KR20170020072A

KR20170020072A - 배터리의 soc 추정 장치 및 방법

Info

Publication number: KR20170020072A
Application number: KR1020150114765A
Authority: KR
Inventors: 김진호; 송태원; 여태정
Original assignee: 삼성전자주식회사
Priority date: 2015-08-13
Filing date: 2015-08-13
Publication date: 2017-02-22
Anticipated expiration: 2035-08-13
Also published as: US20170045587A1; KR102441335B1; US10627452B2

Abstract

배터리의 SOC 추정 장치 및 방법이 개시된다. 일 양상에 따른 배터리의 SOC 추정 장치는, 배터리 팩 내부의 다수의 셀을 각 셀에서 센싱된 데이터의 패턴 유사성을 기반으로 그룹화하는 그룹화부와, 그룹의 대표 셀을 선택하는 대표 셀 선택부와, 배터리 모델을 기반으로 상기 선택된 각 그룹의 대표 셀의 SOC(State Of Charge)를 추정하는 제1 SOC 추정부와, 추정된 각 그룹의 대표 셀의 SOC를 기반으로 배터리 팩의 SOC를 추정하는 제2 SOC 추정부를 포함할 수 있다.

Description

배터리의 SOC 추정 장치 및 방법{Apparatus and method for SOC estimation of battery}

배터리 관리 기술에 관한 발명으로, 특히, 배터리의 SOC 추정 장치 및 방법과 관련된다.

다중셀(multi-cell)로 구성된 배터리 팩의 SOC(State Of Charge)를 추정하는 방법으로는 전류 적산법, 전기 회로 모델 방법, 전기 화학 모델 방법, 데이터 기반 방법 등이 있다. 현재까지는 전류 적산법 및 전기 회로 모델 방법에 의한 SOC 추정이 주로 이루어지고 있으나 전기 화학 모델, 데이터 기반 방법에 의한 SOC 추정으로 점차 확대되는 추세에 있다.

한편, 전류 적산법 및 전기 회로 모델 방법은 비교적 간단하고 빠른 추정이 가능하나 열화 및 저온/고온에서의 추정 정확도가 낮아 개선이 필요하다. 이에 대한 대안으로 물리적 특성에 기반하여 열화 특성 및 저온 특성에 대한 추정이 가능한 전기 화학 모델이 배터리 SOC 추정 모델로 활용되고 있다. 하지만 전기화학 모델의 경우 계산량이 많아 계산 속도 향상 및 계산량 감소에 대한 방법론이 필요하다.

적은 양의 계산으로 SOC 추정 정확도를 향상 시킬 수 있는 배터리의 SOC 추정 장치 및 방법을 제공하는 것을 목적으로 한다.

일 양상에 따른 배터리의 SOC 추정 장치는, 배터리 팩 내부의 다수의 셀을 각 셀에서 센싱된 데이터의 패턴 유사성을 기반으로 그룹화하는 그룹화부와, 그룹의 대표 셀을 선택하는 대표 셀 선택부와, 배터리 모델을 기반으로 상기 선택된 각 그룹의 대표 셀의 SOC(State Of Charge)를 추정하는 제1 SOC 추정부와, 추정된 각 그룹의 대표 셀의 SOC를 기반으로 배터리 팩의 SOC를 추정하는 제2 SOC 추정부를 포함할 수 있다.

각 셀에서 센싱된 데이터는 각 셀의 전류, 전압 및 온도 중 적어도 하나를 포함할 수 있다.

그룹화부는 설정된 그룹 업데이트 주기에 따라 다수의 셀을 그룹화할 수 있다.

대표 셀 선택부는 설정된 대표 셀 업데이트 주기에 따라 각 그룹의 대표 셀을 선택할 수 있다.

대표 셀 선택부는 각 그룹 내의 셀을 넘버링하고 설정된 대표 셀 업데이트 주기에 따라 넘버링 순서대로 순차적으로 대표 셀을 선택하거나 설정된 대표 셀 업데이트 주기에 따라 각 그룹 내의 셀에서 랜덤으로 각 그룹의 대표 셀을 선택할 수 있다.

배터리 모델은 전기 회로 모델 또는 전기 화학 모델 중 하나일 수 있다.

제2 SOC 추정부는 추정된 각 그룹의 대표 셀의 SOC를 기반으로 각 그룹의 멤버 셀의 SOC를 추정하고, 추정된 각 셀의 SOC를 기반으로 배터리 팩의 SOC를 추정할 수 있다.

제2 SOC 추정부는 각 그룹의 멤버 셀의 초기 SOC 값에 각 그룹의 대표 셀의 SOC 변화량을 반영하여 각 그룹 멤버 셀의 SOC를 추정할 수 있다.

제2 SOC 추정부는 각 셀의 SOC에 대하여 중심 경향 척도를 이용하여 배터리 팩의 SOC를 추정할 수 있다.

배터리의 SOC 추정 장치는 셀 그룹화 결과를 기반으로 배터리 팩 내부의 다수의 셀 중에서 특이 셀을 검출하는 특이 셀 검출부를 더 포함할 수 있다.

특이 셀 검출부는 셀 그룹화 결과 어느 그룹에도 속하지 못하는 셀 및 설정된 그룹 업데이트 주기에 따라 셀 그룹화한 결과 그룹이 지속적으로 변하는 셀 중 적어도 하나를 특이 셀로 검출할 수 있다.

