CN107677962B - 基于充电所需时间来管理电池的系统和方法 - Google Patents

基于充电所需时间来管理电池的系统和方法 Download PDF

Info

Publication number
CN107677962B
CN107677962B CN201611140806.6A CN201611140806A CN107677962B CN 107677962 B CN107677962 B CN 107677962B CN 201611140806 A CN201611140806 A CN 201611140806A CN 107677962 B CN107677962 B CN 107677962B
Authority
CN
China
Prior art keywords
health
state
battery
charging
voltage
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
CN201611140806.6A
Other languages
English (en)
Other versions
CN107677962A (zh
Inventor
成雨锡
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.)
Hyundai Motor Co
Kia Corp
Original Assignee
Hyundai Motor Co
Kia Motors Corp
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 Hyundai Motor Co, Kia Motors Corp filed Critical Hyundai Motor Co
Publication of CN107677962A publication Critical patent/CN107677962A/zh
Application granted granted Critical
Publication of CN107677962B publication Critical patent/CN107677962B/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
    • B60L58/16—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]
    • G01R31/392—Determining battery ageing or deterioration, e.g. state of health
    • 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
    • B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
    • B60L53/60—Monitoring or controlling charging stations
    • B60L53/66—Data transfer between charging stations and vehicles
    • B60L53/665—Methods related to measuring, billing or payment
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
    • G01R19/165—Indicating that current or voltage is either above or below a predetermined value or within or outside a predetermined range of values
    • G01R19/16533—Indicating that current or voltage is either above or below a predetermined value or within or outside a predetermined range of values characterised by the application
    • G01R19/16538—Indicating that current or voltage is either above or below a predetermined value or within or outside a predetermined range of values characterised by the application in AC or DC supplies
    • G01R19/16542—Indicating that current or voltage is either above or below a predetermined value or within or outside a predetermined range of values characterised by the application in AC or DC supplies for batteries
    • 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
    • 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]
    • G01R31/396—Acquisition or processing of data for testing or for monitoring individual cells or groups of cells within a battery
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • 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
    • B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
    • B60L53/50—Charging stations characterised by energy-storage or power-generation means
    • B60L53/53—Batteries
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60Y—INDEXING SCHEME RELATING TO ASPECTS CROSS-CUTTING VEHICLE TECHNOLOGY
    • B60Y2400/00—Special features of vehicle units
    • B60Y2400/30—Sensors
    • B60Y2400/308—Electric sensors
    • B60Y2400/3084—Electric currents sensors
    • 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
    • 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
    • Y02T10/7072—Electromobility specific charging systems or methods for batteries, ultracapacitors, supercapacitors or double-layer capacitors
    • 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
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02T90/10—Technologies relating to charging of electric vehicles
    • Y02T90/12—Electric charging stations

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Secondary Cells (AREA)

Abstract

本申请涉及基于充电所需时间来管理电池的系统和方法。提供了一种基于加权最小二乘(WLS)的健康状态(SOH)估算系统和方法。根据本发明的一个方面的电池管理系统包括：测量器，其在电池利用恒定电流进行充电的预设的电压范围内，在每个预设的电压间隔处测量测量充电所需时间；估算器，其利用依据预设的元模型的充电所需时间的估算值和在完成恒定电流充电之后充电所需时间的测量值来估算参数。

Description

基于充电所需时间来管理电池的系统和方法
与相关申请的交叉引用
本申请要求2016年8月1日提交的韩国专利申请第10-2016-0098063号的优先权，该申请的全部内容结合于此，以用于通过该引用的所有目的。
技术领域
本发明涉及一种电池管理技术，并且更具体地，本发明涉及基于加权最小二乘(weighted least square，WLS)的健康状态(state of health，SOH)估算系统和方法，其能够容易地估算电池的老化状态。
背景技术
通常，电动车辆或者混合动力电动车辆(在下文中，称作为“电动车辆”)在电驱动模式下利用电池的电能来驱动。由于电池(其为蓄电池)重复地充电和放电而衰退成具有降低的性能，因而需要估算其衰退的程度。
SOH(其为量化表示电池容量由于老化影响的特性变化的参数)为表示电池容量所衰退到的程度的量度。SOH用于根据电池的更换点和电池使用期限来调节电池充电/放电容量。
实际上，电池容量的特性变化可以通过内部电池电阻和温度来估算。因而，在相关领域中，依据温度的内部电池电阻和电池容量提前经由充电/放电实验来测量，相对于初始容量来对测量容量进行相对数字化，以获得用于SOH映射的查找表(look-up table，LUT)，随后估算与温度和内部电池电阻相对应的SOH。
这里，在电池充电/放电过程期间，内部电池电阻难以直接测量，因此需要用于准确地测量内部电池电阻的技术。
简单地，内部电池电阻可以通过将电池电压和充电/放电电流的测量值应用于欧姆定律而间接地计算出，但是，由于电池的IR压降现象，电池电压的测量值相对于实际电压具有误差，并且电池电流也具有测量误差，结果是，利用欧姆定律计算的SOH具有明显的误差。
用于估算SOH以降低SOH误差的另一个相关技术方法增加电池的充电/放电电流，来估算电池的充电状态(state of charge，SOC)，并且利用估算的SOC来估算SOH。然而，在该方法中，随着在测量电流的过程期间存在的测量误差的累积，用作SOH估算的基本数据的SOC的准确性随着时间的推移而降低，导致SOH估算的可靠性下降。
公开于本发明背景部分的信息仅仅旨在增强对本发明的总体背景的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。
发明内容
本发明的各个方面致力于提供一种基于加权最小二乘(weighted least square，WLS)的健康状态(state of health，SOH)估算系统和方法，其能够利用WLS技术来估算电池的老化状态。
本发明的技术主题不限制于前述技术主题，并且从下文所述的本发明中，本领域的技术人员可以清楚地理解本文中未提及的任何其它的技术主题。
根据本发明的示例性实施方案，一种健康状态(SOH)估算系统包括：测量器，其在电池被恒定电流充电的预设的电压范围内，在每个预设的电压间隔处计算充电所需时间的测量值；以及参数估算器，其当电池电压高于所述预设的电压范围时，所述参数估算器通过预设的元模型在每个电压间隔处计算充电所需时间的估算值，所述参数估算器估算测量值与估算值之间的基于加权最小二乘(WLS)的误差最小的电池SOH。
根据本发明的另一个示例性实施方案，一种基于至少一个处理器的健康状态(SOH)估算方法包括：在电池被恒定电流充电的预设的电压范围内，在每个预设的电压间隔处计算充电所需时间的测量值；当电池电压高于所述预设的电压范围时，通过预设的元模型根据预测SOH，在每个电压间隔处计算充电所需时间的估算值；以及将测量值与的估算值之间的基于加权最小二乘(WLS)的误差最小的预测SOH估算为电池SOH。
本发明的方法和装置具有其它的特性和优点，这些特性和优点从并入本文中的附图和随后的具体实施方案中将是显而易见的，或者将在并入本文中的附图和随后的具体实施方案中进行详细陈述，这些附图和具体实施方案共同用于解释本发明的特定原理。
附图说明
图1为图示了SOC仪表和SOH仪表的图。
图2A和图2B图示了开环电池模型和闭环电池模型。
图3A为图示了电压函数随着充电所需时间变化的形状的充电曲线的曲线图。
图3B为图示了根据本发明的一个示例性实施方案的闭环电池模型的图。
图4A为图示了在充电/放电测试过程期间当前容量变化的曲线图。
图4B为图示了在充电/放电测试过程期间充电曲线变化的曲线图。
图5为图示了电压随着归一化容量变化的形状的充电曲线的图。
图6为图示了当前容量根据电池老化的变化的曲线图。
图7为图示了根据本发明的示例性实施方案的基于当前容量估算的训练数据与测试数据之间的差异的图。
图8为图示了影响充电曲线的操作因素的曲线图。
图9A、图9B、图9C和图9D为图示了充电曲线由于各种操作因素而产生的变化的曲线图。
图10为图示了在充电之前SOC为10％至40％时，充电曲线形状变化的曲线图。
图11A、图11B和图11C分别为图示了根据本发明的示例性实施方案将相关技术的电池模型转换成元模型的过程以及根据本发明的示例性实施方案的充电曲线和元模型的图。
图12A、图12B和图12C为图示了通过应用OLS和WLS至各种SOC中的元模型的参数估算所获得的测试结果的曲线图。
图13A为根据本发明的示例性实施方案的电池管理系统的框图。
图13B为图示了根据本发明的示例性实施方案的充电曲线的曲线图。
图14A为图示了根据本发明的示例性实施方案的数据测量方法的流程图。
图14B为图示了根据本发明的示例性实施方案的参数估算方法的流程图。
应当理解的是，附图并非按比例地绘制，而是图示性地简化呈现各种特征以显示本发明的基本原理。本文所公开的本发明的具体设计特征(包括例如，具体尺寸、方向、位置和外形)将部分地由具体所要应用和使用的环境来确定。
在这些图形中，贯穿附图的多幅图形，附图标记引用本发明的同样的或等同的部分。
附图中每个元件的附图标记
1310：初始化器
1320：数据测量器
1330：参数估算器
1340：调度器
1350：存储器
具体实施方式
通过参照所附附图所描述的以下示例性实施方案，本发明的前述主题、优点和特征及其实施方式方法将清晰。然而，本发明可以采用不同的形式实施并且不应解释为限于本文中所阐述的实施方案。确切地说，提供这些实施方案使得本发明将全面与完整，并且向本领域的技术人员充分地传达本发明的范围，本发明由权利要求的类别来限定。本公开所利用的技术术语仅用于解释特定的示例性实施方案，而不限制本发明。单数形式的术语可以包括复数形式，除非相反地指出。此外，将进一步理解的是，在本文中使用术语“包括”和/或“包含”时，指明存在所述元件、步骤、操作和/或部件，但是不排除存在或加入一种或多种其他的元件、步骤、操作和/或其部件。
