CN103229068A - 满充电检测装置以及满充电检测方法 - Google Patents
满充电检测装置以及满充电检测方法 Download PDFInfo
- Publication number
- CN103229068A CN103229068A CN2011800577598A CN201180057759A CN103229068A CN 103229068 A CN103229068 A CN 103229068A CN 2011800577598 A CN2011800577598 A CN 2011800577598A CN 201180057759 A CN201180057759 A CN 201180057759A CN 103229068 A CN103229068 A CN 103229068A
- Authority
- CN
- China
- Prior art keywords
- unit
- secondary cell
- value
- circuit model
- pick
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title abstract description 18
- 238000006243 chemical reaction Methods 0.000 claims abstract description 62
- 238000007600 charging Methods 0.000 claims abstract description 44
- 238000012545 processing Methods 0.000 claims abstract description 26
- 238000005259 measurement Methods 0.000 claims abstract description 9
- 238000000034 method Methods 0.000 claims description 35
- 238000005457 optimization Methods 0.000 claims description 17
- 230000006866 deterioration Effects 0.000 claims description 16
- 238000012937 correction Methods 0.000 claims description 14
- 230000004044 response Effects 0.000 claims description 8
- 238000012706 support-vector machine Methods 0.000 claims description 7
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 3
- 239000002253 acid Substances 0.000 abstract 1
- 230000003044 adaptive effect Effects 0.000 description 14
- 230000008569 process Effects 0.000 description 9
- 239000007788 liquid Substances 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 239000000047 product Substances 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 239000012467 final product Substances 0.000 description 3
- 230000002068 genetic effect Effects 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000002715 modification method Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 239000003990 capacitor Substances 0.000 description 2
- 239000008151 electrolyte solution Substances 0.000 description 2
- 239000003595 mist Substances 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000000630 rising effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 239000007858 starting material Substances 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- OJIJEKBXJYRIBZ-UHFFFAOYSA-N cadmium nickel Chemical compound [Ni].[Cd] OJIJEKBXJYRIBZ-UHFFFAOYSA-N 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005755 formation reaction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
- H01M10/425—Structural combination with electronic components, e.g. electronic circuits integrated to the outside of the casing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
- G01R31/3842—Arrangements for monitoring battery or accumulator variables, e.g. SoC combining voltage and current measurements
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
- H02J7/0047—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with monitoring or indicating devices or circuits
- H02J7/0048—Detection of remaining charge capacity or state of charge [SOC]
- H02J7/0049—Detection of fully charged condition
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
- H02J7/007—Regulation of charging or discharging current or voltage
- H02J7/00712—Regulation of charging or discharging current or voltage the cycle being controlled or terminated in response to electric parameters
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
- H02J7/007—Regulation of charging or discharging current or voltage
- H02J7/00712—Regulation of charging or discharging current or voltage the cycle being controlled or terminated in response to electric parameters
- H02J7/00714—Regulation of charging or discharging current or voltage the cycle being controlled or terminated in response to electric parameters in response to battery charging or discharging current
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
- H02J7/02—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries for charging batteries from ac mains by converters
- H02J7/04—Regulation of charging current or voltage
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
- H01M10/48—Accumulators combined with arrangements for measuring, testing or indicating the condition of cells, e.g. the level or density of the electrolyte
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
- H01M10/425—Structural combination with electronic components, e.g. electronic circuits integrated to the outside of the casing
- H01M2010/4271—Battery management systems including electronic circuits, e.g. control of current or voltage to keep battery in healthy state, cell balancing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/10—Energy storage using batteries
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Manufacturing & Machinery (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- General Chemical & Material Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Secondary Cells (AREA)
- Tests Of Electric Status Of Batteries (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
与二次电池的种类无关地检测满充电。基于二次电池（铅蓄电池13）的等效电路模型检测该二次电池的满充电状态的满充电检测装置1，其特征在于，包含：测定二次电池在充电时的电压以及电流的测定单元（电压检测部11、电流检测部12）、基于测定单元的测定结果对于等效电路模型包含的多个参数进行学习处理的学习单元（控制部10）、与在由学习单元进行了学习处理的参数中对应于二次电池的反应电阻的参数大于指定阈值的情况下判定为二次电池为满充电状态的判定单元（控制部10）。
Description
技术领域
本发明涉及满充电检测装置以及满充电检测方法。
背景技术
一直以来，判定二次电池达到满充电状态时，根据充电率即SOC（Stateof Charge）（充电状态）是否达到100%来判定。作为如此的SOC的检测方法，公知有例如专利文献1中公开的那样，测定二次电池的稳定电压OCV（Open Circuit Voltage）（开路电压）且由此OCV预测SOC的方法。
并且，在专利文献2中，公开了如下技术，在测定OCV的时刻，由于SOC=100%不会一直成立，所以为了应对这样的情况，通过基于持续的电流观测进行时间积分来计算OCV测定后的SOC的变化。
现有技术文献
专利文献
【专利文献1】日本特开2005-091217号公报
【专利文献2】日本特开2008-145349号公报
发明内容
发明解决的问题
在专利文献1公开的技术中，虽然基于OCV与SOC的相关性判断满充电，但是，因为此OCV与SOC的相关性根据二次电池的种类而不同，所以，例如，像汽车的铅蓄电池那样，使用从各种各样的制造商供给的产品系列中由使用者任意选择的产品的情况下，有时不能正确地判定满充电。
并且，在专利文献2公开的技术中，为了计算对于二次电池的电流流进流出所引起的SOC的变化，必须计算流进流出量相对于二次电池的容量的比例，但是，因为此容量也存在个体差异、检测误差，所以有时不能正确地判定满充电。
因此，本发明的目的是提供能够与二次电池的种类无关地正确判定满充电的满充电检测装置以及满充电检测方法。
用于解决问题的技术方案
为了解决所述问题，本发明的满充电检测装置的特征在于，基于二次电池的等效电路模型检测该二次电池的满充电状态，其中，所述满充电检测装置包含：测定单元，其测定所述二次电池在充电时的电压以及电流；学习单元，其基于所述测定单元的测定结果，对所述等效电路模型包含的多个参数实施学习处理；判定单元，其在由所述学习单元实施了学习处理的所述参数之中，对应于所述二次电池的反应电阻的参数大于指定阈值的情况下，判定为所述二次电池为满充电状态。
根据如此的结构，能够提供能够与二次电池的种类无关地正确判定满充电的满充电检测装置。
并且，其它发明的特征在于，除了所述发明以外，所述学习单元或者所述判定单元基于所述电流的值修正所述反应电阻的值或者所述阈值。
根据如此的结构，能够与电流的大小无关地正确检测满充电。
并且，其它发明的特征在于，除了所述发明以外，所述学习单元或者所述判定单元基于所述二次电池的温度修正所述反应电阻的值或者所述阈值。
根据如此的结构，能够与温度的高低无关地正确检测满充电。
并且，其它发明的特征在于，除了所述发明以外，所述学习单元或者所述判定单元基于所述二次电池的劣化状态修正所述反应电阻的值或者所述阈值。
根据如此的结构，能够与电池的劣化状态无关地正确检测满充电。
并且，其它发明的特征在于，除了所述发明以外，所述学习单元以使由所述测定单元测定的电压以及电流的值与所述等效电路模型的响应的误差达到最小的方式通过卡尔曼滤波运算将所述多个参数最优化。
根据如此的结构，即使是在存在噪声的环境下，也能够正确检测满充电。
并且，其它发明的特征在于，除了所述发明以外，所述学习单元以使由所述测定单元测定的电压以及电流的值与所述等效电路模型的响应的误差达到最小的方式通过最小二乘运算将所述多个参数最优化。
根据如此的结构，能够提供鲁棒性（robust）好的检测装置。
并且，其它发明的特征在于，除了所述发明以外，所述学习单元以使由所述测定单元测定的电压以及电流的值与所述等效电路模型的响应的误差达到最小的方式通过神经网络将所述多个参数进行最优化。
根据如此的结构，能够以相对较小的计算量得到良好的检测结果。
并且，其它发明的特征在于，除了所述发明以外，所述学习单元以使由所述测定单元测定的电压以及电流的值与所述等效电路模型的响应的误差达到最小的方式通过支持向量机将所述多个参数进行最优化。
根据如此的结构，不会以局部最优解停止学习，而能够求得合适的参数，基于该参数正确检测满充电。
并且，其它发明的特征在于，是包含所述满充电检测装置的二次电池电源系统。
根据如此的结构，能够提供能够与二次电池的种类无关地正确地判定满充电的二次电池电源系统。
并且，本发明的满充电检测方法的特征在于，基于二次电池的等效电路模型检测该二次电池的满充电状态，其中，包含：测定步骤，其测定所述二次电池在充电时的电压以及电流；学习步骤，其基于所述测定步骤的测定结果，对于所述等效电路模型包含的多个参数实施学习处理；判定步骤，其在由所述学习步骤实施了学习处理的所述参数之中，在对应于所述二次电池的反应电阻的参数大于指定阈值的情况下，判定为所述二次电池为满充电状态。
根据如此的方法，能够提供能够与二次电池的种类无关地正确判定满充电的满充电检测方法。
发明效果
根据本发明，能够提供能够与二次电池的种类无关地正确判定满充电的满充电检测装置以及满充电检测方法。
附图说明
图1是表示本发明实施方式的满充电检测装置的结构例的图。
图2是表示图1所示的控制部的结构例的图。
图3是用于说明在本实施方式中执行的处理算法的图。
图4是铅蓄电池的等效电路模型的一个例子。
图5是用于说明图1所示的实施方式中执行的处理的流程的流程图。
图6是用于说明图5所示的步骤S11的处理的详细过程的流程图。
图7是用于修正反应电阻的表格的一个例子。
图8是表示反应电阻与SOC的关系的图。
图9是用于修正阈值的表格的一个例子。
具体实施方式
然后，对本发明的实施方式进行说明。
（A）实施方式的结构的说明
图1是表示具有本发明实施方式的满充电检测装置的二次电池电源系统的结构例的图。如此图1所示，本实施方式的满充电检测装置1以控制部10（对应于权利要求中的“学习单元”以及“判定单元”）、电压检测部11（对应于权利要求中的“测定单元”）、电流检测部12（对应于权利要求中的“测定单元”）以及温度检测部14为主要的结构要素，检测铅蓄电池13（对应于权利要求中的“二次电池”）的满充电。在此例中，交流发电机15、启动马达16以及负载17介由电流检测部12连接于铅蓄电池13。应予说明，在本实施方式中，对于满充电检测装置1，例如，以被搭载于汽车等车辆的情况为例进行说明。不言而喻，在此外的用途中使用也是可以的。
如图2所示，控制部10以CPU（Central Processing Unit）（中央处理单元）10a、ROM（Read Only Memory）（只读存储器）10b、RAM（Random AccessMemory）（随机操作存储器）10c以及I/F（Interface）（接口）10d为主要构成要素。CPU10a基于存储于ROM10b的程序10ba控制装置的各个部分。ROM10b由半导体存储器构成，存储程序10ba、表格10bb以及其他的信息。RAM10c由半导体存储器构成，可以改写地存储参数10ca及其他的信息。I/F10d将来自电压检测部11、电流检测部12以及温度检测部14的检测信号转换为数字信号进行输入，同时，在铅蓄电池13达到满充电的情况下，通过切断交流发电机15所具有的电磁离合器来减轻对未图示的往复式发动机等原动机的负载。
电压检测部11检测铅蓄电池13的端电压并向控制部10通知。电流检测部12检测流到铅蓄电池13的电流并向控制部10通知。温度检测部14例如由热敏电阻等构成，检测铅蓄电池13自身的温度或者其周边温度并向控制部10通知。交流发电机15例如由往复式发动机等原动机驱动，生成直流电对铅蓄电池13充电。启动马达16例如由直流马达构成，通过来自铅蓄电池13供给的直流电旋转来启动原动机。负载17例如由转向马达、除雾器、车头灯、雨刷、方向指示灯、导航装置和其他装置等构成。
图3是用于说明通过执行程序10ba实现的处理算法概略的图。如此图所示，在本实施方式中，设定具有多个参数的铅蓄电池13的等效电路模型30。此外，测定作为对象的铅蓄电池13得到测定值，同时基于等效电路模型30得到对应于测定值的计算值。计算这些测定值与计算值的偏差，通过扩展卡尔曼滤波31的自适应学习估计最优的参数。然后，能够通过估计的参数更新等效电路模型30，将等效电路模型30进行最优化。满充电检测模块32基于如此进行最优学习了的参数Rr检测满充电状态。
应予说明，在本说明书中，所谓“自适应学习”，是指准备具有参数的灵活的一般性的模块，通过学习而统计性地、自适应地将参数最优化的方法。在以下的实施方式中，虽然使用扩展卡尔曼滤波作为自适应学习的一个例子，但是本发明并没有仅仅限定为这样的情况，能够使用如下方法，例如使用了最小二乘法的自适应学习、使用了神经网络模型的自适应学习、使用了支持向量机的自适应学习或者使用了遗传算法模型的自适应学习。也就是说，只要是创建学习对象的模型并根据通过观测得到的结果将构成模型的参数进行最优化的方法即可，能够使用任意的方法。
图4是表示铅蓄电池13的等效电路模型30（此例中是电的等效电路）的一个例子的图。在此例中，等效电路模型30以电压源V0、液体电阻Rs、反应电阻Rr以及电容C为主要构成要素。
此处，液体电阻Rs是内部电阻，其以铅蓄电池13的电解液的液体电阻以及电极的导电电阻为主要要素。阻抗Z是对应于铅蓄电池13的阳极和与之接触的电解液的等效电路，基本上具有基于巴物勒-伏尔默（Butler-Volmer）公式的特性，能够作为反应电阻Rr与电容C的并联电路进行表示。电压源V0是内部阻抗为0的理想电压源。
（B）实施方式的动作原理的说明
然后，说明本实施方式的工作。以下，首先，对于本实施方式的工作原理进行说明，然后，参照图5以及图6对详细的工作进行说明。
在本实施方式中，使用图4所示的铅蓄电池13的等效电路模型，在此等效电路模型中，定义至少包含反应电阻Rr作为参数的状态向量。并且，在铅蓄电池13为充电状态的情况下，取得作为测定值的电流值以及电压值，通过学习处理统计性地、自适应地将参数进行最优化。然后，取得最优化了的参数中的反应电阻Rr，在此反应电阻Rr大于指定阈值Th的情况下，判定铅蓄电池13为满充电状态。图8是表示反应电阻Rr与SOC的关系一个例子的图。在此例中，从SOC超过84%的附近开始反应电阻Rr的值增加，在超过88%时急速上升。也就是说，因为充电中的反应电阻Rr在SOC接近90%时急剧增加，所以能够通过检测出反应电阻Rr变得比指定阈值Th还大来检测满充电。
如此，在本实施方式中，设定包含反应电阻Rr的等效电路模型，通过自适应学习将构成此等效电路模型的参数进行最优化。然后，在最优化了的参数中取得反应电阻Rr，在反应电阻Rr大于指定阈值Th的情况下，判定为满充电。此处，对于充电中的反应电阻Rr的行为，由于铅蓄电池13的种类或者个体差别引起的差异少，所以能够防止由铅蓄电池13的种类的不同（例如，生产商的不同、生产批次的不同）、或者个体差别所导致的不同而引起的误检测。
（C）实施方式的详细的工作的说明
图5是用于说明图1所示的实施方式中执行的处理的流程的流程图。开始此流程的处理时，执行以下的步骤。
步骤S10中，CPU10a基于由电流检测部12供给的电流值与由电压检测部11供给的电压，判定铅蓄电池13是否在充电中，在充电中的情况下（步骤S10：Yes）进入步骤S11，除此以外的情况下（步骤S10：No）重复同样的处理。例如，由电压检测部11检测的电压在指定值以上并且由电流检测部12检测到在流入铅蓄电池13的方向上预定值以上的电流正在流过的情况下，判定为充电中，进入步骤S11。
步骤S11中，CPU10a执行对于图3所示的等效电路模型30的学习处理。并且，对于此学习处理的详细过程，参照图6在后面描述。
步骤S12中，CPU10a判定在步骤S11中成为学习对象的参数的值是否收敛，判定为收敛了的情况下（步骤S12：Yes）进入步骤S13，除此以外的情况下（步骤S12：No）返回步骤S11重复同样的处理。例如，能够求出作为步骤S17的判断对象的反应电阻Rr的残差的标准偏差，在该标准偏差处于指定阈值以下的情况下判定为收敛。并且，为了防止误判定，也可以在判断要素中包含时间。具体地也可以在经过了指定时间之后，在标准偏差处于指定阈值以下的情况下判定为收敛。或者，也可以在标准偏差处于指定阈值以下之后，在经过了指定时间的情况下判定为收敛。
步骤S13中，CPU10a从由步骤S11的学习处理得到的参数中取得反应电阻Rr的值。
步骤S14中，CPU10a对于在步骤S13中取得的反应电阻Rr进行根据电流的修正。也就是说，因为反应电阻Rr具有如下特性，即，在电流从0增加时急剧地减少，在电流值增大一定程度时收敛于指定值，所以，进行修正使得反应电阻Rr与电流的值无关地为定值。作为修正方法，例如，能够以表格10bb将映射了反应电阻Rr的值、电流值Imes与修正后的反应电阻R′r的如图7（A）所示的表格预先存储在ROM10b，基于此表格进行修正。应予说明，图7（A）的例子中，以电流为0的情况为基准，将电流为0以外的情况的反应电阻Rr修正为基准即0的情况。例如，在反应电阻Rr为2.5mΩ的情况下，电流Imes为5A时修正为2.6mΩ，电流Imes为10A时修正为2.7mΩ，电流Imes为15A时修正为2.8mΩ。作为电流Imes，能够使用测定时的平均电流。并且，为了对应电流值大幅变动的情况，也可以例如在步骤S11与步骤S12之间进行步骤S14的处理。
步骤S15中，CPU10a对于在步骤S14中修正了的反应电阻Rr进行根据温度的修正。也就是说，因为反应电阻Rr具有温度上升时减少的特性，所以，进行修正使得反应电阻Rr与温度的值无关地为定值。作为修正方法，例如，在将在步骤S14中修正后的反应电阻再次设定为Rr的情况下，例如，能够以表格10bb将映射了反应电阻Rr的值、温度K与修正后的反应电阻R′r的如图7（B）所示的表格预先存储于ROM10b，基于此表格进行修正。并且，在图7（B）的例子中，以温度为25℃的情况作为基准，将温度为25℃以外的情况下的反应电阻Rr修正为基准即25℃的情况。例如，在反应电阻Rr为2.5mΩ的情况下，温度为30℃时修正为2.6mΩ，温度为25℃时保持不变为2.5mΩ，温度为20℃时修正为2.4mΩ。并且，与步骤S14的处理相同，能够将步骤S15的处理移动到步骤S11与步骤S12之间，但是因为温度不会像电流那样大幅变动，所以通过在学习处理完成了之后一并修正，能够减少处理的负担。
步骤S16中，CPU10a对于在步骤S15中修正了的反应电阻Rr进行铅蓄电池13的劣化的修正。也就是说，因为反应电阻Rr具有随着铅蓄电池13的劣化进行而增加的特性，所以，进行修正使得反应电阻Rr与劣化的进行无关地为定值。作为修正方法，例如，在将在步骤S15中修正后的反应电阻再次设定为Rr的情况下，例如，能够以表格10bb将映射了反应电阻Rr的值、与劣化进行具有相关性的液体电阻Rs和修正后的反应电阻R′r的如图7（C）所示的表格预先存储在ROM10b，基于此表格进行修正。并且，在图7（C）的例子中，以新品的状态（此例中，Rs=0.5mΩ的状态）作为基准，将劣化进行而Rs≠0.5mΩ的情况的反应电阻Rr修正为基准即Rs=0.5mΩ的情况。例如，在反应电阻Rr为2.5mΩ的情况下，液体电阻Rs=0.5mΩ时不进行修正，在反应电阻Rr为2.6mΩ的情况下，Rs=0.6mΩ时修正为2.5mΩ，在反应电阻Rr为2.7mΩ的情况下，Rs=0.7mΩ时修正为2.5mΩ。并且，与步骤S14的处理相同，能够将步骤S16的处理移动到步骤S11与步骤S12之间，但是因为劣化不会像电流那样大幅变动，所以通过在学习处理完成了之后一并修正，能够减少处理的负担。
步骤S17中，CPU10a比较通过步骤S14～步骤S16的修正而得到的Rr’与阈值Th，在Rr’≧Th成立的情况下（步骤S17：Yes）进入步骤S18，除此以外的情况下（步骤S17：No）进入步骤S19。图8是表示反应电阻Rr与SOC的关系的一个例子的图。此图中，标记×表示各个测定点。此例中，在SOC超过84%的附近开始，反应电阻Rr的值增加，在超过88%时急剧上升。因此，作为阈值Th，例如，能够选择2mΩ。此情况下，在Rr’≧2mΩ成立的情况下进入步骤S17。
步骤S18中，CPU10a判定为铅蓄电池13为满充电状态，例如，通过控制内置于交流发电机15的调节器（未图示）来降低交流发电机15的发电电压，从而减轻往复式发动机的负载而提高燃效。
步骤S19中，CPU10a判定为铅蓄电池13不是满充电状态，例如，通过控制内置于交流发电机15的调节器（未图示）来提高交流发电机15的发电电压，进行交流发电机15对铅蓄电池13的充电。
然后，参照图6，对于图5的步骤S11的处理的详细过程进行说明。开始图6的处理时执行以下的步骤。
步骤S30中，CPU10a将前次的值Tn-1加上了ΔT后的值代入表示时间的变量Tn。应予说明，作为ΔT，例如，能够使用数msec～数百msec。
步骤S31中，CPU10a基于来自电流检测部12、电压检测部11以及温度检测部14的检测信号测定电流In、电压Vn、温度Kn。
在步骤S32中，CPU10a将在步骤S31中测定的电压Vn应用于以下的公式（1），算出电压下降量ΔVn。
【数学式1】
ΔVn=Vn-OCV…(1)
此处，OCV被称为稳定开路电压，表示电化学平衡状态下的开路电压。应予说明，稳定开路电压没有必要电化学完全平衡，也可以包含接近平衡的状态。作为求得OCV的方法，可以例如将铅蓄电池13的即将启动之前测定的铅蓄电池13的端电压、或者根据铅蓄电池13的充放电状态估计的铅蓄电池13的稳定开路电压作为OCV。
步骤S32中，CPU10a根据第n次的观测值与前次的状态向量估计值，基于以下的式（2）进行雅克比矩阵Fn的更新。
【数学式2】
Fn=diag(1-ΔT/Rrn·Cn,1,1,1,1)…(2)
此处，diag（）表示对角矩阵。
步骤S34中，如以下的公式（3）所示，CPU10a将在步骤S32由计算得到的ΔVn作为扩展卡尔曼滤波的实测观测量Yn。
【数学式3】
Yn=ΔVn…(3)
步骤S35中，CPU10a基于以下的式（4）求得提早一步的状态向量Xn+1|n。
【数学式4】
Xn+1|n=Fn·Xn+Un…(4)
此处，Xn以及Un由以下的式（5）以及式（6）表示。应予说明，T表示转置矩阵。
【数学式5】
Xn T=(ΔV2,Rs，Rr,C，V0)…(5)
【数学式6】
Un T=(Δt·In/C,0,0,0,0)…(6)
并且，能够通过如式（7）所示地确定Hn T，从而如式（8）所示地确定观测方程式以及预测观测值Yn+1|n。
【数学式7】
Hn T=(1,In,0,0,0)…(7)
【数学式8】
Yn=Hn T·Xn…(8)
步骤S36中，CPU10a基于状态向量的提早一步的预测值Xn+1|n、实测观测值Yn+1与预测观测值Yn+1|n，通过基于卡尔曼增益计算与滤波计算的扩展卡尔曼滤波运算，逐次地估计最优状态向量Xn，根据估计的状态向量Xn将（等效电路模型的）调整参数更新为最优的值。然后，恢复（返回）到图5的步骤S12的处理。
如以上说明所述，根据本实施方式，在铅蓄电池13为充电状态的情况下，测定电流值以及电压值，基于测定的电流值以及电压值，通过扩展卡尔曼滤波对等效电路模型进行自适应学习，将参数进行最优化。然后，在完成了最优化的参数中，取得对应于反应电阻Rr的参数，在反应电阻Rr为阈值Th以上的情况下，判定为是满充电状态。因为充电中的反应电阻Rr在达到满充电状态时值急剧地变化，所以能够容易地进行是否是满充电的判定。并且，因为此急剧的变化不取决于铅蓄电池13的种类或者个体，所以能够与种类或者个体无关地正确地判定满充电。
并且，本实施方式中，因为根据电流值、温度以及劣化修正反应电阻值Rr，所以能够与电流的大小、温度的高低以及劣化的进行无关地正确地判定满充电状态。
并且，本实施方式中，因为使用扩展卡尔曼滤波进行自适应学习，所以即使是在噪声多的环境下，也能够正确地判断满充电状态。也就是说，在被搭载于汽车的铅蓄电池13的情况下，例如，由于负载17即转向马达、除雾器等的动作，电流经常变动，如此的变动作为噪声作用。但是，通过使用扩展卡尔曼滤波，即使是如此的噪声的存在下，也能够正确地判定满充电状态。
（D）变形实施方式
应予说明，所述实施方式是一个例子，除此以外还存在各种变形实施方式。例如，虽然在以上的实施方式中使用扩展卡尔曼滤波进行自适应学习，但是也可以使用其它方法。具体而言，也可以使用最小二乘法进行自适应学习或使用神经网络、使用支持向量机、使用遗传算法进行自适应学习。
例如，在最小二乘法的情况下，能够由以下的式（9）表示图4的等效电路模型两端的端电压的计算值Vcal。
【数学式9】
Vcal=V0+Rs·I+Rr(I-I2)…(9)
此处，能够由以下的式（10）表示I2。
【数学式10】
并且，能够通过以使以下的式（11）中的偏差平方和M达到最小的方式自适应学习各个参数来将参数进行最优化。作为具体例，对式（9）、（10）包含的各个参数使用逐次运算法即可，如Gauss-Newton法或者Levenberg-Marquardt法等那样，使得从指定的初始值开始使M依次变小，如此将参数慢慢更新至最优值。
【数学式11】
应予说明，Vmes是从电压检测部11得到的电压的实测值。
并且对于支持向量机以及神经网络来说，如果是支持向量机的话，则设定合适的核函数，如果是神经网络的话，则例如设定多层感知器那样的合适的网络，再使用由预先实验确认的且对应于电流、电压、温度等的输入的所述等效电路模型的常数的正解的组合的已知数据，如果是支持向量机的话，则确定分离超平面，如果是神经网络的话，则最优地确定神经元的激活阈值/耦合系数，如此，对于任意的电流、电压、温度的数据输入，都能够输出最优的等效电路模型。
并且，在遗传算法的情况下，例如，准备N个包含全部参数的个体，随机地生成各个个体的各个参数。然后，对于各个个体计算Vcal，将测定的V与Vcal的差的绝对值作为适应度，根据适应度进行自然淘汰，并且，对各个个体进行交叉、突然变异以及复制，生成下一代的个体。例如，能够通过反复进行如此的操作，将参数进行最优化。
并且，以上的实施方式中，虽然使用如图7所示的表格修正反应电阻Rr，但是，也可以使用近似于电流、温度、劣化分别与反应电阻Rr的关系的多项式等，进行修正。
并且，也可以不修正反应电阻Rr，而是根据电流、温度、劣化来修正阈值Th。图9是表示电流、温度、劣化分别与修正前后的阈值Th的关系的图。也就是说，图9（A）是表示修正前的阈值Th、测得的电流Imes与修正后的阈值Th’的关系的图。此例中，随着电流值变大，修正后的阈值Th’变小。图9（B）是表示修正前的阈值Th、测得的温度K与修正后的阈值Th’的关系的图。此例中，以温度为25℃时为基准，在温度高于25℃的情况下设定修正后的阈值Th’为小值，在温度低于25℃的情况下设定修正后的阈值Th’为大值。并且，图9（C）是表示修正前的阈值Th、表示劣化的液体电阻Rs与修正后的阈值Th’的关系的图。此例中，以新品的状态即Rs=0.5mΩ时为基准，随着劣化进行Rs变大，设定修正后的阈值Th’为大值。
并且，以上的实施方式中，虽然如图5所示，仅仅执行一次是否是满充电的判定，但是，也可以是例如执行多次图5所示的处理，根据判定为满充电的次数的频率来进行是否是满充电的最终判断。根据如此的实施方式，能够更正确地进行是否是满充电的判断。
并且，以上的实施方式中，虽然以铅蓄电池作为例子进行了说明，但是对于除此以外的电池（例如，镍镉电池等），也能够适用本发明。需要说明的是，在此情况下，根据电池的种类改变等效电路模型30即可。
另外，在以上的实施方式中，虽然控制部10由CPU、ROM、RAM等构成，但是，例如也可以由DSP（Digital Signal Processor）（数字信号处理器）等构成。
符号说明
Claims (10)
1.一种满充电检测装置，其特征在于，基于二次电池的等效电路模型检测该二次电池的满充电状态，其中，所述满充电检测装置包含：
测定单元，所述测定单元测定所述二次电池在充电时的电压以及电流，
学习单元，所述学习单元基于所述测定单元的测定结果对于所述等效电路模型包含的多个参数实施学习处理，
判定单元，所述判定单元在由所述学习单元实施了学习处理的所述参数之中，在对应于所述二次电池的反应电阻的参数大于指定阈值的情况下，判定为所述二次电池为满充电状态。
2.如权利要求1所述的满充电检测装置，其特征在于，所述学习单元或者所述判定单元基于所述电流的值修正所述反应电阻的值或者所述阈值。
3.如权利要求1或者2所述的满充电检测装置，其特征在于，所述学习单元或者所述判定单元基于所述二次电池的温度修正所述反应电阻的值或者所述阈值。
4.如权利要求1至3中任一项所述的满充电检测装置，其特征在于，所述学习单元或者所述判定单元基于所述二次电池的劣化状态修正所述反应电阻的值或者所述阈值。
5.如权利要求1至4中任一项所述的满充电检测装置，其特征在于，所述学习单元以使由所述测定单元测定的电压以及电流的值与所述等效电路模型的响应的误差达到最小的方式通过卡尔曼滤波运算将所述多个参数进行最优化。
6.如权利要求1至4中任一项所述的满充电检测装置，其特征在于，所述学习单元以使由所述测定单元测定的电压以及电流的值与所述等效电路模型的响应的误差达到最小的方式通过最小二乘运算将所述多个参数进行最优化。
7.如权利要求1至4中任一项所述的满充电检测装置，其特征在于，所述学习单元以使由所述测定单元测定的电压以及电流的值与所述等效电路模型的响应的误差达到最小的方式通过神经网络将所述多个参数进行最优化。
8.如权利要求1至4中任一项所述的满充电检测装置，其特征在于，所述学习单元以使由所述测定单元测定的电压以及电流的值与所述等效电路模型的响应的误差达到最小的方式通过支持向量机将所述多个参数进行最优化。
9.一种二次电池电源系统，其包含所述权利要求1至8中任一项所述的满充电检测装置。
10.一种满充电检测方法，其特征在于，基于二次电池的等效电路模型检测该二次电池的满充电状态，其中，所述满充电检测方法包含：
测定步骤，其测定所述二次电池在充电时的电压以及电流，
学习步骤，其基于所述测定步骤的测定结果，对于所述等效电路模型包含的多个参数实施学习处理，
判定步骤，其在由所述学习步骤实施了学习处理的所述参数之中，在对应于所述二次电池的反应电阻的参数大于指定阈值的情况下，判定为所述二次电池为满充电状态。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2010283564A JP5307113B2 (ja) | 2010-12-20 | 2010-12-20 | 満充電検知装置および満充電検知方法 |
| JP2010-283564 | 2010-12-20 | ||
| PCT/JP2011/079459 WO2012086627A1 (ja) | 2010-12-20 | 2011-12-20 | 満充電検知装置および満充電検知方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103229068A true CN103229068A (zh) | 2013-07-31 |
| CN103229068B CN103229068B (zh) | 2015-06-24 |
Family
ID=46313896
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201180057759.8A Active CN103229068B (zh) | 2010-12-20 | 2011-12-20 | 满充电检测装置以及满充电检测方法 |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US9153988B2 (zh) |
| EP (1) | EP2657714B1 (zh) |
| JP (1) | JP5307113B2 (zh) |
| CN (1) | CN103229068B (zh) |
| WO (1) | WO2012086627A1 (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105026945A (zh) * | 2013-03-14 | 2015-11-04 | 古河电气工业株式会社 | 二次电池状态检测装置及二次电池状态检测方法 |
| CN107923951A (zh) * | 2015-08-07 | 2018-04-17 | 株式会社电装 | 电池充电状态推断装置 |
| CN109633450A (zh) * | 2018-11-23 | 2019-04-16 | 成都云材智慧数据科技有限公司 | 一种基于神经网络的锂电池充电检测系统 |
Families Citing this family (24)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5944291B2 (ja) * | 2012-10-05 | 2016-07-05 | カルソニックカンセイ株式会社 | バッテリのパラメータ等推定装置およびその推定方法 |
| KR101547006B1 (ko) * | 2012-10-26 | 2015-08-24 | 주식회사 엘지화학 | 배터리 잔존 용량 추정 장치 및 방법 |
| CN105027378B (zh) * | 2012-11-08 | 2017-05-24 | 新电元工业株式会社 | 内燃机控制电路以及内燃机控制方法 |
| JP5925888B2 (ja) * | 2012-11-08 | 2016-05-25 | 新電元工業株式会社 | 二輪車のエンジン制御回路及び二輪車のエンジン制御方法 |
| US10393813B2 (en) * | 2013-08-27 | 2019-08-27 | The Regents Of The University Of Michigan | On-board state of health monitoring of batteries using incremental capacity analysis |
| JP6044512B2 (ja) * | 2013-11-07 | 2016-12-14 | 株式会社デンソー | 電池特性学習装置 |
| CN106133994B (zh) * | 2014-04-01 | 2019-06-18 | 古河电气工业株式会社 | 二次电池状态检测装置以及二次电池状态检测方法 |
| JP6277864B2 (ja) * | 2014-05-26 | 2018-02-14 | 株式会社デンソー | 電池内部状態推定装置 |
| JPWO2016031191A1 (ja) * | 2014-08-28 | 2017-06-08 | 日本電気株式会社 | 情報処理装置、情報処理方法、及び、記録媒体 |
| JP2016090330A (ja) * | 2014-10-31 | 2016-05-23 | カルソニックカンセイ株式会社 | バッテリのパラメータ推定装置 |
| FR3029315B1 (fr) * | 2014-11-28 | 2016-12-09 | Renault Sa | Procede automatique d'estimation de la capacite d'une cellule d'une batterie |
| JP6390471B2 (ja) * | 2015-03-09 | 2018-09-19 | 株式会社デンソー | ２次電池制御装置 |
| EP3518376B1 (en) | 2016-09-23 | 2021-08-25 | Furukawa Electric Co., Ltd. | Secondary battery state detection device and secondary battery state detection method |
| KR102695516B1 (ko) * | 2016-11-18 | 2024-08-14 | 삼성전자주식회사 | 배터리 충전 방법, 배터리 충전 정보 생성 방법 및 배터리 충전 장치 |
| KR102179677B1 (ko) | 2017-04-12 | 2020-11-17 | 주식회사 엘지화학 | 노이즈를 반영한 배터리 잔존 용량 산출 장치 및 방법 |
| KR102405005B1 (ko) | 2017-04-14 | 2022-06-07 | 삼성전자주식회사 | 배터리의 상태에 따라 충전 파라미터를 변경하는 전자 장치 및 그 전자 장치의 제어 방법 |
| JP6927000B2 (ja) * | 2017-12-06 | 2021-08-25 | トヨタ自動車株式会社 | 二次電池の劣化状態推定方法 |
| JP6820905B2 (ja) * | 2017-12-29 | 2021-01-27 | ゴゴロ インク | 交換可能エネルギー貯蔵装置ステーションを管理するためのシステムおよび方法 |
| US11069926B1 (en) * | 2019-02-14 | 2021-07-20 | Vcritonc Alpha, Inc. | Controlling ongoing battery system usage via parametric linear approximation |
| CN110138035A (zh) * | 2019-05-22 | 2019-08-16 | 深圳市海派通讯科技有限公司 | 移动终端充电控制方法 |
| JP7124812B2 (ja) * | 2019-09-30 | 2022-08-24 | 株式会社デンソー | 電池状態推定装置 |
| US11498446B2 (en) * | 2020-01-06 | 2022-11-15 | Ford Global Technologies, Llc | Plug-in charge current management for battery model-based online learning |
| KR20220072578A (ko) * | 2020-11-25 | 2022-06-02 | 주식회사 엘지에너지솔루션 | 배터리 관리 장치 및 방법 |
| CN113541649B (zh) * | 2021-06-21 | 2024-03-29 | 苏州大学 | 变步长核符号误差自适应滤波器 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005269760A (ja) * | 2004-03-18 | 2005-09-29 | Hitachi Maxell Ltd | 充電電池あるいは充電電池パック |
| CN1791804A (zh) * | 2003-06-27 | 2006-06-21 | 古河电气工业株式会社 | 蓄电池恶化的判断方法、二次电池的内部阻抗测量方法、二次电池的内部阻抗测量机构、二次电池恶化判断装置以及电源系统 |
| JP2008107168A (ja) * | 2006-10-24 | 2008-05-08 | Toyota Central R&D Labs Inc | 電池特性の検出方法及び電池特性の検出装置 |
| CN101275991A (zh) * | 2007-03-29 | 2008-10-01 | 古河电气工业株式会社 | 电池残余容量推断方法及装置、电池电源系统 |
| JP2010500539A (ja) * | 2006-08-07 | 2010-01-07 | ローベルト ボツシユ ゲゼルシヤフト ミツト ベシユレンクテル ハフツング | 容量に依存したパラメータに基づくバッテリ容量検出方法 |
Family Cites Families (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6081097A (en) * | 1998-01-19 | 2000-06-27 | Matsushita Electric Industrial Co., Ltd. | Method for charging lithium secondary battery |
| JP4759795B2 (ja) * | 2000-09-28 | 2011-08-31 | 株式会社Ｇｓユアサ | 二次電池の残存容量検知方法 |
| US7072871B1 (en) * | 2001-08-22 | 2006-07-04 | Cadex Electronics Inc. | Fuzzy logic method and apparatus for battery state of health determination |
| JP4015092B2 (ja) | 2003-09-18 | 2007-11-28 | 古河電気工業株式会社 | 二次電池劣化状態判定方法、二次電池劣化状態判定装置及び電源システム |
| EP2626716B1 (en) | 2003-06-27 | 2015-09-16 | The Furukawa Electric Co., Ltd. | Device and method for judging deterioration of accumulator / secondary cell |
| US7227335B2 (en) * | 2003-07-22 | 2007-06-05 | Makita Corporation | Method and apparatus for diagnosing the condition of a rechargeable battery |
| US8344685B2 (en) * | 2004-08-20 | 2013-01-01 | Midtronics, Inc. | System for automatically gathering battery information |
| JP4952971B2 (ja) * | 2005-07-12 | 2012-06-13 | 日立工機株式会社 | 電池寿命判別装置 |
| JP4865523B2 (ja) | 2006-12-12 | 2012-02-01 | 古河電気工業株式会社 | バッテリ充電率推定方法、バッテリ充電率推定装置及びバッテリ電源システム |
| US7899631B2 (en) | 2007-03-29 | 2011-03-01 | The Furukawa Electric Co., Ltd. | Method and device for estimating battery residual capacity, and battery power supply system |
| US7928735B2 (en) * | 2007-07-23 | 2011-04-19 | Yung-Sheng Huang | Battery performance monitor |
| GB2463297A (en) * | 2008-09-09 | 2010-03-10 | Ricardo Uk Ltd | Determining a power source state of charge using an equivalent circuit model |
| US8866443B2 (en) * | 2010-08-11 | 2014-10-21 | Shin-Kobe Electric Machinery Co., Ltd. | Lead acid storage battery and lead acid storage battery system for natural energy utilization system |
| US8860420B2 (en) * | 2011-09-16 | 2014-10-14 | Blackberry Limited | Diagnostic use of physical and electrical battery parameters and storing relative condition data |
| US8719195B2 (en) * | 2011-10-10 | 2014-05-06 | The Boeing Company | Battery adaptive learning management system |
-
2010
- 2010-12-20 JP JP2010283564A patent/JP5307113B2/ja active Active
-
2011
- 2011-12-20 CN CN201180057759.8A patent/CN103229068B/zh active Active
- 2011-12-20 EP EP11851717.6A patent/EP2657714B1/en active Active
- 2011-12-20 WO PCT/JP2011/079459 patent/WO2012086627A1/ja active Application Filing
-
2013
- 2013-02-18 US US13/769,636 patent/US9153988B2/en active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1791804A (zh) * | 2003-06-27 | 2006-06-21 | 古河电气工业株式会社 | 蓄电池恶化的判断方法、二次电池的内部阻抗测量方法、二次电池的内部阻抗测量机构、二次电池恶化判断装置以及电源系统 |
| JP2005269760A (ja) * | 2004-03-18 | 2005-09-29 | Hitachi Maxell Ltd | 充電電池あるいは充電電池パック |
| JP2010500539A (ja) * | 2006-08-07 | 2010-01-07 | ローベルト ボツシユ ゲゼルシヤフト ミツト ベシユレンクテル ハフツング | 容量に依存したパラメータに基づくバッテリ容量検出方法 |
| JP2008107168A (ja) * | 2006-10-24 | 2008-05-08 | Toyota Central R&D Labs Inc | 電池特性の検出方法及び電池特性の検出装置 |
| CN101275991A (zh) * | 2007-03-29 | 2008-10-01 | 古河电气工业株式会社 | 电池残余容量推断方法及装置、电池电源系统 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105026945A (zh) * | 2013-03-14 | 2015-11-04 | 古河电气工业株式会社 | 二次电池状态检测装置及二次电池状态检测方法 |
| CN105026945B (zh) * | 2013-03-14 | 2017-12-05 | 古河电气工业株式会社 | 二次电池状态检测装置及二次电池状态检测方法 |
| CN107923951A (zh) * | 2015-08-07 | 2018-04-17 | 株式会社电装 | 电池充电状态推断装置 |
| CN109633450A (zh) * | 2018-11-23 | 2019-04-16 | 成都云材智慧数据科技有限公司 | 一种基于神经网络的锂电池充电检测系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| EP2657714B1 (en) | 2021-04-14 |
| US20130154577A1 (en) | 2013-06-20 |
| WO2012086627A1 (ja) | 2012-06-28 |
| JP5307113B2 (ja) | 2013-10-02 |
| CN103229068B (zh) | 2015-06-24 |
| EP2657714A1 (en) | 2013-10-30 |
| US9153988B2 (en) | 2015-10-06 |
| JP2012132724A (ja) | 2012-07-12 |
| EP2657714A4 (en) | 2017-10-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103229068B (zh) | 满充电检测装置以及满充电检测方法 | |
| US11644515B2 (en) | Method and device for operating an electrically drivable motor vehicle depending on a predicted state of health of an electrical energy store | |
| JP4767558B2 (ja) | 電源装置用状態検知装置，電源装置及び電源装置に用いられる初期特性抽出装置 | |
| CN108885242B (zh) | 二次电池劣化估计装置和二次电池劣化估计方法 | |
| JP7211420B2 (ja) | パラメータ推定装置、パラメータ推定方法及びコンピュータプログラム | |
| TWI384246B (zh) | 藉電池電壓變化模式估測開路電壓以估測電池電阻特徵之裝置及方法 | |
| EP3214456A1 (en) | Secondary battery state detection device and secondary battery state detection method | |
| US11346891B2 (en) | Battery diagnostic system for estimating remaining useful life (RUL) of a battery | |
| CN105026945A (zh) | 二次电池状态检测装置及二次电池状态检测方法 | |
| JP2017111860A (ja) | 二次電池制御システム | |
| CN114072685A (zh) | 一种用于估计电池单元的操作参数的方法 | |
| JP2007179968A (ja) | バッテリ状態管理装置 | |
| EP3988952B1 (en) | Method for detecting abnormal battery cell | |
| JP2018141665A (ja) | 電池管理方法、電池管理装置、及びコンピュータプログラム | |
| EP4033585A1 (en) | Estimation device, estimation method, and computer program | |
| JP6895786B2 (ja) | 二次電池状態検出装置および二次電池状態検出方法 | |
| JP2007322171A (ja) | バッテリ状態推定装置 | |
| CN114325441A (zh) | 特定于设备地确定基于内阻的电池老化状态的方法和设备 | |
| CN115219904A (zh) | 用于运行用来提供电化学电池组模型的系统的方法和装置 | |
| US20230324463A1 (en) | Method and Apparatus for Operating a System for Detecting an Anomaly of an Electrical Energy Store for a Device by Means of Machine Learning Methods | |
| CN116306214A (zh) | 提供确定储能器的老化状态的老化状态模型的方法和设备 | |
| CN115469224A (zh) | 用于借助机器学习方法运行提供设备的电储能器的预测的老化状态的系统的方法和装置 | |
| JP2018009941A (ja) | 蓄電デバイス容量選択方法 | |
| JP6550036B2 (ja) | 二次電池状態検出装置および二次電池状態検出方法 | |
| JP7451923B2 (ja) | 推定装置、推定方法及びコンピュータプログラム |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant |