JP7658464B2

JP7658464B2 - 電池管理装置およびそれを含む電池検査システム

Info

Publication number: JP7658464B2
Application number: JP2023569629A
Authority: JP
Inventors: フーンリー、ジュン
Original assignee: LG Energy Solution Ltd
Current assignee: LG Energy Solution Ltd
Priority date: 2021-08-13
Filing date: 2022-07-27
Publication date: 2025-04-08
Anticipated expiration: 2042-07-27
Also published as: EP4386401A1; US20240241180A1; JP2024519755A; KR102874967B1; EP4386401A4; KR20230025130A; WO2023018070A1; CN117396767A

Description

本文書に開示された実施形態は、２０２１年０８月１３日付けの韓国特許出願第１０－２０２１－０１０７２５０号に基づく優先権の利益を主張し、当該韓国特許出願の文献に開示された全ての内容は、本明細書の一部として組み込まれる。

本文書に開示された実施形態は、電池管理装置およびそれを含む電池検査システムに関する。

電気車は、外部から電気の供給を受けて電池を充電した後、電池に充電された電圧でモータを駆動させて動力を得る。電気車の電池は、電気を充電および放電する過程で発生する化学的反応により熱が発生し得るし、このような熱は、電池の性能および寿命を損傷させ得る。したがって、電池の温度、電圧、および電流をモニターする電池管理装置（ＢＭＳ、ＢａｔｔｅｒｙＭａｎａｇｅｍｅｎｔＳｙｓｔｅｍ）が駆動されて電池の状態を診断する。

しかしながら、電池管理装置が電池の状態をリアルタイムで精密分析するために、電池管理装置に高性能のＧＰＵやＮＰＵを搭載する場合、電池管理装置の効率を低下させ、原価が上昇するという問題がある。また、電池管理装置が測定した電池データを全部クラウドサーバに伝送して分析する場合には、インフラ設置費用および通信費用が発生し、多量のデータを管理および分析する過程で効率が低下するという問題がある。

本文書に開示される実施形態の１つの目的は、異常状況と判断される電池のデータのみを精密分析して電池管理装置の効率性を向上させ、インフラ設置費用および通信費用を節減させることができる電池管理装置およびそれを含む電池検査システムを提供することにある。

本文書に開示された実施形態の技術的課題は、以上で言及した技術的課題に制限されず、言及していないまた他の技術的課題は、下記の記載から当業者に明らかに理解できるものである。

本文書に開示された一実施形態に係る電池管理装置は、電池の状態を測定した測定値を含む状態データを取得する第１コントローラと、前記状態データの少なくとも一部を機械学習に適用して前記電池の状態を予測した予測データを生成し、前記予測データと前記電池の状態データを比較して前記電池の状態を判断する第２コントローラと、前記電池の状態を判断した結果に基づいて前記状態データをサーバに伝送する通信部と、を含むことができる。

一実施形態に係る、前記第２コントローラは、前記電池が異常状態と判断される場合、前記電池が異常状態と判断される時点前後の所定時間の間に取得された前記状態データを圧縮することができる。
一実施形態に係る、前記通信部は、前記圧縮された電池の状態データを前記サーバに伝送することができる。

一実施形態に係る、前記測定値は、累積的に測定された前記電池の電圧、電流、および温度を含み、前記状態データは、前記測定値、および前記測定値に基づいて算出された前記電池のＳＯＨ（ＳｔａｔｅｏｆＨｅａｌｔｈ）を含むことができる。

一実施形態に係る、前記予測データは、前記電池の電圧を含み、前記第２コントローラは、前記状態データに含まれた過去データ、および前記状態データに含まれた現時点で測定された前記電池の電流および温度を前記機械学習モデルに適用し、前記電池の電圧を予測することができる。

一実施形態に係る、前記第２コントローラは、前記状態データを長短期メモリ（ＬＳＴＭ、ＬｏｎｇＳｈｏｒｔＴｅｒｍＭｅｍｏｒｙ）アルゴリズムに適用し、前記電池の電圧を予測することができる。

一実施形態に係る、前記第２コントローラは、前記状態データおよび前記予測データを異常検出（ＡｎｏｍａｌｙＤｅｔｅｃｔｉｏｎ）アルゴリズムに適用し、異常値（ＡｎｏｍａｌｙＳｃｏｒｅ）を生成することができる。

一実施形態に係る、前記第２コントローラは、所定時間の間に生成された前記異常値のうち閾値以上である異常値の割合が一定割合以上である場合、前記電池を異常状態と判断することができる。

本文書に開示された一実施形態に係る電池検査システムは、電池の状態を測定した測定値を含む状態データの少なくとも一部を機械学習に適用して前記電池の状態を予測した予測データを生成し、前記予測データと前記電池の状態データを比較して前記電池の状態を判断し、前記判断結果に基づいて前記状態データをサーバに伝送する電池管理装置と、前記電池の状態データに基づいて前記電池の異常状態有無を判断するサーバと、を含むことができる。

一実施形態に係る、前記電池管理装置は、前記電池が異常状態と判断される場合、前記電池が異常状態と判断される時点前後の所定時間の間に取得された前記状態データを圧縮して前記サーバに伝送することができる。

一実施形態に係る、前記電池管理装置は、前記状態データに含まれた過去データ、および前記状態データに含まれた現時点で測定された前記電池の電流および温度を前記長短期メモリ（ＬＳＴＭ、ＬｏｎｇＳｈｏｒｔＴｅｒｍＭｅｍｏｒｙ）アルゴリズムに適用し、前記電池の電圧を予測することができる。

一実施形態に係る、前記電池管理装置は、前記状態データおよび前記予測データを異常検出（ＡｎｏｍａｌｙＤｅｔｅｃｔｉｏｎ）アルゴリズムに適用して異常値（ＡｎｏｍａｌｙＳｃｏｒｅ）を生成し、所定時間の間に生成された前記異常値のうち閾値以上である異常値の割合が一定割合以上である場合、前記電池を異常状態と判断することができる。

一実施形態に係る、前記サーバは、前記電池管理装置において前記電池が実際には異常状態でないにもかかわらず異常状態と判断された場合である間違った警報（ＦａｌｓｅＡｌａｒｍ）を抽出することができる。

一実施形態に係る、前記サーバは、前記間違った警報の頻度が閾値頻度以上である場合、前記電池の前記ＳＯＨ値および前記異常検出アルゴリズムの前記閾値を測定して前記電池管理装置に伝送することができる。

一実施形態に係る、前記電池管理装置は、前記サーバから受信した前記ＳＯＨ値および前記閾値に基づいて、長短期メモリアルゴリズムおよび前記異常検出アルゴリズムをアップデートすることができる。

本文書に開示される一実施形態に係る電池管理装置およびそれを含む電池検査システムによると、異常状況と判断される電池のデータのみを精密分析して電池管理装置の効率性を向上させ、インフラ設置費用および通信費用を節減させることができる。

本文書に開示された一実施形態に係る電池パックの構成を示す図である。本文書に開示された一実施形態に係る電池管理装置の構成を示すブロック図である。本文書に開示された一実施形態に係る電池管理装置について全般的に説明するための図である。本文書に開示された一実施形態に係る電池検査システムの構成を示すブロック図である。本文書に開示された一実施形態に係る電池検査システムの動作方法を示すフローチャートである。

以下、本文書に開示された一部の実施形態を例示的な図面により詳細に説明する。各図面の構成要素に参照符号を付するにおいて、同一の構成要素に対しては他の図面上に表示される際にも可能な限り同一の符号を付するようにしていることに留意しなければならない。また、本文書に開示された実施形態を説明するにおいて、関連した公知の構成または機能に関する具体的な説明が本文書に開示された実施形態に対する理解を妨げると判断される場合には、その詳細な説明は省略する。

本文書に開示された実施形態の構成要素を説明するにおいて、第１、第２、Ａ、Ｂ、（ａ）、（ｂ）などの用語を用いてもよい。このような用語はその構成要素を他の構成要素と区別するためのものにすぎず、その用語により当該構成要素の本質や順番または順序などが限定されることはない。また、他に定義しない限り、技術的または科学的な用語を含めてここで用いられる全ての用語は、本文書に開示された実施形態が属する技術分野における通常の知識を有する者により一般的に理解されるものと同一の意味を有する。一般的に用いられる辞書に定義されているような用語は、関連技術の文脈上の意味と一致する意味を有するものと解釈されなければならず、本文書において明らかに定義しない限り、理想的または過度に形式的な意味に解釈されない。

図１は、本文書に開示された一実施形態に係る電池パックを示す図である。
図１を参照すると、本文書に開示された一実施形態に係る電池パック１００は、電池モジュール１１０、電池管理装置１２０、およびリレー１３０を含むことができる。

電池モジュール１１０は、第１電池セル１１１、第２電池セル１１２、第３電池セル１１３、および第４電池セル１１４を含むことができる。図１では複数の電池セルが４個であるものと示されているが、これに限定されず、電池モジュール１１０は、ｎ（ｎは２以上の自然数）個の電池セルを含んで構成されることができる。

電池モジュール１１０は、対象装置（図示せず）に電源を供給することができる。このために、電池モジュール１１０は、対象装置と電気的に連結されることができる。ここで、対象装置は、複数の電池セル１１１、１１２、１１３、１１４を含む電池パック１００から電源の供給を受けて動作する電気的、電子的、または機械的な装置を含むことができ、例えば、対象装置は、電気自動車（ＥＶ）であってもよいが、これに限定されない。

複数の電池セル１１１、１１２、１１３、１１４は、リチウムイオン（Ｌｉ－ｉｏｎ）電池、リチウムイオンポリマー（Ｌｉ－ｉｏｎｐｏｌｙｍｅｒ）電池、ニッケルカドミウム（Ｎｉ－Ｃｄ）電池、ニッケル水素（Ｎｉ－ＭＨ）電池などであってもよく、これに限定されない。一方、図１では電池モジュール１１０が１個であるものと示されているが、実施形態によっては、電池モジュール１１０は複数構成されてもよい。

電池管理装置（ＢＭＳ、ＢａｔｔｅｒｙＭａｎａｇｅｍｅｎｔＳｙｓｔｅｍ）１２０は、電池モジュール１１０の状態および／または動作を管理および／または制御することができる。例えば、電池管理装置１２０は、電池モジュール１１０に含まれた複数の電池セル１１１、１１２、１１３、１１４の状態および／または動作を管理および／または制御することができる。電池管理装置１２０は、電池モジュール１１０の充電および／または放電を管理することができる。

また、電池管理装置１２０は、電池モジュール１１０および／または電池モジュール１１０に含まれた複数の電池セル１１１、１１２、１１３、１１４それぞれの電圧、電流、温度などをモニターすることができる。そして、電池管理装置１２０を介したモニターのために、図示していないセンサや各種測定モジュールが、電池モジュール１１０や充放電経路、または電池モジュール１１０などの任意の位置にさらに設けられることができる。電池管理装置１２０は、モニターした電圧、電流、温度などの測定値に基づいて、電池モジュール１１０の状態を示すパラメータ、例えば、ＳＯＣ（ＳｔａｔｅｏｆＣｈａｒｇｅ）やＳＯＨ（ＳｔａｔｅｏｆＨｅａｌｔｈ）などを算出することができる。

電池管理装置１２０は、リレー１３０の動作を制御することができる。例えば、電池管理装置１２０は、対象装置に電源を供給するためにリレー１３０を短絡させることができる。また、電池管理装置１２０は、電池パック１００に充電装置が連結される場合にリレー１３０を短絡させることができる。

電池管理装置１２０は、複数の電池セル１１１、１１２、１１３、１１４それぞれのセルバランシングタイムを算出することができる。ここで、セルバランシングタイムは、電池セルのバランシングに要される時間と定義することができる。例えば、電池管理装置１２０は、複数の電池セル１１１、１１２、１１３、１１４それぞれのＳＯＣ（ＳｔａｔｅｏｆＣｈａｒｇｅ）、電池容量、およびバランシング効率に基づいてセルバランシングタイムを算出することができる。

以下、図２および図３を参照して、上述した電池管理装置１２０の構成および作動方法について具体的に説明する。
図２は、本文書に開示された一実施形態に係る電池管理装置の構成を示すブロック図である。図３は、本文書に開示された一実施形態に係る電池管理装置について全般的に説明するための図である。

図２を参照すると、電池管理装置１２０は、第１コントローラ１２１、第２コントローラ１２２、および通信部１２３を含むことができる。

図２において、電池モジュール１１０は、複数の電池セル１１１、１１２、１１３、１１４を含むことができるが、以下、第１電池セル１１１例に挙げて説明する。

図３を参照すると、第１コントローラ１２１は、第１電池セル１１１の状態を測定した測定値を含む状態データを取得することができる。ここで、測定値は、累積的に測定された第１電池セル１１１の電圧、電流、および温度を含むことができる。例えば、状態データは、測定された第１電池セル１１１の電圧、電流、および温度を含む測定値、および測定値に基づいて算出された第１電池セル１１１のＳＯＨ（ＳｔａｔｅｏｆＨｅａｌｔｈ）を含むことができる。

例えば、第１コントローラ１２１は、ｔ－Ｎ時間からｔ－１時間までの第１電池セル１１１の電圧、電流、および温度を測定した測定値を取得することができ、測定値に基づいて第１電池セル１１１のｔ－Ｎ時間からｔ－１時間までのＳＯＨを取得することができる。ここで、Ｎは、時間を意味する変数ｔの変化量を示す任意の定数値と定義することができる。

例えば、第１コントローラ１２１は、ｔ－Ｎ時間の第１電池セル１１１の電圧Ｖ_ｔ－Ｎ、電流Ｉ_ｔ－Ｎ、温度Ｔ_ｔ－Ｎを取得し、ｔ－Ｎ時間の第１電池セル１１１のＳＯＨ値を取得することができ、ｔ－（Ｎ－１）時間の第１電池セル１１１の電圧Ｖ_{ｔ－（Ｎ－１）}、電流Ｉ_{ｔ－（Ｎ－１）}、温度Ｔ_{ｔ－（Ｎ－１）}を取得し、ｔ－（Ｎ－１）時間の第１電池セル１１１のＳＯＨ値を取得することができる。すなわち、第１コントローラ１２１は、ｔ－Ｎ時間からｔ－１時間までの第１電池セル１１１の過去の状態データを取得することができる。
また、第１コントローラ１２１は、現時点ｔで測定された第１電池セル１１１の電流Ｉ_ｔおよび温度Ｔ_ｔの測定値を取得することができる。

第２コントローラ１２２は、状態データの少なくとも一部を機械学習に適用し、第１電池セル１１１の状態を予測した予測データを生成することができる。ここで、予測データは、第１電池セル１１１の電圧Ｖ'_ｔを含むことができる。

具体的に、第２コントローラ１２２は、状態データに含まれた過去データ、および状態データに含まれた現時点で測定された第１電池セル１１１の電流および温度を時系列分析構造の機械学習モデルに適用し、第１電池セル１１１の電圧を予測することができる。時系列（Ｔｉｍｅｓｅｒｉｅｓ）は、時間の流れに沿って一定の時間間隔で配置された順序と定義することができる。時系列分析構造の機械学習モデルは、長短期メモリ（ＬＳＴＭ、ＬｏｎｇＳｈｏｒｔＴｅｒｍＭｅｍｏｒｙ）アルゴリズムを含むことができる。長短期メモリアルゴリズムは、人工ニューラルネットワークの１つとして、回帰型ニューラルネットワーク（ＲＮＮ、ＲｅｃｕｒｒｅｎｔＮｅｕｒａｌＮｅｔｗｏｒｋ）が長期間（ＬｏｎｇＴｅｒｍ）特徴を反映できるように改善した構造と定義することができる。長短期メモリアルゴリズムは、時間に沿って変わる現象を示す時系列データの問題に対して主に適用される。長短期メモリアルゴリズムは、ｎの長さを有する物体の測定時系列データに対してｎ＋１番目のデータが何かを予測することができる。

第２コントローラ１２２は、ｔ－Ｎ時間からｔ－１時間までの第１電池セル１１１の電圧、電流、温度、およびＳＯＨデータと、現時点ｔで測定された第１電池セル１１１の電流および温度データを長短期メモリアルゴリズムに適用し、第１電池セル１１１の現時点ｔでの電圧Ｖ'_ｔを予測することができる。すなわち、第２コントローラ１２２は、ｔ－Ｎ時間からｔ－１時間までの第１電池セル１１１の状態データを長短期メモリアルゴリズムに適用し、現時点ｔでの第１電池セル１１１の電圧を予測した予測データを生成することができる。

第２コントローラ１２２は、予測データと状態データを比較し、第１電池セル１１１の状態を判断することができる。具体的に、第２コントローラ１２２は、予測された第１電池セル１１１のｔ時間での電圧Ｖ'_ｔと、測定された第１電池セル１１１のｔ時間での電圧Ｖ_ｔを異常検出（ＡｎｏｍａｌｙＤｅｔｅｃｔｉｏｎ）アルゴリズムに適用して異常値（ＡｎｏｍａｌｙＳｃｏｒｅ）を生成し、電池の異常状態有無を分析することができる。ここで、異常検出アルゴリズムは、正常と規定されたデータと異なるパターンおよび特徴を示す個体の異常値（ＡｎｏｍａｌｙＳｃｏｒｅ）を分析する人工知能モデルと定義することができる。

すなわち、第２コントローラ１２２は、予測された第１電池セル１１１のｔ時間での電圧Ｖ'_ｔと、測定された第１電池セル１１１のｔ時間での電圧Ｖ_ｔとの差である異常値を生成することができる。

第２コントローラ１２２は、所定時間の間に生成された異常値のうち閾値以上である異常値の割合が一定割合以上である場合、第１電池セル１１１を異常状態と判断することができる。すなわち、第２コントローラ１２２は、所定時間の間に生成された、予測された第１電池セル１１１の電圧Ｖ'_ｔと、測定された第１電池セル１１１の電圧Ｖ_ｔとの差である異常値のうち、閾値を超過する異常値の割合が数秒～数十秒間維持される場合、第１電池セル１１１を異常状態と判断することができる。

第２コントローラ１２２は、第１電池セル１１１が異常状態と判断される場合、第１電池セル１１１が異常状態と判断される時点前後の所定時間の間に取得された状態データを圧縮することができる。

通信部１２３は、第２コントローラ１２２の第１電池セル１１１の状態を判断した結果に基づいて、状態データをサーバ２００に伝送することができる。すなわち、通信部１２３は、第１電池セル１１１が異常状態と判断される場合、圧縮された第１電池セル１１１の状態データをＯＴＡ（ＯｖｅｒＴｈｅＡｉｒ）技術を用いてサーバ２００に伝送することができる。ここで、ＯＴＡ技術は、ファームウェアアップデート方式であって、コンピュータに連結せず、Ｗｉ－Ｆｉ（登録商標）などを用いて無線でファームウェアをアップデートする技術と定義することができる。

上述したように、本文書に開示された一実施形態に係る電池管理装置１２０および電池検査システム１０００は、電池が異常状態と判断される場合、電池データをサーバに伝送して電池管理装置１２０の診断効率を高め、電池管理装置１２０の不要な電源供給を防止することができる。

また、電池管理装置１２０および電池検査システム１０００は、電池管理装置に設計された電圧予測モデルを用いて電池データを先に分析した後、異常現象が検出される場合、電池データをコンピューティングリソースが豊かなサーバに伝送して精密分析をすることで電池の異常現象を精密分析しながらも、サーバに伝送されるデータを画期的に減らすことで通信リソースを減らし、サーバに含まれたクラウドコンピュータの格納および演算能力を軽くすることができる。

そして、電池管理装置１２０および電池検査システム１０００は、必要な最小限の電池データをデータ損失なしにサーバに伝送し、サーバのインフラ投資費用およびネットワーク費用を節減させることができる。

図４は、本文書に開示された一実施形態に係る電池検査システムの構成を示すブロック図である。図５は、本文書に開示された一実施形態に係る電池検査システムの動作方法を示すフローチャートである。

以下、図４～図５を参照して、電池検査システム１０００の構成および動作について説明する。
図４を参照すると、本文書に開示された一実施形態に係る電池検査システム１０００は、電池管理装置１２０およびサーバ２００を含むことができる。

電池管理装置１２０は、図１～図３を参照して説明した電池管理装置１２０と実質的に同一であり得るため、以下では、説明の重複を避けるために簡略に説明する。

図５を参照すると、電池検査システムの動作方法は、電池管理装置１２０が、第１電池セル１１１の状態を測定した測定値を含む状態データを取得するステップ（Ｓ１０１）と、電池管理装置１２０が、状態データを長短期メモリアルゴリズムに適用して予測データを生成するステップ（Ｓ１０２）と、電池管理装置１２０が、予測データおよび状態データを異常検出アルゴリズムに入力して第１電池セル１１１の状態を判断するステップ（Ｓ１０３）と、電池管理装置１２０が、第１電池セル１１１が異常状態であるか否かを判断するステップ（Ｓ１０４）と、第１電池セル１１１が異常状態である場合、電池管理装置１２０が、第１電池セル１１１の状態データをサーバ２００に伝送するステップ（Ｓ１０５）と、サーバ２００が、間違った警報を抽出するステップ（Ｓ１０６）と、サーバ２００が、間違った警報の頻度が閾値頻度以上であるか否かを判断するステップ（Ｓ１０７）と、間違った警報の頻度が閾値頻度以上である場合、サーバ２００が、第１電池セル１１１のＳＯＨ値および異常検出アルゴリズムの閾値を測定して電池管理装置１２０に伝送するステップ（Ｓ１０８）と、電池管理装置１２０が、サーバ２００から受信したＳＯＨ値および閾値を長短期メモリアルゴリズムおよび異常検出アルゴリズムに適用するステップ（Ｓ１０９）と、を含むことができる。

以下、Ｓ１０１ステップ～Ｓ１０９ステップについて具体的に説明する。
Ｓ１０１ステップにおいて、電池管理装置１２０は、第１電池セル１１１の状態を測定した測定値を含む状態データを取得することができる。ここで、状態データは、測定された第１電池セル１１１の電圧、電流、および温度を含む測定値、および測定値に基づいて算出された第１電池セル１１１のＳＯＨ（ＳｔａｔｅｏｆＨｅａｌｔｈ）を含むことができる。すなわち、電池管理装置１２０は、ｔ－Ｎ時間からｔ－１時間までの第１電池セル１１１の過去の状態データを取得することができる。また、電池管理装置１２０は、現時点ｔで測定された第１電池セル１１１の電流および温度の測定値を取得することができる。

Ｓ１０２テップにおいて、電池管理装置１２０は、第１電池セル１１１の状態データの少なくとも一部を機械学習に適用し、第１電池セル１１１の状態を予測した予測データを生成することができる。

例えば、Ｓ１０２テップにおいて、電池管理装置１２０は、ｔ－Ｎ時間からｔ－１時間までの第１電池セル１１１の電圧、電流、温度、およびＳＯＨデータと、現時点ｔで測定された第１電池セル１１１の電流および温度データを長短期メモリアルゴリズムに適用し、第１電池セル１１１の現時点ｔでの電圧Ｖ'_ｔを予測することができる。

Ｓ１０３ステップにおいて、電池管理装置１２０は、予測データと状態データを比較し、第１電池セル１１１の状態を判断することができる。具体的に、電池管理装置１２０は、予測された第１電池セル１１１のｔ時間での電圧Ｖ'_ｔと、測定された第１電池セル１１１のｔ時間での電圧Ｖ_ｔを異常検出（ＡｎｏｍａｌｙＤｅｔｅｃｔｉｏｎ）アルゴリズムに適用して異常値（ＡｎｏｍａｌｙＳｃｏｒｅ）を生成し、電池の異常状態有無を分析することができる。

Ｓ１０４ステップにおいて、電池管理装置１２０は、所定時間の間に生成された異常値のうち閾値以上である異常値の割合が一定割合以上である場合、第１電池セル１１１を異常状態と判断することができる。

Ｓ１０５ステップにおいて、電池管理装置１２０は、第１電池セル１１１が異常状態と判断される場合、第１電池セル１１１が異常状態と判断される時点前後の所定時間の間に取得された状態データを圧縮してサーバ２００に伝送することができる。

サーバ２００は、第１電池セル１１１の状態データの伝送を受け、第１電池セル１１１の不良有無を判断する判断装置と定義することができる。サーバ２００は、例えば、クラウドコンピューティング（ＣｌｏｕｄＣｏｍｐｕｔｉｎｇ）技術を含むことができる。

サーバ２００は、電池管理装置１２０が判断した第１電池セル１１１の状態データに基づいて、第１電池セル１１１が実際には異常状態でないにもかかわらず異常状態と判断された場合である間違った警報（ＦａｌｓｅＡｌａｒｍ）を抽出する人工知能モデルを含むことができる。

Ｓ１０６ステップにおいて、電池管理装置１２０が異常状態と判断される時点前後の所定時間の間に取得された第１電池セル１１１の状態データを圧縮してサーバ２００に伝送する場合、サーバ２００は、電池管理装置１２０が伝送した圧縮された状態データを受信することができる。

Ｓ１０６ステップにおいて、サーバ２００は、電池管理装置１２０から受信した圧縮されたデータである、異常状態と判断される時点前後の所定時間の間に取得された状態データを分析し、第１電池セル１１１が実際には異常状態でないにもかかわらず異常状態と判断された場合である間違った警報（ＦａｌｓｅＡｌａｒｍ）を抽出することができる。

Ｓ１０７ステップにおいて、サーバ２００は、間違った警報の頻度が閾値頻度以上であるか否かを判断することができる。
Ｓ１０８ステップにおいて、サーバ２００は、間違った警報の頻度が閾値頻度以上である場合、電池管理装置１２０に含まれた第１電池セル１１１のＳＯＨ値を再算出し、異常検出アルゴリズムの閾値を再設定して電池管理装置１２０に伝送することができる。

すなわち、Ｓ１０８ステップにおいて、サーバ２００は、第１電池セル１１１の間違った警報が発生した原因を、電池管理装置１２０の長短期メモリアルゴリズムに入力される第１電池セル１１１のＳＯＨ値および異常検出アルゴリズムの閾値により分析することができる。

電池管理装置１２０の長短期メモリアルゴリズムは、第１電池セル１１１の状態データに含まれた過去データとして第１電池セル１１１の電圧、電流、および温度を測定した測定値と、測定値に基づいて第１電池セル１１１のＳＯＨ値の入力を受ける。したがって、電池管理装置１２０が第１電池セル１１１の電圧、電流、および温度に基づいて第１電池セル１１１のＳＯＨ値を算出する過程でエラーが発生した場合、長短期メモリアルゴリズムにエラーが発生し得るし、このようなエラーは、電池検査システム１０００の間違った警報を生成し得る。したがって、サーバ２００は、電池管理装置１２０に入力される第１電池セル１１１のＳＯＨ値を再算出して電池管理装置１２０に伝送することができる。

また、Ｓ１０８ステップにおいて、サーバ２００は、第１電池セル１１１の間違った警報が発生した原因を電池管理装置１２０の異常検出アルゴリズムの閾値により分析することができる。

電池管理装置１２０は、異常検出アルゴリズムを用いて、予測された第１電池セル１１１のｔ時間での電圧Ｖ'_ｔと、測定された第１電池セル１１１のｔ時間での電圧Ｖ_ｔとの差である異常値を生成し、異常値のうち閾値以上である異常値の割合が一定割合以上である場合、第１電池セル１１１を異常状態と判断することができる。したがって、電池管理装置１２０が異常値を非正常な値に区分する閾値が適していない場合、電池管理装置１２０の第１電池セル１１１の異常状態の判断にエラーが発生し得るし、このようなエラーは、電池検査システム１０００の間違った警報を生成し得る。したがって、サーバ２００は、電池管理装置１２０に入力される異常検出アルゴリズムの閾値を再設定して電池管理装置１２０に伝送することができる。

Ｓ１０９ステップにおいて、電池管理装置１２０は、サーバ２００から第１電池セル１１１のＳＯＨ値および異常検出アルゴリズムの閾値を受信した場合、長短期メモリアルゴリズムおよび異常検出アルゴリズムをアップデートすることができる。

以上の説明は、本開示の技術思想を例示的に説明したものにすぎず、本開示が属する技術分野における通常の知識を有する者であれば、本開示の本質的な特性から逸脱しない範囲で多様な修正および変形が可能である。

したがって、本開示に開示された実施形態は本開示の技術思想を限定するためのものではなく説明するためのものであって、このような実施形態により本開示の技術思想の範囲が限定されるものではない。本開示の保護範囲は後述の特許請求の範囲により解釈されなければならず、それと同等な範囲内にある全ての技術思想は本開示の権利範囲に含まれるものと解釈されるべきである。

Claims

電池の状態を測定した測定値を含む状態データを取得する第１コントローラと、
前記状態データの少なくとも一部を機械学習に適用して前記電池の状態を予測した予測データを生成し、前記予測データと前記電池の状態データを比較して前記電池の状態を判断する第２コントローラと、
前記電池の状態を判断した結果に基づいて前記状態データをサーバに伝送する通信部と、
を含む、電池管理装置。
前記第２コントローラは、前記電池が異常状態と判断される場合、前記電池が異常状態と判断される時点前後の所定時間の間に取得された前記状態データを圧縮する、請求項１に記載の電池管理装置。
前記通信部は、前記圧縮された電池の状態データを前記サーバに伝送する、請求項２に記載の電池管理装置。
前記測定値は、累積的に測定された前記電池の電圧、電流、および温度を含み、前記状態データは、前記測定値、および前記測定値に基づいて算出された前記電池のＳＯＨ（ＳｔａｔｅｏｆＨｅａｌｔｈ）を含む、請求項１から３のいずれか一項に記載の電池管理装置。
前記予測データは、前記電池の電圧を含み、
前記第２コントローラは、前記状態データに含まれた過去データ、および前記状態データに含まれた現時点で測定された前記電池の電流および温度を前記機械学習のモデルに適用し、前記電池の電圧を予測する、請求項４に記載の電池管理装置。
前記第２コントローラは、前記状態データを長短期メモリアルゴリズムに適用し、前記電池の電圧を予測する、請求項５に記載の電池管理装置。
前記第２コントローラは、前記状態データおよび前記予測データを異常検出アルゴリズムに適用し、異常値を生成する、請求項４に記載の電池管理装置。
前記第２コントローラは、所定時間の間に生成された前記異常値のうち閾値以上である異常値の割合が一定割合以上である場合、前記電池を異常状態と判断する、請求項７に記載の電池管理装置。
電池の状態を測定した測定値を含む状態データの少なくとも一部を機械学習に適用して前記電池の状態を予測した予測データを生成し、前記予測データと前記電池の状態データを比較して前記電池の状態を判断し、前記判断の結果に基づいて前記状態データをサーバに伝送する電池管理装置と、
前記電池の状態データに基づいて前記電池の異常状態有無を判断するサーバと、
を含む、電池検査システム。
前記電池管理装置は、前記電池が異常状態と判断される場合、前記電池が異常状態と判断される時点前後の所定時間の間に取得された前記状態データを圧縮して前記サーバに伝送する、請求項９に記載の電池検査システム。
前記測定値は、累積的に測定された前記電池の電圧、電流、および温度を含み、前記状態データは、前記測定値、および前記測定値に基づいて算出された前記電池のＳＯＨ（ＳｔａｔｅｏｆＨｅａｌｔｈ）を含む、請求項９または１０に記載の電池検査システム。
前記電池管理装置は、前記状態データに含まれた過去データ、および前記状態データに含まれた現時点で測定された前記電池の電流および温度を長短期メモリアルゴリズムに適用し、前記電池の電圧を予測する、請求項１１に記載の電池検査システム。
前記電池管理装置は、前記状態データおよび前記予測データを異常検出アルゴリズムに適用して異常値を生成し、所定時間の間に生成された前記異常値のうち閾値以上である異常値の割合が一定割合以上である場合、前記電池を異常状態と判断する、請求項１１に記載の電池検査システム。
前記サーバは、前記電池が異常状態と判断される時点前後の所定時間の間に取得された前記測定値に基づいて前記状態データを算出する過程を分析して、前記電池管理装置において前記電池が実際には異常状態でないにもかかわらず異常状態と判断された場合である間違った警報を抽出する、請求項１３に記載の電池検査システム。
前記サーバは、前記間違った警報の頻度が閾値頻度以上である場合、前記電池の前記ＳＯＨの値および前記異常検出アルゴリズムの前記閾値を測定して前記電池管理装置に伝送する、請求項１４に記載の電池検査システム。
前記電池管理装置は、前記サーバから受信した前記ＳＯＨの値および前記閾値に基づいて、長短期メモリアルゴリズムおよび前記異常検出アルゴリズムをアップデートする、請求項１５に記載の電池検査システム。