CN105098869A - 用于电池电力管理的方法及系统 - Google Patents

Abstract

本公开涉及一种用于电池电力管理的方法及系统。电池管理系统包括电池组和控制器。所述控制器被配置为接收电池组端电压数据和电池组电流数据。作为响应，所述控制器可估计在等效电路模型中的电池模型参数并输出指示电压响应的快的动态特性和慢的动态特性的状态变量值。所述控制器还可输出指示反馈增益的参数值以计算在状态反馈结构中的电流极限。所述控制器还可基于所述状态变量值和所述反馈增益来估计电池电流极限，以控制电池组的操作。

Description

用于电池电力管理的方法及系统

技术领域

本公开涉及能够估计电池模型的参数以提供对关联电池的控制的电池管理技术。

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动力。这种配置为仅具有内燃发动机的车辆提供了改善的燃料经济性。一种在HEV中改善燃料经济性的方法是在发动机运转效率低且不被另外需要以驱动车辆期间关闭发动机。在这些情况下，电动马达用于提供推进车辆所需的全部动力。当在驾驶员动力需求增加使得电动马达不再能提供满足需求的足够动力时，或者在诸如电池荷电状态(SOC)下降至某一水平的其他情况下，发动机必须以对驾驶员几乎透明的方式快速且平稳地启动。

HEV包括电池管理系统，所述电池管理系统估计描述电池组和/或电池单元的当前操作状况的值。电池组和/或电池单元操作状况包括：电池SOC、电力衰减、容量衰减以及瞬时可用功率。电池管理系统应能够在电池组的整个生命周期中随着电池单元老化而改变电池单元特性期间估计所述值。对一些参数的精确估计可提高性能和鲁棒性，并且可最终延长电池组的使用寿命。

发明内容

一种用于电池组的控制系统包括控制器，所述控制器在从第一状态变量值和第二状态变量值以及反馈增益导出的电流极限内运转电池组。所述第一状态变量值基于电池组端电压数据和电池组电流数据并具有大于阈值的频率分量。所述第二状态变量值基于电池组端电压数据和电池组电流数据并具有小于所述阈值的频率分量。

一种电池管理系统，包括：电池组；至少一个控制器，被配置为：在来自于第一状态变量值和第二状态变量值以及反馈增益的电流极限之内操作所述电池组，其中，所述第一状态变量值基于电池组端电压数据和电池组电流数据并具有大于阈值的频率分量，所述第二状态变量值基于电池组端电压数据和电池组电流数据并具有小于所述阈值的频率分量。

一种用于控制电池组的方法，包括：输出第一状态变量值和第二状态变量值，其中，所述第一状态变量值基于电池组端电压数据和电池组电流数据并具有大于阈值的频率分量，所述第二状态变量值基于电池组端电压数据和电池组电流数据并具有小于所述阈值的频率分量；输出与所述第一状态变量和所述第二状态变量相关联的基于定义所述电池组的等效电路模型的阻抗参数的反馈增益；输出基于所述反馈增益和所述第一状态变量值以及所述第二状态变量值的针对所述电池组的电流极限；基于所述极限运转所述电池组。

根据本发明的一个实施例，所述等效电路模型包括两个或更多个RC电路。

根据本发明的一个实施例，所述电流极限包括放电电流极限和充电电流极限。

根据本发明的一个实施例，所述方法还包括：在充电事件期间或在放电事件期间，在包括从所述电池组端电压数据和所述电池组电流数据导出的瞬时功率容量的功率极限之内运转所述电池组。

根据本发明的一个实施例，所述方法还包括：在充电事件期间或在放电事件期间，在包括从所述电池组端电压数据和所述电池组电流数据导出的持续功率容量的功率极限之内运转所述电池组。

根据本发明的一个实施例，所述方法还包括：在充电事件期间或在放电事件期间，在具有预定义的持续时间的功率极限之内运转所述电池组。

一种针对电池组的控制系统包括控制器，控制器被配置为：在从第一状态变量和第二状态变量以及反馈增益导出的电流极限之内运转所述电池组，其中，所述第一状态变量基于电池组端电压数据和电池组电流数据并具有大于阈值的频率分量，所述第二状态变量基于电池组端电压数据和电池组电流数据并具有小于所述阈值的频率分量。

根据本发明的一个实施例，所述反馈增益基于定义所述电池组的等效电路模型的阻抗参数。

根据本发明的一个实施例，所述等效电路模型包括两个或更多个RC电路。

根据本发明的一个实施例，所述电流极限包括放电电流极限和充电电流极限。

根据本发明的一个实施例，所述控制器还被配置为：在充电事件期间或在放电事件期间，在包括从所述电池组端电压数据和所述电池组电流数据导出的瞬时功率容量的功率极限之内运转所述电池组。

根据本发明的一个实施例，所述控制器还被配置为：在充电事件期间或在放电事件期间，在包括从所述电池组端电压数据和所述电池组电流数据导出的持续功率容量的功率极限之内运转所述电池组。

根据本发明的一个实施例，所述控制器还被配置为：在充电事件期间或在放电事件期间，在具有预定义的持续时间的功率极限之内运转所述电池组。

附图说明

图1是示出典型的动力传动系统和能量存储组件的混合动力电动车辆的示意图；

图2是示出电池阻抗的电阻抗频谱奈奎斯特图的曲线图；

图3是使用一个RC电路来对电池建模的等效电路模型的示意图；

图4是示出在奈奎斯特图中具有一个RC电路的等效电路模型的频率响应的曲线图；

图5是使用两个RC电路来对电池建模的等效电路模型的示意图；

图6是示出使用等效电路模型中的两个RC电路在奈奎斯特图中计算出的电池阻抗的曲线图；

图7是示出根据来自不同电池使用曲线的状态变量的值的电池的端电压响应的曲线图；

图8是用于估计电池电流极限的广义状态反馈结构；

图9是示出在车辆运转期间的使用两个RC电路的等效电路中的状态变量的估计的电压响应的曲线图；

图10是示出通过建议的状态反馈结构估计的电流极限的曲线图；

图11是用于在电池管理系统中估计电池电流极限和功率极限的算法的流程图。

具体实施方式

在此描述本公开的实施例。然而，应该理解，所公开的实施例仅仅是示例，其他实施例可以以各种替代形式来实现。附图无需按比例绘制，一些特征可被夸大或最小化以示出特定组件的细节。因此，在此公开的具体结构和功能细节不应被解释为具有限制性，而仅仅是用于教导本领域技术人员以多种形式使用实施例的代表性基础。如本领域普通技术人员将理解的，参考任一附图示出和描述的各个特征可以与在一个或更多个其它附图中示出的特征组合，以形成未明确示出或描述的实施例。示出的特征的组合提供用于典型应用的代表性实施例。然而，可期望与本公开的教导一致的特征的各种组合和变型用于特定应用或实施。

本公开的实施例总体上提供了多个电路或其他电气装置。当提及所述电路和其他电气装置以及由它们中的每一个提供的功能时，都不意在限于仅涵盖在此示出和描述的内容。虽然特定标号可被分配给公开的各种电路或其他电气装置，但是这样的标号不意在限制所述电路和其他电气装置的操作范围。可基于所期望的特定类型的电气实现方式，按照任何方式将所述电路和其他电气装置彼此组合和/或分离。应该认识到，在此公开的任何电路或其他电气装置可包括任意数量的微处理器、集成电路、存储装置(例如，闪存、随机存取存储器(RAM)、只读存储器(ROM)、电可编程只读存储器(EPROM)，电可擦除可编程只读存储器(EEPROM)或上述项的其他适当的变型)和软件，它们彼此协作以执行在此公开的操作。此外，任意一个或更多个电气装置可被配置为执行在非暂时性计算机可读介质中实现的计算机程序，其中，计算机程序被编写为用于执行公开的任意数量的功能。

HEV电池系统可实现电池管理策略，其中，所述电池管理策略估计描述电池和/或一个或更多个电池单元的当前操作状况的值。电池组和/或一个或更多个电池单元的操作状况包括：电池荷电状态、功率衰减、容量衰减和瞬时可用功率。电池管理策略能够在电池组的整个使用期，随着电池单元老化对值进行估计。对一些参数的精确估计可提高性能和鲁棒性，并可最终延长电池组的使用寿命。对于在此描述的电池系统，可按照以下的讨论实现对一些电池组和/或电池单元的参数的估计。

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。在另一未在示图中描述的实施例中，混合动力传动装置可为非可选式的齿轮传动装置，其中，非可选式的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可提供推进能力和减速能力。电动马达4还充当发电机，并可通过回收通常在摩擦制动系统中会作为热量流失的能量来提供燃料经济收益。由于在特定情况下混合动力电动车辆2可以以电动模式运转，因此，电动马达4还可提供减少的污染排放。

电池组14可包括但不限于具有一个或更多个电池单元的牵引电池，其中，所述一个或更多个电池单元储存可由电动马达4使用的能量。车辆电池组14通常提供高压DC输出，并被电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通信。车辆计算系统22可控制若干车辆功能、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还被电连接到电动马达4，并提供在电池组14和电动马达4之间双向传递能量的能力。例如，典型的电池组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可将DC电压转换为电动马达4所需要的三相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电流转换为电池组14所需要的DC电压。

除了提供用于推进的能量之外，电池组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将电池组14的高压DC输出转换为与其他车辆负载兼容的低压DC供应。其他高压负载可无需使用DC/DC转换器模块18而被直接连接。在典型的车辆中，低压系统被电连接到12V电池20。

电池组14可由电力电子模块16控制，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中接收命令。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。所述一个或更多个控制模块可被校准以使用电池模型参数估计方法控制电池组14，其中，所述电池模型估计方法在运转期间估计有效电池内阻的平均值以确定电池功率容量。功率容量预测使得电池组14能够防止过度充电和过度放电，其中，所述过度充电和过度放电可能导致电池的寿命减少、与车辆动力传动系统相关的性能问题等。

电池参数预测方法和/或策略可有助于实时地(即，在操作期间)确定电池电流极限和功率容量。许多电池参数估计处理受到电池模型的保真度以及在电池操作期间不可预测的环境状况或不可预期的噪声的影响。例如，如果电池处于电荷消耗模式，简单的电池模型可能不能捕获到与电池模型试图测量的电压输出以及电流输入相关联的复杂的系统动态特性。车辆电池测量方法/策略可使用等效电路模型来在运转期间测量车辆内的电池组以获取电化学阻抗，其中，所述等效电路模型在若干种构造中使用一个或更多个电阻-电容(RC)电路。

用于控制电池组的校准可使用多个表来实现以捕获影响电池组的阻抗及其相关联的动态特性的宽频率范围。为了填充/校准所述多个表，需要严格执行在测试设备中使用复杂算法对电池组的离线测试。离线测试电池组的示例为电化学阻抗谱(EIS)，其中，EIS可被实现为用于捕获宽频率范围内的电池系统特性，其中，所述电池系统特性可包括电池温度、电池荷电状态和/或电池使用。

车辆电池测量方法可被实现为用于消除对大量离线测试的需求。车辆电池测量方法可使用一个或更多个简单的等效电路来在运转期间测量车辆内的电池组，以获取电化学阻抗。与离线参数估计相比，车载电池测量估计方法可具有更高的噪声水平，然而，车载电池参数估计方法可在车辆运转期间提供关于电池瞬态表现的有价值的信息。

HEV电池管理系统可实现用于预测电池性能的等效电路模型，其中，使用基于电池测量的之后几秒的电池参数和估计的电化学阻抗来预测电池性能。估计的电池参数可根据驾驶状况和电动车辆操作模式(诸如充电保持模式或电荷消耗模式)而改变。使用简单等效电路模型的电池参数估计处理倾向于对内部噪声和外部噪声以及环境状况敏感。

系统可使用电池测量来估计电池模型参数，并且随后使用估计的模型参数来计算电池功率容量。电池功率容量受到电池组的阻抗及其相关联的动态特性的影响。电池模型参数估计方法可包括在车辆内的电池测量以使用扩展的卡尔曼滤波器和将在以下被更详细描述的其他的计算/算法来获取电化学阻抗，从而计算电池功率容量。电池的功率容量可由状态变量确定，并且可通过使用系统输入和输出来推导。

基于模型的电池管理系统在不引入额外的硬件和/或增加系统复杂性的情况下，基于等效电路模型提供可在电池管理系统中管理的足够的计算速度。可通过使用HEV内的直接电池测量经由对电池模型的实时参数估计方法来计算电池系统的特性。所述系统可测量电池电流输入和电池端电压。测量值可在车辆计算系统内的一个或更多个控制模块中被记录、计算以及存储，其中，所述车辆计算系统包括电池能量控制模块。

图2是示出电池阻抗相对于频率的EIS奈奎斯特图的曲线图100。EIS奈奎斯特图100示出使用一个等效电路的电池系统的直接物理解释。EIS奈奎斯特图100具有表示阻抗实部104的x轴和表示阻抗虚部102的y轴。曲线106示出在频率响应的范围内的电池的测量阻抗。所述系统的频率响应的范围可揭示电池的能量存储和消耗特性。

EIS奈奎斯特图100可揭示关于电池的电化学过程的反应原理的信息，其中，所述反应原理包括可在特定频率起主导作用的不同反应步骤，并且所述频率响应可帮助确定速率限制步骤。曲线106可表示由电极活性材料的固体颗粒的扩散过程和整个电池单元厚度内的极化过程引起的慢的电池动态响应。瞬时响应由电池的等效电路模型的内阻项R₀110确定。由中高频108表示的电池动态特性主要考虑电池动态特性来确定功率容量。在等效电路模型中，由低频112(例如，瓦尔堡(Warburg)阻抗项)表示的慢的动态特性和由R₀110表示的瞬时动态特性被建模成在等效电路模型中的实时调节的内阻。曲线图100捕获可用于估计电池系统的瞬时电池功率容量的电池动态响应。

图3是用于对电池建模的具有一个RC电路的等效电路的示意图。所述电路可对包括电池组和/或一个或更多个电池单元的电池建模。所述等效电路模型包括活性电解质电阻(或内阻)R₀202、并联的电容C₁204和活性电荷转移电阻R₁206，其中，活性电解质电阻R₀202与并联的活性电荷转移电阻R₁206和电容C₁204串联。电池动态特性和相关的状态变量被表示为端电压输出v_t212、电池开路电压v_OC214、内阻的电压v₀216以及RC电路的电压v₁210。所述模型可在HEV电池管理系统中被实现以提供针对一个或更多个电池参数的预测计算。

图4是示出在奈奎斯特图中具有一个RC电路的等效电路模型的频率响应的曲线图301。曲线图301的x轴316表示时间窗口内的平均电池阻抗的实部。曲线图301的y轴314表示电池单元的平均电阻抗的虚部。中快的动态特性由RC电路(即，R₁与C₁)产生的半闭合环路(semi-circuit)108＇表示，并且内阻与R₀110＇相关。然而，被称为瓦尔堡项112＇的慢的动态特性未被具有一个RC电路的等效电路模型捕获到。因此，在所述一个RC电路的模型中不能够有效地呈现在此已知为瓦尔堡项112＇的慢的动态特性。

图5是根据实施例的使用两个RC电路来对电池建模的简单等效电路模型400的示意图。所述两个RC电路可通过向所述模型引入附加动态特性来改进电池组和/或一个或更多个电池单元的建模400。例如，可使用附加RC电路对慢的动态特性112建模。所述RC电路模型可包括附加RC电路，其中，所述附加RC电路具有电阻器R₂406和电容器C₂404，其中，电阻器R₂406和电容器C₂相互并联，并且与图3所示的等效电路模型200中的RC电路串联。所述等效电路模型可具有不限于一个或两个RC电路的其他构造。所述等效电路模型可包括但不限于两个或更多个的RC电路来对电池建模。

图6是示出根据实施例的在等效电路模型中的使用两个或更多个RC电路计算一个或更多个电池单元的平均内阻的曲线图301＇。曲线图301＇的x轴316表示时间窗口内的平均电池阻抗的实部。曲线图301＇的y轴314表示针对电池单元的平均电阻抗的虚部。

曲线图301＇示出所述系统依赖于作为一个或更多个电池单元的电阻抗的分量的高频108＂而捕获平均内阻。所述系统可通过使用等效电路模型中的两个或更多个RC电路捕获所述一个或更多个电池单元的电阻抗的低频112＂分量。在宽频率范围操作下，所述系统可利用提高的保真度来估计电池电流极限和功率容量(尤其对于慢的动态特性变为电池操作的状态的车辆运转情况)。

例如，中快的动态特性由RC电路(即，R₁与C₁))产生的半闭合回路108＂表示，并且内阻与R₀110＂相关。被称为瓦尔堡项112＂的慢的动态特性由等效电路模型中的附加RC电路(即，R₂与C₂)捕获。因此，在此已知为瓦尔堡项112＂的慢的动态特性被展示在使用两个或者更多个RC电路的等效电路模型中。

车辆电池测量方法可实现使用两个RC电路的简单等效电路模型400，以独立地捕获快的动态特性和慢的动态特性。两个RC电路可提高针对低温和/或长时间持续充电状况的预测能力。如图3所示的兰德尔(Randles)电路模型200不能够捕获与瓦尔堡阻抗项相关的慢的电池动态特性。

两个RC电路可通过使用以下等式捕获低频响应和中高频响应来提高电池动态特性的建模：

${\stackrel{\·}{v}}_1=-\frac{1}{R_1{C}_1}{v}_1+\frac{1}{C_1}i---\left(1\right)$

其中，v₁210是由电阻R₁和电容器C₁组成的RC电路两端的电压，电阻R₁206是活性电荷转移电阻，i208是激励电路的电流。由电阻器R₁和电容器C₁组成的RC电路表示车辆运转期间的电池动态变化。由电阻器R₂和电容器C₂组成的RC电路使用以下等式表示车辆运转期间的电池的慢的动态特性(即，低频)：

${\stackrel{\·}{v}}_2=-\frac{1}{R_2{C}_2}{v}_2+\frac{1}{C_2}i---\left(2\right)$

其中，v₂408是由R₂406和C₂404组成的RC电路两端的电压，i208是激励电路的电流。具有电阻器R₂406和电容器C₂的附加RC电路表示在车辆运转期间的低频。具有两个RC电路的等效电路模型可使用以下等式来计算电池端电压：

v_t＝v_OC-v₁-v₂-R₀i(3)

其中，v_t212是端电压，v_OC214是电池开路电压，v₁210是由电阻R₁和电容器C₁组成的RC电路两端的电压，v₂408是由R₂406和C₂404组成的RC电路两端的电压，R₀202是电池内阻，可使用以下等式计算RC电路两端的电压：

$v_1=v_{\mathrm{1,0}}{e}^{-\frac{1}{R_1{C}_1}t}+(1-e^{-\frac{1}{R_1{C}_1}t})R_{1}i---\left(4\right)$

$v_2=v_{\mathrm{2,0}}{e}^{-\frac{1}{R_2{C}_2}t}+(1-e^{-\frac{1}{R_2{C}_2}t})R_{2}i---\left(5\right)$

按照以下等式来推导利用多个RC等效电路模型的电池端电压估计：

$v_t=v_{\mathrm{OC}}-v_{\mathrm{1,0}}{e}^{-\frac{1}{R_1{C}_1}t}-v_{\mathrm{2,0}}{e}^{-\frac{1}{R_2{C}_2}t}-(R_0+(1-e^{-\frac{1}{R_1{C}_1}t})R_1+(1-e^{-\frac{1}{R_2{C}_2}t})R_2)i---\left(6\right)$

其中，t是时间。

所述系统可按照以下等式将当前时间t_o(例如，t等于0)处的电池端电压响应线性化，以获得用于估计电池电流极限的广义状态反馈结构：

$v_t=v_t{|}_{t=0}+\frac{{\mathrm{dv}}_t}{\mathrm{dt}}{|}_{t=0}t---\left(7\right)$

其中，等式(7)如下：

$\frac{{\mathrm{dv}}_t}{\mathrm{dt}}{|}_{t=0}=\frac{v_{\mathrm{1,0}}}{R_1{C}_1}+\frac{v_{2,0}}{R_2{C}_2}-(\frac{1}{C_1}+\frac{1}{C_2})i---\left(8\right)$

其中，等式(8)表示电压变化率，并且通过在以下等式中设置t＝0推导出电压变化率：

$\frac{{\mathrm{dv}}_t}{\mathrm{dt}}=\frac{v_{\mathrm{1,0}}}{R_1{C}_1}{e}^{-\frac{1}{R_1{C}_1}t}+\frac{v_{\mathrm{2,0}}}{R_2{C}_2}{e}^{-\frac{1}{R_2{C}_2}t}-(\frac{1}{C_1}{e}^{-\frac{1}{R_1{C}_1}t}+\frac{1}{C_2}{e}^{-\frac{1}{R_2{C}_2}t})i---\left(9\right)$

图7示出在等效电路模型中依赖于v_1,0和v_2,0的估计的电池状态的端电压。当电池输入电流在v_1,0和v_2,0之间是同一值时，具有相等的输入电流508的电压响应受到等式(8)中的直接影响。

当电压响应为正时，电压变化率向正向510移动。具有正向输入电流510的相对于时间的电压响应位于不考虑电池内部动态特性(即，具有v_1,0＝0与v_2,0＝0的相等的输入电流508)的电压响应之上。

当电压响应为负时，电压变化率向负向506移动。具有负向输入电流506的相对于时间的电压响应位于不考虑电池内部的动态特性(即，具有v_1,0＝0与v_2,0＝0的相等的输入电流508)的电压响应之下。

可通过在等式(7)中设置持续时间Δt＝t_d，推导出当前SOC以及v_1,0和v_2,0的当前状态下的、持续时间Δt＝t_d内的电流极限。

可在设置Δt＝t_d的同时结合等式(7)和等式(9)推导出以下等式：

$v_t=v_{\mathrm{OC}}-(1-\frac{1}{R_1{C}_1})v_{\mathrm{1,0}}-(1-\frac{1}{R_2{C}_2})v_{\mathrm{2,0}}-(R_0+(\frac{1}{C_1}+\frac{1}{C_2})t_d)i---\left(10\right)$

如以下等式所示，通过设置v_t＝v_lb来根据等式(10)计算电池放电电流极限i_dch,lim，其中，v_lb是电池低压极限：

$i_{\mathrm{dch},\max }=[(v_{\mathrm{OC}}-v_{\mathrm{lb}})-(1-\frac{1}{R_1{C}_1})v_{\mathrm{1,0}}-(1-\frac{1}{R_2{C}_2})v_{\mathrm{2,0}}]/(R_0+(\frac{1}{C_1}+\frac{1}{C_2})t_d).---\left(11\right)$

等式(11)被转换为在以下等式中表示的状态反馈形式：

i_dch,max＝K₀(v_OC-v_lb)-K₁v_1,0-K₂v_2,0(12)

其中， $K_0=1/(R_0+(\frac{1}{C_1}+\frac{1}{C_2})t_d),---\left(13a\right)$

其中， $K_1=(1-\frac{1}{R_1{C}_1})/(R_0+(\frac{1}{C_1}+\frac{1}{C_2})t_d),---\left(13b\right)$

其中， $K_2=(1-\frac{1}{R_2{C}_2})/(R_0+(\frac{1}{C_1}+\frac{1}{C_2})t_d),---\left(13c\right)$

在等式(13a)、等式(13b)以及等式(13c)中，反馈增益被表示为电池模型参数的函数，其中，可通过扩展卡尔曼滤波器(EKF)或其他已知的估计方法来估计所述反馈增益。

图8是在等式(12)中表示的广义状态反馈结构600，其中，所述等式(12)用于使用反馈增益604、606、608估计电池参数。广义状态反馈结构600可包括使用卡尔曼扩展滤波器的基于模型的观测器602。

通过设置v_t＝v_ub从等式(10)计算电池充电电流极限i_chg,lim。其中，v_ub为电池高压极限。通过设置v_t＝v_lb从等式(10)计算电池放电电流极限i_dchg,lim。在以下等式中表示使用广义状态反馈增益604、606、608的电池充电电流极限610：

i_ch,max＝K₀(v_OC-v_ub)-K₁v_1,0-K₂v_2,0.(14a)

i_dch,max＝K₀(v_OC-v_lb)-K₁v_1,0-K₂v_2,0(14b)

其中，等式(14b)被示出为图8中的状态反馈结构600的示例。如果在电池等效电路模型中使用附加RC电路，则相同的处理可用于获得针对附加状态变量v_j的附加反馈增益K_j。因此，在以下等式中表示使用两个或更多个RC电路的放电电流极限和充电电流极限：

i_dch,max＝K₀(v_OC-v_lb)-K₁v_1,0-...-K_nv_n,0,(15a)

i_ch,max＝K₀(v_OC-v_ub)-K₁v_1,0-...-K_nv_n,0.(15b)

用于计算电池模型参数的电池管理系统可实现灵活地扩展状态变量的数量和电流极限估计结构的简洁反馈形式。一旦模型参数被确定为离线或者在线，则可计算反馈增益。在计算反馈增益之后，计算电池电流极限。

为在以下等式示出，反馈增益K₀、K₁以及K₂可被修改以考虑可能的噪声和误差并提高估计电流极限的鲁棒性：

$K_0={\mathrm{\α}}_0/(R_0+(\frac{1}{C_1}+\frac{1}{C_2})t_d),---\left(16a\right)$

$K_1={\mathrm{\α}}_1(1-\frac{1}{R_1{C}_1})/(R_0+(\frac{1}{C_1}+\frac{1}{C_2})t_d),---\left(16b\right)$

$K_2={\mathrm{\α}}_2(1-\frac{1}{R_2{C}_2})/(R_0+(\frac{1}{C_1}+\frac{1}{C_2})t_d),---\left(16c\right)$

其中，α₀、α₁和α₂分别是所述反馈增益的调节参数。

电池模型参数可被离线校准或者被实时估计。如果使用实时模型参数估计，则可使用EKF。用于估计模型参数和状态变量的EKF通过在以下公式中表示的以下处理被公式化：

${\hat{x}}_{k|k-1}=f({\hat{x}}_{k-1|k-1},u_{k-1})---\left(17\right)$

其中，是增广状态向量，u_k-1是输入电流。

输入电流u_k在特定的操作点处被传递至所述算法以允许所述系统预测时间变量处的电池参数。模型参数用于预测在一段时间内施加恒定电流时的电压响应。基于以上等式以及EKF已知变量，更新的滤波器等式现在可使用如下的预测协方差等式预测电池功率容量的下一个状态：

$F_{k-1}=\frac{\∂f}{\∂x}{|}_{{\hat{x}}_{k-1|k-1},u_{k-1}}---\left(18a\right)$

$P_{k|k}=\mathrm{cov}(x_k-{\hat{x}}_{k|k})=E\left((x_k-{\hat{x}}_{k|k}){(x_k-{\hat{x}}_{k|k})}^T\right)---\left(18b\right)$

$P_{k|k-1}=\mathrm{cov}(x_k-{\hat{x}}_{k|k-1})=E\left((x_k-{\hat{x}}_{k|k-1}){(x_k-{\hat{x}}_{k|k-1})}^T\right)---\left(18c\right)$

$P_{k|k-1}=F_{k-1}{P}_{k-1|k-1}{F}_{k-1}^T+Q_k---\left(19\right)$

使用以下等式计算新测量值y_k与预测值之间的差：

${\tilde{y}}_k=y_k-h\left({\hat{x}}_{k|k-1}\right)---\left(20\right)$

如以下等式所示，以下等式是用于确定卡尔曼增益K_k的中间量：

$S_k=H_k{P}_{k|k-1}{H}_k^T+R_k---\left(21\right)$

在以下等式中示出用于确定卡尔曼增益K_k的等式：

$K_k=P_{k|k-1}{H}_k^T{S}_k^{-1}---\left(22\right)$

如以下等式所示，卡尔曼增益根据确定更新状态向量

${\hat{x}}_{k|k}={\hat{x}}_{k|k-1}+K_k{\tilde{y}}_k---\left(23\right)$

状态估计误差的协方差在以下等式中示出：

P_k|k＝(I-K_kH_k)P_k|k-1(24)

根据等式(24)估计模型参数。

所述系统可使用以下等式计算充电事件期间的电池瞬时功率容量：

P_lim＝|i_chg,max|v_ub(25)

其中，P_lim为功率容量，v_ub为电池电压上限，i_min为绝对最小电流。

所述系统可使用以下等式计算放电事件期间的电池瞬时功率容量：

P_lim＝|i_dch,max|v_lb(26)

其中，P_lim为功率容量，v_lb为电池功率电压下限，i_max为最大电流。

图9是示出等效电路电池模型的内部状态变量的响应的曲线图700。所述曲线图具有以秒表示时间的x轴702和表示测量的电压的y轴704。分别通过第一RC电路电压v₁706和第二RC电路电压v₂708捕获不同的频率动态特性。电压v₁706可表示快的动态特性，而电压v₂708可表示慢的动态特性。电压响应可用于估计电池电流极限、电池功率容量以及其他电池性能变量。

图10是示出使用状态反馈结构的电流极限的曲线图800、801。曲线图800、801具有以秒表示时间的x轴802和以安培表示电流的y轴804。曲线图800显示具有状态反馈结构和不具有状态反馈结构的最大放电电流，曲线图801显示具有状态反馈结构和不具有状态反馈结构的最大充电电流。

最大放电电流曲线图800示出可使用状态反馈结构改进电池参数建模的电流极限。与没有状态反馈806的最大放电电流相比，具有状态反馈808的最大放电电流可具有对电流极限的改进计算。

最大充电电流曲线图801示出可使用状态反馈结构改进电池参数建模的电流极限。与没有状态反馈810的最大充电电流相比，具有状态反馈812的最大充电电流可具有对电流极限的改进计算。

图11是根据实施例的估计电池管理系统中的电池电流极限和电池功率极限的方法900的算法的流程图。根据一个或更多个实施例，使用包含在车辆控制模块内的软件代码来实现方法900。在其他实施例中，方法900被实现在其他车辆控制器中或分布在多个车辆控制器中。

再次参考图11，在整个方法900的讨论中，参考图1、图3、图5和图8中示出的车辆及其组件以帮助理解本公开的各个方面。在混合动力电动车辆中，使用状态反馈结构来估计电池性能变量以确定电流极限和功率极限的方法可通过计算机算法、机器可执行代码或被编入车辆的合适的可编程逻辑装置的软件指令(例如，车辆控制模块、混合动力控制模块、与车辆计算系统通信的另一控制器或前述项的组合)来实现。尽管流程图中示出的多个步骤表现为按照时间顺序发生，但是所述步骤中的至少一些可以按照不同的顺序发生，并且一些步骤可被同时执行或不被执行。

在步骤902，在允许车辆被通电的钥匙接通事件期间，车辆计算系统可开始对一个或更多个模块供电。在步骤904，所述一个或更多个模块的供电可使得与电池管理系统相关的变量在启用用于控制电池的一个或更多个算法之前初始化。

初始化的参数可以是在最后一次钥匙断开事件中存储的值或预定值。在钥匙接通事件时启用算法之前，参数应被初始化。例如，电池管理方法可初始化若干变量(包括但不限于电池端电压、电流极限和/或其他电池相关的参数)。

在906，所述系统可使用若干种类型的传感器实时测量电池电压输出和电流输入。一旦所述系统接收到电池电压响应和电池电流测量值，则所述系统可处理接收到的信号以计算电池状态变量，其中，所述电池状态变量通过基于电池的快的动态特性和慢的动态特性的电压响应来表示。

在步骤908，可使用等效电路模式中的两个或更多个RC电路来测量快的动态电压响应的模型参数估计值和慢的动态电压响应的模型参数估计值。EKF可用于模型参数估计。使用等式(17)-(24)获得基于EKF的模型参数估计值。如果模型参数可被实时确定，则可使用其他的在线参数估计方法。如果在电池管理系统中未使用在线参数估计方法，则可使用离线校准的模型参数映射。

在步骤910，所述系统可估计状态变量。状态变量包括电池开路电压v_OC216、由快的动态特性电压响应组成的RC电路两端的电压v₁210、由慢的动态特性电压响应组成的RC电路两端的电压v₂408。开路电压v_OC216可基于电池荷电状态而被估计，其中，所述电池荷电状态可通过电流积分或其他算法来计算。

在另一实施例中，步骤908和步骤910可被被组合成由所述系统执行的单个步骤。例如，估计处理可将电池模型参数和电池状态变量包括在一个估计结构中(称为“参数状态共同估计”)。在该实施例中，参数变化和状态改变中的不同的时间标度可导致估计性能的一些劣化，但是估计结构可以是通过所述系统计算的更简单的模型。然而，将状态变量估计处理与对模型参数的估计分离可使得所述系统提高对于每个状态变量和每个模型参数的估计准确度。

在步骤912，可通过等式(13a)、等式(13b)以及等式(13c)计算反馈增益。当可能的测量和过程噪声以及误差需要被抑制时，可通过等式(16a)、等式(16b)以及等式(16c)计算反馈增益，以提高估计电流极限的鲁棒性。

在步骤914，所述系统可使用针对快的动态特性、慢的动态特性以及如在等式(14a)和等式(14b)中所示的电池开路电压的状态反馈结构来计算电流极限。如果在电池等效电路模型中使用附加RC电路，则按照等式(15a)和等式(15b)表示使用两个或更多个RC电路的放电电流极限和充电电流极限。

在步骤916，所述系统可使用等式(25)和等式(26)计算功率极限。计算的功率极限可用于确定从电池控制器至电池组的电池电流命令。

在步骤918，如果所述系统检测到钥匙断开事件，则所述系统可结束用于管理电池组和/或一个或更多个电池单元的一个或更多个算法。在步骤920，车辆计算系统可具有用于允许所述系统在非易失性存储器中存储一个或更多个参数的车辆钥匙断开模式，使得这些参数可被所述系统用于下一个钥匙接通事件。

虽然以上描述了示例性实施例，但这些实施例并不意在描述本发明的所有可能形式。相反，说明书中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进行各种改变。此外，可组合各种实现的实施例的特征以形成本发明进一步的实施例。

Claims (7)

1.一种电池管理系统，包括：

电池组；

至少一个控制器，被配置为：在从第一状态变量值和第二状态变量值以及反馈增益导出的电流极限之内运转所述电池组，其中，所述第一状态变量值基于电池组端电压数据和电池组电流数据并具有大于阈值的频率分量，所述第二状态变量值基于电池组端电压数据和电池组电流数据并具有小于所述阈值的频率分量。

2.如权利要求1所述的系统，其中，所述反馈增益基于定义所述电池组的等效电路模型的阻抗参数。

3.如权利要求2所述的系统，其中，所述等效电路模型包括两个或更多个RC电路。

4.如权利要求1所述的系统，其中，所述电流极限包括放电电流极限和充电电流极限。

5.如权利要求1所述的系统，其中，所述至少一个控制器还被配置为：在充电事件期间或在放电事件期间，在包括从所述电池组端电压数据和所述电池组电流数据导出的瞬时功率容量的功率极限之内运转所述电池组。

6.如权利要求1所述的系统，其中，所述至少一个控制器还被配置为：在充电事件期间或在放电事件期间，在包括从所述电池组端电压数据和所述电池组电流数据导出的持续功率容量的功率极限之内运转所述电池组。

7.如权利要求1所述的系统，其中，所述至少一个控制器还被配置为：在充电事件期间或在放电事件期间，在具有预定义的持续时间的功率极限之内运转所述电池组。