CN112602226A - 电池管理装置和方法 - Google Patents

电池管理装置和方法 Download PDF

Info

Publication number
CN112602226A
CN112602226A CN202080004722.8A CN202080004722A CN112602226A CN 112602226 A CN112602226 A CN 112602226A CN 202080004722 A CN202080004722 A CN 202080004722A CN 112602226 A CN112602226 A CN 112602226A
Authority
CN
China
Prior art keywords
battery
battery cell
control unit
estimated
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.)
Granted
Application number
CN202080004722.8A
Other languages
English (en)
Other versions
CN112602226B (zh
Inventor
李圭哲
赵源泰
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.)
Lg Energy Solution
Original Assignee
LG Chem Ltd
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 LG Chem Ltd filed Critical LG Chem Ltd
Publication of CN112602226A publication Critical patent/CN112602226A/zh
Application granted granted Critical
Publication of CN112602226B publication Critical patent/CN112602226B/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]
    • G01R31/367—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]
    • G01R31/3644—Constructional arrangements
    • G01R31/3648—Constructional arrangements comprising digital calculation means, e.g. for performing an algorithm
    • 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
    • G01R31/388—Determining ampere-hour charge capacity or SoC involving voltage measurements
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • 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
    • H01M10/05—Accumulators with non-aqueous electrolyte
    • H01M10/052—Li-accumulators
    • 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
    • H01M10/441—Methods for charging or discharging for several batteries or cells simultaneously or sequentially
    • 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
    • H01M10/443—Methods for charging or discharging in response to temperature
    • 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
    • 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
    • H01M10/482—Accumulators combined with arrangements for measuring, testing or indicating the condition of cells, e.g. the level or density of the electrolyte for several batteries or cells simultaneously or sequentially
    • 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
    • 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
    • H02J7/007—Regulation of charging or discharging current or voltage
    • H02J7/00712—Regulation of charging or discharging current or voltage the cycle being controlled or terminated in response to electric parameters
    • H02J7/007182—Regulation of charging or discharging current or voltage the cycle being controlled or terminated in response to electric parameters in response to battery voltage
    • 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
    • H02J7/007—Regulation of charging or discharging current or voltage
    • H02J7/007188—Regulation of charging or discharging current or voltage the charge cycle being controlled or terminated in response to non-electric parameters
    • H02J7/007192—Regulation of charging or discharging current or voltage the charge cycle being controlled or terminated in response to non-electric parameters in response to temperature
    • 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
    • H01M10/425—Structural combination with electronic components, e.g. electronic circuits integrated to the outside of the casing
    • H01M10/4257—Smart batteries, e.g. electronic circuits inside the housing of the cells or batteries
    • 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
    • H01M10/425—Structural combination with electronic components, e.g. electronic circuits integrated to the outside of the casing
    • H01M2010/4271—Battery management systems including electronic circuits, e.g. control of current or voltage to keep battery in healthy state, cell balancing
    • 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

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • General Chemical & Material Sciences (AREA)
  • Electrochemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Manufacturing & Machinery (AREA)
  • Power Engineering (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Molecular Biology (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Secondary Cells (AREA)
  • Tests Of Electric Status Of Batteries (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

根据本公开的实施例的电池管理装置和方法通过更新电池模型来估计电池单体的内部状态，并且其目的在于提供一种电池管理装置和方法，其可以通过神经网络获得电池模型的参数并且然后基于反映获得的参数的电池模型的输出值与实际测量值之间的差重复地更新电池模型的参数来构建针对电池单体优化的电池模型，并可以基于优化的电池模型控制电池的充电。

Description

电池管理装置和方法
技术领域
本申请要求于2019年4月5日在韩国提交的韩国专利申请No.10-2019-0040455的优先权，其公开内容通过引用并入本文。
本公开涉及一种电池管理装置和方法，并且更具体地，涉及一种用于通过更新电池模型来估计电池单体的内部状态的电池管理装置和方法。
背景技术
最近，对诸如笔记本计算机、摄像机和便携式电话的便携式电子产品的需求已经急剧增加，并且认真地发展了电动车辆、储能蓄电池、机器人、卫星等。因此，正在积极研究允许重复充电和放电的高性能电池。
目前市售的电池包括镍镉电池、镍氢电池、镍锌电池、锂电池等。在它们中，因为与镍基电池相比，锂电池几乎没有记忆效应，而且具有非常低的自充电率和高能量密度，因此锂电池备受关注。
专利文献1公开了一种用于估计电池状态的系统和方法以及非暂时性计算机可读存储介质，其估计模型，计算作为成本函数的实时测量的电池相关信号并学习该成本函数以更新估计的模型参数值。
然而，专利文献1仅公开了理论模型学习和更新。即，专利文献1没有公开通过实际应用训练的且更新的模型而获得的结果对模型进行训练，并且对理论估计值与实际测量值之间的误差进行校正的配置。因此，难以将从专利文献1获得的模型应用于实际的电池单体的充电或放电状况。
(专利文件1)JP 2018-059910 A
发明内容
技术问题
本公开被设计为解决现有技术的问题，并且因此，本公开旨在提供一种电池管理装置和方法，其可以通过经由神经网络的获得电池模块的参数来构建针对电池单体优化的电池模型，然后基于反映所获得的参数的电池模型的输出值与实际测量值之间的差重复地更新电池模型的参数，并基于优化的电池模型控制电池的充电。
本公开的这些和其他目的和优点可以通过以下详细描述来理解，并且根据本公开的实施例将变得更完全明显。另外，将容易理解，本公开的目的和优点可以通过所附权利要求中阐述的装置及其组合来实现。
技术方案
根据本公开的一个方面的电池管理装置可以包括：电压测量单元，其被配置为测量电池单体的电压和开路电压(OCV)；温度测量单元，其被配置为测量电池单体的温度；以及控制单元，其被连接到电压测量单元和温度测量单元，并被配置为根据由电压测量单元测量的OCV估计电池单体的充电状态(SOC)，选择与所估计的SOC和由温度测量单元测量的温度相对应的多个频率，通过将具有多个所选择的频率的电流施加到电池单体来计算电池单体的每个频率的阻抗，通过将所计算的每个频率的阻抗输入到预学习的神经网络来获得预定义电池模型的估计参数值，根据所获得的估计参数值初次更新电池模型，并且通过重复调整电池模型的参数直到通过初次更新的电池模型计算的估计电压值和由电压测量单元测量的测量电压值之间的电压差变得小于阈值为止来二次更新电池模型。
优选地，多个频率可以包括从预存储的频率表中选择的频率，频率表定义了与电池单体的温度和SOC相对应的多个频率。
根据本公开的电池管理装置，可以进一步包括：电阻抗光谱(EIS)单元，其被连接到控制单元并被配置为根据控制单元的请求将供应给电池单体的电流的频率改变为所选择的多个频率。在示例中，电流可以是正弦波电流、脉冲充电/放电电流或方波电流。
控制单元可以被配置为基于在由EIS单元改变频率的多个电流被供应给电池单体的同时测量的多个电压来计算电池单体的阻抗。
电压测量单元可以被配置为：在所估计的SOC和所估计的温度下，当将具有在多个频率当中的下述频率的电流被供应到电池单体时，测量电池单体的电压，在该频率下未预先测量电池单体的电压。
估计参数值可以被配置为包括与预定义电池模型的参数相对应的值。
控制单元可以被配置为通过将电池模型的参数当中与所获得的估计参数值相对应的参数改变为所获得的估计参数值，来初次更新电池模型。
根据本公开的电池管理装置，可以进一步包括：充电单元，其被连接到控制单元，并且被配置为当控制单元初次更新电池模型时，根据所估计的SOC和所测量的温度，向电池单体供应电流，并以预设C速率对电池单体进行充电。
控制单元可以被配置为：在由充电单元以预设C速率对电池单体进行充电时，通过基于在相同时间点测量的测量电压值和从初次更新的电池模型获得的估计电压值的比较结果，更新电池模型的参数来二次更新电池模型。
优选地，控制单元可以被配置为：当电压差大于或等于阈值时，通过控制充电单元来改变充电电流的C速率。
控制单元可以被配置为：当电压差大于或等于阈值并且估计电压值大于或等于测量电压值时，通过控制所充电单元来增加C速率。
控制单元可以被配置为：当电压差大于或等于阈值并且估计电压值小于测量电压值时，通过控制充电单元来减少C速率。
控制单元可以被配置为：在改变C速率之后，更新电池模型的参数，直到在相同时间点由电压测量单元测量的电池单体的测量电压值与使用二次更新的电池模型获得的估计电压值之间的电压差变得小于阈值为止。
控制单元可以被配置为：在对电池单体进行充电的同时，通过使用二次更新的电池模型来估计电池单体的负极的状态信息，并调整施加到电池单体的充电电流的大小，使得所估计的状态信息不达到阈值条件。
状态信息可以被配置为包括电池单体的负极的负极电势和估计锂离子比率中的至少一个。
控制单元可以被配置为调整电池单体的充电电流的大小，使得估计锂离子比率不达到阈值上限。
控制单元可以被配置为调整电池单体的充电电流的大小，使得负极电势不达到阈值下限。
根据本公开的另一方面的电池组可以包括本公开的实施例的电池管理装置。
根据本公开的又一方面的电动车辆可以包括本公开的实施例的电池管理装置。
根据本公开的另一方面的电池管理方法可以包括：选择与电池单体的温度和SOC相对应的多个频率的频率选择步骤；通过将具有在频率选择步骤中选择的多个频率的电流施加到电池单体来计算电池单体的每个频率的阻抗的阻抗计算步骤；通过将在阻抗计算步骤中计算的每个频率的阻抗输入到预先学习的神经网络中来获得预定义电池模型的估计参数值的估计参数值获得步骤；根据在估计参数值获得步骤中获得的估计参数值来初次更新电池模型的电池模型初次更新步骤；以及通过重复调整电池模型的参数直到通过在电池模型初次更新步骤的初次更新的电池模型计算的估计电压值与电池单体的测量电压值之间的电压差变得小于阈值为止来二次更新电池模型的电池模型二次更新步骤。
有益效果
根据本公开的一个方面，由于在通过神经网络初次更新用于估计电池单体的内部状态的电池模型的参数之后，电池模型被重复地更新，使得根据电池模型估计的电压值和测量电压值之间的差小于阈值，可以更精确地确定电池单体的内部状态。
另外，根据本公开的一个方面，由于通过使用从更新了两次的电池模型输出的负极表面的负极电势和/或估计锂离子比率而更准确地估计无法测量的电池单体的内部状态，当对电池单体进行快速充电时，可以适当调整C速率。
另外，根据本公开的一个方面，由于针对每个电池单体最优地构建了电池模型，因此即使在使用多个电池单体的技术领域中，每个电池单体的内部状态可以被更加准确地估计。
本公开的效果不限于上述效果，并且本领域技术人员将从权利要求的描述中清楚地理解未提及的其他效果。
附图说明
附图说明了本公开的优选实施例，并且与前述公开一起，用于提供对本公开的技术特征的进一步理解，并且因此，本公开不应解释为限于附图。
图1是示意性示出包括根据本公开的实施例的电池管理装置的电池组的图。
图2是示意性示出根据本公开的实施例的电池管理装置的框图。
图3是示出预先存储在根据本公开的实施例的电池管理装置中的频率表的示例的图。
图4是示出存储在根据本公开的实施例的电池管理装置中的阻抗表的示例的图。
图5是示出在根据本公开的实施例的电池管理装置处从电池模型获得的负极的估计锂离子比率的示例的图。
图6是示出在根据本公开的实施例的电池管理装置处从电池模型获得的负极电势的示例的图。
图7是示意性示出根据本公开的实施例的电池管理方法的流程图。
图8是示意性示出根据本公开的另一实施例的电池管理方法的流程图。
图9是具体示出根据本公开的实施例的电池管理方法中的电池模型更新步骤的示例的流程图。
图10是具体示出根据本公开的实施例的电池管理方法中的电池模型更新步骤的另一示例的流程图。
具体实施方式
应理解，说明书和所附权利要求书中使用的术语不应解释为限制于一般含义和词典含义，而是在允许发明人适当地限定术语以获得最佳解释的原则的基础上，基于与本公开的技术方面相对应的含义和概念来解释。
因此，本文中提出的描述仅是出于说明目的的优选示例，而不旨在限制本公开的范围，因此应当理解，在不脱离本公开的范围的情况下，可以对其做出其他等同替换和修改。
另外，在描述本公开时，当认为相关的已知元件或功能的详细描述使本公开的关键主题不明确时，在此省略该详细描述。
包括诸如“第一”、“第二”等的序数的术语可用于区分各种元件当中的一个元件与另一元件，但不旨在通过术语限制元件。
在整个说明书中，除非另有明确说明，当一部分被称为“包括”或“包含”任何元件时，意味着该部分可以进一步包括其他元件，而不排除其他元件。此外，说明书中描述的术语“控制单元”指处理至少一个功能或操作的单元，并且可以通过硬件、软件或硬件和软件的组合来实现。
另外，在整个说明书中，当一部分被称为“连接”到另一部分时，不限于它们被“直接连接”的情况，而是还包括它们通过插入它们之间的另一元件被“间接连接”的情况。
在下文中，将参考附图详细描述本公开的优选实施例。
图1是示意性示出包括根据本公开的实施例的电池管理装置的电池组的图。
参照图1，根据本公开的实施例的电池管理装置100可以电连接到包括多个电池单体11的电池模块10以管理多个电池单体11。
电池管理装置100可以测量每个电池单体11的电压、电流和温度，并且估计充电状态(SOC)。另外，电池管理装置100可以通过更新每个电池单体11的电池模型来优化每个电池单体11的电池模型。此外，当电池单体11被快速充电时，电池管理装置100可以基于更新的电池模型来调整快速充电电流。
另外，电池管理装置100可以与电池模块10一起被包括在电池组1000中。图1示出了其中电池组1000中包括一个电池模块10和一个电池管理装置100的示例，但是电池组1000中包括的电池模块10和电池管理装置100的数量不限于图1所示的数量。类似地，电池模块10中包括的电池单体11的数量不限于图1所示的数量。
将参照图2描述电池管理装置100的详细配置。图2是示意性示出根据本公开的实施例的电池管理装置的框图。在图2中，为了便于描述，电池模块10在电池管理装置100内部以虚线示出，并且电池模块10不应被解释为限于如图2被包括在电池管理装置100内部。
参考图2，根据本公开的实施例的电池管理装置100可以包括电压测量单元110、温度测量单元120和控制单元130。
电压测量单元110可以测量电池单体11的电压和OCV。即，电压测量单元110可以被配置为在电池单体11正在被充电或放电或处于空载状态时测量包括在电池模块中的每个电池单体11的电压。
例如，电压测量单元110可以在电池模块中包括的第一电池单体C1、第二电池单体C2、第三电池单体C3和第四电池单体C4分别正在被充电或放电或处于空载状态时测量电压。
具体地，在图1的实施例中，电压测量单元110可以通过第一感测线路SL1和第二感测线路SL2来测量第一电池单体C1的电压，并且可以通过第二感测线路SL2和第三感测线路SL3来测量第二电池单体C2的电压。另外，电压测量单元110可以通过第三感测线路SL3和第四感测线路SL4来测量第三电池单体C3的电压，并且可以通过第四感测线路SL4和第五感测线路SL5来测量第四电池单体C4的电压。另外，电压测量单元110可以测量电池单体11的开路电压(OCV)。即，电压测量单元110可以测量电池单体11的电压和OCV两者。例如，电压测量单元110可以测量第一电池单体C1、第二电池单体C2、第三电池单体C3和第四电池单体C4中的每个的OCV。在此，OCV是在电池单体C1至C4处于空载状态下测量的电压。电压测量单元110包括公共电压测量电路。
温度测量单元120可以测量电池单体11的温度。即，温度测量单元120可以包括能够测量每个电池单体11的温度的温度传感器。例如，如图2所示，温度测量单元120可以被连接到每个电池单体11以测量每个电池单体11的温度。另外，温度测量单元120可以将电池单体11的温度的测量温度值提供给控制单元130。温度测量单元120包括常用温度传感器，诸如热电偶。
控制单元130可以被连接到电压测量单元110和温度测量单元120。控制单元130可以被电连接到电压测量单元110和温度测量单元120以接收由电压测量单元110测量的电池单体11的电压的电压值和OCV的OCV值，并接收由温度测量单元120测量的电池单体11的温度的温度值。
例如，在图2的实施例中，控制单元130可以在电路中被连接到电压测量单元110和温度测量单元120。然而，图2中所示的控制单元130、电压测量单元110和温度测量单元120的相对位置仅是示例，并且根据图2的实施例的控制单元130、电压测量单元110和温度测量单元120的相对位置和连接关系不限于此。
根据一个方面，控制单元130可以根据由电压测量单元110测量的OCV来估计电池单体11的SOC。这里，SOC是充电状态。通常，如果电池单体11处于充分稳定的状态，则电池单体11的OCV与SOC具有一对一对应的关系。相反，如果电池单体11被充电或放电，则可以使用已知的电流积分方法或卡尔曼滤波器来估计电池单体11的SOC。
在实施例中，控制单元130可以根据预存储的查找表中包括的OCV和SOC之间的对应关系，从由电压测量单元110测量的OCV来估计电池单体11的SOC。
控制单元130可以选择与估计的SOC和测量的温度相对应的多个频率。即，控制单元130可以选择与估计的电池单体11的SOC和由温度测量单元120测量的电池单体11的温度相对应的多个频率。
例如，假定由控制单元130估计的电池单体11的SOC为10％，并且由温度测量单元120测量的电池单体11的温度为20℃。控制单元130可以选择与电池单体11的SOC 10％和温度20℃相对应的频率F1、F2、…、Fn。这里，n是正整数。即，控制单元130可以基于电池单体11的估计的SOC和测量的温度来选择频率F1至Fn。在下文中，为了便于描述，将描述控制单元130选择四个频率。即，以下描述基于n为4的情况。
控制单元130可以基于估计的SOC、测量的温度和具有多个选择的频率的电流来计算电池单体11的每个频率的阻抗。例如，可以将具有在前一实施例中选择的F1、F2、F3和F4频率的电流顺序地施加到每个电池单体11，并且可以根据诸如EIS(Electrical ImpedanceSpectroscopy：电阻抗光谱)的已知阻抗计算方法来计算电池单体11的每个频率的阻抗。
