CN110506216B - 蓄电池状态推定装置 - Google Patents

蓄电池状态推定装置 Download PDF

Info

Publication number
CN110506216B
CN110506216B CN201780088963.3A CN201780088963A CN110506216B CN 110506216 B CN110506216 B CN 110506216B CN 201780088963 A CN201780088963 A CN 201780088963A CN 110506216 B CN110506216 B CN 110506216B
Authority
CN
China
Prior art keywords
unit
current
state
soc
charge
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
CN201780088963.3A
Other languages
English (en)
Other versions
CN110506216A (zh
Inventor
竹上智已
和田敏裕
门田成悟
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.)
Mitsubishi Electric Corp
Original Assignee
Mitsubishi Electric 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 Mitsubishi Electric Corp filed Critical Mitsubishi Electric Corp
Publication of CN110506216A publication Critical patent/CN110506216A/zh
Application granted granted Critical
Publication of CN110506216B publication Critical patent/CN110506216B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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]
    • G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
    • G01R31/3828—Arrangements for monitoring battery or accumulator variables, e.g. SoC using current integration
    • 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]
    • 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
    • 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
    • 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
    • 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
    • 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]
    • G01R31/3644—Constructional arrangements
    • G01R31/3648—Constructional arrangements comprising digital calculation means, e.g. for performing an algorithm
    • 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

Abstract

针对稳定且高精度地推定蓄电池的余量、容量等状态的相关要求，本发明的蓄电池状态推定装置(100)推定蓄电池的充电率来作为推定充电率，其包括：检测所述蓄电池(101)的充放电电流以作为检测电流的电流检测部(102)；检测所述蓄电池(101)的端子间电压以作为检测电压的电压检测部(103)；基于所述检测电流与所述检测电压来计算OCV推定法充电率的OCV推定法SOC推定部(104)；基于所述检测电流与所述OCV推定法充电率来计算包含容量维持率的电流积算法参数的电流积算法参数推定部(105)；以及基于所述检测电流、所述OCV推定法充电率和所述电流积算法参数来计算推定充电率的校正SOC推定部(106)。

Description

蓄电池状态推定装置
技术领域
本发明涉及稳定地推定蓄电池的余量、容量的蓄电池状态推定装置。
背景技术
在电动车、铁路车辆或固定型蓄电系统等中，为了高效地利用蓄电池，高精度地对充电率(SOC：State of Charge)、健康度(SOH：State of Health)等蓄电池的内部状态进行推定的技术变得重要。
作为推定SOC的现有技术，作为一个示例，已知有如下电流积算法：对测量电流进行积分并除以满充电容量(FCC：Full Charge Capacity)，由此来推定当前的SOC。此外，作为其它示例，已知有如下OCV推定法：根据测量电流、测量电压和蓄电池模型推定蓄电池的开路电压(OCV：Open Circuit Voltage)，并利用蓄电池的OCV与SOC的对应关系，来计算SOC。
上述电流积算法所得出的SOC推定值与OCV推定法所得出的SOC推定值分别具有不同的特征。
具体而言，电流积算法所得出的SOC推定值能高精度地追踪短时间的SOC的变化，但在另一方面，会受到SOC初始值、SOH及电流偏移的各参数的误差的影响。特别地，由于对电流偏移的误差进行积分，因此，SOC的推定误差将随着时间的经过而变大。
另一方面，OCV推定法所得出的SOC推定值主要使用测量电压来推定SOC，因此，SOC推定误差不会像电流积算法那样扩大。然而，已知有如下情况：由于较大地受到蓄电池模型参数的误差和电压测定的误差的影响，因此，在SOC推定值中产生不连续的变化等，在短时间内观察时的推定精度较差。
因此，提出了多个SOC推定方法，其目标在于，通过较好地组合电流积算法和OCV推定法，从而弥补双方的缺点，并发挥优点。
例如，存在如下技术：计算使利用电流积算法推定出的SOC推定值通过高通滤波器后得到的值、使利用OCV推定法推定出的SOC推定值通过低通滤波器后得到的值，并基于这两个值来计算SOC(参照专利文献1)。
此外，如上所述，高精度地推定SOH的技术也很重要，若能高精度地推定SOH，则能恰当地掌握充电电池的更换周期，并能使SOC的推定精度提高。
作为SOH推定方法的具体示例，存在如下技术：利用充放电电流超过规定的阈值的期间内的、电流积算法充电率变化量与OCV推定法充电率变化量，来计算电流积算误差的影响较小的SOH推定值(换言之，蓄电池容量推定值)(例如，参照专利文献2)。
现有技术文献
专利文献
专利文献1：日本专利第5606933号公报
专利文献2：日本专利第5419832号公报
发明内容
发明所要解决的技术问题
然而，在现有技术中存在如下问题。
在专利文献1所提出的技术中，由于并未对成为电池的满充电容量、电流偏移等SOC推定误差的原因的参数进行推定，因此，即使能利用滤波器来降低SOC推定误差，也无法从根本上去除误差。并且，也存在如下问题：用于减少SOC推定误差的最佳滤波器的设定值会根据被输入至蓄电池的电流的频率特性而改变。
此外，在专利文献2所提出的技术中，若电流值超过阈值的时间的积分时间不够长，则SOH推定值会较大地受到电流积算的误差和等效电路参数的误差的影响。因而，只要采用通过降低电流积算的误差来提高SOH的推定精度的方法，就无法从根本上去除电流积算的误差的影响。
本发明是为了解决上述问题而完成的，其目的在于获得一种蓄电池状态推定装置，与以往相比，能以更高的精度推定电池的内部状态。
解决技术问题所采用的技术方案
本发明中的蓄电池状态推定装置是推定蓄电池的充电率来作为推定充电率的蓄电池状态推定装置，其包括：电流检测部，该电流检测部检测所述蓄电池的充放电电流，以作为检测电流；电压检测部，该电压检测部检测所述蓄电池的端子间电压，以作为检测电压；OCV推定法SOC推定部，该OCV推定法SOC推定部基于所述检测电流与所述检测电压来计算OCV推定法充电率；电流积算法参数推定部，该电流积算法参数推定部基于所述检测电流与所述OCV推定法充电率来计算包含容量维持率的电流积算法参数；以及校正SOC推定部，该校正SOC推定部基于所述检测电流、所述OCV推定法充电率和所述电流积算法参数来计算推定充电率。
发明效果
根据本发明，能得到如下蓄电池状态推定装置：在将OCV推定法与电流积算法的组合设为基本结构的基础上，能利用电流积算法参数推定部的效果实时地推定如下参数，该参数包含作为蓄电池的劣化指标十分重要的容量维持率SOH，且成为电流积算法的误差原因，并且，利用校正SOC推定部对电流积算法的误差原因即容量维持率、电流偏移、对初始SOC推定值的误差所引起的充电率推定误差进行校正，由此，能稳定且高精度地推定充电率SOC，并且，由于采用前馈结构，因此安装较为容易，具有下游的推定值的紊乱不会干扰到上游的优点。
附图说明
图1是本发明实施方式1中的蓄电池状态推定装置的结构图。
图2是本发明实施方式1中的电流积算法参数推定部的结构图。
图3是本发明实施方式1中的校正SOC推定部的结构图。
图4是示出本发明实施方式1中的蓄电池状态推定装置所执行的一系列动作的流程图。
图5是示出本发明实施方式1中的电流积算法参数推定部所执行的一系列动作的流程图。
图6是示出本发明实施方式1中的蓄电池状态推定装置所执行的一系列动作的流程图。
图7是本发明实施方式2中的校正SOC推定部的结构图。
图8是示出本发明实施方式2中的蓄电池状态推定装置所执行的一系列动作的流程图。
图9是本发明实施方式3中的校正SOC推定部的结构图。
图10是示出本发明实施方式3中的蓄电池状态推定装置所执行的一系列动作的流程图。
图11是本发明实施方式4中的蓄电池状态推定装置的结构图。
图12是示出本发明实施方式4中的蓄电池状态推定装置所执行的一系列动作的流程图。
图13是实现本发明实施方式所涉及的功能块的硬件结构图。
具体实施方式
以下，按照优选的实施方式并使用附图来对本发明所涉及的蓄电池状态推定装置进行说明。另外，在附图的说明中，对相同部分或相当部分标注相同标号，并省略重复说明。这里，本发明所涉及的蓄电池状态推定装置推定运用中的电池的内部状态。
此外，说明中所出现的“微分(differential)”、“积分(integration)”之类的用语也分别用作表示“差分(difference)”、“总和(summation)”的意思。
实施方式1
图1是本发明实施方式1中的蓄电池状态推定装置100的结构图。另外，图1中也一并图示出与蓄电池状态推定装置100相连接的蓄电池101。
这里，在对蓄电池状态推定装置100进行说明时，考虑将锂离子电池作为蓄电池101。其中，蓄电池101一般包含能充放电的蓄电系统，例如，可以是铅蓄电池、镍氢蓄电池或双电层电容器等。此外，作为蓄电池101，考虑设为单元。其中，蓄电池101可以是由串联连接或并联连接多个单元、或者将两者相组合而构成的模块。
在图1中，蓄电池状态推定装置100构成为包括电流检测部102、电压检测部103、OCV推定法SOC推定部104、电流积算法参数推定部105、校正SOC推定部106。
电流检测部102执行电流检测处理。即，电流检测部102检测蓄电池101的充放电电流，以作为检测电流I[A]。
电压检测部103执行电压检测处理。即，电压检测部103检测蓄电池101的充放电时的端子间电压，以作为检测电压[V]。
OCV推定法SOC推定部104执行基于OCV推定法的SOC推定处理。即，基于电流检测部102输出的检测电流I、与电压检测部103输出的检测电压V，计算OCV推定法充电率SOCv。
这里所说的OCV推定法是基于电流、电压和电池模型来推定OCV，并利用电池的OCV与SOC的对应关系来推定SOC的公知技术。
另外，在推定OCV的过程中可以包含推定OCV推定法参数的过程。OCV推定法参数是指在OCV推定法中所使用的参数。例如，指如下参数：使用等效电路模型作为蓄电池模型的情况下的电路参数；使用详细的物理化学模型作为蓄电池模型的情况下的物理化学参数；表示SOC与OCV的对应关系及其迟滞特性、温度依赖性、劣化依赖性的参数；以及电流传感器、电压传感器的测量误差参数(例如偏移误差)等。典型地，为蓄电池等效电路模型的电路参数、即电阻值、电容器电容值等。
此外，在OCV推定法参数的推定、OCV自身的推定中，也可以使用公知的推定技术。例如，可以利用递归最小二乘法(RLS：Recursive Least Squares)、递归全最小二乘法(RTLS：Recursive Total Least Squares)、递归偏最小二乘法(RPLS：Recursive PartialLeast Squares)、卡尔曼滤波器(KF：Kalman Filtering)等各种公知的推定技术。
电流积算法参数推定部105基于电流检测器102输出的检测电流I、OCV推定法SOC推定部104输出的OCV推定法充电率SOCv来推定电流积算法参数。
在电流积算法参数推定部105中，将OCV推定法充电率SOCv或对其值进行滤波处理后得到的值作为参照信号，使用推定技术来推定电流积算法参数。
关于电流积算法参数推定部105的具体结构例，参照图2进行说明。
图2是本发明实施方式1中的电流积算法参数推定部105的结构图。如图2所示，电流积算法参数推定部105具有系数向量生成部201、积分遗忘滤波器202、微分积分遗忘滤波器203、递归推定部204。
系数向量生成部201基于电流检测部102输出的检测电流I，计算式(1)所表示的系数向量
Figure GDA0002214329420000062
(第1系数向量)。
[数学式1]
Figure GDA0002214329420000061
这里，ts是采样周期，FCCn是蓄电池额定容量。FCCn也可以是额定容量、蓄电池101全新时的测量容量等。
另外，k是采样时间，当将从k＝0起的经过时间设为tk时，tk＝kts的关系成立。
积分遗忘滤波器202基于系数向量生成部201输出的系数向量
Figure GDA0002214329420000074
(第1系数向量)，对系数向量
Figure GDA0002214329420000075
(第1系数向量)施加遗忘积分(带遗忘系数的积分)操作，由此来计算系数向量ψ(第2系数向量)。即，按照式(2)的更新式来计算系数向量ψ(第2系数向量)。
[数学式2]
Figure GDA0002214329420000071
这里，μ是遗忘系数，满足0＜μ≤1。
微分积分遗忘滤波器203基于OCV推定法SOC推定部104输出的OCV推定法充电率SOCv，对SOCv的微分值施加遗忘积分操作，由此来计算参照信号z。即，按照式(3)的更新式来计算参照信号z。
[数学式3]
z(k)＝μ(z(k-1)+(SOCv(k)-SOCv(k-1))) 式(3)
递归推定部204基于某个递归推定方法，推定容量维持率SOH与电流偏移Ioff，并作为电流积算法参数来输出。
作为递归推定方法，典型地，以ψ为系数向量、以z为参照信号，使用递归最小二乘法。即，表示为如式(4)所示那样。
[数学式4]
ε(k)＝z(k)-ψT(k)θ(k-1)
Figure GDA0002214329420000072
Figure GDA0002214329420000073
这里，当将式(4)中的推定参数数设为N时，θ为N×1推定值矢量，ψ为N×1系数向量，P为N×N协方差矩阵，ε为误差信号，λ(0＜λ≤1)为遗忘系数。
其中，为了推定电流积算法参数，推定值矢量θ如以下那样来确定。
[数学式5]
θ(k)：＝[1/SOH(k)Ioff(k)/SOH(k)]T 式(5)
接着，关于电流积算法参数推定部105所进行的电流积算法参数的推定的原理部分，引入数学式来说明。
首先，一般情况下，若使用检测电流I，则充电率SOC能如以下那样来表示。
[数学式6]
Figure GDA0002214329420000081
在式(6)中，考虑检测电流I中包含电流偏移Ioff的情况，成为对从检测电路I中减去电流偏移Ioff后得到的值进行积分后得到的模型，可以称为修正后的电流积算法(修正电流积算法)。在表示充电率的变化的式(6)的右边第二项中，若了解容量维持率SOH与电流偏移Ioff的精确的值，则能进行比通常的电流积算法更为高精度的SOC推定。
另一方面，由于是主要利用电压信息、根据蓄电池的SOC与OCV的对应关系来推定每个时刻的SOC的方法，因此，基于OCV推定法的推定法充电率SOCv在原理上几乎不会累积电流偏移误差，且不在推定中利用容量维持率SOH，因而不会受到SOH误差的影响。因此，OCV推定法充电率SOCv在长时间的时间平的情况均下取接近真值的值。
因此，考虑利用OCV推定法充电率SOCv，来推定电流积算法参数推定值矢量、即式(5)的容量维持率SOH与电流偏移Ioff。若使用时刻K-1的容量维持率推定值SOH(k-1)和电流偏移推定值Ioff(k-1)，并基于式(6)进行方程式进行变形，则成为如下式(7)所示那样。
[数学式7]
Figure GDA0002214329420000091
因此，若使用ΔSOCv(k)(：＝SOCv(k)-SOCv(k–1))作为左边的参照信号ΔSOCv(k)，使用式(1)作为右边的
Figure GDA0002214329420000092
并应用递归最小二乘法，则能在原理上推定电流积算法参数推定值矢量θ。
然而，实际上，由于ΔSOCv的高频误差较大，因此，很多情况下难以得到稳定的推定值。其原因在于，原本，OCV推定法充电率SOCv中，从其特性上看，因电压测量误差、蓄电池模型的误差所导致的高频误差较大，因此，若使用对上述OCV推定法充电率SOCv进一步进行微分后得到的ΔSOCv，则高频误差会进一步变大，由于SN比的问题，参数推定将变得困难。
因此，对ΔSOCv和系数向量
Figure GDA0002214329420000093
(第1系数向量)施加遗忘积分运算，由此来去除高频误差。即，进行式(2)和式(3)的计算。另外，使ΔSOCv通过积分遗忘滤波器后的输出值与使SOCv通过微分积分遗忘滤波器后的输出值相等。式(2)和式(3)的遗忘系数μ的值可以根据高频误差的大小、推定参数的变动的速度、递归最小二乘法的遗忘系数的值等来确定。遗忘积分是指逐渐遗忘过去的数据并对值进行积分那样的操作，μ的值越大则遗忘速度越慢，μ＝1时为通常的积分器。
最后，将计算出的ψ设为系数向量，将z设为参照信号，并应用递归最小二乘法。
在应用递归最小二乘法之前，通过施加基于积分遗忘滤波器的处理，从而能利用积分的效果降低高频误差、改善SN比，并且也能利用遗忘系数的效果来对应于推定参数的变动。此外，也要注意以下这点：利用遗忘系数的效果来避免因系数向量的各要素的绝对值随着时间经过而无止境地增大这一积分操作所产生的问题。
通过采用实现基于以上原理的运算的结构，从而电流积算法参数推定部105能稳定且高精度地推定电流积算法参数。
校正SOC推定部106基于电流检测部102输出的检测电流I、OCV推定法SOC推定部104输出的OCV推定法充电率SOCv、电流积算法参数推定部105输出的电流积算法参数，来推定并输出推定充电率SOCest。
在校正SOC推定部中，以利用了由电流积算法参数推定部105推定出的电流积算法参数的修正电流积算法为基本，并利用OCV推定法充电率SOCv来去除由电流积算法参数推定部105未推定出的因电流积算法的误差原因而导致的修正电流积算法充电率推定误差，由此，可计算精度比修正电流积算法充电率SOCi和OCV推定法充电率SOCv更高的推定充电率SOCest。
关于校正SOC推定部106的具体结构例，参照图3进行说明。图3是本发明实施方式1中的电流积算法参数推定部105的结构图。在图3中，校正SOC推定部106具有修正电流积算法SOC推定部301、减法部302、低通滤波器303和加法部304。
修正电流积算法SOC推定部301基于电流检测部102输出的检测电流I、电流积算法参数推定部105输出的电流积算法参数，利用电流积算法来计算修正电流积算法充电率SOCi。其中，在修正电流积算法充电率SOCi的计算中，利用式(6)的更新规则。另外，修正电流积算法充电率SOCi的初始值利用预先作为映射数据而保存的SOC与OCV的对应关系，通过将推定开始时的检测电压V转换为SOC来计算。或者，也可以利用上次的推定充电率SOCest的值。
减法部302将修正电流积算法SOC推定部301输出的修正电流积算法充电率SOCi从OCV推定法SOC推定部104输出的OCV推定法充电率SOCv中减去，并输出由此得到的值。
低通滤波器303使减法部302输出的值通过低通滤波器，并输出由此得到的值。
作为低通滤波器303，在将输入值设为u、输出值设为y时，例如使用下式来表示。
[数学式8]
y(k)＝w1y(k-1)+w2u(k) 式(8)
这里，w1与w2为遗忘系数，若设为0＜w1＜1、w2＝1-w1，则为指数移动平均滤波器，若设为0＜w1＝w2＜1，则为遗忘积分器，若设为w1＝w2＝1，则为通常的积分器。作为遗忘系数的性质，将w1设定得越大，则越难遗忘包含于y的过去的u的值的信息在本实施方式1中，典型的情况下，使用指数移动平均滤波器作为低通滤波器。另外，可以将w1、w2的值作为时变参数来设计。
加法部304将修正电流积算法SOC推定部301输出的修正电流积算法充电率SOCi、与低通滤波器303输出的值相加，来计算推定充电率SOCest。
利用减法部302、低通滤波器303、加法部304的效果，所计算出的推定充电率SOCest成为精度比修正电流积算法充电率SOCi更高的充电率推定值。
修正电流积算法充电率SOCi包含初始充电率推定误差、检测电流I中所包含的电流偏移以外的高频误差、推定出的电流积算法参数中所包含的一点点推定误差等所累积而产生的接近常数的低频误差。因此，若以时间平均接近真值的OCV推定法充电率SOCv为参照信号，并使其轨道接近修正电流积算法充电率SOCi的轨道来计算推定充电率SOCest，则SOCest比SOCi精度更高。
其中，OCV推定法充电率SOCv包含高频分量所引起的误差，因此，使SOCv与SOCi的差分值通过低通滤波器来减少高频分量，并在此基础上将该值与SOCi相加。利用减法部302、低通滤波器303、加法部304来实现该操作。
接着，关于本实施方式1中的蓄电池状态推定装置100推定蓄电池101的充电率的情况下所执行的一系列动作，参照图4至图6的流程图来说明。图4是示出本实施方式1中的蓄电池状态推定装置100所执行的一系列动作的流程图。图5是示出本实施方式1中的电流积算法参数推定部105所执行的一系列动作的流程图。图6是示出本实施方式1中的校正SOC推定部106所执行的一系列动作的流程图。
另外，图4所示的步骤S102至步骤S106的一系列运算处理成为蓄电池状态推定装置100的一周期中的运算处理，该运算处理按每个采样周期ts重复。
此外，图5所示的步骤S201至步骤S204的一系列运算处理是在图4所示的步骤S105中执行的运算处理。并且，图6所示的步骤S301至步骤S304的一系列运算处理是在图4所示的步骤S106中执行的运算处理。
这里，图4至图6各自的流程图的各步骤的编号对应于蓄电池状态推定装置100的各结构部。即，如上所述，蓄电池状态推定装置100的各结构部执行与图4至图6各自的流程图的各步骤的编号相同的编号的步骤。
如图4所示，蓄电池状态推定装置100在每个采样周期ts中执行步骤S102至步骤S106的一系列运算处理。
此外，蓄电池状态推定装置100在步骤S105中执行图5所示的步骤S201至步骤S204的一系列运算处理。并且，蓄电池状态推定装置100在步骤S106中执行图6所示的步骤S301至步骤S304的一系列运算处理。
另外，关于图4至图6各自的流程图的各步骤，由蓄电池状态推定装置100执行的顺序并不局限于各图所图示的顺序，只要不破坏各步骤的依赖关系，则允许交换执行顺序。
以上，根据本实施方式1，利用电流积算法参数推定部105的效果，能将容量维持率SOH与电流偏移Ioff的误差分开来推定，利用校正SOC推定部106的效果，能进行对电流积算法的误差原因即容量维持率SOH、电流偏移Ioff的误差、初始SOC误差的所有进行校正的高精度的充电率的推定。这是本发明的蓄电池状态推定装置所共通的特征。
此外，图1的所有结构为前馈结构。即，是下游的信号不反馈到上游的结构，因此，具有下游的推定值的扰乱不会波及上游的优点。并且，利用该前馈结构，能在下游仅追加电流积算法参数推定部105和校正SOC推定部106来实现本实施方式1，而不改变现有技术即OCV推定法的结构，在该意义的情况下，具有安装较为容易的优点。这是本实施方式1及后述的实施方式2、3所共通的特征。
本实施方方式1的特征在如下这点上，即：在校正SOC推定部106中，其所有的内部结构为前馈结构。由此，不会像反馈结构的情况那样产生推定值的振动现象、发散现象。并且，减法部302、低通滤波器303、加法部304所进行的前馈校正不具有后述的实施方式2、3那样的增益加法部，因此，具有无需增益调节的优点。
实施方式2.
对本发明所涉及的实施方式2的蓄电池状态推定装置进行说明。实施方式2的基本结构与实施方式1同样地由图1来表示，如图7所示，校正SOC推定部106的内部结构不同。其它结构与实施方式1中所说明的结构相同。
关于校正SOC推定部106的具体结构例，参照图7进行说明。
在图7中，校正SOC推定部106具有修正电流积算法SOC推定部401、减法部402、低通滤波器403和增益乘法部404。
修正电流积算法SOC推定部401基于电流检测部102输出的检测电流I、电流积算法参数推定部105输出的电流积算法参数、后述的增益乘法部404输出的值L，来计算推定充电率SOCest。
其中，在推定充电率SOCest的计算中，利用以下更新规则。
[数学式9]
Figure GDA0002214329420000141
减法部402将修正电流积算法SOC推定部401输出的推定充电率SOCest从OCV推定法SOC推定部104输出的OCV推定法充电率SOCv中减去，并输出由此得到的值。
低通滤波器403使减法部402输出的值通过低通滤波器，并输出由此得到的值。
作为低通滤波器403，例如，可以使用式(8)来表示。
增益乘法部404将正实数的增益K与低通滤波器403输出的值相乘，并输出由此得到的值L。
接着，关于本实施方式2中的蓄电池状态推定装置100推定蓄电池101的充电率的情况下所执行的一系列动作，参照图4、图5、图8的流程图来说明。其中，图4、图5的动作与实施方式1相同，因此省略说明，以下，仅对与实施方式1不同的点进行说明。图8是示出本实施方式2中的校正SOC推定部106所执行的一系列动作的流程图。
图8所示的步骤S401至步骤S404的一系列运算处理是在图4所示的步骤S106中执行的运算处理。
这里，图4至图6各自的流程图的各步骤的编号对应于蓄电池状态推定装置100的各结构部。即，如上所述，蓄电池状态推定装置100的各结构部执行与图4、图5、图8各自的流程图的各步骤的编号相同的编号的步骤。
蓄电池状态推定装置100在步骤S106中执行图8所示的步骤S401至步骤S404的一系列运算处理。
另外，关于图4、图5、图8各自的流程图的各步骤，由蓄电池状态推定装置100执行的顺序并不局限于各图所图示的顺序，只要不破坏各步骤的依赖关系，则允许交换执行顺序。
以上，根据本实施方式2，能利用反馈结构来实现修正电流积算法的推定充电率SOCest的误差校正。
实施方式3.
对本发明所涉及的实施方式3的蓄电池状态推定装置进行说明。实施方式3的结构图与实施方式1和实施方式2同样地由图1来表示，由于仅在校正SOC推定部106的内部结构中存在不同点，因此省略与其它结构有关的说明。
关于校正SOC推定部106的具体结构例，参照图9进行说明。
如图9所示，校正SOC推定部106具有修正电流积算法SOC推定部501、加法部502、减法部503、低通滤波器504和增益乘法部505。
修正电流积算法SOC推定部501利用与修正电流积算法SOC推定部301同样的处理，输出修正电流积算法充电率SOCi。
加法部502将修正电流积算法SOC推定部501输出的修正电流积算法充电率SOCi、与后述的增益乘法部505输出的值L相加来输出推定充电率SOCest。
减法部503将加法部502输出的推定充电率SOCest从OCV推定法SOC推定部104输出的OCV推定法充电率SOCv中减去，并输出由此得到的值。
低通滤波器504使减法部503输出的值通过低通滤波器，并输出由此得到的值。
作为低通滤波器504，例如，可以使用式(8)来表示。
增益乘法部505将正实数的增益K与低通滤波器504输出的值相乘，并输出由此得到的值L。
接着，关于本实施方式3中的蓄电池状态推定装置100推定蓄电池101的充电率的情况下所执行的一系列动作，参照图4、图5、图10的流程图来说明。其中，图4、图5的动作与实施方式1和实施方式2相同，因此省略说明，以下，仅对与实施方式1和实施方式2不同的点进行说明。图10是示出本实施方式3中的校正SOC推定部106所执行的一系列动作的流程图。
图10所示的步骤S501至步骤S505的一系列运算处理是在图4所示的步骤S106中执行的运算处理。
这里，图4、图5、图10各自的流程图的各步骤的编号对应于蓄电池状态推定装置100的各结构部。即，如上所述，蓄电池状态推定装置100的各结构部执行与图4、图5、图10各自的流程图的各步骤的编号相同的编号的步骤。
蓄电池状态推定装置100在步骤S106中执行图10所示的步骤S501至步骤S505的一系列运算处理。
另外，关于图4、图5、图10各自的流程图的各步骤，由蓄电池状态推定装置100执行的顺序并不局限于各图所图示的顺序，只要不破坏各步骤的依赖关系，则允许交换执行顺序。
以上，根据本实施方式3，能利用部分反馈结构来实现推定法充电率SOCv的误差校正，而不变更修正电流积算法SOC推定部中的操作。
实施方式4
对本发明所涉及的实施方式4的蓄电池状态推定装置进行说明。实施方式4的结构图由图11来表示。
在图11中，蓄电池状态推定装置100构成为包括电流检测部102、电压检测部103、电流积算法参数推定部105、校正SOC推定部106、OCV推定法SOC推定部601、OCV推定法参数推定部602、SOC-OCV转换部603。图11包含与图1共通的结构部，因此省略与这部分有关的说明。
OCV推定法SOC推定部601基于电流检测部102输出的检测电流I、电压检测部103输出的检测电压V、后述的OCV推定法参数推定部输出的OCV推定法参数，输出OCV推定法充电率SOCv。
OCV推定法参数推定部602基于电流检测部102输出的检测电流I、电压检测部103输出的检测电压V、SOC-OCV转换部603输出的推定开路电压OCVest，计算OCV推定法参数。
在OCV推定法参数推定部602中，可以在OCV推定法参数的计算中利用递归最小二乘法等公知的技术。
在不利用推定开路电压OCVest而根据电流和电压来推定OCV推定法参数的情况下，不仅需要推定OCV推定法参数，还需要推定开路电压OCV，但在利用推定开路电压OCVest的情况下，若将开路电压OCV考虑为已知，并根据蓄电池过电压来推定OCV推定法参数，则能削减推定参数，因此，具有能使推定值更为稳定且/或精度更高的优点。
SOC-OCV转换部603将校正SOC推定部106输出的推定充电率SOCest转换为推定开路电压OCVest。在从充电率向开路电压的转换中，可以将预先测定得到的两者的对应关系作为映射数据来利用。
接着，关于本实施方式4中的蓄电池状态推定装置100推定蓄电池101的充电率的情况下所执行的一系列动作，参照图5至图12的流程图来说明。图12是示出本实施方式1中的蓄电池状态推定装置100所执行的一系列动作的流程图。
另外，图12所示的步骤S102至步骤S603的一系列运算处理成为蓄电池状态推定装置100的一周期中的运算处理，该运算处理按每个采样周期ts中重复。
此外，在步骤S105中，按照已进行了说明的图5的流程图来执行运算处理。在步骤S106中，按照已进行说明的图6、图8或图10的流程图来执行运算处理。
这里，图5至图12各自的流程图的各步骤的编号对应于蓄电池状态推定装置100的各结构部。即，如上所述，蓄电池状态推定装置100的各结构部执行与图5至图12各自的流程图的各步骤的编号相同的编号的步骤。
如图12所示，蓄电池状态推定装置100在每个采样周期ts中执行步骤S102至步骤S603的一系列运算处理。
此外，蓄电池状态推定装置100在步骤S105中执行图5所示的步骤S201至步骤S204的一系列运算处理。并且，在步骤S106中，蓄电池状态推定装置100执行图6所示的步骤S301至步骤S304、图8所示的步骤S401至步骤S404、或图10所示的步骤S501至步骤S505的一系列运算处理。
另外，关于图5至图12各自的流程图的各步骤，由蓄电池状态推定装置100执行的顺序并不局限于各图所图示的顺序，只要不破坏各步骤的依赖关系，则允许交换执行顺序。
以上，根据本实施方式4，利用推定开路电压OCVest来推定OCV推定法参数，在OCV推定法SOC推定部中利用OCV推定法参数来计算SOCv，因此，与不利用OCVest的情况相比，能更稳定且/或高精度地推定OCV推定法参数，由此，也能更稳定且/或高精度地推定其它推定值。
另外，图1、图2、图3、图7、图9和图11所示的功能块分别由图13所示的硬件来实现。即，利用数据总线703将处理器700、存储程序和数据的存储器701、传感器等输入输出设备702相连接，并通过处理器700所进行的控制，进行数据的处理与数据的传输。
此外，本发明在其发明范围内可对实施方式的任意的结构要素进行适当变更、省略。
标号说明
100 蓄电池状态推定装置，
101 蓄电池，
102 电流检测部，
103 电压检测部，
104 OCV推定法SOC推定部，
105 电流积算法参数推定部，
106 校正SOC推定部，
201 系数向量生成部，
202 积分遗忘滤波器，
203 微分积分遗忘滤波器，
204 递归推定部，
301 推定部，
302 减法部，
303 低通滤波器，
304 加法部，
401 推定部，
402 减法部，
403 低通滤波器，
404 增益乘法部，
501 推定部，
502 加法部，
503 减法部，
504 低通滤波器，
505 增益乘法部，
601 推定部，
602 推定法参数推定部，
603 转换部。

Claims (7)

1.一种蓄电池状态推定装置，
是推定蓄电池的充电率来作为推定充电率的蓄电池状态推定装置，其特征在于，包括：电流检测部，该电流检测部检测所述蓄电池的充放电电流，以作为检测电流；电压检测部，该电压检测部检测所述蓄电池的端子间电压，以作为检测电压；OCV推定法SOC推定部，该OCV推定法SOC推定部基于所述检测电流与所述检测电压来计算OCV推定法充电率；电流积算法参数推定部，该电流积算法参数推定部基于所述检测电流与所述OCV推定法充电率来推定包含容量维持率的电流积算法参数；以及校正SOC推定部，该校正SOC推定部基于所述检测电流、所述OCV推定法充电率和所述电流积算法参数来计算推定充电率。
2.如权利要求1所述的蓄电池状态推定装置，其特征在于，
所述校正SOC推定部基于所述检测电流、所述电流积算法参数推定部输出的所述电流积算法参数，计算所述蓄电池的充电率的变化，并构成为对所述电流积算法参数的推定误差、以及未由所述电流积算法参数推定部推定出的因电流积算法的误差原因而导致的修正电流积算法充电率推定误差进行校正。
3.如权利要求2所述的蓄电池状态推定装置，其特征在于，
所述电流积算法参数推定部包括：系数向量生成部，该系数向量生成部基于所述检测电流来生成第1系数向量；积分遗忘滤波器，该积分遗忘滤波器基于所述系数向量生成部输出的所述第1系数向量来输出第2系数向量；微分积分遗忘滤波器，该微分积分遗忘滤波器基于所述OCV推定法SOC推定部输出的所述OCV推定法充电率来输出参照信号；以及递归推定部，该递归推定部基于所述积分遗忘滤波器输出的所述第2系数向量和所述微分积分遗忘滤波器输出的所述参照信号来输出所述电流积算法参数。
4.如权利要求2或3所述的蓄电池状态推定装置，其特征在于，
所述校正SOC推定部包括：修正电流积算法SOC推定部，该修正电流积算法SOC推定部基于所述检测电流和所述电流积算法参数来计算修正电流积算法充电率；减法部，该减法部输出将所述修正电流积算法充电率从所述OCV推定法充电率中减去后得到的值；低通滤波器，该低通滤波器基于所述减法部所输出的值来输出去除了高频分量后得到的值；以及加法部，该加法部基于所述修正电流积算法充电率和所述低通滤波器的输出值来执行加法处理并计算推定充电率。
5.如权利要求2或3所述的蓄电池状态推定装置，其特征在于，
所述校正SOC推定部包括：修正电流积算法SOC推定部，该修正电流积算法SOC推定部计算推定充电率；减法部，该减法部输出将所述推定充电率从所述OCV推定法SOC推定部输出的所述OCV推定法充电率中减去后得到的值；低通滤波器，该低通滤波器基于所述减法部所输出的值来输出去除了高频分量后得到的值；以及增益乘法部，该增益乘法部基于所述低通滤波器所输出的值来输出乘以正实数的增益后得到的值，所述修正电流积算法SOC推定部基于所述电流检测部输出的所述检测电流、所述电流积算法参数推定部输出的所述电流积算法参数和所述增益乘法部所输出的值来计算所述推定充电率。
6.如权利要求2或3所述的蓄电池状态推定装置，其特征在于，
所述校正SOC推定部包括：修正电流积算法SOC推定部，该修正电流积算法SOC推定部基于所述电流检测部输出的所述检测电流和所述电流积算法参数推定部输出的所述电流积算法参数来计算修正电流积算法充电率；加法部，该加法部输出推定充电率；减法部，该减法部输出将所述加法部输出的所述推定充电率从所述OCV推定法SOC推定部输出的所述OCV推定法充电率中减去后得到的值；低通滤波器，该低通滤波器基于所述减法部输出的值来输出去除了高频分量后得到的值；增益乘法部，该增益乘法部基于所述低通滤波器所输出的值来输出乘以正实数的增益后得到的值，所述加法部将所述修正电流积算法SOC推定部输出的所述修正电流积算法充电率与所述增益乘法部输出的值相加，并将由此得到的值作为推定充电率来输出。
7.如权利要求2或3所述的蓄电池状态推定装置，其特征在于，
包括：SOC-OCV转换部，该SOC-OCV转换部基于所述校正SOC推定部所输出的所述推定充电率，根据蓄电池的充电率与开路电压的对应关系来输出推定开路电压；以及OCV推定法参数推定部，该OCV推定法参数推定部基于所述SOC-OCV转换部输出的所述推定开路电压、所述检测电流和所述检测电压来推定OCV推定法参数，所述OCV推定法SOC推定部基于所述OCV推定法参数、所述检测电流和所述检测电压，来计算OCV推定法充电率。
CN201780088963.3A 2017-03-31 2017-11-06 蓄电池状态推定装置 Active CN110506216B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2017069940 2017-03-31
JP2017-069940 2017-03-31
PCT/JP2017/039929 WO2018179562A1 (ja) 2017-03-31 2017-11-06 蓄電池状態推定装置

Publications (2)

Publication Number Publication Date
CN110506216A CN110506216A (zh) 2019-11-26
CN110506216B true CN110506216B (zh) 2022-03-08

Family

ID=63674799

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201780088963.3A Active CN110506216B (zh) 2017-03-31 2017-11-06 蓄电池状态推定装置

Country Status (5)

Country Link
US (1) US11307261B2 (zh)
EP (1) EP3605121B1 (zh)
JP (1) JP6983227B2 (zh)
CN (1) CN110506216B (zh)
WO (1) WO2018179562A1 (zh)

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112753148A (zh) * 2018-09-27 2021-05-04 三洋电机株式会社 电源系统和管理装置
JP2020183908A (ja) * 2019-05-08 2020-11-12 トヨタ自動車株式会社 充電率推定装置
JP7427944B2 (ja) * 2019-12-06 2024-02-06 株式会社Ｇｓユアサ 制御装置、劣化推定システム、制御方法、及びコンピュータプログラム
US11498446B2 (en) * 2020-01-06 2022-11-15 Ford Global Technologies, Llc Plug-in charge current management for battery model-based online learning
JP7397701B2 (ja) 2020-02-03 2023-12-13 日野自動車株式会社 充電状態推定装置
EP3879619A1 (en) * 2020-03-11 2021-09-15 Micropower ED Marketing AB Method and system for calibrating a current sensor
US11422195B2 (en) * 2020-03-24 2022-08-23 Nuvation Research Corporation Systems, methods, and devices for state-of-charge estimation in energy storage systems
CN113466723B (zh) * 2020-03-31 2022-09-09 比亚迪股份有限公司 确定电池荷电状态的方法及装置，电池管理系统
CN111509313B (zh) * 2020-04-26 2021-07-13 浙江吉利新能源商用车集团有限公司 一种用于磷酸铁锂电池的soc修正方法
JP2022145273A (ja) * 2021-03-19 2022-10-03 本田技研工業株式会社 二次電池の状態推定装置
CN113726171B (zh) * 2021-07-14 2023-05-02 合肥工业大学 一种基于遗忘滤波算法的llc谐振变换器的控制方法
US20230375626A1 (en) * 2022-05-23 2023-11-23 Gotion, Inc. Apparatus and method for battery soc estimation
JP7266958B1 (ja) * 2022-12-16 2023-05-01 マレリ株式会社 推定装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011215125A (ja) * 2010-03-15 2011-10-27 Calsonic Kansei Corp 電池容量算出装置および電池容量算出方法
JP2012149949A (ja) * 2011-01-18 2012-08-09 Calsonic Kansei Corp バッテリの充電率推定装置
CN103797375A (zh) * 2011-09-30 2014-05-14 Kpit技术有限责任公司 确定电池荷电状态的系统和方法
JP2014174050A (ja) * 2013-03-11 2014-09-22 Kayaba Ind Co Ltd 電池容量推定装置

Family Cites Families (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS5419832B2 (zh) 1973-06-20 1979-07-18
CA1033377A (en) 1975-01-29 1978-06-20 Edward A. Wentz Descending transfer with electrically controlled twin wheels with pockets
JP4967362B2 (ja) * 2006-02-09 2012-07-04 トヨタ自動車株式会社 二次電池の残存容量推定装置
JP5419832B2 (ja) 2010-09-07 2014-02-19 カルソニックカンセイ株式会社 電池容量算出装置および電池容量算出方法
JP5303528B2 (ja) * 2010-09-16 2013-10-02 カルソニックカンセイ株式会社 フィルタによるパラメータ推定装置
JP5432931B2 (ja) * 2011-01-18 2014-03-05 カルソニックカンセイ株式会社 バッテリの充電率推定装置
JP5535968B2 (ja) * 2011-03-08 2014-07-02 三菱重工業株式会社 充電率推定装置、充電率推定方法、及びプログラム
WO2013051241A1 (ja) * 2011-10-07 2013-04-11 カルソニックカンセイ株式会社 バッテリの充電率推定装置及び充電率推定方法
JP5389137B2 (ja) * 2011-10-07 2014-01-15 カルソニックカンセイ株式会社 充電率推定装置およびその方法
US9201119B2 (en) * 2011-12-19 2015-12-01 Qualcomm Incorporated Battery fuel gauge
JP5393837B2 (ja) * 2012-05-11 2014-01-22 カルソニックカンセイ株式会社 バッテリの充電率推定装置
JPWO2014083856A1 (ja) * 2012-11-30 2017-01-05 三洋電機株式会社 電池管理装置、電源装置およびｓｏｃ推定方法
JP6182025B2 (ja) * 2013-09-05 2017-08-16 カルソニックカンセイ株式会社 バッテリの健全度推定装置および健全度推定方法
JP5946436B2 (ja) * 2013-10-21 2016-07-06 カルソニックカンセイ株式会社 バッテリのパラメータ推定装置及びパラメータ推定方法
CN106062579B (zh) * 2014-03-03 2019-03-12 松下知识产权经营株式会社 电池状态估计装置以及电池状态估计方法
DE112016000834T5 (de) 2015-02-19 2017-11-30 Mitsubishi Electric Corporation Vorrichtung zum einschätzen eines batteriestatus
CN104678316B (zh) * 2015-02-28 2017-08-01 北京交通大学 锂离子电池荷电状态估算方法和装置
DE102015212328B4 (de) * 2015-07-01 2019-03-21 Dialog Semiconductor (Uk) Limited Batterieladezustandsmessschaltung
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
CN109683104A (zh) * 2017-10-12 2019-04-26 本田技研工业株式会社 电池状态推定方法以及电池状态推定装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011215125A (ja) * 2010-03-15 2011-10-27 Calsonic Kansei Corp 電池容量算出装置および電池容量算出方法
JP2012149949A (ja) * 2011-01-18 2012-08-09 Calsonic Kansei Corp バッテリの充電率推定装置
CN103797375A (zh) * 2011-09-30 2014-05-14 Kpit技术有限责任公司 确定电池荷电状态的系统和方法
JP2014174050A (ja) * 2013-03-11 2014-09-22 Kayaba Ind Co Ltd 電池容量推定装置

Also Published As

Publication number Publication date
JPWO2018179562A1 (ja) 2020-01-09
WO2018179562A1 (ja) 2018-10-04
CN110506216A (zh) 2019-11-26
JP6983227B2 (ja) 2021-12-17
EP3605121A1 (en) 2020-02-05
US20200033416A1 (en) 2020-01-30
US11307261B2 (en) 2022-04-19
EP3605121B1 (en) 2023-04-12
EP3605121A4 (en) 2020-04-22

Similar Documents

Publication Publication Date Title
CN110506216B (zh) 蓄电池状态推定装置
JP6403746B2 (ja) 電池状態推定装置
CN108369258B (zh) 状态估计装置、状态估计方法
US8918300B2 (en) Apparatus and method for battery state of charge estimation
WO2015033504A1 (ja) バッテリの健全度推定装置および健全度推定方法
JP3873623B2 (ja) 電池充電状態の推定手段及び電池劣化状態推定方法
EP2667211B1 (en) Device for estimating state of charge of battery
JP5393837B2 (ja) バッテリの充電率推定装置
JP5393619B2 (ja) バッテリの充電率推定装置
US8099180B2 (en) State and parameter estimator having integral and differential components for electrical energy accumulators
EP2615468B1 (en) Parameter estimation device
WO2014054259A1 (ja) バッテリのパラメータ推定装置およびその推定方法
JP5389136B2 (ja) 充電率推定装置およびその方法
JP6450565B2 (ja) バッテリのパラメータ推定装置
JP5389137B2 (ja) 充電率推定装置およびその方法
JP2010217079A (ja) 二次電池の総容量推定装置
JP2018077199A (ja) 推定装置
Baba et al. State of charge estimation of lithium-ion battery using Kalman filters
Sakile et al. Estimation of lithium‐ion battery state of charge for electric vehicles using a nonlinear state observer
JP6472163B2 (ja) 充電率推定装置及び充電率推定方法
CN114460479A (zh) 一种电池荷电状态检测方法、装置及介质

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