CN105637376A - 监测存储在电池内的电荷 - Google Patents

监测存储在电池内的电荷 Download PDF

Info

Publication number
CN105637376A
CN105637376A CN201480034249.2A CN201480034249A CN105637376A CN 105637376 A CN105637376 A CN 105637376A CN 201480034249 A CN201480034249 A CN 201480034249A CN 105637376 A CN105637376 A CN 105637376A
Authority
CN
China
Prior art keywords
battery
electric charge
estimated value
value
charge estimated
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
Application number
CN201480034249.2A
Other languages
English (en)
Other versions
CN105637376B (zh
Inventor
P·克嫩
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.)
Vito NV
Original Assignee
Vito NV
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 Vito NV filed Critical Vito NV
Publication of CN105637376A publication Critical patent/CN105637376A/zh
Application granted granted Critical
Publication of CN105637376B publication Critical patent/CN105637376B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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]
    • B60L58/13—Maintaining the SoC within a determined range
    • 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
    • B60L3/00—Electric devices on electrically-propelled vehicles for safety purposes; Monitoring operating variables, e.g. speed, deceleration or energy consumption
    • B60L3/0023—Detecting, eliminating, remedying or compensating for drive train abnormalities, e.g. failures within the drive train
    • B60L3/0046—Detecting, eliminating, remedying or compensating for drive train abnormalities, e.g. failures within the drive train relating to electric energy storage systems, e.g. batteries or capacitors
    • 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
    • B60L58/16—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries responding to battery ageing, e.g. to the number of charging cycles or the state of health [SoH]
    • 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]
    • G01R31/3644—Constructional arrangements
    • G01R31/3648—Constructional arrangements comprising digital calculation means, e.g. for performing an algorithm
    • 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
    • G01R31/3842—Arrangements for monitoring battery or accumulator variables, e.g. SoC combining voltage and current measurements
    • 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
    • B60L2240/00—Control parameters of input or output; Target parameters
    • B60L2240/80—Time limits
    • 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
    • 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)
  • Power Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Secondary Cells (AREA)
  • Tests Of Electric Status Of Batteries (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本发明涉及一种用于监测电池的电荷的方法和对应装置。该方法包括获得(12)一电池电流测量值(IL)和一电池电压测量值(VL)，并通过考虑该电池电流测量值(IL)应用(14)电流积分方法来更新代表了电池内存储的电荷的一初始电荷估计值。该方法进一步包括通过考虑该电池电压测量值(VL)使用一电池模型来确定(16)代表电池内存储的电荷的一辅助电荷估计值，并确定(18)所述辅助电荷估计值的一误差值，其中该误差值表示考虑了该电池电压测量值(VL)的电池模型的可靠性。该方法还包括基于辅助电荷估计值和误差值施加(20)一校准至该初始电荷估计值。以此方式施加校准的阐述允许确定电流传感器的偏移和电池容量变化。

Description

监测存储在电池内的电荷
技术领域
本发明涉及电池电荷监测的领域。更具体地涉及用于确定例如机动车中的电池电源的电池的存储能量的量和总能量存储能力以及确定电池电流测量值中的系统误差的方法和装置。
背景技术
电池荷电状态可被定义为在给定时间存储在电池内的电量，表示为电池满充时的能量的百分比。在很多应用中，例如在诸如电动汽车和混合电动汽车的机动车中，存在准确估计电池电源的这种荷电状态的需求。本领域公知的确定机动车中电池的荷电状态的方法可能使用特定的重力(gravity)测量，电流的时间积分，电压测量，或者它们的组合。
例如，荷电状态可通过电流积分来确定，其还被称为库仑计数，电荷计数或者安培-小时测量。在电流积分方法中，放电电流被连续测量并且随时间被积分以从一已知初始电荷量中获得总消耗电荷的估值。然而，为了在电池寿命期间保持准确荷电状态估计，可能需要考虑作为电流放电历史的函数的电池容量中的变化。
此外，通过电流积分估计的荷电状态可通过测量无负荷电池的空载电压被周期性地校准，例如，在机动车静止扩展周期之后。这种类型的方法在例如德国专利文献号为No.DE3520985中描述。尽管这种方法容易实施，但由于该荷电状态可能仅仅很少重新校准或者通过测量空载电压校正，估计误差可能在机动车的具有相对短的或者仅仅几个休眠期的长期运行阶段累积起来。
其它已知的方法可能基于用于确定带负载电池的空载电压的电池模型，并且因此通过使用观测变量，例如电池电压，电池电流，和/或电池温度来使一模型自适应该实际电池，荷电状态可从这个空载电压推导得出。然而，这种基于模型的方法可能相对复杂。
电压分析方法可测量端电压并以各种方式确定荷电状态。关于这样的分析器，极化效应，例如由充电或快速放电产生的，可能不利地改变分析器仪表的指示，并且大多数这种分析器趋向于只是单向的，例如，可能只在放电时工作准确，没有规定老化效应。
发明内容
本发明实施例的目的是提供电池参数的良好估计和监测，该电池参数例如荷电状态和健康状态或者例如在电池电流测量值中的系统误差。
上述目的通过根据本发明的方法和装置来实现。
第一方面，本发明提供一种监测电池的电荷的方法。该方法包括获得一电池电流测量值和一电池电压测量值；通过考虑该电池电流测量值应用电流积分方法来更新代表了电池内存储的电荷的一初始电荷估计值；通过考虑该电池电压测量值使用一电池模型来确定代表电池内存储的电荷的一辅助电荷估计值；确定所述辅助电荷估计值的一误差值，其中该误差值表示考虑了该电池电压测量值的电池模型的可靠性；基于辅助电荷估计值和误差值施加一校正至该初始电荷估计值；并且通过考虑对所述初始电荷估计值的校正来确定电池电流测量值的系统误差。根据本发明的方法具有一优点，可使用较低成本的传感器来监测一电池的电荷，而不需要偏差的特定校正。
根据本发明实施例的方法可进一步包括考虑对所述初始电荷估计值的校正来确定电池的总电荷容量的步骤。这样，随时间的容量的改变能够被监测，由此随时间的容量改变是电池老化或者健康状态(SOH)的量度。
在根据本发明实施例的一个方法中，应用电流积分方法可包括执行一线性二次估计方法的预测步骤以递归地更新估计量，例如反映诸如电池存储的电荷的底层系统状态的所述初始电荷估计值，考虑了一系列噪声输入数据，由此滤波器可包括跟所述电池电流测量值相当的控制变量。这样的滤波器可以是卡尔曼滤波器以更新所述初始电荷估计值，其中所述初始电荷估计值是对应于电池存储的电荷的隐藏状态变量的卡尔曼预测值，并且所述卡尔曼滤波器还包括一跟所述电池电流测量值相当的控制变量。可被用于代替所描述的卡尔曼滤波器的替换的或者相当的滤波器可以是下述的任何一种：顺序卡尔曼滤波器，信息滤波器，Cholesky矩阵方根算法，Potter’s方根测量更新算法，Household算法，GramSchmidt算法，U-D测量更新，U-D时间更新，或者微粒过滤器。
在根据本发明实施例的这种方法中，应用校正可包括应用例如所述卡尔曼滤波器的所述线性二次估计方法的更新步骤，其中所述例如所述卡尔曼滤波器的所述线性二次估计方法进一步包括一与所述辅助电荷估计值相当的观测变量，具有一与所述误差值相当的关联变量。
在根据本发明实施例的一种方法中，例如所述卡尔曼滤波器的所述线性二次估计方法可以是一维线性二次估计方法，例如一维卡尔曼滤波器。这对于其它卡尔曼滤波器方法是优势的，其包括多个状态变量，然而此处，使用一维线性二次估计方法例如一维卡尔曼滤波，只需要考虑电池电荷作为诸如卡尔曼滤波器的滤波器的隐藏状态变量。这极大地减少了计算时间并且因此减少了嵌入式处理器的成本。可使用替换的或者相当的滤波器来代替卡尔曼滤波器描述为例如可以是下述的任何一种：顺序卡尔曼滤波器，信息滤波器，Cholesky矩阵方根算法，Potter’s方根测量更新算法，Household算法，GramSchmidt算法，U-D测量更新，U-D时间更新，或者微粒过滤器。
在根据本发明实施例的一种方法中，所述辅助电荷估计值可包括表示为作为电池的总电荷容量的分数的荷电状态值。
在根据本发明实施例的一种方法中，确定所述辅助电荷估计值可包括确定电池的电动势(EMF)。
在根据本发明实施例的一种方法中，确定所述辅助电荷估计值可进一步考虑电池电流测量值和/或电池温度测量值。
在第二个方面，本发明提供一种监测电池电荷的装置。该装置包括一电流传感器以提供一电池电流测量值；一电压传感器以提供一电池电压测量值；以及一处理单元。所述处理单元用于通过考虑该电池电流测量值应用电流积分方法来更新代表了电池内存储的电荷的一初始电荷估计值；通过考虑该电池电压测量值使用一电池模型来确定代表电池内存储的电荷的一辅助电荷估计值；确定所述辅助电荷估计值的一误差值，其中该误差值表示考虑了该电池电压测量值的电池模型的可靠性；基于辅助电荷估计值和误差值施加一校正至该初始电荷估计值；并且通过考虑对所述初始电荷估计值的校正来确定电池电流测量值的系统误差。
根据本发明的装置具有一优点，可使用较低成本的传感器来监测一电池的电荷，不需要偏差的特定校正。
根据本发明的装置可进一步包括考虑了对初始电荷估计值的校准来确定电池的总电荷容量的设备。这样，随时间的容量变化可被监控，其中随时间的容量变化是对电池老化或者健康状态(SOH)的量度。
在根据本发明的装置中，适用于应用电流积分的处理单元可包括执行线性二次估计方法的预测步骤以递归地更新估计量的设备，例如反映了诸如存储在电池中的电荷的底层系统状态的所述初始电荷估计值，其考虑了一序列噪声输入数据，由此滤波器可包括与所述电池电流测量值相当的控制变量。这样的滤波器可以是卡尔曼滤波器以更新所述初始电荷估计值，其中所述初始电荷估计值是与电池中存储的电荷对应的隐藏状态变量的卡尔曼估计值，并且所述卡尔曼滤波器进一步包括与所述电池电流测量值相当的控制变量。可被用于代替所描述的卡尔曼滤波器的替代的或者相当的滤波器例如可以是下述任何一种：顺序卡尔曼滤波器，信息滤波器，Cholesky矩阵方根算法，Potter’s方根测量更新算法，Household算法，GramSchmidt算法，U-D测量更新，U-D时间更新，或者微粒过滤器。
在根据本发明实施例的这种装置中，施加所述校准的设备可包括用于应用例如卡尔曼滤波器的线性二次估计方法的更新步骤的设备，其中例如卡尔曼滤波器的所述线性二次估计方法进一步包括与辅助电荷估计值相当的观测变量，其具有与所述误差值相当的关联变化。
在根据本发明实施例的装置中，例如卡尔曼滤波器的所述线性二次估计方法可以是一维线性二次估计方法，例如，一维卡尔曼滤波器。这相比其它卡尔曼滤波方法是有优势的，其包括多个状态变量，由此，使用例如所述一维卡尔曼滤波器的一维线性二次估计方法，而这里，只有电池电荷需要被视为例如卡尔曼滤波器的所述滤波器的隐藏状态变量。这显著减少了计算时间并且因此降低了嵌入式处理器成本。可被用于代替描述的卡尔曼滤波器的替代的或者相当的滤波器例如可以是下述任何一种：顺序卡尔曼滤波器，信息滤波器，Cholesky矩阵方根算法，Potter’s方根测量更新算法，Household算法，GramSchmidt算法，U-D测量更新，U-D时间更新，或者微粒过滤器。
在根据本发明实施例的装置中，所述辅助电荷估计值可以包括表示作为电池的总电荷容量的分数的荷电状态值。
在根据本发明实施例的装置中，确定所述辅助电荷估计值的设备可包括确定电池的电动势(EMF)的设备。
在根据本发明实施例的装置中，确定所述辅助电荷估计值的设备可进一步考虑电池电流测量值和/或电池温度测量。
在其它方面，本发明提供使用根据本发明的第二方面的实施例的装置，以监测电池中存储的电荷。
在特定实施例中，本发明提供使用根据本发明的第二方面的实施例的装置的，以监测为电动或者混合机动车供电的电池中存储的电荷。在特定实施例中，该使用可用于监测为一电源备用单元供电的电池中存储的电荷。
以简单和有效方式提供监测电池的荷电状态和健康状态，例如总容量的变化是本发明的实施例的优势。
提供对于有噪声的电测量是稳定的监测电池参数是本发明的实施例的优势。
本发明特定的和涉及的方面在所附的独立和从属权利要求中示出。从属权利要求中的特征可能适当地与独立权利要求中的特征组合并且与其它从属权利要求中的特征组合并且不是仅仅排除性地在权利要求中示出。
参考下文描述的实施例(多个实施例)中，本发明的这些和其它方面很明显并且被示出。
附图说明
图1示意性地说明了根据本发明的实施例的方法。
图2示出在根据本发明的实施例中使用的示例性电池模型。
图3示出了根据本发明的实施例的用于校正系统电流误差的示例性比例反馈调节。
图4示出了根据本发明实施例的装置。
附图仅仅是示意性的并且是非限制性的。在附图中，为了直观一些部件的尺寸可能被夸大并且未按比例绘制。
权利要求中的任何参考标记不能理解为限制范围。
在不同附图中，相同参考标记指代相同或者类似部件。
具体实施方式
本发明将结合特定实施例并且参考特定附图进行描述，但是本申请不限制于此而是仅由权利要求限定。描述的附图仅仅示意性的并且是非限制的。在附图中，为了直观一些部件的尺寸可能被夸大并且未按比例绘制。尺寸和相对尺寸都不是对应本发明实现的实际比例。
说明书和权利要求中的词语首先，其次以及类似的，是用于区分相似部件并且不是描述顺序所需要的，也不是时间上，空间上的顺序或者其它任何方式。应当理解这样使用词语在适当环境下是可互换的并且此处描述的本发明的实施例能够以其它顺序运行而不是此处描述的或者示出的。
此外，说明书和权利要求中的词语上部(top)、下部(under)等等被用于描述目的，并不必须用于描述相对位置。可以理解的是这样使用的术语在适当的环境中可以互换，并且此处描述的本发明的实施例能够在此处描述或说明的其它方面操作。
应当注意权利要求中使用的词语“包括”，不应当理解为局限于其后列出的手段；它不排除其它部件或者步骤。它因此被理解为具体说明所指出的一定的特征，整数(integers)，步骤或者部件，但是不是排除一个或者其它更多特征，整数，步骤或者部件的存在或者附加。因此，表述“一个装置包括设备A和B”的范围不应当限制为装置仅仅由部件A和B组成。它意味着关于本发明，装置的相关部件只有A和B。
贯穿本说明书的“一个实施例”或者“一实施例”是指与该实施例关联的一特定特征，结构或者特性包括在本发明的至少一个实施例中。这样，贯穿说明书的在各处出现的短句“在一个实施例中”或者“在一实施例中”并非都是指同一实施例，但是有可能。进一步，特定特征，结果或者特性可以以任何方式组合，这从本文的一个或多个实施例中实现对本领域技术人员来说是显然的。
同样地应当理解在本发明示例性实施例的描述中，为了简化说明并且有助于理解不同发明方面中的一个或者多个，本发明的各种特征有时在单一实施例，附图，或者其描述中被组合在一起。然而这种描述方法，不应当理解为反映了所要求的发明需要比在每一个权利要求中明确引用的特征更多特征的目的。然而，如下述权利要求反映的，创造性方面在于少于单一的前面所揭露的实施例的所有特征。这样，详细描述之后的权利要求因此被表述为并入这个详细描述，每一个权利要求是独立的作为本发明的单独实施例。
进一步，虽然本文描述的一些实施例包括一些但不是其它实施例中包括的特征，不同实施例的特征组合被认为在本发明的范围之内，并且形成了不同实施例，这对本领域人员来说是可以理解的。例如，在下面的实施例中，可在任何组合中使用任何要求的实施例。
在本文提供的描述中，提出了多种具体细节。然而，应当理解本发明的实施例可以不使用这些特定细节实现。在其它情况下，公知的方法，结构和技术未被详细描述是为了不模糊对本发明的理解。
在本发明的实施例中提及“荷电状态”或者“SOC”时，是指测量电池设备中存储的剩余电荷，或者剩余能量，例如，相对于电池的最大能量存储容量的估计剩余电能水平。
在本发明的实施例中提及“卡尔曼滤波器”时，是指递归地更新反映底层系统状态的一估计量的线性二次估计方法，考虑了一系列噪声输入数据。卡尔曼滤波器还可以称为“Kalman-Bucy滤波器”或者“Stratonovich-Kalman-Bucy滤波器”。卡尔曼滤波器在书“卡尔曼滤波基础(FundamentalsofKalmanFiltering)”，PaulZarchen和HowardMusoff，AIAA，2000，ISBN1-56347-455-7中描述。如在这本书中陈述的可通过改变计算增益的方法来构建替代的和/或等价的滤波器。例如，该书说明一阶递归最小平方滤波器可等价于卡尔曼滤波器——区别仅在增益。本发明的实施例还允许增益为定值。
由DanSimon，JohnWiley&Son，2006年写的书“最佳状态估计(Optimalstateestimation)”提供了描述的卡尔曼滤波器的替代滤波器，例如下述的任意一种：顺序卡尔曼滤波器，信息滤波器，Cholesky矩阵方根算法，Potter’s方根测量更新算法，Household算法，Gram-Schmidt算法，U-D测量更新，U-D时间更新，或者微粒过滤器。第一方面，本发明涉及一种监测电池状态的方法，例如监测电池的荷电状态，或者监测电池的荷电状态和总能量存储容量。参考图1，根据本发明实施例的这样的方法10以示意性形式示出。被监测的电池可以例如是机动车中的电池，例如为电力机动车或者混合动力车供电的电池。
方法10包括获得12电池电流测量值和电池电压测量值的步骤。例如，流入电池或从电池流出的电流IL可由安培表获取并以固定时间间隔记录。进一步，电池电极上的电池电压VL可类似地由电压表获取并以固定时间间隔记录。例如，电流IL和电压VL可通过模拟-数字转换器以预定采样频率采样并提供给处理单元。电池电流IL和电池电压VL还可以是负载电流和负载电压。除了获得12电池电流测量值和电池电压测量值外，可以例如通过测量获得电池的其它运行参数，例如电池温度测量值还可以被获得。
该方法进一步包括应用14一电流积分方法以更新一初始电荷估计值，其代表了电池中存储的电荷，例如，应当是与电池中目前存储的电荷值成正比的电荷估计值，将电池电流测量值考虑在内。例如，在第k个时间点tk＝tk-1+Δt，在前一时间点tk-1确定的所述初始电荷估计值Qk-1可以被调整以获得一新的初始电荷估计值Qk，例如，根据Qk＝Qk-1+IL.Δt。根据本发明的实施例，这个电流积分可以实现为一维线性二次估计方法的预测步骤以递归地更新反映了底层系统状态的一估计量，其考虑了一系列噪声输入数据，其中所述初始电荷估计值可以视为例如表示电池中存储的真实的但未知的电荷的标量(scalar)隐藏状态变量的先验状态估计，其基于前一时间点的先验状态估计，例如前一确定的初始电荷估计值。因此，根据本发明的实施例，例如这个电流积分可实现为一维卡尔曼滤波器的预测步骤其中所述初始电荷估计值Qn可以视为标量隐藏状态变量xk的先验状态估计值例如，代表了电池中存储的真实的但未知的电荷，其中代表前一时间点的先验状态估计，例如前一确定的初始电荷估计值。在这样的卡尔曼滤波器中，状态变换模型Fk和控制输入模型Bk可均被设置为1的固定标量值，这样例如Fk＝Bk＝1，而电流时间的乘积IL.Δt可以视为所述控制变量uk-1。然而，对本领域技术人员来说这样的变量和参数显然可以重新调节，例如，所述控制-输入模型可以设置为时间增量Δt并且所述负载电流IL可以视为控制变量。可以使用的替代滤波器例如是如下的任何一种：顺序卡尔曼滤波器，信息滤波器，Cholesky矩阵方根算法，Potter’s方根测量更新算法，Household算法，GramSchmidt算法，U-D测量更新，U-D时间更新，或者微粒过滤器。
进一步，根据本发明的该方法还包括确定16一辅助电荷估计值zk，其代表电池中存储的电荷，例如，电池的相对电荷状态，诸如表示作为电池的总电荷容量的分数的荷电状态(SOC)值。确定16所述辅助电荷估计值zk可使用一电池模型来执行，其考虑了电池电压测量值VL。这样的电池模型还进一步考虑了电池电流测量值IL和/或电池温度。这个确定16所述辅助电荷估计值可包括确定17电池的电动势(EMF)。
例如，电池模型可以是电模型，例如图2中示出的等价电路模型，具有一串联电阻R0和RC并联网络Rp//C，从该模型中通过考虑电池电压测量值VL和电池电流测量值IL可以得到开路电压，例如，EMF＝VL-R0.IL-Ip.Rp。进一步，可使用一预定模型，例如预定校准曲线，来确定电池的相对电荷状态，其可以是表示为估计的电荷值除以总电荷容量的荷电状态(SOC)，其中考虑了电动势(EMF)。这样可以从测试结果或者提供了关于电池或者电池类型的信息的标准数据单中获得EMF对SOC曲线。
在图2中示出的示例性模型中，为了估计串联阻抗R0，可以存储之前获得的许多电池电压和电流，例如获得的电池电压VL和电池电流IL的在前的10个值被存储。这些存储值中的最小和最大电流可以被确定。对应电压可以转换为SOC，例如所述电池电压VL值可以直接被用作EMF值来估计SOC。
例如，在电池的正常工作条件下可应用欧姆定律来估计R0，例如在正常电压水平以及足够大电流变化时。因此，VL需要在对应于10％SOC的EMF和对应于90％SOC的EMF范围内，为了确定R0，结合至少1C的电流步骤。例如，对于一10Ah电池，可以确定一系列例如10个电流和电压采样。如果该系列内最大和最小电流之间的差值超过10A，其对应1C，并且最小和最大电压均在2.7和3.8V之间，R0可被计算作为最大和最小电压之差，也就是0.08V，除以最大和最小电流之间的差值，也就是20A，例如R0＝0.08V/20A＝4mΩ。
从电池电压测量估计EMF，对于模型EMF＝VL-R0.IL-Ip.Rp，可以从线性关系y＝ax+b，其中x＝Ip，b＝EMF，a＝Rp以及y＝VL-R0.IL＝OCV获得。由于能够从电压和电流测量值VL和IL以及估计的R0知晓开路电压OCV，在给定多个Ip值时，可使用线性拟合来找到a和b的最佳拟合估计，例如最小平方误差估计。Ip值可通过从IL获得，或者，离散化后，其中τ可以选为允许模型对张弛效应的可接受响应率，例如50s。
该方法10，如图1中的示意性地示出，进一步包括为所述辅助电荷估计值确定18一误差值的步骤，其中这个误差值表示了考虑了电池电压测量值VL在内的电池模型的可靠性。在本发明的实施例中，这个误差值可以表示为电池的辅助电荷估计值zk的估计误差，例如SOC，其针对从所述测量电池电压导出的EMF的给定值给出。这样，误差值可以确定为一估计误差的函数，该估计误差对应确定16所述辅助电荷状态值zk的步骤，其考虑了电池电压测量值VL和电池电流测量值IL使用电池模型确定。当EMF对SOC曲线是平的时，例如当针对EMF中的仅仅小范围变化SOC在大范围内变化时，这个误差值可以例如赋值为高值，例如，可赋值为20％，并且邻近满充和/或邻近空电池时，可以赋值为低值，例如可赋值为1％。进一步，在电池张弛难以建模的情况下，所述误差值可以确定为电池电流测量值IL的函数。
方法10还包括基于辅助电荷估计值和误差值施加20校准至所述初始电荷估计值的步骤。所述校准的施加20可包括施加21所述线性二次估计方法(诸如上上文描述的卡尔曼滤波器)的更新步骤，例如施加20校准可包括例如卡尔曼更新的线性二次估计方法的更新，其对应例如卡尔曼预测步骤15的线性二次估计方法的预测步骤，例如，用于更新所述初始电荷估计值Qk。所述线性二次估计方法例如卡尔曼滤波器因此可包括一与所述辅助电荷估计值zk相当的观测变量，其具有与所述误差值相当的关联变量R。
这种线性二次估计方法的校准例如卡尔曼校准可通过将电池的所述辅助电荷估计值zk作为一观测变量(例如卡尔曼观测变量)来确定。例如，在上文的预测步骤15，例如卡尔曼预测步骤15，引入符号之后，施加21一校准例如卡尔曼校准可以用公式表示为其中所述观测矩阵Hk表示电池的所述辅助电荷估计值zk，例如SOC，与所述初始电荷估计值Qk之间的关系，并且Kk表示增益例如卡尔曼增益。特别地，和xk类似，zk已经简化为标量，Hk可以是考虑了电池的总容量，例如满充时的电荷容量，的缩放值的标量。Hk表示为从电荷[C]到SOC[％]的传递函数。
施加21所述线性二次估计方法的更新例如卡尔曼更新的步骤，可包括计算一增益例如卡尔曼增益kk，考虑了为所述辅助电荷估计值zk所确定18的所述误差值在内，例如这个误差值为所述观测变量zk确定了一偏差R例如卡尔曼偏差R。在本发明的实施例中，增益可以使用其它不同方式计算，甚至增益可以是定值。
在本发明的实施例中，这个观测变量偏差R例如卡尔曼观测变量偏差R可以表示为在对应的电池的相对电荷状态值(SOC)中的所述估计误差，相对电荷状态值(SOC)是从使用上面的公式得到的测量电池电压所得到的EMF的给定值来做出的。这样，偏差R可以确定为电池的所述辅助电荷估计值zk的函数，其使用电池模型考虑所述电池电压测量值VL和电池电流测量值IL。当EMF对SOC曲线是平的，这个偏差R可以例如赋值为高值，例如，可赋值为20％，并且接近满充和/或接近空电池时，可以赋值为低值，例如可赋值为1％。进一步，电池张弛难以建模的情况下，所述偏差R可以确定为电池电流测量值的IL函数。
上述描述的线性二次估计方法例如卡尔曼滤波器可以视为所述电荷估计值Q的一阶滤波器，具有1/(Kk，Hk)的时间常数。Hk表示例如以库仑测量的电荷估计值到例如表示为百分比的SOC的相对电荷状态的传递函数，因此它可以视为基本是常数，例如可能优选地仅在电池的许多充-放电周期内变化显著。该线性二次估计方法例如卡尔曼滤波器的时间常数可进一步取决于使用的电流传感器的误差的偏差S。测量误差的这个偏差S可以例如从所述电流传感器的数据单中，通过将传感器的相对误差乘以传感器的满量程并乘以采样间隔获得，例如，0.5％×100A×0.5sec。
当电池接近满充或者接近空时，能优选地实现最高估计精度。为了说明根据本发明的实施例的方法的性能，应当注意这些操作区域可能意味着偏差R的一低值。例如，假设针对相对电荷状态(SOC)的平均值为97％，12Ah的电池，S＝0.25，R＝3％，H＝0.0022，那么1/KH覆盖到(convergesto)1560个周期，或者对于2Hz的采样率为780s。
对于接近满充的状态，该偏差典型地应当小，因为测量的高电池电压可被用于指示所述相对电荷状态的一小估计误差。然而，可能需要一较低中间时间常数以允许由松弛引入的不确定性进行补偿。再次参考图2，电池模型中可能包括一Cp-Rp电路，具有合适的时间常数以提供这样的较低中间时间常数。电路的这个部分的时间常数可以这样选择以补充所述线性二次估计方法的校准例如卡尔曼校准，例如，在上文描述的在10％到30％范围的时间常数例如卡尔曼时间常数，例如上文给出的比如150秒的时间常数。
进一步，方法10可包括确定22例如电池电流测量偏移的电池电流测量的系统误差的步骤，该电池电流测量偏移可能对应于用于测量电池电流IL的安培表或者电流传感器的偏移误差。例如，例如卡尔曼校正项的校正项可以形成对于电流偏移值的比例-积分(PI)反馈的输入，例如如图3所示。在这一示例中例如卡尔曼校正项的校正项可以提供给一PI滤波器，其形成一校准值，其可以应用到，例如添加到，一电流传感器读数以校准电流传感器测量值IL的偏移。可以选择比例系数P以对应多个小时的时间帧，例如，对于2Hz采样率，1/10000周期＝1/5000s。
进一步，如在图1概略示出的方法10，可进一步包括确定24电池的总电荷容量的步骤，其考虑了对初始电荷估计值的校准。例如，如果假设的电池总电荷容量不正确，例如或者高于或者低于真实容量，每一次电池变满或空时，对初始电荷估计值的校准将是说明为真实容量的过估计或者欠估计的指示。因此，可使用比例-积分(PI)反馈来更新总容量估计，将该校准，例如卡尔曼校准项，作为输入。
例如，所述校准，比如卡尔曼校准项可以被馈送给PI输入，而PI输出被加到一总容量估计，例如，以获得一更新的总容量估计。当电池接近满或接近空时，这个校准可能仅仅是相关(relevant)的，例如该校准仅当估计的SOC为例如大于97％或者例如小于5％时被执行。如果容量估计是正确的，校准项值例如卡尔曼校准项值将正常地围绕零分布，这样PI的输出是零。可替代地，在每一个电池周期，PI的输出仅仅一次被加到总容量估计，例如当SOC降到低于97％时。
在第二方面，本发明涉及一种用于监测电池电荷的装置。参考图4，示出了根据本发明的实施例的一种装置。装置30监测例如连接到负载35的电池的一电池31的电荷，例如负载35包括为电动或混合机动车供电的电源总线系统。装置30包括电流传感器，例如安培表32，以提供一电池电流测量值，例如用于测量流出或者流入电池的电流；一电压传感器，例如电压表33，以提供一电池电压测量值，例如用于测量电池电极上的电压；以及处理单元34。进一步，该装置还可以包括至少一个其它类型的传感器，例如温度传感器。
所述处理单元34适用于应用一电流积分方法以更新代表了电池中存储的电荷的一初始电荷估计值，其考虑了电池电流测量值，并且用于确定代表了电池中存储的电荷的一辅助电荷估计值，其通过使用电池模型考虑了所述电池电压测量值在内。所述处理单元34进一步适用于为所述辅助电荷估计值确定一误差值，其中这个误差值表示考虑了电池电压测量值在内的电池模型的可靠性，例如准确性。所述处理单元34还适用于基于所述辅助电荷估计值和误差值施加一校准至所述初始电荷估计值。
特别地，所述处理单元34还适用于执行根据本发明的第一方面的方法的步骤，例如，如上文所讨论的，应用14电流积分，确定16一辅助电荷估计，确定18一误差值和/或施加20对所述初始电荷估计值的校准的步骤。
本发明的一些方面涉及使用根据本发明的第二方面的实施例去监测电池中存储的电荷，电池为电动或者混合机动车供电，或者为电源后备单元存储能量。

Claims (15)

1.一种用于监测电池的电荷的方法(10)，该方法包括：
-获得(12)一电池电流测量值(IL)和一电池电压测量值(VL)，
-通过考虑该电池电流测量值(IL)，应用(14)电流积分方法来更新代表了电池内存储的电荷的一初始电荷估计值，
-通过考虑该电池电压测量值(VL)使用一电池模型来确定(16)代表电池内存储的电荷的一辅助电荷估计值；
-确定(18)所述辅助电荷估计值的一误差值，所述误差值表示考虑了该电池电压测量值(VL)在内的该电池模型的可靠性，
-基于辅助电荷估计值和误差值施加(20)一校准至该初始电荷估计值，以及
-通过考虑对所述初始电荷估计值的校准来确定(22)电池电流测量值(IL)的系统误差。
2.根据权利要求1所述的方法，进一步包括考虑对所述初始电荷估计值的校准来确定(24)电池的一总电荷容量的步骤。
3.根据前面任一权利要求所述的方法，其中应用(14)电流积分方法包括执行(15)线性二次估计方法的预测步骤以递归更新所述初始电荷估计值，其反映了对应于电池内存储的电荷的底层系统状态，考虑了一系列噪声输入数据在内，其中所述滤波器可包括与所述电池电流测量值相当的控制变量。
4.根据权利要求3所述的方法，其中施加(20)校准包括施加(21)所述线性二次估计方法的更新步骤，所述线性二次估计方法进一步包括与所述辅助电荷估计值相当的观测变量，其具有与所述误差值相当的关联偏差。
5.根据权利要求3或4中任意一个所述的方法，其中所述线性二次估计方法是一维线性二次估计方法。
6.根据权利要求1或2所述的方法，其中应用(14)电流积分方法包括执行(15)卡尔曼滤波器的预测步骤以更新所述初始电荷估计值，其中所述初始电荷估计值是与电池内存储的电荷对应的隐藏状态变量的卡尔曼预测值，并且所述卡尔曼滤波器进一步包括与所述电池电流测量值(IL)相当的控制变量。
7.根据权利要求6所述的方法，其中施加(20)校准包括施加(21)所述卡尔曼滤波器的更新步骤，其中所述卡尔曼滤波器进一步包括与所述辅助电荷估计值相当的观测变量，其具有与所述误差值相当的关联偏差。
8.根据权利要求6或7中任意一个所述的方法，其中所述卡尔曼滤波器是一维卡尔曼滤波器。
9.根据前面任一权利要求所述的方法，其中所述辅助电荷估计值包括表示为电池的总电荷容量的分数的荷电状态值。
10.根据前面任一权利要求所述的方法，其中所述确定(16)所述辅助电荷估计值包括确定(17)电池的电动势(EMF)。
11.根据前面任一权利要求所述的方法，其中所述确定(16)所述辅助电荷估计值进一步考虑了电池电流测量值(IL)和/或电池温度测量在内。
12.一种用于监测电池(31)的电荷的装置(30)，包括电流传感器(32)以提供电池电流测量值(IL)，电压传感器(33)以提供电池电压测量值(VL)，以及处理单元(34)，该处理单元(34)适用于：
-通过考虑该电池电流测量值(IL)，应用电流积分方法来更新代表了电池内存储的电荷的一初始电荷估计值，
-通过考虑该电池电压测量值(VL)使用一电池模型来确定代表电池内存储的电荷的一辅助电荷估计值；
-确定所述辅助电荷估计值的一误差值，所述误差值表示考虑了该电池电压测量值(VL)在内的该电池模型的可靠性，
-基于辅助电荷估计值和误差值施加(20)一校准至该初始电荷估计值，以及
-通过考虑所述初始电荷估计值的校准来确定(22)电池电流测量值(IL)的系统误差。
13.应用根据权利要求12所述的装置来监测电池内存储的电荷。
14.根据权利要求13所述的应用来监测为电动或者混合机动车供电的电池内存储的电荷。
15.根据权利要求13所述的应用来监测为电源后备单元供电的电池内存储的电荷。
CN201480034249.2A 2013-06-18 2014-06-18 监测存储在电池内的电荷 Active CN105637376B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP13172582.2A EP2816366A1 (en) 2013-06-18 2013-06-18 Monitoring charge stored in a battery
EP13172582.2 2013-06-18
PCT/EP2014/062858 WO2014202684A2 (en) 2013-06-18 2014-06-18 Monitoring charge stored in a battery

Publications (2)

Publication Number Publication Date
CN105637376A true CN105637376A (zh) 2016-06-01
CN105637376B CN105637376B (zh) 2019-03-19

Family

ID=48672427

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201480034249.2A Active CN105637376B (zh) 2013-06-18 2014-06-18 监测存储在电池内的电荷

Country Status (8)

Country Link
US (1) US10295600B2 (zh)
EP (2) EP2816366A1 (zh)
JP (1) JP6441913B2 (zh)
CN (1) CN105637376B (zh)
DK (1) DK3011350T3 (zh)
ES (1) ES2648095T3 (zh)
NO (1) NO3011350T3 (zh)
WO (1) WO2014202684A2 (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110167783A (zh) * 2017-01-09 2019-08-23 沃尔沃卡车集团 一种用于确定电池组的充电状态的方法和装置
CN111208438A (zh) * 2020-03-05 2020-05-29 东南大学 基于神经网络与无迹卡尔曼滤波器的锂电子电池剩余电量与传感器偏差协同估计的方法
CN112098868A (zh) * 2019-06-17 2020-12-18 沃尔沃汽车公司 用于改进电池容量估计的方法和系统
CN112166330A (zh) * 2019-01-23 2021-01-01 株式会社Lg化学 电池管理设备、电池管理方法和电池组
CN117129883A (zh) * 2023-10-25 2023-11-28 广东亿昇达科技有限公司 基于环路控制的电池检测方法及装置

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101767635B1 (ko) * 2014-10-24 2017-08-14 주식회사 엘지화학 이차 전지의 충전 상태 추정 장치 및 그 방법
FR3029315B1 (fr) * 2014-11-28 2016-12-09 Renault Sa Procede automatique d'estimation de la capacite d'une cellule d'une batterie
US10338153B2 (en) * 2015-03-03 2019-07-02 Samsung Electronics Co., Ltd. Method and apparatus for automatically estimating remaining useful life (RUL) of battery in real time
US10224579B2 (en) 2015-12-31 2019-03-05 Robert Bosch Gmbh Evaluating capacity fade in dual insertion batteries using potential and temperature measurements
US10243385B2 (en) 2016-01-29 2019-03-26 Robert Bosch Gmbh Secondary battery management system
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
CN105774574A (zh) * 2016-02-26 2016-07-20 北京长城华冠汽车科技股份有限公司 一种新能源汽车电池荷电状态的校准方法和装置
US9960625B2 (en) * 2016-03-31 2018-05-01 Robert Bosch Gmbh Battery management system with multiple observers
US10447046B2 (en) 2016-09-22 2019-10-15 Robert Bosch Gmbh Secondary battery management system with remote parameter estimation
WO2018162021A1 (en) * 2017-03-06 2018-09-13 Volvo Truck Corporation A battery cell state of charge estimation method and a battery state monitoring system
CN110998344B (zh) * 2017-07-31 2022-05-06 日产自动车株式会社 劣化状态运算方法和劣化状态运算装置
AT520558B1 (de) * 2017-11-27 2019-05-15 Avl List Gmbh Rekursives, zeitreihenbasiertes Verfahren zur Zustandsermittlung eines elektrochemischen Reaktors
US11204391B2 (en) * 2019-09-13 2021-12-21 GM Global Technology Operations LLC Method and apparatus for monitoring a battery state estimator
JP2024010409A (ja) * 2022-07-12 2024-01-24 株式会社Ｇｓユアサ 情報処理装置、蓄電デバイス、情報処理方法及びプログラム

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6118275A (en) * 1998-06-25 2000-09-12 Korea Kumho Petrochemical Co., Ltd. Method and apparatus for measuring battery capacity using voltage response signal based on pulse current
CN1864072A (zh) * 2003-10-10 2006-11-15 丰田自动车株式会社 计算二次电池可用容量的计算装置和计算方法
US20100318252A1 (en) * 2008-02-19 2010-12-16 Toyota Jidosha Kabushiki Kaisha Vehicle, method of estimating state of charge of secondary battery, and method of controlling vehicle

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE3520985A1 (de) 1985-06-12 1986-12-18 Ford-Werke AG, 5000 Köln Verfahren und vorrichtung zum ueberwachen des ladezustands der starterbatterie eines kraftfahrzeugs, insbesondere personenkraftwagens
ITRE20040079A1 (it) 2004-07-06 2004-10-06 Eurosystems Spa Gruppo elettrogeno perfezionato
JP4984382B2 (ja) 2004-08-19 2012-07-25 トヨタ自動車株式会社 電池の残存容量推定システムおよび残存容量推定方法
US7994755B2 (en) * 2008-01-30 2011-08-09 Lg Chem, Ltd. System, method, and article of manufacture for determining an estimated battery cell module state
JP5318128B2 (ja) * 2011-01-18 2013-10-16 カルソニックカンセイ株式会社 バッテリの充電率推定装置
JP5404964B2 (ja) 2011-10-07 2014-02-05 カルソニックカンセイ株式会社 バッテリの充電率推定装置及び充電率推定方法
JP5393837B2 (ja) 2012-05-11 2014-01-22 カルソニックカンセイ株式会社 バッテリの充電率推定装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6118275A (en) * 1998-06-25 2000-09-12 Korea Kumho Petrochemical Co., Ltd. Method and apparatus for measuring battery capacity using voltage response signal based on pulse current
CN1864072A (zh) * 2003-10-10 2006-11-15 丰田自动车株式会社 计算二次电池可用容量的计算装置和计算方法
US20060276981A1 (en) * 2003-10-10 2006-12-07 Toyota Jidosha Kabushiki Kaisha Calculation device calculating available capacity of secondary battery and method of calculating the same
US20100318252A1 (en) * 2008-02-19 2010-12-16 Toyota Jidosha Kabushiki Kaisha Vehicle, method of estimating state of charge of secondary battery, and method of controlling vehicle

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110167783A (zh) * 2017-01-09 2019-08-23 沃尔沃卡车集团 一种用于确定电池组的充电状态的方法和装置
CN112166330A (zh) * 2019-01-23 2021-01-01 株式会社Lg化学 电池管理设备、电池管理方法和电池组
CN112166330B (zh) * 2019-01-23 2023-07-04 株式会社Lg新能源 电池管理设备、电池管理方法和电池组
US11824394B2 (en) 2019-01-23 2023-11-21 Lg Energy Solution, Ltd. Battery management device, battery management method, and battery pack
CN112098868A (zh) * 2019-06-17 2020-12-18 沃尔沃汽车公司 用于改进电池容量估计的方法和系统
CN111208438A (zh) * 2020-03-05 2020-05-29 东南大学 基于神经网络与无迹卡尔曼滤波器的锂电子电池剩余电量与传感器偏差协同估计的方法
CN111208438B (zh) * 2020-03-05 2022-03-08 东南大学 基于神经网络与无迹卡尔曼滤波器的锂电子电池剩余电量与传感器偏差协同估计的方法
CN117129883A (zh) * 2023-10-25 2023-11-28 广东亿昇达科技有限公司 基于环路控制的电池检测方法及装置
CN117129883B (zh) * 2023-10-25 2024-02-09 广东亿昇达科技有限公司 基于环路控制的电池检测方法及装置

Also Published As

Publication number Publication date
ES2648095T3 (es) 2017-12-28
EP2816366A1 (en) 2014-12-24
JP2016529478A (ja) 2016-09-23
NO3011350T3 (zh) 2018-01-27
EP3011350B1 (en) 2017-08-30
CN105637376B (zh) 2019-03-19
US10295600B2 (en) 2019-05-21
US20160139210A1 (en) 2016-05-19
JP6441913B2 (ja) 2018-12-19
EP3011350A2 (en) 2016-04-27
WO2014202684A2 (en) 2014-12-24
WO2014202684A3 (en) 2015-02-19
DK3011350T3 (da) 2017-11-20

Similar Documents

Publication Publication Date Title
CN105637376A (zh) 监测存储在电池内的电荷
CN110914696B (zh) 用于在电池的操作期间估计电池开路池格电压、充电状态以及健康状态的方法和系统
CN110261779B (zh) 一种三元锂电池荷电状态与健康状态在线协同估计方法
CN113466723B (zh) 确定电池荷电状态的方法及装置，电池管理系统
Ceraolo et al. State-of-charge evaluation of supercapacitors
He et al. Online model-based estimation of state-of-charge and open-circuit voltage of lithium-ion batteries in electric vehicles
Waag et al. Adaptive on-line prediction of the available power of lithium-ion batteries
EP2321663B1 (en) Apparatus and method for estimating state of health of battery based on battery voltage variation pattern
CN105334462B (zh) 电池容量损失在线估算方法
JP2018513378A (ja) リチウム硫黄電池の健康状態および充電状態を決定するための方法および装置
CN103616647A (zh) 一种用于电动汽车电池管理系统的电池剩余电量估计方法
KR20140106436A (ko) 배터리 충전량 트래킹, 등가 회로 선택 및 벤치마킹
JP2012073256A (ja) 電気化学インピーダンス分光法を使用するその場電池診断方法
US20170269164A1 (en) Automatic method for estimating the state of charge of a cell of a battery
CN111190109B (zh) 一种无电流传感器的锂电池荷电状态估计方法
KR20170092589A (ko) 배터리의 셀의 충전의 상태를 추정하는 자동적 방법
KR20200010369A (ko) 축전지 잔량 추정 장치, 축전지 잔량 추정 방법, 및 프로그램
CN112912747B (zh) 电池状态推算装置和电池控制装置
JP5662438B2 (ja) 電気化学蓄電池の較正方法
CN113466725A (zh) 确定电池荷电状态的方法及装置，存储介质及电子设备
US20230109406A1 (en) Method and Battery Management System for Monitoring a Battery System by Determining Impedance
Rezoug et al. State-of-charge Estimation of Lithium-ion Batteries Using Extended Kalman Filter
Sinclair et al. An adaptive battery monitoring system for an electric vehicle
CN107407712A (zh) 用于估算电池的特性物理量的方法
CN113466726B (zh) 确定电池等效电路模型的参数的方法、装置、存储介质及电子设备

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant