CN104181468A - 对锂聚合物电池内荷电状态的实时估计中的松弛模型 - Google Patents

Abstract

松弛时间常数给出关于锂聚合物电池单体的荷电状态的有价值信息。此外，可通过将指数函数与瞬时电压或电流图案相拟合来实时执行对这些时间常数的确定。

Description

对锂聚合物电池内荷电状态的实时估计中的松弛模型

相关申请的交叉引用

本申请要求提交于2013年5月27日的序列号为61/827,712的美国临时专利申请的优先权，该申请通过引用而整体并入本文。

政府支持声明

本文所描述和要求保护的发明的一部分是根据合同号DE-EE0005449，利用美国能源部所提供的经费而完成的。美国政府对本发明享有一定权利。

技术领域

本发明总体涉及用于确定二次电池的荷电状态的方法，并且更具体地涉及实时使用电池松弛参数来确定二次电池的荷电状态。

背景技术

电池松弛参数的实时估计可用于提供关于电池单体荷电状态和健康状态的附加信息。

荷电状态（SOC）相当于纯电动车辆（BEV）、混合动力车辆（HEV）或插电式混合动力车辆（PHEV）中的电池组的油量表。SOC通常表示为完全充电的百分比（例如，0%=耗尽；100%=充满）。相同度量的替代形式为放电深度（DoD），与SOC相反（例如，100%=耗尽；0%=充满）。当讨论使用中的电池的当前状态时通常使用SOC，而在讨论进行性能等级测试或循环寿命测试过程中的电池单体容量利用率时最经常使用DoD。

荷电状态（SOC）和健康状态（SOH）是用于监控和控制电池单体的重要参数，但它们在许多情况下可能难以确定。SOH通常通过跟踪电池单体的可用容量来估计。

对于开路电压（OCV）在放电期间连续降低的电池化学而言，在开路电压与SOC之间存在合理的相关性。当电池单体充电或放电时（即，在操作条件下而非开路条件下），电流的通过造成与开路电压的偏差，该偏差取决于电流的符号和大小。充电使电压升高至电池单体的OCV以上，而放电使电压降低至电池单体的OCV以下。当电流被移除并且允许电池单体松弛时，电池单体电压可返回至OCV。在负载下与OCV的偏差是由多种现象所造成的，包括诸如电解质极化和界面极化等电化学效应。在最简单的操作场景中，一旦经过了足够的松弛时间段，则可确定OCV。在OCV随SOC而显著变化并且负载条件下与OCV的偏差相对较小的化学中，可使用负载下的电压作为对OCV的近似替代。因此，可使用电压连同流入和流出电池单体的电流量来做出对SOC的估计。对于此类电池化学，这些估计通常对大多数用途而言都足够良好。

但是对于一些其他电池化学，开路电压在放电期间并不连续降低。例如，在具有锂金属阳极和LiFePO₄阴极的电池单体中，开路电压在放电刚开始时降低，并继而在放电的大部分时间内保持稳定，直到其在最后最终下降。SOC随着电池单体持续放电而减小，而开路电压则保持接近恒定。这种相对平缓的开路电压曲线在试图确定此类电池单体的SOC时并不十分有用。

能够破坏通过电压监控做出的SOC确定的额外因素可包括测量不确定性和电池单体极化。

被称为电流计算（current accounting）或库仑计数（Coulombcounting）的另一方法通过测量电池电流并对其进行时间积分来计算SOC。这种方法的问题包括长期漂移、缺乏参考点以及对于电池单体的总可用容量（随电池单体老化而改变）和运行史的不确定性。只有完全充电或完全放电的电池单体才具有定义明确的SOC（分别为100%和0%）。

SOH的确定类似地纠结复杂——由于库伦计数中的误差准确的容量确定在动态使用场景中十分困难。这些问题在锂聚合物电池单体中尤其混杂，其中输运限制引起显著的电池单体极化，而这会含糊负载下的电压终点确定。

一些SOC确定方法涉及将复杂的电阻器-电容器（RC）电路模型与先验测试相拟合，以便模拟动态电池单体行为。然而，这些方法非常复杂、计算量大并且是间接的，所有这些都可增添误差和成本。另外，此类方法是预先设定的，而不是用于预测实时的状态指标。

所需要的是一种简单、直接、准确的方法来确定可充电电池的SOC。

附图说明

当结合附图阅读以下对说明性实施方式的描述时，上述方面和其他方面将为本领域技术人员所清楚理解。

图1是通过在将电池单体放电至各个SOC值之后允许该电池单体松弛至其平衡值而生成的、作为SOC的函数的电压的标绘图。

图2是作为时间的函数的电压和电流的标绘图，并且示出了伴随恒流放电以及电池单体容量中每下降10%处的休止步骤而出现的变化。

图3是使用从图2提取的数据生成的、作为对数时间的函数的开路电压的标绘图。

图4是示出使用从图3提取的数据生成的、根据等式2（在下文示出）在各个SOC处作为logΓ的函数的f(Γ)的标绘图。

图5是示出使用从图4提取的数据生成的、作为SOC的函数的Γ的f(Γ)加权平均值的标绘图。

图6是示出图3的休止情况中所示曲线的前10秒的时间常数τ₁和τ₂的值的标绘图，每个值均作为SOC的函数。

图7是作为时间的函数的电压和电流的标绘图，并且示出在电池单体容量每下降10%处具有周期性大电流放电脉冲的电流放电期间发生的变化。

图8是示出图7的非休止情况中所示曲线的前10秒的时间常数τ₁和τ₂的值的标绘图，每个值均作为SOC的函数。

图9是从电池单体在450次循环过程中的循环数据提取的、在各个休止阶段期间作为对数时间的函数的开路电压的标绘图。

图10是示出从图7中的曲线提取的时间常数的标绘图。

图11示出被编程或以其他方式配置用于确定电池的荷电状态的计算机系统。

发明内容

公开了一种确定电池单体的荷电状态的方法。该方法涉及以下步骤：当电池单体正在操作时测量作为时间的函数的电压和电流；记录多个时段中所述作为时间的函数的电压，在所述时段中以C速率为单位表示的所述电流稳定在+/-0.01C内；将所记录的作为时间的函数的电压与具有三个或更多个拟合参数的预定义函数相拟合；提取所述拟合参数；以及将所述拟合参数与先前填充的查找表进行比较以确定荷电状态，所述查找表将拟合参数与荷电状态值相关联。在一些布置中，对操作中的电池实时执行所述方法。

在本发明的一个实施方式中，所述方法用于具有锂金属阳极、磷酸铁锂阴极和聚合物电解质隔膜的电池单体。

在一个布置中，预定义函数具有单一指数项，并且具有以下形式：

$\mathrm{OCV}\left(t_{\mathrm{fit}}\right)=k_0+k_1{e}^{-t/{\mathrm{\τ}}_1}.$

在另一布置中，预定义函数具有两个指数项，并且具有以下形式：

$\mathrm{OCV}\left(t_{\mathrm{fit}}\right)=k_0+k_1{e}^{-t/{\mathrm{\τ}}_1}+k_2{e}^{-t/{\mathrm{\τ}}_2}.$

具体实施方式

本文以确定Li-金属-LiFePO₄电池单体的SOC为背景来图示说明优选的实施方式。然而，本领域技术人员将很容易理解，本文公开的材料和方法将适用于难以使用电流法来确定SOC的，特别是在简单性和实时测量十分重要的情况下的多种其他电池化学。

本发明的这些目标和优点以及其他目标和优点将在结合附图的以下描述中变得更加完整清晰。

本文所参考的所有公开文献均出于所有目的而犹如在此全文阐述一样整体通过引用并入于此。

锂聚合物电池的电流/电压响应因多种化学/物理过程而变得复杂。在开路条件下，完全松弛的电池单体具有开路电压（OCV），该开路电压（OCV）为电池单体的荷电状态（SOC）的函数。（荷电状态（SOC）和放电深度（DOD）具有逆关系，SOC=1-DOD）。可将OCV标绘成对数时间的函数以形成OCV曲线。OCV曲线产生自给定的锂化学计量下的每个电极的热力学势，并且取决于电池单体中所使用的特定电极材料及其相对比例。在操作期间，每个测得的势为电池单体的先前操作历史和瞬时电流消耗的函数。这通常表示为在每一SOC处与OCV曲线的偏差。这些与OCV的偏差可由许多因素所造成，包括但不限于电阻性电池单体组件、每个电极处的界面极化、以及电解质的极化（在隔膜中以及在任何含电解质的电极内）。此外，在操作期间，电极趋向于跨其厚度不均匀地分布电荷，从而使锂化学计量在电极内的各点之间不同。电极内不均匀的化学计量分布趋向于随时间推移而松弛成均匀的，其表现为对测量的电池单体的端电压的额外的时间相关性贡献。

目前，存在试图预测各种负载条件下电池单体随时间推移的电压，或者与之相反，试图根据测量的端电压来预测电池单体荷电状态的多种模型。此类模型的复杂度和性质差别很大。在一些场景中，此类模型根据基本原理化学模型构建而成，这些模型涉及大量的、相耦合的偏微分方程以及物理和几何参数。在其他场景中，假设电池单体的行为方式简单并将其模拟为RC（电阻、电容）电路。此类模型非常复杂并且难以实时计算；计算可耗时长达数天之久。多数模型利用测量的、计算的、拟合的或者以其他方式在其应用于活动运行设备中之前定义的动态响应参数作为种子。此类模型并非设计用于在动态响应参数以不可预知的方式变化时做出响应。

已经基于记录随时间推移的电池单体电压而开发出了基于对操作中的电池单体内物理参数的实时确定来测量SOC和SOH的新模型。

极化电化学电池单体中的电解质松弛可使用等式1来严格模拟。

$\mathrm{OCV}\left(t_{\mathrm{fit}}\right)=k_0+k_1{e}^{-t/{\mathrm{\τ}}_1}---\left[1\right]$

其中τ₁、k₀和k₁为常数，t为经过的时间，而t_fit特指进行的拟合所处于的松弛时间段。这个简单的框架是针对受限扩散试验而推导出的，该实验在以下一组特定条件下做出：

·电池单体是对称的（具有处于平面配置中的两个相同的电极）；

·电池单体最初得到充分极化；

·跨电池端子的热力学势为0；

·电池单体的几何结构为1维；

·电解质厚度（L）已知；并且

·在使得Dt_rest/L²>0.05的相当长一段时间（t_rest）内，在不施加电流的情况下监控OCV，其中D为电解质盐扩散系数。

在这些条件下，无任何电流通过的电解质松弛期可密切拟合等式1。等式1具有如表达式所给出的物理基础，其中D为电解质中的电解质盐扩散系数。这个物理基础使该方法区别于诸如RC电路拟合等经验模型。拟合区域以时间参数t_fit|0和t_fit|final为边界，其中t_fit|0是拟合区域起始处的时间，而t_fit|final是拟合区域结束处的时间。在实际中，t_rest偏移t_fit|0，使得t_rest上的第一点为0，并且t_fit|final是拟合区域期间经过的总时间。OCV在时间t_rest=t_fit|0时的值为k₁。OCV在处于平衡时的值为k₀，其对于对称电极被定义为0，但由于诸如测量偏差、热噪声以及电极中的加工差异等复杂因素而实际上具有很小的非0值。在最严格的应用中，拟合方案（regime）的起始可开始于数十秒到数十分钟的休止之后，并且拟合区域可为数分钟到数小时。该方法对物理行为的描述如此之好，以至于其能够给出精确到0.1%以内的扩散系数。

上述严格定义的条件因若干个复杂因素而通常不被认为适用于确定电池系统中的松弛行为，原因是：

·电极不对称；

·跨电池端子的热力学势不为0；

·电池单体的几何结构可能无法简化成1维；以及

·电池显示出多个并发的电压松弛现象。

进一步的学术研究表明，等式1的受限扩散技术可应用于具有不止一个松弛时间常数的电解质系统，其一般结果包括如等式2中所示的时间常数分布。

$\mathrm{OCV}\left(t_{\mathrm{fit}}\right)=k_0+{\∫}_{t_{\mathrm{fit}|0}}^{t_{\mathrm{fit}|\mathrm{final}}}{e}^{-\mathrm{\Γt}}f\left(\mathrm{\Γ}\right)\mathrm{d\Γ}---\left[2\right]$

其中Γ＝1/τ。在其连续形式中，这是拉普拉斯反演方程并且适用于范围从Γ＝0到Γ＝∞的分布。这是一个具有无限任意解的定义不明确的问题。然而，可在Γ的特定范围内将其离散化（限制t_fit|0-t_fit|final）并使用诸如Contin、最大熵或全局最小化等算法来严格求解，其中最终结果关联于系统中所有松弛时间常数的总体效应。与等式1类似，k₀为OCV在处于平衡时的值。以f(Γ)的离散化形式出现的Γ的所有的值之和等于拟合区域的起始电压。

等式1和等式2严格适用于模拟电池系统中的隔膜/电解质层内的松弛现象。然而，除了电解质隔膜极化/松弛之外，电池还显示出其他松弛现象，包括但不限于一个或全部两个电极内的电解质松弛、一个或全部两个电极处的界面极化/松弛、一个或多个维度中电极利用率的不均匀分布的松弛、以及电池单体中的内发热。由于可将这些现象总体描述为叠加的一系列指数衰减，因此等式2宽泛地捕捉这些现象。

等式3为等式1的扩展，其模拟可描述为一系列两个指数项的电池系统中的瞬时电压行为：

$\mathrm{OCV}\left(t_{\mathrm{fit}}\right)=k_0+k_1{e}^{-t/{\mathrm{\τ}}_1}+k_2{e}^{-t/{\mathrm{\τ}}_2}---\left[3\right]$

其中k₂和τ₂为常数。在这种情况下，常数k₀体现SOC的现时值处的电池单体平衡电压；k₁和k₂指示两个松弛现象的大小，并且τ₁和τ₂为两个松弛现象的时间常数。k₁/k₂和τ₁/τ₂的值必须根据符号和大小排序，以便将来自拟合的值与不同数据集进行比较。本领域一般技术人员将会知晓如何对此进行处理。

通常，电池在瞬时负载条件和瞬时环境条件下操作。因此，让电池单体充分极化并继而允许其在OCV处松弛很长一段时间的条件可能难以得到满足（如果能够被满足的话）。这些条件对于针对受限扩散试验所描述的框架而言是期望的，但是我们证明，在开路条件或负载条件下的短期稳定性对于以这种方法来捕捉有意义的信息是足够的。

休止电池单体

图2中的电压曲线来自于从完全充电状态启始并经历0.5小时恒流放电的电池单体。随着电池单体的放电，电压从3.42V的OCV值降低至大约3.3V。如图1中所示，在放电的初始区域中，电池单体具有电压对SOC的平缓曲线。在当施加放电电流时的时段期间，因上述的电池单体极化过程而造成电压下降。放电步骤以总电池单体容量的10%的增量停止，在这些点上允许电池休止1小时的时段。在这些休止时段期间，电池单体向其OCV值松弛回去。在沿图2中曲线的每个SOC点处的OCV值与图1中平衡OCV对SOC曲线中单独确定的OCV值相符。

从图2中的曲线提取数据，从而生成图3中OCV对时间的曲线。使用Contin算法将图3中每个曲线单个地与等式2的离散化形式相拟合。该拟合例程的输出为时间常数f(Γ)沿10^-4s<Γ<0.1s范围的分布函数。该分布函数捕捉在OCV测量过程中所观察到的松弛时间常数的相对贡献。该分布函数跨整个时间尺度密切拟合于图3中的曲线，但为清楚起见而未示出。

图4为示出针对多个SOC的f(Γ)分布的一系列松弛曲线。在每个SOC值处，松弛曲线具有与之相关联的独特指纹。曲线趋向于具有相对充分分离的峰，从而使得区分多个并发的松弛过程成为可能。共享相同Γ值的并发松弛过程将会表现为对f(Γ)的相对较大的贡献。作为时间常数的分布出现并且在其Γ的范围内重叠的并发松弛过程将会表现为重叠峰。由于图4中的时间尺度涵盖几个数量级，因此明显分离的峰必然由不同的松弛过程所产生。图4中的Γ值物理地相关于所研究的电池系统的物理和几何特性，其中一些时间尺度延长至数小时。理论上，拟合函数f(Γ)可利用在更短时间尺度上获得的信息来估计，只要获得的数据具有足够的分辨率即可。因此，可在数十秒之内而不是数分钟或数小时内捕捉松弛时间常数。虽然f(Γ)的特征指纹从100%到20%SOC变化显著，但曲线在10%SOC和0%SOC处急剧变化，从而指示出该方案中非常强的信号。

图4中的分布函数明显不同。图4中的分布能够以多种方式来分析，包括但不限于寻找峰中心、峰宽、以及展开重叠峰。选择了对图4中的分布求平均的简单方法。图5是使用等式4计算而得的，来自图4中的分布的平均时间常数Γ_average作为SOC的函数的标绘图。

${\mathrm{\&Gamma;}}_{\mathrm{average}}=\frac{{\mathrm{\&Sigma;}}_{i}f\left({\mathrm{\&Gamma;}}_i\right){\mathrm{\&Gamma;}}_i}{{\mathrm{\&Sigma;}}_{i}f\left({\mathrm{\&Gamma;}}_i\right)}---\left[4\right]$

其中Γ_i值是经拟合分布函数的离散分量。等式3相当于分布的第1/第0矩，而以这种方式计算Γ_average将会以在每个Γ值处的贡献大小对该平均值进行加权。该计算在整个拟合范围上捕捉平均松弛行为。平均而言，时间常数随着电池单体更深度地放电而减小，其中最陡的斜率位于最深的放电状态。图1至图4中的数据显示出电池单体的松弛曲线可提供与其SOC相关的信息，从而验证了这种方法。

所获结果在图2中示出的实验被设计成捕捉多个SOC值处的松弛曲线。如图3中所示单个地提取这些曲线，并使用等式2对其进行拟合。拟合结果给出分布函数，这些分布函数指示出电池单体在每个SOC值处具有独特的松弛行为，但是该分布函数难以直接关联于SOC。

如在图3和图4的生成中所描述，详细的分布函数拟合及分析需要很长的松弛时间和密集的计算能力。对于当前的嵌入式计算机硬件和现实中的实际休止期，该方法可能难以高效实现。但是已找到了简单的途径。通过使用Levenberg-Marquardt算法的实现，以双指数衰减来拟合图3中松弛曲线的前10s，以便提取松弛时间常数τ₁和τ₂。图6示出了作为SOC的函数的松弛时间常数的标绘图。在图6中，τ₂具有在电池单体的DOD范围上保持相对恒定的较小值。在不期望被束缚于任何特定理论的情况下，τ₁可能对应于电池单体内的电化学界面的初始去极化。在图6中，τ₁与在长休止步骤期间所检测的松弛过程相比也相对较小，但是其提供了对电池单体在深度放电状态下的SOC敏感（即，具有陡峭斜率）的值。因此，这样的简单拟合算法以及约为数秒钟的休止期可能足以检测关于电池单体的随电池单体循环而改变的SOC的有用信息。在实际电池单体操作条件中包括此类短休止期不仅是可行的，而且存在许多在正常操作期间出现此类短休止期的操作场景。

休止电池单体

以上的讨论针对的是可将短休止期并入电池单体循环之中的场景。但是，找到无需休止期而确定SOC的方式将更加有用。例如，电动车电池在行驶期间具有很长的工作循环，并且在行驶期间的多个时点监控电池SOC是很重要的。在城市行驶期间，存在许多供休止期的机会，比如在等红灯时。但是在长途旅程中，车辆可能行驶数小时而根本不停车。将休止期引入长途旅程将会是完全不可取的。然而，即使在此类旅程期间，负载中也存在几乎恒定的变化。例如，当加速或爬坡时，电池上的负载增大。在图7中以作为时间的函数的电压的标绘图示出了此类工作循环的假设示例。在图7中，电池单体经历稳定放电，且每当其容量减少大约10%时周期性地存在大电流尖峰。对于连续放电的电池单体，所施加的电流中的每次变化均导致当电流增大（减小）时电池单体极化的增加（减小）。

利用与用来生成图6的双指数拟合相同的拟合，将电压去极化曲线拟合到电流返回至约为负4Amp的基线值之后的前10s。由于在最后的脉冲结束时电池单体返回休止状态而不是较低的放电状态，因此这里不存在完全放电状态。图8中示出了所得到的时间常数。

通过如上文针对图5所述使用Levenberg-Marquardt算法的实现，用双指数衰减来拟合电流返回至图7中曲线的基线值之后的前10秒。由于在最后的脉冲结束时电池单体返回休止状态而不是较低的放电状态，因此这里不存在完全放电状态。图8示出了作为SOC的函数的松弛时间常数的标绘图。在图8中，τ₂具有在电池单体的SOC范围内保持相对恒定的非常小的值。在图6中，τ₂与在长休止步骤期间所检测的松弛过程相比也相对较小，但是其提供了对电池单体在许多放电状态下的SOC敏感（即，具有陡峭斜率）的值。因此，即使没有休止期，这样的简单拟合算法也能够用于确定SOC。

这个示例使用了具有4Amp大小的电流用于具有约8Ah容量的电池单体。充电和放电速率常规地相对于电池单体在1小时的时段内被完全充电或放电的速率来表示。这个比率的术语为C速率，并且通常表示为C。因此，对于8Ah电池单体，8Amp的充电或放电电流将为1C。在以上示例中，4Amp放电对应于C/2。理论上，该方法可适用于更低的C速率。

这些结果表明，τ₁对SOC具有相对较强的依赖性。有趣的是，该τ₁对接近于完全充电状态的SOC最为敏感——与在休止情况下（图6）的τ₁的依赖性正好相反，在休止情况下的τ₁对接近于完全放电状态的SOC最为敏感。此外，图8中的τ₁在整个SOC范围内均比图6中的τ₁更敏感，表明动态使用场景能够给出更有用的SOC信息。时间常数的大小在图5和图7中相似，这表明在每个使用场景（从负载状态到休止状态的去极化对比于从高负载状态到低负载状态的去极化）中相同的物理松弛过程在起作用。

图5和图7中示出的时间常数对SOC的曲线将充当用于将来分析松弛数据的数据库。这些实验以及其中进行受控充电或放电程序的其他实验可以用于填充一个或多个数据表。该数据将根据命令而被存储和引用。例如，如果对操作中的电池单体实时地执行该拟合方法，则可将所得的拟合参数与存储的、先前生成的数据进行比较，以便得到对电池单体的SOC的估计。假设负载下的瞬时电压响应将会根据电流的符号和大小而给出不同的拟合结果是合乎逻辑的。因此，在安装电池单体供长期使用之前具有在其中对多种实验条件进行过测试、拟合和分析的内容丰富的表格存在附加的价值。此外，电池单体响应行为可能在电池单体的寿命期间随着老化及其他效应的发生而改变。为此，可定期补充数据库。例如，可随着电池单体的老化而定期重复用以构建数据库的最初试验。

指示电池单体荷电状态的松弛过程对电池单体的活性材料中所发生的过程敏感——这些过程可能发生在复合电极中的活性颗粒内、活性颗粒表面或者活性颗粒之间。产生这些过程的物理和化学特性可因化学反应、材料的物理再分布等而在电池单体的寿命期间改变。因此，预期这些过程的松弛时间常数将会由于输运特性、阻抗、扩散势垒和长度尺度的变化而随着电池单体的老化而改变。图9示出了在电池的近500次深度放电循环后的松弛曲线。松弛曲线的形状在该数目的循环中显著改变，其中松弛在较后期的循环次数中逐步进行。在图10中示出了用于拟合至每个曲线的前100秒的松弛时间常数。

图10中的时间常数显示出时间常数对发生于前50次循环之中的容量衰减过程的敏感性（可用容量下降，并且时间常数显示出反峰）。时间常数还显示出对发生于100-400次循环之间的较慢容量衰减过程的敏感性。在该区域中，较大的时间常数从大约200秒增至大约500秒。

当每次工作循环结束电池在充电前休止时，可以跟踪这些时间常数。鉴于上述通过时间常数确定而进行的电池SOC监控的结果，很可能在包括变化负载场景在内的多种场景下都能够确定SOH信息。

本公开的方法，包括对用于确定电池荷电状态的算法的应用，可借助于计算机系统来实现。图11示出计算机系统401，该计算机系统401被编程或以其他方式配置用于确定电池的荷电状态。系统401包括中央处理器（CPU，本文亦称“处理器”和“计算机处理器”）405，该中央处理器405可以是单核或多核处理器，或者是用于并行处理的多个处理器。系统401还包括计算机存储器410（例如，随机存取存储器、只读存储器、闪速存储器）、电子数据存储单元415（例如，硬盘）、用于与一个或多个其他系统和/或组件（例如，电池）通信的通信接口420（例如，网络适配器）、以及外围器件425——诸如高速缓存、其他存储器、数据存储和/或电子显示适配器等。存储器（或存储器位置）410、存储单元415、接口420以及外围器件425通过诸如主板等通信总线（实线）与CPU405通信。存储单元415可以是用于存储数据的数据存储单元（或数据储存库）。

在一些情况下，计算机系统401包括单一计算机系统。在其他情况下，计算机系统401包括诸如通过直接连接或经由内联网和/或因特网而彼此通信的多个计算机系统。

本文所述的方法可通过存储于系统401的电子存储位置（举例而言，诸如存储器410或电子存储单元415）上的机器（或计算机处理器）可执行代码（或软件）的方式来实现。在使用过程中，该代码可由处理器405执行。在一些情况中，该代码可从存储单元415中检索并存储在存储器410上以供处理器405随时访问。作为备选，可排除电子存储单元415，并且可将机器可执行指令存储在存储器410中。该代码可预编译和配置用于随具有适于执行该代码的处理器的机器一起使用，或者可在运行时期间编译。该代码能够以可被选择用于使该代码能够以预编译或现时编译方式执行的编程语言形式提供。

系统401可包括或耦合至电子显示器430，该电子显示器430用于显示一个或多个电池的荷电状态和/或健康状态。可以配置该电子显示器以提供用户界面，用于提供一个或多个电池的荷电状态和/或健康状态。用户界面的一个示例是图形用户界面。作为备选，系统401可包括或耦合至用于提供一个或多个电池的荷电状态和/或健康状态的指示器，诸如视觉指示器。视觉指示器可包括一个发光器件或多个发光器件，诸如发光二极管；或者包括显示电池荷电状态（例如，最高充电的10%、20%、30%、40%、50%、60%、70%、80%或90%）的其他视觉指示器。指示器的另一示例是可听指示器，或者视觉指示器与可听指示器的组合。

系统401可耦合至一个或多个电池435。系统401能够执行机器可执行代码以实现本文所提供的用于确定一个或多个电池435的荷电状态的任何方法。

本文所提供的方法和系统的各个方面——诸如用于确定电池荷电状态的方法——能够以编程方式体现。技术的各个方面可被认为是“产品”或“制品”，其形式通常为被携载或体现于某一类型的机器可读介质之中的机器（或处理器）可执行代码和/或关联数据。机器可执行代码可以存储在诸如存储器（例如，只读存储器、随机存取存储器、闪速存储器）或硬盘等电子存储单元上。“存储”类型介质可包括计算机、处理器等的任何或所有的有形存储器或其关联模块，诸如可随时为软件编程提供非暂时性存储的各种半导体存储器、磁带驱动器、磁盘驱动器等。所有的或部分的软件可以不时通过因特网或各种其他电信网络来通信。此类通信可例如支持软件从一个计算机或处理器向另一计算机或处理器中的加载，例如，从管理服务器或主计算机载入到应用服务器的计算机平台中。因此，可承载软件元素的另一类型介质包括光波、电波和电磁波，诸如跨本地设备之间的物理接口使用的、穿过有线和光陆线网络的、以及各种空中链路上的光波、电波和电磁波。携载此类波的物理元素——诸如有线或无线链路、光链路等——亦可被认为是承载软件的介质。除非限于非暂时性的有形“存储”介质，否则本文所使用的诸如计算机或机器“可读介质”等术语意指参与向处理器提供用于执行的指令的任何介质。

因此，诸如计算机可执行代码等机器可读介质可以采取多种形式，包括但不限于有形存储介质、载波介质或物理传输介质。非易失性存储介质例如包括光盘或磁盘，诸如任何一个或多个计算机中的任何存储设备等，诸如可用于实现数据库等，如附图中所示。易失性存储介质包括动态存储器，诸如此类计算机平台的主存储器。有形传输介质包括同轴电缆；铜线和光纤，包括构成计算机系统内总线的线缆。载波传输介质可采取诸如在射频（RF）和红外（IR）数据通信期间所生成的电信号或电磁信号或者声波或光波的形式。计算机可读介质的常用形式因此例如包括：软盘、柔性盘、硬盘、磁带、任何其他磁介质、CD-ROM、DVD或DVD-ROM、任何其他光学介质、打孔卡纸带、任何其他具有孔洞图案的物理存储介质、RAM、ROM、PROM和EPROM、FLASH-EPROM、任何其他存储器芯片或存储器匣、传送数据或指令的载波、传送此类载波的电缆或链路、或者可让计算机从中读取编程代码和/或数据的任何其他介质。在向处理器传送一个或多个指令的一个或多个序列以供执行的过程中可涉及这些计算机可读介质形式之中的许多形式。

本文已相当详细地对本发明予以描述，以便向本领域技术人员提供应用所述新颖原理以及构建和使用此类专用组件所需的相关信息。然而应当理解，本发明可通过不同的设备、材料和装置来实施，并且可在不偏离本发明本身范围的情况下实现关于设备和操作程序的各种修改。

Claims (10)

1.一种确定电池单体的荷电状态的方法，包括：

当所述电池单体正在操作时测量作为时间的函数的电压和电流；

在存储器位置中记录多个时段中所述作为时间的函数的电压，在所述时段中以C速率为单位表示的所述电流稳定在+/-0.01C内；

使用计算机处理器将所述记录的作为时间的函数的电压与具有3个或更多个拟合参数的预定义函数相拟合，其中选择所述3个或更多个拟合参数来生成对所述记录的作为时间的函数的电压的拟合；以及

通过使用计算机处理器将所述3个或更多个拟合参数与存储器位置中先前填充的查找表进行比较来确定所述电池单体的荷电状态，其中所述查找表将所述拟合参数与荷电状态值相关联。

2.根据权利要求1所述的方法，其中所述电池单体包含锂金属作为阳极，磷酸铁锂作为阴极，以及聚合物电解质作为隔膜。

3.根据权利要求1所述的方法，其中所述预定义函数具有单一指数项，并具有以下形式：

$\mathrm{OCV}\left(t_{\mathrm{fit}}\right)=k_0+k_1{e}^{-t/{\mathrm{\&tau;}}_1}.$

4.根据权利要求1所述的方法，其中所述预定义函数具有两个指数项，并具有以下形式：

$\mathrm{OCV}\left(t_{\mathrm{fit}}\right)=k_0+k_1{e}^{-t/{\mathrm{\&tau;}}_1}+k_2{e}^{-t/{\mathrm{\&tau;}}_2}.$

5.根据权利要求1所述的方法，其中对操作中的电池实时执行所述方法。

6.一种包含代码的计算机可读介质，该代码在由计算机处理器执行时实现一种方法，该方法包括：

当所述电池单体正在操作时测量作为时间的函数的电压和电流；

在存储器位置中记录多个时段中所述作为时间的函数的电压，在所述时段中以C速率为单位表示的所述电流稳定在+/-0.01C内；

使用计算机处理器将所述记录的作为时间的函数的电压与具有3个或更多个拟合参数的预定义函数相拟合，其中选择所述3个或更多个拟合参数来生成对所述记录的作为时间的函数的电压的拟合；以及

通过使用计算机处理器将所述3个或更多个拟合参数与存储位置中先前填充的查找表进行比较来确定所述电池单体的荷电状态，其中所述查找表将所述拟合参数与荷电状态值相关联。

7.根据权利要求6所述的计算机可读介质，其中所述电池单体包含锂金属作为阳极，磷酸铁锂作为阴极，以及聚合物电解质作为隔膜。

8.根据权利要求6所述的计算机可读介质，其中所述预定义函数具有单一指数项，并具有以下形式：

$\mathrm{OCV}\left(t_{\mathrm{fit}}\right)=k_0+k_1{e}^{-t/{\mathrm{\&tau;}}_1}.$

9.根据权利要求6所述的计算机可读介质，其中所述预定义函数具有两个指数项，并具有以下形式：

$\mathrm{OCV}\left(t_{\mathrm{fit}}\right)=k_0+k_1{e}^{-t/{\mathrm{\&tau;}}_1}+k_2{e}^{-t/{\mathrm{\&tau;}}_2}.$

10.根据权利要求6所述的计算机可读介质，其中对操作中的电池实时执行所述方法。