在描述本发明的具体配置之前将描述本发明的理论概念。
首先，将参照图1至图3B来描述根据本发明的示例性实施方案的SOH估算概念。图1为图示了充电状态(SOC)仪表和健康状态(SOH)仪表的图，图2A和图2B图示了开环电池模型和闭环电池模型，图3A为图示了电压函数随着充电所需时间变化的形状的充电曲线的曲线图，图3B为图示了根据本发明的示例性实施方案的闭环电池模型的图。
电池管理中最重要的变量为与剩余电池容量相关的SOC和与电池老化状态相关的SOH。
首先，SOC可以计算为剩余容量相对于当前容量，如以下等式1所表示的。这里，以Ah为单位来表示当前容量和剩余容量。
[等式1]
Figure GDA0002775051450000041
接着，SOH被计算为当前容量相对于初始容量，如以下等式2所表示的。SOH通过0至1之间的值或者百分比来表示。
[等式2]
Figure GDA0002775051450000042
因而，SOC需要与SOH相关，以提供更准确的剩余电池容量。
SOH可以被车载监测，以提供电池更换周期。例如，如图1所示，Nissan Leaf在仪表板上具有SOC仪表和SOH仪表。
这里，SOC仪表被称作为允许充电计量器，SOH仪表被称作为可利用容量计量器。SOC仪表随着放电而下降，随着充电而上升，但是SOH仪表的电平持续下降，除非电池被更换。
以上所述的用于估算SOC和SOH的SOC估算技术包括开环方法和闭环方法。
如图2A所示，开环方法利用系统模型(电池模型)来输出估算容量，而没有反馈。因而，在开环电池模型中，基于根据经验产生(基于阿伦尼乌斯公式(Arrhenius equation))的系统模型的准确性来确定容量估算的准确性。开环电池模型的输入可以为影响容量损耗的充电/放电电流速率、充电截止电压、SOC和温度的变量。这里，通常地，一个变量或者仅两个变量应用于开环电池模型，且因而可以应用变量，而不需要多个输入之间的复杂相互作用。然而，开环电池模型在表示实际电池使用模式中所获得各种场景时具有限制。
如图2B所示，闭环电池模型输出关于反馈的估算电压，并且为电子或者电化学的，其输入为与老化相关的参数。闭环电池模型利用测量电压作为期望输出，且因而即使在实际环境条件下也能够估算当前容量。然而，与开环方法相比，闭环电池模型不利地需要更多的计算资源。
为了降低电池模型的复杂性，本发明基于元模型来设计，所述元模型表示基于内部电池原理的电池操作。这里，感兴趣的电池操作限制于依据电池老化的充电曲线的形式的变化，并且元模型仅针对电池充电区域来配置。
在车辆与电网场景中，尽管电流幅值不同，但纯电动车辆(battery electricvehicle，BEV)的电池也是恒定电流充电的目标。这里，电流幅值可以根据由BEV的用户选择的充电器的功率水平而变化。基于这种特性，在本发明中，利用依据恒定电流充电的充电时间来估算电池SOH。
在下文中，将参照图3A和图3B来描述根据本发明的电压函数随着充电所需时间变化的形状的充电曲线。图3A为图示了电压函数随着充电所需时间变化的形状的充电曲线的曲线图，图3B为图示了根据本发明的示例性实施方案的闭环电池模型的图。
如图3A的右侧曲线图所示，充电所需时间由于电池容量的损耗而减少。
如图3B所示，元模型通过关于与老化相关的参数(归一化容量＝SOH)的输出(其为参数估算器的输出)来估算充电所需时间。因而，在构建元模型时所利用的充电曲线具有时间随着电压变化的形式。
这里，由于电池端子电压对于工作周期、停歇时间、SOC和温度是敏感的，相应的变量将因此扭曲充电曲线的形式并影响参数估算。然而，在本发明中，SOH估算和加权最小二乘(WLS)技术得到并行利用，以抑制比当前容量更影响充电曲线的形状的任何其它因素。
以这种方式，在本发明中，用充电所需时间的估算值与测量值之间的误差的WLS来代替如相关技术的根据时间的电流积分，从而防止由于电流积分所引起的估算误差，并且增强容量估算的可靠性。
此外，在本发明中，基于元模型与WLS的组合，利用电池管理系统的有限计算资源，可以有效地估算当前容量。
Figure GDA0002775051450000051
电池单元测试
在下文中，将参照图4A和图4B来描述电池单元充电/放电测试的结果。图4A为图示了在充电/放电测试过程期间当前容量的变化的曲线图，图4B为图示了在充电/放电测试过程期间充电曲线变化的曲线图。在图4A和图4B中，以1C的速率执行充电，并且在总3000循环的每500循环处检查当前容量和充电曲线。这里，测试电池单元具有42Ah的初始容量，并且每个电池单元包括28个正电极和29个负电极，全部的电池单元是双侧的。
如图4A所示，当前容量检查测试在总3000循环内重复地执行七次，从而导致29％的容量损耗，比电动车辆的电池寿命期满容量(30％)短1％。
如图4B所示，应当注意的是，随着电池充电/放电循环增加，充电曲线沿着左上方向(其指示出容量损耗)平缓地移动。
Figure GDA0002775051450000062
元数据建模
表示电池的内部原理的优化模型可以为电化学模型，但是实际上，电化学模型不能识别容易受到操作因素(例如，电流、温度、SOC和SOH)影响的电池的每次操作。
相反地，根据本发明的基于数据的模型是基于输入与输出数据之间的关系来构建的，因而即使不需要内部电池原理的知识，也可以容易地识别电池驱动。
从响应曲面法(reaction surface methodology，RSM)来产生元模型。供作参考，在RSM中，最优反应表面经由实验分析，并且其过程如下。
首先，从充电曲线的多个样本点用实验方法获得输出函数值。其次，考虑输出函数(充电所需时间)值根据输入变量(SOH)的趋势来限定充电所需时间的近似函数的形式。第三，从最小二乘确定近似函数的系数。将参照图5来描述基于RSM来构建元模型的过程。
图5中的充电曲线被图示为电压随着归一化容量变化的形式。在图5中，可以看出，在恒定电流充电时，归一化容量(SOH)与充电所需时间成比例。
这里，归一化容量设定为元模型的唯一输入变量，并且电池电压通过输出函数来确定。如上所述，SOH为归一化容量，作为通过初始容量将当前容量归一化的结果。例如，在当前容量为29.4Ah时，SOH为0.7(＝29.4/42)。
在图5中，从电池单元测试中获得响应数据，该响应数据是根据归一化容量ci(i＝1至m)和充电所需时间tk(k＝1至n)的电池电压Vki。此外，对于2C的速率(n＝29)、1Ah，充电所需时间tk的间隔大约为41.86秒。归一化容量(Ci)的数目为7，并且考虑电动车辆的电池的寿命期满容量，上部和下部的边界C1和C7分别为1和0.7。
在图5中，输出函数值被表示为归一化容量和充电所需时间的离散值的点。在图5中，可以看出，在充电所需时间tk处的电池电压单调变化，以对应于归一化容量。
因而，三维多项式表达式被确定为如下的输出函数：其用于根据每个充电所需时间来近似输出电压以对应于归一化容量。因而，根据充电所需时间tk处的充电曲线的形状可以变为如以下等式3所表示的近似形式的参数。
[等式3]
Figure GDA0002775051450000061
在等式3中，利用普通最小二乘(ordinary least square，OLS)，系数akp被计算为在充电所需时间tk中与原始响应数据匹配。由于多项式表达式的函数是线性的以对应于系数akp，所以典型的线性回归算法可以由如以下等式4所表示的m×4矩阵X来限定。
[等式4]
Figure GDA0002775051450000071
这里，矩阵akp可以如等式5所表示的来限定。
[等式5]
Figure GDA0002775051450000072
在等式5中，y可以为如以下等式6所表示的m×n矩阵，其包括与归一化容量ci相对应的电压Vki。
[等式6]
Figure GDA0002775051450000073
Figure GDA0002775051450000075
电池单元级验证
在下文中，将参照图6和图7来描述利用训练数据验证构建的元模型的过程。图6为图示了根据电池老化的当前容量变化的曲线图，图7为图示了根据本发明的示例性实施方案的基于当前容量估算的训练数据与测试数据之间的差异的图。在图6和7中，示出了电池单元和电池组以与90kW快速充电相对应的2C的速率进行充电的情况。
首先参照训练数据来验证构建的元模型。利用训练数据来发现对应于容量损耗的充电曲线的形状的变化。训练数据表示在不同的电流下重复的电池单元级电池充电直到当前容量达到电动车辆的电池的寿命期满容量。
在图6中，图示了基于3D多项式表达式的元模型，其优秀程度足以根据差不多30％的容量损耗来确定充电曲线的形状变化。
计算估算误差以估算元模型的准确性，在每个循环中的相对误差可以如以下等式7所表示的来计算。
[等式7]
Figure GDA0002775051450000074
这里，vki *和vki为在时间tk和在循环中所测量的电压。
在500、1000、1500、2000、2500和3000循环处，相对误差被计算为在最大0.15％内、平均小于0.05％。
如图7所示，当前容量应当与初始容量几乎相同，但是测试数据和训练数据完全不同。这是因为影响当前容量的操作因素影响充电曲线的形状。
在下文中，将参照图8至图9D来描述利用操作因素的参数估算。图8至图9D图示了电池和电池组以与90kW快速充电相对应的2C的速率进行充电的情况。
首先，图8为图示了影响充电曲线的操作因素的曲线图。
如图8所示，在本发明中，考虑了电动车辆的车主的充电操作，工作周期、停歇时间、SOC和温度被选择作为影响充电曲线的形状的操作因素。
在下文中，将参照图9A至图9D来描述操作因素。图9A至图9D为图示了由于操作因素引起的充电曲线的变化的曲线图。这里，充电曲线表示为电压(y轴)随着容量(x轴)变化的形式，并且在相应的测试中，电池单元以与50kW快速充电相对应的1.45C速率进行充电。
①SOC
如图9A所示，充电曲线的开始点通过剩余容量和充电开始电压(SOC)来确定，并且充电曲线的结束点通过当前容量和充电完成电压来确定。
②停歇时间
停歇时间表示停歇时段，并且工作周期与充电之间的停歇时间可能影响充电曲线。如图9B所示，考虑电动车辆的用户的充电习惯，在工作周期之后10秒至30分钟的停歇时段期间执行测试。
如图9B所示，当在较长停歇时段(停歇时间)之后开始充电时，发生更大量的过电压。这是因为产生负过电压，同时停歇时间内的工作周期减少。在充电之前的停歇时间会以这种方式影响充电曲线的形状。
③工作周期
工作周期涉及充电/放电速率，并且在充电之前的工作周期影响充电曲线的形状。这是因为充电/放电速率在工作周期期间被过电压影响。这里，过电压为极化的程度，所述极化的程度表示端子电压相对于当前通路的开路电势(OCP)的变化。
在图9C中，FTP_75为重复行驶和停止的城市中行驶的工作周期，US06为在高速公路行驶的工作周期。以这种方式，工作周期可以根据电动车辆的用户的驾驶习惯而不同。
在循环期间，后者引起比前者更大的负过电压，且因而如图9C所示，当充电在行驶之后开始时，后者产生比前者更小量的过电压。供作参考，正过电压引起相反的影响。以这种方式，在充电之前的工作周期影响充电曲线的形状。
④温度
如图9D所示，在充电之前的低温在充电期间引起更高的电压，因而降低电池容量，从而更早地达到充电完成电压。不同于其它因素，温度影响充电曲线的整个部分。
这里，可以控制环境温度，但是在充电之前的电池温度受到其它因素(例如，工作周期和停歇时间)的影响。例如，高充电/放电速率的工作周期引起高电池温度，并且在工作周期之后的停歇时间引起低电池温度。
在图9A至图9D中，在四个操作因素之中，在充电之前的SOC最影响充电曲线，并且除了温度之外的操作因素(工作周期、停歇时间和SOC)影响充电曲线的早期部分，并且其影响随着时间而降低。
然而，在特定测试条件下构建的元模型不能描述受到实际条件影响的充电曲线的形状，因此根据本发明的元模型被全面地校正。
Figure GDA0002775051450000091
模型重新配置
元模型表示与由电压(y轴)所表示的当前容量作为容量函数(x轴)的充电曲线的形状变化。
与x轴一起，充电曲线的开始点通过由以下等式8所计算的充电之前的剩余容量来估算。
[等式8]
剩余容量(充电曲线的开始点)＝SOC×SOH×标称容量
标称容量预先由电池单元制造商来设定，而电池管理系统估算和更新SOC和SOH。当充电之前的SOC被设定成15％时，估算的充电之前的SOH被设定成85％，并且标称容量被设定成42Ah，充电曲线的开始点被设定成5.36Ah。
基于此，将描述根据充电之前10％至40％的SOC的充电曲线的形状变化。图10为图示了当在充电之前SOC为10％至40％时充电曲线的形状变化的曲线图。
为了计算效率的目的，元模型的输入被设定为一个归一化容量，并且充电之前的SOC被设定为40％。这是如下内部检查的结果：当SOC计量器降低到40％时，电动车辆的车主开始搜索充电站。然而，这不意味着充电之前的40％或者更大的SOC不适合于元模型。
然而，当电池充电从小于40％的SOC开始时，元模型中的每个部分充电数据能够被利用。原因是从超过40％的SOC开始的充电数据不足以表现根据电池老化的充电曲线的形状变化。
与根据相关技术用于构建元模型的充电曲线(其具有电压(y轴)对应于容量(x轴)的形状)相比，在本发明中，利用车辆与电网之间的电池充电为恒定电流充电的事实，用充电所需时间来代替容量。
以这种方式，在本发明中，时间代替容量，但是充电曲线的开始点基本上被限定为与相关技术的相同。在50kW快速充电时计算为13.23Ah的充电之前的剩余容量对应于大约781秒的充电所需时间。这是由在大约61A的恒定电流下达到13.23Ah需要781秒的事实引起。
在下文中，将参照图11A至图11C来描述根据本发明的构建元模型的过程。图11A至图11C分别为图示了根据本发明的示例性实施方案的将相关领域的电池模型转换成元模型的过程以及根据本发明的示例性实施方案的充电曲线和元模型的图。图11A至图11C图示了电池单元以与50kW快速充电相对应的1.45C的速率进行充电的情况。
首先，如图11C所示，元模型被重新形成以用于电池组级的实施。此后，从元模型构建的充电曲线被重新转换成电压(y轴)随着时间(x轴)变化(图11A的中间曲线图)。
然而，在元模型中，由于在元模型的特性方面，电压比时间更适合用于水平轴，所以改变电压的轴，以设置为对应于电压(y轴)的时间(x轴)(图11A的右侧示意图)。这里，在从3600mV至4040mV的范围内，以20mV(Δ)的间隔来指定电压。
一旦在SOC小于40％的情况下对电池进行充电，其充电曲线就在电压范围(3600mV至4040mV)移动，而与其损耗无关。
电压范围可以通过应用程序来指定。然而，由于时间是未指定的，所以难以作为水平坐标。另外，在恒定电流充电时，时间与容量成比例，因而根据相应电压范围的充电所需时间可以根据当前容量来改变。此外，由于当前容量(实际上，SOH)是元模型的结果，所以利用时间作为竖直轴(图11B)更合逻辑和直观。
如图11C所示，元模型被重新形成以用于电池组级的实施。参数估算器从充电曲线以及元模型提取与老化相关的参数(SOH)，以对应于不需要的充电曲线形状变化。
Figure GDA0002775051450000101
加权最小二乘(WLS)
在电池单元级训练数据的情况下，OLS工作良好，这归因于充电曲线的每个数据点的不确定性。然而，可疑的是，OLS是否应用于电池组级测试数据。
在前述测试数据中，充电曲线的形状的早期部分由于实际条件(例如，充电之前的工作周期、停歇时间、SOC以及温度)而扭曲。因而，当充电数据填充进元模型时，在后期部分的点比在早期部分的点可以更靠近回归曲线。因而，在本发明中，利用加权最小二乘的方法给充电曲线的后期部分提供了较大的权重值。
在下文中，将参照图12A至图12C来描述在WLS和OLS应用至元模型的情况下，估算值与测量值之间的误差。图12A至图12C为在OLS和WLS被应用以估算元模型的SOH，同时改变SOC的情况下充电曲线的曲线图。
示于图12A和图12B的曲线图的右侧的数值为电池的SOH的估算值(实际SOH)，而在测量值充电曲线之下所示的小数为元模型的SOH的测量值。此外，图12C的曲线图示出应用的权重值，其中，在OLS的情况下未应用权重值(未加权)，并且(a)为应用至图12A的WLS曲线图的权重值，(b)为应用至图12B的WLS曲线图的权重值。
在图12A和图12B中，可以看出，当应用WLS而不是OLS时，充电曲线的估算值接近测量值。例如，如图12A所示，在SOH测量值为0.853的情况下，当应用WLS时，元模型的最终估算值为0.852，而当应用OLS时，元模型的最终估算值为0.821。具体地，在图12A中，在应用OLS至元模型的情况下，当应用WLS时，准确率分别提高2.5％和7.8％，且因而能够看出，当应用WLS时，SOH估算的准确率更高。
供作参考，WLS的权重值确定多少点影响最终充电曲线(即，归一化容量)。然而，如图12C所示，在本发明中，能够利用与误差偏差成反比的权重值来估算更准确的SOH。这里，误差偏差指的是充电所需时间的测量值与估算值之间的相对差异。
在下文中，将参考图13A至图14B来详细描述本发明的示例性实施方案。图13A为根据本发明的示例性实施方案的电池管理系统的框图，图13B为图示了根据本发明的示例性实施方案的充电曲线的曲线图，图14A为图示了根据本发明的示例性实施方案的数据测量方法的流程图，图14B为图示了根据本发明的示例性实施方案的参数估算方法的流程图。
如图13A所示，根据本发明的示例性实施方案的电池管理系统1300包括：存储器1350、初始化器1310、数据测量器1320、参数估算器1330以及调度器1340。
初始化器1310在存储器1350中检查从之前充电检查出的当前容量(归一化容量)，并且将与当前容量相对应的剩余容量转化成初始时间。这里，初始时间为电池的充电曲线的开始点。
具体地，初始化器1310可以将以通过将剩余容量除以充电电流计算出的时间为单位的初始时间换算成秒单位(×3600[秒])，如以下等式9所表示的。
[等式9]
Figure GDA0002775051450000111
剩余容量＝当前容量×SOC
这里，充电电流可以为通过电池管理系统的电流传感器测量的值。此外，充电电流可以为通过充电站传输的值。
数据测量器1320在电池充电时，在预设的电压范围内以预设的电压间隔测量电池电压被改变(充电)所需的多个充电所需时间，并且将测量值存储为矢量y。这里，电压范围和电压间隔可以变化，并且在下文中，将电压范围为3600mV至4040mV并且电压间隔为20mV的情况描述为一个示例。这里，数据测量器1320总共测量23个所需时间，其可以表示为充电曲线的23个点(图14A)。
在下文中，将参照图14A来描述由数据测量器1320执行的数据测量。这里，数据测量器1320可以由调度器1340分配的周期(例如，每隔100ms)测量充电电压。
参见图14A，在操作S1411，数据测量器1320每次在测量电压之前将数目变量(时间)增加1。
在操作S1412，数据测量器1320测量电池的全部电池单元的电压，并且在操作S1413，数据测量器1320从测量的电压中选择具有最小电压、最大电压和平均电压的三个电池单元。
在操作S1414，数据测量器1320确定选择的电池单元的电压是否为预设的目标电压。这里，数据测量器1320将目标电压初始设定为3600mV。
当电池电压为目标电压时，在操作S1415，数据测量器1320将目标电压增加20mV。
此后，在操作S1416，数据测量器1320测量三个选择的电池单元的电压已达到目标电压的充电所需时间。以这种方式，数据测量器1320可以测量每个电压间隔充电所需时间，直到三个电池单元的电压达到4040mV(充电完成电压)。
在完成收集关于充电曲线的预设的电压范围的充电所需时间之后，参数估算器1330估算参数(电池SOH)。具体地，当电池电压大于电压范围时，参数估算器1330通过预设的元模型根据预测SOH在每个电压间隔处计算充电所需时间的估算值。参数估算器1330将在每个电压间隔的测量值与每个电压间隔的估算值之间的基于WLS的误差为最低的预测SOH估算为电池SOH。在下文中，将参照图14B来描述通过参数估算器1330来估算SOH的过程。
在操作S1421，参数估算器1330从存储器1350检索用于每个电池单元充电所需时间的测量值。这里，参数估算器1330利用来自存储器1350的数据来配置测量值矢量y。
在操作S1422，参数估算器1330通过元模型估算充电所需时间。具体地，参数估算器1330通过元模型预测充电曲线的每个测量点的充电所需时间，并且将预测值存储为估算值矢量x。这里，如图12A所示，当参数估算开始时，参数估算器1330将预测SOH(图12A的e-SOH)初始设定为1，并且将充电所需时间(其为根据计算的初始时间转换SOH 1的充电曲线的结果)存储为估算值矢量x。此后，参数估算器1330可以逐步地减小预测SOH，并且将与充电曲线相对应的充电所需时间存储为估算值矢量x。
在操作S1423，参数估算器1330基于充电所需时间，通过WLS来计算SOH估算值。具体地，参数估算器1330通过将估算值矢量x减去测量值矢量y来计算残差矢量b，并且产生与残差矢量b成反比的权重值矢量W。此外，参数估算器1330通过预设的方法数值计算残差矢量b的一阶偏导数雅可比行列式(primary part derivative Jacobian)。这里，残差矢量b可以为估算值矢量与测量值矢量之间的误差偏差。
这里，参数估算器1330估算SOH，并且更新预测SOH，直到在操作S1424和S1425，在最大重复次数内，雅可比行列式(Jacobian)矢量J不再使加权最小二乘之和减小。限制重复数目的原因是为了在完成对电池的充电之前完成参数估算。供作参考，由于重复数目的限制，根据电池寿命来减小参数估算可利用时间。
由于参数估算器1330通过更新预测SOH来执行SOH估算，所以当加权最小二乘之和收敛或者达到最大重复次数时，在操作S1426，参数估算器1330将相应的预测SOH估算为电池SOH(图12A的f-SOH)。
在操作S1427和S1428，参数估算器1330可以对全部选择的电池单元(三个电池单元)执行参数估算处理。这里，由于在三个电池单元之中，具有最大电压的电池单元首先达到目标电压，所以该电池单元为具有最小当前容量的最老化的电池单元。因而，参数估算器1330可以将最大电压电池单元的SOH估算值确定为电池SOH。或者，参数估算器1330可以利用三个电池单元的SOH估算值的变化来检查电池单元的SOH变化。这里，参数估算器1330可以经由仪表板等将SOH变化提供给用户。
如上所述，由于初始化器1310、数据测量器1320和参数估算器1330为电池管理系统的部件，所以需要调度执行电池容量估算的任务与其它的任务。因而，调度器1340通过无优先级的轮询调度(round robbin scheduler)来处理每个任务。
以这种方式，在本发明的示例性实施方案中，当利用恒定电流来对电池进行充电时，利用电流与时间以一对一方式相匹配的特征，根据充电所需时间来估算SOH。因而，即使利用的低价的电池管理系统，也可以增强SOH估算的准确性。
此外，在本发明的示例性实施方案中，由于通过WLS来降低通过元模型估算的SOH的误差(其由于实际条件的操作因素而发生)，所以可以增强SOH估算的准确性。
在下文中，将参照表1来描述根据本发明的示例性实施方案的估算电池管理系统的性能的结果。表1示出根据估算SOH、同时在实际条件下改变操作因素的结果的估算误差。
在表1中，充电之前的SOC被设定为15％至40％，充电之前的停歇时间被设定成从10秒至1小时的范围，温度被设定成15℃至35℃，以及工作周期很少如同FTP_75或者US06来限定。此外，从参数估算的有利点计算出估算误差，即作为归一化容量。
[表1]
Figure GDA0002775051450000141
从表1所示的测试性能的结果中可以看出，即使当操作因素变化(其中，与WLS结合的元模型使充电曲线的形状变形)时，也可以在3％的估算误差内估算出剩余容量。
根据本发明，可以容易地估算出电池老化状态。
在上文中，尽管已经参考示例性实施方案和附图描述了本发明，但是本发明并不限于此，并且本发明所属领域的技术人员可以进行各种不同方式的修改和变化，而不会脱离由所附权利要求所要求保护的本发明的精神和范围。
前面对本发明具体示例性实施方案所呈现的描述出于说明和描述的目的。前面的描述并非旨在穷举，或者将本发明限制为公开的精确形式，且显然的是，根据以上教导若干修改和变化都是可能的。选择示例性实施方案并进行描述以解释本发明的特定原理及其实际应用，由此使得本领域的其它技术人员能够利用并实现本发明的各种示例性实施方案及其各种可替选方式和修改方式。本发明的范围旨在通过所附权利要求及其等同形式来限定。

Claims (20)

1.一种健康状态估算系统，其包括：
测量器，其在电池利用恒定电流进行充电的预设的电压范围内，在每个预设的电压间隔处确定充电所需时间的测量值；
参数估算器，当电池电压高于所述预设的电压范围时，所述参数估算器通过预设的元模型在每个电压间隔处确定充电所需时间的估算值，所述参数估算器估算测量值与估算值之间的基于加权最小二乘的误差最低的电池健康状态，
其中，所述预设的元模型为基于输入变量与输出函数值之间的关系而建立的基于数据的模型，所述输入变量为电池健康状态，所述输出函数为充电所需时间。
2.根据权利要求1所述的健康状态估算系统，其中，所述预设的电压范围为3600mV至4040mV，并且电压间隔为20mV。
3.根据权利要求1所述的健康状态估算系统，其中，所述测量器在形成电池的全部电池单元之中选择具有最小电压、平均电压和最大电压的电池单元，并且在三个选择的电池单元的每个电压间隔处测量充电所需时间。
4.根据权利要求3所述的健康状态估算系统，其中，参数估算器估算三个选择的电池单元的每个的电池健康状态，并且将具有最大电压的电池单元的健康状态确定为电池健康状态。
5.根据权利要求1所述的健康状态估算系统，进一步包括：
初始化器，其在恒定电流充电之前，通过将剩余容量除以充电电流所获得的结果换算成秒单位，来确定充电所需时间的初始时间。
6.根据权利要求5所述的健康状态估算系统，其中，当在电池开始被充电之后初始化地估算参数时，参数估算器通过将健康状态为1时的充电曲线改变成对应于初始时间，来确定充电所需时间的估算值。
7.根据权利要求5所述的健康状态估算系统，其中，充电电流为由电流传感器测量的值。
8.根据权利要求1所述的健康状态估算系统，其中，参数估算器更新预测的健康状态；通过元模型对应于预测的健康状态在每个电压间隔处确定充电所需时间的估算值；通过将每个电压间隔的确定估算值减去每个电压间隔的测量值来确定残差矢量；将残差矢量的加权最小二乘之和最小的预测的健康状态估算为电池健康状态。
9.根据权利要求8所述的健康状态估算系统，其中，当电池开始被充电之后最初确定残差矢量时，预测的健康状态被设定为1，并且根据元模型在预设的单位内随着预测的健康状态的更新次数而顺序减小。
10.根据权利要求8所述的健康状态估算系统，其中，在预设的最大重复数目内更新预测的健康状态，并且更新预测的健康状态直到残差矢量的加权最小二乘之和收敛，同时参数估算器估算电池健康状态。
11.根据权利要求8所述的健康状态估算系统，其中，加权最小二乘的权重值被设定成与残差矢量成反比，所述残差矢量为在每个电压间隔处充电所需时间的估算值与每个电压间隔的测量值之间的差。
12.一种健康状态估算方法，其作为基于健康状态估算系统的至少一个处理器的电池管理方法，所述健康状态估算方法包括：
在利用恒定电流对电池进行充电的预设的电压范围内，在每个预设的电压间隔处确定充电所需时间的测量值；
当电池电压高于所述预设的电压范围时，通过预设的元模型根据预测的健康状态在每个电压间隔处确定充电所需时间的估算值；
将测量值与估算值之间的基于加权最小二乘的误差最低的预测的健康状态估算为电池健康状态，
其中，所述预设的元模型为基于输入变量与输出函数值之间的关系而建立的基于数据的模型，所述输入变量为电池健康状态，所述输出函数为充电所需时间。
13.根据权利要求12所述的健康状态估算方法，其中，在确定测量值时，在形成电池的全部电池单元之中选择具有最小电压、平均电压和最大电压的电池单元，并且在三个选择的电池单元的每个电压间隔处测量充电所需时间。
14.根据权利要求13所述的健康状态估算方法，其中，在估算时，估算三个选择的电池单元的每个的电池健康状态，并且将具有最大电压的电池单元的健康状态确定为电池健康状态。
15.根据权利要求12所述的健康状态估算方法，进一步包括：
在利用恒定电流对电池进行充电之前，通过将剩余容量除以充电电流所获得的结果换算成秒单位，来确定充电所需时间的初始时间。
16.根据权利要求15所述的健康状态估算方法，其中，估算值的确定包括：通过将预测的健康状态的充电曲线改变成对应于初始时间，来确定充电所需时间的估算值。
17.根据权利要求12所述的健康状态估算方法，其中，估算包括：
通过元模型对应于预测的健康状态在每个电压间隔处确定充电所需时间的估算值；
通过将每个电压间隔的确定估算值减去每个电压间隔的测量值来确定残差矢量；
将残差矢量的加权最小二乘之和最小的预测的健康状态估算为电池健康状态。
18.根据权利要求17所述的健康状态估算方法，其中，当电池开始被充电时，预测的健康状态被初始化地设定为1，并且根据元模型在预设的单位内随着预测的健康状态的更新次数而顺序减小。
19.根据权利要求17所述的健康状态估算方法，其中，估算包括：在预设的最大重复数目内更新预测的健康状态，并且更新预测的健康状态直到残差矢量的加权最小二乘之和收敛，同时估算电池健康状态。
20.根据权利要求17所述的健康状态估算方法，其中，加权最小二乘的权重值被设定成与残差矢量成反比，所述残差矢量为在每个电压间隔处充电所需时间的估算值与每个电压间隔的测量值之间的差。
CN201611140806.6A 2016-08-01 2016-12-12 基于充电所需时间来管理电池的系统和方法 Active CN107677962B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2016-0098063 2016-08-01
KR1020160098063A KR101846690B1 (ko) 2016-08-01 2016-08-01 Ｗｌｓ 기반 ｓｏｈ 추정 시스템 및 방법

Publications (2)

Publication Number Publication Date
CN107677962A CN107677962A (zh) 2018-02-09
CN107677962B true CN107677962B (zh) 2021-04-09

Family

ID=61011577

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611140806.6A Active CN107677962B (zh) 2016-08-01 2016-12-12 基于充电所需时间来管理电池的系统和方法

Country Status (3)

Country Link
US (1) US10168390B2 (zh)
KR (1) KR101846690B1 (zh)
CN (1) CN107677962B (zh)

Families Citing this family (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11397215B2 (en) 2010-05-21 2022-07-26 Qnovo Inc. Battery adaptive charging using battery physical phenomena
US11791647B2 (en) * 2010-05-21 2023-10-17 Qnovo Inc. Method and circuitry to adaptively charge a battery/cell
US10345385B2 (en) * 2014-05-12 2019-07-09 Gm Global Technology Operations Llc. Battery state estimation systems and methods using a nonlinear resistance element
KR102441800B1 (ko) * 2017-10-12 2022-09-13 오씨아이 주식회사 배터리 수명 예측 방법 및 장치
CN110549909B (zh) * 2018-03-30 2021-06-18 比亚迪股份有限公司 动力电池组的soh计算方法、装置和电动汽车
EP3591413B1 (en) * 2018-07-03 2023-08-30 Electricité de France Method for evaluating an electric battery state of health
CN110850296A (zh) * 2018-08-01 2020-02-28 北京京东尚科信息技术有限公司 一种评估电池健康度的方法和装置
CN109061514B (zh) * 2018-09-30 2020-11-06 北京理工大学 一种基于大数据的动力电池衰退情况分析方法及系统
KR102660349B1 (ko) * 2018-12-11 2024-04-24 현대자동차주식회사 배터리 충전 시스템 및 방법
FR3090117B1 (fr) * 2018-12-17 2021-03-19 Accumulateurs Fixes Estimation du soh et estimation du soc d’un element electrochimique
KR20210028476A (ko) * 2019-09-04 2021-03-12 삼성전자주식회사 배터리 충전 장치 및 방법
CN112968481B (zh) * 2019-12-13 2023-05-30 北京小米移动软件有限公司 充电电路和电子设备
KR20210081059A (ko) 2019-12-23 2021-07-01 삼성전자주식회사 배터리 상태 추정 방법 및 장치
CN111274539B (zh) * 2020-02-18 2023-04-25 金陵科技学院 一种基于交替最小二乘法的锂电池soh估计方法
CN111352039B (zh) * 2020-03-30 2020-12-08 清华大学 确定电池最大放电倍率的方法及计算机设备
CN111564877A (zh) * 2020-04-30 2020-08-21 华为技术有限公司 用于充电管控的方法和装置
US11592487B2 (en) * 2020-08-10 2023-02-28 Beijing Xiaomi Mobile Software Co., Ltd. Method and apparatus for obtaining residual electric quantity, electronic device, and storage medium
KR102422603B1 (ko) * 2020-11-26 2022-07-21 주식회사 피엠그로우 배터리 수명 평가 방법 및 장치

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7324902B2 (en) * 2003-02-18 2008-01-29 General Motors Corporation Method and apparatus for generalized recursive least-squares process for battery state of charge and state of health
US7612532B2 (en) * 2005-06-21 2009-11-03 Gm Global Technology Operations, Inc. Method for controlling and monitoring using a state estimator having variable forgetting factors
KR100911317B1 (ko) 2008-08-08 2009-08-11 주식회사 엘지화학 배터리 전압 거동을 이용한 배터리 용량 퇴화 추정 장치 및방법
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
KR101223735B1 (ko) 2011-04-07 2013-01-21 로베르트 보쉬 게엠베하 배터리 관리 시스템 및 이의 제어 방법
CN102445663B (zh) * 2011-09-28 2014-04-02 哈尔滨工业大学 一种电动汽车电池健康状态估算的方法
KR101486629B1 (ko) 2012-05-11 2015-01-29 주식회사 엘지화학 배터리 수명 추정 장치 및 배터리 수명 추정 방법
JP5863603B2 (ja) * 2012-08-24 2016-02-16 日立オートモティブシステムズ株式会社 電池状態推定装置、電池制御装置、電池システム、電池状態推定方法
CA2899239A1 (en) * 2013-02-13 2014-08-21 Exide Technologies Method for determining a state of charge and remaining operation life of a battery
WO2014202172A2 (en) * 2013-06-19 2014-12-24 Volvo Truck Corporation Method for estimating state of health of a battery in a hybrid vehicle
FR3009093B1 (fr) * 2013-07-29 2017-01-13 Renault Sa Estimation de l'etat de vieillissement d'une batterie electrique
CN103576097B (zh) * 2013-11-19 2016-12-07 清华大学 电池的健康状态soh的估计方法及系统
CN103616647B (zh) * 2013-12-09 2016-03-02 天津大学 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
KR102205293B1 (ko) 2014-04-18 2021-01-20 삼성전자주식회사 배터리 수명의 추정에서 발생하는 오차를 보정하는 방법 및 장치
KR102225667B1 (ko) * 2014-07-02 2021-03-12 삼성전자주식회사 배터리의 상태를 추정하는 방법 및 장치
KR102399720B1 (ko) 2014-08-06 2022-05-19 삼성전자주식회사 패턴 정보에 기초하여 사용자 특성에 따른 배터리 수명을 추정하는 장치 및 방법

Also Published As

Publication number Publication date
CN107677962A (zh) 2018-02-09
KR20180014562A (ko) 2018-02-09
US10168390B2 (en) 2019-01-01
KR101846690B1 (ko) 2018-05-18
US20180031642A1 (en) 2018-02-01

Similar Documents

Publication Publication Date Title
CN107677962B (zh) 基于充电所需时间来管理电池的系统和方法
Chen et al. A new state-of-health estimation method for lithium-ion batteries through the intrinsic relationship between ohmic internal resistance and capacity
KR101866073B1 (ko) 배터리 soh 추정 방법
CN107819339B (zh) 充电模式制作装置、充电控制装置、充电模式制作方法及蓄电系统
Huang et al. A model-based state-of-charge estimation method for series-connected lithium-ion battery pack considering fast-varying cell temperature
US8175826B2 (en) Apparatus for estimating open circuit voltage of battery, apparatus for estimating state of charge of battery, and method for controlling the same
US8046181B2 (en) Apparatus and method for estimating state of health of battery based on battery voltage variation pattern
EP3018753B1 (en) Battery control method based on ageing-adaptive operation window
US7612532B2 (en) Method for controlling and monitoring using a state estimator having variable forgetting factors
JP5058814B2 (ja) バッテリーの状態及びパラメーターの推定システム及び方法
JP6234946B2 (ja) 電池状態推定装置
US10365331B2 (en) Method for determining the reliability of state of health parameter values
KR20110084633A (ko) 배터리의 수명 예측 장치 및 방법
JP2023523370A (ja) リチウムメッキを検出するための方法及び装置、並びに分極比率を取得するための方法及び装置
KR102572652B1 (ko) 배터리의 충전상태를 추정하는 방법
EP3940405A1 (en) Method for estimating state of health of battery
JP2015524048A (ja) バッテリの充電状態の推定
JP2017181206A (ja) 二次電池劣化推定装置および二次電池劣化推定方法
US20140184233A1 (en) Method for checking deterioration of battery
WO2010029355A2 (en) State of charge estimation
CN109782182B (zh) 一种串联电池组能量状态在线估计方法和装置
CN113785209A (zh) 用于检测异常电池单体的方法
CN110333460B (zh) 动力电池组的rc网络参数获取方法、装置和电动汽车
JP2014176196A (ja) 電池制御装置及び電池制御方法
EP4270033A1 (en) Method and apparatus for estimating state of health of battery

Legal Events

Date Code Title Description
PB01 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