배터리의 SOC 추정 장치는 추정된 각 그룹 대표 셀의 SOC를 보정하는 보정부를 더 포함할 수 있다.

다른 양상에 따른 배터리의 SOC 추정 방법은 배터리 팩 내부의 다수의 셀을 각 셀에서 센싱된 데이터의 패턴 유사성을 기반으로 그룹화하는 단계와, 각 그룹의 대표 셀을 선택하는 단계와, 배터리 모델을 기반으로 상기 선택된 각 그룹의 대표 셀의 SOC(State Of Charge)를 추정하는 단계와, 추정된 각 그룹의 대표 셀의 SOC를 기반으로 배터리 팩의 SOC를 추정하는 단계를 포함할 수 있다.

그룹화하는 단계는 설정된 그룹 업데이트 주기에 따라 다수의 셀을 그룹화할 수 있다.

각 그룹의 대표 셀을 선택하는 단계는 설정된 대표 셀 업데이트 주기에 따라 각 그룹의 대표 셀을 선택할 수 있다.

각 그룹의 대표 셀을 선택하는 단계는 각 그룹 내의 셀을 넘버링하고 상기 설정된 대표 셀 업데이트 주기에 따라 넘버링 순서대로 순차적으로 대표 셀을 선택하거나 설정된 대표 셀 업데이트 주기에 따라 각 그룹 내의 셀에서 랜덤으로 각 그룹의 대표 셀을 선택할 수 있다.

배터리 팩의 SOC를 추정하는 단계는 추정된 각 그룹의 대표 셀의 SOC를 기반으로 각 그룹의 멤버 셀의 SOC를 추정하는 단계와, 추정된 각 셀의 SOC를 기반으로 중심 경향 척도를 이용하여 배터리 팩의 SOC를 추정하는 단계를 포함할 수 있다.

각 그룹의 멤버 셀의 SOC를 추정하는 단계는 각 그룹의 멤버 셀의 초기 SOC 값에 각 그룹의 대표 셀의 SOC 변화량을 반영하여 각 그룹 멤버 셀의 SOC를 추정할 수 있다.

배터리의 SOC 추정 방법은 셀 그룹화 결과를 기반으로 배터리 팩 내부의 다수의 셀 중에서 특이 셀을 검출하는 단계를 더 포함할 수 있다.

특이 셀을 검출하는 단계는 셀 그룹화 결과 어느 그룹에도 속하지 못하는 셀 및 설정된 그룹 업데이트 주기에 따라 셀 그룹화한 결과 그룹이 지속적으로 변하는 셀 중 적어도 하나를 특이 셀로 검출할 수 있다.

배터리의 SOC 추정 방법은 추정된 각 그룹 대표 셀의 SOC를 보정하는 단계를 더 포함할 수 있다.

데이터의 패턴이 유사한 셀을 그룹화하고 각 그룹의 대표 셀를 선택하여 SOC를 추정한 후 이를 기반으로 배터리 팩의 SOC를 예측함으로써, 적은 양의 계산으로 SOC 추정 정확도를 향상 시킬 수 있다.

도 1은 배터리의 SOC 추정 시스템의 일 실시예를 도시한 블록도이다.
도 2는 도 1의 SOC 추정 장치의 일 실시예를 도시한 블록도이다.
도 3a 내지 도 3e는 도 2의 SOC 추정 장치(300)가 배터리의 SOC를 추정하는 과정을 설명하기 위한 예시도이다.
도 4는 각 그룹의 멤버 셀의 SOC를 추정하는 방법을 설명하기 위한 예시도이다.
도 5는 도 1의 SOC 추정 장치의 다른 실시예를 도시한 블록도이다.
도 6은 배터리의 SOC 추정 방법의 일 실시예를 도시한 흐름도이다.
도 7은 배터리의 SOC 추정 방법의 다른 실시예를 도시한 흐름도이다.

이하, 첨부된 도면을 참조하여 본 발명의 일 실시예를 상세하게 설명한다. 본 발명을 설명함에 있어 관련된 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다. 또한, 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로, 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.

도 1은 배터리의 SOC 추정 시스템의 일 실시예를 도시한 블록도이다.

도 1을 참조하면, SOC 추정 시스템(10)은 배터리 팩(100), 센서(200), SOC 추정 장치(300), 및 차량 제어 장치(400)를 포함할 수 있다.

배터리 팩(100)은 직렬 및/또는 병렬로 구성된 다수의 배터리 셀(101 내지 10n)(이하, 셀)을 포함하며, 각 셀(101 내지 10n)은 니켈 메탈 배터리, 리튬 이온 배터리 등의 하이브리드 배터리일 수 있다. 도 1에서는 이해의 편의를 위해 배터리 팩(100)이 하나의 팩으로만 구성된 것으로 도시하였으나, 여러 개의 서브 팩으로 구성될 수도 있다.

센서(200)는 배터리 팩(100) 내에 있는 셀(101 내지 10n)의 전류, 전압 및 온도를 센싱할 수 있다. 이를 위해, 센서(200)는 각 셀(101 내지 10n)의 전압, 전류 및 온도를 센싱하기 위한 전압 센싱부(210), 전류 센싱부(220) 및 온도 센싱부(230)를 포함할 수 있다.

여기서, 전류 센싱부(220)는 홀(Hall) 소자를 이용하여 전류를 측정하고 측정된 전류에 대응하는 아날로그 전류 신호로 출력하는 홀 CT(Hall current transformer)일 수 있다. 그러나 이에 한정되는 것은 아니며, 전류를 센싱할 수 있는 것이라면 다른 소자도 적용 가능하다.

SOC 추정 장치(300)는 센서(200)로부터 센싱된 각 셀(101 내지 10n)의 전압, 전류 및 온도를 기반으로 배터리 팩(100)의 SOC를 추정할 수 있다.

SOC 추정 장치(300)에 대한 자세한 설명은 도 2를 참조하여 후술하기로 한다.

차량 제어 장치(400)는 배터리 팩(100)의 SOC를 기반으로 플러그인 하이브리드 차 또는 전기 자동차의 주행에 필요한 주요 시스템의 성능을 최적의 상태로 제어할 수 있다. 이를 위해, 차량 제어 장치(400)는 CAN(Controller Area Network) 통신 방식을 통해 SOC 추정 장치(300)로부터 배터리 팩(100)의 SOC를 수신할 수 있다.

한편, 도 1은 SOC 추정 장치(300)가 차량에 적용되는 것으로 도시되어 있으나, 이에 한정되는 것은 아니며, 다중 셀 배터리를 사용하는 모든 기기에도 적용 가능하다.

도 2는 도 1의 SOC 추정 장치의 일 실시예를 도시한 블록도이다.

도 2를 참조하면, SOC 추정 장치(300)는 그룹화부(310), 대표 셀 선택부(320), 제1 SOC 추정부(330) 및 제2 SOC 추정부(340)를 포함할 수 있다.

그룹화부(310)는 센서(200)로부터 수신된 각 셀(101 내지 10n)의 센싱 데이터(전압, 전류 및 온도)의 패턴을 분석하여 소정의 주기(이하, 그룹 업데이트 주기)에 따라 각 셀(101 내지 10n)을 그룹화할 수 있다.

예를 들면, 그룹화부(310)는 Single-link algorithm, Average-link algorithm, MST(minimum spanning tree)-based Single-link algorithm, K-means algorithm, Nearest neighbor algorithm 등과 같은 다양한 클러스터링 알고리즘을 이용하여 각 셀(101 내지 10n)을 그룹화할 수 있다. 즉, 그룹화부(310)는 다양한 클러스터링 알고리즘을 이용하여 각 셀(101 내지 10n)의 전압, 전류 및 온도의 패턴의 유사도를 분석하여 유사한 배터리 셀별로 그룹화할 수 있다.

다른 예를 들면, 그룹화부(310)는 각 셀(101 내지 10n)의 온도 변화, 평균 온도, 전압 변화, 평균 전압, 전류 변화, 평균 전류 등의 정보를 인덱스화하여 각 셀(101 내지 10n)을 분류하고 분류 결과를 기반으로 각 셀(101 내지 10n)을 그룹화할 수 있다.

여기서, 그룹 업데이트 주기는 셀의 그룹화를 수행하는 주기일 수 있다. 일 실시예에 따르면, 그룹 업데이트 주기는 1일일 수 있으나 이에 한정되는 것은 아니며, 시스템의 성능 및 용도에 따라 그룹 업데이트 주기는 다양하게 설정될 수 있다.

대표 셀 선택부(320)는 소정의 주기(이하, 대표 셀 업데이트 주기)에 따라 각 그룹의 대표 셀을 선택할 수 있다. 예를 들면, 대표 셀 선택부(320)는 각 그룹 내의 셀을 넘버링하고 넘버링 순서대로 순차적으로 대표 셀 업데이트 주기에 따라 대표 셀을 선택할 수 있다. 다른 예를 들면, 대표 셀 선택부(320)는 각 그룹 내의 셀에서 랜덤으로 대표 셀 업데이트 주기에 따라 각 그룹의 대표 셀을 선택할 수 있다. 또 다른 예를 들면, 대표 셀 선택부(320)는 각 그룹 내의 셀 중에서 각 그룹의 중간 특성을 보이는 셀을 대표 셀로 선택할 수 있다.

이때, 대표 셀 업데이트 주기는 각 그룹의 대표 셀을 선택/변경하는 대표 셀 선택/변경 주기일 수 있다. 예컨대, 대표 셀 업데이트 주기는 1분일 수도 있으며, 1시간일 수도 있다. 또한, 대표 셀 업데이트 주기는 그룹 업데이트 주기와 일치할 수도 있다. 그러나, 이에 한정되는 것은 아니며, 대표 셀 업데이트 주기는 시스템의 성능 및 용도에 따라 다양하게 설정될 수 있다.

제1 SOC 추정부(330)는 각 그룹 대표 셀의 단위 시간 동안의 전압, 전류 및 온도 정보를 기반으로 배터리 모델을 통하여 단위 시간 동안의 각 그룹 대표 셀의 SOC/전압 변화량을 추정하고 이를 기반으로 각 그룹 대표 셀의 SOC을 추정할 수 있다. 이때, 배터리 모델은 전기 회로 모델(Electric Circuit Model), 전기 화학 모델(Electro-Chemical Model) 중 하나일 수 있다.

여기서, 전기 회로 모델은 배터리를 저항, 임피던스 등 전기적 특성으로 모델링한 것이며, 전기 화학 모델은 배터리를 양극/음극/전해질 내의 물리현상(Li 이온 확산 등)을 기반으로 모델링한 것이다. 전기 회로 모델을 이용한 셀의 SOC 추정 및 전기 화학 모델을 이용한 셀의 SOC 추정은 본 발명의 기술분야에서 널리 알려진 기술이므로 그 상세한 설명은 생략하기로 한다.

제2 SOC 추정부(340)는 각 그룹 대표 셀의 추정된 SOC/전압 변화량을 기반으로 각 그룹의 멤버 셀의 SOC를 추정할 수 있다. 예컨대, 제2 SOC 추정부(340)는 각 그룹 멤버 셀의 초기 SOC 값(또는 이전에 추정된 SOC 값)에 각 그룹 대표 셀의 SOC/전압 변화량을 반영함으로써 각 그룹 멤버 셀의 SOC를 추정할 수 있다.

제2 SOC 추정부(340)는 각 그룹의 대표 셀 및 멤버 셀의 SOC를 기반으로 배터리 팩의 SOC를 추정할 수 있다.

예를 들면, 제2 SOC 추정부(340)는 각 그룹의 대표 셀 및 멤버 셀의 SOC를 기반으로 각 그룹의 SOC를 추정한 후, 각 그룹의 SOC를 기반으로 배터리 팩의 SOC를 추정할 수 있다. 이때, 제2 SOC 추정부(330)는 중심 경향 척도(예컨대, 산술평균, 가중평균, 중앙값 및 최빈값 등)를 이용하여 각 그룹의 SOC의 추정 및 배터리 팩의 SOC을 추정할 수 있다. 예컨대, 제2 SOC 추정부(330)는 각 그룹의 각 셀의 SOC에 대하여 중심 경향 척도를 이용하여 각 그룹의 SOC를 추정하고, 각 그룹의 SOC에 대하여 중심 경향 척도를 이용하여 배터리 팩의 SOC를 추정할 수 있다. 한편, 제2 SOC 추정부(340)는 각 그룹 대표 셀의 SOC를 각 그룹의 SOC로 간주하는 것도 가능하다.

다른 예를 들면, 제2 SOC 추정부(340)는 각 그룹의 SOC 추정 과정 없이, 배터리 팩의 각 셀의 SOC을 기반으로 배터리 팩의 SOC를 추정할 수 있다. 예컨대, 제2 SOC 추정부(330)는 각 셀의 SOC에 대하여 중심 경향 척도를 이용하여 배터리 팩의 SOC를 추정할 수 있다. 또한, 제2 SOC 추정부(340)는 낮은 SOC 값을 갖는 셀에 가중치를 적용하여 배터리 팩의 SOC를 추정할 수 있다.

도 3a 내지 도 3e는 도 2의 SOC 추정 장치(300)가 배터리의 SOC를 추정하는 과정을 설명하기 위한 예시도이다. 이때, SOC 추정 장치(300)가 7개의 셀(101 내지 107)을 포함하는 배터리 팩(100)의 SOC를 추정하고자 한다고 가정한다.

도 2, 및 도 3a 내지 도 3e를 참조하면, 그룹화부(310)는 획득된 각 셀(101 내지 107)의 전압, 전류 및 온도의 패턴을 분석하여 다양한 클러스터링 알고리즘(예컨대, Single-link algorithm, Average-link algorithm, MST(minimum spanning tree)-based Single-link algorithm, K-means algorithm, Nearest neighbor algorithm 등)을 통해, 셀(101) 및 셀(103)은 제1 그룹(Group 1)으로, 셀(102), 셀(106) 및 셀(107)은 제2 그룹(Group 2)으로, 셀(104) 및 셀(105)는 제3 그룹(Group 3)으로 그룹화한다. 이때, 각 그룹은 그룹 업데이트 주기에 따라 변경될 수 있다.

대표 셀 선택부(320)는 제1 그룹에서는 셀(101)을 제1 그룹 대표 셀로 선택하고, 제2 그룹에서는 셀(106)을 제2 그룹 대표 셀로 선택하고, 제3 그룹에서는 셀(105)를 제3 그룹 대표 셀로 선택한다. 이때, 각 그룹의 대표 셀은 대표 셀 업데이트 주기에 따라 변경될 수 있다. 즉, 대표 셀 선택부(320)는 각 그룹 내의 셀을 넘버링하고 대표 셀 업데이트 주기에 따라 넘버링 순서대로 순차적으로 대표 셀을 선택하거나, 대표 셀 업데이트 주기에 따라 각 그룹 내의 셀에서 랜덤으로 각 그룹의 대표 셀을 선택하거나, 각 그룹 내의 셀 중에서 각 그룹의 중간 특성을 보이는 셀을 대표 셀로 선택할 수 있다.

제1 SOC 추정부(330)는 배터리 모델(50)을 기반으로 제1 그룹 대표 셀(101)의 SOC/전압 변화량 및 SOC(이하, SOC1), 제2 그룹 대표 셀(106)의 SOC/전압 변화량 및 SOC(이하, SOC6) 및 제3 그룹 대표 셀(105)의 SOC/전압 변화량 및 SOC(이하, SOC5)를 각각 추정한다.

제2 SOC 추정부(340)는 제1 그룹 대표 셀(101)의 추정된 SOC/전압 변화량을 기반으로 제1 그룹(Group 1)의 멤버 셀(103)의 SOC(이하, SOC3)를 추정하고, 제2 그룹 대표 셀(106)의 추정된 SOC/전압 변화량을 기반으로 제2 그룹(Group 2)의 멤버 셀(102)의 SOC(이하, SOC2) 및 멤버 셀(107)의 SOC(이하, SOC7)를 추정하고, 제3 그룹 대표 셀(105)의 추정된 SOC/전압 변화량을 기반으로 제3 그룹(Group 3)의 멤버 셀(104)의 SOC(이하, SOC4)를 추정한다.

제2 SOC 추정부(340)는 각 셀(101 내지 107)의 SOC(SOC1 내지 SOC7)를 기반으로 배터리 팩(100)의 SOC를 추정한다. 이때, 제2 SOC 추정부(340)는 각 그룹의 셀의 SOC를 기반으로 각 그룹의 SOC를 추정한 후 각 그룹의 SOC를 기반으로 배터리 팩의 SOC를 추정하는 것도 가능하며, 각 그룹의 SOC 추정 과정 없이 배터리 팩(100)의 각 셀(101 내지 107)의 SOC(SOC1 내지 SOC7)을 기반으로 배터리 팩(100)의 SOC를 추정하는 것도 가능하다. 이때, 제2 SOC 추정부(340)는 중심 경향 척도(예컨대, 산술평균, 가중평균, 중앙값 및 최빈값 등)를 이용하여 각 그룹의 SOC 추정 및/또는 배터리 팩의 SOC 추정을 수행할 수 있다. 한편, 제2 SOC 추정부(340)는 SOC가 낮은 셀에 가중치를 두어 배터리 팩의 SOC를 추정하는 것도 가능하다.

도 4는 각 그룹의 멤버 셀의 SOC를 추정하는 방법을 설명하기 위한 예시도이다. 이때, 그룹은 4개의 셀을 포함한다고 가정한다.

도 2 및 도 4를 참조하면, 제1 SOC 추정부(330)가 각 그룹 대표 셀의 단위 시간 동안의 전압, 전류 및 온도 정보를 기반으로 배터리 모델을 통하여 단위 시간 동안의 각 그룹 대표 셀의 SOC/전압 변화량을 추정한다. 참조번호 401은 특정 그룹의 대표 셀의 SOC/전압 변화량을 나타낸다. 도시된 예의 경우, 단위 시간 경과 후 특정 그룹의 대표 셀의 SOC 값은 초기 SOC 값에 비하여 0.05가 감소하였음을 알 수 있다.

제2 SOC 추정부(340)는 해당 그룹의 멤버 셀(Cell 1)의 초기 SOC 값 0.6에 그룹 대표 셀의 SOC/전압 변화량 -0.05를 반영함으로써 단위 시간 경과 후의 SOC 값을 0.55라고 판단하고, 그룹 멤버 셀(Cell 2)의 초기 SOC 값 0.65에 그룹 대표 셀의 SOC/전압 변화량 -0.05를 반영함으로써 단위 시간 경과 후의 SOC 값을 0.6이라고 판단하고, 그룹 멤버 셀(Cell 3)의 초기 SOC 값 0.55에 그룹 대표 셀의 SOC/전압 변화량 -0.05를 반영함으로써 단위 시간 경과 후의 SOC 값을 0.5라고 판단한다.

도 5는 도 1의 SOC 추정 장치의 다른 실시예를 도시한 블록도이다.

도 5를 참조하면, SOC 추정 장치(500)는 도 2의 SOC 추정 장치(300)에 비하여 특이 셀 검출부(510), 저장부(520) 및 보정부(530)를 선택적으로 더 포함할 수 있다.

특이 셀 검출부(510)는 셀 그룹화 결과 어느 그룹에도 속하지 못하는 셀(예컨대, 전압이 타 셀에 비하여 월등히 높거나 낮은 셀 또는 온도가 타 셀에 비하여 월등히 높거나 낮은 셀 등), 그룹 업데이트 주기에 따라 그룹화한 결과 그룹이 지속적으로 변하는 셀 등을 특이 셀로 검출할 수 있다. 이러한 특이 셀은 열화 및 고장이 발생하기 쉬운 셀로서 SOC 추정 장치(500)에서 관리될 수 있다.

보정부(520)는 추정된 각 그룹 대표 셀의 SOC를 보정할 수 있다.

예를 들면, 보정부(520)는 센싱된 전압과 배터리 모델로 추정된 전압을 비교하고, 비교 결과 그 차이가 허용 오차를 벗어나는 경우, 각 그룹 대표 셀의 SOC를 보정할 수 있다.

일 실시예에 따르면, 보정부(520)는 수학식 1 내지 수학식 3을 이용하여 각 그룹 대표 셀의 SOC를 보정할 수 있다.

여기서,

는 소정의 값으로 결정된 상수이며,

는 허용되는 최대 전압이고,

는 허용되는 최소 전압을 나타낸다.

다른 실시예에 따르면, 보정부(520)는 센싱된 전압 및 배터리 모델을 통해 추정된 전압의 차이가 소정의 오차 범위 내에 위치하도록 배터리 모델의 파라미터 등을 조정하여 각 그룹 대표 셀의 SOC를 보정할 수 있다.

그러나, 이에 한정되는 것은 아니며 다양한 방법으로 각 그룹 대표 셀의 추정된 SOC를 보정할 수 있다.

저장부(530)는 SOC 추정 장치(500)의 처리 및 제어를 위한 프로그램이 저장될 수 있다. 예를 들어, 저장부(530)는 그룹화부(310)에서 수행되는 데이터(전압, 전류 및 온도 데이터)의 패턴 분석과 셀 그룹핑을 위한 프로그램, 대표 셀 선택부(320)에서 수행되는 대표 셀 선택을 위한 프로그램, 제1 SOC 추정부(300)에서 수행되는 각 그룹 대표 셀의 SOC 추정을 위한 프로그램, 제2 SOC 추정부(340)에서 수행되는 배터리 팩의 SOC 추정을 위한 프로그램, 특이 셀 검출부(510)에서 수행되는 특이 셀 검출을 위한 프로그램, 보정부(520)에서 수행되는 각 그룹 대표 셀의 추정된 SOC의 보정을 위한 프로그램 등을 저장할 수 있다.

또한, 저장부(520)는 그룹화부(310)의 셀 그룹화 결과, 대표 셀 선택부(320)의 대표 셀 선택 결과, 제1 SOC 추정부(300)의 그룹 대표 셀의 SOC 추정 결과, 제2 SOC 추정부(340)의 배터리 팩의 SOC 추정 결과, 특이 셀 검출부(510)의 특이 셀 검출 결과, 보정부(520)의 SOC 보정 결과 등이 저장될 수 있다.

저장부(520)는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어, SD 또는 XD 메모리 등), 램(Random Access Memory: RAM) SRAM(Static Random Access Memory), 롬(Read-Only Memory: ROM), EEPROM(Electrically Erasable Programmable Read-Only Memory), PROM(Programmable Read-Only Memory), 자기 메모리, 자기 디스크, 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있다.

도 6은 배터리의 SOC 추정 방법의 일 실시예를 도시한 흐름도이다.

도 2 및 도 6을 참조하면, 배터리의 SOC 추정 방법(600)은 먼저, 배터리 팩의 각 셀에서 센싱된 데이터(전압, 전류 및 온도)의 패턴을 분석하여 그룹 업데이트 주기에 따라 각 셀을 그룹화한다(610). 예를 들면, 그룹화부(310)는 Single-link algorithm, Average-link algorithm, MST(minimum spanning tree)-based Single-link algorithm, K-means algorithm, Nearest neighbor algorithm 등과 같은 다양한 클러스터링 알고리즘을 이용하여 각 셀을 그룹화할 수 있다. 즉, 그룹화부(310)는 다양한 클러스터링 알고리즘을 이용하여 각 셀의 전압, 전류 및 온도의 패턴의 유사도를 분석하여 유사한 배터리 셀별로 그룹화할 수 있다.

다른 예를 들면, 그룹화부(310)는 각 셀의 온도 변화, 평균 온도, 전압 변화, 평균 전압, 전류 변화, 평균 전류 등의 정보를 인덱스화하여 각 셀을 분류하고 분류 결과를 기반으로 각 셀(101 내지 10n)을 그룹화할 수 있다.

여기서, 그룹 업데이트 주기는 셀의 그룹화를 수행하는 주기일 수 있다.

그 후, 대표 셀 업데이트 주기에 따라 각 그룹의 대표 셀을 선택한다(620). 예를 들면, 대표 셀 선택부(320)는 각 그룹 내의 셀을 넘버링하고 넘버링 순서대로 순차적으로 대표 셀 업데이트 주기에 따라 대표 셀을 선택할 수 있다. 다른 예를 들면, 대표 셀 선택부(320)는 각 그룹 내의 셀에서 랜덤으로 대표 셀 업데이트 주기에 따라 각 그룹의 대표 셀을 선택할 수 있다. 또 다른 예를 들면, 대표 셀 선택부(320)는 각 그룹 내의 셀 중에서 각 그룹의 중간 특성을 보이는 셀을 대표 셀로 선택할 수 있다.

이때, 대표 셀 업데이트 주기는 각 그룹의 대표 셀을 선택/변경하는 대표 셀 선택/변경 주기일 수 있다.

그 후, 각 그룹 대표 셀에서 단위 시간 동안 센싱된 데이터(전압, 전류 및 온도)를 기반으로 배터리 모델을 통하여 단위 시간 동안의 각 그룹 대표 셀의 SOC/전압 변화량을 추정하고 이를 기반으로 각 그룹 대표 셀의 SOC을 추정한다(630). 이때, 배터리 모델은 전기 회로 모델(Electric Circuit Model), 전기 화학 모델(Electro-Chemical Model) 중 하나일 수 있다.

그 후, 각 그룹 대표 셀의 추정된 SOC/전압 변화량을 기반으로 각 그룹의 멤버 셀의 SOC를 추정한다(640). 예컨대, 제2 SOC 추정부(340)는 각 그룹 멤버 셀의 초기 SOC 값(또는 이전에 추정된 SOC 값)에 각 그룹 대표 셀의 SOC/전압 변화량을 반영함으로써 각 그룹 멤버 셀의 SOC를 추정할 수 있다.

그 후, 각 셀(각 그룹의 대표 셀 및 멤버 셀)의 SOC를 기반으로 배터리 팩의 SOC를 추정한다(650).

예를 들면, 제2 SOC 추정부(340)는 각 셀(각 그룹의 대표 셀 및 멤버 셀의 SOC)를 기반으로 각 그룹의 SOC를 추정한 후, 각 그룹의 SOC를 기반으로 배터리 팩의 SOC를 추정할 수 있다.

이때, 제2 SOC 추정부(330)는 중심 경향 척도(예컨대, 산술평균, 가중평균, 중앙값 및 최빈값 등)를 이용하여 각 그룹의 SOC의 추정 및 배터리 팩의 SOC을 추정할 수 있다. 예컨대, 제2 SOC 추정부(330)는 각 그룹의 각 셀의 SOC에 대하여 중심 경향 척도를 이용하여 각 그룹의 SOC를 추정하고, 각 그룹의 SOC에 대하여 중심 경향 척도를 이용하여 배터리 팩의 SOC를 추정할 수 있다. 한편, 제2 SOC 추정부(340)는 각 그룹 대표 셀의 SOC를 각 그룹의 SOC로 간주하는 것도 가능하다.

다른 예를 들면, 제2 SOC 추정부(340)는 각 그룹의 SOC 추정 과정 없이, 배터리 팩의 각 셀의 SOC을 기반으로 배터리 팩의 SOC를 추정할 수 있다. 예컨대, 제2 SOC 추정부(330)는 각 셀의 SOC에 대하여 중심 경향 척도를 이용하여 배터리 팩의 SOC를 추정할 수 있다.

도 7은 배터리의 SOC 추정 방법의 다른 실시예를 도시한 흐름도이다.

도 7의 배터리의 SOC 추정 방법(700)은 도 6의 배터리의 SOC 추정 방법(600)에 비하여 특이 셀 검출 단계(625) 및 대표 셀 SOC 보정 단계(635)를 더 포함할 수 있다.

도 5 및 도 7을 참조하면, 특이 셀 검출 단계(625)에서 셀 그룹화 결과 어느 그룹에도 속하지 못하는 셀(예컨대, 전압이 타 셀에 비하여 월등히 높거나 낮은 셀 또는 온도가 타 셀에 비하여 월등히 높거나 낮은 셀 등), 그룹 업데이트 주기에 따라 그룹화한 결과 그룹이 지속적으로 변하는 셀 등을 특이 셀로 검출한다. 이러한 특이 셀은 열화 및 고장이 발생하기 쉬운 셀로서 SOC 추정 장치(500)에서 관리될 수 있다.

대표 셀 SOC 보정 단계(635)에서 추정된 각 그룹 대표 셀의 SOC를 보정한다(635).

일 실시예에 따르면, 보정부(520)는 수학식 1 내지 수학식 3을 이용하여 각 그룹 대표 셀의 SOC를 보정하거나, 센싱된 전압 및 배터리 모델을 통해 추정된 전압의 차이가 소정의 오차 범위 내에 위치하도록 배터리 모델의 파라미터 등을 조정하여 각 그룹 대표 셀의 SOC를 보정할 수 있다. 그러나, 이에 한정되는 것은 아니며 다양한 방법으로 각 그룹 대표 셀의 추정된 SOC를 보정할 수 있다.

본 발명의 일 양상은 컴퓨터로 읽을 수 있는 기록 매체에 컴퓨터가 읽을 수 있는 코드로서 구현될 수 있다. 상기의 프로그램을 구현하는 코드들 및 코드 세그먼트들은 당해 분야의 컴퓨터 프로그래머에 의하여 용이하게 추론될 수 있다. 컴퓨터가 읽을 수 있는 기록 매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함할 수 있다. 컴퓨터가 읽을 수 있는 기록 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 디스크 등을 포함할 수 있다. 또한, 컴퓨터가 읽을 수 있는 기록 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산 방식으로 컴퓨터가 읽을 수 있는 코드로 작성되고 실행될 수 있다.

이제까지 본 발명에 대하여 그 바람직한 실시 예들을 중심으로 살펴보았다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 따라서, 본 발명의 범위는 전술한 실시 예에 한정되지 않고 특허 청구범위에 기재된 내용과 동등한 범위 내에 있는 다양한 실시 형태가 포함되도록 해석되어야 할 것이다.

10: SOC 추정 시스템
100: 배터리 팩
101, 10n: 배터리 셀
200: 센서
210: 전압 센싱부
220: 전류 센싱부
230: 온도 센싱부
300, 500: SOC 추정 장치
400: 차량 제어 장치
310: 그룹화부
320: 대표 셀 선택부
330: 제1 SOC 추정부
340: 제2 SOC 추정부
510: 특이 셀 검출부
520: 보정부
530: 저장부

Claims

배터리 팩 내부의 다수의 셀을 각 셀에서 센싱된 데이터의 패턴 유사성을 기반으로 그룹화하는 그룹화부;
각 그룹의 대표 셀을 선택하는 대표 셀 선택부;
배터리 모델을 기반으로 상기 선택된 각 그룹의 대표 셀의 SOC(State Of Charge)를 추정하는 제1 SOC 추정부; 및
상기 추정된 각 그룹의 대표 셀의 SOC를 기반으로 상기 배터리 팩의 SOC를 추정하는 제2 SOC 추정부; 를 포함하는 배터리의 SOC 추정 장치.
제1 항에 있어서,
상기 각 셀에서 센싱된 데이터는 각 셀의 전류, 전압 및 온도 중 적어도 하나를 포함하는 배터리의 SOC 추정 장치.
제1 항에 있어서,
상기 그룹화부는 설정된 그룹 업데이트 주기에 따라 상기 다수의 셀을 그룹화하는 배터리의 SOC 추정 장치.
제1 항에 있어서,
상기 대표 셀 선택부는 설정된 대표 셀 업데이트 주기에 따라 각 그룹의 대표 셀을 선택하는 배터리의 SOC 추정 장치.
제4 항에 있어서,
상기 대표 셀 선택부는 각 그룹 내의 셀을 넘버링하고 상기 설정된 대표 셀 업데이트 주기에 따라 넘버링 순서대로 순차적으로 대표 셀을 선택하거나 상기 설정된 대표 셀 업데이트 주기에 따라 각 그룹 내의 셀에서 랜덤으로 각 그룹의 대표 셀을 선택하는 배터리의 SOC 추정 장치.
제1 항에 있어서,
상기 배터리 모델은 전기 회로 모델 또는 전기 화학 모델 중 하나인 배터리의 SOC 추정 장치.
제1 항에 있어서,
상기 제2 SOC 추정부는 추정된 각 그룹의 대표 셀의 SOC를 기반으로 각 그룹의 멤버 셀의 SOC를 추정하고, 추정된 각 셀의 SOC를 기반으로 상기 배터리 팩의 SOC를 추정하는 배터리의 SOC 추정 장치.
제7 항에 있어서,
상기 제2 SOC 추정부는 각 그룹의 멤버 셀의 초기 SOC 값에 각 그룹의 대표 셀의 SOC 변화량을 반영하여 각 그룹 멤버 셀의 SOC를 추정하는 배터리의 SOC 추정 장치.
제7 항에 있어서,
상기 제2 SOC 추정부는,
각 셀의 SOC에 대하여 중심 경향 척도를 이용하여 배터리 팩의 SOC를 추정하는 배터리의 SOC 추정 장치.
제1 항에 있어서,
셀 그룹화 결과를 기반으로 상기 배터리 팩 내부의 다수의 셀 중에서 특이 셀을 검출하는 특이 셀 검출부; 를 더 포함하는 배터리의 SOC 추정 장치.
제10 항에 있어서,
상기 특이 셀 검출부는 상기 셀 그룹화 결과 어느 그룹에도 속하지 못하는 셀 및 설정된 그룹 업데이트 주기에 따라 셀 그룹화한 결과 그룹이 지속적으로 변하는 셀 중 적어도 하나를 특이 셀로 검출하는 배터리의 SOC 추정 장치.
제1 항에 있어서,
추정된 각 그룹 대표 셀의 SOC를 보정하는 보정부; 를 더 포함하는 배터리의 SOC 추정 장치.
배터리 팩 내부의 다수의 셀을 각 셀에서 센싱된 데이터의 패턴 유사성을 기반으로 그룹화하는 단계;
각 그룹의 대표 셀을 선택하는 단계;
배터리 모델을 기반으로 상기 선택된 각 그룹의 대표 셀의 SOC(State Of Charge)를 추정하는 단계; 및
상기 추정된 각 그룹의 대표 셀의 SOC를 기반으로 상기 배터리 팩의 SOC를 추정하는 단계; 를 포함하는 배터리의 SOC 추정 방법.
제13 항에 있어서,
상기 각 셀에서 센싱된 데이터는 각 셀의 전류, 전압 및 온도 중 적어도 하나를 포함하는 배터리의 SOC 추정 방법.
제13 항에 있어서,
상기 그룹화하는 단계는 설정된 그룹 업데이트 주기에 따라 상기 다수의 셀을 그룹화하는 배터리의 SOC 추정 방법.
제13 항에 있어서,
상기 각 그룹의 대표 셀을 선택하는 단계는 설정된 대표 셀 업데이트 주기에 따라 각 그룹의 대표 셀을 선택하는 배터리의 SOC 추정 방법.
제16 항에 있어서,
상기 각 그룹의 대표 셀을 선택하는 단계는 각 그룹 내의 셀을 넘버링하고 상기 설정된 대표 셀 업데이트 주기에 따라 넘버링 순서대로 순차적으로 대표 셀을 선택하거나 상기 설정된 대표 셀 업데이트 주기에 따라 각 그룹 내의 셀에서 랜덤으로 각 그룹의 대표 셀을 선택하는 배터리의 SOC 추정 방법.
제13 항에 있어서,
상기 배터리 모델은 전기 회로 모델 또는 전기 화학 모델 중 하나인 배터리의 SOC 추정 방법.
제13 항에 있어서,
상기 배터리 팩의 SOC를 추정하는 단계는
추정된 각 그룹의 대표 셀의 SOC를 기반으로 각 그룹의 멤버 셀의 SOC를 추정하는 단계; 및
추정된 각 셀의 SOC를 기반으로 중심 경향 척도를 이용하여 상기 배터리 팩의 SOC를 추정하는 단계; 를 포함하는 배터리의 SOC 추정 방법.
제19 항에 있어서,
상기 각 그룹의 멤버 셀의 SOC를 추정하는 단계는 각 그룹의 멤버 셀의 초기 SOC 값에 각 그룹의 대표 셀의 SOC 변화량을 반영하여 각 그룹 멤버 셀의 SOC를 추정하는 배터리의 SOC 추정 방법.
제13 항에 있어서,
셀 그룹화 결과를 기반으로 상기 배터리 팩 내부의 다수의 셀 중에서 특이 셀을 검출하는 단계; 를 더 포함하는 배터리의 SOC 추정 방법.
제21 항에 있어서,
상기 특이 셀을 검출하는 단계는 상기 셀 그룹화 결과 어느 그룹에도 속하지 못하는 셀 및 설정된 그룹 업데이트 주기에 따라 셀 그룹화한 결과 그룹이 지속적으로 변하는 셀 중 적어도 하나를 특이 셀로 검출하는 배터리의 SOC 추정 방법.
제14항에 있어서,
추정된 각 그룹 대표 셀의 SOC를 보정하는 단계; 를 더 포함하는 배터리의 SOC 추정 방법.