WO2023224414A1 - 배터리 진단 장치, 배터리 진단 방법, 배터리 팩 및 자동차 - Google Patents

배터리 진단 장치, 배터리 진단 방법, 배터리 팩 및 자동차 Download PDF

Info

Publication number
WO2023224414A1
WO2023224414A1 PCT/KR2023/006797 KR2023006797W WO2023224414A1 WO 2023224414 A1 WO2023224414 A1 WO 2023224414A1 KR 2023006797 W KR2023006797 W KR 2023006797W WO 2023224414 A1 WO2023224414 A1 WO 2023224414A1
Authority
WO
WIPO (PCT)
Prior art keywords
cell
battery
average
voltage
term
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/KR2023/006797
Other languages
English (en)
French (fr)
Inventor
성용철
안양수
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 Energy Solution Ltd
Original Assignee
LG Energy Solution 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 Energy Solution Ltd filed Critical LG Energy Solution Ltd
Priority to JP2024542101A priority Critical patent/JP2025502294A/ja
Priority to EP23807933.9A priority patent/EP4484982B1/en
Priority to CN202380021975.XA priority patent/CN119110904A/zh
Priority to US18/834,691 priority patent/US20250347752A1/en
Publication of WO2023224414A1 publication Critical patent/WO2023224414A1/ko
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/396—Acquisition or processing of data for testing or for monitoring individual cells or groups of cells within a battery
    • 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
    • G01R19/003—Measuring mean values of current or voltage during a given time interval
    • 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
    • G01R19/10—Measuring sum, difference or ratio
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
    • G01R19/165—Indicating that current or voltage is either above or below a predetermined value or within or outside a predetermined range of values
    • G01R19/16528—Indicating that current or voltage is either above or below a predetermined value or within or outside a predetermined range of values using digital techniques or performing arithmetic operations
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
    • G01R19/165—Indicating that current or voltage is either above or below a predetermined value or within or outside a predetermined range of values
    • G01R19/16533—Indicating that current or voltage is either above or below a predetermined value or within or outside a predetermined range of values characterised by the application
    • G01R19/16538—Indicating that current or voltage is either above or below a predetermined value or within or outside a predetermined range of values characterised by the application in AC or DC supplies
    • G01R19/16542—Indicating that current or voltage is either above or below a predetermined value or within or outside a predetermined range of values characterised by the application in AC or DC supplies for batteries
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
    • G01R19/165—Indicating that current or voltage is either above or below a predetermined value or within or outside a predetermined range of values
    • G01R19/16566—Circuits and arrangements for comparing voltage or current with one or several thresholds and for indicating the result not covered by subgroups G01R19/16504, G01R19/16528, G01R19/16533
    • 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
    • G01R31/3835—Arrangements for monitoring battery or accumulator variables, e.g. SoC involving only voltage measurements
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/385—Arrangements for measuring battery or accumulator variables
    • G01R31/387—Determining ampere-hour charge capacity or SoC
    • G01R31/388—Determining ampere-hour charge capacity or SoC involving voltage measurements
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/392—Determining battery ageing or deterioration, e.g. state of health
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00—Secondary cells; Manufacture thereof
    • H01M10/05—Accumulators with non-aqueous electrolyte
    • H01M10/052—Li-accumulators
    • 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
    • H01M10/482—Accumulators combined with arrangements for measuring, testing or indicating the condition of cells, e.g. the level or density of the electrolyte for several batteries or cells simultaneously or sequentially
    • 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
    • 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
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02E60/10—Energy storage using batteries

Definitions

  • the present invention relates to technology for diagnosing battery voltage abnormalities.
  • lithium batteries have almost no memory effect compared to nickel-based batteries, so they can be freely charged and discharged, and have a very high self-discharge rate. It is attracting attention due to its low and high energy density.
  • Battery cell voltage abnormality refers to a fault condition in which the cell voltage abnormally drops and/or rises due to internal short-circuit, external short-circuit, failure of the voltage sensing line, poor connection with the charge/discharge line, etc.
  • a diagnostic method using additional parameters must be accompanied by a detection process and mutual comparison process for each parameter, so it has the limitation of being relatively complex and requiring a long time compared to a diagnostic method using cell voltage as a single parameter.
  • the present invention was devised to solve the above problems, and determines a moving average of the cell voltage of each of a plurality of battery cells for each unit of time, for each of at least one moving window having a predetermined time length,
  • the purpose is to provide a battery diagnosis device, a battery diagnosis method, a battery pack, and a vehicle for efficiently and accurately diagnosing voltage abnormalities in each battery cell based on each moving average of each battery cell.
  • a battery diagnosis device for achieving the above technical problem is a battery diagnosis device for a cell group including a plurality of series-connected battery cells mounted on an electric vehicle, and the battery diagnosis device for each battery cell periodically while the electric vehicle is running.
  • a voltage sensing circuit configured to generate a voltage signal representing a voltage
  • a control configured to accumulate and store the cell voltage determined from the voltage signal in a memory unit and generate time series data representing changes in the cell voltage of each battery cell over time using the accumulated cell voltage of each battery cell. May include circuits.
  • control circuit determines a first average cell voltage and a second average cell voltage of each battery cell based on the time series data [wherein the first average cell voltage is a short-term moving average; the second average cell voltage is a long-term moving average], (ii) may be configured to detect a voltage abnormality of each battery cell based on the difference between the first average cell voltage and the second average cell voltage.
  • control circuit determines, for each battery cell, a short-term and long-term average difference corresponding to the difference between the first average cell voltage and the second average cell voltage, and, for each battery cell, determines a short-term and long-term average difference of all battery cells. It may be configured to determine a cell diagnostic deviation corresponding to the average value of the short- and long-term average differences and the deviation between the short- and long-term average differences of the battery cells, and to detect battery cells that meet the condition that the cell diagnostic deviation exceeds the diagnostic threshold as cells with an abnormal voltage.
  • control circuit Preferably, the control circuit generates, for each battery cell, time series data of cell diagnostic deviations, and determines the number of times the cell diagnostic deviation exceeds a diagnostic threshold or the data number of cell diagnostic deviations exceeding the diagnostic threshold. It may be configured to detect voltage abnormalities.
  • control circuit determines, for each battery cell, a short-term and long-term average difference corresponding to the difference between the first average cell voltage and the second average cell voltage, and for each battery cell, the short- and long-term average difference of all battery cells.
  • Determine the cell diagnostic deviation by calculating the average value of the average difference and the deviation of the short- and long-term average difference of the battery cells, determine a statistical variable threshold dependent on the standard deviation for the cell diagnosis deviation of all battery cells, and determine the cell diagnosis of each battery cell.
  • Time-series data on deviations are filtered based on a statistical variable threshold to generate time-series data of filter diagnostic values, and the number of times the filter diagnostic value exceeds the diagnostic threshold or the number of data of the filter diagnostic value exceeding the diagnostic threshold is calculated from the number of times the filter diagnostic value exceeds the diagnostic threshold. It may be configured to detect voltage abnormalities.
  • control circuit determines, for each battery cell, a short-term and long-term average difference corresponding to the difference between the first average cell voltage and the second average cell voltage, and for each battery cell, the short- and long-term average difference Determine the normalized value of Configured to generate time series data of filter diagnostic values by filtering based on a statistical variable threshold, and to detect voltage abnormalities in battery cells from the time when the filter diagnostic value exceeds the diagnostic threshold or the number of data of the filter diagnostic value exceeding the diagnostic threshold. It can be.
  • control circuit may normalize the short-term and long-term average differences for each battery cell by dividing the short-term and long-term average differences by the average of the short-term and long-term average differences of all battery cells.
  • control circuit may normalize the short-term and long-term average differences for each battery cell through a logarithmic operation of the short- and long-term average differences.
  • control circuit monitors changes over time in the cell voltage of each battery cell using a voltage corresponding to the cell voltage difference between the average value of the cell voltage of all battery cells and the cell voltage of each battery cell, measured per unit time. It may be configured to generate time series data that represents
  • control circuit determines, for each battery cell, a short-term and long-term average difference corresponding to the difference between the first average cell voltage and the second average cell voltage, and for each battery cell, the short- and long-term average difference Determine the normalized value of as the normalized cell diagnostic deviation, generate time series data of the normalized cell diagnostic deviation for each battery cell, and recursively repeat the following (i) to (iv) at least once for each battery cell. generate time series data of normalized cell diagnostic deviations for the battery cells;
  • the profile regarding the time series data of the cell voltage of each battery cell includes voltage data below a preset diagnosis start voltage and may include an inflection point after the voltage data is measured. .
  • step (e) includes: (e1) determining, for each battery cell, a short-term and long-term average difference corresponding to the difference between the first average cell voltage and the second average cell voltage; (e2) for each battery cell, determining a cell diagnosis deviation corresponding to the average value of the short-term and long-term average differences of all battery cells and the deviation of the short-term and long-term average differences of the battery cells; and (e3) detecting a battery cell that satisfies the condition that the cell diagnosis deviation exceeds the diagnosis threshold as an abnormal voltage cell.
  • step (e) includes: (e1) generating time series data of cell diagnostic deviation for each battery cell; and (e2) detecting a voltage abnormality of the battery cell from the time when the cell diagnostic deviation exceeds the diagnostic threshold or the data number of the cell diagnostic deviation exceeding the diagnostic threshold.
  • step (e) includes: (e1) determining, for each battery cell, a short-term and long-term average difference corresponding to the difference between the first average cell voltage and the second average cell voltage; (e2) for each battery cell, determining a cell diagnosis deviation by calculating the average value of the short-term and long-term average differences of all battery cells and the deviation of the short-term and long-term average differences of the battery cells; (e3) determining a statistical variable threshold dependent on the standard deviation of the cell diagnostic deviation of all battery cells; (e4) filtering time series data on cell diagnosis deviation of each battery cell based on a statistical variable threshold to generate time series data of filter diagnosis values for each battery cell; and (e5) detecting a voltage abnormality of the battery cell from the time when the filter diagnosis value exceeds the diagnosis threshold or the number of data of the filter diagnosis value exceeding the diagnosis threshold.
  • step (e) includes: (e1) determining, for each battery cell, a short-term and long-term average difference corresponding to the difference between the first average cell voltage and the second average cell voltage; (e2) for each battery cell, determining the normalized value of the short- and long-term average difference as the normalized cell diagnostic deviation; (e3) determining a statistical variable threshold dependent on the standard deviation for the normalized cell diagnostic deviation of all battery cells; (e4) filtering time series data on the normalized cell diagnostic deviation of each battery cell based on a statistical variable threshold to generate time series data of filter diagnosis values; and (e6) detecting a voltage abnormality of the battery cell from the time when the filter diagnosis value exceeds the diagnosis threshold or the number of data of the filter diagnosis value exceeding the diagnosis threshold.
  • the step (e3) may be a step of normalizing the short-term and long-term average differences for each battery cell by dividing the short- and long-term average differences by the average value of the short-term and long-term average differences of all battery cells.
  • step (e3) may be a step of normalizing the short-term and long-term average differences for each battery cell by calculating the logarithm of the short-term and long-term average differences.
  • step (a) is performed by measuring the cell voltage of each battery cell over time using a voltage corresponding to the cell voltage difference between the average value of the cell voltage of all battery cells measured per unit time and the cell voltage of each battery cell. This may be a step in generating time series data that represents change.
  • step (e) includes: (e1) determining, for each battery, a short-term and long-term average difference corresponding to the difference between the first average cell voltage and the second average cell voltage; (e2) for each battery, determining the normalized value of the short- and long-term average difference as the normalized cell diagnostic deviation; (e3) for each battery cell, generating time series data of normalized cell diagnostic deviation; (e4) generating time series data of normalized cell diagnostic deviation for each battery cell by recursively repeating (i) to (iv) at least once;
  • the profile regarding the time series data of the cell voltage of each battery cell includes voltage data below a preset diagnosis start voltage and may include an inflection point after the voltage data is measured. .
  • the above technical task can also be achieved by a battery pack including the above-described battery diagnostic device and a vehicle including the same.
  • the present invention it is possible to precisely detect the time period in which the voltage abnormality of each battery cell occurred and/or the voltage abnormality detection count by analyzing the time series data of the filter diagnosis value determined based on the statistical variable threshold. possible.
  • FIG. 1 is a diagram illustrating the configuration of an electric vehicle according to an embodiment of the present invention.
  • FIGS. 2A to 2H are graphs referenced to explain the process of diagnosing a voltage abnormality of each battery cell from time series data showing changes over time in the cell voltage of each of the plurality of battery cells shown in FIG. 1.
  • Figure 3 is a flowchart illustrating a battery diagnosis method according to the first embodiment of the present invention.
  • Figure 4 is a flowchart illustrating a battery diagnosis method according to a second embodiment of the present invention.
  • Figure 5 is a flowchart illustrating a battery diagnosis method according to a third embodiment of the present invention.
  • Figure 6 is a flowchart illustrating a battery diagnosis method according to a fourth embodiment of the present invention.
  • Figure 7 is a flowchart exemplarily showing a battery diagnosis method according to the fifth embodiment of the present invention.
  • control unit> refers to a unit that processes at least one function or operation, and may be implemented as hardware, software, or a combination of hardware and software.
  • FIG. 1 is a diagram illustrating the configuration of an electric vehicle according to an embodiment of the present invention.
  • an electric vehicle 1 includes a battery pack 2, an inverter 3, an electric motor 4, and a vehicle controller 5.
  • the battery pack 2 includes a cell group (CG), a switch 6, and a battery management system 100.
  • CG cell group
  • switch 6 switch 6
  • battery management system 100 battery management system
  • the cell group CG may be coupled to the inverter 3 through a pair of power terminals provided in the battery pack 2.
  • the cell group CG includes a plurality of battery cells (BC 1 to BC N , where N is a natural number of 2 or more) connected in series.
  • the type of each battery cell BC i is not particularly limited as long as it is rechargeable, such as a lithium ion battery cell.
  • i is an index for cell identification.
  • i is a natural number from 1 to N.
  • the switch 6 is connected in series to the cell group CG.
  • the switch 6 is installed in the current path for charging and discharging the cell group CG.
  • the switch 6 is controlled on and off in response to a switching signal from the battery management system 100.
  • the switch 6 may be a mechanical relay turned on and off by the magnetic force of the coil or a semiconductor switch such as a metal oxide semiconductor field effect transistor (MOSFET).
  • MOSFET metal oxide semiconductor field effect transistor
  • the inverter 3 is provided to convert direct current from the cell group CG to alternating current in response to commands from the battery management system 100 .
  • the electric motor 4 may be, for example, a three-phase alternating current motor.
  • the electric motor 4 is driven using alternating current power from the inverter 3.
  • the battery management system 100 is provided to take charge of overall control related to charging and discharging of the cell group (CG) while the electric vehicle 1 is running.
  • operation of the electric vehicle 1 may include moving the electric vehicle 1, parking, or waiting for a signal.
  • the battery management system 100 includes a battery diagnosis device 200.
  • the battery management system 100 may further include at least one of a current sensor 310, a temperature sensor 320, and an interface unit 330.
  • the battery diagnosis device 200 is provided to diagnose voltage abnormalities in each of the plurality of battery cells (BC 1 to BC N ) while the electric vehicle 1 is running.
  • the battery diagnosis device 200 includes a voltage sensing circuit 210 and a control circuit 220.
  • the voltage sensing circuit 210 is connected to the anode and cathode of each of the plurality of battery cells (BC 1 to BC N ) through a plurality of voltage sensing lines.
  • the voltage sensing circuit 210 is configured to measure the cell voltage across both ends of each battery cell BC at regular time intervals while the electric vehicle 1 is running and generate a voltage signal representing the measured cell voltage. .
  • the current sensor 310 is connected in series to the cell group CG through a current path.
  • the current sensor 310 is configured to detect the battery current flowing through the cell group CG at regular time intervals while the electric vehicle 1 is running and generate a current signal representing the detected battery current.
  • the temperature sensor 320 is configured to detect the temperature of the cell group CG at regular time intervals while the electric vehicle 1 is running and generate a temperature signal representing the detected temperature.
  • control circuit 220 includes application specific integrated circuits (ASICs), digital signal processors (DSPs), digital signal processing devices (DSPDs), programmable logic devices (PLDs), field programmable gate arrays (FPGAs), and micro It may be implemented using at least one of processors (microprocessors) and electrical units for performing other functions.
  • ASICs application specific integrated circuits
  • DSPs digital signal processors
  • DSPDs digital signal processing devices
  • PLDs programmable logic devices
  • FPGAs field programmable gate arrays
  • micro It may be implemented using at least one of processors (microprocessors) and electrical units for performing other functions.
  • the control circuit 220 may have a memory unit 221.
  • the memory unit 221 is a flash memory type, hard disk type, SSD type (Solid State Disk type), SDD type (Silicon Disk Drive type), and multimedia card micro type. micro type), random access memory (RAM), static random access memory (SRAM), read-only memory (ROM), electrically erasable programmable read-only memory (EEPROM), programmable read-only memory (PROM) It may include at least one type of storage medium.
  • the memory unit 221 can store data and programs required for calculation operations by the control circuit 220.
  • the memory unit 221 can store data representing the results of calculation operations by the control circuit 220.
  • the control circuit 220 may record at least one of various parameters calculated per unit time, which will be described later, in the memory unit 221.
  • the control circuit 220 may be operably coupled to the voltage sensing circuit 210, temperature sensor 320, current sensor 310, interface unit 330, and/or switch 6.
  • the control circuit 220 may collect sensing signals from the voltage sensing circuit 210, the current sensor 310, and the temperature sensor 320 at regular time intervals while the electric vehicle 1 is running.
  • a sensing signal refers to a synchronously detected voltage signal, current signal, and/or temperature signal.
  • the control circuit 220 converts the voltage signal and/or current signal and/or temperature signal into digital data to generate time series data regarding the voltage and/or current and/or temperature of the battery cell, and stores the memory unit 221. It can be accumulated and stored.
  • the interface unit 330 may include a communication circuit configured to support wired or wireless communication between the control circuit 220 and the vehicle controller 5 (eg, ECU: Electronic Control Unit).
  • Wired communication may be, for example, CAN (controller area network) communication
  • wireless communication may be, for example, ZigBee or Bluetooth communication.
  • the type of communication protocol is not particularly limited as long as it supports wired and wireless communication between the control circuit 220 and the vehicle controller 5.
  • the interface unit 330 may be combined with an output device (eg, display, speaker) that provides information received from the vehicle controller 5 and/or the control circuit 220 in a form recognizable to the user.
  • the vehicle controller 5 may control the inverter 3 based on battery information (eg, voltage, current, temperature, SOC) collected through communication with the battery management system 100.
  • battery information eg, voltage, current, temperature, SOC
  • FIGS. 2A to 2H are graphs exemplarily showing the process of diagnosing a voltage abnormality of each battery cell from time series data showing changes in cell voltage of each of the plurality of battery cells shown in FIG. 1 over time.
  • Figure 2a shows the voltage curve of each of a plurality of battery cells (BC 1 to BC N ).
  • the number of battery cells for which the voltage curve is illustrated is 14.
  • the control circuit 220 collects the voltage signal from the voltage sensing circuit 210 every unit time while the electric vehicle 1 is running, and stores the voltage value of the cell voltage of each battery cell BC i . It is recorded cumulatively in section 221.
  • the unit time may be an integer multiple of the voltage measurement period of the voltage sensing circuit 210.
  • the control circuit 220 generates cell voltage time series data representing the history of the cell voltage of each battery cell over time, based on the voltage value of the cell voltage of each battery cell (BC i ) recorded in the memory unit 221. can be created. Each time the cell voltage is measured, the number of cell voltage time series data increases by 1.
  • the plurality of voltage curves shown in FIG. 2A are one-to-one related to the plurality of battery cells (BC 1 to BC N ). Accordingly, each voltage curve represents the change history of the cell voltage of a battery cell BC associated with it.
  • the control circuit 220 may determine the moving average of each of the plurality of battery cells (BC 1 to BC N ) per unit time using one moving window or two moving windows. When using two moving windows, the length of time for one moving window is different from the length of time for the other moving window.
  • the time length of each moving window is an integer multiple of the unit time
  • the end point of each moving window is the current time
  • the start point of each moving window is a time point ahead by a predetermined time length from the current time.
  • the one associated with the shorter time length of the two moving windows will be referred to as the first moving window, and the one associated with the longer time length will be referred to as the second moving window.
  • the control circuit 220 may diagnose a voltage abnormality of each battery cell BC i by using only the first moving window or both the first moving window and the second moving window.
  • the control circuit 220 controls the short-term change in the cell voltage of the i-th battery cell (BC i ) based on the cell voltage of the ith battery cell (BC i ) collected per unit time while the electric vehicle 1 is running. Change trends and long-term change trends can be compared per unit time.
  • the control circuit 220 may determine the first average cell voltage, which is the moving average of the ith battery cell BC i by the first moving window, per unit time, using Equation 1 or Equation 2 below.
  • Equation 1 is a moving average calculation formula using the arithmetic average method
  • Equation 2 is a moving average calculation formula using the weighted average method.
  • Equations 1 and 2 k is a time index indicating the current time, SMA i [k] is the first average cell voltage of the ith battery cell (BC i ) at the current time, and S is the time length of the first moving window. divided by unit time, V i [k] is the cell voltage of the ith battery cell (BC i ) at the current time. For example, if the unit time is 1 second and the time length of the first moving window is 10 seconds, S is 10.
  • V i [kx] and SMA i [kx] represent the cell voltage and the first average cell voltage of the ith battery cell (BC i ) when the time index is kx, respectively.
  • the control circuit 220 may be set to increase the time index by 1 every unit of time.
  • the control circuit 220 may determine the second average cell voltage, which is the moving average of the ith battery cell BC i by the second moving window, per unit time, using Equation 3 or Equation 4 below.
  • Equation 3 is a moving average calculation formula using the arithmetic average method
  • Equation 4 is a moving average calculation formula using the weighted average method.
  • Equations 3 and 4 k is a time index indicating the current time, LMA i [k] is the second average cell voltage of the ith battery cell (BC i ) at the current time, and L is the time length of the second moving window. divided by unit time, V i [k] is the cell voltage of the ith battery cell (BC i ) at the current time. For example, if the unit time is 1 second and the time length of the second moving window is 100 seconds, L is 100.
  • LMA i [kx] represents the second average cell voltage when the time index is kx.
  • control circuit 220 is V i [k] of Equations 1 to 4, and instead of the cell voltage of each battery cell (BC i ) at the current time, the control circuit 220 is the cell group (CG) at the current time. You can enter the difference between the reference cell voltage and the cell voltage of the battery cell (BC i ).
  • the reference cell voltage of the cell group CG at the current time is an average value of a plurality of cell voltages at the current time determined from the plurality of battery cells BC 1 to BC N .
  • the average value of the plurality of cell voltages can be replaced by the median value.
  • control circuit 220 may set VD i [k] in Equation 5 below to V i [k] in Equations 1 to 4.
  • VD i [k] V av [k] - V i [k]
  • V av [k] is the reference cell voltage of the cell group CG at the current time and is the average value of a plurality of cell voltages.
  • the first average cell voltage is referred to as the 'short-term moving average' of the cell voltage
  • the second average cell voltage is referred to as the 'long-term moving average' of the cell voltage. It can be called.
  • FIG. 2B shows a short-term moving average line and a long-term moving average line for the cell voltage of the ith battery cell BC i determined from the plurality of voltage curves shown in FIG. 2A.
  • the horizontal axis represents time
  • the vertical axis represents the short-term moving average and long-term moving average of the cell voltage.
  • a plurality of moving average lines (S i ) shown in dotted lines are one-to-one related to a plurality of battery cells (BC 1 to BC N ), and the first average cell voltage (SMA) of each battery cell (BC) It represents the change history of i [k]) over time.
  • the plurality of moving average lines (L i ) shown in solid lines are one-to-one related to the plurality of battery cells (BC 1 ⁇ BC N ), and the second average cell voltage (LMA i [k]) of each battery cell (BC) ) shows the change history over time.
  • Equation 2 and Equation 4 The dotted line graph and solid line graph were obtained using Equation 2 and Equation 4, respectively. Additionally, VD i [k] in Equation 5 was used as V i [k] in Equations 2 and 4, and V av [k] was set as the average of a plurality of cell voltages.
  • the time length of the first moving window is 10 seconds, and the time length of the second moving window is 100 seconds.
  • Figure 2c shows the short- and long-term average difference (absolute value) corresponding to the difference between the first average cell voltage (SMA i [k]) and the second average cell voltage (LMA i [k]) of each battery cell shown in Figure 2b. Indicates change over time.
  • the horizontal axis represents time
  • the vertical axis represents the short- and long-term average difference of each battery cell (BC i ).
  • the short- and long-term average difference of each battery cell (BC i ) is the difference between the first average cell voltage (SMA i ) and the second average cell voltage (LMA i ) of each battery cell (BC i ) per unit time.
  • the short- and long-term average difference of the ith battery cell (BC i ) is obtained by subtracting one of SMA i [k] and LMA i [k] (e.g., the larger one) from the other (e.g., the smaller one). It may be the same as the value.
  • the short-term and long-term average difference of the ith battery cell (BC i ) depends on the short-term change history and long-term change history of the cell voltage of the ith battery cell (BC i ).
  • the temperature or SOH of the ith battery cell (BC i ) steadily affects the cell voltage of the ith battery cell (BC i ) in the short term as well as in the long term. Therefore, if there is no voltage abnormality of the ith battery cell (BC i ), the short-term and long-term average difference of the ith battery cell (BC i ) is not significantly different from the short-term and long-term average differences of the remaining battery cells.
  • the voltage abnormality suddenly generated in the i battery cell (BC i ) due to an internal short circuit and/ or an external short circuit is higher than the first average cell voltage (SMA i [k]) than the second average cell voltage (LMA i [k]). k])).
  • SMA i [k] first average cell voltage
  • LMA i [k] second average cell voltage
  • the control circuit 220 can determine the short- and long-term average difference (
  • the control circuit 220 also determines the deviation of the short-term and long-term average differences (
  • control circuit 220 determines that when the cell diagnostic deviation (D diag,i [k]) for the ith battery cell (BC i ) exceeds a preset diagnostic threshold (e.g., 0.015), the i-th battery It can be diagnosed that there is a voltage abnormality in the cell (BC i ).
  • a preset diagnostic threshold e.g. 0.15
  • control circuit 220 may normalize the short- and long-term average difference (
  • the normalization reference value is the average value of the short-term and long-term average differences (
  • the control circuit 220 sets the average value of the short- and long-term average differences (
  • the control circuit 220 also divides the short- and long-term average difference (
  • Equation 6 represents a formula for normalizing the short- and long-term average difference (
  • the value calculated by Equation 6 may be named normalized cell diagnostic deviation (D * diag,i [k]).
  • Equation 6
  • is the short-term and long-term average difference of the ith battery cell (BC i ) at the current time
  • av is the average value (normalization reference value) of the short-term and long-term average differences of all battery cells
  • D * diag,i [k] is the normalized cell diagnosis deviation of the ith battery cell (BC i ) at the current time.
  • the symbol '*' indicates that the parameter has been normalized.
  • ) of each battery cell (BC i ) can also be normalized through the logarithmic operation in Equation 7 below.
  • the value calculated by Equation 7 may also be named normalized cell diagnostic deviation (D * diag,i [k]).
  • Figure 2d shows the change over time in the normalized cell diagnostic deviation (D * diag,i [k]) of each battery cell (BC i ).
  • Cell diagnostic deviation (D * diag,i [k]) was calculated using Equation 6.
  • the horizontal axis represents time
  • the vertical axis represents the cell diagnosis deviation (D * diag,i [k]) of each battery cell (BC i ).
  • ) of each battery cell (BC i ) is normalized, so that the change in the short-term and long-term average difference of each battery cell (BC i ) is the average value. It can be seen that it has been amplified based on . As a result, diagnosis of voltage abnormalities in battery cells can be made more accurately.
  • control circuit 220 compares the normalized cell diagnostic deviation (D * diag,i [k]) and the statistical variable threshold (D threshold [k]) of each battery cell (BC i ).
  • (BC i ) voltage abnormality diagnosis can be performed.
  • control circuit 220 can set the statistical variable threshold (D threshold [k]) per unit time using Equation 8 below.
  • Equation 8 Sigma is a function that calculates the standard deviation for the normalized cell diagnostic deviation (D * diag,i [k]) of all battery cells (BC) at time index k.
  • ⁇ is a constant determined experimentally.
  • ⁇ is a factor that determines diagnostic sensitivity.
  • ⁇ can be appropriately determined by trial and error so that when the present invention is implemented on a cell group including a battery cell with an actual voltage abnormality, the battery cell in question can be detected as a cell with a voltage abnormality.
  • ⁇ may be set to at least 5 or more, or at least 6 or more, or at least 7 or more, or at least 8 or more, or at least 9 or more.
  • D threshold [k] generated by Equation 8 is plural, so it constitutes time series data.
  • the normalized cell diagnosis deviation (D * diag,i [k]) of a battery cell with a voltage abnormality is relatively larger than that of a normal battery cell. Therefore, in order to improve the accuracy and reliability of diagnosis, it is recommended to exclude max(D * diag,i [k]), which is the maximum value, when calculating Sigma(D * diag, i [k]) at time index k. desirable.
  • max is a function that returns the maximum value for a plurality of input variables, and the input variables are normalized cell diagnostic deviations (D * diag,i [k]) of all battery cells.
  • time series data showing the time change of the statistical variable threshold corresponds to the profile displayed in the darkest color among all profiles.
  • the control circuit 220 determines the statistical variable threshold (D threshold [k]) at the time index k and then calculates the normalized cell diagnostic deviation (D * diag ,i [ By filtering k]), the filter diagnosis value (D filter,i [k]) can be determined.
  • Two values may be assigned to the filter diagnosis value (D filter,i [k]) for each battery cell (BC i ). That is, if the cell diagnosis deviation (D * diag,i [k]) is greater than the statistical variable threshold (D threshold [k]), the cell diagnosis deviation (D * diag,i [k]) and the statistical variable threshold (D Threshold [ The difference value of k]) is assigned to the filter diagnosis value (D filter,i [k]). On the other hand, if the cell diagnosis deviation (D * diag,i [k]) is equal to or less than the statistical variable threshold (D threshold [k]), 0 is assigned to the filter diagnosis value (D filter,i [k]).
  • Figure 2e is a diagram showing time series data of the filter diagnosis value (D filter,i [k]) obtained through filtering of the cell diagnosis deviation (D * diag ,i [k]) at time index k.
  • a specific battery cell with an irregular pattern is a battery cell with time series data indicated by A in FIG. 2D.
  • the control circuit 220 determines that the filter diagnosis value (D filter,i [k]) is diagnosed in the time series data of the filter diagnosis value (D filter,i [k]) for each battery cell (BC- i ).
  • a time section greater than a threshold eg, 0
  • a battery cell in which a condition in which the integration time is greater than a preset reference time is established may be diagnosed as a voltage abnormality cell.
  • control circuit 220 may accumulate a time interval in which the condition in which the filter diagnosis value (D filter,i [k]) is greater than the diagnosis threshold is continuously met. If there are multiple time sections, the control circuit 220 can independently calculate the integration time for each time section.
  • control circuit 220 determines that the filter diagnosis value (D filter,i [k]) is diagnosed in the time series data of the filter diagnosis value (D filter,i [k]) for each battery cell (BC- i ).
  • the number of data included in a time interval greater than a threshold (eg, 0) may be accumulated, and a battery cell in which a condition such that the data integration value is greater than a preset reference count is met may be diagnosed as a voltage abnormality cell.
  • control circuit 220 may only accumulate the number of data included in the time interval in which the condition in which the filter diagnosis value (D filter,i [k]) is greater than the diagnosis threshold is continuously met. If there are multiple time sections, the control circuit 220 can independently integrate the number of data in each time section.
  • control circuit 220 replaces V i [k] in Equations 1 to 5 with the normalized cell diagnostic deviation (D * diag,i [k]) of each battery cell (BC- i ) shown in FIG. 2D. You can. In addition, the control circuit 220 calculates the short-term and long-term average difference (
  • Figure 2f shows the time evolution of the short-term and long-term average difference (
  • V i [k] is replaced by D * diag,i [k] can be, and V av [k] can be replaced by the average value of D * diag,i [k].
  • Figure 2g is a graph showing time series data of the normalized cell diagnosis deviation (D * diag,i [k]) calculated using Equation 6.
  • time series data of the statistical variable threshold (D threshold [k]) corresponds to the profile indicated in the darkest color.
  • Figure 2h is a profile showing the time series data of the filter diagnosis value (D filter ,i [k]) obtained by filtering the time series data of the cell diagnosis deviation (D * diag, i [k]) using Equation 9.
  • the control circuit 220 determines that the filter diagnosis value (D filter,i [k]) is diagnosed in the time series data of the filter diagnosis value (D filter,i [k]) for each battery cell (BC- i ).
  • a time section greater than a threshold eg, 0
  • a battery cell in which a condition in which the integration time is greater than a preset reference time is established may be diagnosed as a voltage abnormality cell.
  • control circuit 220 may accumulate a time interval in which the condition in which the filter diagnosis value (D filter,i [k]) is greater than the diagnosis threshold is continuously met. If there are multiple time sections, the control circuit 220 can independently calculate the integration time for each time section.
  • control circuit 220 determines that the filter diagnosis value (D filter,i [k]) is diagnosed in the time series data of the filter diagnosis value (D filter,i [k]) for each battery cell (BC- i ).
  • the number of data included in a time interval greater than a threshold (eg, 0) may be accumulated, and a battery cell in which a condition such that the data integration value is greater than a preset reference count is met may be diagnosed as a voltage abnormality cell.
  • control circuit 220 may only accumulate the number of data included in the time interval in which the condition in which the filter diagnosis value (D filter,i [k]) is greater than the diagnosis threshold is continuously met. If there are multiple time sections, the control circuit 220 can independently integrate the number of data in each time section.
  • the control circuit 220 may additionally repeat the above-described recursive operation process a standard number of times. That is, the control circuit 220 may replace the voltage time series data shown in FIG. 2A with time series data of the normalized cell diagnostic deviation (D * diag,i [k]) (for example, the data in FIG. 2G).
  • D * diag,i [k] normalized cell diagnostic deviation
  • control circuit 220 calculates the short- and long-term average difference (
  • the diagnosis of voltage abnormalities in battery cells can be made more precisely. That is, referring to FIG. 2e, a positive profile pattern is observed only in two time sections in the time series data of the filter diagnosis value (D filter,i [k]) of a battery cell in which a voltage abnormality occurs. However, referring to FIG. 2h, a positive profile pattern is observed in more time sections than in FIG. 2e in the time series data of the filter diagnosis value (D filter,i [k]) of a battery cell with a voltage abnormality. Therefore, if the recursive calculation process is repeated, the point in time when the battery cell voltage abnormality occurs can be detected more accurately.
  • Battery diagnosis operations according to the embodiments (modifications) of the control circuit 220 described above include diagnosis in which a profile regarding time series data of the cell voltage of each battery cell BC i is preset, as shown in FIG. 2A. It is preferable that the diagnosis be performed under diagnostic conditions that include voltage data below the starting voltage and an inflection point after the point at which the voltage data was measured.
  • the diagnosis start voltage may be set to be higher than the lower discharge limit voltage of each battery cell BC i by a predetermined level.
  • the predetermined level may vary depending on the type of battery cell BC i and the degree of deterioration of the battery cell BC i .
  • the diagnosis start voltage can be set to 3.35V.
  • the inflection point may appear when each battery cell (BC i ) is discharged and the discharge is stopped for a predetermined period of time.
  • an inflection point may be included in the profile regarding time series data of the cell voltage of each battery cell BC i .
  • the inflection point may appear in the process of resolving the polarization of the electrodes when the discharge of each battery cell (BC i ) is stopped.
  • the voltage abnormality of a battery cell with a voltage abnormality is amplified compared to other battery cells, thereby improving the accuracy and reliability of battery diagnosis.
  • the battery diagnosis method may be performed by the battery diagnosis device 200 while the electric vehicle 1 is driving.
  • operation of the electric vehicle 1 may include moving the electric vehicle 1, parking, or waiting for a signal.
  • control circuit 220 The operation of the control circuit 220 will be described in more detail in various embodiment(s) of the battery diagnosis method.
  • FIG. 3 is a flowchart illustrating a battery diagnosis method according to an embodiment of the present invention.
  • the method of FIG. 3 may be periodically executed per unit of time by the control circuit 220 while the electric vehicle 1 is running.
  • step S310 the control circuit 220 collects a voltage signal representing the cell voltage of each of the plurality of battery cells (BC 1 to BC N ) from the voltage measurement circuit 210, Time series data of the cell voltage of each battery cell (BC) is generated (see FIG. 2A). In the time series data of cell voltage, the number of data increases by 1 every time unit time passes.
  • Vi [ k] or VD i [k] of Equation 5 can be used as the cell voltage.
  • step S320 the control circuit 220 determines the first average cell voltage (SMA i [k]) of each battery cell (BC -i ), based on the time series data of the cell voltage of each battery cell (BC i ), using the formula 1 and Equation 2) and the second average cell voltage (LMA i [k], see Equation 3 and Equation 4) (see Figure 2b).
  • the first average cell voltage (SMA i [k]) is a short-term moving average of the cell voltage of each battery cell (BC i ) over a first moving window with a first time length.
  • the second average cell voltage LMA i [k] is a long-term moving average of the cell voltage of each battery cell BC i over a second moving window having a second length of time.
  • V i [k] or VD i [k] may be used.
  • step S330 the control circuit 220 determines the short- and long-term average difference (
  • step S340 the control circuit 220 determines the cell diagnosis deviation (D diag,i [k]) of each battery cell (BC i ).
  • the cell diagnostic deviation (D diag,i [k]) is the average value of the short- and long-term average difference for all battery cells (
  • step S350 the control circuit 220 determines whether the diagnostic time has elapsed.
  • the diagnosis time is set in advance. If the judgment in step S350 is YES, step S360 proceeds, and if the judgment in step S350 is NO, steps S310 to S340 are repeated again.
  • step S360 the control circuit 220 generates time series data for the cell diagnosis deviation (D diag,i [k]) of each battery cell (BC i ) collected during the diagnosis time.
  • step S370 the control circuit 220 diagnoses a voltage abnormality of each battery cell (BC i ) by analyzing time series data for the cell diagnosis deviation (D diag,i [k]).
  • the control circuit 220 determines that the cell diagnostic deviation (D diag,i [k]) in the time series data for the cell diagnostic deviation (D diag,i [k]) of each battery cell (BC i ) is set to a diagnostic threshold.
  • a battery cell that accumulates over a time period greater than (e.g., 0.015) and meets a condition where the integration time is greater than a preset reference time can be diagnosed as a cell with an abnormal voltage.
  • control circuit 220 may integrate only the time interval in which the condition in which the cell diagnosis deviation (D diag,i [k]) is greater than the diagnosis threshold is continuously met. If there are multiple time sections, the control circuit 220 can independently calculate the integration time for each time section.
  • control circuit 220 determines that the cell diagnostic deviation (D diag,i [k]) in the time series data for the cell diagnostic deviation (D diag,i [k]) of each battery cell (BC i ) is set to a diagnostic threshold.
  • a battery cell that accumulates a data number greater than (e.g., 0.015) and meets the condition that the data integration value is greater than a preset reference count can be diagnosed as a cell with an abnormal voltage.
  • the control circuit 220 may only accumulate the number of data included in the time interval in which the condition in which the cell diagnosis deviation (D diag,i [k]) is greater than the diagnosis threshold is continuously met. If there are multiple time sections, the control circuit 220 can independently accumulate the number of data in each time section.
  • FIG. 4 is a flowchart exemplarily showing a battery diagnosis method according to the second embodiment of the present invention. The method of FIG. 4 may be periodically executed per unit of time by the control circuit 220 of the battery diagnosis device 200 while the electric vehicle 1 is running.
  • steps S310 to S360 are substantially the same as those of the first embodiment, so description thereof is omitted.
  • step S380 proceeds.
  • step S380 the control circuit 220 generates time series data of the statistical variable threshold (D threshold [k]) using Equation 8.
  • the input of the Sigma function in Equation 8 is time series data on the cell diagnosis deviation (D diag,i [k]) of all battery cells generated in step S360.
  • the maximum value of the cell diagnostic deviation (D diag,i [k]) can be excluded from the input value of the Sigma function.
  • Cell diagnosis deviation (D diag,i [k]) is the deviation from the average value of the short- and long-term average difference (
  • step S390 the control circuit 220 filters the cell diagnosis deviation (D diag,i [k]) of each battery cell (BC i ) using Equation 9 to obtain a filter diagnosis value (D filter,i [k]) Generate time series data.
  • step S400 the control circuit 220 diagnoses a voltage abnormality of each battery cell (BC i ) by analyzing time series data of the filter diagnosis value (D filter,i [k]).
  • the control circuit 220 determines that the filter diagnosis value (D filter,i [k]) is diagnosed in the time series data of the filter diagnosis value (D filter,i [k]) for each battery cell (BC- i ).
  • a time section greater than a threshold eg, 0
  • a battery cell in which a condition in which the integration time is greater than a preset reference time is established may be diagnosed as a voltage abnormality cell.
  • control circuit 220 can integrate only the time interval in which the condition in which the filter diagnosis value (D filter,i [k]) is greater than the diagnosis threshold is continuously met. If there are multiple time sections, the control circuit 220 can independently calculate the integration time for each time section.
  • control circuit 220 determines that the filter diagnosis value (D filter,i [k]) is diagnosed in the time series data of the filter diagnosis value (D filter,i [k]) for each battery cell (BC- i ).
  • the number of data included in a time interval greater than a threshold (eg, 0) may be accumulated, and a battery cell in which a condition such that the data integration value is greater than a preset reference count is met may be diagnosed as a voltage abnormality cell.
  • control circuit 220 may only accumulate the number of data included in the time interval in which the condition in which the filter diagnosis value (D filter,i [k]) is greater than the diagnosis threshold is continuously met. If there are multiple time sections, the control circuit 220 can independently integrate the number of data in each time section.
  • FIG. 5 is a flowchart illustrating a battery diagnosis method according to a third embodiment of the present invention.
  • the method of FIG. 5 may be periodically executed per unit of time by the control circuit 220 of the battery diagnosis device 200 while the electric vehicle 1 is running.
  • the remaining configuration of the battery diagnosis method according to the third embodiment is substantially the same as that of the first embodiment, except that steps S340, S360, and S370 are changed to steps S340', 360', and step S370', respectively. Therefore, with respect to the third embodiment, only the different configurations will be described.
  • step S340 ' the control circuit 220 calculates the normalized cell diagnostic deviation (
  • the normalization reference value is the average value of the short- and long-term average difference (
  • step S360' the control circuit 220 generates time series data for the normalized cell diagnostic deviation (D * diag,i [k]) of each battery cell (BC i ) collected during the diagnostic time (see FIG. 2D ).
  • step S370' the control circuit 220 diagnoses a voltage abnormality of each battery cell (BC i ) by analyzing time series data for the normalized cell diagnosis deviation (D * diag,i [k]).
  • control circuit 220 controls the cell diagnostic deviation (D * diag,i [k]) in time series data for the normalized cell diagnostic deviation (D * diag,i [k]) for each battery cell (BC i ). ) may be integrated over a time section greater than the diagnostic threshold (e.g., 4), and a battery cell in which a condition in which the integration time is greater than a preset reference time is met may be diagnosed as a cell with an abnormal voltage.
  • the diagnostic threshold e.g. 4
  • control circuit 220 may integrate only the time interval in which the condition in which the normalized cell diagnostic deviation (D * diag,i [k]) is greater than the diagnostic threshold is continuously met. If there are multiple time sections, the control circuit 220 can independently calculate the integration time for each time section.
  • control circuit 220 determines in the time series data for the normalized cell diagnostic deviation (D * diag,i [k]) for each battery cell (BC i ) that the cell diagnostic deviation is greater than a diagnostic threshold (e.g., 4).
  • a diagnostic threshold e.g. 4
  • a battery cell that integrates a large number of data and meets the condition that the data integration value is greater than a preset reference count can be diagnosed as a cell with an abnormal voltage.
  • control circuit 220 may only integrate the number of data included in the time interval in which the condition in which the normalized cell diagnosis deviation (D * diag,i [k]) is greater than the diagnosis threshold is continuously met. If there are multiple time sections, the control circuit 220 can independently integrate the number of data in each time section.
  • FIG. 6 is a flowchart illustrating a battery diagnosis method according to a fourth embodiment of the present invention.
  • the method of FIG. 6 may be periodically executed per unit of time by the control circuit 220 of the battery diagnosis device 200 while the electric vehicle 1 is running.
  • the battery diagnosis method according to the fourth embodiment is compared to the second embodiment except that steps S340, S360, S380, S390, and S400 are changed to steps S340', S360', S380', S390', and S400', respectively.
  • the configuration is substantially the same. Therefore, with respect to the fourth embodiment, only the configuration that differs from the second embodiment will be described.
  • step S340 ' the control circuit 220 calculates the normalized cell diagnostic deviation (
  • the normalization reference value is the average value of the short- and long-term average difference (
  • step S360' the control circuit 220 generates time series data for the normalized cell diagnostic deviation (D * diag,i [k]) of each battery cell (BC i ) collected during the diagnostic time (see FIG. 2D ).
  • step S380' the control circuit 220 generates time series data of the statistical variable threshold (D threshold [k]) using Equation 8.
  • the input of the Sigma function in Equation 8 is time series data for the normalized cell diagnostic deviation (D * diag,i [k]) of all battery cells generated in step S360'.
  • the maximum value of the cell diagnostic deviation (D * diag,i [k]) can be excluded from the input value of the Sigma function.
  • step S390' the control circuit 220 determines the cell diagnosis deviation (D * diag,i [k]) of each battery cell (BC i ) based on the statistical variable threshold (D threshold [k]) using Equation 9. By filtering, time series data of the filter diagnosis value (D filter,i [k]) is generated.
  • step S400' the control circuit 220 analyzes time series data of the filter diagnosis value (D filter,i [k]) to diagnose a voltage abnormality of each battery cell (BC i ).
  • the control circuit 220 determines that the filter diagnosis value (D filter,i [k]) is diagnosed in the time series data of the filter diagnosis value (D filter,i [k]) for each battery cell (BC- i ).
  • a time section greater than a threshold eg, 0
  • a battery cell in which a condition in which the integration time is greater than a preset reference time is established may be diagnosed as a voltage abnormality cell.
  • control circuit 220 may accumulate a time interval in which the condition in which the filter diagnosis value (D filter,i [k]) is greater than the diagnosis threshold is continuously met. If there are multiple time sections, the control circuit 220 can independently calculate the integration time for each time section.
  • control circuit 220 determines that the filter diagnosis value (D filter,i [k]) is diagnosed in the time series data of the filter diagnosis value (D filter,i [k]) for each battery cell (BC- i ).
  • the number of data included in a time interval greater than a threshold (eg, 0) may be accumulated, and a battery cell in which a condition such that the data integration value is greater than a preset reference count is met may be diagnosed as a voltage abnormality cell.
  • control circuit 220 may only accumulate the number of data included in the time interval in which the condition in which the filter diagnosis value (D filter,i [k]) is greater than the diagnosis threshold is continuously met. If there are multiple time sections, the control circuit 220 can independently integrate the number of data in each time section.
  • Figure 7 is a flowchart exemplarily showing a battery diagnosis method according to the fifth embodiment of the present invention.
  • steps S310 to S360' are substantially the same as those in the fourth embodiment. Therefore, with respect to the fifth embodiment, only the configuration that differs from the fourth embodiment will be described.
  • step S410 the control circuit 220 uses the normalized cell diagnostic deviation (D * diag,i [k]) time series data of each battery cell (BC i ) to determine the cell diagnostic deviation (D * diag,i [k]). ]) and generate the first moving average (SMA i [k]) time series data and the second moving average (LMA i [k]) time series data (see Figure 2f).
  • step S420 the control circuit 220 uses Equation 6 to calculate the first moving average (SMA i [k]) time series data and the second moving average (LMA i [k]) time series data of each battery cell (BC i ). Generate normalized cell diagnostic deviation (D * diag,i [k]) time series data using (see Figure 2g).
  • step S430 the control circuit 220 generates time series data of the statistical variable threshold (D threshold [k]) using Equation 8 (see FIG. 2G).
  • step S440 the control circuit 220 uses Equation 9 to determine the filter diagnosis value (D filter,i [k]) of each battery cell (BC i ) based on the statistical variable threshold (D threshold [k]). Generate time series data (see Figure 2h).
  • step S450 the control circuit 220 diagnoses a voltage abnormality of each battery cell (BC i ) by analyzing time series data of the filter diagnosis value (D filter,i [k]) of each battery cell (BC i ).
  • the control circuit 220 determines that the filter diagnosis value (D filter,i [k]) is diagnosed in the time series data of the filter diagnosis value (D filter,i [k]) for each battery cell (BC- i ).
  • a time section greater than a threshold eg, 0
  • a battery cell in which a condition in which the integration time is greater than a preset reference time is established may be diagnosed as a voltage abnormality cell.
  • control circuit 220 may accumulate a time interval in which the condition in which the filter diagnosis value (D filter,i [k]) is greater than the diagnosis threshold is continuously met. If there are multiple time sections, the control circuit 220 can independently calculate the integration time for each time section.
  • control circuit 220 determines that the filter diagnosis value (D filter,i [k]) is diagnosed in the time series data of the filter diagnosis value (D filter,i [k]) for each battery cell (BC- i ).
  • the number of data included in a time interval greater than a threshold (eg, 0) may be accumulated, and a battery cell in which a condition such that the data integration value is greater than a preset reference count is met may be diagnosed as a voltage abnormality cell.
  • control circuit 220 may only accumulate the number of data included in the time interval in which the condition in which the filter diagnosis value (D filter,i [k]) is greater than the diagnosis threshold is continuously met. If there are multiple time sections, the control circuit 220 can independently integrate the number of data in each time section.
  • the control circuit 220 may recursively perform steps S410 and S420 two or more times. That is, the control circuit 220 uses the normalized cell diagnosis deviation (D * diag,i [k]) time series data generated in step S420 and again uses the cell diagnosis deviation (D * diag,i [k]) ) can generate first moving average (SMA i [k]) time series data and second moving average (LMA i [k]) time series data for ). Then, the control circuit 220 again outputs the first moving average (SMA i [k]) time series data and the second moving average (LMA i [k]) time series data of each battery cell (BC i ) in step S420. Using Equation 6, normalized cell diagnostic deviation (D * diag,i [k]) time series data can be generated. This recursive algorithm can be repeated a set number of times.
  • steps S410 and S420 are performed according to the recursive algorithm
  • steps S430 to S450 can be performed using the cell diagnosis deviation (D * diag,i [k]) time series data finally calculated through the recursive algorithm. there is.
  • the battery diagnosis method includes voltage data below the diagnosis start voltage for which a profile regarding time series data of the cell voltage of each battery cell BC i is preset, as shown in FIG. 2A. It is preferable that the diagnosis is performed under diagnostic conditions that include an inflection point after the voltage data is measured.
  • the diagnosis start voltage may be set to be higher than the lower discharge limit voltage of each battery cell BC i by a predetermined level. The predetermined level may vary depending on the type of battery cell BC i and the degree of deterioration of the battery cell BC i . In the profiles related to the time series data of cell voltage shown in FIG. 2A, the diagnosis start voltage can be set to 3.35V.
  • the inflection point may appear when each battery cell (BC i ) is discharged and the discharge is stopped for a predetermined period of time.
  • an inflection point may be included in the profile regarding time series data of the cell voltage of each battery cell BC i .
  • the inflection point may appear in the process of resolving the polarization of the electrodes when the discharge of each battery cell (BC i ) is stopped.
  • the battery diagnosis method according to the embodiments is implemented under the above desirable diagnosis conditions, the voltage abnormality of the battery cell with a voltage abnormality is amplified compared to other battery cells, thereby improving the accuracy and reliability of battery diagnosis. .
  • the control circuit 220 performs a voltage abnormality diagnosis on all battery cells, and when a voltage abnormality is diagnosed in a specific battery cell(s), the control circuit 220 displays the diagnosis result information through a display unit (not shown). It can be printed through. Additionally, the control circuit 220 may record identification information (ID) of the battery cell for which a voltage abnormality was diagnosed, a time point at which the voltage abnormality was diagnosed, and a diagnosis flag in the memory unit 221.
  • ID identification information
  • the diagnosis result information may include a message indicating that there is a cell in the cell group with a voltage abnormality.
  • the diagnosis result information may include a warning message indicating that detailed inspection of battery cells is necessary.
  • the display unit may be included in a load device that receives power from a cell group (CG). If the load device is an electric vehicle, hybrid vehicle, plug-in hybrid vehicle, etc., diagnosis result information can be output through the vehicle's integrated information display. In another example, when the battery diagnosis device 200 according to the present invention is included in a diagnosis system, diagnosis results may be output through a display provided in the diagnosis system.
  • CG cell group
  • the battery diagnosis device 200 may be included in the battery management system 100 or a load device control system (not shown).
  • each battery Cell voltage abnormalities can be diagnosed efficiently and accurately.
  • the voltage abnormality of each battery cell can be accurately diagnosed.
  • the embodiments of the present invention described above are not only implemented through devices and methods, but may also be implemented through a program that realizes the function corresponding to the configuration of the embodiment of the present invention or a recording medium on which the program is recorded.
  • the implementation can be easily implemented by an expert in the technical field to which the present invention belongs based on the description of the embodiments described above.

Landscapes

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

Abstract

본 발명에 따른 배터리 진단 장치는, 전기 차량에 탑재되어 있는 직렬 연결된 복수의 배터리 셀을 포함하는 셀 그룹의 진단을 위한 것으로서, 상기 전기 차량이 운행되는 동안 주기적으로 각 배터리 셀의 셀 전압을 나타내는 전압 신호를 생성하도록 구성되는 전압 센싱 회로; 및 상기 전압 신호로부터 결정되는 셀 전압을 메모리부에 누적해서 저장하고, 각 배터리 셀의 누적된 셀 전압을 이용하여 각 배터리 셀의 셀 전압의 시간에 따른 변화를 나타내는 시계열 데이터를 생성하도록 구성된 제어 회로를 포함한다. 제어 회로는, (i) 상기 시계열 데이터를 기초로 각 배터리 셀의 제1 평균 셀 전압과 제2 평균 셀 전압을 결정하고[여기서, 상기 제1 평균 셀 전압은 단기 이동 평균이고, 상기 제2 평균 셀 전압은 장기 이동 평균임], (ii) 상기 제1 평균 셀 전압과 상기 제2 평균 셀 전압의 차이를 기초로 각 배터리 셀의 전압 이상을 검출하도록 구성된다.

Description

배터리 진단 장치, 배터리 진단 방법, 배터리 팩 및 자동차
본 발명은, 배터리의 전압 이상을 진단하는 기술에 관한 것이다.
본 출원은 본 출원은, 2022년5월18일자로 출원된 한국 특허출원 번호 제10-2022-0061076호에 대한 우선권 주장 출원으로서, 해당 출원의 명세서 및 도면에 개시된 모든 내용은 인용에 의해 본 출원에 원용된다.
최근, 노트북, 비디오 카메라, 휴대용 전화기 등과 같은 휴대용 전자 제품의 수요가 급격하게 증대되고, 전기 차량, 에너지 저장용 축전지, 로봇, 위성 등의 개발이 본격화됨에 따라, 반복적인 충방전이 가능한 고성능 배터리에 대한 연구가 활발히 진행되고 있다.
현재 상용화된 배터리로는 니켈 카드뮴 전지, 니켈 수소 전지, 니켈 아연 전지, 리튬 배터리 등이 있는데, 이 중에서 리튬 배터리는 니켈 계열의 배터리에 비해 메모리 효과가 거의 일어나지 않아 충방전이 자유롭고, 자가 방전율이 매우 낮으며 에너지 밀도가 높은 장점으로 각광을 받고 있다.
최근, 고전압이 요구되는 애플리케이션(예, 에너지 저장 시스템, 전기 차량)이 널리 보급됨에 따라, 배터리 팩 내에 직렬 연결된 복수의 배터리 셀 각각의 전압 이상을 정확하게 검출해내는 진단 기술의 필요성이 증대되고 있다.
배터리 셀의 전압 이상이란, 내부 단락, 외부 단락, 전압 센싱 라인의 고장, 충방전 라인과의 접속 불량 등으로 인하여, 셀 전압이 비정상적으로 강하 및/또는 상승하는 고장 상태를 의미한다.
종래에는, 특정 시점에서의 각 배터리 셀의 양단에 걸친 전압인 셀 전압을 상기 특정 시점과 동일 시점에서의 복수의 배터리 셀의 평균 셀 전압과 비교함으로써, 각 배터리 셀의 전압 이상을 진단하고자 하는 시도가 있다. 그러나, 각 배터리 셀의 셀 전압은 해당 배터리의 셀의 온도, 전류 및/또는 SOH(State Of Health) 등에도 의존하는 것이기 때문에, 단순히 특정 시점에서 복수의 배터리 셀에 대해 측정된 셀 전압들을 비교하는 과정만으로는 각 배터리 셀의 전압 이상을 정확하게 진단해내기 어렵다. 예컨대, 전압 이상이 없는 배터리 셀이더라도 나머지 배터리 셀과의 온도 편차나 SOH 편차가 크다면, 해당 배터리 셀의 셀 전압과 평균 셀 전압 간의 차이 역시 클 수 있다.
이러한 문제를 해결하기 위해, 각 배터리 셀의 전압 이상을 진단함에 있어서, 각 배터리 셀의 셀 전압과 함께, 충방전 전류, 각 배터리 셀의 온도 및/또는 각 배터리 셀의 SOC(State Of Charge) 등과 같은 추가적인 파라미터를 활용하는 것을 상정할 수 있다. 그러나, 추가적인 파라미터를 활용하는 진단 방식은 각 파라미터의 검출 과정 및 상호 비교 과정이 동반되어야 하므로, 셀 전압을 단일 파라미터로서 활용하는 진단 방식에 비하여 상대적으로 복잡하고 긴 시간이 필요하다는 제약이 따른다.
본 발명은, 상기와 같은 문제점을 해결하기 위해 안출된 것으로서, 단위 시간마다, 미리 주어진 시간 길이를 가지는 적어도 하나의 무빙 윈도우 각각에 대해, 복수의 배터리 셀 각각의 셀 전압의 이동 평균을 결정하고, 각 배터리 셀의 각 이동 평균을 기초로, 각 배터리 셀의 전압 이상을 효율적이면서 정확하게 진단하기 위한 배터리 진단 장치, 배터리 진단 방법, 배터리 팩 및 자동차를 제공하는 것을 목적으로 한다.
본 발명의 다른 목적 및 장점들은 하기의 설명에 의해서 이해될 수 있으며, 본 발명의 실시예에 의해 보다 분명하게 알게 될 것이다. 또한, 본 발명의 목적 및 장점들은 특허청구범위에 나타난 수단 및 그 조합에 의해 실현될 수 있음을 쉽게 알 수 있을 것이다.
상기 기술적 과제를 달성하기 위한 배터리 진단 장치는, 전기 차량에 탑재되어 있는 직렬 연결된 복수의 배터리 셀을 포함하는 셀 그룹을 위한 배터리 진단 장치로서, 상기 전기 차량이 운행되는 동안 주기적으로 각 배터리 셀의 셀 전압을 나타내는 전압 신호를 생성하도록 구성되는 전압 센싱 회로; 및 상기 전압 신호로부터 결정되는 셀 전압을 메모리부에 누적해서 저장하고, 각 배터리 셀의 누적된 셀 전압을 이용하여 각 배터리 셀의 셀 전압의 시간에 따른 변화를 나타내는 시계열 데이터를 생성하도록 구성되는 제어 회로를 포함할 수 있다.
바람직하게, 상기 제어 회로는, (i) 상기 시계열 데이터를 기초로 각 배터리 셀의 제1 평균 셀 전압과 제2 평균 셀 전압을 결정하고[여기서, 상기 제1 평균 셀 전압은 단기 이동 평균이고, 상기 제2 평균 셀 전압은 장기 이동 평균임], (ii) 상기 제1 평균 셀 전압과 상기 제2 평균 셀 전압의 차이를 기초로 각 배터리 셀의 전압 이상을 검출하도록 구성될 수 있다.
일 측면에서, 상기 제어 회로는, 각 배터리 셀에 대해서, 상기 제1 평균 셀 전압과 상기 제2 평균 셀 전압의 차이에 해당하는 장단기 평균 차이를 결정하고, 각 배터리 셀에 대해서, 전체 배터리 셀의 장단기 평균 차이의 평균값과 배터리 셀의 장단기 평균 차이의 편차에 해당하는 셀 진단 편차를 결정하고, 셀 진단 편차가 진단 임계치를 초과하는 조건을 충족하는 배터리 셀을 전압 이상 셀로 검출하도록 구성될 수 있다.
바람직하게, 상기 제어 회로는, 각 배터리 셀에 대해서, 셀 진단 편차의 시계열 데이터를 생성하고, 셀 진단 편차가 진단 임계치를 초과하는 시간 또는 진단 임계치를 초과하는 셀 진단 편차의 데이터 수로부터 배터리 셀의 전압 이상을 검출하도록 구성될 수 있다.
다른 측면에서, 상기 제어 회로는, 각 배터리 셀 대해서, 상기 제1 평균 셀 전압과 상기 제2 평균 셀 전압의 차이에 해당하는 장단기 평균 차이를 결정하고, 각 배터리 셀에 대해서, 전체 배터리 셀의 장단기 평균 차이의 평균값과 배터리 셀의 장단기 평균 차이의 편차를 산출하여 셀 진단 편차를 결정하고, 전체 배터리 셀의 셀 진단 편차에 대한 표준편차에 의존하는 통계적 가변 임계치를 결정하고, 각 배터리 셀의 셀 진단 편차에 관한 시계열 데이터를 통계적 가변 임계치를 기준으로 필터링하여 필터 진단 값의 시계열 데이터를 생성하고, 필터 진단 값이 진단 임계치를 초과하는 시간 또는 진단 임계치를 초과하는 필터 진단 값의 데이터 수로부터 배터리 셀의 전압 이상을 검출하도록 구성될 수 있다.
또 다른 측면에서, 상기 제어 회로는, 각 배터리 셀에 대해서, 상기 제1 평균 셀 전압과 상기 제2 평균 셀 전압의 차이에 해당하는 장단기 평균 차이를 결정하고, 각 배터리 셀에 대해서, 장단기 평균 차이의 정규화 값을 정규화된 셀 진단 편차로서 결정하고, 전체 배터리 셀의 정규화된 셀 진단 편차에 대한 표준편차에 의존하는 통계적 가변 임계치를 결정하고, 각 배터리 셀의 정규화된 셀 진단 편차에 관한 시계열 데이터를 통계적 가변 임계치를 기준으로 필터링하여 필터 진단 값의 시계열 데이터를 생성하고, 필터 진단 값이 진단 임계치를 초과하는 시간 또는 진단 임계치를 초과하는 필터 진단 값의 데이터 수로부터 배터리 셀의 전압 이상을 검출하도록 구성될 수 있다.
바람직하게, 상기 제어 회로는, 각 배터리 셀에 대해서, 장단기 평균 차이를 전체 배터리 셀의 장단기 평균 차이의 평균값으로 나눗셈 연산하여 장단기 평균 차이를 정규화할 수 있다.
대안적으로, 상기 제어 회로는, 각 배터리 셀에 대해서, 장단기 평균 차이의 로그 연산을 통해 장단기 평균 차이를 정규화할 수 있다.
또 다른 측면에서, 상기 제어 회로는, 단위 시간 마다 측정된, 전체 배터리 셀의 셀 전압 평균값과 각 배터리 셀의 셀 전압 차이에 해당하는 전압을 이용하여 각 배터리 셀의 셀 전압의 시간에 따른 변화를 나타내는 시계열 데이터를 생성하도록 구성될 수 있다.
또 다른 측면에서, 상기 제어 회로는, 각 배터리 셀에 대해서, 상기 제1 평균 셀 전압과 상기 제2 평균 셀 전압의 차이에 해당하는 장단기 평균 차이를 결정하고, 각 배터리 셀에 대해서, 장단기 평균 차이의 정규화 값을 정규화된 셀 진단 편차로서 결정하고, 각 배터리 셀에 대해서, 정규화된 셀 진단 편차의 시계열 데이터를 생성하고, 다음 (i) 내지 (iv)를 적어도 1회 이상 재귀적으로 반복하여 각 배터리 셀에 대해 정규화된 셀 진단 편차의 시계열 데이터를 생성하고,
(i) 각 배터리 셀의 정규화된 셀 진단 편차의 시계열 데이터에 대해 제1 이동 평균 및 제2 이동 평균을 결정[여기서, 제1 이동 평균은 단기 이동 평균이고, 제2 이동 평균은 장기 이동 평균임], (ii) 각 배터리 셀에 대해, 제1 이동 평균과 제2 이동 평균의 차이에 해당하는 장단기 평균 차이를 결정, (iii) 각 배터리 셀에 대해, 장단기 평균 차이의 정규화 값을 정규화된 셀 진단 편차로 결정, (iv) 각 배터리 셀에 대해 정규화된 셀 진단 편차의 시계열 데이터를 생성
전체 배터리 셀의 정규화된 셀 진단 편차에 대한 표준편차에 의존하는 통계적 가변 임계치를 결정하고, 각 배터리 셀의 셀 진단 편차에 관한 시계열 데이터를 통계적 가변 임계치를 기준으로 필터링하여 필터 진단 값의 시계열 데이터를 생성하고, 필터 진단 값이 진단 임계치를 초과하는 시간 또는 진단 임계치를 초과하는 필터 진단 값의 데이터 수로부터 배터리 셀의 전압 이상을 검출하도록 구성될 수 있다.
본 발명에 따른 배터리 진단 장치에 있어서, 각 배터리 셀의 셀 전압의 시계열 데이터에 관한 프로파일은 미리 설정된 진단 개시 전압 이하의 전압 데이터를 포함하고 상기 전압 데이터가 측정된 시점 이후에 변곡점을 포함할 수 있다.
상기 기술적 과제를 달성하기 위한 본 발명에 따른 배터리 진단 방법은, 전기 차량에 탑재된 직렬 연결된 복수의 배터리 셀을 포함하는 셀 그룹을 위한 배터리 진단 방법으로서, (a) 전기 차량이 운행되는 동안 각 배터리 셀의 셀 전압을 나타내는 전압 신호를 생성하는 단계; (b) 상기 전압 신호로부터 결정되는 셀 전압을 메모리부에 누적해서 저장하는 단계; (c) 각 배터리 셀의 누적된 셀 전압을 이용하여 각 배터리 셀의 셀 전압의 시간에 따른 변화를 나타내는 시계열 데이터를 주기적으로 생성하는 단계; (d) 상기 시계열 데이터를 기초로 각 배터리 셀의 제1 평균 셀 전압과 제2 평균 셀 전압을 결정하는 단계[여기서, 상기 제1 평균 셀 전압은 단기 이동 평균이고, 상기 제2 평균 셀 전압은 장기 이동 평균임]; 및 (e) 상기 제1 평균 셀 전압과 상기 제2 평균 셀 전압의 차이를 기초로 각 배터리 셀의 전압 이상을 검출하는 단계;를 포함할 수 있다.
일 측면에서, 상기 (e) 단계는, (e1) 각 배터리 셀에 대해서, 상기 제1 평균 셀 전압과 상기 제2 평균 셀 전압의 차이에 해당하는 장단기 평균 차이를 결정하는 단계; (e2) 각 배터리 셀에 대해서, 전체 배터리 셀의 장단기 평균 차이의 평균값과 배터리 셀의 장단기 평균 차이의 편차에 해당하는 셀 진단 편차를 결정하는 단계; 및 (e3) 셀 진단 편차가 진단 임계치를 초과하는 조건을 충족하는 배터리 셀을 전압 이상 셀로 검출하는 단계;를 포함할 수 있다.
바람직하게, 상기 (e) 단계는, (e1) 각 배터리 셀에 대해서 셀 진단 편차의 시계열 데이터를 생성하는 단계; 및 (e2) 셀 진단 편차가 진단 임계치를 초과하는 시간 또는 진단 임계치를 초과하는 셀 진단 편차의 데이터 수로부터 배터리 셀의 전압 이상을 검출하는 단계;를 포함할 수 있다.
다른 측면에서, 상기 (e) 단계는, (e1) 각 배터리 셀에 대해서, 상기 제1 평균 셀 전압과 상기 제2 평균 셀 전압의 차이에 해당하는 장단기 평균 차이를 결정하는 단계; (e2) 각 배터리 셀에 대해서, 전체 배터리 셀의 장단기 평균 차이의 평균값과 배터리 셀의 장단기 평균 차이의 편차를 산출하여 셀 진단 편차를 결정하는 단계; (e3) 전체 배터리 셀의 셀 진단 편차에 대한 표준편차에 의존하는 통계적 가변 임계치를 결정하는 단계; (e4) 각 배터리 셀의 셀 진단 편차에 관한 시계열 데이터를 통계적 가변 임계치를 기준으로 필터링하여 각 배터리 셀에 대해 필터 진단 값의 시계열 데이터를 생성하는 단계; 및 (e5) 필터 진단 값이 진단 임계치를 초과하는 시간 또는 진단 임계치를 초과하는 필터 진단 값의 데이터 수로부터 배터리 셀의 전압 이상을 검출하는 단계;를 포함할 수 있다.
또 다른 측면에서, 상기 (e) 단계는, (e1) 각 배터리 셀에 대해서, 상기 제1 평균 셀 전압과 상기 제2 평균 셀 전압의 차이에 해당하는 장단기 평균 차이를 결정하는 단계; (e2) 각 배터리 셀에 대해서, 장단기 평균 차이의 정규화 값을 정규화된 셀 진단 편차로서 결정하는 단계; (e3) 전체 배터리 셀의 정규화된 셀 진단 편차에 대한 표준편차에 의존하는 통계적 가변 임계치를 결정하는 단계; (e4) 각 배터리 셀의 정규화된 셀 진단 편차에 관한 시계열 데이터를 통계적 가변 임계치를 기준으로 필터링하여 필터 진단 값의 시계열 데이터를 생성하는 단계; 및 (e6) 필터 진단 값이 진단 임계치를 초과하는 시간 또는 진단 임계치를 초과하는 필터 진단 값의 데이터 수로부터 배터리 셀의 전압 이상을 검출하는 단계;를 포함할 수 있다.
바람직하게, 상기 (e3) 단계는, 각 배터리 셀에 대해서, 장단기 평균 차이를 전체 배터리 셀의 장단기 평균 차이의 평균값으로 나눗셈 연산하여 장단기 평균 차이를 정규화하는 단계일 수 있다.
대안적으로, 상기 (e3) 단계는, 각 배터리 셀에 대해서, 장단기 평균 차이의 로그 연산을 통해 장단기 평균 차이를 정규화하는 단계일 수 있다.
또 다른 측면에서, 상기 (a) 단계는, 단위 시간 마다 측정된, 전체 배터리 셀의 셀 전압 평균값과 각 배터리 셀의 셀 전압 차이에 해당하는 전압을 이용하여 각 배터리 셀의 셀 전압의 시간에 따른 변화를 나타내는 시계열 데이터를 생성하는 단계일 수 있다.
또 다른 측면에서, 상기 (e) 단계는, (e1) 각 배터리에 대해서, 상기 제1 평균 셀 전압과 상기 제2 평균 셀 전압의 차이에 해당하는 장단기 평균 차이를 결정하는 단계; (e2) 각 배터리에 대해서, 장단기 평균 차이의 정규화 값을 정규화된 셀 진단 편차로서 결정하는 단계; (e3) 각 배터리 셀에 대해서, 정규화된 셀 진단 편차의 시계열 데이터를 생성하는 단계; (e4) 다음 (i) 내지 (iv)를 적어도 1회 이상 재귀적으로 반복하여 각 배터리 셀에 대해 정규화된 셀 진단 편차의 시계열 데이터를 생성하는 단계;
(i) 각 배터리 셀의 정규화된 셀 진단 편차의 시계열 데이터에 대해 제1 이동 평균 및 제2 이동 평균을 결정[여기서, 제1 이동 평균은 단기 이동 평균이고, 제2 이동 평균은 장기 이동 평균임], (ii) 각 배터리 셀에 대해, 제1 이동 평균과 제2 이동 평균의 차이에 해당하는 장단기 평균 차이를 결정, (iii) 각 배터리 셀에 대해, 장단기 평균 차이의 정규화 값을 정규화된 셀 진단 편차로 결정, (iv) 각 배터리 셀에 대해 정규화된 셀 진단 편차의 시계열 데이터를 생성
(e5) 전체 배터리 셀의 정규화된 셀 진단 편차에 대한 표준편차에 의존하는 통계적 가변 임계치를 결정하는 단계; (e6) 각 배터리 셀의 정규화된 셀 진단 편차에 관한 시계열 데이터를 통계적 가변 임계치를 기준으로 필터링하여 필터 진단 값의 시계열 데이터를 생성하는 단계; 및 (e7) 필터 진단 값이 진단 임계치를 초과하는 시간 또는 진단 임계치를 초과하는 필터 진단 값의 데이터 수로부터 배터리 셀의 전압 이상을 검출하는 단계;를 포함할 수 있다.
본 발명에 따른 배터리 진단 방법에 있어서, 각 배터리 셀의 셀 전압의 시계열 데이터에 관한 프로파일은 미리 설정된 진단 개시 전압 이하의 전압 데이터를 포함하고 상기 전압 데이터가 측정된 시점 이후에 변곡점을 포함할 수 있다.
상기 기술적 과제는 상술한 배터리 진단 장치를 포함하는 배터리 팩과 이를 포함하는 자동차에 의해서도 달성될 수 있다.
본 발명의 일 측면에 따르면, 전기 차량이 운행되는 동안, 단위 시간마다, 서로 다른 두 시간 길이에 대한 각 배터리 셀의 셀 전압의 두 이동 평균을 결정하고, 복수의 배터리 셀 각각의 두 이동 평균 간의 차이를 기초로, 각 배터리 셀의 전압 이상을 효율적이면서 정확하게 진단할 수 있다.
본 발명의 다른 측면에 따르면, 각 배터리 셀의 두 이동 평균의 변화 경향 차이를 분석함에 있어서 정규화 및/또는 통계적 가변 임계치 등의 고도화된 기법을 적용함으로써 각 배터리 셀의 전압 이상을 정확하게 진단할 수 있다.
본 발명의 또 다른 측면에 따르면, 통계적 가변 임계치를 기준으로 결정된 필터 진단 값의 시계열 데이터를 분석하여 각 배터리 셀의 전압 이상이 발생된 시간 구간 및/또는 전압 이상 검출 카운트 등을 정밀하게 검출하는 것이 가능하다.
본 발명의 효과들은 이상에서 언급한 효과들로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 청구범위의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
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 전기 차량의 구성을 예시적으로 나타낸 도면이다.
도 2a 내지 도 2h는 도 1에 도시된 복수의 배터리 셀 각각의 셀 전압의 시간에 따른 변화를 나타내는 시계열 데이터로부터 각 배터리 셀의 전압 이상을 진단하는 과정을 설명하는 데에 참조되는 그래프들이다.
도 3은 본 발명의 제1 실시예에 따른 배터리 진단 방법을 예시적으로 보여주는 순서도이다.
도 4는 본 발명의 제2 실시예에 따른 배터리 진단 방법을 예시적으로 보여주는 순서도이다.
도 5는 본 발명의 제3 실시예에 따른 배터리 진단 방법을 예시적으로 보여주는 순서도이다.
도 6는 본 발명의 제4 실시예에 따른 배터리 진단 방법을 예시적으로 보여주는 순서도이다.
도 7은 본 발명의 제5 실시예에 따른 배터리 진단 방법을 예시적으로 보여주는 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.
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 <제어부>와 같은 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 하드웨어, 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 전기 차량의 구성을 예시적으로 나타낸 도면이다.
도 1을 참조하면, 전기 차량(1)은, 배터리 팩(2), 인버터(3), 전기 모터(4) 및 차량 컨트롤러(5)를 포함한다.
배터리 팩(2)은, 셀 그룹(CG), 스위치(6) 및 배터리 관리 시스템(100)을 포함한다.
셀 그룹(CG)은, 배터리 팩(2)에 마련된 한 쌍의 전원 단자를 통해 인버터(3)에 결합될 수 있다. 셀 그룹(CG)은, 직렬 연결된 복수의 배터리 셀(BC1~BCN, N은 2 이상의 자연수)을 포함한다. 각 배터리 셀(BCi)은, 리튬 이온 배터리 셀과 같이 재충전이 가능한 것이라면, 그 종류는 특별히 제한되지 않는다. i는 셀 식별을 위한 인덱스이다. i는 자연수로서 1 내지 N이다.
스위치(6)는, 셀 그룹(CG)에 직렬로 연결된다. 스위치(6)는, 셀 그룹(CG)의 충방전을 위한 전류 경로에 설치된다. 스위치(6)는, 배터리 관리 시스템(100)으로부터의 스위칭 신호에 응답하여, 온오프 제어된다. 스위치(6)는, 코일의 자기력에 의해 온오프되는 기계식 릴레이이거나 MOSFET(Metal Oxide Semiconductor Field Effect transistor)과 같은 반도체 스위치일 수 있다.
인버터(3)는, 배터리 관리 시스템(100)로부터의 명령에 응답하여, 셀 그룹(CG)로부터의 직류 전류를 교류 전류로 변환하도록 제공된다. 전기 모터(4)는, 예컨대 3상 교류 모터일 수 있다. 전기 모터(4)는, 인버터(3)로부터의 교류 전력을 이용하여 구동한다.
배터리 관리 시스템(100)은, 전기 차량(1)이 운행되는 동안 셀 그룹(CG)의 충방전과 관련된 전반적인 제어를 담당하도록 제공된다. 여기서, 전기 차량(1)의 운행은 전기 차량(1)의 이동, 주차 또는 신호 대기 등을 포함할 수 있다.
배터리 관리 시스템(100)은, 배터리 진단 장치(200)를 포함한다. 배터리 관리 시스템(100)은, 전류 센서(310), 온도 센서(320) 및 인터페이스부(330) 중 적어도 하나를 더 포함할 수 있다.
배터리 진단 장치(200)는, 전기 차량(1)이 운행되는 동안 복수의 배터리 셀(BC1~BCN) 각각의 전압 이상을 진단하도록 제공된다. 배터리 진단 장치(200)는, 전압 센싱 회로(210) 및 제어 회로(220)를 포함한다.
전압 센싱 회로(210)는, 복수의 전압 센싱 라인을 통해, 복수의 배터리 셀(BC1~BCN) 각각의 양극 및 음극에 연결된다. 전압 센싱 회로(210)는, 전기 차량(1)이 운행되는 동안 일정한 시간 간격마다 각 배터리 셀(BC)의 양단에 걸친 셀 전압을 측정하고, 측정된 셀 전압을 나타내는 전압 신호를 생성하도록 구성된다.
전류 센서(310)는, 전류 경로를 통해 셀 그룹(CG)에 직렬로 연결된다. 전류 센서(310)는, 전기 차량(1)이 운행되는 동안 일정한 시간 간격보다 셀 그룹(CG)를 통해 흐르는 배터리 전류를 검출하고, 검출된 배터리 전류를 나타내는 전류 신호를 생성하도록 구성된다.
온도 센서(320)는, 전기 차량(1)이 운행되는 동안 일정한 시간 간격마다 셀 그룹(CG)의 온도를 검출하고, 검출된 온도를 나타내는 온도 신호를 생성하도록 구성된다.
제어 회로(220)는, 하드웨어적으로, ASICs(application specific integrated circuits), DSPs(digital signal processors), DSPDs(digital signal processing devices), PLDs(programmable logic devices), FPGAs(field programmable gate arrays), 마이크로 프로세서(microprocessors), 기타 기능 수행을 위한 전기적 유닛 중 적어도 하나를 이용하여 구현될 수 있다.
제어 회로(220)는, 메모리부(221)를 가질 수 있다. 메모리부(221)는, 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), SSD 타입(Solid State Disk type), SDD 타입(Silicon Disk Drive type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 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) 중 적어도 하나의 타입의 저장매체를 포함할 수 있다. 메모리부(221)는, 제어 회로(220)에 의한 연산 동작에 요구되는 데이터 및 프로그램을 저장할 수 있다. 메모리부(221)는, 제어 회로(220)에 의한 연산 동작의 결과를 나타내는 데이터를 저장할 수 있다. 특히, 제어 회로(220)는, 후술할 단위 시간마다 연산되는 여러 가지 파라미터들 중 적어도 한가지를 메모리부(221)에 기록할 수 있다.
