• Proceedings of the KIPE Conference
• /
• 2016.11a
• /
• pp.165-166
• /
• 2016

본 논문에서는 병렬 UPS 모듈용 배터리의 효율 향상을 위해 추가적인 밸런싱 회로의 구성 없이 SOC 밸런싱을 수행하는 제어 기법을 제안한다. 각각의 UPS 모듈은 배터리와 인버터로 구성되어 있으며 출력단이 병렬 구조로 이루어져 있다. 배터리간 SOC 불균형은 전체 시스템의 효율을 저하시키는데, 본 논문에서는 시스템의 효율을 향상시키기 위하여 각각의 인버터의 출력을 제어하여 배터리 SOC간의 불균형을 제어하는 제어 기법을 제안한다. 제안하는 SOC 밸런싱 제어 방법은 시뮬레이션을 통해 검증하였다.

• Journal of IKEEE
• /
• v.26 no.1
• /
• pp.10-18
• /
• 2022

Accurate SOC estimation is an important indicator of battery operation strategies, and many studies have been conducted. The simulation method which was mainly used in previous studies, is difficult to conduct real-time SOC estimation like real BMS environment. Therefore, this paper aims to implement a real-time battery SOC estimation embedded system and analyze problems that can arise during the verification process. In environment consisting of two Raspberry Pi boards, SOC estimation with the EKF uses data measured by the Simscape battery model. Considering that the operating characteristics of the battery vary depend on the temperature, the results were analyzed at various ambient temperatures. It was confirmed that accurate SOC estimation was performed even when offset fault and packet loss occurred due to communication or sensing problems. This paper proposes a guide for embedded system strategies that enable real-time SOC estimation with errors within 5%.

• Proceedings of the KIPE Conference
• /
• 2019.07a
• /
• pp.198-200
• /
• 2019

배터리의 상태를 추정하기 위해 전압과 전류 데이터는 사용자가 센서를 통해 얻을 수 있는 정보이며, 이때 노이즈 성분이 포함된 전압 및 전류 데이터는 배터리의 상태 추정을 할 때 정확도를 크게 감소시킬 수 있다. 기존의 확장 칼만필터(EKF, Extended Kalman Filter)를 사용하여 노이즈 성분이 포함된 데이터를 통해 배터리의 상태를 추정했을 때는 노이즈의 영향으로 인해 추정 정확도가 떨어진다. 본 논문은 적응형 칼만 필터(AKF, Adaptive Kalman Filter)를 사용하여 노이즈 분산값을 업데이트 해줌으로써 SOC추정 성능을 향상시켰다. 실험 및 배터리의 모델링은 21700 NMC 고용량 배터리를 사용하였으며, 배터리의 전압에 임의의 노이즈 성분을 추가하여 배터리의 SOC를 추정 정확도를 검증 하였다.

• Proceedings of the KIPE Conference
• /
• 2018.11a
• /
• pp.121-122
• /
• 2018

리튬 인산철(LFP, $LiFePo_4$) 배터리의 경우 다른 종류의 배터리에 비해 내부 파라미터가 비선형적인 단점이 있다. 일반적인 배터리 등가회로 모델을 적용 시, 비선형성으로 인해 추정 성능이 감소한다. 배터리 등가회로 모델을 기반인 확장 칼만 필터(EKF, Extended Kalman Filter)를 통해 SOC (State of Charge) 추정 시 추정성능이 감소할 수 있다. 따라서 본 논문은 LFP 배터리의 SOC 추정 성능 향상을 위해 실시간 파라미터 관측기를 통한 배터리 등가회로 모델을 기반으로 EKF의 내부 파라미터를 분석하고 이에 따른 차등 모델을 제안한다.

• Proceedings of the KIPE Conference
• /
• 2010.07a
• /
• pp.87-88
• /
• 2010

주위온도, 사용연한 및 운전점 등에 의해서 동작특성이 변화되는 배터리의 SOC(State of Charge)를 정확하게 추정하는 것은 매우 어려운 과제이다. SOC를 추정하기 위해서는 배터리의 복잡한 비선형적인 특성을 고려한 등가 모델의 개발이 필요하다. 본 논문은 SOC 추정을 위해 최근까지 수행되었던 연구를 검토하고, SOC 추정을 위해 개발된 배터리 모델 및 추정기법을 비교 분석하고, PSIM 시뮬레이션 연구 결과를 제시한다.

• Proceedings of the KIPE Conference
• /
• 2011.11a
• /
• pp.301-302
• /
• 2011

본 논문에서는 리튬 폴리머 배터리($LiFePO_4/C$)의 개방전압(OCV;open-circuit voltage) 히스테리시스 특성을 이용한 확장 칼만 필터(EKF;extended Kalman filter) 기반 state-of-charge(SOC) 추정방법을 소개한다. 배터리 등가회로의 중요 요소인 OCV 모델링을 위해 충전 및 방전 각각의 OCV 히스테리시스 특성을 고려하였고 더불어 OCV-SOC 관계의 SOC 간격을 10%에서 5%로 조정하여 EKF 기반 SOC 추정알고리즘의 성능이 향상되었다. 축소된 하이브리드 자동차용 전류프로파일을 적용했을 때 SOC 추정이 잘 이루어지지 않는 영역은 EKF의 측정방정식에 노이즈 모델 및 데이터 리젝션(data rejection)을 구축하였다. 제안된 방법을 이용하여 SOC 추정결과 전류적산법 대비 5%이내의 SOC 추정에러를 만족하였다.

• Proceedings of the KIPE Conference
• /
• 2019.11a
• /
• pp.73-75
• /
• 2019

폐배터리를 조합하여 배터리 팩을 구성 시, 사용환경이 상이한 폐배터리 간의 전압/SOC의 편차가 존재하여 장기간 사용시 과충전/과방전과 같은 안전상을 문제가 발생할 가능성이 크다. 따라서 본 논문에서는 확장 칼만 필터를 기반 센서 융합 방법을 사용하여 폐배터리 팩의 셀 간 SOC 불균형을 추정하는 알고리즘을 제안한다. 검증은 셀간 전압 불균형이 있는 노화된 배터리 팩에 임의의 전류 프로파일을 인가하여 제안된 알고리즘을 검증한다.

• Journal of the Korea Academia-Industrial cooperation Society
• /
• v.18 no.10
• /
• pp.15-23
• /
• 2017

This paper reports a SOC(State-of-Charge) estimation method using the extended Kalman filter(EKF) algorithm, which can allow real-time implementation and reduce the error of the model and be robust against noise, to accurately estimate and evaluate the charging/discharging state of the EV(Electric Vehicle) battery. The battery was modeled as the first order Thevenin model for the EKF algorithm and the parameters were derived through experiments. This paper proposes the changed method, which can have the SOC to 0% ~ 100% regardless of the aging of the battery by replacing the rated capacity specified in the battery with the maximum chargeable capacity. In addition, This paper proposes the EKF algorithm to estimate the non-linearity interval of the battery and simulation result based on Ah-counting shows that the proposed algorithm reduces the estimation error to less than 5% in all intervals of the SOC.

• Journal of IKEEE
• /
• v.24 no.1
• /
• pp.333-338
• /
• 2020

This paper proposes a method of estimating the SOC(State of Charge) of a battery cell using a neural network algorithm. To this, we implement a battery SOC estimation simulator and derive input and output data for neural network learning through charge and discharge experiments at various temperatures. Finally, the performance of the battery SOC estimation is analyzed by comparing with the experimental value by Ah-counting using Matlab/Simulink program and confirmed that the error rate can be reduced to less than 3%.

• Proceedings of the KIPE Conference
• /
• 2012.11a
• /
• pp.157-158
• /
• 2012

본 논문은 리튬 폴리머 배터리의 수명 감소에 대한 경향성 테스트를 토대로 이중 확장 칼만 필터(Dual EKF)를 이용하여 배터리의 SOC(State-of-Charge) 및 SOH(State-of-Charge) 방법을 제안하였다. 배터리에 수명에 따른 임피던스 변화를 테스트를 수행함으로써 등가회로 모델상에서 수명에 따른 변화가 가장 큰 내부 저항을 선택함으로써 배터리의 SOH 추정을 위해 선택하였다. 배터리 모델은 4.2V, 1440mAh의 리튬폴리머 전지에서 추출되었다. 배터리는 Bulk 커패시터, 두 개의 R-C회로, 직렬 저항을 사용하여 모델링하였다. Dual EKF를 모델에 적용하기 위해 캐패시터 전압은 개방 회로 전압(OCV)을 나타내는데 사용된다. Dual EKF는 충/방전 기기인 TOSCAT-5200에 의해 얻은 실험 데이터로 테스트하였다.