기계학습 기반 배터리 팩 이상 진단 장치 및 그 방법
APPARATUS FOR BATTERY PACK ABNORMLITY DIAGNOSIS MACHINE LEARNING BASED AND METHOD THEREOF
특허 요약
본 발명은 기계학습 기반 배터리 팩 이상 진단 장치 및 그 방법에 관한 것으로, 상기 배터리 팩의 단위로 전압 데이터를 수집하는 수집부, 상기 전압 데이터를 미리 마련된 기계학습 기반의 상태 추정 모델에 입력하여 상기 배터리 팩을 구성하는 배터리 셀의 상태를 추정하는 추정부 및 상기 추정된 배터리 셀의 상태에 따라 상기 배터리 팩의 이상 여부를 진단하는 진단부를 포함한다. 이를 통해 디지털 트윈 시뮬레이터를 이용하여 다양한 경우에 대한 배터리 팩 내부 전압 데이터를 계층형 신경망(FNN) 기법으로 학습한 상태 추정 모델을 이용하여 배터리 팩 내부의 셀 밸런싱 상태를 추정하여 배터리 팩의 이상 여부를 진단할 수 있다.
청구항
번호청구항
1

복수의 배터리 셀을 포함하는 배터리 팩의 이상 여부를 진단하는 장치에 있어서,상기 배터리 팩의 단위로 전압 데이터를 수집하는 수집부;상기 전압 데이터를 미리 마련된 기계학습 기반의 상태 추정 모델에 입력하여 상기 배터리 팩을 구성하는 배터리 셀의 상태를 추정하는 추정부; 및상기 추정된 배터리 셀의 상태에 따라 상기 배터리 팩의 이상 여부를 진단하는 진단부를 포함하고,상기 추정부는,각 배터리 셀의 충전 상태, 용량 및 저항 중 적어도 하나 이상을 포함하는 상기 배터리 셀의 상태를 추정하는 것이고,상기 장치는,미리 마련된 정상 배터리 셀의 기준에 따라 시계열 전압 데이터셋으로 구성되는 정상 데이터와 적어도 하나 이상의 이상 데이터를 포함하는 학습 데이터를 생성하고, 상기 학습데이터를 기반으로 상기 상태 추정 모델을 지도 학습하는 학습부를 더 포함하고,상기 학습부는,상기 충전 상태, 용량 및 저항 중 적어도 하나 이상과 연관 있는 구간에서의 전압 데이터를 기반으로 상기 지도 학습을 위한 입력 특징을 추출하고,상기 추출된 입력 특징에 대응하는 정답 데이터의 특징을 구성하여 상기 상태 추정 모델을 지도 학습하고,상기 추출된 입력 특징은,상기 저항의 영향이 가장 큰 구간인 전류 인가 직전과 직후의 구간에서의 전압 차로 정의되는 제1 특징,전류 휴지 직전과 직후의 구간에서의 전압 차로 정의되는 제2 특징,충전 과전압 구간에서의 전압 누적값으로 정의되는 제3 특징,충전 상태가 미리 설정된 값만큼 다른 구간에서의 전압 시작점 차이 편차로 정의되는 제4 특징, 및충전 상태, 용량 및 저항 차이에 따른 특성이 포함된 구간인 전류 인가 직전 및 직후의 구간에서의 전압 기울기로 정의되는 제5 특징을 포함하는 배터리 팩 이상 진단 장치.

2

삭제

3

삭제

4

제1항에 있어서,상기 학습부는,디지털 트윈 시뮬레이터를 이용하여 상기 배터리 팩 내부의 셀 밸런싱의 시나리오별로 상기 학습데이터를 증강시키는 배터리 팩 이상 진단 장치.

5

삭제

6

삭제

7

제1항에 있어서,상기 정답 데이터의 특징은,상기 추출된 입력 특징에 대응하는 충전 상태, 용량 및 저항 중 적어도 하나 이상의 평균값과 분산값인 배터리 팩 이상 진단 장치.

8

기계학습 기반 배터리 팩 이상 진단 장치를 이용한 배터리 팩 이상 진단 방법에 있어서,복수의 배터리 셀을 포함하는 배터리 팩의 단위로 전압 데이터를 수집하는 단계;상기 전압 데이터를 미리 마련된 기계학습 기반의 상태 추정 모델에 입력하여 상기 배터리 팩을 구성하는 배터리 셀의 상태를 추정하는 단계; 및상기 추정된 배터리 셀의 상태에 따라 상기 배터리 팩의 이상 여부를 진단하는 단계를 포함하고,상기 추정하는 단계는,각 배터리 셀의 충전 상태, 용량 및 저항 중 적어도 하나 이상을 포함하는 상기 배터리 셀의 상태를 추정하는 것이고,상기 방법은,미리 마련된 정상 배터리 셀의 기준에 따라 시계열 전압 데이터셋으로 구성되는 정상 데이터와 적어도 하나 이상의 이상 데이터를 포함하는 학습 데이터를 생성하고, 상기 학습데이터를 기반으로 상기 상태 추정 모델을 지도 학습하는 단계를 더 포함하고,상기 학습하는 단계는,디지털 트윈 시뮬레이터를 이용하여 상기 배터리 팩 내부의 셀 밸런싱의 시나리오별로 상기 학습데이터를 증강시키되,상기 충전 상태, 용량 및 저항 중 적어도 하나 이상과 연관 있는 구간에서의 전압 데이터를 기반으로 상기 지도 학습을 위한 입력 특징을 추출하고,상기 추출된 입력 특징에 대응하는 정답 데이터의 특징을 구성하여 상기 상태 추정 모델을 지도 학습하고,상기 추출된 입력 특징은,상기 저항의 영향이 가장 큰 구간인 전류 인가 직전과 직후의 구간에서의 전압 차로 정의되는 제1 특징,전류 휴지 직전과 직후의 구간에서의 전압 차로 정의되는 제2 특징,충전 과전압 구간에서의 전압 누적값으로 정의되는 제3 특징,충전 상태가 미리 설정된 값만큼 다른 구간에서의 전압 시작점 차이 편차로 정의되는 제4 특징, 및충전 상태, 용량 및 저항 차이에 따른 특성이 포함된 구간인 전류 인가 직전 및 직후의 구간에서의 전압 기울기로 정의되는 제5 특징을 포함하는 배터리 팩 이상 진단 방법.

9

삭제

10

삭제

11

삭제

12

삭제

13

제8항에 있어서,상기 정답 데이터의 특징은,상기 추출된 입력 특징에 대응하는 충전 상태, 용량 및 저항 중 적어도 하나 이상의 평균값과 분산값인 배터리 팩 이상 진단 방법.