• Proceedings of the KIPE Conference
• /
• 2014.07a
• /
• pp.526-527
• /
• 2014

본 논문은 Shepherd model과 전류적산법을 이용한 개선된 SOC 추정 알고리즘을 제안하였다. 제안한 추정 알고리즘은 전류적산법을 통해 SOC를 측정 한 후 누적된 오차는 Shepherd model을 통해 구한 OCV를 이용하여 리셋시킴으로써 최종적으로 SOC 추정을 수행하였다. Li-ion 4.2V, 10Ah 배터리를 사용하여 SOC 추정 실험을 하였다. 제안한 SOC 추정 알고리즘은 불규칙적인 전류 프로파일을 통해 이상적인 SOC 추정값과 제안한 SOC 추정값을 비교함으로써 SOC 추정 알고리즘의 우수성을 확인하였다.

• Proceedings of the KIPE Conference
• /
• 2011.11a
• /
• pp.51-52
• /
• 2011

전류 적산법(Coulomb counting, Ampere counting)을 이용한 배터리 SOC(State of Charge) 추정 방식은 초기 SOC 값에 존재하는 오차와 SOC를 추정하는 시간동안 누적되는 전류값의 오차로 인해 추정이 실패할 수 있는 단점이 존재한다. 하지만 알고리즘이 직관적이며 단시간 내에서는 그 오차가 크지않고, 상용화된 배터리 SOC 추정 IC가 존재하여 구현이 간단하다는 장점 또한 있다. 본 논문에서는 전류 적산법 기반의 배터리 SOC 추정 IC를 사용하여 $LiFePO_4$ 리튬 폴리머 배터리의 SOC 추정 회로를 구현하는 과정을 제안한다. 또한 실험을 통해 제안된 배터리 SOC 추정 회로의 성능을 확인해본다.

• Journal of IKEEE
• /
• v.18 no.3
• /
• pp.298-304
• /
• 2014

Proper operation of the battery powered systems depends on the accuracy of the battery SOC(State of Charge) estimation, therefore it is critical for those systems that SOC is accurately determined. The SOC of the battery is related to the battery aging and the SOC estimation methods without considering the aging of the battery are not accurate. In this paper, a new method that accurately estimate the SOC of the battery is proposed considering the aging of the battery. A mathematical model for the Battery SOC-OCV(Open Circuit Voltage) relationship is presented using Boltzmann equation and aging indicator is defined, and then the SOC is estimated combining the mathematical model and aging indicator. The proposed method takes the aging of the battery into consideration, which leads to an accurate estimation of the SOC. The simulations and experiments show the effectiveness of the proposed method for improving the accuracy of the SOC estimation.

• 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.79-81
• /
• 2019

전기자동차(EV)뿐만 아니라 ESS(Energy Storage System) 등의 사용량이 증가하면서 리튬이온배터리의 중요성은 점점 커지고 있다. 리튬 이온 배터리의 정확한 상태를 추정하는 것은 배터리의 안전하고 신뢰성 있는 작동을 위해 매우 중요하다. 본 논문에서는 AEKF(Adaptive Extended Kalman Filter)를 이용한 배터리 파라미터와 충전상태(SOC, State of Charge)를 추정하고, 이를 활용하여 배터리의 건강상태(SOH, State of Health)를 추정하는 간단한 알고리즘을 제시한다. AEKF에 파라미터 값을 적용하여 SOC를 추정하고, 추정된 SOC값과 전류 적산을 이용하여 SOH를 추정한다. SOC 오차에 따른 SOH 추정 값의 편차는 SOC 연산 간격을 늘리고 가중치 필터를 적용하여 최소화시킴으로써 결과의 정확성을 향상했다. 다양한 자동차의 표준 주행 패턴을 적용한 실험을 통해 제안된 방법을 이용하여 얻어진 SOH 추정 결과는 RMSE(Root Mean Square Error) 1.428% 이내임을 검증하였다.

• Proceedings of the KIPE Conference
• /
• 2015.11a
• /
• pp.54-55
• /
• 2015

본 논문에서는 리튬-이온(Lithium-ion) 폐배터리 효율적인 재활용을 위한 발전된 SOC 추정방법의 필요성과 간단한 개념을 언급하고자 한다. 배터리는 노화되면 용량이 줄어들고 임피던스의 크기가 증가해 기존의 새 배터리의 SOC 추정방법으로는 정확한 추정이 어렵다. 따라서, 폐배터리를 안전하고 효율적으로 사용하기 위해서는 그에 맞는 SOC 추정방법이 필요하다. 따라서, 폐배터리의 간단한 개념을 설명하고, 동일한 배터리 등 가회로모델과 EKF 알고리즘을 적용한 새 리튬-이온 셀과 노화된 리튬-이온셀의 SOC 추정결과를 비교하고 노화에 따른 배터리 파라미터값의 변화를 분석해봄으로서 발전된 SOC 추정방법의 필요성에 대해 논의해보고자 한다.

• Korean Chemical Engineering Research
• /
• v.60 no.3
• /
• pp.363-370
• /
• 2022

In this paper, an estimation algorithm for state of charge (SOC) was applied using an equivalent circuit model (ECM) and an Extended Kalman Filter (EKF) to improve the estimation accuracy of the battery system states. In particular, an observer was designed to estimate SOC along with the aged capacity. In the case of the fresh battery, when SOC was estimated by Kalman Filter (KF), the mean absolute percentage error (MAPE) was 0.27% which was smaller than MAPE of 1.43% when the SOC was calculated by the model without the observer. In the driving mode of the vehicle, the general KF or EKF algorithm cannot be used to estimate both SOC and capacity. Considering that the battery aging does not occur in a short period of time, a strategy of periodically estimating the battery capacity during charging was proposed. In the charging mode, since the current is fixed at some intervals, a strategy for estimating the capacity along with the SOC in this situation was suggested. When the current was fixed, MAPE of SOC estimation was 0.54%, and the MAPE of capacity estimation was 2.24%. Since the current is fixed when charging, it is feasible to estimate the battery capacity and SOC simultaneously using the general EKF. This method can be used to periodically perform battery capacity correction when charging the battery. When driving, the SOC can be estimated using EKF with the corrected capacity.

• 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%.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.23 no.3
• /
• pp.214-219
• /
• 2013

This paper proposes the robust high-gain observer based SOC estimatro for uncertain RC model of Li-Ion batteries. In general, RC battery model has inevitable uncertainties and it cause some negative effect to estimate the accurate SOC of Li-Ion batteries. The proposed estimator overcomes such weakness with two techniques; high-gain observer design technique and sliding mode control technique. A high-gain observer provides the robustness against model uncertainties to the proposed estimator. A sliding mode control technique helps the proposed estimator by reducing the side effect of adopting a high-gain observer such as peaking phenomenon and perturbation. The performance of the proposed estimator is verified by some simulation.

• 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.