CN104931886A

CN104931886A - 电池组劣化状态推定装置及方法

Info

Publication number: CN104931886A
Application number: CN201510080403.6A
Authority: CN
Inventors: 金泰权
Original assignee: Hyundai Mobis Co Ltd
Current assignee: Hyundai Mobis Co Ltd
Priority date: 2014-03-20
Filing date: 2015-02-13
Publication date: 2015-09-23
Anticipated expiration: 2035-02-13
Also published as: KR20150109643A; KR102177721B1; US20150268309A1; CN104931886B; US9714984B2

Abstract

根据本发明的劣化状态推定装置，包括：状态信息感测部，感测所述电池组的状态而生成状态信息；变换演算部，利用生成的状态信息而变换成OCV(Open Circuit Voltage-开路电压)并利用已变换的OCV而推定SOC(State Of Charge-充电状态)；第1SOH推定演算部，利用已推定的SOC而推定第1SOH(State Of Charge-充电状态)；电池劣化因素计算部，利用已推定的SOC而计算电池劣化因素；第2SOH演算部，将已计算的电池劣化因素适用到预先设定的查询表而计算第2SOH；及过滤部，过滤第1SOH及第2SOH而生成最终SOH。

Description

电池组劣化状态推定装置及方法

技术领域

本发明涉及电池，更详细地说，作为推定车辆用电池组的电池劣化度(SOH：State Of Health)的算法，考虑到电池充放电时根据输入电流、温度、电压的电池组回路内电阻及温度而演算成OCV(Open Circuit Voltage-开路电压)并适用SOC(State Of Charge-充电状态)别OCV查询表或利用电流积分法而推定SOC的劣化状态推定装置及方法。

背景技术

电动汽车(EV：ELECTRICVEHICLE)或插电式混合动力车(PHEV：PLUG-INHYBRIDELCTRICVEHICLE)搭载了高电压电池而储存作为车辆驱动力的电能，且根据高电压电池的容量或状态而对车辆的行驶距离起到的影响是绝对性的。

但从电池的特性上看，若持续使用，无法避免容量减少的劣化现象，若已进行劣化，即使显示相同的SOC(State Of Charge-充电状态)量，也会出现行驶距离减少、用于加速的输出降低等现象，若无法正确检测，会导致无法知其原因的顾客的不满。

为了解决这种问题，提出过韩国公开专利编号第10-2013-0064308号(发明的名称：车辆的高电压电池劣化判定方法)等。对此，图1中已图示。

参照图1，高电压电池充电时对因少量电压变化的充电容量的变化率进行表格化而比较因电压变化的充电容量劣化度，从而诊断电池劣化。

但是，根据这种方式，对因电池电压变化的充电容量的变化率进行表格化，需要很多试验结果。

并且，因电池电压变化的充电容量变化率的动态与表格相异时，会发生误差。

发明内容

(要解决的技术问题)

本发明为了解决根据上述背景技术的问题点而提出，其目的在于，提供一种电池组劣化状态推定装置及方法，无需大量的试验结果，就能对因电池电压变化的充电容量的变化率进行表格化。

并且，本发明的另一目的在于，提供一种电池组劣化状态推定装置及方法，因电池电压变化的充电容量变化率的动态与表格相异时，不会发生误差。

(解决问题的手段)

本发明提供一种电池组劣化状态推定装置，无需大量的试验结果，就能对根据上述背景技术的因电池电压变化的充电容量的变化率进行表格化。

所述电池组劣化状态推定装置，其特征在于，包括：

电池组；

状态信息感测部，感测所述电池组的状态而生成状态信息；

变换演算部，利用生成的状态信息而变换成OCV(Open Circuit Voltage-开路电压)并利用已变换的OCV而推定SOC(State Of Charge-充电状态)；

第1SOH推定演算部，利用已推定的SOC而推定第1SOH(State Of Charge-充电状态)；

电池劣化因素计算部，利用已推定的SOC而计算电池劣化因素；

第2SOH演算部，将已计算的电池劣化因素适用到预先设定的查询表而计算第2SOH；及

过滤部，过滤第1SOH及第2SOH而生成最终SOH。

这时，所述状态信息包括电压、温度及电流。

并且，所述SOC的推定，利用SOC-OCV查询表而将OCV换算成SOC。

并且，所述SOC的推定，利用电流积分法而将OCV换算成SOC，所述电流积分法，对按时间输入的电流值进行积分而除以全部电池容量的值呈现单位时间内变动的SOC值。

并且，所述第1推定演算部，利用所述电池组的充放电时因电流动态的SOC值变化，一定时间内的电荷量及SOC的变化值而第1次推定SOH。

并且，所述第1推定演算部，对第1次推定的SOH赋予临界条件，对满足所述临界条件的SOH适用最小平方根法而计算所述第1SOH。

并且，所述第1SOH将根据所述最小平方根法而计算的直线的倾斜度除以初期电池容量而以百分比推定。

并且，所述预先设定的查询表为SOC区间类别SOH查询表。

并且，所述最终SOH根据数学式最终SOH＝A×SOH_演算+(1-A)×SOH_table，这里，SOH_演算为第1SOH，SOH_table为第2SOH，A值表示根据温度而变化的值而计算。

并且，所述A值是根据存有已通过实验的温度信息的数据库而进行表格化的值。

另一方面，本发明还提供一种劣化状态推定方法，其特征在于，包括：状态信息感测步骤，感测电池组的状态而生成状态信息；变换演算步骤，利用生成的状态信息而变换成OCV(Open Circuit Voltage-开路电压)并利用已变换的OCV而推定SOC(State Of Charge-充电状态)；第1SOH推定演算步骤，利用已推定的SOC而推定第1SOH(State Of Charge-充电状态)；电池劣化因素计算步骤，利用已推定的SOC而计算电池劣化因素；第2SOH演算步骤，将已计算的电池劣化因素适用到预先设定的查询表而计算第2SOH；及过滤步骤，过滤第1SOH及第2SOH而生成最终SOH。

这时，所述第1推定演算步骤，利用所述电池组的充放电时因电流动态的SOC值变化、一定时间内的电荷量及SOC的变化值而第1次推定SOH。

这时，所述第1推定演算步骤，对第1次推定的SOH赋予临界条件，对满足所述临界条件的SOH适用最小平方根法而计算所述第1SOH。

(发明的效果)

根据本发明，利用电流、电压及/或温度而推定SOC(State Of Charge-充电状态)及计算电池劣化因素(Aging Factor)，利用数学式而进行SOH(State Of Health)推定演算及表格适用推定演算，因此无需用于表格化的大量试验结果。

并且，本发明的另一效果在于，通过利用SOH推定演算及表格适用推定演算的过滤，计算已适用演算及/或实验值的最终SOH，因此能够最小化电池劣化度误差。

附图说明

图1是呈现一般车辆所搭载的高电压电池的劣化判定的流程图。

图2是根据本发明的一实施例的电池组的劣化状态推定装置(200)的结构图。

图3是呈现根据本发明的一实施例的推定电池组的劣化状态的过程的流程图。

图4是根据本发明的一实施例的根据OCV(Open Circuit Voltage-开路电压)表格而将OCV换算成SOC(State Of Charge-充电状态)的曲线图。

图5是呈现根据本发明的一实施例的根据容量劣化的特定SOC区间内OCV值的变化的曲线图。

图6是根据本发明的一实施例的SOC-OCV可变区间内定义电池劣化变数的曲线图。

图7是根据本发明的一实施例的利用最小平方根法而计算已劣化的电池容量的曲线图。

图8是呈现作为根据本发明的一实施例的SOC区间类别SOH(State Of Health)查询表的例子而用此推定SOH的概念的图。

符号说明

200：劣化状态推定装置

210：电池组

210-1至210-n：电池单元

221：状态信息感测部

221-1：电压感测部 221-2：温度感测部

221-3：电流感测部 222：变换演算部

223：电池劣化因素计算部

224：推定部

225：第1推定演算部 226：第2推定演算部

227：控制器 228：过滤部

具体实施方式

本发明可进行多种变更，也可具有多种实施例，附图中例示了特定实施例并进行详细说明。但这并不是为了将本发明限定在特定实施形态，所有变更、均等物及替代物都包括在本发明的思想及技术范围内。

说明各附图时，类似的参照符号适用于类似的构成要素。

第1，第2等用语可用于说明多种构成要素，但所述构成要素不可受限于所述用语。所述用语只用于将一个构成要素区别于另一构成要素为目的。

例如，不超过本发明的权利范围的条件下，第1构成要素可被称为第2构成要素，类似地，第2构成要素也可被称为第1构成要素。"及/或"等用语包括多个相关记载项目的组合或多个相关记载项目中的任意项目。

除特别定义以外，包括技术性或科学的用语，这里使用的所有用语可被本发明所属技术领域具有一般知识的人所一般理解。

与一般使用的字典中的定义相同的用语应解释为相关技术的文脉上所具有的意思相一致，除非本申请中明确定义，不可解释为异常或过度形式化的意思。

下面参照附图详细说明根据本发明的一实施例的电池组劣化状态推定装置及方法。

图2是根据本发明的一实施例的电池组的劣化状态推定装置200的结构图。参照图2，所述劣化状态推定装置200，由电池组210及利用这种电池组210的状态信息而推定电池组的劣化状态的BMS(Battery Management System-电池管理系统)220等构成。

所述BMS220的特征在于，包括：状态信息感测部211，生成电池组210的状态信息；变换演算部222，利用已感测的状态信息而变换成OCV(Open Circuit Voltage-开路电压)；推定部224，利用已变换的OCV而推定SOC(State Of Charge-充电状态)；第1SOH推定演算部225，利用已推定的SOC而推定第1SOH(State Of Charge-充电状态)；电池劣化因素计算部223，利用已推定的SOC而计算电池劣化因素；第2SOH演算部226，将已计算的电池劣化因素适用到预先设定的查询表而计算第2SOH；过滤部228，过滤第1SOH及第2SOH而生成最终SOH；及控制器227，控制这些构成要素。

电池组210由电池单元210-1至210-n串联及/或并联而构成，该电池单元可以是镍金属电池、锂离子电池等电汽车用高电压电池。一般地说，高电压电池是指用于电汽车动力源的电池，指100V以上的高电压。但是，并不限定于此，也可使用低电压电池。

这里，作为电汽车的例子，包括EV(Electric Vehicle-电动汽车)、HEV(Hybrid Electric Vehicle-混合动力车)、PHEV(Plug-in Hybrid Electric Vehicle-插电式混合动力车)、燃料电池车等。

状态信息感测部221包括：电压感测部221-1，感测电池组210的电压；温度感测部221-2，感测温度；及电流感测部221-3，感测电流。

并且，图2中图示的利用根据状态信息感测部221生成的状态信息而转换为OCV的变换演算部222与利用变换的OCV而推定SOC的推定部224是分开的，但并不限定于此。即，也可将变换演算部222与推定部224整合为一个模块。

继续参照图2，说明由变换演算部222执行的OCV变换演算。利用下式而根据欧姆法则计算电池内部电阻。

【数学式1】

电阻(R)在满足电流(I)的临界值时被更新。(I(n)<临界电流值1，△I<临界电流值2)

利用已计算的电阻值而根据下式计算OCV。

【数学式2】

OCV(n)＝V(n)-I(n)R

这里，V(n)＝n小时的瞬间电压，I(n)＝n小时的瞬间电流，R＝电池内部电阻。

电流值小于临界电流值时，以测定的电压值取OCV值。

其次，推定部224利用SOC(State Of Charge-充电状态)-OCV(Open Circuit Voltage-开路电压)查询表而进行如下SOC推定。

对经过变换演算部222计算的OCV值，考虑温度并根据SOC5％单位的SOC-OCV表格，将OCV换算成SOC而推定SOC。对此，请参照图4。将在后面说明图4。

继续参照图2，用另一方式，I(n)>临界电流值1、△I>临界电流值2时，利用电流积分法而推定SOC。电流积分法的定义如下式。

【数学式3】

SOC (n) = SOC (n - 1) + \frac{{&Integral;}_{n - 1}^{n} Idt}{C}

这里，I：电流(A)，t：时间(s)，C：电池容量(Ah＝3600As)

对按单位时间输入的电流值进行积分而除以全部电池容量的值为单位时间内变动的SOC值。因此，第n-1个SOC(n-1)加上瞬间变化SOC值，就能推定第n个的SOC值。

继续参照图2，说明由电池劣化因素(AF：Aging Factor)计算部223执行的电池劣化因素的计算。

图5图示了呈现根据容量劣化的SOC类别OCV特性的曲线图。若发生电池劣化，电池OCV值在特定SOC区间发生变化。因此，因电池劣化的SOC-OCV可变区间510内，可将电池劣化因素定义如图6。

继续参照图2，电池劣化因素计算部223利用下式计算电池劣化因素(AF：Aging Factor)。

【数学式4】

AF＝(ΔOCV)/(∫Idt)＝(OCV变化量)/(全部电荷量)

第1推定演算部225利用充放电时因电流动态的SOC值变化、一定时间内的电荷量及SOC变化值而第1次推定SOH。电池充电状态(SOC)的电流累计式如下。

【数学式5】

SOC (n) = SOC (n - 1) + \frac{iΔT}{C}

这里，i：电流(A)，△T：电流施加时间(s)，C：电池容量(Ah)。

利用上述充电状态的电流累计式而对SOC变化、电荷量变化计算电池容量。

【数学式6】

C^{'} = \frac{Σ_{K = n 1}^{n 2} i (k) ΔT}{SOC (n 2) - SOC (n 1)}

算出的电池容量处于初期电池容量并计算为百分比而推定SOH。其数学式如下。

【数学式7】

SOH = \frac{C^{'}}{C} \times 100

考虑到SOC误差，分母值应为临界值以上。更详细地说，临界值越高，在正确度上更有利，但更新时间会变长。考虑SOC可用区域而决定临界值。

参照图2，第1推定演算部225适用对应于对第1次推定演算中推定的SOH上加入临界条件而满足的SOH值的电荷量及SOC值，作为第2次，代入最小平方根数学式而最小化SOH误差。

即，利用如下式的最小平方根(Least Mean Square)法而计算已劣化的电池容量C'。

【数学式8】

C^{'} = \frac{Σ_{k = n 1}^{n 2} i (k) ΔT}{SOC (n 2) - SOC (n 1)} = \frac{ch \arg eTransfer}{ΔSOC} = \frac{y}{x}

更详细地说，根据最小平方根法，直线方程式f(x)＝ax+b中，各点x_i的坐标值y_i与函数值f(x_i)的误差为y_i-f(x_i)＝y_i-(ax_i+b)的平方的和为最小的情况。

如以下数学式。

【数学式9】

E (a, b) = Σ_{i = 1}^{n} {(y_{i} - ({ax}_{i} + b))}^{2}

若E(a，b)要成为最大值，偏微分值应为0。如以下数学式。

【数学式10】

\{\begin{matrix} 0 = \frac{&PartialD; E}{&PartialD; a} = Σ 2 (y_{i} - {ax}_{i} - b) (- x_{i}) = 2 (aΣ x_{i}^{2} + bΣ x_{i} - Σ x_{i} y_{i}) \\ 0 = \frac{&PartialD; E}{&PartialD; a} = Σ 2 (y_{i} - {ax}_{i} - b) (- 1) = 2 (aΣ x_{i} + bΣ 1 - Σ y_{i}) \end{matrix}

【数学式11】

△SOC因比Charge Transfer直线式的y截距值为0，b＝0。因此，整理的话如下式。

【数学式12】

因此，直线的倾斜度除以初期电池容量而求百分比，就推定SOH。

【数学式13】

SOH = \frac{C^{'}}{C} \times 100

这里，C表示初期电池容量。

继续参照图2，第2推定演算部226适用利用电池劣化因素AF值的SOC区间类别SOH查询表而推定SOH。对于呈现此的图8，将在后面进行说明。

继续参照图2，过滤部228适用第1推定演算部225中演算推定的第1SOH值与第2推定演算部226中根据SOC区间类别SOH查询表而推定的第2SOH值的适当比例而推定最终SOH值。如以下数学式。

【数学式14】

最终SOH＝A×SOH_演算+(1-A)×SOH_table

这里，SOH_演算为第1SOH，SOH_table为第2SOH，A值表示根据温度而改变的值。

所述A值是根据存有已通过实验的温度信息的数据库而进行表格化的值。如下表。

【表1】

温度	A值
		-15	a
-10	b
		0	c
10	d
		25	e
35	f
		45	g

图3是呈现根据本发明的一实施例的推定电池组的劣化状态的过程的流程图。参照图3，感测电池组的状态而生成状态信息步骤S310。

若感测结果满足，I(n)<临界电流值1，及△I<临界电流值2，则计算电阻(R)，变换演算为OCV(步骤S320，S321)。

在步骤S320，若不满足I(n)<临界电流值1，及△I<临界电流值2，利用电流积分法而推定SOC(步骤S331，S350)。

并且，感测结果为，I(n)>临界电流值3时，变换演算为OCV，利用演算出的OCV而推定SOC(步骤S330，S340，S350)。

在步骤S330，若不满足I(n)>临界电流值3，利用电流积算法而推定SOC(步骤S331，S350)。

判断推定的SOC是否大于0且小于50，若不满足，反复执行步骤S310至S350。

与此不同，若推定的SOC大于0且小于50，则确认△SOC是否大于临界值1(步骤S361)。确认结果大于临界值1时，利用已推定的SOC推定SOH(步骤S361)。

与此同时，若推定的SOC大于0且小于50，则计算电池劣化因素FA，适用到SOC区间类别SOH查询表而计算第1SOH(步骤S370，S371)。

之后，合并(merge)第1SOH及第2SOH并过滤而推定最终SOH(步骤S380，390)。

图5是呈现根据本发明的一实施例的根据容量劣化的特定SOC区间内OCV值的变化的曲线图。参照图5，是因容量劣化的SOC别OCV的曲线图。根据曲线图，若发生电池劣化，电池OCV值在因电池劣化的SOC-OCV可变区间510内发生变化。

图6是根据本发明的一实施例的SOC-OCV可变区间内定义电池劣化变数的曲线图。参照图6，SOC0-50％区间内的电池劣化程度如箭头。即，从右到左，劣化程度加深。

图7是根据本发明的一实施例的利用最小平方根法而计算已劣化的电池容量的曲线图。参照图7，利用电荷量与△SOC的关系而计算直线的倾斜度C'。该直线的倾斜度为劣化的电池容量。

图8是呈现作为根据本发明的一实施例的SOC区间类别SOH(State Of Health)查询表的例子而用此推定SOH的概念的图。参照图8，将电池劣化因素AF值适用于SOC区间类别SOH查询表而推定SOH810。

Claims

1.一种劣化状态推定装置，其特征在于，包括：

电池组；

状态信息感测部，感测所述电池组的状态而生成状态信息；

第1SOH推定演算部，利用已推定的SOC而推定第1SOH(State OfCharge-充电状态)；

过滤部，过滤第1SOH及第2SOH而生成最终SOH。

2.根据权利要求1所述的劣化状态推定装置，其特征在于，

所述状态信息包括电压、温度及电流。

3.根据权利要求1所述的劣化状态推定装置，其特征在于，

所述SOC的推定，利用SOC-OCV查询表而将OCV换算成SOC。

4.根据权利要求1所述的劣化状态推定装置，其特征在于，

所述SOC的推定，利用电流积分法而将OCV换算成SOC，所述电流积分法，对按时间输入的电流值进行积分而除以全部电池容量的值呈现单位时间内变动的SOC值。

5.根据权利要求1所述的劣化状态推定装置，其特征在于，

所述第1推定演算部，利用所述电池组的充放电时因电流动态的SOC值变化，一定时间内的电荷量及SOC的变化值而第1次推定SOH。

6.根据权利要求5所述的劣化状态推定装置，其特征在于，

所述第1推定演算部，对第1次推定的SOH赋予临界条件，对满足所述临界条件的SOH适用最小平方根法而计算所述第1SOH。

7.根据权利要求6所述的劣化状态推定装置，其特征在于，

所述第1SOH将根据所述最小平方根法而计算的直线的倾斜度除以初期电池容量而以百分比推定。

8.根据权利要求1所述的劣化状态推定装置，其特征在于，

所述预先设定的查询表为SOC区间类别SOH查询表。

9.根据权利要求1所述的劣化状态推定装置，其特征在于，

所述最终SOH根据数学式最终SOH＝A×SOH_演算+(1-A)×SOH_table，这里，SOH_演算为第1SOH，SOH_table为第2SOH，A值表示根据温度而变化的值而计算。

10.根据权利要求9所述的劣化状态推定装置，其特征在于，

所述A值是根据存有已通过实验的温度信息的数据库而进行表格化的值。

11.一种劣化状态推定方法，其特征在于，包括：

状态信息感测步骤，感测电池组的状态而生成状态信息；

变换演算步骤，利用生成的状态信息而变换成OCV(Open CircuitVoltage-开路电压)并利用已变换的OCV而推定SOC(State Of Charge-充电状态)；

第1SOH推定演算步骤，利用已推定的SOC而推定第1SOH(State OfCharge-充电状态)；

电池劣化因素计算步骤，利用已推定的SOC而计算电池劣化因素；

第2SOH演算步骤，将已计算的电池劣化因素适用到预先设定的查询表而计算第2SOH；及

过滤步骤，过滤第1SOH及第2SOH而生成最终SOH。

12.根据权利要求11所述的劣化状态推定方法，其特征在于，

所述状态信息包括电压、温度及电流。

13.根据权利要求11所述的劣化状态推定方法，其特征在于，

所述SOC的推定利用SOC-OCV查询表而将OCV换算成SOC。

14.根据权利要求11所述的劣化状态推定方法，其特征在于，

15.根据权利要求11所述的劣化状态推定方法，其特征在于，

所述第1推定演算步骤，利用所述电池组的充放电时因电流动态的SOC值变化、一定时间内的电荷量及SOC的变化值而第1次推定SOH。

16.根据权利要求15所述的劣化状态推定方法，其特征在于，

所述第1推定演算步骤，对第1次推定的SOH赋予临界条件，对满足所述临界条件的SOH适用最小平方根法而计算所述第1SOH。

17.根据权利要求16所述的劣化状态推定方法，其特征在于，

18.根据权利要求11所述的劣化状态推定方法，其特征在于，

所述预先设定的查询表为SOC区间类别SOH查询表。

19.根据权利要求11所述的劣化状态推定方法，其特征在于，

20.根据权利要求19所述的劣化状态推定方法，其特征在于，