CN107783053A - 能量系统的状态估计 - Google Patents

能量系统的状态估计 Download PDF

Info

Publication number
CN107783053A
CN107783053A CN201710724397.2A CN201710724397A CN107783053A CN 107783053 A CN107783053 A CN 107783053A CN 201710724397 A CN201710724397 A CN 201710724397A CN 107783053 A CN107783053 A CN 107783053A
Authority
CN
China
Prior art keywords
model
storage system
circuit
voltage
energy storage
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.)
Pending
Application number
CN201710724397.2A
Other languages
English (en)
Inventor
M·W·维尔布鲁格
C·W·温普勒
B·R·小鲍威尔
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.)
GM Global Technology Operations LLC
Original Assignee
GM Global Technology Operations 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 GM Global Technology Operations LLC filed Critical GM Global Technology Operations LLC
Publication of CN107783053A publication Critical patent/CN107783053A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/396Acquisition or processing of data for testing or for monitoring individual cells or groups of cells within a battery
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/367Software therefor, e.g. for battery testing using modelling or look-up tables
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/382Arrangements for monitoring battery or accumulator variables, e.g. SoC
    • G01R31/3842Arrangements for monitoring battery or accumulator variables, e.g. SoC combining voltage and current measurements
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/392Determining battery ageing or deterioration, e.g. state of health
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/40Testing power supplies

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Secondary Cells (AREA)

Abstract

多个变型可包括用于估计能量系统状态的产品和方法。至少一个传感器可监测能量存储系统的电压和电流。电子控制器可与能量存储系统通信地耦合并且可接收来自传感器的输入。电路可表示能量存储系统,并且可在电子控制器中适当地被定义。电路可根据电压和电流的读数来估计能量存储系统的状态。

Description

能量系统的状态估计
技术领域
本公开总体上涉及的领域包括用于能量系统估计的产品和方法,更具体地包括可包含一个或多个类型的电存储装置的复杂能量系统中的状态估计。
背景技术
电能系统可包括一个或多个存储装置,例如电池或多个电池,或者电池和超级电容器的各种组合。电池可电化学地存储能量,其中化学反应可将诸如电子之类的电载流子释放到外部电路中(并且将离子释放到内部电路中)以实现结果。在电容器/超级电容器中,能量可被静电地存储在材料表面上,该表面可将电载流子释放到例如电路中以实现结果,而无需化学反应。超级电容器可以是高容量电容器,其可以诸如静电双层电容或电化学电容的多种方式中的任一种来操作。可能存在或可能正在开发其它类型的电能存储装置。各种存储装置可用于广泛应用中。在使用中,存储装置可被放电,因此可包括用于充电的机构。由放电引起的循环性质意味着存储装置可在一定范围的状态下操作。
发明内容
多个变型可能涉及用于估计能量系统的状态的产品。至少一个传感器可监测能量存储系统的电压和电流。电子控制器可与能量存储系统通信耦合并且可接收来自传感器的输入。电路可表示能量存储系统,并且可在电子控制器中适当地被定义。电路可根据电压和电流的读数来估计能量存储系统的状态。
许多附加变型可涉及诸如提供在给定时间可具有复合系统电压和复合系统电流的能量存储系统的方法。一个或多个存储装置可被组装在能量存储系统中。可构造能量存储系统的模型,其可具有可对应于一个或多个存储装置的每个单独存储装置的单独分支。复合系统电压和复合系统电流可被测量。能量存储系统的状态可根据模型并且基于复合系统电压和复合系统电流来确定。
从以下提供的详细描述中,本发明范围内的其它示例性变型将变得显而易见。应该理解,详细描述和具体实例虽然公开了本发明范围内的变型,但仅旨在用于示例目的而并非旨在限制本发明的范围。
附图说明
根据详细描述和附图将更充分地理解本发明范围内的变型的所选实例,其中:
图1示出了根据多个变型的涉及能量系统的产品的示意图。
图2示出了根据多个变型的包括与N个R||C对串联的电阻器的线性等效电路模型的图示。
图3示出了根据多个变型的包括与N个R||C对串联的电阻器的线性等效电路模型的图示。
图4示出了根据多个变型的与能量系统一起使用的模型的图示。
图5是图4的模型的部件的详细示例图。
图6是图4的模型的部件的详细示例图。
图7示出了根据多个变型的与能量系统一起使用的模型的图示。
图8示出了根据多个变型的涉及电池系统的产品的示意图。
图9示出了根据多个变型的与能量系统一起使用的模型的图示。
图10示出了根据多个变型的与能量系统一起使用的模型的图示。
图11示出了根据多个变型的与能量系统一起使用的模型的图示。
图12示出了根据多个变型的与能量系统一起使用的模型的图示。
图13示出了根据多个变型的与能量系统一起使用的模型的图示。
图14示出了根据多个变型的与能量系统一起使用的模型的图示。
图15示出了根据多个变型的与能量系统一起使用的模型的图示。
图16示出了根据多个变型的方法。
具体实施方式
变型的以下描述本质上仅仅是示例性的,并且绝非旨在限制本发明的范围、其应用或使用。
多个变型可涉及将一个或多个存储装置布置在期望的应用架构中。可建立用于估计具有一个存储装置或具有多个存储装置的能量系统的“状态”的模型。所讨论状态可包括诸如功率状态(SOP)、充电状态(SOC)、健康状态(SOH)和寿命状态(SOL)等多个参数中的任何一个,或者在使用和/或优化存储装置的功能和寿命时要考虑的其它有用指标。在多个变型中,模型可具有多个区段,其中之一可对应于可包括在系统中的每个存储装置。每个区段可具有可考虑多个效应的多个部件。一个或多个部件可包括诸如可使用N阶线性常微分方程来建立的线性等效电路。线性等效电路可提供关于存储装置的行为的模拟,从中可以得出结论/估计以确定状态。一个或多个部件可包括诸如可使用特征测试数据建立的非线性元件模型。非线性元件可在确定状态时扩展模型的容量/功能。模型部件和区段的布置可通过简单和复杂的能量存储布置来实现在能量系统中的状态估计。这可有利地仅通过单个电流输入和单个电压输入来实现。因此,即使在包括多个存储装置时,该模型也可实现简化的硬件实施。例如,具有多个电池和 /或多个超级电容器的能量系统的状态可用单个电流和电压传感器装置来确定。模型可被编码为驻留在电子控制器中,电子控制器可为能量系统中的嵌入式控制器或远程单元。单个电流和电压值可从传感器获得并且传送至电子控制器。电子控制器可报告诸如回归系统参数值(例如模型部件)、充电状态(例如系统可以传送多少能量)、功率状态(用于放电和充电) 和/或其它期望值的信息。这些值可作为进一步计算的输入或作为历史或其它用途/效果的数据报告给其它控制器(例如主控制器)或用于输出的其它系统。本文所述的变型旨在适用于适用能量系统的所有正常操作条件。仅作为例子,状态估计可在包括高功率应用(例如车辆起动停止)和扩展范围应用的车辆能量存储系统中有效地进行,但是本文所述的变型的应用并不限于此。
在如图1所示的多个变型中,产品10可包括能量系统12,能量系统 12可包括具有一个或多个存储装置16的存储系统14。存储系统14可为任何合适的电能存储系统或组合,其可采用各种基本形式中的任何一种以提供适用于该应用的所需能量密度、比能量、功率密度、成本和耐用性。在多个变型中,存储装置16可为一个电池、多个电池、一个超级电容器、多个超级电容器、一个或多个电池和一个或多个超级电容器,或者任何数量的其它类型的存储装置,或者连同任何上述内容。任何被包括电池可使用一种类型的锂离子、铅酸、镍金属氢化物或本领域已知的任何其它组合物,包括尚待商业化的那些;例如空气和硫基电池。任何被包括超级电容器可为电化学电容器、电解电容器或适用于该应用的任何其它电容器结构。
能量系统12可与系统负载22一同操作,系统负载22可使用由存储系统14提供的电流执行至少一部分。在多个变型中,系统负载22可操作以对存储系统14充电。例如,系统负载可包括可作为发电机操作的机器 (未单独示出)。在多个变型中,功率电子装置24可被包括在内并且可用作存储系统14和系统负载22之间的连接。在多个变型中,功率电子装置 24可包括功率逆变器转换器单元,其可将DC电流逆变为AC电流以供应可能存在的产品10的任何AC电路需求。功率电子装置24还可包括DC-DC 转换器,以将存储系统14提供的电压升高到应用可能需要的电压值。功率电子装置24还可包括例如可被提供用于监测、保护、过滤和控制的各种传感器和电路。
存储系统14可包括或者可通信地连接到可包括电子控制器20的控制系统18中。电子控制器20可为具有存储系统14的嵌入式控制器,或者可为远程的。控制系统18可配置为监测和/或控制包括存储系统14的产品10的某些方面。电子控制器20可与控制模块30接口,控制模块30可与产品10中的多个元件通信地连接并且可与其它产品接口。控制模块30可与存储系统14、系统负载22、功率电子装置24和其它各种元件连接以监测和控制操作。虽然控制模块30被示出为一个分立元件,但是控制模块 30的功能可由可放置在各种位置的多个互通模块来提供,其可包括被集成到各个受控单元中。可通过直接连接、网络总线、无线连接或其它形式的接口来实现通信。参考的控制模块、控制器、处理器或类似术语可描述一个或多个电子电路、包括相关联的存储器的处理器和执行一个或多个软件或固件程序的存储单元、逻辑电路和其它装置以及提供期望功能的其它合适的部件。电子控制器/控制模块或其它控制装置可根据存储在存储器中并且被执行以提供各种功能的多个控制算法、指令和程序来操作。存储器可为易失性或非易失性的,并且可为只读的、可编程的、随机访问的、硬盘驱动的或其它类型。
在多个变型中,控制系统18可配置为监测和控制存储系统14的充电、放电和/或平衡操作。控制系统18可使用本文所述的方法来操作,以估计、建模和/或以其它方式确定电池系统状态信息。在多个变型中,控制系统 18可与可包括电压传感器、电流传感器和/或其它典型传感器的一个或多个传感器32通信地连接,以实现监测和/或控制操作,和/或以执行本文公开的操作。在多个变型中,传感器32可向控制系统18提供用于估计SOP、 SOC、SOH和SOL、估计阻抗、测量电流、测量存储系统14的电压的信息和/或可结合本文所述变型使用的任何其它信息。此外,温度传感器34 可监测存储系统14的温度,并且可将温度数据传送到控制系统18。在多个变型中,控制系统18可通过有线和/或无线通信系统与外部计算机系统 (未示出)耦合,以提供来自产品10的信息或控制产品10的功能,或者向产品10提供信息或控制功能。产品10可采用可在给定电压或各种电压下采用DC和/或AC电流的任何电路、系统、装置和/或机器。
在多个变型中,控制系统18可使用诸如图2的线性等效电路模型36 之类的部件对存储系统14建模,其可在控制系统18中驻留和执行的代码中表示。线性等效电路模型可表示为R+N(R||C)电路,其中N是并联电阻器-电容器组合的数量。由电阻器和电容器组成、以任意方式连接的电路可具有与适当选择的R+N(R||C)电路相同的阻抗。串联的并联RC网络可用来描述存储系统14的动态特性。线性等效电路模型36可包括开路电压38、内部电阻40、41、42、43和等效电容45、46、47。内部电阻可包括欧姆电阻40和极化电阻41、42、43。等效电容45、46、47可用来描述诸如在充电和放电期间的瞬态响应。整个电路上的电压可为V-VO,其中V 是存储系统电压,VO表示存储系统的开路电压(即,当存储系统电流为零时,V=VO)。线性等效电路模型36可被构造成例如通过在感兴趣的状态和温度范围内收集用于存储装置16的电化学阻抗光谱数据,并且可包括在温度和SOC范围内将电化学阻抗光谱数据于等效电路拟合。在多个变型中,等效电路可具有最少数量的电阻器、电容器和电感器。在多个变型中,该方法可包括使用实时线性回归,其可为基于当前和先前数据点来估计系统的未来行为的方法,以提供自适应阻抗响应近似器/估计器。线性回归可通过形成与电化学阻抗光谱数据“等效”的RC电路并且使用任何数量的已知实时线性回归算法处理该RC电路的运行时间值来执行,包括但不限于加权递归最小二乘法(WRLS)、卡尔曼滤波器或其他方式。可为R+N(R||C) 电路导出分析功率表达式。用于创建线性等效电路模型36的某些方法在题为“充电估计器的状态以及制造和使用估计器的方法”的美国专利申请第 14/257572号中公开,其于2014年4月21日提交,于2015年10月22日公布为共同转让的公开US2015-0301116A1,并且其全部内容通过引用特别并入本文。R+N(R||C)电路可由图3所示的线性等效电路模型48所示的型式在本文所述模型中表示。此外,在多个变型中,可结合本文所述的变型使用示出存储系统14的线性行为的其它合适的代表性电路模型。适当的电路可包括电阻器、电容器和/或电感器、串联耦合的并联电阻器-电阻器电容器对的配置、串联耦合的电阻器和/或电容器、建模用于阻抗的一般拉普拉斯变换的元件、建模一般线性常微分方程的元件、建模有限脉冲响应滤波器的元件和/或其它合适的方法。题为“电池阻抗和功率容量估计器及其制造和使用方法”的美国专利申请第14/488906号中描述了许多这样的方法,其于2014年9月17日提交,于2016年3月17日公布为共同转让的公开US2016-0077160A1,并且其全部内容通过引用特别并入本文。
虽然在多个变型中,R+N(R||C)电路模型36、48可能足以与数据匹配,但是可能需要考虑其它类别的模型部件,因为它们可为已知电池效应提供便利的物理解释。参考图4,可通过模型51来预测存储装置16(图1) 的代表性电压50。模型51可包括以下三种效应的和:V=OCV+VRO+VL,其中:V是电压50,OCV是开路电压模型52,其可表示为存储装置容量 (Q)和温度(T),VRO是非线性电阻器响应模型54,其可表示为电流(I)、 Q和T的函数,并且VL是来自线性等效电路模型48的响应。在多个变型中,OCV52可被实施为查找表,其中可针对各种温度绘制OCV作为SOC/ 充电容量百分比的函数。例如,如图5所示,OCV可在给定温度下由曲线 56绘制。参数OCV可表示开路中的存储装置16的稳定端电压,其随着电池SOC非线性地增加。一种方法可依据所收集数据,例如依据特征测试,其中可通过在受控条件下执行充电和放电测试并监测端电压和电流来确定OCV,通过该方法可构造曲线。曲线56旨在表示多个曲线,每个曲线可被构造成在离散温度下在存储装置16通常可能经历的温度范围内收集数据。在多个变型中,可调整OCV以考虑所涉及存储装置16的老化。在多个变型中,非线性电阻器响应模型54(VRO)可例如通过特征测试被参数化,其可包括使用恒定电流脉冲测试,其中可监测施加脉冲时的电压响应。图6所示的曲线58可表示在离散温度下的各种电流下的非线性响应,并且旨在表示存储装置16通常可能经历的温度范围内的多个这样的曲线。其它参数化方法可如在题为“使用非线性电阻元件的电池状态估计系统和方法”的美国专利申请第14/887926中所公开的,其于2015年10月20日提交,于2016年2月11日公布为共同转让的公开US2016-0039419A1,并且其全部内容通过引用特别并入本文。在多个变型中,OCV模型52、非线性电阻器响应模型54和线性等效电路模型48可串联连接以表示存储装置16的状态。
在多个变型中,图4的模型51可作为一个或多个部件并入到图7的模型60中。在多个变型中,多个模型51可并联布置,每个模型51作为模型60的分支53。模型60可包括连接在并联分支53中的模型51的N个部件,其中N是存储系统14中包括的存储装置16的数量。仅作为实例,当存储系统14包括五个存储装置16时,模型50的五个部件可包括在模型60中。使用这种方法,可以使用存储系统14电压62的一个读数和存储系统14电流64的一个读数来预测整个存储系统14的状态。状态估计可适用于能量系统12的所有正常操作条件。在多个变型中,传感器32可包括仅仅一个电流传感器和仅仅一个电压传感器。可使用传感器32以诸如0.1秒的间隔来获得电流和电压的同时测量,以便实时估计状态。由于整个存储系统14由模型60表示,并且每个单独的存储装置16由指定的分支53表示,所以可确定存储系统14的复合状态,并且可确定每个存储装置16的单独状态。这些确定可以基于整个存储系统14的复合电流和电压的一个读数来做出,在模型60中用于在64、62处的输入。在多个变型中,复合电流可被定义为存储系统14电流,并且复合电压可被定义为存储系统14电压,在每种情况下都与单个存储装置或单元的电压相反。在多个变型中,各个存储装置16可为一种类型或者如上所述的多种类型。因此,模型60适用于不同的能量系统,具有更少的集成成本。在多种变型中,可以例如每10秒的间隔获得温度,以供在模型60中使用。在多个变型中,电子控制器20和/或控制模块30可被构造和布置成接收来自模型 60的状态相关输入,当输入在指示响应的预定值的预定范围内时,模型 60可与预定值进行比较以生成表示状态的信号或引起其它动作。
诸如图4的方法的本文所述的变型可应用于不同类型的存储装置中。在如图8所示的多个变型中,电池系统59可包括多种类型的电池,例如其可包括一个或多个锂离子电池61并且可包括一个或多个铅酸电池63。电池61、63可并联连接并且可为包括附加电池的较大系统的一部分。电池系统59可具有两个端子75、77,例如通过传感器32可从其中获取复合电压和电流读数,用于估计电池系统59的一个状态或多个状态。电池61、 63可具显著不同的响应特性。两种类型的电池可彼此互补以满足由电池系统59所服务的产品的要求,并且可在放电和充电期间增强彼此的性能。例如,锂离子具有相当平坦的放电曲线,而铅酸可具有更明显的斜率。用于估计电池系统59的状态的模型可具有对应于电池数量的多个分支。如下所述,不管它们是线性还是非线性,和/或是否包括正和负电流的不对称性,这些分支可能不同。例如,铅酸电池63可呈现电压与SOC之间的线性关系,而锂离子电池61可具有非线性响应。因此,与不同电池类型61、63一起使用的模型可具有每个铅酸电池的线性分支和每个锂离子电池的非线性分支。
在其中被包括超级电容器可能不具有法拉第反应的多个变型中,OCV (Q,T)和VRO(I,Q,T)元件可线性地反应,使得:OCV=CQ和VRO=IR (Q,T),其中C是容量并且R(Q,T)是取决于SOC和温度的电阻。在如图9所示的多个变型中,例如在具有作为呈现出在OCV模型70和线性电阻器响应模型72中产生的的线性响应的存储装置的超级电容器或其它装置的情况下,该模型可被修改为模型65。OCV模型70和线性电阻器响应模型72可根据上述用于非线性响应的相同方法来确定。在模型65中,呈现出非线性响应的任何存储装置67可用模型51部件来表示,并且呈现出线性响应的任何存储装置68可由模型69部件来表示。
在存储装置中,电化学方法可预测电极处的电流/电压关系(对于每个基本反应),遵循Butler-Volmer方程:
其中:I=电流,jo=交换电流密度,A=电极表面积,α1,2=氧化和还原过程的传递系数,n=在电化学反应中转移的电子数,F=法拉第常数,R=通用气体常数,T=绝对温度,Vo=电池的平衡状态/开路电压,并且V=电池的电压。已知使用Butler-Volmer方程,例如以说明在电池电极中发生的电化学反应,并且可描述电极上的电流如何取决于电极电位。根据 Butler-Volmer模型,与OCV的偏差相对较大时,电阻可能会降低。在多个变型中,Butler-Volmer方程可用于参数化模型。在如图10所示的多个变型中,例如在可采用高表面积电极的大功率电池中的一些电化学装置, Butler-Volmer效应可具有相关联的电容,其可被期望地考虑来发挥表面效应。在这种情况下,模型可修改为模型73。线性电容器74可与非线性模型部件78中的非线性电阻76并联放置。对于模型73的其它元件,如本文所公开的,线性电容器74还可被参数化。在模型73中,非线性模型部件78可与OCV模型52和线性等效电路模型48串联放置,这可代替非线性电阻器响应模型54来完成。
在如图11所示的多个变型中,特征测试或其它模型构建工具可表明,可在一个频率范围内经历非线性响应。为了适应这种发现,可用非线性电阻器80、81、82、83代替R+N(R||C)电路模型中的一些或全部电阻器,以提供模型79。模型79可表示为一种类型。非线性电阻器80、 81、82、83可例如通过在特征测试中使用受控电流源进行建模。
在多个变型中,可分别用图12的R||(R+C)电路模型86或图13的电路模型88代替R+N(R||C)或电路。图12和图13 的电路可被认为与之前描述的那些电路类似。具体地说,R||N(R+C)类型可类似于图2的电路,其中所有串联和并联连接被互换。此外,该类型可类似于图11的电路,其中所有串联和并联连接被互换。电路模型36的导纳具有与电路模型86的阻抗相似的形式,反之亦然。电路模型79的导纳具有与电路模型88的阻抗相似的形式,反之亦然。
在多个变型中,对于可用作存储装置16的一些电化学装置来说,充电和放电条件下的内部电阻可能不同。例如,反应可能是不对称的。例如,铅酸电池可能是这种情况。在这种情况下,图14的模型90可能是适用的。模型90具有用于充电的一个内部电阻92和用于放电的另一个内部电阻94。电阻部件93可与OCV模型52和线性等效电路模型48串联连接。根据模型90可以看出,在图8的一个锂离子电池61和一个铅酸电池63的情况下,适当的模型可包括两个分支。一个分支可对应于锂离子电池61,并且可包括OCV模型52,非线性电阻器响应模型54和线性等效电路模型48 可串联连接以表示电池的状态。第二分支可对应于铅酸电池63并且可包括OCV模型52,电阻部件93和线性等效电路模型48可串联连接以表示电池的状态。
在图15的模型91中所示的多个变型中,电阻部件93可与OCV模型52和非线性等效电路模型79串联连接。内部电阻92、94可并联连接并且可分别与二极管95、96配对。这可能意味着在充电或放电期间仅使用电阻92、94中的一个。例如,二极管95可被偏置,使得在充电期间而不是在放电期间可使用电阻92。类似地,二极管94可被偏置,使得在充电期间电阻94可不被使用,但是可在放电期间可使用。在多个变型中,这种布置可与图8的铅酸电池63一起使用。
在多个变型中,例如如图16所示的方法100可使用本文所述的模型。方法100可在步骤102处开始,其中可确定存储系统14的架构。这可包括评估用作存储装置16的不同类型装置的功率容量以及将其与系统要求进行比较。可要求存储装置在给定应用可能需要的宽范围的温度和负载条件下供应电流。因此,存储系统14可包括多个和/或多个类型的存储装置 16。从步骤102,方法100可进行至步骤104,其中可为所选存储系统14 构造模型。例如,可根据关于本文图1-15描述的变型来构造模型。期望的状态估计可通过构建存储系统14的模型来实现,该模型在软件/算法中复制其特性,该软件/算法响应于各种外部和内部条件来预测其行为。在多个变型中,在步骤104处构造的模型可包括线性等效电路模型36/线性等效电路模型48。在多个变型中,在步骤104处构造的模型可包括OCV模型 52。在多个变型中,在步骤104处构造的模型可包括非线性电阻器响应模型54。在多个变型中,在步骤104处构造的模型可包括以下两个或三个:线性等效电路模型36/线性等效电路模型48、OCV模型52和/或非线性电阻器响应模型54,其可被串联连接以形成模型分支53。在多个变型中,模型60可包括多个分支53,每个分支53对应于在步骤102中选择的一个存储装置。在多个变型中,在步骤104处构造的模型可包括作为对应于具有线性响应的每个超级电容器的分支的模型69,该线性响应可被包括在步骤102处选择的架构中。在多个变型中,在步骤104处构造的模型可包括非线性模型部件78,其代替可被省略的非线性电阻器响应模型54。在多个变型中,在步骤104处构造的模型可包括诸如80、81、82、83的非线性电阻器,其代替电阻器40、41、42、43。这可在线性等效电路模型36/ 线性等效电路模型48中完成。在多个变型中,在步骤104处构造的模型中,线性等效电路模型36/线性等效电路模型48可被布置成具有图12的R||(R+C)电路模型86或图13的电路模型88,分别代替R+N (R||C)或电路。在多个变型中,在步骤104处构造的模型可包括可与OCV模型52和线性等效电路模型48/非线性等效电路模型79串联连接的电阻部件93。可测量典型样品存储装置的性能特性,并且结果用于表示用于构建模型的相同存储装置变型的副本。将存储装置性能估计基于从所测量数据构造的数据组或查找表可考虑影响状态的因素。用于存储装置特征的数据采集和查找表构造可能为特定存储装置变型仅需要执行一次。在多个变型中,本文所述模型的方面可在理论上确定,例如通过使用在影响存储装置性能的变量中化为因子的计算工具,而不是通过特征测试来确定。
与步骤102和步骤104协调,方法100可包括步骤103,其中电子控制器20可被设计和构造。应当认识到,电子控制器20将被集成以与控制模块30一起工作,并且因此步骤103可包括该过程。电子控制器20的计算机可读指令可用任何合适的编程语言编写。计算机可读指令和/或功能模块可为单独集成程序或模块的形式。控制系统18可利用任何合适的操作系统。从步骤104,方法106可进行至步骤106,其中在步骤104处构造的模型可被编码并加载到电子控制器20,电子控制器20还可包括用于控制模块30的至少一部分的这种过程。
在多个变型中,方法100可进行至步骤108,其中单个位置电流和电压读数可从存储系统14获得。单个位置电流和电压读数可从传感器32获得。表示存储系统14中的所有存储装置16的单个位置电流和电压读数可通过在电子控制器20中的步骤104处构造的模型来处理。此外,温度读数可从传感器34获得。传感器32、34可提供表示模型的电压、电流和温度的模拟输入。A/D转换器可将这些输入转化成数字形式。本文所述模型可使用这些输入来在任何时刻估计存储系统14的期望状态信息或其它状态。在多个变型中,可至少部分地基于在步骤104处构造的模型来确定所预测能量存储系统电压,并且可基于所预测存储系统电压来确定能量存储系统的状态。例如,所预测电压可与能量存储系统的SOC相关。相关数据可在特征测试期间被收集,并且可在可用来基于所预测电压“查找”SOC的电子控制器20中保持。方法100可进行至步骤110,其中电子控制器可例如向控制模块30报告存储系统14上的状态信息。该信息可包括SOC、SOP 和/或其它期望的状态细节。在多个变型中,信息可包括存储系统14的回归参数值,其可例如由各个模型部件51的每个分支53分离。可按指定间隔获得电流、电压和/或温度读数。在诸如汽车的动态应用中,可以每0.1 秒钟监测电压和电流的输入,以确保没有显著的电荷流动或关键事件被丢失。然后可在采样间隔之间完成状态预测。可以较长间隔(如10秒)对可能改变较慢的温度进行采样。在多个变型中,方法100可基于所估计的能量存储系统状态在产品10中实现控制动作。在方法100的多个变型中,控制系统18可监测和控制电池系统的操作,电池系统除了状态确定之外还可包括状态报告/读出,存储装置16保护、充电控制、与其它系统进行接口连接以管理需求(例如通过管理系统负载22)和/或平衡。方法100 可在执行循环112、114中进行,以用于存储系统14的持续状态估计,以保持实时更新的状态数据。
通过上述变型,可提供用于在能量系统的状态估计中增强性能的产品、系统和方法。变体的描述仅仅是被认为在本发明的范围内的部件、元件、作用、产品和方法的说明,并且绝不旨在通过具体披露或未明确阐述的内容限制这种范围。如本文所述的部件、元件、作用、产品和方法可被组合和重新布置,而不是如本文明确描述的,并且仍被认为在本发明的范围内。
变型1可涉及用于估计能量存储系统的状态的产品。至少一个传感器可监测能量存储系统的电压和电流。电子控制器可与能量存储系统通信耦合并且可接收来自传感器的输入。电路可表示能量存储系统,并且可在电子控制器中适当地被定义。电路可根据电压和电流的读数来估计能量存储系统的状态。
变型2可包括变型1的产品,其中状态可包括能量存储系统的充电状态。
变型3可包括变型1的产品,其中能量存储系统可包括至少一个电池和至少一个超级电容器。
变型4可包括变型3的产品,其中电路可包括多个分支。第一分支可对应于一个电池,并且可与第二分支相同,第二分支可对应于一个超级电容器。
变型5可包括变型3的产品,其中电路可包括多个分支。第一分支可对应于一个电池,并且可包括非线性元件。第二分支可对应于一个超级电容器,并且可包括线性元件而不是非线性元件。
变型6可包括变型1的产品,其中能量存储系统可包括至少一个铅酸电池,并且可包括至少一个锂离子电池。电路可包括多个分支,其中一个分支可对应于铅酸电池并且其中一个分支可对应于锂离子电池。
变型7可包括变型1的产品,其中电路可包括非线性电阻模型部件,其可包括非线性电阻元件和可与非线性电阻元件并联的线性电容器元件。
变化8可包括变型7的产品,并且可包括开路电压模型部件和线性等效电路部件,它们都可与非线性电阻模型部件串联。
变型9可包括变型1的产品,其中电路可包括可彼此串联的多个并联电阻器-电容器对。至少一个并联电阻器-电容器对可包括非线性电阻器。
变型10可包括变型1的产品,其中电路可包括可彼此并联的多个串联电阻器-电容器对。
变型11可包括变型1的产品,其中电路可包括可彼此并联布置的可具有充电非线性电阻元件的非线性电阻模型部件和放电非线性电阻元件。充电非线性电阻元件和放电非线性电阻元件中的每一个可与二极管元件配对。二极管元件可具有相对于彼此相反的偏置。
变型12可涉及一种方法,并且可包括提供在给定时刻可具有复合系统电压和复合系统电流的能量存储系统。一个或多个存储装置可被组装在能量存储系统中。可构造能量存储系统的模型,其可具有可对应于一个或多个存储装置的每个单独存储装置的单独分支。复合系统电压和复合系统电流可被测量。能量存储系统的状态可根据模型并且基于复合系统电压和复合系统电流来确定。
变型13可包括变型12的方法,并且可包括组装一个或多个存储装置以包括电池和超级电容器。
变型14可包括变型13的方法,并且可包括使用可对应于电池的第一分支和可对应于超级电容器的第二分支来构造模型。
变型15可包括变型14的方法,并且可包括第一分支中的非线性元件,以及第二分支中的线性元件而不是非线性元件。
变型16可包括变型12的方法,并且可包括使用开路电压模型部件来构造模型。可将非线性电阻模型部件与开路模型部件串联添加到模型中。可将线性等效电路模型部件与开路模型部件和非线性电阻模型部件串联添加到模型中。
变型17可包括变型12的方法,并且可包括为测量能量存储系统的电流而提供不超过一个的电流传感器,并供应用于确定状态的所测量电流。此外,为了测量能量存储系统的电压并供应所测量的电压来确定状态,可提供不超过一个的电压传感器。
变型18可包括变型12的方法,并且可包括使用可彼此串联的多个并联电阻器-电容器对来构造模型。至少一个并联电阻器-电容器对可包括非线性电阻器。
变型19可包括变型12的方法,并且可包括构造模型以包括开路电压模型部件、非线性电阻模型部件和线性等效电路模型部件。可进行能量存储系统的特征测试,以构建开路电压模型部件和非线性电阻模型部件。特征测试可包括测量能量存储系统的复合电压,并且可包括通过能量存储系统测量复合电流。
变型20可包括变型12的方法,并且可包括组装可将能量电化学地存储在至少一个存储装置中的电池。可将静电地存储能量的超级电容器组装在至少一个存储装置中。模型可使用可对应于电池的第一分支来构造。模型可使用可对应于超级电容器的第二分支来构造。开路电压模型部件、非线性电阻模型部件和线性等效电路模型部件可被添加至第一分支。开路电压模型部件、非线性电阻模型部件和线性等效电路模型部件可被添加至第二分支。
在本发明范围内的所选变型的上述描述本质上仅仅是说明性的,因此,不将其变型或变体视为偏离本发明的精神和范围。

Claims (10)

1.一种产品,其用于估计能量系统的状态,包含能量存储系统、监测所述能量存储系统的电压和电流的至少一个传感器、与所述能量存储系统通信地耦合并接收来自所述传感器的输入的电子控制器以及表示以程序形式在所述电子控制器中定义的所述能量存储系统的电路,其中所述电路根据所述电压和所述电流的读数来估计所述能量存储系统的状态。
2.如权利要求1所述的产品,其中,所述能量存储系统包括至少一个电池和至少一个超级电容器。
3.如权利要求2所述的产品,其中,所述电路包括多个分支,并且其中,第一分支对应于一个电池并且与对应于一个超级电容器的第二分支相同。
4.如权利要求2所述的产品,其中,所述电路包括多个分支,并且其中,对应于一个电池的第一分支包括非线性元件,并且其中,对应于一个超级电容器的第二分支包括线性元件而不是所述非线性元件。
5.如权利要求1所述的产品,其中,所述电路包含多个彼此串联的并联电阻器-电容器对,其中所述并联电阻器-电容器对中的至少一个包括非线性电阻器。
6.如权利要求1所述的产品,其中,所述电路包含多个彼此并联的串联电阻器-电容器对。
7.如权利要求1所述的产品,其中,所述电路包括彼此并联布置的具有充电非线性电阻元件的非线性电阻模型部件和放电非线性电阻元件,其中,所述充电非线性电阻元件与所述放电非线性电阻元件的每一个都与二极管元件配对,所述二极管元件具有相对于彼此相反的偏置。
8.一种方法,其包含提供能量存储系统,所述能量存储系统在给定时刻具有复合系统电压和复合系统电流;将一个或多个存储装置组装在所述能量存储系统中;构造具有多个分支的所述能量存储系统的模型,其中一个对应于所述一个或多个存储装置的每个单独存储装置;测量所述复合系统电压和所述复合系统电流;以及,根据所述模型并且基于所述复合系统电压和所述复合系统电流来确定所述能量存储系统的状态。
9.如权利要求8所述的方法,其包含组装所述一个或多个存储装置以包括电池和超级电容器。
10.如权利要求8所述的方法,其包含将电化学地存储能量的电池组装在所述至少一个存储装置中;将静电地存储能量的超级电容器组装在所述至少一个存储装置中;将所述模型构造成具有对应于所述电池的第一分支;将所述模型构造成具有对应于所述超级电容器的第二分支;将开路电压模型部件、非线性电阻模型部件和线性等效电路模型部件添加至所述第一分支;以及将开路电压模型部件、非线性电阻模型部件和线性等效电路模型部件添加至所述第二分支。
CN201710724397.2A 2016-08-25 2017-08-22 能量系统的状态估计 Pending CN107783053A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US15/246,609 US10620275B2 (en) 2016-08-25 2016-08-25 State estimation of an energy system
US15/246609 2016-08-25

Publications (1)

Publication Number Publication Date
CN107783053A true CN107783053A (zh) 2018-03-09

Family

ID=61166853

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710724397.2A Pending CN107783053A (zh) 2016-08-25 2017-08-22 能量系统的状态估计

Country Status (3)

Country Link
US (1) US10620275B2 (zh)
CN (1) CN107783053A (zh)
DE (1) DE102017119420A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111796186A (zh) * 2019-04-03 2020-10-20 通用电气全球采购有限责任公司 用于能量存储系统的偏离检测系统
CN113109712A (zh) * 2021-04-15 2021-07-13 上海交通大学宁波人工智能研究院 一种基于二分支等效电路的非线性观测器及soc估算方法

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10220835B2 (en) 2017-03-01 2019-03-05 GM Global Technology Operations LLC Power control systems and methods for mixed voltage systems
KR102416548B1 (ko) * 2018-02-01 2022-07-01 주식회사 엘지에너지솔루션 배터리를 위한 등가 회로 모델의 파라미터 추정 방법 및 배터리 관리 시스템
EP3629465A1 (en) * 2018-09-26 2020-04-01 Siemens Aktiengesellschaft Electrical power conversion system
US10988049B2 (en) * 2019-05-16 2021-04-27 GM Global Technology Operations LLC Power management of high-current fast-charging battery
DE102019209468A1 (de) 2019-06-28 2020-12-31 Audi Ag Elektrisches Energieliefersystem mit zumindest einem Zellelement und Kraftfahrzeug
US11267365B2 (en) 2019-09-04 2022-03-08 GM Global Technology Operations LLC Proactive thermal conditioning system and method
EP3885776B1 (en) * 2020-03-24 2024-01-17 Siemens Aktiengesellschaft Method, computer-implemented tool and battery management system for estimating states of health of batteries storing electrical energy and battery energy storage system
JP7389258B2 (ja) * 2020-07-16 2023-11-29 株式会社日立製作所 電池管理装置、電池管理方法、電力貯蔵システム
DE102020126729A1 (de) * 2020-10-12 2022-04-14 TWAICE Technologies GmbH Korrigierte Klemmenspannung für Batterien
CN112526353B (zh) * 2020-12-17 2023-10-31 合肥工业大学 一种退役锂离子动力电池soc快速检测方法及装置

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3518536A (en) * 1967-11-08 1970-06-30 Lee Shih Ying Mechano-electrical transduction system having a pair of electrical sensing networks arranged to be triggered alternatively
CN101221224A (zh) * 2006-12-22 2008-07-16 通用汽车环球科技运作公司 监测电能存储装置的方法和系统
US7768233B2 (en) * 2007-10-04 2010-08-03 Gm Global Technology Operations, Inc. Dynamically adaptive method for determining the state of charge of a battery
CN103020445A (zh) * 2012-12-10 2013-04-03 西南交通大学 一种电动车车载磷酸铁锂电池的soc与soh预测方法
CN103149535A (zh) * 2011-11-25 2013-06-12 霍尼韦尔国际公司 用于在线确定电池的充电状态和健康状态的方法和装置
CN103534135A (zh) * 2011-03-16 2014-01-22 约翰逊控制技术公司 用于组合能源系统中过充电保护和充电平衡的系统和方法
CN105539169A (zh) * 2014-10-23 2016-05-04 福特全球技术公司 用于监控电池的荷电状态的方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100395516B1 (ko) * 1998-11-19 2003-12-18 금호석유화학 주식회사 비선형등가회로모형을이용한축전장치의특성인자수치화방법및장치
US9726732B2 (en) * 2010-06-22 2017-08-08 GM Global Technology Operations LLC Adaptive battery parameter extraction and SOC estimation for lithium-ion battery
US9176198B2 (en) * 2012-02-17 2015-11-03 GM Global Technology Operations LLC Battery state estimator with overpotential-based variable resistors
US10288693B2 (en) 2014-04-21 2019-05-14 GM Global Technology Operations LLC State of charge estimator and methods of making and using the same
US10345385B2 (en) 2014-05-12 2019-07-09 Gm Global Technology Operations Llc. Battery state estimation systems and methods using a nonlinear resistance element
US20160077160A1 (en) 2014-09-17 2016-03-17 GM Global Technology Operations LLC Battery impedance and power capability estimator and methods of making and using the same

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3518536A (en) * 1967-11-08 1970-06-30 Lee Shih Ying Mechano-electrical transduction system having a pair of electrical sensing networks arranged to be triggered alternatively
CN101221224A (zh) * 2006-12-22 2008-07-16 通用汽车环球科技运作公司 监测电能存储装置的方法和系统
US7768233B2 (en) * 2007-10-04 2010-08-03 Gm Global Technology Operations, Inc. Dynamically adaptive method for determining the state of charge of a battery
CN103534135A (zh) * 2011-03-16 2014-01-22 约翰逊控制技术公司 用于组合能源系统中过充电保护和充电平衡的系统和方法
CN103149535A (zh) * 2011-11-25 2013-06-12 霍尼韦尔国际公司 用于在线确定电池的充电状态和健康状态的方法和装置
CN103020445A (zh) * 2012-12-10 2013-04-03 西南交通大学 一种电动车车载磷酸铁锂电池的soc与soh预测方法
CN105539169A (zh) * 2014-10-23 2016-05-04 福特全球技术公司 用于监控电池的荷电状态的方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111796186A (zh) * 2019-04-03 2020-10-20 通用电气全球采购有限责任公司 用于能量存储系统的偏离检测系统
CN113109712A (zh) * 2021-04-15 2021-07-13 上海交通大学宁波人工智能研究院 一种基于二分支等效电路的非线性观测器及soc估算方法

Also Published As

Publication number Publication date
US10620275B2 (en) 2020-04-14
DE102017119420A1 (de) 2018-03-01
US20180059190A1 (en) 2018-03-01

Similar Documents

Publication Publication Date Title
CN107783053A (zh) 能量系统的状态估计
Wang et al. Modeling and state-of-charge prediction of lithium-ion battery and ultracapacitor hybrids with a co-estimator
CN109061520B (zh) 一种动力电池健康与功率状态在线估算方法及系统
Pan et al. State of charge estimation of lithium-ion batteries using a grey extended Kalman filter and a novel open-circuit voltage model
Tang et al. Run-to-run control for active balancing of lithium iron phosphate battery packs
Zhang et al. Battery modelling methods for electric vehicles-A review
He et al. Online model-based estimation of state-of-charge and open-circuit voltage of lithium-ion batteries in electric vehicles
CN105319515B (zh) 锂离子电池荷电状态和健康状态联合估算方法
KR102335296B1 (ko) 무선 네트워크 기반 배터리 관리 시스템
CN102918411B (zh) 充电状态推定装置
Chang et al. An improvement of equivalent circuit model for state of health estimation of lithium-ion batteries based on mid-frequency and low-frequency electrochemical impedance spectroscopy
CN103020445B (zh) 一种电动车车载磷酸铁锂电池的soc与soh预测方法
CN106585422B (zh) 一种动力电池soh估算方法
Azis et al. State of charge (SoC) and state of health (SoH) estimation of lithium-ion battery using dual extended kalman filter based on polynomial battery model
CN104956233B (zh) 电池状态推断装置
CN107690585A (zh) 用于确定锂硫电池组的健康状况和充电状态的方法和装置
CN107957562A (zh) 一种锂离子电池剩余寿命在线预测方法
Li et al. A novel parameter and state-of-charge determining method of lithium-ion battery for electric vehicles
KR20190123172A (ko) 배터리 상태 추정 방법
JP2007005304A (ja) 可変忘却係数を持つ状態推定器を使用する制御及び監視の方法
CN104698382A (zh) 一种电池组的soc与soh的预测方法
Pei et al. An Equivalent Circuit Model for Lithium Battery of Electric Vehicle considering Self‐Healing Characteristic
CN111913109A (zh) 一种电池峰值功率的预测方法及装置
CN110673037B (zh) 基于改进模拟退火算法的电池soc估算方法及系统
Cai et al. Research state of charge estimation tactics of nickel-hydrogen 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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20180309