CN112505562B - 用于监测电池状态估计器的方法和装置 - Google Patents
用于监测电池状态估计器的方法和装置 Download PDFInfo
- Publication number
- CN112505562B CN112505562B CN202010953959.2A CN202010953959A CN112505562B CN 112505562 B CN112505562 B CN 112505562B CN 202010953959 A CN202010953959 A CN 202010953959A CN 112505562 B CN112505562 B CN 112505562B
- Authority
- CN
- China
- Prior art keywords
- battery
- charge capacity
- uncertainty
- estimate
- voltage
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000012544 monitoring process Methods 0.000 title claims abstract description 20
- 238000006731 degradation reaction Methods 0.000 claims abstract description 44
- 230000015556 catabolic process Effects 0.000 claims abstract description 43
- 230000000246 remedial effect Effects 0.000 claims abstract description 17
- 238000012423 maintenance Methods 0.000 claims description 29
- 238000001914 filtration Methods 0.000 claims description 16
- 230000000284 resting effect Effects 0.000 claims description 10
- 238000004891 communication Methods 0.000 claims description 7
- 238000007599 discharging Methods 0.000 claims description 6
- 238000005259 measurement Methods 0.000 description 15
- 230000032683 aging Effects 0.000 description 10
- 230000009471 action Effects 0.000 description 9
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 8
- 229910052744 lithium Inorganic materials 0.000 description 8
- 239000002245 particle Substances 0.000 description 8
- 206010011906 Death Diseases 0.000 description 6
- 230000002829 reductive effect Effects 0.000 description 5
- 239000011149 active material Substances 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 125000004122 cyclic group Chemical group 0.000 description 3
- 230000001351 cycling effect Effects 0.000 description 3
- 238000013213 extrapolation Methods 0.000 description 3
- 230000000670 limiting effect Effects 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000035882 stress Effects 0.000 description 3
- 230000004913 activation Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000003792 electrolyte Substances 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000009533 lab test Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000003139 buffering effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 239000007795 chemical reaction product Substances 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 230000032798 delamination Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 238000003487 electrochemical reaction Methods 0.000 description 1
- 229910002804 graphite Inorganic materials 0.000 description 1
- 239000010439 graphite Substances 0.000 description 1
- 230000002427 irreversible effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- 239000000178 monomer Substances 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000007747 plating Methods 0.000 description 1
- 229920000642 polymer Polymers 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 238000005295 random walk Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000007086 side reaction Methods 0.000 description 1
- 239000007784 solid electrolyte Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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]
- G01R31/392—Determining battery ageing or deterioration, e.g. state of health
-
- 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]
- G01R31/385—Arrangements for measuring battery or accumulator variables
- G01R31/387—Determining ampere-hour charge capacity or 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
-
- 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
- H01M10/44—Methods for charging or discharging
- H01M10/448—End of discharge regulating measures
-
- 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
- H02J7/0047—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with monitoring or indicating devices or circuits
-
- 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
- H02J7/0047—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with monitoring or indicating devices or circuits
- H02J7/0048—Detection of remaining charge capacity or state of charge [SOC]
-
- 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
- H02J7/0069—Charging or discharging for charge maintenance, battery initiation or rejuvenation
-
- 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
- G01R31/005—Testing of electric installations on transport means
- G01R31/006—Testing of electric installations on transport means on road vehicles, e.g. automobiles or trucks
-
- 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
- H01M10/486—Accumulators combined with arrangements for measuring, testing or indicating the condition of cells, e.g. the level or density of the electrolyte for measuring temperature
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Chemical & Material Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- General Chemical & Material Sciences (AREA)
- Power Engineering (AREA)
- Secondary Cells (AREA)
Abstract
本发明涉及用于监测电池状态估计器的方法和装置。一种用于监测电池的荷电容量的方法和系统包括基于电池的电流、电压和温度来确定预测荷电容量和第一不确定性参数,其中,预测荷电容量通过执行荷电容量劣化模型来确定。还通过执行荷电容量更新例程来确定电池的测量荷电容量和相关联的第二不确定性参数。基于预测荷电容量和测量荷电容量来确定电池的荷电容量估计,并且基于第一和第二不确定性参数来确定荷电容量估计的更新的不确定性参数。基于更新的不确定性参数和估计的协方差参数来确定估计的协方差参数和协方差比率。基于荷电容量估计的不确定性参数来命令补救性电池管理操作。
Description
技术领域
电池是一种存储电能并将其输送到动力设备的电化学设备。电池被用在许多设备上,包括混合动力或电动交通工具、手机等。由于时间和使用的原因,电池可能经历荷电容量的降低。出于设计目的,20%的荷电容量降低名义上被认为是寿命终止,但一些电池可能会更快劣化或被使用超过该点。
背景技术
监测电池的荷电容量的一种形式是执行电池状态估计(BSE)例程,该例程跟踪诸如电阻的电池参数。BSE参数可能对10-15%的荷电容量误差具有鲁棒性。在大于15%的荷电容量误差下,BSE参数可能变得不准确,并导致意想不到的后果。例如,当在交通工具上使用电池时,如果电池意外地达到最大放电极限,则可能发生步行回家事件。
一种估计荷电容量的方法包括使用在休息期间(即当设备既不给电池充电也不放电时)获得的电压测量值。这种电压测量值必须在很宽的荷电状态范围内可用,以获得准确的结果,并且由于使用模式的原因,对于一些设备来说,可能被排除在外。
当在交通工具上使用电池时,交通工具所有者或车队管理者需要关于车载电池的健康状态的某种形式的反馈,包括当交通工具性能由于车载电池的健康状态的劣化而受到影响时需要自动报警。
发明内容
本文描述的概念用于监测使用中的可再充电电化学电池,包括检测荷电容量估计何时达到可能干扰并负面影响使用该电池的系统的性能的不确定性水平。当荷电容量估计的不确定性水平大于期望的不确定性水平时,指示某种形式的补救行动或维护。备选地,当不确定性水平保持准确时,将不指示维护。
本文所述概念包括用于监测电池的荷电容量的方法和相关联的系统,该方法包括通过传感器确定电池的电流、电压和温度。基于电池的电流、电压和温度来确定电池的预测荷电容量和相关联的第一不确定性参数,其中通过执行荷电容量劣化模型来确定预测荷电容量。基于电池的电流、电压和温度来确定电池的测量荷电容量和相关联的第二不确定性参数,其中通过执行荷电容量更新例程来确定测量荷电容量。基于预测荷电容量和测量荷电容量来确定电池的荷电容量估计,并且基于第一和第二不确定性参数来确定荷电容量估计的更新的不确定性参数。当荷电容量估计的更新的不确定性参数大于第一阈值时,确定容量维护例程。
本公开的一个方面包括:基于电池的电流、电压和温度来执行荷电容量劣化例程,以确定电池的预测荷电容量和相关联的第一不确定性参数。
本公开的另一方面包括:基于电池的电流、电压和温度来执行荷电容量更新例程,以确定电池的测量荷电容量和相关联的第二不确定性参数。
本公开的另一方面包括:通过基于第一和第二不确定性参数来确定荷电容量估计的实际协方差参数,基于第一和第二不确定性参数来确定荷电容量估计的更新的不确定性参数。
本公开的另一方面包括:通过对预测荷电容量和测量荷电容量进行卡尔曼滤波,基于预测荷电容量和测量荷电容量来确定电池的更新的荷电容量估计。
本公开的另一方面包括:当荷电容量估计的不确定性参数大于第一阈值时,通过基于更新的荷电容量估计和不确定性参数对电池进行降额来执行容量维护例程。
本公开的另一方面包括当荷电容量估计的更新的不确定性参数大于第二阈值时执行补救性电池管理操作。
本公开的另一方面包括:对电池放电以实现小于低荷电阈值的荷电状态,使电池休息一段时间,和对电池充电并确定更新的荷电容量,通过上述方式来执行补救性电池管理操作。
本公开的另一方面包括通过更换电池来命令维护电池。
本公开的另一方面包括:执行电池状态估计器例程,以基于电池的电流、电压和温度以及荷电容量估计来确定荷电状态、电压预测误差的预期方差的估计,以及基于与电压预测误差的预期方差相比的实际电压预测误差的方差来确定协方差比率。
本公开的另一方面包括当协方差比率大于第三阈值时执行补救性电池管理操作。
本公开提供下列技术方案。
1. 一种用于监测电池的荷电容量的方法,所述方法包括:
通过传感器监测所述电池的电流、电压和温度;
基于所述电池的所述电流、电压和温度来确定所述电池的预测荷电容量和相关联的第一不确定性参数;
基于所述电池的所述电流、电压和温度来确定所述电池的测量荷电容量和相关联的第二不确定性参数;
基于所述预测荷电容量和所述测量荷电容量来确定所述电池的荷电容量估计;
基于所述第一和第二不确定性参数来确定所述荷电容量估计的更新的不确定性参数;和
当所述荷电容量估计的所述更新的不确定性参数大于第一阈值时,通过所述控制器执行容量维护例程。
2. 根据技术方案1所述的方法,包括:基于所述电池的所述电流、电压和温度来执行荷电容量劣化例程,以确定所述电池的所述预测荷电容量和所述相关联的第一不确定性参数。
3. 根据技术方案1所述的方法,包括:基于所述电池的所述电流、电压和温度来执行荷电容量更新例程,以确定所述电池的所述测量荷电容量和所述相关联的第二不确定性参数。
4. 根据技术方案1所述的方法,其中,基于所述第一和第二不确定性参数来确定所述荷电容量估计的所述更新的不确定性参数包括基于所述第一和第二不确定性参数来确定所述荷电容量估计的实际协方差参数。
5. 根据技术方案1所述的方法,其中,基于所述预测荷电容量和所述测量荷电容量来确定所述电池的所述荷电容量估计包括对所述预测荷电容量和所述测量荷电容量进行卡尔曼滤波。
6. 根据技术方案1所述的方法,其中,当所述荷电容量估计的所述更新的不确定性参数大于所述第一阈值时执行所述容量维护例程包括基于所述荷电容量估计和所述不确定性参数对所述电池进行降额。
7. 根据技术方案1所述的方法,还包括当所述荷电容量估计的所述更新的不确定性参数大于第二阈值时执行补救性电池管理操作。
8. 根据技术方案7所述的方法,其中,执行所述补救性电池管理操作包括:
对所述电池放电以达到小于低荷电阈值的荷电状态;
使所述电池休息一段时间;和
对所述电池充电并确定更新的荷电容量。
9. 根据技术方案7所述的方法,其中,命令维护所述电池还包括更换所述电池。
10. 根据技术方案1所述的方法,还包括:
执行电池状态估计器程序,以基于所述电池的所述电流、电压和温度以及所述荷电容量估计来确定荷电状态和电压预测误差的预期方差的估计;和
基于实际电压预测误差的方差和所述电压预测误差的所述预期方差来确定协方差比率。
11. 根据技术方案10所述的方法,还包括当所述协方差比率大于第三阈值时执行补救性电池管理操作。
12. 一种设备,包括:
可再充电电池,其被布置成向致动器供应电力;
多个传感器,其被布置成监测所述电池的电流、电压和温度;和
控制器,其可操作地连接到所述致动器并与所述电池和所述多个传感器通信,所述控制器包括指令集,所述指令集能够执行以监测所述电池的荷电容量,所述指令集包括:
通过所述传感器监测所述电池的所述电流、电压和温度,
基于所述电池的所述电流、电压和温度来确定所述电池的预测荷电容量和相关联的第一不确定性参数,基于所述电池的所述电流、电压和温度来确定所述电池的测量荷电容量和相关联的第二不确定性参数,
基于所述预测荷电容量和所述测量荷电容量来确定所述电池的荷电容量估计,
基于所述第一和第二不确定性参数来确定所述荷电容量估计的更新的不确定性参数,和
当所述荷电容量估计的所述更新的不确定性参数大于第一阈值时执行容量维护例程。
13. 根据技术方案12所述的设备,其中,所述指令集能够执行以基于所述电池的所述电流、电压和温度来执行荷电容量劣化例程,以确定所述电池的所述预测荷电容量和所述相关联的第一不确定性参数。
14. 根据技术方案12所述的设备,其中,所述指令集能够执行以基于所述电池的所述电流、电压和温度来执行荷电容量更新例程,以确定所述电池的所述测量荷电容量和所述相关联的第二不确定性参数。
15. 根据技术方案12所述的设备,其中,能够执行以基于所述第一和第二不确定性参数来确定所述荷电容量估计的所述更新的不确定性参数的所述指令集包括能够执行以基于所述第一和第二不确定性参数来确定所述荷电容量估计的实际协方差参数的指令集。
16. 根据技术方案12所述的设备,其中,能够执行以基于所述预测荷电容量和所述测量荷电容量来确定所述电池的所述荷电容量估计的所述指令集包括能够执行以对所述预测荷电容量和所述测量荷电容量进行卡尔曼滤波的指令集。
17. 根据技术方案12所述的设备,其中,在所述荷电容量估计的所述更新的不确定性参数大于所述第一阈值时能够执行以执行所述容量维护例程的所述指令集包括能够执行以基于所述荷电容量估计和所述不确定性参数对所述电池进行降额的指令集。
18. 根据技术方案12所述的设备,还包括在所述荷电容量估计的所述不确定性参数大于第二阈值时能够执行以命令所述电池的维护的指令集。
19. 根据技术方案18所述的设备,其中,能够执行以命令所述电池的维护的所述指令集包括能够执行以进行下述的所述指令集:
对所述电池放电以达到小于低荷电阈值的荷电状态;
使所述电池休息一段时间;和
对所述电池充电并确定更新的荷电容量估计。
20. 根据技术方案18所述的设备,其中,能够执行以命令所述电池的维护的所述指令集还包括能够执行以命令所述电池的更换的指令集。
当结合附图考虑时,本教导的上述特征和优点以及其他特征和优点从下面对如所附权利要求中限定的用于执行本教导的一些最佳模式和其他实施例的详细描述中变得显而易见。
附图说明
现在将参考附图通过示例的方式描述一个或多个实施例,其中:
图1示意性地示出了根据本公开的设备,该设备包括连接到设备的致动器的电池和控制器。
图2示意性地示出了根据本公开的与用于监测参考图1描述的电池的荷电容量的可执行控制例程相关联的第一流程图。
图3示意性地示出了根据本公开的与用于监测参考图1描述的电池的荷电容量的可执行控制例程相关联的第二流程图。
附图不一定是按比例绘制的,并且可以呈现本文公开的本公开的各种优选特征的稍微简化的表示,包括例如特定的尺寸、取向、位置和形状。与这些特征相关联的细节将部分由特定的预期应用和使用环境决定。
具体实施方式
如本文所描述和示出的,所公开的实施例的部件可以以各种不同的配置来布置和设计。因此,以下详细描述并不旨在限制所要求保护的本公开的范围,而是仅仅代表其可能的实施例。此外,尽管为了提供对本文公开的实施例的透彻理解而在以下描述中阐述了许多具体细节,但是一些实施例可以在没有这些细节中的一些的情况下实施。此外,为了清楚起见,没有详细描述相关技术中理解的某些技术材料,以避免不必要地模糊本公开。此外,如本文所示和所述,本公开可以在没有本文未具体公开的元件的情况下实施。此外,并不意图受前面的技术领域、背景技术、发明内容或以下具体实施方式中呈现的明示或暗示的理论的约束。应当理解,在所有附图中,对应的附图标记表示相似或对应的部分和特征。
如本文所用,术语“系统”可以指机械和电气硬件、软件、固件、电子控制部件、处理逻辑和/或处理器设备的组合或集合,单独地或组合地,包括但不限于:专用集成电路(ASIC)、电子电路、执行一个或多个软件或固件程序的处理器(共享的、专用的或成组的)、包含软件或固件指令的存储器、组合逻辑电路和/或提供所述功能的其他合适部件。
本文可以根据功能和/或逻辑块部件以及各种处理步骤来描述实施例。应当理解,这种块部件可以由配置成执行指定功能的多个机械和电气硬件、软件和/或固件部件的组合或集合来实现。例如,实施例可以采用机械部件和电气部件、集成电路部件、存储器元件、数字信号处理元件、逻辑元件、查找表等的各种组合,它们可以在一个或多个微处理器或其他控制设备的控制下执行各种功能。此外,本领域技术人员将理解,图示实施例可以结合多个机械和/或电子系统来实施,并且本文所述交通工具系统仅仅是可能实施方式的示例性实施例。
参考附图,其中在若干附图中相同的附图标记对应于相同或相似的部件,与本文公开的实施例一致的图1示出了包括可以向致动器30提供电力的可再充电电池20的设备10,其中操作由控制器40控制。电池20可以是锂聚合物设备或另一种可再充电的电化学配置,其被布置成供应电力。设备10可以是交通工具、蜂窝电话等。当设备10是交通工具的形式时,交通工具可以包括但不限于商用交通工具、工业交通工具、农用交通工具、乘用交通工具、飞行器、船只、火车、全地形交通工具、个人移动装置、机器人等形式的移动平台,以实现本公开的目的。致动器30可以是电机、电信设备、LED屏幕等。
传感器被布置成监测与电池20相关联的参数,包括例如电流传感器12、电压表14和温度传感器16。其他传感器可以与前述传感器结合布置。控制器40被布置成监测来自传感器12、14、16的输入以及设备10的操作参数。控制器40包括呈荷电容量评估例程100形式的可执行控制例程,用于监测电池20的荷电容量,这将参考图2和图3进行描述。荷电容量评估例程100包括荷电容量劣化例程200、荷电容量更新例程300、过滤例程400、电池状态估计器例程500、协方差监测例程600和容量维护例程700。
随着设备10的电池20老化,其荷电容量降低。电池荷电状态的准确估计和相关联的快速充电降额取决于对当前荷电容量的了解。对于一些使用模式,这可能需要容量维护过程。当满足某些条件时,荷电容量评估例程100可以自动更新荷电容量估计。如果不满足这些条件或者这些条件勉强有效,则可以如参考图3所描述的那样命令容量维护例程700的元素。然而,如果发现不必要,容量维护例程700的执行可以无限期地推迟。
容量劣化可以分为两类,包括锂库存损失(LLI)和活性材料损失(LAM)。当锂变得卷入副反应中或以其他方式从期望的电化学反应分离时,发生锂库存损失。可能的机制包括其中含有锂的化合物在电极表面上积聚的SEI层的生长,以及不可逆的锂电镀。当阳极或阴极中的活性材料停止使用时,发生活性材料的损失。与LAM相关联的机制包括活性颗粒破碎和一些部分失去电连接、颗粒分层、失去与集电器的连接等。
再次参考图2,荷电容量评估例程100包括荷电容量劣化例程200。与电池20相关联的被监测参数(包括来自电流传感器12、电压表14和温度传感器16的输入)作为输入被提供给荷电容量劣化例程200,以确定电池20的预测荷电容量121和相关联的第一不确定性参数122。
容量劣化例程200被执行以确定荷电容量121的劣化,其包括与日历老化相关联的劣化和与循环操作(即,充电和放电事件)相关联的劣化。日历老化随着SEI(固体电解质膜)在原始石墨表面区域上的生长而发生。循环老化随着充电循环产生新的表面区域部分而发生,这是由于裂纹的生长引起的,在此表面区域上SEI随之生长。SEI是电解质与电极表面相遇时形成的一层反应产物。备选地,经验模型可以将充电循环视为SEI生长的幂律模型的加速因素。备选地,也可以采用用于劣化的其他经验模型和详细的物理化学模型。
因为许多参数是从短期寿命测试中估计的,所以出现与预测荷电容量121相关联的第一不确定性参数122。长期外推(extrapolation)可能是不确定的,至少部分地是由于劣化机制的不确定性。与从短期老化结果(例如,12-18个月的实验室测试)外推相关联的不确定性随着时间的推移而增加。此外,实验室测试条件可能无法完全捕捉电池在使用中可能经历的条件。此外,可能存在单体之间的可变性,其中各个电池单体可能会遇到影响老化的不同条件,并且其中各个电池单体可能不会被跟踪。
容量劣化例程200的一个实施例包括如下。当被定义为荷电容量的劣化分数(fractional degradation)时,荷电容量可以确定如下:
[1]
其中:
C(t)是在时间t的荷电容量,
D(t)是在时间t的荷电容量的劣化分数,
C(0)是在时间0(即在电池20开始工作之前)的荷电容量。
一个示例性劣化模型结合了对荷电容量的日历影响和循环影响,并且可以表示如下:
[2]
其中
Dcal表示日历劣化,
Dcyc表示循环劣化,
Ecal表示基于日历的活化能,
Ecyc基于循环的活化能,
p cal 表示基于日历的调谐参数,
p cyc 表示基于循环的调谐参数,
kcal(soc; p cal )表示基于日历的指前因子,
kcyc(soc; p cal )表示基于循环的指前因子,
表示日历劣化中的不确定性,
表示循环劣化中的不确定性,并且
表示基于温度T和能量E的阿伦尼乌斯方程,其中/>是通用气体常数,并且/>的单位为/>。
基于日历的调谐常数p cal 和基于循环的调谐参数p cyc 用来匹配实验室数据。在一个实施例中,它们可以具有一些测量基础,例如温度、时间、电池中的尺寸变化等,或者它们可以是无量纲量,其简单地使模型方程与实验数据匹配,并且基于模型预测和实验数据之间的差异。基于日历的指前因子和基于循环的指前因子是标量值,其基于与SOC和相应的基于日历的调谐参数和基于循环的调谐参数相关的经验数据。和/>项可以预先确定并布置在查找表中,并且/>具有被调谐以匹配实验数据的参数。/>的指数也可以被调谐。
日历老化基于这样一种现象,即,即使在没有电流通过时,电池单体容量也会随着时间推移而劣化,这种劣化归因于由于SEI生长而发生的LLI。劣化率取决于温度(T)、电池荷电状态(SOC)和电池寿命。一种扩散模型可以是以下形式:
[3]
其中:
Dcal表示由于日历老化导致的劣化率,
t表示经过的时间,并且
表示衰减常数。
在不同的形式中,方程3可以表示如下:
[4]
循环劣化参数可以是数据的经验拟合形式,或者基于物理建模。用于确定循环劣化D cyc 的示例经验模型如下:
,其中/> [5]
其中:
I = 电流, T = 温度,/>,
,并且
被制成表,并且通过实验确定。
微分形式如下:
[6]
[7]
该方程可以表示如下,以包括不确定性:
[8]
作为非限制性示例,用于确定循环劣化的其他模型包括由电极颗粒裂纹生长引起的LLI的模型,其中当表面被张紧时,颗粒的表面在放电期间破裂。表面应力与放电速率成正比。冷颗粒可能比热颗粒更脆,并且更容易破裂。随着通过破裂暴露的表面积的每次递增生长出新的SEI,它开始以与日历老化相同的速率消耗锂。旧裂纹变得部分钝化,新裂纹通过相同的过程更快地反应。
循环劣化可包括SEI层破裂,这是LLI的一种形式,其中充电期间的颗粒膨胀使保护性SEI层破裂并形成新的SEI,从而消耗锂。SEI应力是相对于SOC确定的。循环劣化可包括SEI生长速率,它与充电速率和SEI应力成正比。循环劣化可包括电极变干(LAM =活性材料损失),其中在循环期间形成的气体将颗粒与电解质隔离。
与电池20相关联的被监测参数(包括来自电流传感器12、电压表14和温度传感器16的输入)被提供给荷电容量更新例程300,荷电容量更新例程300基于该参数确定电池20的测量荷电容量131和相关联的第二不确定性参数132。在一个实施例中,荷电容量更新例程300包括在休息状态之间以安培小时为单位保持库仑计数的记录,以估计电池20的荷电容量。
在一个实施例中,参数是预定的,包括第一和第二休息电压,以及在第一休息电压/>和第二休息电压/>之间的电池20的充电事件或放电事件期间测量的库仑计数Ah。第一休息电压/>可以在电池20处于或接近完全荷电状态时确定,而第二休息电压v 2 可以在电池20处于或接近完全放电状态时确定。开路电压(OCV)曲线可以表示如下:
[9]
荷电容量更新例程300从开路电压(OCV)曲线执行荷电状态的反向查找,如下所示:
[10]
其中
soc 1 表示在第一休息电压v 1 下的电池SOC,并且soc 2 表示在第二休息电压v 2 下的电池SOC。
荷电容量C可以近似如下:
[11]
其中,表示两个休息电压的时间之间的带符号库仑计数,充电时取正值,并且放电时取负值。
对于多于两个的休息电压,可以采用最佳拟合线来确定荷电容量。备选地,可以执行开路电压(OCV)移位例程来确定荷电容量,其中OCV移位例程基于四个休息电压和相关联的库仑计数(Ah),采用与电池20的正电极和负电极相关联的OCV曲线。备选地,荷电容量可以基于监测随着老化的OCV移位的模型来确定,其中OCV是基于固定的老化模式来预测的。
这样,与测量荷电容量131相关联的第二不确定性参数132可以基于不确定性来确定,当记录的休息状态由于没有达到真正的平衡状态而没有充分休息时,可能引入这种不确定性。此外,电流、电压和温度的测量具有相关联的噪声和其他可变性原因。此外,在长的时间段内的库仑计数可能包含累积的积分误差。此外,在开路电压(OCV)中可能存在滞后。此外,采用两个休息电压的方法假定两者间的线性关系,其可以是近似的。
不确定性可以基于概率来处理。这包括评估每个休息期间的电压衰减,以估计不确定性。这包括确定在记录时的电压和当指数衰减要结束时的估计电压之间的差值。库仑计数中的误差可以被估计为随机游走。滞后和建模误差可以凭经验确定。这样,荷电容量更新例程300可以提供测量荷电容量131和相关联的第二不确定性参数132。
滤波例程400执行以基于预测荷电容量121和测量荷电容量131来确定电池20的荷电容量估计141。这包括对测量荷电容量131和预测荷电容量121进行卡尔曼滤波,以确定荷电容量估计141,该估计作为输入提供给电池状态估计器例程500。第一不确定性参数122和第二不确定性参数132也被评估以确定更新的不确定性参数142。
在步骤450,评估荷电容量估计141和更新的不确定性参数142,以检测对电池降额的需求。这包括当荷电容量估计141小于期望阈值时,或者当第一不确定性参数122和第二不确定性参数132小于期望阈值时,采用降低的电流水平来对电池20充电。这些阈值可以是固定值,或者随着单体老化根据一些参考量(例如容量)而变化。特别地,用于电池的快速充电的电流的大小可以响应于降低的容量而缩小,因为以过高的速率充电可能会降低电池寿命。在一个实施例中,当电池容量为其原始容量的90%时,用于快速充电的电流减少到当电池是新的时所应用的值的90%。结果是快速充电在寿命结束时与电池20的寿命开始时花费相同的时间。
滤波例程400累积与电池20相关联的参数,包括测量荷电容量131和预测荷电容量121。当存在与电池休息状态相关联的足够的数据点以发布新的容量测量时,它可以与运行容量劣化预测/>相结合,从而考虑相关联的不确定性以确定荷电容量估计141,如下所示:
[12]
其中:
C * 表示荷电容量估计141,
C pred 表示预测荷电容量121,
C meas 表示测量荷电容量131,
表示第一不确定性参数122,即标准偏差,并且
表示第二不确定性参数132,即标准偏差。
当第一不确定性参数122显著小于第二不确定性参数132(即,)时,则荷电容量估计141可以近似为测量荷电容量131,并且更新的不确定性参数142可以近似为第二测量的不确定性参数132,即,/>和/>。因此,将选择精确的测量,但是不太精确的测量可以用预测来平衡。另外,荷电容量估计141项/>的历史可以用来更新电池20的预测模型。/>和/>项可以与荷电容量估计141和预测荷电容量121之间的差值(即,(/>))成比例地向上或向下调整,该差值基于日历容量劣化/>和循环容量劣化/>对总容量劣化/>的相对贡献。
电池状态估计器(BSE)例程500基于来自传感器12、14、16的输入(即电流、电压和温度)和荷电容量估计141来确定电池20的SOC 151。BSE例程500还确定相关联的SOC不确定性参数152。BSE例程500执行卡尔曼滤波算法,以使用荷电容量估计141作为输入来估计SOC151。作为非限制性示例,可以使用卡尔曼滤波、扩展卡尔曼滤波、西格玛点卡尔曼滤波等来实施BSE例程500。
协方差监测600包括基于SOC不确定性参数152来确定荷电容量估计的协方差比率610形式的不确定性参数,SOC不确定性参数152是基于随时间推移更新的不确定性参数142来确定的。不确定性参数是与电池状态估计器相关联的电压预测误差的预期方差的估计。电池20的预测电压和测量电压之间的差值由电池状态估计器例程500的卡尔曼滤波算法监测并与预期协方差进行比较。协方差比率610(即cov(观测误差)/cov(期望误差))指示电池状态估计器例程500是否如预期的那样工作。实际上,协方差比率610被确定为时间平均电压误差除以电池状态估计器例程500的卡尔曼滤波算法中预期的协方差的比率。这包括如下。
电池状态估计器例程500的卡尔曼滤波算法将预测电压与测量电压进行比较,并使用该结果对电池的SOC的估计进行校正。在时间的预测电压/>基于电池20的数学模型(以下函数/>)、电池20的测量电流/>、以及电池的未知状态/>的估计/>。这可以表示如下:
[13]
[14]
在时间,可以进行电压的测量/>。电压预测误差项(z k )可以被定义为测量电压/>和预测电压/>之间的差值,如下所示:
[15]
当由模型指示的电压值、估计和电压的测量值相等时,电压预测误差项。上述电压值的误差或变化可能是由于建模限制和测量噪声造成的。
电池状态估计器例程500的卡尔曼滤波算法在测量之后校正荷电状态估计。这参考以下方程16来描述,其中,项是基于与预测和测量相关联的统计噪声的模型确定的卡尔曼增益矩阵。
[16]
卡尔曼滤波方法产生正定对称矩阵,其为根据模型的估计的协方差:
[17]
其中,表示期望值,这是一个统计术语,用来表示随机变量的可能值的数学求和或积分。
方程17中表示的模型转换成电压预测误差项的估计的协方差/>,如下所示:
[18]
电压预测误差项可以具有记录的历史,并且其实际协方差/>可以估计如下:
并且 [19]
其中:
是遗忘因子。
相应地,协方差比率r cov 可以确定如下:
[20]
其中:
表示实际协方差,即,更新的不确定性参数142,
表示估计协方差,并且
是合适的矩阵范数。
在电池模型中,是标量,因此协方差比率r cov 确定如下:
[21]
理想情况下,协方差比率。当协方差比率/>时,实际误差历史与模型不一致,表明模型不再有效。这是电池已经进入意外状态的指示,一种可能性是其实际容量不同于来自荷电容量评估例程100的估计荷电容量。在这种情况下,可能会建议进行容量检查或另一种电池服务。
现在参考图3,描述了容量维护例程700。容量维护例程700的元素可以包括执行所有者行动730、执行智能充电器操作725和/或执行服务检查750。这包括当更新的不确定性参数142和/或协方差比率610大于可校准的相应阈值时,执行补救操作。当估计的荷电容量具有高的不确定性水平时,诸如交通工具行驶续航里程的相关参数可能是错误的。因此,可能需要所有者行动来触发自动容量更新,或者在更严重的情况下,当需要电池服务时,同时避免对预定电池服务的要求。此外,当电池达到寿命终止条件时,可以通过在达到寿命终止条件时触发服务警报来建议将电池从服务中移除(760)。
容量维护例程700监测并评估荷电容量估计141、更新的不确定性参数142和协方差比率610,并且与预定义的阈值进行比较。当上述参数小于它们相应的阈值(710)(0)时,该迭代结束,而没有进一步的行动。
如参考步骤720和730所述,当运行容量估计的协方差(即更新的不确定性参数142)超过第三阈值(例如,>荷电容量的10%)或者协方差比率610超过对应的第四阈值时,则发出容量维护警告,建议补救行动。如参考步骤740、750和760所述,当荷电容量估计低于荷电容量的寿命终止值时,可以发出服务建议。
可以如下设置行动阈值。荷电容量可以表示如下:
[22]
其中:
C(0)是在时间t = 0时,即在寿命开始时的荷电容量估计值,
C(t)是在时间t的荷电容量估计,并且
劣化分数。
可以基于荷电容量不确定性如下设置荷电容量劣化警报,其中荷电容量不确定性由表示。
[23]
其中:
tol0表示在t = 0时的期望公差,
表示在/>中1-sigma的不确定性,即,荷电容量不确定性,并且
n表示统计置信度。
当((710)(2))时,电池20已经达到其寿命终点的置信度较高。在这种情况下,推荐服务行动(740),其中在服务设施处评估电池20的荷电容量(750)。当电池20的荷电容量小于阈值容量(750)(0)时,建议更换电池20 (760)。
作为非限制性示例,当和/>时,荷电容量已经低于其寿命开始值的80%的置信度为98%。如果在服务设施处的评估表明电池已超过寿命结束,则需要停止使用。当电池20具有单独监测和更换模块的能力时,这可以限于更换多模块电池组中的仅一个模块。
当荷电容量不确定性使得/>时,即,它表明荷电容量的更新不够准确(710)(1),并且需要采取行动来降低荷电容量的不确定性。这可以是通知操作者需要补救行动(730)的形式,操作者可以采取该补救行动(735)。这也可以是触发智能充电系统的操作(720)的形式。/>
当荷电容量不确定性使得/>时,容量估计的不确定性可能大得不可容忍(710)(2),使得荷电容量估计141可能由于荷电容量不确定性而变得不稳定。同样,推荐服务行动(740),其中在服务设施处评估电池20的荷电容量(750)。
的不确定性警报逻辑包括采用协方差比率/>来确定荷电容量不确定性。这包括定期监测和通过统计方式评估协方差比率/>以及诸如峰值、RMS值、时间百分比(其中)等的相关因素,同时消除困难区域,诸如当/>或/>时。
再次参考图3,并且继续参考结合图1描述的设备和结合图2描述的荷电容量评估例程100,由于电池20的荷电容量不确定性,包括当(这表明先前对荷电容量的更新不够准确)时,可以采取补救行动(720)、(730),并且可以建议并采取行动来降低荷电容量不确定性。
在一个实施例中,降低荷电容量不确定性的补救行动包括将设备10连接到智能充电器以更新电池20的荷电容量(720)。这包括确定电池20的当前SOC以确定电池20的初始SOC是否小于低荷电阈值。当初始SOC大于低荷电阈值时,智能充电器可以通过从电池20耗散存储的能量来对电池20进行初始放电。这可以包括操作电动设备或在另一个设备上存储电能。当电池20的SOC低于低荷电阈值时,控制电池20以休息最短的一段时间。应用于电池的术语“休息”包括电池既不充电也不放电的停滞状态。在休息期结束时,电池20经历充电,并被充电到满荷电状态,此时荷电容量更新例程300可以执行以确定更新的荷电容量751(725)。更新的荷电容量751被传送到荷电容量评估例程100。
补救行动还可以包括推荐驾驶员行动(730),其包括指导驾驶员操作设备(例如交通工具),直到其达到低SOC状态,并允许设备10在执行再充电事件之前休息。这使得荷电容量更新例程300能够更新电池20的测量荷电容量131和相关联的第二不确定性参数132(735)。
当荷电容量估计中的不确定性大于期望时,荷电状态估计器可能无法准确跟踪荷电容量,并且更新的荷电容量751被传送到容量维护例程700 (740)。在这种情况下,可以建议所有者将设备10带到服务中心进行荷电容量检查。该结果或者确定电池是健康的,并且准确的荷电容量被发送到荷电容量评估例程100 (750)(1),或者确定荷电容量太低(750)(0),建议进行诸如更换电池模块的服务(760)。
荷电容量评估例程100的结果可以被传送到远程服务中心(800)。现场的多个设备10的劣化行为可以通知预测模型。每天的预测更新和每个容量更新可以被收集,包括服务车库容量更新,并且数据可以被分析以调谐劣化预测模型,周期性地传送给设备10中的各个设备以更新车载劣化模型中的参数,即,更新与参考图2描述的荷电容量评估例程100相关联的参数。
术语“控制器”和诸如微控制器、控制模块、模块、控制、控制单元、处理器的相关术语和类似术语是指专用集成电路(ASIC)、现场可编程门阵列(FPGA)、电子电路、中央处理单元(例如微处理器)以及呈存储器和存储设备(只读、可编程只读、随机存取、硬盘驱动器等)形式的相关联的非暂时性存储器部件的一种或多种组合。非暂时性存储器部件能够以一个或多个软件或固件程序或例程、组合逻辑电路、输入/输出电路和设备、信号调节和缓冲电路以及可由一个或多个处理器访问以提供所述功能的其他部件的形式存储机器可读指令。输入/输出电路和设备包括模拟/数字转换器和监测来自传感器的输入的相关设备,这些输入以预设的采样频率或响应于触发事件而被监测。软件、固件、程序、指令、控制例程、代码、算法和类似术语是指控制器可执行指令集,包括校准和查找表。每个控制器执行控制例程以提供期望的功能。例程可以定期执行,例如在正在进行的操作期间每100微秒执行一次。备选地,可以响应于触发事件的发生来执行例程。控制器、致动器和/或传感器之间的通信可以使用直接有线点对点链路、网络通信总线链路、无线链路或另一合适的通信链路来实现。通信包括以合适的形式交换数据信号,包括例如经由导电介质的电信号、经由空气的电磁信号、经由光波导的光信号等。数据信号可以包括表示来自传感器的输入、致动器命令和控制器之间的通信的离散、模拟或数字化模拟信号。
术语“信号”是指传达信息的物理上可辨别的指示符,并且可以是能够通过介质传播的合适的波形(例如,电、光、磁、机械或电磁),诸如DC、AC、正弦波、三角波、方波、振动等。
术语“模型”是指基于处理器的或处理器可执行的代码以及模拟设备的物理存在或物理过程的相关联的校准。如本文所用,术语“动态的”和“动态地”描述实时执行的步骤或过程,并且其特征在于监测或以其他方式确定参数的状态,并且在例程执行期间或例程执行的迭代之间定期或周期性地更新参数的状态。
术语“校准”、“校准的”和相关术语是指将与设备或系统相关联的实际或标准测量值与该设备或系统的感知或观测到的测量值或命令位置进行比较的结果或过程。本文所述的校准可以简化为可存储的参数表、多个可执行方程或可以用作测量或控制例程的一部分的另一种合适的形式。
参数被定义为表示使用一个或多个传感器和/或物理模型可辨别的设备或其他元件的物理性质的可测量量。参数可以具有离散值,例如“1”或“0”,或者可以在值上无限可变。
详细描述和附图或图是对本教导的支持和描述,但是本教导的范围仅由权利要求限定。虽然已经详细描述了用于实施本教导的一些最佳模式和其他实施例,但是存在用于实施所附权利要求中限定的本教导的各种替代设计和实施例。
Claims (20)
1.一种用于监测电池的荷电容量的方法,所述方法包括:
通过传感器监测所述电池的电流、电压和温度;
基于所述电池的所述电流、电压和温度来确定所述电池的预测荷电容量和相关联的第一不确定性参数;
基于所述电池的所述电流、电压和温度来确定所述电池的测量荷电容量和相关联的第二不确定性参数;
基于所述预测荷电容量和所述测量荷电容量来确定所述电池的荷电容量估计;
基于所述第一和第二不确定性参数来确定所述荷电容量估计的更新的不确定性参数;和
当所述荷电容量估计的所述更新的不确定性参数大于第一阈值时,通过控制器执行容量维护例程,包括基于所述荷电容量估计和所述不确定性参数对所述电池进行降额。
2.根据权利要求1所述的方法,包括:基于所述电池的所述电流、电压和温度来执行荷电容量劣化例程,以确定所述电池的所述预测荷电容量和所述相关联的第一不确定性参数。
3.根据权利要求1所述的方法,包括:基于所述电池的所述电流、电压和温度来执行荷电容量更新例程,以确定所述电池的所述测量荷电容量和所述相关联的第二不确定性参数。
4.根据权利要求1所述的方法,其中,基于所述第一和第二不确定性参数来确定所述荷电容量估计的所述更新的不确定性参数包括基于所述第一和第二不确定性参数来确定所述荷电容量估计的实际协方差参数。
5.根据权利要求1所述的方法,其中,基于所述预测荷电容量和所述测量荷电容量来确定所述电池的所述荷电容量估计包括对所述预测荷电容量和所述测量荷电容量进行卡尔曼滤波。
6.根据权利要求1所述的方法,还包括当所述荷电容量估计的所述更新的不确定性参数大于第二阈值时执行补救性电池管理操作。
7.根据权利要求6所述的方法,其中,执行所述补救性电池管理操作包括:
对所述电池放电以达到小于低荷电阈值的荷电状态;
使所述电池休息一段时间;和
对所述电池充电并确定更新的荷电容量。
8.根据权利要求6所述的方法,其中,命令维护所述电池还包括更换所述电池。
9.根据权利要求1所述的方法,还包括:
执行电池状态估计器例程,以基于所述电池的所述电流、电压和温度以及所述荷电容量估计来确定荷电状态和电压预测误差的预期方差的估计;和
基于实际电压预测误差的方差和所述电压预测误差的所述预期方差来确定协方差比率。
10.根据权利要求9所述的方法,还包括当所述协方差比率大于第三阈值时执行补救性电池管理操作。
11.一种用于监测电池的荷电容量的设备,包括:
可再充电电池,其被布置成向致动器供应电力;
多个传感器,其被布置成监测所述电池的电流、电压和温度;和
控制器,其可操作地连接到所述致动器并与所述电池和所述多个传感器通信,所述控制器包括指令集,所述指令集能够执行以监测所述电池的荷电容量,所述指令集包括:
通过所述传感器监测所述电池的所述电流、电压和温度,
基于所述电池的所述电流、电压和温度来确定所述电池的预测荷电容量和相关联的第一不确定性参数,基于所述电池的所述电流、电压和温度来确定所述电池的测量荷电容量和相关联的第二不确定性参数,
基于所述预测荷电容量和所述测量荷电容量来确定所述电池的荷电容量估计,
基于所述第一和第二不确定性参数来确定所述荷电容量估计的更新的不确定性参数,和当所述荷电容量估计的所述更新的不确定性参数大于第一阈值时执行容量维护例程,
其中,在所述荷电容量估计的所述更新的不确定性参数大于所述第一阈值时能够执行以执行所述容量维护例程的所述指令集包括能够执行以基于所述荷电容量估计和所述不确定性参数对所述电池进行降额的指令集。
12.根据权利要求11所述的设备,其中,所述指令集能够执行以基于所述电池的所述电流、电压和温度来执行荷电容量劣化例程,以确定所述电池的所述预测荷电容量和所述相关联的第一不确定性参数。
13.根据权利要求11所述的设备,其中,所述指令集能够执行以基于所述电池的所述电流、电压和温度来执行荷电容量更新例程,以确定所述电池的所述测量荷电容量和所述相关联的第二不确定性参数。
14.根据权利要求11所述的设备,其中,能够执行以基于所述第一和第二不确定性参数来确定所述荷电容量估计的所述更新的不确定性参数的所述指令集包括能够执行以基于所述第一和第二不确定性参数来确定所述荷电容量估计的实际协方差参数的指令集。
15.根据权利要求11所述的设备,其中,能够执行以基于所述预测荷电容量和所述测量荷电容量来确定所述电池的所述荷电容量估计的所述指令集包括能够执行以对所述预测荷电容量和所述测量荷电容量进行卡尔曼滤波的指令集。
16.根据权利要求11所述的设备,还包括在所述荷电容量估计的所述不确定性参数大于第二阈值时能够执行以命令所述电池的维护的指令集。
17.根据权利要求16所述的设备,其中,能够执行以命令所述电池的维护的所述指令集包括能够执行以进行下述的所述指令集:
对所述电池放电以达到小于低荷电阈值的荷电状态;
使所述电池休息一段时间;和
对所述电池充电并确定更新的荷电容量估计。
18.根据权利要求16所述的设备,其中,能够执行以命令所述电池的维护的所述指令集还包括能够执行以命令所述电池的更换的指令集。
19.根据权利要求11所述的设备,还包括能够执行以进行下述的指令集:
执行电池状态估计器例程,以基于所述电池的所述电流、电压和温度以及所述荷电容量估计来确定荷电状态和电压预测误差的预期方差的估计;和
基于实际电压预测误差的方差和所述电压预测误差的所述预期方差来确定协方差比率。
20.根据权利要求19所述的设备,其中,所述指令集能够执行以在所述协方差比率大于第三阈值时执行补救性电池管理操作。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/570205 | 2019-09-13 | ||
US16/570,205 US11204391B2 (en) | 2019-09-13 | 2019-09-13 | Method and apparatus for monitoring a battery state estimator |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112505562A CN112505562A (zh) | 2021-03-16 |
CN112505562B true CN112505562B (zh) | 2024-04-26 |
Family
ID=74869445
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010953959.2A Active CN112505562B (zh) | 2019-09-13 | 2020-09-11 | 用于监测电池状态估计器的方法和装置 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11204391B2 (zh) |
CN (1) | CN112505562B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102515606B1 (ko) * | 2017-10-31 | 2023-03-28 | 삼성에스디아이 주식회사 | 배터리 충전량 표시 방법 및 이를 수행하는 배터리 팩 및 전자 기기 |
US20210270622A1 (en) * | 2020-02-27 | 2021-09-02 | Cummins Enterprise Llc | Technologies for energy source schedule optimization for hybrid architecture vehicles |
US11360147B2 (en) * | 2020-03-03 | 2022-06-14 | Karma Automotive Llc | Method of determining the state of charge of a battery used in an electric vehicle |
CN113378368B (zh) * | 2021-06-03 | 2022-07-22 | 中国人民解放军32181部队 | 一种基于非线性退化轨迹模型的加速因子评估方法 |
US11527786B1 (en) | 2022-03-28 | 2022-12-13 | Eatron Technologies Ltd. | Systems and methods for predicting remaining useful life in batteries and assets |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2006057468A1 (en) * | 2004-11-29 | 2006-06-01 | Lg Chem, Ltd. | Method and system for battery state and parameter estimation |
CN103389468A (zh) * | 2012-05-08 | 2013-11-13 | 通用汽车环球科技运作有限责任公司 | 电池荷电状态观测器 |
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 |
KR20140093552A (ko) * | 2013-01-18 | 2014-07-28 | 엘지이노텍 주식회사 | 배터리 용량 상태 추정 장치 및 이의 방법 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2963109B1 (fr) * | 2010-07-23 | 2012-08-17 | Saft Groupe Sa | Procede de determination d'un parametre d'au moins un accumulateur d'une batterie |
US8560257B2 (en) * | 2010-11-29 | 2013-10-15 | GM Global Technology Operations LLC | Dynamic battery capacity estimation |
US9081068B2 (en) * | 2012-09-18 | 2015-07-14 | Apple Inc. | Method and apparatus for determining a capacity of a battery |
US9625533B2 (en) * | 2013-04-16 | 2017-04-18 | Johnson Controls Technology Company | Lead acid state of charge estimation for auto-stop applications |
EP2816366A1 (en) * | 2013-06-18 | 2014-12-24 | VITO NV (Vlaamse Instelling voor Technologisch Onderzoek NV) | Monitoring charge stored in a battery |
US10300807B2 (en) * | 2016-02-04 | 2019-05-28 | Johnson Controls Technology Company | Systems and methods for state of charge and capacity estimation of a rechargeable battery |
US10562377B2 (en) * | 2016-06-30 | 2020-02-18 | Emerson Climate Technologies, Inc. | Battery life prediction and monitoring |
US10305309B2 (en) * | 2016-07-29 | 2019-05-28 | Con Edison Battery Storage, Llc | Electrical energy storage system with battery state-of-charge estimation |
KR102123675B1 (ko) * | 2016-10-31 | 2020-06-26 | 주식회사 엘지화학 | 배터리 과충전, 과방전 방지 및 배터리 효율 증가 방법 |
-
2019
- 2019-09-13 US US16/570,205 patent/US11204391B2/en active Active
-
2020
- 2020-09-11 CN CN202010953959.2A patent/CN112505562B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2006057468A1 (en) * | 2004-11-29 | 2006-06-01 | Lg Chem, Ltd. | Method and system for battery state and parameter estimation |
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 |
CN103389468A (zh) * | 2012-05-08 | 2013-11-13 | 通用汽车环球科技运作有限责任公司 | 电池荷电状态观测器 |
KR20140093552A (ko) * | 2013-01-18 | 2014-07-28 | 엘지이노텍 주식회사 | 배터리 용량 상태 추정 장치 및 이의 방법 |
Also Published As
Publication number | Publication date |
---|---|
CN112505562A (zh) | 2021-03-16 |
US20210080506A1 (en) | 2021-03-18 |
US11204391B2 (en) | 2021-12-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112505562B (zh) | 用于监测电池状态估计器的方法和装置 | |
EP2629109B1 (en) | Electrical storage device | |
US10254349B2 (en) | Method for predicting state of health of battery based on numerical simulation data | |
EP1918729A1 (en) | Lithium-ion battery prognostic testing and process | |
EP4369013A1 (en) | Method and system for early warning of abnormal self-discharge of battery, and electronic device and storage medium | |
JP7067549B2 (ja) | 蓄電素子管理装置及び蓄電素子管理方法 | |
US20210103001A1 (en) | Device and method for estimating battery resistance | |
US10408883B2 (en) | Method and apparatus for monitoring a DC power source | |
CN115190975A (zh) | 实时电池故障检测和健康的状态监控 | |
Zhang et al. | An application‐oriented multistate estimation framework of lithium‐ion battery used in electric vehicles | |
CN110045291B (zh) | 一种锂电池容量估计方法 | |
CN112600263A (zh) | 用于电池单体充电平衡的方法和设备 | |
CN113994224A (zh) | 用于诊断异常劣化的电池单体的装置和方法 | |
EP4235198A1 (en) | Apparatus and method for managing battery | |
US11835589B2 (en) | Method and apparatus for machine-individual improvement of the lifetime of a battery in a battery-operated machine | |
US20220341997A1 (en) | Apparatus and Method for Diagnosing a Battery | |
CN116973782A (zh) | 基于机器学习的新能源汽车保养维护与故障监测诊断方法 | |
CN113811781A (zh) | 电池诊断装置和方法 | |
Stroe et al. | Experimental investigation on the internal resistance of Lithium iron phosphate battery cells during calendar ageing | |
JP7416982B2 (ja) | バッテリーを診断するための装置及びその方法 | |
CN115219932A (zh) | 用于评价设备电池组的相对老化状态的方法和装置 | |
CN112630665B (zh) | 一种基于智能网联的锂电池寿命预测系统 | |
WO2012164947A1 (en) | Rechargeable battery degradation level estimation device and method | |
KR20230095556A (ko) | 배터리 수명 예측 장치 및 그것의 동작 방법 | |
XIAOJUNTAN et al. | Real-Time State-of-Health Estimation of Lithium-Ion Batteries Based on the Equivalent Internal Resistance |
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 |