CN104956233A - 电池状态推断装置 - Google Patents
电池状态推断装置 Download PDFInfo
- Publication number
- CN104956233A CN104956233A CN201480006820.XA CN201480006820A CN104956233A CN 104956233 A CN104956233 A CN 104956233A CN 201480006820 A CN201480006820 A CN 201480006820A CN 104956233 A CN104956233 A CN 104956233A
- Authority
- CN
- China
- Prior art keywords
- battery status
- battery
- pattern function
- value
- time
- 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]
- G01R31/367—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]
- G01R31/382—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
- 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
- H01M10/05—Accumulators with non-aqueous electrolyte
- H01M10/052—Li-accumulators
-
- 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
本发明提供一种电池状态推断装置。电池状态推断装置(10)具备:对进行了充放电的电池(3),在预测的测量期间获取随时间一起变化的电池状态的实测值的实测值获取部(20);通过实测值来决定将电池状态模型化的多个模型函数的函数形式的模型函数决定部(21);针对决定了函数形式的多个模型函数,分别预测电池状态的变化的多个预测部(22);和基于多个预测部(22)的结果,计算电池状态的推断稳定值的推断部(23)。
Description
技术领域
本发明涉及对随时间一起变化的电池状态的稳定值进行推断的电池状态推断装置。
背景技术
由于电池以等效电路的方式具有电容成分,因此若进行充放电,则为了使其端子间电压稳定需要花费时间。
因此,专利文献1中叙述了在电池的断路电压的推断中,使用通过从充放电结束时起20~30分钟的数据来进行直线近似的方法。此外,专利文献2中叙述了作为二次电池的断路电压的近似式而决定使用4次以上的指数衰减函数的系数。此外,专利文献3中叙述了将倒数函数用于电池的稳定断路电压的推断。
在先技术文献
专利文献
专利文献1:日本特开2002-250757号公报
专利文献2:日本特开2005-43339号公报
专利文献3:日本特开2008-268161号公报
发明内容
-发明要解决的课题-
希望针对进行了充放电的电池,确切地预测随时间一起变化的电池状态。
-解决课题的手段-
本发明所涉及的电池状态推断装置具备:对进行了充放电的电池,在预测的测量期间获取随时间一起变化的电池状态的实测值的实测值获取部;通过实测值来决定将电池状态模型化的多个模型函数的函数形式的模型函数决定部;针对决定了函数形式的多个模型函数,分别预测电池状态的变化的多个预测部;和基于多个预测部的结果,计算电池状态的推断稳定值的推断部。
-发明效果-
根据上述结构,能够针对进行了充放电的电池,确切地预测随时间一起变化的电池状态。
附图说明
图1是包含本发明所涉及的实施方式的一个例子中的电池状态推断装置的电池充放电控制系统的结构图。
图2是表示被用于本发明所涉及的实施方式的一个例子中的电池状态推断装置的多个模型函数的一个例子的图。
图3是表示被用于本发明所涉及的实施方式的一个例子中的电池状态推断装置的多个模型函数的其他例子的图。
图4是表示由本发明所涉及的实施方式的一个例子中的电池状态推断装置执行的电池状态推断的顺序的流程图。
图5是表示被用于本发明所涉及的实施方式的一个例子中的电池状态推断装置的加权的图。
具体实施方式
以下使用附图来详细说明本发明所涉及的实施方式。以下所述的电池的断路电压特性、多个模型函数的函数形式等是用于说明的一个例子,能够根据作为电池状态推断装置的对象的电池的式样、特性等来适当地变更。
以下,在全部附图中,给对应的要素付与相同的符号,省略重复的说明。
图1是电池充放电控制系统1的结构图。电池充放电控制系统1具备电池充放电部2。电池充放电部2包含:电池3、对电池3与放电负载4或者充电电源5连接时输入输出到电池3的电流进行检测的电流检测部6、和检测电池3的端子间电压的电压检测部7。电池充放电控制系统1进一步构成为包含:充放电控制装置8、电池状态推断装置10、和与电池状态推断装置10连接的存储部11。另外,图1中表示虽然不是电池充放电控制系统1的构成要素,但与电池充放电部2连接的放电负载4和充电电源5。
作为电池状态推断的对象的电池3是电池状态随时间一起变化的电池,这里是能够充放电的二次电池。作为二次电池,能够将锂离子电池设为电池状态推断的对象。除此以外,也可以将镍氢电池、碱性电池、铅蓄电池等设为电池状态推断的对象。
放电负载4是利用从电池3提供的放电电力的设备。这里,举例家庭用的电灯、个人计算机等电气设备等、工厂的照明器具这样的电气设备等。除此以外,也可以是搭载于车辆的旋转电机这样的电气设备等。
充电电源5是工业电源12、太阳能电池13等发电装置,这些经由充电器14来与电池3连接。
电流检测部6是将从充电电源5向电池3输入的充电电流、从电池3向放电负载4输出的放电电流区别检测的电流检测单元。作为电流检测部6,能够使用适当的电流计。
电流检测部6所检测出的电流值是将充电电流值设为正的电流值,将放电电流值设为负的电流值,并通过适当的信号线而被传输到充放电控制装置8的,其被用于充放电指令值与实测值之间的偏差的确认等电池充放电部2的控制。此外,由于电流检测部6所检测出的电流值是作为电池状态之一的电流特性值,因此在电池状态推断装置10进行有关电流特性值的推断时,电流检测部6所检测出的电流值作为被用为推断的基础的实测电流值,通过适当的信号线而被传输到电池状态推断装置10,并被用于对表示电池的充电状态的SOC(State Of Charge)进行计算等推断处理。
电压检测部7是检测电池3的端子间电压的电压检测单元。作为电压检测部7,能够使用适当的电压计。电压检测部7所检测出的电压值通过适当的信号线而被传输到充放电控制装置8,并被用于电池的电压状态的监视等。此外,由于电压检测部7所检测出的电压值是作为电池状态之一的电压特性值,因此在电池状态推断装置10进行有关电压特性值的推断时,电压检测部7所检测出的电压值作为被用为推断的基础的实测电压值,通过适当的信号线而被传输到电池状态推断装置10。
充放电控制装置8根据放电负载4、充电电源5的要求来输出充放电指令,控制电池3的充放电。该充放电控制装置8能够由适当的计算机构成。
电池状态推断装置10是使用被传输来的电流检测部6的检测值或者电压检测部7的检测值,来推断随时间一起变化的电池状态的稳定值的装置。该电池状态推断装置10能够由适当的计算机构成。
这里,所谓随时间一起变化的电池状态,是指在电池3充放电时,根据电池3的电容成分、电感成分、电阻成分,输入输出的电流值、端子间电压值随时间一起变化所导致的电池3的状态。因此,随时间一起变化的电池状态除了电池3的电流状态、电压状态,还包含表示电池的充电状态的SOC(State Of Charge)等。
例如,从充放电控制装置8对电池3输出充电指令,从充电电源对电池3进行规定的充电,在该充电结束时,电池3成为从充电电源5分离的断路状态。若看到该断路电压,则端子间电压随时间降低。相反地,从充放电控制装置8对电池3输出放电指令,从电池3对放电负载4进行规定的放电,在该放电结束时,电池3成为从放电负载4分离的断路状态。断路状态时的电池3的端子间电压是断路电压(Open Circuit Voltage:OCV)。若看到断路电压,则充电结束后,断路电压随时间逐渐降低,放电结束后,断路电压随时间逐渐上升。这样,断路电压是随时间一起变化的电池状态之一。
为了在充放电结束后得到随时间一起变化的断路电压的稳定值,需要到稳定为止的时间。到稳定为止的时间可能是几分钟,但花费几个小时的情况也不少。以下,将断路电压作为随时间一起变化的电池状态来进行叙述,在该情况下,电池状态推断装置10通过运算来短时间地推断断路电压的稳定值。
电池状态推断装置10构成为具备:在预测的测量期间对随时间一起变化的电池状态获取实测值的实测值获取部20、根据实测值来决定将电池状态模型化的多个模型函数的函数形式的模型函数决定部21、针对决定了函数形式的多个模型函数分别预测电池状态的变化的多个预测部22、和基于多个预测部的结果,计算电池状态的推断稳定值的推断部23。
该功能能够通过电池状态推断装置10执行软件来实现。具体来讲,能够通过电池状态推断装置10执行电池状态推断程序来实现这些功能。也可以将这些功能的一部分设为通过硬件来实现的功能。
与电池状态推断装置10连接的存储部11是对用于电池状态推断装置10的程序等进行保存的存储器。这里,特别是将对电池状态模型化的多个模型函数存储为模型函数文件25。电池状态推断装置10的推断部23在存储于存储部11的模型函数文件25中的多个模型函数中选择2个以上适当的模型函数,基于通过这些来预测的多个预测值,推断电池状态的稳定值。
使用多个模型函数是由于电池3的充放电后的电压举动被电池3的种类、环境温度、充放电时的电流量、SOC的值等复杂地影响,在这些情况下并不局限于适用相同的模型函数。此外,是由于电池3的电池状态在充放电的整个区域不能通过一个模型函数来模型化的情况较多。此外,即使在能够使用一个模型函数的情况下,决定该模型函数的函数形式的参数并不局限于一直适用相同的值。
在模型函数文件25存储多个模型函数。其中之一是电池状态关于时间而以指数函数的方式变化的第1模型函数26。此外,存储有电池状态关于时间而以对数函数的方式变化的第2模型函数27。作为除此以外的模型函数,存储有:电池状态关于时间而以直线的方式变化的直线性模型函数、电池状态相对于时间为反比的反比模型函数、使用了经过时间t的指数的线形和的函数、电池状态相对于时间渐近地接近于收敛值的Sigmoid函数等。以下,对电池状态推断装置10中,使用第1模型函数26和第2模型函数27来作为多个模型函数的情况进行叙述。
上述中,将存储部11叙述为独立于电池状态推断装置10的单元,但也可以将这些构成为包含于电池状态推断装置10的单元。此外,将电池状态推断装置10叙述为独立于充放电控制装置8的另一装置,但也可以将电池状态推断装置10构成为充放电控制装置8的一部分。
接下来,使用图2和图3来说明存储于模型函数文件25的第1模型函数26和第2模型函数27。第1模型函数26和第2模型函数27是表示电池3的断路电压的预测值VEST与从放电结束起的经过时间t的关系的函数。
图2是表示第1模型函数26的图。第1模型函数26在作为初始值,以V0为时间t0时的断路电压时,具有式(1)所示的函数形式。A和时间常数τ是决定具体的函数形式的参数。这样,第1模型函数26具有作为电池状态的断路电压关于时间而以指数函数的方式变化的函数形式。
【式1】
图3是表示第2模型函数27的图。第2模型函数27在作为初始值,以V0为时间t0时的断路电压,以V1为时间t1时的断路电压,以V2为时间t2时的断路电压时,具有式(2)所示的函数形式。R、T和ΔV是决定具体的函数形式的参数。R是根据式(3)来给出的。
【式2】
VEST=V2+ΔV[-1+logR{R-(t-t2)(1-R)/T}]
…(2)
【式3】
第2模型函数27如式(2)所示,是作为电池状态的断路电压关于时间而以对数指数函数的方式变化的函数形式。这里,在将断路电压关于时间而上升的单位设为ΔV时,将该ΔV最初产生的经过时间设为T=t1-t0,第2次的ΔV产生的经过时间设为TR=t2-t1,从而求出式(3)所示的R。并且,具有第3次的ΔV产生的经过时间为TR2=t3-t2,第4次的ΔV产生的经过时间为TR3=t4-t3,以下,第n次的ΔV产生的经过时间为TR(n-1)的函数形式。这样,第2模型函数27将R、T和ΔV设为参数来决定函数形式。
若将第1模型函数26与第2模型函数27相比,则在断路电压随时间的经过一起降低时的时间常数τ较大时,即使将第1模型函数26用于断路电压的稳定值的推断,误差也较小。在断路电压随时间的经过一起降低时的时间常数τ较小时,若将第1模型函数26用于断路电压的稳定值的推断,则实测出的初始值、τ的误差具有较大的影响。在该情况下,将具有缓慢的函数形式的第2模型函数27用于断路电压的稳定值的推断的情况为较小的误差。
图2的第1模型函数26、图3的第2模型函数27被保存于存储部11的模型函数文件25。另外,图2、图3表示放电的情况,但在充电的情况下,第1模型函数26、第2模型函数27的函数形式也是相同的,只是变更参数、符号等。
在图2、图3中,将保存于模型函数文件25的第1模型函数26和第2模型函数27的样式作为映像进行了说明。模型函数文件25的样式只要将表示电池状态的值与时间相互关联,就也可以是映象(map)以外的样式。例如,也可以是一览表、数学式、若输入时间t就输出表示电池状态的值的ROM等样式。
使用图4和图5来详细说明上述结构的作用,特别是电池状态推断装置10的各个功能。图4是表示电池状态的推断顺序的流程图。图4的顺序分别对应于电池状态推断程序的各处理顺序。这里,作为一个例子,说明进行电池3进行放电时的断路电压的稳定值的推断的顺序。
图5是表示图4的推断稳定值计算的样子的图。
在图4中,进行电池状态的推断的,首先是输出来自充放电控制装置8的充放电指令时(S1)。这里,放电指令被从充放电控制装置8输出。若放电指令被输出,则电池3对放电负载4执行放电指令的内容的放电。在该阶段,电池状态推断装置10什么都不进行。在S1之后,电池状态推断装置10判断是否到了测量定时(S2)。所谓测量定时,是指为了推断电池3放电结束后的断路电压的稳定值,能够对作为其前提的电池3的端子间电压的实测值进行测量的定时。在当前的情况下,在电池3成为断路状态时,S2的判断被肯定。例如,判断电池3是否结束放电,在判断为放电结束时,能够肯定S2的判断。具体来讲,在充放电控制装置8输出的放电指令中包含放电结束时间的情况下,能够通过经过了该放电结束时间,来肯定S2的判断。
若S2的判断被肯定,则获取电池3的断路电压的实测值(S3)。该处理顺序是通过电池状态推断装置10的实测值获取部20的功能来执行的。这里,获取从电压检测部7传输的检测值。通过取样而在不同时间能获取多个实测值。
接下来,判断测量期间是否结束(S4)。测量期间被设定为使得S3中获取的实测值的数据足够决定第1模型函数26的函数形式的参数、第2模型函数27的函数形式的参数。不仅数据的数量,还包含获取的实测值为适当的电压间隔等,来设定测量期间。若测量期间过长,则接近于断路电压的稳定值,推断的价值变小,因此测量期间优选为考虑断路电压的稳定值推断的要求精度并设为必要最小限。
若S4中获取到足够的实测值,则接下来,进行第1模型函数26的函数形式的参数、第2模型函数27的函数形式的参数的决定(S5)。该处理顺序是通过电池状态推断装置10的模型函数决定部21的功能来执行的。这里,在第1模型函数26的情况下,进行用于决定A和τ的运算,在第2模型函数27的情况下,进行用于决定R、T和ΔV的运算。使用多个实测值来决定函数的多个参数能够使用最小平方法等公知技术。
若S5中第1模型函数26和第2模型函数27的参数被决定,各自的函数形式被确定,则使用第1模型函数26和第2模型函数27来将预测的预测时间tS处的断路电压的值作为预测值分别进行计算(S6)。该处理顺序是通过电池状态推断装置10的多个预测部22的功能来执行的。预测时间tS被设定为认为电池3的断路电压为十分稳定的值的时间。预测时间tS能够针对电池3,预先实验求出。作为一个例子,能够将测量期间设为10分钟,将预测时间tS设为1个小时之后。
图5是表示时间t0处的基于第1模型函数26的预测值VS1和基于第2模型函数27的预测值VS2的计算的图。图5的横轴是时间,纵轴是断路电压V。从时间t0到时间t4是测量期间,在该情况下,获得5个实测值V0至V4。图5中表示了基于该5个实测值V0至V4来决定的第1模型函数26的函数形式30和第2模型函数27的函数形式31。在函数形式30中,时间tS时的值是基于第1模型函数26的预测值VS1。同样地,在函数形式31中,时间tS时的值是基于第2模型函数27的预测值VS2。
再次返回到图4,在S7中,进行加权值的决定。所谓加权值,是指为了使用基于第1模型函数26的预测值VS1和基于第2模型函数27的预测值VS2来计算出最准确的断路电压的稳定推断值,决定注重该2个预测值中的哪一个值。也就是说,使用加权值α,将稳定推断值计算为稳定推断值=αVS1+(1-α)VS2。
加权值α能够基于第1模型函数26的函数形式的参数值、第2模型函数27的函数形式的系数即参数值来确定。例举加权值α的决定的一个例子,能够根据断路电压随时间的经过一起上升时的时间常数τ来确定。如上所述,在时间常数τ较大时,优选将第1模型函数26应用于断路电压的稳定值的推断,在时间常数τ较小时,优选应用第2模型函数27。因此,能够根据式(4)来确定加权值α。
【式4】
式(4)将加权值α设为固定值,但能够考虑电池3的种类、环境温度、充放电时的电流量、SOC的值、预测时间tS等来确定。此外,也能够将其设为通过学习来决定的值。例如,能够使用神经网络(neural network)等机械学习手法,使用预先收集的数据来学习,并使用学习到的模型来计算加权值α。
若S7中决定了加权值α,则使用S6中计算出的基于第1模型函数26的预测值VS1和基于第2模型函数27的预测值VS2,进行最准确的断路电压的稳定推断值的计算(S8)。该处理顺序是通过电池状态推断装置10的推断部23的功能来执行的。也就是说,使用加权值α,将稳定推断值计算为稳定推断值=αVS1+(1-α)VS2。另外,图5中图示了使用了加权值α的稳定推断值VS0。
S8中,若得到了电池3的断路电压的稳定推断值,则能够使用预先求出的断路电压与SOC的关系,计算放电结束后的电池3的SOC(S9)。
这样,由于对充放电后的电池3的端子间电压进行取样来推断断路电压,因此能够比以往短时间地计算出基于电压的SOC的计算。此外,由于使用多个用于预测的模型函数并进行其之间的加权来推断断路电压,因此能够灵活对应于在多样的条件下复杂变动的断路电压的举动,推断精度提高。
虽然上述中,使用基于2个模型函数的2个预测值来进行加权,但在使用3个以上的N个预测值VS1至VSN时,能够使用N个加权值α1至αN,进行根据式(5)的加权。这里,N个加权值的总和=1。
【式5】
VS0=α1VS1+α2VS2+…αNVSN …(5)
另外,虽然上述中,在充放电结束后,基于1次测量期间中得到的实测值来推断断路电压,但也能够对多次测量期间进行此推断,通过依次更新结果,提高推断精度。
-符号说明-
1 电池充放电控制系统,2 电池充放电部,3 电池,4 放电负载,5 充电电源,6 电流检测部,7 电压检测部,8 充放电控制装置,10电池状态推断装置,11 存储部,12 工业电源,13 太阳能电池,14 充电器,20 实测值获取部,21 模型函数决定部,22 多个预测部,23 推断部,25 模型函数文件,26 第1模型函数,27 第2模型函数,30 (第1模型函数的)函数形式,31 (第2模型函数的)函数形式。
Claims (5)
1.一种电池状态推断装置,具备:
实测值获取部,其对进行了充放电的电池,在预测的测量期间获取随时间一起变化的电池状态的实测值;
模型函数决定部,其根据所述实测值来决定将所述电池状态模型化的多个模型函数的函数形式;
多个预测部,其针对决定了所述函数形式的所述多个模型函数,分别预测所述电池状态的变化;和
推断部,其基于所述多个预测部的结果,计算所述电池状态的推断稳定值。
2.根据权利要求1所述的电池状态推断装置,其中,
所述多个模型函数至少包含:
所述电池状态关于时间而以指数函数的方式变化的第1模型函数;和
所述电池状态关于时间而以对数函数的方式变化的第2模型函数。
3.根据权利要求1或者2所述的电池状态推断装置,其中,
所述推断部将所述多个预测结果通过基于所决定的所述模型函数的系数而确定的加权来进行相加,计算所述电池状态的推断稳定值。
4.根据权利要求1所述的电池状态推断装置,其中,
所述电池状态是电池的断路电压。
5.根据权利要求4所述的电池状态推断装置,其中,
所述电池状态是基于所述电池的断路电压来计算的电池的充电状态。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013-017981 | 2013-02-01 | ||
JP2013017981 | 2013-02-01 | ||
PCT/JP2014/000511 WO2014119328A1 (ja) | 2013-02-01 | 2014-01-31 | 電池状態推定装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104956233A true CN104956233A (zh) | 2015-09-30 |
CN104956233B CN104956233B (zh) | 2018-04-03 |
Family
ID=51262042
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201480006820.XA Active CN104956233B (zh) | 2013-02-01 | 2014-01-31 | 电池状态推断装置 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20150369875A1 (zh) |
JP (1) | JP6234946B2 (zh) |
CN (1) | CN104956233B (zh) |
WO (1) | WO2014119328A1 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110118937A (zh) * | 2019-05-13 | 2019-08-13 | 深圳江行联加智能科技有限公司 | 自适应预测模型的蓄电池荷电状态边缘计算优化检测方法 |
CN111189645A (zh) * | 2018-11-15 | 2020-05-22 | 李尔公司 | 用于以减少的处理时间执行诊断过程的方法和系统 |
WO2021218423A1 (zh) * | 2020-04-30 | 2021-11-04 | 华为技术有限公司 | 用于充电管控的方法和装置 |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR3006450B1 (fr) * | 2013-06-04 | 2015-05-22 | Renault Sa | Procede pour estimer l'etat de sante d'une cellule electrochimique de stockage d'energie electrique |
JP6534746B2 (ja) * | 2015-09-30 | 2019-06-26 | 日立オートモティブシステムズ株式会社 | 電池制御装置及び電池システム |
JP6326452B2 (ja) * | 2016-06-15 | 2018-05-16 | 本田技研工業株式会社 | 電池状態推定装置および電池状態推定方法 |
JP6645584B2 (ja) * | 2016-08-26 | 2020-02-14 | 株式会社豊田自動織機 | 蓄電装置 |
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 |
JP6946691B2 (ja) * | 2017-03-29 | 2021-10-06 | 株式会社豊田自動織機 | 蓄電装置及び開回路電圧推定方法 |
KR101912615B1 (ko) | 2017-04-20 | 2018-10-29 | 이정환 | 배터리 모니터링 및 보호 시스템 |
TWI718783B (zh) * | 2019-11-28 | 2021-02-11 | 新普科技股份有限公司 | 以視覺化圖像建立電池狀態模型的方法 |
EP4147060A1 (en) | 2020-05-07 | 2023-03-15 | Zitara Technologies, Inc. | Battery analysis system and method |
TWI741632B (zh) * | 2020-06-03 | 2021-10-01 | 龍華科技大學 | 電池智能分流模組之電阻溫度係數預測方法、電流量測補償校正方法及其裝置 |
JP2022157734A (ja) * | 2021-03-31 | 2022-10-14 | 本田技研工業株式会社 | 劣化状態推定システム、劣化状態推定方法、及びプログラム |
WO2023059652A1 (en) | 2021-10-04 | 2023-04-13 | Zitara Technologies, Inc. | System and method for battery management |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2006129802A1 (ja) * | 2005-06-03 | 2006-12-07 | The Furukawa Electric Co., Ltd. | 充電率/残存容量推定方法、電池の状態検知センサ及び電池電源システム |
CN101346636A (zh) * | 2005-12-27 | 2009-01-14 | 丰田自动车株式会社 | 二次电池的充电状态推定装置与充电状态推定方法 |
US20110031938A1 (en) * | 2009-08-04 | 2011-02-10 | Yosuke Ishikawa | Method of Estimating Battery State of Charge |
US20110161025A1 (en) * | 2008-09-02 | 2011-06-30 | Kabushiki Kaisha Toyota Chuo Kenkyusho | State estimating device for secondary battery |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6646419B1 (en) * | 2002-05-15 | 2003-11-11 | General Motors Corporation | State of charge algorithm for lead-acid battery in a hybrid electric vehicle |
JP4878470B2 (ja) * | 2005-10-31 | 2012-02-15 | 矢崎総業株式会社 | バッテリの開回路電圧推定方法および装置 |
JP2008256436A (ja) * | 2007-04-03 | 2008-10-23 | Yazaki Corp | 近似式算出装置及びその方法、並びに、バッテリ状態監視装置 |
US20130030738A1 (en) * | 2011-01-19 | 2013-01-31 | Sendyne Corporation | Converging algorithm for real-time battery prediction |
-
2014
- 2014-01-31 US US14/764,153 patent/US20150369875A1/en not_active Abandoned
- 2014-01-31 CN CN201480006820.XA patent/CN104956233B/zh active Active
- 2014-01-31 JP JP2014559589A patent/JP6234946B2/ja active Active
- 2014-01-31 WO PCT/JP2014/000511 patent/WO2014119328A1/ja active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2006129802A1 (ja) * | 2005-06-03 | 2006-12-07 | The Furukawa Electric Co., Ltd. | 充電率/残存容量推定方法、電池の状態検知センサ及び電池電源システム |
CN101346636A (zh) * | 2005-12-27 | 2009-01-14 | 丰田自动车株式会社 | 二次电池的充电状态推定装置与充电状态推定方法 |
US20110161025A1 (en) * | 2008-09-02 | 2011-06-30 | Kabushiki Kaisha Toyota Chuo Kenkyusho | State estimating device for secondary battery |
CN102144169A (zh) * | 2008-09-02 | 2011-08-03 | 丰田自动车株式会社 | 二次电池的状态推定装置 |
US20110031938A1 (en) * | 2009-08-04 | 2011-02-10 | Yosuke Ishikawa | Method of Estimating Battery State of Charge |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111189645A (zh) * | 2018-11-15 | 2020-05-22 | 李尔公司 | 用于以减少的处理时间执行诊断过程的方法和系统 |
US11598812B2 (en) | 2018-11-15 | 2023-03-07 | Lear Corporation | Methods and systems for performing diagnostic processes with reduced processing time |
CN110118937A (zh) * | 2019-05-13 | 2019-08-13 | 深圳江行联加智能科技有限公司 | 自适应预测模型的蓄电池荷电状态边缘计算优化检测方法 |
WO2021218423A1 (zh) * | 2020-04-30 | 2021-11-04 | 华为技术有限公司 | 用于充电管控的方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
JP6234946B2 (ja) | 2017-11-22 |
CN104956233B (zh) | 2018-04-03 |
JPWO2014119328A1 (ja) | 2017-01-26 |
WO2014119328A1 (ja) | 2014-08-07 |
US20150369875A1 (en) | 2015-12-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104956233A (zh) | 电池状态推断装置 | |
Hannan et al. | A review of lithium-ion battery state of charge estimation and management system in electric vehicle applications: Challenges and recommendations | |
Chen et al. | A new state-of-health estimation method for lithium-ion batteries through the intrinsic relationship between ohmic internal resistance and capacity | |
Hussein | Capacity fade estimation in electric vehicle li-ion batteries using artificial neural networks | |
Sassi et al. | Comparative study of ANN/KF for on-board SOC estimation for vehicular applications | |
Wang et al. | On-line remaining energy prediction: A case study in embedded battery management system | |
Rezvanizaniani et al. | Review and recent advances in battery health monitoring and prognostics technologies for electric vehicle (EV) safety and mobility | |
Dong et al. | Kalman filter for onboard state of charge estimation and peak power capability analysis of lithium-ion batteries | |
Gholizadeh et al. | Estimation of state of charge, unknown nonlinearities, and state of health of a lithium-ion battery based on a comprehensive unobservable model | |
CN102918411B (zh) | 充电状态推定装置 | |
EP2188642B1 (en) | System and method for estimating long term characteristics of battery | |
Zhang et al. | Battery state estimation using unscented kalman filter | |
CN114072684A (zh) | 在服务器侧表征能重复充电的电池 | |
CN107015163B (zh) | 一种电池容量的获取方法和装置 | |
Mamo et al. | Long short-term memory with attention mechanism for state of charge estimation of lithium-ion batteries | |
KR20090130406A (ko) | 충전상태를 이용한 전지 평활화 시스템 및 방법 | |
KR100901252B1 (ko) | 슬라이딩 모드 관측기를 이용한 2차 전지 soc 예측방법 및 장치 | |
CN111381180B (zh) | 一种电池容量的确定方法和装置 | |
Blanco et al. | An Equivalent Circuit Model With Variable Effective Capacity for $\hbox {LiFePO} _ {4} $ Batteries | |
EP2746797B1 (en) | Method for the characterisation of accumulators | |
CN103869251A (zh) | 二次电池最大容量测量装置 | |
Chen et al. | Sliding mode observer for state of charge estimation based on battery equivalent circuit in electric vehicles | |
Zhu et al. | The SOH estimation of LiFePO4 battery based on internal resistance with Grey Markov Chain | |
Qiu et al. | Battery hysteresis modeling for state of charge estimation based on Extended Kalman Filter | |
Bahramipanah et al. | Enhanced electrical model of lithium-based batteries accounting the charge redistribution effect |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230907 Address after: Osaka, Japan Patentee after: Panasonic New Energy Co.,Ltd. Address before: Japan Osaka Patentee before: Sanyo Electric Co.,Ltd. |