CN104518247A - 智能型蓄电池传感器装置及其工作方法 - Google Patents
智能型蓄电池传感器装置及其工作方法 Download PDFInfo
- Publication number
- CN104518247A CN104518247A CN201410424325.2A CN201410424325A CN104518247A CN 104518247 A CN104518247 A CN 104518247A CN 201410424325 A CN201410424325 A CN 201410424325A CN 104518247 A CN104518247 A CN 104518247A
- Authority
- CN
- China
- Prior art keywords
- storage battery
- charge
- state
- capacity
- open circuit
- 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
Classifications
-
- 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
-
- 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
- B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
- B60L58/12—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries responding to state of charge [SoC]
-
- 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]
-
- 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]
- G01R31/3644—Constructional arrangements
- G01R31/3648—Constructional arrangements comprising digital calculation means, e.g. for performing an algorithm
-
- 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
- G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
- G01R31/52—Testing for short-circuits, leakage current or ground faults
-
- 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
- H01M10/48—Accumulators combined with arrangements for measuring, testing or indicating the condition of cells, e.g. the level or density of the electrolyte
- H01M10/486—Accumulators combined with arrangements for measuring, testing or indicating the condition of cells, e.g. the level or density of the electrolyte for measuring temperature
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M2220/00—Batteries for particular applications
- H01M2220/20—Batteries in motive systems, e.g. vehicle, ship, plane
-
- 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
Abstract
本发明涉及一种智能型蓄电池传感器装置及其工作方法,本发明的智能型蓄电池传感器装置的特征在于,当把车辆蓄电池更换成非额定容量的蓄电池时仍可准确地算出更换的蓄电池的荷电状态(SOC)。根据本发明,更换的蓄电池的情况下仍可准确地算出荷电状态。尤其,当更换成其他容量、其他厂家的蓄电池时仍可准确地算出荷电状态。
Description
技术领域
本发明涉及一种智能型蓄电池传感器装置及其工作方法,尤其涉及准确地算出更换的蓄电池的荷电状态的装置及其方法。
背景技术
现在通常以之前蓄电池的容量为基准判断更换的蓄电池充电结束与否。
即,现有的车辆用蓄电池容量测定方法是在更换的蓄电池充电结束后仍继续测定流入的电流量,以算出更换的蓄电池的容量。
根据上述车辆用蓄电池容量测定方法,当车辆用蓄电池更换成容量比之前更大的蓄电池时能够准确地测定更换的蓄电池的容量。并且,还能够准确地算出更换的蓄电池的荷电状态等。
