CN106451643A - 电能源管理系统及其方法 - Google Patents

Abstract

本发明涉及一种电能源管理系统及其方法。其中，所述电能源管理系统包括数据测量器件及本地计算器件；本地计算器件基于RC模型的卡尔曼滤波算法对待计算参数进行估计，以实现所述电能源器件状态的估算。所述电能源管理方法可依据基于RC模型的卡尔曼滤波算法获得所述电能源器件的状态后验估计及状态误差协方差矩阵后验估计。上述的电能源管理系统及其方法可有效减少计算损耗，提高计算速度，以利于本地计算顺畅进行，以降低所述电能源管理系统的带宽负荷和运算负荷。

Description

电能源管理系统及其方法

【技术领域】

本发明涉及电能源管理领域，尤其涉及一种电能源管理系统及其方法。

【背景技术】

在现有的电能源管理系统中，常需要对系统的各项参数进行估计，以实时监控系统的运行状态和系统寿命。但是目前为止，电能源管理系统的参数估计需要计算内容较多，计算损耗较大。此外，由于现有一般采用处于网络的上位机作为计算单元，相关参数与估算结果的传输可能受到数据带宽、网络延迟、数据高峰期、线路故障等因素的影响，使得运算负荷较高。

【发明内容】

为克服现有技术中的不足之处，本发明提供一种电能源管理系统及其方法。

本发明为解决上述技术问题的一个技术方案是提供一种电能源管理系统，其包括：数据测量器件，用于感测电能源器件在运作中的初始参数，并将所述初始参数处理转化为待计算参数；以及本地计算器件，基于RC模型的卡尔曼滤波算法对所述待计算参数进行估算，以实时获得所述电能源器件的状态。

优选地，所述本地计算器件进一步包括：第一计算单元，基于所述待计算参数获取一时刻的所述电能源器件的状态先验估计及状态误差协方差矩阵先验估计；第二计算单元，用于基于该时刻的所述电能源器件的状态先验估计及状态误差协方差矩阵先验估计并根据后验估计公式获得该时刻对应的所需所述电能源器件的状态后验估计及状态误差协方差矩阵后验估计；及第三计算单元，用于基于该时刻的所述电能源器件的状态后验估计及状态误差协方差矩阵后验估计获得下一时刻的所述电能源器件的状态先验估计及状态误差协方差矩阵先验估计。

优选地，所述电能源管理系统进一步包括本地存储单元，所述本地存储单元与所述本地计算器件连接，所述本地存储单元用于对所述待计算参数及经所述本地计算器件计算获得的数据进行存储。

优选地，所述电能源管理系统进一步包括：控制单元，基于所述本地计算器件获得所述电能源器件的状态，对所述电能源器件进行管理和控制。

优选地，所述电能源管理系统进一步包括本地存储单元，所述本地存储单元用于存储所述待计算参数和基于所述本地计算器件获得所述电能源器件的状态，所述控制单元依据所述本地存储单元中存储内容发出警告和/或对所述电能源器件进行控制。

本发明为解决上述技术问题的又一个技术方案是提供一种电能源管理方法，其至少包括以下步骤：感测电能源器件在运作中的初始参数,并将所述初始参数处理转化为待计算参数；基于RC模型的卡尔曼滤波算法对所述待计算参数进行估算，以实时获得所述电能源器件的状态。

优选地，所述基于RC模型的卡尔曼滤波算法对所述待计算参数进行估算包括以下步骤：步骤S101，基于所述待计算参数获取一时刻的所述电能源器件的状态先验估计及状态误差协方差矩阵先验估计；步骤S102，基于该时刻的所述电能源器件的状态先验估计及状态误差协方差矩阵先验估计并根据后验估计公式获得该时刻对应的所需所述电能源器件的状态后验估计及状态误差协方差矩阵后验估计；及步骤S103，基于该时刻的所述电能源器件的状态后验估计及状态误差协方差矩阵后验估计获得下一时刻的所述电能源器件的状态先验估计及状态误差协方差矩阵先验估计。

优选地，所述获得下一时刻的所述电能源器件的状态先验估计及状态误差协方差矩阵先验估计之后，进一步包括以下步骤：重复上述步骤S101-步骤S103，以获得多组相应时刻的所述电能源器件的状态后验估计及状态误差协方差矩阵后验估计。

优选地，上述步骤S103中，基于该时刻的所述电能源器件的状态后验估计及状态误差协方差矩阵后验估计获取下一时刻的所述电能源器件的状态先验估计及所述电能源器件的状态误差协方差矩阵先验估计包括以下步骤：使用第一状态方程获得下一时刻的状态先验估计

其中，R₁，……，R_p表示为RC电阻，C₁，……，C_p表示为RC电容；C_n表示为所述电能源器件的容量，Δt表示为采样周期；

及使用第二状态方程获得下一时刻的状态误差协方差矩阵先验估计

其中，A_k表示为状态矩阵：

表示为状态矩阵转置；

E_w表示为状态噪声方差矩阵：

表示为前一时刻的所述电能源器件的状态误差协方差矩阵后验估计。

优选地，所述电能源管理方法进一步包括：基于所述本地计算器件获得所述电能源器件的状态，对所述电能源器件进行管理和控制。

相对于现有技术，本发明所提供的电能源管理系统及其方法，具有以下的优点：

本发明所提供的电能源管理系统，其包括、数据测量器件及本地计算器件，其中，数据测量器件用于感测电能源器件在运作中的初始参数，并将所述初始参数处理转化为待计算参数，所述本地计算器件基于RC模型的卡尔曼滤波算法对所述待计算参数进行估算，以实时获得所述电能源器件的状态。所述电能源管理系统采用基于RC模型的卡尔曼滤波算法，可有效减少计算损耗，从而提高计算速度，以利于本地计算顺畅进行。所述电能源管理系统中，由于所述电能源管理系统具有本地计算能力，因此可获得精准且实时性高的数据内容，并可对所述电能源器件进行更高响应速度的管理，从而降低所述电能源管理系统的带宽负荷和运算负荷。

本发明进一步提供一电能源管理方法，其至少包括以下步骤：感测电能源器件在运作中的初始参数，并将所述初始参数处理转化为待计算参数；基于RC模型的卡尔曼滤波算法对所述待计算参数进行估算，以实时获得所述电能源器件的状态。所述电能源管理方法同样采用基于RC模型的卡尔曼滤波算法，可有效减少计算损耗，从而提高计算速度，以利于本地计算顺畅进行。所述电能源管理系统中，由于所述电能源管理系统具有本地计算能力，因此可获得精准且实时性高的数据内容，并可对所述电能源器件进行更高响应速度的管理，从而降低所述电能源管理系统的带宽负荷和运算负荷。

【附图说明】

图1是本发明第一实施例电能源管理系统的模块示意图。

图2是图1中所示本地计算器件的具体模块示意图。

图3是图2中所示嵌入式软件系统的具体模块示意图。

图4是图1中所示电能源管理系统另外一些实施例的模块示意图。

图5A是本发明第二实施例电能源管理系统的模块示意图。

图5B是是本发明第二实施例电能源管理系统中一些变形实施方式的模块示意图。

图6是本发明第三实施例的电能源管理方法的步骤流程示意图。

图7是图6中所示电能源管理方法中步骤P102的步骤流程示意图。

图8是图7中所示本发明电能源管理方法中步骤S101的具体步骤的流程示意图。

图9是本发明第四实施例电能源管理方法的步骤流程示意图。

图10是本发明第四实施例电能源管理方法的一些变形实施方式的步骤流程示意图。

图11A是图10中所示本发明电能源管理方法中步骤X104的具体步骤的流程示意图。

图11B是图10中所示本发明电能源管理方法中步骤X104中另一些实施例的具体步骤的流程示意图。

【具体实施方式】

为了使本发明的目的，技术方案及优点更加清楚明白，以下结合附图及实施实例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

请参阅图1，本发明第一实施例提供一种电能源管理系统10，所述电能源管理系统10用于对电能源器件100进行管理。

所述电能源器件100可为电池器件，例如二次锂离子电池包、铅酸蓄电池、金属氢化物/镍电池、燃料电池等充电装置。其具体可为二次电池或者二次电池组，具体地，所述电能源器件100为铅酸蓄电池。在本发明另外的一些实施例中，所述电池能源管理系统10中也可以包括为外设的电能源器件预留接口，通过将外设的所述电能源器件100连接至为电能源器件预留的接口，以使外设的所述电能源器件100与所述电能源管理系统10连接。

本发明所提供的所述电能源管理系统10包括数据测量器件12及本地计算器件13。其中，所述数据测量器件12用于感测电能源器件在运作中产生的初始参数，并将所述初始参数处理转化为待计算参数；所述待计算参数进一步传输到所述本地计算器件13中进行计算。所述本地计算器件13基于RC模型的卡尔曼滤波算法对待计算参数进行估算，以实时获得所述电能源器件100的状态。

其中，所述初始参数可为所述电能源器件100的电压、电流、温度等数据。

为了获得所述电能源器件100运行时的数据，需要所述数据测量器件12对所述电能源器件100进行测量，所述数据测量器件12通常包含一种或多种传感器，如电压传感器、电流传感器、温度传感器等等。如图1中所示，本发明的一些具体的实施例中，所述数据测量器件12进一步包括电压传感器121和/或电流传感器122。所述电压传感器121是一种将被测电量参数转换成直流电流、直流电压并隔离输出模拟信号或数字信号的装置。而所述电流传感器122可感受到被测电流的信息，并能将检测感受的信息，按一定规律变换成电信号或其他所需形式的信息输出，以满足信息的传输、处理、存储等。通过所述电压传感器121与所述电流传感器122可对所述电能源器件100的运行情况进行实时反馈。

本发明一些优选的实施例中，具体地，所选取的电压传感器较优地为模数转换器，所选取的电流传感器由霍尔传感器和模数转换器组成，其中，所述霍尔传感器的电压输出作为模数转换器的电压输入。优选地，所述模数转换器的输入端接至为所述电能源器件100预留的接口的正极和负极，所述电能源器件100或者为所述电能源器件100预留的接口的正极或负极所引出的线路穿过所述霍尔传感器。

所述本地计算器件13内存储有本地计算算法，通过本地计算算法，处理测量获得的所述数据测量器件12所提供的所述待计算参数，所述待计算参数可为由所述电能源器件100所发出的信号处理转化而获得。所述本地计算算法可用于对所述待计算参数进行估算，从而获得所述电能源器件100的SOH值(State-of-Health，电池的健康状况)、SOC值(Stateof Charge，荷电状态)，以实时获得所述电能源器件100的状态。

在本发明一些优选的实施例中，如图2中所示，所述本地计算器件13为嵌入式计算芯片130。在所述嵌入式计算芯片130中可实现本地计算算法。

具体地，所述嵌入式计算芯片130具体包括嵌入式硬件系统131和嵌入式软件系统132。在本发明一些实施例中，所述本地计算算法存储在所述嵌入式软件系统132中。所述嵌入式硬件系统131包括单片机。

更进一步地，如图3中所示，所述嵌入式软件系统132进一步包括第一计算单元1321、第二计算单元1322及第三计算单元1323，具体地：

所述第一计算单元1321，基于所述待计算参数获取一时刻的所述电能源器件100的状态先验估计及状态误差协方差矩阵先验估计；

所述第二计算单元1322，用于基于该时刻的所述电能源器件100的状态先验估计及状态误差协方差矩阵先验估计并根据后验估计公式获得该时刻对应的所需所述电能源器件100的状态后验估计及状态误差协方差矩阵后验估计；及

所述第三计算单元1323，用于基于该时刻的所述电能源器件100的状态后验估计及状态误差协方差矩阵后验估计获得下一时刻的所述电能源器件100的状态先验估计及状态误差协方差矩阵先验估计。

基于上面所述嵌入式软件132对所述电能源器件100的相关参数进行估算。

请参阅图4，在本发明一些优选的实施例中，为了使得所述电能源管理系统10在离线或掉电时能够及时存储数据，以便再次在线或上电后使用、发送或接收数据，本发明提供一种电能源管理系统10，其在所述电能源管理系统10的基础上进一步包括一本地存储单元14。所述本地存储单元14与所述本地计算器件13连接，所述本地存储单元14可用于对所述待计算参数及经所述本地计算器件计算后的数据进行存储，其中，所述待计算参数包括所述电能源器件100的运行参数及测量数据，如电能源器件100的实时电压、电流、SOH数据、SOC数据等。

更进一步地，所述本地存储单元14可以是所述嵌入式计算芯片130自带的存储单元，也可以是额外增加的存储单元。本发明一些优选的实施例中，还可使用所述嵌入式计算芯片130自带的存储单元作为本地存储单元。

请参阅图5A，为了更好地对所述电能源管理系统10进行控制，在本发明第二实施例中进一步提供一电能源管理系统20，所述电能源管理系统20包括数据测量器件22、本地计算器件23及控制单元21。

其中，所述数据测量器件22用于感测电能源器件在运作中的初始参数，并将所述初始参数处理转化为待计算参数；所述待计算参数进一步传输到所述本地计算器件23中进行计算。所述本地计算器件23基于RC模型的卡尔曼滤波算法对待计算参数进行估算，以实时获得所述电能源器件100的状态。

所述控制单元21，可基于所述本地计算器件23获得所述电能源器件100的状态，对所述电能源器件100进行管理和控制。所述控制单元21接收与所述电能源器件100状态相关的数据后进行处理，并给予回馈，从而可实现数据的实时上传与反馈。

其中，所述初始参数可为所述电能源器件100的电压、电流、温度等传感数据。

更进一步地，在本实施例中，所述控制单元21与所述本地计算器件23连接，由所述本地计算器件13计算获得的数据直接上传至所述控制单元21，所述控制单元21依据所述电能源器件100的状态发出警告和/或对所述电能源器件100进行控制。

请参阅图5B，在本实施例另外的一些变形实施方式中，所述电能源管理系统20进一步包括本地存储单元24，所述控制单元21与所述本地存储单元24连接，存储在所述本地存储单元24的所述待计算参数及通过所述本地计算器件23计算获得的数据经由所述本地存储单元24上传至所述控制单元21，所述控制单元21依据所述电能源器件100的状态发出警告和/或对所述电能源器件100进行控制。

