KR102648555B1 - Device and method for determining battery failure based on battery parameter - Google Patents
Device and method for determining battery failure based on battery parameter Download PDFInfo
- Publication number
- KR102648555B1 KR102648555B1 KR1020210190187A KR20210190187A KR102648555B1 KR 102648555 B1 KR102648555 B1 KR 102648555B1 KR 1020210190187 A KR1020210190187 A KR 1020210190187A KR 20210190187 A KR20210190187 A KR 20210190187A KR 102648555 B1 KR102648555 B1 KR 102648555B1
- Authority
- KR
- South Korea
- Prior art keywords
- battery
- field data
- zero crossing
- crossing point
- data
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 22
- 208000032953 Device battery issue Diseases 0.000 title 1
- 230000005856 abnormality Effects 0.000 claims abstract description 64
- 238000013480 data collection Methods 0.000 claims abstract description 11
- 239000000284 extract Substances 0.000 claims abstract description 9
- 238000013075 data extraction Methods 0.000 claims description 16
- 238000007781 pre-processing Methods 0.000 claims description 15
- 238000007599 discharging Methods 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 18
- 230000007423 decrease Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 2
- 239000003990 capacitor Substances 0.000 description 2
- 239000003792 electrolyte Substances 0.000 description 2
- 229910001416 lithium ion Inorganic materials 0.000 description 2
- 230000006866 deterioration Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000016507 interphase Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000003647 oxidation Effects 0.000 description 1
- 238000007254 oxidation reaction Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000007784 solid electrolyte Substances 0.000 description 1
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]
- G01R31/392—Determining battery ageing or deterioration, e.g. state of health
-
- 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
- G01R19/0046—Arrangements for measuring currents or voltages or for indicating presence or sign thereof characterised by a specific application or detail not covered by any other subgroup of G01R19/00
- G01R19/0053—Noise discrimination; Analog sampling; Measuring transients
-
- 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
- G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
- G01R19/175—Indicating the instants of passage of current or voltage through a given value, e.g. passage through zero
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
- G01R31/3842—Arrangements for monitoring battery or accumulator variables, e.g. SoC combining voltage and current measurements
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
- Tests Of Electric Status Of Batteries (AREA)
Abstract
배터리 파라미터에 기반한 배터리 이상발생 판단 장치 및 방법이 개시된다. 본 발명에 따른 배터리 파라미터에 기반한 배터리 이상발생 판단 장치는, 배터리로부터 측정된 필드 데이터(field data)를 수집하는 필드 데이터 수집부, 상기 필드 데이터로부터 노이즈를 제거하고 상기 노이즈가 제거된 필드 데이터에서 기설정된 조건을 만족하는 데이터를 추출하여 상기 필드 데이터를 전처리하는 필드 데이터 전처리부, 상기 배터리에 대한 등가회로를 모델링하고, 상기 등가회로에 상기 전처리된 필드 데이터를 적용하여 현재 배터리의 상태를 나타내는 배터리 파라미터를 생성하는 배터리 파라미터 생성부 및 상기 생성된 배터리 파라미터가 기설정된 정상범위를 넘어서면 배터리의 이상이 발생하였음을 판단하는 이상판단부를 포함한다. 따라서, 상술한 본 발명의 일 측면에 따르면, 배터리 파라미터 기반의 배터리 이상 판단 장치 및 방법을 제공함으로써, 배터리로부터 측정된 필드 데이터를 통해 배터리 파라미터를 생성하고 이를 통해 배터리의 이상발생을 판단할 수 있다. An apparatus and method for determining battery abnormality based on battery parameters are disclosed. A battery abnormality determination device based on battery parameters according to the present invention includes a field data collection unit that collects field data measured from a battery, removes noise from the field data, and generates data from the field data from which the noise has been removed. A field data preprocessor that extracts data that satisfies set conditions and preprocesses the field data, models an equivalent circuit for the battery, and applies the preprocessed field data to the equivalent circuit to indicate the current state of the battery. Battery parameters It includes a battery parameter generation unit that generates and an abnormality determination unit that determines that a battery abnormality has occurred when the generated battery parameter exceeds a preset normal range. Therefore, according to one aspect of the present invention described above, by providing a battery parameter-based battery abnormality determination device and method, battery parameters can be generated through field data measured from the battery, and the occurrence of battery abnormality can be determined through this. .
Description
본 발명은 배터리 파라미터에 기반한 배터리 이상발생 판단 장치 및 방법 에 관한 것으로서, 보다 상세하게는, 배터리 파라미터의 거동을 모니터링하여 배터리의 이상발생을 판단하는, 배터리 파라미터에 기반한 배터리 이상발생 판단 장치 및 방법에 관한 것이다. The present invention relates to an apparatus and method for determining the occurrence of a battery abnormality based on battery parameters, and more specifically, to an apparatus and method for determining the occurrence of a battery abnormality based on battery parameters, which monitors the behavior of the battery parameters to determine the occurrence of a battery abnormality. It's about.
배터리는 모바일 기기, 램프, 센서, 컴퓨팅 기기, 전기 자동차 등 여러 전기 부하에 탑재되어, 각각의 전기 부하가 요구되는 전원을 공급한다. 예를 들어, 배터리는 상술한 기기 외에도, 에어컨, 오디오 기기, 난방 기기 등 광범위한 분야에서 이용되고 있다. 이때, 배터리는 방전이 수행되는 경우에, 배터리에 연결된 전기 부하에 전원을 공급하는 것이 일반적이나, 배터리는 발전기 등으로부터 전달되는 전원을 저장하는 충전을 수행하기도 하며, 이와 같은 편의성 등에 따라 배터리를 이용하는 전기 기기는 계속해서 증가하고 있으며, 배터리의 발전에 따라, 각종 전기기기에 탑재되는 배터리의 용량도 증대되고 있다. Batteries are mounted on various electrical loads such as mobile devices, lamps, sensors, computing devices, and electric vehicles, and supply the power required for each electrical load. For example, batteries are used in a wide range of fields, including air conditioners, audio devices, and heating devices, in addition to the devices described above. At this time, when the battery is discharged, it is common to supply power to the electric load connected to the battery, but the battery also performs charging to store power delivered from a generator, etc., and depending on convenience, etc., the battery is used. The number of electric devices continues to increase, and with the development of batteries, the capacity of batteries mounted on various electric devices is also increasing.
이에 따라, 배터리에 이상이 발생하여 폭발 등의 사고가 발생하는 경우에 나타나는 피해는 점차 커지고 있으며, 비교적 작은 사고에도, 배터리의 성능 또는 배터리를 이용하는 환경에 따라 더 큰 피해를 유발하기도 한다.Accordingly, the damage that occurs when an accident such as an explosion occurs due to an abnormality in the battery is gradually increasing, and even relatively small accidents can cause greater damage depending on the performance of the battery or the environment in which the battery is used.
따라서, 배터리의 이상 발생을 판단하기 위한 방안이 요구되는 실정이다.Therefore, there is a need for a method to determine whether an abnormality has occurred in the battery.
본 발명의 일 측면은 배터리로부터 측정된 필드 데이터를 수집 및 전처리하고, 배터리에 대한 등가모델에 전처리된 필드 데이터를 적용하여 현재 배터리의 상태를 나타내는 배터리 파라미터를 생성하고, 생성된 배터리 파라미터가 기설정된 정상범위를 넘어서면 배터리의 이상발생을 판단하는, 배터리 파라미터에 기반한 배터리 이상발생 판단 장치 및 방법을 제공하는데 그 목적이 있다. One aspect of the present invention is to collect and preprocess field data measured from a battery, apply the preprocessed field data to an equivalent model for the battery, generate battery parameters indicating the current state of the battery, and generate battery parameters that are preset. The purpose is to provide a battery abnormality determination device and method based on battery parameters, which determines battery abnormality when the normal range is exceeded.
본 발명의 일 측면에 따른 배터리 파라미터에 기반한 배터리 이상발생 판단 장치는 배터리로부터 측정된 필드 데이터(field data)를 수집하는 필드 데이터 수집부, 상기 필드 데이터로부터 노이즈를 제거하고 상기 노이즈가 제거된 필드 데이터에서 기설정된 조건을 만족하는 데이터를 추출하여 상기 필드 데이터를 전처리하는 필드 데이터 전처리부, 상기 배터리에 대한 등가회로를 모델링하고, 상기 등가회로에 상기 전처리된 필드 데이터를 적용하여 현재 배터리의 상태를 나타내는 배터리 파라미터를 생성하는 배터리 파라미터 생성부 및 상기 생성된 배터리 파라미터가 기설정된 정상범위를 넘어서면 배터리의 이상이 발생하였음을 판단하는 이상판단부를 포함한다.According to one aspect of the present invention, a battery abnormality determination device based on battery parameters includes a field data collection unit that collects field data measured from a battery, removes noise from the field data, and removes noise from the field data from which the noise has been removed. A field data preprocessor that extracts data that satisfies preset conditions and preprocesses the field data, models an equivalent circuit for the battery, and applies the preprocessed field data to the equivalent circuit to indicate the current state of the battery. It includes a battery parameter generation unit that generates battery parameters, and an abnormality determination unit that determines that a battery abnormality has occurred when the generated battery parameters exceed a preset normal range.
한편, 필드 데이터는, 배터리 충방전시 시간의 흐름에 따른 전류 데이터, 전압 데이터 및 SOC(State of Charge) 데이터를 포함할 수 있다.Meanwhile, field data may include current data, voltage data, and SOC (State of Charge) data according to the passage of time when charging and discharging the battery.
또한, 필드 데이터 전처리부는, 미리 설정된 크기의 윈도우 내에 포함된 필드 데이터의 평균을 산출하는 이동평균필터를 적용하여 상기 필드 데이터로부터 노이즈를 제거하는 필터링부 및 상기 노이즈가 제거된 필드 데이터의 1차 도함수를 산출하고, 상기 산출된 도함수의 값이 0 인 적어도 하나 이상의 제로 크로싱 포인트(zero crossing point)를 확인하고, 상기 제로 크로싱 포인트를 중심으로 한 상기 도함수 값의 변화에 기초하여 상기 필드 데이터를 추출하는 데이터 추출부를 포함할 수 있다.In addition, the field data preprocessing unit includes a filtering unit that removes noise from the field data by applying a moving average filter that calculates the average of the field data contained within a window of a preset size, and a first derivative of the field data from which the noise has been removed. Calculating, identifying at least one zero crossing point where the value of the calculated derivative is 0, and extracting the field data based on the change in the derivative value centered on the zero crossing point. It may include a data extraction unit.
또한, 데이터 추출부는, 상기 제로 크로싱 포인트를 중심으로 상기 도함수 값이 양에서 음으로 변화하는 제로 크로싱 포인트와 상기 도함수 값이 음에서 양으로 변화하는 제로 크로싱 포인트를 확인하고, 상기 도함수 값이 양에서 음으로 변화하는 제로 크로싱 포인트까지의 구간에 해당되는 필드 데이터를 추출하되, 상기 도함수 값이 양에서 음으로 변화하는 제로 크로싱 포인트로부터 상기 도함수 값이 음에서 양으로 변화하는 제로 크로싱 포인트까지의 구간에는 상기 필드 데이터의 추출을 중단할 수 있다. In addition, the data extraction unit checks the zero crossing point at which the derivative value changes from positive to negative and the zero crossing point at which the derivative value changes from negative to positive, centered around the zero crossing point, and the derivative value changes from positive to positive. Field data corresponding to the section up to the zero crossing point where the derivative value changes from positive to negative is extracted, but in the section from the zero crossing point where the derivative value changes from positive to negative to the zero crossing point where the derivative value changes from negative to positive. Extraction of the field data can be stopped.
또한, 배터리 파라미터 생성부는, 기설정된 알고리즘에 따라 상기 전처리된 필드 데이터를 적용하여 상기 등가회로로부터 도출된 목적함수를 만족하는 상기 배터리 파라미터를 산출하는 것일 수 있다.Additionally, the battery parameter generator may calculate the battery parameters that satisfy the objective function derived from the equivalent circuit by applying the preprocessed field data according to a preset algorithm.
본 발명의 다른 측면에 따른 배터리 파라미터에 기반한 배터리 이상발생 판단 방법은 배터리 이상발생 판단 장치에서 수행되는 것으로서, 배터리로부터 측정된 필드 데이터(field data)를 수집하는 단계, 상기 필드 데이터로부터 노이즈를 제거하고 상기 노이즈가 제거된 필드 데이터에서 기설정된 조건을 만족하는 데이터를 추출하여 상기 필드 데이터를 전처리하는 단계, 상기 배터리에 대한 등가회로를 모델링하고, 상기 등가회로에 상기 전처리된 필드 데이터를 적용하여 현재 배터리의 상태를 나타내는 배터리 파라미터를 생성하는 단계 및 상기 생성된 배터리 파라미터가 기설정된 정상범위를 넘어서면 배터리의 이상이 발생하였음을 판단하는 단계를 포함한다.A method for determining a battery abnormality based on battery parameters according to another aspect of the present invention is performed in a battery abnormality determination device, comprising the steps of collecting field data measured from the battery, removing noise from the field data, and Preprocessing the field data by extracting data that satisfies preset conditions from the field data from which the noise has been removed, modeling an equivalent circuit for the battery, and applying the preprocessed field data to the equivalent circuit to determine the current battery It includes generating battery parameters indicating the state of and determining that a battery abnormality has occurred when the generated battery parameters exceed a preset normal range.
한편, 필드 데이터는, 배터리 충방전시 시간의 흐름에 따른 전류 데이터, 전압 데이터 및 SOC(State of Charge) 데이터를 포함할 수 있다.Meanwhile, field data may include current data, voltage data, and SOC (State of Charge) data according to the passage of time when charging and discharging the battery.
또한, 필드 데이터를 전처리하는 단계는, 미리 설정된 크기의 윈도우 내에 포함된 필드 데이터의 평균을 산출하는 이동평균필터를 적용하여 상기 필드 데이터로부터 노이즈를 제거하는 단계 및 상기 노이즈가 제거된 필드 데이터의 1차 도함수를 산출하고, 상기 산출된 도함수의 값이 0 인 적어도 하나 이상의 제로 크로싱 포인트(zero crossing point)를 확인하고, 상기 제로 크로싱 포인트를 중심으로 한 상기 도함수 값의 변화에 기초하여 상기 필드 데이터를 추출하는 단계를 포함할 수 있다.In addition, the step of preprocessing the field data includes removing noise from the field data by applying a moving average filter that calculates the average of the field data contained within a window of a preset size, and 1 of the field data from which the noise has been removed. Calculating a second derivative, identifying at least one zero crossing point where the value of the calculated derivative is 0, and calculating the field data based on a change in the derivative value centered on the zero crossing point. It may include an extraction step.
