| 1 |
1
배터리에 대한 정보를 측정하고, 제 1 데이터를 출력하는 데이터 측정부;상기 제 1 데이터의 적어도 일부에 기반하여 상기 배터리의 가용 용량의 변화를 반영하여 보정된 잔존 용량(Corrected State of Charge)을 계산하고, 상기 보정된 잔존 용량에 기반하여 상기 제 1 데이터를 처리하여 제 2 데이터를 생성하고, 상기 제 2 데이터를 출력하는 데이터 산출부; 및상기 제 2 데이터에 기반하여 배터리의 상태 정보를 추정하는 배터리 상태 추정부를 포함하는 배터리 상태 예측 장치
|
| 2 |
2
제 1 항에 있어서,상기 데이터 측정부는:상기 배터리의 전류 정보를 측정하고, 전류 데이터를 생성하는 전류 센싱부;상기 배터리의 전압 정보를 측정하고, 전압 데이터를 생성하는 전압 센싱부; 및상기 배터리의 온도 정보를 측정하고, 온도 데이터를 생성하는 온도 센싱부를 포함하고,상기 제 1 데이터는 상기 전류 데이터, 상기 전압 데이터 및 상기 온도 데이터를 포함하는 배터리 상태 예측 장치
|
| 3 |
3
제 1 항에 있어서,상기 데이터 산출부는:상기 전류 데이터에 기반하여 상기 보정된 잔존 용량 및 배터리 사이클 데이터를 생성하고, 상기 보정된 잔존 용량 및 상기 배터리 사이클 데이터를 출력하는 데이터 연산부; 및상기 보정된 잔존 용량 및 상기 배터리 사이클 데이터에 기반하여 상기 제 1 데이터를 처리하여, 상기 제 2 데이터를 생성하는 데이터 생성부를 포함하는 배터리 상태 예측 장치
|
| 4 |
4
제 3 항에 있어서,상기 데이터 연산부는:상기 배터리가 제 1 상태인 경우 상기 전류 데이터 및 상기 배터리의 정격 용량을 이용하여 상기 보정된 잔존 용량을 계산하고, 상기 배터리가 제 2 상태인 경우 상기 전류 데이터 및 이전에 추정된 상기 상태 정보를 이용하여 상기 보정된 잔존 용량을 계산하는 배터리 상태 예측 장치
|
| 5 |
5
제 1 항에 있어서,상기 데이터 산출부는 복수의 버퍼들을 포함하고,상기 보정된 잔존 용량에 기반한 분류 기준에 따라 상기 제 1 데이터를 분류하고,상기 분류 기준에 따라 상기 제 1 데이터를 상기 복수의 버퍼들에 저장하는 배터리 상태 예측 장치
|
| 6 |
6
제 5 항에 있어서,상기 데이터 산출부는 상기 복수의 버퍼들 각각에 상기 제 1 데이터가 저장된 경우 상기 제 2 데이터를 상기 배터리 상태 추정부로 출력하는 배터리 상태 예측 장치
|
| 7 |
7
제 1 항에 있어서,상기 배터리 상태 추정부는 기계학습(machine learning)을 수행하는 배터리 상태 예측 장치
|
| 8 |
8
제 7 항에 있어서,상기 기계학습은 결정 트리 학습법(decision tree learning), 서포트 벡터 머신(support vector machine), 유전 알고리즘(genetic algorithm), 인공신경망(artificial neural network), 합성곱 신경망(convolutional neural network), 순환신경망(recurrent neural network) 및 강화 학습(reinforcement learning) 중 적어도 하나에 기반하는 배터리 상태 예측 장치
|
| 9 |
9
제 1 항에 있어서,상기 상태 정보는 상기 배터리의 가용 용량, 상기 배터리의 현재 잔량 및 상기 배터리의 잔여 유효 수명 중 적어도 하나를 포함하는 배터리 상태 예측 장치
|
| 10 |
10
배터리에 대한 전류 데이터, 전압 데이터 및 온도 데이터를 측정하는 단계;상기 전류 데이터에 기반하여 보정된 잔존 용량을 계산하는 단계;상기 보정된 잔존 용량의 값의 구간 별로 상기 전류 데이터, 전압 데이터 및 온도 데이터를 분류하는 단계;상기 보정된 잔존 용량의 값의 구간 별로 분류된 상기 전류 데이터, 전압 데이터 및 온도 데이터를 처리하는 단계;상기 보정된 잔존 용량의 값의 구간 별로 처리된 데이터를 버퍼에 저장하는 단계; 및상기 저장된 데이터에 기반하여 상기 배터리의 상태를 추정하는 단계를 포함하는 배터리 상태 예측 방법
|
| 11 |
11
제 10 항에 있어서,상기 배터리의 상태가 추정되면, 상기 버퍼를 초기화 하는 단계를 더 포함하는 배터리 상태 예측 방법
|
| 12 |
12
제 10 항에 있어서,상기 배터리가 제 1 상태인 경우 상기 전류 데이터 및 상기 배터리의 정격 용량을 이용하여 상기 보정된 잔존 용량을 계산하고, 상기 배터리가 제 2 상태인 경우 상기 전류 데이터 및 이전에 추정된 상기 상태 정보를 이용하여 상기 보정된 잔존 용량을 계산하는 배터리 상태 예측 방법
|
| 13 |
13
제 10 항에 있어서,상기 보정된 잔존 용량에 기반하여 배터리 사이클 데이터를 생성하는 단계를 더 포함하는 배터리 상태 예측 방법
|
| 14 |
14
제 10 항에 있어서,상기 배터리의 상태에 대한 기계학습을 수행하는 단계를 더 포함하는 배터리 상태 예측 방법
|
| 15 |
15
제 14 항에 있어서,상기 기계학습은 결정 트리 학습법(decision tree learning), 서포트 벡터 머신(support vector machine), 유전 알고리즘(genetic algorithm), 인공신경망(artificial neural network), 합성곱 신경망(convolutional neural network), 순환신경망(recurrent neural network) 및 강화 학습(reinforcement learning) 중 적어도 하나에 기반하는 배터리 상태 예측 방법
|
