| 1 |
1
배터리 노화 상태를 추정하는 장치에 있어서,배터리관리 시스템(Battery Management System, BMS)으로부터 수신한 배터리의 측정값과 측정 시간을 이용하여 배터리 노화 정보 엔트로피 인덱스를 계산하고, 상기 측정값과 상기 배터리 노화 정보 엔트로피 인덱스를 포함하는 n 차원 벡터-여기서, n은 자연수임-를 입력으로 배터리 노화 상태 추정 모델을 학습하고, 상기 배터리 노화 상태 추정 모델에 따라 상기 배터리의 노화 상태를 추정하는 프로세서를 포함하는 배터리 노화 상태 추정 장치
|
| 2 |
2
제1항에 있어서,상기 프로세서는상기 측정값과 상기 측정 시간을 이용하여 배터리 노화 정보 엔트로피 인덱스를 계산하는 전처리부;상기 측정값과 상기 배터리 노화 정보 엔트로피 인덱스를 포함하는 n 차원 벡터-여기서, n은 자연수임-를 입력으로 하는 배터리 노화 상태 추정 모델을 학습하는 학습부; 및상기 배터리 노화 상태 추정 모델에 따라 상기 배터리의 노화 상태를 추정하는 추정부를 포함하는 것을 특징으로 하는 배터리 노화 상태 추정 장치
|
| 3 |
3
제2항에 있어서,상기 전처리부는상기 측정값에 대하여 히스토그램을 생성하고, 상기 히스토그램의 각 빈(bin)의 확률을 계산하여 상기 배터리 노화 정보 엔트로피 인덱스를 계산하는 것을 특징으로 하는 배터리 노화 상태 추정 장치
|
| 4 |
4
제3항에 있어서,상기 전처리부는상기 측정값을 상기 배터리의 충전구간과 방전구간으로 나누고, 상기 충전구간과 방전구간 각각에 대하여 상기 배터리 노화 정보 엔트로피 인덱스를 계산하는 것을 특징으로 하는 배터리 노화 상태 추정 장치
|
| 5 |
5
제3항에 있어서,상기 전처리부는 상기 배터리의 충방전 시간 및 입출력 전류 변화를 보상하기 위한 하기의 수학식에 의해 상기 배터리 노화 정보 엔트로피 인덱스를 계산하는 것을 특징으로 하는 배터리 노화 상태 추정 장치
|
| 6 |
6
제2항에 있어서,상기 배터리 노화 상태 추정 장치는상기 전처리부에서 전처리 된 데이터와 상기 학습부에서 학습된 상기 배터리 노화 상태 추정 모델 및 파라미터를 저장하는 메모리를 더 포함하는 것을 특징으로 하는 배터리 노화 상태 추정 장치
|
| 7 |
7
제2항에 있어서,상기 배터리 노화 상태 추정 모델은서포트 벡터 머신(Support Vector Machine, SVM), 랜덤 포레스트(Random Forest) 및 장단기 메모리(Long-Short Term Memory, LSTM) 중 어느 하나인 뉴럴 네트워크(Neural Network)인 것을 특징으로 하는 배터리 노화 상태 추정 장치
|
| 8 |
8
제2항에 있어서,상기 n 차원 벡터는상기 배터리의 전압, 전류, 내부저항, 온도, 전력 및 충전상태(State of Charge, SOC) 중 적어도 어느 하나를 더 포함하는 것을 특징으로 하는 배터리 노화 상태 추정 장치
|
| 9 |
9
제2항에 있어서,상기 학습부는상기 배터리와 동일 모델의 배터리로 미리 수행된 실험 데이터를 학습하는 것을 특징으로 하는 배터리 노화 상태 추정 장치
|
| 10 |
10
제2항에 있어서,상기 학습부는상기 배터리의 노화에 따라 상기 배터리 노화 상태 추정 모델을 재학습하는 것을 특징으로 하는 배터리 노화 상태 추정 장치
|
| 11 |
11
제1항에 있어서,상기 노화 상태는상기 배터리의 건강상태(State of Health, SOH) 및 잔존 수명(Remaining Useful Life, RUL) 중 적어도 어느 하나를 포함하는 배터리 노화 상태 추정 장치
|
| 12 |
12
제1항 내지 제11항 중 어느 한 항에 있어서,상기 측정값을 수신하는 통신모듈을 더 포함하는 것을 특징으로 하는 배터리 노화 상태 추정 장치
|
| 13 |
13
배터리관리 시스템(Battery Management System, BMS)으로부터 배터리의 측정값을 수신하는 단계;상기 측정값과 측정 시간을 이용하여 배터리 노화 정보 엔트로피 인덱스를 계산하는 단계;상기 측정값과 상기 배터리 노화 정보 엔트로피 인덱스를 포함하는 n 차원 벡터-여기서, n은 자연수임-를 입력으로 배터리 노화 상태 추정 모델을 학습하는 단계; 및상기 배터리 노화 상태 추정 모델에 따라 상기 배터리의 노화 상태를 추정하는 단계를 포함하는 배터리 노화 상태 추정 방법
|
| 14 |
14
제13항에 있어서,상기 배터리 노화 정보 엔트로피 인덱스를 계산하는 단계는상기 측정값에 대하여 히스토그램을 생성하는 단계;상기 히스토그램의 각 빈(bin)의 확률을 계산하는 단계; 및상기 각 빈의 확률을 이용하여 상기 배터리 노화 정보 엔트로피 인덱스를 계산하는 단계를 포함하는 배터리 노화 상태 추정 방법
|
| 15 |
15
제14항에 있어서,상기 배터리 노화 정보 엔트로피 인덱스를 계산하는 단계는상기 측정값을 상기 배터리의 충전구간과 방전구간으로 나누고, 상기 충전구간과 방전구간 각각에 대하여 상기 배터리 노화 정보 엔트로피 인덱스를 계산하는 것을 특징으로 하는 배터리 노화 상태 추정 방법
|
| 16 |
16
제14항에 있어서,상기 배터리 노화 정보 엔트로피 인덱스를 계산하는 단계는 상기 배터리의 충방전 시간 및 입출력 전류 변화를 보상하기 위한 하기의 수학식에 의해 상기 배터리 노화 정보 엔트로피 인덱스를 계산하는 것을 특징으로 하는 배터리 노화 상태 추정 방법
|
| 17 |
17
제13항에 있어서,상기 배터리 노화 상태 추정 모델은서포트 벡터 머신(Support Vector Machine, SVM), 랜덤 포레스트(Random Forest) 및 장단기 메모리(Long-Short Term Memory, LSTM) 중 어느 하나인 뉴럴 네트워크(Neural Network)인 것을 특징으로 하는 배터리 노화 상태 추정 방법
|
| 18 |
18
제13항에 있어서,상기 n 차원 벡터는상기 배터리의 전압, 전류, 내부저항, 온도, 전력 및 충전상태(State of Charge, SOC) 중 적어도 어느 하나를 더 포함하는 것을 특징으로 하는 배터리 노화 상태 추정 방법
|
| 19 |
19
제13항에 있어서,상기 배터리 노화 상태 추정 모델을 학습하는 단계는상기 배터리와 동일 모델의 배터리로 미리 수행된 실험 데이터를 학습하는 것을 특징으로 하는 배터리 노화 상태 추정 방법
|
| 20 |
20
제13항에 있어서,상기 배터리 노화 상태 추정 모델을 학습하는 단계는상기 배터리의 노화에 따라 상기 배터리 노화 상태 추정 모델을 재학습하는 것을 특징으로 하는 배터리 노화 상태 추정 방법
|
| 21 |
21
제13항에 있어서,상기 노화 상태는상기 배터리의 건강상태(State of Health, SOH) 및 잔존 수명(Remaining Useful Life, RUL) 중 적어도 어느 하나를 포함하는 배터리 노화 상태 추정 방법
|
| 22 |
22
배터리관리 시스템(Battery Management System, BMS)으로부터 배터리의 측정값을 수신하는 통신모듈; 및상기 통신모듈로부터 무선통신을 통해 상기 측정값을 수신하고, 상기 측정값과 측정 시간을 이용하여 배터리 노화 정보 엔트로피 인덱스를 계산하고, 상기 측정값과 상기 배터리 노화 정보 엔트로피 인덱스를 포함하는 n 차원 벡터-여기서, n은 자연수임-를 입력으로 배터리 노화 상태 추정 모델을 학습하고, 상기 배터리 노화 상태 추정 모델에 따라 상기 배터리의 노화 상태를 추정하는 외부 클라우드 서버를 포함하는 배터리 노화 상태 추정 장치
|
| 23 |
23
제22항에 있어서,상기 외부 클라우드 서버는상기 측정값을 상기 배터리의 충전구간과 방전구간으로 나누고, 상기 충전구간과 방전구간 각각에 대하여 상기 측정값의 히스토그램을 생성하고, 상기 히스토그램의 각 빈(bin)의 확률을 계산하고, 상기 배터리의 충방전 시간 및 입출력 전류 변화를 보상하기 위한 하기의 수학식에 의해 상기 배터리 노화 정보 엔트로피 인덱스를 계산하는 것을 특징으로 하는 배터리 노화 상태 추정 장치
|
| 24 |
24
배터리가 설치된 운송수단의 외부 클라우드 서버에서 수행되는 배터리 노화 상태 추정 방법으로서,상기 배터리의 측정값을 수신하는 단계;상기 측정값과 측정 시간을 이용하여 배터리 노화 정보 엔트로피 인덱스를 계산하는 단계;상기 측정값과 상기 배터리 노화 정보 엔트로피 인덱스를 포함하는 n 차원 벡터-여기서, n은 자연수임-를 입력으로 배터리 노화 상태 추정 모델을 학습하는 단계; 및상기 배터리 노화 상태 추정 모델에 따라 상기 배터리의 노화 상태를 추정하는 단계를 포함하는 배터리 노화 상태 추정 방법
|
| 25 |
25
배터리관리 시스템(Battery Management System, BMS)의 내부 모듈의 형태로 구현되는 배터리 노화 상태 추정 장치로서,상기 배터리관리 시스템(BMS)으로부터 배터리의 측정값을 수신하는 통신모듈; 및상기 측정값과 측정 시간을 이용하여 배터리 노화 정보 엔트로피 인덱스를 계산하고, 상기 측정값과 상기 배터리 노화 정보 엔트로피 인덱스를 포함하는 n 차원 벡터-여기서, n은 자연수임-를 입력으로 하는 배터리 노화 상태 추정 모델을 학습하고, 상기 배터리 노화 상태 추정 모델에 따라 상기 배터리의 노화 상태를 추정하는 프로세서를 포함하는 배터리 노화 상태 추정 장치
|
| 26 |
26
배터리관리 시스템(Battery Management System, BMS)에서 프로그램을 실행하여 수행되는 배터리 노화 상태 추정 방법으로서,상기 배터리의 측정값을 수신하는 단계;상기 측정값과 측정 시간을 이용하여 배터리 노화 정보 엔트로피 인덱스를 계산하는 단계;상기 측정값과 상기 배터리 노화 정보 엔트로피 인덱스를 포함하는 n 차원 벡터-여기서, n은 자연수임-를 입력으로 하는 배터리 노화 상태 추정 모델을 학습하는 단계; 및상기 배터리 노화 상태 추정 모델에 따라 상기 배터리의 노화 상태를 추정하는 단계를 포함하는 배터리 노화 상태 추정 방법
|