在本发明一些实施例中，所述本地存储单元24与所述控制单元21之间还可通过网络连接，存储在所述本地存储单元24中的数据以及通过所述本地计算器件23计算获得的数据通过网络传输至所述控制单元21中。通过设置所述本地存储单元24，可有效避免由于数据带宽的限制，而导致所述本地计算器件23计算获得的数据传送出现异常。在上述的实施例中，相关的数据可先存储于所述本地存储单元24中，每隔一段时间才上传数据，而无需每次都上传，所述本地计算器件23计算获得的数据上传频率还可为预先设置，从而可提高数据传输的效率。一实施例中，本地计算器件23计算获得的数据上传频率可以根据当前数据带宽进行调整，进一步提高上传数据的稳定性并兼顾效率。

请参阅图6，本发明的第三实施例提供一种电能源管理方法P10，所述电能源管理方法P10包括以下步骤：

步骤P101，感测电能源器件100在运作中的初始参数，并将所述初始参数处理转化为待计算参数；

步骤P102，基于RC模型的卡尔曼滤波算法对所述待计算参数进行估算，以实时获得所述电能源器件100的状态。

其中，所述电能源器件100在运作中的初始参数是指所述电能源器件100的电压、电流、温度等传感数据。

更进一步地，如图7中所示，上述步骤P102中基于RC模型的卡尔曼滤波算法对所述待计算参数进行估算还进一步包括如下的步骤：

步骤S101，基于所述待计算参数获取一时刻的所述电能源器件100的状态先验估计及状态误差协方差矩阵先验估计；

步骤S102，基于该时刻的所述电能源器件100的状态先验估计及状态误差协方差矩阵先验估计，并根据后验估计公式获得该时刻对应的所需所述电能源器件100的状态后验估计及状态误差协方差矩阵后验估计；及

步骤S103，基于该时刻的所述电能源器件100的状态后验估计及状态误差协方差矩阵后验估计获得下一时刻的所述电能源器件100的状态先验估计及状态误差协方差矩阵先验估计。

作为优选的实施例中，在步骤S103之后，还包括以下步骤：

步骤S104，重复上述步骤S101-步骤S103，以获得多组相应时刻的所述电能源器件的状态后验估计及状态误差协方差矩阵后验估计。

在本发明一些具体的实施例中，基于RC模型的卡尔曼滤波算法对所述待计算参数进行估算具体可包括：

在上述步骤S101中，在所述电能源管理系统10初始加电后，可获取所述电能源器件100的状态先验估计及所述电能源器件100的状态误差协方差矩阵先验估计。

在上述步骤S102中，还可进一步包括依据测量得到电能源器件100的电压y_k和电流i_k，及该时刻的所述电能源器件100的状态先验估计及状态误差协方差矩阵先验估计，基于后验估计公式获得所述电能源器件100的状态后验估计及所述电能源器件100的状态误差协方差矩阵后验估计。

在上述步骤S101-步骤S104中，所述的一时刻可为所述电能源管理系统10首次使用的零时刻，也可为所述电能源管理系统10使用的任一时刻。

请参阅图8，在本发明一些较优的实施例中，上述步骤S101可进一步包括如下的步骤：

步骤S111，使所述电能源器件100上电；

步骤S112，判断所述电能源管理系统10是否含有预存的所述电能源器件100的状态后验估计。若是，则进入步骤S113，若否，则进入步骤S114。

步骤S113，当所述电能源管理系统10包括预存的所述电能源器件100的状态后验估计时，从所述本地存储单元14中读取预存的状态后验估计，作为零时刻的所述电能源器件100的状态先验估计。

步骤S114，当所述电能源管理系统10不包括预存的所述电能源器件100的状态后验估计时，则基于测量所述电能源器件100的电压，获取零时刻的所述电能源器件100的状态先验估计。

具体地，在上述步骤S101中，若所述电能源管理系统10为首次运行，或者所述电能源管理系统10无所述本地存储单元14，采用所述数据测量器件12测量所述电能源器件100的电压，根据开路电压与SOC(State of Charge，荷电状态)的关系OCV(u)(Open CircuitVoltage，开路电压)获取零时刻的状态先验估计为：

及零时刻的状态误差协方差矩阵先验估计：

其中，开路电压与SOC的关系OCV(u)通过在离线状态下测量所述电能源器件100的小电流充放电曲线得到，取充电曲线和放电曲线的平均值作为开路电压与SOC的关系。表示为零时刻的SOC先验估计，表示为零时刻的RC电容电压先验估计，p表示为RC阶数，本发明实施例中所述RC阶数p取为2。OCV-1(u)是开路电压与SOC的关系的反函数，即SOC与开路电压的关系。u₀表示为测量的所述电能源器件100的电压。表示为零时刻的SOC先验估计的误差方差，在发明一些优选的实施例中，所述零时刻的SOC先验估计的误差方差值取1。

若所述电能源管理系统10不是首次运行，且所述电能源管理系统10包括所述本地存储单元14，可从所述本地存储单元14中读取储存的SOC后验估计，获得零时刻的所述电能源器件100的状态先验估计为：

而零时刻的所述电能源器件100的状态误差协方差矩阵先验估计仍为：

其中，表示为储存的SOC后验估计。

以零时刻的所述电能源器件100的状态先验估计零时刻的所述电能源器件100的状态误差协方差矩阵先验估计作为所述电能源器件100的状态先验估计所述电能源器件100的状态误差协方差矩阵先验估计进入上述步骤S102。

在本发明一些优选的实施例中，所述步骤S102，卡尔曼滤波中，标准形式的后验估计公式为

其中，L_k是卡尔曼增益，C_k是输出矩阵，E_v是输出噪声方差，是电压估计，是所述电能源器件100的状态后验估计，是所述电能源器

件100的状态误差协方差矩阵后验估计。

在本发明的一些实施例中，对于RC模型，根据以下输出方程获得

其中，表示为开路电压与SOC先验估计的关系，其中，表示为SOC的状态后验估计。R表示为电能源器件内阻，ik是当前时刻的电池电流，表示为所述电能源器件100在样本编号k的所述电能源器件100的p个RC电容电压估计值的总和。

更进一步地，在上述公式(5)中所述输出矩阵C_k可具体表示如下：

而输出噪声方差E_v则是通过在离线状态下，测量零电流时电能源器件的样本电压的方差得到，其计算式如下：

其中，N是样本数量，m是样本编号，y_m是样本电压，是样本电压的平均值。

为了使所述嵌入式计算芯片130运作更为优化，因输出向量只有一个分量，即为电压y，又因状态误差协方差矩阵先验估计是对称矩阵，上述后验估计公式(5)可以重新表示为：

d_k＝C_kS_k+E_v

使用上述公式(9)有利于提高计算的速度。如在本实施例中，在计算状态误差协方差矩阵后验估计时，只计算其上三角或下三角部分，剩余部分直接取对称元素的值，从而可进一步优化计算的速度。

若所述电能源管理系统10包括所述本地存储单元14，则获得所述电能源器件100的状态后验估计及状态误差协方差矩阵后验估计后，将状态后验估计的第一个分量，即SOC后验估计作为存储在所述本地存储单元14中。

若所述电能源管理系统10包括与所述本地计算器件12连接的上位机，则可将电压y_k、电流i_k、SOC后验估计上传至所述上位机。

本发明一些较为优选的实施例中，考虑到数据带宽的限制，每隔一段时间才上传数据，相关的数据可先存储于所述本地存储单元14中，而无需每次都上传，数据上传频率为预先设置，从而可提高数据传输的效率。

更进一步地，在上述步骤S103中，基于RC模型，具体可使用第一状态方程获得下一时刻的状态先验估计

其中，R₁，……，R_p表示为RC电阻，C₁，……，C_p表示为RC电容，C_n表示为所述电能源器件100的容量，C_n是通过在离线状态下，对所述电能源器件100进行完全放电测试，并通过安时积分法，计算放电电流对时间的积分而获得，Δt表示为采样周期，表示为前一时刻的状态后验估计，i_k表示为电流。

在本发明中，获取电能源器件内阻R、RC电阻R₁，……，R_p、RC电容C₁，……，C_p的方法为，在离线状态下，对所述电能源器件100进行放电测试，并测量得到电流曲线和电压曲线，根据所述电流曲线和所述电压曲线，以及状态方程和输出方程，使用任意拟合算法拟合得到电能源器件内阻R、RC电阻R₁，……，R_p、R_C及电容C₁，……，C_p。

使用以下第二状态方程，即公式(11)获得下一时刻的所述电能源器件100的状态误差协方差矩阵先验估计

其中，A_k表示为状态矩阵，表示为状态矩阵转置，表示为前一时刻的所述电能源器件100状态误差协方差矩阵后验估计，E_w表示为状态噪声方差矩阵。

A_k通过以下公式获得：

状态噪声方差矩阵E_w中各分量的值根据状态方程的精确度以及所处的实际状态需要估计来确定，本发明实施例中，只对SOC进行估计，因此E_w可进一步表示为如下公式(13)：

请参阅图9，本发明第四实施例提供一种电能源管理系统Q10，所述电能源管理系统Q10包括以下步骤：

步骤Q101，感测电能源器件100在运作中的初始参数，并将所述初始参数处理转化为待计算参数；

步骤Q102，基于RC模型的卡尔曼滤波算法对所述待计算参数进行估算，以实时获得所述电能源器件100的状态；及

步骤Q103，基于所述本地计算器件获得所述电能源器件的状态，对所述电能源器件100进行管理和控制。

其中，上述步骤Q101与步骤Q102与上述本发明第三实施例提供的电能源管理方法P10的相关限定条件相同，在此不再赘述。

请结合图5及图10，本发明第四实施例中一些变形实施方式中，进一步提供一电能源管理方法X10，其是在上述电能源管理方法S10的基础上进一步包括以下步骤：

步骤X101，基于所述待计算参数获取一时刻的所述电能源器件100的状态先验估计及状态误差协方差矩阵先验估计；

步骤X102，基于该时刻的所述电能源器件100的状态先验估计及状态误差协方差矩阵先验估计，并根据后验估计公式获得该时刻对应的所需所述电能源器件100的状态后验估计及状态误差协方差矩阵后验估计；

步骤X103，基于该时刻的所述电能源器件100的状态后验估计及状态误差协方差矩阵后验估计获得下一时刻的所述电能源器件100的状态先验估计及状态误差协方差矩阵先验估计；

步骤X104，依据获得的对所述电能源器件100的估计结果，所述控制单元21用于发出警告和/或对所述电能源器件100进行控制；

步骤X105，判断所述电能源器件100是否掉电或停止运作；若否则重复步骤S101-步骤S103及步骤X104，则所述电能源管理方法X10继续运行；若否，则结束所述本地计算算法。

请参阅图11A-图11B，在本发明第四实施例电能源管理方法Q10的一个具体的实施例电能源管理方法X10中，所述控制单元21可为一上位机。在本发明一些较为优选的实施例中，所述控制单元21可选用云服务器，数据连接可优选为网络连接。

所述电能源管理方法X10中步骤X104具体包括如下的步骤：

步骤T101，通过数据连接，获取所述本地计算器件13上传的数据。

在本实施例中，下述步骤T102-步骤T104之间顺序不做限定，可为顺次进行(如图11A中所示)或同步进行(如图11B中所示)，具体内容如下：

步骤T102，分析电压、电流及SOC数据，并向用户显示，根据预先设置的条件，对用户发出警告。

步骤T103，分析电压、电流及SOC数据，根据预先设置的条件，对所述电能源管理系统10进行控制。

步骤T104，根据所述上位机151的用户指令，对所述电能源管理系统10进行控制。

具体地，在上述步骤T101中，所述数据连接为网络连接，通过数据连接获取本地计算器件上传的电压、电流及SOC数据。

在上述步骤T102中，判断SOC数据是否低于预先设置的条件值，若低于预先设置的条件值，则向用户发出警告。

在上述步骤T103中，计算电压随时间的变化率，若其绝对值大于预先设置的条件值，则向所述本地计算器件13发送指令，增加系统的采样率。

在上述步骤T104中，在本发明一些较为优选的实施例中，除预先设置的条件之外，用户还可以手动对系统进行控制。本发明实施例中，用户可以通过指令，手动更改系统的采样率、数据上传频率。用户还可以通过指令，对本地计算算法的参数，包括状态先验估计状态误差协方差矩阵先验估计输出噪声方差E_v、状态噪声方差矩阵E_w、开路电压与SOC的关系OCV(u)、电能源器件内阻R、RC电阻R₁，……，R_p、RC电容C₁，……，C_p、所述电能源器件100的容量C_n进行修改，以获得更简化的计算流程。

与现有技术相比，本发明所提供的电能源管理系统及其方法，具有以下的有益效果：

本发明所提供的电能源管理系统，其包括数据测量器件及本地计算器件，其中，所述数据测量器件用于感测电能源器件在运作中的初始参数，并将所述初始参数处理转化为待计算参数，所述本地计算器件基于RC模型的卡尔曼滤波算法对所述待计算参数进行估算，以实时获得所述电能源器件的状态。所述电能源管理系统采用基于RC模型的卡尔曼滤波算法，可有效减少计算损耗，从而提高计算速度，以利于本地计算顺畅进行。所述电能源管理系统中，由于所述电能源管理系统具有本地计算能力，因此可获得精准且实时性高的数据内容，并可对所述电能源器件进行更高响应速度的管理，从而降低所述电能源管理系统的带宽负荷和运算负荷。

所述电能源管理系统中所述本地计算器件包括第一计算单元、第二计算单元及第三计算单元，所述本地计算器件是采用基于RC模型的卡尔曼滤波算法进行本地计算的，其中，所述第一计算单元至第三计算单元分别进行不同的计算内容，从而基于某一时刻的所述电能源器件的状态先验估计及状态误差协方差矩阵先验估计以获得该时刻的所述电能源器件的状态后验估计及状态误差协方差矩阵后验估计后，进一步获得下一时刻的所述电能源器件的状态先验估计及状态误差协方差矩阵先验估计。本发明所述电能源管理系统可实现准确实时的系统状态和寿命估计，从而有助于提供准确度较高的电能源状态的估算结果，从而降低维护成本，提高资源利用率。

所述电能源管理系统中，进一步包括本地存储单元，所述本地存储单元用于对所述待计算参数及经所述本地计算器件计算获得的数据进行存储。通过设置所述本地存储单元，可利于所述电能源管理系统本地计算顺畅进行，从而在断网状态下，仍能实现所述电能源管理系统的有效运算及相关数据的有效储存。

更进一步地，在本发明提供的所述电能源管理系统，所述电能源管理系统在所述电能源管理系统的基础上，进一步包括一控制单元，控制单元可基于所述本地计算器件获得所述电能源器件的状态，对所述电能源器件进行管理和控制。由于采用本地测量及运算的方式，因此，可有效减少计算损耗，从而提高计算速度，以利于本地计算顺畅进行。所述电能源管理系统中，由于具有依据先验估计相关参数获得后验估计结果的本地计算能力，可获得精准且实时性高的数据内容，并可对所述电能源器件进行更高响应速度的管理，从而降低所述电能源管理系统的带宽负荷和运算负荷。

在本发明中，所述控制单元可直接与所述本地计算器件连接，所述本地计算器件计算获得的数据直接上传至所述控制单元，从而可实现数据的快速上传。在本发明中，所述控制单元还可通过所述本地存储单元与所述本地计算器件连接，通过设置所述本地存储单元，可有效避免由于数据带宽的限制，而导致数据传送出现异常。在上述的实施例中，相关的数据可先存储于所述本地存储单元中，每隔一段时间才上传数据，而无需每次都上传，数据上传频率为预先设置，从而可提高数据传输的效率。

本发明进一步提供一电能源管理方法，其至少包括以下步骤：感测电能源器件在运作中的初始参数，并将所述初始参数处理转化为待计算参数；基于RC模型的卡尔曼滤波算法对所述待计算参数进行估算，以实时获得所述电能源器件的状态。所述电能源管理方法同样采用基于RC模型的卡尔曼滤波算法，可有效减少计算损耗，从而提高计算速度，以利于本地计算顺畅进行。所述电能源管理系统中，由于所述电能源管理系统具有本地计算能力，因此可获得精准且实时性高的数据内容，并可对所述电能源器件进行更高响应速度的管理，从而降低所述电能源管理系统的带宽负荷和运算负荷。

所述电能源管理方法中，所述采用基于RC模型的卡尔曼滤波算法进行本地计算的步骤具体包括基于某一时刻的所述电能源器件的状态先验估计及状态误差协方差矩阵先验估计以获得该时刻的所述电能源器件的状态后验估计及状态误差协方差矩阵后验估计后，进一步获得下一时刻的所述电能源器件的状态先验估计及状态误差协方差矩阵先验估计。采用上述的本地计算方法，可避免由于数据传输问题，而使电能源状态的估算精准度和实时性不佳的问题。

在本发明中，所述电能源管理方法进一步包括基于RC模型的卡尔曼滤波算法，实现基于前一时刻的所述电能源器件的状态后验估计及状态误差协方差矩阵先验估计，以计算下一时刻的所述电能源器件的状态先验估计及状态误差协方差矩阵先验估计，并通过重复上述步骤，以获得多个时刻的所述电能源器件的状态后验估计及状态误差协方差矩阵后验估计。

更进一步地，在本发明中，还对基于RC模型的卡尔曼滤波算法中获得下一时刻的所述电能源器件的状态先验估计及状态误差协方差矩阵先验估计相对应的第一状态方程与第二状态方程进行了限定，从而可使所述电能源管理方法中本地计算更为快速。

本发明提供的电能源管理方法，其是在上述电能源管理方法之上，进一步包括基于所述本地计算器件获得所述电能源器件的状态，对所述电能源器件进行管理和控制。所述电能源管理方法基于RC模型的卡尔曼滤波算法实现本地计算，由于提高整体计算速度，因此，有助于对电能源器件进行高准确度及高响应度的管理和控制，还可助于准确评估系统是否需要维护或更换，从而降低维护成本，提高资源利用效率。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的原则之内所作的任何修改，等同替换和改进等均应包含本发明的保护范围之内。

Claims (10)

1.一种电能源管理系统，其特征在于：其包括：

数据测量器件，用于感测电能源器件在运作中的初始参数，并将所述初始参数处理转化为待计算参数；以及

本地计算器件，基于RC模型的卡尔曼滤波算法对所述待计算参数进行估算，以实时获得所述电能源器件的状态。

2.如权利要求1中所述电能源管理系统，其特征在于：所述本地计算器件进一步包括：

第一计算单元，基于所述待计算参数获取一时刻的所述电能源器件的状态先验估计及状态误差协方差矩阵先验估计；

第二计算单元，用于基于该时刻的所述电能源器件的状态先验估计及状态误差协方差矩阵先验估计并根据后验估计公式获得该时刻对应的所需所述电能源器件的状态后验估计及状态误差协方差矩阵后验估计；及

第三计算单元，用于基于该时刻的所述电能源器件的状态后验估计及状态误差协方差矩阵后验估计获得下一时刻的所述电能源器件的状态先验估计及状态误差协方差矩阵先验估计。

3.如权利要求1或2所述电能源管理系统，其特征在于：所述电能源管理系统进一步包括本地存储单元，所述本地存储单元与所述本地计算器件连接，所述本地存储单元用于对所述待计算参数及经所述本地计算器件计算获得的数据进行存储。

4.如权利要求1或2所述电能源管理系统，其特征在于：进一步包括：

控制单元，基于所述本地计算器件获得所述电能源器件的状态，对所述电能源器件进行管理和控制。

5.如权利要求4中所述电能源管理系统，其特征在于：所述电能源管理系统进一步包括本地存储单元，所述本地存储单元用于存储所述待计算参数和基于所述本地计算器件获得所述电能源器件的状态，所述控制单元依据所述本地存储单元中存储内容发出警告和/或对所述电能源器件进行控制。

6.一种电能源管理方法，其特征在于：其至少包括以下步骤：感测电能源器件在运作中的初始参数，并将所述初始参数处理转化为待计算参数；基于RC模型的卡尔曼滤波算法对所述待计算参数进行估算，以实时获得所述电能源器件的状态。

7.如权利要求6中所述电能源管理方法，其特征在于：所述基于RC模型的卡尔曼滤波算法对所述待计算参数进行估算包括以下步骤：步骤S101，基于所述待计算参数获取一时刻的所述电能源器件的状态先验估计及状态误差协方差矩阵先验估计；步骤S102，基于该时刻的所述电能源器件的状态先验估计及状态误差协方差矩阵先验估计并根据后验估计公式获得该时刻对应的所需所述电能源器件的状态后验估计及状态误差协方差矩阵后验估计；及步骤S103，基于该时刻的所述电能源器件的状态后验估计及状态误差协方差矩阵后验估计获得下一时刻的状态先验估计及状态误差协方差矩阵先验估计。

8.如权利要求7中所述电能源管理方法，其特征在于：所述获得下一时刻的所述电能源器件的状态先验估计及状态误差协方差矩阵先验估计之后，进一步包括以下步骤：重复上述步骤S101-步骤S103,以获得多组相应时刻的所述电能源器件的状态后验估计及状态误差协方差矩阵后验估计。

9.如权利要求7中所述电能源管理方法，其特征在于：上述步骤S103中，基于该时刻的状态后验估计及状态误差协方差矩阵后验估计获取下一时刻的所述电能源器件的状态先验估计及所述电能源器件的状态误差协方差矩阵先验估计包括以下步骤：使用第一状态方程获得下一时刻的状态先验估计

$x_{k+1}^{-}=\left[\begin{array}{cccc}1& & & \\ & \exp (-\frac{\mathrm{\Δ}t}{R_1{C}_1})& & \\ & & O& \\ & & & \exp (-\frac{\mathrm{\Δ}t}{R_p{C}_p})\end{array}\right]x_k^{+}+\left[\begin{array}{c}\frac{\mathrm{\Δ}t}{C_n}\\ R_1\[1-\exp (-\frac{\mathrm{\Δ}t}{R_1{C}_1})\]\\ M\\ R_p\[1-\exp (-\frac{\mathrm{\Δ}t}{R_p{C}_p})\]\end{array}\right]i_k$

其中，R₁，……，R_p表示为RC电阻，C₁，……，C_p表示为RC电容；C_n表示为所述电能源器件的容量，Δt表示为采样周期；

及使用第二状态方程获得下一时刻的状态误差协方差矩阵先验估计

$E_{x,k+1}^{-}=A_k{E}_{x,k}^{+}{A}_k^T+E_w$

其中，A_k表示为状态矩阵：

$\begin{array}{c}A=\frac{\∂x_{k+1}^{-}}{\∂x_k^{+}}\\ =\left[\begin{array}{cccc}1& & & \\ & \exp (-\frac{\mathrm{\Δ}t}{R_1{C}_1})& & \\ & & O& \\ & & & \exp (-\frac{\mathrm{\Δ}t}{R_p{C}_p})\end{array}\right]\end{array}$

表示为状态矩阵转置；

E_w表示为状态噪声方差矩阵：

$E_w=\left[\begin{array}{cccc}1\×{10}^{-4}& & & \\ & 0& & \\ & & O& \\ & & & 0\end{array}\right]$

表示为前一时刻的所述电能源器件的状态误差协方差矩阵后验估计。

10.如权利要求6-9中任一项所述电能源管理方法，其特征在于：所述电能源管理方法进一步包括：基于所述本地计算器件获得所述电能源器件的状态，对所述电能源器件进行管理和控制。