CN104704380A - 用于估计电池参数的装置以及估计方法 - Google Patents

Abstract

提供了一种用于估计电池参数的装置，从而可以提高估计电池的等效电路模型的参数的准确性，并且通过简单的数学运算来完成。用于估计电池(1)参数的该装置包括：电池的等效电路模型(4A)，具有作为参数的电阻和电容器；对数变换参数估计单元(4B)，采用通过参数的对数变换获得的对数变换参数值作为状态变量，通过卡尔曼滤波器(41)从状态等式和输出等式顺序地估计参数的对数变换值，这基于检测到的充电/放电电流和端电压来完成；以及逆对数变换单元(4C)，用于从估计的对数变换参数值获取对应于这些值的逆对数的估计的参数值。

Description

用于估计电池参数的装置以及估计方法

相关申请的交叉引用

本申请要求于2012年10月5日提交的日本专利申请第2012-223002号的优先权权益，其全部内容通过引用结合于此。

技术领域

本发明涉及一种用于估计电池参数的装置(电池参数估计装置)，能够通过利用卡尔曼滤波器顺序地估计电池等效电池模型的参数，并且还涉及电池参数估计装置的估计方法。

背景技术

在下面陈述的专利文献1中描述的估计装置被称为用于估计电池的内部状态、参数等的传统的估计装置。

用于估计电池的参数等的该估计装置检测电池的充电/放电电流和端电压，并且基于其输入，通过使用电池等效电路模型利用卡尔曼滤波器顺序地估计参数和开路电压。从开路电压估计修正的充电状态，并且基于修正的充电状态，修正充电/放电电流。综合修正的充电/放电电流，并且因此通过全充电容量值除以获得的值。借此，更准确地获得电池的充电状态(SOC：充电状态)。

通过以上所描述的卡尔曼滤波器的电池等效电路模型和开路电压的参数的估计，以便通过除专利文献1之外的传统技术广泛实施估计电池的内部状态，诸如，SOC和健康状态(SOH：健康状态)。

在该情况下，如下面陈述的非专利文献1中所公开的，例如，当目标系统的状态等式和输出等式受到具有已知协方差矩阵的白噪声的干扰影响时，可以选择使均方状态误差最小化的增益矩阵。卡尔曼滤波器被称为用于该目的的观察装置。

换言之，当假设干扰的未来值与噪声等于它们的均值(即，零)时卡尔曼滤波器可以执行最佳预测。

引用列表

专利文献

专利文献1：日本专利申请特开第2012-47580号

非专利文献

非专利文献1：由东京电机大学出版社于2005年1月20日出版，由Shuichi Adachi和Masaaki Kanno翻译，Jan M.Maciejowski的“Modelprediction control”，第72-73页

然而，以上所描述的用于估计电池的参数等的传统估计装置具有以上所描述的问题。

即，考虑到参数(电阻器和电容器)的噪声是以上所描述的白噪声并且因此这些参数形成正态分布，因此利用卡尔曼滤波器估计电池的参数等包括以上所描述的传统估计装置的估计装置已经被照常提出。

即使当基于参数的噪声是白噪声并且参数形成正态分布的假设估计参数时，估计的参数具有一定的准确性。

然而，本发明者，通过他们的实验和测量，发现通过以上传统方法估计的值可能明显偏离实际值，并且例如，参数(诸如，电阻值)可能取自不切实际的负值。

这可能因为电池供电的复杂化学反应，其导致简化电路等效模型中的估计值的偏差。

然而，具有更多电阻器和电容器的等效电路模型实施复杂的操作，并且因此，用于真实处理极度困难。

根据以上问题，本发明的目标是提供估计电池等效电路模型的参数的电池参数估计装置，可以通过使用简单的估算提高参数估计的准确性以及获取近似于实际值的参数，并且还提供电池参数估计装置的估计方法。

发明内容

为了实现以上目标，根据本发明的第一方面的用于估计电池参数的装置包括：充电/放电电流检测单元，用于检测电池的充电/放电电流；端电压检测单元，用于检测电池的端电压；以及包括作为参数的电阻器和电容器的电池等效电路模型，

用于估计电池参数的装置基于由充电/放电电流检测单元检测的充电/放电电流以及由端电压检测单元检测的端电压，通过使用电池等效电路模型来估计参数，该用于估计电池参数的装置包括：

对数变换参数值估计单元，基于检测到的所述充电/放电电流以及所述端电压，通过使用对所述参数执行对数变换获得的对数变换参数值作为状态变量，利用卡尔曼滤波器从状态等式和输出等式顺序地估计所述对数变换参数值；以及

逆对数变换单元，通过对对数变换参数值执行逆对数变换来获取估计的参数值，估计的参数值为对应于对数变换参数值的逆对数。

根据本发明的第二方面的用于估计电池参数的装置是根据本发明的第一方面的用于估计电池参数的装置，包括：

内部状态值估计单元，基于作为通过逆对数变换单元获取的逆对数的参数，估计电池的内部状态值。

根据本发明的第三方面的用于估计电池参数的装置是根据本发明的第二方面的用于估计电池参数的装置，其中：

内部状态值是电池的充电状态和健康状态中的至少一个。

根据本发明的第四方面的电池参数的估计方法用于检测电池的充电/放电电流和端电压的电池参数，并且基于检测到的充电/放电电流和端电压，通过使用包括作为参数的电阻器和电容器的等效电路模型来估计参数的估计方法，该估计方法包括：

基于检测到的所述充电/放电电流以及所述端电压，通过使用对所述参数执行对数变换获得的对数变换参数值作为状态变量，利用卡尔曼滤波器从状态等式和输出等式顺序地估计所述对数变换参数值；以及

通过对对数变换参数值执行逆对数变换来获取估计的参数值，估计的参数值为对应于对数变换参数值的逆对数。

根据本发明的第五方面的电池参数的估计方法是根据第四方面的电池参数的估计方法，其中，

基于作为通过执行逆对数变换获取的逆对数的参数，估计内部状态值。

根据本发明的第六方面的电池参数的估计方法是根据第五方面的电池参数的估计方法，其中，

内部状态值是电池的充电状态和健康状态中的至少一个。

根据本发明的第一方面的用于估计电池参数的装置，对数变换参数估计单元对电池等效电路模型的参数执行对数变换，并且由此获取用作状态值的对数变换参数值，然后基于充电/放电电流和端电压利用卡尔曼滤波器顺序地估计对数变换参数值。逆对数变换单元对估计的对数变换参数值执行逆对数变换，并且由此获取作为被认为是估计的参数值的逆对数的参数。

因此，可以提高电池等效电路模型的参数估计的准确性。此外，可以防止获得不切实际的负值的参数。

根据本发明的第二方面的用于估计电池参数的装置，还可以高度准确地估计电池的内部状态。

根据本发明的第三方面的用于估计电池参数的装置，可以高度准确地估计充电状态和健康状态。

根据本发明的第四方面的电池的参数的估计方法，用作状态变量的对数变换参数值是通过对电池等效电路模型的参数执行对数变换获得的并且基于充电/放电电流和端电压通过卡尔曼滤波器顺序估计的。估计的值被执行逆对数变换，从而获取作为被认为是估计的参数值的逆对数的参数。

因此，可以提高电池等效电路模型的参数估计的准确性。此外，可以防止获得不切实际的负值的参数。

根据本发明的第五方面的电池参数的估计方法，还可以高度准确地估计电池的内部状态。

根据本发明的第六方面的电池参数的估计方法，可以高度准确地估计充电状态和健康状态。

附图说明

图1是示出了根据本发明的一个实施方式的连接至电池的电池参数估计装置的功能框图；

图2是示出了电池等效电路模型的示图；

图3是示出了电池的开路电压与充电状态之间的关系图；

图4是示出了三级Foster类型的电池等效电路模型的示图；

图5是示出了三级Cauer类型的电池等效电路模型的示图；

图6是示出了当电动车辆实际驱动时的电流、电压和充电状态的测量数据的示图；

图7是示出了由于在使用三级Foster类型的电池等效电路模型时通过标准的卡尔曼滤波器做出的同时的估计的结果的充电状态及其错误的示图；

图8是示出了图7的估计的参数值的示图；

图9是示出了由于在使用三级Foster类型的电池等效电路模型时通过标准化卡尔曼滤波器做出的同时的估计的结果的充电状态及其错误的示图；

图10是示出了图9的估计的参数值的示图；

图11是示出了由于在使用三级Foster类型的电池等效电路模型时通过采用对数变换的卡尔曼滤波器做出的同时的估计的结果的充电状态及其错误的示图；

图12是示出了图11的估计的参数值的示图；

图13是示出了由于在使用三级Cauer类型的电池等效电路模型时通过标准的卡尔曼滤波器做出的同时的估计的结果的充电状态及其错误的示图；

图14是示出了图13的估计的参数值的示图；

图15是示出了由于在使用三级Cauer类型的电池等效电路模型时通过标准化卡尔曼滤波器做出的同时的估计的结果的充电状态及其错误的示图；

图16是示出了图15的估计的参数值的示图；

图17是示出了由于在使用三级Cauer类型的电池等效电路模型时通过采用对数变换的卡尔曼滤波器做出的同时的估计的结果的充电状态及其错误的示图；以及

图18是示出了图17的估计的参数值的示图。

具体实施方式

在下文中，将基于附图中示出的实例详细地描述本发明的实施方式。

实施方式1

在下文中，将参考附图描述根据实施方式1的电池参数估计装置。

根据实施方式1的电池参数估计装置用于诸如电动车辆、混合电动车辆等等的车辆。这些车辆包括：用于驱动车辆的电动机；电池；以及控制器，用于控制电动机的供电(放电)，在制动期间从电动机再生制动能量以及从非车载充电设备对电池进行电力恢复(充电)。

流动至电池/从电池流出的充电/放电电流改变电流的内部状态。因此，内部状态由电池参数估计装置进行监控和估计。借此，获取必需的信息，诸如，剩余的电池电量。

如图1中所示，用于估计电池1的参数等的电池参数估计装置包括：连接至电池1的电压传感器2和电流传感器3、状态估计单元4、充电量计算单元5、充电状态计算单元6和健康状态计算单元7。

注意，安装在车辆上的微计算机起到状态估计单元4、充电量计算单元5、充电状态计算单元6和健康状态计算单元7的作用。

根据本实施方式的电池1是可充电电池(蓄电池)，诸如，锂离子电池，但是不限于此。当然，可以使用其他电池，诸如，镍氢电池等。

电压传感器2检测电池1的端子之间的电压，并且因此检测到的端电压值v被输入至状态估计单元4。

电压传感器2对应于本发明的端电压检测单元。

电流传感器3检测用于将电力从电池1供应至电动机等的放电电流量，以及通过使用在制动期间用作发电机的电动机通过收集制动能量而获得或者通过从非车载充电设备充电获得的充电电流量。因此所检测到的充电/放电电流值i被作为输入信息输出至状态估计单元4。

电流传感器3对应于本发明的充电/放电检测单元。

状态估计单元4包括电池1的电池等效电路模型4A、对数变换参数值估计单元4B和逆对数变换单元4C。

电池等效电路模型4A是通过由连接至其的电阻器和电容器的并联电路的无穷级数的总和的近似值表示的Foster类型RC梯形电路，或者是由连接至串联的电阻器之间的接地的电容器的连分数展开的近似值表示的Cauer类型RC梯形电路形成的。注意，电阻器和电容器用作电池等效电路模型4A的参数。

对数变换参数值估计单元4B包括卡尔曼滤波器41并且通过对参数执行对数变换获取用作状态变量的对数变换参数值。然后，基于从电压传感器2获得的端电压v和从电流传感器3获得的充电/放电电流i，对数变换参数值估计单元4B通过使用电池等效电路模型4A顺序地估计如以上所描述的获得的对数变换参数值以及电池1的开路电压。在该估计中，即，电池等效电路模型4A的参数被执行对数变换，并且因此获得的用作状态变量的对数变换参数值从状态等式和输出等式计算得出。

通过对数变换参数值估计单元4B估计的开路电压(OCV：开路电压)被输出至充电状态计算单元6和健康状态计算单元7。

注意，卡尔曼滤波器41包括目标系统模型(本实施方式中的电池等效电路模型4A)的设计，将相同输入信号输入至模型和真实系统，并且将其输出进行比较。当在它们之间存在误差时，通过卡尔曼增益使误差翻倍，然后反馈给模型。借此，模型被校正为使模型的输出与系统的输出之间的误差最小化。卡尔曼滤波器41重复此操作，以便估计模型的参数。

通过对数变换参数值估计单元4B获得的电池等效电路模型4A的对数变换参数值被输入至逆对数变换单元4C。然后对数变换参数值被执行逆对数变换，借此获得作为对应于对数变换参数值的逆对数的参数。

注意，稍后将详细描述状态估计单元4的电池等效电路模型4A、对数变换参数值估计单元4B以及逆对数变换单元4C。

通过电流传感器3所检测的电池1的充电/放电电流值i被输入至充电量计算单元5。充电/放电电流值i被顺序地整合，借此获得流动至电池1/从电池1流出的充电/放电量，然后从在顺序整合计算之前储存的剩余充电量中减去充电/放电量。借此，计算当前由电池1保留的充电量Q。充电量Q被输出至健康状态计算单元7。

由于开路电压值与充电状态之间的关系不一定受电池1的劣化的影响，因此充电状态计算单元6储存例如通过关系的初始试验等获得的关系数据(诸如，特征表)。基于特征表，充电状态计算单元6在那时从通过状态估计单元4估计的开路电压估计值中估计充电状态。因此，所估计的充电状态用于管理电池1。

健康状态计算单元7包括示出分类为预定范围的每个健康状态SOH的充电量Q与开口电压OCV之间的关系的特征表。例如，特征表的详细情况被公开在由本申请人提交的日本专利申请特开第2012-57956号中。

通过状态估计单元4估计的开路电压估计值与通过充电量计算单元5计算的充电量被输入至健康状态计算单元7。健康状态计算单元7计算确定开路电压估计值与充电量被分类的健康状态SOH的范围，并且输出对应的健康状态SOH。

下面将详细描述以上所描述的电池参数估计装置的状态估计单元4。

首先，将描述电池等效电路模型4A。

图2中示出了要估计的电池模型。

该模型包括开路电压OCV、电阻值R₀和瓦尔堡阻抗Z_w。如图3中所示，OCV由SOC的非线性函数表示。

SOC与电流i和满充容量(FCC：满充容量)具有关系，其满足：

[等式1]

$\frac{d}{\mathrm{dt}}\mathrm{SOC}=\frac{i}{\mathrm{FCC}}---\left(1\right)$

注意，瓦尔堡阻抗Z_w是通过电池内的锂离子的扩散过程引起的阻抗(注意，锂电池被用在本实施方式中)。

关于该阻抗，已经提出了两种不同的近似模型。

第一模型是使用无穷级数的总和执行近似值的Foster类型电路，以及第二模型时通过连分数展开执行近似值的Cauer类型电路。

两种模型由第n级线性等效电路表示。

下面将说明这些电池模型，例如，假设n＝3。

首先，在图4中示出了由第三级Foster类型的电池等效电路模型近似的等效电路模型。在图中，R和C分别表示电阻器和电容器。其每个下标表示等级。

当x、u和y分别表示状态变量、输入和输出时，

[等式2]

x＝[SOC v₃ v₂ v₁]^T   (2)

u＝i   (3)

y＝v   (4)

被满足。

注意，v1至v3中的每个表示在电容器中对应于每个下标的电压降，并且i表示流经整个电路的电流。此外，v表示整个电路中的电压降，并且矩阵上的下标T表示其转置矩阵。

此时，状态空间满足：

[等式3]

$\stackrel{\·}{x}\left(t\right)=F_{f}x\left(t\right)+G_{f}u\left(t\right)---\left(5\right)$

y(t)＝OCV(SOC)+H_fx(t)+R₀u(t)   (6)

$F_f=\mathrm{diag}(0,-\frac{1}{C_3{R}_3},-\frac{1}{C_2{R}_2},-\frac{1}{C_1{R}_1})---\left(7\right)$

$G_f={\left[\begin{array}{cccc}\frac{1}{\mathrm{FCC}}& \frac{1}{C_3}& \frac{1}{C_2}& \frac{1}{C_1}\end{array}\right]}^T---\left(8\right)$

H_f＝[0 1 1 1]   (9)

条件是

[等式4]

$C_n=\frac{C_d}{2},n=\mathrm{1,2,3}---\left(10\right)$

$R_n=\frac{8R_d}{{(2n-1)}^2{\mathrm{\π}}^2},n=\mathrm{1,2,3}---\left(11\right)$

被满足。

注意，以上等式(5)是状态等式，并且以上等式(6)是输出等式。

另一方面，图5中示出了由三级Cauer类型电路近似的等效电路模型。

当x、u和y分别表示状态变量、输入和输出时，

[等式5]

x＝[SOC v₃ v₂ v₁]^T   (12)

u＝i   (13)

y＝v   (14)

被满足。

注意，v1至v3中的每个表示在电容器中对应于每个下标的电压降，i表示流经整个电路的电流，并且v表示整个电路中的电压降。

此时，状态空间满足：

[等式6]

$\stackrel{\·}{x}\left(t\right)=F_{c}x\left(t\right)+G_{c}u\left(t\right)---\left(15\right)$

y(t)＝OCV(SOC)+H_cx(t)+R₀u(t)(16)

$F_c=-\left[\begin{array}{cccc}0& 0& 0& 0\\ 0& \frac{1}{C_3}& \frac{1}{C_3}& \frac{1}{C_3}\\ 0& 0& \frac{1}{C_2}& \frac{1}{C_2}\\ 0& 0& 0& \frac{1}{C_1}\end{array}\right]\left[\begin{array}{cccc}0& 0& 0& 0\\ 0& \frac{1}{R_3}& 0& 0\\ 0& \frac{1}{R_2}& \frac{1}{R_2}& 0\\ 0& \frac{1}{R_1}& \frac{1}{R_1}& \frac{1}{R_1}\end{array}\right]---\left(17\right)$

$G_c={\left[\begin{array}{cccc}\frac{1}{\mathrm{FCC}}& \frac{1}{C_3}& \frac{1}{C_2}& \frac{1}{C_1}\end{array}\right]}^T---\left(18\right)$

H_c＝[0 1 1 1]   (19)

条件是

[等式7]

$C_n=\frac{C_d}{4n-1},n=\mathrm{1,2,3}---\left(20\right)$

$R_n=\frac{R_d}{4n-3},n=\mathrm{1,2,3}---\left(21\right)$

被满足。

注意，以上等式(15)是状态等式，并且以上等式(16)是输出等式。

接下来，Foster类型的电池等效电路模型和Cauer类型的电池等效电路模型通过卡尔曼滤波器用于同时估计电池状态和参数。

尽管无迹卡尔曼滤波器(UKF：无迹卡尔曼滤波器)使用于此，但是可以使用不同类型的卡尔曼滤波器。

通过使用被称为sigma点的权重样本点来近似概率分布，并且借此计算每个权重过渡。具体地，在每个sigma点过渡后的平均值和方差根据权重计算和添加。

以此方式，过渡后的概率分布可被进一步近似为真值，而同时防止计算量的过度增加。此外，由于概率分布是通过使用sigma点而不是系统的近似值来近似的，因此在非线性系统上不受限制。

在此，为了通过将本发明的方法与其他方法进行比较来阐明本发明的方法的特征，尝试使用以下三个应用方法。

第一种方法按照实际情况估计参数，第二种方法估计标准化参数，以及第三种方式是本发明估计对数变换参数值的方法。

首先，将描述根据实际情况估计参数的第一种方法。

Foster类型的电池等效电路模型和Cauer类型的电池等效电路模型被重写入能够同时估计参数和开路电压的展开模型。

即，作为展开状态变量和输出，

[等式8]

z＝[SOC v₃ v₂ v₁R₀ R_d C_d i]^T   (22)

y＝[v i]^T   (23)

被重新定义。

在此，注意，电流i以及参数R₀、R_d和C_d被用作状态变量。

此时，Foster类型的电池等效电路模型满足：[等式9]

$\stackrel{\·}{z}\left(t\right)=f_f\left(z\left(t\right)\right)---\left(24\right)$

y(t)＝h_f(z(t))   (25)

条件是

[等式10]

$f_f\left(z\left(t\right)\right)=\left[\begin{array}{c}\frac{i}{\mathrm{FCC}}\\ -\frac{25{\mathrm{\π}}^2{v}_3}{4C_d{R}_d}+\frac{2i}{C_d}\\ -\frac{9{\mathrm{\π}}^2{v}_2}{4C_d{R}_d}+\frac{2i}{C_d}\\ -\frac{{\mathrm{\π}}^2{v}_1}{4C_d{R}_d}+\frac{2i}{C_d}\\ 0\\ 0\\ 0\\ 0\end{array}\right]---\left(26\right)$

$h_f\left(z\left(t\right)\right)=\left[\begin{array}{c}\mathrm{OCV}\left(\mathrm{SOC}\right)+v_3+v_2+v_1+R_{0}i\\ i\end{array}\right]---\left(27\right)$

被满足。

此外，Cauer类型的电池等效电路模型满足：

[等式11]

$f_f\left(z\left(t\right)\right)=\left[\begin{array}{c}\frac{i}{\mathrm{FCC}}\\ -\frac{25{\mathrm{\π}}^2{v}_3}{4C_d{R}_d}+\frac{2i}{C_d}\\ -\frac{9{\mathrm{\π}}^2{v}_2}{4C_d{R}_d}+\frac{2i}{C_d}\\ -\frac{{\mathrm{\π}}^2{v}_1}{4C_d{R}_d}+\frac{2i}{C_d}\\ 0\\ 0\\ 0\\ 0\end{array}\right]---\left(26\right)$

$h_f\left(z\left(t\right)\right)=\left[\begin{array}{c}\mathrm{OCV}\left(\mathrm{SOC}\right)+v_3+v_2+v_1+R_{0}i\\ i\end{array}\right]---\left(27\right)$

条件是

[等式12]

$f_c\left(z\left(t\right)\right)=\left[\begin{array}{c}\frac{i}{\mathrm{FCC}}\\ -\frac{165v_3+66v_2+11v_1}{C_d{R}_d}+\frac{11i}{C_d}\\ -\frac{42v_3+42v_2+7v_1}{C_d{R}_d}+\frac{7i}{C_d}\\ -\frac{3v_3+3v_2+3v_1}{C_d{R}_d}+\frac{3i}{C_d}\\ 0\\ 0\\ 0\\ 0\end{array}\right]---\left(30\right)$

$h_c\left(z\left(t\right)\right)=\left[\begin{array}{c}\mathrm{OCV}\left(\mathrm{SOC}\right)+v_3+v_2+v_1+R_{0}i\\ i\end{array}\right]---\left(31\right)$

被满足。

以上所描述的展开模型通过使用欧拉法、龙格-库塔法等离散，并且通过使用UKF进行估计。

接下来，将描述第二个方法，即，估计标准化参数的方法。

在以上所描述的根据实际情况估计参数的情况下，参数等级中的巨大差异导致在通过计算机的数值计算的准确性问题。在该情况下，由于该等级如下：R₀是10^-4、R_d是10^-4以及C_d是10⁵，在UKF的卡尔曼增益的删除过程中，出现有效数字的删除。

因此，为了解决以上问题，标准化UKF被应用于此。

标准化UKF将具有不同等级的状态变量转换为具有统一等级的状态变量并且估计此类新的状态变量。

即，具有统一等级的新的状态变量z_N关于等式(22)的状态变量z被表示为：

[等式13]

z_N＝[SOC v₃ v₂ v₁ R’₀ R’_d C’_d i]^T   (32)

并且因此被估计。

注意，N_R0、N_Rd和N_Cd是标准化因数，被表示为：

[等式14]

$\begin{array}{ccc}{R^{\′}}_0=N_{R_0}{R}_0& {R^{\′}}_d=N_{R_d}{R}_d& {C^{\′}}_d=N_{C_d}{C}_d\end{array}---\left(33\right)$

在该情况下，例如，标准化因数是：

[等式15]

$\begin{array}{ccc}{N}_{R_0}={10}^4& N_{R_d}={10}^4& N_{C_d}={10}^{-5}\end{array}---\left(34\right)$

当输出如等式(23)保持时，Foster类型的等效电路模型(等式(24)和(25))满足：

[等式16]

${\stackrel{\·}{z}}_N\left(t\right)=f_{\mathrm{fN}}\left(z_N\left(t\right)\right)---\left(35\right)$

y(t)＝h_fN(z_N(t))   (36)

条件是

[等式17]

$f_{\mathrm{fN}}\left(z_N\left(t\right)\right)=\left[\begin{array}{c}\frac{i}{\mathrm{FCC}}\\ -\frac{25{\mathrm{\π}}^2{N}_{R_d}{N}_{C_d}{v}_3}{4{C^{\′}}_d{R^{\′}}_d}+\frac{2N_{C_d}i}{{C^{\′}}_d}\\ -\frac{9{\mathrm{\π}}^2{N}_{R_d}{N}_{C_d}{v}_2}{{{4C}^{\′}}_d{R^{\′}}_d}+\frac{2N_{C_d}i}{{C^{\′}}_d}\\ -\frac{{\mathrm{\π}}^2{N}_{R_d}{N}_{C_d}{v}_1}{4{C^{\′}}_d{R^{\′}}_d}+\frac{2N_{C_d}i}{{C^{\′}}_d}\\ 0\\ 0\\ 0\\ 0\end{array}\right]---\left(37\right)$

$h_{\mathrm{fN}}\left(z_N\left(t\right)\right)=\left[\begin{array}{c}\mathrm{OCV}\left(\mathrm{SOC}\right)+v_3+v_2+v_1+\frac{{R^{\′}}_0}{N_{R_0}}i\\ i\end{array}\right]---\left(38\right)$

被满足。

注意，Cauer类型的电池等效电路模型(等式(28)和(29))可以以相似的方式被重写。

接下来，将描述本发明，即，在实施方式1中使用的估计对数变换参数值的方法。

考虑到参数的对数，与以上所描述的标准化参数相似，将估计参数的等级的均一性。

以此方法，卡尔曼滤波器估计其指数Z而不是状态变量X。

即，使用纳皮尔数作为基数，Z被表示为：

[等式18]

X＝expZ   (39)

被估计。

参考等式(22)中的状态变量，取自参数的自然对数的状态变量被表示为：

[等式19]

z_L＝[SOC v₃ v₂ v₁ R″₀ R″_d C″_d i]^T   (40)

并且因此被估计，条件是

[等式20]

R″_O＝lnR₀ R″_d＝lnR_d C″_d＝lnC_d   (41)

被满足。

注意，尽管自然对数使用于此，但是可以使用具有大于1的任何正实数作为基数的对数。

当输出如等式(23)保持时，Foster类型的电池等效电路模型的展开模型(等式(24)和(25))被表示为：

[等式21]

${\stackrel{\·}{z}}_L\left(t\right)=f_{\mathrm{fL}}\left(z_L\left(t\right)\right)---\left(42\right)$

y(t)＝h_fL(z_L(t))   (43)

条件是

[等式22]

$f_{\mathrm{fL}}\left(z_L\left(t\right)\right)=\left[\begin{array}{c}\frac{i}{\mathrm{FCC}}\\ -\frac{25{\mathrm{\π}}^2{v}_3}{4\exp \left({C^{\′\′}}_d{R^{\′\′}}_d\right)}+\frac{2i}{\exp \left({C^{\′\′}}_d\right)}\\ -\frac{9{\mathrm{\π}}^2{v}_2}{4\exp \left({C^{\′\′}}_d{R^{\′\′}}_d\right)}+\frac{2i}{\exp \left({C^{\′\′}}_d\right)}\\ -\frac{{\mathrm{\π}}^2{v}_1}{4\exp \left({C^{\′\′}}_c{R^{\′\′}}_c\right)}+\frac{2i}{\exp \left({C^{\′\′}}_d\right)}\\ 0\\ 0\\ 0\\ 0\end{array}\right]---\left(44\right)$

$h_{\mathrm{fL}}\left(z_L\left(t\right)\right)=\left[\begin{array}{c}\mathrm{OCV}\left(\mathrm{SOC}\right)+v_3+v_2+v_1+\exp \left({R^{\′\′}}_0\right)i\\ i\end{array}\right]---\left(45\right)$

被满足。

注意，Cauer类型的电池等效电路模型(等式(28)和(29))可以以相似的方式被重写。

如以上所描述的，电池等效电路模型的参数和开路电压可以通过卡尔曼滤波器顺序地以及同时估计。

下面是通过使用电动车辆的真实驱动数据实施的以上所描述的三种方法的模拟结果的描述。

图6示出了当电动车辆实际驱动时获得的电流、电压和充电状态的测量数据。在不改变的情况下使用电流和电压的数据，并且同时估计参数和充电状态。

以下六种模拟方法彼此之间进行比较。

首先，通过使用三级Foster类型的电池等效电路模型，进行以下三种不同模拟。

(模拟1)在图7(上图形表明运行时间、估计的充电状态与真值之间的关系，以及下图形表明运行时间与充电状态的错误之间的关系)和图8(示出了关于运行时间，参数R₀、R_d和C_d的变化)中示出了通过标准UKF同时估计的结果。

(模拟2)在图9(上图形表明运行时间、估计的充电状态与真值之间的关系，以及下图形表明运行时间与充电状态的错误之间的关系)和图10(示出了关于运行时间，参数R₀、R_d和C_d的变化)中示出了通过标准化UKF同时估计的结果。

(模拟3)在图11(上图形表明运行时间、估计的充电状态与真值之间的关系，以及下图形表明运行时间与充电状态的错误之间的关系)和图12(示出了关于运行时间，参数R₀、R_d和C_d的变化)中示出了通过使用对数变换的UKF同时估计的结果。

接下来，通过使用三级Cauer类型的电池等效电路模型，进行以下三种不同模拟。

(模拟4)在图13(上图形表明运行时间、估计的充电状态与真值之间的关系，以及下图形表明运行时间与充电状态的错误之间的关系)和图14(示出了关于运行时间，参数R₀、R_d和C_d的变化)中示出了通过UKF同时估计的结果。

(模拟5)在图15(上图形表明运行时间、估计的充电状态与真值之间的关系，以及下图形表明运行时间与充电状态的错误之间的关系)和图16(示出了关于运行时间，参数R₀、R_d和C_d的变化)中示出了通过标准化UKF同时估计的结果。

(模拟6)在图17(上图形表明运行时间、估计的充电状态与真值之间的关系，以及下图形表明运行时间与充电状态的错误之间的关系)和图18(示出了关于运行时间，参数R₀、R_d和C_d的变化)中示出了通过使用对数变换的UKF同时估计的结果。

可以从以上结果和其他驱动模式的模拟结果看出以下事实。

首先，关于充电状态估计的正确性，在以上三种方法中估计的充电状态中没有太大差异。然而，关于充电状态平均估计的正确性，使用对数变换的UKF近似地相同于或稍微好于标准化UKF并且好于标准的UKF。尤其当使用标准的UKF时，有时出现特别大的误差，这是估计准确性降低的原因。

关于参数估计的准确性，如从以上结果显而易见的是，使用对数变换的UKF具有最好的估计准确性，其次是标准化UKF，然后是标准的UKF。

然而，由于参数的真值是未知的，估计值的有效性使用估计的差异值进行确定。

即，当由图10、图12、图14、图16和图18中的虚线表明的1σ范围变得足够窄时，估计的准确性高。另一方面，当由虚线表明的1σ范围扩大时，估计准确性不是很可靠。

例如，在图18中示出了使用对数变换的UKF的结果，所有参数的1σ范围变窄。另一方面，在图16中示出了标准化UKF的结果，扩散电容C_d的1σ范围扩大。此外，在图14中示出了标准UKF的结果，R₀和R_d的1σ范围扩大太多以在图中符合，并且C_d的1σ范围扩大。

从Foster和Cauer类型的结果比较中，可以看出通常Foster类型比Foster类型更高的充电状态的估计准确性。Cauer类型在充电时尤其可能导致较大误差。这被认为是由等式(24)和等式(28)之间的复杂差异导致的。

在此，将进一步描述本发明，即，被执行通过卡尔曼滤波器的对数变换的参数的估计。

假设参数根据传统假设形成正态分布，则估计的参数值(诸如，电阻)的范围在估计期间或扩大或变窄。因此，当范围扩大时，参数取自不切实际的负值，导致估计准确性降低。

另一方面，本实施方式如下：

被执行其指数而不是状态变量X的对数变换平均值估计的参数估计，即，Z表示为：

[等式23]

X＝expZ   (46)

使用对数变换的UKF估计假设指数Z具有添加至其的白噪声的值。

在该假设下，原始状态变量X遵循对数正态分布而不是正态分布。

借此，电池的参数R₀、R_d和C_d被认为很好地满足以上假设。

例如，电池的扩散电阻R_d表示为：

[等式24]

$R_d\left(T\right)\∝\frac{1}{D\left(T\right)}=\frac{1}{D_0}\exp \left(\frac{E_a}{\mathrm{RT}}\right)---\left(47\right)$

假设T表示绝对温度，D表示扩散系数，D₀表示常数，E_a表示激活能以及R表示气体常数。

在该情况下，由于电极表面附近中的状态的不均匀性，绝对温度T和激活能E_a可以改变。假设该变化形成正态分布，则原始扩散电阻R_d形成对数正态分布。

尽管以上讨论可能在理论上不完美，但是获得的值至少比通过如传统假设的假设电池的参数形成正态分布获得的值更接近于实际值。此外，诸如电阻的参数被防止取自不切实际的负值。因此，可以准确地估计参数以及使用参数估计的内部状态的值。

如以上所描述的，根据实施方式1的电池参数估计装置和电池参数的估计方法包括：对数变换参数值估计单元4B，基于检测到的充电/放电电流i和端电压v，通过使用通过对电池1的电池等效电路模型4A执行对数变换而获得的用作状态变量的对数变换参数值，利用卡尔曼滤波器41从状态等式和输出等式顺序地估计对数变换参数值；以及逆对数变换单元4C，通过对对数变换参数值执行逆对数变换获得作为对应于对数变换参数值的真值的参数。因此，参数的估计准确性高于传统技术。此外，估计的参数被防止取自不切实际的负值，因此提高估计准确性。

进一步地，由于可以提高参数的估计准确性，也可以高度准确地估计电池1的内部状态(充电状态、健康状态等)。

尽管已经基于实施方式描述了本发明，但是应理解的是，本发明并不限于此，而且包括在本发明的范围内产生的不同构造。

例如，根据本发明的电池参数估计装置可以用于电动车辆和混合车辆的电池的内部状态的估计，以及其他设备或系统中使用的电池的内部状态的估计。

参考符号列表

1  电池

2  电压传感器(端电压检测单元)

3  电流传感器(充电/放电电流检测单元)

4  状态估计单元

4A 电池等效电路模型

4B 对数变换参数值估计单元

4C 逆对数变换单元

41 卡尔曼滤波器

5  充电量计算单元

6  充电状态计算单元

7  健康状态计算单元。

Claims (6)

1.一种用于估计电池参数的装置，包括：充电/放电电流检测单元，用于检测电池的充电/放电电流；端电压检测单元，用于检测所述电池的端电压；以及包括作为参数的电阻器和电容器的电池等效电路模型，

所述用于估计电池参数的装置基于由所述充电/放电电流检测单元检测的所述充电/放电电流以及由所述端电压检测单元检测的所述端电压，通过使用所述电池等效电路模型来估计所述参数，所述用于估计电池参数的装置包括：

对数变换参数值估计单元，基于检测到的所述充电/放电电流以及所述端电压，通过使用对所述参数执行对数变换获得的对数变换参数值作为状态变量，利用卡尔曼滤波器从状态等式和输出等式顺序地估计所述对数变换参数值；以及

逆对数变换单元，通过对所述对数变换参数值执行逆对数变换来获取估计的参数值，所述估计的参数值为对应于所述对数变换参数值的逆对数。

2.根据权利要求1所述的用于估计电池参数的装置，包括：

内部状态值估计单元，基于作为通过所述逆对数变换单元获取的所述逆对数的所述参数，估计所述电池的内部状态值。

3.根据权利要求2所述的用于估计电池参数的装置，其中，

所述内部状态值是所述电池的充电状态和健康状态中的至少一个。

4.一种电池参数的估计方法，用于检测电池的充电/放电电流和端电压，并且基于检测到的所述充电/放电电流和所述端电压，通过使用包括作为所述参数的电阻器和电容器的等效电路模型来估计参数，所述估计方法包括：

基于检测到的所述充电/放电电流以及所述端电压，通过使用对所述参数执行对数变换获得的对数变换参数值作为状态变量，利用卡尔曼滤波器从状态等式和输出等式顺序地估计所述对数变换参数值；以及

通过对所述对数变换参数值执行逆对数变换来获取估计的参数值，所述估计的参数值为对应于所述对数变换参数值的逆对数。

5.根据权利要求4所述的估计方法，其中，

基于作为通过执行所述逆对数变换获取的所述逆对数的所述参数，估计所述电池的内部状态值。

6.根据权利要求5所述的估计方法，其中，

所述内部状态值是所述电池的充电状态和健康状态中的至少一个。