제어 회로(220)는, 전압 센싱 회로(210), 온도 센서(320), 전류 센서(310), 인터페이스부(330) 및/또는 스위치(6)에 동작 가능하게 결합될 수 있다. 제어 회로(220)는, 전기 차량(1)이 운행되는 동안 일정한 시간 간격으로 센싱 신호를 전압 센싱 회로(210), 전류 센서(310) 및 온도 센서(320)로부터 수집할 수 있다. 센싱 신호는, 동기 검출된 전압 신호, 전류 신호 및/또는 온도 신호를 지칭한다. 제어 회로(220)는 배터리 셀의 전압 및/또는 전류 및/또는 온도에 관한 시계열 데이터의 생성을 위해, 전압 신호 및/또는 전류 신호 및/또는 온도 신호를 디지털 데이터로 변환하여 메모리부(221)에 누적해서 저장할 수 있다.
인터페이스부(330)는, 제어 회로(220)와 차량 컨트롤러(5)(예, ECU: Electronic Control Unit) 간의 유선 통신 또는 무선 통신을 지원하도록 구성되는 통신 회로를 포함할 수 있다. 유선 통신은 예컨대 캔(CAN: contoller area network) 통신일 수 있고, 무선 통신은 예컨대 지그비나 블루투스 통신일 수 있다. 물론, 제어 회로(220)와 차량 컨트롤러(5) 간의 유무선 통신을 지원하는 것이라면, 통신 프토토콜의 종류는 특별히 한정되는 것은 아니다.
인터페이스부(330)는, 차량 컨트롤러(5) 및/또는 제어 회로(220)로부터 수신된 정보를 사용자가 인식 가능한 형태로 제공하는 출력 디바이스(예, 디스플레이, 스피커)와 결합될 수 있다. 차량 컨트롤러(5)는, 배터리 관리 시스템(100)과의 통신을 통해 수집되는 배터리 정보(예, 전압, 전류, 온도, SOC)를 기초로, 인버터(3)를 제어할 수 있다.
도 2a 내지 도 2h는 도 1에 도시된 복수의 배터리 셀 각각의 셀 전압의 시간에 따른 변화를 나타내는 시계열 데이터로부터 각 배터리 셀의 전압 이상을 진단하는 과정을 예시적으로 보여주는 그래프들이다.
도 2a는, 복수의 배터리 셀(BC1~BCN) 각각의 전압 커브를 보여준다. 실시예를 위해 전압 커브가 예시된 배터리 셀의 수량은 14개이다. 하지만 본 발명이 배터리 셀의 수량에 의해 한정되는 것은 아니다. 제어 회로(220)는, 전기 차량(1)이 운행되는 동안, 단위 시간마다, 전압 센싱 회로(210)로부터의 전압 신호를 수집하여, 각 배터리 셀(BCi)의 셀 전압의 전압값을 메모리부(221)에 누적해서 기록한다. 단위 시간은, 전압 센싱 회로(210)의 전압 측정 주기의 정수배일 수 있다.
제어 회로(220)는, 메모리부(221)에 기록된 각 배터리 셀(BCi)의 셀 전압의 전압값을 기초로, 각 배터리 셀의 셀 전압의 시간에 따른 이력을 나타내는 셀 전압 시계열 데이터를 생성할 수 있다. 셀 전압이 측정될 때마다 셀 전압 시계열 데이터의 수는 1씩 증가한다.
도 2a에 도시된 복수의 전압 커브는 복수의 배터리 셀(BC1~BCN)에 일대일로 연관된 것이다. 따라서, 각 전압 커브는 그에 연관된 어느 한 배터리 셀(BC)의 셀 전압의 변화 이력을 나타낸다.
제어 회로(220)는, 1개의 무빙 윈도우 또는 2개의 무빙 윈도우를 이용하여, 복수의 배터리 셀(BC1~BCN) 각각의 이동 평균을 단위 시간마다 결정할 수 있다. 2개의 무빙 윈도우를 이용하는 경우, 어느 한 무빙 윈도우에 대한 시간 길이는 다른 무빙 윈도우에 대한 시간 길이와 상이하다.
여기서, 각 무빙 윈도우의 시간 길이는 단위 시간의 정수 배이고, 각 무빙 윈도우의 종료점은 현 시점이고, 각 무빙 윈도우의 시작점은 현 시점으로부터 미리 주어진 시간 길이만큼 앞선 시점이다.
이하에서는, 설명의 편의를 위해, 두 무빙 윈도우 중 더 짧은 시간 길이에 연관된 것을 제1 무빙 윈도우라고 칭하고, 더 긴 시간 길이에 연관된 것을 제2 무빙 윈도우라고 칭하기로 한다.
제어 회로(220)는, 제1 무빙 윈도우만을 이용하거나, 제1 무빙 윈도우 및 제2 무빙 윈도우를 둘 다 이용하여, 각 배터리 셀(BCi)의 전압 이상을 진단할 수 있다.
제어 회로(220)는, 전기 차량(1)이 운행되는 동안, 단위 시간마다 수집되는 제i 배터리 셀(BCi)의 셀 전압을 기초로, 제i 배터리 셀(BCi)의 셀 전압의 단기적 변화 경향 및 장기적 변화 경향을 단위 시간마다 비교할 수 있다.
제어 회로(220)는, 다음의 수식 1 또는 수식 2를 이용하여, 제1 무빙 윈도우에 의한 제i 배터리 셀(BCi)의 이동 평균인 제1 평균 셀 전압을 단위 시간마다 결정할 수 있다.
수식 1은 산술 평균 방식에 의한 이동 평균 계산식이고, 수식 2는 가중 평균 방식에 의한 이동 평균 계산식이다.
<수식 1>
Figure PCTKR2023006797-appb-img-000001
<수식 2>
Figure PCTKR2023006797-appb-img-000002
수식 1 및 수식 2에 있어서, k는 현 시점을 나타내는 시간 인덱스, SMAi[k]는 현 시점의 제i 배터리 셀(BCi)의 제1 평균 셀 전압, S는 제1 무빙 윈도우의 시간 길이를 단위 시간으로 나눈 값, Vi[k]는 현 시점의 제i 배터리 셀(BCi)의 셀 전압이다. 일 예로, 단위 시간이 1초이고, 제1 무빙 윈도우의 시간 길이가 10초이면, S는 10이다. x가 k 이하의 자연수라고 할 때, Vi[k-x]와 SMAi[k-x]는 각각 시간 인덱스가 k-x였을 때의 제i 배터리 셀(BCi)의 셀 전압과 제1 평균 셀 전압을 나타낸다. 참고로, 제어 회로(220)는, 단위 시간마다, 시간 인덱스를 1씩 증가시키도록 설정되어 있을 수 있다.
제어 회로(220)는, 다음의 수식 3 또는 수식 4를 이용하여, 제2 무빙 윈도우에 의한 제i 배터리 셀(BCi)의 이동 평균인 제2 평균 셀 전압을 단위 시간마다 결정할 수 있다.
수식 3은 산술 평균 방식에 의한 이동 평균 계산식이고, 수식 4는 가중 평균 방식에 의한 이동 평균 계산식이다.
<수식 3>
Figure PCTKR2023006797-appb-img-000003
<수식 4>
Figure PCTKR2023006797-appb-img-000004
수식 3 및 수식 4에 있어서, k는 현 시점을 나타내는 시간 인덱스, LMAi[k]는 현 시점의 제i 배터리 셀(BCi)의 제2 평균 셀 전압, L는 제2 무빙 윈도우의 시간 길이를 단위 시간으로 나눈 값, Vi[k]는 현 시점의 제i 배터리 셀(BCi)의 셀 전압이다. 일 예로, 단위 시간이 1초이고, 제2 무빙 윈도우의 시간 길이가 100초이면, L는 100이다. x가 k 이하의 자연수라고 할 때, LMAi[k-x]는 시간 인덱스가 k-x였을 때의 제2 평균 셀 전압을 나타낸다.
일 실시예에서, 제어 회로(220)는, 수식 1 내지 4의 Vi[k]로서, 현 시점에서의 각 배터리 셀(BCi)의 셀 전압 대신, 현 시점에서의 셀 그룹(CG)의 기준 셀 전압과 배터리 셀(BCi)의 셀 전압 간의 차이를 입력할 수 있다.
현 시점에서의 셀 그룹(CG)의 기준 셀 전압은, 복수의 배터리 셀(BC1~BCN)로부터 결정된 현 시점의 복수의 셀 전압의 평균값이다. 변형예에서, 복수의 셀 전압의 평균값은 중앙값으로 대체 가능하다.
구체적으로, 제어 회로(220)는, 다음의 수식 5의 VDi[k]를 수식 1 내지 4의 Vi[k]로 설정할 수 있다.
<수식 5>
VDi[k] = Vav[k] - Vi[k]
수식 5에서, Vav[k]는, 현 시점에서의 셀 그룹(CG)의 기준 셀 전압으로서 복수의 셀 전압의 평균값이다.
제1 무빙 윈도우의 시간 길이가 제2 무빙 윈도우의 시간 길이보다 짧은 경우, 제1 평균 셀 전압을 셀 전압의 '단기 이동 평균'이라고 칭하고, 제2 평균 셀 전압을 셀 전압의 '장기 이동 평균'이라고 칭할 수 있다.
도 2b는, 도 2a에 도시된 복수의 전압 커브로부터 결정되는 제i 배터리 셀(BCi)의 셀 전압에 대한 단기 이동 평균선과 장기 이동 평균선을 보여준다. 도 2b에 있어서, 가로축은 시간을 나타내고, 세로축은 셀 전압의 단기 이동 평균과 장기 이동 평균을 나타낸다.
도 2b를 참조하면, 점선으로 도시된 복수의 이동 평균선(Si)은 복수의 배터리 셀(BC1~BCN)에 일대일로 연관된 것으로서, 각 배터리 셀(BC)의 제1 평균 셀 전압(SMAi[k])의 시간에 따른 변화 이력을 나타낸다. 또한, 실선으로 도시된 복수의 이동 평균선(Li)은 복수의 배터리 셀(BC1~BCN)에 일대일로 연관된 것으로서, 각 배터리 셀(BC)의 제2 평균 셀 전압(LMAi[k])의 시간에 따른 변화 이력을 나타낸다.
점선 그래프와 실선 그래프는 각각 수식 2 및 수식 4를 이용하여 얻은 것이다. 또한, 수식 2 및 수식 4의 Vi[k]로서 수식 5의 VDi[k]를 사용하였고, Vav[k]는 복수의 셀 전압의 평균으로 설정하였다. 제1 무빙 윈도우의 시간 길이는 10초이고, 제2 무빙 윈도우의 시간 길이는 100초이다.
도 2c는 도 2b에 도시된 각 배터리 셀의 제1 평균 셀 전압(SMAi[k])과 제2 평균 셀 전압(LMAi[k])의 차이에 해당하는 장단기 평균 차이(절대값)의 시간에 따른 변화를 나타낸다. 도 2c에 있어서, 가로축은 시간을 나타내고, 세로축은 각 배터리 셀(BCi)의 장단기 평균 차이를 나타낸다.
각 배터리 셀(BCi)의 장단기 평균 차이는, 단위 시간마다의, 각 배터리 셀(BCi)의 제1 평균 셀 전압(SMAi)과 제2 평균 셀 전압(LMAi) 간의 차이이다. 일 예로, 제i 배터리 셀(BCi)의 장단기 평균 차이는, SMAi[k]과 LMAi[k] 중 하나(예, 더 큰 것)로부터 다른 하나(예, 더 작은 것)를 차감한 값과 동일할 수 있다.
제i 배터리 셀(BCi)의 장단기 평균 차이는, 제i 배터리 셀(BCi)의 셀 전압의 단기적인 변화 이력 및 장기적인 변화 이력에 의존한다.
제i 배터리 셀(BCi)의 온도나 SOH는, 단기적으로는 물론 장기적으로 꾸준히 제i 배터리 셀(BCi)의 셀 전압에 영향을 준다. 따라서, 제i 배터리 셀(BCi)의 전압 이상이 없다면, 제i 배터리 셀(BCi)의 장단기 평균 차이는, 나머지 배터리 셀들의 장단기 평균 차이와는 유의미한 차이를 띄지 않는다.
반면, 제i 배터리 셀(BCi)에 내부 단락 및/또는 외부 단락 등으로 인해 갑자기 발생된 전압 이상은, 제2 평균 셀 전압(LMAi[k])보다 제1 평균 셀 전압(SMAi[k])에 많은 영향을 준다. 그 결과, 제i 배터리 셀(BCi)의 장단기 평균 차이는 전압 이상이 없는 나머지 배터리 셀들의 장단기 평균 차이와는 큰 편차를 가진다.
제어 회로(220)는, 전기 차량(1)이 운행되는 동안, 단위 시간마다, 각 배터리 셀(BCi)의 장단기 평균 차이(|SMAi[k]-LMAi[k]|)를 결정할 수 있다. 또한, 제어 회로(220)는 장단기 평균 차이(|SMAi[k]-LMAi[k]|)의 평균값을 결정할 수 있다. 이하, 평균값은 |SMAi[k]-LMAi[k]|av로 나타낸다. 제어 회로(220)는 또한 장단기 평균 차이의 평균값(|SMAi[k]-LMAi[k]|av) 대비 장단기 평균 차이(|SMAi[k]-LMAi[k]|)에 대한 편차를 셀 진단 편차(Ddiag,i[k])로 결정할 수 있다. 또한, 제어 회로(220)는 셀 진단 편차(Ddiag,i[k])를 기초로 각 배터리 셀(BCi)의 전압 이상을 진단할 수 있다.
일 실시예에서, 제어 회로(220)는 제i 배터리 셀(BCi)에 대한 셀 진단 편차(Ddiag,i[k])가 미리 설정된 진단 임계치(예컨대, 0.015)를 넘으면, 해당 제i 배터리 셀(BCi)에 전압 이상이 생긴 것으로 진단할 수 있다.
바람직하게, 제어 회로(220)는 전압 이상 진단을 위해 각 배터리 셀(BCi)의 장단기 평균 차이(|SMAi[k]-LMAi[k]|)를 정규화 기준값을 이용하여 정규화할 수 있다. 바람직하게, 정규화 기준값은 장단기 평균 차이의 평균값(|SMAi[k]-LMAi[k]|av)이다.
구체적으로, 제어 회로(220)는 제1 내지 제N 배터리 셀(BCi-BCN)의 장단기 평균 차이의 평균값(|SMAi[k]-LMAi[k]|av)을 정규화 기준값으로 설정할 수 있다. 제어 회로(220)는 또한 각 배터리 셀(BCi)의 장단기 평균 차이(|SMAi[k]-LMAi[k]|)를 정규화 기준값으로 나눗셈 연산하여 장단기 평균 차이(|SMAi[k]-LMAi[k]|)를 정규화할 수 있다.
하기 수식 6은 각 배터리 셀(BCi)의 장단기 평균 차이(|SMAi[k]-LMAi[k]|)를 정규화하는 수식을 나타낸다. 실시예에서, 수식 6에 의해 산출되는 값은 정규화된 셀 진단 편차(D* diag,i[k])라고 명명할 수 있다.
<수식 6>
D* diag,i[k] = (|SMAi[k]-LMAi[k]|)÷(|SMAi[k]-LMAi[k]|av)
수식 6에서, |SMAi[k]-LMAi[k]|는 현 시점의 제i 배터리 셀(BCi)의 장단기 평균 차이, |SMAi[k]-LMAi[k]|av는 전체 배터리 셀의 장단기 평균 차이의 평균값(정규화 기준값), D* diag,i[k]는 현 시점의 제i 배터리 셀(BCi)의 정규화된 셀 진단 편차다. 기호 '*'는 파라미터가 정규화되었음을 나타낸다.
각 배터리 셀(BCi)의 장단기 평균 차이(|SMAi[k]-LMAi[k]|)는 하기 수식 7의 로그 연산을 통해 정규화하는 것도 가능하다. 실시예에서, 수식 7에 의해 산출되는 값 또한 정규화된 셀 진단 편차(D* diag,i[k])라고 명명할 수 있다.
<수식 7>
D* diag,i[k] = Log|SMAi[k]-LMAi[k]|
도 2d는 각 배터리 셀(BCi)의 정규화된 셀 진단 편차(D* diag,i[k])의 시간에 따른 변화를 보여준다. 셀 진단 편차(D* diag,i[k])는 수식 6을 이용하여 산출하였다. 도 2d에 있어서, 가로축은 시간을 나타내고, 세로축은 각 배터리 셀(BCi)의 셀 진단 편차(D* diag,i[k])를 나타낸다.
도 2d를 참조하면, 각 배터리 셀(BCi)의 장단기 평균 차이(|SMAi[k]-LMAi[k]|)가 정규화됨으로써 각 배터리 셀(BCi)의 장단기 평균 차이의 변화가 평균값을 기준으로 증폭되었음을 알 수 있다. 이로써, 배터리 셀의 전압 이상 진단이 보다 정확하게 이루어질 수 있다.
바람직하게, 제어 회로(220)는, 각 배터리 셀(BCi)의 정규화된 셀 진단 편차(D* diag,i[k])와 통계적 가변 임계치(Dthreshold[k])를 비교하여 각 배터리 셀(BCi)의 전압 이상 진단을 수행할 수 있다.
바람직하게, 제어 회로(220)는 하기 수식 8을 이용하여 단위 시간 마다 통계적 가변 임계치(Dthreshold[k])를 설정할 수 있다.
<수식 8>
Dthreshold[k] = β*Sigma(D* diag,i[k])
수식 8에서, Sigma는 시간 인덱스 k에서 전체 배터리 셀(BC)의 정규화된 셀 진단 편차(D* diag,i[k])에 대한 표준 편차를 연산하는 함수이다. 그리고, β는 실험적으로 결정되는 상수이다. β는 진단 감도를 결정하는 팩터이다. β는 실제 전압 이상이 생긴 배터리 셀을 포함하고 있는 셀 그룹을 대상으로 본 발명을 실시했을 때, 해당 배터리 셀이 전압 이상 셀로서 검출될 수 있도록 시행착오에 의해 적절하게 결정될 수 있다. 일 예에서, β는 적어도 5 이상, 또는 적어도 6 이상, 또는 적어도 7 이상, 또는 적어도 8 이상, 또는 적어도 9 이상으로 설정될 수 있다. 수식 8에 의해 생성되는 Dthreshold[k]는 복수이므로 시계열 데이터를 구성한다.
한편, 전압 이상이 있는 배터리 셀은 정규화된 셀 진단 편차(D* diag,i[k])가 정상 배터리 셀보다 상대적으로 크다. 따라서, 진단의 정확도와 신뢰성을 향상시키기 위해 시간 인덱스 k에서 Sigma(D* diag,i[k])를 연산함에 있어서 최대값에 해당하는 max(D* diag,i[k])는 제외시키는 것이 바람직하다. 여기서, max는 복수의 입력 변수에 대한 최대값을 반환하는 함수로서, 입력 변수는 전체 배터리 셀들의 정규화된 셀 진단 편차(D* diag,i[k])들이다.
도 2d에 있어서, 통계적 가변 임계치(Dthreshold[k])의 시간 변화를 나타내는 시계열 데이터는 전체 프로파일들 중에서 가장 짙은 색으로 표시한 프로파일에 해당한다.
제어 회로(220)는, 시간 인덱스 k에서 통계적 가변 임계치(Dthreshold[k])를 결정한 후 하기 수식 9를 이용하여 각 배터리 셀(BCi)의 정규화된 셀 진단 편차(D* diag,i[k])를 필터링함으로써 필터 진단 값(Dfilter,i[k])을 결정할 수 있다.
각 배터리 셀(BCi)에 대한 필터 진단 값(Dfilter,i[k])에는 2가지 값이 할당될 수 있다. 즉, 셀 진단 편차(D* diag,i[k])가 통계적 가변 임계치(Dthreshold[k])보다 크면, 셀 진단 편차(D* diag,i[k])와 통계적 가변 임계치(DThreshold[k])의 차이 값이 필터 진단 값(Dfilter,i[k])에 할당된다. 반면, 셀 진단 편차(D* diag,i[k])가 통계적 가변 임계치(Dthreshold[k])보다 같거나 작으면, 0이 필터 진단 값(Dfilter,i[k])에 할당된다.
<수식 9>
Dfilter,i[k] = D* diag,i[k] - Dthreshold[k] (IF D* diag,i[k] > Dthreshold[k])
Dfilter,i[k] = 0 (IF D* diag,i[k] ≤ Dthreshold[k])
도 2e는 시간 인덱스 k에서 셀 진단 편차(D* diag,i[k])의 필터링을 통해 얻은 필터 진단 값(Dfilter,i[k])의 시계열 데이터를 나타낸 도면이다.
도 2e를 참조하면, 특정 배터리 셀의 필터 진단 값(Dfilter,i[k])이 3000초를 전후로 하여 양수 값을 가지는 불규칙한 패턴이 확인된다. 참고로, 불규칙한 패턴을 가지는 특정 배터리 셀은 도 2d에서 A로 지시된 시계열 데이터를 가지는 배터리 셀이다.
일 예에서, 제어 회로(220)는 각 배터리 셀(BC-i)에 대한 필터 진단 값(Dfilter,i[k])의 시계열 데이터에서 필터 진단 값(Dfilter,i[k])이 진단 임계치(예컨대, 0)보다 큰 시간 구간을 적산하고, 적산 시간이 미리 설정된 기준 시간보다 큰 조건이 성립되는 배터리 셀을 전압 이상 셀로 진단할 수 있다.
바람직하게, 제어 회로(220)는 필터 진단 값(Dfilter,i[k])이 진단 임계치보다 큰 조건이 연속적으로 충족되는 시간 구간을 적산할 수 있다. 해당 시간 구간이 복수이면, 제어 회로(220)는 각 시간 구간마다 적산 시간을 독립적으로 산출할 수 있다.
다른 예에서, 제어 회로(220)는 각 배터리 셀(BC-i)에 대한 필터 진단 값(Dfilter,i[k])의 시계열 데이터에서 필터 진단 값(Dfilter,i[k])이 진단 임계치(예컨대, 0)보다 큰 시간 구간에 포함된 데이터 수를 적산하고, 데이터 적산치가 미리 설정된 기준 카운트보다 큰 조건이 성립되는 배터리 셀을 전압 이상 셀로 진단할 수 있다.
바람직하게, 제어 회로(220)는 필터 진단 값(Dfilter,i[k])이 진단 임계치보다 큰 조건이 연속적으로 충족되는 시간 구간에 포함된 데이터 수만을 적산할 수 있다. 해당 시간 구간이 복수이면, 제어 회로(220)는 각 시간 구간의 데이터 수를 독립적으로 적산할 수 있다.
한편, 제어 회로(220)는 수식 1 내지 5의 Vi[k]를 도 2d에 나타낸 각 배터리 셀(BC-i)의 정규화된 셀 진단 편차(D* diag,i[k])로 대체할 수 있다. 또한, 제어 회로(220)는, 시간 인덱스 k에서, 셀 진단 편차(D* diag,i[k])의 장단기 평균 차이(|SMAi[k]-LMAi[k]|) 계산, 셀 진단 편차(D* diag,i[k])의 장단기 평균 차이(|SMAi[k]-LMAi[k]|)의 평균값 계산, 장단기 평균 차이(|SMAi[k]-LMAi[k]|)의 평균값 대비 차이에 해당하는 셀 진단 편차(Ddiag,i[k]) 계산, 수식 6을 이용한 장단기 평균 차이(|SMAi[k]-LMAi[k]|)에 대한 정규화된 셀 진단 편차(D* diag,i[k]) 계산, 수식 8을 이용하여 정규화된 셀 진단 편차(D* diag,i[k])에 대한 통계적 가변 임계치(Dthreshold[k]) 결정, 수식 9를 이용하여 셀 진단 편차(D* diag,i[k])의 필터링을 통한 필터 진단 값 Dfilter,i[k] 결정, 및 필터 진단 값 Dfilter,i[k]의 시계열 데이터를 이용한 배터리 셀의 전압 이상 진단을 재귀적으로 실행할 수 있다.
도 2f는 정규화된 셀 진단 편차(D* diag,i[k])의 시계열 데이터(도 2d)에 대한 장단기 평균 차이(|SMAi[k]-LMAi[k]|)의 시간 변화를 나타낸 그래프이다. 장단기 평균 차이(|SMAi[k]-LMAi[k]|)의 계산에 사용되는 수식2, 수식4 및 수식5에 있어서, Vi[k]는 D* diag,i[k]로 대체될 수 있고, Vav[k]는 D* diag,i[k]의 평균값으로 대체될 수 있다.
도 2g는 수식 6을 이용하여 계산된 정규화된 셀 진단 편차(D* diag,i[k])의 시계열 데이터를 나타낸 그래프이다. 도 2g에 있어서, 통계적 가변 임계치(Dthreshold[k])의 시계열 데이터는 가장 짙은 색으로 표시한 프로파일에 해당한다.
도 2h는 수식 9를 이용하여 셀 진단 편차(D* diag,i[k])의 시계열 데이터를 필터링함으로써 얻은 필터 진단 값(Dfilter,i[k])의 시계열 데이터를 나타낸 프로파일이다.
일 예에서, 제어 회로(220)는 각 배터리 셀(BC-i)에 대한 필터 진단 값(Dfilter,i[k])의 시계열 데이터에서 필터 진단 값(Dfilter,i[k])이 진단 임계치(예컨대, 0)보다 큰 시간 구간을 적산하고, 적산 시간이 미리 설정된 기준 시간보다 큰 조건이 성립되는 배터리 셀을 전압 이상 셀로 진단할 수 있다.
바람직하게, 제어 회로(220)는 필터 진단 값(Dfilter,i[k])이 진단 임계치보다 큰 조건이 연속적으로 충족되는 시간 구간을 적산할 수 있다. 해당 시간 구간이 복수이면, 제어 회로(220)는 각 시간 구간마다 적산 시간을 독립적으로 산출할 수 있다.
다른 예에서, 제어 회로(220)는 각 배터리 셀(BC-i)에 대한 필터 진단 값(Dfilter,i[k])의 시계열 데이터에서 필터 진단 값(Dfilter,i[k])이 진단 임계치(예컨대, 0)보다 큰 시간 구간에 포함된 데이터 수를 적산하고, 데이터 적산치가 미리 설정된 기준 카운트보다 큰 조건이 성립되는 배터리 셀을 전압 이상 셀로 진단할 수 있다.
바람직하게, 제어 회로(220)는 필터 진단 값(Dfilter,i[k])이 진단 임계치보다 큰 조건이 연속적으로 충족되는 시간 구간에 포함된 데이터 수만을 적산할 수 있다. 해당 시간 구간이 복수이면, 제어 회로(220)는 각 시간 구간의 데이터 수를 독립적으로 적산할 수 있다.
제어 회로(220)는, 전술한 재귀적 연산 과정을 기준 횟수만큼 추가로 반복할 수 있다. 즉, 제어 회로(220)는 도 2a에 나타낸 전압 시계열 데이터를 정규화된 셀 진단 편차(D* diag,i[k])의 시계열 데이터(예를 들어 도 2g의 데이터)로 대체할 수 있다. 또한, 제어 회로(220)는, 시간 인덱스 k에서, 장단기 평균 차이(|SMAi[k]-LMAi[k]|) 계산, 장단기 평균 차이(|SMAi[k]-LMAi[k]|)의 평균값 계산, 장단기 평균 차이(|SMAi[k]-LMAi[k]|)의 평균값 대비 차이에 해당하는 셀 진단 편차(Ddiag,i[k]) 계산, 수식 6을 이용한 장단기 평균 차이(|SMAi[k]-LMAi[k]|)에 대한 정규화된 셀 진단 편차(D* diag,i[k]) 계산, 수식 8을 이용하여 셀 진단 편차(D* diag,i[k])에 대한 통계적 가변 임계치(Dthreshold[k]) 결정, 수식 9를 이용한 셀 진단 편차(D* diag,i[k])에 대한 필터링을 통한 필터 진단 값 Dfilter,i[k] 결정, 및 필터 진단 값 Dfilter,i[k]의 시계열 데이터를 이용한 배터리 셀의 전압 이상 진단을 재귀적으로 실행할 수 있다.
상기와 같은 재귀적 연산 과정이 반복되면, 배터리 셀의 전압 이상 진단이 보다 정밀하게 이루어질 수 있다. 즉, 도 2e를 참조하면, 전압 이상이 생긴 배터리 셀의 필터 진단 값(Dfilter,i[k])의 시계열 데이터에서 2개의 시간 구간에서만 양의 프로파일 패턴이 관찰된다. 하지만, 도 2h를 참조하면, 전압 이상이 생긴 배터리 셀의 필터 진단 값(Dfilter,i[k])의 시계열 데이터에서 도 2e에서보다 많은 시간 구간에서 양의 프로파일 패턴이 관찰된다. 따라서 재귀적 연산 과정이 반복되면, 배터리 셀의 전압 이상이 발생된 시점을 보다 정확하게 검출할 수 있다.
상술한 제어 회로(220)의 실시예들(변형예들)에 따른 배터리 진단 동작들은, 도 2a에 도시된 바와 같이 각 배터리 셀(BCi)의 셀 전압의 시계열 데이터에 관한 프로파일이 미리 설정된 진단 개시 전압 이하의 전압 데이터를 포함하고, 상기 전압 데이터가 측정된 시점 이후에 변곡점을 포함하는 진단 조건 하에서 실행되는 것이 바람직하다. 상기 진단 개시 전압은 각 배터리 셀(BCi)의 방전 하한 전압보다 소정 레벨만큼 높게 설정될 수 있다. 상기 소정 레벨은 배터리 셀(BCi)의 종류와 배터리 셀(BCi)의 퇴화도에 따라 가변될 수 있다. 도 2a에 도시된 셀 전압의 시계열 데이터에 관한 프로파일들에 있어서, 상기 진단 개시 전압은 3.35V로 설정될 수 있다. 변곡점은, 각 배터리 셀(BCi)이 방전되다가 방전이 소정 시간 중단되었을 때 나타날 수 있다. 일 예에서, 전기 차량(1)이 키 온 상태에서 신호 대기를 위해 정지하였을 때 각 배터리 셀(BCi)의 셀 전압의 시계열 데이터에 관한 프로파일에 변곡점이 포함될 수 있다. 변곡점은 각 배터리 셀(BCi)의 방전이 중단되었을 때 전극의 분극(polarization)이 해소되는 과정에서 나타날 수 있다.
위와 같은 바람직한 진단 조건 하에서 제어 회로(220)의 배터리 진단 동작들이 실행되면 전압 이상이 있는 배터리 셀의 전압 이상이 다른 배터리 셀들에 비해 증폭됨으로써 배터리 진단의 정확도와 신뢰성이 향상될 수 있다.
이하에서는, 상술한 본 발명의 배터리 진단 장치(200)를 이용한 배터리 진단 방법을 상세히 설명한다. 배터리 진단 방법은 전기 차량(1)이 운행되는 동안 배터리 진단 장치(200)에 의해 실시될 수 있다. 여기서, 전기 차량(1)의 운행은 전기 차량(1)의 이동, 주차 또는 신호 대기 등을 포함할 수 있다.
제어 회로(220)의 동작은 배터리 진단 방법의 다양한 실시예(들)에서 보다 구체적으로 설명될 것이다.
도 3은 본 발명의 일 실시예에 따른 배터리 진단 방법을 예시적으로 보여주는 순서도이다. 도 3의 방법은, 전기 차량(1)이 운행되는 동안 제어 회로(220)에 의해 단위 시간마다 주기적으로 실행될 수 있다.
도 1 내지 도 3을 참조하면, 단계 S310에서, 제어 회로(220)는, 전압 측정 회로(210)로부터 복수의 배터리 셀(BC1~BCN) 각각의 셀 전압을 나타내는 전압 신호를 수집하여, 각 배터리 셀(BC)의 셀 전압의 시계열 데이터를 생성한다(도 2a 참조). 셀 전압의 시계열 데이터는 단위 시간이 경과될 때마다 데이터의 수가 1씩 증가한다.
바람직하게, 셀 전압으로서 Vi[k] 또는 수식 5의 VDi[k]가 사용될 수 있다.
단계 S320에서, 제어 회로(220)는, 각 배터리 셀(BCi)의 셀 전압의 시계열 데이터를 기초로, 각 배터리 셀(BC-i)의 제1 평균 셀 전압(SMAi[k], 수식 1 및 수식 2 참조) 및 제2 평균 셀 전압(LMAi[k], 수식 3 및 수식 4 참조)을 결정한다(도 2b 참조). 제1 평균 셀 전압(SMAi[k])은, 제1 시간 길이를 가지는 제1 무빙 윈도우에 걸친 각 배터리 셀(BCi)의 셀 전압의 단기 이동 평균이다. 제2 평균 셀 전압(LMAi[k])은, 제2 시간 길이를 가지는 제2 무빙 윈도우에 걸친 각 배터리 셀(BCi)의 셀 전압의 장기 이동 평균이다. 제1 평균 셀 전압(SMAi[k]) 및 제2 평균 셀 전압(LMAi[k])의 산출 시 Vi[k] 또는 VDi[k]가 사용될 수 있다.
단계 S330에서, 제어 회로(220)는 각 배터리 셀(BCi)의 장단기 평균 차이(|SMAi[k]- LMAi[k]|)를 결정한다(도 2c 참조).
단계 S340에서, 제어 회로(220)는 각 배터리 셀(BCi)의 셀 진단 편차(Ddiag,i[k])를 결정한다. 셀 진단 편차(Ddiag,i[k])는 전체 배터리 셀에 대한 장단기 평균 차이의 평균값(|SMAi[k]- LMAi[k]|av)과 제i 배터리 셀(BCi)의 장단기 평균 차이(|SMAi[k]- LMAi[k]|)의 편차이다.
단계 S350에서, 제어 회로(220)는 진단 시간이 경과되었는지 판단한다. 진단 시간은 미리 설정된다. 단계 S350의 판단이 YES이면 단계 S360이 진행되고, 단계 S350의 판단이 NO이면, 단계 S310 내지 단계 S340이 다시 반복된다.
단계 S360에서, 제어 회로(220)는 진단 시간 동안 수집된 각 배터리 셀(BCi)의 셀 진단 편차(Ddiag,i[k])에 대한 시계열 데이터를 생성한다.
단계 S370에서, 제어 회로(220)는 셀 진단 편차(Ddiag,i[k])에 대한 시계열 데이터를 분석하여 각 배터리 셀(BCi)의 전압 이상을 진단한다.
일 예에서, 제어 회로(220)는 각 배터리 셀(BCi)의 셀 진단 편차(Ddiag,i[k])에 대한 시계열 데이터에서 셀 진단 편차(Ddiag,i[k])가 진단 임계치(예컨대, 0.015)보다 큰 시간 구간을 적산하고, 적산 시간이 미리 설정된 기준 시간보다 큰 조건이 성립되는 배터리 셀을 전압 이상 셀로 진단할 수 있다.
바람직하게, 제어 회로(220)는 셀 진단 편차(Ddiag,i[k])가 진단 임계치보다 큰 조건이 연속적으로 충족되는 시간 구간만을 적산할 수 있다. 해당 시간 구간이 복수이면, 제어 회로(220)는 각 시간 구간마다 적산 시간을 독립적으로 산출할 수 있다.
다른 예에서, 제어 회로(220)는 각 배터리 셀(BCi)의 셀 진단 편차(Ddiag,i[k])에 대한 시계열 데이터에서 셀 진단 편차(Ddiag,i[k])가 진단 임계치(예컨대,0.015)보다 큰 데이터 수를 적산하고, 데이터 적산치가 미리 설정된 기준 카운트보다 큰 조건이 성립되는 배터리 셀을 전압 이상 셀로 진단할 수 있다.
바람직하게, 제어 회로(220)는 셀 진단 편차(Ddiag,i[k])가 진단 임계치보다 큰 조건이 연속적으로 충족되는 시간 구간에 포함된 데이터 수만을 적산할 수 있다. 해당 시간 구간이 복수이면, 제어 회로(220)는 각 시간 구간의 데이터 수를 독립적으로 적산할 수 있다.도 4은 본 발명의 제2 실시예에 따른 배터리 진단 방법을 예시적으로 보여주는 순서도이다. 도 4의 방법은, 전기 차량(1)이 운행되는 동안 배터리 진단 장치(200)의 제어 회로(220)에 의해 단위 시간마다 주기적으로 실행될 수 있다.
제2 실시예의 배터리 진단 방법에 있어서, 단계 S310 내지 단계 S360은 제1 실시예와 실질적으로 동일하므로 이에 대한 설명은 생략한다. 단계 S360 이후에, 단계 S380이 진행된다.
단계 S380에서, 제어 회로(220)는 수식 8을 이용하여 통계적 가변 임계치(Dthreshold[k])의 시계열 데이터를 생성한다. 수식 8의 Sigma 함수의 입력은 단계 S360에서 생성된 전체 배터리 셀의 셀 진단 편차(Ddiag,i[k])에 대한 시계열 데이터들이다. 바람직하게, 셀 진단 편차(Ddiag,i[k])의 최대값은 Sigma 함수의 입력 값에서 제외될 수 있다. 셀 진단 편차(Ddiag,i[k])는 장단기 평균 차이(|SMAi[k]-LMAi[k]|)에 대한 평균값 대비 편차이다.
단계 S390에서, 제어 회로(220)는 수식 9를 이용하여 각 배터리 셀(BCi)의 셀 진단 편차(Ddiag,i[k])를 필터링함으로써 필터 진단 값(Dfilter,i[k])의 시계열 데이터를 생성한다.
수식 9를 이용함에 있어서, D* diag,i[k]는 Ddiag,i[k]로 대체될 수 있다.
단계 S400에서, 제어 회로(220)는 필터 진단 값(Dfilter,i[k])의 시계열 데이터를 분석하여 각 배터리 셀(BCi)의 전압 이상을 진단한다.
일 예에서, 제어 회로(220)는 각 배터리 셀(BC-i)에 대한 필터 진단 값(Dfilter,i[k])의 시계열 데이터에서 필터 진단 값(Dfilter,i[k])이 진단 임계치(예컨대, 0)보다 큰 시간 구간을 적산하고, 적산 시간이 미리 설정된 기준 시간보다 큰 조건이 성립되는 배터리 셀을 전압 이상 셀로 진단할 수 있다.
바람직하게, 제어 회로(220)는 필터 진단 값(Dfilter,i[k])이 진단 임계치보다 큰 조건이 연속적으로 충족되는 시간 구간만을 적산할 수 있다. 해당 시간 구간이 복수이면, 제어 회로(220)는 각 시간 구간마다 적산 시간을 독립적으로 산출할 수 있다.
다른 예에서, 제어 회로(220)는 각 배터리 셀(BC-i)에 대한 필터 진단 값(Dfilter,i[k])의 시계열 데이터에서 필터 진단 값(Dfilter,i[k])이 진단 임계치(예컨대, 0)보다 큰 시간 구간에 포함된 데이터 수를 적산하고, 데이터 적산치가 미리 설정된 기준 카운트보다 큰 조건이 성립되는 배터리 셀을 전압 이상 셀로 진단할 수 있다.
바람직하게, 제어 회로(220)는 필터 진단 값(Dfilter,i[k])이 진단 임계치보다 큰 조건이 연속적으로 충족되는 시간 구간에 포함된 데이터 수만을 적산할 수 있다. 해당 시간 구간이 복수이면, 제어 회로(220)는 각 시간 구간의 데이터 수를 독립적으로 적산할 수 있다.
도 5는 본 발명의 제3 실시예에 따른 배터리 진단 방법을 예시적으로 보여주는 순서도이다. 도 5의 방법은, 전기 차량(1)이 운행되는 동안 배터리 진단 장치(200)의 제어 회로(220)에 의해 단위 시간마다 주기적으로 실행될 수 있다.
제3 실시예에 따른 배터리 진단 방법은 제 1실시예와 비교하여 단계 S340, S360 및 S370이 각각 단계 S340', 360' 및 단계 S370'으로 변경된 점만 제외하고 나머지 구성은 실질적으로 동일하다. 따라서, 제3 실시예에 대해서는 차이가 있는 구성에 대해서만 설명한다.
단계 S340'에서, 제어 회로(220)는 수식 6을 이용하여 각 배터리 셀(BCi)의 장단기 평균 차이(|SMAi[k]- LMAi[k]|)에 대한 정규화된 셀 진단 편차(D* diag,i[k])를 결정한다. 정규화 기준값은 장단기 평균 차이(|SMAi[k]- LMAi[k]|)의 평균값이다. 수식 6은 수식 7로 대체 가능하다.
단계 S360'에서, 제어 회로(220)는 진단 시간 동안 수집된 각 배터리 셀(BCi)의 정규화된 셀 진단 편차(D* diag,i[k])에 대한 시계열 데이터를 생성한다(도 2d 참조).
단계 S370'에서, 제어 회로(220)는 정규화된 셀 진단 편차(D* diag,i[k])에 대한 시계열 데이터를 분석하여 각 배터리 셀(BCi)의 전압 이상을 진단한다.
일 예에서, 제어 회로(220)는 각 배터리 셀(BCi)의 정규화된 셀 진단 편차(D* diag,i[k])에 대한 시계열 데이터에서 셀 진단 편차(D* diag,i[k])가 진단 임계치(예컨대, 4)보다 큰 시간 구간을 적산하고, 적산 시간이 미리 설정된 기준 시간보다 큰 조건이 성립되는 배터리 셀을 전압 이상 셀로 진단할 수 있다.
바람직하게, 제어 회로(220)는 정규화된 셀 진단 편차(D* diag,i[k])가 진단 임계치보다 큰 조건이 연속적으로 충족되는 시간 구간만을 적산할 수 있다. 해당 시간 구간이 복수이면, 제어 회로(220)는 각 시간 구간마다 적산 시간을 독립적으로 산출할 수 있다.
다른 예에서, 제어 회로(220)는 각 배터리 셀(BCi)의 정규화된 셀 진단 편차(D* diag,i[k])에 대한 시계열 데이터에서 셀 진단 편차가 진단 임계치(예컨대, 4)보다 큰 데이터 수를 적산하고, 데이터 적산치가 미리 설정된 기준 카운트보다 큰 조건이 성립되는 배터리 셀을 전압 이상 셀로 진단할 수 있다.
바람직하게, 제어 회로(220)는 정규화된 셀 진단 편차(D* diag,i[k])가 진단 임계치보다 큰 조건이 연속적으로 충족되는 시간 구간에 포함된 데이터 수만을 적산할 수 있다. 해당 시간 구간이 복수이면, 제어 회로(220)는 각 시간 구간의 데이터 수를 독립적으로 적산할 수 있다.
도 6은 본 발명의 제4 실시예에 따른 배터리 진단 방법을 예시적으로 보여주는 순서도이다. 도 6의 방법은, 전기 차량(1)이 운행되는 동안 배터리 진단 장치(200)의 제어 회로(220)에 의해 단위 시간마다 주기적으로 실행될 수 있다.
제4 실시예에 따른 배터리 진단 방법은 제 2실시예와 비교하여 단계 S340, S360, S380, S390 및 S400이 각각 단계 S340', S360', S380', S390' 및 S400'으로 변경된 점만 제외하고 나머지 구성은 실질적으로 동일하다. 따라서, 제4 실시예에 대해서는 제2 실시예와 차이가 있는 구성에 대해서만 설명한다.
단계 S340'에서, 제어 회로(220)는 수식 6을 이용하여 각 배터리 셀(BCi)의 장단기 평균 차이(|SMAi[k]- LMAi[k]|)에 대한 정규화된 셀 진단 편차(D* diag,i[k])를 결정한다. 정규화 기준값은 장단기 평균 차이(|SMAi[k]- LMAi[k]|)의 평균값이다. 수식 6은 수식 7로 대체 가능하다.
단계 S360'에서, 제어 회로(220)는 진단 시간 동안 수집된 각 배터리 셀(BCi)의 정규화된 셀 진단 편차(D* diag,i[k])에 대한 시계열 데이터를 생성한다(도 2d 참조).
단계 S380'에서, 제어 회로(220)는 수식 8을 이용하여 통계적 가변 임계치(Dthreshold[k])의 시계열 데이터를 생성한다. 수식 8의 Sigma 함수의 입력은 단계 S360'에서 생성된 전체 배터리 셀의 정규화된 셀 진단 편차(D* diag,i[k])에 대한 시계열 데이터들이다. 바람직하게, 각 시간 인덱스에서, 셀 진단 편차(D* diag,i[k])의 최대값은 Sigma 함수의 입력 값에서 제외될 수 있다.
단계 S390'에서, 제어 회로(220)는 수식 9를 이용하여 통계적 가변 임계치(Dthreshold[k])를 기준으로 각 배터리 셀(BCi)의 셀 진단 편차(D* diag,i[k])를 필터링함으로써 필터 진단 값(Dfilter,i[k])의 시계열 데이터를 생성한다.
단계 S400'에서, 제어 회로(220)는 필터 진단 값(Dfilter,i[k])의 시계열 데이터를 분석하여 각 배터리 셀(BCi)의 전압 이상을 진단한다.
일 예에서, 제어 회로(220)는 각 배터리 셀(BC-i)에 대한 필터 진단 값(Dfilter,i[k])의 시계열 데이터에서 필터 진단 값(Dfilter,i[k])이 진단 임계치(예컨대, 0)보다 큰 시간 구간을 적산하고, 적산 시간이 미리 설정된 기준 시간보다 큰 조건이 성립되는 배터리 셀을 전압 이상 셀로 진단할 수 있다.
바람직하게, 제어 회로(220)는 필터 진단 값(Dfilter,i[k])이 진단 임계치보다 큰 조건이 연속적으로 충족되는 시간 구간을 적산할 수 있다. 해당 시간 구간이 복수이면, 제어 회로(220)는 각 시간 구간마다 적산 시간을 독립적으로 산출할 수 있다.
다른 예에서, 제어 회로(220)는 각 배터리 셀(BC-i)에 대한 필터 진단 값(Dfilter,i[k])의 시계열 데이터에서 필터 진단 값(Dfilter,i[k])이 진단 임계치(예컨대, 0)보다 큰 시간 구간에 포함된 데이터 수를 적산하고, 데이터 적산치가 미리 설정된 기준 카운트보다 큰 조건이 성립되는 배터리 셀을 전압 이상 셀로 진단할 수 있다.
바람직하게, 제어 회로(220)는 필터 진단 값(Dfilter,i[k])이 진단 임계치보다 큰 조건이 연속적으로 충족되는 시간 구간에 포함된 데이터 수만을 적산할 수 있다. 해당 시간 구간이 복수이면, 제어 회로(220)는 각 시간 구간의 데이터 수를 독립적으로 적산할 수 있다.
도 7은 본 발명의 제5 실시예에 따른 배터리 진단 방법을 예시적으로 보여주는 순서도이다.
제5 실시예에 있어서, 단계 S310 내지 단계 S360'까지는 제4실시예와 실질적으로 동일하다. 따라서, 제5 실시예에 대해서는 제4 실시예와 차이가 있는 구성에 대해서만 설명한다.
단계 S410에서, 제어 회로(220)는, 각 배터리 셀(BCi)의 정규화된 셀 진단 편차(D* diag,i[k]) 시계열 데이터를 이용하여 셀 진단 편차(D* diag,i[k])에 대한 제1 이동 평균(SMAi[k]) 시계열 데이터 및 제2 이동 평균(LMAi[k]) 시계열 데이터를 생성한다(도 2f 참조).
단계 S420에서, 제어 회로(220)는 수식 6을 이용하여 각 배터리 셀(BCi)의 제1 이동 평균(SMAi[k]) 시계열 데이터 및 제2 이동 평균(LMAi[k]) 시계열 데이터를 이용하여 정규화된 셀 진단 편차(D* diag,i[k]) 시계열 데이터를 생성한다(도 2g 참조).
단계 S430에서, 제어 회로(220)는 수식 8을 이용하여 통계적 가변 임계치(Dthreshold[k])의 시계열 데이터를 생성한다(도 2g 참조).
단계 S440에서, 제어 회로(220)는 수식 9를 이용하여 통계적 가변 임계치(Dthreshold[k])를 기준으로 각 배터리 셀(BCi)의 필터 진단 값(Dfilter,i[k])에 대한 시계열 데이터 생성한다(도 2h 참조).
단계 S450에서, 제어 회로(220)는 각 배터리 셀(BCi)의 필터 진단 값(Dfilter,i[k])의 시계열 데이터를 분석하여 각 배터리 셀(BCi)의 전압 이상을 진단한다.
일 예에서, 제어 회로(220)는 각 배터리 셀(BC-i)에 대한 필터 진단 값(Dfilter,i[k])의 시계열 데이터에서 필터 진단 값(Dfilter,i[k])이 진단 임계치(예컨대, 0)보다 큰 시간 구간을 적산하고, 적산 시간이 미리 설정된 기준 시간보다 큰 조건이 성립되는 배터리 셀을 전압 이상 셀로 진단할 수 있다.
바람직하게, 제어 회로(220)는 필터 진단 값(Dfilter,i[k])이 진단 임계치보다 큰 조건이 연속적으로 충족되는 시간 구간을 적산할 수 있다. 해당 시간 구간이 복수이면, 제어 회로(220)는 각 시간 구간마다 적산 시간을 독립적으로 산출할 수 있다.
다른 예에서, 제어 회로(220)는 각 배터리 셀(BC-i)에 대한 필터 진단 값(Dfilter,i[k])의 시계열 데이터에서 필터 진단 값(Dfilter,i[k])이 진단 임계치(예컨대, 0)보다 큰 시간 구간에 포함된 데이터 수를 적산하고, 데이터 적산치가 미리 설정된 기준 카운트보다 큰 조건이 성립되는 배터리 셀을 전압 이상 셀로 진단할 수 있다.
바람직하게, 제어 회로(220)는 필터 진단 값(Dfilter,i[k])이 진단 임계치보다 큰 조건이 연속적으로 충족되는 시간 구간에 포함된 데이터 수만을 적산할 수 있다. 해당 시간 구간이 복수이면, 제어 회로(220)는 각 시간 구간의 데이터 수를 독립적으로 적산할 수 있다.
제5 실시예에 있어서, 제어 회로(220)는 단계 S410 및 단계 S420을 2회 이상 재귀적으로 실시할 수 있다. 즉, 제어 회로(220)는 단계 S420에서 생성된 정규화된 셀 진단 편차(D* diag,i[k]) 시계열 데이터를 이용하여 또 다시 단계 S410에서 셀 진단 편차(D* diag,i[k])에 대한 제1 이동 평균(SMAi[k]) 시계열 데이터 및 제2 이동 평균(LMAi[k]) 시계열 데이터를 생성할 수 있다. 그런 다음, 제어 회로(220)는 단계 S420에서 또 다시 각 배터리 셀(BCi)의 제1 이동 평균(SMAi[k]) 시계열 데이터 및 제2 이동 평균(LMAi[k]) 시계열 데이터를 이용하여 수식 6을 기초로 정규화된 셀 진단 편차(D* diag,i[k]) 시계열 데이터 생성할 수 있다. 이러한 재귀적 알고리즘은 정해진 횟수만큼 반복될 수 있다.
재귀적 알고리즘에 따라 단계 S410 및 단계 S420이 실시될 때, 단계 S430 내지 단계 S450은 재귀적 알고리즘을 통해 최종 산출된 셀 진단 편차(D* diag,i[k]) 시계열 데이터를 이용하여 실시될 수 있다.
상술한 실시예들(변형예들)에 따른 배터리 진단 방법은, 도 2a에 도시된 바와 같이 각 배터리 셀(BCi)의 셀 전압의 시계열 데이터에 관한 프로파일이 미리 설정된 진단 개시 전압 이하의 전압 데이터를 포함하고, 상기 전압 데이터가 측정된 시점 이후에 변곡점을 포함하는 진단 조건 하에서 실행되는 것이 바람직하다. 상기 진단 개시 전압은 각 배터리 셀(BCi)의 방전 하한 전압보다 소정 레벨만큼 높게 설정될 수 있다. 상기 소정 레벨은 배터리 셀(BCi)의 종류와 배터리 셀(BCi)의 퇴화도에 따라 가변될 수 있다. 도 2a에 도시된 셀 전압의 시계열 데이터에 관한 프로파일들에 있어서, 상기 진단 개시 전압은 3.35V로 설정될 수 있다. 변곡점은, 각 배터리 셀(BCi)이 방전되다가 방전이 소정 시간 중단되었을 때 나타날 수 있다. 일 예에서, 전기 차량(1)이 키 온 상태에서 신호 대기를 위해 정지하였을 때 각 배터리 셀(BCi)의 셀 전압의 시계열 데이터에 관한 프로파일에 변곡점이 포함될 수 있다. 변곡점은 각 배터리 셀(BCi)의 방전이 중단되었을 때 전극의 분극(polarization)이 해소되는 과정에서 나타날 수 있다.
위와 같은 바람직한 진단 조건 하에서 실시예들(변형예들)에 따른 배터리 진단 방법이 실시되면 전압 이상이 있는 배터리 셀의 전압 이상이 다른 배터리 셀들에 비해 증폭됨으로써 배터리 진단의 정확도와 신뢰성이 향상될 수 있다.
본 발명의 실시예에 있어서, 제어 회로(220)는 전체 배터리 셀들에 대한 전압 이상 진단을 실시한 후, 특정 배터리 셀(들)에서 전압 이상이 진단되면, 진단 결과 정보를 디스플레이부(미도시)를 통해 출력할 수 있다. 또한, 제어 회로(220)는 전압 이상이 진단된 배터리 셀의 식별정보(ID), 전압 이상이 진단된 시점 및 진단 flag를 메모리부(221)에 기록할 수 있다.
바람직하게, 진단 결과 정보는 셀 그룹에서 전압 이상이 생긴 셀이 있음을 나타내는 메시지를 포함할 수 있다. 선택적으로, 진단 결과 정보는 배터리 셀들의 정밀 점검이 필요하다는 내용의 경고 메시지를 포함할 수 있다.
일 예에서, 디스플레이부는 셀 그룹(CG)으로부터 전력을 공급 받는 부하장치에 포함될 수 있다. 부하장치가 전기 자동차, 하이브리드 자동차, 플러그인 하이브리드 자동차 등인 경우, 진단 결과 정보는 자동차의 통합정보 디스플레이를 통해 출력될 수 있다. 다른 예에서, 본 발명에 따른 배터리 진단 장치(200)가 진단 시스템에 포함될 때, 진단 결과는 진단 시스템에 구비된 디스플레이를 통해 출력될 수 있다.
바람직하게, 본 발명의 실시예에 따른 배터리 진단 장치(200)는 배터리 관리 시스템(100) 또는 부하장치의 제어 시스템(미도시)에 포함될 수 있다.
상술한 실시예들에 따르면, 단위 시간마다, 서로 다른 두 시간 길이에 대한 각 배터리 셀의 셀 전압의 두 이동 평균을 결정하고, 복수의 배터리 셀 각각의 두 이동 평균 간의 차이를 기초로, 각 배터리 셀의 전압 이상을 효율적이면서 정확하게 진단할 수 있다.
다른 측면에 따르면, 각 배터리 셀의 두 이동 평균의 변화 경향 차이를 분석함에 있어서 정규화 및/또는 통계적 가변 임계치 등의 고도화된 기법을 적용함으로써 각 배터리 셀의 전압 이상을 정확하게 진단할 수 있다.
또 다른 측면에 따르면, 통계적 가변 임계치를 기준으로 결정된 필터 진단 값의 시계열 데이터를 분석하여 각 배터리 셀의 전압 이상이 발생된 시간 구간 및/또는 전압 이상 검출 카운트 등을 정밀하게 검출하는 것이 가능하다.
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.

Claims (22)

  1. 전기 차량에 탑재되어 있는 직렬 연결된 복수의 배터리 셀을 포함하는 셀 그룹을 위한 배터리 진단 장치에 있어서,
    상기 전기 차량이 운행되는 동안 주기적으로 각 배터리 셀의 셀 전압을 나타내는 전압 신호를 생성하도록 구성되는 전압 센싱 회로; 및
    상기 전압 신호로부터 결정되는 셀 전압을 메모리부에 누적해서 저장하고, 각 배터리 셀의 누적된 셀 전압을 이용하여 각 배터리 셀의 셀 전압의 시간에 따른 변화를 나타내는 시계열 데이터를 생성하도록 구성되는 제어 회로를 포함하고,
    상기 제어 회로는,
    (i) 상기 시계열 데이터를 기초로 각 배터리 셀의 제1 평균 셀 전압과 제2 평균 셀 전압을 결정하고[여기서, 상기 제1 평균 셀 전압은 단기 이동 평균이고, 상기 제2 평균 셀 전압은 장기 이동 평균임],
    (ii) 상기 제1 평균 셀 전압과 상기 제2 평균 셀 전압의 차이를 기초로 각 배터리 셀의 전압 이상을 검출하도록 구성되는, 배터리 진단 장치.
  2. 제1항에 있어서, 상기 제어 회로는,
    각 배터리 셀에 대해서, 상기 제1 평균 셀 전압과 상기 제2 평균 셀 전압의 차이에 해당하는 장단기 평균 차이를 결정하고,
    각 배터리 셀에 대해서, 전체 배터리 셀의 장단기 평균 차이의 평균값과 배터리 셀의 장단기 평균 차이의 편차에 해당하는 셀 진단 편차를 결정하고,
    셀 진단 편차가 진단 임계치를 초과하는 조건을 충족하는 배터리 셀을 전압 이상 셀로 검출하도록 구성된, 배터리 진단 장치.
  3. 제2항에 있어서, 상기 제어 회로는,
    각 배터리 셀에 대해서, 셀 진단 편차의 시계열 데이터를 생성하고, 셀 진단 편차가 진단 임계치를 초과하는 시간 또는 진단 임계치를 초과하는 셀 진단 편차의 데이터 수로부터 배터리 셀의 전압 이상을 검출하도록 구성된, 배터리 진단 장치.
  4. 제1항에 있어서, 상기 제어 회로는,
    각 배터리 셀에 대해서, 상기 제1 평균 셀 전압과 상기 제2 평균 셀 전압의 차이에 해당하는 장단기 평균 차이를 결정하고,
    각 배터리 셀에 대해서, 전체 배터리 셀의 장단기 평균 차이의 평균값과 배터리 셀의 장단기 평균 차이의 편차를 산출하여 셀 진단 편차를 결정하고,
    전체 배터리 셀의 셀 진단 편차에 대한 표준편차에 의존하는 통계적 가변 임계치를 결정하고,
    각 배터리 셀의 셀 진단 편차에 관한 시계열 데이터를 통계적 가변 임계치를 기준으로 필터링하여 필터 진단 값의 시계열 데이터를 생성하고,
    필터 진단 값이 진단 임계치를 초과하는 시간 또는 진단 임계치를 초과하는 필터 진단 값의 데이터 수로부터 배터리 셀의 전압 이상을 검출하도록 구성된, 배터리 진단 장치.
  5. 제1항에 있어서, 상기 제어 회로는,
    각 배터리 셀에 대해서, 상기 제1 평균 셀 전압과 상기 제2 평균 셀 전압의 차이에 해당하는 장단기 평균 차이를 결정하고,
    각 배터리 셀에 대해서, 장단기 평균 차이의 정규화 값을 정규화된 셀 진단 편차로서 결정하고,전체 배터리 셀의 정규화된 셀 진단 편차에 대한 표준편차에 의존하는 통계적 가변 임계치를 결정하고,
    각 배터리 셀의 정규화된 셀 진단 편차에 관한 시계열 데이터를 통계적 가변 임계치를 기준으로 필터링하여 필터 진단 값의 시계열 데이터를 생성하고,
    필터 진단 값이 진단 임계치를 초과하는 시간 또는 진단 임계치를 초과하는 필터 진단 값의 데이터 수로부터 배터리 셀의 전압 이상을 검출하도록 구성된, 배터리 진단 장치.
  6. 제5항에 있어서, 상기 제어 회로는,
    각 배터리 셀에 대해서, 장단기 평균 차이를 전체 배터리 셀의 장단기 평균 차이의 평균값으로 나눗셈 연산하여 장단기 평균 차이를 정규화하도록 구성된 배터리 진단 장치.
  7. 제5항에 있어서, 상기 제어 회로는,
    각 배터리 셀에 대해서, 장단기 평균 차이의 로그 연산을 통해 장단기 평균 차이를 정규화하도록 구성된, 배터리 진단 장치.
  8. 제1항에 있어서, 상기 제어 회로는,
    단위 시간 마다 측정된, 전체 배터리 셀의 셀 전압 평균값과 각 배터리 셀의 셀 전압 차이에 해당하는 전압을 이용하여 각 배터리 셀의 셀 전압의 시간에 따른 변화를 나타내는 시계열 데이터를 생성하도록 구성된, 배터리 진단 장치.
  9. 제1항에 있어서, 상기 제어 회로는,
    각 배터리 셀에 대해서, 상기 제1 평균 셀 전압과 상기 제2 평균 셀 전압의 차이에 해당하는 장단기 평균 차이를 결정하고,
    각 배터리 셀에 대해서, 장단기 평균 차이의 정규화 값을 정규화된 셀 진단 편차로서 결정하고,각 배터리 셀에 대해서, 정규화된 셀 진단 편차의 시계열 데이터를 생성하고,
    다음 (i) 내지 (iv)를 적어도 1회 이상 재귀적으로 반복하여 각 배터리 셀에 대해 정규화된 셀 진단 편차의 시계열 데이터를 생성하고,
    (i) 각 배터리 셀의 정규화된 셀 진단 편차의 시계열 데이터에 대해 제1 이동 평균 및 제2 이동 평균을 결정[여기서, 제1 이동 평균은 단기 이동 평균이고, 제2 이동 평균은 장기 이동 평균임], (ii) 각 배터리 셀에 대해, 제1 이동 평균과 제2 이동 평균의 차이에 해당하는 장단기 평균 차이를 결정, (iii) 각 배터리 셀에 대해, 장단기 평균 차이의 정규화 값을 정규화된 셀 진단 편차로 결정, (iv) 각 배터리 셀에 대해 정규화된 셀 진단 편차의 시계열 데이터를 생성
    전체 배터리 셀의 정규화된 셀 진단 편차에 대한 표준편차에 의존하는 통계적 가변 임계치를 결정하고,
    각 배터리 셀의 셀 진단 편차에 관한 시계열 데이터를 통계적 가변 임계치를 기준으로 필터링하여 필터 진단 값의 시계열 데이터를 생성하고,
    필터 진단 값이 진단 임계치를 초과하는 시간 또는 진단 임계치를 초과하는 필터 진단 값의 데이터 수로부터 배터리 셀의 전압 이상을 검출하도록 구성된, 배터리 진단 장치.
  10. 제1항에 있어서,
    각 배터리 셀의 셀 전압의 시계열 데이터에 관한 프로파일은 미리 설정된 진단 개시 전압 이하의 전압 데이터를 포함하고 상기 전압 데이터가 측정된 시점 이후에 변곡점을 포함하는 것인, 배터리 진단 장치.
  11. 제1항 내지 제10항 중 어느 한 항에 따른 상기 배터리 진단 장치를 포함하는 배터리 팩.
  12. 제11항에 따른 상기 배터리 팩을 포함하는 자동차.
  13. 전기 차량에 탑재된 직렬 연결된 복수의 배터리 셀을 포함하는 셀 그룹을 위한 배터리 진단 방법에 있어서,
    (a) 전기 차량이 운행되는 동안 각 배터리 셀의 셀 전압을 나타내는 전압 신호를 생성하는 단계;
    (b) 상기 전압 신호로부터 결정되는 셀 전압을 메모리부에 누적해서 저장하는 단계;
    (c) 각 배터리 셀의 셀 전압의 시간에 따른 변화를 나타내는 시계열 데이터를 주기적으로 생성하는 단계;
    (d) 상기 시계열 데이터를 기초로 각 배터리 셀의 제1 평균 셀 전압과 제2 평균 셀 전압을 결정하는 단계[여기서, 상기 제1 평균 셀 전압은 단기 이동 평균이고, 상기 제2 평균 셀 전압은 장기 이동 평균임]; 및
    (e) 상기 제1 평균 셀 전압과 상기 제2 평균 셀 전압의 차이를 기초로 각 배터리 셀의 전압 이상을 검출하는 단계;를 포함하는, 배터리 진단 방법.
  14. 제13항에 있어서, 상기 (e) 단계는,
    (e1) 각 배터리 셀에 대해서, 상기 제1 평균 셀 전압과 상기 제2 평균 셀 전압의 차이에 해당하는 장단기 평균 차이를 결정하는 단계;
    (e2) 각 배터리 셀에 대해서, 전체 배터리 셀의 장단기 평균 차이의 평균값과 배터리 셀의 장단기 평균 차이의 편차에 해당하는 셀 진단 편차를 결정하는 단계; 및
    (e3) 셀 진단 편차가 진단 임계치를 초과하는 조건을 충족하는 배터리 셀을 전압 이상 셀로 검출하는 단계;를 포함하는, 배터리 진단 방법.
  15. 제14항에 있어서, 상기 (e) 단계는,
    (e1) 각 배터리 셀에 대해서 셀 진단 편차의 시계열 데이터를 생성하는 단계; 및
    (e2) 셀 진단 편차가 진단 임계치를 초과하는 시간 또는 진단 임계치를 초과하는 셀 진단 편차의 데이터 수로부터 배터리 셀의 전압 이상을 검출하는 단계;를 포함하는, 배터리 진단 방법.
  16. 제13항에 있어서, 상기 (e) 단계는,
    (e1) 각 배터리 셀에 대해서, 상기 제1 평균 셀 전압과 상기 제2 평균 셀 전압의 차이에 해당하는 장단기 평균 차이를 결정하는 단계;
    (e2) 각 배터리 셀에 대해서, 전체 배터리 셀의 장단기 평균 차이의 평균값과 배터리 셀의 장단기 평균 차이의 편차를 산출하여 셀 진단 편차를 결정하는 단계;
    (e3) 전체 배터리 셀의 셀 진단 편차에 대한 표준편차에 의존하는 통계적 가변 임계치를 결정하는 단계;
    (e4) 각 배터리 셀의 셀 진단 편차에 관한 시계열 데이터를 통계적 가변 임계치를 기준으로 필터링하여 각 배터리 셀에 대해 필터 진단 값의 시계열 데이터를 생성하는 단계; 및
    (e5) 필터 진단 값이 진단 임계치를 초과하는 시간 또는 진단 임계치를 초과하는 필터 진단 값의 데이터 수로부터 배터리 셀의 전압 이상을 검출하는 단계;를 포함하는, 배터리 진단 방법.
  17. 제13항에 있어서, 상기 (e) 단계는,
    (e1) 각 배터리 셀에 대해서, 상기 제1 평균 셀 전압과 상기 제2 평균 셀 전압의 차이에 해당하는 장단기 평균 차이를 결정하는 단계;
    (e2) 각 배터리 셀에 대해서, 장단기 평균 차이의 정규화 값을 정규화된 셀 진단 편차로서 결정하는 단계;
    (e3) 전체 배터리 셀의 정규화된 셀 진단 편차에 대한 표준편차에 의존하는 통계적 가변 임계치를 결정하는 단계;
    (e4) 각 배터리 셀의 정규화된 셀 진단 편차에 관한 시계열 데이터를 통계적 가변 임계치를 기준으로 필터링하여 필터 진단 값의 시계열 데이터를 생성하는 단계; 및
    (e5) 필터 진단 값이 진단 임계치를 초과하는 시간 또는 진단 임계치를 초과하는 필터 진단 값의 데이터 수로부터 배터리 셀의 전압 이상을 검출하는 단계;를 포함하는, 배터리 진단 방법.
  18. 제17항에 있어서, 상기 (e2) 단계는,
    각 배터리 셀에 대해서, 장단기 평균 차이를 전체 배터리 셀의 장단기 평균 차이의 평균값으로 나눗셈 연산하여 장단기 평균 차이를 정규화하는 단계인, 배터리 진단 방법.
  19. 제17항에 있어서, 상기 (e2) 단계는,
    각 배터리 셀에 대해서, 장단기 평균 차이의 로그 연산을 통해 장단기 평균 차이를 정규화하는 단계인, 배터리 진단 방법.
  20. 제13항에 있어서, 상기 (a) 단계는,
    단위 시간 마다 측정된, 전체 배터리 셀의 셀 전압 평균값과 각 배터리 셀의 셀 전압 차이에 해당하는 전압을 이용하여 각 배터리 셀의 셀 전압의 시간에 따른 변화를 나타내는 시계열 데이터를 생성하는 단계인, 배터리 진단 방법.
  21. 제13항에 있어서, 상기 (e) 단계는,
    (e1) 각 배터리에 대해서, 상기 제1 평균 셀 전압과 상기 제2 평균 셀 전압의 차이에 해당하는 장단기 평균 차이를 결정하는 단계;
    (e2) 각 배터리에 대해서, 장단기 평균 차이의 정규화 값을 정규화된 셀 진단 편차로서 결정하는 단계;
    (e3) 각 배터리 셀에 대해서, 정규화된 셀 진단 편차의 시계열 데이터를 생성하는 단계;
    (e4) 다음 (i) 내지 (iv)를 적어도 1회 이상 재귀적으로 반복하여 각 배터리 셀에 대해 정규화된 셀 진단 편차의 시계열 데이터를 생성하는 단계;
    (i) 각 배터리 셀의 정규화된 셀 진단 편차의 시계열 데이터에 대해 제1 이동 평균 및 제2 이동 평균을 결정[여기서, 제1 이동 평균은 단기 이동 평균이고, 제2 이동 평균은 장기 이동 평균임], (ii) 각 배터리 셀에 대해, 제1 이동 평균과 제2 이동 평균의 차이에 해당하는 장단기 평균 차이를 결정, (iii) 각 배터리 셀에 대해, 장단기 평균 차이의 정규화 값을 정규화된 셀 진단 편차로 결정, (iv) 각 배터리 셀에 대해 정규화된 셀 진단 편차의 시계열 데이터를 생성
    (e5) 전체 배터리 셀의 정규화된 셀 진단 편차에 대한 표준편차에 의존하는 통계적 가변 임계치를 결정하는 단계;
    (e6) 각 배터리 셀의 정규화된 셀 진단 편차에 관한 시계열 데이터를 통계적 가변 임계치를 기준으로 필터링하여 필터 진단 값의 시계열 데이터를 생성하는 단계; 및
    (e7) 필터 진단 값이 진단 임계치를 초과하는 시간 또는 진단 임계치를 초과하는 필터 진단 값의 데이터 수로부터 배터리 셀의 전압 이상을 검출하는 단계;를 포함하는, 배터리 진단 방법.
  22. 제13항에 있어서,
    각 배터리 셀의 셀 전압의 시계열 데이터에 관한 프로파일은 미리 설정된 진단 개시 전압 이하의 전압 데이터를 포함하고 상기 전압 데이터가 측정된 시점 이후에 변곡점을 포함하는 것인, 배터리 진단 방법.
PCT/KR2023/006797 2022-05-18 2023-05-18 배터리 진단 장치, 배터리 진단 방법, 배터리 팩 및 자동차 Ceased WO2023224414A1 (ko)

