电池管理设备和方法与流程

1.本技术要求于2020年11月26日在韩国提交的第10-2020-0161667号韩国专利申请的优先权，该韩国专利申请的公开内容通过引用并入本文中。
2.本公开内容涉及电池管理设备和方法，并且更具体地涉及能够使用学习的分类模型来判断电池状态的电池管理设备和方法。


背景技术：

3.近来，对便携式电子产品例如笔记本电脑、视频摄像设备和便携式电话的需求急剧增加，并且电动车辆、能量存储电池、机器人、卫星等也得到认真开发。因此，正在积极地研究允许重复的充电和放电的高性能电池。
4.目前市售的电池包括镍镉电池、镍氢电池、镍锌电池、锂离子电池等。其中，因为锂离子电池相比于镍基电池几乎不具有记忆效应，并且他们还具有非常低的自放电率和高能量密度，所以锂离子电池备受关注。
5.常规地，为了估计或判断电池的状态，引入了基于机器学习或基于深度学习的技术。例如，正在开发基于学习的模型来判断电池的状态的技术。
6.要学习这样的模型，需要大量的训练数据。为了从电池中获得训练数据，必须进行电池的充电和放电循环，因此可能花费大量时间来获得大量训练数据。另外，随着电池的预期寿命增加，充电和放电循环所需要的时间也成比例地增加，因此获得学习数据所需要的时间也在增加。
7.此外，从有限数量的电池中可以获得的学习数据的数量是有限的。因此，即使电池的数量是有限的，也有必要开发能够通过获得大量学习数据来提高学习的模型的性能的技术。


技术实现要素：

8.技术问题
9.本公开内容被设计为解决相关技术的问题，并且因此，本公开内容旨在提供电池管理设备和方法，该电池管理设备和方法能够从有限数量的电池中获得用于学习分类模型的大量学习数据。
10.本公开内容的这些目的和优点以及其他目的和优点可以根据以下详细描述来理解，并且根据本公开内容的示例性实施方式将变得更加充分明显。此外，将容易理解的是，本公开内容的目的和优点可以通过所附权利要求及其组合中示出的手段来实现。
11.技术解决方案
12.根据本公开内容的一个方面的电池管理设备可以包括：特征值提取单元，被配置成在每个充电和放电循环处提取学习电池的特征值；第一状态判断单元，被配置成基于由特征值提取单元提取的特征值和预设成与特征值对应的标准值，判断在每个充电和放电循环处学习电池的状态；标记单元，被配置成基于由第一状态判断单元判断的学习电池的状
态，对每个充电和放电循环处学习电池的特征值设置标记；模型学习单元，被配置成基于由标记单元对其设置了标记的特征值来学习用于判断分析电池的状态的分类模型；以及第二状态判断单元，被配置成基于由模型学习单元学习的分类模型来判断分析电池的状态。
13.第一状态判断单元可以被配置成将在每个充电和放电循环处学习电池的状态判断为正常状态或缺陷状态。
14.当学习电池的状态被判断为正常状态时，标记单元可以被配置成对针对对应的充电和放电循环的学习电池的特征值设置第一标记。
15.当学习电池的状态被判断为缺陷状态时，标记单元可以被配置成对针对对应的充电和放电循环的学习电池的特征值设置第二标记。
16.标记单元可以被配置成基于在预定的充电和放电循环处判断的学习电池的状态，对学习电池的特征值设置标记。
17.当在预定的充电和放电循环处学习电池的状态被判断为正常状态时，标记单元可以被配置成对针对直到紧接在预定的充电和放电循环之前的循环的充电和放电循环的学习电池的特征值设置第一标记。
18.当在预定的充电和放电循环处学习电池的状态被判断为缺陷状态时，标记单元可以被配置成对针对在预定的充电和放电循环之后的充电和放电循环的学习电池的特征值设置第二标记。
19.当学习电池的状态被判断为缺陷状态时，标记单元可以被配置成对针对随后的充电和放电循环的学习电池的特征值设置第二标记。
20.标记单元可以被配置成对学习电池的状态被判断为缺陷状态的次数进行计数，并且当所计数的次数等于或大于标准次数时，标记单元可以被配置成对针对如下充电和放电循环的学习电池的特征值设置第二标记：学习电池的状态被判断为缺陷状态的最后的充电和放电循环之后的充电和放电循环。
21.特征值提取单元可以被配置成提取学习电池的多个特征值。
22.第一状态判断单元可以被配置成基于学习电池的多个特征值和预设成与多个特征值中的每一个对应的标准值，判断在每个充电和放电循环处针对多个特征值中的每一个的学习电池的状态。
23.标记单元可以被配置成对每个充电和放电循环处多个特征值中的每一个设置标记。
24.第二状态判断单元可以被配置成在每个充电和放电循环处提取分析电池的特征值，并且通过将所提取的特征值输入至所学习的分类模型来判断分析电池的状态。
25.根据本公开内容的另一方面的电池组可以包括根据本公开内容的一个方面的电池管理设备。
26.根据本公开内容的又一方面的电池管理方法可以包括：特征值提取步骤，在每个充电和放电循环处提取学习电池的特征值；第一状态判断步骤，基于在特征值提取步骤中提取的特征值和预设成与特征值对应的标准值，判断在每个充电和放电循环处学习电池的状态；标记步骤，基于在第一状态判断步骤中判断的学习电池的状态，对每个充电和放电循环处学习电池的特征值设置标记；模型学习步骤，基于在标记步骤中对其设置了标记的特征值来学习用于判断分析电池的状态的分类模型；以及第二状态判断步骤，基于在模型学
习步骤中学习的分类模型来判断分析电池的状态。
27.有益效果
28.根据本公开内容的一个方面，优点在于可以从有限数量的电池中快速获取用于学习分类模型的大量学习数据。
29.本公开内容的效果不限于上面提到的效果，并且其他未提到的效果将由本领域技术人员根据权利要求书的描述而清楚地理解。
附图说明
30.附图示出了本公开内容的优选实施方式，并且与前述公开内容一起用于提供对本公开内容的技术特征的进一步理解，并且因此，本公开内容不被解释为限于附图。
31.图1是示意性地示出根据本公开内容的一个方面的电池管理设备的图。
32.图2是示意性地示出根据本公开内容的一个方面的其中由电池管理设备设置标记的第一实施方式的图。
33.图3是示意性地示出根据本公开内容的一个方面的其中由电池管理设备设置标记的第二实施方式的图。
34.图4是示意性地示出根据本公开内容的一个方面的其中由电池管理设备设置标记的第三实施方式的图。
35.图5是示意性地示出根据本公开内容的另一方面的电池组的示例性配置的图。
36.图6是示意性地示出根据本公开内容的又一方面的电池管理方法的图。
具体实施方式
37.应当理解，说明书和所附权利要求书中使用的术语不应当被解释为限于一般含义和词典含义，而应当在允许发明人为了最佳说明而适当限定术语的原则的基础上，基于与本公开内容的技术方面对应的含义和概念来解释。
38.因此，本文中提出的描述只是仅用于说明目的的优选示例，而不旨在限制本公开内容的范围，因此应当理解，在不脱离本公开内容的范围的情况下，可以对本公开内容做出其他等同方案和修改。
39.附加地，在描述本公开内容时，在认为对相关的已知要素或功能的详细描述使本公开内容的关键主题不明确时，在本文中省略该详细描述。
40.包括序数例如“第一”、“第二”等的术语可以用于在各种要素中区分一个要素与另一要素，但是不旨在通过这些术语来限制要素。
41.在整个说明书中，当部分被称为“包含”或“包括”任何要素时，这意味着该部分还可以包括其他要素，而不排除其他要素，除非另有具体说明。
42.另外，在整个说明书中，当部分被称为“连接”至另一部分时，并不限于他们是“直接连接”的情况，而且还包括其中另一要素插入在他们之间的他们是“间接连接”的情况。
43.在下文中，将参照附图详细描述本公开内容的优选实施方式。
44.图1是示意性地示出根据本公开内容的一个方面的电池管理设备100的图。
45.参照图1，电池管理设备100可以包括特征值提取单元110、第一状态判断单元120、标记单元130、模型学习单元140和第二状态判断单元150。
46.特征值提取单元110可以被配置成在每个充电和放电循环处提取学习电池的特征值。
47.此处，电池意指包括负极端子和正极端子的一个物理上可分离的独立单元。例如，一个袋型锂离子电池单元可以被视为电池。
48.另外，学习电池是用于获取用于学习分类模型的学习数据集的电池，并且可以与分析电池区别开。
49.例如，特征值提取单元110可以在每个充电和放电循环处提取学习电池的至少一个特征值。具体地，特征值提取单元110可以根据学习电池的电压、电流、容量、充电时间、内阻、soc(充电状态)、soh(健康状态)或他们的组合来提取特征值。
50.第一状态判断单元120可以被配置成基于由特征值提取单元110提取的特征值和预设成与特征值对应的标准值，判断在每个充电和放电循环处学习电池的状态。
51.优选地，可以为每个充电和放电循环的每个特征值预设标准值。
52.例如，假设在第一至第n充电和放电循环中的每个循环处提取学习电池的第一至第n特征值。此处，n可以是2或更大的整数。在这种情况下，可以预设总共n个标准值。即，可以将第一至第n标准值预设成分别与第一至第n特征值对应。另外，第一状态判断单元120可以通过对第一特征值和第一标准值进行比较来判断在第一充电和放电循环处学习电池的状态。类似地，第一状态判断单元120可以通过对第n特征值和第n标准值进行比较来判断在第n充电和放电循环处学习电池的状态。
53.具体地，第一状态判断单元120可以被配置成将在每个充电和放电循环处学习电池的状态判断为正常状态或缺陷状态。
54.例如，标准值可以是用于判断学习电池的状态的阈值。第一状态判断单元120可以通过对标准值和特征值的大小进行比较来判断学习电池的状态为正常状态或缺陷状态。
55.标记单元130可以被配置成基于由第一状态判断单元120判断的学习电池的状态，对每个充电和放电循环处学习电池的特征值设置标记。
56.具体地，当学习电池的状态被判断为正常状态时，标记单元130可以被配置成对在对应的充电和放电循环处的学习电池的特征值设置第一标记。
57.相反地，当学习电池的状态被判断为缺陷状态时，标记单元130可以被配置成对在对应的充电和放电循环处的学习电池的特征值设置第二标记。
58.即，标记单元130可以根据由第一状态判断单元120判断的学习电池的状态对在每个充电和放电循环处提取的学习电池的特征值设置标记。
59.模型学习单元140可以被配置成基于由标记单元130对其设置了标记的特征值来学习用于判断分析电池的状态的分类模型。
60.例如，逻辑回归、线性判别分析、支持向量机、随机森林分类器、或人工神经网络可以用作分类模型。
61.由模型学习单元140学习的分类模型可以用于判断分析电池的状态。
62.然而，由于基于对其设置了标记的特征值学习分类模型的处理是在机器学习中的一般模型学习，因此将省略其详细描述。
63.第二状态判断单元150可以被配置成基于由模型学习单元140学习的分类模型来判断分析电池的状态。
64.具体地，第二状态判断单元150可以被配置成在每个充电和放电循环处提取分析电池的特征值。
65.此处，分析电池的特征值可以与由特征值提取单元110提取的学习电池的特征值是相同种类。即，由第二状态判断单元150提取的分析电池的特征值可以与在由模型学习单元140学习分类模型的处理中使用的特征值是相同种类。
66.例如，假设特征值提取单元110在每个充电和放电循环处提取学习电池的电压作为特征值。第一状态判断单元120可以基于学习电池的电压和标准值判断在每个充电和放电循环处学习电池的状态。标记单元130可以基于在每个充电和放电循环处判断的学习电池的状态，对每个充电和放电循环的电压设置标记。模型学习单元140可以基于对其设置了标记的电压来学习分类模型。第二状态判断单元150可以在每个充电和放电循环处提取分析电池的电压作为特征值。
67.另外，第二状态判断单元150可以被配置成通过将提取的特征值输入至学习的分类模型来判断分析电池的状态。
68.例如，第二状态判断单元150可以将分析电池的特征值设置为学习的分类模型的输入。另外，学习的分类模型可以输出分析电池的状态作为针对输入的输出。第二状态判断单元150可以获取从学习的分类模型输出的输出并且判断分析电池的状态为正常状态或缺陷状态。
69.根据本公开内容的实施方式的电池管理设备100具有从有限数量的电池中获得用于学习分类模型的大量学习数据的优势。
70.即，由于电池随着充电和放电循环的进行而劣化，因此电池在每个充电和放电循环处的状态可能是不同的。考虑到电池的这些特征，电池管理设备100可以通过在每个充电和放电循环处提取电池的特征值来获得用于学习分类模型的大量学习数据。
71.因此，即使学习电池的数量有限，也可以获得用于学习分类模型的大量学习数据，并且可以基于大量学习数据来提高学习的分类模型的性能。因此，可以提高基于学习的分类模型判断分析电池的状态的准确性。
72.同时，参照图1，电池管理设备100还可以包括存储单元160。存储单元160可以存储电池管理设备100的每个部件的操作和功能所必需的数据、在执行操作或功能的过程中生成的数据等。存储单元160的种类没有特别限制，只要存储单元160是可以记录、擦除、更新和读取数据的已知信息存储装置即可。作为示例，信息存储装置可以包括ram、闪速存储器、rom、eeprom、寄存器等。另外，存储单元160可以存储其中限定了可由控制单元执行的处理的程序代码。
73.例如，由特征值提取单元110在每个充电和放电循环处提取的电池的特征值可以存储在存储单元160中。另外，由标记单元130对每个特征值设置的标记也可以存储在存储单元160中。
74.另外，特征值提取单元110可以被配置成提取学习电池的多个特征值。
75.具体地，特征值提取单元110可以在每个充电和放电循环处提取每个学习电池的两个或更多个特征值。
76.例如，特征值提取单元110可以在每个充电和放电循环处提取每个学习电池的电压和内阻。如果对10个学习电池执行多达500个循环的充电和放电循环，则由特征值提取单
元110提取的特征值的总数可以是10000。即，可以提取5000个电压和5000个内阻。
77.第一状态判断单元120可以被配置成基于学习电池的多个特征值和预设成与多个特征值中的每一个对应的标准值，针对在每个充电和放电循环处的多个特征值中的每一个判断学习电池的状态。
78.例如，在前述实施方式中，当由特征值提取单元110提取总共10000个特征值时，第一状态判断单元120可以通过将10000个特征值中的每一个和与该特征值对应的标准值进行比较，来判断在每个充电和放电循环处针对电压和内阻的学习电池的状态。即，根据10个学习电池的电压，可以判断学习电池在第1循环至第500循环中的每一个循环的基于电压的状态。另外，根据10个学习电池的内阻，可以判断学习电池在第1循环至第500循环中的每一个循环的基于内阻的状态。
79.标记单元130可以被配置成对在每个充电和放电循环处的多个特征值中的每一个设置标记。
80.例如，在前述实施方式中，当由第一状态判断单元120判断针对10000个特征值的学习电池的所有状态时，标记单元130可以对10000个特征值中的每一个设置标记。
81.即，根据本公开内容的实施方式的电池管理设备100具有通过提取学习电池的多个特征值来从有限数量的学习电池中获得大量学习数据的优点。
82.在下文中，将描述其中标记单元130对特征值设置标记的各种实施方式。
83.图2是示意性地示出根据本公开内容的一个方面的其中由电池管理设备100设置标记的第一实施方式的图。
84.标记单元130可以被配置成基于在预定的充电和放电循环处判断的学习电池的状态对学习电池的特征值设置标记。
85.例如，在图2的实施方式中，标记单元130可以基于在目标循环tc处判断的第一至第五学习电池b1、b2、b3、b4、b5中的每一个的状态，对第一至第五学习电池b1、b2、b3、b4、b5中的每一个的特征值设置标记。
86.此处，目标循环tc可以是由第一状态判断单元120判断电池的状态的最后的充电和放电循环。例如，目标循环tc可以是与电池的质量保证相关的循环。作为具体示例，如果电池的质量保证被设置成使得在第500循环时保留电池容量的90％或更多，则目标循环tc可以被设置成第500循环。换言之，目标循环tc可以根据电池的类型、电池的用途、使用电池的环境等而单独设置。
87.具体地，当在预定的充电和放电循环处学习电池的状态被判断为正常状态时，标记单元130可以对针对直到紧接在预定的充电和放电循环之前的循环的充电和放电循环的学习电池的特征值设置第一标记。
88.相反地，如果在预定的充电和放电循环处学习电池的状态被判断为缺陷状态，则标记单元130可以对在预定的充电和放电循环之后的充电和放电循环处的学习电池的特征值设置第二标记。
89.在图2的实施方式中，假设在目标循环tc处第一至第三学习电池b1、b2、b3的状态被判断为正常状态，并且第四和第五学习电池b4、b5的状态被判断为缺陷状态。在这种情况下，第一至第三学习电池b1、b2、b3在目标循环tc之前的状态将为正常状态，并且第四和第五学习电池b4、b5在目标循环tc之后的状态将为缺陷状态。
90.标记单元130可以对第一至第三学习电池b1、b2、b3在目标循环tc之前的特征值设置第一标记。
91.另外，标记单元130可以对第四和第五学习电池b4、b5在目标循环tc之后的特征值设置第二标记。即，即使在目标循环tc之后的充电和放电循环处未判断第四和第五学习电池b4、b5的状态，标记单元130也可以快速对特征值设置标记。
92.即，电池管理设备100不仅可以对紧接在目标循环tc之前的学习电池的特征值设置标记，而且还可以对在目标循环tc之后的充电和放电循环处的学习电池的特征值设置标记。
93.图3是示意性地示出根据本公开内容的一个方面的其中由电池管理设备100设置标记的第二实施方式的图。
94.标记单元130可以被配置成当学习电池的状态被判断为缺陷状态时，对针对随后的充电和放电循环的学习电池的特征值设置第二标记。
95.具体地，在被判断为缺陷状态的充电和放电循环之后，标记单元130可以对学习电池的特征值设置第二标记。即，在被判断为缺陷状态的充电和放电循环之后，即使第一状态判断单元120未判断出学习电池的状态，标记单元130也可以对特征值设置标记。
96.例如，在图3的实施方式中，在目标循环tc处第六学习电池b6的状态可以被判断为正常状态，并且第七学习电池b7的状态可以被判断为缺陷状态。在第三充电和放电循环c3处第八学习电池b8的状态可以被判断为缺陷状态，并且在第二充电和放电循环c2处第九学习电池b9的状态可以被判断为缺陷状态。在第一充电和放电循环c1处第十学习电池b10的状态可以被判断为缺陷状态。
97.标记单元130可以对第六学习电池b6直到紧接在目标循环tc之前的循环的特征值设置第一标记。
98.另外，标记单元130可以对第七学习电池b7直到紧接在目标循环tc之前的循环的特征值设置第一标记，并且对第七学习电池b7在目标循环tc之后的特征值设置第二标记。即，即使第一状态判断单元120在目标循环tc之后未判断出第七学习电池b7的状态，标记单元130也可以对第七学习电池b7的特征值设置第二标记。
99.另外，标记单元130可以对第八学习电池b8直到紧接在第三充电和放电循环c3之前的循环的特征值设置第一标记，并且对第八学习电池b8在第三充电和放电循环c3之后的特征值设置第二标记。即，即使第一状态判断单元120在第三充电和放电循环c3之后未判断出第八学习电池b8的状态，标记单元130也可以对第八学习电池b8的特征值设置第二标记。
100.另外，标记单元130可以对第九学习电池b9直到紧接在第二充电和放电循环c2之前的循环的特征值设置第一标记，并且对第九学习电池b9在第二充电和放电循环c2之后的特征值设置第二标记。即，即使第一状态判断单元120在第二充电和放电循环c2之后未判断出第九学习电池b9的状态，标记单元130也可以对第九学习电池b9的特征值设置第二标记。
101.另外，标记单元130可以对第十学习电池b10直到紧接在第一充电和放电循环c1之前的循环的特征值设置第一标记，并且对第十学习电池b10在第一充电和放电循环c1之后的特征值设置第二标记。即，即使第一状态判断单元120在第一充电和放电循环c1之后未判断出第十学习电池b10的状态，标记单元130也可以对第十学习电池b10的特征值设置第二标记。
102.根据本公开内容的实施方式的电池管理设备100可以在没有判断在被判断为缺陷状态的充电和放电循环之后的学习电池的状态的情况下，对特征值设置第二标记。因此，可以更快速地获得用于学习分类模型的学习数据，并且可以在获得这样的学习数据的过程中节省电池管理设备100的系统资源。
103.图4是示意性地示出根据本公开内容的一个方面的其中由电池管理设备100设置标记的第三实施方式的图。
104.标记单元130可以被配置成对学习电池的状态被判断为缺陷状态的次数进行计数。
105.例如，在图4的实施方式中，在第一充电和放电循环c1处，第十一学习电池b11可以被判断为缺陷状态。标记单元130可以在第一充电和放电循环c1处将被判断为第十一学习电池b11的缺陷状态的次数设置为1。
106.此外，在第二充电和放电循环c2处，第十一学习电池b11可以被判断为缺陷状态。标记单元130可以在第二充电和放电循环c2处将被判断为第十一学习电池b11的缺陷状态的次数设置为2。
107.另外，在第三充电和放电循环c3处，第十一学习电池b11可以被判断为缺陷状态。标记单元130可以在第三充电和放电循环c3处将被判断为第十一学习电池b11的缺陷状态的次数设置为3。
108.当计数的次数等于或大于标准次数时，标记单元130可以被配置成针对如下充电和放电循环对学习电池的特征值设置第二标记：在学习电池的状态被判断为缺陷状态的最后的充电和放电循环之后的充电和放电循环。
109.例如，在图4的实施方式中，假设标准次数被预设为3。由于在第三充电和放电循环c3处将被判断为第十一学习电池b11的缺陷状态的次数设置为3，因此标记单元130可以对在第三充电和放电循环c3之后的特征值设置第二标记。
110.通常，电池的状态随着充电和放电循环的进行而劣化，但是在一些情况下，电池的状态可以暂时恢复。此外，在判断电池状态的过程中，由于内部和外部环境问题引起的测量误差，暂时噪声可能会产生影响。因此，即使未判断学习电池的状态，标记单元130也可以仅在学习电池的状态被判断为缺陷状态标准次数或更多时设置第二标记。
111.同时，还可以将预定的条件添加至标准次数。例如，如果学习电池的状态被连续地判断为缺陷状态，并且被判断为缺陷状态的次数大于或等于标准次数，则标记单元130可以被配置成针对如下充电和放电循环对学习电池的特征值设置第二标记：在学习电池的状态被判断为缺陷状态的最后的充电和放电循环之后的充电和放电循环。
112.考虑到电池的类型、电池的用途、使用电池的环境等，可以由用户预设标准次数和可以添加至标准次数的条件。
113.同时，特征值提取单元110可以被配置成基于在每个充电和放电循环处的提取的特征值生成附加特征值。
114.例如，假设提供总共10个学习电池，并且特征值提取单元110已经针对每个学习电池提取从第一充电和放电循环c1至紧接在第500充电和放电循环之前的循环的特征值。在这种情况下，可以提取总共5000个特征值。
115.特征值提取单元110可以通过将在每个充电和放电循环处提取的特征值组合来生
成附加特征值，以进一步获得用于学习分类模型的学习数据。
116.例如，特征值提取单元110可以针对在相同充电和放电循环处提取的多个特征值生成多个组，并且针对每个生成的组计算平均特征值。
117.另外，特征值提取单元110可以被配置成针对相同类型的特征值生成组。
118.例如，假设由特征值提取单元110提取电压和内阻作为特征值。在这种情况下，可以基于针对电压的特征值生成针对电压的组，并且可以基于针对内阻的特征值生成针对内阻的组。即，可以不生成针对电压和内阻的混合的组。
119.在前述实施方式中，特征值提取单元110可以针对在相同充电和放电循环处待提取的10个特征值中的2至10个特征值生成组，并且还可以生成针对每个组的平均特征值。此处，可以根据10个特征值生成的组的数目总共可以是1013。
120.具体地，当特征值提取单元110通过将10个特征值中的2、3、4、5、6、7、8、9和10个特征值组合来生成组时，生成的组的数目可以分别是45、120、210、252、210、120、45、10和1。因此，生成的组的总数目可以是1013。特征值提取单元110可以通过计算生成的1013个组中的每一个组的平均特征值，来在每个充电和放电循环处生成1013个附加特征值。
121.第一状态判断单元120可以基于由特征值提取单元110生成的附加特征值中的每一个来判断虚拟学习电池的状态。另外，标记单元130可以基于判断的虚拟学习电池的状态对每个附加特征值设置标记。模型学习单元140可以通过使用学习电池的特征值和虚拟学习电池的特征值两者来学习分类模型。
122.即，电池管理设备110具有通过生成虚拟学习电池的附加特征值来基于有限数量的学习电池获得大量学习数据的优点。
123.同时，特征值提取单元110可以被配置成在生成组的过程中进一步考虑由第一状态判断单元120判断的学习电池的状态。即，特征值提取单元110可以被配置成通过对具有由第一状态判断单元120判断的相同状态的学习电池进行组合来生成组。
124.例如，在第n充电和放电循环处，假设10个学习电池中的6个学习电池的状态被判断为正常状态，并且4个学习电池的状态被判断为缺陷状态。特征值提取单元110可以通过对被判断为正常状态的6个学习电池的特征值进行组合来生成多个组。在这种情况下，可以生成总共57个组。另外，特征值提取单元110可以通过对被判断为缺陷状态的4个学习电池的特征值进行组合来生成多个组。在这种情况下，可以生成总共11个组。另外，特征值提取单元110可以通过计算每个生成的组的平均特征值来生成总共68个附加特征值。
125.可以将根据本公开内容的电池管理设备100应用于bms(电池管理系统)。即，根据本公开内容的bms可以包括上面描述的电池管理设备100。在该配置中，电池管理设备100中的至少一些部件可以通过补充或添加在常规bms中包括的配置的功能来实现。例如，特征值提取单元110、第一状态判断单元120、标记单元130、模型学习单元140和第二状态判断单元150可以被实现为bms的部件。
126.图5是示意性地示出根据本公开内容的另一方面的电池组1的示例性配置的图。
127.参照图5，根据本公开内容的电池管理设备100可以设置在电池组1中。即，根据本公开内容的电池组1可以包括上面描述的电池管理设备100和一个或更多个电池模块10。此处，电池模块10可以包括串联和/或并联连接的一个或更多个电池单元。另外，电池组1还可以包括电气设备(继电器、熔断器等)和壳体。
128.例如，在图5的实施方式中，可以将特征值提取单元110连接至电池模块10和电流测量单元。特征值提取单元110可以测量电池模块10中包括的每个电池单元的电压、电流、温度等并且提取其作为特征值。此外，特征值提取单元110可以基于测量值提取每个电池单元的内阻、soc、soh等作为特征值。
129.图6是示意性地示出根据本公开内容的又一方面的电池管理方法的图。
130.优选地，可以由电池管理设备100执行电池管理方法的每个步骤。在下文中，将省略或简要描述与先前描述的内容重叠的内容。
131.特征值提取步骤(s100)是在每个充电和放电循环处提取学习电池的特征值的步骤，并且可以由特征值提取单元110执行。
132.第一状态判断步骤(s200)是基于在特征值提取步骤(s100)中提取的特征值和预设成与特征值对应的标准值，判断在每个充电和放电循环处学习电池的状态的步骤，并且可以由第一状态判断单元120执行。
133.例如，假设在第一至第n充电和放电循环中的每一个循环处提取学习电池的第一至第n特征值。此处，n可以是2或更大的整数。在这种情况下，可以预设总共n个标准值。即，第一至第n标准值可以被预设成分别与第一至第n特征值对应。另外，第一状态判断单元120可以通过将第一特征值和第一标准值进行比较来判断学习电池在第一充电和放电循环处的状态。类似地，第一状态判断单元120可以通过将第n特征值和第n标准值进行比较来判断学习电池在第n充电和放电循环处的状态。
134.标记步骤(s300)是基于在第一状态判断步骤(s200)处判断的学习电池的状态，对每个充电和放电循环处学习电池的特征值设置标记的步骤，并且可以由标记单元130执行。
135.具体地，当学习电池的状态被判断为正常状态时，标记单元130可以被配置成对对应的充电和放电循环的学习电池的特征值设置第一标记。
136.相反地，当学习电池的状态被判断为缺陷状态时，标记单元130可以被配置成对对应的充电和放电循环的学习电池的特征值设置第二标记。
137.模型学习步骤(s400)是基于在标记步骤(s300)中对其设置了标记的特征值来学习用于判断分析电池的状态的分类模型的步骤，并且可以由模型学习单元140执行。
138.第二状态判断步骤(s500)是基于在模型学习步骤(s400)中学习的分类模型来判断分析电池的状态的步骤，并且可以由第二状态判断单元150执行。
139.即，根据本公开内容的实施方式的电池管理方法具有从有限数量的电池中获得用于学习分类模型的大量学习数据的优点。因此，可以提高学习的分类模型的性能。因此，可以提高根据本公开内容的一个实施方式基于学习的分类模型的分析电池的状态判断的准确性。
140.上面描述的本公开内容的实施方式不仅可以通过设备和方法来实现，而且还可以通过实现与本公开内容的实施方式的配置对应的功能的程序或在其上记录程序的记录介质来实现。根据实施方式的以上描述，本领域技术人员可以容易地实现该程序或记录介质。
141.已经详细描述了本公开内容。然而，应当理解，详细描述和具体示例尽管指示了本公开内容的优选实施方式，但仅作为说明给出，这是因为根据该详细描述，在本公开内容的范围内的各种改变和修改对于本领域技术人员而言将变得明显。
142.另外，在不脱离本公开内容的技术方面的情况下，本领域技术人员可以对上文描
述的本公开内容进行许多替换、修改和改变，并且本公开内容不限于上面描述的实施方式和附图，并且每个实施方式可以选择性地进行部分或整体组合以允许各种修改。
143.(附图标记)
144.1：电池组
145.10：电池模块
146.100：电池管理设备
147.110：特征值提取单元
148.120：第一状态判断单元
149.130：标记单元
150.140：模型学习单元
151.150：第二状态判断单元
152.160：存储单元