控制单元130可以通过将针对每个频率的计算的阻抗输入到预学习的神经网络中来获得电池模型的估计参数值。例如，控制单元130可以在预学习的神经网络中输入针对每个频率的计算的阻抗。另外，控制单元130可以从预学习的神经网络获得电阻相关值和容量相关值，诸如负极的规模、正极的规模和可用锂容量，并通过处理获得的电阻相关值和获得的容量相关值来获得与电池模型的一些参数相对应的估计参数值。如上获得的估计参数值将在后面使用等式描述。
这里，可以根据反向传播学习算法预学习神经网络，以接收每个频率的阻抗作为输入数据，并输出预定义电池模型的参数作为输出数据。作为学习算法，很明显，除了反向传播学习算法之外，还可以采用其他已知的学习算法。
控制单元130可以通过预学习的神经网络输入每个电池单体的每个频率的阻抗，并且获得与预定义电池模型的参数相对应的估计参数值P1、P2、P3、Pm。这里，m是正整数。在下文中，为了便于描述，假定由控制单元130获得三个估计参数值。即，控制单元130可以通过神经网络获得与电池模型的参数相对应的估计参数值P1、P2和P3。
控制单元130可以根据获得的估计参数值来初次更新电池模型。例如，如在先前的实施例中，控制单元130可以从神经网络获得估计参数值P1、P2和P3，并且使用获得的估计参数值P1、P2和P3来初次更新预定义电池模型。即，控制单元130可以通过将电池模型的多个参数当中的对应参数更新为获得的估计参数值P1、P2和P3来更新电池模型。
这里，可以为每个电池单体11定义电池模型。例如，在图2的实施例，可以预先单独地定义第一电池单体C1的第一电池模型、第二电池单体C2的第二电池模型、第三电池单体C3的第三电池模型和第四电池单体C4的第四电池模型。
例如，电池模型可以采用纽曼的P2D模型。P2D模型是使用多孔电极和浓缩溶液理论开发的基于物理的模型，并且是可以准确捕获电池中锂离子运动的模型。因此，根据本公开的实施例的电池管理装置可以使用P2D模型作为预定义电池模型。
将使用下面的等式1至4描述在电池模型的参数当中要更新的一些参数。
[等式1]
Figure BDA0002951774000000121
这里，keff是电解质离子电导率，
Figure BDA0002951774000000122
是电解质相电势，
Figure BDA0002951774000000123
是电解质扩散电导率，ce是电解质相浓度，jLi是过电势的函数，并且下标e是电解质相。
例如，在等式1的参数当中，由控制单元130更新的参数可以是keff和
Figure BDA0002951774000000124
即，由控制单元130获得的估计参数值可以包括与电解质离子电导率和电解质扩散电导率相对应的值。控制单元130可以通过使用获得的估计参数值来更新电解质离子电导率和电解质扩散电导率。
[等式2]
Figure BDA0002951774000000131
这里，σeff是有效电导率，
Figure BDA0002951774000000132
是固体(电极)相电势，并且下标s是固体(电极)相。
例如，在等式2的参数当中，由控制单元130更新的参数可以是σeff。即，由控制单元130获得的估计参数值可以包括与有效电导率相对应的值。控制单元130可以通过使用获得的估计参数值来更新有效电导率。
[等式3]
Figure BDA0002951774000000133
这里，εe是电极中电解质相的体积分数，
Figure BDA0002951774000000134
是电解质离子扩散率，并且
Figure BDA0002951774000000135
是锂离子的转移数量。
例如，在等式3的参数当中，由控制单元130更新的参数可以是
Figure BDA0002951774000000136
即，由控制单元130获得的估计参数值可以包括与电解质离子扩散率相对应的值。控制单元130可以将电解质离子扩散率更新为获得的估计参数值。
[等式4]
Figure BDA0002951774000000137
这里，Ds可以是Li在固体(电极)中的扩散系数，r是尺寸，并且cs是固体(电极)相的浓度。
例如，在等式4的参数当中，由控制单元130更新的参数可以是Ds。即，由控制单元130获得的估计参数值可以包括与Li在固体(电极)中的扩散系数相对应的值。控制单元130可以将Li在固体(电极)中的扩散系数更新为获得的估计参数值。
总之，由控制单元130获得的估计参数值可以包括与电解质离子电导率、电解质扩散电导率、有效电导率、电解质离子扩散率和Li在电池模块的电极的扩散系数相对应的值。控制单元130可以首先通过将电池模型的参数当中的对应参数更新为获得的估计参数值来更新电池模型。
同时，即使第一电池单体C1至第四电池单体C4通过相同的过程生产，在相同的日期发货并被包括在相同的电池模块中，电池单体11的状态也可能由于诸如初始电阻变化和容量变化的各种原因彼此之间不完全相同。因此，控制单元130可以使用第一电池单体C1的估计参数值来仅初次更新第一电池模型，而可以不使用第一电池单体C1的估计参数值来初次更新第二至第四电池模型。
控制单元130可以被配置为：通过重复地调整电池模型的参数使得在对电池单体11进行充电时由电压测量单元110测量的测量电压值与通过使用初次更新的电池模型而计算的估计电压值之间的电压差变得小于阈值，来二次更新电池模型。
具体地，控制单元130可以通过处理在对电池单体11进行充电时从初次更新的电池模型输出的值来获得电池单体11的估计电压值。另外，控制单元130可以根据获得的估计电压值和由电压测量单元110测量的、作为电池单体11的电压的实际测量值的测量电压值之间的电压差来二次更新电池模型。
例如，参见等式2，控制单元130可以从电池模型获得
Figure BDA0002951774000000141
和
Figure BDA0002951774000000142
即，控制单元130可以从电池模型获得正极相电势和负极相电势。另外，控制单元130可以使用如上获得的
Figure BDA0002951774000000143
和
Figure BDA0002951774000000144
之间的电势差来获得估计电压值。
控制单元130可以通过等式“|估计电压值-测量电压值|”来计算电压差。即，控制单元130可以根据估计电压值和测量电压值之间的差的绝对值的大小，来二次更新电池模型。类似于先前的实施例，控制单元130可以基于第一电池单体C1的估计电压值和测量电压值之间的电压差，来二次更新第一电池模型，并且控制单元130可以不基于第一电池单体C1的估计电压值和测量电压值之间的电压差来训练第二至第四电池模型。
具体地，控制单元130可以通过重新调整使用估计参数值更新的电池模型的参数值来二次更新电池模型。例如，基于估计电压值和测量电压值之间的电压差，控制单元130二次更新与使用估计参数值更新的电池模型的电解质离子电导率、电解质扩散电导率、有效电导率、电解质离子扩散率和Li在电极中的扩散系数相对应的电池模型值。在这种情况下，为了微调电池模型的参数，控制单元130可以通过使用诸如随机搜索、高斯过程或贪婪搜索的算法来选择接近于当前模型参数的近似值，然后使用选择的近似值来二次更新电池模型的参数。
根据本公开的实施例的电池管理装置100可以基于使用神经网络获得的估计参数值来初次更新预定义电池模型，然后基于估计电压值和测量电压值之间的差来二次更新电池模型。因此，电池管理装置100具有通过使用重复更新的电池模型来可靠地获得电池单体11的内部状态信息的优点。
这里，控制单元130可以选择性地包括本领域已知的处理器、专用集成电路(ASIC)、其他芯片组、逻辑电路、寄存器、通信调制解调器、数据处理设备等，以执行在根据本公开的实施例的电池管理装置100中执行的各种控制逻辑。此外，当控制逻辑以软件实现时，控制单元130可以被实现为程序模块集合。此时，程序模块可以被存储在存储器中并由处理器执行。存储器可以位于处理器内部或外部，并且可以通过各种众所周知的方式连接到处理器。例如，控制单元130可以是根据本公开的实施例的电池管理装置100中包括的处理器，该处理器计算电池单体11的阻抗并通过调整电池模型的参数来更新电池模型。另外，控制单元130可以被连接到电压测量单元110和温度测量单元120以发送和接收信号。
另外，参照图2，根据本公开的实施例的电池管理装置100可以进一步包括电流测量单元140。电流测量单元140可以被配置为测量输入到电池单体11的充电电流或从电池单体11输出的放电电流。例如，在图2的实施例中，电流测量单元140可以被连接到感测电阻器R的两端以测量充电电流或放电电流。控制单元130可以在电压测量单元110测量电池单体11的OCV之前通过使用由电流测量单元140测量的电流来确定电池单体11是否处于稳定状态。例如，如果由电流测量单元140测量的电池单体11的充电电流或放电电流的状态在预设时间内保持为0[A]，则控制单元130可以确定电池单体11处于稳定状态，并且然后通过使用电压测量单元110来测量电池单体11的OCV。另外，电压测量单元110可以在从控制单元130传输测量信号之后测量电池单体11的OCV。
另外，参照图2，根据本公开的实施例的电池管理装置100可以进一步包括存储单元150。存储单元150可以存储执行用于更新电池模型的神经网络所需的程序和数据、与电池模型有关的功能、电池模型的参数值等。即，存储单元150可以存储根据本公开的实施例的电池管理装置100的每个组件的操作和功能所需的数据，诸如神经网络和电池模型、在执行操作或功能过程中生成的数据等。存储单元150在其种类不受特别限制，只要它是可以记录、擦除、更新和读取数据的已知信息存储装置即可。作为示例，信息存储装置可以包括RAM、闪存、ROM、EEPROM、寄存器等。存储单元150可以存储其中定义了控制单元130可执行的处理的程序代码。
优选地，多个频率可以包括从预存储的频率表中选择的频率，该预存储的频率表包括根据电池单体11的温度和SOC而预定的多个频率。这里，预存储的频率表被预存储在存储单元150中，并且可以是可以根据电池单体11的温度和SOC参考多个频率的查询表。