Priority Applications (4)

Application Number Priority Date Filing Date Title
JP2024542101A JP2025502294A (ja) 2022-05-18 2023-05-18 バッテリー診断装置、バッテリーの診断方法、バッテリーパック及び自動車
EP23807933.9A EP4484982B1 (en) 2022-05-18 2023-05-18 Battery diagnosing apparatus, battery diagnosing method, battery pack and electric vehicle
CN202380021975.XA CN119110904A (zh) 2022-05-18 2023-05-18 电池诊断装置、电池诊断方法、电池组及车辆
US18/834,691 US20250347752A1 (en) 2022-05-18 2023-05-18 Battery Diagnosing Apparatus, Battery Diagnosing Method, Battery Pack and Electric Vehicle

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20220061076 2022-05-18
KR10-2022-0061076 2022-05-18

Publications (1)

Publication Number Publication Date
WO2023224414A1 true WO2023224414A1 (ko) 2023-11-23

Family

ID=88835804

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2023/006797 Ceased WO2023224414A1 (ko) 2022-05-18 2023-05-18 배터리 진단 장치, 배터리 진단 방법, 배터리 팩 및 자동차

Country Status (6)

Country Link
US (1) US20250347752A1 (ko)
EP (1) EP4484982B1 (ko)
JP (1) JP2025502294A (ko)
KR (1) KR20230161377A (ko)
CN (1) CN119110904A (ko)
WO (1) WO2023224414A1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20230219456A1 (en) * 2022-01-11 2023-07-13 Ford Global Technologies, Llc Control of vehicle battery
DE102023128159A1 (de) * 2023-07-27 2025-01-30 GM Global Technology Operations LLC Erzeugung einer vorhersage interner kurzschlüsse
CN120178059A (zh) * 2025-05-21 2025-06-20 昆明理工大学 新能源汽车动力电池多故障诊断方法

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20250125662A (ko) * 2024-02-15 2025-08-22 주식회사 엘지에너지솔루션 배터리 관리 장치 및 그것의 동작 방법
WO2026079714A1 (ko) * 2024-10-08 2026-04-16 주식회사 엘지에너지솔루션 배터리 관리 장치 및 방법

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120096615A (ko) * 2011-02-23 2012-08-31 현대자동차주식회사 연료전지 스택의 촉매 열화 진단 방법
JP2014134467A (ja) * 2013-01-10 2014-07-24 Toyota Motor Corp 二次電池の状態診断方法
JP2019039825A (ja) * 2017-08-25 2019-03-14 矢崎総業株式会社 バッテリ状態診断装置、及びバッテリ状態診断方法
JP2020119712A (ja) * 2019-01-22 2020-08-06 株式会社東芝 蓄電池評価装置、蓄電池評価方法及び蓄電池評価システム
KR20220015790A (ko) * 2020-07-31 2022-02-08 주식회사 엘지에너지솔루션 배터리 관리 장치, 배터리 팩, 에너지 저장 시스템 및 배터리 관리 방법
KR20220061076A (ko) 2019-12-30 2022-05-12 서울여자대학교 산학협력단 서로 다른 의료 영상에 기반한 상관 정보를 이용한 타겟 데이터 예측 방법

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001027663A (ja) * 1999-07-14 2001-01-30 Daikin Ind Ltd 組み電池における電池不良検出方法およびその装置
JP5343299B2 (ja) * 2005-09-22 2013-11-13 日産自動車株式会社 電池故障検出装置
US8682525B1 (en) * 2009-08-18 2014-03-25 Hti Ip, L.L.C. Method and system for determining that a user has operated a vehicle ignition switch
US11221373B2 (en) * 2017-06-23 2022-01-11 Pacesetter, Inc. Method and device for detecting early battery depletion condition
US11035904B2 (en) * 2018-07-23 2021-06-15 Samsung Sdi Co., Ltd. Battery control apparatus and method for detecting internal short of battery
JP7022050B2 (ja) * 2018-12-07 2022-02-17 株式会社デンソー 絶縁抵抗検出装置
CN113396503B (zh) * 2019-01-31 2023-12-19 日本汽车能源株式会社 电池控制装置
CN112208389B (zh) * 2020-09-08 2022-02-11 北京交通大学 一种针对车载动力电池的日常便捷检测方法
US11621573B2 (en) * 2020-10-30 2023-04-04 GM Global Technology Operations LLC Drooping cell detection and state of cell health monitoring
KR102684286B1 (ko) * 2020-11-27 2024-07-11 주식회사 엘지에너지솔루션 배터리 진단 장치, 배터리 진단 방법, 배터리 팩 및 자동차
CN113219361B (zh) * 2021-03-16 2024-02-27 上海派能能源科技股份有限公司 一种锂离子电池组异常自放电诊断方法及系统
KR20230010545A (ko) * 2021-07-12 2023-01-19 주식회사 엘지에너지솔루션 배터리 진단 장치, 배터리 팩, 전기 차량 및 배터리 진단 방법
CN113391214A (zh) * 2021-07-30 2021-09-14 湖北工业大学 一种基于电池充电电压排名变化的电池微故障诊断方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120096615A (ko) * 2011-02-23 2012-08-31 현대자동차주식회사 연료전지 스택의 촉매 열화 진단 방법
JP2014134467A (ja) * 2013-01-10 2014-07-24 Toyota Motor Corp 二次電池の状態診断方法
JP2019039825A (ja) * 2017-08-25 2019-03-14 矢崎総業株式会社 バッテリ状態診断装置、及びバッテリ状態診断方法
JP2020119712A (ja) * 2019-01-22 2020-08-06 株式会社東芝 蓄電池評価装置、蓄電池評価方法及び蓄電池評価システム
KR20220061076A (ko) 2019-12-30 2022-05-12 서울여자대학교 산학협력단 서로 다른 의료 영상에 기반한 상관 정보를 이용한 타겟 데이터 예측 방법
KR20220015790A (ko) * 2020-07-31 2022-02-08 주식회사 엘지에너지솔루션 배터리 관리 장치, 배터리 팩, 에너지 저장 시스템 및 배터리 관리 방법

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP4484982A4

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20230219456A1 (en) * 2022-01-11 2023-07-13 Ford Global Technologies, Llc Control of vehicle battery
US12054071B2 (en) * 2022-01-11 2024-08-06 Ford Global Technologies, Llc Control of vehicle battery
DE102023128159A1 (de) * 2023-07-27 2025-01-30 GM Global Technology Operations LLC Erzeugung einer vorhersage interner kurzschlüsse
CN120178059A (zh) * 2025-05-21 2025-06-20 昆明理工大学 新能源汽车动力电池多故障诊断方法

Also Published As

Publication number Publication date
EP4484982B1 (en) 2026-04-08
KR20230161377A (ko) 2023-11-27
US20250347752A1 (en) 2025-11-13
JP2025502294A (ja) 2025-01-24
EP4484982A4 (en) 2025-06-18
EP4484982A1 (en) 2025-01-01
CN119110904A (zh) 2024-12-10

Similar Documents

Publication Publication Date Title
WO2022114871A1 (ko) 배터리 진단 장치, 배터리 진단 방법, 배터리 팩 및 자동차
WO2023224414A1 (ko) 배터리 진단 장치, 배터리 진단 방법, 배터리 팩 및 자동차
WO2021246655A1 (ko) 배터리 상태 진단 장치 및 방법
WO2023068899A1 (ko) 배터리 팩 내의 이상 징후 셀 검출 장치 및 방법
WO2021049882A1 (ko) 배터리 관리 장치 및 방법
WO2021230537A1 (ko) 배터리 상태 진단 장치 및 방법
WO2022145777A1 (ko) 이차 전지 진단 장치 및 방법
WO2021085836A1 (ko) 배터리 진단 장치 및 방법
WO2021080161A1 (ko) 배터리 관리 시스템, 배터리 팩, 전기 차량 및 배터리 관리 방법
WO2021230642A1 (ko) 배터리를 진단하기 위한 장치 및 그 방법
WO2021118118A1 (ko) 배터리 퇴화도 진단 장치 및 방법
WO2020189919A1 (ko) 배터리 상태 추정 장치
WO2020189914A1 (ko) 배터리 상태 추정 장치
WO2017034277A1 (ko) 이차 전지의 퇴화도 추정 장치 및 방법
WO2022215962A1 (ko) 배터리 진단 장치 및 방법
WO2024063600A1 (ko) 배터리 관리 장치 및 그것의 동작 방법
WO2020153637A1 (ko) 배터리 관리 장치, 배터리 관리 방법 및 배터리 팩
WO2018194225A1 (ko) 배터리 모니터링 및 보호 시스템
WO2022149917A1 (ko) 배터리 관리 장치 및 방법
WO2021060900A1 (ko) 배터리 관리 장치 및 방법
WO2023249298A1 (ko) 배터리 진단 장치, 배터리 진단 방법 및 배터리 진단 시스템
WO2024101832A1 (ko) 급속 충전 제어 장치 및 방법
WO2021006708A1 (ko) 배터리 팩의 상태 진단 장치 및 방법
WO2022250390A1 (ko) 배터리 모니터링 장치 및 방법
WO2021137642A1 (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: 23807933

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 2024542101

Country of ref document: JP

WWE Wipo information: entry into national phase

Ref document number: 202380021975.X

Country of ref document: CN

WWE Wipo information: entry into national phase

Ref document number: 2023807933

Country of ref document: EP

ENP Entry into the national phase

Ref document number: 2023807933

Country of ref document: EP

Effective date: 20240923

NENP Non-entry into the national phase

Ref country code: DE

WWP Wipo information: published in national office

Ref document number: 18834691

Country of ref document: US

WWG Wipo information: grant in national office

Ref document number: 2023807933

Country of ref document: EP