CN105319508B - 用于电池荷电状态估计的方法和系统 - Google Patents

用于电池荷电状态估计的方法和系统 Download PDF

Info

Publication number
CN105319508B
CN105319508B CN201510303356.7A CN201510303356A CN105319508B CN 105319508 B CN105319508 B CN 105319508B CN 201510303356 A CN201510303356 A CN 201510303356A CN 105319508 B CN105319508 B CN 105319508B
Authority
CN
China
Prior art keywords
battery
model
lithium ion
ion concentration
reduced order
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
CN201510303356.7A
Other languages
English (en)
Other versions
CN105319508A (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 CN105319508A publication Critical patent/CN105319508A/zh
Application granted granted Critical
Publication of CN105319508B publication Critical patent/CN105319508B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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]
    • 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
    • B60L50/00—Electric propulsion with power supplied within the vehicle
    • B60L50/50—Electric propulsion with power supplied within the vehicle using propulsion power supplied by batteries or fuel cells
    • B60L50/52—Electric propulsion with power supplied within the vehicle using propulsion power supplied by batteries or fuel cells characterised by DC-motors
    • 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
    • G01R31/005—Testing of electric installations on transport means
    • G01R31/006—Testing of electric installations on transport means on road vehicles, e.g. automobiles or trucks
    • G01R31/007—Testing of electric installations on transport means on road vehicles, e.g. automobiles or trucks using microprocessors or computers
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B17/00—Systems involving the use of models or simulators of said systems
    • G05B17/02—Systems involving the use of models or simulators of said systems electric
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • B60L2240/545—Temperature
    • 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
    • B60L2260/44—Control modes by parameter estimation
    • 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
    • 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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Power Engineering (AREA)
  • Mechanical Engineering (AREA)
  • Transportation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Energy (AREA)
  • Sustainable Development (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Algebra (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Software Systems (AREA)
  • Pure & Applied Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Automation & Control Theory (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • Secondary Cells (AREA)

Abstract

公开一种用于电池荷电状态估计的方法和系统。动力传动系统具有包括固体活性粒子的锂离子(Li‑ion)牵引电池，根据基于所述电池的降阶模型的代表性固体活性粒子的估计的锂离子浓度曲线的电池荷电状态来运转所述动力传动系统。根据所述降阶模型从所述电池的测量电压和电流来估计所述浓度曲线。

Description

用于电池荷电状态估计的方法和系统
技术领域
本发明涉及估计电池的荷电状态(SOC)。
背景技术
电动车辆包括牵引电池。所述电池具有指示电池的当前充电状态的荷电状态(SOC)。知晓电池SOC使得能够计算可用的电池能量和电池功率容量。
可间接估计电池的SOC。一种估计电池SOC的方法涉及电池电流积分(即，库伦计数)。这种电池电流积分方法的问题在于需要精确度高的电流传感器来保证SOC估计的精确度。另一种方法使用电池电压信息来估计SOC。这种电池电压转换方法的问题在于此类方法多数基于图(map-based)或基于简化等效电路模型。
在电荷保持驱动模式下在给定的电池SOC设置点附近电池进行工作。由于长时间的动态特性是可忽略的，因此在上述情况下已知的现有估计方法提供的电池SOC估计可有效。然而，在电荷消耗驱动模式下，慢的扩散动态特性起主导作用。由于宽的频率范围内的慢的动态特性和动态分量的非线性度高，因此已知的现有估计方法提供的电池SOC估计将无效。
应开发一种可在宽的SOC范围、温度范围以及各种车辆驱动条件下使用的电池SOC估计方法。
发明内容
在实施例中，具有锂离子(Li-ion)牵引电池组的动力传动系统根据所述电池的性能变量的值来运转。所述性能变量包括：电池的荷电状态(SOC)和可用的电池功率极限。从降阶电化学电池模型中的锂离子浓度所表示的状态变量来估计所述性能变量。所述电池模型利用所述模型的推导出的常微分方程的非均匀离散而被进一步降阶。提供一种用于基于表示电池单元中的正电极和负电极的电化学动态特性的估计的锂离子浓度曲线来估计电池SOC的方法。使用扩展卡尔曼滤波器(EKF)从电池的测量电压和电流估计所述浓度曲线。基于所述降阶电池模型来构造EKF。
在实施例中，根据基于估计的锂离子浓度曲线的电池的SOC来操作包括固体活性粒子的锂离子(Li-ion)牵引电池，其中，估计的锂离子浓度曲线表示电池单元或电池组的电化学动态特性。使用捕捉两个电极(即，正电极和负电极)的电化学动态特性的扩散方程来对电化学动态特性建模。所述降阶模型采用电极平均模型的结构，但是该模型的有效性通过将中到慢的动态特性信息添加到所述状态变量而被扩大到宽范围的操作条件，其中，所述状态变量通过有效锂离子浓度曲线来表示。根据所述模型从电池的测量电压和电流估计有效锂离子浓度曲线。
在本发明的实施例中，一种用于具有包括固体活性粒子的锂离子(Li-ion)牵引电池的动力传动系统的系统，所述系统包括：控制器，被配置为根据基于所述电池的降阶模型的代表性固体活性粒子的估计的锂离子浓度曲线的电池荷电状态来运转所述动力传动系统，并根据所述模型从所述电池的测量电压和电流来估计所述浓度曲线。
根据本发明的一个实施例，所述控制器还被配置为使用扩展卡尔曼滤波器(EKF)估计所述浓度曲线。
根据本发明的一个实施例，所述降阶模型采用表示所述电池的电池单元的正电极和负电极的组合电化学动态特性的常微分方程。
根据本发明的一个实施例，所述扩展卡尔曼滤波器基于所述降阶模型。
根据本发明的一个实施例，所述控制器还被配置为使用常微分方程的非均匀离散来从所述电池的全阶电化学模型推导所述降阶模型。
根据本发明的一个实施例，所述控制器还被配置为根据所述降阶模型输出电池端电压。
在本发明的实施例中，一种车辆包括：动力传动系统，具有包括固体活性粒子的锂离子(Li-ion)牵引电池；控制器，被配置为根据基于所述电池的降阶模型的代表性固体活性粒子的估计的锂离子浓度曲线的电池荷电状态来运转动力传动系统，并根据所述模型从所述电池的测量电压和电流来估计所述浓度曲线。
根据本发明的一个实施例，所述控制器还被配置为使用扩展卡尔曼滤波器(EKF)估计所述浓度曲线。
根据本发明的一个实施例，所述控制器还被配置为根据所述降阶模型输出电池端电压。
附图说明
图1示出根据本发明实施例的电动车辆的电力存储系统的框图；
图2示出根据本发明实施例的依据电池荷电状态(SOC)估计处理从全阶电化学电池模型推导出的降阶电化学电池模型(即，电极平均电池模型)和全阶电化学电池模型的表示；
图3A示出针对降阶电池模型的沿电极固体粒子半径的锂离子浓度曲线的均匀离散的表示；
图3B示出针对降阶电池模型的沿电极固体粒子半径的锂离子浓度曲线的非均匀离散的表示；
图4示出电池的开路电压相对于电池SOC的曲线图；
图5示出根据本发明实施例的示出用于使用降阶电池模型来估计电池的SOC的系统和方法的操作的框图；
图6A示出根据本发明实施例的描绘随着时间的电池SOC的曲线图，其中，所述曲线图包括实际的电池SOC和使用降阶电池模型计算的电池SOC的比较；
图6B示出根据本发明实施例的描绘在某一时间点处浓度相对于归一化的电极固体粒子半径的曲线的曲线图，其中，所述曲线图包括平均浓度和估计的浓度的比较；
图6C示出根据本发明实施例的描绘在另一时间点处浓度相对于归一化的电极固体粒子半径的曲线的曲线图，其中，所述曲线图包括平均浓度和估计的浓度的比较。
具体实施方式
在此公开本发明的详细实施例；然而，应理解，公开的实施例仅仅是可以以各种替代形式实施的本发明的示例。附图不需要按比例绘制；可以夸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应被解释为限制，而仅是用于教导本领域技术人员多样地采用本发明的代表性基础。
现在参照图1，示出根据本发明实施例的电动车辆10(诸如混合动力电动车辆)的电力存储系统的框图。电力存储系统包括牵引电池12。电池12被配置为：向将电力转换为动力以推进车辆10的电机14(诸如马达/发电机)提供电力。电池12包括任意数量和/或任意类型的能量存储单元。例如，电池12是具有多个锂离子电力存储单元的锂离子(Li-ion)电池。
控制器16被配置为监测与电池12相关联的参数，并基于该参数和其它因子控制电池的操作。控制器16还被配置为根据本发明实施例依据电池荷电状态(SOC)估计处理估计电池12的SOC。SOC估计处理包括使用电池的降阶电化学模型实时地从(测量的)电池电压估计电池12的SOC。
电池SOC估计处理的目的包括：1)产生可以以足够的精确度捕获电池12的动态特性的降阶电化学电池模型(即，电极平均电池模型)；2)最小化用于调节降阶电池模型的参数的数量；3)使用降阶电池模型从测量的电池电压实时估计电池的SOC。
电池12的降阶或电极平均模型(“降阶电池模型”)的推导基于对电池12的全阶电化学模型的理解。在假设每个电极(即，阴极和阳极)可由平均电极粒子表示的情况下，该全阶电池模型被操纵为降阶模型。之后，在假设扩散动态特性可由导致阴极和阳极的组合动态特性的代表性扩散动态特性表示的情况下，所述降阶模型被进一步降阶。这使得产生的模型的大小为使用两个单独的粒子的模型的大小的一半。产生的扩散动态特性是阴极和阳极的平均扩散动态特性。
单独地，电解质的瞬时电压降与过电位被组合在单个内电阻项中，其中，所述过电位从巴特勒-沃尔默(Butler-Volmer)电流密度方程计算得到。由于开路电位和电解质电位项不需要被单独计算，因此这些假设使得降阶或电极平均电池模型更简单。
进而，基于降阶电池模型使用扩展卡尔曼滤波器(EKF)从输出电压测量曲线的输入电流曲线估计有效锂离子浓度曲线，其中，所述有效锂离子曲线表示电池单元的动态特性。随后，从估计的锂离子浓度曲线计算电池SOC。
现在参照图2，示出全阶电化学电池模型20的示图和从全阶电池模型20推导出的降阶电化学电池模型30的示图。同样地，作为根据本发明实施例的电池SOC估计处理的一部分，从全阶电池模型20推导降阶电池模型30。然后，降阶电池模型30被进一步简化以估计由锂离子浓度曲线表示的电池电化学状态并估计电池SOC。虽然降阶电池模型30的简化在快速充放电状况下可能会丢失预测精确度，但是在降阶电池模型30中描述了固体粒子的重要的扩散动态特性。
再次参照图2，正电极和负电极的动态特性可以由每个电极的组合动态特性来表示。如图2所示，全阶电池模型20包括：浸入阳极的电解质溶液24中的固体粒子22、多种活性材料以及浸入阴极的电解质溶液28中的固体粒子26、多种活性材料。如本领域普通技术人员所知的，锂离子29(为了简洁只示出一个)沿着从阳极的固体粒子22的路径到阴极的固体粒子26的路径移动，从而基于在电池两端施加电压V而产生电流I。
如图2进一步所示的，通过使降阶电池模型30包括浸入阳极的电解质溶液34中的平均固体粒子32和浸入阴极的电解质溶液38中的平均固体粒子36，而使降阶电池模型30相对于全阶电池模型被简化。平均固体粒子32代表全阶电池模型20的阳极中的多个固体粒子22，平均固体粒子36代表全阶电池模型20的阴极中的多个固体粒子26。
现在将详细描述从全阶电池模型20到降阶电池模型30的推导。如本领域普通技术人员所知的，全阶电池模型20由以下方程表示：
Figure BDA0000732569810000051
Figure BDA0000732569810000052
Figure BDA0000732569810000053
Figure BDA0000732569810000054
其中，φ是电位，c是锂离子浓度，下标s和e分别表示活性电极固体粒子和电解质，σeff是电极的有效电导率，κeff是电解质的有效电导率，
Figure BDA0000732569810000055
是液体接界电势项，Ds是电极中的锂离子的扩散系数，
Figure BDA0000732569810000056
是电解质中的锂离子的有效扩散系数，t0是迁移数，F是法拉第常量。
Butler-Volmer电流密度方程如下：
Figure BDA0000732569810000057
其中，αa是阳极反应的传递系数，αc是阴极反应的传递系数，R是气体常数，T是温 度，η＝φs-φe-U(cse)是活性固体粒子处的固体-电解质界面的过电位，且
Figure BDA0000732569810000058
电池端电压V根据以下方程计算：
Figure BDA0000732569810000061
通过进行如图2所示的以下假设来从全阶电池模型20推导降阶电池模型30：
Figure BDA0000732569810000062
是0(固体中的电位相对于从阳极到阴极的方向(即，x方向)的梯度是零)；
Figure BDA0000732569810000063
是0(电解质中的电位相对于x方向的梯度是零)；
Figure BDA0000732569810000065
是0(电解质中的锂离子浓度(ce)相对于x方向的梯度是零)。
作为这些假设的结果，通过下面的每个电极的常微分方程(ODE)(1)来表示降阶电池模型30：
Figure BDA0000732569810000064
推导出的ODE表示每个电极的电化学动态特性。
在假设正电极和负电极的电化学动态特性可被组合并随后被一个ODE表示的情况下，通过ODE来估计表示组合两个电极的电化学动态特性的有效锂离子浓度曲线。换句话说，为了简化，针对每个平均的固体粒子32和36的锂离子浓度曲线被视为相同。
电池端电压根据以下方程(2)计算：
V＝U(cse)–R0i (2)
其中，cse是在固体-电解质界面处的有效锂离子浓度，R0是取决于开路电压的内电阻项并且是电池12的已知量。
ODE(1)描述电池12的锂离子扩散动态特性以及其它的中到慢的电化学动态特性。方程(1)的状态是沿着离散粒子半径的锂离子浓度并且由下面的矩阵方程(3)给出：
cs＝[cs，1 ... cs，Mr-1]T (3)
控制输入是由下面的方程(4)表示的电池输入电流：
uk＝ik (4)
(测量的)系统输出(y)是电池端电压并且电池端电压表达式由下面的方程(5)表示：
y＝U(cse)–R0i (5)
针对测量的电池端电压的方程(5)对应于提出的端电压方程(2)(V＝U(cse)–R0i)。
如这里的描述，对于阳极和阴极两者，只解开一个常微分方程(即，状态空间方程(1))。因此，来自方程(1)的扩散动态特性表示阳极和阴极两者的扩散动态特性的平均检测。在假设过电位和电解质的电压降可由内电阻R0表示的情况下，电池端电压被降低至端电压方程(2)。所述假设能够排除与全阶电池模型20相关联的过电位计算，从而产生的降阶电池模型30甚至更简单。
同样地，根据矩阵方程(3)(cs＝[cs，1 ... cs，Mr-1]T)的状态向量表示沿着电极固体粒子半径的锂离子浓度曲线。根据下面的方程(也可使用其它表达式)计算平均锂离子浓度曲线：
Figure BDA0000732569810000071
然后，可根据下面的方程估计电池12的SOC：
其中，
Figure BDA0000732569810000073
θ0％处于0％的SOC；θ100％处于100％的SOC；cs,max为最大的锂离子浓度。
现在参照图3A和图3B，并继续参照图2，分别示出针对降阶电池模型30的沿着电极固体粒子半径的锂离子浓度曲线的均匀离散40和非均匀离散42的表示。非均匀离散42的目的包括在保持锂离子浓度曲线可观测性的同时利用降阶模型获得相同水平的预测精确度。
针对非均匀离散42，描述平均固体粒子中的锂离子浓度扩散动态特性的状态空间、常微分方程(1)转换为下面的矩阵方程(6)：
Figure BDA0000732569810000074
其中，
Figure BDA0000732569810000081
Figure BDA0000732569810000082
状态空间矩阵方程(6)
Figure BDA0000732569810000083
是针对在平衡附近的状态空间方程的连续表达式。
通过下面的方程(7)表示针对在平衡附近的状态空间方程的离散表达式：
ck+1·＝·Akck·+·Bkik (7)
其中，
Ak＝(I+AΔt)
Bk·＝·BΔt
然后通过下面的方程(8)给出电池端电压方程：
yk＝Hkcs–R0ik (8)
其中，
Figure BDA0000732569810000084
其中，在假设cse＝cMr-1的情况下，
Figure BDA0000732569810000085
在输出矩阵Hk中，使用针对在固体-电解质界面处的估计的锂离子浓度的预先计算的
Figure BDA0000732569810000086
曲线。
图4示出包括电池12的开路电压相对于电池SOC的绘制线82的曲线图80。如曲线图80所示，预先计算的
Figure BDA0000732569810000087
曲线84对应于绘制线82的在沿着绘制线82的任意给定点处的斜率86。
通过Ak和Hk(或者通过A和H)，电池12可被完全观测(应注意到，这里的符号A或Ak可用符号F或Fk代替)。
基于模型的扩展卡尔曼滤波器(EKF)设计遵循下面的一系列方程：
预测：
Figure BDA0000732569810000091
Figure BDA0000732569810000092
更新：
Figure BDA0000732569810000093
Figure BDA0000732569810000094
Figure BDA0000732569810000095
Pk|k＝(I-KkHk)Pk|k-1
其中，
Figure BDA0000732569810000096
Figure BDA0000732569810000097
Figure BDA0000732569810000098
Figure BDA0000732569810000099
Figure BDA00007325698100000910
Figure BDA00007325698100000911
Figure BDA00007325698100000912
电池12的整体SOC估计总结如下。
利用构造的状态空间模型和EKF，根据下面的方程来估计电池12的锂离子浓度曲线：
ck+1＝Fkck+Bkik
yk＝Hkcs-R0ik
估计的锂离子浓度曲线由下面的方程表示：
Figure BDA0000732569810000101
然后根据下面的方程从锂离子浓度曲线估计电池12的SOC：
Figure BDA0000732569810000102
其中，
Figure BDA0000732569810000104
现在参照图5，框图50被示出，其中，框图50示出根据本发明实施例的使用降阶电池模型30估计电池SOC的操作。同样地，控制器16被配置为实现用于使用降阶电池模型30估计电池SOC的操作。所述操作利用根据降阶电池模型30的闭环估计器52。通过扩散动态特性方程ck+1＝Fkck+Bkik和测量的电池电压方程yk＝Hkcs-R0ik来表征遵循在此描述的扩展卡尔曼滤波器(EKF)技术的估计器52的设计。如以上示出的，对估计器52的控制输入是电池的电流ik-154。估计器52基于电池电流ik-154产生估计的电池电压56。实际的电池电压58被测量。估计的电池电压vk 56和测量的电池电压vk 58被输入到比较器60。比较器60产生指示估计的电池电压56和测量的电池电压58之间的电压差的差Δv 62。电压差Δv 62被输入回估计器52，估计器52进而产生另一电池电压估计值56。此处理重复以使电压差Δv 62收敛为零。作为电压差Δv 62收敛为零的结果，估计器52能够产生相对精确估计的(锂离子)浓度曲线cs,k 64。通过在此描述的计算器66对估计的浓度曲线64进行平均以产生平均浓度
Figure BDA0000732569810000105
68。电池SOC的计算器70基于在此描述的平均浓度68来估计电池SOC 72。
根据本发明实施例的用于使用降阶电池模型从测量的电池电压估计电池的SOC的方法和系统包括以下特征。电池的电化学过程被降阶电池模型30捕获。这意味着一旦模型30被校准，模型30就可用于宽范围的操作点、SOC和温度。提出的降阶电池模型30比典型的电化学电池模型(诸如，全阶电池模型20)简单得多。这可以通过引入在此描述的若干个假设来实现。电池模型30可通过相对少量的模型参数来调整。扩展卡尔曼滤波器(EKF)用于SOC估计，所述EKF的公式足够简单以被实现在控制器16的电池管理系统(BMS)中。
根据本发明实施例的用于估计电池的SOC的方法和系统包括其它特征。所述方法和系统提供一种可选方式，所述方式可用于仅使用电池电流输入和端电压输出信息来以足够的精确度实时估计电池SOC。降阶电池模型30相对足够简单以用于控制设计。在预测精确度相同的情况下，所述模型的校准比等效电路电池模型的校准简单得多。由于EKF具有固有的噪声抑制能力，因此，SOC估计精确度对于电流传感器的敏感度低得多。
现在参照图6A，示出曲线图90，曲线图90描绘相对于时间的实际电池SOC和根据本发明实施例的使用降阶电池模型计算的电池SOC。曲线图90包括实际电池SOC的绘制线92。曲线图90还包括如在此描述的使用降阶电池模型计算的电池SOC的绘制线94。如曲线图90所示，绘制线92和94大致上相互重合，从而说明计算的电池SOC相对于实际电池SOC高度精确。
图6B示出描绘在某一时间点处(即，参照图6A，在电池SOC约为0.9的200秒处)锂离子浓度相对于归一化的电极固体粒子半径的曲线的曲线图100。曲线图100包括平均浓度的绘制线102。曲线图100还包括如这里的描述所估计的浓度的绘制线104。如此，曲线图100示出在与给定的电池SOC值关联的给定时间点处的平均浓度和根据本发明实施例估计的浓度之间的比较。
图6C示出描绘在某一时间点处(即，参照图6A，在电池SOC约为0.2的1000秒处)锂离子浓度相对于归一化的电极固体粒子半径的曲线的曲线图110。曲线图110包括平均浓度的绘制线112和估计的浓度的绘制线114。如此，曲线图110示出在与另一电池SOC值关联的另一时间点处的平均浓度和根据本发明实施例估计的浓度之间的比较。
虽然以上描述了示例性实施例，但是这些实施例并不意图描述本发明的所有可能形式。相反，在说明书中使用的词语是描述性的词语而非限制，并且应理解，在不脱离本发明的精神和范围的情况下可以进行各种改变。此外，可以对各种实现的实施例的特征进行组合以形成本发明的进一步的实施例。

Claims (6)

1.一种用于动力传动系统的方法，其中，所述动力传动系统具有包括固体活性粒子的锂离子牵引电池，所述方法包括：
根据所述电池的荷电状态来运转所述动力传动系统，所述电池的荷电状态基于所述电池的降阶模型的代表性固体活性粒子的估计的锂离子浓度曲线，所述锂离子浓度曲线是根据所述模型从所述电池的测量电压和电流来估计的，其中，所述降阶模型使用表示所述电池的电池单元的正电极和负电极的组合电化学动态特性的常微分方程的非均匀离散而从所述电池的全阶电化学模型被推导。
2.如权利要求1所述的方法，还包括：从所述估计的锂离子浓度曲线计算所述电池的荷电状态。
3.如权利要求1所述的方法，还包括：使用所述降阶模型输出电池端电压。
4.如权利要求1所述的方法，还包括：使用所述降阶模型估计所述锂离子浓度曲线。
5.如权利要求3所述的方法，还包括：使用扩展卡尔曼滤波器技术根据所述降阶模型从所述电池的测量电压和电流估计所述锂离子浓度曲线。
6.一种车辆，包括：
牵引马达；
锂离子牵引电池，包括固体活性粒子；
控制器，根据基于所述电池的降阶模型的代表性固体活性粒子的估计的锂离子浓度曲线的所述电池的荷电状态，运转所述电池以向牵引马达提供电力，并且根据所述降阶模型从所述电池的测量的电压和电流来估计所述锂离子浓度曲线，其中，所述降阶模型使用表示所述电池的电池单元的正电极和负电极的组合电化学动态特性的常微分方程的非均匀离散而从所述电池的全阶电化学模型被推导。
CN201510303356.7A 2014-06-05 2015-06-04 用于电池荷电状态估计的方法和系统 Active CN105319508B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US14/296,646 2014-06-05
US14/296,646 US9581988B2 (en) 2014-06-05 2014-06-05 Method and system for battery state of charge estimation

Publications (2)

Publication Number Publication Date
CN105319508A CN105319508A (zh) 2016-02-10
CN105319508B true CN105319508B (zh) 2020-01-07

Family

ID=54549005

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510303356.7A Active CN105319508B (zh) 2014-06-05 2015-06-04 用于电池荷电状态估计的方法和系统

Country Status (3)

Country Link
US (1) US9581988B2 (zh)
CN (1) CN105319508B (zh)
DE (1) DE102015108294A1 (zh)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10288691B2 (en) 2014-06-05 2019-05-14 Ford Global Technologies, Llc Method and system for estimating battery model parameters to update battery models used for controls
US20160023569A1 (en) * 2014-07-28 2016-01-28 Ford Global Technologies, Llc Battery power capability estimation based on reduced order electrochemical models
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
US10621303B2 (en) 2016-04-11 2020-04-14 Hamilton Sundstrand Corporation Closed loop control and built-in test utilizing reduced order model
US11462929B2 (en) * 2016-10-04 2022-10-04 University Of Washington Systems and methods for direct estimation of battery parameters using only charge/discharge curves
US11214150B2 (en) 2017-01-09 2022-01-04 Volvo Truck Corporation Method and arrangement for determining the state of charge of a battery pack
US11034243B2 (en) * 2018-10-22 2021-06-15 Chongqing Jinkang New Energy Vehicle Co., Ltd. Vehicle battery controller based on a reduced order model
CN110554319A (zh) * 2019-08-08 2019-12-10 盐城工业职业技术学院 基于改进型锂离子电池数学模型的电池参数检测方法
CN110954832A (zh) * 2019-12-19 2020-04-03 北京交通大学 一种识别老化模式的锂离子电池健康状态在线诊断方法
CN112733411B (zh) * 2020-12-18 2022-09-30 武汉大学 基于二阶差分粒子滤波的锂电池soc估计方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101629992A (zh) * 2009-05-27 2010-01-20 重庆大学 磷酸铁锂动力电池剩余容量的估算方法
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

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8103485B2 (en) 2004-11-11 2012-01-24 Lg Chem, Ltd. State and parameter estimation for an electrochemical cell
FR2929410B1 (fr) 2008-03-28 2010-04-09 Inst Francais Du Petrole Methode pour estimer les caracteristiques non mesurables d'un systeme electrochimique
US10177398B2 (en) 2010-11-23 2019-01-08 Eocell Ltd Li-ion battery capacity and voltage prediction using quantum simulations
JP4744622B2 (ja) * 2009-07-01 2011-08-10 トヨタ自動車株式会社 車両の制御装置
US9197089B2 (en) 2011-11-14 2015-11-24 Auburn University Rapid battery charging method and system
JP5783122B2 (ja) * 2012-04-11 2015-09-24 トヨタ自動車株式会社 電池状態推定装置
US9130248B2 (en) * 2012-05-25 2015-09-08 GM Global Technology Operations LLC Modeling changes in the state-of-charge open circuit voltage curve by using regressed parameters in a reduced order physics based model
US10288691B2 (en) * 2014-06-05 2019-05-14 Ford Global Technologies, Llc Method and system for estimating battery model parameters to update battery models used for controls

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN101629992A (zh) * 2009-05-27 2010-01-20 重庆大学 磷酸铁锂动力电池剩余容量的估算方法

Also Published As

Publication number Publication date
US9581988B2 (en) 2017-02-28
US20150355615A1 (en) 2015-12-10
DE102015108294A1 (de) 2015-12-10
CN105319508A (zh) 2016-02-10

Similar Documents

Publication Publication Date Title
CN105319508B (zh) 用于电池荷电状态估计的方法和系统
CN105319507B (zh) 用于估计电池模型参数的方法和系统
Li et al. A comparative study of state of charge estimation algorithms for LiFePO4 batteries used in electric vehicles
CN104991980B (zh) 锂离子电池的电化学机理建模方法
Corno et al. Electrochemical model-based state of charge estimation for Li-ion cells
Zhang et al. An improved adaptive estimator for state-of-charge estimation of lithium-ion batteries
Kemper et al. Simplification of pseudo two dimensional battery model using dynamic profile of lithium concentration
US20160023566A1 (en) Reduced order electrochemical battery model for vehicle control
US20160023567A1 (en) Temperature dependent electrochemical battery model for vehicle control
Locorotondo et al. Online identification of thevenin equivalent circuit model parameters and estimation state of charge of lithium-ion batteries
CN107066722A (zh) 一种基于电化学模型的动力电池系统荷电状态和健康状态的联合估计方法
Shi et al. State-of-health estimation for lithium battery in electric vehicles based on improved unscented particle filter
CN105304965B (zh) 基于降阶电化学模型的电池功率容量估计
JP2008243373A (ja) 二次電池の状態推定装置
Chaoui et al. Adaptive state of charge estimation of lithium-ion batteries with parameter and thermal uncertainties
US20160023568A1 (en) Interpolation of metal-ion concentrations in a battery model for vehicle control
CN107179508B (zh) 基于降阶电化学模型的电池荷电状态估计
KR101282687B1 (ko) 차량용 배터리 상태 예측 방법
Chaoui et al. Online parameter identification of lithium-ion batteries with surface temperature variations
Chaoui et al. Accurate state of charge (SOC) estimation for batteries using a reduced-order observer
CN104035035A (zh) 确定电池的残余容量的方法
Rahmoun et al. SOC estimation for Li-Ion batteries based on equivalent circuit diagrams and the application of a Kalman filter
Khaki et al. Fast and simplified algorithms for SoC and SoH estimation of vanadium redox flow batteries
Lv et al. State of charge estimation of lithium-titanate battery based on multi-model extended Kalman filter considering temperature and current rate
US11333710B2 (en) Method and device for estimating a voltage of a battery

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant