of plurality of resistance data calculated during the driving cycle is 1.49.
  • 1.49 is New R under the condition that SOC-T is 20% -25 ° C.
  • the PreR under the condition that SOC-T is 20% -25 ° C is 1.48.
  • the difference between Pre R / R @ BOL and New R / R @ BOL is about 0.007.
  • the weighted average value between the new resistance data and the previously stored resistance value is therefore 0.5 x 1.48 + 0.5 x 1.49 and calculated to be 1.49.
  • the weighted average value 1.49 is updated and stored as the estimated resistance data under the condition that SOC-T is 20% -25 ° C.
  • the resistance data updated as described above is used for SOH and output estimation. If the use of the battery B is started again after the battery B has been updated once as shown in Tables 4 to 6, the IV data is measured again by the SOC and the temperature while the battery B is charged and discharged, The resistance data is accumulated by periodically calculating and accumulating the resistance data by dV / dI from the value stored in the battery B, and the step of updating the resistance data when the battery B is key off is performed again to update the resistance data.
  • the resistance data stored in the look-up table of Table 4 becomes PreR. Assuming that the lookup table in Table 4 is updated according to the first embodiment in which the average value of a plurality of resistance data is selected as new resistance data by using the cumulative table of Table 7 and the weight of Table 3, Table 8 shows SOC-T resistance data.
  • the average value of the plurality of resistance data calculated during the operating cycle is 1.61 because the average value of SOC-T is (1.6 + 1.62) / 2 under the condition of 10% -15 ° C.
  • 1.61 is New R under the condition that SOC-T is 10% -15 ° C.
  • the pre-R is 1.6 when the SOC-T is 10% -15 ° C
  • R @ BOL is 1.58 when referring to Table 1.
  • the difference between Pre R / R @ BOL and New R / R @ BOL is about 0.006.
  • the weighted average value between the new resistance data and the previously stored resistance value is therefore 0.5 x 1.6 + 0.5 x 1.61 and is calculated to be 1.61.
  • the weighted average value of 1.61 is updated and stored as the estimated resistance data under the condition that SOC-T is 10% -15 ° C.
  • the average value for the plurality of resistance data calculated during the operating cycle is 1.55 because it is (1.54 + 1.55 + 1.56) / 3. 1.55 is New R under the condition that SOC-T is 20% -15 ⁇ .
  • the pre-R is 1.54 when the SOC-T is 20% -15 ° C
  • R @ BOL is 1.5 as shown in Table 1.
  • the difference between Pre R / R @ BOL and New R / R @ BOL is about 0.007.
  • the weighted average value between the new resistance data and the previously stored resistance value is therefore 0.5 x 1.54 + 0.5 x 1.55 and 1.55.
  • the weighted average value 1.55 is updated and stored as estimated resistance data under the condition that SOC-T is 20% -15 ° C.
  • the average value for the plurality of resistance data calculated during the operating cycle is (1.5 + 1.5 + 1.51) / 3
  • 1.5 is New R under the condition that SOC-T is 20% -25 ° C.
  • the pre-R is 1.48 under the condition that SOC-T is 20% -25 ° C
  • R @ BOL is 1.48 according to Table 1. Since the difference between Pre R / R @ BOL and New R / R @ BOL is 0.01, ⁇ value is 0.6 when referring to Table 3.
  • the weighted average value between the new resistance data and the previously stored resistance value is therefore 0.4 x 1.48 + 0.6 x 1.5 and 1.49.
  • the weighted average value 1.49 is updated and stored as the estimated resistance data under the condition that SOC-T is 20% -25 ° C.
  • the process of applying and updating the weights while the battery is not being used is repeatedly performed until the battery is replaced by using the accumulated resistance data while being used, so that the battery can be always held as the most reliable resistance data .
  • a stable input with a small change in the I-V data is input, and the accumulated data of the resistance may not be collected. Further, cumulative data is not collected for the SOC condition in which the battery B is not used.
  • diffusion estimation is performed based on the estimated resistance data of the other SOC-T conditions in which the resistance data is collected. That is, a function for calculating the resistance (R) by the SOC, T using the estimated new resistance data corresponding to the adjacent SOC-T condition is calculated and then the resistance data is calculated by interpolation or extrapolation based on the function And updates and stores resistance data for unassigned SOC-T conditions.
  • Table 9 shows a case in which cumulative data of resistance is not collected for some SOC-T conditions as compared to Table 2.
  • the SOC-T conditions in which the cumulative data of the resistances are collected are updated and stored through the process as described with reference to Tables 1 to 4 above. Then, for the SOC-T conditions in which the cumulative data of the resistances are collected, new intermediate resistance estimates as shown in Table 10 can be obtained.
  • the update resistance data for SOC 10% at 25 ° C is 1.57 and the update resistance data for SOC 30% is 1.45.
  • the formula of resistance (R) 1.63-0.006 x SOC can be obtained. If the cumulative data is 20% of the unassociated SOC, substituting 20 for the SOC according to this formula will result in a resistance of 1.51. Therefore, Table 11 is obtained by updating the previous resistance 1.48, which was stored in the SOC-T condition at 20% -25 ⁇ as shown in Table 1, to the new resistance 1.51, which is a diffusion estimated value.
  • the update resistance data for SOC 10% at 35 ° C is 1.55, and the update resistance data for SOC 20% is 1.47.
  • the formula of resistance (R) 1.63-0.008 ⁇ SOC can be obtained. If the SOC is 30%, the resistance is calculated to be 1.39 according to this formula. Therefore, the immediately preceding resistance 1.44, which was stored as SOC-T in the condition of 30% -35 ⁇ , is updated here to a new resistance 1.39, and Table 11 is obtained.
  • Table 11 shows the SOC-T resistance data after updating the lookup table of Table 1 using the cumulative table of Table 9 and the weight of Table 3, and estimating the spread according to the above method.
  • the flag register associated with storing the flag value can be implemented by a person having ordinary knowledge, and a detailed description thereof will be omitted.
  • the resistance corresponding to the environmental condition is calculated from the battery initial data, and the accumulated data is stored, thereby accumulating the SOC-T condition (without any constraint on the input condition) It can be used to estimate the SOH, output, using the resistance or the increased degree of resistance when in the BOL state.
  • the present invention it is possible to estimate a resistance value corresponding to different SOC-T conditions, thereby improving the accuracy of battery state and life estimation. Even when a stable input with a small change in I-V data is input, a resistance value similar to a real-time resistance value can be used even under conditions in which resistance data can not be obtained.
  • new resistance data is weighted and reflected when changing the resistance lookup table used for estimating the resistance of a battery, thereby achieving a conservative approach in terms of securing stability in consideration of deterioration of the battery. Accordingly, it is possible to reliably estimate the resistance of the battery in accordance with the degraded state of the battery.
  • the controller 120 may also determine the output of the battery B using the resistance of the battery B estimated and updated as described above and store the determined output information in the memory unit 110.
  • the output of the battery B can be calculated using the following equation.
  • I represents the magnitude of the charging current or the discharging current of the battery (B).
  • OCV @ SOC can be referred to from the 'OCV-SOC lookup table' stored in the memory unit 110 as an open-circuit voltage corresponding to the current state of charge of the battery B.
  • Vcut_off is a voltage at which the charging or discharging of the battery is cut off. It indicates the maximum charging voltage Vmax when the battery B is charged and the minimum discharge voltage Vmin when the battery B is discharged.
  • R @ SOC, T represents the resistance corresponding to the present charge state and temperature of the battery B and is updated by the present invention, i.e., the weighted average value of the new resistance data and the previously stored resistance data.
  • the controller 120 can also quantitatively estimate the SOH of the battery B using the estimated resistance of the battery B.
  • the health state (%) of the battery B can be calculated using the following equation.
  • R @ SOC, T is the resistance of the battery B corresponding to the current state of charge and temperature of the battery B, that is estimated by the present invention, i.e., the new resistance data and the previously stored resistance data As a weighted average value.
  • control unit 120 may be coupled to a communication interface (I / F) 160 and may communicate at least one of the estimated resistance value, output value, To the device (not shown).
  • the external device may be a controller of a load device that receives electric energy from the battery B, but the present invention is not limited thereto.
  • the control unit 120 may include a processor, an application-specific integrated circuit (ASIC), another chipset, a logic circuit, a register, a communication modem, a data processing apparatus, and the like that are known in the art for executing the various control logic As shown in FIG.
  • ASIC application-specific integrated circuit
  • control unit 120 when the control logic is implemented in software, the control unit 120 may be implemented as a set of program modules. At this time, the program module is stored in the memory unit 110 and can be executed by the processor.
  • the memory unit 110 may be internal or external to the processor, and may be coupled to the processor by various well known means.
  • FIG. 3 is a flowchart illustrating a battery resistance estimation method according to an embodiment of the present invention.
  • control unit 120 refers to the current measurement value of the battery B stored in the memory unit 110 and checks whether charging / discharging of the battery B is started (S10).
  • the controller 120 controls the voltage measuring unit 130, the current measuring unit 140, and the temperature measuring unit 150 to measure the voltage, current, and temperature of the battery B,
  • the voltage measurement value, the current measurement value, and the temperature measurement value are stored in the memory unit 110 (S20).
  • the memory unit 110 stores a resistance look-up table in which resistance data is recorded according to the charging state-temperature (SOC-T) condition of the battery B in advance.
  • the resistance accumulation calculation unit 122 of the control unit 120 calculates SOC and resistance from the values stored in the memory unit 110 and accumulates the SOC and the resistance in the memory unit 110 according to the SOC-T condition (S30).
  • the control unit 120 can periodically determine the SOC that is the charged state of the battery B by the current integration method referring to the current measurement value stored in the memory unit 110. [ The resistance can be calculated from dV / dI.
  • control unit 120 checks whether the charge / discharge of the battery B is continued (S40).
  • the control unit 120 can measure the magnitude of the charging or discharging current of the battery B through the current measuring unit 140 to determine whether the charging and discharging of the battery B continues.
  • steps S20 and S30 are repeated periodically.
  • the resistance data updating unit 124 updates the average value of the plurality of resistance data stored in the memory unit 110 according to the SOC-T condition, (Step S60).
  • step S60 the weighted average value between the new resistance data and the previously stored resistance data is calculated.
  • the details of calculating the weighted average value are as described above, and the weight values used here are stored in the memory unit 110 in advance.
  • the SOC-T condition in which the resistance data for calculating the weighted average value is not collected is skipped. That is, whether or not the weighted average value is the SOC-T condition in which the resistance data to be calculated is not collected is determined in advance (S50), and step S60 is performed only for the SOC-T condition in which the resistance data is collected.
  • the resistance data updating unit 124 updates the resistance data stored in the memory unit 110 according to the SOC-T condition to the weighted average value (S70).
  • the condition determined to be the SOC-T condition in which the resistance data is not collected in step S50 diffusion estimation is performed from the estimated resistance value of the adjacent condition obtained in step S60 by using an interpolation method or an extrapolation method (S80).
  • the control unit 120 may also store the resistance estimated in steps S60, S70 and S80 in the memory unit 110 or transmit it to the external device via the communication interface 160, Other parameters such as output or health status can be estimated.
  • the controller 120 determines whether the resistance data update has been performed for all the SOC-T conditions (S90), and ends the resistance estimation process according to the present invention when it is determined that all conditions have been updated.
  • At least one of the control logic illustrated in FIG. 3 may be combined, and the combined control logic may be written in a computer-readable code system and recorded in a computer-readable recording medium.
  • the type of the recording medium is not particularly limited as long as it can be accessed by a processor included in the computer.
  • the recording medium includes at least one selected from the group including a ROM, a RAM, a register, a CD-ROM, a magnetic tape, a hard disk, a floppy disk and an optical data recording apparatus.
  • the code system may be modulated with a carrier signal and included in a communication carrier at a specific point in time, and distributed and stored in a computer connected to the network.
  • functional programs, code, and code segments for implementing the combined control logic can be easily inferred by programmers skilled in the art to which the present invention pertains.
  • the apparatus for estimating battery resistance according to the present invention may be included as a part of a system called BMS.
  • the BMS may be mounted on various kinds of electric driving devices capable of operating with electric energy provided by the battery B.
  • the electric drive device may be a mobile computer device such as a mobile phone, a laptop computer, a tablet computer, or a handheld multimedia device including a digital camera, a video camera, an audio / video reproducing device and the like.
  • the electric drive device is an electric drive device that can be moved by electricity such as an electric car, a hybrid car, an electric bicycle, an electric motorcycle, an electric train, an electric boat, an electric plane, Likewise, it can be a power tool with a motor.
  • the electric drive apparatus includes a large-capacity electric power storage device installed in a power grid for storing renewable energy or surplus generated electric power, or various types of information including a server computer and mobile communication equipment in an emergency, Or an uninterruptible power supply for supplying power to the communication device.
  • each component labeled 'to' should be understood to be functionally distinct elements rather than physically distinct elements.
  • each component may be selectively integrated with another component, or each component may be divided into sub-components for efficient execution of the control logic (s).
  • control logic s

Landscapes

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

Abstract

본 발명은 배터리 저항 추정 장치를 개시한다. 본 발명에 따른 배터리 저항 추정 장치는, 배터리의 충전상태-온도(SOC-T) 조건에 따라 저항 데이터를 기록하고 있는 저항 룩업 테이블이 저장된 메모리부; 및 제어부를 포함하고, 상기 제어부는, 배터리가 충방전되는 동안 I-V 데이터를 측정하여 dV/dI에 의해 주기적으로 저항을 반복 계산하여 상기 메모리부에 저장하되, SOC-T 조건별로 구분하여 누적 저장하는 저항 누적 계산부; 및 상기 메모리부에 SOC-T 조건별로 저장된 복수의 저항 데이터들의 평균 값, 최대값과 최소값의 평균 값 또는 최대값 중 어느 하나인 신규 저항 데이터와, 이전에 저장된 저항 데이터 사이의 가중 평균 값을 산출한 후 해당하는 SOC-T 조건에 대응되는 저항 데이터를 상기 가중 평균 값으로 갱신하는 저항 데이터 갱신부를 포함하는 것이다.

Description

배터리 저항 추정 장치 및 방법
본 발명은 배터리의 건강 상태(State Of Health : SOH)를 나타내는 팩터 중 하나인 저항을 추정할 수 있는 장치 및 방법에 관한 것이다. 본 출원은 2017년 11월 17일자로 출원된 대한민국 특허출원 번호 제10-2017-0154009호에 대한 우선권주장출원으로서, 해당 출원의 명세서 및 도면에 개시된 모든 내용은 인용에 의해 본 출원에 원용된다.
반복적인 충전과 방전이 가능한 배터리가 화석 에너지의 대체 수단으로서 각광을 받고 있다. 배터리는 휴대폰, 비디오 카메라, 전동 공구와 같은 전통적인 핸드 헬드 디바이스에 주로 사용되었다. 하지만, 최근에는 전기로 구동되는 자동차(EV, HEV, PHEV), 대용량의 전력 저장 장치(ESS), 무정전 전원 공급 시스템(UPS) 등으로 그 응용 분야가 점차 증가하는 추세이다.
배터리는 양극 및 음극, 전극 사이에 개재된 분리막, 양극과 음극에 코팅된 활물질과 전기화학적으로 반응하는 전해질을 포함하는데, 충방전 회수가 증가할수록 용량이 감소한다. 용량의 감소는, 전극에 코팅된 활물질의 열화, 전해질의 부 반응, 분리막의 기공 감소 등에서 그 원인을 찾을 수 있다.
배터리의 용량이 감소하면 저항이 증가하여 열로 소실되는 전기 에너지가 증가한다. 따라서, 배터리의 용량이 임계치 이하로 감소하면 배터리의 성능이 현저하게 떨어지고 발열량이 증가하여 점검 또는 교체가 필요하다.
배터리 기술 분야에서, 배터리의 용량 감소 정도는 SOH라는 팩터에 의해 정량적으로 나타낼 수 있다.
SOH는, 여러 가지 방법으로 계산이 가능한데, 그 중 하나가 현재 시점을 기준으로 한 배터리의 저항이 BOL(Beginning Of Life) 상태에 있을 때의 저항 대비 증가된 정도를 정량화하는 것으로 계산이 가능하다. 예를 들어, 배터리의 저항이 BOL 상태일 때의 저항 대비 20% 증가하였다면, SOH는 80%라고 추정할 수 있다.
배터리의 저항은 충전 상태(State Of Charge : SOC)가 낮을 때 상대적으로 크고 온도가 높을 때 상대적으로 작아지는 경향이 있다. 배터리의 SOC가 낮아지면 작동 이온과 반응할 수 있는 활물질의 양이 감소하여 활물질 내에서 작동 이온의 확산 저항이 증가하고 배터리의 온도가 높아지면 작동 이온의 이동도(mobility)가 증가하기 때문이다. 참고로, 작동 이온은 배터리를 구성하는 화학 종(chemical species)의 종류에 따라 달라지는데, 리튬 계열 배터리의 경우 리튬 이온이 작동 이온에 해당한다.
배터리는 SOH에 의해 허용하는 최대 전류를 컨트롤함으로써 수명을 길게 할 수 있다. 이것을 실현하려면, 배터리의 저항을 정확하게 검출 필요가 있다. 이처럼, 배터리의 저항은 배터리의 충전 출력이나 방전 출력을 계산하는 데 있어서 반드시 필요한 중요 파라미터이다.
종래에는 사전에 측정된 저항 데이터를 기반으로, 특정 온도, 특정 SOC 조건에서 추출된 저항 데이터가 BOL 상태에 있을 때의 저항 대비 증가된 정도, 즉 저항 퇴화율을 계산한다. 다른 온도, 다른 SOC 조건에도 동일 레벨로 퇴화되었다는 가정하에 이 저항 퇴화율을 모든 조건에 적용하여 SOH, 출력 추정에 사용하고 있다. 즉, SOC 및 온도에 따라서 배터리의 저항을 미리 측정하여 룩업 테이블을 구성한 후 저항 퇴화율을 일괄 반영한 후, 실시간 사용 환경에서 SOC 및 온도에 따라 저항을 룩업하는 방식을 사용한다.
그러나 이 방식은 실시간 저항 추정이 불가하고, 일괄 적용한 저항 퇴화율이 고온 또는 저온에서는 맞지 않아 배터리의 수명을 오판하는 경우가 생긴다. 이와 같은 배터리 저항 퇴화율에 대한 배터리 테스트 데이터 기반 사용의 한계를 극복하고자 RLS(Recursive Least Square) 방식에 따라 다이나믹하게 변화되는 I-V 데이터를 기초로 실시간 저항을 계산하여 SOH, 출력 추정에 사용하는 경우도 제안되어 있다. 즉, dV/dI를 실시간을 계산하여 저항을 추정한다. 그런데, I-V 데이터의 변화가 작은 안정한(stable) 입력이 들어올 경우 RLS를 사용할 수 없다. 예를 들어, 전압 변화는 있지만 전류 변화가 없으면 저항을 계산할 수 없는 것이다. 그러한 경우, 추정되었던 마지막 저항 값으로 데이터가 유지되다가 다시 전류 변동할 때 실제 저항을 찾기 위해 크게 저항 오류가 발생하게 되는 문제도 있다.
본 발명이 해결하고자 하는 과제는 간단한 알고리즘으로 배터리의 저항을 신뢰성 있게 추정할 수 있는 장치를 제공하는 것이다.
본 발명이 해결하고자 하는 다른 과제는 간단한 알고리즘으로 배터리의 저항을 신뢰성 있게 추정할 수 있는 방법을 제공하는 것이다.
상기 과제를 해결하기 위한 본 발명에 따른 배터리 저항 추정 장치는, 배터리의 충전상태-온도(SOC-T) 조건에 따라 저항 데이터를 기록하고 있는 저항 룩업 테이블이 저장된 메모리부; 및 제어부를 포함한다. 상기 제어부는, 배터리가 충방전되는 동안 I-V 데이터를 측정하여 dV/dI에 의해 주기적으로 저항을 반복 계산하여 상기 메모리부에 저장하되, SOC-T 조건별로 구분하여 누적 저장하는 저항 누적 계산부; 및 상기 메모리부에 SOC-T 조건별로 저장된 복수의 저항 데이터들의 평균 값, 최대값과 최소값의 평균 값 또는 최대값 중 어느 하나인 신규 저항 데이터와, 이전에 저장된 저항 데이터 사이의 가중 평균 값(weighted average)을 산출한 후 해당하는 SOC-T 조건에 대응되는 저항 데이터를 상기 가중 평균 값으로 갱신하는 저항 데이터 갱신부를 포함한다.
바람직하게, 상기 저항 데이터 갱신부는, 가중 평균 값이 산출될 저항 데이터가 취합되지 않은 SOC-T 조건에 대해서는 인접하는 SOC-T 조건에 대해 계산된 저항 데이터의 가중 평균 값을 이용하여 내삽법 또는 외삽법에 의해 저항 데이터를 갱신하도록 구성된 것일 수 있다.
더욱 바람직하게, 상기 저항 데이터 갱신부는, SOC-T 조건별로 저장된 저항 데이터가 실시간 계산된 저항 데이터인지 아니면 내삽법 또는 외삽법에 의해 추정된 저항 데이터인지 여부를 구분하는 플래그 값을 SOC-T 조건별로 할당하여 저장하는 것일 수 있다.
바람직하게, 상기 신규 저항 데이터와 이전에 저장된 저항 데이터 사이의 차이가 클수록 가중 평균 값을 산출하기 위해 상기 신규 저항 데이터에 부여되는 가중치가 증가할 수 있다. 가중치는 Pre R/ R@BOL 와 New R/ R@BOL 차이가 클수록 증가한다. Pre R은 SOC-T에 대해 이전에 저장된 저항값이고, R@BOL은 배터리 초기 상태의 저항값이며, New R은 신규 저항 데이터이다.
바람직하게, 본 발명에 따른 배터리 저항 추정 장치는 배터리의 전압을 측정하는 전압 측정부; 배터리의 전류를 측정하는 전류 측정부; 및 배터리의 온도를 측정하는 온도 측정부;를 더 포함하고, 상기 제어부는 전압 측정 값, 전류 측정 값 및 온도 측정 값을 상기 메모리부에 저장하도록 구성된 것일 수 있다.
이 때, 상기 제어부는 상기 메모리부에 저장된 전류 측정 값을 적산하여 배터리의 충전 상태를 결정하도록 구성된 것일 수 있다.
본 발명에 따른 배터리 저항 추정 장치에 있어서, 상기 제어부는, 상기 갱신된 저항 데이터를 이용하여 배터리의 출력을 결정하거나, 상기 갱신된 저항 데이터를 외부 디바이스로 전송하도록 구성된 것일 수 있다.
상기 다른 과제를 해결하기 위한 본 발명에 따른 배터리 저항 추정 방법은, (a) 배터리의 충전상태-온도(SOC-T) 조건에 따라 저항 데이터를 기록하고 있는 저항 룩업 테이블을 메모리부에 저장하는 단계; (b) 배터리가 충방전되는 동안 I-V 데이터를 측정하여 dV/dI에 의해 주기적으로 저항을 반복 계산하여 상기 메모리부에 저장하되, SOC-T 조건별로 구분하여 누적 저장하는 단계; (c) 상기 메모리부에 SOC-T 조건별로 저장된 복수의 저항 데이터들의 평균 값, 최대값과 최소값의 평균 값 또는 최대값 중 어느 하나인 신규 저항 데이터와, 이전에 저장된 저항 데이터 사이의 가중 평균 값을 산출하는 단계; 및 (d) 상기 메모리부에 SOC-T 조건별로 저장된 저항 데이터를 상기 가중 평균 값으로 갱신하는 단계를 포함한다.
본 발명의 과제들은 상기 배터리 저항 추정 장치를 포함하는 배터리 관리 시스템(Battery Management System)과, 상기 배터리 저항 추정 방법을 프로그램화하여 수록한 컴퓨터로 읽을 수 있는 기록매체에 의해서도 달성될 수 있다.
본 발명에 따르면, 배터리 초기 데이터로부터 환경 조건에 맞는 저항을 계산하고 그 축적 데이터를 저장함으로써 입력 조건의 제약 없이(실시간 저항 추정을 할 수 없는 환경 조건에 대해서도) SOC-T 조건별로 누적된 저항값 혹은 BOL 상태에 있을 때의 저항 대비 증가된 정도를 이용하여 SOH, 출력을 추정하는 데 사용할 수 있다.
본 발명에 따르면, SOC-T 조건별로 서로 다른 저항 퇴화율이 고려되는 것이므로 이에 따른 정확한 저항 값을 추정해 배터리 상태 및 수명의 추정에 정확도를 높일 수 있다. 그리고, I-V 데이터의 변화가 작은 안정한 입력이 들어올 경우에도 실시간 저항 값과 유사한 저항 값을 사용할 수 있게 된다.
특히 본 발명에 따르면, 배터리의 저항 추정에 사용되는 저항 룩업 테이블을 변경할 때 신규 저항 데이터에 가중치를 부여해 반영함으로써, 배터리의 열화를 고려한 안정성 확보 관점에서 보수적인 접근을 한다. 이에 따라, 배터리의 퇴화 상태에 맞는 배터리의 저항을 항상 신뢰성 있게 추정할 수 있다.
본 명세서에 첨부되는 다음의 도면들은 본 발명의 실시예를 예시하는 것이며, 후술하는 상세한 설명과 함께 본 발명의 기술사상을 더욱 이해시키는 역할을 하는 것이므로, 본 발명은 그러한 도면들에 기재된 사항에만 한정되어 해석되어서는 아니 된다.
도 1은 본 발명의 일 실시예에 따른 배터리 저항 추정 장치에 대한 구성을 개략적으로 도시한 블록 다이어그램이다.
도 2는 본 발명의 실시예에 따라 서로 다른 퇴화 조건을 갖는 배터리에 대해서 충전 상태 별로 저항을 측정하여 나타낸 그래프이다.
도 3은 본 발명의 일 실시예에 따른 배터리 저항 추정 방법을 나타내는 순서도이다.
이하, 첨부된 도면들을 참조하여 본 발명의 실시예를 설명하기로 한다. 이에 앞서, 본 명세서 및 청구범위에 사용된 용어나 단어는 통상적이거나 사전적인 의미로 한정해서 해석되어서는 아니 되며, 발명자는 그 자신의 출원을 가장 최선의 방법으로 설명하기 위해 용어의 개념을 적절하게 정의할 수 있다는 원칙에 입각하여 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야만 한다. 따라서, 본 명세서에 기재된 실시예와 도면에 도시된 구성은 본 발명의 일 실시예에 불과할 뿐이고 본 발명의 기술적 사상을 모두 대변하는 것은 아니므로, 본 발명시점에 있어서 이들을 대체할 수 있는 다양한 균등물과 변형 예들이 있을 수 있음을 이해하여야 한다.
이하에서 설명되는 실시예에 있어서, 배터리는 리튬 배터리를 일컫는다. 여기서, 리튬 배터리라 함은 충전과 방전이 이루어지는 동안 리튬 이온이 작동 이온으로 작용하여 양극과 음극에서 전기화학적 반응을 유발하는 배터리를 총칭한다.
한편, 리튬 배터리에 사용된 전해질이나 분리막의 종류, 배터리를 포장하는데 사용된 포장재의 종류, 리튬 배터리의 내부 또는 외부의 구조 등에 따라 배터리의 명칭이 변경되더라도 리튬 이온이 작동 이온으로 사용되는 배터리라면 모두 상기 리튬 배터리의 범주에 포함되는 것으로 해석하여야 한다.
본 발명은 리튬 배터리 이외의 다른 배터리에도 적용이 가능하다. 따라서 작동 이온이 리튬 이온이 아니더라도 본 발명의 기술적 사상이 적용될 수 있는 배터리라면 그 종류에 상관 없이 모두 본 발명의 범주에 포함되는 것으로 해석하여야 한다.
또한, 배터리는 그것을 구성하는 요소의 수에 의해 한정되지 않는다. 따라서 배터리는 하나의 포장재 내에 양극/분리막/음극의 조립체 및 전해질이 포함된 단일 셀을 비롯하여 단일 셀의 어셈블리, 다수의 어셈블리가 직렬 및/또는 병렬로 연결된 모듈, 다수의 모듈이 직렬 및/또는 병렬로 연결된 팩, 다수의 팩이 직렬 및/또는 병렬로 연결된 전지 시스템 등도 포함하는 것으로 해석되어야 한다.
도 1은 본 발명의 일 실시예에 따른 배터리 저항 추정 장치에 대한 구성을 개략적으로 도시한 블록 다이어그램이다.
도 1을 참조하면, 본 발명에 따른 배터리 저항 추정 장치(100)는, 배터리(B)의 저항을 추정할 수 있는 장치로서 적어도 메모리부(110)와 제어부(120)를 포함한다.
상기 제어부(120)는 논리 연산을 수행할 수 있는 프로세서를 포함하고, 후술하는 제어 로직에 따라 배터리(B)의 충전 상태 및 온도에 대응되는 저항을 추정할 수 있는 기능을 수행한다.
상기 메모리부(110)는, 전기적, 자기적, 광학적 또는 양자역학적으로 데이터를 기록하고 소거할 수 있는 저장매체이고, 비제한적인 예시로서, RAM, ROM 또는 레지스터일 수 있다.
바람직하게, 상기 메모리부(110)는 상기 제어부(120)에 의해 접근이 가능하도록 예컨대 데이터 버스 등을 통해 상기 제어부(120)와 연결될 수 있다.
상기 메모리부(110)는 상기 제어부(120)에 의해 실행되는 각종 제어 로직을 포함하는 프로그램과 미리 정의된 파라미터들, 및/또는 상기 제어 로직이 실행될 때 발생되는 데이터를 저장 및/또는 갱신 및/또는 소거할 수 있다.
상기 메모리부(110)는 논리적으로 2개 이상으로 분할 가능하고, 상기 제어 부(120) 내에 포함되는 것을 제한하지 않는다.
바람직하게, 상기 메모리부(110)는, 배터리(B)의 충전상태-온도(SOC-T) 조건에 따라 저항 데이터를 기록하고 있는 저항 룩업 테이블을 미리 저장하고 있다. 바람직하게, 저항 룩업 테이블은, SOC(또는 전압)와 T에 의해 저항을 맵핑할 수 있는 데이터 구조를 포함한다. 즉, 저항 데이터는 m[SOC(또는 전압)] × n[온도] 매트릭스로 구성한다.
표 1에 이러한 저항 룩업 테이블의 일 예를 나타내었다.
Figure PCTKR2018014037-appb-T000001
표 1에서 가로는 SOC(%), 세로는 온도(T, ℃)가 나열된 것이다. 각 칸의 저항 단위는 mΩ이다. 표 1에는 각 조건별로 저항 값이 저장된 경우를 예로 들었으나, 저항 룩업 테이블에 저장되는 저항 데이터는 BOL 상태에 있을 때의 저항 대비 증가된 정도(단위 없음)로 나타낼 수도 있다. 그리고 SOC-T 조건에 따라 저항을 맵핑한 구조를 예로 들었는데 전압-T에 의해 저항을 맵핑할 수 있는 데이터 구조로 되어 있어도 된다.
저항 룩업 테이블을 구성하는 데이터들은, 배터리(B)에 대한 충방전 실험을 통하여 사전에 측정될 수 있다.
예를 들어 도 2는 LiMnO2와 그라파이트를 양극과 음극에 각각 포함하고 있는 리튬 배터리에 대해서 저항이 충전 상태에 따라 어떻게 변화되는지를 보여주는 그래프이다.
도 2에서, 실선은 리튬 배터리가 BOL 상태에 있을 때 측정된 저항 프로파일이고, 점선은 리튬 배터리의 용량이 20% 정도 퇴화된 MOL(Middle Of Life) 상태에서 측정된 저항 프로파일이다.
각 저항 프로파일은, HPPC(Hybrid Pulse Power Characterization) 방전 테스트를 통해서 얻었으며, HPPC 테스트에 있어서 방전 시간은 10초, 방전 펄스의 크기는 5 C-rate으로 설정하였고, HPPC 테스트가 진행되는 동안 리튬 배터리의 온도는 25℃로 유지시켰다.
도 2에 도시된 것과 같이, 리튬 배터리의 저항은 SOC가 감소함에 따라서 증가하며, SOC가 40 내지 80%의 범위에 속할 때에는 저항의 변화가 상대적으로 크지 않다는 것을 확인할 수 있다. 그리고 리튬 배터리의 용량이 퇴화되면 BOL 상태 대비 저항이 증가된 것을 확인할 수 있다.
표 1의 저항 룩업 테이블 중 25℃ 저항 데이터는 도 2의 실험 결과 중 BOL 상태를 반영한 것이라고 보면 된다. 이처럼 여러 온도별로 도 2와 같은 저항 프로파일을 실험적으로 측정하고 취합해 표 1과 같은 저항 룩업 테이블을 구성할 수 있다.
바람직하게, 상기 제어부(120)는, 배터리(B)의 충전 상태 및 저항을 결정하기 위해, 전압 측정부(130), 전류 측정부(140) 및 온도 측정부(150)와 전기적으로 결합될 수 있다.
상기 전압 측정부(130)는 공지된 전압 측정 회로를 포함하고, 상기 제어부(120)의 통제하에 시간 간격을 두고 배터리(B)의 전압을 주기적으로 측정하고, 측정된 전압 값을 상기 제어부(120)로 출력한다. 그러면 상기 제어부(120)는 주기적으로 입력되는 전압 측정 값을 상기 메모리부(110)에 저장한다.
상기 전류 측정부(140)는 센스 저항이나 홀 센서를 포함하고, 상기 제어부(120)의 통제하에 시간 간격을 두고 배터리(B)의 충전 전류 또는 방전 전류의 크기를 측정하여 전류 측정 값을 상기 제어부(120)로 출력한다. 그러면 상기 제어부(120)는 주기적으로 입력되는 전류 측정 값을 상기 메모리부(110)에 저장한다.
상기 온도 측정부(150)는 온도 센서의 한 종류인 열전대(thermocouple)를 포함하고, 상기 제어부(120)의 통제하에 시간 간격을 두고 배터리(B)의 온도를 주기적으로 측정하여 온도 측정 값을 상기 제어부(120)로 출력한다. 그러면, 상기 제어부(120)는 주기적으로 입력되는 온도 측정 값을 상기 메모리부(110)에 저장한다.
바람직하게, 상기 제어부(120)는 상기 메모리부(110)에 저장된 전류 측정 값을 참조하여 주기적으로 전류 적산법에 의해 배터리(B)의 SOC를 결정할 수 있다.
구체적으로, 상기 제어부(120)는, 배터리(B)의 충전 또는 방전이 개시될 때 전압 측정부(130)를 제어하여 배터리(B)의 개방 전압(Open Circuit Voltage: OCV)을 측정하고, 상기 메모리부(110)에 미리 저장되어 있는 'OCV-SOC 룩업 테이블'을 참조하여 측정된 개방 전압에 대응되는 초기 충전 상태(SOC0)를 결정하고, 충전 또는 방전이 진행되는 동안에는 충전 전류와 방전 전류의 적산 값을 초기 충전 상태(SOC0)에 합산하여 현재의 충전 상태를 결정하고, 결정된 충전 상태를 상기 메모리부(110)에 저장할 수 있다.
물론, 배터리(B)의 충전 상태는 전류 적산법 이외의 다른 방법으로도 결정될 수 있다. 일 예로, 상기 제어부(120)는 주기적으로 전압 측정값, 전류 측정값 및 온도 측정값을 적응적 필터, 예컨대 확장 칼만 필터에 입력하여 배터리(B)의 충전 상태를 적응적으로 결정할 수 있다.
상기 제어부(120)의 저항 누적 계산부(122)는 배터리(B)가 충방전되는 동안, 즉 Operating Cycle 동안, 예를 들면 차량을 운행하는 동안, SOC 및 온도 별로 I-V 데이터를 측정해 상기 메모리부(110)에 저장시킨 값으로부터 dV/dI에 의해 저항 데이터를 주기적으로 계산하여 누적한다.
표 2는 본 발명에 따른 배터리 저항 추정 장치(100)의 저항 누적 계산부(122)에 의해 주기적으로 반복 계산된 저항이 SOC-T 조건별로 구분하여 누적 저장된 테이블을 예시한 것이다.
Figure PCTKR2018014037-appb-T000002
표 2를 참조하면, SOC-T 조건별로 주기적으로 반복 계산된 저항이 저장되어 있다.
상기 제어부(120)의 저항 데이터 갱신부(124)는 배터리(B)가 충방전되는 동안에 누적시킨 데이터들을 SOC-T 조건별로 저장되어 있는 기존의 저항 데이터에 가중치 비율로 반영한다. 이와 같은 저항 데이터의 갱신(업데이트)는 차량 시동 키가 오프(key off)되었을 때와 같이 배터리(B) 충방전이 종료되어 있을 때에 이루어질 수 있다.
이 때, 상기 저항 데이터 갱신부(124)는, 상기 메모리부(110)에 SOC-T 조건별로 저장된 복수의 저항 데이터들의 평균 값, 최대값과 최소값의 평균 값 또는 최대값 중 어느 하나인 신규 저항 데이터와, 이전에 저장된 저항 데이터 사이의 가중 평균 값을 산출한 후 해당하는 SOC-T 조건에 대응되는 저항 데이터를 상기 가중 평균 값으로 갱신한다.
가중 평균 값이란 평균을 내는 대상들의 중요도에 차등을 두어 중요한 대상이 평균에 더 큰 영향을 미치도록 하는 것으로, 중요한 대상에는 가중치를 부여해 평균을 내는 방식을 말한다. 즉, N개의 수치의 평균값을 구할 때 중요도나 영향도에 해당하는 각각의 가중치를 곱하여 구한 평균값이다.
이를테면, N개의 수치 x1, x2, …, xn의 산술평균 M은, M=(x1+x2+…+xn)/N 으로 구할 수 있다. 그런데 이 N개 중에 x1이 f1개, x2가 f2개, …, xn이 fn개 있다고 하면, f1+f2+…+fn=N이 되고, 이 N개의 수치의 합계는, f1x1+f2x2+…+fnxn이 되므로 M의 식은 M=(f1x1 + f2x2+…+fnxn)/N이 된다. 이것을 서로 다른 n개의 수치 x1,x2…,xn에 각각 f1f2…,fn이라는 가중치가 붙었다고 생각하여, M의 식을 가중평균이라 한다. 이것은 수치 x1, x2, …, xn의 중요도나 영향도가 각각 f1, f2 , …, fn 만큼 있다고 생각해도 좋다.
본 발명에서는 신규 저항 데이터와, 이전에 저장된 저항 데이터 사이의 가중 평균 값을 산출한다. A는 이전에 저장된 저항 값, B는 신규 저항 데이터이고, 가중치는 α라고 하면, 가중치 α를 이용한 A와 B의 가중 평균은 (1-α)×A+α×B가 된다. 이와 같이 신규 저항 데이터에 가중치를 부여하여 저항 추정에 이용한다.
여기서, 신규 저항 데이터를 기존의 저항 데이터에 가중치(α) 비율로 반영하는 방식은 여러 가지가 있을 수 있다.
제1 실시예로, 운행 주기 동안 계산된 복수의 저항 데이터에 대해서 평균 값을 계산한 후 이 평균 값을 신규 저항 데이터로 삼아, 해당 평균 값과 이전에 저장된 저항 값 사이의 가중 평균 값을 해당 SOC-T의 저항 데이터로 저장할 수 있다. α 값은 Pre R/ R@BOL 와 New R/ R@BOL 차이가 클수록 증가하게 설정한다. 이러한 기준은 저항 추정이 배터리의 퇴화 및 안정성에 직결되므로 보수적으로 접근한다는 뜻이다. 즉, 최근에 계산된 저항 데이터를 더 신뢰한다는 뜻이다. 예를 들어 Pre R/ R@BOL 와 New R/ R@BOL 차이에 따라 미리 α 값을 정해둔다.
표 3은 신규 저항 데이터와 이전에 저장된 저항 데이터 사이의 가중 평균 값을 산출할 때에 신규 저항 데이터에 적용되는 가중치의 일 예를 보여주는 것으로, Pre R/ R@BOL 와 New R/ R@BOL 차이에 따라 미리 정해둔 α 값의 일 예를 보여준다. 여기서 Pre R은 SOC-T에 대해 이전에 저장된 저항값이고, R@BOL은 배터리 초기 상태의 저항값이며, New R은 신규 저항 데이터이다. 이 값들은 모두 메모리부(110)에 저장되어 있다.
Figure PCTKR2018014037-appb-T000003
표 3에 제시한 예에서는, α 값은 0.5에서 1 사이의 값을 갖는다. 본 예에 따를 경우, 표 1의 룩업 테이블을 표 2와 같은 누적 테이블과 표 3의 가중치를 이용해 가중 평균 값으로 갱신한 후의 SOC-T 저항 데이터는 표 4와 같다.
Figure PCTKR2018014037-appb-T000004
표 4와 같이 갱신되는 이유를 설명하자면, 예를 들어, 표 2에서 SOC-T가 10%-15℃인 조건은 운행 주기 동안 계산된 복수의 저항 데이터에 대한 평균 값이 (1.58 + 1.6 + 1.61 + 1.64)/4이므로 1.608로 계산된다. 1.608은 SOC-T가 10%-15℃인 조건에서의 New R이 된다. 표 1 참조시 SOC-T가 10%-15℃인 조건에서의 Pre R은 1.58이다. Pre R/ R@BOL 와 New R/ R@BOL 차이는 0.017 정도이고, 표 3 참조시 이러한 차이값에 해당하는 α 값은 0.6이다. 신규 저항 데이터와 이전에 저장된 저항 값 사이의 가중 평균 값은 따라서, 0.4×1.58 + 0.6×1.608이고 그 값은 1.6이 된다. 가중 평균 값인 1.6이 SOC-T가 10%-15℃인 조건에서의 추정 저항 데이터로 갱신 저장되는 것이다.
마찬가지로, 다시 표 2를 참고하면, SOC-T가 20%-15℃인 조건에서, 운행 주기 동안 계산된 복수의 저항 데이터에 대한 평균 값은 (1.5 + 1.53 + 1.57 + 1.62)/4이므로 1.555이다. 1.555는 SOC-T가 20%-15℃인 조건에서의 New R이다. 표 1 참조시 SOC-T가 20%-15℃인 조건에서의 Pre R은 1.5이다. Pre R/ R@BOL 와 New R/ R@BOL 차이는 0.037 정도로 계산되고, 표 3에 의하면 이 경우 α값은 0.8이다. 신규 저항 데이터와 이전에 저장된 저항 값 사이의 가중 평균 값은 따라서, 0.2×1.5 + 0.8×1.555를 계산한 결과 1.54가 된다. 가중 평균 값인 1.54가 SOC-T가 20%-15℃인 조건에서의 추정 저항 데이터로서 표 4에서와 같이 갱신 저장된다.
다른 예로, 다시 표 2를 참고하면, SOC-T가 20%-25℃인 조건에서, 운행 주기 동안 계산된 복수의 저항 데이터에 대한 평균 값은 (1.48 + 1.49)/2이므로 1.485이다. 1.485는 SOC-T가 20%-25℃인 조건에서의 New R이다. 표 1 참조시 SOC-T가 20%-25℃인 조건에서의 Pre R은 1.48이다. Pre R/ R@BOL 와 New R/ R@BOL 차이는 0.003 정도가 되고, 표 3 참조시 여기에 해당하는 α값은 0.5이다. 신규 저항 데이터와 이전에 저장된 저항 값 사이의 가중 평균 값은 따라서, 0.5×1.48 + 0.5×1.485이고 계산하여 반올림하면 1.48이 된다. 가중 평균 값인 1.48이 SOC-T가 20%-25℃인 조건에서의 추정 저항 데이터로 표 4에서와 같이 갱신 저장된다.
여기에 예시하지 않은 다른 SOC-T 조건에 대해서도 위와 같은 계산 및 갱신 저장이 이루어져 최종적으로 표 4와 같은 새로운 저항 데이터 테이블을 얻을 수 있다. 이렇게 추정된 저항 데이터는 SOH, 출력 추정 등에 이용이 될 수 있다.
제2 실시예로, 운행 주기 동안 계산된 복수의 저항 데이터에 대해서 최대값과 최소값의 평균 값을 계산한 후 이 평균 값을 신규 저항 데이터로 삼아, 해당 평균 값과 이전에 저장된 저항 값 사이의 가중 평균 값을 해당 SOC-T의 저항 데이터로 저장할 수 있다. 운행 주기 동안 계산된 복수의 저항 데이터에 대해서 최대값과 최소값의 평균 값이 신규 저항 데이터가 되는 점을 제외하고는 가중 평균 값으로 저항 데이터를 갱신하는 점은 앞의 제1 실시예에서와 동일하다.
본 제2 실시예에 따를 경우, 표 1의 룩업 테이블을 표 2의 누적 테이블과 표 3의 가중치를 이용해 갱신한 후의 SOC-T 저항 데이터는 표 5와 같다.
Figure PCTKR2018014037-appb-T000005
표 5와 같이 되는 이유는 다음과 같다.
표 2를 참조하면, SOC-T가 10%-15℃인 조건에서, 운행 주기 동안 계산된 복수의 저항 데이터에 대해서 최대값과 최소값의 평균 값은 (1.58 + 1.64)/2이므로 1.61이다. 1.61은 SOC-T가 10%-15℃인 조건에서의 New R이다. 표 1 참조시 SOC-T가 10%-15℃인 조건에서의 Pre R은 1.58이다. Pre R/ R@BOL 와 New R/ R@BOL 차이는 0.019 정도이므로 표 3 참조시 α값은 0.6이다. 신규 저항 데이터와 이전에 저장된 저항 값 사이의 가중 평균 값은 따라서, 0.4×1.58 + 0.6×1.61이고 계산하면 1.6이 된다. 가중 평균 값인 1.6이 SOC-T가 10%-15℃인 조건에서의 추정 저항 데이터로 갱신 저장된다.
마찬가지로, SOC-T가 20%-15℃인 조건은, 표 2 참고시, 운행 주기 동안 계산된 복수의 저항 데이터에 대해서 최대값과 최소값의 평균 값이 (1.5 + 1.62)/2이므로 1.56이다. 1.56는 SOC-T가 20%-15℃인 조건에서의 New R이다. 표 1 참조시 SOC-T가 20%-15℃인 조건에서의 Pre R은 1.5이다. Pre R/ R@BOL 와 New R/ R@BOL 차이는 0.04 정도이므로 표 3에 의할 경우 해당 α값은 0.9이다. 신규 저항 데이터와 이전에 저장된 저항 값 사이의 가중 평균 값은 따라서, 0.1×1.5 + 0.9×1.56이며, 계산하면 1.55가 된다. 이와 같이, 가중 평균 값인 1.55가 SOC-T가 20%-15℃인 조건에서의 추정 저항 데이터로서 표 5에 갱신 저장된다.
다른 예로, SOC-T가 20%-25℃인 조건에서, 표 2를 참고하면, 운행 주기 동안 계산된 복수의 저항 데이터에 대해서 최대값과 최소값의 평균 값은 (1.48 + 1.49)/2이고 계산하면 1.485이다. 1.485는 SOC-T가 20%-25℃인 조건에서의 New R이다. 표 1 참조시 SOC-T가 20%-25℃인 조건에서의 Pre R은 1.48이다. Pre R/ R@BOL 와 New R/ R@BOL 차이는 0.003 정도이므로 표 3 참조시 α값은 0.5이다. 신규 저항 데이터와 이전에 저장된 저항 값 사이의 가중 평균 값은 따라서, 0.5×1.48 + 0.5×1.485이고 계산하여 반올림하면 1.48이 된다. 가중 평균 값인 1.48이 SOC-T가 20%-25℃인 조건에서의 추정 저항 데이터로 표 5에서와 같이 갱신 저장된다.
다른 SOC-T 조건에 대해서도 위와 같은 계산 및 갱신 저장이 이루어져 표 5와 같은 새로운 저항 데이터 테이블을 얻을 수 있다. 제1 및 제2 실시예간에 신규 저항 데이터 선정 기준이 달라지면서 표 4와 표 5 사이에 작은 차이가 발생하였음을 알 수 있다.
제3 실시예로, 운행 주기 동안 계산된 복수의 저항 데이터들 중 최대값을 신규 저항 데이터로 삼아, 해당 최대값과 이전에 저장된 저항 값 사이의 가중 평균 값을 해당 SOC-T의 저항 데이터로 저장할 수 있다. 운행 주기 동안 계산된 복수의 저항 데이터에 대해서 최대값이 신규 저항 데이터가 되는 점을 제외하고는 가중 평균 값으로 저항 데이터를 갱신하는 점은 앞의 제1 및 제2 실시예에서와 동일하다.
본 제3 실시예에 따를 경우, 표 1의 룩업 테이블을 표 2의 누적 테이블과 표 3의 가중치를 이용해 갱신한 후의 SOC-T 저항 데이터는 표 6과 같다.
Figure PCTKR2018014037-appb-T000006
표 2를 참고하면, SOC-T가 10%-15℃인 조건에서, 운행 주기 동안 계산된 복수의 복수의 저항 데이터들 중 최대값은 1.64이다. 본 예에 따를 경우 1.64가 SOC-T 10%-15℃인 조건에서의 New R이다. 표 1 참조시 SOC-T가 10%-15℃인 조건에서의 Pre R은 1.58이다. Pre R/ R@BOL 와 New R/ R@BOL 차이는 0.038 정도이므로 표 3 참조시 α값은 0.8이다. 신규 저항 데이터와 이전에 저장된 저항 값 사이의 가중 평균 값은 따라서, 0.2×1.58 + 0.8×1.64이고, 계산하면 1.63이 된다. 가중 평균 값인 1.63이 SOC-T가 10%-15℃인 조건에서의 추정 저항 데이터로 갱신 저장된다.
마찬가지로, 표 2 참조시, SOC-T가 20%-15℃인 조건에서, 운행 주기 동안 계산된 복수의 복수의 저항 데이터들 중 최대값은 1.62이다. 1.62는 SOC-T가 20%-15℃인 조건에서의 New R이다. 표 1 참조시 SOC-T가 20%-15℃인 조건에서의 Pre R은 1.5이다. Pre R/ R@BOL 와 New R/ R@BOL 차이는 0.08 정도이므로 표 3 참조시 α값은 1이다. 신규 저항 데이터와 이전에 저장된 저항 값 사이의 가중 평균 값은 따라서, 0×1.5 + 1×1.62이고, 계산 후 1.62가 된다. 가중 평균 값인 1.62가 SOC-T가 20%-15℃인 조건에서의 추정 저항 데이터로 갱신 저장된다.
다른 예로, 표 2에서 SOC-T가 20%-25℃인 조건을 보면, 운행 주기 동안 계산된 복수의 복수의 저항 데이터들 중 최대값은 1.49이다. 1.49는 SOC-T가 20%-25℃인 조건에서의 New R이다. 표 1 참조시 SOC-T가 20%-25℃인 조건에서의 Pre R은 1.48이다. Pre R/ R@BOL 와 New R/ R@BOL 차이는 0.007 정도이므로 표 3 참조시 α값은 0.5이다. 신규 저항 데이터와 이전에 저장된 저항 값 사이의 가중 평균 값은 따라서, 0.5×1.48 + 0.5×1.49이고 계산하면 1.49가 된다. 가중 평균 값인 1.49가 SOC-T가 20%-25℃인 조건에서의 추정 저항 데이터로 갱신 저장된다.
다른 SOC-T 조건에 대해서도 위와 같은 계산 및 갱신 저장이 이루어져 최종적으로 표 6과 같은 저항 데이터 테이블을 얻을 수 있다. 제1 내지 제3 실시예 비교시 신규 저항 데이터 선정 기준이 달라지면서 표 4 내지 표 6 사이에 작은 차이가 발생함을 알 수 있다. 가장 보수적인 접근은 최대값을 이용하는 제3 실시예이다.
앞에서 설명한 바와 같이 갱신된 저항 데이터는 SOH, 출력 추정에 이용이 된다. 한편, 표 4 내지 표 6과 같이 한 번 갱신된 이후, 다시 배터리(B)의 사용이 시작되면, 배터리(B)가 충방전되는 동안 SOC 및 온도 별로 I-V 데이터를 다시 측정해 메모리부(110)에 저장시킨 값으로부터 dV/dI에 의해 저항 데이터를 주기적으로 계산하여 누적하는 등, 저항 데이터 누적하는 단계 및, 배터리(B) key off시 저항 데이터 갱신하는 단계를 다시 수행하여 저항 데이터를 업데이트한다.
예를 들어, 표 4와 같이 한번 갱신된 저항 데이터를 갖는 배터리를 다시 충방전 사용하면서 주기적으로 반복 계산된 저항을 SOC-T 조건별로 구분하여 재차 누적 저장하면 표 7과 같은 테이블을 얻을 수 있다고 가정하자.
Figure PCTKR2018014037-appb-T000007
표 4의 룩업 테이블에 저장된 저항 데이터가 Pre R이 된다. 표 7의 누적 테이블과 표 3의 가중치를 이용하고, 복수의 저항 데이터들의 평균 값을 신규 저항 데이터로 선택하는 앞의 제1 실시예에 따라 표 4의 룩업 테이블을 갱신하는 경우라고 하면, 갱신한 후의 SOC-T 저항 데이터는 표 8과 같다.
Figure PCTKR2018014037-appb-T000008
예를 들어, 표 7 참고시, SOC-T가 10%-15℃인 조건에서, 운행 주기 동안 계산된 복수의 저항 데이터에 대한 평균 값은 (1.6 + 1.62)/2이므로 1.61이다. 1.61은 SOC-T가 10%-15℃인 조건에서의 New R이다. 표 4 참조시 SOC-T가 10%-15℃인 조건에서의 Pre R은 1.6이고 표 1 참조시 R@BOL 은 1.58이다. Pre R/ R@BOL 와 New R/ R@BOL 차이는 0.006 정도이므로 표 3 참조시 α값은 0.5가 된다. 신규 저항 데이터와 이전에 저장된 저항 값 사이의 가중 평균 값은 따라서, 0.5×1.6 + 0.5×1.61이고, 계산하면 1.61이 된다. 가중 평균 값인 1.61이 SOC-T가 10%-15℃인 조건에서의 추정 저항 데이터로 갱신 저장된다.
마찬가지로, 표 7에서 SOC-T 20%-15℃인 조건에 대해서는, 운행 주기 동안 계산된 복수의 저항 데이터에 대한 평균 값이 (1.54 + 1.55 + 1.56)/3이므로 1.55이다. 1.55는 SOC-T가 20%-15℃인 조건에서의 New R이다. 표 4 참조시 SOC-T가 20%-15℃인 조건에서의 Pre R은 1.54이고 표 1 참고시 R@BOL은 1.5이다. Pre R/ R@BOL 와 New R/ R@BOL 차이는 0.007 정도이므로 표 3 참조시 α값은 0.5이다. 신규 저항 데이터와 이전에 저장된 저항 값 사이의 가중 평균 값은 따라서, 0.5×1.54 + 0.5×1.55이고 1.55가 된다. 가중 평균 값인 1.55가 SOC-T가 20%-15℃인 조건에서의 추정 저항 데이터로 갱신 저장된다.
다른 예로, SOC-T가 20%-25℃인 조건에서 표 7에 의하면, 운행 주기 동안 계산된 복수의 저항 데이터에 대한 평균 값은 (1.48 + 1.5 + 1.51)/3이므로 1.5이다. 1.5는 SOC-T가 20%-25℃인 조건에서의 New R이다. 표 4 참조시 SOC-T가 20%-25℃인 조건에서의 Pre R은 1.48이고 표 1에 의하면 R@BOL도 1.48이다. Pre R/ R@BOL 와 New R/ R@BOL 차이는 0.01이므로 표 3 참조시 α값은 0.6이다. 신규 저항 데이터와 이전에 저장된 저항 값 사이의 가중 평균 값은 따라서, 0.4×1.48 + 0.6×1.5이고 1.49가 된다. 가중 평균 값인 1.49가 SOC-T가 20%-25℃인 조건에서의 추정 저항 데이터로 갱신 저장된다.
다른 SOC-T 조건에 대해서도 위와 같은 계산 및 갱신 저장이 이루어져 표 8과 같은 새로운 저항 데이터 테이블이 얻어지는 것이다.
이처럼 배터리가 충방전되면서 사용되는 동안 누적된 저항 데이터를 이용해 배터리가 사용되지 않는 동안 가중치를 적용, 업데이트하는 과정을 배터리 교체 전까지는 반복적으로 수행하도록 해 항상 가장 신뢰성있는 저항 데이터로 보유할 수 있도록 한다.
경우에 따라서는 I-V 데이터의 변화가 작은 안정한 입력이 들어오게 되어 저항의 누적 데이터가 취합되지 않을 수 있다. 또한 배터리(B)가 사용되지 않은 SOC 조건에 대해서는 누적 데이터가 취합되지 않는다. 이와 같이 저항 누적 데이터가 취합되지 않은 일부 SOC-T 조건에 대해서는 저항 데이터가 취합된 다른 SOC-T 조건의 추정 저항 데이터를 기반으로 확산 추정한다. 즉, 인접하는 SOC-T 조건에 대응되는 추정된 새로운 저항 데이터를 이용하여 SOC, T에 의해 저항(R)을 산출하는 함수를 산출한 후 해당 함수에 근거한 내삽법 또는 외삽법에 의해 저항 데이터가 취합되지 않은 SOC-T 조건에 대한 저항 데이터를 업데이트 및 저장한다.
예를 들어 표 9는 표 2 대비 일부 SOC-T 조건에 대하여는 저항의 누적 데이터가 취합되지 않은 경우이다.
Figure PCTKR2018014037-appb-T000009
예시한 바와 같이, 표 9에서 SOC-T 10%-25℃인 경우와 30%-25℃인 경우는 저항의 누적 데이터가 표 2와 동일하게 취합이 되었지만 20%-25℃인 경우는 저항의 누적 데이터가 취합되지 않았다(이전 저항 데이터만 저장이 되어 있음을 굵은 글씨체로 표시함). 그런 경우, SOC-T 20%-25℃에 인접하는 인접하는 10%-25℃와 30%-25℃의 갱신 저항 데이터를 이용하여 SOC, T에 의해 R을 산출하는 함수를 산출한 후 해당 함수에 근거한 내삽법으로 20%-25℃ 저항 데이터를 업데이트한다.
먼저, 저항의 누적 데이터가 취합된 SOC-T 조건들에 대해서는 앞서 표 1 내지 표 4를 참조하여 설명한 바와 같은 과정을 거쳐 저항 데이터를 갱신 저장한다. 그러면 저항의 누적 데이터가 취합된 SOC-T 조건들에 대해서는 표 10과 같은 중간 단계의 새로운 저항 추정 값들을 얻을 수 있을 것이다.
Figure PCTKR2018014037-appb-T000010
표 10을 참조하면 25℃에서 SOC 10%인 경우의 갱신 저항 데이터는 1.57이고 SOC 30%인 경우의 갱신 저항 데이터는 1.45이다. 이 두 조건에서, 가장 간단하게는, 저항(R)=1.63-0.006×SOC라는 공식을 구할 수 있다. 누적 데이터가 취합되지 않은 SOC 20%인 경우 이 공식에 따라 SOC에 20을 대입하면 저항이 1.51로 계산된다. 따라서, SOC-T가 20%-25℃ 조건에 표 1과 같이 저장되어 있던 직전 저항 1.48을, 확산 추정한 값인 새로운 저항 1.51로 갱신하여 표 11을 얻는다.
Figure PCTKR2018014037-appb-T000011
또, 표 9를 다시 참조하면, 35℃에서 SOC 10%인 경우와 SOC 20%인 경우는 저항의 누적 데이터가 취합이 되었지만 SOC 30%인 경우는 저항의 누적 데이터가 취합되지 않았다. 그런 경우, SOC 30%인 경우에 인접하는 인접하는 SOC 10%인 경우와 SOC 20%인 경우의 갱신 저항 데이터를 이용하여 SOC, T에 의해 R을 산출하는 함수를 산출한 후 해당 함수에 근거한 외삽법으로 SOC 30%인 경우의 저항 데이터를 업데이트한다.
표 10 참조시 35℃에서 SOC 10%인 경우의 갱신 저항 데이터는 1.55이고 SOC 20%인 경우의 갱신 저항 데이터는 1.47이다. 이 두 조건에서 저항(R)=1.63-0.008×SOC라는 공식을 구할 수 있다. SOC가 30%인 경우 이 공식에 따르면 저항이 1.39로 계산된다. 따라서, SOC-T가 30%-35℃ 조건에 표 1과 같이 저장되어 있던 직전 저항 1.44를 여기서는 새로운 저항 1.39로 갱신하여 표 11을 얻는다.
이와 같이, 표 11은 표 1의 룩업 테이블을 표 9의 누적 테이블과 표 3의 가중치를 이용해 갱신하고, 상기 방법에 따라 확산 추정까지 한 후의 SOC-T 저항 데이터를 나타낸다. 이 때, 실시간 추정된 저항이 확산 추정된 데이터에 우선시하기 위하여 확산 추정 데이터인지 실시간 추정 데이터인지 구분하는 플래그 값을 설정하여 저항 데이터를 저장하는 것이 바람직하다. 플래그 값 저장과 관계된 플래그 레지스트는 통상의 지식을 가진 자라면 구현할 수 있는 것이므로 자세한 설명은 생략한다.
이와 같이 본 발명에 따르면, 배터리 초기 데이터로부터 환경 조건에 맞는 저항을 계산하고 그 축적 데이터를 저장함으로써 입력 조건의 제약 없이(실시간 저항 추정을 할 수 없는 환경 조건에 대해서도) SOC-T 조건별로 누적된 저항값 혹은 BOL 상태에 있을 때의 저항 대비 증가된 정도를 이용하여 SOH, 출력을 추정하는 데 사용할 수 있다.
본 발명에 따르면, SOC-T 조건별로 서로 다른 저항 퇴화율이 발생됨을 고려하여 그에 맞는 저항 값을 추정해 배터리 상태 및 수명의 추정에 정확도를 높일 수 있다. 그리고, I-V 데이터의 변화가 작은 안정한 입력이 들어올 경우에도, 저항 데이터를 얻을 수 없는 조건에도 실시간 저항 값과 유사한 저항 값을 사용할 수 있게 된다.
특히 본 발명에 따르면, 배터리의 저항 추정에 사용되는 저항 룩업 테이블을 변경할 때 신규 저항 데이터에 가중치를 부여해 반영함으로써, 배터리의 열화를 고려한 안정성 확보 관점에서 보수적인 접근을 한다. 이에 따라, 배터리의 퇴화 상태에 맞는 배터리의 저항을 신뢰성 있게 추정할 수 있다.
상기 제어부(120)는 또한 상기와 같이 추정하여 갱신된 배터리(B)의 저항을 활용하여 배터리(B)의 출력을 결정하고, 결정된 출력 정보를 상기 메모리부(110)에 저장할 수도 있다.
일 예로서, 배터리(B)의 출력은, 하기 수학식을 이용하여 계산이 가능하다.
배터리의 출력 =
Figure PCTKR2018014037-appb-I000001
상기 수학식에 있어서, I는 배터리(B)의 충전 전류 또는 방전 전류의 크기를 나타낸다. OCV@SOC는 배터리(B)의 현재 충전 상태에 대응되는 개방 전압으로서, 메모리부(110)에 저장된 'OCV-SOC 룩업 테이블'로부터 참조될 수 있다. Vcut_off 은 배터리의 충전 또는 방전이 차단되는 전압으로서, 배터리(B)가 충전될 때에는 최대 충전 전압(Vmax)을, 배터리(B)가 방전될 때에는 최소 방전 전압(Vmin)을 나타낸다. R@SOC,T는 배터리(B)의 현재 충전 상태 및 온도에 대응되는 저항을 나타내는 것으로서 본 발명에 의해 추정된 것, 즉 신규 저항 데이터와 이전에 저장된 저항 데이터의 가중 평균 값으로 갱신된 것이다.
상기 제어부(120)는 또한 상기 추정된 배터리(B)의 저항을 이용하여 배터리(B)의 SOH를 정량적으로 추정할 수 있다.
일 예로서, 배터리(B)의 건강 상태(%)는 하기 수학식을 이용하여 계산이 가능하다.
건강 상태(SOH) = 100×(R@BOL/ R@SOC,T)
상기 수학식에 있어서, R@SOC,T는 배터리(B)의 현재 충전 상태 및 온도에 대응되는 배터리(B)의 저항으로서 본 발명에 의해 추정된 것, 즉 신규 저항 데이터와 이전에 저장된 저항 데이터의 가중 평균 값으로 갱신된 것이다.
다른 측면에 따르면, 상기 제어부(120)는 통신 인터페이스(I/F, 160)와 결합될 수 있고, 추정된 저항 값, 출력 값 및 건강 상태 값들 중에서 적어도 하나를 상기 통신 인터페이스(160)를 통해서 외부 디바이스(미도시) 측으로 출력할 수 있다.
바람직하게, 상기 외부 디바이스는 배터리(B)로부터 전기 에너지를 공급 받는 부하 장치의 제어기일 수 있는데, 본 발명이 이에 한정되는 것은 아니다.
한편, 상기 제어부(120)는, 본 명세서에 개시된 다양한 제어 로직들을 실행하기 위해 당업계에 알려진 프로세서, ASIC(Application-Sspecific Integrated Circuit), 다른 칩셋, 논리 회로, 레지스터, 통신 모뎀, 데이터 처리 장치 등을 선택적으로 포함할 수 있다.
또한, 상기 제어 로직이 소프트웨어로 구현될 때, 상기 제어부(120)는 프로그램 모듈의 집합으로 구현될 수 있다. 이 때, 프로그램 모듈은 상기 메모리부(110)에 저장되고, 프로세서에 의해 실행될 수 있다. 상기 메모리부(110)는 프로세서 내부 또는 외부에 있을 수 있고, 잘 알려진 다양한 수단으로 프로세서와 연결될 수 있다.
그러면, 이하에서는, 상술한 구성을 바탕으로 도 3을 참조하여 본 발명에 따른 배터리 저항 추정 방법을 구체적으로 설명하기로 한다.
도 3은 본 발명의 일 실시예에 따른 배터리 저항 추정 방법을 나타내는 순서도이다.
먼저, 제어부(120)는 메모리부(110)에 저장된 배터리(B)의 전류 측정 값을 참조하여 배터리(B)의 충방전이 개시되었는지 체크한다(S10).
만약, 충방전이 개시되었으면, 제어부(120)는 전압 측정부(130), 전류 측정부(140) 및 온도 측정부(150)를 제어하여 배터리(B)의 전압, 전류 및 온도를 측정하고, 전압 측정 값, 전류 측정 값 및 온도 측정 값을 메모리부(110)에 저장한다(S20). 메모리부(110)에는 배터리(B)의 충전상태-온도(SOC-T) 조건에 따라 저항 데이터를 기록하고 있는 저항 룩업 테이블이 미리 저장되어 있다.
이어서, 제어부(120)의 저항누적 계산부(122)는 메모리부(110)에 저장된 값으로부터 SOC와 저항을 계산하고 SOC-T 조건별로 구분하여 메모리부(110)에 누적 저장한다(S30). 제어부(120)는 메모리부(110)에 저장된 전류 측정 값을 참조하여 주기적으로 전류 적산법에 의해 배터리(B)의 충전 상태인 SOC를 결정할 수 있다. 저항은 dV/dI로부터 계산할 수 있다.
다음, 제어부(120)는 배터리(B)의 충방전이 계속되고 있는지 체크한다(S40). 제어부(120)는 전류 측정부(140)를 통해 배터리(B)의 충전 또는 방전 전류의 크기를 측정하여 배터리(B)의 충방전이 계속되는지 판별할 수 있다.
배터리(B)의 충방전이 계속되는 동안에는 단계 S20과 S30을 주기적으로 반복 수행한다.
반대로 배터리(B)의 충방전이 멈추고, 이를테면 배터리 key off인 경우, 저항 데이터 갱신부(124)는 메모리부(110)에 SOC-T 조건별로 저장된 복수의 저항 데이터들의 평균 값, 최대값과 최소값의 평균 값 또는 최대값 중 어느 하나인 신규 저항 데이터와, 이전에 저장된 저항 데이터 사이의 가중 평균 값을 산출한다(S60). 가중 평균 값을 산출하는 자세한 내용은 앞서 설명한 바와 같고, 여기에 이용되는 가중치는 미리 메모리부(110)에 저장되어 있다. 이 때, 가중 평균 값이 산출될 저항 데이터가 취합되지 않은 SOC-T 조건에 대해서는 스킵을 한다. 즉, 가중 평균 값이 산출될 저항 데이터가 취합되지 않은 SOC-T 조건인지를 미리 판단하여(S50), 저항 데이터가 취합된 SOC-T 조건에 대해서만 단계 S60을 수행한다.
이후, 저항 데이터 갱신부(124)는 메모리부(110)에 SOC-T 조건별로 저장된 저항 데이터를 상기 가중 평균 값으로 갱신한다(S70). 단계 S50에서 저항 데이터가 취합되지 않은 SOC-T 조건이라고 판단된 조건에 대해서는, 내삽법 또는 외삽법을 이용해, 단계 S60에서 구한 인접 조건의 추정 저항값으로부터 확산 추정을 해 갱신한다(S80).
제어부(120)는 또한 S60, S70 및 S80 단계에서 추정된 저항을 메모리부(110)에 저장하거나, 통신 인터페이스(160)를 통해 외부 디바이스 측으로 전송하거나, 추정된 저항을 이용하여 배터리(B)의 출력이나 건강 상태와 같은 다른 파라미터를 추정할 수 있다.
제어부(120)는 모든 SOC-T 조건에 대해 상기와 같은 저항 데이터 갱신이 이루어졌는지 판단하여(S90), 모든 조건에 대한 갱신 완료로 판단시 본 발명에 따른 저항 추정 프로세스를 종료한다.
도 3에 예시된 제어 로직들은 적어도 하나 이상이 조합되고, 조합된 제어 로직들은 컴퓨터가 읽을 수 있는 코드 체계로 작성되어 컴퓨터가 읽을 수 있는 기록매체에 수록될 수 있다. 상기 기록매체는 컴퓨터에 포함된 프로세서에 의해 접근이 가능한 것이라면 그 종류에 특별한 제한이 없다. 일 예시로서, 상기 기록매체는 ROM, RAM, 레지스터, CD-ROM, 자기 테이프, 하드 디스크, 플로피디스크 및 광 데이터 기록장치를 포함하는 군에서 선택된 적어도 하나 이상을 포함한다. 또한, 상기 코드 체계는 캐리어 신호로 변조되어 특정한 시점에 통신 캐리어에 포함될 수 있고, 네트워크로 연결된 컴퓨터에 분산되어 저장되고 실행될 수 있다. 또한, 상기 조합된 제어 로직들을 구현하기 위한 기능적인 프로그램, 코드 및 코드 세그먼트들은 본 발명이 속하는 기술분야의 프로그래머들에 의해 용이하게 추론될 수 있다.
본 발명에 따른 배터리 저항 추정 장치는, BMS라고 불리는 시스템의 일부로서 포함될 수 있다. 또한, 상기 BMS는 배터리(B)가 제공하는 전기 에너지로 동작이 가능한 다양한 종류의 전기구동 장치에 탑재될 수 있다.
일 측면에 따르면, 상기 전기구동 장치는, 휴대폰, 랩탑 컴퓨터, 태블릿 컴퓨터 등의 모바일 컴퓨터 장치, 또는 디지털 카메라, 비디오 카메라, 오디오/비디오 재생 장치 등을 포함한 핸드 헬드 멀티미디어 장치일 수 있다.
다른 측면에 따르면, 상기 전기 구동 장치는, 전기 자동차, 하이브리드 자동차, 전기 자전거, 전기 오토바이, 전기 열차, 전기 배, 전기 비행기 등과 같이 전기에 의해 이동이 가능한 전기 동력 장치, 또는 전기 드릴, 전기 그라인더 등과 같이 모터가 포함된 파워 툴일 수 있다.
또 다른 측면에 따르면, 상기 전기 구동 장치는, 전력 그리드에 설치되어 신재생 에너지나 잉여 발전 전력을 저장하는 대용량 전력 저장 장치, 또는 정전 등의 비상 상황에서 서버 컴퓨터나 이동 통신 장비 등을 포함한 각종 정보 통신 장치의 전원을 공급하는 무정전 전원 공급 장치일 수 있다.
본 발명의 다양한 실시 양태를 설명함에 있어서, '~부'라고 명명된 구성 요소들은 물리적으로 구분되는 요소들이라고 하기 보다 기능적으로 구분되는 요소들로 이해되어야 한다. 따라서 각각의 구성요소는 다른 구성요소와 선택적으로 통합되거나 각각의 구성요소가 제어 로직(들)의 효율적인 실행을 위해 서브 구성요소들로 분할될 수 있다. 하지만 구성요소들이 통합 또는 분할되더라도 기능의 동일성이 인정될 수 있다면 통합 또는 분할된 구성요소들도 본 발명의 범위 내에 있다고 해석되어야 함은 당업자에게 자명하다.
이상에서 본 발명은 비록 한정된 실시예와 도면에 의해 설명되었으나, 본 발명은 이것에 의해 한정되지 않으며 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 본 발명의 기술사상과 아래에 기재될 특허청구범위의 균등범위 내에서 다양한 수정 및 변형이 가능함은 물론이다.

Claims (10)

  1. 배터리의 충전상태-온도(SOC-T) 조건에 따라 저항 데이터를 기록하고 있는 저항 룩업 테이블이 저장된 메모리부; 및
    제어부를 포함하고,
    상기 제어부는,
    배터리가 충방전되는 동안 I-V 데이터를 측정하여 dV/dI에 의해 주기적으로 저항을 반복 계산하여 상기 메모리부에 저장하되, SOC-T 조건별로 구분하여 누적 저장하는 저항 누적 계산부; 및
    상기 메모리부에 SOC-T 조건별로 저장된 복수의 저항 데이터들의 평균 값, 최대값과 최소값의 평균 값 또는 최대값 중 어느 하나인 신규 저항 데이터와, 이전에 저장된 저항 데이터 사이의 가중 평균 값을 산출한 후 해당하는 SOC-T 조건에 대응되는 저항 데이터를 상기 가중 평균 값으로 갱신하는 저항 데이터 갱신부를 포함하는 것을 특징으로 하는 배터리 저항 추정 장치.
  2. 제1항에 있어서, 상기 저항 데이터 갱신부는, 가중 평균 값이 산출될 저항 데이터가 취합되지 않은 SOC-T 조건에 대해서는 인접하는 SOC-T 조건에 대해 계산된 저항 데이터의 가중 평균 값을 이용하여 내삽법 또는 외삽법에 의해 저항 데이터를 갱신하도록 구성된 것을 특징으로 하는 배터리 저항 추정 장치.
  3. 제2항에 있어서, 상기 저항 데이터 갱신부는, SOC-T 조건별로 저장된 저항 데이터가 실시간 계산된 저항 데이터인지 아니면 내삽법 또는 외삽법에 의해 추정된 저항 데이터인지 여부를 구분하는 플래그 값을 SOC-T 조건별로 할당하여 저장하는 것을 특징으로 하는 배터리 저항 추정 장치.
  4. 제1항에 있어서, 상기 신규 저항 데이터와 이전에 저장된 저항 데이터 사이의 차이가 클수록 가중 평균 값을 산출하기 위해 상기 신규 저항 데이터에 부여되는 가중치가 증가하는 것을 특징으로 하는 배터리 저항 추정 장치.
  5. (a) 배터리의 충전상태-온도(SOC-T) 조건에 따라 저항 데이터를 기록하고 있는 저항 룩업 테이블을 메모리부에 저장하는 단계;
    (b) 배터리가 충방전되는 동안 I-V 데이터를 측정하여 dV/dI에 의해 주기적으로 저항을 반복 계산하여 상기 메모리부에 저장하되, SOC-T 조건별로 구분하여 누적 저장하는 단계;
    (c) 상기 메모리부에 SOC-T 조건별로 저장된 복수의 저항 데이터들의 평균 값, 최대값과 최소값의 평균 값 또는 최대값 중 어느 하나인 신규 저항 데이터와, 이전에 저장된 저항 데이터 사이의 가중 평균 값을 산출하는 단계; 및
    (d) 상기 메모리부에 SOC-T 조건별로 저장된 저항 데이터를 상기 가중 평균 값으로 갱신하는 단계를 포함하는 것을 특징으로 하는 배터리 저항 추정 방법.
  6. 제5항에 있어서, 상기 (d) 단계에서, 가중 평균 값이 산출될 저항 데이터가 취합되지 않은 SOC-T 조건에 대해서는 인접하는 SOC-T 조건에 대해 계산된 저항 데이터의 가중 평균 값을 이용하여 내삽법 또는 외삽법에 의해 저항 데이터를 갱신하는 것을 특징으로 하는 배터리 저항 추정 방법.
  7. 제6항에 있어서, 상기 (d) 단계에서, SOC-T 조건별로 저장된 저항 데이터가 실시간 계산된 저항 데이터인지 아니면 내삽법 또는 외삽법에 의해 추정된 저항 데이터인지 여부를 구분하는 플래그 값을 SOC-T 조건별로 할당하여 저장하는 것을 특징으로 하는 배터리 저항 추정 방법.
  8. 제5항에 있어서, 상기 (c) 단계에서, 상기 신규 저항 데이터와 이전에 저장된 저항 데이터 사이의 차이가 클수록 가중 평균 값을 산출하기 위해 상기 신규 저항 데이터에 부여되는 가중치가 증가하는 것을 특징으로 하는 배터리 저항 추정 방법.
  9. 제1항 내지 제4항 중 어느 한 항에 따른 배터리 저항 추정 장치를 포함하는 배터리 관리 시스템.
  10. 제5항 내지 제8항 중 어느 한 항에 따른 배터리 저항 추정 방법을 프로그램화하여 수록한 컴퓨터로 읽을 수 있는 기록매체.
PCT/KR2018/014037 2017-11-17 2018-11-15 배터리 저항 추정 장치 및 방법 Ceased WO2019098722A1 (ko)

Priority Applications (4)

Application Number Priority Date Filing Date Title
US16/498,018 US11105861B2 (en) 2017-11-17 2018-11-15 Device and method for estimating battery resistance
EP18878495.3A EP3605127B1 (en) 2017-11-17 2018-11-15 Device and method for estimating battery resistance
CN201880019674.2A CN110462414B (zh) 2017-11-17 2018-11-15 用于估计电池电阻的装置和方法
JP2019551571A JP6863560B2 (ja) 2017-11-17 2018-11-15 バッテリー抵抗推定装置及び方法

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2017-0154009 2017-11-17
KR1020170154009A KR102296993B1 (ko) 2017-11-17 2017-11-17 배터리 저항 추정 장치 및 방법

Publications (1)

Publication Number Publication Date
WO2019098722A1 true WO2019098722A1 (ko) 2019-05-23

Family

ID=66539835

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2018/014037 Ceased WO2019098722A1 (ko) 2017-11-17 2018-11-15 배터리 저항 추정 장치 및 방법

Country Status (6)

Country Link
US (1) US11105861B2 (ko)
EP (1) EP3605127B1 (ko)
JP (1) JP6863560B2 (ko)
KR (1) KR102296993B1 (ko)
CN (1) CN110462414B (ko)
WO (1) WO2019098722A1 (ko)

Families Citing this family (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7346034B2 (ja) * 2019-02-01 2023-09-19 株式会社東芝 蓄電池管理装置及び方法
KR102679707B1 (ko) * 2019-07-10 2024-06-27 주식회사 엘지에너지솔루션 배터리 모듈을 위한 냉각 요구 사양 진단 장치
CN110531277A (zh) * 2019-08-18 2019-12-03 浙江万马新能源有限公司 一种带估算电动汽车动力电池寿命功能的电池管理系统
JP2023527316A (ja) 2020-05-21 2023-06-28 イオントラ リミテッド ライアビリティ カンパニー 電池のインピーダンス測定のためのシステムおよび方法
US20220341999A1 (en) * 2020-05-21 2022-10-27 Iontra LLC Systems and methods for impedance measurement of a battery cell
GB2601022B (en) * 2020-06-24 2022-11-02 Ming Wong Kai Method, apparatus, storage medium and terminal equipment for estimating the impedance of battery
KR102872601B1 (ko) * 2020-09-11 2025-10-16 주식회사 엘지에너지솔루션 배터리 관리 시스템 및 저항 상태 추정 방법
KR102885833B1 (ko) * 2020-10-07 2025-11-12 주식회사 엘지에너지솔루션 배터리 장치 및 배터리 상태 추정 방법
KR102892923B1 (ko) * 2020-10-21 2025-11-27 주식회사 엘지에너지솔루션 배터리 장치 및 저항 상태 추정 방법
KR102892948B1 (ko) * 2020-10-22 2025-11-27 주식회사 엘지에너지솔루션 배터리 장치 및 저항 상태 추정 방법
DE102020128639A1 (de) * 2020-10-30 2022-05-05 TWAICE Technologies GmbH Widerstandsabschätzung für Batteriezellen einer wiederaufladbaren Batterie
CN112808629A (zh) * 2020-12-10 2021-05-18 珠海银隆电器有限公司 一种退役电池分选方法、装置、存储介质及电子设备
US20220363404A1 (en) * 2021-05-14 2022-11-17 Beta Air, Llc Systems and methods for monitoring health of an electric vertical take-off and landing vehicle
FR3123992B1 (fr) 2021-06-10 2023-04-28 Psa Automobiles Sa Procede d’estimation de l’etat de sante resistif d’au moins un element de stockage d’energie electrique d’une batterie electrique
CN113791361B (zh) * 2021-08-23 2024-04-26 欣旺达电子股份有限公司 内阻老化计算方法、系统、管理系统、汽车及存储介质
CN113777517B (zh) * 2021-09-13 2023-10-17 傲普(上海)新能源有限公司 储能电站短板电芯筛选方法
CN113655385B (zh) * 2021-10-19 2022-02-08 深圳市德兰明海科技有限公司 锂电池soc估计方法、装置及计算机可读存储介质
CN117317402A (zh) * 2022-06-22 2023-12-29 苏州佳世达电通有限公司 电池模组、电路板及电池供电最佳化方法
US12352817B2 (en) * 2022-08-08 2025-07-08 Samsung Electronics Co., Ltd. Electronic device and method with battery state detection
KR102874439B1 (ko) * 2023-11-09 2025-10-23 주식회사 엘지에너지솔루션 배터리 관리 시스템 및 배터리 관리 방법
CN118050649B (zh) * 2024-04-16 2024-06-11 东方旭能(山东)科技发展有限公司 一种基于大数据的蓄电池监控管理系统
EP4650801A1 (en) * 2024-05-13 2025-11-19 Volvo Truck Corporation Assisted estimation of internal battery impedance

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR0154009B1 (ko) 1995-03-20 1998-11-16 배순훈 컬러 그래픽 병렬처리를 위한 아핀변환 장치
JP2007048628A (ja) * 2005-08-10 2007-02-22 Toyota Motor Corp 燃料電池電源制御装置、燃料電池システム及び燃料電池電源制御方法
JP2008256673A (ja) * 2007-03-09 2008-10-23 Hitachi Ltd 電池制御方法及びそのシステム
KR100927541B1 (ko) * 2008-08-14 2009-11-17 주식회사 엘지화학 배터리 전압 거동을 이용한 배터리 저항 특성 추정 장치 및방법
JP5297751B2 (ja) * 2008-10-03 2013-09-25 株式会社日立製作所 電源制御装置、車両走行制御システム及び蓄電池劣化状態検知方法
JP2014211307A (ja) * 2011-08-30 2014-11-13 三洋電機株式会社 バッテリシステム、充電状態推定装置、電動車両、移動体、電力貯蔵装置および電源装置

Family Cites Families (30)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08214469A (ja) 1995-01-31 1996-08-20 Nippondenso Co Ltd 車両用発電制御装置
DE10252760B4 (de) * 2002-11-13 2009-07-02 Vb Autobatterie Gmbh & Co. Kgaa Verfahren zur Vorhersage des Innenwiderstands einer Speicherbatterie und Überwachungseinrichtung für Speicherbatterien
US7499315B2 (en) * 2003-06-11 2009-03-03 Ovonyx, Inc. Programmable matrix array with chalcogenide material
EP1788402B1 (en) * 2004-08-25 2018-10-10 NEC Corporation Internal impedance detector, internal impedance detecting method, degradation degree detector, and degradation degree detecting method
JP4536490B2 (ja) * 2004-11-15 2010-09-01 浜松ホトニクス株式会社 レーザ装置及びその制御方法
CN1780032A (zh) * 2004-11-22 2006-05-31 中国电子科技集团公司第十八研究所 一种锂离子电池氧化锰锂复合正极的制备方法
JP4780965B2 (ja) * 2005-01-14 2011-09-28 三洋電機株式会社 電池の残容量検出方法及び電源装置
JP4638251B2 (ja) 2005-02-07 2011-02-23 富士重工業株式会社 バッテリの管理装置
US8036013B2 (en) * 2005-03-30 2011-10-11 Ovonyx, Inc. Using higher current to read a triggered phase change memory
US7453715B2 (en) * 2005-03-30 2008-11-18 Ovonyx, Inc. Reading a phase change memory
KR100778440B1 (ko) 2006-01-25 2007-11-21 삼성에스디아이 주식회사 배터리의 ｓｏｃ 판단 장치 및 방법
US7714736B2 (en) * 2007-10-30 2010-05-11 Gm Global Technology Operations, Inc. Adaptive filter algorithm for estimating battery state-of-age
FR2925168B1 (fr) * 2007-12-12 2010-01-29 Peugeot Citroen Automobiles Sa Procede d'estimation de la resistance interne d'une batterie de vehicule automobile.
GB2461350B (en) 2007-12-27 2011-03-30 Hitachi Ltd Battery control method and system
GB2471822B (en) * 2008-04-17 2012-10-17 Commw Scient Ind Res Org Redox electrodes for flexible devices
US20100203263A1 (en) * 2009-02-12 2010-08-12 Wolodymyr Czubatyj Deposition of Chalcogenide Materials via Vaporization Process
US20100203709A1 (en) * 2009-02-12 2010-08-12 Wolodymyr Czubatyj Deposition of chalcogenide materials via vaporization process
JP5496612B2 (ja) * 2009-11-11 2014-05-21 三洋電機株式会社 電池の充放電可能電流演算方法及び電源装置並びにこれを備える車両
US9360527B2 (en) * 2011-08-12 2016-06-07 Johnson Controls Technology Llc System and method for energy prediction in battery packs
JP5694088B2 (ja) 2011-08-23 2015-04-01 トヨタ自動車株式会社 二次電池の劣化管理システム
CN103345163B (zh) * 2013-07-11 2016-01-20 哈尔滨工业大学 基于半实物仿真的电池管理系统性能测试平台及测试方法
KR20150029204A (ko) 2013-09-09 2015-03-18 삼성에스디아이 주식회사 배터리 팩, 배터리 팩을 포함하는 장치, 및 배터리 팩의 관리 방법
US10224475B2 (en) * 2014-06-11 2019-03-05 The Regents Of The University Of California Method for fabricating superconducting devices using a focused ion beam
US10408880B2 (en) * 2014-08-19 2019-09-10 Fca Us Llc Techniques for robust battery state estimation
US9693308B2 (en) 2014-09-18 2017-06-27 Samsung Electronics Co., Ltd. Method and mobile communication terminal for estimating battery consumption state
KR20160033588A (ko) * 2014-09-18 2016-03-28 삼성전자주식회사 배터리 소모 상태를 추정하는 방법 및 이동 통신 단말
CN105738815B (zh) * 2014-12-12 2019-10-22 国家电网公司 一种在线检测锂离子电池健康状态的方法
CN106226699B (zh) 2016-07-11 2019-01-22 北京航空航天大学 一种基于时变权重最优匹配相似性的锂离子电池寿命预测方法
CN108110224A (zh) * 2016-11-25 2018-06-01 天津池瑞科技有限公司 一种锂离子电池氧化锰锂复合正极的制备方法
CN107064815B (zh) 2017-03-31 2019-09-20 惠州市蓝微新源技术有限公司 一种电池内阻计算方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR0154009B1 (ko) 1995-03-20 1998-11-16 배순훈 컬러 그래픽 병렬처리를 위한 아핀변환 장치
JP2007048628A (ja) * 2005-08-10 2007-02-22 Toyota Motor Corp 燃料電池電源制御装置、燃料電池システム及び燃料電池電源制御方法
JP2008256673A (ja) * 2007-03-09 2008-10-23 Hitachi Ltd 電池制御方法及びそのシステム
KR100927541B1 (ko) * 2008-08-14 2009-11-17 주식회사 엘지화학 배터리 전압 거동을 이용한 배터리 저항 특성 추정 장치 및방법
JP5297751B2 (ja) * 2008-10-03 2013-09-25 株式会社日立製作所 電源制御装置、車両走行制御システム及び蓄電池劣化状態検知方法
JP2014211307A (ja) * 2011-08-30 2014-11-13 三洋電機株式会社 バッテリシステム、充電状態推定装置、電動車両、移動体、電力貯蔵装置および電源装置

Also Published As

Publication number Publication date
EP3605127A4 (en) 2020-02-05
EP3605127A1 (en) 2020-02-05
KR102296993B1 (ko) 2021-09-01
US20210103001A1 (en) 2021-04-08
US11105861B2 (en) 2021-08-31
JP6863560B2 (ja) 2021-04-21
KR20190056743A (ko) 2019-05-27
JP2020514757A (ja) 2020-05-21
CN110462414B (zh) 2021-08-06
EP3605127B1 (en) 2020-09-09
CN110462414A (zh) 2019-11-15

Similar Documents

Publication Publication Date Title
WO2019098722A1 (ko) 배터리 저항 추정 장치 및 방법
WO2022055080A1 (ko) 배터리의 충전상태를 추정하는 방법
WO2010016647A1 (en) Apparatus and method for estimating state of health of battery based on battery voltage variation pattern
WO2022108344A1 (ko) 배터리 관리 장치 및 방법
WO2020162675A1 (ko) 배터리 관리 장치, 배터리 관리 방법 및 배터리 팩
WO2020213905A1 (ko) 배터리의 퇴화 상태를 결정하기 위한 장치, 방법, 배터리 팩 및 전기 차량
WO2023008883A1 (ko) 배터리 관리 시스템, 배터리 팩, 전기 차량 및 배터리 관리 방법
WO2019098576A1 (ko) 배터리 여유 용량 추정 장치
WO2016052900A1 (ko) 이차 전지의 방전 출력 추정 방법 및 장치
WO2019199057A1 (ko) 배터리 진단 장치 및 방법
WO2022265357A1 (ko) 배터리 soh 추정 장치 및 방법
WO2022114826A1 (ko) 배터리 관리 장치 및 방법
WO2022103213A1 (ko) 배터리 진단 장치 및 방법
WO2022124773A1 (ko) 배터리 진단 장치 및 방법
WO2020153637A1 (ko) 배터리 관리 장치, 배터리 관리 방법 및 배터리 팩
WO2022154545A1 (ko) 배터리 관리 장치 및 방법
WO2022075628A1 (ko) 배터리 퇴화도 산출 방법 및 배터리 퇴화도 산출 장치
WO2022145998A1 (ko) 배터리 진단 장치 및 방법
WO2024014850A1 (ko) 배터리 관리 장치 및 방법
WO2023080649A1 (ko) 배터리의 ocv-soc 프로파일 관리 장치 및 방법
WO2023249285A1 (ko) 배터리 관리 장치 및 방법
WO2024063577A1 (ko) 배터리 진단 장치 및 방법
WO2020153625A1 (ko) 배터리 관리 장치, 배터리 관리 방법 및 배터리 팩
WO2023033480A1 (ko) 배터리 진단 시스템 및 방법
WO2024096585A1 (ko) 배터리 진단 장치 및 방법

Legal Events

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

Ref document number: 18878495

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2019551571

Country of ref document: JP

Kind code of ref document: A

ENP Entry into the national phase

Ref document number: 2018878495

Country of ref document: EP

Effective date: 20191023

NENP Non-entry into the national phase

Ref country code: DE