CN101685141A - 基于瞬时响应来确定蓄电池的电荷状态的方法和系统 - Google Patents

Abstract

本发明涉及基于瞬时响应来确定蓄电池的电荷状态的方法和系统。提供一种用于确定展现瞬时响应的蓄电池的电荷状态的方法和系统。测量所述蓄电池的至少一个属性。基于所述至少一个测量属性和蓄电池的瞬时响应来确定蓄电池的电荷状态。

Description

基于瞬时响应来确定蓄电池的电荷状态的方法和系统

技术领域

[0001]本发明总体上涉及电化学功率源，例如蓄电池，且更具体地涉及用于确定蓄电池的电荷状态的方法和系统。

背景技术

[0002]近年来，技术的进步和风格的不断发展，导致在机动车设计方面发生了根本性的变化。其中一种变化涉及机动车中的各种电力系统的复杂性以及功率使用，尤其是替代燃料车辆，例如混合动力车辆、电动车辆、和燃料电池车辆。

[0003]有时，除了其它功率源(例如内燃机)之外，这种车辆通常使用电化学功率源，例如蓄电池、超电容器和燃料电池，以给电动马达提供动力，所述电动马达驱动车轮。使用蓄电池的车辆的操作中的重要参数是“电荷状态”(SOC)。电荷状态指的是相对于在蓄电池充满电时可用的存储能量而言在任何给定时间可用的蓄电池中存储的能量。电荷状态的准确确定允许车辆最大化性能和燃料经济性或者最小化排放。

[0004]在机动车应用中，用于蓄电池的常规方法是将所测量的或所计算的开路电压与电荷状态相关联。这是可行的，因为开路电压(即没有施加负载时蓄电池的剩余电压)通常对蓄电池的电荷状态展现出一定的可观察的依赖性。然而，存在在电荷状态的大部分范围内具有几乎恒定的开路电压的蓄电池，例如镍金属氢化物和一些类型的锂离子蓄电池，如锂离子磷酸盐蓄电池(例如，纳米磷酸盐(nanophosphate)锂离子蓄电池)。换句话说，开路电压几乎没有显现关于蓄电池的电荷状态的信息。例如，在一些纳米磷酸盐锂离子蓄电池中，电荷状态从0％增加至100％导致开路电压的仅7％的变化。

[0005]因而，虽然这些蓄电池由于其低质量、高功率容量和大的能量存储容量而高度希望作为电动和混合动力车辆的功率源，但是它们具有关于控制的问题，因为非常难以任何程度的确定性来估计其电荷状态。

[0006]已经使用其它技术来确定蓄电池的电荷状态，例如安培-小时(Ah)计量和电化学阻抗谱分析(EIS)。然而，它们在机动车应用中也具有缺陷，这是因为例如准确性和/或高实施成本。

[0007]因而，期望提供一种不基于或者不仅仅基于开路电压或电流来确定蓄电池的电荷状态的方法和系统。另外，通过下面结合附图的描述以及前面的技术领域和背景技术，本发明的其他理想的特点和特征将变得显而易见。

发明内容

[0008]提供一种用于确定展现瞬时响应的蓄电池的电荷状态的方法。测量所述蓄电池的至少一个属性。基于所述至少一个测量属性和蓄电池的瞬时响应来确定蓄电池的电荷状态。

[0009]提供一种用于确定纳米磷酸盐锂离子蓄电池的电荷状态的方法。测量所述纳米磷酸盐锂离子蓄电池的至少一个属性。基于所述至少一个测量属性和常微分方程来确定纳米磷酸盐锂离子蓄电池的系统极点的位置。基于纳米磷酸盐锂离子蓄电池的系统极点的位置来确定纳米磷酸盐锂离子蓄电池的电荷状态。

[0010]提供一种机动车驱动系统。所述机动车驱动系统包括：电动马达；联接到所述电动马达的蓄电池；传感器组件，所述传感器组件联接到所述蓄电池且配置成检测所述蓄电池的至少一个属性并产生表示所述蓄电池的至少一个属性的信号；和处理器，所述处理器与所述传感器组件可操作通信。所述传感器配置成从所述传感器组件接收信号并基于蓄电池的测量属性和瞬时响应来确定蓄电池的电荷状态。

附图说明

[0011]本发明将在下文中结合附图加以描述，其中类似的附图标记表示类似的元件，并且：

[0012]图1是根据本发明的一个实施例的示例性机动车的示意图；

[0013]图2是图1的机动车中的变换器的示意图；

[0014]图3是在各个电荷状态时蓄电池的开路电压的图形对比；

[0015]图4是蓄电池的动态模型的示意图；

[0016]图5是蓄电池的瞬时响应与蓄电池的系统极点的位置相比的示意图；

[0017]图6是用于将各个电荷状态(SOC)时所测量的蓄电池端子电压与动态模型进行比较的图形；和

[0018]图7和8分别是在各个电荷状态时蓄电池的第一和第二主极点的表。

具体实施方式

[0019]以下描述仅是说明性质，其并不意在对本发明或对本发明的应用及使用构成任何限制。此外，本发明并不受明确指出或隐含在上述“技术领域”、“背景技术”、“发明内容”或以下“具体实施方式”部分中的任何理论的限制。

[0020]以下描述涉及“连接”或“联接”在一起的元件或特征。如本文使用的那样，“连接”可指的是一个元件/特征与另一元件/特征直接接合(或直接连通)，并且不一定必须通过机械方式。类似的，“联接”可指的是一个元件/特征与另一元件/特征直接或间接的接合(或直接或间接连通)，并且不一定必须通过机械方式。然而，应当理解，虽然在下文一个实施例中可以描述两个元件是“连接”的，但是在替代实施例中，类似的元件可以是“联接”的，反之亦然。因此，尽管示出的示意图示出了元件的示例性设置，但在实际实施例中也可出现其他中间的元件、装置、特征或部件。应当理解，图1-9仅仅是描述性的，并且可以不按照比例绘制。

[0021]图1-9示出了用于确定蓄电池的电荷状态的系统和方法。蓄电池的瞬时响应表示蓄电池的电荷状态，且蓄电池的系统极点位置表示瞬时响应。蓄电池的动态模型被辨识且用于在蓄电池的已知操作条件下求解极点位置，以在极点位置(和/或蓄电池的已知条件)和蓄电池的电荷状态之间产生映射。在一个实施例中，在机动车中，实时测量值与所述映射结合使用来确定蓄电池的电荷状态。

[0022]图1示出了根据本发明一个实施例的车辆10或“机动车”。机动车10包括底盘12、车身14、四个车轮16以及电控系统18。车身14布置在底盘12上并大致包围机动车10的其他部件。车身14及底盘12可共同形成车架。车轮16在车身14的各个角落附近分别可转动地联接至底盘12。

[0023]机动车10可以是多种不同类型机动车中的任一种，例如，轿车、旅行车、货车、或运动型多用途车(SUV)，并可以是两轮驱动(2WD)(即，后轮驱动或前轮驱动)、四轮驱动(4WD)、或全轮驱动(AWD)。机动车10也可以具备多个不同类型的发动机(例如，汽油或柴油燃料内燃机、“灵活燃料车辆”(FFV)发动机(即，使用汽油与乙醇的混合物)、气态混合物(例如，氢和/或天然气)燃料发动机、燃烧/电动马达混合动力发动机、以及电动马达)中任一种或其组合。

[0024]在图1所描绘的示例性实施例中，机动车10是混合电动车辆(HEV)，并且还包括致动器组件20、蓄电池22、电荷状态(SOC)系统24、功率变换器组件(变换器)26，和散热器28。致动器组件20包括内燃机30和电动马达/发电机(或马达)32。本领域的技术人员将意识到，电动马达32中包括变速器，并且尽管未描绘也包括定子组件(包括导电线圈)、转子组件(包括铁磁芯)、和冷却流体(即冷却剂)。电动马达32中的定子组件和/或转子组件可包括多个电磁极(例如16个磁极)，这通常是可以理解的。

[0025]仍参见图1，如下文更详细地描述的那样，所述内燃机30和电动马达32整体形成，从而它们中的一个或两者都通过一个或多个驱动轴34机械地联接到车轮16中的至少一些。在一个实施例中，机动车10是“串联HEV”，其中内燃机30不直接联接到变速器，而是联接到发电机(未示出)，发电机用于驱动电动马达32。在另一实施例中，机动车10是“并联HEV”，其中，内燃机30通过例如使得电动马达32的转子可旋转地联接到内燃机30的驱动轴而直接联接到变速器。

[0026]蓄电池22电连接到变换器26，且在一个实施例中是锂离子磷酸盐蓄电池，例如纳米磷酸盐锂离子蓄电池，包括多个单元，如通常理解的那样。纳米磷酸盐锂离子蓄电池在大的温度范围内展现非常好的功率性能。在功率容量方面，纳米磷酸盐锂离子蓄电池的一个益处在于开路电压对SOC不敏感。如图3的线所示，在一个示例性纳米磷酸盐锂离子蓄电池中，开路电压在SOC每变化10％时仅仅变化约20mv。虽然这种属性在车辆性能方面是有益的，但是它在使用基于电压的方法来确定蓄电池的电荷状态时引起了技术问题。

[0027]SOC系统24包括传感器阵列36和SOC模块38。虽然未详细示出，但是传感器阵列36包括电流传感器、电压传感器和位于蓄电池22(或更具体地在图2所示的蓄电池/变换器电路内)附近的温度传感器。SOC模块38与传感器阵列36可操作通信，且在一个实施例中包括至少一个处理器和/或存储器，其包括将蓄电池22的测量属性和系统极点位置与蓄电池22的电荷状态相关的数据，如下文更详细地描述的那样。虽然未这样示出，但是SOC模块38可以与电控系统18整体形成且也可以包括一个或更多功率源。

[0028]散热器28在车架的外部部分处被连接到车架，并且尽管未详细描绘出，所述散热器28中包括含有冷却流体(即，冷却剂)(例如水和/或乙二醇(即，防冻剂))的多个冷却通道，并且被联接到发动机30和变换器26。

[0029]图2更详细地示出了变换器26。变换器26包括联接到电动马达32的三相电路。更具体地，变换器26包括开关网络，开关网络具有联接到电压源V_dc(例如，蓄电池22)的第一输入端和联接到电动马达32的输出端。尽管只示出了单个电压源，但也可以使用具有两个串联源的分布式直流(DC)链路。所述开关网络包括三对(a，b和c)的串联开关，开关带有与电动马达32的相中的每个相对应的反向并联二极管(即，与每个开关反向并联)。每对串联开关包括具有联接到电压源22的正极的第一端子的第一开关或晶体管(即“高”开关)40、42和44，和具有联接到电压源22的负极的第二端子且具有联接到相应第一开关40、42和44的第二端子的第一端子的第二开关(即“低”开关)46、48和50。

[0030]再次参考图1，电控系统18与致动器组件20、蓄电池22、SOC系统24和变换器26可操作通信。虽然未详细示出，但是电控系统18(和/或SOC模块38)包括各种传感器和自动控制模块、或电子控制单元(ECU)(例如车身控制模块(BCM))、以及至少一个处理器和/或存储器，所述存储器包括存储于其中(或其他计算机可读介质)的指令，以执行下文所述的过程和方法。

[0031]仍参考图1，在操作期间，机动车10通过用内燃机30和电动马达32以交替方式和/或用内燃机30和电动马达32同时地为车轮16提供动力来操作。为了驱动电动马达组件30，DC功率从蓄电池22提供给变换器26，变换器26在激励电动马达32之前将DC功率转换成交流(AC)功率。

[0032]根据本发明的一个方面，提供确定蓄电池的电荷状态的基于瞬时响应特性的方法。确定(或辨识)蓄电池的数学模型，其中，蓄电池的动态分量被当作一个系统且由系统方程描述，其中，用微分方程描述电阻和电容。系统(即，微分方程)的阶次通过系统辨识技术基于初步试验数据来估计，例如混合脉冲功率表征(HPPC)试验。蓄电池的电荷状态与系统极点之间的关系基于HPPC试验数据建立。微分方程的参数(即，系统参数)通过在线参数估计方法来实时估计。基于所辨识的系统阶次和所估计的参数，也实时计算系统极点或极点位置。极点位置与瞬时响应特性相对应，瞬时响应特性表示蓄电池的电荷状态。因而，蓄电池的电荷状态基于极点位置来确定。

[0033]图4示出了表示根据本发明的一个实施例的蓄电池模型的简化电路(或蓄电池)52。电路52包括电压(或功率)源54、电阻器56、和n^th阶线性动态子系统58。

[0034]线性系统理论规定，系统极点和零点位置确定系统的瞬时特性(即，系统的瞬时特性随系统极点位置变化)。图5使用一阶系统(即，单极点系统)的示例示出了系统瞬时响应如何随极点位置变化。当蓄电池的电荷状态变化时，蓄电池对负载变化的响应也变化。具体地，如图5所示，在第一系统极点位置(s₁)，系统展现了第一瞬时响应60。在第二系统极点位置(s₂)，系统展现了第二瞬时响应62。当系统极点越靠近负无穷大时，蓄电池更慢地实现平衡状态。

[0035]这种关系由图6验证，图6用图形示出了使用混合脉冲功率表征(HPPC)试验确定的在25℃下100A放电期间各个电荷状态时纳米磷酸盐锂离子蓄电池的端子电压，如通常理解的那样。HPPC试验结合联接到“循环控制装置”(即，充电器/放电器)的蓄电池进行，如通常理解的那样，使得蓄电池的电荷状态已知并可以设定为期望值。在图6所示的极端情况下，线64表示蓄电池在90％的电荷状态时相对快速地实现了平衡状态。而线66表示蓄电池相对慢地实现平衡。因而，纳米磷酸盐锂离子蓄电池的系统极点位置表示蓄电池的电荷状态。

[0036]通常，n^th阶线性动态子系统58(图4)可以由n^th阶常微分方程(1)或者状态空间方程(2)表示：

V(k)＝a₁*V(k-1)+a₂(t)*v(k-2)+…+a_n(k-n)*V(k-n)+b₀*I(k)+b₁*I(k-1)+…+b_mI(k-m)                       (1)

$X(k+1)=\mathrm{AX}\left(k\right)+\mathrm{BI}\left(k\right)=\left[\begin{array}{cccc}{a}_{11}& a_{12}& \·\·\·& a_{1n}\\ a_{21}& a_{22}& \·\·\·& a_{2n}\\ \·\·\·& \·\·\·& \·\·\·& \·\·\·\\ a_{n1}& a_{n2}& \·\·\·& a_{\mathrm{nn}}\end{array}\right]X\left(k\right)+\left[\begin{array}{c}{b}_1\\ b_2\\ \·\·\·\\ b_n\end{array}\right]I\left(k\right)$

V(k)＝CX(k)+DI(k)＝[c₁ c₂…c_n]X(k)+d*I(k)        (2)

其中，X(k)是n×1状态矢量；I(k)是输入；V(k)是输出；A是具有常量元素的n×n系数矩阵，

$A=\left[\begin{array}{cccc}{a}_{11}& a_{12}& \·\·\·& a_{1n}\\ a_{21}& a_{22}& \·\·\·& a_{2n}\\ \·& \·& & \·\\ \·& \·& & \·\\ \·& \·& & \·\\ a_{n1}& a_{n2}& \·\·\·& a_{\mathrm{nn}}\end{array}\right]---\left(3\right)$

B是具有常量元素的n×1系数矩阵，

$B=\left[\begin{array}{c}{b}_1\\ b_2\\ \·\·\·\\ b_n\end{array}\right]---\left(4\right)$

C是具有常量元素的1×n系数矩阵，

C＝[c₁ c₂…c_n]                                   (5)

且D是常量系数，

D＝d                                             (6)

[0037]方程(1)或(2)的阶次可以通过应用Astrom-t准则基于图6的初步试验数据估计，所述准则可以表示如下：

$t(n_1,n_2)=\frac{J_1-J_2}{J_2}\·\frac{n-{2n}_2}{2(n_2-n_1)}---\left(7\right)$

其中，N是输入/输出数据对的总量，且J₁和J₂是在系统阶次被估计为n₁和n₂时参数估计算法的成本函数值。如果N足够大，t渐近地收敛于F(f₁，f₂)分布，其中f₁＝2(n₂-n₁)且f₂＝N-2n₂是自由度。

[0038]在导出系统阶次之后，系统参数可以通过在线估计算法来估计，所述在线估计算法例如递归最小二乘算法、递归预测误差算法、或者卡尔曼滤波器。于是在获得所估计的参数之后，方程(1)可以表示为z传递函数：

$\frac{\tilde{V}\left(z\right)}{I\left(z\right)}=\frac{{\hat{b}}_1{z}^{-1}+{\hat{b}}_2{z}^{-2}+\·\·\·+{\hat{b}}_{m_0}{z}^{-m_0}}{1+{\hat{a}}_1{z}^{-1}+{\hat{a}}_2{z}^{-2}+\·\·\·+{\hat{a}}_{n_0}{z}^{-n_0}}---\left(8\right)$

其中，

是滤波后的端子电压，I(z)是端子电流，

和

是所估计的参数。

[0039]方程(8)可以极点/零点形式重写如下：

$\frac{\tilde{V}\left(z\right)}{I\left(z\right)}=\frac{k(z+z_1)(z+z_2)\·\·\·(z+z_{m_0})}{(z+p_1)(z+p_2)\·\·\·(z+p_{n_0})}---\left(9\right)$

其中z_i和p_j分别是系统的i^th零点和j^th极点。

[0040]方程(9)可以写成：

$\frac{V\left(z\right)}{I\left(z\right)}=\frac{K\underset{i=1}{\overset{m}{\mathrm{\Π}}}(z-z_i)}{\underset{i=1}{\overset{n}{\mathrm{\Π}}}(z-p_i)}---\left(10\right)$

[0041]在一个示例性实施例中，基于HPPC数据和Astrom准则，系统被认为是二阶，在这种情况下方程(1)可以重新表示为：

V(k)＝a₁*V(k-1)+a₂*v(k-2)+b₀*I(k)+b₁*I(k-1)+b₂I(k-2)    (11)

[0042]给定输入-输出数据，方程(2)的参数可以使用递归最小二乘算法估计如下：

$\widehat{\mathrm{\θ}}=\left[\begin{array}{ccccc}{\hat{a}}_1& {\hat{a}}_2& {\hat{b}}_0& {\hat{b}}_1& {\hat{b}}_2\end{array}\right]---\left(12\right)$

其中，

是方程(7)中的参数a₁ a₂ b₀ b₁ b₂的估计值。

[0043]于是，z传递函数可以表示为：

$\frac{V\left(z\right)}{I\left(z\right)}=\frac{{\hat{b}}_0+{\hat{b}}_1{z}^{-1}+{\hat{b}}_2{z}^{-2}}{1+{\hat{a}}_1{z}^{-1}+{\hat{a}}_2{z}^{-2}}---\left(13\right)$

[0044]方程(13)可以离散极点/零点形式重写如下：

$\frac{V\left(z\right)}{I\left(z\right)}=\frac{k(z+z_1^{\′})(z+z_2^{\′})}{(z+p_1^{\′})(z+p_2^{\′})}---\left(14\right)$

[0045]当被转换成s传递函数(连续)时，方程(4)可以表示为：

$\frac{V\left(s\right)}{I\left(s\right)}=\frac{k}{(s+p_1)(s+p_2)}---\left(15\right)$

这表示在混合动力车辆应用中二阶蓄电池模型的s传递函数。p₁和p₂应当为负值；如果|p₁|*10＜|p₂|，那么p₁称为“第一主极点”且p₂称为“第二主极点”。

[0046]基于与图6所示类似的试验结果以及在其它各个温度(例如，-45℃至40℃))下进行的附加HPPC试验，可以产生图7和8所示的查询表，所述查询表例如存储在SOC模块38(图1)中。使用所测量的蓄电池22的端子电压和电流以及操作温度，SOC模块38于是可以使用查询表确定蓄电池的当前电荷状态。即，在一个实施例中，SOC模块38接收蓄电池22的端子电压、端子电流和操作温度作为输入，且基于使用查询表而产生表示蓄电池22的电荷状态的信号。

[0047]上述方法和系统的一个益处在于，由于蓄电池的电荷状态在不使用蓄电池的开路电压的情况下来确定，从而利于使用具有相对不变开路电压的蓄电池，例如某些纳米磷酸盐锂离子蓄电池。

[0048]虽然已经在上述详细描述中说明了至少一个示意性实施例，但应当理解存在大量的变型。还应当理解的是，示意性实施例仅仅是示例，并不意在以任何方式对本发明的范围、应用或构造构成限制。相反，上述详细描述将向本领域的技术人员提供实施所述实施例或多个实施例的便捷路径。应当理解，可对元件的功能及设置进行各种改变而不脱离所附权利要求及其合法等价物界定的范围。

Claims (20)

1.一种用于确定展现瞬时响应的蓄电池的电荷状态的方法，包括：

测量所述蓄电池的至少一个属性；和

基于所述至少一个测量属性和蓄电池的瞬时响应来确定蓄电池的电荷状态。

2.根据权利要求1所述的方法，其中，确定蓄电池的电荷状态还包括基于所述至少一个测量属性来确定蓄电池的系统极点的位置。

3.根据权利要求2所述的方法，其中，所述至少一个测量属性包括电流、电压或其组合。

4.根据权利要求3所述的方法，其中，确定蓄电池的系统极点的位置还基于包括多个参数的常微分方程。

5.根据权利要求4所述的方法，其中，蓄电池的瞬时响应是蓄电池的扩散电压、蓄电池的双层电容或其组合。

6.根据权利要求5所述的方法，其中，确定系统极点的位置包括基于所述至少一个测量属性来确定所述常微分方程的参数。

7.根据权利要求6所述的方法，其中，确定蓄电池的电荷状态还基于查询表，所述查询表包括多个所确定的系统极点的位置和蓄电池的多个已知的电荷状态，所述已知的电荷状态中的每个与所确定的蓄电池的系统极点的位置中的一个相关联。

8.根据权利要求7所述的方法，其中，所述蓄电池是安装在机动车中的机动车蓄电池，且所述至少一个属性的测量使用机动车上的传感器进行。

9.根据权利要求8所述的方法，其中，所述蓄电池是纳米磷酸盐锂离子蓄电池。

10.根据权利要求9所述的方法，其中，所述至少一个测量属性包括端子电流和端子电压。

11.一种用于确定纳米磷酸盐锂离子蓄电池的电荷状态的方法，包括：

测量所述纳米磷酸盐锂离子蓄电池的至少一个属性；

基于所述至少一个测量属性和常微分方程来确定纳米磷酸盐锂离子蓄电池的系统极点的位置；和

基于纳米磷酸盐锂离子蓄电池的系统极点的位置来确定纳米磷酸盐锂离子蓄电池的电荷状态。

12.根据权利要求11所述的方法，其中，确定蓄电池的电荷状态还基于查询表，所述查询表包括多个所确定的系统极点的位置和蓄电池的多个已知的电荷状态，所述已知的电荷状态中的每个与所确定的蓄电池的系统极点的位置中的一个相关联。

13.根据权利要求12所述的方法，其中，所述常微分方程包括多个参数，且确定蓄电池的系统极点的位置包括基于所述至少一个测量属性来确定所述常微分方程的参数。

14.根据权利要求13所述的方法，其中，所述蓄电池是安装在机动车中的机动车蓄电池，且所述至少一个属性的测量使用机动车上的至少一个传感器进行。

15.根据权利要求14所述的方法，其中，所述蓄电池的至少一个测量属性包括蓄电池的端子电流和端子电压。

16.一种机动车驱动系统，包括：

电动马达；

联接到所述电动马达的蓄电池；

传感器组件，所述传感器组件联接到所述蓄电池且配置成检测所述蓄电池的至少一个属性并产生表示所述蓄电池的至少一个属性的信号；和

处理器，所述处理器与所述传感器组件可操作通信且配置成：

从所述传感器组件接收信号；并

基于蓄电池的测量属性和瞬时响应来确定蓄电池的电荷状态。

17.根据权利要求16所述的系统，其中，确定蓄电池的电荷状态还包括基于所述至少一个测量属性和常微分方程来确定蓄电池的系统极点的位置。

18.根据权利要求17所述的系统，还包括与所述处理器可操作通信的存储器，所述存储器上存储有查询表，所述查询表包括多个所确定的系统极点的位置和蓄电池的多个已知的电荷状态，所述已知的电荷状态中的每个与所确定的蓄电池的系统极点的位置中的一个相关联，且其中确定蓄电池的电荷状态基于所述查询表。

19.根据权利要求18所述的系统，其中，所述蓄电池是安装在机动车中的机动车蓄电池，且所述至少一个属性的测量使用机动车上的传感器进行。

20.根据权利要求19所述的系统，其中，所述蓄电池是纳米磷酸盐锂离子蓄电池，且所述至少一个测量属性包括端子电流和端子电压。

Images