但是,现有的车辆用蓄电池容量测定方法有局限性,其只能在蓄电池更换成容量比之前更大的蓄电池的情况下才可准确地算出更换的蓄电池的荷电状态等。
即,现有的车辆用蓄电池容量测定方法在蓄电池更换成容量比之前小的蓄电池时,无法准确地算出荷电状态。
并且,对于现有的车辆用蓄电池容量测定方法而言,即使更换成容量比之前更大的蓄电池,若更换的蓄电池与之前的蓄电池的规格不同,则在算出更换的蓄电池的荷电状态时无法利用预先存储(更换前电池)的荷电状态-开路电压地图(SOC-OCVMap)。
因此,现有的车辆用蓄电池容量测定方法基于上述理由,当智能型蓄电池传感器(IBS)被重新校准(Recalibration)时无法准确地算出荷电状态。
发明内容
技术问题
为解决上述的问题,本发明的目的为提供一种当把车辆蓄电池更换成非额定容量的蓄电池时仍可准确地算出更换的蓄电池的荷电状态(State of Charge;SOC)的智能型蓄电池传感器装置及其工作方法。
技术方案
为达成上述目的,根据本发明一个方面的智能型蓄电池传感器装置包括:感测部,其感测车辆更换的蓄电池的电流及开路电压(Open Circuit Voltage;OCV);以及控制部,其利用所述蓄电池的开路电压、根据依次相加所述蓄电池充电结束为止的所述电流所获取到的值算出的所述蓄电池的荷电状态、对应于所述蓄电池的假定容量的荷电状态-开路电压(以下简称SOC-OCV)地图上的平均斜率值,确定所述蓄电池的荷电状态-开路电压地图,并利用确定的所述荷电状态-开路电压地图判断所述蓄电池的荷电状态。
根据本发明另一方面的智能型蓄电池传感器装置的工作方法包括:感测车辆更换的蓄电池的电流及开路电压的步骤;利用所述蓄电池的开路电压、根据依次相加所述蓄电池充电结束为止的所述电流所获取到的值算出的所述蓄电池的荷电状态、对应于所述蓄电池的假定容量的荷电状态-开路电压地图上的平均斜率值,确定所述蓄电池的荷电状态-开路电压地图的步骤;以及利用确定的所述荷电状态-开路电压地图判断所述蓄电池的荷电状态的步骤。
技术效果
根据本发明,能够准确地算出更换的蓄电池的荷电状态。
尤其,当更换成其他容量、其他厂家的蓄电池时仍可准确地算出荷电状态。
附图说明
图1为说明现有技术的示意图;
图2为说明本发明一个实施例的智能型蓄电池传感器装置的示意图;
图3为说明本发明一个实施例的智能型蓄电池传感器装置的工作方法的流程图。
附图标记说明
100:智能型蓄电池传感器装置 110:控制部
120:感测部 130:存储部
200:蓄电池
具体实施方式
参照附图及与结合附图详细说明的下述实施例,本发明的优点及特征、以及达成其的方法将会明确。但是,本发明并非限定于以下公开的实施例,而是以互不相同的多种形态实现,本实施例仅使本发明的公开更加完整,是为了使本发明所属技术领域的普通技术人员能够容易理解本发明的范畴而提供的,本发明由本技术方案的范畴所定义。另外,本说明书中使用的术语用于说明实施例,并非要限定本发明。在本说明书中,若句子中未特别言及,单数型也包括复数型。说明书中使用的“包括(comprises)”及/或“包含的(comprising)”,是指言及的构成要素、步骤、动作及/或元件不排除存在或追加一个以上的其他构成要素、步骤、动作及/或元件。
根据本发明一个实施例的智能型蓄电池传感器装置,其特征在于,包括:感测部,其感测车辆更换的蓄电池的电流及OCV;以及控制部,其利用所述蓄电池的OCV、根据依次相加所述蓄电池充电结束为止的所述电流所获取到的值算出的所述蓄电池的SOC、对应于所述蓄电池的假定容量的SOC-OCV地图上的平均斜率值,确定所述蓄电池的SOC-OCV地图,并利用确定的所述SOC-OCV地图判断所述蓄电池的SOC。
当所述车辆更换的蓄电池在预定暗电流以下经过特定时间时,所述控制部判断为所述蓄电池已稳定,并使所述感测部获取所述蓄电池的OCV。
所述控制部根据所述OCV将所述蓄电池的容量假定为第一容量及第二容量,并利用对应于所述第一容量的蓄电池的SOC-OCV地图上的平均斜率值及平均补偿值、所述OCV预测所述第一容量的蓄电池的SOC,利用对应于所述第二容量的蓄电池的SOC-OCV地图上的平均斜率值及平均补偿值、所述OCV预测所述第二容量的蓄电池的SOC。
所述控制部利用依次相加所述电流所获取到的值算出所述第一容量的SOC及所述第二容量的SOC,并通过比较所述第一容量的预测的SOC与算出的SOC来获取第一误差值,通过比较所述第二容量的预测的SOC与算出的SOC来获取第二误差值,当获取到的所述第一误差值小于所述第二误差值时将所述第一容量确定为所述蓄电池的容量。
所述控制部利用平均斜率值、所述蓄电池的OCV及根据确定的容量算出的SOC算出OCV的截距即补偿值,其中平均斜率值是对应于根据构成一次函数关系的OCV与SOC的特性确定的容量的SOC-OCV地图上的斜率。
所述控制部利用算出的补偿值、对应于确定的容量的平均斜率值及所述蓄电池的OCV,确定所述蓄电池的SOC-OCV地图。
当所述感测部在预定时间内感测到的电压在预先设定的电压以上,并且所述感测部在预定时间内感测到的电流在预先设定的电流以下时,所述控制部判断为所述蓄电池充电结束。
根据本发明一个实施例的智能型蓄电池传感器装置的工作方法,其特征在于,包括:感测车辆更换的蓄电池的电流及OCV的步骤;利用所述蓄电池的OCV、根据依次相加所述蓄电池充电结束为止的所述电流所获取到的值算出的所述蓄电池的SOC、对应于所述蓄电池的假定容量的SOC-OCV地图上的平均斜率值,确定所述蓄电池的SOC-OCV地图的步骤;以及,利用确定的所述SOC-OCV地图判断所述蓄电池的SOC的步骤。
根据本发明一个实施例的智能型蓄电池传感器装置的工作方法,还包括:当所述车辆更换蓄电池后在预定暗电流以下经过特定时间时,判断为所述蓄电池已稳定,并使所述感测部获取所述蓄电池的OCV的步骤。
确定所述蓄电池的SOC-OCV地图的步骤包括:根据所述OCV将所述蓄电池的容量假定为第一容量及第二容量的步骤;利用对应于所述第一容量的蓄电池的SOC-OCV地图上的平均斜率值及平均补偿值、所述OCV预测所述第一容量的蓄电池的SOC的步骤;以及,利用对应于所述第二容量的蓄电池的SOC-OCV地图上的平均斜率值及平均补偿值、所述OCV预测所述第二容量的蓄电池的SOC的步骤。
确定所述蓄电池的SOC-OCV地图的步骤还包括:利用依次相加所述电流所获取到的值算出所述第一容量的SOC及所述第二容量的SOC的步骤;通过比较所述第一容量的预测的SOC与算出的SOC来获取第一误差值的步骤;通过比较所述第二容量的预测的SOC与算出的SOC来获取第二误差值的步骤;以及,当获取到的所述第一误差值小于所述第二误差值时将所述第一容量确定为所述蓄电池的容量的步骤。
确定所述蓄电池的SOC-OCV地图的步骤还包括利用平均斜率值、所述蓄电池的OCV及根据确定的容量算出的SOC算出OCV的截距即补偿值的步骤,其中平均斜率值是对应于根据构成一次函数关系的OCV与SOC的特性确定的容量的SOC-OCV地图上的斜率。
确定所述蓄电池的SOC-OCV地图的步骤还包括利用算出的补偿值、对应于确定的容量的平均斜率值及所述蓄电池的OCV,确定所述蓄电池的SOC-OCV地图的步骤。
确定所述蓄电池的SOC-OCV地图的步骤包括当在预定时间内感测到的电压在预先设定的电压以上,并且在预定时间内感测到的电流在预先设定的电流以下时,判断为所述蓄电池充电结束的步骤。
确定所述蓄电池的SOC-OCV地图的步骤还包括当所述车辆更换蓄电池后在预定暗电流以下经过特定时间时,利用确定的SOC-OCV地图初始化更换的所述蓄电池的SOC的步骤。
当车辆蓄电池初始安装后在预定暗电流以下经过特定时间(约3-4小时)时,蓄电池传感器判断为安装的蓄电池已稳定。因此,蓄电池传感器在蓄电池初始上电复位(power on reset)并经过特定时间(约3-4小时)时获取OCV。蓄电池传感器利用获取的OCV与蓄电池厂家提供的SOC-OCV地图算出蓄电池的初始SOC。
但是,预先输入到蓄电池传感器的SOC-OCV地图是车辆出厂时附带的蓄电池的特性。因此蓄电池传感器无法利用预先输入的SOC-OCV地图准确地算出更换的蓄电池的SOC。
基于上述原因,需要一种能够准确获知更换的蓄电池的容量的蓄电池容量判断自学习算法(self learning algorithm)。
另外,本发明的目的在于解决蓄电池安装布局决定与车辆匹配的蓄电池这一局限性。并且,目的在于防止当更换成容量远低于初始安装的蓄电池的蓄电池时车辆性能下降。
因此,本发明的前提是更换的蓄电池的容量与初始安装的蓄电池的容量的误差范围在±10Ah以内。并且,本发明的前提是更换成同一型号(Flooded,AGM)的蓄电池。
以下参照图2说明本发明一个实施例的智能型蓄电池传感器装置。图2为说明本发明一个实施例的智能型蓄电池传感器装置的示意图。
如图2所示,根据本发明一个实施例的智能型蓄电池传感器装置100包括控制部110、感测部120及存储部130。
控制部110在更换车辆蓄电池时获取更换的蓄电池200的开路电压(OpenCircuit Voltage;OCV)。控制部110获取更换的蓄电池200的OCV之后开始进行演算,依次相加感测部120获取的蓄电池200的电流量。
控制部110进行依次相加电流量的演算,直至更换的蓄电池200在车辆的交流发电机供应的电流下充电结束(蓄电池充电至100%)为止。
例如,当预定时间内感测到的蓄电池200的电压在电压α以上,并且预定时间内感测到的蓄电池200的电流在电流β以下时,控制部110根据预先实验中获取的电压α、电流β值判断为更换的蓄电池200充电结束。
控制部110在判断出蓄电池200充电结束时,将蓄电池200的SOC设定为100%,然后确定智能型蓄电池传感器装置100被重新校准(Recalibration)时所要使用的SOC-OCV地图。
另外,SOC-OCV地图表示蓄电池200的荷电状态(State of Charge;SOC)与OCV的一次函数关系特性,具体如以下数学式所示:
[数学式1]
OCV=斜率*SOC+补偿值
上述的SOC与OCV的线性关系特性随蓄电池厂家及容量的不同而有偏差,因此不能用作判断蓄电池特性的一个代表值(基准值)。
并且,提到的重新校准指更换的车辆蓄电池在预定暗电流以下经过3-4小时时,利用预先存储的SOC-OCV地图初始化更换的蓄电池的SOC。
以下进一步详细说明确定SOC-OCV地图的过程。
首先,控制部110利用获取的蓄电池200的OCV,将蓄电池200的容量假设为两个值。
例如,控制部110可以根据获取的蓄电池200的OCV,将蓄电池200的容量假定为60Ah与68Ah。
控制部110可利用预先存储的对应于容量为60Ah的蓄电池的平均斜率值及平均补偿值、获取到的蓄电池200的OCV预测初始SOC。
并且,控制部110可利用预先存储的对应于容量为68Ah的蓄电池的平均斜率值及平均补偿值、获取到的蓄电池200的OCV预测初始SOC。
例如,容量相同的蓄电池在SOC-OCV地图上的斜率特性相似,因此可以以容量为基准分类各厂家的蓄电池。可以算出对应于分类的蓄电池的SOC-OCV地图上的斜率值的平均斜率值。并且还可以算出平均补偿值。
因此,控制部110可预测容量为60Ah的蓄电池的SOC,可预测容量为68Ah的蓄电池的SOC。
例如,控制部110可利用容量为60Ah的蓄电池的平均斜率值及平均补偿值、获取到的蓄电池200的OCV预测出SOC为60%。
控制部110可利用容量为68Ah的蓄电池的平均斜率值及平均补偿值、获取到的蓄电池200的OCV预测出SOC为67%。
并且,控制部110可以利用依次相加电流量蓄电池200的充电结束为止的电流量所得到的值算出蓄电池200的SOC。
即,控制部110可以将依次相加得到的电流量及各蓄电池的容量代入数学式2,将容量比SOC换算为百分比,并用100减去换算结果算出SOC。
[数学式2]
容量比SOC的百分比换算值=(依次相加得到的电流量/蓄电池容量)*100
例如,当依次相加得到的电流量为20Ah时,控制部110可以用100减去容量为60Ah的蓄电池所对应的SOC换算成百分比得到的值[(20/60)*100],即[100-(20/60)*100],以算出SOC为66%。并且,控制部110可以用100减去容量为68Ah的蓄电池所对应的SOC换算成百分比得到的值[(20/68)*100],即[100-(20/68)*100],以算出SOC为70%。
其中,用100%减去将容量比SOC换算成百分比得到的值的原因在于根据预先实验中获取的电压α、电流β判断出了蓄电池的充电已结束。
控制部110可以比较预测到的各SOC与算出的各SOC,并根据比较结果确定更换的蓄电池200的容量。
例如,当控制部110将更换的蓄电池200的容量预测为60Ah时,可算出误差(预测的SOC-算出的SOC)|60-66|=6%。并且,当控制部110将更换的蓄电池200的容量预测为68Ah时,可算出误差|67-70|=3%。
因此,控制部110可根据算出的误差,将蓄电池200的两个假定容量中误差更小的68Ah确定为蓄电池200的容量。
确定更换的蓄电池200的容量后,控制部110可根据获取到的蓄电池200的OCV、预先存储的对应于确定的容量(68Ah)的蓄电池的平均斜率值、依次相加得到的电流量代入数学式1,以重新算出补偿值。
因此,控制部110可利用重新算出的补偿值、对应于确定的容量的蓄电池的平均斜率值及获取到的蓄电池200的OCV,确定更换的蓄电池200的SOC-OCV地图。
控制部110自重新补正后起,可利用确定的蓄电池200的SOC-OCV地图准确地判断更换的蓄电池200的SOC。
以上参照图2说明了本发明一个实施例的智能型蓄电池传感器装置,以下将参照图3说明本发明一个实施例的智能型蓄电池传感器装置的工作方法。图3为说明本发明一个实施例的智能型蓄电池传感器装置的工作方法的流程图。
如图3所示,在步骤S300中判断更换的蓄电池200上电复位与否。若判断结果为蓄电池200已上电复位,则在步骤S301中,在预定暗电流以下经过特定时间(约3-4小时)时获取OCV。
获取到蓄电池200的OCV后,开始进行演算,即依次相加蓄电池200的电流。进行依次相加电流量的演算至更换的蓄电池200充电结束(蓄电池充电至100%)为止。
利用获取到的OCV将更换的蓄电池200的容量假定为两个值。例如,可根据获取到的OCV将蓄电池200的容量假定为60Ah与68Ah。
另外,容量相同的蓄电池在SOC-OCV地图上的斜率特性相似,因此可以以容量为基准分类各厂家的蓄电池。可以算出对应于分类的蓄电池的SOC-OCV地图上的斜率值的平均斜率值。并且还可以算出平均补偿值。
利用对应于假定的容量60Ah的蓄电池的平均斜率值算出平均补偿值。并且,利用对应于假定的容量68Ah的蓄电池的平均斜率值算出平均补偿值。
并且,利用获取到的蓄电池200的OCV、对应于容量为60Ah的蓄电池的平均斜率值及补偿值,预测容量为60Ah的蓄电池的SOC。利用获取到的蓄电池200的OCV、对应于容量为68Ah的蓄电池的平均斜率值及补偿值,预测容量为68Ah的蓄电池的SOC。
例如,可以利用容量为60Ah的蓄电池的平均斜率值及平均补偿值、获取到的蓄电池200的OCV预测出SOC为60%。并且,可利用容量为68Ah的蓄电池的平均斜率值及平均补偿值、获取到的蓄电池200的OCV预测出SOC为67%。
在步骤S303中,根据依次相加电流得到的值(电流之和)计算接入蓄电池200的电压及电流。
在步骤S304中,根据预先实验中获取到的电压α、电流β,判断预定时间内感测到的电压是否在预先实验中获取到的电压α以上,判断预定时间内感测到的电流是否在预先实验中获取到的电流β以下。
当判断结果为根据预先实验中得到的电压α、电流β,预定时间内感测到的电压在预先实验中获取到的电压α以上,预定时间内感测到的电流在预先实验中获取到的电流β以下时,判断为蓄电池200充电结束。在步骤S305中,将蓄电池200的SOC设定为100%。
可以根据依次相加蓄电池200充电结束为止的电流量,算出蓄电池200的SOC。
即,在步骤S306中,利用依次相加得到的电流量,将蓄电池200的容量比SOC换算成百分比。
例如,当依次相加得到的电流量为20Ah时,可以用100减去容量为60Ah的蓄电池、容量为68Ah的蓄电池的容量比SOC百分比换算值,分别算出SOC,即100-(20/60)*100=66%,100-(20/68)*100=70%。
在步骤S307中,判断预测的容量为60Ah的蓄电池的SOC(Expected_SOC_60Ah)减去利用依次相加得到的电流量算出的SOC所得到的结果|Expected_SOC_60Ah-[100-(依次相加得到的电流量/60)*100]|,是否小于或等于预测的容量为68Ah的蓄电池的SOC(Expected_SOC_68Ah)减去利用依次相加得到的电流量算出的SOC所得到的结果|Expected_SOC_68Ah-[100-(依次相加得到的电流量/68)*100]|。
当判断结果为|Expected_SOC_60Ah-[100-(依次相加得到的电流量/60)*100]|小于或等于|Expected_SOC_68Ah-[100-(依次相加得到的电流量/68)*100]|时,在步骤S308中将蓄电池200的容量设定为60Ah。
但是,若判断结果为|Expected_SOC_60Ah-[100-(依次相加得到的电流量/60)*100]|大于|Expected_SOC_68Ah-[100-(依次相加得到的电流量/68)*100]|,则在步骤S309中将蓄电池200的容量设定为68Ah。
设定更换的蓄电池200的容量后,可根据获取到的蓄电池200的OCV、对应于设定的容量的蓄电池的平均斜率值及根据依次相加得到的电流量算出的SOC值代入数学式1,重新算出补偿值。
利用重新算出的补偿值、对应的设定的容量的蓄电池的平均斜率值及获取到的蓄电池200的OCV,确定更换的蓄电池200的SOC-OCV地图。
在步骤S310中将蓄电池容量识别标记设定为开,在步骤S311中重新补正时适用确定的地图。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (15)
1.一种智能型蓄电池传感器装置,其特征在于,包括:
感测部,其感测车辆更换的蓄电池的电流及开路电压;以及
控制部,其利用所述蓄电池的开路电压、根据依次相加所述蓄电池充电结束为止的所述电流所获取到的值算出的所述蓄电池的荷电状态、对应于所述蓄电池的假定容量的荷电状态-开路电压地图上的平均斜率值,确定所述蓄电池的荷电状态-开路电压地图,并利用确定的所述荷电状态-开路电压地图判断所述蓄电池的荷电状态。
2.根据权利要求1所述的智能型蓄电池传感器装置,其特征在于:
所述控制部当所述车辆更换的蓄电池在预定暗电流以下经过特定时间时,判断为所述蓄电池已稳定,并使所述感测部获取所述蓄电池的开路电压。
3.根据权利要求1所述的智能型蓄电池传感器装置,其特征在于:
所述控制部根据所述开路电压将所述蓄电池的容量假定为第一容量及第二容量,并利用对应于所述第一容量的蓄电池的荷电状态-开路电压地图上的平均斜率值及平均补偿值、所述开路电压预测所述第一容量的蓄电池的荷电状态,利用对应于所述第二容量的蓄电池的荷电状态-开路电压地图上的平均斜率值及平均补偿值、所述开路电压预测所述第二容量的蓄电池的荷电状态。
4.根据权利要求3所述的智能型蓄电池传感器装置,其特征在于:
所述控制部利用依次相加所述电流所获取到的值算出所述第一容量的荷电状态及所述第二容量的荷电状态,并通过比较所述第一容量的预测的荷电状态与算出的荷电状态来获取第一误差值,通过比较所述第二容量的预测的荷电状态与算出的荷电状态来获取第二误差值,当获取到的所述第一误差值小于所述第二误差值时将所述第一容量确定为所述蓄电池的容量。
5.根据权利要求4所述的智能型蓄电池传感器装置,其特征在于:
所述控制部利用平均斜率值、所述蓄电池的开路电压及根据确定的容量算出的荷电状态算出开路电压的截距即补偿值,其中平均斜率值是对应于根据构成一次函数关系的开路电压与荷电状态的特性确定的容量的荷电状态-开路电压地图上的斜率。
6.根据权利要求5所述的智能型蓄电池传感器装置,其特征在于:
所述控制部利用算出的补偿值、对应于确定的容量的平均斜率值及所述蓄电池的开路电压,确定所述蓄电池的荷电状态-开路电压地图。
7.根据权利要求1所述的智能型蓄电池传感器装置,其特征在于:
所述控制部,当所述感测部在预定时间内感测到的电压在预先设定的电压以上,并且所述感测部在预定时间内感测到的电流在预先设定的电流以下时,判断为所述蓄电池充电结束。
8.一种智能型蓄电池传感器装置的工作方法,其特征在于,包括:
感测车辆更换的蓄电池的电流及开路电压的步骤;
利用所述蓄电池的开路电压、根据依次相加所述蓄电池充电结束为止的所述电流所获取到的值算出的所述蓄电池的荷电状态、对应于所述蓄电池的假定容量的荷电状态-开路电压地图上的平均斜率值,确定所述蓄电池的荷电状态-开路电压地图的步骤;以及
利用确定的所述荷电状态-开路电压地图判断所述蓄电池的荷电状态的步骤。
9.根据权利要求8所述的智能型蓄电池传感器装置的工作方法,其特征在于,还包括:
当所述车辆更换蓄电池后在预定暗电流以下经过特定时间时,判断为所述蓄电池已稳定,并使所述感测部获取所述蓄电池的开路电压的步骤。
10.根据权利要求8所述的智能型蓄电池传感器装置的工作方法,其特征在于,确定所述蓄电池的荷电状态-开路电压地图的步骤包括:
根据所述开路电压将所述蓄电池的容量假定为第一容量及第二容量的步骤;
利用对应于所述第一容量的蓄电池的荷电状态-开路电压地图上的平均斜率值及平均补偿值、所述开路电压预测所述第一容量的蓄电池的荷电状态的步骤;以及
利用对应于所述第二容量的蓄电池的荷电状态-开路电压地图上的平均斜率值及平均补偿值、所述开路电压预测所述第二容量的蓄电池的荷电状态的步骤。
11.根据权利要求10所述的智能型蓄电池传感器装置的工作方法,其特征在于,确定所述蓄电池的荷电状态-开路电压地图的步骤还包括:
利用依次相加所述电流所获取到的值算出所述第一容量的荷电状态及所述第二容量的荷电状态的步骤;
通过比较所述第一容量的预测的荷电状态与算出的荷电状态来获取第一误差值的步骤;
通过比较所述第二容量的预测的荷电状态与算出的荷电状态来获取第二误差值的步骤;以及
当获取到的所述第一误差值小于所述第二误差值时将所述第一容量确定为所述蓄电池的容量的步骤。
12.根据权利要求11所述的智能型蓄电池传感器装置的工作方法,其特征在于,确定所述蓄电池的荷电状态-开路电压地图的步骤还包括:
利用平均斜率值、所述蓄电池的开路电压及根据确定的容量算出的荷电状态算出开路电压的截距即补偿值的步骤,其中平均斜率值是对应于根据构成一次函数关系的开路电压与荷电状态的特性确定的容量的荷电状态-开路电压地图上的斜率。
13.根据权利要求12所述的智能型蓄电池传感器装置的工作方法,其特征在于,确定所述蓄电池的荷电状态-开路电压地图的步骤还包括:
利用算出的补偿值、对应于确定的容量的平均斜率值及所述蓄电池的开路电压,确定所述蓄电池的荷电状态-开路电压地图的步骤。
14.根据权利要求8所述的智能型蓄电池传感器装置的工作方法,其特征在于,确定所述蓄电池的荷电状态-开路电压地图的步骤包括:
当在预定时间内感测到的电压在预先设定的电压以上,并且在预定时间内感测到的电流在预先设定的电流以下时,判断为所述蓄电池充电结束的步骤。
15.根据权利要求8所述的智能型蓄电池传感器装置的工作方法,其特征在于,确定所述蓄电池的荷电状态-开路电压地图的步骤还包括:
当所述车辆更换蓄电池后在预定暗电流以下经过特定时间时,利用确定的荷电状态-开路电压地图初始化更换的所述蓄电池的荷电状态的步骤。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020130116455A KR102079038B1 (ko) | 2013-09-30 | 2013-09-30 | 지능형 배터리 센서 장치 및 그 동작 방법 |
KR10-2013-0116455 | 2013-09-30 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104518247A true CN104518247A (zh) | 2015-04-15 |
CN104518247B CN104518247B (zh) | 2017-04-12 |
Family
ID=52793205
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410424325.2A Active CN104518247B (zh) | 2013-09-30 | 2014-08-26 | 智能型蓄电池传感器装置及其工作方法 |
Country Status (2)
Country | Link |
---|---|
KR (1) | KR102079038B1 (zh) |
CN (1) | CN104518247B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102016223154A1 (de) | 2016-11-23 | 2018-05-24 | Robert Bosch Gmbh | Batterieeinheit |
CN110361651A (zh) * | 2018-04-10 | 2019-10-22 | 通用汽车环球科技运作有限责任公司 | 基于开路电压和校准数据进行电池状态估计 |
CN112397798A (zh) * | 2020-11-13 | 2021-02-23 | 上汽大众汽车有限公司 | 一种动力电池管理系统及匹配方法 |
DE102019219427A1 (de) * | 2019-12-12 | 2021-06-17 | Robert Bosch Gmbh | Verfahren zum Überwachen eines Energiespeichers in einem Kraftfahrzeug |
CN113594560A (zh) * | 2020-04-30 | 2021-11-02 | 宁德时代新能源科技股份有限公司 | 电池模组、电池包及装置 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102652460B1 (ko) * | 2021-12-28 | 2024-03-28 | 주식회사 유라코퍼레이션 | 빌트인캠용 배터리 매니지먼트 시스템 및 이를 이용한 배터리 타입 보정 방법 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101141016A (zh) * | 2006-09-08 | 2008-03-12 | 三星Sdi株式会社 | 电池管理系统及其驱动方法 |
CN102246385A (zh) * | 2008-10-10 | 2011-11-16 | 迪亚能源股份有限公司 | 用于确定电池的荷电状态的方法和设备 |
KR20130017740A (ko) * | 2011-08-11 | 2013-02-20 | 현대자동차주식회사 | 차량 배터리의 충전량 산출 방법 |
US20130138370A1 (en) * | 2011-11-30 | 2013-05-30 | Silicon Works Co., Ltd. | Battery state-of-charge estimation method and battery management system |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100804698B1 (ko) * | 2006-06-26 | 2008-02-18 | 삼성에스디아이 주식회사 | 배터리 soc 추정 방법 및 이를 이용하는 배터리 관리시스템 및 구동 방법 |
WO2011108249A1 (ja) * | 2010-03-05 | 2011-09-09 | パナソニック株式会社 | 満充電容量値補正回路、電池パック、及び充電システム |
JP5419832B2 (ja) * | 2010-09-07 | 2014-02-19 | カルソニックカンセイ株式会社 | 電池容量算出装置および電池容量算出方法 |
KR101486470B1 (ko) * | 2012-03-16 | 2015-01-26 | 주식회사 엘지화학 | 배터리 상태 추정 장치 및 방법 |
-
2013
- 2013-09-30 KR KR1020130116455A patent/KR102079038B1/ko active IP Right Grant
-
2014
- 2014-08-26 CN CN201410424325.2A patent/CN104518247B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101141016A (zh) * | 2006-09-08 | 2008-03-12 | 三星Sdi株式会社 | 电池管理系统及其驱动方法 |
CN102246385A (zh) * | 2008-10-10 | 2011-11-16 | 迪亚能源股份有限公司 | 用于确定电池的荷电状态的方法和设备 |
KR20130017740A (ko) * | 2011-08-11 | 2013-02-20 | 현대자동차주식회사 | 차량 배터리의 충전량 산출 방법 |
US20130138370A1 (en) * | 2011-11-30 | 2013-05-30 | Silicon Works Co., Ltd. | Battery state-of-charge estimation method and battery management system |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102016223154A1 (de) | 2016-11-23 | 2018-05-24 | Robert Bosch Gmbh | Batterieeinheit |
WO2018095725A1 (de) | 2016-11-23 | 2018-05-31 | Robert Bosch Gmbh | Batterieeinheit für ein fahrzeug mit separater kommunikationseinheit |
CN110361651A (zh) * | 2018-04-10 | 2019-10-22 | 通用汽车环球科技运作有限责任公司 | 基于开路电压和校准数据进行电池状态估计 |
DE102019219427A1 (de) * | 2019-12-12 | 2021-06-17 | Robert Bosch Gmbh | Verfahren zum Überwachen eines Energiespeichers in einem Kraftfahrzeug |
CN113594560A (zh) * | 2020-04-30 | 2021-11-02 | 宁德时代新能源科技股份有限公司 | 电池模组、电池包及装置 |
CN113594560B (zh) * | 2020-04-30 | 2024-03-19 | 宁德时代新能源科技股份有限公司 | 电池模组、电池包及装置 |
CN112397798A (zh) * | 2020-11-13 | 2021-02-23 | 上汽大众汽车有限公司 | 一种动力电池管理系统及匹配方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104518247B (zh) | 2017-04-12 |
KR20150037144A (ko) | 2015-04-08 |
KR102079038B1 (ko) | 2020-02-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Pan et al. | State of charge estimation of lithium-ion batteries using a grey extended Kalman filter and a novel open-circuit voltage model | |
Wang et al. | Modeling and state-of-charge prediction of lithium-ion battery and ultracapacitor hybrids with a co-estimator | |
Li et al. | State of charge estimation based on a simplified electrochemical model for a single LiCoO2 battery and battery pack | |
Propp et al. | Multi-temperature state-dependent equivalent circuit discharge model for lithium-sulfur batteries | |
Zhang et al. | A novel model of the initial state of charge estimation for LiFePO4 batteries | |
Dong et al. | A method for state of energy estimation of lithium-ion batteries based on neural network model | |
Xiong et al. | A novel practical state of charge estimation method: an adaptive improved ampere‐hour method based on composite correction factor | |
CN104518247A (zh) | 智能型蓄电池传感器装置及其工作方法 | |
CN105467325B (zh) | 电池容量退化解决的方法和系统 | |
Hu et al. | Robustness analysis of State-of-Charge estimation methods for two types of Li-ion batteries | |
He et al. | Online model-based estimation of state-of-charge and open-circuit voltage of lithium-ion batteries in electric vehicles | |
CN103091641B (zh) | 放电曲线的校正系统与电池的放电曲线的校正方法 | |
US10001528B1 (en) | Battery deterioration degree estimating apparatus and estimating method | |
Li et al. | An electrochemical model for high C-rate conditions in lithium-ion batteries | |
CN102540096B (zh) | 一种用于磷酸铁锂动力电池剩余容量估算自修正的方法 | |
CN103823189B (zh) | 动力电池组的剩余容量的计算方法 | |
Campestrini et al. | Validation and benchmark methods for battery management system functionalities: State of charge estimation algorithms | |
CN103809125B (zh) | 锂离子电池的剩余放电容量估计方法及系统 | |
Sabatier et al. | Lithium-ion batteries modeling: A simple fractional differentiation based model and its associated parameters estimation method | |
CN105093127A (zh) | 一种基于充电方式的锂电池荷电状态的校准与估计方法 | |
WO2014119328A1 (ja) | 電池状態推定装置 | |
Jiang et al. | Butler-Volmer equation-based model and its implementation on state of power prediction of high-power lithium titanate batteries considering temperature effects | |
JP5619744B2 (ja) | 蓄電デバイスの状態検知方法及びその装置 | |
CN106199437A (zh) | 电动车蓄电池剩余电量监测方法及其监测系统 | |
US20110215761A1 (en) | Method for determining the state of charge of a battery in charging or discharging phase |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |