| 1 |
1
BMS가 배터리를 관측하여 수집한 데이터를 수신하여 저장하는 데이터 저장부; 저장된 데이터를 이용하여 미리 지정된 수치해석 모델이 배터리를 모사하도록 수정하여 배터리 모델을 획득하는 수치해석 모델 획득부; 상기 배터리의 가상 동작 환경을 설정하고, 설정된 가상 동작 환경을 설상기 배터리 모델에 입력하여, 상기 배터리 모델에서 출력되는 의사 데이터를 획획득하는 의사 데이터 생성부; 및 시간과 동작 환경에 따른 상기 의사 데이터의 분포 패턴을 분석하여, 시간 및 동작 환경에서 상기 의사 데이터의 분포 패턴을 추종하도록 구성된 대안 모델을 획득하는 대안 모델 생성부를 포함하는 적응형 모델 제공 장치
|
| 2 |
2
제1항에 있어서, 상기 대안 모델 생성부는 상기 의사 데이터의 분포 패턴을 모의하기 위해 시간에 관한 기저 함수와 동작 환경에 관한 기저함수로 구성되는 심플 모델을 구성하고, 상기 심플 모델이 시간에 따른 상기 의사 데이터의 분포 패턴을 추종하도록 시간에 관한 기저 함수를 수정하며, 수정된 심플 모델이 동작 환경에 따른 상기 의사 데이터의 분포 패턴을 더 추종하도록 동작 환경에 관한 기저함수를 추가 수정하여 상기 대안 모델을 획득하는 적응형 모델 제공 장치
|
| 3 |
3
제2항에 있어서, 상기 대안 모델 생성부는 적합 직교 분해법(Proper orthogonal decomposition)을 기반으로 상기 의사 데이터의 시간적 특징을 분석하여 가장 특징적인 데이터로부터 순차적으로 나열하고, 나열된 의사 데이터 중 기지정된 개수만큼 추출하여, 상기 심플 모델이 추출된 의사 데이터의 분포 패턴을 추종하도록 감소 순차 모델(이하 ROM)을 획득하는 적응형 모델 제공 장치
|
| 4 |
4
제3항에 있어서, 상기 대안 모델 생성부는 상기 ROM에 가상 동작 환경을 입력하여, 상기 ROM에서 출력되는 값과 상기 의사 데이터 사이의 오차가 최소가 되도록, 상기 ROM의 동작 환경에 관한 기저함수를 수정하여 상기 대안 모델을 획득하는 적응형 모델 제공 장치
|
| 5 |
5
제1항에 있어서, 상기 데이터 저장부는 상기 배터리가 1회 충방전되는 사이클 단위로 최근 기지정된 사이클 동안 수집되어 전송된 데이터를 누적 저장하는 적응형 모델 제공 장치
|
| 6 |
6
제1항에 있어서, 상기 데이터 저장부는 상기 배터리의 동작 환경을 관측하여 획득된 동작 환경 데이터와 배터리의 전압을 나타내는 전압 데이터를 포함하는 데이터를 인가받아 저장하는 적응형 모델 제공 장치
|
| 7 |
7
제6항에 있어서, 상기 수치해석 모델 획득부는 상기 데이터 중 동작 환경 데이터를 상기 수치해석 모델에 입력하고, 수치해석 모델의 출력과 상기 데이터 중 전압 데이터 사이의 오차가 가능한 수준에서 최소가 되도록 상기 수치해석 모델의 조절 가능한 파라미터를 변경하여 상기 배터리 모델을 획득하는 적응형 모델 제공 장치
|
| 8 |
8
제7항에 있어서, 상기 수치해석 모델 획득부는 상기 수치해석 모델로서 의사 2차원(Pseudo-two-dimensional model: P2D) 모델을 이용하는 적응형 모델 제공 장치
|
| 9 |
9
BMS를 위한 적응형 모델 제공 방법에 있어서, 상기 BMS가 배터리를 관측하여 수집한 데이터를 수신하여 저장하는 단계; 저장된 데이터를 이용하여 미리 지정된 수치해석 모델이 배터리를 모사하도록 수정하여 배터리 모델을 획득하는 단계; 상기 배터리의 가상 동작 환경을 설정하고, 설정된 가상 동작 환경을 설상기 배터리 모델에 입력하여, 상기 배터리 모델에서 출력되는 의사 데이터를 획획득하는 단계; 및 시간과 동작 환경에 따른 상기 의사 데이터의 분포 패턴을 분석하여, 시간 및 동작 환경에서 상기 의사 데이터의 분포 패턴을 추종하도록 구성된 대안 모델을 생성하는 단계를 포함하는 적응형 모델 제공 방법
|
| 10 |
10
제9항에 있어서, 상기 대안 모델을 생성하는 단계는 상기 의사 데이터의 분포 패턴을 모의하기 위해 시간에 관한 기저 함수와 동작 환경에 관한 기저함수로 구성되는 심플 모델을 구성하는 단계; 상기 심플 모델이 시간에 따른 상기 의사 데이터의 분포 패턴을 추종하도록 시간에 관한 기저 함수를 수정하는 단계; 및 수정된 심플 모델이 동작 환경에 따른 상기 의사 데이터의 분포 패턴을 더 추종하도록 동작 환경에 관한 기저함수를 추가 수정하는 단계를 포함하는 적응형 모델 제공 방법
|
| 11 |
11
제10항에 있어서, 상기 시간에 관한 기저 함수를 수정하는 단계는 적합 직교 분해법(Proper orthogonal decomposition)을 기반으로 상기 의사 데이터의 시간적 특징을 분석하여 가장 특징적인 데이터로부터 순차적으로 나열하는 단계; 나열된 의사 데이터 중 기지정된 개수만큼 추출하는 단계; 및 상기 심플 모델이 추출된 의사 데이터의 분포 패턴을 추종하도록 감소 순차 모델(이하 ROM)을 획득하는 단계를 포함하는 적응형 모델 제공 방법
|
| 12 |
12
제11항에 있어서, 상기 추가 수정하는 단계는 상기 ROM에 가상 동작 환경을 입력하는 단계; 및 상기 ROM에서 출력되는 값과 상기 의사 데이터 사이의 오차가 최소가 되도록, 상기 ROM의 동작 환경에 관한 기저함수를 수정하여 상기 대안 모델을 획득하는 단계를 포함하는 적응형 모델 제공 방법
|
| 13 |
13
제9항에 있어서, 상기 저장하는 단계는 상기 배터리가 1회 충방전되는 사이클 단위로 최근 기지정된 사이클 동안 수집되어 전송된 데이터를 누적 저장하는 적응형 모델 제공 방법
|
| 14 |
14
제13항에 있어서, 상기 데이터 각각은 상기 배터리의 동작 환경을 관측하여 획득된 동작 환경 데이터와 배터리의 전압을 나타내는 전압 데이터를 포함하는 적응형 모델 제공 방법
|
| 15 |
15
제14항에 있어서, 상기 배터리 모델을 획득하는 단계는 상기 데이터 중 동작 환경 데이터를 상기 수치해석 모델에 입력하는 단계; 및 상기 수치해석 모델의 출력과 상기 데이터 중 전압 데이터 사이의 오차가 가능한 수준에서 최소가 되도록 상기 수치해석 모델의 조절 가능한 파라미터를 변경하여 상기 배터리 모델을 획득하는 단계를 포함하는 적응형 모델 제공 방법
|
| 16 |
16
제15항에 있어서, 상기 수치해석 모델은 의사 2차원(Pseudo-two-dimensional model: P2D) 모델인 적응형 모델 제공 방법
|
| 17 |
17
배터리를 관측하여 기지정된 데이터를 수집하는 데이터 수집부; 수집된 데이터를 기지정된 클라우드 서버로 전송하고, 상기 클라우드 서버로부터 상기 배터리를 모의하도록 구성된 대안 모델을 수신하는 통신부; 이후 수집되는 데이터를 상기 대안 모델에 입력하여, 상기 배터리의 상태를 분석하는 대안 모델 저장부; 및 분석된 상기 배터리의 상태에 따라 상기 배터리를 제어하는 배터리 제어부를 포함하고, 상기 대안 모델은 상기 클라우드 서버로 전송된 데이터를 기반으로 획득되는 수치해석 기반 배터리 모델을 이용하여 다수의 의사 데이터를 생성하고, 시간과 동작 환경에 따른 상기 의사 데이터의 분포 패턴을 분석하여, 시간 및 동작 환경에서 상기 의사 데이터의 분포 패턴을 추종하도록 생성되는 BMS
|
| 18 |
18
제17항에 있어서, 상기 수치해석 기반 배터리 모델은 전송된 데이터 중 동작 환경 데이터를 미리 지정된 수치해석 모델에 입력하여 상기 수치해석 모델의 출력과 상기 데이터 중 전압 데이터 사이의 오차가 가능한 수준에서 최소가 되도록 상기 수치해석 모델의 조절 가능한 파라미터를 변경하여 획득되는 BMS
|
| 19 |
19
제18항에 있어서, 상기 대안 모델은 상기 의사 데이터의 분포 패턴을 모의하기 위해 시간에 관한 기저 함수와 동작 환경에 관한 기저함수로 구성되는 심플 모델을 구성하고, 상기 심플 모델이 시간에 따른 상기 의사 데이터의 분포 패턴을 추종하도록 시간에 관한 기저 함수를 수정하며, 수정된 심플 모델이 동작 환경에 따른 상기 의사 데이터의 분포 패턴을 더 추종하도록 동작 환경에 관한 기저함수를 추가 수정하여 획득되는 BMS
|
