WO2024112072A1 - Soh 예측 장치 및 이의 동작 방법 - Google Patents

Soh 예측 장치 및 이의 동작 방법 Download PDF

Info

Publication number
WO2024112072A1
WO2024112072A1 PCT/KR2023/018799 KR2023018799W WO2024112072A1 WO 2024112072 A1 WO2024112072 A1 WO 2024112072A1 KR 2023018799 W KR2023018799 W KR 2023018799W WO 2024112072 A1 WO2024112072 A1 WO 2024112072A1
Authority
WO
WIPO (PCT)
Prior art keywords
soh
data
prediction device
impedance
eis
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/KR2023/018799
Other languages
English (en)
French (fr)
Inventor
김현수
박재동
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
Priority claimed from KR1020230160489A external-priority patent/KR102909740B1/ko
Application filed by LG Energy Solution Ltd filed Critical LG Energy Solution Ltd
Priority to CN202380080663.6A priority Critical patent/CN120239824A/zh
Priority to EP23895000.0A priority patent/EP4617692A4/en
Priority to JP2025530434A priority patent/JP2025537919A/ja
Publication of WO2024112072A1 publication Critical patent/WO2024112072A1/ko
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/389—Measuring internal impedance, internal conductance or related variables
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/392—Determining battery ageing or deterioration, e.g. state of health

Definitions

  • Embodiments disclosed in this document relate to an SOH prediction device and a method of operating the same.
  • the secondary battery is a battery capable of charging and discharging, and includes both conventional Ni/Cd batteries, Ni/MH batteries, etc., and recent lithium ion batteries.
  • lithium-ion batteries have the advantage of having much higher energy density than conventional Ni/Cd batteries, Ni/MH batteries, etc.
  • lithium-ion batteries can be made small and lightweight, so they are used as a power source for mobile devices. Recently, their range of use has expanded to a power source for electric vehicles, and they are attracting attention as a next-generation energy storage medium.
  • a battery exchange system exists as a service related to these secondary batteries.
  • the battery exchange system can provide users with a service that exchanges a discharged battery with a charged battery.
  • Such a battery exchange system may use a method of measuring the lifespan of a battery used for service.
  • electrochemical impedance spectroscopy EIS
  • EIS electrochemical impedance spectroscopy
  • An SOH prediction device includes an EIS data acquisition unit that acquires EIS (electrochemical impedance spectroscopy) data of a battery, a feature point identification unit that identifies feature points in the EIS data, and the feature points based on the feature points.
  • a resistance parameter calculation unit that calculates a resistance parameter of the battery, and an SOH that determines the state of health (SOH) of the battery according to the resistance parameter from the temperature at which the EIS data is obtained, the relationship data between the resistance parameter and the SOH. It may include a decision part.
  • the first feature point among the feature points may be determined based on the size of the real part of the EIS data.
  • the first feature point among the feature points may represent an impedance having the smallest real part in the EIS data or an impedance within a preset range from the impedance having the smallest real part.
  • a second feature point among the feature points may be determined based on the size of the imaginary part of the EIS data.
  • the second feature point among the feature points has the highest absolute value of the magnitude of the imaginary part impedance among the frequencies at which the Warburg impedance appears in the EIS data and the frequency region smaller than the frequency at which the Warburg impedance appears. It may represent the impedance of a small point or the impedance within a preset range from the point where the absolute value is the smallest.
  • the resistance parameter may be determined based on a value obtained by subtracting the real part value of the first feature point from the real part value of the second feature point among the feature points.
  • the relationship data is first EIS data of a reference battery obtained at a specified state of charge (SOC), a specified SOH, and a specified first temperature under a specified time condition, at the specified time condition, It is obtained through comparison between the specified SOC, the specified SOH, and the second EIS data of the reference battery obtained at specified second temperatures, and the first temperatures and the second temperatures may be different from each other.
  • SOC state of charge
  • SOH specified SOH
  • second EIS data of the reference battery obtained at specified second temperatures It is obtained through comparison between the specified SOC, the specified SOH, and the second EIS data of the reference battery obtained at specified second temperatures, and the first temperatures and the second temperatures may be different from each other.
  • the SOH prediction device generates formula candidates indicating the tendency of the first EIS data, selects a formula with the smallest error among the formula candidates through the second EIS data, and selects a formula with the smallest error. It may include a relationship data generator that generates relationship data between the resistance parameter and the SOH at third temperatures different from the first and second temperatures through a small equation.
  • the temperature range of the first temperatures may include the temperature range of the second temperatures.
  • a method of operating an SOH prediction device includes obtaining electrochemical impedance spectroscopy (EIS) data of a battery including at least one battery cell, identifying feature points in the EIS data, and Calculating a resistance parameter of the battery based on characteristic points, and determining the state of health (SOH) of the battery according to the resistance parameter from the temperature at which the EIS data is obtained, the relationship data between the resistance parameter and the SOH. It may include a decision-making action.
  • EIS electrochemical impedance spectroscopy
  • SOH state of health
  • the first feature point among the feature points may be determined based on the size of the real part of the EIS data.
  • the first feature point among the feature points may represent an impedance having the smallest real part in the EIS data or an impedance within a preset range from the impedance having the smallest real part.
  • a second feature point among the feature points may be determined based on the size of the imaginary part of the EIS data.
  • the second feature point among the feature points is the frequency at which the Warburg impedance appears in the EIS data and the absolute value of the magnitude of the imaginary part impedance in the frequency region smaller than the frequency at which the Warburg impedance appears. It may represent the impedance at the smallest point or the impedance within a preset range from the point where the absolute value is the smallest.
  • the resistance parameter may be determined based on a value obtained by subtracting the real part value of the first feature point from the real part value of the second feature point among the feature points.
  • the relationship data is first EIS data of a reference battery obtained at a specified state of charge (SOC), a specified SOH, and a specified first temperature under a specified time condition, at the specified time condition, It is obtained through comparison between the specified SOC, the specified SOH, and the second EIS data of the reference battery obtained at specified second temperatures, and the first temperatures and the second temperatures may be different from each other.
  • SOC state of charge
  • SOH specified SOH
  • second EIS data of the reference battery obtained at specified second temperatures It is obtained through comparison between the specified SOC, the specified SOH, and the second EIS data of the reference battery obtained at specified second temperatures, and the first temperatures and the second temperatures may be different from each other.
  • a method of operating an SOH prediction device includes generating formula candidates indicating a tendency of the first EIS data, selecting a formula with the smallest error among the formula candidates through the second EIS data, and The method may further include generating relationship data between the resistance parameter and the SOH at third temperatures different from the first and second temperatures through the equation with the smallest error.
  • the temperature range of the first temperatures may include the temperature range of the second temperatures.
  • the SOH prediction device and its operating method can predict SOH according to resistance parameters without collecting EIS data at all temperatures. Accordingly, the SOH prediction device and its operating method according to resistance parameters according to various embodiments disclosed in this document can reduce the cost and time for collecting EIS data.
  • the SOH prediction device and its operating method according to various embodiments disclosed in this document can prevent problems caused by fitting EIS data to an equivalent circuit by approximating the resistance parameter through the reformation and coordinates of EIS data.
  • FIG. 1 is a block diagram of an SOH prediction device according to an embodiment of the present disclosure.
  • Figure 2 illustrates an EIS graph according to an embodiment of the present disclosure.
  • FIG. 3 illustrates a temperature-resistance parameter graph according to an embodiment of the present disclosure.
  • Figure 5 is a flowchart showing a method of operating an SOH prediction device according to an embodiment of the present disclosure.
  • Figure 6 is a flowchart showing a method of operating an SOH prediction device according to an embodiment of the present disclosure.
  • a or B “at least one of A and B”, “at least one of A or B”, “A, B or C”, “at least one of A, B and C”, and “A
  • Each of phrases such as “at least one of , B, or C” may include any one of the items listed together in the corresponding phrase, or any possible combination thereof.
  • Terms such as “first”, “second”, “first”, “second”, “A”, “B”, “(a)” or “(b)” simply refer to the element in question. It can be used to distinguish between and, unless specifically stated to the contrary, does not limit the components in other respects (e.g., importance or order).
  • “or “connected,” or “coupled,” or “connected” it means that any component is connected to another component directly (e.g., wired or wirelessly), or indirectly ( This means that it can be connected (e.g. via a third component).
  • Computer program products are commodities and can be traded between sellers and buyers.
  • a computer program product may be distributed in the form of a machine-readable storage medium (e.g. compact disc read only memory, CD-ROM), or distributed online, directly through an application store or between two user devices (e.g. can be downloaded or uploaded).
  • a machine-readable storage medium e.g. compact disc read only memory, CD-ROM
  • at least a portion of the computer program product may be at least temporarily stored or temporarily created in a machine-readable storage medium, such as the memory of a manufacturer's server, an application store's server, or a relay server.
  • each component (e.g., module or program) of the above-described components may include a single or plural entity, and some of the plurality of entities are separately arranged in other components. It could be. According to embodiments disclosed in this document, one or more of the above-described components or operations may be omitted, or one or more other components or operations may be added. Alternatively or additionally, multiple components (eg, modules or programs) may be integrated into a single component. In this case, the integrated component may perform one or more functions of each of the plurality of components identically or similarly to those performed by the corresponding component of the plurality of components prior to the integration. .
  • operations performed by a module, program, or other component may be executed sequentially, in parallel, iteratively, or heuristically, or one or more of the operations may be executed in a different order. , may be omitted, or one or more other operations may be added.
  • FIG. 1 is a block diagram of an apparatus 100 for predicting a state of health (SOH) according to a resistance parameter according to an embodiment of the present disclosure.
  • Figure 2 illustrates an EIS graph according to an embodiment of the present disclosure.
  • 3 illustrates a temperature-resistance parameter graph 310 according to an embodiment of the present disclosure.
  • 4 illustrates graphs according to equations approximating a temperature-resistance parameter graph according to an embodiment of the present disclosure.
  • the SOH prediction device 100 may calculate a resistance parameter of the battery pack 110. In one embodiment, the SOH prediction device 100 may determine the SOH of the battery pack 110 based on the resistance parameter of the battery pack 110.
  • the battery pack 110 may include a plurality of battery cells 111, 113, and 115.
  • the battery pack 110 may be a battery for providing power to a two-wheeled electric vehicle (eg, electric bike). Here, the two-wheeled electric vehicle may be capable of replacing the battery pack 110.
  • the resistance parameter of the battery pack 110 is calculated, but it is not limited to this example, and the SOH prediction device 100 may be configured to calculate the resistance parameter of the battery module, etc. .
  • the SOH prediction device 100 may be formed integrally with the battery pack 110. In this case, the SOH prediction device 100 may be included in the battery management system (BMS) of the battery pack 110.
  • BMS battery management system
  • the SOH prediction device 100 may be formed separately from the battery pack 110.
  • the SOH prediction device 100 may be included in a battery swapping system (BSS).
  • BSS battery swapping system
  • the BSS may be a system that has a slot into which the battery pack 110 can be inserted and can charge the battery pack 110 through the slot.
  • the SOH prediction device 100 may be connected to the battery pack 110 through a network (eg, wired or wireless).
  • the SOH prediction device 100 may be implemented through a cloud server.
  • the SOH prediction device 100 includes an electrochemical impedance spectroscopy (EIS) data acquisition unit 120, a feature point identification unit 130, a resistance parameter calculation unit 140, an SOH determination unit 150, and relationship data. (160), and may include a relationship data generator 170.
  • EIS electrochemical impedance spectroscopy
  • the EIS data acquisition unit 120 may acquire EIS data of the battery.
  • the EIS data acquisition unit 120 may acquire the EIS data 200 in units of the battery pack 110, but the example is not limited to this.
  • the EIS data acquisition unit 120 may directly obtain EIS data by applying current and/or voltage to the battery pack 110.
  • the EIS data acquisition unit 120 may include circuits for applying current and/or voltage and a processor for configuring EIS data according to the current and/or voltage.
  • the EIS data acquisition unit 120 may indirectly obtain EIS data from the battery pack 110.
  • the EIS data acquisition unit 120 may receive EIS data acquired by the battery pack 110.
  • the EIS data acquisition unit 120 may include a communication circuit capable of wired and/or wireless network communication.
  • the EIS graph may be a graph that coordinates the impedances (i.e., EIS data 220) of the battery pack 110 obtained according to frequency into real and imaginary parts.
  • the feature point identification unit 130 may identify feature points 210 and 220 in the EIS data 200. In one embodiment, the feature point identification unit 130 may identify two feature points 210 and 220 in the EIS data 200. The first feature point among the feature points may be determined based on the size of the real part of the impedance of the battery pack 110 in the EIS data 200.
  • the first feature point may represent the impedance 210 having the smallest real part in the EIS data 200 or the impedance within a preset range from the impedance 210 having the smallest real part.
  • the preset range can be set and changed in various ways considering the allowable error of EIS data, etc.
  • the second feature point among the feature points may be determined based on the size of the imaginary part of the impedance of the battery pack 110 in the EIS data 200.
  • the second feature point may be related to the impedance 220 at the minimum point in the EIS data 200.
  • the second feature point among the feature points may be related to points where Warburg impedance exists in the EIS data 200.
  • the second feature point is the impedance of the point with the largest imaginary impedance value among the frequency of the point where the Warburg impedance appears and the frequency region corresponding to the area where the frequency is smaller than the frequency 220 where the Warburg impedance appears, or It may correspond to the impedance of a point located within a preset range from the largest point.
  • the second feature point is the frequency region where the Warburg impedance appears (220) and the frequency region corresponding to the region where the frequency is smaller than the frequency (220) where the Warburg impedance appears, the absolute value of the magnitude of the imaginary part impedance is the smallest. It may correspond to the impedance of a point or the impedance of a point located within a preset range from the smallest point.
  • the preset range can be set and changed in various ways considering the allowable error of EIS data, etc.
  • the resistance parameter calculator 140 may calculate the resistance parameter of the battery pack 110 based on the characteristic points 210 and 220.
  • the resistance parameter 230 may be determined based on a value obtained by subtracting the real part value of the first feature point 210 from the real part value of the second feature point 220.
  • the resistance parameter may be a value obtained by subtracting the real part value of the first feature point 210 from the real part value of the second feature point 220, or the real part value of the second feature point 220 minus the real part value of the first feature point (220). 210) can be determined based on various methods, such as rounding or approximating the value by subtracting the real part value.
  • the SOH determination unit 150 determines the temperature of the battery pack 110 according to the resistance parameter 230 in the relationship data 160 between the temperature at which the EIS data 200 is obtained, the resistance parameter 230, and the SOH. SOH can be determined.
  • the temperature may be the temperature at the time of acquiring the EIS data 200 of the battery pack 110.
  • the temperature may be acquired by a temperature sensor (not shown) of the SOH prediction device 100 or a temperature sensor (not shown) of the battery pack 110.
  • relationship data 160 may be structured as shown in Table 1 below.
  • entries divided by temperature and SOH may represent the resistance parameter 230.
  • the resistance parameter has R ct10,1 .
  • the 1st SOH may be 100.5865% and the Nth SOH may be 97.338%.
  • N may be an integer of 2 or more.
  • the SOH determination unit 150 refers to the relationship data 160 as shown in Table 1.
  • the header value indicating the SOH i.e., the first SOH may be determined as the SOH of the battery pack 110.
  • the temperature range of the relationship data 160 can be set to include various ranges other than 10 degrees to 45 degrees, and the interval between temperatures can also be various intervals other than 1 degree. It can be set to have.
  • the SOH prediction device 100 can predict the SOH of the battery pack 110 according to the resistance parameter without collecting the EIS data 200 at all temperatures.
  • relationship data generator 170 generates the relationship data 160.
  • the relationship data generator 170 may acquire the first EIS data of the reference battery pack at a specified SOC, a specified SOH, and a specified first temperature under a specified time condition.
  • the reference battery pack may be the same type of battery pack as the battery pack 110.
  • the designated time condition may be an idle time condition of the reference battery pack or a condition in which the reference battery pack is in an open state, but is not limited to this example.
  • the relationship data generator 170 may calculate resistance parameters at different temperatures based on the first EIS data.
  • graph 310 may represent a temperature-resistance parameter graph based on first EIS data.
  • the relationship data generator 170 may generate formula candidates indicating the tendency of the first EIS data.
  • the relationship data generator 170 may generate equation candidates representing a temperature-resistance parameter graph based on the first EIS data.
  • the formula candidates are a first formula representing the relationship between the reciprocal of temperature and the resistance parameter, a second formula representing the relationship between the second-order polynomial for temperature and the resistance parameter, and a second formula representing the relationship between the third-order polynomial for temperature and the resistance parameter. It may include a third equation representing the relationship between the logarithmic value of the reciprocal of the temperature and the reciprocal of the square root of the resistance parameter.
  • the graph 410 is a graph according to the first formula
  • the graph 430 is a graph according to the second formula
  • the graph 450 is a graph according to the third formula
  • the graph ( 470) may be a graph according to the fourth equation.
  • candidate formulas are expressions expressing the relationship between an nth order (n is an integer greater than or equal to 2) polynomial about temperature and a resistance parameter, or a formula expressing the relationship between an nth order (n is an integer less than or equal to -1) polynomial about temperature and a resistance parameter. It can contain various formulas, such as formulas representing relationships. Additionally, according to embodiments, n may have the value of a positive integer or a negative integer as well as a rational number or an irrational number.
  • formula candidates according to an embodiment disclosed in this document include expressions representing the relationship between the reciprocal of the temperature and the logarithmic value of the reciprocal of the nth square root of the resistance parameter, expressions expressed as exponential functions or logarithmic functions, etc. It may also be included.
  • a formula candidate according to an embodiment disclosed in this document may be expressed in various ways as long as it is based on the relationship between temperature and resistance parameters.
  • the relationship data generator 170 may predict the resistance parameter of the reference battery pack at second temperatures using equation candidates.
  • the first temperatures and the second temperatures may be different from each other.
  • the temperature range of the first temperatures may include the temperature range of the second temperatures.
  • the first temperatures may be 10, 15, 25, 35, and 45 degrees and the second temperatures may be 20, 30, and 40 degrees.
  • the relationship data generator 170 may select a formula with the smallest error among formula candidates through the second EIS data. For example, the relationship data generator 170 may acquire the second EIS data of the reference battery pack at a specified SOC, a specified SOH, and a specified second temperature under a specified time condition. Thereafter, the relationship data generator 170 may calculate resistance parameters at different second temperatures based on the second EIS data. Thereafter, the relationship data generator 170 may compare the resistance parameter calculated at the second temperatures with the resistance parameter predicted using the equation candidates. The relationship data generator 170 may select a formula candidate with the least error based on the comparison result.
  • the relationship data generator 170 generates relationship data 160 between the resistance parameters and SOH at the first temperatures and third temperatures different from the second temperatures through a formula with the least error.
  • the third temperatures may be temperatures that are not included in the first temperatures and the second temperatures (e.g., temperatures of 11, 12, 13, 14, 41, 42, 43, 44, 45 degrees, etc.) .
  • Relationship data 160 acquires the first EIS data and the second EIS data in a situation where at least one of the designated SOC or the designated SOH is different, and based on the obtained first EIS data and second EIS data, Relationship data 160 can be supplemented.
  • the relationship data generator 170 generates first EIS data of the battery pack obtained at a specified SOC, a specified SOH, and a specified first temperature under a specified time condition, and under the specified idle time condition, the It may be obtained through comparison between a designated SOC, the designated SOH, and second EIS data of the battery pack obtained at designated second temperatures.
  • the above-described feature point identification unit 130, resistance parameter calculation unit 140, SOH determination unit 150, and relationship data generation unit 170 may be implemented with one processor or separate processors.
  • the processor may execute software to control at least one other component (eg, hardware or software component) of the SOH prediction device 100 and perform various data processing or calculations.
  • the relationship data 160 may be stored in a memory (not shown) (eg, volatile memory and/or non-volatile memory) of the SOH prediction device 100.
  • the memory may store data used by at least one component of the SOH prediction device 100.
  • data may include software (or instructions related thereto), input data, or output data.
  • an instruction when executed by a processor, may cause the SOH prediction device 100 to perform operations defined by the instruction.
  • the SOH prediction device 100 may transmit the generated relationship data 160 and/or the predicted SOH of the battery pack 110 to an external party (e.g., a cloud server or user terminal).
  • the cloud server may provide a service for providing the predicted SOH of the battery pack 110 to each of a plurality of users.
  • the user terminal may include terminals such as a personal computer (PC) and a smartphone.
  • FIG. 5 is a flowchart showing a method of operating the SOH prediction device 100 according to the resistance parameter 230 according to an embodiment of the present disclosure.
  • the SOH prediction device 100 may acquire EIS data 510 of the battery pack 110.
  • the EIS graph may be a graph that coordinates the impedances of the battery pack 110 (i.e., EIS data 220) obtained according to frequency into real and imaginary parts.
  • the SOH prediction device 100 may identify feature points 210 and 220 in the EIS data 200.
  • the first feature point among the feature points may be determined based on the size of the real part of the impedance of the battery pack 110 in the EIS data 200.
  • the first feature point may represent an impedance 210 having the smallest real part of the impedance of the battery pack 110 in the EIS data 200 or an impedance within a preset range from the impedance 210 having the smallest real part. there is.
  • the preset range can be set and changed in various ways considering the allowable error of EIS data, etc.
  • the second feature point among the feature points may be determined based on the size of the imaginary part of the impedance of the battery pack 110 in the EIS data 200.
  • the second feature point may be related to the impedance 220 at the minimum point in the EIS data 200.
  • the second feature point may be related to points where Warburg impedance exists in the EIS data 200.
  • the second feature point is the impedance of the point with the largest imaginary impedance value among the frequency of the point where the Warburg impedance appears and the frequency region corresponding to the area where the frequency is smaller than the frequency 220 where the Warburg impedance appears, or It may correspond to the impedance of a point located within a preset range from the largest point.
  • the second feature point is the frequency region where the Warburg impedance appears (220) and the frequency region corresponding to the region where the frequency is smaller than the frequency (220) where the Warburg impedance appears, the absolute value of the magnitude of the imaginary part impedance is the smallest. It may correspond to the impedance of a point or the impedance of a point located within a preset range from the smallest point.
  • the SOH prediction device 100 may calculate the resistance parameter 230 of the battery pack based on the feature points 210 and 220.
  • the resistance parameter 230 may be determined based on a value obtained by subtracting the real part value of the first feature point 210 from the real part value of the second feature point 220.
  • the resistance parameter may be a value obtained by subtracting the real part value of the first feature point 210 from the real part value of the second feature point 220, or the real part value of the second feature point 220 minus the real part value of the first feature point (220). 210) can be determined based on various methods, such as rounding or approximating the value by subtracting the real part value.
  • the SOH prediction device 100 may determine the SOH of the battery pack 110 according to the temperature and resistance parameters 230. In one embodiment, the SOH prediction device 100 determines the temperature of the battery pack 110 according to the resistance parameter 230 in the relationship data 160 between the temperature at which the EIS data 200 is obtained, the resistance parameter 230, and the SOH. SOH can be determined.
  • the temperature may be the temperature at the time of acquiring the EIS data 200 of the battery pack 110.
  • FIG. 6 is a flowchart showing a method of operating the SOH prediction device 100 according to the resistance parameter 230 according to an embodiment of the present disclosure.
  • the SOH prediction device 100 may acquire first EIS data and second EIS data.
  • the SOH prediction device 100 may acquire first EIS data of a reference battery pack at a specified SOC, a specified SOH, and specified first temperatures under a specified time condition.
  • the designated time condition may be an idle time condition of the reference battery pack or a condition in which the reference battery pack is in an open state, but is not limited to this example.
  • the relationship data generator 170 may acquire the second EIS data of the reference battery pack at the designated SOC, designated SOH, and designated second temperatures under designated time conditions.
  • the reference battery pack may be the same type of battery pack as the battery pack 110.
  • the temperature range of the first temperatures may include the temperature range of the second temperatures.
  • the first temperatures may be 10, 15, 25, 35, and 45 degrees and the second temperatures may be 20, 30, and 40 degrees.
  • the SOH prediction device 100 may generate equation candidates indicating the tendency of the first EIS data.
  • the formula candidates are a first formula representing the relationship between the reciprocal of temperature and the resistance parameter, a second formula representing the relationship between the second-order polynomial for temperature and the resistance parameter, and a second formula representing the relationship between the third-order polynomial for temperature and the resistance parameter. It may include a third equation representing the relationship between the logarithmic value of the reciprocal of the temperature and the reciprocal of the square root of the resistance parameter.
  • candidate formulas are expressions expressing the relationship between an nth order (n is an integer greater than or equal to 2) polynomial about temperature and a resistance parameter, or a formula expressing the relationship between an nth order (n is an integer less than or equal to -1) polynomial about temperature and a resistance parameter. It can contain various formulas, such as formulas representing relationships. Additionally, according to embodiments, n may have the value of a positive integer or a negative integer as well as a rational number or an irrational number.
  • formula candidates according to an embodiment disclosed in this document include expressions representing the relationship between the reciprocal of the temperature and the logarithmic value of the reciprocal of the nth square root of the resistance parameter, expressions expressed as exponential functions or logarithmic functions, etc. It may also be included.
  • a formula candidate according to an embodiment disclosed in this document may be expressed in various ways as long as it is based on the relationship between temperature and resistance parameters.
  • the SOH prediction device 100 may select a formula with the smallest error among formula candidates through the second EIS data. For example, the SOH prediction device 100 may predict the resistance parameter of the reference battery pack at the second temperatures using equation candidates. Additionally, for example, the SOH prediction device 100 may calculate resistance parameters at different second temperatures based on the second EIS data. Thereafter, the SOH prediction device 100 may compare the resistance parameter calculated at the second temperatures with the resistance parameter predicted using the equation candidates. The SOH prediction device 100 may select a formula candidate with the least error based on the comparison result.
  • the SOH prediction device 100 may generate relationship data between the resistance parameter and SOH through a formula with the smallest error.
  • the SOH prediction device 100 may generate relationship data 160 between the resistance parameter and SOH at the first temperatures and third temperatures different from the second temperatures through a formula with the smallest error.
  • the third temperatures may be temperatures that are not included in the first temperatures and the second temperatures (e.g., temperatures of 11, 12, 13, 14, 41, 42, 43, 44, 45 degrees, etc.) .
  • the SOH prediction device 100 acquires the first EIS data and the second EIS data in a situation where at least one of the designated SOC or the designated SOH is different, and establishes a relationship based on the obtained first EIS data and the second EIS data.
  • Data 160 can be supplemented.

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Secondary Cells (AREA)
  • Tests Of Electric Status Of Batteries (AREA)

Abstract

본 문서에서 개시되는 일 실시 예에 따른 SOH 예측 장치는, 배터리의 EIS(electrochemical impedance spectroscopy) 데이터를 획득하는 EIS 데이터 획득부, 상기 EIS 데이터에서 특징점들을 식별하는 특징점 식별부, 상기 특징점들에 기초하여 상기 배터리의 저항 파라미터를 계산하는 저항 파라미터 계산부, 및 상기 EIS 데이터가 획득된 온도, 상기 저항 파라미터 및 상기 SOH 간의 관계 데이터에서, 상기 저항 파라미터에 따른 상기 배터리의 SOH(state of health)를 결정하는 SOH 결정부를 포함할 수 있다.

Description

SOH 예측 장치 및 이의 동작 방법
관련출원과의 상호인용
본 발명은 2022.11.25에 출원된 한국 특허 출원 제10-2022-0160930호 및 2023.11.20에 출원된 한국 특허 출원 제10-2023-0160489호에 기초한 우선권의 이익을 주장하며, 해당 한국 특허 출원의 문헌에 개시된 모든 내용을 본 명세서의 일부로 포함한다.
기술분야
본 문서에 개시되는 실시 예들은, SOH 예측 장치 및 이의 동작 방법에 관한 것이다.
최근 이차 전지에 대한 연구 개발이 활발히 이루어지고 있다. 여기서 이차 전지는 충방전이 가능한 전지로서, 종래의 Ni/Cd 배터리, Ni/MH 배터리 등과 최근의 리튬 이온 배터리를 모두 포함하는 의미이다. 이차 전지 중 리튬 이온 배터리는 종래의 Ni/Cd 배터리, Ni/MH 배터리 등에 비하여 에너지 밀도가 훨씬 높다는 장점이 있다. 또한, 리튬 이온 배터리는 소형, 경량으로 제작할 수 있어서 이동 기기의 전원으로 사용되며, 최근에는 전기 자동차의 전원으로 사용 범위가 확장되어 차세대 에너지 저장 매체로 주목을 받고 있다.
이러한 이차 전지와 관련된 서비스로 배터리 교환 시스템이 존재한다. 배터리 교환 시스템은 사용자에게 방전된 배터리를 충전된 배터리로 교환해주는 서비스를 제공할 수 있다.
이와 같은 배터리 교환 시스템에는 서비스에 이용되는 배터리의 수명을 측정하는 방법이 이용될 수 있다. 예를 들어, 배터리의 수명을 측정하기 위한 방법으로는 EIS(electrochemical impedance spectroscopy)가 존재할 수 있다.
EIS를 통해 배터리의 수명을 예측하기 위해서는, 다양한 조건(예: 온도, SOC(state of charge, SOH(state of health))에서 반복적으로 데이터를 수집하여야 한다.
그러나, EIS 데이터를 1도 단위로 수집하기에는 비용과 시간이 많이 소모되는 문제점이 존재한다.
또한, 등가 회로에 EIS 데이터를 피팅(fitting)하고, 피팅된 데이터에 기초하여 SOH를 예측하더라도, 실제 등가 회로가 SOH 및 SOC에 따라 변형됨에 따라 실제 SOH에 대한 예측이 보장되지 않는다.
본 문서에 개시된 실시예들의 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급되지 않은 또다른 기술적 과제들은 아래의 기재들로부터 당업자에게 명확하게 이해될 수 있을 것이다.
본 문서에 개시되는 일 실시 예에 따른 SOH 예측 장치는 배터리의 EIS(electrochemical impedance spectroscopy) 데이터를 획득하는 EIS 데이터 획득부, 상기 EIS 데이터에서 특징점들을 식별하는 특징점 식별부, 상기 특징점들에 기초하여 상기 배터리의 저항 파라미터를 계산하는 저항 파라미터 계산부, 및 상기 EIS 데이터가 획득된 온도, 상기 저항 파라미터 및 상기 SOH 간의 관계 데이터에서, 상기 저항 파라미터에 따른 상기 배터리의 SOH(state of health)를 결정하는 SOH 결정부를 포함할 수 있다.
일 실시 예에 따르면, 상기 특징점들 중 제1 특징점은 상기 EIS 데이터의 실수부 크기에 기초하여 결정될 수 있다.
일 실시 예에 따르면, 상기 특징점들 중 상기 제1 특징점은 상기 EIS 데이터에서 가장 작은 실수부를 가지는 임피던스 또는 상기 가장 작은 실수부를 가지는 임피던스로부터 기 설정된 범위 내의 임피던스를 나타낼 수 있다.
일 실시 예에 따르면, 상기 특징점들 중 제2 특징점은 상기 EIS 데이터의 허수부 크기에 기초하여 결정될 수 있다.
일 실시 예에 따르면, 상기 특징점들 중 제2 특징점은 상기 EIS 데이터에서 와버그(Warburg) 임피던스가 나타나는 주파수 및 상기 와버그 임피던스가 나타나는 주파수보다 작은 주파수 영역 중 허수부 임피던스의 크기의 절대값이 가장 작은 지점의 임피던스 또는 상기 절대 값이 가장 작은 지점으로부터 기 설정된 범위 내의 임피던스를 나타낼 수 있다.
일 실시 예에 따르면, 상기 저항 파라미터는 상기 특징점들 중 상기 제2 특징점의 실수부 값에서 제1 특징점의 실수부 값을 뺀 값에 기초하여 결정될 수 있다.
일 실시 예에 따르면, 상기 관계 데이터는 지정된 시간 조건에서, 지정된 SOC(state of charge), 지정된 SOH, 및 지정된 제1 온도들에서 획득되는 기준 배터리의 제1 EIS 데이터, 상기 지정된 시간 조건에서, 상기 지정된 SOC, 상기 지정된 SOH, 및 지정된 제2 온도들에서 획득되는 상기 기준 배터리의 제2 EIS 데이터 간의 비교를 통해 획득되고, 상기 제1 온도들과 상기 제2 온도들은 서로 다를 수 있다.
일 실시 예에 따르면, 상기 SOH 예측 장치는 상기 제1 EIS 데이터의 경향성을 나타내는 수식 후보들을 생성하고, 상기 제2 EIS 데이터를 통해 상기 수식 후보들 중 오차가 가장 적은 수식을 선택하고, 상기 오차가 가장 적은 수식을 통해 상기 제1 온도들 및 상기 제2 온도들과 다른 제3 온도들에서의 상기 저항 파라미터 및 상기 SOH 간의 관계 데이터를 생성하는 관계 데이터 생성부를 포함할 수 있다.
일 실시 예에 따르면, 상기 제1 온도들의 온도 범위는 상기 제2 온도들의 온도 범위를 포함할 수 있다.
본 문서에 개시되는 일 실시 예에 따른 SOH 예측 장치의 동작 방법은 적어도 하나의 배터리 셀을 포함하는 배터리의 EIS(electrochemical impedance spectroscopy) 데이터를 획득하는 동작, 상기 EIS 데이터에서 특징점들을 식별하는 동작, 상기 특징점들에 기초하여 상기 배터리의 저항 파라미터를 계산하는 동작, 및 상기 EIS 데이터가 획득된 온도, 상기 저항 파라미터 및 상기 SOH 간의 관계 데이터에서, 상기 저항 파라미터에 따른 상기 배터리의 SOH(state of health)를 결정하는 동작을 포함할 수 있다.
일 실시 예에 따르면, 상기 특징점들 중 제1 특징점은 상기 EIS 데이터의 실수부 크기에 기초하여 결정될 수 있다.
일 실시 예에 따르면, 상기 특징점들 중 상기 제1 특징점은 상기 EIS 데이터에서 가장 작은 실수부를 가지는 임피던스 또는 상기 가장 작은 실수부를 가지는 임피던스로부터 기 설정된 범위 내의 임피던스를 나타낼 수 있다.
일 실시 예에 따르면, 상기 특징점들 중 제2 특징점은 상기 EIS 데이터의 허수부 크기에 기초하여 결정될 수 있다.
일 실시 예에 따르면, 상기 특징점들 중 상기 제2 특징점은 상기 EIS 데이터에서 와버그(Warburg) 임피던스가 나타나는 주파수 및 상기 와버그 임피던스가 나타나는 주파수보다 작은 주파수 영역 중 허수부 임피던스의 크기의 절대값이 가장 작은 지점의 임피던스 또는 상기 절대 값이 가장 작은 지점으로부터 기 설정된 범위 내의 임피던스를 나타낼 수 있다.
일 실시 예에 따르면, 상기 저항 파라미터는 상기 특징점들 중 제2 특징점의 실수부 값에서 제1 특징점의 실수부 값을 뺀 값에 기초하여 결정될 수 있다.
일 실시 예에 따르면, 상기 관계 데이터는 지정된 시간 조건에서, 지정된 SOC(state of charge), 지정된 SOH, 및 지정된 제1 온도들에서 획득되는 기준 배터리의 제1 EIS 데이터, 상기 지정된 시간 조건에서, 상기 지정된 SOC, 상기 지정된 SOH, 및 지정된 제2 온도들에서 획득되는 상기 기준 배터리의 제2 EIS 데이터 간의 비교를 통해 획득되고, 상기 제1 온도들과 상기 제2 온도들은 서로 다를 수 있다.
일 실시 예에 따른 SOH 예측 장치의 동작 방법은 상기 제1 EIS 데이터의 경향성을 나타내는 수식 후보들을 생성하는 동작, 상기 제2 EIS 데이터를 통해 상기 수식 후보들 중 오차가 가장 적은 수식을 선택하는 동작, 및 상기 오차가 가장 적은 수식을 통해 상기 제1 온도들 및 상기 제2 온도들과 다른 제3 온도들에서의 상기 저항 파라미터 및 상기 SOH 간의 관계 데이터를 생성하는 동작을 더 포함할 수 있다.
일 실시 예에 따르면, 상기 제1 온도들의 온도 범위는 상기 제2 온도들의 온도 범위를 포함할 수 있다.
본 문서에 개시되는 다양한 실시 예들에 따른, SOH 예측 장치 및 이의 동작 방법은 모든 온도에서 EIS 데이터를 수집하지 않고도 저항 파라미터에 따른 SOH를 예측할 수 있다. 이에 따라, 본 문서에 개시되는 다양한 실시 예들에 따른, 저항 파라미터에 따른 SOH 예측 장치 및 이의 동작 방법은 EIS 데이터를 수집하기 위한 비용과 시간을 감소시킬 수 있다.
본 문서에 개시되는 다양한 실시 예들에 따른, SOH 예측 장치 및 이의 동작 방법은 EIS 데이터의 개형 및 좌표를 통해 저항 파라미터를 근사시킴으로써, 등가 회로에 EIS 데이터를 피팅함으로써 발생하는 문제점을 방지할 수 있다.
본 문서의 개시에 따른 SOH 예측 장치 및 이의 동작 방법의 효과들은 이상에서 언급한 효과들로 제한되지 않으며, 언급되지 않은 또다른 효과들은 본 문서의 개시에 따라 당업자에게 명확하게 이해될 수 있을 것이다.
도 1은, 본 개시의 일 실시 예에 따른 SOH 예측 장치의 블록도이다.
도 2는, 본 개시의 일 실시 예에 따른 EIS 그래프를 예시한다.
도 3은, 본 개시의 일 실시 예에 따른 온도-저항 파라미터 그래프를 예시한다.
도 4는, 본 개시의 일 실시 예에 따른 온도-저항 파라미터 그래프를 근사하는 수식들에 따른 그래프들을 예시한다.
도 5는, 본 개시의 일 실시 예에 따른 SOH 예측 장치의 동작 방법을 나타내는 흐름도이다.
도 6은, 본 개시의 일 실시 예에 따른 SOH 예측 장치의 동작 방법을 나타내는 흐름도이다.
도면의 설명과 관련하여, 동일 또는 유사한 구성요소에 대해서는 동일 또는 유사한 참조 부호가 사용될 수 있다.
이하, 본 발명의 실시 예들이 첨부된 도면을 참조하여 기재된다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 실시 예의 다양한 변경(modification), 균등물(equivalent), 및/또는 대체물(alternative)을 포함하는 것으로 이해되어야 한다.
본 문서의 실시 예들 및 이에 사용된 용어들은 본 문서에 기재된 기술적 특징들을 특정한 실시 예로 한정하려는 것이 아니며, 해당 실시예의 다양한 변경, 균등물, 또는 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 또는 관련된 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다. 아이템에 대응하는 명사의 단수 형은 관련된 문맥상 명백하게 다르게 지시하지 않는 한, 상기 아이템 한 개 또는 복수 개를 포함할 수 있다.
본 문서에서, "A 또는 B", "A 및 B 중 적어도 하나", "A 또는 B 중 적어도 하나", "A, B 또는 C", "A, B 및 C 중 적어도 하나", 및 "A, B, 또는 C 중 적어도 하나"와 같은 문구들 각각은 그 문구들 중 해당하는 문구에 함께 나열된 항목들 중 어느 하나, 또는 그들의 모든 가능한 조합을 포함할 수 있다. "제1", "제2", "첫째", "둘째", "A", "B", "(a)" 또는 "(b)"와 같은 용어들은 단순히 해당 구성요소를 다른 해당 구성요소와 구분하기 위해 사용될 수 있으며, 특별히 반대되는 기재가 없는 한, 해당 구성요소들을 다른 측면(예: 중요성 또는 순서)에서 한정하지 않는다.
본 문서에서, 어떤(예: 제1) 구성요소가 다른(예: 제2) 구성요소에, "기능적으로" 또는 "통신적으로"라는 용어와 함께 또는 이런 용어 없이, "연결", "결합" 또는 "접속"된다고 언급되거나 "커플드" 또는 "커넥티드"라고 언급된 경우, 그것은 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로(예: 유선으로, 또는 무선으로), 또는 간접적으로(예: 제3 구성요소를 통하여) 연결될 수 있다는 것을 의미한다.
본 문서에 개시된 다양한 실시 예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예: compact disc read only memory, CD-ROM)의 형태로 배포되거나, 또는 어플리케이션 스토어를 통해 또는 두 개의 사용자 장치들 간에 직접, 온라인으로 배포(예: 다운로드 또는 업로드)될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 기기로 읽을 수 있는 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.
본 문서에 개시된 실시 예들에 따르면, 상기 기술한 구성요소들의 각각의 구성요소(예: 모듈 또는 프로그램)는 단수 또는 복수의 개체를 포함할 수 있으며, 복수의 개체 중 일부는 다른 구성요소에 분리 배치될 수도 있다. 본 문서에 개시된 실시 예들에 따르면, 전술한 해당 구성요소들 중 하나 이상의 구성요소들 또는 동작들이 생략되거나, 또는 하나 이상의 다른 구성요소들 또는 동작들이 추가될 수 있다. 대체적으로 또는 추가적으로, 복수의 구성요소들(예: 모듈 또는 프로그램)은 하나의 구성요소로 통합될 수 있다. 이런 경우, 통합된 구성요소는 상기 복수의 구성요소들 각각의 구성요소의 하나 이상의 기능들을 상기 통합 이전에 상기 복수의 구성요소들 중 해당 구성요소에 의해 수행되는 것과 동일 또는 유사하게 수행할 수 있다. 본 문서에 개시된 실시 예들에 따르면, 모듈, 프로그램 또는 다른 구성요소에 의해 수행되는 동작들은 순차적으로, 병렬적으로, 반복적으로, 또는 휴리스틱하게 실행되거나, 상기 동작들 중 하나 이상이 다른 순서로 실행되거나, 생략되거나, 또는 하나 이상의 다른 동작들이 추가될 수 있다.
도 1은, 본 개시의 일 실시 예에 따른 저항 파라미터에 따른 SOH(state of health) 예측 장치(100)의 블록도이다. 도 2는, 본 개시의 일 실시 예에 따른 EIS 그래프를 예시한다. 도 3은, 본 개시의 일 실시 예에 따른 온도-저항 파라미터 그래프(310)를 예시한다. 도 4는, 본 개시의 일 실시 예에 따른 온도-저항 파라미터 그래프를 근사하는 수식들에 따른 그래프들을 예시한다.
일 실시 예에서, SOH 예측 장치(100)는 배터리 팩(110)의 저항 파라미터를 계산할 수 있다. 일 실시 예에서, SOH 예측 장치(100)는 배터리 팩(110)의 저항 파라미터에 기초하여 배터리 팩(110)의 SOH를 결정할 수 있다. 여기에서, 배터리 팩(110)은 복수의 배터리 셀들(111, 113, 115)을 포함할 수 있다. 일 실시 예에서, 배터리 팩(110)은 이륜 전동차(예: 전동 바이크)에게 전력을 제공하기 위한 배터리일 수 있다. 여기에서, 이륜 전동차는 배터리 팩(110)의 교체가 가능할 수 있다. 이하에서는, 설명의 편의를 위해 배터리 팩(110)의 저항 파라미터를 계산하는 것으로 가정하나 이러한 예시에 한정되는 것은 아니며, SOH 예측 장치(100)는 배터리 모듈 등의 저항 파라미터를 계산하도록 구성될 수 있다.
일 실시 예에서, SOH 예측 장치(100)는 배터리 팩(110)과 일체로 형성될 수 있다. 이 경우, SOH 예측 장치(100)는 배터리 팩(110)의 BMS(battery management system)에 포함될 수 있다.
일 실시 예에서, SOH 예측 장치(100)는 배터리 팩(110)과 별도로 형성될 수 있다. 이 경우, SOH 예측 장치(100)는 BSS(battery swapping system)에 포함될 수 있다. 여기에서, BSS는 배터리 팩(110)이 삽입 가능한 슬롯을 구비하고, 슬롯을 통해 배터리 팩(110)을 충전할 수 있는 시스템일 수 있다.
또한, SOH 예측 장치(100)가 배터리 팩(110)과 별도로 형성되는 경우, SOH 예측 장치(100)는 배터리 팩(110)과 네트워크(예: 유선 또는 무선)를 통해 연결될 수 있다. 이 경우, SOH 예측 장치(100)는 클라우드 서버를 통해 구현될 수 있다.
도 1을 참조하면, SOH 예측 장치(100)는 EIS(electrochemical impedance spectroscopy) 데이터 획득부(120), 특징점 식별부(130), 저항 파라미터 계산부(140), SOH 결정부(150), 관계 데이터(160), 및 관계 데이터 생성부(170)를 포함할 수 있다.
일 실시 예에서, EIS 데이터 획득부(120)는 배터리의 EIS 데이터를 획득할 수 있다. 예를 들어, EIS 데이터 획득부(120)는 배터리 팩(110) 단위의 EIS 데이터(200)를 획득할 수 있으나 이러한 예시에 한정되는 것은 아니다. 일 실시 예에서, EIS 데이터 획득부(120)는 배터리 팩(110)에 전류 및/또는 전압을 인가하여 EIS 데이터를 직접 획득할 수 있다. 이 경우, EIS 데이터 획득부(120)는 전류 및/또는 전압을 인가하기 위한 회로들 및 전류 및/또는 전압에 따른 EIS 데이터를 구성하기 위한 프로세서를 포함할 수 있다. 일 실시 예에서, EIS 데이터 획득부(120)는 배터리 팩(110)로부터 간접적으로 EIS 데이터를 획득할 수 있다. 예를 들어, EIS 데이터 획득부(120)는 배터리 팩(110)이 획득한 EIS 데이터를 수신할 수 있다. 이 경우, EIS 데이터 획득부(120)는 유선 및/또는 무선 네트워크 통신이 가능한 통신 회로를 포함할 수 있다.
도 2를 참조하면, EIS 그래프는 주파수에 따라 획득되는 배터리 팩(110)의 임피던스들(즉, EIS 데이터(220))을 실수부와 허수부로 좌표화한 그래프일 수 있다.
일 실시 예에서, 특징점 식별부(130)는 EIS 데이터(200)에서 특징점들(210, 220)을 식별할 수 있다. 일 실시 예에서, 특징점 식별부(130)는 EIS 데이터(200)에서 두 개의 특징점들(210, 220)을 식별할 수 있다. 특징점들 중 제1 특징점은 EIS 데이터(200)에서 배터리 팩(110)의 임피던스의 실수부의 크기에 기초하여 결정될 수 있다.
실시 예에 따르면, 제1 특징점은 EIS 데이터(200)에서 가장 작은 실수부를 가지는 임피던스(210) 또는 가장 작은 실수부를 가지는 임피던스(210)로부터 기 설정된 범위 내의 임피던스를 나타낼 수 있다. 여기서, 기 설정된 범위는 EIS 데이터의 허용 가능한 오차 등을 고려하여 다양하게 설정 및 변경될 수 있다.
특징점들 중 제2 특징점은 EIS 데이터(200)에서 배터리 팩(110)의 임피던스의 허수부의 크기에 기초하여 결정될 수 있다.
실시 예에 따르면, 제2 특징점은 EIS 데이터(200)에서 극소점에서의 임피던스(220)와 관련될 수 있다. 또는 특징점들 중 제2 특징점은 EIS 데이터(200)에서 와버그(Warburg) 임피던스가 존재하는 지점들과 관련될 수 있다. 예를 들어, 제2 특징점은 와버그 임피던스가 나타나는 지점의 주파수 및 와버그 임피던스가 나타나는 주파수(220)보다 주파수가 작은 영역에 대응되는 주파수 영역 중, 허수부 임피던스의 값이 가장 큰 지점의 임피던스 또는 가장 큰 지점으로부터 기 설정된 범위 내에 위치하는 지점의 임피던스에 대응될 수 있다. 다르게 표현하면, 제2 특징점은 와버그 임피던스가 나타나는 주파수(220) 및 와버그 임피던스가 나타나는 주파수(220)보다 주파수가 작은 영역에 대응되는 주파수 영역 중, 허수부 임피던스의 크기의 절대 값이 가장 작은 지점의 임피던스 또는 가장 작은 지점으로부터 기 설정된 범위 내에 위치하는 지점의 임피던스에 대응될 수 있다. 여기서, 기 설정된 범위는 EIS 데이터의 허용 가능한 오차 등을 고려하여 다양하게 설정 및 변경될 수 있다.
일 실시 예에서, 저항 파라미터 계산부(140)는 특징점들(210, 220)에 기초하여 배터리 팩(110)의 저항 파라미터를 계산할 수 있다. 여기에서, 저항 파라미터(230)는 제2 특징점(220)의 실수부 값에서 제1 특징점(210)의 실수부 값을 뺀 값에 기초하여 결정될 수 있다. 예를 들어, 저항 파라미터는 제2 특징점(220)의 실수부 값에서 제1 특징점(210)의 실수부 값을 뺀 값일 수 있고, 또는 제2 특징점(220)의 실수부 값에서 제1 특징점(210)의 실수부 값을 뺀 값을 반올림하거나, 근사 시키는 등과 같이 다양한 방법에 기초하여 결정될 수 있다.
일 실시 예에서, SOH 결정부(150)는 EIS 데이터(200)가 획득된 온도, 저항 파라미터(230) 및 SOH 간의 관계 데이터(160)에서, 저항 파라미터(230)에 따른 배터리 팩(110)의 SOH를 결정할 수 있다. 여기에서, 온도는 배터리 팩(110)의 EIS 데이터(200)의 획득 당시의 온도일 수 있다. 온도는 SOH 예측 장치(100)의 온도 센서(미도시), 또는 배터리 팩(110)의 온도 센서(미도시)에 의해 획득될 수 있다.
일 실시 예에서, 관계 데이터(160)는 아래 표 1과 같이 구성될 수 있다.
온도 제1 SOH ... 제N SOH
10 Rct10,1 ... Rct10,N
11 Rct11,1 ... Rct11,N
12 Rct12,1 ... Rct12,N
... ... ... ...
44 Rct44,1 ... Rct44,N
45 Rct45,1 ... Rct45,N
표 1에서 온도와 SOH에 의해 구분되는 엔트리들은 저항 파라미터(230)를 나타낼 수 있다. 예를 들어, 표 1을 참조하면, 배터리 팩(110)의 온도가 10일 때, 제1 SOH를 가지는 경우, 저항 파라미터는 Rct10,1를 가지는 것으로 이해될 수 있다. 여기에서, 제1 SOH는 100.5865%이고, 제N SOH는 97.338%일 수 있다. 그리고, N은 2 이상의 정수일 수 있다.
예를 들어, EIS 데이터(200)가 획득된 온도가 12도이고, 저항 파라미터(230)이 Rct12,1인 경우, SOH 결정부(150)는 표 1과 같은 관계 데이터(160)를 참조하여, SOH를 나타내는 헤더 값(즉, 제1 SOH)을 배터리 팩(110)의 SOH로서 결정할 수 있다.
한편, 상술한 표 1은 예시적인 하나의 실시 예로써 관계 데이터(160)의 온도의 범위는 10도 내지 45도 외에 다양한 범위를 포함하도록 설정될 수 있고, 온도 사이의 간격 역시 1도 외에 다양한 간격을 가지도록 설정될 수 있다.
이상과 같이, SOH 예측 장치(100)는 모든 온도에서 EIS 데이터(200)를 수집하지 않고도 저항 파라미터에 따른 배터리 팩(110)의 SOH를 예측할 수 있다.
이하에서는, 관계 데이터 생성부(170)가 관계 데이터(160)를 생성하는 방법을 설명한다.
일 실시 예에서, 관계 데이터 생성부(170)는 지정된 시간 조건에서, 지정된 SOC, 지정된 SOH, 및 지정된 제1 온도들에서 기준 배터리 팩의 제1 EIS 데이터를 획득할 수 있다. 여기에서, 기준 배터리 팩은 배터리 팩(110)과 동일한 종류의 배터리 팩일 수 있다. 일 실시 예에 따르면 지정된 시간 조건은 휴지 시간 조건으로 기준 배터리 팩의 휴지 상태 또는 기준 배터리 팩이 개방된 상태를 가지는 조건일 수 있으나 이러한 예시에 한정되는 것은 아니다.
일 실시 예에서, 관계 데이터 생성부(170)는 제1 EIS 데이터에 기초하여 서로 다른 온도들에서의 저항 파라미터를 산출할 수 있다. 도 3을 참조하면, 그래프(310)는 제1 EIS 데이터에 기초한 온도-저항 파라미터 그래프를 나타낼 수 있다.
일 실시 예에서, 관계 데이터 생성부(170)는 상기 제1 EIS 데이터의 경향성을 나타내는 수식 후보들을 생성할 수 있다. 일 실시 예에서, 관계 데이터 생성부(170)는 제1 EIS 데이터에 기초한 온도-저항 파라미터 그래프를 나타내는 수식 후보들을 생성할 수 있다. 예를 들어, 수식 후보들은 온도의 역수와 저항 파라미터 간의 관계를 나타내는 제1 수식, 온도에 대한 2차 다항식과 저항 파라미터 간의 관계를 나타내는 제2 수식, 온도에 대한 3차 다항식과 저항 파라미터 간의 관계를 나타내는 제3 수식, 및 온도의 역수와 저항 파라미터의 제곱근의 역수의 로그 값 간의 관계를 나타내는 제4 수식을 포함할 수 있다. 예를 들어 도 4를 참조하면, 그래프(410)는 제1 수식에 따른 그래프이고, 그래프(430)는 제2 수식에 따른 그래프이고, 그래프(450)는 제3 수식에 따른 그래프이고, 그래프(470)는 제4 수식에 따른 그래프일 수 있다.
다만, 본 문서에 개시된 수식들은 이러한 예시에 한정되지 않는다. 예를 들어, 수식 후보들은 온도에 관한 n차(n은 2 이상의 정수) 다항식과 저항 파라미터 사이의 관계를 나타내는 수식 또는 온도에 관한 n차(n은 -1 이하의 정수) 다항식과 저항 파라미터 사이의 관계를 나타내는 수식 등과 같이 다양한 수식을 포함할 수 있다. 또한, 실시 예에 따르면, n은 양의 정수 또는 음의 정수뿐만 유리수 또는 무리수의 값을 가질 수 있다. 또한, 본 문서에 개시되는 일 실시 예에 따른 수식 후보들은 온도의 역수와 저항 파라미터의 n차 제곱근의 역수의 로그 값 사이의 관계를 나타내는 식, 지수 함수 또는 로그 함수로 표현되는 등의 관계식 등을 포함할 수도 있다. 위와 같이, 본 문서에 개시되는 일 실시 예에 따른 수식 후보는 온도 및 저항 파라미터의 관계에 기초한 것이라면 다양한 방식으로 표현될 수 있다.
일 실시 예에서, 관계 데이터 생성부(170)는 수식 후보들을 이용하여 제2 온도들에서의 기준 배터리 팩의 저항 파라미터를 예측할 수 있다. 일 실시 예에서, 상기 제1 온도들과 상기 제2 온도들은 서로 다를 수 있다. 상기 제1 온도들의 온도 범위는 상기 제2 온도들의 온도 범위를 포함할 수 있다. 예를 들어, 제1 온도들은 10, 15, 25, 35, 및 45도이고, 제2 온도들은 20, 30, 및 40도일 수 있다. 다만, 이는 예시적인 것으로 본 문서에 개시된 실시 예는 이러한 예시에 한정되지 않는다.
일 실시 예에서, 관계 데이터 생성부(170)는 제2 EIS 데이터를 통해 수식 후보들 중 오차가 가장 적은 수식을 선택할 수 있다. 예를 들어, 관계 데이터 생성부(170)는 지정된 시간 조건에서, 지정된 SOC, 지정된 SOH, 및 지정된 제2 온도들에서 기준 배터리 팩의 제2 EIS 데이터를 획득할 수 있다. 이후, 관계 데이터 생성부(170)는 제2 EIS 데이터에 기초하여 서로 다른 제2 온도들에서의 저항 파라미터를 산출할 수 있다. 이후, 관계 데이터 생성부(170)는 제2 온도들에서 산출된 저항 파라미터와 수식 후보들을 이용하여 예측된 저항 파라미터를 비교할 수 있다. 관계 데이터 생성부(170)는 비교 결과에 기초하여 가장 오차가 적은 수식 후보를 선택할 수 있다.
일 실시 예에서, 관계 데이터 생성부(170)는 오차가 가장 적은 수식을 통해 상기 제1 온도들 및 상기 제2 온도들과 다른 제3 온도들에서의 저항 파라미터 및 SOH 간의 관계 데이터(160)를 생성할 수 있다. 여기에서, 제3 온도들은 제1 온도들 및 제2 온도들에 포함되지 않는 온도들(예: 11, 12, 13, 14, 41, 42, 43, 44, 45도 등의 온도)일 수 있다.
이후, 관계 데이터 생성부(170)는 지정된 SOC, 또는 지정된 SOH 중 적어도 하나가 다른 상황에서 제1 EIS 데이터 및 제2 EIS 데이터를 획득하고, 획득되는 제1 EIS 데이터 및 제2 EIS 데이터에 기초하여 관계 데이터(160)를 보충할 수 있다.
일 실시 예에서, 관계 데이터 생성부(170)는 지정된 시간 조건에서, 지정된 SOC, 지정된 SOH, 및 지정된 제1 온도들에서 획득되는 상기 배터리 팩의 제1 EIS 데이터, 상기 지정된 휴지 시간 조건에서, 상기 지정된 SOC, 상기 지정된 SOH, 및 지정된 제2 온도들에서 획득되는 상기 배터리 팩의 제2 EIS 데이터 간의 비교를 통해 획득될 수 있다.
상술한 특징점 식별부(130), 저항 파라미터 계산부(140), SOH 결정부(150), 및 관계 데이터 생성부(170)는 하나의 프로세서, 또는 별도의 프로세서들로 구현될 수 있다. 여기에서, 프로세서는 소프트웨어를 실행하여 프로세서에 SOH 예측 장치(100)의 적어도 하나의 다른 구성 요소(예: 하드웨어 또는 소프트웨어 구성요소)를 제어할 수 있고, 다양한 데이터 처리 또는 연산을 수행할 수 있다. 또한, 관계 데이터(160)는 SOH 예측 장치(100)의 메모리(미도시)(예: 휘발성 메모리 및/또는 비휘발성 메모리)에 저장될 수 있다. 일 실시 예에서, 메모리는, SOH 예측 장치(100)의 적어도 하나의 구성요소에 의해 사용되는 데이터를 저장할 수 있다. 예를 들어, 데이터는 소프트웨어(또는, 이와 관련된 명령어(instruction)), 입력 데이터 또는 출력 데이터를 포함할 수 있다. 일 실시 예에서, 명령어는 프로세서에 의해 실행 시 SOH 예측 장치(100)가 명령어에 의해 정의되는 동작들을 수행하게 할 수 있다.
실시 예에 따라, SOH 예측 장치(100)는 생성된 관계 데이터(160), 및/또는 예측된 배터리 팩(110)의 SOH를 외부(예: 클라우드 서버, 또는 사용자 단말)로 전송할 수 있다. 여기에서, 클라우드 서버는 복수의 사용자들 각각에게 예측된 배터리 팩(110)의 SOH를 제공하기 위한 서비스를 제공할 수 있다. 아울러, 사용자 단말은 PC(personal computer), 스마트폰과 같은 단말을 포함할 수 있다.
도 5는, 본 개시의 일 실시 예에 따른 저항 파라미터(230)에 따른 SOH 예측 장치(100)의 동작 방법을 나타내는 흐름도이다.
도 5를 참조하면, 동작 510에서, SOH 예측 장치(100)는 배터리 팩(110)의 EIS 데이터(510)를 획득할 수 있다. EIS 그래프는 주파수에 따라 획득되는 배터리 팩(110)의 임피던스들(즉, EIS 데이터(220))을 실수부와 허수부로 좌표화한 그래프일 수 있다.
동작 520에서, SOH 예측 장치(100)는 EIS 데이터(200)에서 특징점들(210, 220)을 식별할 수 있다. 특징점들 중 제1 특징점은 EIS 데이터(200)에서 배터리 팩(110)의 임피던스의 실수부의 크기에 기초하여 결정될 수 있다. 실시 예에 따르면, 제1 특징점은 EIS 데이터(200)에서 배터리 팩(110)의 임피던스의 실수부가 가장 작은 임피던스(210) 또는 가장 작은 실수부를 가지는 임피던스(210)로부터 기 설정된 범위 내의 임피던스를 나타낼 수 있다. 여기서, 기 설정된 범위는 EIS 데이터의 허용 가능한 오차 등을 고려하여 다양하게 설정 및 변경될 수 있다.
특징점들 중 제2 특징점은 EIS 데이터(200)에서 배터리 팩(110)의 임피던스의 허수부의 크기에 기초하여 결정될 수 있다.
실시 예에 따르면, 제2 특징점은 EIS 데이터(200)에서 극소점에서의 임피던스(220)와 관련될 수 있다. 또는, 제2 특징점은 EIS 데이터(200)에서 와버그(Warburg) 임피던스가 존재하는 지점들과 관련될 수 있다. 예를 들어, 제2 특징점은 와버그 임피던스가 나타나는 지점의 주파수 및 와버그 임피던스가 나타나는 주파수(220)보다 주파수가 작은 영역에 대응되는 주파수 영역 중, 허수부 임피던스의 값이 가장 큰 지점의 임피던스 또는 가장 큰 지점으로부터 기 설정된 범위 내에 위치하는 지점의 임피던스에 대응될 수 있다. 다르게 표현하면, 제2 특징점은 와버그 임피던스가 나타나는 주파수(220) 및 와버그 임피던스가 나타나는 주파수(220)보다 주파수가 작은 영역에 대응되는 주파수 영역 중, 허수부 임피던스의 크기의 절대 값이 가장 작은 지점의 임피던스 또는 가장 작은 지점으로부터 기 설정된 범위 내에 위치하는 지점의 임피던스에 대응될 수 있다.
동작 530에서, SOH 예측 장치(100)는 특징점들(210, 220)에 기초하여 배터리 팩의 저항 파라미터(230)를 계산할 수 있다. 여기에서, 저항 파라미터(230)는 제2 특징점(220)의 실수부 값에서 제1 특징점(210)의 실수부 값을 뺀 값에 기초하여 결정될 수 있다. 예를 들어, 저항 파라미터는 제2 특징점(220)의 실수부 값에서 제1 특징점(210)의 실수부 값을 뺀 값일 수 있고, 또는 제2 특징점(220)의 실수부 값에서 제1 특징점(210)의 실수부 값을 뺀 값을 반올림하거나, 근사 시키는 등과 같이 다양한 방법에 기초하여 결정될 수 있다.
동작 540에서, SOH 예측 장치(100)는 온도 및 저항 파라미터(230)에 따른 배터리 팩(110)의 SOH를 결정할 수 있다. 일 실시 예에서, SOH 예측 장치(100)는 EIS 데이터(200)가 획득된 온도, 저항 파라미터(230) 및 SOH 간의 관계 데이터(160)에서, 저항 파라미터(230)에 따른 배터리 팩(110)의 SOH를 결정할 수 있다. 여기에서, 온도는 배터리 팩(110)의 EIS 데이터(200)의 획득 당시의 온도일 수 있다.
도 6은, 본 개시의 일 실시 예에 따른 저항 파라미터(230)에 따른 SOH 예측 장치(100)의 동작 방법을 나타내는 흐름도이다.
도 6을 참조하면, 동작 610에서, SOH 예측 장치(100)는 제1 EIS 데이터 및 제2 EIS 데이터 획득할 수 있다. 예를 들어, SOH 예측 장치(100)는 지정된 시간 조건에서, 지정된 SOC, 지정된 SOH, 및 지정된 제1 온도들에서 기준 배터리 팩의 제1 EIS 데이터를 획득할 수 있다. 일 실시 예에 따르면 지정된 시간 조건은 휴지 시간 조건으로 기준 배터리 팩의 휴지 상태 또는 기준 배터리 팩이 개방된 상태를 가지는 조건일 수 있으나 이러한 예시에 한정되는 것은 아니다. 관계 데이터 생성부(170)는 지정된 시간 조건에서, 지정된 SOC, 지정된 SOH, 및 지정된 제2 온도들에서 기준 배터리 팩의 제2 EIS 데이터를 획득할 수 있다. 여기에서, 기준 배터리 팩은 배터리 팩(110)과 동일한 종류의 배터리 팩일 수 있다. 상기 제1 온도들의 온도 범위는 상기 제2 온도들의 온도 범위를 포함할 수 있다. 예를 들어, 제1 온도들은 10, 15, 25, 35, 및 45도이고, 제2 온도들은 20, 30, 및 40도일 수 있다.
동작 620에서, SOH 예측 장치(100)는 제1 EIS 데이터의 경향성을 나타내는 수식 후보들을 생성할 수 있다. 예를 들어, 수식 후보들은 온도의 역수와 저항 파라미터 간의 관계를 나타내는 제1 수식, 온도에 대한 2차 다항식과 저항 파라미터 간의 관계를 나타내는 제2 수식, 온도에 대한 3차 다항식과 저항 파라미터 간의 관계를 나타내는 제3 수식, 및 온도의 역수와 저항 파라미터의 제곱근의 역수의 로그 값 간의 관계를 나타내는 제4 수식을 포함할 수 있다.
다만, 본 문서에 개시된 수식들은 이러한 예시에 한정되지 않는다. 예를 들어, 수식 후보들은 온도에 관한 n차(n은 2 이상의 정수) 다항식과 저항 파라미터 사이의 관계를 나타내는 수식 또는 온도에 관한 n차(n은 -1 이하의 정수) 다항식과 저항 파라미터 사이의 관계를 나타내는 수식 등과 같이 다양한 수식을 포함할 수 있다. 또한, 실시 예에 따르면, n은 양의 정수 또는 음의 정수뿐만 유리수 또는 무리수의 값을 가질 수 있다. 또한, 본 문서에 개시되는 일 실시 예에 따른 수식 후보들은 온도의 역수와 저항 파라미터의 n차 제곱근의 역수의 로그 값 사이의 관계를 나타내는 식, 지수 함수 또는 로그 함수로 표현되는 등의 관계식 등을 포함할 수도 있다. 위와 같이, 본 문서에 개시되는 일 실시 예에 따른 수식 후보는 온도 및 저항 파라미터의 관계에 기초한 것이라면 다양한 방식으로 표현될 수 있다.
동작 630에서, SOH 예측 장치(100)는 제2 EIS 데이터를 통해 수식 후보들 중 오차가 가장 적은 수식을 선택할 수 있다. 예를 들어, SOH 예측 장치(100)는 수식 후보들을 이용하여 제2 온도들에서의 기준 배터리 팩의 저항 파라미터를 예측할 수 있다. 또한, 예를 들어, SOH 예측 장치(100)는 제2 EIS 데이터에 기초하여 서로 다른 제2 온도들에서의 저항 파라미터를 산출할 수 있다. 이후, SOH 예측 장치(100)는 제2 온도들에서 산출된 저항 파라미터와 수식 후보들을 이용하여 예측된 저항 파라미터를 비교할 수 있다. SOH 예측 장치(100)는 비교 결과에 기초하여 가장 오차가 적은 수식 후보를 선택할 수 있다.
동작 640에서, SOH 예측 장치(100)는 오차가 가장 적은 수식을 통해 저항 파라미터 및 SOH 간의 관계 데이터를 생성할 수 있다. 예를 들어, SOH 예측 장치(100)는 오차가 가장 적은 수식을 통해 상기 제1 온도들 및 상기 제2 온도들과 다른 제3 온도들에서의 저항 파라미터 및 SOH 간의 관계 데이터(160)를 생성할 수 있다. 여기에서, 제3 온도들은 제1 온도들 및 제2 온도들에 포함되지 않는 온도들(예: 11, 12, 13, 14, 41, 42, 43, 44, 45도 등의 온도)일 수 있다.
이후, SOH 예측 장치(100)는 지정된 SOC, 또는 지정된 SOH 중 적어도 하나가 다른 상황에서 제1 EIS 데이터 및 제2 EIS 데이터를 획득하고, 획득되는 제1 EIS 데이터 및 제2 EIS 데이터에 기초하여 관계 데이터(160)를 보충할 수 있다.

Claims (18)

  1. 배터리의 EIS(electrochemical impedance spectroscopy) 데이터를 획득하는 EIS 데이터 획득부,
    상기 EIS 데이터에서 특징점들을 식별하는 특징점 식별부,
    상기 특징점들에 기초하여 상기 배터리의 저항 파라미터를 계산하는 저항 파라미터 계산부, 및
    상기 EIS 데이터가 획득된 온도, 상기 저항 파라미터 및 상기 SOH 간의 관계 데이터에서, 상기 저항 파라미터에 따른 상기 배터리의 SOH(state of health)를 결정하는 SOH 결정부를 포함하는
    SOH 예측 장치.
  2. 청구항 1에 있어서,
    상기 특징점들 중 제1 특징점은 상기 EIS 데이터의 실수부 크기에 기초하여 결정되는
    SOH 예측 장치.
  3. 청구항 2에 있어서,
    상기 특징점들 중 상기 제1 특징점은 상기 EIS 데이터에서 가장 작은 실수부를 가지는 임피던스 또는 상기 가장 작은 실수부를 가지는 임피던스로부터 기 설정된 범위 내의 임피던스를 나타내는
    SOH 예측 장치.
  4. 청구항 1에 있어서,
    상기 특징점들 중 제2 특징점은 상기 EIS 데이터의 허수부 크기에 기초하여 결정되는
    SOH 예측 장치.
  5. 청구항 4에 있어서,
    상기 특징점들 중 제2 특징점은 상기 EIS 데이터에서 와버그(Warburg) 임피던스가 나타나는 주파수 및 상기 와버그 임피던스가 나타나는 주파수보다 작은 주파수 영역 중 허수부 임피던스의 크기의 절대값이 가장 작은 지점의 임피던스 또는 상기 절대 값이 가장 작은 지점으로부터 기 설정된 범위 내의 임피던스를 나타내는
    SOH 예측 장치.
  6. 청구항 1에 있어서,
    상기 저항 파라미터는 상기 특징점들 중 상기 제2 특징점의 실수부 값에서 제1 특징점의 실수부 값을 뺀 값에 기초하여 결정되는
    SOH 예측 장치.
  7. 청구항 1에 있어서,
    상기 관계 데이터는,
    지정된 시간 조건에서, 지정된 SOC(state of charge), 지정된 SOH, 및 지정된 제1 온도들에서 획득되는 기준 배터리의 제1 EIS 데이터, 상기 지정된 시간 조건에서, 상기 지정된 SOC, 상기 지정된 SOH, 및 지정된 제2 온도들에서 획득되는 상기 기준 배터리의 제2 EIS 데이터 간의 비교를 통해 획득되고,
    상기 제1 온도들과 상기 제2 온도들은 서로 다른
    SOH 예측 장치.
  8. 청구항 7에 있어서,
    상기 제1 EIS 데이터의 경향성을 나타내는 수식 후보들을 생성하고, 상기 제2 EIS 데이터를 통해 상기 수식 후보들 중 오차가 가장 적은 수식을 선택하고, 상기 오차가 가장 적은 수식을 통해 상기 제1 온도들 및 상기 제2 온도들과 다른 제3 온도들에서의 상기 저항 파라미터 및 상기 SOH 간의 관계 데이터를 생성하는 관계 데이터 생성부를 포함하는,
    SOH 예측 장치.
  9. 청구항 7에 있어서,
    상기 제1 온도들의 온도 범위는 상기 제2 온도들의 온도 범위를 포함하는
    SOH 예측 장치.
  10. 적어도 하나의 배터리 셀을 포함하는 배터리의 EIS(electrochemical impedance spectroscopy) 데이터를 획득하는 동작,
    상기 EIS 데이터에서 특징점들을 식별하는 동작,
    상기 특징점들에 기초하여 상기 배터리의 저항 파라미터를 계산하는 동작, 및
    상기 EIS 데이터가 획득된 온도, 상기 저항 파라미터 및 상기 SOH 간의 관계 데이터에서, 상기 저항 파라미터에 따른 상기 배터리의 SOH(state of health)를 결정하는 동작을 포함하는
    SOH 예측 장치의 동작 방법.
  11. 청구항 10에 있어서,
    상기 특징점들 중 제1 특징점은 상기 EIS 데이터의 실수부 크기에 기초하여 결정되는
    SOH 예측 장치의 동작 방법.
  12. 청구항 11에 있어서,
    상기 특징점들 중 상기 제1 특징점은 상기 EIS 데이터에서 가장 작은 실수부를 가지는 임피던스 또는 상기 가장 작은 실수부를 가지는 임피던스로부터 기 설정된 범위 내의 임피던스를 나타내는
    SOH 예측 장치의 동작 방법.
  13. 청구항 10에 있어서,
    상기 특징점들 중 제2 특징점은 상기 EIS 데이터의 허수부 크기에 기초하여 결정되는
    SOH 예측 장치의 동작 방법.
  14. 청구항 13에 있어서,
    상기 특징점들 중 상기 제2 특징점은 상기 EIS 데이터에서 와버그(Warburg) 임피던스가 나타나는 주파수 및 상기 와버그 임피던스가 나타나는 주파수보다 작은 주파수 영역 중 허수부 임피던스의 크기의 절대값이 가장 작은 지점의 임피던스 또는 상기 절대 값이 가장 작은 지점으로부터 기 설정된 범위 내의 임피던스를 나타내는
    SOH 예측 장치의 동작 방법.
  15. 청구항 10에 있어서,
    상기 저항 파라미터는 상기 특징점들 중 제2 특징점의 실수부 값에서 제1 특징점의 실수부 값을 뺀 값에 기초하여 결정되는
    SOH 예측 장치의 동작 방법.
  16. 청구항 10에 있어서,
    상기 관계 데이터는,
    지정된 시간 조건에서, 지정된 SOC(state of charge), 지정된 SOH, 및 지정된 제1 온도들에서 획득되는 기준 배터리의 제1 EIS 데이터, 상기 지정된 시간 조건에서, 상기 지정된 SOC, 상기 지정된 SOH, 및 지정된 제2 온도들에서 획득되는 상기 기준 배터리의 제2 EIS 데이터 간의 비교를 통해 획득되고,
    상기 제1 온도들과 상기 제2 온도들은 서로 다른
    SOH 예측 장치의 동작 방법.
  17. 청구항 16에 있어서,
    상기 제1 EIS 데이터의 경향성을 나타내는 수식 후보들을 생성하는 동작,
    상기 제2 EIS 데이터를 통해 상기 수식 후보들 중 오차가 가장 적은 수식을 선택하는 동작, 및
    상기 오차가 가장 적은 수식을 통해 상기 제1 온도들 및 상기 제2 온도들과 다른 제3 온도들에서의 상기 저항 파라미터 및 상기 SOH 간의 관계 데이터를 생성하는 동작을 더 포함하는
    SOH 예측 장치의 동작 방법.
  18. 청구항 16에 있어서,
    상기 제1 온도들의 온도 범위는 상기 제2 온도들의 온도 범위를 포함하는
    SOH 예측 장치의 동작 방법.
PCT/KR2023/018799 2022-11-25 2023-11-21 Soh 예측 장치 및 이의 동작 방법 Ceased WO2024112072A1 (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202380080663.6A CN120239824A (zh) 2022-11-25 2023-11-21 Soh预测装置及其操作方法
EP23895000.0A EP4617692A4 (en) 2022-11-25 2023-11-21 SOH PREDICTION DEVICE AND ITS OPERATING PROCESS
JP2025530434A JP2025537919A (ja) 2022-11-25 2023-11-21 Ｓｏｈ予測装置及びその動作方法

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
KR20220160930 2022-11-25
KR10-2022-0160930 2022-11-25
KR1020230160489A KR102909740B1 (ko) 2022-11-25 2023-11-20 Soh 예측 장치 및 이의 동작 방법
KR10-2023-0160489 2023-11-20

Publications (1)

Publication Number Publication Date
WO2024112072A1 true WO2024112072A1 (ko) 2024-05-30

Family

ID=91196206

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2023/018799 Ceased WO2024112072A1 (ko) 2022-11-25 2023-11-21 Soh 예측 장치 및 이의 동작 방법

Country Status (4)

Country Link
EP (1) EP4617692A4 (ko)
JP (1) JP2025537919A (ko)
CN (1) CN120239824A (ko)
WO (1) WO2024112072A1 (ko)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111736085A (zh) * 2020-07-07 2020-10-02 中国检验检疫科学研究院 一种基于电化学阻抗谱的锂离子电池健康状态估计方法
CN113138340A (zh) * 2020-01-17 2021-07-20 华为技术有限公司 电池等效电路模型的建立方法、健康状态估算方法及装置
KR20210103772A (ko) * 2020-02-14 2021-08-24 주식회사 엘지화학 전지의 전해액 함침도 검사 방법
KR20220043070A (ko) * 2019-04-11 2022-04-05 어드밴스드 메저먼트 테크놀로지 인크 배터리 모니터링 및 테스팅 시스템 및 그 방법들
KR20220093842A (ko) * 2020-12-28 2022-07-05 주식회사 엘지에너지솔루션 배터리 관리 장치 및 방법
KR20220160930A (ko) 2021-05-28 2022-12-06 주식회사 플레이두두 직교 또는 교차하는 부재의 연결용 유닛 클램프 어셈블리를 이용한 스카이워크
KR20230160489A (ko) 2022-05-17 2023-11-24 경북대학교 산학협력단 유냉식 제동 시스템

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3812783B1 (en) * 2019-10-23 2024-11-27 Novum engineerING GmbH Estimating a battery state from electrical impedance measurements using convolutional neural network means

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220043070A (ko) * 2019-04-11 2022-04-05 어드밴스드 메저먼트 테크놀로지 인크 배터리 모니터링 및 테스팅 시스템 및 그 방법들
CN113138340A (zh) * 2020-01-17 2021-07-20 华为技术有限公司 电池等效电路模型的建立方法、健康状态估算方法及装置
KR20210103772A (ko) * 2020-02-14 2021-08-24 주식회사 엘지화학 전지의 전해액 함침도 검사 방법
CN111736085A (zh) * 2020-07-07 2020-10-02 中国检验检疫科学研究院 一种基于电化学阻抗谱的锂离子电池健康状态估计方法
KR20220093842A (ko) * 2020-12-28 2022-07-05 주식회사 엘지에너지솔루션 배터리 관리 장치 및 방법
KR20220160930A (ko) 2021-05-28 2022-12-06 주식회사 플레이두두 직교 또는 교차하는 부재의 연결용 유닛 클램프 어셈블리를 이용한 스카이워크
KR20230160489A (ko) 2022-05-17 2023-11-24 경북대학교 산학협력단 유냉식 제동 시스템

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP4617692A4

Also Published As

Publication number Publication date
JP2025537919A (ja) 2025-11-20
EP4617692A1 (en) 2025-09-17
CN120239824A (zh) 2025-07-01
EP4617692A4 (en) 2026-04-01

Similar Documents

Publication Publication Date Title
WO2021006566A1 (ko) 배터리 셀 진단 장치 및 방법
WO2022092621A1 (ko) 배터리 진단 장치 및 방법
WO2023136512A1 (ko) 배터리 충전 심도 산출 장치 및 그것의 동작 방법
WO2022065635A1 (ko) 배터리 장치 및 배터리 상태 추정 방법
WO2023038262A1 (ko) 배터리 셀의 용량 산출 장치 및 방법
WO2024136310A1 (ko) 배터리의 가스 발생량 예측 장치 및 이의 동작 방법
WO2024258009A1 (ko) 배터리 진단 장치 및 방법
WO2021125674A1 (ko) 배터리 진단 장치 및 방법
WO2024112072A1 (ko) Soh 예측 장치 및 이의 동작 방법
WO2024155103A1 (ko) 배터리 온도 추정 장치 및 이의 동작 방법
WO2024136208A1 (ko) 배터리 진단 장치 및 그의 동작 방법
WO2024232502A1 (ko) 배터리 관리 장치 및 그것의 동작 방법
WO2023106583A1 (ko) 충전 프로토콜 검사 장치 및 그것의 동작 방법
WO2025100761A1 (ko) Soh 예측 장치 및 그것의 동작 방법
WO2023063630A1 (ko) 배터리 관리 장치 및 그것의 동작 방법
KR20240078347A (ko) Soh 예측 장치 및 이의 동작 방법
WO2024106706A1 (ko) 배터리의 퇴화 검사 장치 및 이의 동작 방법
WO2024080507A1 (ko) 배터리 히팅 장치 및 그의 동작 방법
WO2024242274A1 (ko) 배터리를 위한 등가 회로 모델의 파라미터 추정 장치 및 그의 동작 방법
WO2025178338A1 (ko) 배터리 진단 장치 및 그 방법
WO2025221126A1 (ko) 배터리 진단 장치 및 그것의 동작 방법
WO2026029394A1 (ko) 배터리 진단 장치 및 그 방법
WO2025058276A1 (ko) 배터리 진단 장치 및 이의 동작 방법
WO2025033845A1 (ko) 배터리 셀 검사 장치 및 이의 동작 방법
WO2026054374A1 (ko) 배터리 진단 장치 및 이의 동작 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: 23895000

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 202380080663.6

Country of ref document: CN

ENP Entry into the national phase

Ref document number: 2025530434

Country of ref document: JP

Kind code of ref document: A

WWE Wipo information: entry into national phase

Ref document number: 2501003375

Country of ref document: TH

Ref document number: 2025530434

Country of ref document: JP

WWE Wipo information: entry into national phase

Ref document number: 202517053484

Country of ref document: IN

WWE Wipo information: entry into national phase

Ref document number: 2023895000

Country of ref document: EP

NENP Non-entry into the national phase

Ref country code: DE

WWP Wipo information: published in national office

Ref document number: 202517053484

Country of ref document: IN

WWP Wipo information: published in national office

Ref document number: 202380080663.6

Country of ref document: CN

ENP Entry into the national phase

Ref document number: 2023895000

Country of ref document: EP

Effective date: 20250625

WWP Wipo information: published in national office

Ref document number: 2023895000

Country of ref document: EP