KR102101002B1 - Method for battery lifetime prediction - Google Patents
Method for battery lifetime prediction Download PDFInfo
- Publication number
- KR102101002B1 KR102101002B1 KR1020190007769A KR20190007769A KR102101002B1 KR 102101002 B1 KR102101002 B1 KR 102101002B1 KR 1020190007769 A KR1020190007769 A KR 1020190007769A KR 20190007769 A KR20190007769 A KR 20190007769A KR 102101002 B1 KR102101002 B1 KR 102101002B1
- Authority
- KR
- South Korea
- Prior art keywords
- battery
- soc
- charge rate
- internal resistance
- performance index
- 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 74
- 230000008569 process Effects 0.000 claims abstract description 41
- 238000004364 calculation method Methods 0.000 claims abstract description 9
- 230000006866 deterioration Effects 0.000 claims description 10
- 239000003990 capacitor Substances 0.000 claims description 4
- 238000009825 accumulation Methods 0.000 claims description 2
- 230000010354 integration Effects 0.000 description 11
- 230000008859 change Effects 0.000 description 7
- 238000007599 discharging Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 3
- 230000007423 decrease Effects 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
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]
- G01R31/392—Determining battery ageing or deterioration, e.g. state of health
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/3644—Constructional arrangements
- G01R31/3648—Constructional arrangements comprising digital calculation means, e.g. for performing an algorithm
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
Abstract
Description
본 발명은 배터리 수명 예측 방법으로서, 배터리 시스템의 고 신뢰성을 가질수 있도록 하는 배터리 수명 예측 방법에 관한 것이다.The present invention relates to a method for predicting a battery life, and to a method for predicting a battery life to have high reliability of the battery system.
SOH(State Of Health)는 배터리의 내부의 변화에 따른 성능의 변화를 나타내는 것으로 배터리의 수명을 결정짓는 요소로 배터리의 열화로 인한 배터리의 전기 화학적인 변화와 내부저항의 증가로 판단되며, 최종적으로 도달하는 조건으로 EOL(End Of Life)를 판단하게 된다. SOH (State Of Health) is a factor that determines the lifespan of a battery as a result of changes in the battery's internal changes.It is judged by the electrochemical change of the battery and the increase in internal resistance due to battery deterioration. EOL (End Of Life) is judged as a condition to reach.
배터리의 수명을 보장하기 위해서 배터리의 정확한 배터리 모델링 기반의 SOH 수명 예측 및 관리 알고리즘이 필요하다. SOH는 배터리의 사용 온도, SOC(State Of Charge), 충전/방전 C-rate에 따라 영향을 받는다. SOC는 배터리의 충전/방전과 배터리의 사용에 따른 중요한 정보로서, SOC는 배터리의 전압과 비례하는 특성을 보인다.In order to guarantee the life of the battery, an SOH life prediction and management algorithm based on accurate battery modeling of the battery is required. SOH is affected by the battery's operating temperature, SOC (State Of Charge), and charge / discharge C-rate. SOC is important information according to the charge / discharge of the battery and the use of the battery, and the SOC shows a characteristic proportional to the voltage of the battery.
기존에는 BMS(Battery management system)에서 센싱받은 온도와 SOC에 따른 모듈별 SOH를 추정치를 바탕으로 진행한다.Conventionally, the SOH for each module according to the temperature and SOC sensed by the battery management system (BMS) is performed based on the estimated value.
그런데 SOH를 판단하기 위한 알고리즘을 배터리 시스템에 적용하게 되면 배터리 시스템의 효율 저하 및 추가적인 시스템을 적용해야 되기 때문에 복잡하며 실제 배터리 상태를 추종하지 못하는 문제가 발생하기도 한다. 또한 방전을 이용하여 SOH를 추종하는 방법은 많이 이용되지만 배터리의 화학적인 문제가 발생하면 SOH 추종 또한 문제가 발생한다. However, when the algorithm for determining the SOH is applied to the battery system, the efficiency of the battery system is reduced and an additional system needs to be applied, which is complicated and sometimes fails to follow the actual battery status. In addition, although a method of following SOH using discharge is often used, when a chemical problem of the battery occurs, following SOH also occurs.
즉, SOC 추종 방법으로서 배터리의 유입, 유출되는 전류의 양을 카운팅하여 예측하는 방법인 전류적산법을 사용하여 SOC를 산출하였는데, 전류적산법은 초기값 오차가 발생하면, 계속하여 오차가 발생하는 문제가 있었다. SOC의 추종을 기반으로 전류적산법을 사용하지만, 초기 오차가 발생하면 전류를 적분할수록 오차가 계속 누적되는 문제가 있다.That is, SOC was calculated using the current integration method, which is a method of counting and predicting the amount of current flowing into and out of a battery as a SOC tracking method. In the current integration method, if an initial value error occurs, an error occurs continuously. there was. The current integration method is used based on the following of SOC, but if the initial error occurs, there is a problem that the error is continuously accumulated as the current is integrated.
따라서 SOC 추종을 위해 전류적산법을 사용할 시에 초기 오차를 최소화할 수 있는 개선된 SOH 수명 예측 및 관리 알고리즘의 필요성이 요구되고 있다.Therefore, there is a need for an improved SOH lifetime prediction and management algorithm that can minimize initial errors when using the current integration method for SOC tracking.
본 발명의 기술적 과제는 배터리의 수명예측 및 최대 수명관리를 위해 배터리 모델링으로 SOC, SOH 정밀 진단을 통하여 배터리의 최대 수명을 예측하는 알고리즘을 제안한다.The technical problem of the present invention is to propose an algorithm for predicting the maximum life of the battery through SOC and SOH precise diagnosis by battery modeling for battery life prediction and maximum life management.
