CN104773086B - 使用滚动时域回归分析来估计电池阻抗参数的方法和系统 - Google Patents

使用滚动时域回归分析来估计电池阻抗参数的方法和系统 Download PDF

Info

Publication number
CN104773086B
CN104773086B CN201510019483.4A CN201510019483A CN104773086B CN 104773086 B CN104773086 B CN 104773086B CN 201510019483 A CN201510019483 A CN 201510019483A CN 104773086 B CN104773086 B CN 104773086B
Authority
CN
China
Prior art keywords
battery
vehicle
parameter
impedance parameter
voltage
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.)
Active
Application number
CN201510019483.4A
Other languages
English (en)
Other versions
CN104773086A (zh
Inventor
李泰京
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ford Global Technologies LLC
Original Assignee
Ford Global Technologies LLC
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ford Global Technologies LLC filed Critical Ford Global Technologies LLC
Publication of CN104773086A publication Critical patent/CN104773086A/zh
Application granted granted Critical
Publication of CN104773086B publication Critical patent/CN104773086B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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]
    • B60L58/13—Maintaining the SoC within a determined range
    • 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
    • B60L3/00—Electric devices on electrically-propelled vehicles for safety purposes; Monitoring operating variables, e.g. speed, deceleration or energy consumption
    • B60L3/12—Recording operating variables ; Monitoring of operating variables
    • 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
    • B60L58/18—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries of two or more battery modules
    • B60L58/21—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries of two or more battery modules having the same nominal voltage
    • 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]
    • G01R31/389—Measuring internal impedance, internal conductance or related variables
    • 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
    • B60L2240/00—Control parameters of input or output; Target parameters
    • B60L2240/40—Drive Train control parameters
    • B60L2240/54—Drive Train control parameters related to batteries
    • B60L2240/547—Voltage
    • 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
    • B60L2240/00—Control parameters of input or output; Target parameters
    • B60L2240/40—Drive Train control parameters
    • B60L2240/54—Drive Train control parameters related to batteries
    • B60L2240/549—Current
    • 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
    • B60L2260/00—Operating Modes
    • B60L2260/40—Control modes
    • B60L2260/50—Control modes by future state prediction
    • 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
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/70—Energy storage systems for electromobility, e.g. batteries

Landscapes

  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Power Engineering (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Secondary Cells (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)

Abstract

提供了一种使用滚动时域回归分析来估计电池阻抗参数的方法和系统。本发明涉及一种混合动力车辆，所述混合动力车辆包括控制器和具有一个或更多个电池单体的电池包，其中，所述控制器被配置为基于广义线性回归分析来连续地更新电池模型参数值。所述分析使用自变向量和因变向量的数据集来更新所述参数，其中，所述数据集通过落入移动窗口内的电池包输入电流和相应的电池包电压响应而构建出。

Description

使用滚动时域回归分析来估计电池阻抗参数的方法和系统
技术领域
本公开涉及用于估计形成电池模型的组件的参数并提供对相关电池的控制的技术。
背景技术
混合动力电动车辆(HEV)利用内燃发动机与电动马达的组合来提供驱动车辆所需要的动力。与仅具有内燃发动机的车辆相比，这种布置提高了燃料经济性。提高HEV中的燃料经济性的一种方法包括在发动机低效运转且其他方面也不需要发动机来驱动车辆的期间将发动机关闭。在这些情况下，与电池系统结合的电动马达被用于提供驱动车辆所需要的所有动力。当驾驶者动力需求增加以致电动马达不再能够提供足够的动力以满足所述需求时，或者，在诸如当电池荷电状态(SOC)下降到低于特定水平的其他情况下，发动机应以对于驾驶者来说近乎一目了然的方式快速且平稳地起动。
发明内容
一种电池系统，包括电池包和控制器，其中，所述电池包具有一个或更多个电池单体，并且，所述控制器被配置为更新用于提供对所述电池包的控制的电池模型参数值。所述电池系统可包括一个或更多个等效电路，其中，所述一个或更多个等效电路被配置为使用广义线性回归分析来对电池包进行建模。使用具有自变向量和因变向量的数据集来执行广义线性回归分析，其中，所述数据集通过落入滑动窗口内的一系列电池包输入电流和相应的电池包电压响应而构建出。
一种牵引电池系统，包括：多个电池单体和控制器，其中，所述控制器被配置为：实施具有时间大小的滑动窗口，以滤取与电池单体相关的输入电流数据和相应的输出电压数据；基于输入电流数据和相应的输出电压数据的回归来输出与电池单体相关的阻抗参数；基于所述阻抗参数中的至少一个阻抗参数的值与预定义值之间的差值来改变所述时间大小，使得所述至少一个阻抗参数的后续值落入关于所述预定义值的预定义范围内；基于阻抗参数来输出用于限定最大功率限制和最小功率限制的电池单体功率容量；对电池单体进行充电和放电，使得与电池单体相关的功率保持在最大功率限制和最小功率限制之内。
根据本发明的一个实施例，在所述差值增大时，所述时间大小增大。
根据本发明的一个实施例，在所述差值减小时，所述时间大小减小。
根据本发明的一个实施例，所述阻抗参数包括内电阻、电荷转移电阻或电荷转移电容。
一种控制方法，包括：基于落入具有时间大小的滑动窗口内的电池输入电流数据和相应的电池输出电压数据的回归来输出牵引电池的阻抗参数；基于所述阻抗参数来输出用于限定最大功率限制和最小功率限制的牵引电池功率容量；操作牵引电池，以使得与牵引电池相关的功率保持在最大功率限制和最小功率限制之内。
根据本发明的一个实施例，所述时间大小基于预定义值与所述阻抗参数中的至少一个阻抗参数的值之间的差值。
根据本发明的一个实施例，在所述差值增大时，所述时间大小增大。
根据本发明的一个实施例，在所述差值减小时，所述时间大小减小。
根据本发明的一个实施例，所述阻抗参数包括内电阻、电荷转移电阻或电荷转移电容。
根据本发明的一个实施例，所述回归为线性回归。
附图说明
图1是混合动力电动车辆的示意图，其示出典型的动力传动与能量储存组件；
图2是锂离子电池的等效电路的示意图；
图3是用于确定一个或更多个电池模型参数的算法的流程图；
图4是示出滑动时间窗口的曲线图，其中，在所述滑动时间窗口期间，电池的电流输入数据和电压输出数据被收集；
图5是示出在广义回归分析中使用的所测量出的电池电流数据和电池电压数据的曲线图；
图6是示出通过滚动时域统计回归方法产生的估计电池参数的曲线图。
具体实施方式
根据需要，在此公开本发明的具体实施例；然而，将理解的是，所公开的实施例仅仅是本发明的示例，其中，本发明可被实现为各种替代形式。附图无需按比例绘制；可放大或最小化一些特征以示出特定组件的细节。因此，在此公开的特定结构和功能细节不会被解释为具有限制性，而仅仅作为用于教导本领域技术人员以多种形式使用本发明的代表性基础。
HEV电池系统可实施电池管理策略，其中，所述电池管理策略估计描述电池包和/或一个或更多个电池单体的当前操作状况的值。电池包和/或一个或更多个电池单体的操作状况包括电池荷电状态、功率衰减、容量衰减和即时可用功率。电池管理策略能够在电池包的整个使用期，随着电池单体老化对值进行估计。对一些参数的精确估计以及使用估计出的参数改进的电池动态预测可提高电池包的性能和鲁棒性，并可最终延长电池包的有效使用期。对于在此描述的电池系统，可按照下面的讨论来实现对特定电池包和/或电池单体参数的估计。
图1示出典型的混合动力电动车辆。典型的混合动力电动车辆2可包括被机械连接到混合动力传动装置6的一个或更多个电动马达4。此外，混合动力传动装置6被机械连接到发动机8。混合动力传动装置6还被机械连接到驱动轴10，其中，驱动轴10被机械连接到车轮12。在另一个未在图例中示出的实施例中，混合动力传动装置可为非可选式(non-selectable)齿轮传动装置，其中，所述非可选式齿轮传动装置可包括至少一个电机。当发动机8被启动或关闭时，电动马达4可提供驱动能力和减速能力。电动马达4还充当发电机，并可通过回收在摩擦制动系统中通常会作为热量流失的能量来在燃料经济性方面获益。由于在特定情况下，混合动力电动车辆2可在电动模式下运转，因此，电动马达4还可减少污染物排放。
电池包14可包括但不限于具有一个或更多个电池单体的牵引电池，其中，所述一个或更多个电池单体储存可由电动马达4使用的能量。车辆电池包14一般提供高电压DC输出，并被电气连接到电力电子模块16。电力电子模块16可与组成车辆计算系统22的一个或更多个控制模块进行通信。车辆计算系统22可控制若干车辆特征、系统和/或子系统。所述一个或更多个模块可包括但不限于电池管理系统。电力电子模块16还被电气连接到电动马达4，并提供在电池包14与电动马达4之间双向传递能量的能力。例如，典型的电池包14可提供DC电压，而电动马达4可能需要三相AC电流来运转。电力电子模块16可根据电动马达4的需求将DC电压转换为三相AC电流。在再生模式下，电力电子模块16将来自充当发电机的电动马达4的三相AC电流转换为电池包14所需要的DC电压。
除了提供用于驱动的能量之外，电池包14可为其他车辆电气系统提供能量。典型的系统可包括DC/DC转换器模块18，其中，所述DC/DC转换器模块18将电池包14的高电压DC输出转换为与其他车辆负载兼容的低电压DC供电。其他高电压负载可无需使用DC/DC转换器模块18而被直接连接。在典型的车辆中，低电压系统被电气连接到12V电池20。
电池包14可由电力电子模块16控制，其中，所述电力电子模块16可从具有一个或更多个控制模块的车辆计算系统22接收命令。所述一个或更多个控制模块可包括但不限于电池控制模块。可使用电池模型参数估计方法来校正所述一个或更多个控制模块以控制电池包14，其中，所述电池模型参数估计方法估计操作期间的一般意义上的有效电池内电阻以用于确定电池功率容量。功率容量预测使得电池包14能够防止过充电和过放电，其中，所述过充电和过放电会导致电池的寿命缩短、车辆动力传动方面的性能问题等。
电池参数预测方法和/或策略可有助于实时(即，在操作期间)确定电池电流限制和功率容量。许多电池参数估计处理受电池模型的保真度以及电池操作期间的不可预测的环境状况或不可预期的噪声的影响。例如，如果电池处于载流耗尽模式，则简单电池模型无法捕获试图测量的与电压输出和电流输入相关的复杂系统动态。车辆电池测量方法/策略可使用等效电路模型来获取操作期间的电化学阻抗，其中，所述等效电路模型使用若干种配置下的一个或更多个电阻-电容(R-C)电路来测量车辆中的电池包。
图2是将电池模型化的简单等效电路的示意图。所述电路可将包括电池包和/或一个或更多个电池单体的电池模型化。简单等效电路模型200可包括Randles电路模型和/或一个或更多个R-C电路。Randles电路(例如，R-C电路)包括活性电解质电阻R1 202、电容C204和活性电荷转移电阻R2 206，其中，活性电解质电阻R1 202与活性电荷转移电阻R2 206和电容C 204的并联相串联。Randles电路允许测量端电压vt 212、电池开路电压vOC 214、电池内电压v1216和R-C电路的电压v2 210。Randles电路可在HEV电池管理系统中被实施以提供针对一个或更多个电池参数的预测计算。
HEV电池管理系统可实施Randles电路模型以预测电池动态响应，诸如针对电池包的电流输入的电池端电压响应。Randles电路模型可促进可由电池管理系统管理的快速计算，而无需引入其他的硬件和/或增加系统复杂度。等效电路模型200可允许计算可预测的电池系统参数，其中，所述电池系统参数包括但不限于：电池包的阻抗、内电阻及其关联动态。测量值可被记录、计算和存储在包括电池能量控制模块的车辆计算系统中的一个或更多个控制模块中。
可基于各种算法通过对电池输入和电池输出的测量来估计Randles电路模型中的模型参数。可利用估计出的模型参数从电池模型预测电池功率容量，其中，所述估计出的模型参数代表车辆运转(例如，实时运转)期间的欧姆行为、电荷转移动力学和扩散动力学。电池功率容量会受电池当前状态及其关联动态的影响。电池的功率容量可通过测量内部状态来确定，并可通过使用外部系统输出来推测，其中，外部系统输出在电池操作期间会受到系统噪声影响。可通过将滚动时域(receding horizon)应用到电池测量以促使估计出的参数对所述系统噪声不太敏感来改善对于电池系统的功率容量计算。
实时电池模型参数估计算法可被设计为通过将广义线性回归分析与滚动时域法(即，移动窗口法)进行结合以获取估计出的对模型失准度和传感器噪声不太敏感的模型参数。Randles电路模型由下面的等式表示：
其中，使用下面的等式将等式(1)离散化以应用于移动窗口：
在下面的等式中，基于等式(2)推导出等式(1)的离散形式：
其中，v2,k210为在当前时间步t＝tk，简化Randles电路模型中的R-C电路两端的电压，v2,k-1为在先前时间步t＝tk-1，简化Randles电路模型中的R-C电路两端的电压，Δt为时间步的持续时间，并且，ik-1为在先前时间步t＝tk-1的输入电流。用于实现等式(3)的可选择方式为利用在当前时间步的输入电流ik来替代在先前时间步的输入电流ik-1。
如在等式(3)中表示的，新的模型参数a在下面的等式中被定义：
并且，另一模型参数b在下面的等式中被定义：
表示电池动态的电池响应在下面的等式中被定义：
yk＝vOC,k-vt,k＝v2,k+R1ik (6)
其中，yk为表示在给定的电池荷电状态(SOC)下的电池动态的电池电压响应，vOC,k为在当前时间步t＝tk的开路电压，并且，vt,k为在当前时间步t＝tk，在电池端子测量的端电压。
为了推导出包括在等式(6)中定义的电池响应和输入电流的系统响应等式，下面的等式将等式(6)转换为
v2,k＝yk-R1ik (7)
然后，将等式(7)与等式(3)相结合，从而得出在下面等式中由输入电流和系统响应来表示的系统动态等式：
yk＝ayk-1+R1ik+(b-aR1)ik-1 (8)
所得出的等式被表示为由系数a、R1和(b-aR1)以及自变量组成的线性函数的形式。线性系数a、R1和(b-aR1)以及自变量表示测量出的在先前时间步t＝tk-1的系统电压响应yk-1、在当前时间步t＝tk输入电池包的电流ik和在先前时间步t＝tk-1输入电池包的电流ik-1。
如下面所示，在等式(8)中的线性等式的系数以1×3向量形式表示：
β＝[a R1(b-aR1)]T＝[β1 β2 β3]T (9)
在等式(8)中的线性等式的自变量表示为下面的向量：
Xk＝[yk-1 ik ik-1] (10)
使用下面的等式从包括滑动窗口内的测量数据的数据集估计系数向量β：
其中，为确定的系数向量，并且，X为自变量的数据矩阵。当时间窗口中的数据的数量为N时，在等式(11)中的自变量的数据矩阵X为由下面的向量构建的N×3矩阵：
在等式(11)中的因变量的数据向量为由下项构建的N×1向量
一旦系数向量被确定，则可使用通过等式(4)、(5)和(9)推导出的下面等式，通过所述向量计算出电池模型参数R1、R2和C。
图3是用于确定在电池包的管理和控制中使用的一个或更多个电池模型参数的算法的流程图。可使用包含在车辆控制模块内的软件代码来实施该方法。在其他实施例中，方法300可被在其他车辆控制器中实施或分布于多个车辆控制器中。
再次参照图3，在图1和图2中示出的车辆及其组件在对所述方法进行讨论的整个过程中被提及以帮助理解本公开的各个方面。在混合动力电动车辆中控制电池参数预测的方法可通过以下项来实施：被编程到车辆的适合的可编程逻辑器件的计算机算法、机器可执行代码或软件指令，其中，所述可编程逻辑器件诸如车辆控制模块、混合动力控制模块、与车辆计算系统进行通信的其他控制器或它们的结合。尽管在流程图300中示出的各个步骤看起来按时间先后顺序发生，但至少一些步骤可按不同的顺序发生，并且，一些步骤可同时执行，或根本不执行。
在步骤302，在使车辆通电的点火开关接通(key-on)事件期间，车辆计算系统可开始使一个或更多个模块通电。在步骤304，所述一个或更多个模块的通电可在允许一个或更多个算法在车辆计算系统内被执行之前，促使与电池管理系统相关的变量进行初始化。
例如，由于处于休眠的电池单体的动态具有自放电/载流耗尽状态，所以在点火开关接通事件期间会需要初始化电池参数。电池管理方法可在测量输入电流和输出电压之前初始化系统，其中，所述输入电流和输出电压用于预测电池端电压、电流限制和/或体现电池动态特征的其他电池相关参数。电池动态可在点火开关接通事件期间基于若干种因素而变化，其中，所述若干种因素包括但不限于：车辆未充电的掉电时长、电池的寿命、电池操作模式和/或环境状况。
在步骤306，在被设计为用于估计系统响应的电池系统或算法中，系统可从传感器接收测量的电池电压输出和测量的电池电流输入。在步骤308，所述系统可监测由电流测量结果和电压测量结果组成的数据点的数量。如果数据点的数量小于在预定移动窗口中可测量的数据点的期望数量，则所述系统可请求在执行广义线性回归分析(312)之前收集附加的数据点。例如，可通过将窗口持续时间tdur除以时间步Δt来计算在预定滑动窗口内的数据点的数量。在另一示例中，所述系统可收集移动窗口内的数据点，直到数据点的数量等于或大于使用滚动时域分析来计算电池参数预测结果所需要的数据点的可校定数量。如果所述系统尚未接收到所需要的数量的数据点，则所述系统可继续测量和聚集更多输入电流数据和输出电压数据。
可基于若干种因素来校定滑动窗口的持续时间(或大小)，其中，所述若干种因素包括：对保持估计出的模型参数相对于在离线测试期间预测量的电池参数值的差异的确定结果。所述差异可基于估计出的模型参数与预测量的电池参数值之间的预定义范围。可使用校定处理来离线地确定和/或测量实际值。所述范围可被表示为电池荷电状态、温度和/或其他电池特性变量的函数。
在步骤310，如果数据点的数量等于或大于在所述移动窗口中需要的数据点的数量，则新数据点被添加到数据集，同时将最旧数据点从数据集去除。在图4中对时间帧窗口进行更为详细的说明和解释。
在步骤312，一旦所述系统具有包括通过步骤306、308和310而准备的电池电压测量结果和电池电流测量结果的数据，则所述系统可对数据集执行广义线性回归分析来估计等效电路模型中的体现电池动态特征的电池模型参数。广义线性回归分析使用包括解释变量(或自变量)和响应变量(或因变量)的数据集来估计线性回归方程中的系数以对所述数据进行最优拟合。通过记录在滑动窗口内收集到的电流测量结果和电压测量结果来准备所述数据集。电池参数可为但不限于：在等效电路200的R-C电路中的参数和电池内电阻。电池参数可基于在电池管理方法中使用的等效电路模型的结构而不同。
在步骤314，预测包括电池功率容量的电池响应，以使得所述系统能够确定在每个时间步或任意时间步如何管理电池功率和能量。电池功率容量可包括设置的最大和最小功率限制值，以用于基于计算出的阻抗来操作电池。精确的电池响应预测可通过将电池操作调整到安全范围内来防止或减缓电池的过度使用，从而提高电池的寿命。精确的电池响应预测可还通过扩展电池包在电池电动车辆或混合动力电动车辆中的使用来提高动力传动系统或其他相关系统/子系统的性能。
在步骤316，如果所述系统检测到点火开关断开(key-off)事件，则所述系统可结束用于管理电池包和/或一个或更多个电池单体的一个或更多个算法。如果所述系统没有接收到点火开关断开请求，则所述系统可继续测量用于估计电池参数的电池包的电池电流和输出电压。在步骤318，车辆计算系统可具有使得所述系统能够在非易失性存储器中存储一个或更多个参数的车辆点火开关断开模式，使得这些参数可被所述系统用于下一点火开关接通事件。
图4是示出滚动时域统计回归方法接收一个或更多个滑动窗口中的电压数据和电流数据的曲线图。曲线图显示电池输入电流波形403、电池电压输出波形405和位于不同时间位置的持续时间为tdur的移动窗口408、410、412。电池输入电流波形曲线图400由表示时间的x轴402、表示电流的y轴404和电池输入电流波形403组成。电池电压输出波形曲线图401由表示时间的x轴402、表示电压的y轴406和电池输出电压波形405组成。电流波形403和电压波形405可由传感器测量出或者通过各种算法而估计出。
滚动时域(或移动窗口)允许在仅使用在持续时间tdur内的移动窗口中存储的电池响应数据量的情况下对一个或更多个电池模型参数进行实时估计。对在移动窗口408、410、412中收集到的数据403、405的广义线性回归分析通过将数据与回归方程之间的差异最小化来过滤测量噪声并处理数据中的噪声。在噪声抑制性能和实际参数值追踪性能得以平衡的情况下确定窗口持续时间tdur。
图5是示出电池电流测量数据和电池电压测量数据的曲线图，其中，电池电流测量数据和电池电压测量数据用于构建在广义线性回归分析中的自变数据和因变数据。该曲线图显示用于收集电池电流测量数据和电池电压测量数据的移动窗口508。电池电压输出波形曲线图500显示电池电压输出510，其中，通过从电池端电压减去电池开路电压(OCV)而计算得到电池电压输出510。电池电压输出波形500由表示时间的x轴502和表示电压的y轴504组成。电池输入电流波形曲线图501通过具有表示时间的x轴502和表示电流的y轴506来显示电池输入电流512。所述窗口收集在当前时间的电池电流和电池电压的新数据点，并丢弃所述窗口中的最旧数据点，其中，所述窗口具有时间步的预定义持续时间510，并向新数据移动。
图6是示出使用滚动时域统计回归方法估计出的电池参数的曲线图。内电阻(或活性电解质电阻)波形曲线图600显示使用滚动时域方法610和先前方法608在一定时间段对内电阻的估计结果。先前方法608可包括但不限于扩展卡尔曼滤波估计法。曲线图600由表示时间的x轴602、表示欧姆的y轴604和估计出的内电阻波形608、610组成。活性电荷转移电阻波形曲线图601显示使用回归分析612和先前方法614估计出的电荷转移电阻的波形，其中，先前方法614可使用扩展卡尔曼滤波器来实现，但不限于此。电荷转移电阻波形曲线图由表示时间的x轴602和表示欧姆的y轴606组成。
估计出的电池模型参数可包括但不限于：内电阻R1、电荷转移电阻R2和电荷转移电容C，并允许电池控制器实时计算(或预测)电池功率容量或其他电池响应。计算出的电池模型响应有助于有效地使用电池包，同时防止超过电池使用限制的电池过度操作，从而提高电池包和/或所述一个或更多个电池单体的寿命和性能。
尽管以上描述了示例性实施例，但并不意味着这些实施例描述了本发明的所有可能形式。相反地，说明书中所使用的词语是描述性词语而非限制性词语，并且，应理解的是，可在不脱离本发明的精神和范围的情况下做出各种改变。此外，可将各种实施例的特征进行组合以形成本发明的另外的实施例。

Claims (5)

1.一种车辆，包括：
牵引电池；以及
控制器，被配置为：
基于落入具有时间大小的滑动窗口内的电池输入电流数据和相应的电池输出电压数据的回归来输出与牵引电池相关的阻抗参数；
基于所述阻抗参数来输出用于限定最大功率限制和最小功率限制的牵引电池功率容量；并且
操作牵引电池，以使得与牵引电池相关的功率保持在最大功率限制和最小功率限制之内。
2.如权利要求1所述的车辆，其中，所述时间大小基于预定义值与所述阻抗参数中的至少一个阻抗参数的值之间的差值。
3.如权利要求2所述的车辆，其中，在所述差值增大时，所述时间大小增大。
4.如权利要求2所述的车辆，其中，在所述差值减小时，所述时间大小减小。
5.如权利要求1所述的车辆，其中，所述阻抗参数包括内电阻、电荷转移电阻或电荷转移电容。
CN201510019483.4A 2014-01-14 2015-01-14 使用滚动时域回归分析来估计电池阻抗参数的方法和系统 Active CN104773086B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US14/154,802 2014-01-14
US14/154,802 US9205755B2 (en) 2014-01-14 2014-01-14 Receding horizon regression analysis for battery impedance parameter estimation

Publications (2)

Publication Number Publication Date
CN104773086A CN104773086A (zh) 2015-07-15
CN104773086B true CN104773086B (zh) 2018-09-14

Family

ID=53485097

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510019483.4A Active CN104773086B (zh) 2014-01-14 2015-01-14 使用滚动时域回归分析来估计电池阻抗参数的方法和系统

Country Status (3)

Country Link
US (1) US9205755B2 (zh)
CN (1) CN104773086B (zh)
DE (1) DE102015100151A1 (zh)

Families Citing this family (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10345385B2 (en) 2014-05-12 2019-07-09 Gm Global Technology Operations Llc. Battery state estimation systems and methods using a nonlinear resistance element
US9419314B2 (en) * 2014-05-12 2016-08-16 GM Global Technology Operations LLC Systems and methods for determining battery system power capability
US9381823B2 (en) * 2014-07-17 2016-07-05 Ford Global Technologies, Llc Real-time battery estimation
US10224579B2 (en) 2015-12-31 2019-03-05 Robert Bosch Gmbh Evaluating capacity fade in dual insertion batteries using potential and temperature measurements
US10686321B2 (en) 2016-01-29 2020-06-16 Robert Bosch Gmbh Secondary battery management
US10263447B2 (en) 2016-01-29 2019-04-16 Robert Bosch Gmbh Secondary battery management system
US10243385B2 (en) 2016-01-29 2019-03-26 Robert Bosch Gmbh Secondary battery management system
US10436845B2 (en) * 2016-03-01 2019-10-08 Faraday & Future Inc. Electric vehicle battery monitoring system
US10040366B2 (en) * 2016-03-10 2018-08-07 Ford Global Technologies, Llc Battery terminal voltage prediction
CN106200858B (zh) * 2016-07-18 2019-03-15 浪潮(北京)电子信息产业有限公司 一种电池备份单元驱动模块
JP6831193B2 (ja) * 2016-08-26 2021-02-17 トヨタ自動車株式会社 ハイブリッド車両の制御装置
US10447046B2 (en) * 2016-09-22 2019-10-15 Robert Bosch Gmbh Secondary battery management system with remote parameter estimation
US10099679B2 (en) * 2016-10-20 2018-10-16 Fca Us Llc Battery state and parameter estimation using a mixed sigma-point kalman filtering and recursive least squares technique
CN106950507A (zh) * 2017-05-12 2017-07-14 国家电网公司 一种智能时钟电池用高可靠性寿命评估方法
US10538174B2 (en) 2017-09-29 2020-01-21 Nio Usa, Inc. Real-time nonlinear receding horizon control of batteries for power systems
CN109241041B (zh) * 2018-06-26 2021-05-11 广东工业大学 一种注塑成型装备大数据的预处理方法及装置
WO2021014406A1 (en) * 2019-07-24 2021-01-28 Eco Home As Method and device for predicting state of health and remaining lifetime for used electric vehicle batteries
CN110717887A (zh) * 2019-09-05 2020-01-21 中国航空工业集团公司洛阳电光设备研究所 一种针对线列探测器坏元检测的方法
CN112379270B (zh) * 2020-11-13 2024-01-30 哈尔滨工业大学 一种电动汽车动力电池荷电状态滚动时域估计方法
KR102472040B1 (ko) * 2022-06-23 2022-11-29 주식회사 셀포인트 학습된 추론모델 기반 배터리특성 도출시스템 및 그 방법

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6874591B2 (en) 1994-05-27 2005-04-05 Deka Products Limited Partnership Speed limiting for a balancing transporter
CN102308424B (zh) * 2009-02-03 2014-12-10 株式会社东芝 非水电解质二次电池、电池组及汽车
US8055460B2 (en) 2009-02-20 2011-11-08 GM Global Technology Operations LLC Method and apparatus for monitoring solenoid health
KR20100012611U (ko) * 2009-06-11 2010-12-21 변세정 디스플레이 일체형 칠판시스템
US8825243B2 (en) 2009-09-16 2014-09-02 GM Global Technology Operations LLC Predictive energy management control scheme for a vehicle including a hybrid powertrain system
US8170818B2 (en) 2010-03-10 2012-05-01 GM Global Technology Operations LLC Battery state estimator using multiple sampling rates
US8534400B2 (en) * 2011-02-14 2013-09-17 Ford Global Technologies, Llc Electric vehicle and method of control for active auxiliary battery depletion
US9283947B2 (en) * 2011-04-11 2016-03-15 GM Global Technology Operations LLC System and method for determining battery capacity in an electric vehicle
CN102130489A (zh) * 2011-04-22 2011-07-20 上海狮虎能源科技发展有限公司 电动汽车的充电系统
US9446666B2 (en) * 2011-06-16 2016-09-20 Renault S.A.S. Method to supply an electric accessory of a motor vehicle comprising an electric battery to which said accessory is connected

Also Published As

Publication number Publication date
CN104773086A (zh) 2015-07-15
US9205755B2 (en) 2015-12-08
US20150197164A1 (en) 2015-07-16
DE102015100151A1 (de) 2015-07-16

Similar Documents

Publication Publication Date Title
CN104773086B (zh) 使用滚动时域回归分析来估计电池阻抗参数的方法和系统
CN104773083B (zh) 混合动力传动系统及车辆
El Mejdoubi et al. Lithium-ion batteries health prognosis considering aging conditions
Wang et al. On-line remaining energy prediction: A case study in embedded battery management system
Perez et al. Optimal charging of Li-ion batteries with coupled electro-thermal-aging dynamics
Hussein Capacity fade estimation in electric vehicle li-ion batteries using artificial neural networks
CN104868519B (zh) 电池控制系统、车辆及平衡牵引电池的电池单元的方法
CN104859471B (zh) 车辆、电池控制系统以及操作牵引电池的方法
US11555858B2 (en) Systems, methods, and storage media for predicting a discharge profile of a battery pack
CN104859473B (zh) 用于车辆的动力传动系控制系统、车辆及控制车辆的方法
CN104859472B (zh) 用于车辆的动力传动系控制系统、车辆及控制车辆的方法
CN104931784B (zh) 基于频率的电池模型参数估计
KR102335296B1 (ko) 무선 네트워크 기반 배터리 관리 시스템
CN105034835B (zh) 基于电池功率容量调节电池最小荷电状态极限的方法
CN103915659B (zh) 用以获得和使用电池系统中的温度信息的系统及方法
CN104723894B (zh) 用于电池参数估计的车辆、方法和系统
Eddahech et al. Adaptive voltage estimation for EV Li-ion cell based on artificial neural networks state-of-charge meter
Kessels et al. On-line battery identification for electric driving range prediction
CN105467325A (zh) 电池容量退化解决的方法和系统
CN105277893A (zh) 实时电池估计
CN104142477A (zh) 固态浓度模型结合经验等效电路模型的蓄电池状态估计器
US20160006275A1 (en) System and method for battery open circuit voltage estimation
US20160001672A1 (en) Equivalent circuit based battery current limit estimations
Chaoui et al. Adaptive state of charge estimation of lithium-ion batteries with parameter and thermal uncertainties
US9067504B1 (en) Perturbative injection for battery parameter identification

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