• IEIE Transactions on Smart Processing and Computing
• /
• 제4권2호
• /
• pp.126-131
• /
• 2015

When a battery is discharging, the battery's current and terminal voltage must both be measured to estimate its state of charge (SOC). If the SOC can be estimated by using only the current or voltage, hardware costs will decrease. This paper proposes an SOC estimation algorithm that needs to measure only the terminal voltage while a battery is discharging. The battery's SOC can be deduced from its open circuit voltage (OCV) through the relationship between SOC and OCV. But when the battery is discharging, it is not possible to measure the OCV due to the voltage drop in the battery's internal resistance (IRdrop). The proposed algorithm calculates OCV by estimating IRdrop using a dynamic terminal voltage measurement. This paper confirms the results of applying the algorithm in a hardware environment via algorithm binarization. To evaluate the algorithm, a Simulink battery model based on actual values was used.

• 제어로봇시스템학회논문지
• /
• 제14권9호
• /
• pp.904-908
• /
• 2008

Every autonomous system like a robot needs a power source known as a battery. And proper management of the battery is very important for proper operation. To know State of Charge(SOC) of a battery is the very core of proper battery management. In this paper, the SOC estimation problem is tackled based on the well known Extended Kalman Filter(EKF). Combined the existing battery model is used and then EKF is employed to estimate the SOC. SOC table is constructed by extensive experiment under various conditions and used as a true SOC. To verify the estimation result, extensive experiment is performed with various loads. The comparison result shows the battery estimation problem can be well solved with the technique proposed in this paper. The result of this paper can be used to develop related autonomous system.

• 전력전자학회논문지
• /
• 제13권5호
• /
• pp.360-368
• /
• 2008

하이브리드 전기자동차용 리튬이온 배터리 시스템의 모델링 및 모델기반 상태 관측기 설계에 관한 연구를 수행하였다. 배터리의 동적 특성을 모사하기 위한 모델은 전기적 등가회로로 단순화하여 제안하였다. 모델 파라미터는 최소 자승 이론에 의거 다양한 운전조건에 따라 추정하였고, 실험 검증하였다. 검증된 모델을 기반으로 하는 비례-적분(PI) 제어의 상태 관측기를 구성하였고, 제어 이득 선정방법을 제안하였다. 제안된 상태 관측기의 강인성은 시뮬레이션 및 실험에 의거 다양한 운전조건 변동에 따른 민감도를 분석하여 검증하였다.

• 한국정보기술학회논문지
• /
• 제18권5호
• /
• pp.55-64
• /
• 2020

태양광 시스템의 안정성과 신뢰성 향상을 위해서는 배터리의 잔존량 (State of Charge, SOC)을 정확하게 추정하여야 한다. 본 연구에서는 gradient descent, Levenberg-Marquardt 및 scaled conjugate gradient 학습방법을 사용한 인공 신경회로망 (Artificial Neural Networks, ANN)과 적응형 뉴로-퍼지 추론 시스템 (Adaptive Neuro-Fuzzy Inference System, ANFIS)을 사용한 SOC 추정방법을 제안한다. 입력으로는 충전 시작 전압 및 적류적산법을 통해 구한 충전 전류를 사용하여 추정된 SOC를 출력한다. 4개의 모델 (ANN-GD, ANN-LM, ANN-SCG, 및 ANFIS)을 사용하여 SOC 추정 방법을 구현하였고 실험을 통해 MATLAB을 사용하여 4개의 모델의 성능을 비교 분석하였다. 실험 결과로부터 ANFIS 모델을 사용한 배터리의 SOC 추정이 가장 정확도가 높았으며 빠른 속도로 수렴함을 확인하였다.

• 전력전자학회논문지
• /
• 제27권4호
• /
• pp.332-338
• /
• 2022

This study proposes a battery state-of-health estimation method by applying a feature extraction technique. The technique that can improve estimation performance is the process of identifying and extracting meaningful data. To apply a data-driven-based aging state estimation method to batteries, health indicators are used as training data. However, limitations occur in extracting health indicators from charge/discharge cycles. This study proposes a deep-learning-based battery state-of-health estimation method that applies feature extraction techniques to compensate for this problem. According to the performance evaluation result of the proposed method, it has a low estimation error of 0.3887% based on an absolute error evaluation method.

• Journal of Electrical Engineering and Technology
• /
• 제9권5호
• /
• pp.1729-1738
• /
• 2014

The offline verification of state of charge estimation, power estimation, fault diagnosis and emergency control of battery management system (BMS) is one of the key technologies in the field of electric vehicle battery system. It is difficult to test and verify the battery management system software in the early stage, especially for algorithms such as system state estimation, emergency control and so on. This article carried out the virtual environment modeling for verification of battery management system. According to the input/output parameters of battery management system, virtual environment is determined to run the battery management system. With the integration of the developed BMS model and the external model, the virtual environment model has been established for battery management system in the vehicle's working environment. Through the virtual environment model, the effectiveness of software algorithm of BMS was verified, such as battery state parameters estimation, power estimation, fault diagnosis, charge and discharge management, etc.

• Journal of Power Electronics
• /
• 제12권1호
• /
• pp.1-9
• /
• 2012

This study investigates an application of the Hamming network-dual extended Kalman filter (DEKF) based on pattern recognition for high accuracy state-of-charge (SOC)/capacity estimation and state-of-health (SOH) prediction at various temperatures. The averaged nine discharging/charging voltage-temperature (DCVT) patterns for ten fresh Li-Ion cells at experimental temperatures are measured as representative patterns, together with cell model parameters. Through statistical analysis, the Hamming network is applied to identify the representative pattern that matches most closely with the pattern of an arbitrary cell measured at any temperature. Based on temperature-checking process, model parameters for a representative DCVT pattern can then be applied to estimate SOC/capacity and to predict SOH of an arbitrary cell using the DEKF. This avoids the need for repeated parameter measuremet.

• 전기전자학회논문지
• /
• 제24권1호
• /
• pp.333-338
• /
• 2020

본 논문은 역전파 뉴럴 네트워크(Back Propagation Neural Network; BPNN) 알고리즘을 이용한 배터리 셀의 잔존용량(State Of Charge; SOC) 추정 방법을 제안한다. 이를 위해 배터리 성능평가 시뮬레이터를 구현하고 다양한 온도에서의 충방전 실험을 통해 뉴럴 네트워크 학습에 필요한 입출력 데이터를 도출한다. 최종적으로 배터리의 SOC 추정 성능은 Matlab/Simulink 프로그램을 이용하여 Ah-counting에 의한 실험치와 비교를 통해 분석하고 오차율을 3% 미만으로 줄일 수 있음을 시뮬레이션을 통해 확인한다.

• Korean Chemical Engineering Research
• /
• 제60권3호
• /
• pp.363-370
• /
• 2022

본 논문에서는 전기자동차용 배터리 충/방전 상태 추정의 정확도를 개선하기 위해 칼만 필터(Kalman Filter, KF) 알고리즘과 등가회로모델(Equivalent Circuit Model)을 활용한 State Of Charge (SOC) 추정 방법을 적용하였다. 특히 노화된 배터리 용량을 함께 추정 가능한 관측기(observer)를 설계하였다. 우선 노화가 없는 경우, 칼만 필터를 이용하여 SOC를 단일 추정하면, 관측기 없이 모델로 계산된 경우와 비교하여 평균 절대 오차율이 1.43%(관측기 미사용)에서 0.27%(관측기 사용)로 감소하였다. 차량 주행상태에서는 전류가 고정되지 않아 SOC와 배터리 용량을 모두 추정하는 것에 일반적인 KF 혹은 Extended KF 알고리즘을 이용할 수 없다. 배터리 노화에 의한 용량 변화는 단시간에 일어나지는 않다는 점에 착안하여, 충전 시 배터리 용량 추정을 주기적으로 실시하는 전략을 제시하였다. 충전 모드에서는 일정 구간마다 전류가 고정되기에, 해당 상황에서 배터리 노화 용량을 SOC와 함께 추정 전략을 제시하였다. 전류가 고정된 상태에서 SOC 추정의 평균 절대 오차율은 0.54% 였으며, 용량 추정의 평균 절대 오차율은 2.24%로 나타났다. 충전상태에서 전류가 고정됨으로 일반적인 EKF를 활용하여 배터리 용량과 SOC 동시 추정이 가능하도록 하였다. 이를 통하여 배터리 충전 시 주기적인 배터리 용량 보정을 수행할 수 있다. 그리고, 방전 시에는 해당 용량으로 고정한 채 SOC를 추정하는, 배터리 관리 시스템에서 활용 가능한 추정 알고리즘을 제안하였다.

• 한국조명전기설비학회:학술대회논문집
• /
• 한국조명전기설비학회 2008년도 춘계학술대회 논문집
• /
• pp.317-320
• /
• 2008

This paper presents the battery management system(BMS) for the optimum conditions of the lead-Acid battery in UPS. The proposed system controls the over and under currents of battery for protecting and it was applied algorithm for optimum conditions to estimate the State Of Charge(SOC) and State Of Health(SOH) in charge or discharge mode. It approved the performance and the algorithm for the estimation of SOH, through the experiments which using the charge and discharge tester and the field tests.