CN102368091B - 用于评估电池的电池参数的方法 - Google Patents

Abstract

本发明涉及用于锂离子电池的适应性电池参数提取和SOC评估。具体地，一种用于评估锂离子电池的内部参数以提供可靠的电池充电状态评估的系统和方法。所述方法使用两个RC-对等效电池电路模型来评估电池参数，所述电池参数包括电池开路电压，欧姆电阻，双层电容，电荷转移电阻，扩散电阻和扩散电容。所述方法还使用等效电路模型来提供差分等式，电池参数通过差分等式被调适，所述方法还通过差分等式计算电池参数。

Description

用于评估电池的电池参数的方法

技术领域

本发明总体涉及一种用于评估电池参数的系统和方法，更具体地，涉及一种用于适应性地从锂离子电池提取六个内部参数以基于电池开路电压提供可靠的电池充电状态（SOC）评估的系统和方法。

背景技术

电动车辆正变得越来越普及。这些车辆包括混合动力车辆，诸如增程电动车（EREV），其组合电池和主动力源，诸如内燃机、燃料电池系统等，以及纯电力车辆，诸如电池电动车（BEV）。所有这些类型的电动车采用包括多个电池单元的高压电池。这些电池可以是不同的电池类型，诸如锂离子、镍金属氢化物、铅酸等。用于电动车辆的典型高压电池可包括196个电池单元、提供大约400伏特。该电池可以包括各个电池模块，其中每个电池模块可包括一定数量的电池单元，诸如12个单元。各个电池单元可被串联地电联接，或者一组单元可被并联地电联接，其中在模块中的多个单元被串联连接以及每个模块被并联地电联接至其他模块。不同的车辆设计包括不同的电池设计，其为了特定应用而采用各种不同的折衷和优势。

电池在为电动车辆和混合动力车辆提供动力中起着重要的作用。电池控制和功率管理的有效性对车辆性能、燃料经济、电池寿命以及乘客舒适性是必需的。对于电池控制和功率管理，电池的两种状态，即，充电状态（SOC）和电池功率，需要被预测或评估，以及实时监控，因为它们在车辆运行期间是不可测量的。电池充电状态和电池功率可以通过使用电池等效电路模型来评估，该电池等效电路模型通过使用电池的端电压和电流来限定电池的开路电压（OCV），电池的欧姆电阻以及包括电阻和电容的RC对。因此，两种电池状态都必须从电池端电压和电流评估的电池参数中获得。少数电池状态评估算法已经在现有技术中通过使用不同的方法论而开发，并且一些算法已经在车辆中实施。

众所周知，电池动态通常是非线性的并且高度依赖于电池运行条件。然而，对于机载（onboard）电池参数评估，具有少量频率模式的线性模型被用于近似特定应用的电池主导动态，诸如功率预测或SOC评估。其原因主要是由于可用于机载应用的有限的计算能力和存储器。事实上，即使存在无限的计算能力和存储器，也不能保证在具有尽可能多频率模式的复杂模型中的所有电池参数的精确评估，因为信号的提取（正常情况下是电池端电压和端电流）是有限的。因此，对于特定应用，只要由模型的不确定性引发的评估误差在可接受的范围内，那么在一个模型中包括所有的频率模式是既不现实也没有必要的。

为了最小化存储器和计算成本，简单的电池模型是优选的。另一方面，不同的应用需要被不同的频率模式特征化。例如，以电池的高频电阻为特征的特征频率比以电池功率变化为特征的特征频率要高很多。具有有限频率模式的简单模型不可避免地引入了误差和不确定性，因为其不能全面包括对于各种不同应用的所有特征频率。

美国专利申请号No. 11/867,497，其于2007年10月4日提交、现在以公开号No. U.S.2009/0091299公开、名称为“Dynamically Adaptive Method For Determining State of Charge of 电池”（用于确定电池充电状态的动态适应性方法）、被转让给本发明的受让人并在此引入参考，该申请公开了一种通过使用四个电池参数，即，电池OVC，欧姆电阻，以及RC对的电阻和电容来确定电池充电状态和电池功率的方法。

锂离子电池已经被证明是混合动力电动车辆的希望。为了更好地控制长电池寿命和良好燃料经济性的混合动力电动车辆中的推进电池系统，例如OCV，欧姆电阻，电池电容等的知识是非常重要的。尤其地，OCV用于评估电池充电状态（SOC），其是电池控制的关键性指标。

对于一些锂离子电池，例如纳米磷酸盐基锂离子电池，由于从OCV到电池SOC的平面映射曲线，现有参数评估算法不同地给出了精确且鲁棒的SOC评估。在这些类型的电池中，对于本领域技术人员众所周知的已知为扩散的化学现象导致电池的开路电压的评估在没有电流从电池汲取时与其实际开路电压不同。例如，对于每10%的SOC变化，OCV变化小于20 mV。因此，在没有电流从电池汲取且电池SOC恒定时，评估的开路电压和实际电池开路电压之间的差是显著的，其导致电池SOC评估中的误差。

因此，其可需要开发用于某些电池的新评估算法，其能够通过从电池终端电压减去所有电压部件（包括具有慢动态的小部件，例如扩散电压，其被认为对于传统锂离子电池足够小以忽略）更精确地更好地评估开路电压。这要求强大的算法来以高效率和高精度提取更多对应于更多电压部件的电池参数。在利用电流车内传感器的评估误差和测量误差的考虑中，还需要算法对于初始条件，环境变化和测量噪音是高鲁棒的从而提供可靠的SOC评估。

发明内容

根据本发明的教导，公开了一种用于评估锂离子电池的内部参数以提供可靠的电池充电状态评估的系统和方法。所述方法使用两个RC-对等效电池电路模型来评估电池参数，所述电池参数包括电池开路电压，欧姆电阻，双层电容，电荷转移电阻，扩散电阻和扩散电容。所述方法还使用等效电路模型来提供差分等式，电池参数通过差分等式被调适，所述方法还通过差分等式计算电池参数。

本发明的其他特征将从结合附图的下面的描述和所附权利要求中变得明显。

本发明还提供了以下方案：

1.一种用于评估电池的电池参数的方法，所述方法包括：

读取当前测量的电池电压和测量的电池电流；

基于当前测量的电池电压和电流以及之前测量的电池电压和电流计算信号向量；

使用所述信号向量和相关矩阵计算增益向量；

使用当前测量的电池电压和所述信号向量计算评估误差；

使用所述增益向量和所述评估误差调适所述电池参数；以及

使用调适的电池参数计算电池开路电压和电池电阻。

方案2：根据方案1所述的方法，其中所述方法评估六个电池参数。

方案3：根据方案1所述的方法，其中所述方法评估所述电池开路电压，欧姆电阻，双层电容，电荷转移电阻，扩散电阻和扩散电容。

方案4：根据方案1所述的方法，其中所述方法使用两个RC-对等效电池电路模型来评估所述电池参数。

方案5：根据方案1所述的方法，其中计算增益向量包括使用等式：

其中是增益向量，是相关矩阵，是信号向量，是遗忘因子。

方案6：根据方案1所述的方法，其中计算评估误差包括使用等式：

其中是评估误差，是测量的电压，是电池参数，是信号向量。

方案7：根据方案1所述的方法，其中调适所述电池参数包括使用等式：

其中是电池参数，是增益向量，是评估误差。

方案8：根据方案1所述的方法，还包括使用所述电池开路电压确定电池充电状态。

方案9：根据方案8所述的方法，其中确定所述电池充电状态包括结合基于电压的充电状态和基于电流的充电状态。

方案10：根据方案9所述的方法，其中确定所述电池充电状态包括将权重因子应用到所述基于电压的充电状态和所述基于电流的充电状态。

方案11：根据方案9所述的方法，其中所述基于电压的充电状态由热力学电压确定，所述基于电流的充电状态由库仑积分确定。

方案12：根据方案1所述的方法，其中所述电池是锂离子电池。

方案13：根据方案1所述的方法，其中所述电池是电动车辆上的车辆电池，其中所述方法在车辆运行期间执行。

方案14：一种用于评估电池的电池参数的方法，所述方法包括：

限定所述电池的等效电池电路模型，其包括电池开路电压，电池欧姆电阻，第一RC对和第二RC对，所述第一RC对包括双层电容和电荷转移电阻，所述第二RC对包括扩散电容和扩散电阻；

读取测量的电池电流中的测量的电池电压；

将所述电池电路模型表达为差分等式，其包括测量的电池电压和电流以及多个电池参数；以及

使用所述差分等式来确定所述电池参数，所述电池参数包括所述电池开路电压，所述欧姆电阻，双层电容，电荷转移电阻，扩散电阻和扩散电容。

方案15：根据方案14所述的方法，还包括使用所述电池开路电压确定电池充电状态。

方案16：根据方案15所述的方法，其中确定所述电池充电状态包括结合基于电压的充电状态和基于电流的充电状态。

方案17：根据方案16所述的方法，其中确定所述电池充电状态包括将权重因子应用到所述基于电压的充电状态和所述基于电流的充电状态。

方案18：根据方案16所述的方法，其中所述基于电压的充电状态由热力学电压确定，所述基于电流的充电状态由库仑积分确定。

方案19：根据方案14所述的方法，其中将所述电池电路模型表达为差分等式包括使用等式：

其中V是测量的电压，I是测量的电流，k是时间步长，和是电池参数。

方案20：根据方案14所述的方法，其中所述电池是锂离子电池。

附图说明

图1是包括电池和主动力源的混合动力车辆的简化平面图；

图2是两个RC-对等效电池电路的示意图；

图3是用于从电池提取六个参数的算法的流程图；以及

图4是用于评估电池充电状态的算法的流程图。

具体实施方式

接下来对本发明实施例的讨论涉及用于评估锂离子电池参数的系统和方法，其实际上仅仅是示例性的，并决不用于限制本发明或它的应用或使用。例如，本发明具有机载（on-board）算法运用于车载（on-vehicle）应用的特定应用。然而，本领域技术人员将可以理解地是，本发明的电池状态评估器在除了车辆应用之外，将还具有其他的应用。

本发明提出了用于实时适应性评估电池参数的算法用于使用更少的查询表的电池SOC评估和其他潜在应用以更好地适应环境和驾驶条件，并且实现了高计算机效率以及低应用成本。本发明还提供了适应性且鲁棒的算法以用于电池控制和电功率管理的精确且可靠的SOC评估。下面讨论的算法能够适应性地提取锂离子电池的六个内部参数并基于这些提取的电池内部参数（尤其是开路电压）之一提供可靠的SOC评估。提出的算法的优点包括对于初始条件的增加的鲁棒性，对于环境、电池状态和驾驶条件变化的更好适应性，更高的计算机效率和低应用成本。

所提出的算法采用差分等式形式的新电池模型，其直接使电池内部参数与电池终端电压和电流相关。模型是被开发的适应性参数评估算法的基础。两个RC-对等效电路被采用来使新电池模型中的参数与等效电路中的电池内部参数相关。基于新电池模型，适应性算法被开发以从测量的电池电压和电流中提取电池内部参数。这些提取的电池内部参数对于SOC评估、功率预测、健康状态（SOH）监控等是有用的。由适应性算法提取的开路电压用于实时评估电池SOC。

图1是包括高压电池12和主动力源14的车辆10的简化平面图，其中车辆10用来代表任一混合动力车辆，诸如混合动力内燃机车辆、燃料电池系统车辆等。车辆10也用来代表任一仅采用电池作为单独功率源的纯电力车辆。车辆10包括控制器16，其用来代表所有对由电池12和动力源14提供的动力（所述动力用来驱动车辆10、通过动力源14对电池12再次充电或再生制动）正常操作和控制所必需的控制模块和设备，并确定如下讨论的电池SOC和功率容量。

图2是提供为电池模型的两个RC-对等效电池电路20的示意图。电路20在节点22包括电势（其为电池电压）并包括电池电流。电源26代表电池开路电压，电阻器28代表电路20的欧姆电阻。第一RC-对包括为双层电容的电容器32和为电荷转移电阻的电阻器30。第二RC-对包括为扩散电阻的电阻器34和为扩散电容的电容器36。其他电池模型可使用更复杂的等效电路，其可在下面的讨论中用于确定各种值。

以不同温度和SOC水平在锂离子电池上使用标准混合脉冲功率特征（HPPC）测试，并且已知二阶线性动态系统紧密匹配以HPPC测试数据为特征的电池动态特性，能够确定二阶线性动态系统良好地表示了电池动态特性。因此，电池模型能够表达为差分等式，如下：

                                       （1）

其还能够写作：

                                  （2）

其中指代时间步长，代表当时值为0，当时值为1的的单元步长函数，是测量的数据和已知的信号的向量，并且是参数和的向量。

差分等式（1）中的参数和需要与电池内部参数相关，例如开路电压、欧姆电阻等，使得电池内部参数能够由参数和导出，该参数能够基于差分等式（1）通过参数评估算法评估。

已知的是对于两个RC-对等效电路（图2中所示），电池终端电压由四部分构成，其能够表达为：

                  （3）

其中是测量的电池终端电压，是测量的电池终端电流，是开路电压，是欧姆电阻，和是跨两个RC对的电压，并且分别是双层电压和扩散电压。

双层电压能够被动态描述为：

  （4）

类似地扩散电压能够被动态描述为：

（5）

其中是电荷转移电阻，是双层电容，是扩散电阻，是扩散电容。

差分等式（1）与两个RC-对等效电路20相关以在差分等式（1）中建立电池内部参数与参数和之间的关系。结合等式（3）、（4）和（5），两个RC-对等效电路能够被表达成状态空间形式，如下：

       （6）

      （7）

其中和是由电池内部参数构成的矩阵，其由下式给出：

      （8）

      （9）

         （10）

      （11）

并且其中是单元步长函数。

在等式（6）和（7）中状态空间电池模型进行Z-变换，并且稍微使用符号给出：

      （12）

      （13）

其中和是信号和的Z-变换。

注意，等式（12）和（13）被解出以获得电池等效电路20的转移函数，其中：

      （14）

将等式（11）解为：

      （15）

将等式（15）代入等式（13），并且扩展为：

     （16）

     （17）

     （18）

等式（18）是两个RC-对电池等效电路20的转移函数。等式（18）的转移函数描述了电池的输入到输出关系，该电池的电动态能够以两个RC-对电池等效电路20为特征并且由等式（3）、（4）和（5）给出。

进行逆Z-变换给出下列差分等式：

 （19）

回想由差分等式（1）给出的电池模型，其由HPPC测试数据确定。如果差分等式（1）和（19）二者描述相同的电池电动态，它们是等效的。因此，下列等式使等效电路中限定的电池内部参数和来自差分等式（1）的参数相关。

             （20）

              （21）

                    （22）

   （23）

        （24）

       （25）

或者逆向地：

      （26）

           （27）

其他参数也能够从等式（21）-（26）计算。对于SOC评估和功率预测的应用，形式为和的电池参数是有用的。然而，利用基于等式（13）的进一步计算，电池内部参数能够以形式和获得，其代表实际物理意义并且能够用于多种电池诊断和预后应用。

图3是流程图50，其示出了用于基于差分等式（1）适应性算法的过程以建立参数和，然后使用等式（13）从参数和计算电池内部参数。算法开始于框52，通过读取第一对数据而初始化，该数据包括电池电压和电池电流，从存储器的最后操作的评估结果为参数和设定初始值，并且学习初始相关矩阵，其为正定矩阵。然后在框54算法读取测量的电池电压和电流。然后在框56算法使用等式（1）和（2）从测量的电池电压和电流和来自之前测量的电池和电流数据，即，和，以及单元步长函数计算信号向量。

然后在框58算法计算作为最小二乘回归的增益向量，其为向量，其分别包括用于四个已知参数和的四个增益，如下：

      （28）

其中是预选遗忘因子。

然后在框60算法计算评估误差，如下：

      （29）

然后在框62算法调适参数和以最小化评估误差，使用如下等式：

     （30）

然后在框64算法使用等式（28）从参数和计算用于开路电压,，欧姆电阻,和系数,和的电池参数。然后在框66算法为下一数据点更新相关矩阵，使用如下等式：

   （31）

然后在判断菱形框68算法确定操作是否已经结束，并且如果是，在框70保存参数和用于下一操作。如果在判断菱形框68操作没有结束，算法存储当前电池电压和电流用于下一时间段并且返回框54以得到新电池电压和电流测量值。

一旦算法使用电池参数提取算法而具有参数和，SOC评估算法用于推断电池SOC。在本实施例中，SOC通过结合基于电压的SOC_V（其基于热力学电压）和基于电流的（其通过库仑积分提供）评估。热力学电压，开路电压和磁滞电压由下式给出：

   （32）

其中是磁滞电压，其由下式控制：

 （33）

并且其中是用于确定磁滞特性的参数，是磁滞电压的最大值。

等式（33）的磁滞模型描述了具有从边界内的任意点快速收敛到磁滞边界的磁致类型，其能够在若干锂离子电池中观察。利用这种切换类型的磁致模型，基于电压的评估在某种意义上对于初始磁致电压是鲁棒的，其不必须要求精确地知道初始磁致电压，因为由模型控制的磁致电压无论在哪里开始都快速收敛到边界。

SOC评估算法新颖的一个点在于其采用适应性技术来调整由电压确定的基于电压的和基于电流的的权重来产生结合的SOC评估，并使用结合的SOC评估作为下一更新的新起点，从而减小对初始SOC的依赖性并增大算法鲁棒性。

上述SOC评估算法在图4中作为流程图80示出。算法在框82开始于初始化，其从存储器的最后操作读取SOC评估来设定SOC的初始值。初始化进一步包括从上述电池参数提取过程读取电池终端电压和电流以及开路电压评估。算法还设定权重值等于预定值，例如0.996。

然后SOC评估算法在判断菱形框84通过确定是否有足够时间已经从SOC评估过程开始时过去，例如200秒，来确定评估的开路电压是否有效在判断菱形框86确定是否大于，在判断菱形框88确定在过去的10秒中是否小于0.5。如果判断菱形框84、86和88的所有这些确定为否，那么开路电压是有效的，并且在框90算法进行到使用等式（33）计算磁致电压以及使用等式（32）计算热力学电压。然后在框92算法使用当前时间步长的有效的热力学电压和评估的基于电流的SOC_I计算当前时间段的基于电压的SOC_V，使用下列等式：

  （34）

其中是最后时间步长的结合的SOC评估，并且是来自库仑积分的电流贡献。

然后在判断菱形框94算法计算和之间的差，并且确定是否大于x，其中x是数字。如果SOC满足判断菱形框94的要求，那么在框96算法设定权重值，其基于基于电流的和基于电压的之间的差调整权重因子然后算法计算基于电压的，如下：

 （35）

然后在框100算法结合基于电压的与权重因子，如下：

       （36）

如果没有条件在菱形框84、86和88满足有效开路电压,那么在框102算法将权重值设定为并且进行到在框102使用等式（36）确定。同样，如果在判断菱形框94的要求没有满足，那么在框104算法将权重值设定为等于权重值，并且进行到在框100使用等式（36）计算。

前述讨论仅仅公开和描述了本发明的示例性实施例。本领域技术人员将从这样的讨论和从附图以及权利要求书中容易地意识到，在未背离如所附权利要求中限定的本发明的精神和范围的情况下，可以在其中进行各种不同的改变、修正和变形。

Claims (12)

1.一种用于评估电池的电池参数的方法，所述方法包括：

读取当前测量的电池电压和测量的电池电流；

基于当前测量的电池电压和电流以及之前测量的电池电压和电流计算信号向量；

使用所述信号向量和相关矩阵计算增益向量；

使用当前测量的电池电压和所述信号向量计算评估误差；

使用所述增益向量和所述评估误差调适所述电池参数；

使用调适的电池参数计算电池开路电压和电池电阻；以及

使用所述电池开路电压确定电池充电状态，其中确定所述电池充电状态包括结合基于电压的充电状态和基于电流的充电状态，其中确定所述电池充电状态包括将权重因子应用到所述基于电压的充电状态和所述基于电流的充电状态，所述基于电压的充电状态由热力学电压确定，所述基于电流的充电状态由库仑积分确定，并且权重因子在每个时间步长基于电池开路电压的有效性并且基于基于电压的充电状态和基于电流的充电状态之间的关系被调适。

2.根据权利要求1所述的方法，其中所述方法评估六个电池参数。

3.根据权利要求1所述的方法，其中所述方法评估所述电池开路电压，欧姆电阻，双层电容，电荷转移电阻，扩散电阻和扩散电容。

4.根据权利要求1所述的方法，其中所述方法使用两个RC对等效电池电路模型来评估所述电池参数。

5.根据权利要求1所述的方法，其中计算增益向量包括使用等式：

其中是增益向量，是相关矩阵，是信号向量，是遗忘因子，k是时间步长。

6.根据权利要求1所述的方法，其中计算评估误差包括使用等式：

其中是评估误差，是测量的电压，是电池参数，是信号向量，k是时间步长。

7.根据权利要求1所述的方法，其中调适所述电池参数包括使用等式：

其中是电池参数，是增益向量，是评估误差，k是时间步长。

8.根据权利要求1所述的方法，其中所述电池是锂离子电池。

9.根据权利要求1所述的方法，其中所述电池是电动车辆上的车辆电池，其中所述方法在车辆运行期间执行。

10.一种用于评估电池的电池参数的方法，所述方法包括：

限定所述电池的等效电池电路模型，其包括电池开路电压，电池欧姆电阻，第一RC对和第二RC对，所述第一RC对包括双层电容和电荷转移电阻，所述第二RC对包括扩散电容和扩散电阻；

读取测量的电池电流中的测量的电池电压；

将所述电池电路模型表达为差分等式，其包括测量的电池电压和电流以及多个电池参数；

使用所述差分等式来确定所述电池参数，所述电池参数包括所述电池开路电压，所述欧姆电阻，双层电容，电荷转移电阻，扩散电阻和扩散电容；以及

使用所述电池开路电压确定电池充电状态，其中确定所述电池充电状态包括结合基于电压的充电状态和基于电流的充电状态，其中确定所述电池充电状态包括将权重因子应用到所述基于电压的充电状态和所述基于电流的充电状态，所述基于电压的充电状态由热力学电压确定，所述基于电流的充电状态由库仑积分确定，并且权重因子在每个时间步长基于电池开路电压的有效性并且基于基于电压的充电状态和基于电流的充电状态之间的关系被调适。

11.根据权利要求10所述的方法，其中将所述电池电路模型表达为差分等式包括使用等式：

其中V是测量的电压，I是测量的电流，k是时间步长，和是电池参数。

12.根据权利要求10所述的方法，其中所述电池是锂离子电池。