CN104813181B - 参数推断装置、参数推断方法、蓄电系统 - Google Patents

参数推断装置、参数推断方法、蓄电系统 Download PDF

Info

Publication number
CN104813181B
CN104813181B CN201380060848.7A CN201380060848A CN104813181B CN 104813181 B CN104813181 B CN 104813181B CN 201380060848 A CN201380060848 A CN 201380060848A CN 104813181 B CN104813181 B CN 104813181B
Authority
CN
China
Prior art keywords
value
inferred value
inferred
error
coefficient
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
CN201380060848.7A
Other languages
English (en)
Other versions
CN104813181A (zh
Inventor
若杉幸
若杉一幸
森田克明
尾崎和基
重水哲郎
桥本雅之
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.)
Mitsubishi Heavy Industries Ltd
Original Assignee
Mitsubishi Heavy Industries Ltd
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 Mitsubishi Heavy Industries Ltd filed Critical Mitsubishi Heavy Industries Ltd
Publication of CN104813181A publication Critical patent/CN104813181A/zh
Application granted granted Critical
Publication of CN104813181B publication Critical patent/CN104813181B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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]
    • G01R31/3644—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
    • G01R31/36—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
    • 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]
    • G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
    • 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

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Tests Of Electric Status Of Batteries (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)
  • Secondary Cells (AREA)
  • Complex Calculations (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种参数推断装置、参数推断方法、蓄电系统及程序，参数推断装置具备：状态量实测部(11)，获取与多个参数具有相关性的状态量的实测值；状态量运算部(12)，根据该多个参数的推断值与上述状态量的相关式，运算并获取与实测值分别对应的运算值；以及最适推断值确定部(13)，求出根据与实测值相对应的运算值的误差的绝对量的总和乘以第一系数而得到的值和误差的偏差度乘以第二系数而得到的值来计算出的误差评价函数值，改变上述推断值，并且确定使误差评价函数值成为极小的最适推断值。

Description

参数推断装置、参数推断方法、蓄电系统
技术领域
本发明涉及一种推断表示装置的状态的多个参数的参数推断装置、参数推断方法、蓄电系统及程序。
本申请主张基于2012年12月17日申请的日本专利申请第2012-274750号的优先权，其内容援用于本说明书中。
背景技术
近几年，尤其从有效利用可再生能源的观点考虑，搭载有锂离子电池等二次电池的电力系统/供电系统的重要性增大。其中，从使用了锂离子电池的电力系统的运用/保养的观点考虑，要求在锂离子电池的运用中实时检测锂离子电池的充电率(剩余容量率)或内部电阻(电池的寿命)。但是，如上述的蓄电装置(锂离子电池)的“剩余容量率”或“寿命”这些参数是不能直接观测的参数。因此，作为推断这些未知数组的方法之一，已知有参数拟合方法。
参数拟合方法如下，对上述未知数组分别代入任意的(初期)推断值，将由预先准备的计算模型(实机模拟模型)计算出的运算值与另行获取的真值(实测值)进行比较，同时搜索上述未知数组的真值。在参数拟合方法中，稍微改变多个未知数组中的一个或多个，并且评价运算值与实测值的误差量，向该误差量减少的方向推进。并且，最终将误差为极小值时的推断值视为该未知数组的真值。
另外，作为评价上述误差量的评价函数，通常已知有利用误差的平方和的方法(最小二乘法)(例如专利文献1)。这种情况下，在上述参数拟合方法中，更新未知数组的推断值，以降低该误差的平方和(通常被称为“爬山法”的方法)。
以往技术文献
专利文献
专利文献1：日本专利公开2011-122951号公报
发明内容
发明要解决的技术课题
然而，基于上述最小二乘法的方法中，有时发生在改变推断值的过程中，落入局部解(不是最佳解的极小值)而不能达到真值的事例。尤其，在实测值包括偏差的情况等时，会引起如下问题，即虽然是某些参数的推断值较大偏离真值的阶段，但即使使该推断值移向大小任意方向，评价函数值(误差平方和)还是增大，而终止运算。
这种落入局部解的现象，例如，理想的是能够通过使所有未知数组的推断值循环变化来解决。但是，在未知数组由独立的多个参数构成的情况下，其组合的数量庞大，直至导出该解的运算速度显著下降。因此，鉴于实时依次检测装置参数的宗旨，如上述的运算算法是非现实的。
如上事例不限于蓄电装置中的“剩余容量率”或“寿命”这些参数的推断，在处理未知数的各种模型事例中可能发生。
本发明提供一种参数推断装置、参数推断方法、蓄电系统及程序。
用于解决技术课题的手段
根据本发明的第1形态，一种参数推断装置，其对表示规定装置的状态的随着运用而变化的多个参数的推断值进行确定，其具备：状态量实测部，按规定时间获取多个与所述多个参数具有相关性的状态量的实测值；状态量运算部，根据作为所述多个参数给定的推断值与所述状态量的相关式，运算并获取与所述多个实测值分别对应的运算值；以及最适推断值确定部，求出根据与所述多个实测值相对应的所述多个运算值的误差的绝对量的总和乘以第一系数而得到的值和所述误差的偏差度乘以第二系数而得到的值来计算出的误差评价函数值的同时，实施推断值确定处理，该推断值确定处理中，改变所述推断值的一个或多个，并且确定使所述误差评价函数值成为极小的最适推断值。所述最适推断值确定部重复进行所述推断值确定处理，此时，将在前一次的推断值确定处理中求出的最适推断值设为初始值，并且与实施前一次的推断值确定处理时相比，使所述第一系数相对于所述第二系数相对变大。
根据本发明的第2形态，在上述第1形态的参数推断装置中，所述最适推断值确定部至少在最初的所述推断值确定处理中，将所述第一系数和所述第二系数这两者设定为非零的值。
根据本发明的第3形态，在上述第1或第2形态的参数推断装置中，所述规定装置为搭载二次电池的蓄电装置，所述状态量为所述蓄电装置的输出电压，所述多个参数为至少表示所述蓄电装置的内部电阻、充电量中的任意一者或两者的参数。
根据本发明的第4形态，一种蓄电系统，其具备：蓄电装置；以及参数推断装置，对表示所述蓄电装置的状态的随着运用而变化的多个参数的推断值进行确定，其中，所述参数推断装置具备：状态量实测部，按规定时间获取多个与所述多个参数具有相关性的输出电压的实测值；状态量运算部，根据作为所述多个参数给定的推断值与所述输出电压的相关式，运算并获取与所述多个实测值分别对应的运算值；以及最适推断值确定部，求出根据与所述多个实测值相对应的所述多个运算值的误差的绝对量的总和乘以第一系数而得到的值和所述误差的偏差度乘以第二系数而得到的值来计算出的误差评价函数值的同时，实施推断值确定处理，该推断值确定处理中，改变所述推断值的一个或多个，并且确定使所述误差评价函数值成为极小的最适推断值。所述最适推断值确定部重复进行所述推断值确定处理，此时，将在前一次的推断值确定处理中求出的最适推断值设为初始值，并且与实施前一次的推断值确定处理时相比，使所述第一系数相对于所述第二系数相对变大。
根据本发明的第5形态，一种参数确定方法，其对表示规定装置的状态的随着运用而变化的多个参数的推断值进行确定，其中，按规定时间获取多个与所述多个参数具有相关性的状态量的实测值；根据作为所述多个参数给定的推断值与所述状态量的相关式，运算并获取与所述多个实测值分别对应的运算值；求出根据与所述多个实测值相对应的所述多个运算值的误差的绝对量的总和乘以第一系数而得到的值和所述误差的偏差度乘以第二系数而得到的值来计算出的误差评价函数值，重复进行改变所述推断值的一个或多个，并且确定使所述误差评价函数值成为极小的最适推断值的推断值确定处理，所述推断值确定处理中，将在前一次的推断值确定处理中求出的最适推断值设为初始值，并且与实施前一次的推断值确定处理时相比，使所述第一系数相对于所述第二系数相对变大。
根据本发明的第6形态，一种程序，使对表示规定装置的状态的随着运用而变化的多个参数的推断值进行确定的参数推断装置的计算机作为如下构件发挥功能：状态量实测构件，按规定时间获取多个与所述多个参数具有相关性的状态量的实测值；状态量运算构件，根据作为所述多个参数给定的推断值与所述状态量的相关式，运算并获取与所述多个实测值分别对应的运算值；最适推断值确定构件，求出根据与所述多个实测值相对应的所述多个运算值的误差的绝对量的总和乘以第一系数而得到的值和所述误差的偏差度乘以第二系数而得到的值来计算出的误差评价函数值的同时，实施推断值确定处理，该推断值确定处理中，改变所述推断值的一个或多个，并且确定使所述误差评价函数值成为极小的最适推断值，所述最适推断值确定构件进一步重复进行所述推断值确定处理，此时，将在前一次的推断值确定处理中求出的最适推断值设为初始值，并且与实施前一次的推断值确定处理时相比，使所述第一系数相对于所述第二系数相对变大。
发明效果
根据上述的参数推断装置、参数推断方法、蓄电系统及程序，可得到不会使运算速度显著降低而提高所检测的装置参数的推断精度的效果。
附图说明
图1是表示本发明的一实施方式的参数推断装置的功能结构的图。
图2是表示本发明的一实施方式的蓄电装置的等效电路的图。
图3是表示本发明的一实施方式的最适推断值确定部的处理流程的第一图。
图4是表示本发明的一实施方式的最适推断值确定部的处理流程的第二图。
图5是表示本发明的一实施方式的实测值与运算值的比较的第一图。
图6是表示本发明的一实施方式的实测值与运算值的比较的第二图。
图7是表示本发明的一实施方式的实测值与运算值的比较的第三图。
图8是表示本发明的一实施方式的蓄电系统的功能结构的图。
具体实施方式
以下，参考附图对本发明的一实施方式的参数推断装置进行说明。
图1是表示本发明的一实施方式的参数推断装置的功能结构的图。
参数推断装置1是对表示规定装置的状态的随着运用而变化的多个参数的推断值进行确定的装置。在此，“规定装置”在本实施方式中可举出例如“蓄电装置”。即，参数推断装置1是对作为“蓄电装置”的运用而变化的多个参数的，不能直接进行实测的“充电率”或“内部电阻”的推断值进行确定的参数推断装置。
而且，参数推断装置1具备有状态量实测部11，所述状态量实测部按规定时间获取多个与该多个参数(充电率、内部电阻等)具有相关性的状态量的实测值。在此，“能够实测的状态量”在本实施方式中例如为蓄电装置的“输出电压”。本实施方式的状态量实测部11依次实测在该电力系统中蓄电装置所输出的输出电压。此时，状态量实测部11按规定时间(例如0.1秒)获取40个标绘图(Plot)(4秒的时间)的输出电压，以便能够掌握该期间的随时间变化。另外，作为这种将输出电压作为实测值获取的设备，通常使用A/D(模拟一数字)转换器。
并且，参数推断装置1具备有状态量运算部12，所述状态量运算部根据作为该多个参数(充电率、内部电阻等)给定的推断值与上述状态量(输出电压)的相关式，运算并获取与状态量实测部11获取的多个实测值分别对应的运算值。在此，本实施方式的状态量运算部12预先具有参数推断装置1能够从对象蓄电装置的电路模型导出的，充电率或内部电阻等与输出电压之间的相关式。另外，该相关式是将输出电压的随时间变化数式化的式子，作为时刻t的系数包括上述多个参数。因此，对上述多个参数给定一组的某一推断值并代入到该相关式的情况下，能够单值确定与该推断值相对应的输出电压随时间变化的各值。而且，状态量运算部12计算并获取与通过状态量实测部11获取的多个实测值的各标绘图相对应的(例如由每0.1秒的40标绘图构成的)运算值。关于具体的电路模型和相关式的例子，将进行后述。
并且，参数推断装置1具备有最适推断值确定部13，所述最适推断值确定部求出根据与多个实测值相对应的多个运算值的误差的绝对量的总和乘以第一系数而得到的值和该误差的偏差度乘以第二系数而得到的值来计算出的误差评价函数值。若具体说明，本实施方式的最适推断值确定部13首先比较从状态量实测部11输入的上述多个实测值和对应于该实测值从状态量运算部12输入的运算值的误差。在此，最适推断值确定部13将规定的误差评价函数(式(1))用作比较该误差的方法。而且，本实施方式的最适推断值确定部13的特征为，作为该误差评价函数，根据误差的绝对量的总和J乘以第一系数a1而得到的值与该误差的偏差度σ乘以第二系数a2而得到的值之和求出。即，误差评价函数A如式(1)所示。
[数学式1]
A＝a1·J+a2·σ……(1)。
另外，“误差的绝对量的总和J”是指状态量实测部11在规定期间标绘多个的实测值与状态量运算部12运算并获取的与所述实测值分别对应的运算值的误差量的总和。即，能够视为误差的绝对量的总和J越小，实测值及运算值在整个标绘图中一致。
另一方面，“误差的偏差度σ”是表示相对于实测值的运算值的各标绘图中的误差量是否集中于恒定值的数值(例如，误差的标准偏差除以误差的平均值而得到的值)。即，误差的偏差度σ较小的情况下，不是误差量较小，而是表示在各标绘图中的误差量集中于某一恒定值的状态。
图2是表示本发明的一实施方式的蓄电装置的等效电路的图。
接着，对本实施方式的状态量运算部12为了计算运算值而使用的电路模型及相关式进行具体说明。
由锂离子电池等构成的通常的蓄电装置的电特性通过如图2所示的电路图表示。在此，图2所示的电路图的DCR[Ω]是蓄电装置的串联内部电阻，其与蓄电装置运用的同时随时间上升。ACR[Ω]及ACC[F]是表示在电池内的各处界面等产生的双电层的电阻和电容器的并联电路。OCV[V]是该蓄电装置的释放电压。并且，电荷量Q[C]是蓄积在电容器ACC的电荷量。
尤其，内部电阻DCR和释放电压OCV是导出该蓄电装置的寿命和充电率时的重要参数。然而，表示蓄电装置的状态的上述参数均为不能直接测量的性质的参数，需要从别的能够实测的状态量(输出电压的实测值，或其随时间变化)运算而间接导出。因此，本实施方式的参数推断装置1的状态量运算部12预先具有从如图2所示的电路模型导出的多个参数(DCR、ACC、ACR、OCV、Q，以下将这些称为“未知数组”)与作为能够实测的状态量的输出电压之间的相关式。如上所述，该相关式是将输出电压的随时间变化数式化的式子，上述未知数组作为时刻t的系数而包含在该相关式中。另外，在上述未知数组与输出电压之间成立的相关式还可能取决于从蓄电装置输出的电流值和该蓄电装置的温度。在此，电流值、温度均能够观测，因此本实施方式的状态量运算部12也可以得到另外的电流值或温度等能够实测的其他参数的实测值，并根据该实测值构筑上述相关式。
图3是表示本发明的一实施方式的最适推断值确定部的处理流程的第一图。并且，图4是表示本发明的一实施方式的最适推断值确定部的处理流程的第二图。
本实施方式的最适推断值确定部13的特征为，重复进行规定的“推断值确定处理”，此时，将在前一次的“推断值确定处理”求出的最适推断值设为初始值，并且与实施前一次实施“推断值确定处理”时相比，使所述第一系数相对于所述第二系数相对变大。以下，参考图3及图4，对本实施方式的最适推断值确定部13的整体处理流程进行依次说明。另外，作为图3中的处理流程的前提条件，设为如下：状态量实测部11已获取对象蓄电装置中的输出电压的实测值，状态量运算部12已从对象蓄电装置的电路模型、电流、温度等实测值获取规定的相关式。并且，图3所示的步骤S13、步骤S15的处理的具体例子为图4所示的“推断值确定处理”的处理流程。
首先，最适推断值确定部13对状态量运算部12输出适当的推断值来作为各种未知数组的初始值(步骤S11)。状态量运算部12输入该初期推断值，将从最适推断值确定部13给定的该初期推断值代入到相关式中，直接计算出输出电压的运算值。
接着，最适推断值确定部13确定第一系数a1与第二系数a2的值，并设定误差评价函数A(式(1))。此时，最适推断值确定部13设定第二系数a2的值大于第一系数a1(步骤S12)。这是为了在最初的阶段中，比误差的绝对量J更重视误差的偏差度σ，以降低该σ的方式进行“推断值确定处理”(式(1))。由此，最适推断值确定部13在后续的“第一推断值确定处理”(步骤S13)中，以输出电压的实测值与运算值的误差量在整个标绘图中集中于恒定值的方式(以误差的偏差度σ变小的方式)，确定未知数组的推断值。
本实施方式的最适推断值确定部13实施规定的“推断值确定处理”，该“推断值确定处理”中，改变作为上述未知数组(DCR等)给定的推断值的一个或多个的同时，求出误差评价函数值成为极小的最适推断值(步骤S13)。以下，参考图4，对该“推断值确定处理”的具体处理流程进行依次说明。
最适推断值确定部13在上述“第一推断值确定处理”中，首先对状态量运算部12输出步骤S11或步骤S27中对上述未知数组进行设定、更新的规定推断值(步骤S21)。在此，状态量运算部12将从最适推断值确定部13给定的推断值代入到预先获取的相关式中，直接计算出输出电压的运算值。其中，状态量运算部12根据从所述所代入的运算式确定的输出电压的随时间变化的特性，计算出多个时刻的输出电压的运算值。在此，状态量运算部12计算该多个时刻的输出电压的运算值，使其与状态量实测部11获取的各时刻的标绘图分别对应。接着，最适推断值确定部13输入状态量运算部12计算出的运算值(步骤S22)。而且，最适推断值确定部13比较另外从状态量实测部11输入的输出电压的实测值与该运算值，计算出各标绘图中的误差量。并且最适推断值确定部13从在此得到的每个标绘图的误差量计算出误差量的总和J和误差的偏差度σ，参考预先设定的第一系数a1和第二系数a2，获取通过评价函数A(式(1))求出的评价函数值A1(步骤S23)。
接着，最适推断值确定部13判断以上的处理流程是否为最初(进入“推断值确定处理”后的第一次)的处理流程，还是第二次以后的处理流程(步骤S24)。而且，本次处理流程为最初处理流程的情况下，在步骤S27中，更新未知数组的推断值，返回到步骤S21。另一方面，在处理流程为第二次以后的处理流程的情况下，过渡到以下进行说明的步骤S25。
在处理流程为第二次以后的处理流程的情况下，最适推断值确定部13根据在步骤S23得到的误差评价函数值A1，计算出相对于未知数组的推断值的变化量的误差评价函数值的变化量(步骤S25)。该处理在重复步骤S21至步骤S27这一系列处理的过程中，计算出相对于在前一次的处理流程的步骤S27(或者步骤S11)中更新(设定)的推断值与在本次处理流程中重新更新的推断值的变化量(差量)的误差评价函数值A1的变化量ΔA。最适推断值确定部13通过计算该变化量ΔA，能够判断被改变的推断值是否接近所要求得的最适推断值。例如，若误差评价函数值A1向减少的方向变化，则最适推断值确定部13能够判断在本次的处理流程中设定的推断值比在前一次的处理流程中设定的推断值更接近最适推断值。
接着，最适推断值确定部13判断误差评价函数值A1是否成为极小值Almin(步骤S26)。在此，对该判断的具体方法进行说明。最适推断值确定部13在改变未知数组的推断值的过程中，检测根据该变化而变化的误差评价函数值A1的变化方向(减少或增加)。并且，在推断值逐渐变化的过程中，误差评价函数值A1从减少的方向转变成增加的方向时，最适推断值确定部13将该时间点的误差评价函数值A1视为极小值A1min。
最适推断值确定部13在步骤S26中判断误差评价函数值A1到达极小值A1min时，将导出该极小值A1min的推断值设为最适推断值，并结束“推断值确定处理”。另一方面，在判断误差评价函数值A1未到达极小值A1min时，最适推断值确定部13对本次的处理流程中使用的推断值给定新的变化量来更新推断值(步骤S27)。此时，在步骤S25中误差评价函数值的变化量ΔA减少的情况下，以在与产生该变化量ΔA的推断值的变化相同的方向上仅改变规定的变化量的推断值进行更新。另一方面，变化量ΔA增加的情况下，以在与产生该变化量ΔA的推断值的变化逆向变化的推断值进行更新。由此，每次重复步骤S21至步骤S27这一系列处理，能够接近计算误差评价函数的极小值A1min的最适推断值(其中，最初的处理流程的情况除外)。最适推断值确定部13将这样更新的推断值输出给状态量运算部12(步骤S21)，并且重复实施步骤S22以后的处理流程。
最适推断值确定部13根据以上说明的“推断值确定处理”确定导出误差评价函数A的极小值A1min的最适推断值。由此，最适推断值确定部13能够以最小限度的处理次数确定给定极小值A1min的最适推断值。
然而，以上说明的处理流程以改变一个推断值的同时搜索误差评价函数A的极小值A1min为前提。但是，最适推断值确定部13实际上需要改变多个未知数组的推断值的同时确定最适推断值。因此，本实施方式的最适推断值确定部13例如可追加进行如下处理。即，最适推断值确定部13在步骤S26中按该多个未知数组准备着眼于多个推断值中的一个推断值而使其较大改变的推断值组。并且，在步骤S24中，采用该推断值组中对误差评价函数值A1赋予最大变化量的未知数组的推断值组，实施之后的处理流程。
例如，假设未知数组为“DCR、ACC、ACR”这三个。此时，最适推断值确定部13相对于在第一次的处理流程中使用的未知数组的推断值“DCR1、ACC1、ACR1”，在第二次的处理流程中，在步骤S26中准备“DCR2A、ACC2、ACR2”、“DCR2、ACC2A、ACR2”、“DCR2、ACC2、ACR2A”这三个推断值组。在此，DCR2A相对于DCR1的变化量大于DCR2相对于DCR1的变化量，ACC2A相对于ACC1的变化量大于ACC2相对于ACC1的变化量。同样，ACR2A相对于ACR1的变化量大于ACR2相对于ACR1的变化量。
最适推断值确定部13在后续步骤S24中，导出根据该三个推断值组得到的三个误差评价函数值A21、A22、A23。而且，其中从第一次的处理流程中所导出的误差评价函数值A1选择变化最大的推断值组，将计算出该误差评价函数值的推断值组为基准，进一步更新推断值(步骤S27)。
由此，最适推断值确定部13能够减少直至到达最适推断值的重复次数。另外，上述的处理流程只不过是一个例子，本实施方式中可以采用能够实现同等目的的其他任何方法。
若关于以上“第一推断值确定处理”(图4)的处理结束，则最适推断值确定部13得到导出误差评价函数A的极小值的未知数组的最适推断值。在此，如上所述，在“第一推断值确定处理”(步骤S13)中，最适推断值确定部13确定未知数组的推断值，以使输出电压的实测值与运算值的误差量在整个标绘图中集中于恒定值(使误差的偏差度σ变小)。利用曲线图，对在该步骤S13中进行的推断处理进行具体说明。
图5是表示本发明的一实施方式的实测值与运算值的比较的第一图。
首先，图5所示的实测值的曲线图是在开始图3所示的处理流程之前，状态量实测部11实测对象蓄电装置中的输出电压来标绘的曲线图。并且，图5所示的运算值的曲线图是状态量运算部12将根据在步骤S11中从最适推断值确定部13给定的初始值来计算出的输出电压的经时变化进行运算并标绘的曲线图。如图5所示，在初期(步骤S11)读取的是输出电压的实测值及运算值不一致，並且在该时间点的推断值不反映实际的蓄电装置的参数。例如，在图5所示的运算值的曲线图中，例如某三个标绘图中的误差量Δ1、Δ2、Δ3的大小及符号(加号或减号)均不一致。
图6是表示本发明的一实施方式的实测值与运算值的比较的第二图。
因此，本实施方式的参数推断装置1的特征为，着眼于各标绘图中的实测值与运算值的误差的偏差度σ，首先确定该误差的偏差度σ极小的推断值。
即，本实施方式的最适推断值确定部13能够通过降低误差的偏差度σ的“第一推断值确定处理”(图3的步骤S12～步骤S13)，对导出如图6所示的运算值曲线图的未知数组的最适推断值进行确定。在图6所示的运算值曲线图中，读取上述三个标绘图中的误差量Δ1、Δ2、Δ3的大小以及符号均大致一致。但是在“第一推断值确定处理”中，不以积极地降低误差量的总和J的方式进行处理，因此与实测值的误差(Δ1、Δ2、Δ3)的绝对量其本身仍然较大。
如上所述，最适推断值确定部13根据基于在步骤S12中设定的系数a1、a2的误差评价函数A，在“第一推断值确定处理”中，确定得到误差的偏差度σ的极小值的最适推断值定。另外，最适推断值确定部13至少在最初的“推断值确定处理”中，可以将第一系数a1和第二系数a2这两者设定为非零的值。即，最适推断值确定部13在减小误差的偏差度σ的“第一推断值确定处理”中，也将误差的绝对量J的第一系数a1设为非零，作为误差评价函数A的一部分进行考虑。这是因为仅由误差的偏差度σ构成误差评价函数A，则考虑到实测值与运算值相差太大的情况下，在后续的“第二推断值确定处理”中，落入局部解的可能性增大，可能产生不能准确地得到偏差度σ的极小值的弊病。最适推断值确定部13，在“第一推断值确定处理”中也发挥降低误差的绝对量的总和J的作用，因此即使在实测值与运算值相差较大的情况下也能够准确地得到偏差度σ的极小值。
在此，再次参考图3，对最适推断值确定部13的之后的处理流程继续进行说明。
最适推断值确定部13若在步骤S13中确定使误差的偏差度σ成为极小值的最适推断值，则接着，以第一系数a1相对于第二系数a2相对变大的方式设定各系数(步骤S14)。这是因为，在之后的处理流程中，以降低误差的绝对量J的方式进行第二次的“推断值确定处理”。由此，最适推断值确定部13在后续的“第二推断值确定处理”(步骤S15)中确定未知数组的推断值，以使输出电压的实测值与运算值的误差量在整个标绘图中降低(使误差的绝对量的总和J变小)。
“第二推断值确定步骤”的具体处理与图4所示的“第一推断值确定处理”相同。但是，如上所述，在“第二推断值确定处理”(步骤S15)中，最适推断值确定部13确定未知数组的推断值，以使输出电压的实测值与运算值的误差量在整个标绘图中极小(误差的绝对量的总和J变小)。利用曲线图对在该步骤S15中进行的推断处理进行具体说明。
图7是表示本发明的一实施方式的实测值与运算值的比较的第三图。
本实施方式的最适推断值确定部13通过接续降低误差的偏差度σ的“第一推断值确定处理”的，降低误差量的总和J的“第二推断值确定处理”(图3的步骤S14～步骤S15)，对导出如图7所示的曲线图的最适推断值进行确定。图7所示的运算值的曲线图与表示实测值的曲线图大致一致。因此，最适推断值确定部13在经过降低图6所示的误差的偏差度σ的“第一推断值确定处理”之后，通过实施降低误差的绝对量的总和J的“第二推断值确定处理”，从而能够获得蓄电装置推断精度较高的推断值。
最适推断值确定部13输出在步骤S15的“第二推断值确定处理”中得到的最适推断值(步骤S16)。在此，参数推断装置1将最适推断确定部13最终输出的最适推断值例如以蓄电装置的操作人员能够观察的方式显示。并且，该蓄电装置的操作人员由此能够实时掌握蓄电装置的状态(寿命、充电率等)。参数推断装置1例如按1分钟获取(4秒期间的)实测值，可以重复输出基于该实测值的最适推断值。由此，操作人员能够参考以1分钟间隔输出的参数而掌握蓄电装置的经时劣化和充电率的变化。
另外，与通常的参数拟合方法比较并说明本实施方式的参数推断装置1的效果。
若根据以往的参数拟合处理(只是将基于最小二乘法的误差绝对量的总和J设为误差评价函数)进行图4中说明的“推断值确定处理”，则因实测值的干扰成分等，有时不能得到准确的解。并且，最适推断值确定部13在检测到误差的绝对量的总和J的极小值的时间点停止处理，因此是否得到准确的解(J的最小值)趋向于很大程度上依赖于未知数组的初始值。即，仅为了降低误差的绝对量的总和J而呈现很大程度上搜索推断值，则在该过程中存在多个极小值的可能性较高，落入不希望的极小值而结束计算的情况较多发生。
另一方面，本实施方式的参数推断装置1在“第一推断值确定处理”中尝试得到误差的偏差度σ的极小值。这种情况下，(几乎)不考虑误差的绝对量的总和J，仅为使两个曲线图的倾斜一致的运算(图6)，因此在该运算过程(第一推断值确定处理)中不存在多个极小值。因此，到达不希望的极小值而结束计算的情况较少。
而且，得到误差的偏差度σ为极小值的推断值之后(使两个曲线图的倾斜一致之后)，实施搜索误差的绝对量的总和J的极小值的“第二推断值确定处理”的情况下，只是将在实测值、运算值的各标绘图之间均匀存在的误差量设为零(使图6的两个曲线图的位置一致)。因此，结果在该过程中并不存在不希望的多个极小值。
以上，根据本实施方式的参数推断装置1，可得到不会使运算速度显著降低而提高检测装置参数的推断精度的效果。
另外，图3中说明的本实施方式的最适推断值确定部13的处理流程中，示出进行两次“推断值确定处理”的例子，但本实施方式中不限于此。即，最适推断值确定部13也可以进行三次以上的“推断值确定处理”。只是最适推断值确定部13重复进行该“推断值确定处理”中，将在前一次的“推断值确定处理”中求出的最适推断值设为初始值，并且与实施前一次的“推断值确定处理”时相比，使第一系数a1相对于第二系数a2相对变大。
图8是表示本发明的一实施方式的蓄电系统的功能结构的图。
在此，对于将以上说明的参数推断装置1和监控对象蓄电装置一体化的蓄电系统100进行说明。该蓄电系统100具备有上述进行说明的参数推断装置1和蓄电装置2。蓄电装置2中搭载有锂离子电池等二次电池。在本实施方式的蓄电系统100中，参数推断装置1的状态量实测部11获取该蓄电装置2对规定的电力系统输出的输出电压值。并且，状态量运算部12根据蓄电装置2的电路模型、温度、输出电流等实测值来获取相关式。最适推断值确定部13的功能如上述说明，求出状态量运算部12根据相关式计算出的运算值和状态量实测部11获取的实测值的误差量，最终计算并输出最适推断值。本实施方式中，如图8所示，也可以将参数推断装置1和要监控的蓄电装置2一体化来构筑蓄电系统100。
以上说明中，本实施方式的参数推断装置1将蓄电装置作为“规定的装置”来举例进行了说明，但本实施方式中不限于此。例如也可以适用于检测永久磁铁同步马达的电枢电阻和磁通量的情况。这种情况下，作为能够实测的状态量为该马达驱动时的电压、电流、角速度等，随着马达的运用而变化并需要推断的参数例如为电驱电阻、磁通量等。
另外，上述的参数推断装置1的内部具有计算机系统。而且，上述的参数推断装置1的各处理过程以程序形式存储在计算机能够读取的记录介质中，通过计算机读取并执行该程序，进行上述处理。在此，计算机能够读取的存储介质有磁盘、光盘、CD-ROM、DVD-ROM、半导体存储器等。并且，将该计算机程序通过通信电路来传送至计算机，接收该传送的计算机也可以执行该程序。
以上，对本发明的几个实施方式进行了说明，但这些实施方式只是作为例子提出的，而不是试图限制发明的范围。这些实施方式可以通过其他的各种方式实施，在不脱离发明的主旨的范围内，能够进行各种省略、替换、变更。这些实施方式和其变形属于发明的范围和主旨，同样包括在权利要求书中记载的发明及其相等的范围中。
产业上的可利用性
根据上述的参数推断装置、参数推断方法、蓄电系统及程序，得到不会使运算速度显著降低而提高检测出的装置参数的推断精度的效果。
符号说明
1-参数推断装置，11-状态量实测部，12-状态量运算部，13-最适推断值确定部，2-蓄电装置，100-蓄电系统。

Claims (5)

1.一种参数推断装置，其对表示规定装置的状态的随着运用而变化的多个参数的推断值进行确定，其特征在于，具备：
状态量实测部，按规定时间获取多个与所述多个参数具有相关性的状态量的实测值；
状态量运算部，根据作为所述多个参数给定的推断值与所述状态量的相关式，运算并获取与所述多个实测值分别对应的运算值；以及
最适推断值确定部，求出根据与所述多个实测值相对应的所述多个运算值的误差的绝对量的总和乘以第一系数而得到的值和所述误差的偏差度乘以第二系数而得到的值来计算出的误差评价函数值的同时，实施推断值确定处理，该推断值确定处理中，改变所述推断值的一个或多个，并且确定使所述误差评价函数值成为极小的最适推断值，
所述最适推断值确定部重复进行所述推断值确定处理，此时，将在前一次的推断值确定处理中求出的最适推断值设为初始值，并且与实施前一次的推断值确定处理时相比，使所述第一系数相对于所述第二系数相对变大。
2.根据权利要求1所述的参数推断装置，其中，
所述最适推断值确定部至少在最初的所述推断值确定处理中，将所述第一系数和所述第二系数这两者设定为非零的值。
3.根据权利要求1或2所述的参数推断装置，其中，
所述规定装置为搭载有二次电池的蓄电装置，
所述状态量为所述蓄电装置的输出电压，
所述多个参数为至少表示所述蓄电装置的内部电阻、充电量中的任意一者或两者的参数。
4.一种蓄电系统，其特征在于，其具备：
蓄电装置；以及
参数推断装置，对表示所述蓄电装置的状态的随着运用而变化的多个参数的推断值进行确定，
所述参数推断装置具备：
状态量实测部，按规定时间获取多个与所述多个参数具有相关性的输出电压的实测值；
状态量运算部，根据作为所述多个参数给定的推断值与所述输出电压的相关式，运算并获取与所述多个实测值分别对应的运算值；以及
最适推断值确定部，求出根据与所述多个实测值相对应的所述多个运算值的误差的绝对量的总和乘以第一系数而得到的值和所述误差的偏差度乘以第二系数而得到的值来计算出的误差评价函数值的同时，实施推断值确定处理，该推断值确定处理中，改变所述推断值的一个或多个，并且确定使所述误差评价函数值成为极小的最适推断值，
所述最适推断值确定部重复进行所述推断值确定处理，此时，将在前一次的推断值确定处理中求出的最适推断值设为初始值，并且与实施前一次的推断值确定处理时相比，使所述第一系数相对于所述第二系数相对变大。
5.一种参数推断方法，其对表示规定装置的状态的随着运用而变化的多个参数的推断值进行确定，其特征在于，
按规定时间获取多个与所述多个参数具有相关性的状态量的实测值，
根据作为所述多个参数给定的推断值与所述状态量的相关式，运算并获取与所述多个实测值分别对应的运算值，
求出根据与所述多个实测值相对应的所述多个运算值的误差的绝对量的总和乘以第一系数而得到的值和所述误差的偏差度乘以第二系数而得到的值来计算出的误差评价函数值，
重复进行改变所述推断值的一个或多个，并且确定使所述误差评价函数值成为极小的最适推断值的推断值确定处理，
所述推断值确定处理中，将在前一次的推断值确定处理中求出的最适推断值设为初始值，并且与实施前一次的推断值确定处理时相比，使所述第一系数相对于所述第二系数相对变大。
CN201380060848.7A 2012-12-17 2013-12-02 参数推断装置、参数推断方法、蓄电系统 Active CN104813181B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2012274750A JP5896891B2 (ja) 2012-12-17 2012-12-17 パラメータ推定装置、パラメータ推定方法、蓄電システム及びプログラム
JP2012-274750 2012-12-17
PCT/JP2013/082348 WO2014097868A1 (ja) 2012-12-17 2013-12-02 パラメータ推定装置、パラメータ推定方法、蓄電システム及びプログラム

Publications (2)

Publication Number Publication Date
CN104813181A CN104813181A (zh) 2015-07-29
CN104813181B true CN104813181B (zh) 2017-05-17

Family

ID=50978206

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201380060848.7A Active CN104813181B (zh) 2012-12-17 2013-12-02 参数推断装置、参数推断方法、蓄电系统

Country Status (5)

Country Link
US (1) US20150301117A1 (zh)
EP (1) EP2933648B1 (zh)
JP (1) JP5896891B2 (zh)
CN (1) CN104813181B (zh)
WO (1) WO2014097868A1 (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6454246B2 (ja) * 2015-09-09 2019-01-16 日本電子株式会社 加工方法
JP6559598B2 (ja) * 2016-03-09 2019-08-14 三菱重工業株式会社 プラント評価装置及びプラント評価方法
US10118500B2 (en) 2016-03-09 2018-11-06 Ford Global Technologies, Llc Battery capacity estimation based on open-loop and closed-loop models
US10035426B2 (en) 2016-03-10 2018-07-31 Ford Global Technologies, Llc Battery power management in hybrid vehicles
IL244937A (en) * 2016-04-05 2017-07-31 Musman Lior Global optimization and network load balancing
JP6759891B2 (ja) * 2016-09-07 2020-09-23 日立化成株式会社 車載用蓄電デバイスモデルのパラメータ同定方法及びパラメータ同定装置
US20190019096A1 (en) * 2017-01-27 2019-01-17 Mitsubishi Hitachi Power Systems, Ltd. Estimator, estimation method, program and storage medium where program stored for model parameter estimation and model parameter estimation system
CN112384814A (zh) * 2018-07-10 2021-02-19 住友电气工业株式会社 二次电池参数估计装置、二次电池参数估计方法和程序
TW202138943A (zh) * 2020-03-13 2021-10-16 日商東京威力科創股份有限公司 解析裝置、解析方法及解析程式
EP4404213A1 (en) * 2021-09-15 2024-07-24 National University Corporation Tokyo University Of Agriculture and Technology Data assimilation device, data assimilation method, data assimilation program, and data assimilation system

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3410158B2 (ja) * 1993-07-21 2003-05-26 日本電信電話株式会社 鉛蓄電池の劣化判定方法及び劣化判定器
JPH0756608A (ja) * 1993-08-17 1995-03-03 Kawasaki Steel Corp 信号処理方法
JPH08160113A (ja) * 1994-12-02 1996-06-21 Nippon Soken Inc バッテリ状態判定装置
JP3079022B2 (ja) * 1995-10-30 2000-08-21 矢崎総業株式会社 電池残存容量測定装置
US6678640B2 (en) * 1998-06-10 2004-01-13 Matsushita Electric Industrial Co., Ltd. Method and apparatus for parameter estimation, parameter estimation control and learning control
JP2000222391A (ja) * 1999-02-04 2000-08-11 Matsushita Electric Ind Co Ltd 最適化プログラムを記録したコンピュータ読み取り可能な記憶媒体
JP2006105823A (ja) * 2004-10-06 2006-04-20 Toyota Motor Corp 二次電池の内部状態推定装置およびその方法
JP4830382B2 (ja) * 2005-07-19 2011-12-07 日産自動車株式会社 二次電池の充電率推定装置
US7899631B2 (en) * 2007-03-29 2011-03-01 The Furukawa Electric Co., Ltd. Method and device for estimating battery residual capacity, and battery power supply system
JP5112915B2 (ja) * 2008-03-11 2013-01-09 株式会社オートネットワーク技術研究所 バッテリ状態推定装置及びバッテリ状態推定方法
JP4649682B2 (ja) * 2008-09-02 2011-03-16 株式会社豊田中央研究所 二次電池の状態推定装置
JP5504657B2 (ja) * 2009-03-18 2014-05-28 日産自動車株式会社 二次電池の総容量推定装置
JP2011122951A (ja) 2009-12-11 2011-06-23 Honda Motor Co Ltd 二次電池の充電状態推定装置および劣化状態推定装置
JP5691592B2 (ja) * 2010-02-18 2015-04-01 日産自動車株式会社 電池状態推定装置
WO2011118080A1 (ja) * 2010-03-23 2011-09-29 古河電気工業株式会社 電池内部状態推定装置および電池内部状態推定方法
JP5516390B2 (ja) * 2010-12-24 2014-06-11 新日鐵住金株式会社 品質予測装置、品質予測方法、プログラムおよびコンピュータ読み取り可能な記録媒体
WO2012098676A1 (ja) * 2011-01-21 2012-07-26 三菱電機株式会社 アナログ入力ユニットおよびプログラマブルコントローラ
CN102253343B (zh) * 2011-04-21 2013-04-03 北京世纪瑞尔技术股份有限公司 一种蓄电池的健康度与荷电状态的估算方法
KR101610530B1 (ko) * 2014-10-24 2016-04-07 현대자동차주식회사 배터리의 내부 저항 측정 방법

Also Published As

Publication number Publication date
WO2014097868A1 (ja) 2014-06-26
EP2933648A1 (en) 2015-10-21
US20150301117A1 (en) 2015-10-22
EP2933648B1 (en) 2019-11-20
JP5896891B2 (ja) 2016-03-30
EP2933648A4 (en) 2016-07-13
JP2014119351A (ja) 2014-06-30
CN104813181A (zh) 2015-07-29

Similar Documents

Publication Publication Date Title
CN104813181B (zh) 参数推断装置、参数推断方法、蓄电系统
CN110031770B (zh) 一种快速得到电池包中所有单体电池容量的方法
CN104535932B (zh) 一种锂离子电池荷电状态估计方法
Xiong et al. Modeling for lithium-ion battery used in electric vehicles
CN103901351B (zh) 一种基于滑动窗滤波的单体锂离子电池soc估计方法
TWI523297B (zh) 基於老化調適電池運作區間的電池調控方法
CN103792495B (zh) 基于德尔菲法和灰色关联理论的电池性能评价方法
CN111448467B (zh) 用于对电池容量进行建模和估计的方法及系统
Hossain et al. A parameter extraction method for the li-ion batteries with wide-range temperature compensation
CN110146822A (zh) 一种基于恒流充电过程的车用动力电池容量在线估计方法
CN106383316A (zh) 一种梯次利用锂电池性能评价方法
EP2538233A1 (en) Battery state estimation device and battery state estimation method
CN106324523A (zh) 基于离散变结构观测器的锂电池soc估计方法
CN103149535A (zh) 用于在线确定电池的充电状态和健康状态的方法和装置
Xiong et al. Data-driven state-of-charge estimator for electric vehicles battery using robust extended Kalman filter
CN104267261A (zh) 基于分数阶联合卡尔曼滤波的二次电池简化阻抗谱模型参数在线估计方法
CN113109729B (zh) 基于加速老化试验与实车工况的车用动力电池soh评估方法
CN106291375A (zh) 一种基于电池老化的soc估算方法和装置
CN108829911A (zh) 一种开路电压与soc函数关系优化方法
CN107991628B (zh) 一种基于相关与回归分析的蓄电池模型建模方法
Chen et al. An approach for state of charge estimation of Li-ion battery based on Thevenin equivalent circuit model
Elmarghichi et al. Online parameter estimation of a lithium-ion battery based on sunflower optimization algorithm
CN112698217B (zh) 基于粒子群优化算法的电池单体容量估计方法
CN106126798A (zh) 磷酸铁锂蓄电池soc算法
CN106093793A (zh) 一种基于电池放电倍率的soc估算方法和装置

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
EXSB Decision made by sipo to initiate substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant