[go: up one dir, main page]

WO2019199057A1 - 배터리 진단 장치 및 방법 - Google Patents

배터리 진단 장치 및 방법 Download PDF

Info

Publication number
WO2019199057A1
WO2019199057A1 PCT/KR2019/004287 KR2019004287W WO2019199057A1 WO 2019199057 A1 WO2019199057 A1 WO 2019199057A1 KR 2019004287 W KR2019004287 W KR 2019004287W WO 2019199057 A1 WO2019199057 A1 WO 2019199057A1
Authority
WO
WIPO (PCT)
Prior art keywords
battery
section
charge
processor
size
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/KR2019/004287
Other languages
English (en)
French (fr)
Inventor
배윤정
김대수
김지연
김동규
이재헌
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 PL19785913T priority Critical patent/PL3674730T3/pl
Priority to US16/643,941 priority patent/US11391780B2/en
Priority to CN201980005216.8A priority patent/CN111263894B/zh
Priority to EP19785913.5A priority patent/EP3674730B1/en
Priority to JP2020511747A priority patent/JP6922144B2/ja
Publication of WO2019199057A1 publication Critical patent/WO2019199057A1/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]
    • G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L3/00—Electric devices on electrically-propelled vehicles for safety purposes; Monitoring operating variables, e.g. speed, deceleration or energy consumption
    • B60L3/0023—Detecting, eliminating, remedying or compensating for drive train abnormalities, e.g. failures within the drive train
    • B60L3/0046—Detecting, eliminating, remedying or compensating for drive train abnormalities, e.g. failures within the drive train relating to electric energy storage systems, e.g. batteries or capacitors
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L3/00—Electric devices on electrically-propelled vehicles for safety purposes; Monitoring operating variables, e.g. speed, deceleration or energy consumption
    • B60L3/12—Recording operating variables ; Monitoring of operating variables
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
    • B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
    • B60L58/12—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries responding to state of charge [SoC]
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
    • B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
    • B60L58/16—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries responding to battery ageing, e.g. to the number of charging cycles or the state of health [SoH]
    • 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
    • G01R19/12—Measuring rate of change
    • 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]
    • G01R31/382—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
    • 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
    • H01M10/425—Structural combination with electronic components, e.g. electronic circuits integrated to the outside of the casing
    • 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
    • H01M10/4285—Testing apparatus
    • 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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L2240/00—Control parameters of input or output; Target parameters
    • B60L2240/40—Drive Train control parameters
    • B60L2240/54—Drive Train control parameters related to batteries
    • B60L2240/547—Voltage
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L2240/00—Control parameters of input or output; Target parameters
    • B60L2240/40—Drive Train control parameters
    • B60L2240/54—Drive Train control parameters related to batteries
    • B60L2240/549—Current
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L2250/00—Driver interactions
    • B60L2250/16—Driver interactions by display
    • 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
    • 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
    • H01M10/425—Structural combination with electronic components, e.g. electronic circuits integrated to the outside of the casing
    • H01M2010/4271—Battery management systems including electronic circuits, e.g. control of current or voltage to keep battery in healthy state, cell balancing
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M2220/00—Batteries for particular applications
    • H01M2220/20—Batteries in motive systems, e.g. vehicle, ship, plane
    • 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
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/70—Energy storage systems for electromobility, e.g. batteries

Definitions

  • the present invention relates to a battery diagnostic apparatus and method, and more particularly, to a battery diagnostic apparatus and method for diagnosing a change in one or more of the active material area, the discharge depth and the charge depth of the battery.
  • a secondary battery may be a device that can be carried in a human hand such as a mobile phone, a laptop computer, a digital camera, a video camera, a tablet computer, a power tool, or the like;
  • Various electric drive power devices such as electric bicycles, electric motorcycles, electric vehicles, hybrid vehicles, electric boats, electric airplanes, and the like;
  • a power storage device used to store power generated by renewable energy or surplus generated power;
  • the field of use extends to a server computer, a base station for communication, and an uninterruptible power supply for stably supplying power to various information communication devices.
  • the secondary battery includes three basic components, an anode including a material that is oxidized while releasing electrons during discharge, and a cathode including a material that is reduced while receiving electrons during discharge. And electrolytes that allow ion transport between the cathode and the anode.
  • the battery may be classified into a primary battery that cannot be reused after being discharged and a secondary battery capable of repetitive charging and discharging because the electrochemical reaction is at least partially reversible.
  • secondary batteries include lead-acid batteries, nickel-cadmium batteries, nickel-zinc batteries, nickel-iron batteries, silver oxide batteries, nickel metal hydride batteries, zinc-manganese oxide batteries, and zinc-bromide batteries.
  • Metal-air batteries, lithium secondary batteries and the like are known. Among them, lithium secondary batteries have attracted the greatest commercial interest because of their higher energy density, higher battery voltage, and longer shelf life than other secondary batteries.
  • electronic devices to which the secondary battery is applied generally have a function of notifying remaining usage through a state of charge of the secondary battery, and SOC of such a secondary battery is generally caused by a change in voltage of the secondary battery. It is obtained according to the state of charge-voltage data relating to the aspect of change of state of charge.
  • the voltage of the secondary battery may be an open circuit voltage of the secondary battery.
  • the charging state-voltage data is not only changed depending on the type or capacity of the secondary battery to be applied, but also degenerates due to use even when the type or capacity of the secondary battery is specified.
  • the state of charge-voltage data depends on the degree of degeneration of each of the positive electrode and the negative electrode of the secondary battery, the capacity design, and the type of the active material.
  • the conventional diagnosis technology of the secondary battery using the state of charge-voltage data diagnoses only the deterioration degree of the secondary battery, and there is a problem that it is impossible to diagnose the active material area, the discharge depth, and the charge depth of the secondary battery.
  • the present invention provides a battery diagnostic apparatus and method for diagnosing a change in at least one of an active material area, a discharge depth, and a charge depth of a battery based on a change in size of a section of a predetermined charging state section calculated according to a state of a battery. There is this.
  • Battery diagnostic apparatus includes a sensing unit for measuring the current and voltage of the battery; And estimating the state of charge of the battery based on the current measured by the sensing unit, and a plurality of conditions according to a predetermined condition from the state of charge-voltage data in which the voltage measured by the sensing unit and the estimated state of charge are mapped to each other.
  • Selects a charging state of the battery divides the preset charging state section into a plurality of sub-sections based on the selected size of the plurality of charging states, and based on the size of each of the divided plurality of sub-sections and the size of the preset reference section
  • the size of the sub-section is calculated for each of the plurality of sub-sections, and a change in one or more of the active material area, the discharge depth, and the charging depth of the battery is diagnosed according to the calculated change value for each of the sub-sections, based on the diagnosis result. It may be configured to include a processor configured to determine the mode of the battery as a normal mode or a failure mode.
  • the processor acquires a charge state-voltage curve from the charge state-voltage data, extracts a plurality of inflection points from the obtained state of charge-voltage curve, and selects some inflection points selected according to the predetermined condition among the extracted plurality of inflection points. It can be configured to select the state of charge in.
  • the processor may select a charging state having the smallest size as the first charging state from among the plurality of selected charging states, select the charging state having the largest size as the second charging state, and in the preset charging state section.
  • the preset charging state section may be divided into a first sub-section, a second sub-section, and a third sub-section based on a point corresponding to a first charging state and a second charging state.
  • the processor may be further configured to calculate a second interval change value based on a difference between the size of the second subsection among the preset reference intervals and the size of the second reference interval among the preset reference intervals, and calculate the calculated second interval change value.
  • a second interval change value based on a difference between the size of the second subsection among the preset reference intervals and the size of the second reference interval among the preset reference intervals, and calculate the calculated second interval change value.
  • the processor may be further configured to calculate a second interval change value based on a difference between the size of the second subsection among the preset reference intervals and the size of the second reference interval among the preset reference intervals, and calculate the calculated second interval change value.
  • the processor may be further configured to calculate a second interval change value based on a difference between the size of the second subsection among the preset reference intervals and the size of the second reference interval among the preset reference intervals, and calculate the calculated second interval change value.
  • the processor may be configured to diagnose a change in the active material area of the battery according to the second interval change value calculated according to the following equation,
  • Qvp-p is the change value of the second section
  • Qp-p is the size of the second sub-section
  • Qrp-p is the size of the second reference section.
  • the processor diagnoses a change in the active material area of the battery according to a section to which the calculated second section change value belongs among a predetermined range of predetermined active material area changes, and when the active material area is diagnosed to change, And determine the mode of the battery as the failure mode.
  • the processor calculates a first interval change value based on the size of the first sub interval, the size of the first reference interval among the preset reference intervals, and the calculated second interval change value, and calculates the calculated first interval interval.
  • the battery may be configured to diagnose a change in the depth of discharge of the battery according to the interval change value.
  • the processor may be configured to diagnose a change in the depth of discharge of the battery according to the first interval change value calculated according to the following equation,
  • Qveod is the first interval change value
  • Qeod is the size of the first subsection
  • Qreod is the size of the first reference interval
  • Qvp-p is the second interval change value
  • the processor diagnoses a change in the discharge depth of the battery according to a section to which the calculated first interval change value belongs among a predetermined discharge depth change range, and when it is diagnosed that the discharge depth has changed, And determine the mode of the battery as the failure mode.
  • the processor may be further configured to calculate a third interval change value based on the size of the third subsection, the size of the third reference interval among the preset reference intervals, and the calculated second interval change value.
  • the battery may be configured to diagnose a change in the depth of charge of the battery according to the interval change value.
  • the processor may be configured to diagnose a change in the depth of charge of the battery according to the third interval change value calculated according to the following equation,
  • Qveoc is the third interval change value
  • Qeoc is the size of the third subsection
  • Qreoc is the size of the third reference interval
  • Qvp-p is the second interval change value
  • the processor diagnoses a change in the depth of charge of the battery according to a section to which the calculated third interval change value belongs among a predetermined range of predetermined charge depth changes, and when it is diagnosed that the charge depth has changed, And determine the mode of the battery as the failure mode.
  • the battery management apparatus may include a battery diagnostic apparatus according to an aspect of the present invention.
  • the battery pack according to another aspect of the present invention may include a battery diagnostic apparatus according to an aspect of the present invention.
  • a battery diagnostic method includes: a charging state estimating step of measuring a current and a voltage of a battery and estimating a state of charge of the battery based on the measured current; A charge state selection step of selecting a plurality of charge states according to a predetermined condition from charge state-voltage data in which the measured voltage and the estimated charge state are mapped to each other; A sub-section partitioning step of dividing a preset charging state section into a plurality of sub-sections based on the selected plurality of charge state sizes; Calculating a size of the sub-section for each of the plurality of sub-sections based on the size of each of the divided sub-sections and the size of a predetermined reference section; A diagnosis step of diagnosing a change in at least one of an active material area, a discharge depth, and a charge depth of the battery according to the calculated sub-sections for each sub-section; And a mode determination step of determining a failure mode of the battery based on a diagnosis result in the
  • a change in the charge state section is determined based on the state of charge and voltage of the battery, and the change in one or more of the active material area, the discharge depth, and the charge depth of the battery may be diagnosed through the change in the determined interval. There is this.
  • the present invention by diagnosing a change in at least one or more of the active material area, the discharge depth, and the charge depth of the battery, there is an advantage in which the mode of the battery is included in the normal mode or the failure mode.
  • the cause of degradation of each battery is specifically diagnosed, and there is an advantage in that the modes of the battery can be classified into a normal mode or a failure mode.
  • FIG. 1 is a view showing the configuration of a battery diagnostic apparatus according to an embodiment of the present invention.
  • FIG. 2 is a graph of a voltage of a battery according to a state of charge of the battery.
  • 3 and 4 are graphs of voltage differentials of a battery according to a state of charge of the battery before and after smoothing.
  • FIG. 5 illustrates a process of selecting, by a processor, a first charging state and a second charging state, and calculating a size of a first sub-interval, a size of a second sub-interval, and a size of a third sub-interval according to the present invention.
  • FIG. 6 is a diagram illustrating an example of a process of diagnosing a battery by a processor according to another exemplary embodiment of the present invention.
  • FIG. 7 is a diagram for describing another example of a process of diagnosing a battery by a processor according to another embodiment of the present invention.
  • FIG. 8 is a flow chart schematically showing a battery diagnostic method according to another embodiment of the present invention.
  • processor> means a unit for processing at least one function or operation, which may be implemented in hardware or software, or a combination of hardware and software.
  • FIG. 1 is a view showing the configuration of a battery diagnostic apparatus according to an embodiment of the present invention
  • Figure 2 is a voltage graph of the battery according to the state of charge of the battery
  • Figures 3 and 4 before and after smoothing, the state of charge of the battery
  • the voltage differential graph of the battery according to FIG. 5 illustrates a process of selecting a first charging state and a second charging state, and calculating the size of the first sub-section, the size of the second sub-section, and the size of the third sub-section. It is a figure for demonstrating.
  • a battery diagnostic apparatus 100 is included in a battery pack 1 including a battery B, and is connected to a battery B so that the battery B is connected. It is possible to diagnose a change in one or more of the active material area, the depth of discharge, and the depth of charge.
  • the active material area, the discharge depth, and the charge depth of the battery B may be the active material area, the discharge depth, and the charge depth of the electrode of the battery B.
  • the battery diagnostic apparatus 100 may be included in a battery management device (BMS) provided in the battery pack (1).
  • BMS battery management device
  • the battery diagnosis apparatus 100 may include a sensing unit 110, a memory unit 120, a processor 130, and a notification unit 140.
  • the battery B is a minimum unit battery in which a change in one or more of an active material area, a discharge depth, and a charge depth is diagnosed, and includes a plurality of unit cells electrically connected in series and / or in parallel.
  • the case in which the battery B includes only one unit cell is also included in the scope of the present invention.
  • the unit cell is not particularly limited as long as it can repeatedly charge and discharge.
  • the unit cell may be a pouch type lithium polymer battery.
  • the battery B may be electrically coupled to various external devices through external terminals.
  • the external device may be, for example, an electric vehicle, a hybrid vehicle, an unmanned aerial vehicle such as a drone, a large-capacity power storage device (ESS) included in a power grid, or a mobile device.
  • the battery B may include some or all of the unit cells included in the modular battery pack mounted in the external device.
  • the external terminal of the battery B may be selectively coupled with the charging device.
  • the charging device may be selectively coupled to the battery B under the control of an external device on which the battery B is mounted.
  • the sensing unit 110 is operably coupled with the processor 130. That is, the sensing unit 110 may be connected to the processor 130 to transmit an electrical signal to the processor 130 or to receive the electrical signal from the processor 130.
  • the sensing unit 110 repeatedly measures the voltage applied between the positive electrode and the negative electrode of the battery B and the current flowing into or out of the battery B at predetermined intervals, and displays the measured voltage and current.
  • the signal may be provided to the processor 130.
  • the sensing unit 110 includes a current sensor configured to measure the current of the battery B.
  • the sensing unit 110 may further include a voltage sensor configured to measure the voltage of the battery B.
  • the current sensor may be connected to both ends of a sense resistor circuitry connected to the battery B. That is, the current sensor may measure the potential difference between both ends of the sense resistor, and measure the current of the battery B based on the measured potential difference and the resistance value of the sense resistor.
  • the processor 130 may determine a digital value of each of the voltage and current of the battery B through signal processing and store the digital value in the memory unit 120.
  • the memory unit 120 is a semiconductor memory device that records, erases, and updates data generated by the processor 130, and diagnoses a change in one or more of an active material area, a discharge depth, and a charge depth of a battery B. Stores a plurality of program codes prepared for. In addition, the memory unit 120 may store preset values of various predetermined parameters used when implementing the present invention.
  • the memory unit 120 is not particularly limited as long as it is a semiconductor memory device known to be capable of writing, erasing, and updating data.
  • the memory unit 120 may be a DRAM, an SDRAM, a flash memory, a ROM, an EEPROM, a register, or the like.
  • the memory unit 120 may further include a storage medium storing program codes defining control logic of the processor 130.
  • the storage medium includes an inert storage element such as a flash memory or a hard disk.
  • the memory unit 120 may be physically separated from the processor 130 or may be integrated with the processor 130.
  • the processor 130 controls the current of the battery B so that the battery B is charged by inputting a current of a preset charging current value to the battery B, and based on the current input to the battery B The state of charge of (B) can be estimated.
  • the preset charging current value may be calculated using Equation 1 below.
  • Ic may be a preset charging current value
  • ⁇ may be a constant of 1 or less
  • Cn may be a rated current of the battery.
  • the processor 130 may estimate the state of charge of the battery B that is charged by inputting a current having a charge current value equal to or less than the current value of the rated current.
  • the state of charge of the battery B may be a ratio of the charged capacity to the total capacity of the battery B.
  • the processor 130 may estimate the state of charge of the battery B by using a current integration method that integrates the current value of the current input to the battery B. That is, the processor 130 may estimate the state of charge of the battery based on the current measured by the sensing unit 110.
  • the processor 130 may estimate the state of charge of the battery B to which a current of a preset charging current value is input. Note that one estimation method is not limited.
  • the processor 130 may generate the charging state-voltage data of the battery B by mapping the voltage of the battery B according to the estimated charging state of the battery B. That is, the processor 130 may generate charge state-voltage data of the battery B by mapping the voltage measured by the sensing unit 120 and the estimated state of charge of the battery B to each other.
  • the voltage of the battery B may be an open circuit voltage of the battery B.
  • the charging state-voltage data of the battery B may be represented by a voltage curve of the battery B according to the charging state of the battery B, as shown in FIG. 2.
  • the memory unit 120 approximates the charging state-voltage data of the battery B to an approximation function approximated by the voltage curve of the battery B according to the charging state of the battery B and for each state of charge of the battery B.
  • the voltage of the battery B may be stored in one or more forms of the mapped lookup table.
  • the processor 130 may select a plurality of charging states according to a predetermined condition from the charging state-voltage data.
  • the processor 130 may select a plurality of inflection points from the charging state-voltage data, and select a charging state corresponding to each of the selected plurality of inflection points.
  • the processor 130 may select a plurality of inflection points in the state of charge-voltage curve expressed based on the state of charge-voltage data of the battery B.
  • FIG. Specifically, referring to FIG. 4, the processor 130 may select a1 to a7 as an inflection point.
  • the processor 130 may change the voltage of the battery B and the voltage of the battery B at an inflection point based on the charge state-voltage data. Can be detected.
  • the processor 130 changes the voltage of the battery B at a point where the change in voltage of the battery B decreases due to the minute change in the charging state based on the charge state-voltage data, and increases the voltage of the battery B at the inflection point. Can be detected.
  • the processor 130 uses the charging state of the approximation function corresponding to the charging state-voltage data of the battery B as “0” and the voltage of the battery B corresponding to the charging state as the inflection point. Can be detected.
  • the processor 130 may calculate a daily derivative by differentiating an approximation function corresponding to the charge state-voltage data of the battery B, as shown in FIG. 3.
  • the processor 130 may remove a noise component by smoothing a linear derivative of an approximation function corresponding to the state of charge-voltage data of the battery B.
  • the processor 130 may smooth the daily derivative of the approximation function corresponding to the charge state-voltage data of the battery B using a noise filter.
  • the processor 130 may improve the accuracy of the inflection point detection by preventing the inflection point from being falsely detected due to the noise component.
  • the processor 130 calculates the second derivative by differentiating the first derivative of the smoothed approximation function, and calculates the charge state of which the function value of the calculated second derivative is "0" and the battery B corresponding to the corresponding charging state.
  • the voltage can be detected as an inflection point.
  • the processor 130 may detect seven inflection points a1 to a7.
  • the state of charge (X-axis value) corresponding to the seven inflection points a1 to a7 is "7.2%”, “13.6%”, “19.1%”, “21.2%”, “35.3%”, and “56.8%", respectively.
  • the processor 130 may divide the predetermined charging state section into a plurality of sub-sections based on the selected size of the plurality of charging states. In detail, the processor 130 may select the first charging state having the smallest size and the second charging state having the largest size among the plurality of selected charging states. The processor 130 may divide the preset charging state section into a plurality of sub-sections based on a point corresponding to the first charging state and the second charging state selected in the preset charging state section.
  • the processor 130 divides the section between the minimum value and the first charging state into the first sub-section in the preset charging state section, and divides the section between the first charging state and the second charging state into the second sub-section.
  • the section between the second state of charge and the maximum value may be divided into a third sub section.
  • the range of the preset charging state section may be limited to the minimum value or the maximum value of the charging state estimated by the processor 130.
  • the range of the preset charging state section may be defined as “0%” to “100%”. Accordingly, the minimum value of the charging state section may be “0%”, and the maximum value of the charging state section may be “100%”.
  • the processor 130 may be charged state "7.2%”, “13.6%”, “19.1%”, "corresponding to each of the seven inflection points a1 to a7 detected. 21.2% “,” 35.3% “,” 56.8% “and” 60.0% “can select the smallest charge state” 7.2% “as the first charge state (Q1), and remove the largest charge state” 60.0% “ 2 can be selected as the charging state (Q2).
  • the processor 130 divides the section “0%” to “7.2%” into the first sub section, the section “7.2%” to “60.0%” into the second sub section, and “60.0%”.
  • To “100%” section may be divided into a third sub section.
  • the processor 130 may calculate a difference value “7.2%” between the minimum value “0%” of the charging state section and the “7.2%” of the first charging state Q1 as the size Qeod of the first sub-section. .
  • the processor 130 may determine the difference value “52.8%” between the first charge state Q1 “7.2%” and the second charge state Q2 “60.0%” in the size of the second sub-interval Qp-p. It can be calculated as
  • the processor 130 may calculate the difference value “40.0%” between the second charge state Q2 “60.0%” and the maximum value “100%” of the charge state section as the size Qeoc of the third sub-section. Can be.
  • the processor 130 may calculate a section change rate for each sub section based on the calculated sizes of the first to third sub sections and a preset reference section size.
  • the processor 130 may calculate a change value of the second section using the size of the second sub-section and the size of the second reference section.
  • the processor 130 may calculate the first interval change value using the size of the first subsection, the size of the first reference section, and the second interval change value.
  • the processor 130 may calculate the third interval change value by using the size of the third subsection, the size of the third reference section, and the second interval change value.
  • the processor 130 may calculate a second interval change value using Equation 2 below.
  • Qvp-p is the change value of the second section
  • Qrp-p is the size of the second reference section
  • Qp-p is the size of the second sub-section.
  • the processor 130 may calculate "-15.12%" as the second interval change value Qvp-p.
  • the processor 130 may calculate the first interval change value using the size of the first subsection, the size of the first reference section, and the second interval change value. In detail, the processor 130 may calculate the first interval change value by using Equation 3 below.
  • Qveod is the first interval change value
  • Qreod is the size of the first reference interval
  • Qeod is the size of the first subsection
  • Qvp-p is the second interval change value
  • the size Qreod of the first reference section is "14%”
  • the size Qeod of the first sub-section is "14.5%”
  • the second section change value Qvp-p is "-15.12%”.
  • the processor 130 may calculate a ratio of the difference between the size of the first sub-section and the size of the first reference section with respect to the size of the first reference section by using Equation 3. That is, the processor 130 may calculate "3.57%” from the result of calculating "(14.5% -14%) / 14% x 100".
  • the processor 130 may calculate the first interval change value based on a difference between the calculated result and the second interval change value.
  • the processor 130 may calculate the first interval change value Qveod “18.69%” from the result of calculating “3.57%-(-15.12%)”.
  • the processor 130 may calculate the third interval change value using the size of the third reference interval, the size of the third subsection, and the second interval change value.
  • the processor 103 may calculate a third interval change value using Equation 4 below.
  • Qveoc is the third interval change value
  • Qreoc is the size of the third reference interval
  • Qeoc is the size of the third subsection
  • Qvp-p is the second interval change value
  • the size Qreoc of the third reference section is “43%”
  • the size Qeoc of the third sub section is “39%”
  • the second section change value Qvp-p is “-15.12%”.
  • the processor 130 may first calculate a ratio of the difference between the size of the third sub-section and the size of the third reference section with respect to the size of the third reference section using Equation 4. That is, the processor 130 may calculate "-9.3%” from the result of calculating "(39% -43%) / 43% x 100".
  • the processor 130 may calculate the third interval change value based on a difference between the calculated result and the second interval change value.
  • the processor 130 may calculate the third interval change value "5.82%" from the result of calculating "-9.3%-(-15.12%)".
  • the processor 130 may diagnose a change in one or more of an active material area, a discharge depth, and a charge depth of the battery B according to the calculated change value for each sub-section.
  • the processor 130 may diagnose a change in the depth of discharge of the battery B according to a section to which the first interval change value calculated among the predetermined ranges of discharge depth changes belongs. In addition, the processor 130 may diagnose a change in the active material area of the battery B according to a section to which the second interval change value calculated from among predetermined predetermined active material area change ranges belongs. In addition, the processor 130 may diagnose a change in the depth of charge of the battery B according to a section to which the third section change value calculated from among a predetermined range of predetermined charge depth changes belongs.
  • the predetermined predetermined discharge depth change range, active material area change range, and charge depth change range may all be pre-divided into “less than 10%”, “-10% or more and 10% or less", and “greater than 10%” ranges. have.
  • the first section change value is calculated to be “18.69%”
  • the second section change value is calculated to be “-15.12%”
  • the third section change value is calculated to be "5.82%”.
  • the processor 130 may diagnose that the discharge depth of the battery B is increased.
  • the second interval change value "-15.12%” belongs to the range of "less than -10%" of the predetermined range of the active material area change
  • the processor 130 may diagnose that the active material area of the battery B is reduced. have.
  • the processor 130 may determine that the charge depth of the battery B is in the BOL state. It can be diagnosed as the same as the charge depth of the battery (B).
  • the processor 130 may be configured to diagnose a change in at least one of the active material area, the discharge depth, and the charge depth of the battery B, and then determine the mode of the battery B as a normal mode or a failure mode based on the diagnosis result. have.
  • the processor 130 may determine the battery mode as the failure mode. Specifically, when any one of the active material area, the discharge depth, and the charge depth of the battery B does not belong to the “-10% or more and 10% or less” section, the processor 130 sets the mode of the battery B to the failure mode. You can judge.
  • the processor 130 may increase the discharge depth of the battery B, decrease the change in the active material area, and determine that the charge depth is the same as the BOL state. Since the change in the active material area of B) is decreased and the discharge depth is increased, the battery mode may be determined as a failure mode, that is, the processor 130 may change the active material area and the discharge depth in relation to the degeneration of the battery B. And if any one of the charge depth changes is increased or decreased from the BOL state, the mode of the battery B may be determined as a failure mode.
  • the processor 130 may set the mode of the battery B to the determined mode. For example, when the mode of the battery B is determined as the failure mode, the processor 130 may set the mode of the battery B to the failure mode. In contrast, when it is determined that the mode of the battery B is the normal mode, the processor 130 may set the mode of the battery B to the normal mode.
  • the battery diagnosis apparatus accurately diagnoses the cause of degeneration of the battery, and determines the battery mode as either a normal mode or a failure mode according to the cause of the degeneration.
  • the battery diagnosis apparatus determines that any one of the active material area change, the discharge depth change, and the charge depth change is increased or decreased from the BOL state, the battery diagnosis device determines that the battery mode is a failure mode, and the battery such as over discharge or over charge is deteriorated.
  • FIG. 6 is a diagram illustrating an example of a process of diagnosing a battery by the processor 130 according to another exemplary embodiment of the present invention.
  • the size Qeod of the first sub-section, the size Qp-p of the second sub-section, and the size Qeoc of the third sub-section shown in FIG. 6 are shown above based on the axis (charge state). Note that the magnitude of the state of charge of the battery B in the BOL state is shown below on the basis of the axis (charge state).
  • the processor 130 may determine the size of the first sub-interval Qeod. ), The size Qp-p of the second sub-section and the size Qeoc of the third sub-section may be calculated as "14.5%”, “36.5%” and "39%”, respectively.
  • the processor 130 may calculate the first interval change value, the second interval change value, and the third interval change value as "18.69%", “-15.12%”, and "5.82%", respectively.
  • the processor 130 may calculate “(36.5% -43%) ⁇ 43% ⁇ 100” using Equation 3 to calculate the second interval change value as “-15.12%”.
  • the processor 130 calculates " ⁇ (14.5% -14%) ⁇ 14% x 100 ⁇ -(-15.12%)” using Equation 2, and changes the first interval change value to "18.69%”. Can be calculated.
  • the processor 130 calculates “ ⁇ (39% -43%) ⁇ 43 ⁇ 100 ⁇ -(-15.12%)” using Equation 4 to calculate the third interval change value as “5.82%”. can do.
  • the processor 130 may diagnose a change in the depth of discharge of the battery B according to a section in which the first section change value “18.69%” belongs to a predetermined range of the change in the depth of discharge.
  • the predetermined discharge depth change range may include a first reference change rate range, a second reference change rate range, and a third reference change rate range.
  • the first reference change rate range is in the range of "less than -10%”
  • the second reference change rate range is in the range of "-10% or more and 10% or less”
  • the third reference change rate range is in the range of "greater than 10%”. Can be.
  • the processor 130 may determine that the first interval change value “18.69%” is included in the third reference change rate range in the range of “greater than 10%,” and may diagnose that the discharge depth of the battery B is increased.
  • the processor 130 may diagnose a change in the active material area of the battery B according to a section in which the second section change value “-15.12%” belongs to the predetermined range of the active material area change.
  • the predetermined range of active material area change may include a fourth reference change rate range, a fifth reference change rate range, and a sixth reference change rate range.
  • the fourth reference change rate range is in the range of "less than 10%”
  • the fifth reference change rate range is in the range of "-10% or more and 10% or less”
  • the sixth reference change rate range is in the range of "greater than 10%”. Can be.
  • the processor 130 may determine that the second interval change value "-15.12%” is included in the fourth reference change rate range of "less than -10%", and diagnose that the active material area of the battery B is reduced. have.
  • the processor 130 may diagnose a change in the depth of charge of the battery B according to a section to which the third section change value “5.82%” belongs among the preset predetermined depth ranges of charge.
  • the predetermined filling depth change range may include a seventh reference change rate range, an eighth reference change rate range, and a ninth reference change rate range.
  • the seventh reference change rate range is in the range of "less than -10%”
  • the eighth reference change rate range is in the range of "-10% or more and 10% or less”
  • the ninth reference change rate range is in the range of "greater than 10%”. Can be.
  • the processor 130 determines that the third interval change value "5.82%" is included in the eighth reference change rate range of "-10% or more and 10% or less", and the charge depth of the battery B is determined to be in the BOL state. It can be diagnosed as the same as the battery B. That is, the processor 130 may diagnose that the charging depth of the battery B is the same as the charging depth of the battery B in the BOL state. That is, the processor 130 may diagnose that the charging depth of the battery B does not change from the charging depth of the battery B in the BOL state.
  • the processor 130 diagnosed that the depth of charge of the battery B did not change from the depth of charge in the BOL state, but diagnosed that the depth of discharge increased, and diagnosed that the active material area decreased, and thus failed the mode of the battery B.
  • the mode can be determined. That is, since it is diagnosed that the discharge depth and the active material area have changed, the processor 130 may determine the mode of the battery B as the failure mode.
  • the battery diagnosis apparatus may diagnose a change in an internal factor that changes as the battery B degenerates, and determine the battery state as a normal mode or a failure mode according to the diagnosis result. have. Therefore, the battery B is operated according to the determined mode, so that unexpected problems such as overcharge and overdischarge may occur.
  • FIG. 7 is a diagram for describing another example of a process of diagnosing a battery by the processor 130 according to another exemplary embodiment of the present invention.
  • the size Qeod of the first sub-section, the size Qp-p of the second sub-section, and the size Qeoc of the third sub-section shown in FIG. 7 are shown upward on the basis of the axis (charge state). Note that the magnitude of the state of charge of the battery B in the BOL state is shown below on the basis of the axis (charge state).
  • the processor 130 has a minimum value of “0%” and a maximum value of “90%” of a state of charge according to the measured state of charge-voltage data of the battery B.
  • FIG. Assume that the selected first state of charge Q1 and second state of charge Q2 are "14%" and "56%", respectively.
  • the processor 130 may set the size Qeod of the first sub-interval, the size Qp-p of the second sub-interval, and the size Qeoc of the third sub-interval “14%”, “42%”, and “34, respectively. % ".
  • the processor In operation 130, the first interval change value, the second interval change value, and the third interval change value may be calculated as "2.33%", “-2.33%", and "-18.60%".
  • the processor 130 may calculate “(42% -43%) ⁇ 43% ⁇ 100” by using Equation 3 to calculate the second interval change value as “-2.33%”.
  • the processor 130 calculates " ⁇ (14% -14%) ⁇ 14% x 100 ⁇ -(-2.33%)” by using Equation 2, and changes the first interval change value to "2.33%”. Can be calculated.
  • the processor 130 calculates “ ⁇ (34% -43%) ⁇ 43 ⁇ 100 ⁇ -(-2.33%)” using Equation 4 to calculate the third section change value as “18.60%”. can do.
  • the processor 130 may diagnose a change in the depth of discharge of the battery B according to a section to which the first section change value “2.33%” belongs among the predetermined ranges of change in the depth of discharge.
  • the processor 130 determines that the first interval change value "2.33%” is within the second reference change rate range of "-10% or more and 10% or less", and the discharge depth of the battery B is determined to be in the BOL state. It can be diagnosed as the same as the discharge depth of the battery (B).
  • the processor 130 may diagnose a change in the active material area of the battery B according to a section to which the second section change value “ ⁇ 2.33%” belongs to a predetermined range of the active material area change.
  • the processor 130 determines that the second interval change value "-2.33%” is included in the fifth reference change rate range of "-10% or more and 10% or less", and the active material area of the battery B is in the BOL state. It can be diagnosed that it is the same as the active material area of the battery (B).
  • the processor 130 may diagnose a change in the depth of charge of the battery B according to a section to which the third section change value “-18.60%” belongs among the preset predetermined depth ranges of charge.
  • the processor 130 determines that the third interval change value "-18.60%” is within the seventh reference change rate range of "less than -10%", and the charge depth of the battery B is determined by using the battery ( It can be diagnosed as being less than the depth of charge of B).
  • the processor 130 diagnoses that the discharge depth and the active material area of the battery B have not changed, the processor 130 diagnoses that the charge depth is reduced, and thus, the mode of the battery B may be determined as a failure mode.
  • the cause of the decrease in the maximum value of the charging state section of the battery (B) has the advantage that can be accurately diagnosed through the change of the active material area, the discharge depth and the charging depth of the battery (B).
  • the processor 130 may transmit a message indicating a diagnosis result to an external device through the communication terminal COM.
  • the processor 130 may optionally include application-specific integrated circuits (ASICs), other chipsets, logic circuits, registers, communication modems, data processing devices, and the like, which are known in the art to execute various control logics. At least one of various control logics that may be executed by the processor 130 may be combined, and the combined control logics may be written in a computer readable code system and stored in a computer readable recording medium.
  • the recording medium is not particularly limited as long as it is accessible by the processor 130 included in the computer.
  • the recording medium includes at least one selected from the group consisting of a ROM, a RAM, a register, a CD-ROM, a magnetic tape, a hard disk, a floppy disk, and an optical data recording device.
  • code scheme may be modulated into a carrier signal to be included in a communication carrier at a particular point in time, and distributed and stored and executed in a networked computer.
  • functional programs, code and code segments for implementing the combined control logics can be easily inferred by programmers in the art to which the present invention pertains.
  • the notification unit 140 may receive the diagnosis result of the processor 130 and output it to the outside. More specifically, the notification unit 140 may include one or more of a display unit for displaying the above-described diagnosis result using one or more of symbols, numbers, and codes, and a speaker device for outputting sound.
  • the battery management apparatus may include the battery diagnosis apparatus 100 described above. Through this, it is possible to diagnose a change in one or more of the active material area, the discharge depth, and the charge depth of the battery managed by the battery management apparatus.
  • FIG. 8 is a flowchart briefly illustrating a battery diagnostic method according to another exemplary embodiment of the present invention.
  • a battery diagnosis method according to an embodiment of the present invention will be described with reference to FIG. 8.
  • the battery diagnosis method is a step of operating in the battery diagnostic apparatus, the charging state estimation step (S100), the charging state selection step (S200), the sub-section partition step (S300), the section change value calculation step (S400), the diagnostic step (S500). And the determination step (S600).
  • the current and voltage of the battery B are measured, and the charging state of the battery B is estimated based on the measured current.
  • the processor 130 may estimate the state of charge of the battery B based on the current of the battery B measured by the sensing unit 120.
  • the sensing unit 120 may measure the voltage and current of the battery B, and transmit the measured voltage value and the current value to the processor 130.
  • the processor 130 may receive a voltage value and a current value from the sensing unit 120 and estimate the state of charge of the battery B based on the received current value.
  • the charging state selecting step S200 is a step of selecting a plurality of charging states according to a predetermined condition from the charging state-voltage data in which the measured voltage and the estimated charging state are mapped to each other. That is, the charge state selection step S200 may be performed by the processor 130 as a step of selecting a plurality of charge states satisfying a predetermined condition among the estimated charge states of the battery B.
  • the processor 130 may obtain charge state-voltage data obtained by mapping the voltage value received from the sensing unit 120 and the estimated charge state to each other, and extract a plurality of inflection points from the obtained charge state-voltage data. Thereafter, the processor 130 may select the state of charge of the plurality of inflection points that satisfy a predetermined condition among the extracted plurality of inflection points.
  • the processor 130 may select a first inflection point having the smallest charge state and a second inflection point having the largest charge state among the plurality of extracted inflection points.
  • the processor 130 may select a first charging state of the first inflection point and a second charging state of the second inflection point.
  • the sub section partitioning step S300 is a step of partitioning a predetermined charging state section into a plurality of sub sections based on the sizes of the selected plurality of charging states. That is, the sub-section partitioning step S300 is a step of partitioning the predetermined charging state section into a plurality of sub-sections based on the selected first and second charging states, and may be performed by the processor 130. .
  • the processor 130 may divide the preset charging state section into a first sub section, a second sub section, and a third sub section. For example, the processor 130 divides the section from the minimum value of the preset charging state section to the first charging state into the first sub section, and divides the section from the first charging state to the second charging state into the second sub section.
  • the second sub-section to the maximum value of the preset charging state section may be divided into a third sub-section.
  • the minimum value and the maximum value of the preset charging state section may vary depending on the degree of degeneration of the battery B.
  • the section change value calculating step (S400) is a step of calculating a section change value for each of the plurality of sub sections based on the size of each of the divided plurality of sub sections and a preset reference section size, and may be performed by the processor 130. have.
  • the processor 130 may calculate the size of each of the divided sub-sections. For example, it is assumed that the minimum value of the preset charging state section is "0%”, the maximum value is "90%", the first charging state is "14%", and the second charging state is "56%”. The processor 130 may calculate the size of the first sub-section as "14%”, calculate the size of the second sub-section as "42%", and calculate the size of the third sub-section as "34%". have.
  • the processor 130 may calculate a section change value for each sub section based on a preset reference section size and the calculated sub section size. At this time, the processor 130 calculates the change value of the second section of the second sub-section by using Equation 3, and calculates the change value of the first section of the first sub-section by using Equation 2, A change value of the third section of the third sub section may be calculated using Equation 4 above.
  • the diagnosis step S500 is a step of diagnosing a change in at least one of an active material area, a discharge depth, and a charge depth of the battery B according to the calculated sub-sections of the sub-sections.
  • the diagnosis step S500 may be performed by the processor 130.
  • the processor 130 compares the calculated first interval change value, the second interval change value, and the third interval change value with a preset range, and according to the comparison result, the discharge depth change of the battery B, the change in the active material area, and the like.
  • the charge depth change can be diagnosed.
  • the processor 130 may diagnose a change in the depth of discharge of the battery B according to a section in which the calculated first period change value belongs to a preset discharge depth change range. In addition, the processor 130 may diagnose a change in the active material area of the battery B according to a section in which the calculated second interval change value belongs to a preset active material area change range. In addition, the processor 130 may diagnose a change in the depth of charge of the battery B according to a section in which the calculated third period change value belongs to a preset charge depth change range.
  • the determination step S600 is a step of determining the mode of the battery B as a normal mode or a failure mode based on the diagnosis result, and may be performed by the processor 130.
  • the processor 130 may determine the mode of the battery B as a failure mode.
  • the processor 130 diagnoses that at least one of the depth of discharge, the active material area, and the depth of charge of the battery B is increased or decreased than the BOL state
  • the processor 130 may determine the mode of the battery B as a failure mode. . That is, when the discharge depth of the battery B, the active material area, and the charge depth are diagnosed, the processor 130 increases or decreases the discharge depth of the battery B in the BOL state when the discharge depth of the battery B is increased or decreased.
  • the mode of the battery B may be determined as a failure mode.
  • the processor 130 diagnoses that any one of the depth of discharge, the active material area change, and the depth of charge of the battery B is increased or decreased than the battery B in the BOL state, the processor 130 changes the mode of the battery B to the failure mode. By judging, it is possible to prevent problems that may occur unexpectedly the battery (B).

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Manufacturing & Machinery (AREA)
  • Chemical & Material Sciences (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Electrochemistry (AREA)
  • General Chemical & Material Sciences (AREA)
  • Power Engineering (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Energy (AREA)
  • Sustainable Development (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Secondary Cells (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)
  • Tests Of Electric Status Of Batteries (AREA)

Abstract

본 발명에 따른 배터리 진단 장치는 배터리의 전류 및 전압을 측정하는 센싱부; 및 상기 센싱부에 의해 측정된 전류에 기반하여 상기 배터리의 충전 상태를 추정하고, 상기 센싱부에 의해 측정된 전압과 추정된 충전 상태가 서로 맵핑된 충전 상태-전압 데이터로부터 소정의 조건에 따라 복수의 충전 상태를 선택하고, 선택된 복수의 충전 상태의 크기에 기반하여 기설정된 충전 상태 구간을 복수의 서브 구간으로 구획하고, 구획된 복수의 서브 구간 각각의 크기와 기설정된 기준 구간의 크기에 기반하여 상기 복수의 서브 구간별로 서브 구간의 크기를 산출하고, 산출된 복수의 서브 구간별 변화값에 따라 상기 배터리의 활물질 면적, 방전 심도 및 충전 심도 중 하나 이상의 변화를 진단하고, 진단 결과에 기반하여 상기 배터리의 모드를 정상 모드 또는 고장 모드로 판단하도록 구성된 프로세서를 포함한다.

Description

배터리 진단 장치 및 방법
본 출원은 2018년 04월 10일자로 출원된 한국 특허 출원번호 제10-2018-0041690호에 대한 우선권주장출원으로서, 해당 출원의 명세서 및 도면에 개시된 모든 내용은 인용에 의해 본 출원에 원용된다.
본 발명은 배터리 진단 장치 및 방법에 관한 것으로서, 보다 상세하게는, 배터리의 활물질 면적, 방전 심도 및 충전 심도 중 하나 이상의 변화를 진단하는 배터리 진단 장치 및 방법에 관한 것이다.
이차 전지는 전기화학적인 산화 및 환원 반응을 통해 전기 에너지를 생성하는 것으로, 광범위하게 다양한 용도로 이용된다. 예를 들어, 이차 전지는 휴대 전화, 랩탑 컴퓨터, 디지털 카메라, 비디오 카메라, 태블릿 컴퓨터, 전동 공구 등과 같이 사람의 손에 휴대할 수 있는 장치; 전기 자전거, 전기 오토바이, 전기 자동차, 하이브리드 자동차, 전기 배, 전기 비행기 등과 같은 각종 전기구동 동력 장치; 신재생 에너지를 통해 발전된 전력이나 잉여 발전 전력을 저장하는데 사용되는 전력 저장 장치; 서버 컴퓨터와 통신용 기지국을 비롯한 각종 정보 통신 장치에 전력을 안정적으로 공급하기 위한 무 정전 전원 공급 장치 등에 이르기까지 사용 영역이 점차 확대되고 있다.
이차 전지는, 3가지의 기본 구성요소를 포함하는데, 이는, 방전되는 동안 전자를 방출하면서 산화되는 물질을 포함하는 음극(anode), 방전되는 동안 전자를 수용하면서 환원되는 물질을 포함하는 양극(cathode), 그리고 음극과 양극 사이에서 이온 이동이 가능하게 하는 전해질이 바로 그것이다. 전지에는 방전된 후에는 재사용이 불가능한 일차 전지와, 전기화학 반응이 적어도 부분적으로는 가역적이어서 반복적인 충전과 방전이 가능한 이차 전지로 분류될 수 있다.
이 중, 이차 전지로는, 납-산 전지, 니켈-카드뮴 전지, 니켈-아연 전지, 니켈-철 전지, 은 산화물 전지, 니켈 금속 수화물(hydride) 전지, 아연-망간 산화물 전지, 아연-브로마이드 전지, 금속-공기 전지, 리튬 이차 전지 등이 공지되어 있다. 이들 중에서, 리튬 이차 전지는 다른 이차 전지에 비해 에너지 밀도가 높고 전지 전압이 높으며 보존 수명이 길다는 이유로 상업적으로 가장 큰 관심을 끌고 있다.
한편, 이차 전지가 적용되는 전자기기에는 이차 전지의 충전 상태(state of charge)를 통해 잔여 사용량을 알려주는 기능이 있는 것이 일반적인데, 이러한 이차 전지의 SOC는 통상적으로 이차 전지의 전압의 변화에 따른 충전 상태의 변화 양상에 관한 충전 상태-전압 데이터에 따라 얻어지게 된다. 여기서, 이차 전지의 전압은 이차 전지의 개방 전압(open circuit voltage)일 수 있다.
이러한 충전 상태-전압 데이터는 적용되는 해당 이차 전지의 종류나 용량 등에 따라 달라질 뿐만 아니라, 이차 전지의 종류나 용량 등이 특정된 경우에도 사용으로 인한 퇴화가 진행됨에 달라지게 된다.
보다 구체적으로, 충전 상태-전압 데이터는 이차 전지를 구성하는 양극 전극과 음극 전극 각각의 퇴화도, 용량 설계 및 활물질의 종류에 따라 달라지게 된다.
이러한, 충전 상태-전압 데이터를 이용한 종래의 이차 전지의 진단 기술은 해당 이차 전지의 퇴화도만을 진단할 뿐, 이차 전지의 활물질 면적, 방전 심도 및 충전 심도를 진단하는 것이 불가능한 문제점이 있다.
본 발명은 배터리의 상태에 따라 산출된 기설정된 충전 상태 구간의 구간별 크기 변화에 기반하여 배터리의 활물질 면적, 방전 심도 및 충전 심도 중 하나 이상의 변화를 진단하는 배터리 진단 장치 및 방법을 제공하는데 그 목적이 있다.
본 발명의 목적들은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 본 발명의 다른 목적 및 장점들은 하기의 설명에 의해서 이해될 수 있고, 본 발명의 실시예에 의해 보다 분명하게 이해될 것이다. 또한, 본 발명의 목적 및 장점들은 특허 청구 범위에 나타낸 수단 및 그 조합에 의해 실현될 수 있음을 쉽게 알 수 있을 것이다.
본 발명의 일 측면에 따른 배터리 진단 장치는 배터리의 전류 및 전압을 측정하는 센싱부; 및 상기 센싱부에 의해 측정된 전류에 기반하여 상기 배터리의 충전 상태를 추정하고, 상기 센싱부에 의해 측정된 전압과 추정된 충전 상태가 서로 맵핑된 충전 상태-전압 데이터로부터 소정의 조건에 따라 복수의 충전 상태를 선택하고, 선택된 복수의 충전 상태의 크기에 기반하여 기설정된 충전 상태 구간을 복수의 서브 구간으로 구획하고, 구획된 복수의 서브 구간 각각의 크기와 기설정된 기준 구간의 크기에 기반하여 상기 복수의 서브 구간별로 서브 구간의 크기를 산출하고, 산출된 복수의 서브 구간별 변화값에 따라 상기 배터리의 활물질 면적, 방전 심도 및 충전 심도 중 하나 이상의 변화를 진단하고, 진단 결과에 기반하여 상기 배터리의 모드를 정상 모드 또는 고장 모드로 판단하도록 구성된 프로세서를 포함하도록 구성될 수 있다.
상기 프로세서는, 상기 충전 상태-전압 데이터로부터 충전 상태-전압 곡선을 획득하고, 획득된 충전 상태-전압 곡선에서 복수의 변곡점을 추출하고, 추출된 복수의 변곡점 중 상기 소정의 조건에 따라 선택된 일부 변곡점에서의 충전 상태를 선택하도록 구성될 수 있다.
상기 프로세서는, 상기 선택된 복수의 충전 상태 중에서 크기가 가장 작은 충전 상태를 제1 충전 상태로 선택하고, 상기 크기가 가장 큰 충전 상태를 제2 충전 상태로 선택하고, 상기 기설정된 충전 상태 구간에서 상기 제1 충전 상태 및 제2 충전 상태에 대응되는 지점을 기준으로 상기 기설정된 충전 상태 구간을 제1 서브 구간, 제2 서브 구간 및 제3 서브 구간으로 구획하도록 구성될 수 있다.
상기 프로세서는, 상기 기설정된 기준 구간 중 제2 서브 구간의 크기와 상기 기설정된 기준 구간 중 제2 기준 구간의 크기 간의 차이에 기반하여 제2 구간 변화값을 산출하고, 산출된 제2 구간 변화값에 따라 상기 배터리의 활물질 면적의 변화를 진단하도록 구성될 수 있다.
상기 프로세서는, 아래의 수학식에 따라 계산된 제2 구간 변화값에 따라 상기 배터리의 활물질 면적의 변화를 진단하도록 구성될 수 있고,
Figure PCTKR2019004287-appb-img-000001
여기서, Qvp-p는 제2 구간 변화값이고, Qp-p는 제2 서브 구간의 크기이고, Qrp-p은 제2 기준 구간의 크기이다.
상기 프로세서는, 기설정된 소정의 활물질 면적 변화 범위 중 상기 산출된 제2 구간 변화값이 속하는 구간에 따라, 상기 배터리의 활물질 면적의 변화를 진단하고, 상기 활물질 면적이 변화한 것으로 진단된 경우에 상기 배터리의 모드를 고장 모드로 판단하도록 구성될 수 있다.
상기 프로세서는, 상기 제1 서브 구간의 크기, 상기 기설정된 기준 구간 중 제1 기준 구간의 크기 및 상기 산출된 제2 구간 변화값에 기반하여, 제1 구간 변화값을 산출하고, 산출된 제1 구간 변화값에 따라 상기 배터리의 방전 심도의 변화를 진단하도록 구성될 수 있다.
상기 프로세서는, 아래의 수학식에 따라 계산된 제1 구간 변화값에 따라 상기 배터리의 방전 심도의 변화를 진단하도록 구성될 수 있고,
Figure PCTKR2019004287-appb-img-000002
여기서, Qveod는 제1 구간 변화값이고, Qeod는 제1 서브 구간의 크기이고, Qreod는 제1 기준 구간의 크기이고, Qvp-p는 상기 제2 구간 변화값이다.
상기 프로세서는, 기설정된 소정의 방전 심도 변화 범위 중 상기 산출된 제1 구간 변화값이 속하는 구간에 따라, 상기 배터리의 방전 심도의 변화를 진단하고, 상기 방전 심도가 변화한 것으로 진단된 경우에 상기 배터리의 모드를 고장 모드로 판단하도록 구성될 수 있다.
상기 프로세서는, 상기 제3 서브 구간의 크기, 상기 기설정된 기준 구간 중 제3 기준 구간의 크기 및 상기 산출된 제2 구간 변화값에 기반하여, 제3 구간 변화값을 산출하고, 산출된 제3 구간 변화값에 따라 상기 배터리의 충전 심도의 변화를 진단하도록 구성될 수 있다.
상기 프로세서는, 아래의 수학식에 따라 계산된 제3 구간 변화값에 따라 상기 배터리의 충전 심도의 변화를 진단하도록 구성될 수 있고,
Figure PCTKR2019004287-appb-img-000003
여기서, Qveoc는 제3 구간 변화값이고, Qeoc는 제3 서브 구간의 크기이고, Qreoc는 제3 기준 구간의 크기이고, Qvp-p는 상기 제2 구간 변화값이다.
상기 프로세서는, 기설정된 소정의 충전 심도 변화 범위 중 상기 산출된 제3 구간 변화값이 속하는 구간에 따라, 상기 배터리의 충전 심도의 변화를 진단하고, 상기 충전 심도가 변화한 것으로 진단된 경우에 상기 배터리의 모드를 고장 모드로 판단하도록 구성될 수 있다.
본 발명의 다른 측면에 따른 배터리 관리 장치는 본 발명의 일 측면에 따른 배터리 진단 장치를 포함할 수 있다.
본 발명의 또 다른 측면에 따른 배터리 팩은 본 발명의 일 측면에 따른 배터리 진단 장치를 포함할 수 있다.
본 발명의 또 다른 측면에 따른 배터리 진단 방법은 배터리의 전류 및 전압을 측정하고, 측정된 전류에 기반하여 상기 배터리의 충전 상태를 추정하는 충전 상태 추정 단계; 측정된 전압과 추정된 충전 상태가 서로 맵핑된 충전 상태-전압 데이터로부터 소정의 조건에 따라 복수의 충전 상태를 선택하는 충전 상태 선택 단계; 선택된 복수의 충전 상태의 크기에 기반하여 기설정된 충전 상태 구간을 복수의 서브 구간으로 구획하는 서브 구간 구획 단계; 구획된 복수의 서브 구간 각각의 크기와 기설정된 기준 구간의 크기에 기반하여 상기 복수의 서브 구간별로 서브 구간의 크기를 산출하는 서브 구간의 크기 산출 단계; 산출된 복수의 서브 구간별 서브 구간의 크기에 따라 상기 배터리의 활물질 면적, 방전 심도 및 충전 심도 중 하나 이상의 변화를 진단하는 진단 단계; 및 상기 진단 단계에서의 진단 결과에 기반하여 상기 배터리의 고장 모드를 판단하는 모드 판단 단계를 포함할 수 있다.
본 발명에 따르면, 배터리의 충전 상태 및 전압에 기반하여 충전 상태 구간의 변화가 판단되고, 판단된 구간의 변화를 통해서 배터리의 활물질 면적, 방전 심도 및 충전 심도 중 하나 이상의 변화가 진단될 수 있는 장점이 있다.
또한, 본 발명에 따르면, 배터리의 활물질 면적, 방전 심도 및 충전 심도 중 적어도 하나 이상의 변화가 진단됨으로써, 배터리의 모드가 정상 모드 또는 고장 모드 중 어느 모드에 포함되는지가 판단될 수 있는 장점이 있다.
즉, 본 발명의 따르면, 배터리 각각의 퇴화 원인이 구체적으로 진단되고, 정상 모드 또는 고장 모드로 배터리의 모드가 분류될 수 있는 장점이 있다.
본 명세서에 첨부되는 다음의 도면들은 본 발명의 바람직한 실시예를 예시하는 것이며, 후술되는 발명의 상세한 설명과 함께 본 발명의 기술사상을 더욱 이해시키는 역할을 하는 것이므로, 본 발명은 그러한 도면에 기재된 사항에만 한정되어 해석되어서는 아니 된다.
도 1은 본 발명의 일 실시예에 따른 배터리 진단 장치의 구성을 나타낸 도면이다.
도 2는 배터리의 충전 상태에 따른 배터리의 전압 그래프이다.
도 3 및 도 4는 평활화 전과 후, 배터리의 충전 상태에 따른 배터리의 전압 미분 그래프이다.
도 5는 본 발명에 따른 프로세서가 제1 충전 상태와 제2 충전 상태를 선택하고, 제1 서브 구간의 크기, 제2 서브 구간의 크기 및 제3 서브 구간의 크기를 산출하는 과정을 설명하기 위한 도면이다.
도 6은 본 발명의 다른 실시예에 따른 프로세서가 배터리를 진단하는 과정의 일 예를 설명하기 위한 도면이다.
도 7은 본 발명의 다른 실시예에 따른 프로세서가 배터리를 진단하는 과정의 다른 예를 설명하기 위한 도면이다.
도 8은 본 발명의 또 다른 실시예에 따른 배터리 진단 방법을 개략적으로 도시한 순서도이다.
이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 상세히 설명하기로 한다. 이에 앞서, 본 명세서 및 청구범위에 사용된 용어나 단어는 통상적이거나 사전적인 의미로 한정해서 해석되어서는 아니 되며, 발명자는 그 자신의 발명을 가장 최선의 방법으로 설명하기 위해 용어의 개념을 적절하게 정의할 수 있다는 원칙에 입각하여 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야 한다.
따라서, 본 명세서에 기재된 실시예와 도면에 도시된 구성은 본 발명의 가장 바람직한 일 실시예에 불과할 뿐이고 본 발명의 기술적 사상을 모두 대변하는 것은 아니므로, 본 출원시점에 있어서 이들을 대체할 수 있는 다양한 균등물과 변형예들이 있을 수 있음을 이해하여야 한다.
또한, 본 발명을 설명함에 있어 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략한다.
제1, 제2 등과 같이 서수를 포함하는 용어들은, 다양한 구성요소들 중 어느 하나를 나머지와 구별하는 목적으로 사용되는 것이고, 그러한 용어들에 의해 구성요소들을 한정하기 위해 사용되는 것은 아니다.
명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라, 다른 구성요소를 더 포함할 수 있다는 것을 의미한다. 또한, 명세서에 기재된 <프로세서>와 같은 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어, 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다.
덧붙여, 명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐만 아니라, 그 중간에 다른 소자를 사이에 두고 "간접적으로 연결"되어 있는 경우도 포함한다.
도 1은 본 발명의 일 실시예에 따른 배터리 진단 장치의 구성을 나타낸 도면이고, 도 2는 배터리의 충전 상태에 따른 배터리의 전압 그래프이고, 도 3 및 도 4는 평활화 전과 후, 배터리의 충전 상태에 따른 배터리의 전압 미분 그래프이고, 도 5는 제1 충전 상태와 제2 충전 상태를 선택하고, 제1 서브 구간의 크기, 제2 서브 구간의 크기 및 제3 서브 구간의 크기를 산출하는 과정을 설명하기 위한 도면이다.
우선, 도 1을 참조하면, 본 발명의 일 실시예에 따른 배터리 진단 장치(100)는 배터리(B)를 포함하는 배터리 팩(1)에 포함되고, 배터리(B)와 연결되어 배터리(B)의 활물질 면적, 방전 심도 및 충전 심도 중 하나 이상의 변화를 진단할 수 있다. 예컨대, 배터리(B)의 활물질 면적, 방전 심도 및 충전 심도는 배터리(B)의 전극의 활물질 면적, 방전 심도 및 충전 심도일 수 있다.
한편, 본 발명의 일 실시예에 따른 배터리 진단 장치(100)는 배터리 팩(1)에 구비된 배터리 관리 장치(BMS)에 포함될 수도 있다.
상기 배터리 진단 장치(100)는 센싱부(110), 메모리부(120), 프로세서(130) 및 알림부(140)를 포함할 수 있다.
상기 배터리(B)는 활물질 면적, 방전 심도 및 충전 심도 중 하나 이상의 변화가 진단되는 최소 단위의 전지로서, 전기적으로 직렬 및/또는 병렬로 연결된 복수의 단위 셀들을 포함한다. 물론, 상기 배터리(B)가 하나의 단위 셀만을 포함하는 경우도 본 발명의 범주에 포함된다.
상기 단위 셀은 반복적인 충방전이 가능하다면 그 종류에 특별한 제한이 없는데, 일 예시로서 파우치 타입의 리튬 폴리머 배터리일 수 있다.
상기 배터리(B)는 외부 단자를 통해 다양한 외부 장치에 전기적으로 결합될 수 있다. 상기 외부 장치는, 일 예시로서 전기 자동차, 하이브리드 자동차, 드론과 같은 무인 비행체, 전력 그리드에 포함된 대용량의 전력 저장 장치(Energy Storage System, ESS), 또는 모바일 디바이스일 수 있다. 이 경우, 상기 배터리(B)는 상기 외부 장치에 탑재된 모듈화된 전지 팩에 포함된 단위 셀들의 일부 또는 전부를 포함할 수 있다.
상기 배터리(B)의 외부 단자는 충전 장치와 선택적으로 결합될 수 있다. 상기 충전 장치는 배터리(B)가 탑재되는 외부 장치의 제어에 의해 배터리(B)에 선택적으로 결합될 수 있다.
상기 센싱부(110)는 프로세서(130)와 동작 가능하게 결합된다. 즉, 센싱부(110)는 프로세서(130)로 전기적 신호를 송신하거나 프로세서(130)로부터 전기적 신호를 수신 가능하도록 프로세서(130)에 접속될 수 있다.
상기 센싱부(110)는 미리 설정된 주기마다 배터리(B)의 양극 전극과 음극 전극 사이에 인가되는 전압과 배터리(B)로 흘러 들어가거나 흘러 나오는 전류를 반복 측정하고 측정된 전압과 전류를 나타내는 측정 신호를 프로세서(130)로 제공할 수 있다.
상기 센싱부(110)는 배터리(B)의 전류를 측정하도록 구성된 전류 센서를 포함한다. 또한, 센싱부(110)는 배터리(B)의 전압을 측정하도록 구성된 전압 센서를 더 포함할 수 있다. 도 1에는 도시되지 않았으나, 전류 센서는 배터리(B)에 회로적으로 연결된 센스 저항의 양단에 연결될 수 있다. 즉, 전류 센서는 센스 저항의 양단의 전위 차를 측정하고, 측정한 전위 차 및 센스 저항의 저항값에 기반하여 배터리(B)의 전류를 측정할 수 있다.
상기 프로세서(130)는 센싱부(110)로부터 측정 신호가 수신되면, 신호 처리를 통해 배터리(B)의 전압 및 전류 각각의 디지털 값을 결정하고 메모리부(120)에 저장할 수 있다.
상기 메모리부(120)는 반도체 메모리 소자로서, 상기 프로세서(130)에 의해 생성되는 데이터를 기록, 소거, 갱신하며, 배터리(B)의 활물질 면적, 방전 심도 및 충전 심도 중 하나 이상의 변화를 진단하기 위해 마련된 복수의 프로그램 코드를 저장한다. 또한, 상기 메모리부(120)는 본 발명을 실시할 때 사용되는 미리 결정된 각종 파라미터들의 사전 설정 값들을 저장할 수 있다.
상기 메모리부(120)는 데이터를 기록, 소거, 갱신할 수 있다고 알려진 반도체 메모리 소자라면 그 종류에 특별한 제한이 없다. 일 예시로서, 상기 메모리부(120)는 DRAM, SDRAM, 플래쉬 메모리, ROM, EEPROM, 레지스터 등일 수 있다. 상기 메모리부(120)는 상기 프로세서(130)의 제어 로직을 정의한 프로그램 코드들을 저장하고 있는 저장매체를 더 포함할 수 있다. 상기 저장매체는 플래쉬 메모리나 하드디스크와 같은 불활성 기억 소자를 포함한다. 상기 메모리부(120)는 프로세서(130)와 물리적으로 분리되어 있을 수도 있고, 상기 프로세서(130)와 일체로 통합되어 있을 수도 있다.
상기 프로세서(130)는 배터리(B)에 미리 설정된 충전 전류값의 전류가 입력되어 배터리(B)가 충전되도록 배터리(B)의 전류를 제어하고, 배터리(B)에 입력된 전류에 기초하여 배터리(B)의 충전 상태(state of charge)를 추정할 수 있다.
이때, 미리 설정된 충전 전류값은 하기 수학식 1을 이용하여 산출될 수 있다.
Figure PCTKR2019004287-appb-img-000004
여기서, Ic는 미리 설정된 충전 전류값이고, α는 1 이하의 상수이고, Cn은 배터리의 정격 전류일 수 있다.
이에 따라, 상기 프로세서(130)는 정격 전류의 전류값 이하의 충전 전류값의 전류가 입력되어 충전되는 배터리(B)의 충전 상태를 추정할 수 있다.
여기서, 배터리(B)의 충전 상태는 배터리(B)의 전체 용량 대비 충전된 용량의 비율일 수 있다.
상기 프로세서(130)는 배터리(B)에 입력된 전류의 전류값을 적산하는 전류적산법을 이용하여 배터리(B)의 충전 상태를 추정할 수 있다. 즉, 프로세서(130)는 센싱부(110)에 의해 측정된 전류에 기반하여 상기 배터리의 충전 상태를 추정할 수 있다.
상기 프로세서(130)는 전류적산법을 이용하여 배터리(B)의 충전 상태(state of charge)를 추정하는 것으로 설명하였으나, 미리 설정된 충전 전류값의 전류가 입력되는 배터리(B)의 충전 상태를 추정하는 한 추정 방법은 한정되지 않음을 유의한다.
한편, 상기 프로세서(130)는 추정된 배터리(B)의 충전 상태 별로 배터리(B)의 전압을 맵핑시켜 배터리(B)의 충전 상태-전압 데이터를 생성할 수 있다. 즉, 프로세서(130)는 센싱부(120)에 의해 측정된 전압과 추정한 배터리(B)의 충전 상태를 서로 맵핑시켜 배터리(B)의 충전 상태-전압 데이터를 생성할 수 있다.
여기서, 배터리(B)의 전압은 배터리(B)의 개방 전압(open circuit voltage)일 수 있다.
이러한, 배터리(B)의 충전 상태-전압 데이터는 도 2에 도시된 바와 같이, 배터리(B)의 충전 상태에 따른 배터리(B)의 전압 곡선으로 표현될 수 있다.
이때, 상기 메모리부(120)는 배터리(B)의 충전 상태-전압 데이터를 배터리(B)의 충전 상태에 따른 배터리(B)의 전압 곡선으로 근사시킨 근사 함수 및 배터리(B)의 충전 상태 별로 배터리(B)의 전압이 맵핑된 룩업 테이블 중 하나 이상의 형태로 저장할 수 있다.
프로세서(130)는 충전 상태-전압 데이터로부터 소정의 조건에 따라 복수의 충전 상태를 선택할 수 있다. 구체적으로, 프로세서(130)는 충전 상태-전압 데이터에서 복수의 변곡점을 선택하고, 선택한 복수의 변곡점 각각에 대응되는 충전 상태를 선택할 수 있다.
예컨대, 도 2의 실시예에서, 프로세서(130)는 배터리(B)의 충전 상태-전압 데이터에 기초하여 표현된 충전 상태-전압 곡선에서 복수의 변곡점을 선택할 수 있다. 구체적으로, 도 4를 참조하면, 프로세서(130)는 a1 내지 a7을 변곡점으로 선택할 수 있다.
예컨대, 상기 프로세서(130)는 충전 상태-전압 데이터에 기초하여 충전 상태의 미소 변화에 따른 배터리(B)의 전압의 변화가 증가하다가 감소하는 지점의 충전 상태와 배터리(B)의 전압을 변곡점으로 검출할 수 있다. 또한, 상기 프로세서(130)는 충전 상태-전압 데이터에 기초하여 충전 상태의 미소 변화에 따른 배터리(B)의 전압의 변화가 감소하다가 증가하는 지점의 충전 상태와 배터리(B)의 전압을 변곡점으로 검출할 수 있다. 즉, 상기 프로세서(130)는 배터리(B)의 충전 상태-전압 데이터에 대응되는 근사 함수의 이계 미분계수가 "0"인 충전 상태와 해당 충전 상태에 대응되는 배터리(B)의 전압을 변곡점으로 검출할 수 있다.
이를 위하여, 상기 프로세서(130)는 도 3에 도시된 바와 같이, 배터리(B)의 충전 상태-전압 데이터에 대응되는 근사 함수를 미분하여 일계 도함수를 산출할 수 있다.
이후, 상기 프로세서(130)는 도 4에 도시된 바와 같이, 배터리(B)의 충전 상태-전압 데이터에 대응되는 근사 함수의 일계 도함수를 평활화하여 노이즈 성분을 제거할 수 있다.
이때, 상기 프로세서(130)는 노이즈 필터를 이용하여 배터리(B)의 충전 상태-전압 데이터에 대응되는 근사 함수의 일계 도함수를 평활화할 수 있다.
이를 통해, 상기 프로세서(130)는 노이즈 성분으로 인해 변곡점이 오검출되는 현상을 방지함으로써, 변곡점 검출의 정확성을 향상시킬 수 있다.
이어서, 상기 프로세서(130)는 평활화된 근사 함수의 일계 도함수를 미분하여 이계 도함수를 산출하고, 산출된 이계 도함수의 함수값이 "0"인 충전 상태와 해당 충전 상태에 대응되는 배터리(B)의 전압을 변곡점으로 검출할 수 있다.
예를 들어, 상기 프로세서(130)는 도 4에 도시된 바와 같이, 7개의 변곡점(a1 내지 a7)을 검출할 수 있다. 여기서, 7개의 변곡점(a1 내지 a7)에 대응되는 충전 상태(X축 값)는 각각 "7.2%", "13.6%", "19.1%", "21.2%", "35.3%", "56.8%" 및 "60.0%"일 수 있다.
프로세서(130)는 선택한 복수의 충전 상태의 크기에 기반하여 기설정된 충전 상태 구간을 복수의 서브 구간으로 구획할 수 있다. 구체적으로, 프로세서(130)는 선택한 복수의 충전 상태 중 크기가 가장 작은 제1 충전 상태와 크기가 가장 큰 제2 충전 상태를 선택할 수 있다. 프로세서(130)는 기설정된 충전 상태 구간에서 선택한 제1 충전 상태 및 제2 충전 상태에 대응되는 지점을 기준으로 기설정된 충전 상태 구간을 복수의 서브 구간으로 구획할 수 있다.
예컨대, 프로세서(130)는 기설정된 충전 상태 구간에서 최소값과 제1 충전 상태 사이의 구간을 제1 서브 구간으로 구획하고, 제1 충전 상태와 제2 충전 상태 사이의 구간을 제2 서브 구간으로 구획하고, 제2 충전 상태와 최대값 사이의 구간을 제3 서브 구간으로 구획할 수 있다.
여기서, 기설정된 충전 상태 구간의 범위는 상기 프로세서(130)가 추정한 충전 상태의 최소값 내지 최대값으로 한정될 수 있다. 예를 들어, 도 2에 도시된 바와 같이, 기설정된 충전 상태 구간의 범위는 "0%" 내지 "100%"로 한정될 수 있다. 이에 따라, 충전 상태 구간의 최소값은 "0%"일 수 있고, 충전 상태 구간의 최대값은 "100%"일 수 있다.
예를 들어, 도 5에 도시된 바와 같이, 상기 프로세서(130)는 검출된 7개의 변곡점(a1 내지 a7) 각각에 대응되는 충전 상태 "7.2%", "13.6%", "19.1%", "21.2%", "35.3%", "56.8%" 및 "60.0%" 중에서 가장 작은 충전 상태 "7.2%"를 제1 충전 상태(Q1)로 선택할 수 있고, 가장 큰 충전 상태 "60.0%"를 제2 충전 상태(Q2)로 선택할 수 있다.
이후, 상기 프로세서(130)는 "0%" 내지 "7.2%" 구간을 제1 서브 구간으로 구획하고, "7.2%" 내지 "60.0%" 구간을 제2 서브 구간으로 구획하고, "60.0%" 내지 "100%" 구간을 제3 서브 구간으로 구획할 수 있다. 그리고, 프로세서(130)는 충전 상태 구간의 최소값 "0%"와 제1 충전 상태(Q1) "7.2%" 간의 차이값 "7.2%"를 제1 서브 구간의 크기(Qeod)로 산출할 수 있다. 또한, 상기 프로세서(130)는 제1 충전 상태(Q1) "7.2%"와 제2 충전 상태(Q2) "60.0%" 간의 차이값 "52.8%"를 제2 서브 구간의 크기(Qp-p)로 산출할 수 있다. 또한, 상기 프로세서(130)는 제2 충전 상태(Q2) "60.0%"와 충전 상태 구간의 최대값 "100%" 간의 차이값 "40.0%"를 제3 서브 구간의 크기(Qeoc)로 산출할 수 있다.
프로세서(130)는 산출한 제1 내지 제3 서브 구간의 크기와 기설정된 기준 구간의 크기에 기반하여 서브 구간별로 구간 변화율을 산출할 수 있다.
구체적으로, 프로세서(130)는 제2 서브 구간의 크기와 제2 기준 구간의 크기를 이용하여 제2 구간 변화값을 산출할 수 있다. 또한, 프로세서(130)는 제1 서브 구간의 크기, 제1 기준 구간의 크기 및 제2 구간 변화값을 이용하여 제1 구간 변화값을 산출할 수 있다. 또한, 프로세서(130)는 제3 서브 구간의 크기, 제3 기준 구간의 크기 및 제2 구간 변화값을 이용하여 제3 구간 변화값을 산출할 수 있다.
프로세서(130)는 하기의 수학식 2를 이용하여 제2 구간 변화값을 산출할 수 있다.
Figure PCTKR2019004287-appb-img-000005
여기서, Qvp-p는 제2 구간 변화값이고, Qrp-p는 제2 기준 구간의 크기고, Qp-p는 제2 서브 구간의 크기다.
예컨대, 수학식 2에 의해 프로세서(130)는 제2 구간 변화값(Qvp-p)으로 "-15.12%"를 산출할 수 있다.
또한, 프로세서(130)는 제1 서브 구간의 크기, 제1 기준 구간의 크기 및 제2 구간 변화값을 이용하여 제1 구간 변화값을 산출할 수 있다. 구체적으로, 프로세서(130)는 하기의 수학식 3을 이용하여 제1 구간 변화값을 산출할 수 있다.
Figure PCTKR2019004287-appb-img-000006
여기서, Qveod는 제1 구간 변화값이고, Qreod는 제1 기준 구간의 크기고, Qeod는 제1 서브 구간의 크기고, Qvp-p는 제2 구간 변화값이다.
예컨대, 제1 기준 구간의 크기(Qreod)는 "14%"이고, 제1 서브 구간의 크기(Qeod)는 "14.5%"이고, 제2 구간 변화값(Qvp-p)은 "-15.12%"라고 가정한다. 먼저, 프로세서(130)는 수학식 3을 이용하여 제1 기준 구간의 크기에 대한 제1 서브 구간의 크기와 제1 기준 구간의 크기 간의 차이의 비율을 산출할 수 있다. 즉, 프로세서(130)는 "(14.5%-14%)/14%×100"을 계산한 결과로부터 "3.57%"를 산출할 수 있다. 그리고 프로세서(130)는 산출한 결과와 제2 구간 변화값 간의 차이를 통해 제1 구간 변화값을 산출할 수 있다. 프로세서(130)는 "3.57%-(-15.12%)"를 계산한 결과로부터 제1 구간 변화값(Qveod) "18.69%"를 산출할 수 있다.
또한, 프로세서(130)는 제3 기준 구간의 크기, 제3 서브 구간의 크기 및 제2 구간 변화값을 이용하여 제3 구간 변화값을 산출할 수 있다. 구체적으로 프로세서(103)는 하기의 수학식 4를 이용하여 제3 구간 변화값을 산출할 수 있다.
Figure PCTKR2019004287-appb-img-000007
여기서, Qveoc는 제3 구간 변화값이고, Qreoc는 제3 기준 구간의 크기고, Qeoc는 제3 서브 구간의 크기고, Qvp-p는 제2 구간 변화값이다.
예컨대, 제3 기준 구간의 크기(Qreoc)는 "43%"이고, 제3 서브 구간의 크기(Qeoc)는 "39%"이고, 제2 구간 변화값(Qvp-p)는 "-15.12%"라고 가정한다. 프로세서(130)는 수학식 4를 이용하여 먼저 제3 기준 구간의 크기에 대한 제3 서브 구간의 크기와 제3 기준 구간의 크기 간의 차이의 비율을 산출할 수 있다. 즉, 프로세서(130)는 "(39%-43%)/43%×100"을 계산한 결과로부터 "-9.3%"를 산출할 수 있다. 그리고 프로세서(130)는 산출한 결과와 제2 구간 변화값 간의 차이를 통해 제3 구간 변화값을 산출할 수 있다. 프로세서(130)는 "-9.3%-(-15.12%)"를 계산한 결과로부터 제3 구간 변화값 "5.82%"를 산출할 수 있다.
이후, 프로세서(130)는 산출한 복수의 서브 구간별 변화값에 따라 배터리(B)의 활물질 면적, 방전 심도 및 충전 심도 중 하나 이상의 변화를 진단할 수 있다.
프로세서(130)는 기설정된 소정의 방전 심도 변화 범위 중 산출한 제1 구간 변화값이 속하는 구간에 따라 배터리(B)의 방전 심도의 변화를 진단할 수 있다. 또한, 프로세서(130)는 기설정된 소정의 활물질 면적 변화 범위 중 산출한 제2 구간 변화값이 속하는 구간에 따라 배터리(B)의 활물질 면적의 변화를 진단할 수 있다. 또한, 프로세서(130)는 기설정된 소정의 충전 심도 변화 범위 중 산출한 제3 구간 변화값이 속하는 구간에 따라 배터리(B)의 충전 심도의 변화를 진단할 수 있다.
예컨대, 기설정된 소정의 방전 심도 변화 범위, 활물질 면적 변화 범위 및 충전 심도 변화 범위는 모두 "-10% 미만", "-10% 이상 10% 이하", "10% 초과" 범위로 미리 구분될 수 있다. 그리고, 기설정된 소정의 방전 심도 변화 범위, 활물질 면적 변화 범위 및 충전 심도 변화 범위 모두, "-10% 미만" 구간은 BOL 상태보다 감소한 구간, "-10% 이상 10% 이하" 구간은 BOL 상태와 동일한 구간, "10% 초과" 구간은 BOL 상태보다 증가한 구간으로 진단될 수 있다.
예컨대, 앞선 실시예와 같이, 제1 구간 변화값이 "18.69%"로 산출되고, 제2 구간 변화값이 "-15.12%"로 산출되고, 제3 구간 변화값이 "5.82%"로 산출되었다고 가정한다. 이 경우, 제1 구간 변화값 "18.69%"는 기설정된 소정의 방전 심도 변화 범위 중 "10% 이상" 범위에 속하므로, 프로세서(130)는 배터리(B)의 방전 심도가 증가한 것으로 진단할 수 있다. 또한, 제2 구간 변화값 "-15.12%"는 기설정된 소정의 활물질 면적 변화 범위 중 "-10% 미만" 범위에 속하므로, 프로세서(130)는 배터리(B)의 활물질 면적이 감소한 것으로 진단할 수 있다. 또한, 제3 구간 변화값 "5.82%"는 기설정된 소정의 충전 심도 변화 범위 중 "-10% 이상 10% 이하" 범위에 속하므로, 프로세서(130)는 배터리(B)의 충전 심도가 BOL 상태의 배터리(B)의 충전 심도와 동일한 것으로 진단할 수 있다.
프로세서(130)는 배터리(B)의 활물질 면적, 방전 심도 및 충전 심도 중 하나 이상의 변화를 진단한 후, 진단 결과에 기반하여 배터리(B)의 모드를 정상 모드 또는 고장 모드로 판단하도록 구성될 수 있다.
프로세서(130)는 배터리(B)의 활물질 면적, 방전 심도 및 충전 심도 중 어느 하나라도 BOL 상태보다 변화한 것으로 판단된 경우, 배터리의 모드를 고장 모드로 판단할 수 있다. 구체적으로, 프로세서(130)는 배터리(B)의 활물질 면적, 방전 심도 및 충전 심도 중 어느 하나라도 "-10% 이상 10% 이하" 구간에 속하지 않는 경우, 배터리(B)의 모드를 고장 모드로 판단할 수 있다.
예컨대, 앞선 실시예와 같이, 제1 구간 변화값이 "18.69%"로 산출되고, 제2 구간 변화값이 "-15.12%"로 산출되고, 제3 구간 변화값이 "5.82%로 산출되었다고 가정한다. 이 경우, 프로세서(130)는 배터리(B)의 방전 심도는 증가하였고, 활물질 면적 변화는 감소하였으며, 충전 심도는 BOL 상태와 동일한 것으로 진단할 수 있다. 그리고, 프로세서(130)는 배터리(B)의 활물질 면적 변화가 감소하였고, 방전 심도는 증가하였으므로, 배터리의 모드를 고장 모드로 판단할 수 있다. 즉, 프로세서(130)는 배터리(B)의 퇴화도와 관련된 활물질 면적 변화, 방전 심도 변화 및 충전 심도 변화 중 어느 하나라도 BOL 상태보다 증가 또는 감소된 것으로 판단하면, 배터리(B)의 모드를 고장 모드로 판단할 수 있다.
프로세서(130)는 배터리(B)의 모드를 판단한 후, 배터리(B)의 모드를 판단한 모드로 설정할 수 있다. 예컨대, 배터리(B)의 모드가 고장 모드로 판단된 경우, 프로세서(130)는 배터리(B)의 모드를 고장 모드로 설정할 수 있다. 반대로, 배터리(B)의 모드가 정상 모드로 판단된 경우, 프로세서(130)는 배터리(B)의 모드를 정상 모드로 설정할 수 있다.
따라서, 본 발명의 일 실시예에 따른 배터리 진단 장치는 배터리의 퇴화 원인을 정확하게 진단하고, 퇴화 원인에 따라 배터리의 모드를 정상 모드 또는 고장 모드 중 어느 하나로 판단할 수 있다. 그리고, 배터리 진단 장치는 활물질 면적 변화, 방전 심도 변화 및 충전 심도 변화 중 어느 하나라도 BOL 상태보다 증가 또는 감소된 것으로 판단하면, 배터리 모드를 고장 모드로 판단하여, 과방전 또는 과충전 등 배터리가 퇴화됨에 따라 발생될 수 있는 예상치 못한 문제를 미연에 방지할 수 있는 장점이 있다.
이하에서는, 도 6 및 도 7을 참조하여, 프로세서(130)가 배터리(B)의 활물질 면적, 방전 심도 및 충전 심도 중 하나 이상의 변화를 진단하는 과정의 일 예시를 보다 구체적으로 설명한다.
도 6은 본 발명의 다른 실시예에 따른 프로세서(130)가 배터리를 진단하는 과정의 일 예를 설명하기 위한 도면이다. 여기서, 도 6에 도시된 제1 서브 구간의 크기(Qeod), 제2 서브 구간의 크기(Qp-p) 및 제3 서브 구간의 크기(Qeoc)는 축(충전 상태)를 기준으로 위쪽에 도시되었고, BOL 상태의 배터리(B)의 충전 상태의 크기는 축(충전 상태)를 기준으로 아래쪽에 도시되었음을 유의한다.
도 6에 도시된 바와 같이, 배터리(B)의 퇴화에 의해 충전 상태-전압 데이터에 따른 충전 상태 구간의 최소값이 "0%"이고 최대값이 "90%"로 감소하였다고 가정한다. 또한, 배터리(B)의 제1 충전 상태(Q1)와 제2 충전 상태(Q2)가 각각 "14.5%"와 "51%"이라고 가정하면, 프로세서(130)는 제1 서브 구간의 크기(Qeod), 제2 서브 구간의 크기(Qp-p) 및 제3 서브 구간의 크기(Qeoc)을 각각 "14.5%", "36.5%" 및 "39%"로 산출할 수 있다. 이때, 제1 기준 구간의 크기(Qreod), 제2 기준 구간의 크기(Qrp-p) 및 제3 기준 구간의 크기(Qreoc)이 각각 "14%", "43%" 및 "43%"이면, 프로세서(130)는 제1 구간 변화값, 제2 구간 변화값 및 제3 구간 변화값을 "18.69%", "-15.12%", "5.82%"로 각각 산출할 수 있다.
예컨대, 프로세서(130)는 수학식 3을 이용하여 "(36.5%-43%)÷43%×100"을 계산하여, 제2 구간 변화값을 "-15.12%"로 산출할 수 있다. 그리고, 프로세서(130)는 수학식 2를 이용하여 "{(14.5%-14%)÷14%×100}-(-15.12%)"를 계산하여, 제1 구간 변화값을 "18.69%"로 산출할 수 있다. 그리고, 프로세서(130)는 수학식 4를 이용하여 "{(39%-43%)÷43×100}-(-15.12%)"를 계산하여, 제3 구간 변화값을 "5.82%"로 산출할 수 있다.
프로세서(130)는 기설정된 소정의 방전 심도 변화 범위 중 제1 구간 변화값 "18.69%"가 속하는 구간에 따라 배터리(B)의 방전 심도 변화를 진단할 수 있다. 기설정된 소정의 방전 심도 변화 범위는 제1 기준 변화율 범위, 제2 기준 변화율 범위 및 제3 기준 변화율 범위를 포함할 수 있다. 여기서, 제1 기준 변화율 범위는 "-10% 미만"의 범위이고, 제2 기준 변화율 범위는 "-10% 이상 10% 이하"의 범위이고, 제3 기준 변화율 범위는 "10% 초과"의 범위일 수 있다.
프로세서(130)는 제1 구간 변화값 "18.69%"가 "10% 초과"의 범위인 제3 기준 변화율 범위에 포함되는 것으로 판단하고, 배터리(B)의 방전 심도가 증가한 것으로 진단할 수 있다.
프로세서(130)는 기설정된 소정의 활물질 면적 변화 범위 중 제2 구간 변화값 "-15.12%"가 속하는 구간에 따라 배터리(B)의 활물질 면적의 변화를 진단할 수 있다. 기설정된 소정의 활물질 면적 변화 범위는 제4 기준 변화율 범위, 제5 기준 변화율 범위 및 제6 기준 변화율 범위를 포함할 수 있다. 여기서, 제4 기준 변화율 범위는 "-10% 미만"의 범위이고, 제5 기준 변화율 범위는 "-10% 이상 10% 이하"의 범위이고, 제6 기준 변화율 범위는 "10% 초과"의 범위일 수 있다.
프로세서(130)는 제2 구간 변화값 "-15.12%"가 "-10% 미만"의 범위인 제4 기준 변화율 범위에 포함되는 것으로 판단하고, 배터리(B)의 활물질 면적이 감소한 것으로 진단할 수 있다.
프로세서(130)는 기설정된 소정의 충전 심도 변화 범위 중 제3 구간 변화값 "5.82%"가 속하는 구간에 따라 배터리(B)의 충전 심도 변화를 진단할 수 있다. 기설정된 소정의 충전 심도 변화 범위는 제7 기준 변화율 범위, 제8 기준 변화율 범위 및 제9 기준 변화율 범위를 포함할 수 있다. 여기서, 제7 기준 변화율 범위는 "-10% 미만"의 범위이고, 제8 기준 변화율 범위는 "-10% 이상 10% 이하"의 범위이고, 제9 기준 변화율 범위는 "10% 초과"의 범위일 수 있다.
프로세서(130)는 제3 구간 변화값 "5.82%"가 "-10% 이상 10% 이하"의 범위인 제8 기준 변화율 범위에 포함되는 것으로 판단하고, 배터리(B)의 충전 심도가 BOL 상태의 배터리(B)와 동일한 것으로 진단할 수 있다. 즉, 프로세서(130)는 배터리(B)의 충전 심도가 BOL 상태의 배터리(B)의 충전 심도와 동일한 것으로 진단할 수 있다. 즉, 프로세서(130)는 배터리(B)의 충전 심도가 BOL 상태의 배터리(B)의 충전 심도로부터 변화하지 않은 것으로 진단할 수 있다.
프로세서(130)는 배터리(B)의 충전 심도는 BOL 상태의 충전 심도로부터 변화하지 않은 것으로 진단하였으나, 방전 심도는 증가한 것으로 진단하였고, 활물질 면적은 감소한 것으로 진단하였으므로, 배터리(B)의 모드를 고장 모드로 판단할 수 있다. 즉, 방전 심도 및 활물질 면적이 변화한 것으로 진단되었으므로, 프로세서(130)는 배터리(B)의 모드를 고장 모드로 판단할 수 있다.
즉, 본 발명의 일 실시예에 따른 배터리 진단 장치는 배터리(B)의 퇴화가 진행함에 따라 변화하는 내부 요인의 변화를 진단하고, 진단 결과에 따라 배터리 상태를 정상 모드 또는 고장 모드로 판단할 수 있다. 따라서 배터리(B)는 판단된 모드에 따라 운용되어, 과충전 및 과방전 등 예상치 못한 문제가 발생되는 것이 미연에 방지될 수 있다.
이하에서는 프로세서(130)가 배터리(B)의 활물질 면적, 방전 심도 및 충전 심도 중 하나 이상의 변화를 진단하는 과정의 다른 예시를 설명한다.
도 7은 본 발명의 다른 실시예에 따른 프로세서(130)가 배터리를 진단하는 과정의 다른 예를 설명하기 위한 도면이다. 여기서, 도 7에 도시된 제1 서브 구간의 크기(Qeod), 제2 서브 구간의 크기(Qp-p) 및 제3 서브 구간의 크기(Qeoc)는 축(충전 상태)를 기준으로 위쪽에 도시되었고, BOL 상태의 배터리(B)의 충전 상태의 크기는 축(충전 상태)를 기준으로 아래쪽에 도시되었음을 유의한다.
도 7에 도시된 바와 같이, 다른 실시예에 따른 프로세서(130)는 측정된 배터리(B)의 충전 상태-전압 데이터에 따른 충전 상태 구간의 최소값이 "0%"이고 최대값이 "90%"로 감소하였고, 선택된 제1 충전 상태(Q1)와 제2 충전 상태(Q2)가 각각 "14%"와 "56%"라고 가정한다. 프로세서(130)는 제1 서브 구간의 크기(Qeod), 제2 서브 구간의 크기(Qp-p) 및 제3 서브 구간의 크기(Qeoc)을 각각 "14%", "42%" 및 "34%"로 산출할 수 있다.
제1 기준 구간의 크기(Qreod), 제2 기준 구간의 크기(Qrp-p) 및 제3 기준 구간의 크기(Qreoc)는 각각 "14%", "43%" 및 "43%"이라면, 프로세서(130)는 제1 구간 변화값, 제2 구간 변화값 및 제3 구간 변화값을 "2.33%", "-2.33%", "-18.60%"으로 산출할 수 있다.
예컨대, 프로세서(130)는 수학식 3을 이용하여 "(42%-43%)÷43%×100"을 계산하여, 제2 구간 변화값을 "-2.33%"로 산출할 수 있다. 그리고, 프로세서(130)는 수학식 2를 이용하여 "{(14%-14%)÷14%×100}-(-2.33%)"를 계산하여, 제1 구간 변화값을 "2.33%"로 산출할 수 있다. 그리고, 프로세서(130)는 수학식 4를 이용하여 "{(34%-43%)÷43×100}-(-2.33%)"를 계산하여, 제3 구간 변화값을 "18.60%"로 산출할 수 있다.
프로세서(130)는 기설정된 소정의 방전 심도 변화 범위 중 제1 구간 변화값 "2.33%"가 속하는 구간에 따라 배터리(B)의 방전 심도 변화를 진단할 수 있다. 프로세서(130)는 제1 구간 변화값 "2.33%"가 "-10% 이상 10% 이하"의 범위인 제2 기준 변화율 범위에 포함되는 것으로 판단하고, 배터리(B)의 방전 심도가 BOL 상태의 배터리(B)의 방전 심도와 동일한 것으로 진단할 수 있다.
프로세서(130)는 기설정된 소정의 활물질 면적 변화 범위 중 제2 구간 변화값 "-2.33%"가 속하는 구간에 따라 배터리(B)의 활물질 면적의 변화를 진단할 수 있다. 프로세서(130)는 제2 구간 변화값 "-2.33%"가 "-10% 이상 10% 이하"의 범위인 제5 기준 변화율 범위에 포함되는 것으로 판단하고, 배터리(B)의 활물질 면적이 BOL 상태의 배터리(B)의 활물질 면적과 동일한 것으로 진단할 수 있다.
프로세서(130)는 기설정된 소정의 충전 심도 변화 범위 중 제3 구간 변화값 "-18.60%"가 속하는 구간에 따라 배터리(B)의 충전 심도 변화를 진단할 수 있다. 프로세서(130)는 제3 구간 변화값 "-18.60%"가 "-10% 미만"의 범위인 제7 기준 변화율 범위에 포함되는 것으로 판단하고, 배터리(B)의 충전 심도가 BOL 상태의 배터리(B)의 충전 심도보다 감소한 것으로 진단할 수 있다.
프로세서(130)는 배터리(B)의 방전 심도 및 활물질 면적은 변화하지 않은 것으로 진단하였으나, 충전 심도가 감소한 것으로 진단하였으므로, 배터리(B)의 모드를 고장 모드로 판단할 수 있다.
이러한 본 발명의 구성에 따르면, 배터리(B)의 충전 상태 구간의 최대값이 감소하는 원인을 배터리(B)의 활물질 면적, 방전 심도 및 충전 심도의 변화를 통해 정확하게 진단할 수 있는 장점이 있다.
상기 프로세서(130)는, 진단 결과를 나타내는 메시지를 통신 단자(COM)를 통해 외부 장치로 전송할 수 있다.
상기 프로세서(130)는, 다양한 제어 로직들을 실행하기 위해 당업계에 알려진 ASIC(application-specific integrated circuit), 다른 칩셋, 논리 회로, 레지스터, 통신 모뎀, 데이터 처리 장치 등을 선택적으로 포함할 수 있다. 프로세서(130)에 의해 실행될 수 있는 다양한 제어 로직들은 적어도 하나 이상이 조합되고, 조합된 제어 로직들은 컴퓨터가 읽을 수 있는 코드 체계로 작성되어 컴퓨터가 읽을 수 있는 기록매체에 수록될 수 있다. 기록매체는 컴퓨터에 포함된 프로세서(130)에 의해 접근이 가능한 것이라면 그 종류에 특별한 제한이 없다. 일 예시로서, 기록매체는 ROM, RAM, 레지스터, CD-ROM, 자기 테이프, 하드 디스크, 플로피디스크 및 광 데이터 기록장치를 포함하는 군에서 선택된 적어도 하나 이상을 포함한다. 또한, 코드 체계는 캐리어 신호로 변조되어 특정한 시점에 통신 캐리어에 포함될 수 있고, 네트워크로 연결된 컴퓨터에 분산되어 저장되고 실행될 수 있다. 또한, 조합된 제어 로직들을 구현하기 위한 기능적인 프로그램, 코드 및 코드 세그먼트들은 본 발명이 속하는 기술분야의 프로그래머들에 의해 용이하게 추론될 수 있다.
상기 알림부(140)는 상기 프로세서(130)의 진단 결과를 입력받아 외부로 출력할 수 있다. 보다 구체적으로, 상기 알림부(140)는 상술된 진단 결과를 기호, 숫자 및 코드 중 하나 이상을 이용하여 표시하는 디스플레이부 및 소리로 출력하는 스피커 장치 중 하나 이상을 구비할 수 있다.
한편, 본 발명에 따른 배터리 관리 장치는 상술된 배터리 진단 장치(100)를 포함할 수 있다. 이를 통해, 배터리 관리 장치가 관리하는 배터리에 대해 활물질 면적, 방전 심도 및 충전 심도 중 하나 이상의 변화를 진단할 수 있다.
도 8은 본 발명의 또 다른 실시예에 따른 배터리 진단 방법을 간략히 도시한 순서도이다. 이하에서는 도 8을 참조하여, 본 발명의 일 실시예에 따른 배터리 진단 방법을 설명한다.
배터리 진단 방법은 배터리 진단 장치에서 동작되는 단계로서, 충전 상태 추정 단계(S100), 충전 상태 선택 단계(S200), 서브 구간 구획 단계(S300), 구간 변화값 산출 단계(S400), 진단 단계(S500) 및 판단 단계(S600)를 포함할 수 있다.
충전 상태 추정 단계(S100)는 배터리(B)의 전류 및 전압을 측정하고, 측정된 전류에 기반하여 배터리(B)의 충전 상태를 추정하는 단계이다. 센싱부(120)에서 측정한 배터리(B)의 전류에 기반하여 프로세서(130)가 배터리(B)의 충전 상태를 추정할 수 있다.
먼저, 센싱부(120)는 배터리(B)의 전압 및 전류를 측정하고, 측정한 전압값 및 전류값을 프로세서(130)에 송신할 수 있다. 프로세서(130)는 센싱부(120)로부터 전압값 및 전류값을 수신하고, 수신한 전류값에 기반하여 배터리(B)의 충전 상태를 추정할 수 있다.
충전 상태 선택 단계(S200)는 측정된 전압과 추정된 충전 상태가 서로 맵핑된 충전 상태-전압 데이터로부터 소정의 조건에 따라 복수의 충전 상태를 선택하는 단계이다. 즉, 충전 상태 선택 단계(S200)는 추정된 배터리(B)의 충전 상태 중 소정의 조건을 만족하는 복수의 충전 상태를 선택하는 단계로서, 프로세서(130)에서 수행될 수 있다.
프로세서(130)는 센싱부(120)로부터 수신한 전압값과 추정한 충전 상태를 서로 맵핑한 충전 상태-전압 데이터를 획득하고, 획득한 충전 상태-전압 데이터에서 복수의 변곡점을 추출할 수 있다. 이후, 프로세서(130)는 추출한 복수의 변곡점 중 소정의 조건을 만족하는 복수의 변곡점의 충전 상태를 선택할 수 있다.
예컨대, 프로세서(130)는 추출한 복수의 변곡점 중 충전 상태의 크기가 가장 작은 제1 변곡점 및 충전 상태의 크기가 가장 큰 제2 변곡점을 선택할 수 있다. 그리고, 프로세서(130)는 제1 변곡점의 제1 충전 상태 및 제2 변곡점의 제2 충전 상태를 선택할 수 있다.
서브 구간 구획 단계(S300)는 선택된 복수의 충전 상태의 크기에 기반하여 기설정된 충전 상태 구간을 복수의 서브 구간으로 구획하는 단계이다. 즉, 서브 구간 구획 단계(S300)는 선택된 제1 충전 상태 및 제2 충전 상태에 기반하여, 기설정된 충전 상태 구간을 복수의 서브 구간으로 구획하는 단계로서, 프로세서(130)에 의해 수행될 수 있다.
프로세서(130)는 기설정된 충전 상태 구간을 제1 서브 구간, 제2 서브 구간 및 제3 서브 구간으로 구획할 수 있다. 예컨대, 프로세서(130)는 기설정된 충전 상태 구간의 최소값 내지 제1 충전 상태까지의 구간을 제1 서브 구간으로 구획하고, 제1 충전 상태 내지 제2 충전 상태까지의 구간을 제2 서브 구간으로 구획하고, 제2 서브 구간 내지 기설정된 충전 상태 구간의 최대값까지의 구간을 제3 서브 구간으로 구획할 수 있다.
이때, 기설정된 충전 상태 구간의 최소값 및 최대값은 배터리(B)의 퇴화 정도에 따라 달라질 수 있다.
구간 변화값 산출 단계(S400)는 구획된 복수의 서브 구간 각각의 크기와 기설정된 기준 구간의 크기에 기반하여 복수의 서브 구간별로 구간 변화값을 산출하는 단계로서, 프로세서(130)에서 수행될 수 있다.
프로세서(130)는 구획된 복수의 서브 구간 각각의 크기를 산출할 수 있다. 예컨대, 기설정된 충전 상태 구간의 최소값이 "0%", 최대값이 "90%"이고, 제1 충전 상태가 "14%", 제2 충전 상태가 "56%"이라고 가정한다. 프로세서(130)는 제1 서브 구간의 크기를 "14%"로 산출하고, 제2 서브 구간의 크기를 "42%"로 산출하며, 제3 서브 구간의 크기를 "34%"로 산출할 수 있다.
이후, 프로세서(130)는 기설정된 기준 구간의 크기와 산출한 서브 구간별 크기에 기반하여, 서브 구간별로 구간 변화값을 산출할 수 있다. 이 때, 프로세서(130)는 상기 수학식 3을 이용하여 제2 서브 구간의 제2 구간 변화값을 산출하고, 상기 수학식 2를 이용하여 제1 서브 구간의 제1 구간 변화값을 산출하며, 상기 수학식 4를 이용하여 제3 서브 구간의 제3 구간 변화값을 산출할 수 있다.
진단 단계(S500)는 산출된 복수의 서브 구간별 서브 구간의 크기에 따라 배터리(B)의 활물질 면적, 방전 심도 및 충전 심도 중 하나 이상의 변화를 진단하는 단계이다. 진단 단계(S500)는 프로세서(130)에 의해 수행될 수 있다.
프로세서(130)는 산출한 제1 구간 변화값, 제2 구간 변화값 및 제3 구간 변화값을 각각 기설정된 범위와 비교하여, 비교 결과에 따라 배터리(B)의 방전 심도 변화, 활물질 면적 변화 및 충전 심도 변화를 진단할 수 있다.
구체적으로, 프로세서(130)는 산출한 제1 구간 변화값이 기설정된 방전 심도 변화 범위에 속하는 구간에 따라서 배터리(B)의 방전 심도 변화를 진단할 수 있다. 또한, 프로세서(130)는 산출한 제2 구간 변화값이 기설정된 활물질 면적 변화 범위에 속하는 구간에 따라서 배터리(B)의 활물질 면적 변화를 진단할 수 있다. 또한, 프로세서(130)는 산출한 제3 구간 변화값이 기설정된 충전 심도 변화 범위에 속하는 구간에 따라서 배터리(B)의 충전 심도 변화를 진단할 수 있다.
판단 단계(S600)는 진단 결과에 기반하여 배터리(B)의 모드를 정상 모드 또는 고장 모드로 판단하는 단계로서, 프로세서(130)에 의해 수행될 수 있다.
프로세서(130)는 배터리(B)의 방전 심도, 활물질 면적 및 충전 심도 중 적어도 하나가 변화되었다고 진단한 경우, 배터리(B)의 모드를 고장 모드로 판단할 수 있다. 구체적으로, 프로세서(130)는 배터리(B)의 방전 심도, 활물질 면적 및 충전 심도 중 적어도 하나가 BOL 상태보다 증가 또는 감소되었다고 진단한 경우, 배터리(B)의 모드를 고장 모드로 판단할 수 있다. 즉, 프로세서(130)는 배터리(B)의 방전 심도, 활물질 면적 및 충전 심도를 진단한 결과가 배터리(B)의 방전 심도가 BOL 상태의 배터리(B)의 방전 심도보다 증가 또는 감소한 경우, 배터리(B)의 활물질 면적이 BOL 상태의 배터리(B)의 활물질 면적보다 증가 또는 감소한 경우 및 배터리(B)의 충전 심도가 BOL 상태의 배터리(B)의 충전 심도보다 증가 또는 감소한 경우 중 적어도 하나의 경우에 해당하면, 배터리(B)의 모드를 고장 모드로 판단할 수 있다.
예컨대, 배터리(B)가 퇴화함에 따라 과방전 및 과충전뿐만 아니라 리튬 플레이팅, 스웰링 현상 등 다양한 문제가 발생될 수 있다. 따라서, 프로세서(130)는 배터리(B)의 방전 심도, 활물질 면적 변화 및 충전 심도 중 어느 하나가 BOL 상태의 배터리(B) 보다 증가 또는 감소되었다고 진단한 경우, 배터리(B)의 모드를 고장 모드로 판단함으로써, 예상치 못하게 배터리(B) 발생될 수 있는 문제들을 미연에 방지할 수 있다.
이상에서 설명한 본 발명의 실시예는 장치 및 방법을 통해서만 구현이 되는 것은 아니며, 본 발명의 실시예의 구성에 대응하는 기능을 실현하는 프로그램 또는 그 프로그램이 기록된 기록 매체를 통해 구현될 수도 있으며, 이러한 구현은 앞서 설명한 실시예의 기재로부터 본 발명이 속하는 기술분야의 전문가라면 쉽게 구현할 수 있는 것이다.
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.
또한, 이상에서 설명한 본 발명은 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 있어 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 여러 가지 치환, 변형 및 변경이 가능하므로 전술한 실시예 및 첨부된 도면에 의해 한정되는 것이 아니라, 다양한 변형이 이루어질 수 있도록 각 실시예들의 전부 또는 일부가 선택적으로 조합되어 구성될 수 있다.
(부호의 설명)
1: 배터리 팩
B: 배터리
100: 배터리 진단 장치
110: 센싱부
120: 메모리부
130: 프로세서
140: 알림부

Claims (15)

  1. 배터리의 전류 및 전압을 측정하는 센싱부; 및
    상기 센싱부에 의해 측정된 전류에 기반하여 상기 배터리의 충전 상태를 추정하고, 상기 센싱부에 의해 측정된 전압과 추정된 충전 상태가 서로 맵핑된 충전 상태-전압 데이터로부터 소정의 조건에 따라 복수의 충전 상태를 선택하고, 선택된 복수의 충전 상태의 크기에 기반하여 기설정된 충전 상태 구간을 복수의 서브 구간으로 구획하고, 구획된 복수의 서브 구간 각각의 크기와 기설정된 기준 구간의 크기에 기반하여 상기 복수의 서브 구간별로 서브 구간의 크기를 산출하고, 산출된 복수의 서브 구간별 변화값에 따라 상기 배터리의 활물질 면적, 방전 심도 및 충전 심도 중 하나 이상의 변화를 진단하고, 진단 결과에 기반하여 상기 배터리의 모드를 정상 모드 또는 고장 모드로 판단하도록 구성된 프로세서를 포함하는,
    배터리 진단 장치.
  2. 제1항에 있어서,
    상기 프로세서는,
    상기 충전 상태-전압 데이터로부터 충전 상태-전압 곡선을 획득하고, 획득된 충전 상태-전압 곡선에서 복수의 변곡점을 추출하고, 추출된 복수의 변곡점 중 상기 소정의 조건에 따라 선택된 일부 변곡점에서의 충전 상태를 선택하도록 구성된,
    배터리 진단 장치.
  3. 제1항에 있어서,
    상기 프로세서는,
    상기 선택된 복수의 충전 상태 중에서 크기가 가장 작은 충전 상태를 제1 충전 상태로 선택하고, 상기 크기가 가장 큰 충전 상태를 제2 충전 상태로 선택하고, 상기 기설정된 충전 상태 구간에서 상기 제1 충전 상태 및 제2 충전 상태에 대응되는 지점을 기준으로 상기 기설정된 충전 상태 구간을 제1 서브 구간, 제2 서브 구간 및 제3 서브 구간으로 구획하도록 구성된,
    배터리 진단 장치.
  4. 제3항에 있어서,
    상기 프로세서는,
    상기 제2 서브 구간의 크기와 상기 기설정된 기준 구간 중 제2 기준 구간의 크기 간의 차이에 기반하여 제2 구간 변화값을 산출하고, 산출된 제2 구간 변화값에 따라 상기 배터리의 활물질 면적의 변화를 진단하도록 구성된,
    배터리 진단 장치.
  5. 제4항에 있어서,
    상기 프로세서는,
    아래의 수학식에 따라 계산된 제2 구간 변화값에 따라 상기 배터리의 활물질 면적의 변화를 진단하도록 구성되고,
    Figure PCTKR2019004287-appb-img-000008
    여기서, Qvp-p는 제2 구간 변화값이고, Qp-p는 제2 서브 구간의 크기이고, Qrp-p은 제2 기준 구간의 크기인,
    배터리 진단 장치.
  6. 제4항에 있어서,
    상기 프로세서는,
    기설정된 소정의 활물질 면적 변화 범위 중 상기 산출된 제2 구간 변화값이 속하는 구간에 따라, 상기 배터리의 활물질 면적의 변화를 진단하고, 상기 활물질 면적이 변화한 것으로 진단된 경우에 상기 배터리의 모드를 고장 모드로 판단하도록 구성된,
    배터리 진단 장치.
  7. 제4항에 있어서,
    상기 프로세서는,
    상기 제1 서브 구간의 크기, 상기 기설정된 기준 구간 중 제1 기준 구간의 크기 및 상기 산출된 제2 구간 변화값에 기반하여, 제1 구간 변화값을 산출하고, 산출된 제1 구간 변화값에 따라 상기 배터리의 방전 심도의 변화를 진단하도록 구성된,
    배터리 진단 장치.
  8. 제7항에 있어서,
    상기 프로세서는,
    아래의 수학식에 따라 계산된 제1 구간 변화값에 따라 상기 배터리의 방전 심도의 변화를 진단하도록 구성되고,
    Figure PCTKR2019004287-appb-img-000009
    여기서, Qveod는 제1 구간 변화값이고, Qeod는 제1 서브 구간의 크기이고, Qreod는 제1 기준 구간의 크기이고, Qvp-p는 상기 제2 구간 변화값인,
    배터리 진단 장치.
  9. 제7항에 있어서,
    상기 프로세서는,
    기설정된 소정의 방전 심도 변화 범위 중 상기 산출된 제1 구간 변화값이 속하는 구간에 따라, 상기 배터리의 방전 심도의 변화를 진단하고, 상기 방전 심도가 변화한 것으로 진단된 경우에 상기 배터리의 모드를 고장 모드로 판단하도록 구성된,
    배터리 진단 장치.
  10. 제4항에 있어서,
    상기 프로세서는,
    상기 제3 서브 구간의 크기, 상기 기설정된 기준 구간 중 제3 기준 구간의 크기 및 상기 산출된 제2 구간 변화값에 기반하여, 제3 구간 변화값을 산출하고, 산출된 제3 구간 변화값에 따라 상기 배터리의 충전 심도의 변화를 진단하도록 구성된,
    배터리 진단 장치.
  11. 제10항에 있어서,
    상기 프로세서는,
    아래의 수학식에 따라 계산된 제3 구간 변화값에 따라 상기 배터리의 충전 심도의 변화를 진단하도록 구성되고,
    Figure PCTKR2019004287-appb-img-000010
    여기서, Qveoc는 제3 구간 변화값이고, Qeoc는 제3 서브 구간의 크기이고, Qreoc는 제3 기준 구간의 크기이고, Qvp-p는 상기 제2 구간 변화값인,
    배터리 진단 장치.
  12. 제10항에 있어서,
    상기 프로세서는,
    기설정된 소정의 충전 심도 변화 범위 중 상기 산출된 제3 구간 변화값이 속하는 구간에 따라, 상기 배터리의 충전 심도의 변화를 진단하고, 상기 충전 심도가 변화한 것으로 진단된 경우에 상기 배터리의 모드를 고장 모드로 판단하도록 구성된,
    배터리 진단 장치.
  13. 제1항 내지 제12항 중 어느 한 항에 따른 배터리 진단 장치를 포함하는 배터리 관리 장치.
  14. 제1항 내지 제12항 중 어느 한 항에 따른 배터리 진단 장치를 포함하는 배터리 팩.
  15. 배터리의 전류 및 전압을 측정하고, 측정된 전류에 기반하여 상기 배터리의 충전 상태를 추정하는 충전 상태 추정 단계;
    측정된 전압과 추정된 충전 상태가 서로 맵핑된 충전 상태-전압 데이터로부터 소정의 조건에 따라 복수의 충전 상태를 선택하는 충전 상태 선택 단계;
    선택된 복수의 충전 상태의 크기에 기반하여 기설정된 충전 상태 구간을 복수의 서브 구간으로 구획하는 서브 구간 구획 단계;
    구획된 복수의 서브 구간 각각의 크기와 기설정된 기준 구간의 크기에 기반하여 상기 복수의 서브 구간별로 구간 변화값을 산출하는 구간 변화값 산출 산출 단계;
    산출된 복수의 서브 구간별 서브 구간의 크기에 따라 상기 배터리의 활물질 면적, 방전 심도 및 충전 심도 중 하나 이상의 변화를 진단하는 진단 단계; 및
    상기 진단 단계에서의 진단 결과에 기반하여 상기 배터리의 고장 모드를 판단하는 모드 판단 단계를 포함하는,
    배터리 진단 방법.
PCT/KR2019/004287 2018-04-10 2019-04-10 배터리 진단 장치 및 방법 Ceased WO2019199057A1 (ko)

Priority Applications (5)

Application Number Priority Date Filing Date Title
PL19785913T PL3674730T3 (pl) 2018-04-10 2019-04-10 Sposób i urządzenie do diagnostyki akumulatora
US16/643,941 US11391780B2 (en) 2018-04-10 2019-04-10 Battery diagnostic device and method
CN201980005216.8A CN111263894B (zh) 2018-04-10 2019-04-10 电池诊断装置、电池管理系统、电池组及电池诊断方法
EP19785913.5A EP3674730B1 (en) 2018-04-10 2019-04-10 Battery diagnostic device and method
JP2020511747A JP6922144B2 (ja) 2018-04-10 2019-04-10 バッテリー診断装置及び方法

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20180041690 2018-04-10
KR10-2018-0041690 2018-04-10

Publications (1)

Publication Number Publication Date
WO2019199057A1 true WO2019199057A1 (ko) 2019-10-17

Family

ID=68163666

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2019/004287 Ceased WO2019199057A1 (ko) 2018-04-10 2019-04-10 배터리 진단 장치 및 방법

Country Status (7)

Country Link
US (1) US11391780B2 (ko)
EP (1) EP3674730B1 (ko)
JP (1) JP6922144B2 (ko)
KR (1) KR102420091B1 (ko)
CN (1) CN111263894B (ko)
PL (1) PL3674730T3 (ko)
WO (1) WO2019199057A1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112158103A (zh) * 2020-10-06 2021-01-01 青岛灵珑智能装备科技有限责任公司 一种自动驾驶电动汽车预警装置
CN112986828A (zh) * 2021-04-12 2021-06-18 上海电享信息科技有限公司 预估电池健康度的方法

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210016795A (ko) * 2019-08-05 2021-02-17 주식회사 엘지화학 에너지 허브 장치 및 에너지 관리 방법
TWI744721B (zh) * 2019-11-19 2021-11-01 廣達電腦股份有限公司 電池裝置及其控制方法
CN111856178B (zh) * 2020-03-31 2021-10-08 同济大学 一种基于锂离子电容器电化学特征的soc分区估计方法
EP4424546A3 (en) * 2020-06-02 2024-11-20 LG Energy Solution, Ltd. Battery service server and battery service providing system and electric vehicle
KR102782615B1 (ko) * 2020-07-31 2025-03-18 주식회사 엘지에너지솔루션 배터리 진단 장치 및 방법
KR20220045451A (ko) * 2020-10-05 2022-04-12 주식회사 엘지에너지솔루션 배터리 상태 진단 장치 및 방법
CN115443416B (zh) 2020-10-27 2025-09-23 株式会社Lg新能源 电池管理设备、电池组和电池管理方法
KR20220093843A (ko) * 2020-12-28 2022-07-05 주식회사 엘지에너지솔루션 배터리 진단 장치 및 방법
JP7675537B2 (ja) 2021-03-12 2025-05-13 株式会社東芝 電池の診断方法、電池の診断装置、電池の診断システム、電池搭載機器及び電池の診断プログラム
KR102715583B1 (ko) * 2022-11-01 2024-10-11 주식회사 엘지에너지솔루션 배터리 진단 장치 및 방법
KR102890693B1 (ko) * 2024-01-02 2025-11-24 주식회사 엘지에너지솔루션 배터리 진단 장치, 배터리 팩, 배터리 시스템 및 배터리 진단 방법

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009113636A (ja) * 2007-11-06 2009-05-28 Autonetworks Technologies Ltd バッテリ状態判定装置及びバッテリ状態判定方法
JP2010019664A (ja) * 2008-07-10 2010-01-28 Nippon Soken Inc 電池劣化検出装置および方法
KR20110084633A (ko) * 2010-01-18 2011-07-26 에스케이이노베이션 주식회사 배터리의 수명 예측 장치 및 방법
KR20130122543A (ko) * 2012-04-30 2013-11-07 주식회사 엘지화학 이차 전지의 파라미터 추정 장치 및 방법
JP2015121520A (ja) * 2013-12-25 2015-07-02 株式会社東芝 蓄電池状態監視装置及び蓄電池装置
KR20180041690A (ko) 2015-08-13 2018-04-24 미바 글라이트라거 오스트리아 게엠바하 다층 플레인 베어링 요소

Family Cites Families (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1437031A (zh) * 2002-02-08 2003-08-20 上海华谊（集团）公司 用于电池容量的测量方法
JP2004301779A (ja) 2003-03-31 2004-10-28 Yazaki Corp バッテリ状態監視装置及びその方法
JP4561859B2 (ja) * 2008-04-01 2010-10-13 トヨタ自動車株式会社 二次電池システム
CN102301251B (zh) 2009-03-25 2015-01-21 日本碍子株式会社 钠硫电池的剩余容量的计算方法
JP5656415B2 (ja) * 2009-03-26 2015-01-21 プライムアースＥｖエナジー株式会社 二次電池の状態判定装置及び制御装置
WO2010109956A1 (ja) 2009-03-27 2010-09-30 株式会社日立製作所 蓄電装置
CN105277899B (zh) * 2010-01-19 2018-02-13 株式会社杰士汤浅国际 二次电池的充电状态测定装置以及充电状态测定方法
US20120328728A1 (en) 2010-01-29 2012-12-27 Hoya Corporation Mold for imprinting and production method thereof
WO2013157132A1 (ja) * 2012-04-20 2013-10-24 日立ビークルエナジー株式会社 二次電池システム、二次電池の劣化状態判断方法
JP2013247003A (ja) * 2012-05-28 2013-12-09 Sony Corp 二次電池の充電制御装置、二次電池の充電制御方法、二次電池の充電状態推定装置、二次電池の充電状態推定方法、二次電池の劣化度推定装置、二次電池の劣化度推定方法、及び、二次電池装置
EP3901642B1 (en) 2012-06-13 2022-09-14 LG Energy Solution, Ltd. Apparatus and method for estimating soc of secondary battery including blended cathode material
ES2991017T3 (es) 2012-12-03 2024-12-02 Lg Energy Solution Ltd Aparato y método para estimar un parámetro de una batería secundaria
JP2016508214A (ja) 2012-12-04 2016-03-17 エルジー・ケム・リミテッド 二次電池のパラメーター推定装置及び方法
EP2770336A2 (en) 2013-02-21 2014-08-27 Samsung SDI Co., Ltd. Apparatus for detecting faults in battery system
US9461490B2 (en) 2013-03-13 2016-10-04 GM Global Technology Operations LLC Method and apparatus for evaluating a rechargeable battery
CN104931882B (zh) * 2014-03-21 2018-04-20 比亚迪股份有限公司 动力电池容量修正的方法和装置
JP6123844B2 (ja) * 2014-09-01 2017-05-10 横河電機株式会社 二次電池容量測定システム及び二次電池容量測定方法
CN104237800A (zh) * 2014-09-11 2014-12-24 上海海事大学 混合动力船舶用锂离子电池的检测方法
US20160103185A1 (en) 2014-10-14 2016-04-14 Ford Global Technologies, Llc Electrified vehicle battery state-of-charge monitoring with aging compensation
JP6485041B2 (ja) * 2014-12-26 2019-03-20 株式会社リコー 蓄電デバイス劣化推定装置、蓄電デバイス劣化推定方法、移動体
JP2018509880A (ja) 2015-01-13 2018-04-05 ボルボ カー コーポレイション 自動車の中の電池のエネルギー状態の値を決定するための方法及び装置
WO2016147572A1 (ja) * 2015-03-13 2016-09-22 パナソニックＩｐマネジメント株式会社 電池管理装置、および電源装置
KR101684092B1 (ko) * 2015-04-08 2016-12-07 현대자동차주식회사 열화도 산출 장치 및 방법
JP6351852B2 (ja) 2015-07-13 2018-07-04 三菱電機株式会社 リチウムイオン電池の充電状態推定方法およびリチウムイオン電池の充電状態推定装置
KR101897859B1 (ko) 2015-08-24 2018-09-12 주식회사 엘지화학 리튬 석출 탐지 방법, 이를 이용한 이차전지 충전 방법과 장치 및 이차전지 시스템
KR101780777B1 (ko) 2015-12-18 2017-09-21 울산과학기술원 리튬 이차 전지의 충방전 방법
JP6824614B2 (ja) * 2016-03-17 2021-02-03 ニシム電子工業株式会社 劣化判定装置及び劣化判定方法
CN107861070B (zh) * 2017-10-25 2019-10-18 北京交通大学 一种锂离子电池健康状态在线诊断方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009113636A (ja) * 2007-11-06 2009-05-28 Autonetworks Technologies Ltd バッテリ状態判定装置及びバッテリ状態判定方法
JP2010019664A (ja) * 2008-07-10 2010-01-28 Nippon Soken Inc 電池劣化検出装置および方法
KR20110084633A (ko) * 2010-01-18 2011-07-26 에스케이이노베이션 주식회사 배터리의 수명 예측 장치 및 방법
KR20130122543A (ko) * 2012-04-30 2013-11-07 주식회사 엘지화학 이차 전지의 파라미터 추정 장치 및 방법
JP2015121520A (ja) * 2013-12-25 2015-07-02 株式会社東芝 蓄電池状態監視装置及び蓄電池装置
KR20180041690A (ko) 2015-08-13 2018-04-24 미바 글라이트라거 오스트리아 게엠바하 다층 플레인 베어링 요소

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP3674730A4

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112158103A (zh) * 2020-10-06 2021-01-01 青岛灵珑智能装备科技有限责任公司 一种自动驾驶电动汽车预警装置
CN112158103B (zh) * 2020-10-06 2021-08-06 航天探索太空(北京)技术产业有限公司 一种自动驾驶电动汽车预警装置
CN112986828A (zh) * 2021-04-12 2021-06-18 上海电享信息科技有限公司 预估电池健康度的方法

Also Published As

Publication number Publication date
KR20190118534A (ko) 2019-10-18
JP2020532267A (ja) 2020-11-05
CN111263894B (zh) 2022-05-13
PL3674730T3 (pl) 2021-08-16
JP6922144B2 (ja) 2021-08-18
EP3674730A4 (en) 2020-09-16
CN111263894A (zh) 2020-06-09
US11391780B2 (en) 2022-07-19
US20200408846A1 (en) 2020-12-31
KR102420091B1 (ko) 2022-07-12
EP3674730A1 (en) 2020-07-01
EP3674730B1 (en) 2021-04-07

Similar Documents

Publication Publication Date Title
WO2019199057A1 (ko) 배터리 진단 장치 및 방법
WO2019199058A1 (ko) 배터리 진단 장치 및 방법
WO2019199064A1 (ko) 배터리 진단 장치 및 방법
WO2019098576A1 (ko) 배터리 여유 용량 추정 장치
WO2022158948A2 (ko) 배터리 관리 장치 및 방법
WO2022108344A1 (ko) 배터리 관리 장치 및 방법
WO2020213905A1 (ko) 배터리의 퇴화 상태를 결정하기 위한 장치, 방법, 배터리 팩 및 전기 차량
WO2022035032A1 (ko) 배터리 관리 장치 및 방법
WO2019098722A1 (ko) 배터리 저항 추정 장치 및 방법
WO2022265357A1 (ko) 배터리 soh 추정 장치 및 방법
WO2022124773A1 (ko) 배터리 진단 장치 및 방법
WO2019151779A1 (ko) 프리차지 저항 보호 장치
WO2017142385A1 (ko) 스위치 부품의 고장 진단 장치 및 방법
WO2022158949A2 (ko) 배터리 분류 장치 및 방법
WO2018038383A1 (ko) 배터리 셀의 성능 테스트 장치 및 방법
WO2022103213A1 (ko) 배터리 진단 장치 및 방법
WO2022055080A1 (ko) 배터리의 충전상태를 추정하는 방법
WO2022145822A1 (ko) 배터리 관리 장치 및 방법
WO2022114826A1 (ko) 배터리 관리 장치 및 방법
WO2022154545A1 (ko) 배터리 관리 장치 및 방법
WO2022250390A1 (ko) 배터리 모니터링 장치 및 방법
WO2023080649A1 (ko) 배터리의 ocv-soc 프로파일 관리 장치 및 방법
WO2022203322A1 (ko) 배터리 분류 장치 및 방법
WO2022071776A1 (ko) 배터리 진단 장치, 방법 및 시스템
WO2024014850A1 (ko) 배터리 관리 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: 19785913

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2020511747

Country of ref document: JP

Kind code of ref document: A

ENP Entry into the national phase

Ref document number: 2019785913

Country of ref document: EP

Effective date: 20200324

NENP Non-entry into the national phase

Ref country code: DE