CN109073707A - 用于可再充电电池容量的实时估计的系统和方法 - Google Patents

用于可再充电电池容量的实时估计的系统和方法 Download PDF

Info

Publication number
CN109073707A
CN109073707A CN201680082627.3A CN201680082627A CN109073707A CN 109073707 A CN109073707 A CN 109073707A CN 201680082627 A CN201680082627 A CN 201680082627A CN 109073707 A CN109073707 A CN 109073707A
Authority
CN
China
Prior art keywords
battery
value
control module
energy storage
soc
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
CN201680082627.3A
Other languages
English (en)
Other versions
CN109073707B (zh
Inventor
郭庆之
克里斯汀·库珀
帖木儿·L·阿里耶夫
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.)
Keraishi Advanced Solutions Co ltd
Johnson Controls Technology Co
Original Assignee
Johnson Controls Advanced Power Solutions GmbH
Johnson Controls Technology Co
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 Johnson Controls Advanced Power Solutions GmbH, Johnson Controls Technology Co filed Critical Johnson Controls Advanced Power Solutions GmbH
Priority to CN202110163423.5A priority Critical patent/CN113030735A/zh
Publication of CN109073707A publication Critical patent/CN109073707A/zh
Application granted granted Critical
Publication of CN109073707B publication Critical patent/CN109073707B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • 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]
    • 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]
    • G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00—Secondary cells; Manufacture thereof
    • H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
    • H01M10/48—Accumulators combined with arrangements for measuring, testing or indicating the condition of cells, e.g. the level or density of the electrolyte
    • 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]
    • G01R31/389—Measuring internal impedance, internal conductance or related variables
    • 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
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02E60/10—Energy storage using 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
    • Y02T10/70—Energy storage systems for electromobility, e.g. batteries

Landscapes

  • Engineering & Computer Science (AREA)
  • Transportation (AREA)
  • Power Engineering (AREA)
  • Mechanical Engineering (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Energy (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Sustainable Development (AREA)
  • Chemical & Material Sciences (AREA)
  • General Chemical & Material Sciences (AREA)
  • Electrochemistry (AREA)
  • Manufacturing & Machinery (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Secondary Cells (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

一种电池系统包括联接到电气系统的电池。电池系统还包括电联接到电池的电池控制模块。电池控制模块监测电池的至少一个监测参数，且电池控制模块使用两个线性回归模型，基于至少一个等效电路模型、至少一个监测参数和卡尔曼滤波器，递归地计算电池的第一容量估计值。

Description

用于可再充电电池容量的实时估计的系统和方法
背景技术
本公开总体上涉及电池和电池模块的领域。具体来说，本公开涉及估计可再充电电池容量的实时参数。
本节旨在向读者介绍可能涉及下述的本公开的各个方面的该领域中的各个方面。据信，此论述有助于为读者提供背景信息，以便于更好地理解本发明的各个方面。因此，应理解，这些表述应当从这个角度来阅读，而不是作为对现有技术的承认。
使用一个或多个电池系统来为车辆提供全部或一部分动力的车辆能够称为xEV，其中术语“xEV”在本文中被定义成包括所有以下车辆或者其任何变型或组合,其将电力用作其车辆动力的全部或一部分。例如，xEV包括使用电力作为全部动力的电动车辆(EV)。如本领域中的技术人员应了解，也被视作xEV的混合动力电动车辆(HEV)将内燃机推进系统与电池供能的电动推进系统，例如48伏(V)或130V系统相组合。术语HEV可以包括混合动力电动车辆的任何变型。例如，全混合动力系统(FHEV)可以使用一个或多个电动机、仅使用内燃机，或者使用这两者向车辆提供动力和其他电力。相比之下，轻度混合动力系统(HMEV)在车辆怠速时停用内燃机，并且使用电池系统来持续向空气调节单元、无线电或者其他电子设备供电，以及在需要推进时重新起动发动机。轻度混合动力系统还可以应用一定程度的动力辅助，例如在加速期间，以作为对内燃机的补充。轻度混合动力通常在96V到130V，并且通过皮带或曲柄集成式起动器发电机回收制动能量。此外，微型混合动力电动车辆(mHEV)还使用类似于轻度混合动力的“启-停”系统，但微型混合动力系统可以或者向内燃机提供或不提供动力辅助，并且在60V以下的的电压下操作。为了本论述的目的，应认识到，mHEV通常在技术上不使用直接提供到曲轴或变速器的电力作为车辆的任何部分的动力，但是mHEV仍然可以视作xEV，因为它在车辆怠速(其中内燃机停用)时的确使用电力来作为对车辆动力需求的补充，并且通过集成式起动器发电机来回收制动能量。此外，插电式电动车辆(PEV)是能够从外部电源，例如壁式插座充电的任何车辆，并且储存在可再充电电池组中的能量驱动或者帮助驱动车轮。PEV是EV的一个子类，包括全电动或电池电动车辆(BEV)、插电式混合动力电动车辆(PHEV)以及混合动力电动车辆和传统内燃机车辆的改装型电动车辆。
相对于仅使用内燃机和传统电动系统(通常是由铅酸电池模块供能的12V系统)的更传统的气动车辆而言，上述xEV可提供若干优势。例如，相对于传统内燃车辆，xEV可以产生更少的不良排放产物，并且可以呈现更高的燃料效率，并且在一些情况下，此类xEV可以完全消除汽油的使用，如同特定类型的EV或PEV一样。
随着技术的不断发展，需要为这种车辆的电池模块提供改进的状态指示器。例如，xEV使用的电力可以由可再充电电池提供。在可再充电电池工作时，可能难以准确地描绘可再充电电池的充电状态或容量。本公开一般涉及在可再充电电池和/或xEV的工作期间估计和验证可再充电电池的实时参数。
发明内容
下文概述了本文中所公开的特定实施例。应了解，这些方面仅向读者提供关于这些特定实施例的概述，并且这些方面并不旨在限制本发明的范围。实际上，本公开可以包括下文未描述的多个方面。
本公开涉及一种电池系统，其包括联接到电气系统的电池。电池系统还包括电联接到电池的电池控制模块。电池控制模块监测电池的至少一个监测参数，且电池控制模块使用两个线性回归模型，递归地计算所述电池的第一容量估计值。两个线性回归模型基于至少一个等效电路模型、至少一个监测参数和卡尔曼滤波器。
本公开还涉及一种确定联接到电气系统的可再充电电池的实时容量的方法。该方法包括通过联接到可再充电电池的一个或多个传感器，利用电池控制模块监测电池工作期间可再充电电池的至少一个监测参数。该方法还包括使用两个线性回归模型，通过电池控制模块递归地计算可再充电电池的第一实时容量。两个线性回归模型基于至少一个等效电路模型、至少一个监测参数和卡尔曼滤波器。
本公开还涉及一种用于车辆的能量存储部件。能量存储部件包括壳体、第一端子和第二端子、以及设置在壳体中的可再充电电池。可再充电电池联接到第一端子和第二端子。能量存储部件还包括电池控制模块，其监测所述能量存储部件的至少一个监测参数。电池控制模块还使用两个线性回归模型，基于至少一个等效电路模型、至少一个监测参数和卡尔曼滤波器，递归地计算能量储存部件的第一容量估计值。另外，电池控制模块至少部分地基于能量存储部件的两个弛豫开路电压测量值和能量存储部件的库仑计数，递归地计算能量存储部件的第二容量估计值。
附图说明
通过阅读以下详细描述并参考附图，可以更好地理解本公开的各个方面，其中：
图1是根据本方法的一个实施例的具有贡献车辆全部或部分电力的电池系统的车辆(xEV)的透视图；
图2是根据本方法的一个实施例的混合动力电动车辆(HEV)形式的图1的xEV的剖面示意图；
图3是根据本方法的一个实施例的图1的xEV的电池系统的示意图；
图4是根据本方法的一个实施例的图1的xEV的能量存储部件的1-RC等效电路模型；
图5是根据本方法的一个实施例的图1的xEV的能量存储部件的开路电压(OCV)和充电状态(SOC)之间关系的图表；
图6A和6B是描述根据本方法的实施例的用于计算能量存储部件参数和确定能量存储部件的参数收敛性的方法的过程流程图；
图7A和7B是根据本方法的一个实施例的用于存储使用图6A和6B的过程流程图计算的数据的环形缓冲器；
图8A和8B是描述根据本方法的一个实施例的使用两个线性回归模型计算能量存储部件的容量的方法的过程流程图；
图9A和9B是描述根据本方法的一个实施例的使用两个弛豫开路电压测量和库仑计数来计算能量存储部件的容量的方法的过程流程图；
图10是描述根据一实施例的用于对能量存储部件的容量估计进行方向验证的方法的过程流程图；以及
图11是根据一实施例来描绘图10的过程流程图的实施例的图表。
具体实施方式
下文将描述一个或多个具体实施例。为简要描述这些实施例，本说明书中并未描述实际实施方式的所有特征。应了解到，在任何此类实际实施方式的开发中，如在任何工程或设计项目中，必须做出许多特定于实施方式的决定，以实现开发人员的具体目标，例如符合系统相关和业务相关的约束条件，这些约束条件可能会随实施方式的不同而有所不同。此外，应了解到，此类开发工作可能较为复杂并且耗时，但是尽管如此，这也应当是受益于本发明的普通技术人员在设计、制作和制造中的常规任务。
本文描述的电池系统可用于向各种类型的电动车辆(xEV)和其他高压能量存储/消耗应用(例如，电网电力存储系统)提供电力。这种电池系统可以包括一个或多个电池模块，每个电池模块具有多个电池单元(例如，锂离子(Li-ion)电化学电池)，其布置并电互连以提供对电力有用的特定电压和/或电流，例如，xEV的一个或多个组件。作为另一个例子，根据本实施例的电池模块可以与固定电力系统(例如，非汽车系统)结合或提供电力。
基于优于传统燃气动力车辆的优点，通常生产传统气动车辆的制造商可能希望在其车辆生产线内使用改进的车辆技术(例如，再生制动技术)。通常，这些制造商可以利用其传统车辆平台之一作为起点。因此，由于传统的气动车辆设计为使用12伏电池系统，因此可以使用12伏锂离子电池来补充12伏铅酸电池。更具体地，12伏锂离子电池可用于更有效地捕获再生制动期间产生的电能，并随后供应电能以为车辆的电气系统提供供电。
随着车辆技术的进步，高压电气设备也可能包含在车辆的电气系统中。例如，锂离子电池可以向微型混合动力电动车辆中的电动机供应电能。通常，这些高压电气设备使用大于12伏的电压，例如高达48伏。因此，在一些实施例中，可以使用DC-DC转换器来提高12伏锂离子电池的输出电压，以向高压装置供电。另外或可替代地，48伏锂离子电池可用于补充12伏铅酸电池。更具体地，48伏锂离子电池可用于更有效地捕获再生制动期间产生的电能，并随后提供电能以为高压装置供电。
因此，关于是否使用12伏锂离子电池或48伏锂离子电池的设计选择可直接取决于特定车辆中包括的电气装置。然而，尽管电压特性可能不同，但12伏锂离子电池和48伏锂离子电池的操作原理通常是相似的。更具体地，如上所述，两者都可用于在再生制动期间捕获电能并随后供应电能以为车辆中的电气设备供电。
因此，为了简化以下讨论，将结合具有12伏锂离子电池和12伏铅酸电池的电池系统来描述本技术。然而，本领域普通技术人员能够使本技术适用于其他电池系统，例如具有48伏锂离子电池和12伏铅酸电池的电池系统。
本公开涉及电池和电池模块。更具体地，本公开涉及估计和验证可再充电电池的实时参数。具体实施例涉及可用于车辆环境(例如，混合动力电动车辆)以及其他能量存储/消耗应用(例如，用于电网的能量存储)的锂离子电池单元。
考虑到前述内容，本公开描述了用于估计和验证可再充电电池的实时参数的技术。传统上，可再充电电池的额定容量可以通过在室温下使用恒定放电速率将可再充电电池从充满电状态完全放电来确定。这种方法对于车辆环境中使用的可再充电电池可能不实用。因此，可再充电电池的局部放电可用于估计可再充电电池的容量。因此，本公开中描述的电池控制单元可以使用下面详细描述的系统和方法实时或接近实时地估计和验证可再充电电池的容量和其他参数。
为了帮助说明，图1是可利用再生制动系统的车辆10的一实施例的透视图。尽管以下讨论涉及具有再生制动系统的车辆，但是本文描述的技术可适用于利用电池捕获/存储电能的其他车辆，其可包括电动和气动车辆。
如上所述，期望电池系统12在很大程度上与传统的车辆设计兼容。因此，电池系统12可以放置在车辆10中将容纳传统电池系统的位置。例如，如图所示，车辆10可包括电池系统12，其定位类似于典型的内燃机车辆的铅酸电池(例如，在车辆10的引擎盖下)。此外，如下面将更详细描述的，电池系统12可以定位成便于管理电池系统12的温度。例如，在一些实施例中，将电池系统12定位在车辆10的引擎盖下方可以使空气管道能够引导电池系统12上方的气流并冷却电池系统12。
图2中描述了电池系统12的更详细视图。如图所示，电池系统12包括能量存储部件14，其联接到点火系统16、交流发电机18、车辆控制台20，并且可选地联接到电动机22。通常，能量存储部件14可以捕获/存储在车辆10中产生的电能并输出电能以为车辆10中的电气设备供电。
换句话说，电池系统12可以向车辆电气系统的部件提供电力，这些部件可以包括散热器冷却风扇、气温控制系统、电动助力转向系统、主动悬架系统、自动泊车系统、电动油泵、电动增压器/涡轮增压器、电动水泵、加热挡风玻璃/除雾器、车窗升降电机、阅读灯、胎压监测系统、天窗电机控制器、电动座椅、警报系统、信息娱乐系统、导航特征、车道偏移警告系统、电动驻车制动器、外部灯或者它们的任何组合。说明性地，在图示的实施例中，能量存储部件14向车辆控制台20、车辆内的显示器21和点火系统16供电，可用于起动(例如，经曲柄起动)内燃机24。
此外，能量存储部件14可以捕获交流发电机18和/或电动机22产生的电能。在一些实施例中，交流发电机18可以在内燃机24运行时产生电能。具体来说，交流发电机18可以将内燃机24旋转所产生的机械能转换成电能。另外或可替代地，当车辆10包括电动机22时，电动机22可以通过将车辆10移动(例如，车轮旋转)所产生的机械能转换成电能来产生电能。因此，在一些实施例中，在再生制动期间，能量存储部件14可以捕获交流发电机18和/或电动机22产生的电能。因此，交流发电机18和/或电动机22在本文中通常称为再生制动系统。
为便于捕获和供应电能，能量存储部件14可以经由母线26电联接到车辆的电动系统。例如，母线26可以使得能量存储部件14能够接收交流发电机18和/或电动机22产生的电能。此外，母线26可以使得能量存储部件14向点火系统16和/或车辆控制台20输出电能。因此，当使用12伏电池系统12时，总线26可以承载通常在8-18伏之间的电功率。
另外，如图所示，能量存储部件14可包括多个电池模块。例如，在图示的实施例中，能量存储部件14包括根据本实施例的铅酸(例如，第一)电池模块28、以及锂离子(例如，第二)电池模块30，其中每个电池模块28、30包括一个或多个电池单元。在其他实施例中，能量存储部件14可包括任意数量的电池模块。另外，尽管第一电池模块28和第二电池模块30在图示中为彼此相邻，但是它们可以定位在车辆周围的不同区域中。例如，第二电池模块30可以定位在车辆10的内部或周围，而第一电池模块28可以定位在车辆10的引擎盖下方。
在一些实施例中，能量存储部件14可包括多个电池模块以利用多种不同的电池化学组成。例如，第一电池模块28可以使用铅酸电池化学组成，第二电池模块30可以使用锂离子电池化学组成。在这样的实施例中，电池系统12的性能可以得到改善，因为锂离子电池化学组成通常具有比铅酸电池化学组成更高的库仑效率和/或更高的功率充电接受率(例如，更高的最大充电电流或充电电压)。这样，可以改善电池系统12的捕获、存储和/或分配效率。
为了便于控制电能的捕获和存储，电池系统12可以另外包括控制模块32。更具体地，控制模块32可以控制电池系统12中的部件的操作，例如能量存储部件14、交流发电机18和/或电动机22内的继电器(例如，开关)。例如，控制模块32可以调节由每个电池模块28或30捕获/提供的电能量(例如，对电池系统12降低定额和重新定额)，在电池模块28和30之间执行负载平衡，确定每个电池模块28或30的充电状态，确定每个电池模块28或30的温度，确定电池模块28和30的预测温度轨迹，确定电池模块28或30的预测寿命，通过电池模块28或30确定燃料经济性贡献，控制交流发电机18和/或电动机22输出的电压或电流的大小等。
因此，控制模块(例如，单元)32可以包括一个或多个处理器34和一个或多个存储器36。更具体地，一个或多个处理器34可以包括一个或多个专用集成电路(ASIC)、一个或多个现场可编程门阵列(FPGA)、一个或多个通用处理器、或其任意组合。通常，处理器34可以执行与本文描述的过程有关的计算机可读指令。另外，处理器34可以是定点处理器或浮点处理器。
另外，一个或多个存储器36可以包括易失性存储器，例如随机存取存储器(RAM)，和/或非易失性存储器，例如只读存储器(ROM)、光盘驱动器、硬盘驱动器或固态驱动器。在一些实施例中，控制模块32可包括车辆控制单元(VCU)的部分和/或单独的电池控制模块。另外，如图所示，控制模块32可以与能量存储部件14分开地包括在内，例如独立模块。在其他实施例中，电池管理系统36可以包括在能量存储部件14内。
在某些实施例中，控制模块32或处理器34可以从布置在能量存储部件14内和/或周围的各种传感器38接收数据。传感器38可以包括用于测量关于电池模块28或30的电流、电压、温度等的各种传感器。在从传感器38接收数据之后，处理器34可以将原始数据转换成电池模块28和30的参数估值。这样，处理器34可以将原始日期呈现为可以向车辆10的操作者提供与电池系统12的操作有关的有价值信息的数据，并且可以在显示器21上显示与电池系统12的操作有关的信息。显示器21可以显示由设备10，例如用于操作系统的GUI，产生的各种图像，或图像数据(包括静止图像和视频数据)。显示器21可以是任何合适类型的显示器，例如液晶显示器(LCD)、等离子显示器或有机发光二极管(OLED)显示器。另外，显示器21可以包括触敏元件，其可以提供对控制模块32的调整参数的输入或者由处理器34处理的数据。
能量存储部件14可以具有与典型的铅酸电池的尺寸相当的尺寸，以限制对车辆10设计的影响以容纳电池系统12。例如，能量存储部件14可以具有与H6电池类似的尺寸，可能约为13.9英寸x6.8英寸x7.5英寸。如图所示，能量存储部件14可以包括在单个连续壳体内。在其他实施例中，能量存储部件14可包括联接在一起的多个壳体(例如，包括第一电池28的第一壳体和包括第二电池30的第二壳体)。在其他实施例中，如上所述，能量存储部件14可包括位于车辆10的引擎盖下方的第一电池模块28，并且第二电池模块30可位于车辆10的内部。
更具体地，图3示出了电池系统12的部件的示意图。如上面在图2的讨论中所提到的，控制模块32可以调节由每个电池模块28或30捕获/提供的电能量(例如，对电池系统12降低定额和重新定额)，在电池模块28和30之间执行负载平衡，确定每个电池模块28或30的充电状态，确定每个电池模块28或30的温度，确定电池模块28和30的预测温度轨迹，确定电池模块28或30的预测寿命，通过电池模块28或30确定燃料经济性贡献，控制交流发电机18和/或电动机22输出的电压或电流的大小等。特别地，控制模块32可以基于由传感器38测量的电池参数来测量充电状态(SOC)和/或健康状态(SOH)。
在一些实施例中，能量存储部件14可包括串联联接的单个锂离子电池或多个锂离子电池。另外，预期其他可再充电电池化学组成。能量存储部件14可以将存储的能量释放到负载40，负载40可以包括点火系统16、车辆控制台20、显示器21、电动机22以及车辆10的任何其他电气部件。当能量存储部件14将存储的能量释放到负载40时，交流发电机18和/或电动机22可以向能量存储部件14提供能量以补充先前释放到负载40的存储的能量。传感器38可以测量能量存储部件14的电池参数，并且传感器38可以将测量值传输到控制模块32。能量存储部件14的电池参数可以包括端子电压测量值、终端电流测量值和电池温度测量值。控制模块32处理测量的电池参数，如下面详细描述的，以估计能量存储部件14的SOC、与能量存储部件14的等效电路模型相关联的两个电阻、以及与等效电路模型相关联的电容。如下面关于图4所讨论的，等效电路模型可以是1-RC等效电路模型。
此外，可以理解的是，本文描述的系统和方法可以用于改变能量存储部件14的化学组成。例如，能量存储部件14的SOC、电阻和电容可以代表单节或多节锂离子电池、单节或多节铅酸电池、其某些组合(例如，与铅酸电池并联电联接的锂离子电池)，或任何其他单节或多节电池化学组成。此外，在具有并联电联接的多个电池化学组成的能量存储部件14中，SOC、电阻和电容可以代表整个能量存储部件14，或者可以为每个多种电池化学组成计算SOC、电阻和电容。
图4示出了能量存储部件14的1-RC等效电路模型42。1-RC等效电路模型42将电池参数(例如，开路电压(OCV)44、电阻46和48以及电容50)与由传感器38测量的测量参数(例如，终端电压52、终端电流和电池温度)相关联。另外，1-RC等效电路模型42提供了在车辆10运行期间实时估计OCV的机制。使用其他方法来测量OCV，例如库仑计数方法，当电池系统12处于静止状态达到很长一段时间时，OCV可以是可测量的。也就是说，在电池系统12已经休息一个或多个小时之后，电池系统12的OCV可以是可测量的。因此，通过使用1-RC等效电路模型42，休息时段不再使用，并且可以在电池系统12在负载40下运行的同时估计OCV。
在1-RC等效电路模型42中，电阻46(即，R0)表示能量存储部件14的电流路径的欧姆电阻，电阻48(例如，R1)表示能量存储部件14的电荷转移电阻，电容50(例如C1)表示能量存储部件14的双层电容。由于单个电阻器-电容器配对(例如，电阻48和电容50)，1-RC等效电路模型42被称为1-RC等效电路模型。使用1-RC等效电路模型42使得能够在车辆10的实时驱动条件期间确定OCV 44。在1-RC等效电路模型42中，电阻46和48以及电容50通常可以是能量存储部件14的时不变参数。或者，可以用于确定能量存储部件14的充电状态的OCV 44通常可以是能量存储部件14的时变参数。即，当能量存储部件14在一段时间充电和放电时，OCV 44将随时间增加和减少。
OCV 44、电阻46和48以及电容50的准确估计可以有益于控制能量存储部件14以获得更长的电池寿命和提高混合动力电动车辆的燃料效率。例如，图5示出了图表54，其提供了OCV 44与能量存储部件14的充电状态(SOC)之间的关系。SOC沿着图表54的横坐标56以百分比显示。另外，OCV 44沿图表54的纵坐标58以电压显示。曲线60表示OCV 44与储能元件14的SOC之间的关系。例如，曲线60可用作查询表以提供能量存储部件14的准确SOC表示。当基于测量的电池参数确定1-RC等效电路模型42的OCV 44时，OCV 44的值可以与相应的SOC百分比匹配。SOC百分比可以在车辆10的运行期间实时向车辆10的操作者提供能量存储部件14的剩余电池寿命的准确指示。此外，可以理解，OCV 44随着SOC的变化而变化。例如，当能量存储部件14的SOC增加或减少时，OCV 44在电压下不会平稳。
返回图4的讨论。1-RC等效电路模型42可以最初在离散时间导出，以将OCV 44、电阻46和48以及电容50(即，电池参数估计值)的估计值与能量存储部件14的测量终端电压52和测量电流相关联。卡尔曼滤波器用于该关联，以根据测量终端电压52和测量电流确定电池参数估计值。使用卡尔曼滤波器，控制模块32可以在有限地依赖于预定义的电池参数的情况下实时更新电池参数估计值。
对于任何任意电流源I，可以通过杜哈梅尔叠加定理计算能量存储部件14的电压52(例如，V)：
其中ξ是积分的虚拟变量。等式1右侧的前两个项(即，Voc和IR0)引起能量存储部件14的欧姆描述，因为电压52与OCV44减去欧姆降IR0有关。此外，等式1右侧的第三项对应于叠加积分，通过的电流通过该叠加积分影响OCV 44超过改变表征能量存储部件14的平均SOC的一阶效应。由于指数加权函数，较旧的电流-电位数据点的影响指数小于最近的数据点。
可以在两个任意时间步tk-1和tk评估等式1，以得到：
和
可以假设以固定的时间间隔测量电池电流和电压，例如：
因此，可以组合等式2和3以得到：
如果I(ξ)近似为lk-1的阶跃电流， 则可以减去等式5以得到：
其中另外，如果I(ξ)近似为(lk-1+lk)/2，的阶跃电流，则可以减去等式5以得到：
此外，如果I(ξ)近似为(Ik-1+(Ik-Ik-1))/((tk-tk-1)x(ξ-tk-t))的分段线性方程，可以减去等式5以得到：
由于对于所有时间间隔的I(ξ)的连续性质，等式8可以比等式6和7更精确地计算电池电压，等式6和7是基于不连续的阶跃电流导出的。为方便起见，等式8可以改写为：
Vk＝θ1-Ikθ3-Ik-1θ2+θ4Vk-1 (9)
其中
θ1＝(1-θ4)VOC (10)；
和
在本实施例中，等式9用作电池模型，以使用卡尔曼滤波器方法从测量电压和电流数据同时递归地估计四个参数，θ1-θ4。物理参数，例如Voc(例如，OCV 44)、R0(例如，电阻46)、R1(例如，电阻48)、C1(例如，电容50)和时间常数τ＝R1C1是根据以下等式从θ1-θ4中提取的：
和
可以使用双模型过程来实现标准卡尔曼滤波器方法。为了估计这四个参数θ1-θ4，使用标准卡尔曼滤波器方法，状态转移模型可以描述为：
Θ(k+1)＝Θ(k)+R(k) (18)其中R(k)是过程噪声向量，Θ(k)是状态向量，其中θ1-θ4是状态向量的四个参数。与等式18和其他卡尔曼滤波器方法相反，下面描述的备用卡尔曼滤波器方法没有明确地计算状态转移。相反，可以使用以下等式描述状态测量模式：
V(k)＝Φ(k)′Θ(k)+W(k) (19)
其中W(k)是测量噪声，Φ(k)是如下等式描述的回归向量：
Φ(k)＝[1-I(k-1)-I(k)V(k-1)]′ (20)
此外，通过使用备用卡尔曼滤波器方法，使用以下等式计算用于SOC估计的卡尔曼增益K(k)：
因此，状态转换模型可以更新如下：
Θ(k)＝Θ(k-1)+K(k)[y-Φ′Θ(k-1)] (22)
其中y是在时间步k处测量电池电压52。此外，协方差矩阵P(k)通过以下等式更新：
P(k)＝[I-K(k)Φ(k)′]P(k-1)+R (23)
在备用卡尔曼滤波器方法中，θ1被识别为快时变参数，θ2-θ4被识别为慢时变参数。为了使用备用卡尔曼滤波器方法实现此功能，使用以下等式定义过程噪声矩阵R：
其中r是小值(例如，r可以设置为大约0.001)，用于使用随机游走概念随时间控制θ1的可变性。这使卡尔曼滤波器能够在不使用状态转移模型的情况下估计可再充电电池的时变参数，其通常与通过电流积分或库仑计数计算SOC变化有关。另外，通过将过程噪声矩阵R(k)的对角线上的三个其他值建立为零，不变或慢时变参数θ2-θ4通常保持不变。
协方差矩阵P(k)的计算在提高估计电池参数的数值效率和准确度方面起作用。由于在计算机中截断和舍入误差，备用卡尔曼滤波器方法可能导致P(k)的对称性和正定性的丢失，或者可能导致发散。因此，在备用卡尔曼滤波器方法中，实现用于计算P(k)的U-D因子分解方法。U-D因子分解方法改善了P(k)的正定性和对称性，这可以导致获得高估计精度和鲁棒性。
使用U-D因子分解方法实现卡尔曼滤波器函数可以包括计算以下等式：
F＝U′，G＝DF，α0＝1 (25)
在计算等式25时，对于从j＝1到j＝M的值的范围，计算以下等式：
另外，对于从j＝1到j＝i-1的值的范围，计算以下等式：
此外，r的值通过以下等式加到D(1,1)：
增益也使用以下等式计算：
K＝b/α (29)
在完成等式25-29的计算后，使用以下等式计算新估计值：
Θ＝Θ+K(y-Φ′Θ) (30)
现在转向图6A和68，方法70的流程图示出了使用上述备用卡尔曼滤波器方法确定能量存储部件14的电池参数的方法。最初，在方框72，由控制单元32执行初始化。在初始化期间，可以将参数θ1-θ4的任意初始值分配给状态向量Θ。参数的初始值可以是任意的，因为交替卡尔曼滤波器方法使用起始点来确定参数的最终值，并且交替卡尔曼滤波器方法不需要与参数θ1-θ4的实际值相关的起始点。因此，可以在初始化期间将状态向量初始化为[0 00 0]’。另外，在初始化期间，U，可以被初始化为单位对角矩阵(即，具有分配给对角元素的值为1的矩阵)，可以将D初始化为具有分配给每个对角元素的大值(例如，1000)的对角矩阵。当来自传感器38的能量存储部件14的新电压和电流测量值变得可用于控制模块32时，该初始化可以使方法70开始训练测量模型，其由上面的等式9表示。此外，初始化可以包括设置相对误差容限(RTOL)和比例因子的值。RTOL可以表示平滑度和平坦度标准，比例因子可以是电池电流的因子，以避免在定点微处理器上可能遇到的溢出数学错误。
随后，在方框74，当新数据在传感器38的控制模块32处变得可用时，可以更新数据计数器。例如，以下等式可以表示数据计数器：
k＝k+1 (31)
其中k是当前数据计数。此外，在方框76处，当前和先前步骤将测量的数据值分配给回归向量Φ(k)。测量的数据值可以包括测量的电池电压和电流值。
在方框78处，执行卡尔曼滤波器函数。卡尔曼滤波器函数可以包括上述等式25-30。通过执行卡尔曼滤波器函数，可以在方框80处从θ1-θ4的值中提取电池参数的值(例如，OCV 44、电阻46和48、电容50和时间常数τ)。此外，在方框82处，使用从θ1-θ4的值中提取的OCV 44的值，可以基于存储在控制模块32的存储器36中的OCV至SOC查找表来确定能量存储部件14的SOC。OCV至SOC查找表通常可以基于类似于图5中所示的曲线60的曲线。
方框84-96涉及监测电阻46和48的估计值的收敛。通过监测电阻46和48的收敛，控制模块32可以确认电阻46和48的估计值是时不变的。因此，在方框84处，递归地确定电阻46和48的样本大小L的移动样本窗口的平均值和方差。具体地，以下等式可用于确定电阻46和48的平均值和方差：
如果k<＝L，那么
否则
其中μk和σk 2是样本均值和在时间步k评估的电阻Rj的方差。如等式32和33所示，为计算样本均值和方差而开发的递归公式不涉及每次数据复制，只有新数据和最旧数据涉及平均值和方差计算。因此，控制模块32有效地计算等式32和33。
随后，在方框86，控制模块32计算每个电阻46和48的方差和平方的平均值的比率，并且控制模块32确定两个电阻46和48中的哪一个具有更大的比率。此外，在确定哪个比率更大时，控制模块32将更大的比率与相对误差容限(RTOL)的平方进行比较。该比较用作平滑度和平坦度测试。平滑度和平坦度测试可用于确定在系统的学习时间段之后估计的参数是否不再随时间变化。因此，为了判断电阻46和48的收敛，连续通过N次平滑度和平坦度测试。N的值可以是5个循环、10个循环、15个循环、或者可以可靠地指示电阻46和48的收敛的任何其他数量的循环。此外，如果对于方法70使用1秒的采样频率，则方框86的平滑度和平坦度测试的每个周期可以运行0.1纳秒的总时间段。
随后，在方框88，如果较大的比率小于RTOL的平方，则通过将1加到前一循环计数器值来更新循环计数器(例如，iCheck)。相反，如果较大的比率大于RTOL的平方，则在方框90，将循环计数器重置为零，并且方法70返回方框72处初始化。如果在方框88处更新循环计数器(即，如果较大的比率小于RTOL的平方)，则在方框92处确定循环计数器是否超过N的值。如果循环计数器未超过N的值，则该方法返回方框72处初始化。
然而，如果循环计数器已经超过N的值，则在方框94，将收敛电阻46和48的平均值和温度值存储到控制模块32的存储器36中。通过测量电阻46和48的值作为温度的函数，控制模块32可以观察到电阻46和48如何随时间降低。测量电阻46和48的降低可以使得能够从能量存储部件14的欧姆电阻增长的角度表征能量存储部件14的健康状态(SOH)。一旦存储了收敛电阻46和48的平均值以及温度值，则在方框96处将循环计数器重置为零，并且方法70返回方框72处初始化。可以重复方法70，直到控制模块32提供停止操作的指示。
现在转到图7A和7B，样本装置的递归计算和样本大小L(例如，如图6A的方框84所实现的)的电阻46和48的方差可以存储在具有L个存储位置102的环形缓冲器100中。例如，对于10的样本大小L，环形缓冲器100可以包括10个存储位置102，如图所示。当计算包括电阻46和48的样本平均值和方差的新数据104时，新数据104可以存储在存储位置102之一中。在图7A中，空数据存储位置102按照记录每个样本的时间顺序填充新数据104。或者，如图7B所示，新数据104以一种方式存储在环形缓冲器100中最旧数据值的存储位置102中(例如，Rj(k-9))，使得新数据104存储在环形缓冲器100内并且从环形缓冲器100中移除旧数据106(例如，Rj(k-9))。因此，只有L个存储位置102可用于存储样本装置和样本大小L的方差，并且旧数据106从环形缓冲区100移除。
在实时估计能量存储部件14的容量方面也可能有益处。能量存储部件14的容量可以被称为能量存储部件14的健康状态(SOH)。能量存储部件14的SOH可以指示能量存储部件的额定容量的变化。下面详细讨论的是用于估计能量存储部件14的容量的两种互补方法。结合图8讨论的第一种方法使用卡尔曼滤波器和等效电路电池模型提供实时电池电流和电压的线性回归。关于图9讨论的第二种方法涉及监测两个开路电压弛豫事件，并从两个开路电压弛豫事件计算SOH。控制模块32可以执行两种方法中的每一种以估计能量存储部件的容量。
现在转向图8A和8B，其示出了用于计算能量存储部件14的SOH的方法120。方法120基于在每个时间步串行运行的两个线性回归模型。因为方法120依赖于线性回归模型，所以方法120可以提供用于估计SOH的数值稳定性，因为即使在任意选择参数的初始值时线性回归模型的参数也将收敛。任意选择参数的初始值可以提供优于扩展卡尔曼滤波器(EKF)模型的明显优势，扩展卡尔曼滤波器(EKF)模型通常依赖于由于EKF模型的非线性而对可再充电电池的参数的准确初始猜测。另外，方法120可以提供比EKF模型更高水平的测量噪声和数据缺陷的容差。
可以使用能量存储部件14的局部放电来使用以下等式确定能量存储部件14的SOH(即，容量)：
其中Q是以安培小时(Ah)为单位的能量存储部件14的容量，I是以安培为单位的电流，SOC是当前SOC值，并且SOC0是初始SOC值。如上所述，当可获得开路电压的估计或已知值时，可以从类似于图5的曲线60的查找表获得SOC。等式34也可以重写为以下等式：
其中w等于100/Q且是能量存储部件14的累积Ah吞吐量。等式35可以用作方法120中的电池容量估计的控制方程。SOC0和w是每个时不变参数，如果SOC值是已知的，它们是可以估计出的。如上面在图6A和6B讨论中所讨论的那样，可以使用卡尔曼滤波器技术估计SOC值。因此，在方法120中，使用两个线性回归模型。也就是说，方框122至132可以确定能量存储部件14的SOC值，方框134-156可以使用SOC和Ah吞吐量作为输入以及收敛确定来提供SOC0和w的估计。因此，可以根据w的估计值容易地计算电池容量。
在方框122处，初始化方法120。在初始化期间，可以为状态向量Θ将任意初始值分配给θ1-θ4。参数的初始值可以是任意的，因为备用卡尔曼滤波器方法使用起始点来确定参数的最终值，但是备用卡尔曼滤波器方法不依赖于接近参数θ1-θ4的实际值的起始点。因此，状态向量Θ可以在初始化事件期间被初始化为[0 0 0 0]’。另外，在初始化期间，U，可以被初始化为单位对角矩阵(即，具有分配给对角元素的值为1的矩阵)，D可以被初始化为具有分配给每个对角元素的大值(例如，1000)的对角矩阵。当来自传感器38的能量存储部件14的新电压和电流测量值变得可用于控制模块32时，该初始化可以使方法70能够开始训练测量模型，其由上面的等式9表示。此外，初始化可以包括设置相对误差容限(RTOL)和比例因子的值。RTOL可以表示平滑度和平坦度标准，比例因子可以是电池电流的因子，以避免在定点微处理器上可能遇到的溢出数学错误。可以对用于SOC估计的线性回归模型和用于SOC0和w的线性回归模型执行方框122处的初始化。
在方框124处，当新数据在传感器38处在控制模块32处变得可用时，可以更新数据计数器。例如，等式31可以用作当前数据计数的表示。此外，当数据可用时，还可以使用以下等式更新安培小时吞吐量：
q＝q+Δqk (36)
其中q是安培小时吞吐量。此外，在方框126处，在当前和先前步骤将测量数据值分配给回归向量Φ(k)。测量的数据值可以包括测量的电池电压和电流值。
在方框128处，执行卡尔曼滤波器函数。卡尔曼滤波器函数可以包括上述等式25-30。通过执行卡尔曼滤波器函数，除了电阻46和48、电容50和时间常数τ之外，OCV 44的值可以在方框130处从θ1-θ4的值中提取。另外，在方框132处，从θ1-θ4的值中提取的OCY 44的值的使用可以基于存储在控制模块32的存储器36中的OCV至SOC查找表来确定能量存储部件14的SOC。OCV至SOC查找表通常可以基于类似于图5中所示的曲线60的曲线。
随后，在方框134处，控制模块32确定估计的SOC是否可用作输入以继续进行能量存储部件14的后续容量估计。例如，控制模块32可以基于是否满足电池端子温度要求(例如，能量存储部件的端子的温度小于约25摄氏度)以及是否已经超过最小SOC学习时间段(例如，电流测量和初始条件之间的时间间隔大于100秒)进行确定。如果不满足这些条件中的任何一个，则在方框136处，将电流和电压测量值重置为先前值，并且方法120在方框124的数据计数器更新处重新开始。
如果SOC可用于容量估计，则在方框138处，跟踪最小和最大SOC值以用于计算最大SOC摆动。此外，在方框140处将安培小时吞吐量分配给第二回归向量。第二回归向量由ΦI表示并且表示以下等式：
其中q是安培小时吞吐量和标度l是在定点微处理器上计算时避免溢出数学错误的估计容量的比例因子。
在将安培小时吞吐量分配给第二回归向量时，在方框142执行卡尔曼滤波器函数。执行卡尔曼滤波器函数可以更新协方差矩阵U1和D1以及用于容量估计的参数向量Θ1，其与用于SOC估计的参数向量Θ一起被初始化为[0 0 0 0]'。此外，用于容量估计的卡尔曼增益K(k)由以下等式表示：
并且协方差矩阵P1(k)通过以下等式更新：
PI(k)＝[I-K1(k)Φ1(k)′]P1(k-1) (39)。
当与SOC估计的等式23比较时，等式39不包括过程噪声矩阵R，因为SOC0和w都是时不变参数。
随后，在方框144，可以从参数向量Θ1中提取估计容量Q。例如，估计容量值Q可以由以下等式表示：
Q＝-100/θ12 (40)
其中θ12是来自参数向量Θ1的第二参数。在提取估计容量值Q之后，可以使用方框146-156来监视容量估计的收敛。
因此，在方框146处，递归地确定估计容量值Q的样本大小L的移动样本窗口的平均值和方差，并将其存储在类似于上述环形缓冲器100的环形缓冲器中。在确定平均值和方差之后，在方框148处，将均方差与均方比与RTOL的平方进行比较。该比较用作平滑度和平坦度测试。平滑度和平坦度测试可用于确定估计参数(例如，估计容量值Q)在系统的学习时间段之后是否不再随时间改变。因此，为了判断估计容量值Q的收敛，连续N次进行平滑度和平坦度测试。N的值可以是5个周期、10个周期、15个周期、或者可以可靠地指示估计容量值Q的收敛的任何其他数量的周期。此外，如果对于方法120使用1秒的采样频率，则方框148的平滑度和平坦度测试的每个周期可以运行0.1纳秒的总时间段。
随后，在方框150，如果比率小于RTOL的平方，则通过将1加到前一循环计数器值来更新循环计数器(例如，iCheck)。相反，如果比率大于RTOL的平方，则在方框136处，将电流和电压测量值重置为先前值，并且方法120在方框124的数据计数器更新时重新开始。如果循环计数器在方框150处(即，较大的比率小于RTOL的平方)被更新，在方框152处确定循环计数器是否已超过N的值以及SOC摆动(最大SOC减去最小SOC)是否大于SOC0的20％。在方框152处用于SOC摆动的阈值也可以是SOC0的另一百分比，这取决于具体的能量存储部件14。例如，百分比可以是25％或高达50％，或者百分比可以是SOC0的10％或15％。如果循环计数器没有超过N的值和/或SOC摆动不够大，则方法120返回到方框136以重置电压和电流值。
如果循环计数器已经超过N的值并且SOC摆动足够，则在方框154，将提取的估计容量值Q保存到存储器36。在估计容量值Q被保存到存储器36之后，循环计数器被重置为零，并且方法120返回到方框136。另外，方法120可以如上所述重复，直到控制模块32接收到停止估计能量存储部件14的估计容量值Q的指示。
图9A和9B示出了用于通过监测两个有效开路电压(OCV)弛豫事件并且在两个有效OCV弛豫事件之间随时间积分电流来计算能量存储部件14的SOH的方法160。可以在延长的休息时段之后(例如，在车辆关闭超过2小时之后)启动车辆10时立即测量两个有效OCV弛豫事件中的第一个，可以在能量存储部件14已经弛豫一段延长的时间段时(例如，在车辆10关闭并且已经过预定量的时间之后)测量两个有效OCV弛豫事件中的第二个。另外，两个有效OCV弛豫事件之间的时间可以被限制为限制当前偏移误差的累积并且提高SOH测量的准确度。
在方框162处，初始化方法160。在初始化期间，设置开始安培小时吞吐量∑q，的时间计数器t1和t2以及二进制OCV有效性状态iOCV。如果在控制模块32醒来的时刻(例如，当车辆10起动时)能量存储部件14的OCV完全弛豫，则在初始化期间可以将iOCV的值设置为1。否则，在初始化期间可以将iOCV的值设置为0。在室温下停放车辆一段延长的时间(例如，大于一小时)之后，OCV可以完全弛豫，其中可忽略的电流消耗值小于弛豫电流阈值lrelax。确认OCV是否完全弛豫的一种方法是监测OCV随时间的变化率，因为OCV可能随时间渐近变化。在室温下延长的时间段之后，OCV可以随时间非常缓慢地变化，并且这种OCV可以用于以足够的精度表示方法160的弛豫OCV。
在初始化之后，在方框164处，当控制模块32处的新数据从传感器38变得可用时，计数器被更新。例如，等式31可以用作当前数据计数的表示。在更新计数器时，在方框166处，从能量存储部件14的传感器38读取数据。数据可包括电池电流、电压和1小时吞吐量的阶跃变化。因此，随着安培小时吞吐量的阶跃变化，在方框168，使用以下等式更新累积的安培小时吞吐量：
∑q＝∑q+Δqk (41)
其中∑q表示累积安培小时吞吐量，而Δqk表示安培小时吞吐量的阶跃变化。
在方框170处，控制模块32确定电池电流是否满足预定的弛豫电流阈值lRelax。可以通过在当前步骤测量电池电流的绝对值，并将绝对值与IRelax进行比较来完成该确定。如果电池电流的绝对值大于IRelax，则电池没有充分弛豫。此时，可以监视时间步，并且在可以在方框172处iOCV值可以保持为0或者设置为0。因此，方法160可以在方框164的计数器更新处再次开始。
或者，如果电池电流的绝对值小于IRelax，则可以在方框174处确定iOCV有效性状态。即，如果iOCV的值是1，则能量存储部件14已经处于弛豫状态足够的时间量，并且在方框178处可以将OCV设置为当前电压读数Vk。或者，如果iOCV是0，则在方框176，确定是过去否有足够时间量使能量存储部件14充分弛豫。例如，可以将从初始化到当前步骤的时间量与弛豫阈值时间tRelax进行比较。如上所述，在标准操作条件下，tRelax可设定为1小时、2小时或更长时间。然而，tRelax可以基于诸如电池温度的外部条件而增加或减少。通常，电池的温度越高，tRelax时间可能越短。如果尚未满足弛豫阈值时间tRelax，则方法160在方框164返回计数器更新以再次开始方法160。
或者，如果已经满足弛豫阈值时间tRelax，则在方框178处，能量存储部件14已经处于松弛状态足够的时间量，并且OCV可以被设置为当前电压读数Vk。根据当前电压读数Vk确定的OCV值，可以从类似于图5的曲线60的OCV对SOC查找表确定当前SOC。
随后，在方框182处，确定计数器值k是否大于样本大小L。如果计数器值k大于L，则通过在方框184将值加1来更新模数变量M的值。模数变量M表示已满足OCV标准的累积次数。或者，如果计数器值k不大于样本大小L，则在方框186处将L的值设置为计数器值k加1。在更新模数变量M和/或样本大小L的值之后，在方框188执行模数运算，以交替记录控制模块32的存储器36内的两个存储器存储位置之间的当前SOC值。因此，方法160将交替地在方框190将当前soc值存储soc。此外，时间和累积安培小时吞吐量也可以在方框190和192处存储在存储器中。
在方框194，确定在为SOC1存储的值和为SOC2存储的值之间是否存在足够的SOC摆动。足够的SOC摆动可以被描述为SOCMIN，并且SOCMIN可以表示两个存储的SOC值之间的阈值百分比差异。例如，SOCMIN可以是5％摆动、10％摆动、15％摆动或其他在两个SOC值之间建立足够的差异以用于能量存储部件14的精确容量估计百分比摆动。如果摆动不够，则方法160可以在方框164处返回计数器更新。
如果SOC摆动足够，则在方框196，控制模块32可以确定总电流积分时间是否小于最大允许时间。例如，如果总电流积分时间大于最大允许时间，则当前偏移误差可能以不期望的方式影响容量估计。因此，可能希望将总电流积分时间限制为小于约50小时。如果已经超过最大允许时间，则方法160可以返回到方框164的计数器更新。
或者，如果尚未超过最大允许时间，则可以在方框198计算能量存储部件14的估计电池容量Q。为了计算估计电池容量Q，可以使用以下等式：
其中，用于计算的值是从方框190和192中存储的值获得的。随后，在方框200，将估计电池容量Q存储到存储器36中。此外，在存储估计电池容量Q时，方法160可以返回到方框164的计数器更新，并且方法160可以递归地操作，直到向控制模块32提供指示以停止方法160。
上述两种容量估计方法120和160在实践中彼此互补。方法120可以在两个OCV松弛事件之间不使用SOC摆动，而可以在车辆10运行时使用实时SOC摆动。因此，由于提前启停和混合动力电动车辆的设计原理，方法120可以特别适用于提前启停和混合动力电动车辆，以在存在动能的过剩供应时最大化收取能量的充电率并且在存在峰值功耗需求时最大化放电率以改善燃料经济性。因此，能量存储部件14可以在大约50％的SOC处建立待机(休息)模式。因此，能量存储部件14通常在两次OCV测量之间具有小的间隔。或者，由于其简单性、准确性和低实施成本，当车辆10在典型操作期间经历若干休息时段以增强能量存储部件14的容量估计值的鲁棒性和准确性时，方法160可适用。
偶尔验证能量存储部件14的容量估计结果可能是有益的。因此，图10是描述能量存储部件14的估计电池容量Q的验证过程的流程图210。在方框212处，控制模块32确定能量存储部件14的容量估计是否有效。例如，如果在一段延长的时间量(例如，自上次有效容量估计结果以来大于两个月)没有来自方法120和160的任何有效容量估计结果，如果最近计算的容量估计值超过变化阈值(例如，最近计算的容量估计值大于5％、大于10％、大于15％、或者与先前计算的容量估计值不同，或者如果有效容量估计值的准确度不在可接受的范围内，则容量估计值可能是无效的。当满足这些标准中的任何一个时，控制模块32可以初始化流程图210的验证过程。
在确定有效容量估计值的准确度是否不在可接受的范围内时，可以使用SOC/OCV测量值的误差以及假设当前测量精度的经由电流积分来计算容量估计值的误差。例如，卡尔曼滤波器方法可以包括误差估计值或最大准确度估计值(例如，大约3％)，并且如本文所述的收敛标准的评估可以改进时间误差估计。在细化误差估计之后，基于在电池系统12的观察条件下的预期老化的时间或能量吞吐量相关误差增加可以应用于误差估计。因此，如果在一定精度内确定容量估计值，则误差稳定地增加，直到达到具有较低误差的新估计值的机会，其将重置误差估计值。
如果确定容量估计值有效，则可以在方框214更新当前容量估计值。在方框214处更新的容量可以在方框216处用作使用电流容量估计(例如，使用上面的等式35)的电流积分过程期间的能量存储组件14的实际容量。具有能量存储部件的实际容量的电流积分过程的结果是在方框218处计算的积分时间段上的SOC(1)的值。
或者，如果确定容量估计值无效(例如，平均误差太高，并且重置不会提高准确度)，则可以在方框220处，在与方框216的电流积分过程并行的电流积分过程中使用候选容量。候选容量可以比方框216的电流积分过程中使用的实际容量小5％。使用候选容量的电流积分过程的结果是在方框222处计算的积分时间段上的SOC(2)的值。此外，在方框216和220处执行电流积分过程时，可以使用能量存储部件14的测量参数224。测量参数224可以包括能量存储部件14的系统/传感器规格、温度、电流和电压。
为了有效地使用流程图210的验证过程，可以使用并联电流积分过程开始时的准确初始SOC。因此，测量参数224可以为电池控制模块32提供值以计算准确的初始SOC。例如，如果车辆10在方框216和220处的并联电流积分过程之前退出能量存储部件14的延长的休息时段，则可以通过测量参数224测量能量存储部件14的开路电压44，如上面详细讨论的那样。使用开路电压44，存储在存储器36中的开路电压到充电状态查找表可以由控制模块32查阅，以计算准确的初始SOC值。还可以理解，在并联电流积分过程开始时的初始SOC与评估变化容量估计值的时间点处的最终SOC之间的显着SOC增量(例如，SOC摆动)对准确评估容量估计值的有效性可能是有益的。该值可由ΔSOCδQ表示。
另外，为了与并联电流积分过程产生的SOC值进行比较，可以在评估变化容量估计值的时间点使用方框226处的卡尔曼滤波器。例如，使用上面讨论的与6A和6B有关的方法70，能量存储部件14的SOC估计值(SOC(3))可以在方框228由控制模块32计算。可选地或另外地，如果能量存储部件14处于静止状态，则可以在方框230从能量存储部件14获得OCV44。方框232的控制模块32咨询OCV至SOC查找表导致方框234处SOC(4)的计算。
在计算SOC(1)-SOC(3)和/或SOC(4)之后，可以在方框236处由控制模块32执行SOC值的方向比较。例如，可以将在评估变化容量估计值的时间点处的SOC(3)和SOC(4)的值与在相同时间点的SOC(1)和SOC(2)的值进行比较。该比较可以提供关于能量存储部件14的新容量估计值的许多细节。如果SOC(3)和/或SOC(4)的值落入SOC(1)和SOC(2)的值或者SOC(3)和/或SOC(4)的值与SOC(1)在SOC(2)的值相同的方向上，则控制模块32可以认为根据SOC(3)和/或SOC(3)计算的估计容量值有效。在这种情况下，控制模块32可以计算此时的容量，并在方框214处将实际容量值更新为新计算的估计容量。
或者，如果SOC(3)和/或SOC(3)的值不落在SOC(1)和SOC(2)的值内，则控制模块32可以认为来自SOC(3)和/或SOC(4)的估计容量值无效。在这种情况下，流程图210的过程可以在不同的初始SOC值处重新开始，或者可以在稍后的时间计算SOC(3)和/或SOC(4)以确定基于SOC(3)和/或SOC(4)SOC的容量值是否有效。
转到图11中，图表240示出了图10的流程图210中详述的过程。纵坐标242表示能量存储部件14的SOC百分比。横坐标244表示测量SOC的时间。线246表示使用能量存储部件的实际容量时的能量存储部件14的电流积分，线248表示使用能量存储部件14的候选容量时的能量存储部件14的并联电流集成，其如图所示，比能量存储部件14的实际容量低5％。
如图所示，并联电流积分过程在时间t1开始，具有准确的初始SOC值250。可以通过开路电压(OCV)测量值以及OCV测量值与OCV至SOC查找表的比较来获得准确的初始SOC值250。另外，可以执行并联电流积分过程直到时间t2。时间t2可以表示并联电流积分过程的ΔSOCQ(例如，充电状态摆动)足以准确验证能量存储部件14的估计容量的时间。例如，充电状态摆动可能是用来准确验证估计容量的大约20％的摆动。在其他情况下，为了准确验证估计容量，充电状态摆动可以是用来准确验证估计容量的大约10％、15％或高达25％或更大的摆动。
随着并行积分过程接近时间t2，绘制了例如使用卡尔曼滤波器方法计算的能量存储部件的若干SOC测量值252和254。深色SOC测量值252表示对于容量估计更新无效的SOC测量值。例如，与并联电流积分线246和248的SOC摆动(例如，ΔSOCδQ)相比，线246和SOC测量值252之间的SOC(例如，ΔSOCk)的变化方向相反。因此，如果由控制模块32计算深色SOC测量值252的值，则控制模块32将等待随后的有效SOC测量值以更新容量估计值。
或者，浅色SOC测量值254表示对于容量估计值更新有效的SOC测量值。例如，线246和SOC测量值254之间的SOC(例如，ΔSOCk)的变化与并联电流积分线246和248的SOC摆动(例如，ΔSOCδQ)方向相同。因此，如果由控制模块32计算浅色SOC测量值254的值，则控制模块32将在计算浅色SOC测量值254时更新容量估计值。
所公开的实施例中的一个或多个单独或组合可以提供一种或多种技术效果，包括确定电池时间变量和时间不变量、确定电池的充电状态、确定电池的健康状态、以及验证电池的健康状态。说明书中的技术效果和技术问题是示例性的而非限制性的。应当注意，说明书中描述的实施例可以具有其他技术效果并且可以解决其他技术问题。
虽然仅示出和描述了某些特征和实施例，但是本领域技术人员可以想到许多修改和变化(例如，各种元件的大小、尺寸、结构、形状和比例的变化，参数的值(例如，温度、压力等)，安装布置，材料的使用，颜色，方向等)，而不实质上脱离所公开的主题的新颖教导和优点。根据替代实施例，可以改变或重新排序任何过程或方法步骤的顺序或次序。因此，应理解，所附权利要求旨在涵盖本公开的真实精神内的所有这些修改和变化。此外，为了提供示例性实施例的简明描述，可能未描述实际实施方式的所有特征。应当理解，在任何这样的实际实施方式的开发中，如在任何工程或设计项目中，可以做出许多实施方式的具体决定。这样的开发努力可能是复杂且耗时的，但是对于受益于本公开的普通技术人员来说，却是设计、生产和制造的常规任务，而无需过多的实验。

Claims (23)

1.一种电池系统，其包括：
电池，配置为联接到电气系统；和
电池控制模块，配置为电联接到所述电池，其中所述电池控制模块配置为：
监测所述电池的至少一个监测参数；和
使用两个线性回归模型，基于至少一个等效电路模型、所述至少一个监测参数和卡尔曼滤波器，递归地计算所述电池的第一容量估计值。
2.根据权利要求1所述的电池系统，其中所述两个线性回归模型的第一线性回归模型配置为计算所述电池的充电状态估计值，其中所述两个线性回归模型的第二线性回归模型配置为至少部分地基于所述充电状态估计值来计算所述第一容量估计值。
3.根据权利要求2所述的电池系统，其中基于所述电池的估计开路电压，通过开路电压至充电状态查找表来计算所述第一线性回归模型的所述充电状态估计值。
4.根据权利要求1所述的电池系统，其中所述电池的至少一个监测参数包括终端电压、电流、温度或其任意组合。
5.根据权利要求1所述的电池系统，其中所述等效电路模型包括所述电池的1-RC等效电路模型。
6.根据权利要求1所述的电池系统，其中所述电池控制模块配置为使用所述电池的两个弛豫开路电压测量值和所述电池的库仑计数来递归地计算所述电池的第二容量估计值。
7.根据权利要求6所述的电池系统，其中所述电池控制模块配置为在所述电池不活跃超过一小时之后接收所述两个弛豫开路电压测量值。
8.根据权利要求6所述的电池系统，其中所述电池控制模块配置为在彼此的5小时内接收所述两个弛豫开路电压测量值。
9.根据权利要求6所述的电池系统，其中所述电池控制模块配置为基于所述两个弛豫开路电压测量值计算两个弛豫充电状态值，其中所述第二容量估计值至少部分地基于所述两个弛豫充电状态值。
10.根据权利要求1所述的电池系统，其中所述第一容量估计值存储在环形缓冲器中，并且所述电池控制模块配置为至少部分地基于在所述环形缓冲器的时间上较早的位置中存储的所述第一容量估计值的先前值来确定所述第一容量估计值的收敛。
11.根据权利要求1所述的电池系统，其中所述电池控制模块被配置为对所述电池的所述至少一个监测参数使用比例因子，以能够在定点微处理器上递归计算所述电池的第一容量估计值。
12.根据权利要求1所述的电池系统，其中所述电池控制模块配置为测试所述电池的第一容量估计值的收敛。
13.一种确定配置为联接到电气系统的可再充电电池的实时容量的方法，其包括：
通过联接到所述可再充电电池的一个或多个传感器，利用电池控制模块监测所述电池工作期间所述可再充电电池的至少一个监测参数；和
使用两个线性回归模型，基于至少一个等效电路模型、所述至少一个监测参数和卡尔曼滤波器，通过所述电池控制模块递归地计算所述可再充电电池的第一实时容量。
14.根据权利要求13所述的方法，其中所述两个线性回归模型是串联执行的。
15.根据权利要求13所述的方法，其中所述两个线性回归模型的第一回归模型包括计算所述可再充电电池的充电状态估计值，其中所述两个线性回归模型的第二线性回归模型包括至少部分地基于所述充电状态估计值计算所述第一实时容量。
16.根据权利要求13所述的方法，包括至少部分地基于所述可再充电电池的两个弛豫开路电压测量值和所述可再充电电池的库仑计数来递归地计算所述可再充电电池的第二实时容量。
17.根据权利要求16所述的方法，其中在所述可再充电电池不活跃一个或多个小时之后，所述两个弛豫开路电压测量值被所述电池控制模块使用。
18.一种用于车辆的能量存储部件，其包括：
壳体；
第一端子和第二端子；
可再充电电池，设置在所述壳体内，并配置成与所述第一端子和所述第二端子联接；
电池控制模块，配置为：
监测所述能量存储部件的至少一个监测参数；
使用两个线性回归模型，基于至少一个等效电路模型、所述至少一个监测参数和卡尔曼滤波器，递归地计算所述能量储存部件的第一容量估计值；以及
至少部分地基于所述能量存储部件的两个弛豫开路电压测量值和所述能量存储部件的库仑计数，递归地计算所述能量存储部件的第二容量估计值。
19.根据权利要求18所述的能量存储组件，其中所述至少一个监测参数包括终端电压、电流、温度或其任意组合。
20.根据权利要求18所述的电池系统，其中所述等效电路模型包括1-RC等效电路模型。
21.根据权利要求18所述的能量储存部件，其中所述两个线性回归模型的第一回归模型包括计算所述能量储存部件的第一充电状态估计值，其中所述两个线性回归模型的第二线性回归模型包括至少部分地基于所述第一充电状态估计值计算所述第一容量估计值。
22.根据权利要求18所述的能量储存部件，其中所述电池控制模块配置为基于所述两个弛豫开路电压测量值计算第二充电状态估计值和第三充电状态估计值，其中所述第二容量估计值至少部分地基于所述第二充电状态估计值和第三充电状态估计值。
23.根据权利要求22所述的能量储存部件，其中所述电池控制模块配置为确定所述能量储存部件的第一容量估计值的收敛。
CN201680082627.3A 2016-02-19 2016-08-02 用于可再充电电池容量的实时估计的系统和方法 Active CN109073707B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110163423.5A CN113030735A (zh) 2016-02-19 2016-08-02 用于可再充电电池容量的实时估计的系统和方法

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US15/048,816 2016-02-19
US15/048,816 US10371754B2 (en) 2016-02-19 2016-02-19 Systems and methods for real-time estimation of capacity of a rechargeable battery
PCT/US2016/045084 WO2017142586A1 (en) 2016-02-19 2016-08-02 Systems and methods for real-time estimation of capacity of a rechargeable battery

Related Child Applications (1)

Application Number Title Priority Date Filing Date
CN202110163423.5A Division CN113030735A (zh) 2016-02-19 2016-08-02 用于可再充电电池容量的实时估计的系统和方法

Publications (2)

Publication Number Publication Date
CN109073707A true CN109073707A (zh) 2018-12-21
CN109073707B CN109073707B (zh) 2021-03-02

Family

ID=56896757

Family Applications (2)

Application Number Title Priority Date Filing Date
CN201680082627.3A Active CN109073707B (zh) 2016-02-19 2016-08-02 用于可再充电电池容量的实时估计的系统和方法
CN202110163423.5A Pending CN113030735A (zh) 2016-02-19 2016-08-02 用于可再充电电池容量的实时估计的系统和方法

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN202110163423.5A Pending CN113030735A (zh) 2016-02-19 2016-08-02 用于可再充电电池容量的实时估计的系统和方法

Country Status (4)

Country Link
US (1) US10371754B2 (zh)
EP (1) EP3417303B1 (zh)
CN (2) CN109073707B (zh)
WO (1) WO2017142586A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117269801A (zh) * 2023-11-22 2023-12-22 潍柴新能源动力科技有限公司 电池荷电状态的确定方法、确定装置和电子设备

Families Citing this family (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
SE540603C2 (en) * 2015-11-05 2018-10-02 Ctek Sweden Ab A system and a method for determining the state of charge of a battery
KR102035678B1 (ko) * 2016-11-01 2019-10-23 주식회사 엘지화학 배터리 노화상태 산출 방법 및 장치
CN108241102A (zh) * 2016-12-23 2018-07-03 华为技术有限公司 一种电池微短路的检测方法及装置
CN108037463B (zh) * 2017-12-15 2020-01-21 太原理工大学 一种锂离子电池寿命预测方法
US20190308630A1 (en) * 2018-04-10 2019-10-10 GM Global Technology Operations LLC Battery state estimation based on open circuit voltage and calibrated data
DE102018212545A1 (de) * 2018-07-27 2020-01-30 Audi Ag Verfahren zum Überwachen eines Zustands einer Batterie, Überwachungseinrichtung und Kraftfahrzeug
KR102629463B1 (ko) * 2019-03-12 2024-01-25 삼성에스디아이 주식회사 배터리 건강 상태 추정 방법
FR3097649B1 (fr) 2019-06-20 2021-06-18 Commissariat Energie Atomique Procédé de détermination d'un estimateur robuste de la capacité d'une batterie électrique
CN112906176B (zh) * 2019-12-04 2022-07-26 中车株洲电力机车研究所有限公司 一种电池等效电路模型的健康预测方法及系统
CN112051504B (zh) * 2020-08-13 2024-03-19 联合汽车电子有限公司 电池容量的预测方法、装置、终端及计算机可读存储介质
KR20220065709A (ko) 2020-11-13 2022-05-20 주식회사 엘지화학 전지의 용량 측정 장치 및 방법, 및 상기 장치를 포함하는 전지 제어 시스템
US11448709B1 (en) 2021-03-03 2022-09-20 Semiconductor Components Industries, Llc Battery system for battery degradation estimation
CN113238150B (zh) * 2021-05-24 2022-10-04 哈尔滨工业大学 基于状态估计算法的电池实时发热功率获取方法
US11724622B2 (en) * 2021-08-11 2023-08-15 Ford Global Technologies, Llc Battery pack multi-cell state estimation
CN113393064A (zh) * 2021-08-17 2021-09-14 中南大学 一种动车组镉镍蓄电池的寿命预测方法及终端设备
TWI795958B (zh) * 2021-10-25 2023-03-11 加百裕工業股份有限公司 電池容量計算方法及電池容量計算裝置
FR3132150B1 (fr) * 2022-01-27 2024-04-12 Psa Automobiles Sa Estimation fiable de la capacité de stockage de cellule(s) d’une batterie cellulaire
US11901748B2 (en) 2022-02-02 2024-02-13 Enevate Corporation State-of-charge balancing in battery management systems for si/li batteries
CN114994543A (zh) * 2022-08-01 2022-09-02 湖南华大电工高科技有限公司 储能电站电池故障诊断方法、装置及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090228225A1 (en) * 2008-03-04 2009-09-10 Eaton Corporation Battery Service Life Estimation Methods, Apparatus and Computer Program Products Using State Estimation Techniques Initialized Using a Regression Model
US20140079969A1 (en) * 2012-09-19 2014-03-20 Apple Inc. Estimating state of charge (soc) and uncertainty from relaxing voltage measurements in a battery
US20140077815A1 (en) * 2012-09-18 2014-03-20 Apple Inc. Method and apparatus for determining a capacity of a battery
US20140257726A1 (en) * 2011-10-07 2014-09-11 Keio University Apparatus and method for battery state of charge estimation
WO2015133103A1 (ja) * 2014-03-03 2015-09-11 パナソニックＩｐマネジメント株式会社 電池の状態推定装置、および、電池の状態推定方法
US20150352972A1 (en) * 2014-06-09 2015-12-10 Ford Global Technologies, Llc Estimation and compensation of battery measurement

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6639385B2 (en) 2001-08-07 2003-10-28 General Motors Corporation State of charge method and apparatus
US6534954B1 (en) 2002-01-10 2003-03-18 Compact Power Inc. Method and apparatus for a battery state of charge estimator
US7227335B2 (en) * 2003-07-22 2007-06-05 Makita Corporation Method and apparatus for diagnosing the condition of a rechargeable battery
US6927554B2 (en) 2003-08-28 2005-08-09 General Motors Corporation Simple optimal estimator for PbA state of charge
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
US8754611B2 (en) * 2008-04-11 2014-06-17 Apple Inc. Diffusion-limited adaptive battery charging
US8170818B2 (en) 2010-03-10 2012-05-01 GM Global Technology Operations LLC Battery state estimator using multiple sampling rates
CN102870270A (zh) * 2010-03-31 2013-01-09 菲斯科汽车公司 用于车辆中的量程计算的系统及方法
US8612168B2 (en) 2010-09-22 2013-12-17 GM Global Technology Operations LLC Method and apparatus for estimating battery capacity of a battery
KR20140082752A (ko) * 2011-09-30 2014-07-02 케이피아이티 테크놀로지스 엘티디. 배터리의 충전 상태를 결정하는 시스템 및 방법
CN103675683A (zh) * 2012-09-02 2014-03-26 东莞市振华新能源科技有限公司 一种锂电池荷电状态(soc)估算方法
US9182449B2 (en) * 2012-10-12 2015-11-10 GM Global Technology Operations LLC Method and system for estimating battery capacity in a vehicle
US10180461B2 (en) * 2012-11-29 2019-01-15 Mitsubishi Electric Corporation Battery internal state estimation apparatus
CN104007390B (zh) * 2013-02-24 2018-03-20 快捷半导体(苏州)有限公司 电池电荷状态跟踪、等效电路选择及基准测试方法及系统
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
EP2963434B1 (en) 2014-06-30 2021-08-11 Foundation Of Soongsil University-Industry Cooperation Battery state estimation method and system using dual extended kalman filter, and recording medium for performing the method
US20160006275A1 (en) * 2014-07-01 2016-01-07 Ford Global Technologies, Llc System and method for battery open circuit voltage estimation
CN105301509B (zh) * 2015-11-12 2019-03-29 清华大学 锂离子电池荷电状态、健康状态与功率状态的联合估计方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090228225A1 (en) * 2008-03-04 2009-09-10 Eaton Corporation Battery Service Life Estimation Methods, Apparatus and Computer Program Products Using State Estimation Techniques Initialized Using a Regression Model
US20140257726A1 (en) * 2011-10-07 2014-09-11 Keio University Apparatus and method for battery state of charge estimation
US20140077815A1 (en) * 2012-09-18 2014-03-20 Apple Inc. Method and apparatus for determining a capacity of a battery
US20140079969A1 (en) * 2012-09-19 2014-03-20 Apple Inc. Estimating state of charge (soc) and uncertainty from relaxing voltage measurements in a battery
WO2015133103A1 (ja) * 2014-03-03 2015-09-11 パナソニックＩｐマネジメント株式会社 電池の状態推定装置、および、電池の状態推定方法
US20150352972A1 (en) * 2014-06-09 2015-12-10 Ford Global Technologies, Llc Estimation and compensation of battery measurement

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117269801A (zh) * 2023-11-22 2023-12-22 潍柴新能源动力科技有限公司 电池荷电状态的确定方法、确定装置和电子设备
CN117269801B (zh) * 2023-11-22 2024-03-01 潍柴新能源动力科技有限公司 电池荷电状态的确定方法、确定装置和电子设备

Also Published As

Publication number Publication date
EP3417303B1 (en) 2023-07-26
EP3417303A1 (en) 2018-12-26
CN113030735A (zh) 2021-06-25
US20170242077A1 (en) 2017-08-24
WO2017142586A1 (en) 2017-08-24
US10371754B2 (en) 2019-08-06
CN109073707B (zh) 2021-03-02

Similar Documents

Publication Publication Date Title
CN109073707A (zh) 用于可再充电电池容量的实时估计的系统和方法
CN108885240A (zh) 用于可再充电电池的方向容量估计的系统和方法
CN108885239A (zh) 用于可再充电电池的实时参数估计的系统和方法
US10553896B2 (en) Battery capacity degradation resolution methods and systems
US11555858B2 (en) Systems, methods, and storage media for predicting a discharge profile of a battery pack
US9594123B2 (en) Techniques for estimating battery pack parameters
CN109997050A (zh) 用于可再充电的电池组的荷电状态和容量估算的系统和方法
US20140100803A1 (en) Power estimation device for estimating chargeable/dischargeable power of electric storage device, electric storage apparatus, and method of estimating chargeable/dischargeable power
CN101813754A (zh) 一种用于汽车起动照明型铅酸蓄电池的状态估算方法
CN103713262A (zh) 用于计算绿色车辆的可能行驶距离的系统和方法
CN107024659A (zh) 使用非线性电阻元件的电池状态估计系统和方法
KR20160080380A (ko) 배터리 충전 상태 측정 장치 및 방법
CN107210498A (zh) 电池类型判定装置和电池类型判定方法
US10338150B2 (en) Systems and methods for estimating battery system energy capability
CN112673320A (zh) 用于估计车辆中的电池单体的操作参数的方法
CN112912745A (zh) 根据开路电压图形确定电化学电池的充电状态和老化状态的方法
CN108845267B (zh) 一种动力电池的数据处理方法和装置
US11890963B2 (en) Method and system for method for estimating a present energy consumption of an electrically propelled vehicle
US20240169419A1 (en) Leasing Method and Lease System, and Computer Apparatus
US20240001800A1 (en) Method and system for determining an electrical energy storage pack replacement configuration
Neal Experimental Investigation of a Hybrid Energy Storage System in an Engine Stop-Start Application

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: michigan

Applicant after: JOHNSON CONTROLS TECHNOLOGY Co.

Applicant after: Keruishi advanced solutions Co.,Ltd.

Address before: michigan

Applicant before: JOHNSON CONTROLS TECHNOLOGY Co.

Applicant before: JOHNSON CONTROLS ADVANCED POWER SOLUTIONS GmbH

CB02 Change of applicant information
CB02 Change of applicant information

Address after: michigan

Applicant after: JOHNSON CONTROLS TECHNOLOGY Co.

Applicant after: Keraishi advanced solutions Co.,Ltd.

Address before: michigan

Applicant before: JOHNSON CONTROLS TECHNOLOGY Co.

Applicant before: Keruishi advanced solutions Co.,Ltd.

TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20210204

Address after: New York State, USA

Applicant after: JOHNSON CONTROLS TECHNOLOGY Co.

Applicant after: Keraishi advanced solutions Co.,Ltd.

Address before: michigan

Applicant before: JOHNSON CONTROLS TECHNOLOGY Co.

Applicant before: Keraishi advanced solutions Co.,Ltd.

GR01 Patent grant
GR01 Patent grant