• Proceedings of the KIPE Conference
• /
• 2012.07a
• /
• pp.299-300
• /
• 2012

본 논문에서는 납 축전지를 사용하는 산업용 전기차량의 SOC(State Of Charge)를 별도의 BMS(Battery Management System)장치 없이 추정하는 방법에 대해 기술한다. SOC를 추정하기 위한 기존의 전통적인 방법들 중 전력을 적산하는 방법(Ampere hour counting)이 널리 사용되는데 이는 장치의 내, 외적인 요인에 의해 발생한 오차가 누적될 수 있다. 배터리의 전압을 측정하여 SOC를 추정하는 OCV(Open Circuit Voltage) 방법은 배터리가 안정 상태에 도달하기까지 충분한 휴지 시간이 필요해 실시간으로 적용하기 힘들다. 이 외에 칼만 필터를 이용하는 방법은 시스템을 정확히 모델링해야 하고 계산이 복잡하다는 단점이 있다. 본 연구에서는 전력을 적산하는 방법을 기본으로 하고 배터리의 전압을 적절히 이용하여 누적되는 오차를 보정하는 방법을 제안한다. 제안한 방법에 대해 시뮬레이션 하고 실제로 산업용 차량인 AC 전동 지게차로 실험하여 그 타당성을 검증 하였다.

• Proceedings of the KIPE Conference
• /
• 2014.11a
• /
• pp.56-57
• /
• 2014

본 논문에서는 $LiCoO_2$ 원통형(cylindrical)셀을 확장칼만필터(extended Kalman filter; EKF) 추정알고리즘에 적용 시 등가회로모델 차이에 따른 SOC(State-of-charge) 추정성능의 비교 분석을 진행하였다. 첫 번째, 등가회로 모델의 성능을 좌우하는 RC-ladder의 개수에 따른 SOC 추정성능의 차이를 비교하였고, 두 번째, 모델 단순화에 따른 불가피한 모델의 에러를 줄이고자 사용되는 노이즈 모델(noise model) 및 데이터 리젝션(data rejection)의 유무에 따른 SOC 추정성능을 비교분석 하였다.

• Proceedings of the KIPE Conference
• /
• 2018.07a
• /
• pp.249-251
• /
• 2018

본 논문에서는 모델 기반 적응제어 방식중 하나인 확장 칼만 필터(EKF: Extended Kalman Filter)를 사용하여 전기자전거용 배터리팩의 충전량(SOC: State of Charge)을 상온과 저온에서 추정하였다. 온도에 따라 배터리의 특성은 매우 가변적이며, 모델의 특성이 달라짐에 따라 적응제어를 위한 내부 파라미터 또한 상이하게 나타난다. 본 논문에서는 Matlab/Simulink를 이용하여 배터리와 확장 칼만 필터를 설계하고 시뮬레이션하였다. 온도에 따른 최적의 SOC 추정 성능을 얻기 위해, 오차 원인을 분석하고 이에 따른 개선된 SOC 추정 결과를 나타냈다.

• Transactions of the Korean hydrogen and new energy society
• /
• v.30 no.2
• /
• pp.155-162
• /
• 2019

The energy management technology for an independent fuel cell-battery hybrid system is developed for a household usage. To develop an efficient energy management technology, a simulation model is first developed. After the model is verified with experimental results, three energy management schemes are developed. Three control techniques are a fuzzy logic control (FLC), a state machine control (SMC), and a hybrid method of FLC and SMC. As the fuel cell-battery hybrid system is used for a house, battery state of charge (SOC) regulation is the most important factor for an energy management because SOC should be kept constant every day for continuous usage. Three management schemes are compared to see SOC, power split, and fuel cell power variations effects. Experimental results are also presented and the most favorable strategy is the state machine combined fuzzy control method.

• The Transactions of the Korean Institute of Power Electronics
• /
• v.6 no.6
• /
• pp.467-473
• /
• 2001

BMS(Battery Management System) in EV system(Electric Vehicle) senses voltage, temperature and the charging or discharging current of batteries. The main roles of BMS are to estimate SOC(State OF Charge) of batteries and optimally monitor them according to the operation state of EV system which is motoring mode or charging mode. In this paper, we propose the proper algorithm about BMS's roles and operation which is suitable to EV system and illustrate validity and effectiveness through the experiments which were performed in the condition of Vehicle road test and charging test.

• Proceedings of the KIPE Conference
• /
• 2017.07a
• /
• pp.463-464
• /
• 2017

다른 리튬계열 전지와 달리, 인산철($LiFePO_4$) 배터리는 중간 동작 영역에서 개방전압(OCV; open-circuit voltage)의 히스테리시스(hysteresis) 영역이 존재한다. 그러므로, 인산철 배터리 관리시스템, 특히 충전상태(SOC; state-of-charge)와 수명상태(SOH; state-of-health)의 정확한 모니터링을 위해서는 OCV의 정밀성이 요구된다. 본 논문에서는, 충전 및 방전 OCV-SOC의 SOC 간격에 따른 인산철 배터리의 SOH를 비교하기 위해 전기적 등가회로 모델(ECM; electrical-circuit modeling)적응제어 알고리즘 기반 실시간 내부저항(DCIR; direct current internal resistance)을 모니터링 하였다.

• Proceedings of the KIPE Conference
• /
• 2016.07a
• /
• pp.375-376
• /
• 2016

본 논문에서는 Li-air 배터리의 동작원리를 설명하고, 모델링을 위해 Li-air 배터리의 내부와 충전 및 방전 원리를 보여주고 SOC(State Of Charge) 추정을 위한 OCV(Open-circuit Voltage) 그래프의 분석과 회로도에 대해 설명 하였다. 더불어, 전류적산법의 원리를 적용하여 SOC 추정의 기준이 되는 값을 추출하였다.

• The Transactions of The Korean Institute of Electrical Engineers
• /
• v.57 no.5
• /
• pp.839-844
• /
• 2008

A novel state of health estimation method for hybrid electric vehicle lithium battery using sliding mode observer has been presented. A simple R-C circuit method has been used for the lithium battery modeling for the reduced calculation time and system resources due to the simple matrix operations. The modeling errors of simple model are compensated by the sliding mode observer. The design methodology for state of health estimation using dual sliding mode observer has been presented in step by step. The structure of the proposed system is simple and easy to implement, but it shows robust control property against modeling errors and temperature variations. The convergence of proposed observer system has been proved by the Lyapunov inequality equation and the performance of system has been verified by the sequence of urban dynamometer driving schedule test. The test results show the proposed observer system has superior tracking performance with reduced calculation time under the real driving environments.

• Journal of the Korea Convergence Society
• /
• v.11 no.6
• /
• pp.7-14
• /
• 2020

A Battery Monitoring System capable of State-of-Charge(SOC) estimation using the Extended Kalman Filter(EKF) is described in this paper. In order to accurately estimate the SOC of the battery, the battery cells were modeled as the Thevenin equivalent circuit model. The Thevenin model's parameters were measured in experiments. For the Battery Monitoring System, we designed a battery monitoring device that can calculate the SOC estimation using the EKF and a monitoring server that controls multiple battery monitoring devices. We also develop a web-based dashboard for controlling and monitoring batteries. Especially the computation of the monitoring server could be reduced by calculating the battery SOC estimation at each Battery Monitoring Device.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.20 no.2
• /
• pp.214-219
• /
• 2010

This paper deals with a nonlinear fuzzy $H_{\infty}$ filter design for SOC(state of charge) estimation in Lithium polymer battery. The dynamic equation of the battery cell is modeled as a T-S fuzzy system and the filter is designed via solutions of linear matrix inequalities. In order to illustrate the performance of the designed filter, a computer simulation is performed using the experimental data with the UDDS(urban dynamometer driving schedule) current profile.