CN101248365A - 估算与电池相关的状态向量的系统和方法 - Google Patents

Abstract

本发明是有关于提供一种估算电池相关的状态向量的系统与方法。本方法包括：确定电池从负载电路电性解耦的时间间隔。时间间隔起始于第一时间。本方法进一步包括：从存储器中获得电池相关的第一状态向量。第一状态向量是于第一时间前就已确定。本方法进一步包括：以第一状态向量与时间间隔为基础来计算与电池相关的第二预测状态向量。

Description

估算与电池相关的状态向量的系统和方法

技术领域

本发明是关于一种估算与电池相关的状态向量的系统与方法。

背景技术

许多电子与电力设备会使用到电池。所以需要能够估计电池的内部状态，包括充电状态(SOC)。SOC指的如下值，其表示电池可用于工作的当前可用容量。电池监控系统会测量输入至电池的电流与从电池输出的电压的历史以估计电池状态。

一般来说，当电池会在没有电负载的某段时间内放电，且电池状态会改变。然而，电池监控系统在这段时间会中断测量和计算的历史。此系统的缺点是，当电池从负载电路电解耦一段时间之后，当其与负载电路电耦合时，不能准确地确定电池的状态。

因此，本发明人认识到，当电池从负载电路电解耦一段时间之后，当其与负载电路电耦合时，需要有估算与电池相关的状态向量的系统与方法。

发明内容

依据实施例，本发明提供一种估算与电池相关的状态向量的方法。本方法包括：确定电池从负载电路解耦的时间间隔。时间间隔起云贵于第一时间。本方法进一步包括：从存储器中获得与电池相关的第一状态向量。第一状态向量是于第一时间前就已确定。本方法进一步包括：以第一状态向量与时间间隔为基础来计算以预测与预测与与电池相关的第二状态向量。本方法进一步包括：当电池再度与负载电路耦合时，测量电池的输出电压，以在第一时间间隔后获得第一电池电压值。本方法进一步包括：以预测的第二状态向量为基础来估算与电池相关的第二电池电压值。本方法进一步包括：以第一电池电压值与第二电池电压值为基础，计算出电压误差值。本方法进一步包括：以预测的第二状态向量与电压误差值为基础来预测与与电池相关的第三状态向量。

依据另一实施例，本发明提供一种估算与电池相关的状态向量的系统。本系统包括：用以测量电池的输出电压的电压传感器。本系统进一步包括：实际耦合至电压传感器的计算机。计算机是被配置以确定电池从负载电路解耦的时间间隔。时间间隔起始于第一时间。更且，计算机是被配置为可从存储器中获得与电池相关的第一状态向量。第一状态向量是于第一时间前就已确定。更且，计算机是被配置为可以第一状态向量与时间间隔为基础做计算，以预测与与电池相关的第二状态向量。更且，计算机是被配置为其可在当电池再度与负载电路耦合时，在第一时间间隔后让电压传感器测量电池的输出电压，以获得第一电池电压值。更且，计算机是被配置为其可利用预测的第二状态向量，估算与与电池相关的第二电池电压值。更且，计算机是被配置为其可以第一电池电压值与第二电池电压值为基础来计算电压误差值。更且，计算机是被配置为其可以预测的第二状态向量与电压误差值为基础做计算，预测与与电池相关的第三状态向量。

依据另一实施例，本发明提供制造产品。产品制造包括：计算机储存介质，其具有计算机程式，是用以估算与与电池相关的状态向量。计算机储存介质包括：确定电池从负载电路解耦时的时间间隔的程序代码。时间间隔起始于第一时间。计算机储存介质进一步包括：从存储器中获得与与电池相关的第一状态向量的程序代码。第一状态向量是于第一时间前就已确定。计算机储存介质进一步包括：以第一状态向量与时间间隔为基础做计算，预测与电池相关的第二状态向量的程序代码。计算机储存介质进一步包括：当电池再度与负载电路电耦合时，在第一时间间隔后测量电池的输出电压，以获得第一电池电压值的程序代码。计算机储存介质进一步包括：以预测的第二状态向量为基础，估算与电池相关的第二电池电压值的程序代码。计算机储存介质进一步包括：以第一电池电压值与第二电池电压值为基础，计算电压误差值的程序代码。计算机储存介质进一步包括：以预测的第二状态向量与电压误差值为基础做计算，预测与电池相关的第三状态向量的程序代码。

从下列图示及说明可更了解其他依据实施例的系统或方法。这些所有附加的系统与方法均属于本发明的范畴，并受到权利要求范围的保护。

附图说明

图1示出了根据示例性实施例的估算与电池相关的状态向量的系统示意图。

图2-3示出了另一示例性实施例的估算与电池相关的状态向量的方法流程图。

图4-5示出了另一示例性实施例的估算与电池相关的状态向量的方法流程图。

具体实施方式

参考图1，其说明用以估算与电池12相关的状态向量的系统10。电池12包括至少电池单元14。当然，电池12可以包括多个其他电池单元。系统10包括一个或多个电压传感器20、负载电路26、计算单元，如计算机28，也可包括一个或多个温度传感器22，以及电流传感器24。

电压传感器20被配置为产生第一输出信号，其表示电池12的一个或多个电池单元产生的电压。电压传感器20电耦合在计算机28的输入/输出接口46与电池12之间。电压传感器20将第一输出信号传输至计算机28。为使说明简明，在此将描述一个电压传感器。然而，要注意的是，在系统10的可选实施例中，系统10采用了多个电压传感器(如：每个电池单元一个电压传感器)。

温度传感器22被配置为产生第二输出信号，其表示电池12的一个或多个温度。温度传感器22被设置为靠近电池12，并以与计算机28的输入/输出接口46电性耦合。温度传感器22将第二输出信号传输至计算机28。为了使说明简明，在此将描述一个温度传感器。然而，要注意的是，在系统10的可选实施例中，系统10采用多个温度传感器(如：每个电池单元一个温度传感器)。

电流传感器24被配置为产生第三输出信号，其表示电池12的电池单元提供或吸取的电流。电流传感器24电性耦合在电池12与负载电路26之间。电流传感器24进一步与计算机28的输入/输出接口46电性耦合。电流传感器24将第三输出信号传输至计算机28。

负载电路26是与电流传感器24电性耦合，且从电池12吸取或提供电流。负载电路26包括任何能够与电池12电性耦合的电子装置。

计算机28被配置为确定与电池12相关的状态向量，下面将做更详细的说明。计算机28包括中央处理器(CPU)40、只读存储器(ROM)44、易失性存储器，如随机存取存储器(RAM)45、以及输入/输出接口46。中央处理器40可操作地与ROM 44、RAM 45、及输入/输出接口46通信。中央处理器40包括时钟42。包括ROM 44及RAM 45的计算机可读取介质可以被实现为是任何个数的已知的存储器装置，如PROM、EPROM、EEPROM、快闪存储器或其他可储存数据的电、磁、光或组合的存储器装置；其中的一些代表了中央处理器40可使用的可执行指令。

在详细讨论如何确定与电池12相关的状态向量的方法之前，先描述概要。状态向量包括至少与电池12相关的充电状态(SOC)值。SOC值是从0％至100％，其表示的是电池12可工作的目前可用容量。估算的状态向量是在负载电路26被供给能量时利用下述参数确定的：(i)已测量的电池电压；(ii)之前储存的估算的状态向量(包括SOC值)；以及(iii)负载电路未被供给能量或从电池12电解耦的时间间隔。这些参数被用在电池单元行为的数学模型中，以计算出改善估算的电池12状态向量，其可以包括磁滞现象、电压极化现象及自放电的补偿。装置未被供给能量时的时间段可使用计算机28的时钟42测量。

下述假设电池单元动态的数学模型是已知，且可用包括状态方程及输出方程的离散时间状态空间模型来表示。

下述为所采用的状态方程，用于确定与电池12相关的状态向量：

x_k＝f(x_k-1，u_k-1，w_k-1，k-1，k)

其中

x_k是时间指标k时与电池12相关的状态向量；

u_k是表示电池12的已知/确定性的输入的变数；

w_k是方法噪声或干扰，其对某些未测量但却会影响系统状态的输入进行建模；以及

f(x_k-1，u_k-1，w_k-1，k-1，k)是状态转移函数。

在此，状态向量x_k包括SOC值。进一步，已知/确定性的输入u_k包括下列至少其中一项：(i)当前电池12提供或吸取的电流，以及(ii)电池12的温度。

采用下面的方程可确定与电池12相关的输出向量：

y_k＝h(x_k，u_k，v_k，k)

其中，h(x_k，u_k，v_k，k)是测量函数；以及

v_k是传感器噪声，其在无存储器模式下会影响电池12的输出的测量，但是不会影响电池12的状态向量。

已知所有观察结果Y_k＝{y₀，y₁，…，y_k}，下述系统采用概率推论以确定状态向量x_k的估算状态向量

经常使用的估计量为以下的条件均值：

${\hat{x}}_k=E\left[x_k\right|Y_k]={{\∫}_{R_{\mathrm{xk}}}x}_{k}p\left(x_k\right|Y_k)d{x}_k$

其中，R_xk是x_k的范围，且E[]是统计期望计算子。前述方程会递归地计算后验概率密度p(x_k|Y_k)。由于要求解前述方程是很困难的，因此需采用数值方法来近似该方程以计算估计的状态向量

此方法将于之后详述。

为了能更容易了解，将说明下述方法的方程所采用的标记。弯折符号表示是估算量(如：

指的是实际量x的估算)。上标符号“-”表示的是先前的估计(a priori estimate)(也即依据过去数据而对目前数量的值所做的预测)。上标符号“+”表示的是后验估计(如：

是根据直到包括时间k所获得的所有测量的时间指标k处的实际量x的估计)。弯曲符号(加在西班牙语n字上的发音符号)表示的是估算量的误差(如： ${\tilde{x}}_k^{-}=x_k-{\hat{x}}_k^{-}$ 及 ${\tilde{x}}_k^{+}=x_k-{\hat{x}}_k^{+}$ )。符号∑_xy＝E[xy^T]表示的是下标中变量的相关性或交互相关性(此处所描述的量是零平均(zero-mean)，因此相关性与协方差相同)。符号∑_x表示的量与∑_xx相同。上标“T”是矩阵/向量转置算子。

参考图2-3，其说明的是采用通用序贯概率推论方法来计算估算的状态向量

的方法。

在步骤60，计算机28确定电池12从负载电路26电解耦的时间间隔。时间间隔起始于第一时间。

在步骤62，计算机28从存储器46中获得与电池12相关的第一状态向量x_k-1。第一状态向量x_k-1是第一时间前确定的。

在步骤64，计算机28根据第一状态向量x_k-1与时间间隔，利用方程 ${\hat{x}}_k^{-}=E\left[f(x_{k-1},u_{k-1},w_{k-1},k-1)\right|Y_{k-1}]$ 来计算与电池12相关的第二预测的状态向量

在步骤66，计算机28利用方程 ${\mathrm{\Σ}}_{\tilde{x},k}^{-}=E\left[\left({\tilde{x}}_k^{-}\right){\left({\tilde{x}}_k^{-}\right)}^T\right]$ 计算与第二预测状态向量

相关的第一协方差值

在步骤68，在当电池12与负载电路26电耦合时，在第一时间间隔后，计算机28使电压传感器20测量从电池12输出的电池电压，以获得第一电池电压值。

在步骤70，计算机28以第二预测的状态向量

为基础并采用方程 ${\hat{y}}_k=E\left[h(x_k,u_k,v_k,k)\right|Y_k]$ 来估算与电池12相关的第二电池电压值。

在步骤72，计算机28以第一电池电压值与第二电池电压值为基础计算电压误差值。

在步骤74，计算机28以第二预测的状态向量与电压误差值

为基础并采用方程 ${\hat{x}}_k^{+}={\hat{x}}_k^{-}+L_k[y_k-{\hat{y}}_k].$ 来计算与电池12相关的第三预测状态向量

其中，L_k是由方程

$L_k=E\left[\left({\tilde{x}}_k^{-}\right){\left({\tilde{y}}_k\right)}^T\right]{\left(E\right[\left({\tilde{y}}_k\right){\left({\tilde{y}}_k\right)}^T\left]\right)}^{-1}$ 确定的。

第三预测状态向量

是由前述方法所产生的电池12实际状态的最准确估计。

在步骤76，计算机28采用方程 ${\mathrm{\Σ}}_{\tilde{x},k}^{+}={\mathrm{\Σ}}_{\tilde{x},k}^{-}-L_k{\mathrm{\Σ}}_{\tilde{y},k}{L}_k^T$ 来计算与第三预测状态向量

相关的第二协方差值

在步骤76之后，该方法便结束了。

要注意的是，有许多方法可大致近似上述的第三预测状态向量

举例来说，一种方法是采用线性Kalman滤波器；另一种方法采用非线性的扩展型Kalman滤波器；另一种方法采用的是非线性sigma点Kalman滤波器。这些方法利用了不同程度的计算量且在获得状态向量方面产生了不同精确度。

举例来说，参考图4-5，其描述采用非线性的扩展型Kalman滤波器来估算状态向量

的方法。下述定义是本方法所采用的方程：

${\hat{A}}_k=\frac{\∂f(x_k,u_k,w_k,k)}{\∂x_k}{|}_{x_k={\hat{x}}_k^{+}}$ ${\hat{B}}_k=\frac{\∂f(x_k,u_k,w_k,k)}{\∂w_k}{|}_{w_k={\stackrel{\‾}{w}}_k}$

${\hat{C}}_k=\frac{\∂h(x_k,u_k,v_k,k)}{\∂x_k}{|}_{x_k={\hat{x}}_k^{-}}$ ${\hat{D}}_k=\frac{\∂h(x_k,u_k,v_k,k)}{\∂v_k}{|}_{v_k={\stackrel{\‾}{v}}_k}$

在步骤80，计算机28确定电池12从负载电路26电解耦的时间间隔。该时间间隔起始于第一时间。

在步骤82，计算机28从存储器46中获得与电池12相关的第一状态向量

该第一状态向量

是于第一时间前就已确定。

在步骤84，计算机28以第一状态向量

与时间间隔为基础并采用方程 ${\hat{x}}_k^{-}=f({\hat{x}}_{k-1}^{+},u_{k-1},{\stackrel{-}{w}}_{k-1},k-1,k)$ 来计算与电池12相关的第二预测状态向量

在步骤86，计算机28利用方程 ${\mathrm{\Σ}}_{\tilde{x},k}^{-}={\hat{A}}_{k-1}{\mathrm{\Σ}}_{\tilde{x},k-1}^{+}{\hat{A}}_{k-1}^T+{\hat{B}}_{k-1}{\mathrm{\Σ}}_w{\hat{B}}_{k-1}^T$ 来计算与第二预测状态向量

相关的第一协方差值

在步骤88，当电池12与负载电路26电耦合时，在第一时间间隔后，计算机28使电压传感器20测量从电池12输出的电池电压，以获得第一电池电压值。

在步骤90，计算机28以第二预测状态向量

为基础并采用方程 ${\hat{y}}_k=h({\hat{x}}_k^{-},u_k,{\stackrel{-}{v}}_k,k)$ 估算与电池12相关的第二电池电压值。

在步骤92，计算机28以第一电池电压值与第二电池电压值为基础计算电压误差值。

在步骤94，计算机28以第二预测状态向量

与电压误差值为基础并采用方程 ${\hat{x}}_k^{+}={\hat{x}}_k^{-}+L_k[y_k-{\hat{y}}_k]$ 来计算与电池12相关的第三预测状态向量

其中，L_k是由方程 $L_k={\mathrm{\Σ}}_{\tilde{x},k}^{-}{\hat{C}}_k^T{[{\hat{C}}_k{\mathrm{\Σ}}_{\tilde{x},k}^{-}{\hat{C}}_k^T+{\hat{D}}_k{\mathrm{\Σ}}_v{\hat{D}}_k^T]}^{-1}$ 确定的。

在步骤96，计算机28采用方程 ${\mathrm{\Σ}}_{\tilde{x},k}^{+}=(I-L_l{\hat{C}}_k){\mathrm{\Σ}}_{\tilde{x},k}^{-}$ 计算与第三预测状态向量

相关的第二相关值此方法于步骤96之后便结束了。

需注意的是，在可选实施例中，可采用线性Kalman滤波器、非线性sigma点Kalman滤波器、平方根线性Kalman滤波器、平方根扩展型Kalman滤波器、平方根sigma点Kalman滤波器、粒子滤波器等，来计算电池12的估算状态向量

与其他系统及方法相比，用以估算与电池相关的状态向量的本系统及本方法提供了实质性的优点。具体来说，当电池从负载电路电解耦某一时间间隔后，当电池和负载电路电耦合时，本系统及方法提供了一种能准确估算与电池相关的状态向量的技术效果。

上述方法是以计算机程序代码的方式实现的，所述计算机程序代码包括实际介质中实现的指令，所述实际介质例如是：软盘、CD ROM、硬盘或其他任何计算机可读取的储存介质，其中，当计算机载入计算机程序代码并执行时，该计算机成为执行本发明的装置。上述方法也可以计算机程序代码的方式实现，举例来说，无论储存在储存介质中，由计算机载入和/或执行，或通过某些传输介质来传送，如通过电线或电缆，通过光纤或经由电磁辐射，其中，当计算机载入并执行该计算机程序代码时，该计算机成为实现本方法的装置。当在通用的微处理器上执行时，计算机程序代码段配置该微处理器以产生特定逻辑电路。

尽管参考了示例性实施例描述了本发明，然而应当理解对于本领域技术人员来说，在不背离本发明的保护范围的情况下可以对其部件进行替换和做出多种等效改变。此外，在不背离本发明的保护范围的情况下可以对本发明的教导做出多种改型，以适应特定情况。因此，其意图是本发明并不限于为了实现本发明所公开的实施例，而是本发明包括落入本发明希望的范围内的所有实施例。此外，所使用的术语，如：第一、第二、…等，并非重要性的顺序，而这些术语第一、第二等只是用来区分不同的元件而已。

Claims (8)

1.一种估算与电池相关的状态向量的方法，该方法包括如下步骤：

确定该电池从负载电路电解耦的时间间隔，该时间间隔起始于第一时间；

从存储器获得与该电池相关的第一状态向量，在该第一时间之前确定该第一状态向量；

以该第一状态向量与该时间间隔为基础来计算与该电池相关的第二预测状态向量；

在该第一时间间隔后，当该电池再次与负载电路电耦合时，测量从该电池输出的电池电压以获得第一电池电压值；

以该第二预测状态向量为基础来估算与该电池相关的第二电池电压值；

以该第一电池电压值与该第二电池电压值为基础来计算电压误差值；以及

以该第二预测状态向量与该电压误差值来计算与该电池相关的第三估算状态向量。

2.如权利要求1所述的方法，进一步包括计算与该第三估算状态向量相关的协方差值。

3.如权利要求1所述的方法，其中计算该第二预测状态向量的步骤包括以该第一状态向量与该时间间隔为基础，使用以下至少其中之一来计算与该电池相关的该第二预测状态向量：Kalman滤波器、扩展型Kalman滤波器、sigma点Kalman滤波器、平方根sigma点Kalman滤波器以及粒子滤波器。

4.如权利要求1所述的方法，其中计算该第三估算状态向量的步骤包括以该第二预测状态向量与该电压误差值间隔为基础，使用以下至少其中之一来计算与该电池相关的该第三估算状态向量：Kalman滤波器、扩展型Kalman滤波器、sigma点Kalman滤波器、平方根sigma点Kalman滤波器以及粒子滤波器。

5.如权利要求1所述的方法，其中该第二预测状态向量至少表示该电池的预测充电状态。

6.如权利要求1所述的方法，其中该第三预测状态向量至少表示该电池的预测充电状态。

7.一种估算与电池相关的状态向量的系统，该系统包括：

电压传感器，被配置为测量从该电池输出的电压；以及

计算机，可操作地耦合至该电压传感器，该计算机被配置为执行根据权利要求1至6中任意一项所述的步骤。

8.一种其中具有编码的计算机程序的计算机储存介质，用于估算与电池相关的状态向量，该计算机储存介质包括执行根据权利要求1至6中任意一项的方法的程序。

Images