CN103688181B - 用于估计电池组的电量状态的方法 - Google Patents

Abstract

本发明涉及一种用于估计电池组的电量状态（SOCbatt_k）的方法，该电池组包括多个被称为电池的蓄电器。根据本发明，该方法包括以下步骤：a)确定该电池组的每个电池的电量状态（SOCcell_est_i）；b)确定该电池组的使用范围，这个使用范围等于一个电池的电量状态的最大预定值减去在步骤a)中确定的被充电最多的电池的电量状态（SOCcell_max_k）与被充电最少的电池的电量状态（SOCcell_min_k）之间的偏差；c)将该电池组的电量状态（SOC_batt_k）确定为等于在步骤a)中确定的被充电最少的电池的电量状态（SOCcell_min_k）与在步骤b)中确定的该电池组的所述使用范围之间的比率。

Description

用于估计电池组的电量状态的方法

技术领域

本发明涉及包括多个蓄电器的电池组的领域。

本发明更确切地涉及用于估计这样的电池组的电量状态的方法。

本发明的一个特别有利的应用是估计一个机动车辆的牵引用电池组的电量状态。

背景技术

目前，电池组的电量状态是用流过该电池组的电流和/或该电池组的温度相对于整个电池组而言的多个测量值的函数来估计的，例如根据横跨该电池组的端子所测量的电压的函数。

然而，一个电池组一般包括被称为电池的若干蓄电器，这些蓄电器具有彼此不同的特征，例如它们的电容和内阻不同。

这些区别一方面来自该电池组本身的构造并且另一方面是因为这些电池根据其在该电池组内的位置而经历不同的温度变化。这些电池的依赖于其温度的这些特征因此也经历不同的温度变化。

因此，形成同一个电池组的这些电池往往具有不同的电量状态。这被称为电池组电池的不平衡。

当电池组的电池具有不同的电量状态时，该电池组的使用范围是由被充电最多的电池和被充电最少的电池所决定的。

事实上，该电池组的被充电最少的电池将在其他电池被完全放电之前达到零电量状态，也就是说是完全放电的。因此该电池组整体将被认为是放完电的，尽管这些电池中的一些没有完全放电。因此该电池组的使用范围受到被充电最多的电池与被充电最少的电池的偏差的限制。

在这种不平衡状况下，基于对该电池组整体所测量的特征（粗略地对应于这些电池的平均电量状态）来估计该电池组的电量状态具有显著的不准确性。具体而言，这种平均估计在该电池组无用、其中这些电池之一完全放电时给出了非零的电量状态值。

在电动的或混合动力的车辆的牵引用电池组的情况下，这种对电池组的电量状态的估计的不准确性是特别有害的。

事实上，在这些车辆中，电池组的电量状态信息被直接显示在车辆的仪表盘上，从而使得驾驶员了解其车辆的自主性。

由于电动车辆的自主性不及热动力车辆的自主性，因此通过向驾驶员提供尽可能可靠的信息来使得驾驶员安心是重要的。

此外，驾驶员必须能够在驾驶时立足于可靠的电量状态信息来做出决定。在电池组的电量状态估计中的误差将导致驾驶员做出差的决定而发现自身处于不愉快的情形之中，例如他发现自己由于缺少能量而不能机动、或者甚至处于危险情形中，例如如果他在超车时缺少动力的话。

发明内容

为了克服现有技术的上述缺点，本发明提出了一种使得有可能提供对一个电池组的电量状态的可靠估计的方法。

更确切地说，根据本发明，提出了一种用于估计电池组的电量状态的方法，该电池组包括多个被称为电池的蓄电器，该方法包括以下步骤：

a)确定该电池组的每个电池的电量状态，

b)确定该电池组的一个使用范围，这种使用范围等于一个电池的电量状态的最大预定值减去在步骤a)中确定的被充电最多的电池的电量状态与被充电最少的电池的电量状态之间的偏差，

c)将该电池组的电量状态确定为等于在步骤a)中确定的被充电最少的电池的电量状态与在步骤b)中确定的该电池组的所述使用范围之间的比率。

这种估计电池组的电量状态的方法考虑了该电池组的这些电池之间的可能的不平衡。

通过这种方法，该电池组的电量状态的估计值在被充电最多的电池具有最大电量状态（实际上等于100%）时指示为最大电量，即实际上等于100%，并且在被充电最少的电池具有最小电量状态（实际上等于0%）时指示为最小电量，即实际上等于0%。

此外，根据本发明的方法使得有可能在这两个极值之间获得电池组电量状态的连续且代表性的变化。

根据本发明的方法的其他非限制性的和有利的特征如下：

在步骤a)中，对于该电池组的每个电池进行以下步骤：

-a1)确定代表了该电池的功能的至少一个输入变量的值，

-a2)确定代表了该电池的功能的至少一个输出变量的值，

-a3)借助于一个状态观测器来估计该电池的电量状态，这种估计是基于在步骤a1)中确定的所述输入变量的值并且用从在步骤a2)中确定的所述输出变量的值得到的一个校正参数来校正的；

-所述输入变量至少包括流经该电池的电流；

-所述输出变量至少包括横跨该电池的端子的电压；

-通过一个电子模型回路对每个电池建模，该电子回路模型串联地包括一个电压发生器、一个电阻器以及一个包括并联的电阻器和电容器的部件；

-该电子模型回路的这些电阻器的值和该电容器的电容值取决于该电池的温度（temp_cell）和/或该电池的电量状态和/或该电池的寿命；

-所述状态观测器包括一个卡尔曼滤波器；

-所述卡尔曼滤波器包括至少一个取决于该电池的功能的参数；

-该卡尔曼滤波器的所述参数取决于与该电池的开路电压和该电池的电量状态有关的函数；

-与该电池的开路电压和该电池的电量状态有关的该函数是一个仿射函数，并且该卡尔曼滤波器的所述参数是这个函数的增长率；

-与该电池的开路电压和该电池的电量状态有关的该函数是一个分段仿射函数，并且为与该电池的开路电压和该电池的电量状态有关的该函数的一个不同仿射部分相关联的该电池电量状态的每个数值范围都使用了一个不同的卡尔曼滤波器；

-在步骤a)的执行过程中在一个给定的时刻所使用的卡尔曼滤波器是根据在前一时刻所估计的该电池的电量状态的值来确定的；

-同电量状态值的一个第一范围相关联的一个第一卡尔曼滤波器与同电量状态值的一个第二范围相关联的一个第二卡尔曼滤波器之间的过渡是通过一个有滞后的自动系统来管理的；

-在步骤a)中，每个电池的电量状态是通过安培-小时-公制计量方法、也就是通过安培小时计来确定的；

-在步骤a)中，

-对进入该电池组的电流进行积分，

-每个电池的电量状态是根据进入该电池组的电流的积分与所讨论的电池的容量之间的比率来确定的；并且

-所讨论的电池组是机动车辆的牵引用电池组。

附图说明

通过参考附图作为非限定性实例给出的以下说明将对本发明所包括的内容以及本发明可以如何实施提供良好的理解。

在这些附图中：

-图1是从对于电池组的每个电池所确定的电量状态来确定电池组的电量状态的一个图解表示，

-图2是对电池组的电池之一进行建模的回路图解表示，

-图3是一个电池的开路电压作为用图2中所示的电路建模的该电池的充电状态的一个函数（实线）、及其近似为分段仿射函数（虚线）的图解表示，

-图4是使用四个卡尔曼滤波器来估计由图2中示出的回路所建模的该电池的电量状态的图解表示，每个滤波器对应于代表了该电池的开路电压随该电池的电量状态的变化的这个函数的一个不同的仿射部分，

-图5示出了在不存在一个对电池进行平衡的系统的情况下，通过根据本发明的方法所估计的电池组的电量状态随时间的变化（实线）以及该电池组的这些电池的电量状态的对应变化（虚线），

-图6示出了在存在一个对电池进行平衡的系统的情况下，通过根据本发明的方法所估计的电池组的电量状态随时间的变化（实线）以及该电池组的这些电池的电量状态的对应变化（虚线）。

具体实施方式

在此考虑了一种包括串联连接的并且下文被称为电池的多个蓄电器的电池组。

例如该电池组是一种电动或混合动力机动车辆的牵引用电池组。它包括任意数目的电池，例如等于96个。

下文中将用下标i来表示与下标为i的电池相关联的量和算子，其中i的取值为从1到96。

该电池组或一个电池的电量状态常被表示为该电池组或该电池的最大电量状态的一个百分比。

在下文中，等于100%的电量状态因此将表示一个电池组或电池是充满电的、并且因此处于最大电量状态。

等于0%的电量状态会表示一个电池组或电池是完全放电的、并且因此处于最小电量状态。

在实践中，对电池组电量状态的估计是在不同时刻进行的、优选地从初始时刻t0开始以周期为Te的规则时间间隔进行。在下文中，下标k将表示在给定的时刻t_k=t0+k.Te进行的所有测量和计算。当省略时间下标时，该变量的值被认为是在时刻k时正在进行测量或者计算。

根据本发明的方法是通过一个电子控制单元执行的。这个电子控制单元被适配成接收来自该电池组的多个传感器的信息，这些传感器被适配成测量电压、电流、和该电池组内的温度的不同值，如下文中指出的。

根据本发明，这种用于估计电池组的电量状态（被称为SOCbatt_k）的方法包括以下步骤：

a)确定该电池组的每个电池的电量状态，标记为SOCcell_est_i，

b)确定该电池组的一个使用范围，这个使用范围等于一个电池的电量状态的最大预定值减去在被充电最多的电池的电量状态（标记为SOCcell_max_k）与被充电最少的电池的电量状态（标记为SOCcell_min_k）之间的偏差，即在步骤a)中对于该电池组的这些电池之一所确定出的最大电量状态值SOCcell_est_i与在步骤a)中对于该电池组的这些电池中的另一个所确定出的最小电量状态值SOCcell_est_i之间的偏差，

c)将该电池组的电量状态SOCbatt_k确定为等于在步骤a)中确定的被充电最少的电池的电量状态与在步骤b)中确定的该电池组的所述使用范围之间的比率。

图1中示出了这三个步骤。

图1的左边区域展示了在步骤a)中所考虑的在时刻t_k确定该电池组的每个电池的电量状态值SOCcell_est_i。

在此，每个电池的电量状态值SOCcell_est_i是通过一个观测器来估计的，该观测器在此情况下是在时刻t_k与所述下标为i的电池相关联的一个卡尔曼滤波器FK_i。

由此，该电子控制单元根据以下这些公式来确定在每个时刻t_k时被充电最多的电池的电量状态SOCcell_max_k以及被充电最少的电池的电量状态SOCcell_min_k：

SOCcell_min_k=min(SOCcell_est_i)，i=1至96，并且SOCcell_max_k=max(SOCcell_est_i)，i=1至96。

这个步骤是用图1中的框10和11表示的。

在步骤b)中，该电子控制单元确定在时刻t_k时该电池组的使用范围，这个使用范围等于一个电池的电量状态的最大预定值减去在被充电最多的电池的电量状态SOCcell_max_k与被充电最少的电池的电量状态SOCcell_min_k之间的偏差。

任何电池的这种电量状态的最大预定值例如是固定的并且等于100%。

图1中的框12对这个使用范围进行计算。

最后，在步骤c)中，该电子控制单元通过计算以下各项之间的比率来确定在时刻t_k该电池组的电量状态SOCbatt_k：

-在时刻t_k被充电最少的电池的电量状态SOCcell_min_k，

-与所确定的使用范围。

这个运算是通过图1中的框13来执行的。

换言之，该电池组的电量状态SOCbatt是根据以下公式确定的：

SOCbatt_k=SOCcell_min_k/(1-(SOCcell_max_k-SOCcell_min_k)。

对在所讨论的时刻t_k该电池组的每个电池的电量状态SOCcell_est_i进行确定的这个步骤a)可以用不同方式进行。

根据本发明的一个优选实施例，在步骤a)中，对于该电池组的每个电池进行以下步骤：

a1)对代表该电池的功能的至少一个输入变量i_cell的值I_cell_mes_i进行确定，

a2)对代表该电池的功能的至少一个输出变量u_cell的值V_cell_mes_i进行测量，

a3)借助于一个状态观测器来估计出该电池的电量状态SOCcell_est_i，这种估计是基于在步骤a1)中确定的所述输入变量i_cell的值的并且是用一个从在步骤a2)中确定的所述输出变量u_cell的值得到的一个校正参数进行校正的。

此外，还优选地确定该电池的温度temp_cell_est_i并且在步骤a3)中随着这个温度的变化来估计该电池的电量状态。

在每个时刻t_k都对下标为i的每个电池重复这些步骤。

更准确地说，所述输入变量至少包括流经该电池的电流i_cell。

当该电池组不包括对电池电量进行平衡的系统时，这个变量是与流经该电池组本身的电流I_bat一致的，因为当这些电池串联连接在一起时，流经该电池组的电流等于流经每个电池的电流。

如果使用了一个对电池电量进行平衡的系统来使这些不同电池的电量在任何时刻都均匀的话，则电流i_cell对应于添加了电池平衡电流的这个电流I_bat，因为这个平衡系统是与该电池并联连接的。

所述输出变量至少包括横跨该电池的端子的电压u_cell。

在每个时刻t_k都对下标为i的每个电池确定这些输入和输出变量。它们优选地是测量出的。

在所选定的状态观测器中，至少以下各项是可获得的：

-输入变量i_cell，其值是在每个时刻t_k测量出的，以便在每个时刻的步骤中更新这些计算，

-状态变量SOCcell，这是该电池的电量状态，寻求的就是其估计值SOCcell_est，

-输出变量u_cell，其值由该观测器估计并且与这个输出变量的一个测量值进行比较以便用使该观测器尽可能接近真实的方式校正该观测器的。

在这个状态观测器中，因此在每个时刻的步骤中不仅借助于所测量的输入变量而且还随从该输出变量得到的一个校正参数的变化来计算出为确定这些值所寻求的状态变量。

更准确地说，为了实施这个实施例，通过一个电子模型回路100对每个电池进行了建模。在图2中示出了这样一个电子模型回路100的实例。

它串联地包括一个产生电压OCV的电压发生器101、一个值为R1的电阻器102以及一个部件103，该部件并联地包括一个值为R2的电阻器104和一个电容为C2的电容器105。

R1对应于该电池的内阻，R2和C2用于对该电池内部的频率现象进行建模。

横跨部件103的端子的电压在下文中标记为Uc2-。

横跨该闭路模型回路的端子的电压就是横跨对应电池的端子的电压u_cell。横跨这个模型回路的端子的开路电压就是对应于该电池的开路电压的这个电压OCV。

流经这个模型回路的电流就是流经对应电池的电流i_cell。

该电子模型回路100的电阻器102、104的值R1、R2和电容器105的电容值C2优选地取决于下标为i的电池的温度temps_cell的值temp_cell_est_i和/或由所讨论的模型回路建模的该电池的电量状态SOCcell和/或该电池的寿命。

该电池的寿命对应于例如从其制造起所逝去的时间、或从将其投入电动车辆中使用起所逝去的时间。它是一个使得有可能对从该电池开始使用起该电池的容量损失进行定量化的参数。事实上，该电池的老化过程导致了该电池的容量的减小。

为了考虑在时刻t该电池的寿命，有可能确定在该时刻该电池的瞬时容量并且计算一个与瞬时容量除以该电池开始使用时其初始容量相等的参数。

然后使用这个参数来确定该电子模型回路100的电阻器102、104的值R1、R2和/或电容器105的电容值C2。

在实践中，这些值R1、R2和C2构成了该状态观测器的参数并且是由该控制单元从预先建立的、根据在时刻t_k下标为i的电池的温度temp_cell的值temp_cell_est_i的变化的并且根据在先前计算步骤中为时刻t_k估计的该电池的电量状态的变化的图谱来确定的。该温度值temp_cell_est_i可以是测量出的、通过计算确定的、或者从关于该电池的功能的其他信息估计出的。

因此与下标为i的电池相关联的状态观测器FK_i作为输入而接受下标为i的电池的输入变量i_cell的值I_cell_mes_i、输出变量u_cell的值V_cell_mes_i、以及温度temp_cell的值temp_cell_est_i，如图4中所示。

该状态观测器包括例如一个卡尔曼滤波器。

这个卡尔曼滤波器包括至少一个依赖于该电池的功能的参数，例如依赖于与该电池的开路电压OCV以及该电池的电量状态SOCcell相关的函数，该开路电压对应于在模型回路100中由电压发生器101所产生的电压。

一个电池的开路电压OCV是其电量状态SOCcell的非线性函数并且对于每个电池化学性是不同的。在图3中以实线给出了一个实例。

有可能对这个函数进行分段仿射近似，在图3中以虚线示出。

由于这个函数为仿射函数于是就有可能对于这个电池的电量状态SOCcell限定多个数值范围。

因此，对于所考虑的每个电量状态区间就有，OCV(SOCcell)=a.SOCcell+b，其中a和b是所考虑的该电池的以及电量状态的范围的两个特征参数。

在下文中，由模型回路100建模的该电池的以安培-小时（标记为Ah）计的总容量被标记为Q_max。

这个总容量是每个电池的固有特征并且取决于该电池的温度及其寿命。一个电池组的这些电池具有相似的、但不一定相同的容量。

模型回路100以及因此对应的电池的功能是由以下方程描述的：

$\frac{{\mathrm{dU}}_{C2}\left(t\right)}{\mathrm{dt}}=-\frac{U_{C2}\left(t\right)}{R2.C2}+\frac{I_{\mathrm{bat}}\left(t\right)}{C2}$

$\frac{\mathrm{dSOCcell}\left\{t\right)}{\mathrm{dt}}=\frac{I_{\mathrm{bat}}\left(t\right)}{Q_{\max }}$

u_cell{t)＝OCV{SOCcell(t))+R1.I_bat(t)+U_C2{t)。

用通过例如欧拉方法离散的、包括一个等于周期Te的采样时间的、并且其中的每个计算步骤对应于一个时刻t_k并且用下标k表示的一个模型，该电池因此通过以下方程组来描述：

$\left\{\begin{array}{c}{x}_{k+1}=A_s{x}_k+B_s{u}_k\\ y_k=C_s{x}_k+D_s{u}_k\end{array}\right.$

其中

$x_k=\left[\begin{array}{c}{\mathrm{SOCcell}}_k\\ U_{C2,k}\end{array}\right],y_k={u\_\mathrm{cell}}_k-b,u_k=I_{\mathrm{bat},k}$

$A_s=\left[\begin{array}{cc}1& 0\\ 0& (1-\frac{\mathrm{Te}}{R2.C2})\end{array}\right],B_s=\left[\begin{array}{c}\frac{\mathrm{Te}}{Q_{\max }}\\ \frac{\mathrm{Te}}{C2}\end{array}\right]C_s=\left[\begin{array}{cc}a& 1\end{array}\right],D_s=R1$

在这个方程组中，U_k代表卡尔曼滤波器的输入变量，在这种情况下也就是该电池的端子处的电流，这个电流等于该电池组的端子处的电流（当使用了平衡系统时有可能对其添加了该电池的平衡电流）；X_k代表该系统的状态，在这种情况下也就是该电池的电量状态以及横跨部件103的端子的电压U_C2，并且y_k代表输出变量。这个输出变量给出了得到在时刻k横跨下标为i的电池的端子的电压的估计值u_cell_est_i的途径。

矩阵A_S、B_S和D_S在每个计算步骤中都被更新，也就是在每个时刻t_k都更新，因为他们取决于参数R1、R2和C2，这些参数随着该电池的温度temp_cell的值temps_cell_est_i和该电池的电量状态SOCcell的值而变化。

如之前解释的，参数R1、R2和C2是通过图谱给出的。

在通过使用卡尔曼滤波器来进行步骤a)的过程中，首先对该卡尔曼滤波器的状态值和输出变量进行估计。为此，根据在时刻t_k时的状态、借助于使用该卡尔曼滤波器的特征方程来计算出时刻t_(k+1)的预测状态 ${\hat{X}}_{k+1\left|\right|k.}$

${\hat{x}}_{k+1\left|\right|k}=A_s{\hat{x}}_{k\left|\right|k}+B_s{u}_k$

${\hat{y}}_{k+1\left|\right|k}=C_s{\hat{x}}_{k\left|\right|k}+D_s{u}_k$

接下来，从以下方程中计算出该卡尔曼滤波器的最佳增益K_k+i，其中P_k+1||k和P_k+1||k+1是本领域的技术人员熟知的中间变量：

P_k+1||k＝A_sP_k||kA_s ^T+Q_kai

$P_{k+1\left|\right|k+1}=P_{k+1\left|\right|k}-K_{k+1}(C_s{P}_{k+1\left|\right|k}{C_s}^T+R_{\mathrm{kal}})K_{k+1}^T$

K_k+1＝P_k+1||kC_s ^T(C_sP_k+1||kC_s ^T+R_kai)^-1

其中

-A_S ^T和C_S ^T是矩阵A_S和C_s的转置矩阵，

-Q_kai和R_kai分别对应于状态的方差和输出的方差。这两个参数构成了卡尔曼滤波器的调整元素。

更确切地说，P_k+1||k是该预测状态的误差协方差的预测估计矩阵，并且P_k+1||k+1是这个误差协方差的后验估计矩阵。

最后，通过执行以下计算而根据这种估计输出的误差来校正该预测状态也就是根据输出变量的测量值与该输出的预测值之间的差异来校正：

${\hat{x}}_{k+1\left|\right|k+1}={\hat{x}}_{k+1\left|\right|k}+K_{k+1}(y_{k+1}-{\hat{y}}_{k+1\left|\right|k}).$

因此该卡尔曼滤波器给出了得到下标为i的电池的电量状态SOCcell的估计值SOCcell_est_i以及得到横跨下标为i的电池的端子的电压u_cell的估计值u_cell_est_i的途径。

横跨该电池的端子的电压的这个估计值u_cell_est_i是等于（见图1和图4）。

如以上这些方程所示，与该电池的开路电压OCV和电量状态有关的该仿射函数的标记为“a”的增长率是该卡尔曼滤波器的、用于确定该电池的电量状态的一个参数。

因此对于与该电池的开路电压OCV和该电池的电量状态有关的这个函数的不同仿射部分所关联的电池电量状态的每个数值范围都使用了一个不同的卡尔曼滤波器。

因此在步骤a)的执行过程中在一个给定的时刻t_k所使用的卡尔曼滤波器是根据在前一时刻t_(k-1)所估计的该电池的电量状态的值来确定的。

在图3所示的实例中，代表该电池的开路电压OCV随其电量状态变化的曲线是用四个不同的仿射区来近似的，这四个仿射区分别对应的电量状态值的范围是在0与10%、10%与30%、30%与90%、90%与100%之间。因此对于所讨论的电池的电量状态值的这些范围中的每一个范围都使用了不同的卡尔曼滤波器。

因此，在此处描述的实例中，为了确定图2中所示的电池的电量状态（在图3中示出了其代表该电池的开路电压OCV随其电量状态变化的曲线），根据该电池的电量状态值的范围使用了四个卡尔曼滤波器。

这些不同的卡尔曼滤波器是替代地激活的。在图4中示出了对于下标为i的电池使用这些不同滤波器的一个实例。

如此图中所示，对应于下标为i的这个电池的卡尔曼滤波器FK_i包括四个卡尔曼滤波器FK_i1、FK_i2、FK_i3和FK_i4。这些滤波器各自被适配成用于在其输入端接收横跨下标为i的电池的端子的电压的值、流经这个电池的电流的值、以及该电池的温度的值、还以及在前一时刻所估计出的状态值和输出变量。

在此方面，图4的框15在其输入端接受在时刻k估计的向量X_k的值并且在其输出端处接受在前一时刻估计的向量X_k-i的值。如此图中所示，在时刻t0的初始向量X₀是向量（SOC_ini，0），其中SOC_ini是该计算的初始化值。

两个数值范围之间、并且因此两个不同的卡尔曼滤波器之间的过渡是由一个自动系统A来管理的，该自动系统包括滞后以便防止两个卡尔曼滤波器之间的振荡。

这个自动系统A在其输入端处接受在进行该计算前（图4的框16示出了仅使用了该向量的第一坐标的值）的时刻对于所讨论的下标为i的电池所确定的值SOCcell_est_i(k-1)。根据在以上限定的电量状态值的四个范围中的一个或其他之内是否包括了在前一时刻的电量状态值SOCcell_est_i(k-1)，该自动系统A在其输出端处发出一个信号以便激活这些卡尔曼滤波器FK_i1、FK_i2、FK_i3、FK_i4中的一个滤波器，分别标记为Ac1、Ac2、Ac3或Ac4。

只有对其发送了该激活信号的这个滤波器被激活。

为了避免对应于两个相邻的电量状态值范围的两个卡尔曼滤波器之间的振荡，从一个滤波器到另一个滤波器的过渡不是在简单的阈值基础上启动的。

这种过渡的启动是有滞后的。

更准确地说，对应于两个电量状态值范围的两个卡尔曼滤波器之间的过渡是在对应电池的电量状态达到按照该时刻这种电量状态的变化方向而不同的一个阈值时启动的。

例如，从对应于第一电量状态值范围的一个第一卡尔曼滤波器到对应于第二电量状态值范围的一个第二卡尔曼滤波器的转换是在该电池的电量状态估计值达到一个第一阈值（如果该电量状态在增大）时发生的。

另一方面，从该第二卡尔曼滤波器返回到该第一卡尔曼滤波器是在该电量状态估计值达到了与该第一阈值不同的一个第二阈值（如果该电量状态在下降）时发生的。

该第二阈值优选地低于该第一阈值。

例如，如果分别在对应于0-10%的第一范围接近阈值10%的电量状态值与在对应于10%-30%的第二范围接近该阈值的电量状态值之间进行考虑的话，则在对应于该第一范围的滤波器FK_i1到对应于该第二范围的这个滤波器FK_i2之间的过渡是在该电量状态估计值升高至达到10%时启动的。在另一方面，返回到该第一滤波器FK_i1并不是在该电量状态估计值下降并且低于10%时开始的，而是在它下降并且例如达到9%、即低于10%的一个阈值时启动的。

在这样的过渡过程中，该卡尔曼滤波器是以之前计算出的电量状态值SOCcell_est_i(k-1)初始化的，以便保证平滑的过渡并且因此保证电量状态估计值的连续变化。

为了改进这种估计的准确性，如果对同一电池使用若干滤波器的话，每个卡尔曼滤波器FK_i和FK_i1、FK_i2、FK_i3、FK_i4的参数Qkal和Rkal是针对每个电量状态值范围独立地调整的。

根据另一个可能的实施例，在步骤a)中，通过安培-小时-公制计量方法、也就是通过安培-小时的计量来确定每个电池的电量状态。

更准确地说，根据这另一个实施例，

-对进入该电池组的电流进行积分，

-根据进入该电池组的电流的积分与所讨论的电池的容量之间的比率来确定每个电池的电量状态。

以一种特别有利的方式，所讨论的电池组是电动的或混合动力的机动车辆的牵引用电池组。

于是该控制单元被并入车辆的控制单元中并且接收由该车辆的不同传感器所发送的信息。

一旦获得了每个电池的电量状态SOCcell，就根据以上所述的步骤c)来确定电量状态。

根据本发明的方法使得有可能在被充电最多的电池的电量状态为100%时获得一个等于100%的电池组电量状态值、在被充电最少的电池的电量状态为0%时获得一个等于0%的电量状态值、并且在这两个极值之间获得该电池组电量状态的连续的且代表性的变化。

这可以在图5中看出，该图示出了对于该电池组的一个放电周期而言根据本方法估计的电池组电量状态随时间的变化（实线）以及若干电池的电量状态随时间的变化（虚线）。

该电池组电量状态的这种变化精确地追随这些电池的电量状态的变化并且满足了先前提到的初始和最终条件。

在此描述的方法可以用于包括一个平衡系统的电池组，该平衡系统的目的是允许在最大使用范围上使用该电池组以便增大该车辆的自主性。这样一种系统是本领域的技术人员所熟知的。

对于与图5中的电池组相同的初始情形，也就是对于该电池组的这些电池的相同的初始不平衡性而言，在一个平衡系统的存在下，在图6中以实线示出了该电池组电量状态随时间的估计值。以虚线示出了这些电池的对应电量状态随时间的变化。该平衡系统的存在使得根据本方法估计的电池组电量状态甚至更为精确的，因为这种估计在大部分使用时间上是非常接近于每个电池的电量状态值的。

作为一个变体，在根据该第一实施例的步骤a)的过程中，有可能增大所使用的卡尔曼滤波器的阶数，例如使用一个三阶滤波器。还有可能考虑使用一个能适应性观测器，该观测器在每个计算步骤都估计这些参数R1、R2和C2而不是使用来自图谱的值。

如果在存在一个平衡系统的情况下使用本方法，则有可能为校正该电池组电量状态的估计值而将该平衡系统的效率考虑在内。在此情况下，该电池组的估计的电量状态会从平衡开始起是更高的。

本方法的一个特别有利的应用是估计一个电动或混合动力的机动车辆的牵引用电池组的电量状态。

事实上，电池组电量状态信息是借助于仪表盘上的一个电池量表来被显示给驾驶员的。

驾驶员必须将其自身立足于这个信息以便做出关于车辆驾驶的总体安全性的决定。值得注意地重要的是在电量状态低时向他提供准确的信息，以便防止他经历能量损失或缺少动力。

在存在一个平衡系统时使用本方法的情况下，由于电量状态会因为这种平衡而更高，显示给驾驶员的车辆里程自主性将由于这种平衡作用的发生而增大。

Claims (16)

1.一种用于估计电池组的电量状态(SOCbatt_k)的方法，该电池组包括多个被称为电池的蓄电器，其特征在于，该方法包括以下步骤：

a)确定该电池组的每个电池的电量状态(SOCcell_est_i)，

b)确定该电池组的一个使用范围，这种使用范围等于一个电池的电量状态的最大预定值减去在步骤a)中确定的被充电最多的电池的电量状态(SOCcell_max_k)与被充电最少的电池的电量状态(SOCcell_min_k)之间的偏差，

c)将该电池组的电量状态(SOC_batt_k)确定为等于在步骤a)中确定的被充电最少的电池的电量状态(SOCcell_min_k)与在步骤b)中确定的该电池组的所述使用范围之间的比率。

2.如权利要求1所述的方法，其特征在于，在步骤a)中，对于该电池组的每个电池进行以下步骤：

a1)确定代表了该电池的功能的至少一个输入变量(i_cell)的值(I_cell_mes)，

a2)确定代表了该电池的功能的至少一个输出变量(u_cell)的值(V_cell_mes)，

a3)借助于一个状态观测器来估计该电池的电量状态(SOCcell_est_i)，这种估计是基于在步骤a1)中确定的所述输入变量(i_cell)的值并且用从在步骤a2)中确定的所述输出变量(u_cell)的值得到的一个校正参数来校正的。

3.如权利要求2所述的方法，其特征在于，所述输入变量至少包括流经该电池的电流(i_cell)。

4.如权利要求2或3所述的方法，其特征在于，所述输出变量至少包括横跨该电池的端子的电压(u_cell)。

5.如权利要求2或3所述的方法，其特征在于，通过一个电子模型回路对每个电池建模，该电子回路模型串联地包括一个电压(OCV)发生器、一个电阻器(R1)以及一个包括并联的电阻器(R2)和电容器(C2)的部件。

6.如权利要求5所述的方法，其特征在于，该电子模型回路的这些电阻器(R1，R2)的值和该电容器的电容(C2)的值取决于该电池的温度(temp_cell)和/或该电池的电量状态(SOCcell)和/或该电池的寿命。

7.如权利要求2或3所述的方法，其特征在于，所述状态观测器包括一个卡尔曼滤波器(FK_i)。

8.如权利要求7所述的方法，其特征在于，所述卡尔曼滤波器(FK_i)包括至少一个取决于该电池的功能的参数。

9.如权利要求8所述的方法，其特征在于，该卡尔曼滤波器(FK_i)的所述参数取决于与该电池的开路电压(OCV)和该电池的电量状态有关的函数。

10.如权利要求9所述的方法，其特征在于，与该电池的开路电压(OCV)和该电池的电量状态有关的该函数是一个仿射函数，并且该卡尔曼滤波器(FK_i)的所述参数是这个函数的增长率(a)。

11.如权利要求9所述的方法，其特征在于，与该电池的开路电压(OCV)和该电池的电量状态有关的该函数是一个分段仿射函数，并且为与该电池的开路电压(OCV)和该电池的电量状态有关的该函数的一个不同仿射部分相关联的该电池电量状态的每个数值范围都使用了一个不同的卡尔曼滤波器(FK_i1、FK_i2、FK_i3、FK_i4)。

12.如权利要求11所述的方法，其特征在于，在步骤a)的执行过程中在一个给定的时刻所使用的卡尔曼滤波器(FK_i1、FK_i2、FK_i3、FK_i4)是根据在前一时刻所估计的该电池的电量状态的值(SOCcell_est_i)来确定的。

13.如权利要求11和12之一所述的方法，其特征在于，同电量状态值的一个第一范围相关联的一个第一卡尔曼滤波器与同电量状态值的一个第二范围相关联的一个第二卡尔曼滤波器之间的过渡是通过一个有滞后的自动系统(A)来管理的。

14.如权利要求1所述的方法，其特征在于，在步骤a)中，每个电池的电量状态是通过安培-小时-公制计量方法来确定的。

15.如权利要求14所述的方法，其特征在于，在步骤a)中，

-对进入该电池组的电流进行积分，

-每个电池的电量状态是根据进入该电池组的电流的积分与所讨论的电池的容量之间的比率来确定的。

16.如权利要求2或3所述的方法，其特征在于，所讨论的电池组是一种机动车辆的牵引用电池组。