CN105510832A - 使用老化补偿的电动车辆电池荷电状态监控 - Google Patents

Abstract

电动车辆电池荷电状态(SOC)基于测量开路电压(open？circuit？voltage)的确定会因关系随时间改变而常出现错误。提供一种在老化期间更新关系的方法。给电池单元应用充电电流。响应于预定的充电电流检测良好的充电状态。在充电状态过程中编译包含相对于各个荷电状态增量的多个斜率值的充电斜率矢量。对应于多个储存的SOC-OCV老化曲线确定多个SOC-OCV斜率矢量，每个SOC-OCV斜率矢量包含相对于等效荷电状态增量的多个斜率值。选择储存的SOC-OCV老化曲线中的具有与充电斜率矢量最佳拟合的SOC-OCV斜率矢量的一个储存的SOC-OCV老化曲线，用于将测量的OCV值转换为电池单元SOC值。

Description

使用老化补偿的电动车辆电池荷电状态监控

背景技术

本发明总体涉及电动车辆中电池荷电状态的确定，以及更具体地涉及电池老化监控，以跟踪荷电状态和开路电压之间的关系的变化。

直流(DC)电源(例如，电池)和用于电动车辆(例如全电动和混合动力)的电力驱动器的其它元件需要监控，以便使效率和性能最大化，以及确定电池荷电状态(SOC)以预测在电池供电的情况下剩余的行驶里程。像锂离子(Li-Ion)这样的常见电池种类使用一起堆放(串联和/或并联连接)在电池组中的大量单独的电池单元。除了监控由电池组输出的总电压以外，通常还分别监控每个单元，以确定它们的电压产量、电流、以及其它参数。通常监控每个单元的温度，以便防止过热。

由于涉及的高电压水平、各个单元在堆栈中操作时的中间电压的范围以及所需的高水平的精度，可靠地监控各种电池状态是非常具有挑战性的。各种电池监控集成电路装置已经在商业上开发，以在车辆环境中使用。商用电池监控集成电路(IC)装置的示例包括可以从马萨诸塞州，诺伍德的美国模拟器件股份有限公司(AnalogDevices,Inc)购买的AD7280A装置、可以从加利福尼亚州，米尔皮塔斯的凌力尔特公司(LinearTechnologyCorporation)购买的LTC6804装置、以及可以从加利福尼亚州，米尔皮塔斯的英特矽尔公司(IntersilCorporation)购买的ISL94212多单元锂离子电池管理器。电力驱动器中典型的部件是电池能量控制器模块(BECM)，其包括或可以编程为包括除了监控功能以外的各种电池管理和通信功能。

SOC尤其是要监控的关键参数，这是由于其被用于估算剩余容量、供电能力、以及其它电池状态。虽然电流测量值可以被用于跟踪SOC的值，但更精确的方法是基于测量电池单元的开路电压(OCV)，其与SOC通过作为每个特定的电池设计的特征的已知关系与SOC相互关联。特别是在锂离子电池的情况下，这种SOC-OCV曲线由于电池老化和使用而变化(即，偏移)。不精确的SOC-OCV曲线的使用有损精确的SOC估算。

发明内容

本发明使用通过测量用于与一系列预定的SOC对(vs.)OCV老化曲线进行比较的充电电压对(vs.)SOC曲线而获得的分段线性模型，并且挑选具有最佳拟合的一个SOC对(vs.)OCV老化曲线作为最精确地代表电池或单元的老化状态的一个SOC对(vs.)OCV老化曲线。

在本发明的一方面，提供一种使用开路电压(OCV)监控电池单元荷电状态(SOC)的方法。对电池单元应用充电电流。响应于预定的充电电流检测充电状态。充电状态期间编译包含相对于各个荷电状态增量的多个斜率值的充电斜率矢量。对应于多个储存的SOC-OCV老化曲线确定多个SOC-OCV斜率矢量，每个SOC-OCV斜率矢量包含相对于等效荷电状态增量的多个斜率值。选择储存的SOC-OCV老化曲线中的具有与充电斜率矢量最佳拟合的SOC-OCV斜率矢量的一个，用于将测量的OCV值转换成电池单元的SOC值。

根据本发明，提供一种使用开路电压(OCV)监控电池单元的方法，其包含：

给电池单元充电；

响应于预定的充电电流来检测充电状态；

在充电之后的电池单元使用期间测量OCV；以及

使用选择的储存的SOC-OCV老化曲线来将测量的OCV值转换为电池单元SOC值，选择的储存的SOC-OCV老化曲线具有与充电斜率矢量最佳拟合的SOC-OCV斜率矢量，其中基于a)在充电状态期间编译的、包含相对于各个荷电状态(SOC)增量的多个斜率值的充电斜率矢量以及b)对应于多个储存的SOC-OCV老化曲线的多个SOC-OCV斜率矢量来选择选择的SOC-OCV老化曲线，每个SOC-OCV斜率矢量包含相对于等效荷电状态增量的多个斜率值。

根据本发明的一个实施例，响应于预定的安培-小时电荷增加来检测各个荷电状态增量。

根据本发明的一个实施例，方法进一步包含：

在应用充电电流之前测量电池单元的开路电压；

其中，每个SOC-OCV斜率矢量具有响应于测量的开路电压而确定的起始值。

根据本发明的一个实施例，通过斜率值的最小平方和根据最佳拟合来确定最佳拟合的SOC-OCV斜率矢量。

根据本发明的一个实施例，将预定的充电电流检测为在预定的时间内保持在预定的范围内的准稳态电流。

根据本发明的一个实施例，预定的范围对应于用于感测充电电流的峰值精度。

根据本发明的一个实施例，响应于预定的温度范围来进一步检测充电状态。

根据本发明，提供一种电动车辆，其包含：

多单元电池；

电池充电器；

控制器，控制器编译包含相对于各个荷电状态增量的斜率值的充电斜率矢量，编译储存的SOC-OCV老化曲线的相对于等效荷电状态增量的多个SOC-OCV斜率矢量，以及选择储存的SOC-OCV老化曲线中的具有与充电斜率矢量最佳拟合的SOC-OCV斜率矢量的一个储存的SOC-OCV老化曲线用于将测量的OCV值转换为电池单元SOC值。

根据本发明的一个实施例，电动车辆进一步包含用于测量充电电流的电流传感器，其中各个荷电状态增量是基于测量的充电电流响应于预定的安培-小时电荷增加而被检测的。

根据本发明的一个实施例，电动车辆进一步包含用于在充电之前测量开路电压的电压传感器，其中每个SOC-OCV斜率矢量具有响应于测量的开路电压而获取的起始值。

根据本发明的一个实施例，最佳拟合的SOC-OCV斜率矢量是通过斜率值的最小平方欧氏距离根据最佳拟合来识别的。

根据本发明的一个实施例，最佳拟合的SOC-OCV斜率矢量是使用每个斜率的显著性通过斜率值的最小加权平方欧氏距离根据最佳拟合来识别的。

根据本发明的一个实施例，电动车辆进一步包含用于测量充电电流的电流传感器，其中当预定的充电电流被检测为在预定的时间内保持在预定的范围内的准稳态电流时充电斜率矢量被编译。

根据本发明的一个实施例，预定的范围对应于电流传感器的峰值精度。

根据本发明的一个实施例，电动车辆进一步包含测量电池的温度的温度传感器，其中当测量的温度在预定的温度范围内时充电斜率矢量被编译。

根据本发明，提供一种监控电池荷电状态(SOC)的方法，其包含：

给电池充电；

编译充电斜率矢量，充电斜率矢量包含相对于各个荷电状态增量的斜率值；

编译储存的SOC-OCV老化曲线的相对于等效荷电状态增量的多个SOC-OCV斜率矢量；以及

选择储存的SOC-OCV老化曲线中的具有与充电斜率矢量最佳拟合的SOC-OCV斜率矢量的一个储存的SOC-OCV老化曲线用于将测量的OCV值转换为电池单元SOC值。

附图说明

图1是对应于特定电池单元的老化的一系列SOC-OCV曲线的曲线图，示出开路电压和荷电状态之间的关系如何随时间变化；

图2是示出在充电过程中增加的单元电压的曲线图连同将要在重叠的时间期间精确地表征电池单元的一部分SOC-OCV曲线；

图3是示出充电斜率矢量的分段确定的曲线图；

图4是示出SOC-OCV斜率矢量的分段确定的曲线图；

图5是示出使用本发明操作的一种类型的电动车辆的框图；

图6是示出依据实施本发明的一个优选实施例的多单元电池以及传感器和控制器元件的框图；

图7是示出本发明的一个优选方法的流程图；

图8是示出汇编充电斜率矢量的一个优选方法的流程图。

具体实施方式

这里所使用的术语“电动车辆”包括具有用于车辆推进的电动马达的车辆，例如纯电动车辆(BEV)、混合动力电动车辆(HEV)、以及插电式混合动力电动车辆(PHEV)。BEV包括电动马达，其中用于马达的能量来源是可由外部电网再充电的电池。在BEV中，电池是用于车辆推进的能量来源。HEV包括内燃发动机和电动马达，其中用于发动机的能量来源是燃料，并且用于马达的能量来源是电池。在HEV中，发动机是用于车辆推进的能量的主要来源，同时电池为车辆推进提供补充能量(例如，电池缓冲燃料能量并以电的形式恢复动能)。PHEV类似于HEV，但是PHEV拥有可由外部电网再充电的更大容量电池。在PHEV中，电池是用于车辆推进的能量的主要来源直到电池耗尽至一低能量级，此时PHEV像HEV一样操作用于车辆推进。

图1示出了一系列SOC-OCV曲线，该SOC-OCV曲线示出了对应于曲线10的新电池、对应于曲线11的轻微老化的电池、以及对应于曲线12的更明显老化的电池的由于老化而产生的偏移。每一个这样的曲线都可以通过样品电池的严格的实验室测试来获得。由于在车辆使用期间无法获取电池的实际状态，所以已知的电动车辆还不能在车辆服役期间选择最合适的曲线。

单元电压可以根据下述公式使用简单的R模型(特别是在电流恒定时)来建模：

v_t(t)＝v_oc(t)+i(t)R(T,SOC)

其中R(T,SOC)为内电阻，该内电阻是温度和SOC的函数。在该方程中，充电电流为正数，以及放电电流为负数。在电池的充电过程中，以安培-小时测量(例如，通过积分充电电流，)的电荷的增加产生SOC的相应的变化。如果SOC的变化(即，SOC₁-SOC₀)足够小，则电流i(t)和R二者实质上为常数。这意味着在充电期间，单元电压对(vs.)SOC曲线将局部地拥有与用于单元的实际SOC-OCV曲线SOC＝f(v_oc)相同的斜率。基于这些性质，本发明使用基于恒定电流充电期间的单元电压对(vs.)SOC的形状的方法，从储存于预定的曲线库中的一系列曲线SOC＝f_i(v_oc)中识别OCV-SOC曲线SOC＝f^*(v_oc)。对于斜率测量值，例如SOC增量的可校准阈值可以大约是0.1的电池单元容量。

图2示出了充电曲线(chargingprofile)13，其中随着总电荷(即，总的安培数x小时)积累，单元电压随时间增加。由于相对于SOC很小的增量充电曲线13具有与实际SOC-OCV曲线相同的斜率，所以可以使用作为相对于连续增量的一系列单独的斜率值编译的充电斜率矢量来识别一系列SOC-OCV曲线中哪一个与当前电池单元状态最拟合而无需实际SOC的精确的测量值。从15处的初始SOC值(SOC₀)到16处的最终SOC值(SOC₁)的增量14连同对应的单元电压值限定了线段17的斜率值。SOC-OCV曲线值对应的线段18具有相同的斜率值，但具有未知数量的幅值偏移。在本发明的方法中，仅需要斜率值，以便识别将要使用的最佳SOC-OCV曲线。

图3更详细地示出了充电斜率矢量的分段表示。充电曲线20起始于在点21处再充电的零安培-小时，在该点21处测量初始单元电压v₀。可以立即开始编译充电斜率矢量，但更优选地可以等待直到在22处(当单元电压增加至起始电压v_S时)出现最佳充电状态。对应的流进电池单元中的电荷为AH₀安培-小时。确定最佳充电状态的因素可以包括1)确保实质上恒定的充电电流，2)充电电流幅值在预定的范围内，电流传感在该范围内具有峰值精度，确保每个SOC的开路电压的变化足够小，和/或3)电池温度在所需范围内(例如，确保单元不冻结)。直到最佳充电状态在23处结束，计算多个斜率值24并将它们连接在一起，以构成充电斜率矢量。对于每个各自的增量(例如，根据指数i识别)，依据以下公式确定斜率值k：

$k_i=\frac{v_{t1}-v_{t0}}{{\∫}_{t_0}^{t_0+t}i\·dt}$

只要总电荷累积继续增加阈值量，指数i的值就增加。从其在各自的时间t₀开始到其在各自的时间t₁结束，测量每一个连续的增量，其中时间t₁被检测为由i_Hdt的积分限定的累积电荷达到安培-小时阈值(即，在时间t₀+t)时的时间。安培-小时阈值随着电池化学反应而变化，并可以通过实验室测试来确定。安培-小时阈值应当足够大以使在时间(t₀+t)和时间t₀分别测量到的单元电压的增加是显著的。例如，安培-小时阈值可以大约是0.1的电池单元容量。选择安培-小时阈值的一个标准确保是当SOC在安培-小时阈值内变化时，内电阻不会显著改变。因此，由SOC增量的开始和结束时的单元电压计算每个斜率值，并且安培-小时阈值(AH)如下所示：

$k_i=\frac{v_{t1}-v_{t0}}{AH}.$

在一些实施例中，可以根据不同的SOC范围来使用多个安培-小时阈值。例如，小的安培-小时阈值可以被限定用于从0至0.2的电池单元容量的低SOC范围；相对大的安培-小时阈值可以被限定用于从0.2至0.7的电池单元容量的中等SOC范围；以及中等的安培-小时阈值可以被限定用于从0.8至1的电池单元容量的高SOC范围。

在充电周期结束时或已经为充电斜率矢量编译了足够的斜率值之后的任何时候，产生的充电斜率矢量与储存的一系列SOC-OCV曲线以分段的方式进行比较。由于储存SOC-OCV曲线和用于所有起始停止单元电压值的所有有可能的斜率值二者是不实际的，所以可以优选地动态计算用于所有SOC-OCV老化曲线的斜率矢量。

图4示出了SOC-OCV曲线12再次划分为参照测量为激活电池充电器之前的OCV的初始单元电压v₀的等效SOC增量。计算曲线12的斜率值，其起始于25处的第一分段增量，25是曲线12上OCV值等于测量的v₀的点。如果最佳充电状态不存在于图3所示的充电的起始时，则曲线12的斜率值不包括在曲线12的SOC-OCV斜率矢量中(即，非计算出的)直至达到增量26，其中SOC从点25到点26的改变等于图3中AH₀安培-小时从点21到点22累积的电荷(即，总安培-小时)。如果单元容量Q可用，则点26处对应的OCV为：

$V_S^{OC}=f^{-1}\left(f\right(v_0)+\frac{{\mathrm{AH}}_0}{Q})$

随后确定曲线12相对于增量27的斜率值直至在点28处的充电斜率矢量对应的结果。随后，每个剩余的SOC-OCV老化曲线被处理，以获得它们各自的SOC-OCV斜率矢量，并随后将每一个与充电斜率矢量进行比较，以找到如下进一步详细描述的最佳拟合。

图5示出了一种类型的车辆系统，在该车辆系统中可以实施本发明。在这种情况下，车辆30被描述为由电动马达31推进而无需内燃发动机辅助的纯电动车辆(BEV)。马达31接收电力并为车辆推进提供驱动扭矩。马达31还作为用于通过再生制动将机械动力转化为电力的发电机。马达31是动力传动系统32的一部分，在该动力传动系统32中变速器33将马达31与从动轮34连接。变速器33通过预定的齿轮比来调整马达31的驱动扭矩和转速。

车辆30包括电池系统35，该电池系统35包括主电池组36和电池能量控制器模块(BECM)37。电池组36的输出端被连接至逆变器38，该逆变器38根据来自牵引控制模块(TCM)40的命令将由电池供应的直流(DC)电源转化为用于操作马达31的交流(AC)电源。除了其它方面以外，TCM40监控马达31的位置、转速、和能耗，并向包括主车辆控制器41(例如，其可以是动力传动系统控制模块或PCM)在内的其它车辆系统提供对应于该信息的输出信号。

设置AC充电器42用于由例如AC电网这样的外部电源(未示出)为主电池36充电。电流传感器43测量充电电流并向BECM37提供产生的电流测量值。虽然车辆30被显示为BEV，但是本发明适用于包括HEV和PHEV在内的使用多单元电池组的任何电动车辆。

图6详细示出了电池系统35，其中电池组36为与BECM37封装在一起的多单元电池。电池36的每个单独的单元被连接至BECM37各自的采样输入端。每一个采样输入端包括用于确定各自的单元电压和电流的各自的感测电路46。另外，每个电池单元可以包括各自的温度传感器，例如温度传感器47，其可以由与BECM37连接的热敏电阻组成。电子储存器或存储装置45包括预定的多个老化曲线，用于供BECM37和/或PCM41使用。存储器45可以被并入BECM37或PCM41中。

图7详细示出了本发明的优选方法。在步骤50，例如，通过实验室测试，得出与电池的连续老化状态相对应的多个SOC-OCV曲线。得到的老化曲线在步骤51储存于表格中，以包含于合并有相同电池设计的电动车辆中，以便在依据本发明的车辆使用期间适当地更新合适的老化曲线。

贯穿车辆服役期间，本发明反复地监控充电期间的电池性能，以便识别合适的老化曲线。电池充电起始于步骤52。在步骤53，测量并储存电池单元的初始开路电压。由于可以合理地预期所有的电池单元以类似的方式来执行，因此通常仅一个电池单元的测试就可以足够用于识别合适的老化曲线。另外，如果有必要，所描述的方法可以用于多个电池单元。

在充电期间，在步骤54，根据安培-小时充电的累积来监控SOC的变化。在步骤55，进行检查以确定所需最佳充电状态是否出现。所需充电状态优选地对应于准稳态(quasi-steady-state)单元充电电流(即，其在预定的校准范围内保持稳定)的存在。例如，准稳态电流限定如下：

对于时间>校准时间(例如，100秒)，以下正确

abs(i)+Δi>abs(i)>abs(i)–Δi,

其中Δi为可校准偏移。另外，所需充电状态可以包括准稳态电流保持在优选测量范围内的需求，优选测定范围包括正被使用的电流传感器的操作的峰值精度。作为第四种状态，所需的充电状态可以包括单元温度在预定的范围(例如，避免像冷冻这样的不理想单元状态的范围)内的需求。如果在步骤55没有检测到所需充电状态，则定期再次检查该状态直至获得所需充电状态。

在步骤56，一旦存在所需充电状态，则编译充电斜率矢量。充电斜率矢量的编译可以优选地根据图8所示的优选方法来实现。在步骤61初始化样本计数器指数i。在步骤62将充电电流积分为总的安培-小时值。在步骤63进行检查以确定累积的安培-小时值是否小于安培-小时阈值。如果是这样，则在步骤62继续充电电流的积分。一旦累积的电荷达到阈值，则在步骤64计算并储存斜率值k(i)。斜率值的计算通过取得在SOC增量的开始和结束处单元电压的差并随后除以安培-小时阈值(即，SOC的增加)来获得。在步骤65增加计数器指数i，并在步骤62返回，以积分充电电流从而检测下一个连续的SOC增量。

返回图7，随着在步骤56继续编译充电斜率矢量，在步骤57进行检查，以确定充电是否完成。一旦完成，老化曲线的处理在步骤58开始。使用初始OCV值和可以发生在充电状态满意之前的任何SOC变化，为储存的老化曲线确定SOC-OCV斜率矢量。对于每个SOC-OCV斜率矢量j(其中j从1到J，储存装置中曲线是数量)，多个矢量j形式的斜率值限定如下：

$s_j\[i\]=(v_{j,i,1}^{OC}-v_{j,L2}^{OC})/AH$

其中为基于对应于第i个线性部分的起始点的第j个SOC-OCV曲线的OCV，以及为基于对应于第i个线性部分的结束点的第j个SOC-OCV曲线的OCV。和通过下列公式计算：

$V_{j,1,1}^{OC}=V_S^{OC}$

$V_{j,i,1}^{OC}=V_{j,i-1,2}^{OC}i>2$

$V_{j,i,2}^{OC}={f_j}^{-1}\left(f_j\right(V_{j,i,1}^{OC})+\frac{AH}{Q})$

其中Q为电池容量，以及f_j(·)为储存于SOC-OCV曲线库中的第j个SOC-OCV曲线。一旦已经处理了所有储存的老化曲线以提供各自的SOC-OCV斜率矢量，它们各自与充电斜率矢量进行比较以便在步骤59选择最佳拟合。优选地使用各自斜率值的平方欧式距离(squaredEuclidiandistance)来完成比较如下：

$\left(\underset{i}{\Σ}{\left(k\[i\]-s_j\[i\]\right)}^2\right)$

具有最佳拟合的SOC-OCV曲线是具有最小距离的一个SOC-OCV曲线，例如:

$\underset{j}{MIN}\left(\underset{i}{\Σ}{\left(k\[i\]-s_j\[i\]\right)}^2\right)$

需要注意的是，可以使用一些其它相似的措施来比较充电斜率矢量和SOC-OCV斜率矢量。例如，通常斜率矢量中的每一个斜率对充电曲线和SOC-OCV曲线的比较具有不同的显著性。因此，加权的平方欧式距离对于比较而言是不错的选择，例如：

$(\underset{j}{\mathrm{\Σ}}{w}_j\×{\left(k\right[i]-s_j[i\left]\right)}^2),0\≤w_j\≤1$ 并且 $\underset{j}{\mathrm{\Σ}}{w}_j=1$

其中，w_j为一些显著因子。比较中具有高的显著性的斜率具有较高的权重。具有最佳拟合的SOC-OCV曲线是使下列目标最小的一个SOC-OCV曲线：

$\underset{j}{MIN}(\underset{i}{\Σ}{w}_j\×{\left(k\[i\]-s_j\[i\]\right)}^2).$

满足最小值的j的SOC-OCV斜率矢量成为被选择的SOC-OCV曲线。选择的曲线随后在步骤60被用于电池监控和控制。电池的监控包括获取电池实际SOC的更精确估算值的能力。选择的SOC-OCV曲线还能够随着电池的老化更好地估算电池的容量和电池供电能力。

从图1中可以明显地看出的，在SOC-OCV关系中发生的偏移通常不是线性的(即，有区别地影响不同的SOC范围)。因此，斜率变化明确地识别所需的一个曲线。如果两个或更多曲线具有显著性的具有相同斜率的区域，仍然可以使用单元终端电压测量值来识别正确的曲线。这可以通过以下实现：1)对于相同的SOC时的相同充电电流，找出单元终端电压偏移的幅值，并且2)应当选择在相同SOC时具有相同幅值OCV偏移的SOC-OCV曲线。

Claims (7)

1.一种使用开路电压(OCV)监控电池单元的方法，其包含：

给所述电池单元充电；

响应于预定的充电电流来检测充电状态；

在充电之后的电池单元使用期间测量OCV；以及

使用选择的储存的SOC-OCV老化曲线来将测量的OCV值转换为电池单元SOC值，所述选择的储存的SOC-OCV老化曲线具有与充电斜率矢量最佳拟合的SOC-OCV斜率矢量，其中基于a)在所述充电状态期间编译的、包含相对于各个荷电状态(SOC)增量的多个斜率值的充电斜率矢量以及b)对应于多个所述储存的SOC-OCV老化曲线的多个SOC-OCV斜率矢量来选择所述选择的SOC-OCV老化曲线，每个所述SOC-OCV斜率矢量包含相对于等效荷电状态增量的多个斜率值。

2.根据权利要求1所述的方法，其中响应于预定的安培-小时电荷增加来检测所述各个荷电状态增量。

3.根据权利要求1所述的方法，进一步包含：

在应用所述充电电流之前测量所述电池单元的开路电压；

其中，每个所述SOC-OCV斜率矢量具有响应于测量的所述开路电压而确定的起始值。

4.根据权利要求1所述的方法，其中通过所述斜率值的最小平方和根据最佳拟合来确定所述最佳拟合的SOC-OCV斜率矢量。

5.根据权利要求1所述的方法，其中将所述预定的充电电流检测为在预定的时间内保持在预定的范围内的准稳态电流。

6.根据权利要求5所述的方法，其中所述预定的范围对应于用于感测所述充电电流的峰值精度。

7.根据权利要求1所述的方法，其中响应于预定的温度范围来进一步检测所述充电状态。