CN110418972A

CN110418972A - 电池单体充电状态估计方法和电池状态监测系统

Info

Publication number: CN110418972A
Application number: CN201780088001.8A
Authority: CN
Inventors: 埃斯特班·杰尔索
Original assignee: Volvo Truck Corp
Current assignee: Volvo Truck Corp
Priority date: 2017-03-06
Filing date: 2017-03-06
Publication date: 2019-11-05
Also published as: EP3593155A1; EP3593155B1; WO2018162021A1; US20200018797A1; US11320491B2

Abstract

本发明涉及用于稳健估计电动车辆的电池单体(6)的充电状态(SOC)的方法，该方法包括：测量来自电池单体的输出电流(I_m)；电池单体的温度(T_m)；以及来自电池单体的输出电压(y)；提供电池单体的SOC估计模型(M)，包括测量电流(I_m)和测量温度(T_m)以提供估计的输出电压(y)；使用SOC估计模型(M)计算估计的输出电压(y)和中间SOC值(SOC_int)；计算估计的输出电压(y)和测量电压(y)之间的电压差；通过基于所计算的电压差和中间SOC值(SOC_int)来优化SOC估计模型(M)来估计电池单体的SOC(SOC)。该方法的特征在于：SOC估计模型(M)还包括针对测量电流(I_m)的误差的电流故障估计(I_f)；和/或SOC估计模型(M)还包括针对测量输出电压(y_m)的误差的电压故障估计(y_f)；并且特征在于基于电流故障估计(I_f)和/或电压故障估计(y_f)进一步优化估计电池单体的SOC(SOC)的步骤。本发明还涉及包括执行该方法的步骤的程序代码的计算机程序，承载此计算机程序的计算机可读介质，用于控制监测电池单体状态的控制单元(2)，电池状态监测系统，以及包括此电池状态监测系统的电动车辆。

Description

电池单体充电状态估计方法和电池状态监测系统

技术领域

本发明涉及用于稳健估计电池单体的充电状态(SOC)的方法。本发明还涉及包括执行该方法的步骤的程序代码的计算机程序，承载此计算机程序的计算机可读介质，用于控制监测电池单体状态的控制单元(2)，电池状态监测系统以及包括此电池状态监测系统的电动车辆。电动车辆可以是重型车辆，诸如卡车、公共汽车和建筑装备，但是也可以用在其他的车辆中，诸如较小的电动工业车辆和乘用车辆。

背景技术

例如电池的电化学存储装置在现代能源基础设施中是很重要的。许多不同类型的设备依赖于电池能量存储。在运输工业中，电池在具有内燃机的车辆中一直用于服务目的，但随着工业上电推进系统的发展，对于电池中能量存储的要求增加。电动车辆电池的充电必须快速、安全和可靠。电池越大，必须提供更多电力，并且以更费力的方式使用，放电更频繁且更深入。在例如电动车辆的先进系统中，准确估计电池的充电状态(SOC)是重要的。充电状态(SOC)是一种防止电池充电不足或者过度充电以及管理电动车辆能量的重要变量。因为没有直接的测量是可利用的，因此需要估计SOC，采用现有技术的系统和方法可能难以正确地估计SOC。

一种用于估计SOC的公知方法是基于使用电池单体模型的卡尔曼滤波器。在该模型中，单体端电压是输出，单体电流和单体温度是输入。基于模型的输出与测量值之间的误差，校正由模型估计的SOC。在US2014/0244193A1中提出了一种基于卡尔曼滤波器并且引入了对SOC估计的可能的改进方法，介绍了一种使用滤波器来提高SOC估计精密度的迭代方法。然而，所提出的方法仅解决了精密度问题，但没有解决SOC估计中的准确度问题。因此，需要用于估计电池的SOC的改进方法、系统和设备。

发明内容

本发明的目的是改进现有技术的当前状态、解决上述问题并提供一种用于稳健估计例如电动车辆的电池单体的充电状态(SOC)的改进方法。根据本发明的第一方面，这些和其他目的通过一种用于稳健估计电动车辆的电池单体的充电状态的方法来实现。该方法包括测量来自电池单体的输出电流；电池单体的温度；以及来自电池单体的输出电压；提供用于电池单体的SOC估计模型，该模型包括测量电流和测量温度，以提供估计的输出电压；使用SOC估计模型计算估计的输出电压和初始的SOC值；计算估计的输出电压和测量电压之间的电压差；以及通过基于所计算的电压差和初始的SOC值来优化所述的SOC估计模型来估计电池单体的SOC。该方法的特征在于：SOC估计模型还包括针对测量电流误差的电流故障估计；和/或SOC估计模型还包括针对测量输出电压误差的电压故障估计；并且特征在于：基于电流故障估计和/或电压故障估计进一步优化估计电池单体的SOC的步骤。测量电流的误差可以基于诸如电流传感器中的偏置或漂移误差，并且测量电压的误差可以基于诸如电压传感器中的偏置或漂移误差，或者间歇性传感器故障。

现有技术的问题由此得以解决，所提出的方法将提高SOC估计的准确度，这是因为它考虑了来自电池的测量电流或电压中的例如偏置或漂移的偏移测量误差。现有技术的基于卡尔曼滤波器的SOC估计模型的准确度因使用的传感器如单体端电压传感器或单体电流传感器中的故障而下降。本发明的方法解决了这些问题并且估计了SOC，该SOC对电压和电流传感器中的故障是稳健的。本发明的方法使得由于这些故障而导致的准确度降低最小化。

SOC估计模型可以进一步基于卡尔曼滤波器模型，并且优化SOC估计的步骤可以是卡尔曼滤波器模型的测量更新步骤(“校正步骤”)。基于卡尔曼滤波器的该方法将进一步提高准确度，同时引入了处理SOC估计中的噪声，噪声会影响结果的精密度。

根据本发明的另一方面，该目的通过一种计算机程序实现，该计算机程序包括程序代码装置，用于当计算机程序在计算机上运行时，执行本文所述的方法的步骤。

根据本发明的另一方面，这些目的通过承载上述计算机程序的计算机可读介质实现，该计算机程序包括程序代码装置，用于当程序产品在计算机上运行时，执行所述方法。

根据本发明的另一方面，这些目的通过用于控制电池单体的状态监测的控制单元实现，该控制单元包括被配置为执行稳健估计电池单体的充电状态的电路，其中，该控制单元被设置成执行本文讨论的方法的步骤。

根据本发明的另一方面，这些目的通过一种用于监测电池单体状态的电池状态监测系统实现，该系统包括：设置成感测所述电池单体温度的温度传感器，或者位于电池单体附近、用于估计电池单体温度的温度传感器；电流传感器，设置成用于测量来自所述电池单体的输出电流；电压传感器，设置成用于测量来自所述电池单体的输出电压；以及如上所述的控制单元。根据本发明的更另一方面，这些目的通过包括这种电池状态监测系统的电动车辆实现。

在以下的描述和从属权利要求中公开了本发明的其他优点和有利特征。

附图说明

参考附图，下面是对作为示例引用的本发明实施例的更详细描述。

在图中：

图1是执行根据电池输出电流(I_m)、温度(T_m)和输出电压的测量值来估算电池单体的SOC的本发明方法的电路的示意图。

图2是用于监测电池单体状态的电池状态监测系统的示意图，该系统包括控制单元中的图1的电路、用于测量电池特性的传感器。

图3是示出本发明的用于估计电池单体的SOC的方法的方框图。

图4是包括图3的电池状态监测系统的电动车辆的示意图。

具体实施方式

图1是执行本发明的方法M的电路1的示意图，该方法用于根据电池输出电流I_m、温度T_m和输出电压的测量值来估算电池单体的SOC。在模型中，对中间SOC值(SOC_int)、计算的输出电压、电流故障估计值I_f和电压故障估计值进行迭代，以优化估计的SOC值(SOC)的值。

图2是用于监测电池单体6的状态的电池状态监测系统10的示意图，该系统包括控制单元，控制单元包含图1的电路1。电压传感器5测量电池单体6的输出电压，电流传感器4测量电池单体6的电流，温度传感器3测量电池单体6的温度。

参考图3，将解释本发明的用于估计电池单体的SOC的方法的主要步骤。在第一步骤S1中，该方法测量来自电池单体的输出电流I_m，电池单体的温度T_m以及来自电池单体的输出电压在第二步骤S2中，为电池单体提供SOC估计模型M，以提供估计的输出电压y，该模型包括测量电流I_m和测量温度T_m，电流故障估计(I_f)和电压故障估计在第三步骤S3中，该方法使用SOC估计模型M计算估计的输出电压和中间SOC值SOC_int。在第四步骤S4中，该方法基于计算的电压差、电流故障估计值、电压故障估计值和初始的SOC值、通过优化所述SOC估计模型来估计电池单体的SOC。

图4是电动车辆20的示意图，该电动车辆包括图3所示的连接到电动车辆的电池单体6的电池状态监测系统10。

现在将通过用于实施该方法的示例性数学表达式更加详细地讨论本发明的方法。

SOC估计器被设计成对电压和电流传感器中的故障或误差具有稳健性。根据本发明，模型M通过附加状态(x₄)进行延伸，以考虑电流传感器中的诸如偏差或漂移的故障；并且附加变量z(k)被添加到单体端电压传感器中的模型故障中。对于单体端电压传感器中的故障，在线解决优化问题。在下面的描述中，x₃是估计的SOC，x₄是电流故障估计I_f，并且z(k)是电压故障估计

当在测量电流I时考虑例如偏置或漂移之类的故障时，在所提出的方法中，将附加状态x₄添加到在SOC估计器中使用的电池单体模型中。例如参见具有附加状态x₄和附加方程(第四方程)的2RC电路模型的情况：

其中，C₁和C₂是电池单体的等效电路模型的RC支路的电容，R₁和R₂是电池单体的等效电路模型的RC支路的电阻，η是电池单体的库仑效率，T_s是采样时间，并且C_n是电池单体电容。w是过程噪声。

在先前的模型中，x₃是SOC，x₁和x₂是RC支路中的电压。

在更紧凑的表达式中，可以写成：

x(k+1)＝A·x(k)+B·I(k)+w(k)

其中，x(k)＝[x₁(k) x₂(k) x₃(k) x₄(k)]^T。

输出电压被定义为：

y(k)＝OCV(x₃(k))-R₀(I(k)+x₄(k))+x₁(k)+x₂(k)+v(k)，

其中，R₀是欧姆电阻，OCV是开路电压，其在这种情况下取决于SOC而变。v是观察噪声。它也可以用更紧凑的方式写成：

y(k)＝g(x(k)，I(k))+v(k)。

请注意，模型的以下参数：C₁，C₂，R₁，R₂，η和C_n可以是时间变量，即它们可以随着时间并且例如随着电池单体温度而改变数值。参数也可以随着当前的SOC值和电池单体的输出电流而变化。

例如可以是卡尔曼滤波器的SOC估计器与描述的2RC电路模型一起使用。

SOC估计器的单体端电压传感器中的故障降低了SOC估计器的准确度。故障的示例包括偏置、漂移或随机尖峰(异常值)。在本发明的方法中，它们被建模为变量z(k)，该变量现在被包含在电池单体端电压y(k)中，如下：

y(k)＝g(x(k)，I(k))+v(k)+z(k)。

z(k)在每个时间点解决的优化问题中被最小化，使得电压测量和电池单体模型预测之间的误差最小化。

优化问题在卡尔曼滤波器的测量更新或“校正”步骤中得到解决。

解析以下优化问题：

其中，是时间k时测量的单体端电压，是估计的单体端电压，P^-是先前状态协方差。

c₁、c₂和σ是大于0的调整参数，G等于：

在2RC电池单体模型中，G等于：

和P^-(k)是卡尔曼滤波器的第一步(“预测”步骤，也称为时间更新)的结果，并且x₃ ^-是中间SOC值SOC_int。

应该理解，本发明并非局限于以上描述的并在附图中示出的实施例；相反，技术人员将认识到可以在所附的权利要求书的范围内进行许多改变和修改。

Claims

1.一种用于稳健估计(用于电动车辆的)电池单体(6)的充电状态(SOC)的方法，所述方法包括：

-测量来自电池单体的输出电流(I_m)；所述电池单体的温度(T_m)；以及来自所述电池单体的输出电压

-为所述电池单体提供SOC估计模型(M)，所述SOC估计模型包括测量电流(I_m)和测量温度(T_m)，以提供估计的输出电压(y)；

-使用所述SOC估计模型(M)计算所述估计的输出电压(y)和中间SOC值(SOC_int)；

-计算所述估计的输出电压(y)和测量电压(y)之间的电压差；

-通过基于计算的电压差和所述中间SOC值(SOC_int)来优化所述SOC估计模型(M)来估计电池单体的SOC(SOC)；

其特征在于：

-所述SOC估计模型(M)还包括针对所述测量电流(I_m)的误差的电流故障估计(I_f)；和/或

-所述SOC估计模型(M)还包括针对测量输出电压的误差的电压故障估计以及

其特征在于：基于所述电流故障估计(I_f)和/或所述电压故障估计进一步优化估计电池单体的SOC(SOC)的步骤。

2.根据权利要求1所述的方法，其中，所述测量电流(I_m)的所述误差是基于诸如电流传感器(4)中的偏置或漂移的误差。

3.根据权利要求1或2所述的方法，其中，所述测量电压的所述误差是基于诸如电压传感器(5)中的偏置、漂移或间歇性故障的误差。

4.根据权利要求3所述的方法，其中，所述SOC估计模型是基于卡尔曼滤波器模型，并且优化SOC估计的所述步骤是所述卡尔曼滤波器模型的测量更新步骤。

5.根据权利要求4所述的方法，其中，所述SOC估计模型是基于2RC电路模型，并且其中

所述2RC电路模型的状态被定义为

x₄(k+1)＝x₄(k)+w₄(k)

其中，x₃是SOC，x₁和x₂是RC支路中的电压，x₄是电流故障估计，并且k是时间步长单位；并且

输出电压被定义为：

y(k)＝OCV(x₃(k))-R₀(I(k)+x₄(k))+x₁(k)+x₂(k)+v(k)

(OCV＝开路电压)。

6.根据权利要求5所述的方法，所述SOC估计模型还包括电压故障估计z(k)，使得所述输出电压被定义为：

y(k)＝OCV(x₃(k))-R₀(I(k)+x₄(k))+x₁(k)+x₂(k)+v(k)+z(k)。

7.根据权利要求6所述的方法，其中，针对电池单体估计SOC的步骤通过解析以下优化问题而执行：

其中，是在时间k时测量的单体端电压，并且是估计的单体端电压，

c₁、c₂和σ是大于0的调整参数，并且G等于：

并且在2RC电池单体模型中，G等于：

和P^-(k)是卡尔曼滤波器的第一步(“预测”步骤，也称为时间更新)的结果。

8.一种计算机程序，包括程序代码装置，所述程序代码装置用于当所述程序在计算机上运行时，执行权利要求1-7中任一项所述的步骤。

9.一种承载计算机程序的计算机可读介质，所述计算机程序包括程序代码装置，所述程序代码装置用于当所述程序产品在计算机上运行时，执行权利要求1-7中任一项所述的步骤。

10.一种用于控制电池单体(6)的状态监测的控制单元(2)，所述控制单元包括被配置为执行对电池单体(6)的充电状态(SOC)的稳健估计的电路(1)，其中，所述控制单元(2)被设置成执行根据权利要求1-7中任一项所述的方法的步骤。

11.一种用于监测电池单体(6)的状态的电池状态监测系统，所述系统包括：

温度传感器(3)，被设置成感测所述电池单体(6)的温度；

电流传感器(4)，被设置成测量来自所述电池单体(6)的输出电流(I_m)；

电压传感器(5)，被设置成测量来自所述电池单体(6)的输出电流以及

根据权利要求10所述的控制单元(2)。

12.一种电动车辆，包括根据权利要求11所述的电池状态监测系统。