또한, 필드 데이터를 추출하는 단계는, 상기 제로 크로싱 포인트를 중심으로 상기 도함수 값이 양에서 음으로 변화하는 제로 크로싱 포인트와 상기 도함수 값이 음에서 양으로 변화하는 제로 크로싱 포인트를 확인하고, 상기 도함수 값이 양에서 음으로 변화하는 제로 크로싱 포인트까지의 구간에 해당되는 필드 데이터를 추출하되, 상기 도함수 값이 양에서 음으로 변화하는 제로 크로싱 포인트로부터 상기 도함수 값이 음에서 양으로 변화하는 제로 크로싱 포인트까지의 구간에는 상기 필드 데이터의 추출을 중단하는 것일 수 있다.In addition, the step of extracting field data includes confirming a zero crossing point at which the derivative value changes from positive to negative and a zero crossing point at which the derivative value changes from negative to positive centered on the zero crossing point, and the derivative Field data corresponding to the section up to the zero crossing point where the value changes from positive to negative is extracted, but from the zero crossing point where the derivative value changes from positive to negative, the zero crossing point where the derivative value changes from negative to positive Extraction of the field data may be stopped in the section up to .
또한, 배터리 파라미터를 생성하는 단계는, 기설정된 알고리즘에 따라 상기 전처리된 필드 데이터를 적용하여 상기 등가회로로부터 도출된 목적함수를 만족하는 상기 배터리 파라미터를 산출하는 것일 수 있다. Additionally, the step of generating battery parameters may be calculating the battery parameters that satisfy the objective function derived from the equivalent circuit by applying the preprocessed field data according to a preset algorithm.
상술한 본 발명의 일 측면에 따르면, 배터리 파라미터 기반의 배터리 이상 판단 장치 및 방법을 제공함으로써, 배터리로부터 측정된 필드 데이터를 통해 배터리 파라미터를 생성하고 이를 통해 배터리의 이상발생을 판단할 수 있다. According to one aspect of the present invention described above, by providing an apparatus and method for determining a battery abnormality based on battery parameters, battery parameters can be generated through field data measured from the battery and the occurrence of a battery abnormality can be determined through this.
도 1 은 본 발명의 일 실시예에 따른 배터리 파라미터에 기반한 배터리 이상발생 판단 장치를 포함하는 배터리 이상발생 판단 시스템의 개략도이다.
도 2 는 도 1 에 도시된 배터리 이상발생 판단 장치의 구성을 도시한 블록도이다.
도 3 은 도 2 의 필드 데이터 수집부에서 수집된 필드 데이터의 일 예를 도시한 도면이다.
도 4 는 도 2 의 필터링부에서 필드 데이터로부터 노이즈를 제거한 결과의 일 예를 도시한 도면이다.
도 5 는 도 2 의 데이터 추출부에서 필드 데이터로부터 제로 크로싱 포인트를 확인한 결과의 일 예를 도시한 도면이다.
도 6 은 도 2 의 데이터 추출부에서 필드 데이터를 추출한 결과의 일 예를 도시한 도면이다.
도 7 은 도 2 의 배터리 파라미터 생성부에서 모델링한 배터리의 등가회로의 일 예를 도시한 도면이다.
도 8 은 도 2 의 배터리 파라미터 생성부에서 생성한 배터리 파라미터의 일 예를 도시한 도면이다.
도 9 는 도 2 의 이상판단부에서 배터리의 이상이 발생하였음을 판단하는 과정의 일 예를 도시한 도면이다.
도 10 은 본 발명의 다른 실시예에 따른 배터리 파라미터에 기반한 배터리 이상발생 판단 방법을 도시한 순서도이다. 1 is a schematic diagram of a battery abnormality determination system including a battery abnormality determination device based on battery parameters according to an embodiment of the present invention.
FIG. 2 is a block diagram showing the configuration of the battery abnormality determination device shown in FIG. 1.
FIG. 3 is a diagram illustrating an example of field data collected by the field data collection unit of FIG. 2.
FIG. 4 is a diagram illustrating an example of the result of removing noise from field data in the filtering unit of FIG. 2.
FIG. 5 is a diagram illustrating an example of a result of confirming a zero crossing point from field data in the data extraction unit of FIG. 2.
FIG. 6 is a diagram illustrating an example of the results of extracting field data from the data extraction unit of FIG. 2.
FIG. 7 is a diagram illustrating an example of an equivalent circuit of a battery modeled in the battery parameter generator of FIG. 2.
FIG. 8 is a diagram illustrating an example of battery parameters generated by the battery parameter generator of FIG. 2.
FIG. 9 is a diagram illustrating an example of a process in which the abnormality determination unit of FIG. 2 determines that a battery abnormality has occurred.
Figure 10 is a flow chart illustrating a method for determining the occurrence of a battery abnormality based on battery parameters according to another embodiment of the present invention.
후술하는 본 발명에 대한 상세한 설명은, 본 발명이 실시될 수 있는 특정 실시예를 예시로서 도시하는 첨부 도면을 참조한다. 이들 실시예는 당업자가 본 발명을 실시할 수 있기에 충분하도록 상세히 설명된다. 본 발명의 다양한 실시예는 서로 다르지만 상호 배타적일 필요는 없음이 이해되어야 한다. 예를 들어, 여기에 기재되어 있는 특정 형상, 구조 및 특성은 일 실시예와 관련하여 본 발명의 정신 및 범위를 벗어나지 않으면서 다른 실시예로 구현될 수 있다. 또한, 각각의 개시된 실시예 내의 개별 구성요소의 위치 또는 배치는 본 발명의 정신 및 범위를 벗어나지 않으면서 변경될 수 있음이 이해되어야 한다. 따라서, 후술하는 상세한 설명은 한정적인 의미로서 취하려는 것이 아니며, 본 발명의 범위는, 적절하게 설명된다면, 그 청구항들이 주장하는 것과 균등한 모든 범위와 더불어 첨부된 청구항에 의해서만 한정된다. 도면에서 유사한 참조부호는 여러 측면에 걸쳐서 동일하거나 유사한 기능을 지칭한다.The detailed description of the present invention described below refers to the accompanying drawings, which show by way of example specific embodiments in which the present invention may be practiced. These embodiments are described in sufficient detail to enable those skilled in the art to practice the invention. It should be understood that the various embodiments of the present invention are different from one another but are not necessarily mutually exclusive. For example, specific shapes, structures and characteristics described herein may be implemented in one embodiment without departing from the spirit and scope of the invention. Additionally, it should be understood that the location or arrangement of individual components within each disclosed embodiment may be changed without departing from the spirit and scope of the invention. Accordingly, the detailed description that follows is not intended to be taken in a limiting sense, and the scope of the invention is limited only by the appended claims, together with all equivalents to what those claims assert, if properly described. Similar reference numbers in the drawings refer to identical or similar functions across various aspects.
이하, 도면들을 참조하여 본 발명의 바람직한 실시예들을 보다 상세하게 설명하기로 한다.Hereinafter, preferred embodiments of the present invention will be described in more detail with reference to the drawings.
도 1 은 본 발명의 일 실시예에 따른 배터리 파라미터에 기반한 배터리 이상발생 판단 장치를 포함하는 배터리 이상발생 판단 시스템의 개략도이고, 도 2 는 도 1 에 도시된 배터리 이상발생 판단 장치의 구성을 도시한 블록도이며, 도 3 은 도 2 의 필드 데이터 수집부에서 수집된 필드 데이터의 일 예를 도시한 도면이고, 도 4 는 도 2 의 필터링부에서 필드 데이터로부터 노이즈를 제거한 결과의 일 예를 도시한 도면이고, 도 5 는 도 2 의 데이터 추출부에서 필드 데이터로부터 제로 크로싱 포인트를 확인한 결과의 일 예를 도시한 도면이고, 도 6 은 도 2 의 데이터 추출부에서 필드 데이터를 추출한 결과의 일 예를 도시한 도면이며, 도 7 은 도 2 의 배터리 파라미터 생성부에서 모델링한 배터리의 등가회로의 일 예를 도시한 도면이고, 도 8 은 도 2 의 배터리 파라미터 생성부에서 생성한 배터리 파라미터의 일 예를 도시한 도면이고, 도 9 는 도 2 의 이상판단부에서 배터리의 이상이 발생하였음을 판단하는 과정의 일 예를 도시한 도면이다.FIG. 1 is a schematic diagram of a battery abnormality determination system including a battery abnormality determination device based on battery parameters according to an embodiment of the present invention, and FIG. 2 shows the configuration of the battery abnormality determination device shown in FIG. 1. It is a block diagram, and FIG. 3 is a diagram showing an example of field data collected in the field data collection unit of FIG. 2, and FIG. 4 is a diagram showing an example of the result of removing noise from field data in the filtering unit of FIG. 2. It is a diagram, and FIG. 5 is a diagram showing an example of the result of confirming the zero crossing point from field data in the data extraction unit of FIG. 2, and FIG. 6 is an example of the result of extracting field data from the data extraction unit of FIG. 2. 7 is a diagram showing an example of an equivalent circuit of a battery modeled in the battery parameter generator of FIG. 2, and FIG. 8 is an example of a battery parameter generated by the battery parameter generator of FIG. 2. This is a diagram, and FIG. 9 is a diagram illustrating an example of a process in which the abnormality determination unit of FIG. 2 determines that a battery abnormality has occurred.
배터리 이상 시스템은 배터리(10) 및 배터리 이상발생 판단 장치(100)를 포함한다.The battery abnormality system includes a battery 10 and a battery abnormality determination device 100.
배터리(10)는 충전을 수행하여 에너지를 저장하고, 배터리(10)에 연결되는 외부 장치 등의 부하에 저장된 에너지를 공급한다. 여기서, 에너지는 전류, 전압 및 전력 등의 전기 에너지를 통칭한다. 이러한 배터리(10)는 양극, 음극, 분리막 및 전해액을 포함하는 리튬이온전지 등의 2차전지일 수 있으나, 이에 한정되지 않는다. The battery 10 stores energy by performing charging, and supplies the stored energy to loads such as external devices connected to the battery 10. Here, energy refers to electrical energy such as current, voltage, and power. This battery 10 may be a secondary battery such as a lithium ion battery containing an anode, a cathode, a separator, and an electrolyte, but is not limited thereto.
한편, 상술한 배터리(10)의 충방전은 배터리(10)의 양극과 음극에 가해지는 전류의 방향에 따른 산화 작용 또는 환원 작용을 통해 이루어질 수 있다. 이때, 배터리(10) 내부의 분리막과 전해액 사이에서 SEI(Solid Electrolyte Interphase) 층이 형성되는데, 이러한 SEI 층이 두꺼워질수록 배터리(10) 내부 임피던스의 증가, 리튬 이온의 감소 등 성능이 감소되어 배터리(10)의 효율성이 떨어지는 등 배터리(10)의 열화가 진행되는 등의 이상이 발생될 수 있다. Meanwhile, the charging and discharging of the battery 10 described above may be accomplished through an oxidation or reduction effect depending on the direction of the current applied to the anode and cathode of the battery 10. At this time, a solid electrolyte interphase (SEI) layer is formed between the separator and the electrolyte inside the battery 10. As this SEI layer becomes thicker, performance decreases, such as an increase in the internal impedance of the battery 10 and a decrease in lithium ions, thereby reducing the battery 10's performance. Abnormalities such as deterioration of the battery 10 may occur, such as a decrease in the efficiency of the battery 10.
따라서, 본 실시예에 따른 배터리 이상 시스템은 배터리 이상발생 판단 장치(100)를 더 구비하여, 배터리(10)로부터 측정가능한 배터리 정보를 사전에 설정되는 시간 간격동안 수집하고 이를 기반으로 배터리 파라미터를 생성하여 배터리 내 이상발생을 판단한다. Therefore, the battery abnormality system according to this embodiment further includes a battery abnormality determination device 100 to collect measurable battery information from the battery 10 during a preset time interval and generate battery parameters based on this. This determines whether an abnormality has occurred in the battery.
이를 위해, 본 실시예에 따른 배터리 이상발생 판단 장치(100)는 필드 데이터 수집부(110), 필드 데이터 전처리부(120), 배터리 파라미터 생성부(130) 및 이상판단부(140)를 포함한다.To this end, the battery abnormality determination device 100 according to this embodiment includes a field data collection unit 110, a field data preprocessing unit 120, a battery parameter generation unit 130, and an abnormality determination unit 140. .
필드 데이터 수집부(110)는 배터리(10)로부터 측정된 필드 데이터(field data)를 수집한다.The field data collection unit 110 collects field data measured from the battery 10.
여기서, 필드 데이터는 배터리(10)로부터 측정가능한 배터리 정보로서, 배터리(10) 충방전시 시간의 흐름에 따른 전류 데이터, 배터리(10) 충방전시 시간의 흐름에 따른 전압 데이터 및 배터리(10) 충방전시 시간의 흐름에 따른 잔존용량인 SOC(State of Charge) 데이터를 포함할 수 있다. 그 밖에 필드 데이터는 배터리 온도정보, 배터리 건강상태로서 이상적인 조건과 비교한 배터리 상태의 성능지수인 SOH(State of Health) 데이터 등 배터리(10) 이상발생을 판단하기 위한 데이터라면 더 포함될 수 있음은 물론이다. Here, the field data is battery information that can be measured from the battery 10, including current data over time when charging and discharging the battery 10, voltage data over time when charging and discharging the battery 10, and battery 10. It may include State of Charge (SOC) data, which is the remaining capacity over time during charging and discharging. In addition, field data may include data for determining abnormalities in the battery 10, such as battery temperature information and SOH (State of Health) data, which is a performance index of the battery state compared to ideal conditions. am.
필드 데이터 전처리부(120)는 필드 데이터 수집부(110) 로부터의 필드 데이터를 전처리한다. The field data preprocessing unit 120 preprocesses field data from the field data collection unit 110.
보다 구체적으로, 필드 데이터 전처리부(120)는 필드 데이터로부터 노이즈를 제거하고 노이즈가 제거된 필드 데이터에서 기설정된 조건을 만족하는 데이터를 추출하는 과정을 통해 필드 데이터를 전처리한다. 이를 위해, 필드 데이터 전처리부(120)는 필터링부(121) 및 데이터 추출부(122)를 포함한다.More specifically, the field data preprocessing unit 120 preprocesses the field data through a process of removing noise from the field data and extracting data that satisfies preset conditions from the field data from which the noise has been removed. For this purpose, the field data preprocessing unit 120 includes a filtering unit 121 and a data extraction unit 122.
한편, 필드 데이터 수집부(110)로부터의 필드 데이터는 도 3 에서와 같이, 과전압, 스파크 전압 등의 노이즈를 포함한다. 따라서, 필드 데이터 전처리부(120)는, 이러한 필드 데이터 내의 노이즈의 영향은 줄이면서 필드 데이터의 전체적 경향은 유지할 수 있는 필터를 포함한 필터링부(121)를 포함한다.Meanwhile, field data from the field data collection unit 110 includes noise such as overvoltage and spark voltage, as shown in FIG. 3 . Accordingly, the field data pre-processing unit 120 includes a filtering unit 121 including a filter that can maintain the overall trend of the field data while reducing the influence of noise in the field data.
보다 구체적으로, 필터링부(121)는 미리 설정된 크기의 윈도우 내에 포함된 필드 데이터의 평균을 산출하는 이동평균필터를 적용하여 상기 필드 데이터로부터 노이즈를 제거한다. 즉, 필터링부(121)는 오래된 필드 데이터는 고려하지 않고 최근의 지정된 개수의 필드 데이터를 기초로 평균을 산출하므로, 도 4 에서와 같이, 노이즈가 제거되면서 동적 변화량 파악이 가능한 필드 데이터를 데이터 추출부(122) 측으로 출력한다. More specifically, the filtering unit 121 removes noise from the field data by applying a moving average filter that calculates the average of the field data included in a window of a preset size. That is, the filtering unit 121 calculates the average based on the recent specified number of field data without considering old field data, so as shown in FIG. 4, field data that can detect dynamic changes while removing noise is extracted. It is output to the sub 122 side.
데이터 추출부(122)는 기설정된 조건을 만족하는 필드 데이터만을 추출하여 배터리 파라미터 생성부(130) 측으로 출력한다. The data extractor 122 extracts only field data that satisfies preset conditions and outputs it to the battery parameter generator 130.
이를 위해, 데이터 추출부(122)는 제로 크로싱 디텍터(zero crossing detector)로 구성되어, 필터링부(121)로부터 노이즈가 제거된 필드 데이터의 1차 도함수를 산출하고, 상기 산출된 도함수의 값이 '0' 인 적어도 하나 이상의 제로 크로싱 포인트(zero crossing point)를 확인한다. 즉, 데이터 추출부(122)는 도 5 에서와 같이, 필드 데이터 내에서 적어도 하나 이상의 제로 크로싱 포인트(도 5 의 Zero Crossing Threshold 지점)를 추출할 수 있다. To this end, the data extraction unit 122 is composed of a zero crossing detector, calculates the first derivative of the field data from which noise has been removed from the filtering unit 121, and the value of the calculated derivative is ' Check at least one zero crossing point that is 0'. That is, the data extraction unit 122 can extract at least one zero crossing point (Zero Crossing Threshold point in FIG. 5) from field data, as shown in FIG. 5.
데이터 추출부(122)는 이러한 제로 크로싱 포인트를 기준으로 필드 데이터의 도함수 값의 변화를 확인하고, 이에 기초하여 배터리 파라미터를 생성하기 위한 필드 데이터를 추출한다. 보다 구체적으로, 데이터 추출부(122)는, 제로 크로싱 포인트를 중심으로 도함수 값이 양에서 음으로 변화하는 제로 크로싱 포인트와 도함수 값이 음에서 양으로 변화하는 제로 크로싱 포인트를 각각 확인하고, 상기 도함수 값이 양에서 음으로 변화하는 제로 크로싱 포인트까지의 구간에 해당되는 필드 데이터를 배터리 파라미터를 생성하기 위한 필드 데이터로서 추출한다. 또한, 데이터 추출부(122)는 상기 도함수 값이 양에서 음으로 변화하는 제로 크로싱 포인트로부터 상기 도함수 값이 음에서 양으로 변화하는 제로 크로싱 포인트까지의 구간에는 상기 필드 데이터의 추출을 중단할 수 있다. 이러한 데이터 추출부(122)에 의한 필드 데이터의 추출결과(도 6 의 Selected data(colored) 참조)의 일 예는 도 6 과 같으며, 바람직하게는, 배터리 파라미터의 분석 정확도를 향상시키기 위해 100 개 이상의 필드 데이터가 추출될 수 있다. The data extraction unit 122 checks the change in the derivative value of the field data based on this zero crossing point, and extracts field data for generating battery parameters based on this. More specifically, the data extraction unit 122 identifies a zero crossing point at which the derivative value changes from positive to negative and a zero crossing point at which the derivative value changes from negative to positive, respectively, centered around the zero crossing point, and the derivative Field data corresponding to the section up to the zero crossing point where the value changes from positive to negative is extracted as field data for generating battery parameters. In addition, the data extraction unit 122 may stop extracting the field data in the section from the zero crossing point where the derivative value changes from positive to negative to the zero crossing point where the derivative value changes from negative to positive. . An example of the field data extraction result (see Selected data (colored) in FIG. 6) by this data extraction unit 122 is as shown in FIG. 6, preferably 100 to improve the analysis accuracy of battery parameters. More field data can be extracted.
배터리 파라미터 생성부(130)는 배터리에 대한 등가회로를 모델링하고, 이렇게 모델링된 등가회로에 필드 데이터 전처리부(120)로부터의 필드 데이터를 적용하여 현재 배터리의 상태를 나타내는 배터리 파라미터를 생성한다. The battery parameter generator 130 models an equivalent circuit for the battery and applies field data from the field data preprocessor 120 to the modeled equivalent circuit to generate battery parameters indicating the current state of the battery.
여기서, 배터리에 대한 등가회로는 배터리 전압 거동을 기반으로 한 배터리 내부 구성을 모사하는 회로인 ECM 등가회로를 따를 수 있으며, 이러한 ECM 등가회로는 전압 소스, 커패시턴스 및 저항으로 구성될 수 있다. 본 실시예에 따른 배터리에 대한 등가회로는 도 7 에서와 같이, ECM 등가회로 중 하나인 2차 랜들 등가회로로서, 1차 저항 커패시터(FORC) 회로와 2차 저항 커패시터(SORC) 회로로 모델링 될 수 있다. Here, the equivalent circuit for the battery may follow the ECM equivalent circuit, which is a circuit that simulates the internal configuration of the battery based on battery voltage behavior, and this ECM equivalent circuit may be composed of a voltage source, capacitance, and resistance. As shown in FIG. 7, the equivalent circuit for the battery according to this embodiment is a secondary Randall equivalent circuit, which is one of the ECM equivalent circuits, and can be modeled as a primary resistance capacitor (FORC) circuit and a secondary resistance capacitor (SORC) circuit. You can.
배터리 파라미터 생성부(130)는, 기설정된 알고리즘에 따라 배터리 파라미터를 생성한다. 여기서, 기설정된 알고리즘은 선택 가능한 해의 집합에서 문제의 최적화를 위한 가장 최고의 해를 찾는 기법 중 하나인 PSO(Particle Swarm Optimization) 알고리즘일 수 있다. The battery parameter generator 130 generates battery parameters according to a preset algorithm. Here, the preset algorithm may be the PSO (Particle Swarm Optimization) algorithm, which is one of the techniques for finding the best solution for optimizing the problem from a set of selectable solutions.
배터리 파라미터 생성부(130)는 이러한 PSO 알고리즘을 통해, 등가회로로부터 도출된 목적함수를 만족하는 배터리 파라미터를 생성할 수 있다. 한편, PSO 알고리즘의 목적함수는 아래 수학식 1 에 따른다. The battery parameter generator 130 can generate battery parameters that satisfy the objective function derived from the equivalent circuit through this PSO algorithm. Meanwhile, the objective function of the PSO algorithm follows Equation 1 below.
[수학식 1][Equation 1]
배터리 파라미터 생성부(130)는 전처리된 필드 데이터를 적용하여 상술한 목적함수를 만족하는 적어도 하나 이상의 배터리 파라미터를 생성한다. 이렇게 생성된 배터리 파라미터의 일 예는 도 8 에 따르며, 배터리 파라미터 생성부(130)는 SOC, Current, Rs, Rp1, Cp1, Rp2, Cp2, RMSE(Root Mean Square Error) 중 적어도 하나 이상의 배터리 파라미터를 생성할 수 있다. The battery parameter generator 130 applies the preprocessed field data to generate at least one battery parameter that satisfies the above-described objective function. An example of the battery parameters generated in this way is shown in FIG. 8, where the battery parameter generator 130 generates at least one battery parameter among SOC, Current, Rs, Rp1, Cp1, Rp2, Cp2, and Root Mean Square Error (RMSE). can be created.
이상판단부(140)는 배터리 파라미터 생성부(130)로부터 생성된 배터리 파라미터가 기설정된 정상범위를 넘어서면 배터리의 이상이 발생하였음을 판단한다. 예컨대, 도 9 에서와 같이, 이상판단부(140)는 배터리 파라미터 중 옴저항(Rs) 값이 매우 빠르게 증가하여 기설정된 정상범위를 넘어서면 배터리의 이상이 발생하였음을 판단할 수 있다. The abnormality determination unit 140 determines that a battery abnormality has occurred when the battery parameter generated by the battery parameter generator 130 exceeds a preset normal range. For example, as shown in FIG. 9, the abnormality determination unit 140 may determine that a battery abnormality has occurred when the ohmic resistance (Rs) value among the battery parameters increases very quickly and exceeds a preset normal range.
도 10 은 본 발명의 다른 실시예에 따른 배터리 파라미터에 기반한 배터리 이상발생 판단 방법을 도시한 순서도이다.Figure 10 is a flow chart illustrating a method for determining the occurrence of a battery abnormality based on battery parameters according to another embodiment of the present invention.
본 실시예에 따른 배터리 파라미터에 기반한 배터리 이상발생 판단 방법은 배터리 이상발생 판단 장치에서 수행되는 방법으로서, 필드 데이터 수집부에서 배터리로부터 측정된 필드 데이터(field data)를 수집하는 단계(S10), 필드 데이터 전처리부에서 상기 필드 데이터로부터 노이즈를 제거하고 상기 노이즈가 제거된 필드 데이터에서 기설정된 조건을 만족하는 데이터를 추출하여 상기 필드 데이터를 전처리하는 단계(S20), 배터리 파라미터 생성부에서 상기 배터리에 대한 등가회로를 모델링하고, 상기 등가회로에 상기 전처리된 필드 데이터를 적용하여 현재 배터리의 상태를 나타내는 배터리 파라미터를 생성하는 단계(S30) 및 이상판단부에서 상기 생성된 배터리 파라미터가 기설정된 정상범위를 넘어서면 배터리의 이상이 발생하였음을 판단하는 단계(S40)를 포함한다.The method for determining the occurrence of a battery abnormality based on battery parameters according to this embodiment is a method performed in a device for determining the occurrence of a battery abnormality, and includes the step of collecting field data measured from the battery in a field data collection unit (S10), field Step (S20) of preprocessing the field data by removing noise from the field data in a data preprocessing unit and extracting data that satisfies preset conditions from the field data from which the noise has been removed (S20); Modeling an equivalent circuit and applying the preprocessed field data to the equivalent circuit to generate battery parameters indicating the current state of the battery (S30); and an abnormality determination unit where the generated battery parameters exceed a preset normal range. It includes a step (S40) of determining that an abnormality has occurred in the writing battery.
한편, 필드 데이터는, 배터리 충방전시 시간의 흐름에 따른 전류 데이터, 전압 데이터 및 SOC(State of Charge) 데이터를 포함할 수 있다.Meanwhile, field data may include current data, voltage data, and SOC (State of Charge) data according to the passage of time when charging and discharging the battery.
또한, 필드 데이터를 전처리하는 단계(S20)는, 미리 설정된 크기의 윈도우 내에 포함된 필드 데이터의 평균을 산출하는 이동평균필터를 적용하여 상기 필드 데이터로부터 노이즈를 제거하는 단계 및 상기 노이즈가 제거된 필드 데이터의 1차 도함수를 산출하고, 상기 산출된 도함수의 값이 0 인 적어도 하나 이상의 제로 크로싱 포인트(zero crossing point)를 확인하고, 상기 제로 크로싱 포인트를 중심으로 한 상기 도함수 값의 변화에 기초하여 상기 필드 데이터를 추출하는 단계를 포함할 수 있다. 또한, 필드 데이터를 추출하는 단계는, 상기 제로 크로싱 포인트를 중심으로 상기 도함수 값이 양에서 음으로 변화하는 제로 크로싱 포인트와 상기 도함수 값이 음에서 양으로 변화하는 제로 크로싱 포인트를 확인하고, 상기 도함수 값이 양에서 음으로 변화하는 제로 크로싱 포인트까지의 구간에 해당되는 필드 데이터를 추출하되, 상기 도함수 값이 양에서 음으로 변화하는 제로 크로싱 포인트로부터 상기 도함수 값이 음에서 양으로 변화하는 제로 크로싱 포인트까지의 구간에는 상기 필드 데이터의 추출을 중단하는 것일 수 있다.In addition, the step of preprocessing the field data (S20) includes removing noise from the field data by applying a moving average filter that calculates the average of the field data contained within a window of a preset size, and a field from which the noise has been removed. Calculate the first derivative of data, identify at least one zero crossing point where the value of the calculated derivative is 0, and calculate the value of the derivative based on a change in the derivative value centered on the zero crossing point. It may include a step of extracting field data. In addition, the step of extracting field data includes confirming a zero crossing point at which the derivative value changes from positive to negative and a zero crossing point at which the derivative value changes from negative to positive centered on the zero crossing point, and the derivative Field data corresponding to the section up to the zero crossing point where the value changes from positive to negative is extracted, but from the zero crossing point where the derivative value changes from positive to negative, the zero crossing point where the derivative value changes from negative to positive Extraction of the field data may be stopped in the section up to .
또한, 배터리 파라미터를 생성하는 단계(S30)는, 기설정된 알고리즘에 따라 상기 전처리된 필드 데이터를 적용하여 상기 등가회로로부터 도출된 목적함수를 만족하는 상기 배터리 파라미터를 산출하는 것일 수 있다.Additionally, the step of generating battery parameters (S30) may be calculating the battery parameters that satisfy the objective function derived from the equivalent circuit by applying the preprocessed field data according to a preset algorithm.
상술한 본 발명의 일 측면에 따르면, 배터리 파라미터 기반의 배터리 이상 판단 장치 및 방법을 제공함으로써, 배터리로부터 측정된 필드 데이터를 통해 배터리 파라미터를 생성하고 이를 통해 배터리의 이상발생을 판단할 수 있다. According to one aspect of the present invention described above, by providing an apparatus and method for determining a battery abnormality based on battery parameters, battery parameters can be generated through field data measured from the battery and the occurrence of a battery abnormality can be determined through this.
이상에서는 실시예들을 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.Although the above has been described with reference to embodiments, those skilled in the art will understand that various modifications and changes can be made to the present invention without departing from the spirit and scope of the present invention as set forth in the following patent claims. You will be able to.
110: 필드 데이터 수집부
120: 필드 데이터 전처리부
130: 배터리 파라미터 생성부
140: 이상판단부110: Field data collection unit
120: Field data preprocessing unit
130: Battery parameter generation unit
140: Abnormality judgment unit
Claims (10)
상기 필드 데이터로부터 노이즈를 제거하고 상기 노이즈가 제거된 필드 데이터에서 기설정된 조건을 만족하는 데이터를 추출하여 상기 필드 데이터를 전처리하는 필드 데이터 전처리부;
상기 배터리에 대한 등가회로를 모델링하고, 상기 등가회로에 상기 전처리된 필드 데이터를 적용하여 현재 배터리의 상태를 나타내는 배터리 파라미터를 생성하는 배터리 파라미터 생성부; 및
상기 생성된 배터리 파라미터가 기설정된 정상범위를 넘어서면 배터리의 이상이 발생하였음을 판단하는 이상판단부;
를 포함하며,
상기 필드 데이터는,
배터리 충방전시 시간의 흐름에 따른 전류 데이터, 전압 데이터 및 SOC(State of Charge) 데이터를 포함하고,
상기 필드 데이터 전처리부는,
미리 설정된 크기의 윈도우 내에 포함된 필드 데이터의 평균을 산출하는 이동평균필터를 적용하여 상기 필드 데이터로부터 노이즈를 제거하는 필터링부; 및
상기 노이즈가 제거된 필드 데이터의 1차 도함수를 산출하고, 상기 산출된 도함수의 값이 0 인 적어도 하나 이상의 제로 크로싱 포인트(zero crossing point)를 확인하고, 상기 제로 크로싱 포인트를 중심으로 한 상기 도함수 값의 변화에 기초하여 상기 필드 데이터를 추출하는 데이터 추출부를 포함하는, 배터리 파라미터에 기반한 배터리 이상발생 판단 장치.
A field data collection unit that collects field data measured from the battery;
a field data preprocessor that removes noise from the field data and extracts data that satisfies preset conditions from the noise-removed field data to preprocess the field data;
a battery parameter generator that models an equivalent circuit for the battery and generates battery parameters indicating the current state of the battery by applying the preprocessed field data to the equivalent circuit; and
an abnormality determination unit that determines that a battery abnormality has occurred when the generated battery parameter exceeds a preset normal range;
Includes,
The field data is,
Includes current data, voltage data, and SOC (State of Charge) data according to the passage of time when charging and discharging the battery,
The field data preprocessing unit,
a filtering unit that removes noise from the field data by applying a moving average filter that calculates the average of the field data contained within a window of a preset size; and
Calculate the first derivative of the field data from which the noise has been removed, identify at least one zero crossing point where the value of the calculated derivative is 0, and determine the derivative value centered on the zero crossing point. A battery abnormality determination device based on battery parameters, including a data extraction unit that extracts the field data based on changes in .
상기 데이터 추출부는,
상기 제로 크로싱 포인트를 중심으로 상기 도함수 값이 양에서 음으로 변화하는 제로 크로싱 포인트와 상기 도함수 값이 음에서 양으로 변화하는 제로 크로싱 포인트를 확인하고,
상기 도함수 값이 양에서 음으로 변화하는 제로 크로싱 포인트까지의 구간에 해당되는 필드 데이터를 추출하되,
상기 도함수 값이 양에서 음으로 변화하는 제로 크로싱 포인트로부터 상기 도함수 값이 음에서 양으로 변화하는 제로 크로싱 포인트까지의 구간에는 상기 필드 데이터의 추출을 중단하는, 배터리 파라미터에 기반한 배터리 이상발생 판단 장치. According to claim 1,
The data extraction unit,
Confirming the zero crossing point at which the derivative value changes from positive to negative and the zero crossing point at which the derivative value changes from negative to positive, centered around the zero crossing point,
Extract field data corresponding to the section up to the zero crossing point where the derivative value changes from positive to negative,
A battery abnormality determination device based on battery parameters that stops extracting the field data in the section from the zero crossing point where the derivative value changes from positive to negative to the zero crossing point where the derivative value changes from negative to positive.
상기 배터리 파라미터 생성부는,
기설정된 알고리즘에 따라 상기 전처리된 필드 데이터를 적용하여 상기 등가회로로부터 도출된 목적함수를 만족하는 상기 배터리 파라미터를 산출하는 것인, 배터리 파라미터에 기반한 배터리 이상발생 판단 장치.According to claim 1,
The battery parameter generator,
A device for determining the occurrence of a battery abnormality based on battery parameters, wherein the battery parameters that satisfy the objective function derived from the equivalent circuit are calculated by applying the preprocessed field data according to a preset algorithm.
배터리로부터 측정된 필드 데이터(field data)를 수집하는 단계;
상기 필드 데이터로부터 노이즈를 제거하고 상기 노이즈가 제거된 필드 데이터에서 기설정된 조건을 만족하는 데이터를 추출하여 상기 필드 데이터를 전처리하는 단계;
상기 배터리에 대한 등가회로를 모델링하고, 상기 등가회로에 상기 전처리된 필드 데이터를 적용하여 현재 배터리의 상태를 나타내는 배터리 파라미터를 생성하는 단계; 및
상기 생성된 배터리 파라미터가 기설정된 정상범위를 넘어서면 배터리의 이상이 발생하였음을 판단하는 단계;
를 포함하며,
상기 필드 데이터는,
배터리 충방전시 시간의 흐름에 따른 전류 데이터, 전압 데이터 및 SOC(State of Charge) 데이터를 포함하고,
상기 필드 데이터를 전처리하는 단계는,
미리 설정된 크기의 윈도우 내에 포함된 필드 데이터의 평균을 산출하는 이동평균필터를 적용하여 상기 필드 데이터로부터 노이즈를 제거하는 단계; 및
상기 노이즈가 제거된 필드 데이터의 1차 도함수를 산출하고, 상기 산출된 도함수의 값이 0 인 적어도 하나 이상의 제로 크로싱 포인트(zero crossing point)를 확인하고, 상기 제로 크로싱 포인트를 중심으로 한 상기 도함수 값의 변화에 기초하여 상기 필드 데이터를 추출하는 단계를 포함하는, 배터리 파라미터에 기반한 배터리 이상발생 판단 방법.
A battery abnormality determination method based on battery parameters performed by a battery abnormality determination device,
Collecting field data measured from the battery;
Preprocessing the field data by removing noise from the field data and extracting data that satisfies preset conditions from the field data from which the noise has been removed;
modeling an equivalent circuit for the battery and applying the preprocessed field data to the equivalent circuit to generate battery parameters indicating the current state of the battery; and
determining that a battery abnormality has occurred when the generated battery parameter exceeds a preset normal range;
Includes,
The field data is,
Includes current data, voltage data, and SOC (State of Charge) data according to the passage of time when charging and discharging the battery,
The step of preprocessing the field data is,
removing noise from the field data by applying a moving average filter that calculates the average of the field data contained within a window of a preset size; and
Calculate the first derivative of the field data from which the noise has been removed, identify at least one zero crossing point where the value of the calculated derivative is 0, and determine the derivative value centered on the zero crossing point. A method for determining the occurrence of a battery abnormality based on battery parameters, comprising extracting the field data based on a change in .
상기 필드 데이터를 추출하는 단계는,
상기 제로 크로싱 포인트를 중심으로 상기 도함수 값이 양에서 음으로 변화하는 제로 크로싱 포인트와 상기 도함수 값이 음에서 양으로 변화하는 제로 크로싱 포인트를 확인하고,
상기 도함수 값이 양에서 음으로 변화하는 제로 크로싱 포인트까지의 구간에 해당되는 필드 데이터를 추출하되,
상기 도함수 값이 양에서 음으로 변화하는 제로 크로싱 포인트로부터 상기 도함수 값이 음에서 양으로 변화하는 제로 크로싱 포인트까지의 구간에는 상기 필드 데이터의 추출을 중단하는 것인, 배터리 파라미터에 기반한 배터리 이상발생 판단 방법.According to claim 6,
The step of extracting the field data is,
Confirming the zero crossing point at which the derivative value changes from positive to negative and the zero crossing point at which the derivative value changes from negative to positive, centered around the zero crossing point,
Extract field data corresponding to the section up to the zero crossing point where the derivative value changes from positive to negative,
Battery abnormality determination based on battery parameters, wherein extraction of the field data is stopped in the section from the zero crossing point where the derivative value changes from positive to negative to the zero crossing point where the derivative value changes from negative to positive. method.
상기 배터리 파라미터를 생성하는 단계는,
기설정된 알고리즘에 따라 상기 전처리된 필드 데이터를 적용하여 상기 등가회로로부터 도출된 목적함수를 만족하는 상기 배터리 파라미터를 산출하는 것인, 배터리 파라미터에 기반한 배터리 이상발생 판단 방법.
According to claim 6,
The step of generating the battery parameters is,
A method for determining the occurrence of a battery abnormality based on battery parameters, wherein the battery parameters that satisfy the objective function derived from the equivalent circuit are calculated by applying the preprocessed field data according to a preset algorithm.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210190187A KR102648555B1 (en) | 2021-12-28 | 2021-12-28 | Device and method for determining battery failure based on battery parameter |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210190187A KR102648555B1 (en) | 2021-12-28 | 2021-12-28 | Device and method for determining battery failure based on battery parameter |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20230100379A KR20230100379A (en) | 2023-07-05 |
| KR102648555B1 true KR102648555B1 (en) | 2024-03-19 |
Family
ID=87158813
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210190187A Active KR102648555B1 (en) | 2021-12-28 | 2021-12-28 | Device and method for determining battery failure based on battery parameter |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102648555B1 (en) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20250034688A (en) * | 2023-09-04 | 2025-03-11 | 주식회사 엘지에너지솔루션 | Apparatus and method for managing battery |
| CN116979663B (en) * | 2023-09-22 | 2024-04-09 | 深圳市首航新能源股份有限公司 | Battery open circuit detection method, control unit and charging equipment |
| KR20250083922A (en) * | 2023-12-01 | 2025-06-10 | 주식회사 엘지에너지솔루션 | Apparatus for managing battery and operating method of the same |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007057234A (en) * | 2005-08-22 | 2007-03-08 | Nissan Motor Co Ltd | Secondary battery internal resistance estimation device |
| JP2008241246A (en) | 2007-03-23 | 2008-10-09 | Toyota Central R&D Labs Inc | Secondary battery state estimation device |
| JP2019211211A (en) | 2018-05-31 | 2019-12-12 | 学校法人立命館 | Internal parameter estimation device for rechargeable battery, management device, storage battery system, method, and computer program |
| KR102148204B1 (en) * | 2019-12-17 | 2020-08-26 | 경북대학교 산학협력단 | Apparatus and method for diagnosing battery failure using model of the parameter measured in the battery |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR960010373Y1 (en) | 1993-06-24 | 1996-12-10 | 엘지기전 주식회사 | Battery existance detection circuit for the charger |
| KR102373458B1 (en) * | 2018-02-07 | 2022-03-10 | 주식회사 엘지에너지솔루션 | Method and battery management system for estimating parameters of battery equivalent circuit model for a battery |
| KR102864695B1 (en) * | 2020-03-23 | 2025-09-24 | 주식회사 엘지에너지솔루션 | Apparatus and method for generating battery parameter |
-
2021
- 2021-12-28 KR KR1020210190187A patent/KR102648555B1/en active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007057234A (en) * | 2005-08-22 | 2007-03-08 | Nissan Motor Co Ltd | Secondary battery internal resistance estimation device |
| JP2008241246A (en) | 2007-03-23 | 2008-10-09 | Toyota Central R&D Labs Inc | Secondary battery state estimation device |
| JP2019211211A (en) | 2018-05-31 | 2019-12-12 | 学校法人立命館 | Internal parameter estimation device for rechargeable battery, management device, storage battery system, method, and computer program |
| KR102148204B1 (en) * | 2019-12-17 | 2020-08-26 | 경북대학교 산학협력단 | Apparatus and method for diagnosing battery failure using model of the parameter measured in the battery |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20230100379A (en) | 2023-07-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102648555B1 (en) | Device and method for determining battery failure based on battery parameter | |
| US20240348064A1 (en) | Battery Equalization Method and System | |
| CN107785624B (en) | A method for evaluating the performance of lithium batteries | |
| CN106383316B (en) | A kind of echelon utilizes lithium battery method of evaluating performance | |
| KR102148204B1 (en) | Apparatus and method for diagnosing battery failure using model of the parameter measured in the battery | |
| CN114430080A (en) | Power battery cell abnormal self-discharge identification method based on operation data | |
| CN110441695A (en) | A kind of battery pack multiple faults error comprehensive diagnosis method combined based on model and signal processing | |
| CN108445343B (en) | Method and system for detecting internal short circuit of power battery | |
| CN107255757B (en) | One kind being based on the modified supercapacitor state-of-charge estimation method of dynamic capacitance | |
| CN104297578B (en) | Ultracapacitor group state-of-charge method of estimation based on sliding mode observer | |
| CN113466721B (en) | Method, device, electronic device and medium for failure identification of lithium ion battery | |
| CN110116623A (en) | The Joint failure detection method and battery management system of power battery pack | |
| CN106021923A (en) | Method and system for predicting state of charge of power battery of pure electric vehicle | |
| CN115469226A (en) | Real-time safety early warning method for electric vehicle power battery based on operation big data | |
| CN117341476A (en) | Battery differential pressure fault early warning method and system | |
| CN116165552A (en) | A battery system overvoltage/undervoltage fault location method | |
| CN113533985A (en) | A method for identifying abnormal battery pack internal resistance module and its storage medium | |
| CN115593232A (en) | Power battery self-discharge real-time monitoring method, system and storage medium | |
| CN115061044A (en) | Lithium battery health assessment method and system based on BMS communication detection technology | |
| CN113782849A (en) | Battery fault judgment analysis processing method for power battery pack of electric automobile | |
| CN118169576A (en) | Detection method for slight overcharge of lithium iron phosphate power battery | |
| CN117890811A (en) | Method, system, device and medium for identifying abnormal cells of in-service power batteries for vehicles | |
| CN106815406A (en) | A kind of electrokinetic cell SOC estimation method of feature based model | |
| CN112485690B (en) | A method and system for identifying the state of health of an energy storage battery based on a vibration signal | |
| CN115064795B (en) | Battery power state switching method and device and electronic equipment |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PA0109 | Patent application |
Patent event code: PA01091R01D Comment text: Patent Application Patent event date: 20211228 |
|
| PA0201 | Request for examination | ||
| PG1501 | Laying open of application | ||
| E902 | Notification of reason for refusal | ||
| PE0902 | Notice of grounds for rejection |
Comment text: Notification of reason for refusal Patent event date: 20230720 Patent event code: PE09021S01D |
|
| E701 | Decision to grant or registration of patent right | ||
| PE0701 | Decision of registration |
Patent event code: PE07011S01D Comment text: Decision to Grant Registration Patent event date: 20240107 |
|
| GRNT | Written decision to grant | ||
| PR0701 | Registration of establishment |
Comment text: Registration of Establishment Patent event date: 20240313 Patent event code: PR07011E01D |
|
| PR1002 | Payment of registration fee |
Payment date: 20240314 End annual number: 3 Start annual number: 1 |
|
| PG1601 | Publication of registration |