본 발명의 실시 형태는 배터리의 수명을 예측하여 관리하는 배터리 예측 장치가 배터리 수명을 예측하는 배터리 수명 예측 방법에 있어서, 배터리 온도(V_temp), 배터리 내부저항(R_Total), 배터리 전류(i_BAT)를 포함하는 배터리 상태값을 파악하는 배터리 상태값 파악 과정; 상기 배터리 상태값을 이용하여 배터리 성능지수(SOH)를 예측하는 배터리 성능지수 예측 과정; 배터리 초기의 충전율(SOC)인 배터리 초기 충전율(SOC_ init)을 산출하는 배터리 초기 충전율 산출 과정; 및 충전되는 전류적산값을 상기 배터리 초기 충전율(SOC_ init)에 누적 적산하여 배터리 충전율(SOC)를 예측하는 배터리 충전율 예측 과정;을 포함할 수 있다.In an embodiment of the present invention, in a battery life prediction method in which a battery prediction device predicting and managing a battery life predicts a battery life, the battery temperature (V _temp ), the battery internal resistance (R _Total ), and the battery current (i _BAT Battery status value determining process for determining the battery status value, including; A battery performance index prediction process for predicting a battery performance index (SOH) using the battery status value; A battery initial charge rate calculation process for calculating a battery initial charge rate (SOC _ init ) which is a battery initial charge rate (SOC); And a battery charging rate prediction process for predicting a battery charging rate (SOC) by accumulating the current accumulation value to be charged to the battery initial charging rate (SOC _ init ).
상기 배터리 상태값 파악 과정은, 개방회로전압(OCV;Open Circuit Voltage)이 포함되는 개방회로전압 모델로서 배터리를 모델링하여, 개방회로전압 모델내의 내부저항을 배터리 내부저항(R_Total)으로 결정함을 특징으로 할 수 있다.In the process of determining the battery state value, the battery is modeled as an open circuit voltage model including an open circuit voltage (OCV), and the internal resistance in the open circuit voltage model is determined as the battery internal resistance (R _Total ). It can be characterized as.
상기 배터리 성능지수 예측 과정은, V_ ocv는 개방회로전압 모델에서의 개방회로전압, i_BAT는 배터리 전류, R_Total은 내부저항, V_temp는 배터리 온도, C는 배터리 커패시터, α는 0<α<1 라고 할 때, The battery performance index prediction process, V _ ocv is the open circuit voltage in the open circuit voltage model, i _BAT is the battery current, R _Total is the internal resistance, V _temp is the battery temperature, C is the battery capacitor, α is 0 <α When <1,
상기 배터리 성능지수 예측 과정은,The battery performance index prediction process,
배터리 충전시간을 T_befor, 배터리 방전시간을 T_after라고 할 때,When the battery charge time is T _befor and the battery discharge time is T _after ,
상기 배터리 초기 충전율 산출 과정은, 배터리의 열화에 따른 배터리 내부저항의 변화된 값을 이용하여 배터리 초기 충전율을 산출할 수 있다.In the process of calculating the initial charge rate of the battery, the initial charge rate of the battery may be calculated using the changed value of the internal resistance of the battery due to deterioration of the battery.
상기 배터리 초기 충전율 산출 과정은, V_ ocv는 개방회로전압 모델에서의 개방회로전압, i_BAT는 배터리 전류, R_Total은 내부저항, V_temp는 배터리 온도, V_BAT는 배터리 단자전압, α는 ?라고 할 때, Α is the battery initial charge rate calculation process, V _ ocv the open circuit open circuit voltage at the voltage model, i _BAT is the battery current, R _Total is the internal resistance, V _temp the battery temperature, V _BAT the battery terminal voltage, and? When I say,
에 의해 배터리 초기 충전율(SOC_ init)이 산출될 수 있다.By this, the initial charge rate of the battery (SOC _ init ) can be calculated.
상기 배터리 충전율 예측 과정은,The battery charging rate prediction process,
본 발명의 실시 형태에 따르면 배터리를 모델링을 통해 얻은 배터리의 내부저항을 계산하여 배터리의 영향을 주는 요소를 최소화함으로써 높은 정확도를 가지며, 모델링을 기반으로 한 배터리 충전율(SOC)을 계산하고 충, 방전 시간에 따른 수명을 예측하고 관리할 수 있게 된다. 따라서 배터리의 효율적이고 안전한 사용을 위해 SOC의 추종방법인 전류적산법에 보상을 적용하여 배터리 충전율(SOC)을 적용하고, 충전시간과 방전시간의 변화에 따라 배터리 성능지수(SOH)를 예측하여, 배터리 시스템의 고 신뢰성을 가질수 있다.According to an embodiment of the present invention, the internal resistance of the battery obtained through modeling the battery is calculated to minimize the factors affecting the battery, thereby achieving high accuracy, and calculating and charging and discharging the battery charging rate (SOC) based on modeling. You can predict and manage life over time. Therefore, for efficient and safe use of the battery, compensation is applied to the current integration method, which is a SOC tracking method, and the battery charging rate (SOC) is applied, and the battery performance index (SOH) is predicted according to the change in the charging time and the discharging time. It can have high reliability of the system.
도 1은 본 발명의 실시예에 따른 배터리 수명 예측 시스템의 구성 블록도.
도 2는 본 발명의 실시예에 따른 배터리 수명 예측 방법을 도시한 플로차트.
도 3은 본 발명의 실시예에 따른 배터리의 개방회로전압 모델의 예시 그림.
도 4는 배터리 CC-CV 충전 곡선을 도시한 그래프.
도 5는 배터리 성능지수(SOH)에 따른 충전시간 변화를 도시한 그래프.
도 6은 배터리 방전 그래프.
도 7은 배터리 성능지수(SOH)에 따른 방전시간 변화를 나타낸 그래프.1 is a block diagram of a battery life prediction system according to an embodiment of the present invention.
2 is a flowchart illustrating a method for predicting battery life according to an embodiment of the present invention.
3 is an exemplary diagram of an open circuit voltage model of a battery according to an embodiment of the present invention.
4 is a graph showing a battery CC-CV charging curve.
5 is a graph showing a change in charging time according to the battery performance index (SOH).
6 is a battery discharge graph.
7 is a graph showing the discharge time change according to the battery performance index (SOH).
이하, 본 발명의 장점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은, 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것으로, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 또한, 본 발명을 설명함에 있어 관련된 공지 기술 등이 본 발명의 요지를 흐리게 할 수 있다고 판단되는 경우 그에 관한 자세한 설명은 생략하기로 한다.Hereinafter, advantages and features of the present invention, and methods for achieving them will be clarified with reference to embodiments described below in detail together with the accompanying drawings. However, the present invention is not limited to the embodiments disclosed below, but will be implemented in various different forms, and is provided to completely inform the person of ordinary skill in the art to which the present invention belongs. As such, the invention is only defined by the scope of the claims. In addition, in the description of the present invention, detailed descriptions thereof will be omitted if it is determined that related well-known technologies may obscure the subject matter of the present invention.
도 1은 본 발명의 실시예에 따른 배터리 수명 예측 시스템의 구성 블록도이다.1 is a block diagram of a battery life prediction system according to an embodiment of the present invention.
본 발명은 배터리 성능지수(SOH;State Of Health)와 배터리 충전율(SOC;State Of Charge)을 이용하여 배터리 수명을 예측하고 관리함에 있어서, 배터리 열화에 따라 변경된 배터리 내부저항을 이용하여 산출되는 배터리 성능지수(SOH)와 배터리 충전율(SOC)을 이용하여 배터리 수명을 예측하고 관리하도록 한다.The present invention predicts and manages battery life using a battery performance index (SOH; State Of Health) and a battery charge rate (SOC), and calculates battery performance using battery internal resistance changed according to battery degradation. Use the index (SOH) and battery charge rate (SOC) to predict and manage the battery life.
배터리 성능지수(SOH;State Of Health)는 배터리의 내부의 변화에 따른 성능의 변화를 나타내는 것으로 배터리의 수명을 결정짓는 요소로 배터리의 열화로 인한 배터리의 전기 화학적인 변화와 내부저항의 증가로 판단되며, 최종적으로 도달하는 조건으로 EOL(End Of Life)를 판단하게 된다. 배터리 성능지수(SOH)는 배터리의 사용 온도, SOC(State Of Charge), 충전/방전 C-rate에 따라 영향을 받는다. 따라서 본 발명은 배터리의 수명을 보장하기 위해서 배터리의 정확한 배터리 모델링 기반의 배터리 성능지수(SOH)를 산출하여 활용한다. The battery performance index (SOH) is a factor that determines the lifespan of a battery due to changes in the battery's internals. It is determined by the increase in internal resistance and the electrochemical change of the battery due to battery deterioration. EOL (End Of Life) is judged as a condition to finally reach. The battery performance index (SOH) is affected by the battery's operating temperature, SOC (State Of Charge), and charge / discharge C-rate. Therefore, the present invention calculates and utilizes a battery performance index (SOH) based on accurate battery modeling of a battery in order to ensure the life of the battery.
또한 배터리 충전율(SOC;State Of Charge)은 배터리의 충,방전과 배터리의 사용에 따른 중요한 정보로서, SOC는 배터리의 전압과 비례하는 특성을 보인다. SOC 추종 방법으로 배터리의 유입, 유출되는 전류의 양을 카운팅하여 예측하는 방법인 전류적산법을 사용하여 배터리 충전율(SOC)을 추종함에 있어서, 기존의 전류적산법은 초기값 오차가 발생하면 계속하여 오차가 발생하므로 본 발명은 개선된 전류적산법을 적용하여 배터리 충전율(SOC)을 계산하여 이를 배터리 수명 예측에 사용한다.In addition, the state of charge (SOC) is important information according to the charging and discharging of the battery and the use of the battery, and the SOC shows a characteristic proportional to the voltage of the battery. In tracking the battery charge rate (SOC) using the current integration method, which is a method of counting and predicting the amount of current flowing into or out of a battery by SOC tracking method, the existing current integration method continues to generate errors when an initial value error occurs. As it occurs, the present invention uses the improved current integration method to calculate the battery charge rate (SOC) and uses it for battery life prediction.
따라서 결국, 배터리를 모델링을 통해 얻은 배터리의 내부저항을 계산하여 배터리의 영향을 주는 요소를 최소화함으로써 높은 정확도를 가지며, 모델링을 기반으로 한 SOC 계산하고 충, 방전 시간에 따른 수명을 예측 및 관리한다. 본 발명은 배터리의 수명예측 및 최대 수명관리를 위해 배터리 모델링으로 SOC, SOH 정밀 진단을 통하여 배터리의 최대 수명을 관리하는 알고리즘을 제안한다. Therefore, in the end, the internal resistance of the battery obtained through modeling the battery is calculated to minimize the factors affecting the battery, and thus has high accuracy, and the SOC based on modeling is calculated and the lifespan according to charging and discharging time is predicted and managed. . The present invention proposes an algorithm that manages the maximum life of the battery through SOC and SOH precise diagnosis through battery modeling for battery life prediction and maximum life management.
이를 위하여 본 발명의 배터리 수명 예측 시스템은, 도 1에 도시한 바와 같이 배터리, DC-DC 충전기, 부하저항, 및 배터리 예측 장치를 포함한다.To this end, the battery life prediction system of the present invention includes a battery, a DC-DC charger, a load resistance, and a battery prediction device as shown in FIG. 1.
배터리는, 신뢰성이 요구되는 전기자동차의 메인 배터리나 ESS 시스템 등 다수의 배터리 모듈이 직,병렬로 구성된 배터리 팩 등이 해당될 수 있다. 따라서 본 발명의 배터리 수명 예측 시스템은 배터리 팩이 적용되는 주행거리 상승이 요구되는 전기자동차, ESS의 배터리 시스템, 배터리팩의 BMS 시스템 등의 다양한 산업 분야에서 활용될 수 있다.The battery may be a battery pack in which a plurality of battery modules such as a main battery or an ESS system of an electric vehicle requiring reliability are configured in series or in parallel. Therefore, the battery life prediction system of the present invention can be utilized in various industries, such as an electric vehicle requiring an increase in mileage to which a battery pack is applied, a battery system of an ESS, and a BMS system of a battery pack.
DC-DC 충전기는, 배터리 성능지수(SOH)와 배터리 충전율(SOC)의 추종을 위해 배터리에 인가되는 DC 전압을 제공하는 모듈이다. DC-DC 충전기는, 배터리 예측 장치에 의해 제어되어, 배터리 성능지수(SOH)와 배터리 충전율(SOC)의 추종을 위한 DC 전압 인가 여부가 제어된다. 즉, 배터리 예측 장치는, 스위치를 제어하여 배터리의 충전 또는 배터리의 방전이 이루어지도록 제어한다.The DC-DC charger is a module that provides a DC voltage applied to the battery to track the battery performance index (SOH) and the battery charging rate (SOC). The DC-DC charger is controlled by a battery prediction device to control whether a DC voltage is applied to track the battery performance index (SOH) and the battery charging rate (SOC). That is, the battery predicting apparatus controls the switch to charge the battery or discharge the battery.
부하저항은, 배터리의 방전 실험을 위한 부하로 사용되는 저항이다.The load resistance is a resistance used as a load for the discharge test of the battery.
배터리 예측 장치는, 연산 유닛으로 구현되어, 배터리 관리 시스템(BMS;Battery Management Systerm)으로부터 배터리 온도(V_temp), 배터리 내부저항(R_Total), 배터리 전류(i_BAT)를 포함하는 배터리 상태값을 제공받아, 배터리 성능지수(SOH)와 배터리 충전율(SOC)을 산출하고 이를 이용하여 배터리 수명을 예측한다.The battery prediction apparatus is implemented as a calculation unit, and displays battery status values including a battery temperature (V _temp ), a battery internal resistance (R _Total ), and a battery current (i _BAT ) from a battery management system (BMS). Received, it calculates the battery performance index (SOH) and the battery charging rate (SOC) and uses it to predict the battery life.
즉, 배터리 예측 장치는, 배터리 온도(V_temp), 배터리 내부저항(R_Total), 배터리 전류(i_BAT)를 포함하는 배터리 상태값을 파악하여, 파악된 배터리 상태값을 이용하여 배터리 성능지수(SOH)를 산출한다. 그리고, 배터리의 열화에 따른 배터리 내부저항의 변화된 값을 이용하여 배터리 초기 충전율(SOC_ init)을 산출하고, 충전되는 전류적산값을 배터리 초기 충전율(SOC_ init)에 누적 적산하여 배터리 충전율(SOC)를 산출한다. 이렇게 산출된 배터리 성능지수와 배터리 충전율을 이용하여 배터리 수명을 좀더 정확하게 산출할 수 있게 된다. That is, the battery predicting device identifies the battery state value including the battery temperature (V _temp ), the battery internal resistance (R _Total ), and the battery current (i _ BAT ), and uses the identified battery state value to determine the battery performance index ( SOH). Then, the initial charge rate of the battery (SOC _ init ) is calculated using the changed value of the internal resistance of the battery according to the deterioration of the battery, and the accumulated charge current is accumulated in the initial charge rate of the battery (SOC _ init ) to accumulate the battery charge rate (SOC ). The battery life index can be more accurately calculated using the calculated battery performance index and the battery charging rate.
이하 도 2 내지 도 7과 함께 배터리 예측 장치에서 이루어지는 배터리 수명 예측 방법에 대하여 자세히 상술한다.Hereinafter, a method for predicting a battery life in the battery prediction apparatus will be described in detail with reference to FIGS. 2 to 7.
도 2는 본 발명의 실시예에 따른 배터리 수명 예측 방법을 도시한 플로차트이며, 도 3은 본 발명의 실시예에 따른 배터리의 개방회로전압 모델의 예시 그림이며, 도 4는 배터리 CC-CV 충전 곡선을 도시한 그래프이며, 도 5는 배터리 성능지수(SOH)에 따른 충전시간 변화를 도시한 그래프이며, 도 6은 배터리 방전 그래프이며, 도 7은 배터리 성능지수(SOH)에 따른 방전시간 변화를 나타낸 그래프이다.2 is a flowchart illustrating a method for predicting a battery life according to an embodiment of the present invention, FIG. 3 is an exemplary illustration of an open circuit voltage model of a battery according to an embodiment of the present invention, and FIG. 4 is a battery CC-CV charging curve 5 is a graph showing a change in charging time according to a battery performance index (SOH), FIG. 6 is a battery discharging graph, and FIG. 7 shows a change in discharge time according to a battery performance index (SOH) It is a graph.
배터리의 수명을 예측하여 관리하는 배터리 예측 장치가 배터리 수명을 예측하는 본 발명의 배터리 수명 예측 방법은 도 2에 도시한 바와 같이, 배터리 온도(V_temp), 배터리 내부저항(R_Total), 배터리 전류(i_BAT)를 포함하는 배터리 상태값을 파악하는 배터리 상태값 파악 과정(S100)과, 배터리 상태값을 이용하여 배터리 성능지수(SOH)를 예측하는 배터리 성능지수 예측 과정(S200)과, 배터리 초기의 충전율(SOC)인 배터리 초기 충전율(SOC_ init)을 산출하는 배터리 초기 충전율 산출 과정(S300)과, 충전되는 전류적산값을 배터리 초기 충전율(SOC_ init)에 누적 적산하여 배터리 충전율(SOC)를 예측하는 배터리 충전율 예측 과정(S400)을 포함할 수 있다. 이하 상술하기로 한다.The battery life prediction method of the present invention in which the battery predicting device predicting and managing the life of the battery predicts the battery life, as shown in FIG. 2, the battery temperature (V _temp ), the battery internal resistance (R _Total ), and the battery current Battery state value identification process (S100) for determining the battery state value including (i BAT ), battery performance index prediction process (S200) for predicting the battery performance index (SOH) using the battery state value, and battery initial the charging rate (SOC) and the battery initial charge rate (SOC _ init) battery initial charging ratio calculation process (S300) and the battery charging rate (SOC) to elapsed total current integration value to be filled in the battery initial charge rate (SOC _ init) for calculating a It may include a process for predicting the battery charge rate predicting (S400). It will be described in detail below.
배터리 상태값 파악 과정(S100)은, 배터리 온도(V_temp), 배터리 내부저항(R_Total), 배터리 전류(i_BAT)를 포함하는 배터리 상태값을 파악하는 과정이다. 배터리 관리 시스템(Battery Management System)을 통해 제공되는 현재의 배터리의 상태 값(온도, SOC, 전압, 전류)등의 배터리 상태값을 실시간으로 파악할 수 있다.The battery state value determining process (S100) is a process of determining a battery state value including a battery temperature (V _temp ), a battery internal resistance (R _Total ), and a battery current (i _BAT ). Battery status values such as current battery status values (temperature, SOC, voltage, current) provided through the battery management system can be grasped in real time.
여기서 배터리 상태값을 파악함에 있어서, 도 3에 도시된 개방회로전압(OCV;Open Circuit Voltage)이 포함되는 개방회로전압 모델로서 배터리를 모델링하여, 모델링된 개방회로전압 모델내의 내부저항을 배터리 내부저항(R_Total)으로 결정하게 된다.Here, in grasping the battery state value, the battery is modeled as an open circuit voltage model including an open circuit voltage (OCV) shown in FIG. 3, and the internal resistance in the modeled open circuit voltage model is measured as the battery internal resistance. (R _Total ).
일반적으로 커패시터나, 이상적인 전압원은 개방회로전압(OCV; Open Circuit Voltage)로 모델링을 통하여 동일한 C-rate로 충, 방전시 단자전압과의 차이로 내부저항값이 계산될 수 있는데, 배터리를 이러한 개방회로전압 모델로 모델링하여 배터리 내부저항(R_Total)을 파악하는 것이다.In general, a capacitor or an ideal voltage source is an open circuit voltage (OCV), and through modeling, the same C-rate can be used to calculate the internal resistance value as a difference from the terminal voltage during charging and discharging. It is to grasp the battery internal resistance (R _Total ) by modeling it with a circuit voltage model.
배터리 성능지수 예측 과정(S200)은, 배터리 상태값을 이용하여 배터리 성능지수(SOH)를 예측하는 과정이다.The battery performance index prediction process (S200) is a process of predicting a battery performance index (SOH) using a battery state value.
이를 위해 배터리 성능지수 예측 과정(S200)은, V_ ocv는 개방회로전압 모델에서의 개방회로전압, i_BAT는 배터리 전류, R_Total은 내부저항, V_temp는 배터리 온도, C는 배터리 커패시터, α는 0<α<1 라고 할 때, 하기의 [식 1]에 의해 배터리 단자전압(V_BAT)을 산출한다.For this, the battery performance index prediction process (S200), V _ ocv is the open circuit voltage in the open circuit voltage model, i _BAT is the battery current, R _Total is the internal resistance, V _temp is the battery temperature, C is the battery capacitor, α When 0 <α <1, calculate the battery terminal voltage (V BAT ) by the following [Equation 1].
[식 1][Equation 1]
즉, 도 3에 도시된 개방회로전압 모델로 온도변수와 단자전압은 배터리의 전류 I에 따라 충, 방전하게 되면 배터리에 나타나는 배터리 단자전압(V_BAT)이 상기의 [식 1]에 의해 산출될 수 있다.That is, in the open circuit voltage model shown in FIG. 3, when the temperature variable and the terminal voltage are charged and discharged according to the current I of the battery, the battery terminal voltage (V BAT ) appearing in the battery is calculated by Equation 1 above. You can.
배터리 단자전압(V_BAT)이 산출되면, 배터리 성능지수(SOH)는, 배터리 충전시간을 T_ befor, 배터리 방전시간을 T_after라고 할 때, 하기의 [식 2]에 의해 산출되도록 한다.When the battery terminal voltage (V BAT ) is calculated, when the battery charging time is T _ befor and the battery discharge time is T _after , the battery performance index (SOH) is calculated by the following [Equation 2].
[식 2][Equation 2]
배터리 초기 충전율 산출 과정(S300)은, 배터리 초기의 충전율(SOC)인 배터리 초기 충전율(SOC_init)을 산출하는 과정이다. 특히, 본 발명은 배터리의 열화에 따른 배터리 내부저항의 변화된 값을 이용하여 배터리 초기 충전율을 산출하도록 한다.The battery initial charge rate calculation process (S300) is a process of calculating a battery initial charge rate (SOC _init ), which is a battery initial charge rate (SOC). In particular, the present invention is to calculate the initial charge rate of the battery using the changed value of the internal resistance of the battery according to the deterioration of the battery.
이를 위해 V_ ocv는 개방회로전압 모델에서의 개방회로전압, i_BAT는 배터리 전류, R_Total은 내부저항, V_temp는 배터리 온도, V_BAT는 배터리 단자전압, α는 0<α<1라고 할 때, 하기의 [식 3]에 의해 배터리 초기 충전율(SOC_ init)이 산출될 수 있다.To this end, V _ ocv an open circuit in the open-circuit voltage model the voltage, i _BAT is the battery current, R _Total is the internal resistance, V _temp will be referred to as a battery temperature, V _BAT the battery terminal voltage, α is 0 <α <1 At this time, the initial charge rate of the battery (SOC _ init ) may be calculated by the following [Equation 3].
[식 3][Equation 3]
전류적산은 초기값에 따라 오차가 많이 발생하기 때문에 상기의 [식 3]을 이용하여 추종하면 더 정확한 배터리 충전율의 초기값을 추종할 수 있게 된다.Since the current integration generates a lot of errors depending on the initial value, it is possible to follow the more accurate initial value of the battery charging rate by following [Equation 3].
보통 배터리의 충전은 도 4와 같은 CC - CV(Constant Current - Constant Voltage) 방식을 사용하며 배터리의 셀의 전압이 컷오프 영역 까지 증가할 때 까지 CC로 충전을 하고, 컷오프 영역에 도달하게 되면 CV방식으로 전환하여 전압을 유지한다. 배터리는 충전 시 배터리의 열화가 진행되며 도 5와 같이 CC시간이 줄어든다. 이는 배터리 내의 화학반응에 의해 발생하며, 충전 시 용량 감소로 인해 전류량 또한 감소하게 된다. 열화는 내부저항의 증가를 발생시켜 동일한 전류로 충전을 하더라도 컷오프 전압에 도달하는 시간은 감소하게 된다. 방전은 도 6과 같이 컷오프 전압까지 방전하여 초기 상태와 배터리의 용량과 비교하여 SOH를 판단하며, 도 7과 같이 열화로 발생한 내부저항에 증가로 인해 방전 시간 또한 줄어들게 된다.Normally, the charging of the battery uses a CC-CV (Constant Current-Constant Voltage) method as shown in FIG. 4, and is charged with CC until the voltage of the cell of the battery increases to the cutoff region, and when it reaches the cutoff region, the CV method Switch to keep the voltage. When the battery is charged, deterioration of the battery progresses and CC time is reduced as shown in FIG. 5. This is caused by a chemical reaction in the battery, and the amount of current also decreases due to a decrease in capacity during charging. Deterioration causes an increase in internal resistance, so even if charging with the same current, the time to reach the cutoff voltage is reduced. The discharge is discharged up to the cut-off voltage as shown in FIG. 6 to determine the SOH in comparison with the initial state and the capacity of the battery, and the discharge time is also reduced due to an increase in internal resistance caused by deterioration as shown in FIG. 7.
배터리 충전율 예측 과정(S400)은, 충전되는 전류적산값을 상기 배터리 초기 충전율(SOC_init)에 누적 적산하여 배터리 충전율(SOC)를 예측하는 과정이다. The battery charging rate prediction process (S400) is a process of predicting a battery charging rate (SOC) by accumulating the accumulated current accumulated value in the battery initial charging rate (SOC _init ).
이를 위해 배터리 충전율 예측 과정(S400)은, 하기의 [식 4]에 의하여 배터리 충전율(SOC)을 산출한다.To this end, the battery charging rate prediction process (S400) calculates the battery charging rate (SOC) by the following [Equation 4].
[식 4][Equation 4]
전류적산은 초기값에 따라 오차가 많이 발생하기 때문에 상기의 [식 3]에서 구한 배터리 초기 충전율(SOC_init)를 기반으로 누적 적산하여 배터리 충전율(SOC)를 산출함으로써, 배터리 열화에 따른 배터리 충전율(SOC)의 오차를 최소화할 수 있다.Since the current integration generates a lot of errors depending on the initial value, the battery charging rate due to battery deterioration is calculated by calculating the battery charging rate (SOC) by accumulating and accumulating based on the initial battery charging rate (SOC _init ) obtained in [Equation 3] above. SOC) can be minimized.
상술한 본 발명의 설명에서의 실시예는 여러가지 실시가능한 예중에서 당업자의 이해를 돕기 위하여 가장 바람직한 예를 선정하여 제시한 것으로, 이 발명의 기술적 사상이 반드시 이 실시예만 의해서 한정되거나 제한되는 것은 아니고, 본 발명의 기술적 사상을 벗어나지 않는 범위내에서 다양한 변화와 변경 및 균등한 타의 실시예가 가능한 것이다.The above-described embodiments in the description of the present invention are selected and presented in order to assist the skilled person in understanding among various practical examples, and the technical spirit of the present invention is not necessarily limited to or limited by these embodiments. , Various changes and modifications and equivalent other embodiments are possible without departing from the technical spirit of the present invention.
S100:배터리 상태값 파악 과정
S200:배터리 성능지수 예측 과정
S300:배터리 초기 충전율 산출 과정
S400:배터리 충전율 예측 과정S100: Battery state value identification process
S200: Battery performance index prediction process
S300: Battery initial charge rate calculation process
S400: Battery charging rate prediction process
Claims (5)
배터리 온도(V_temp), 배터리 내부저항(R_Total), 배터리 전류(i_BAT)를 포함하는 배터리 상태값을 파악하는 배터리 상태값 파악 과정;
상기 배터리 상태값을 이용하여 배터리 성능지수(SOH)를 예측하는 배터리 성능지수 예측 과정;
배터리 초기의 충전율(SOC)인 배터리 초기 충전율(SOC_init)을 배터리의 열화에 따른 배터리 내부저항의 변화된 값을 이용하여 산출하는 배터리 초기 충전율 산출 과정; 및
충전되는 전류적산값을 상기 배터리 초기 충전율(SOC_init)에 누적 적산하여 배터리 충전율(SOC)를 예측하는 배터리 충전율 예측 과정;을 포함하며,
상기 배터리 상태값 파악 과정은,
개방회로전압(OCV;Open Circuit Voltage)이 포함되는 개방회로전압 모델로서 배터리를 모델링하여, 개방회로전압 모델내의 내부저항을 배터리 내부저항(R_Total)으로 결정하며,
상기 배터리 초기 충전율 산출 과정은,
V_ocv는 개방회로전압 모델에서의 개방회로전압, i_BAT는 배터리 전류, R_Total은 내부저항, V_temp는 배터리 온도, V_BAT는 배터리 단자전압, α는 0<α<1 라고 할때,
에 의해 배터리 초기 충전율(SOC_init)이 산출되며,
상기 배터리 충전율 예측 과정은,
에 의해 배터리 충전율(SOC)이 산출됨을 특징으로 하는 배터리 수명 예측 방법.
A battery life prediction method for predicting and managing a battery life by predicting and managing the battery life,
A battery state value identification process for determining a battery state value including a battery temperature (V _temp ), a battery internal resistance (R _Total ), and a battery current (i BAT );
A battery performance index prediction process for predicting a battery performance index (SOH) using the battery status value;
A battery initial charge rate calculation process for calculating a battery initial charge rate (SOC _init ), which is a battery initial charge rate (SOC), using a changed value of battery internal resistance according to deterioration of the battery; And
It includes; a battery charging rate prediction process for predicting a battery charging rate (SOC) by accumulating the current accumulation value to be charged to the battery initial charging rate (SOC _init ),
The process of determining the battery state value,
The battery is modeled as an open circuit voltage model that includes an open circuit voltage (OCV), and the internal resistance in the open circuit voltage model is determined as the battery internal resistance (R _Total ).
The battery initial charge rate calculation process,
_Ocv V is the open circuit voltage from the open circuit voltage of the model, i is _BAT when said battery current, _Total R is the internal resistance, the battery temperature _temp V, V _BAT the battery terminal voltage, α is 0 <α <1,
The initial charge rate (SOC _init ) of the battery is calculated by
The battery charging rate prediction process,
A battery life prediction method characterized in that the battery charge rate (SOC) is calculated by.
V_ocv는 개방회로전압 모델에서의 개방회로전압, i_BAT는 배터리 전류, R_Total은 내부저항, V_temp는 배터리 온도, C는 배터리 커패시터, α는 0<α<1 라고 할 때,
에 의해 배터리 단자전압(V_BAT)이 산출됨을 특징으로 하는 배터리 수명 예측 방법.
The method according to claim 1, The battery performance index prediction process,
V _ocv is the open circuit voltage in the open circuit voltage model, i _BAT is the battery current, R _Total is the internal resistance, V _temp is the battery temperature, C is the battery capacitor, α is 0 <α <1,
Battery terminal voltage (V BAT ) is calculated by the battery life prediction method characterized in that calculated.
배터리 충전시간을 T_befor, 배터리 방전시간을 T_after라고 할 때,
에 의해 배터리 성능지수(SOH)가 산출됨을 특징으로 하는 배터리 수명 예측 방법.
The method according to claim 3, The battery performance index prediction process,
When the battery charge time is T _befor and the battery discharge time is T _after ,
Battery life prediction method, characterized in that the battery performance index (SOH) is calculated by.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190007769A KR102101002B1 (en) | 2019-01-21 | 2019-01-21 | Method for battery lifetime prediction |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190007769A KR102101002B1 (en) | 2019-01-21 | 2019-01-21 | Method for battery lifetime prediction |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102101002B1 true KR102101002B1 (en) | 2020-04-14 |
Family
ID=70291381
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190007769A Active KR102101002B1 (en) | 2019-01-21 | 2019-01-21 | Method for battery lifetime prediction |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102101002B1 (en) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113900028A (en) * | 2021-10-09 | 2022-01-07 | 山东大学 | Battery health state estimation method considering charge-discharge path |
| KR20220130366A (en) * | 2021-03-18 | 2022-09-27 | 포항공과대학교 산학협력단 | Method and device for early detection of internal short circuit failure |
| KR20230053299A (en) | 2021-10-14 | 2023-04-21 | 인하대학교 산학협력단 | Method and Apparatus for Prediction of Battery Condition Based on Waveform Measurement |
| CN115993552A (en) * | 2023-03-23 | 2023-04-21 | 杭州科工电子科技有限公司 | Method for estimating internal resistance of battery |
| KR20230097577A (en) | 2021-12-24 | 2023-07-03 | 인하대학교 산학협력단 | Method and Apparatus for Prediction of Power Supply Unit Condition Based on Waveform Measurement |
| WO2024080484A1 (en) * | 2022-10-12 | 2024-04-18 | 주식회사 엘지에너지솔루션 | Battery diagnosis apparatus and method for leakage current detection |
| EP4403942A4 (en) * | 2022-01-17 | 2025-02-26 | LG Energy Solution, Ltd. | BATTERY LIFE PREDICTION APPARATUS AND OPERATING METHOD THEREOF |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100709260B1 (en) | 2005-10-31 | 2007-04-19 | 삼성에스디아이 주식회사 | Battery life determination method and battery management system using same |
| KR20140062772A (en) * | 2012-11-15 | 2014-05-26 | 현대모비스 주식회사 | Intelligent battery sensor and battery nominal capacity estimation method using iteration thereof |
| JP2015052482A (en) * | 2013-09-05 | 2015-03-19 | カルソニックカンセイ株式会社 | Soundness estimation device and soundness estimation method for battery |
| JP2016109455A (en) * | 2014-12-02 | 2016-06-20 | 株式会社キャプテックス | Method for calculating charge rate of storage battery |
| KR20170058165A (en) * | 2015-11-18 | 2017-05-26 | 현대일렉트릭앤에너지시스템(주) | System and method for estimating state of health for battery |
-
2019
- 2019-01-21 KR KR1020190007769A patent/KR102101002B1/en active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100709260B1 (en) | 2005-10-31 | 2007-04-19 | 삼성에스디아이 주식회사 | Battery life determination method and battery management system using same |
| KR20140062772A (en) * | 2012-11-15 | 2014-05-26 | 현대모비스 주식회사 | Intelligent battery sensor and battery nominal capacity estimation method using iteration thereof |
| JP2015052482A (en) * | 2013-09-05 | 2015-03-19 | カルソニックカンセイ株式会社 | Soundness estimation device and soundness estimation method for battery |
| JP2016109455A (en) * | 2014-12-02 | 2016-06-20 | 株式会社キャプテックス | Method for calculating charge rate of storage battery |
| KR20170058165A (en) * | 2015-11-18 | 2017-05-26 | 현대일렉트릭앤에너지시스템(주) | System and method for estimating state of health for battery |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20220130366A (en) * | 2021-03-18 | 2022-09-27 | 포항공과대학교 산학협력단 | Method and device for early detection of internal short circuit failure |
| KR102550371B1 (en) * | 2021-03-18 | 2023-06-30 | 포항공과대학교 산학협력단 | Method of Online Detection of Soft Internal Short Circuit in Lithium-Ion Batteries at Various Standard Charging Ranges and Apparatus thereof |
| CN113900028A (en) * | 2021-10-09 | 2022-01-07 | 山东大学 | Battery health state estimation method considering charge-discharge path |
| CN113900028B (en) * | 2021-10-09 | 2022-07-08 | 山东大学 | A method and system for battery state-of-health estimation considering initial state of charge and charge-discharge path |
| KR20230053299A (en) | 2021-10-14 | 2023-04-21 | 인하대학교 산학협력단 | Method and Apparatus for Prediction of Battery Condition Based on Waveform Measurement |
| KR20230097577A (en) | 2021-12-24 | 2023-07-03 | 인하대학교 산학협력단 | Method and Apparatus for Prediction of Power Supply Unit Condition Based on Waveform Measurement |
| EP4403942A4 (en) * | 2022-01-17 | 2025-02-26 | LG Energy Solution, Ltd. | BATTERY LIFE PREDICTION APPARATUS AND OPERATING METHOD THEREOF |
| WO2024080484A1 (en) * | 2022-10-12 | 2024-04-18 | 주식회사 엘지에너지솔루션 | Battery diagnosis apparatus and method for leakage current detection |
| US12235322B2 (en) | 2022-10-12 | 2025-02-25 | Lg Energy Solution, Ltd. | Battery diagnosis apparatus and method for leakage current detection |
| CN115993552A (en) * | 2023-03-23 | 2023-04-21 | 杭州科工电子科技有限公司 | Method for estimating internal resistance of battery |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102101002B1 (en) | Method for battery lifetime prediction | |
| CN110914696B (en) | Method and system for estimating battery open cell voltage, state of charge, and state of health during operation of a battery | |
| EP3171187B1 (en) | Battery state detection device, secondary battery system, program product, and battery state detection method | |
| US10955479B2 (en) | Battery control device | |
| CN107533109B (en) | Battery control device and electric vehicle system | |
| US10686229B2 (en) | Battery state detection device, secondary battery system, program product, and battery state detection method | |
| CN109342950B (en) | A method, device and equipment for evaluating the state of charge of a lithium battery | |
| EP3002597B1 (en) | Battery control device | |
| JP4767558B2 (en) | Power supply state detection device, power supply device, and initial characteristic extraction device used for power supply device | |
| CN108291944B (en) | Battery management device | |
| JP5621818B2 (en) | Power storage system and equalization method | |
| JP5784108B2 (en) | Charge control device | |
| JP7207817B2 (en) | Battery management method, battery device, and vehicle containing battery | |
| JP7231657B2 (en) | battery controller | |
| KR102689216B1 (en) | A system for operating and managing battery packs by KNN machine learning algorithm | |
| US20220219567A1 (en) | Systems and Methods for Maintaining Battery Health | |
| US20250175027A1 (en) | Battery control device | |
| CN118226289A (en) | Capacity and state of charge estimation for multi-cell energy storage systems | |
| KR20250071245A (en) | How to determine the state of charge (SOC) of a battery |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PA0109 | Patent application |
Patent event code: PA01091R01D Comment text: Patent Application Patent event date: 20190121 |
|
| PA0201 | Request for examination | ||
| PE0902 | Notice of grounds for rejection |
Comment text: Notification of reason for refusal Patent event date: 20191218 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: 20200403 |
|
| GRNT | Written decision to grant | ||
| PR0701 | Registration of establishment |
Comment text: Registration of Establishment Patent event date: 20200408 Patent event code: PR07011E01D |
|
| PR1002 | Payment of registration fee |
Payment date: 20200409 End annual number: 3 Start annual number: 1 |
|
| PG1601 | Publication of registration | ||
| PR1001 | Payment of annual fee |
Payment date: 20230403 Start annual number: 4 End annual number: 4 |
|
| PR1001 | Payment of annual fee |
Payment date: 20240402 Start annual number: 5 End annual number: 5 |
|
| PR1001 | Payment of annual fee |
Payment date: 20250402 Start annual number: 6 End annual number: 6 |