图3是示出预先存储在根据本公开的实施例的电池管理装置中的频率表的示例的图。参考图3，预存储的频率表可以包括温度(T)、SOC和频率(F)字段。例如，与温度T1℃和SOC S1％相对应的频率F11、F12、F13和F14可以被包括在第一记录中。另外，与温度T2℃和SOCS2％相对应的频率F21、F22、F23和F24可以被包括在第二记录中。
例如，在预存储的频率表中，温度字段和SOC字段可以被设置为复合键。因此，控制单元130可以使用预存储的频率表来选择与由温度测量单元120测量的电池单体11的温度以及计算的电池单体11的SOC相对应的多个频率。因此，在预存储的频率表中可能存在针对相同温度具有不同SOC的多个记录。例如，如在第三和第四记录中，对于温度T3℃，可能存在具有不同SOC S3％和S4％的记录。然而，将温度字段和SOC字段设置为复合键仅是预存储的频率表的示例，并且预存储频率表不限于此。
即，根据本公开的实施例的电池管理装置100可以通过使用其中温度、SOC和多个频率被成对存储的频率表来选择可以更精确地测量电池单体11的内部状态的多个频率。因此，基于电池单体11的温度和SOC，由电池管理装置100将具有多个选择的频率的电流——而不是具有随机选择频率的电流——供应给电池单体11，从而可以更准确地确定电池单体11的内部状态。
此外，参考图2，根据本公开的实施例的电池管理装置100可以进一步包括EIS(电阻抗光谱)单元，该EIS单元被连接至控制单元130，并且被配置为将供应给电池单体11的电流的频率改变为由控制单元130选择的多个频率。即，EIS单元160可以电连接到控制单元130，以向/从彼此传输和接收信号，并且可以将正弦波或脉冲形式的电流施加到电池单体11。
例如，如在先前的实施例中，假定控制单元130通过使用预存储的频率表来选择频率F1、F2、F3和F4。控制单元130可以将F1频率施加信号发送到EIS单元160。从控制单元130接收到F1频率施加信号的EIS单元160输出具有F1频率的电流，并且作为结果，具有F1频率的电流被供应给电池单体11。在示例中，供应给电池单体11的电流是脉冲电流。类似地，控制单元130可以分别向EIS单元160发送F2频率施加信号、F3频率施加信号和F4频率施加信号。此时，控制单元130可以以规则的时间间隔向EIS单元160发送不同的频率施加信号。例如，控制单元130可以以10ms的间隔向EIS单元160发送不同的频率施加信号。
另外，控制单元130可以被配置为基于在由EIS单元160改变其频率的多个电流被供应到电池单体11时测量的多个电压来计算电池单体11的阻抗。控制单元130可以被配置为基于由电压测量单元110测量的多个电压来计算每个电池单体11的阻抗。即，控制单元130可以将频率施加信号传输至EIS单元160，并且EIS单元160可以基于接收的频率施加信号向电池单体11施加具有特定频率的电流。电压测量单元110可以在从EIS单元160输出的具有该频率的电流被供应到每个电池单体11之后立即测量每个电池单体11的电压。这里，控制单元130可以将多个频率施加信号传输到EIS单元160，并且EIS单元160可以基于多个接收的频率施加信号以时间间隔输出具有不同频率的电流。因此，每当将具有不同频率的电流供应到每个电池单体11时，电压测量单元110可以测量每个电池单体11的电压。另外，控制单元130可以接收由电压测量单元110测量的多个电压，并基于多个接收的电压计算每个电池单体11的阻抗。在将具有不同频率的多个电流施加到电池单体11之后，通过使用电池单体11的响应特性来测量电池单体11的每个频率的阻抗的方法以EIS(电阻抗光谱)的名称广为人知，并且因此将不进行详细描述。
在图3的实施例中，如在先前的实施例中，假定控制单元130通过预存储的频率表选择频率F1、F2、F3和F4。控制单元130可以将F1频率施加信号传输到EIS单元160，EIS单元160可以将具有F1频率的电流施加到电池单体11，并且电压测量单元110可以测量具有F1频率的电流被供应到的电池单体11的第一电压。类似地，电压测量单元110可以测量具有F2频率的电流被供应到的电池单体11的第二电压、具有F3频率的电流被供应到的电池单体11的第三电压和具有F4频率的电流被供应到的电池单体11的第四电压。控制单元130可以从电压测量单元110接收第一至第四电压，并且通过使用第一至第四电压和施加到电池单体11的AC电流来计算电池单体11的阻抗。同时，对于每个频率电压可以被测量数次，并且因此第一至第四电压中的每个可以包括单个电压数据或多个电压数据。
根据本公开的实施例的电池管理装置100可以通过将具有基于电池单体11的温度和SOC选择的多个频率中的每个的电流供应到电池11，来更准确地确定电池单体11的阻抗。
电压测量单元110可以被配置为：在估计的SOC和测量的温度处，当具有多个频率当中、未预先测量电池单体11的电压的频率的电流被供应到电池单体11时，测量电压。
即，控制单元130可以将从预存储的频率表中选择的多个频率中的一些频率的频率施加信号传输到EIS单元160。这里，一些频率是未被用于确定电池单体11的阻抗的未使用频率。另外，电压测量单元110可以当将具有未使用频率的电流供应给电池单体11时测量电池单体11的电压。这将参考图4进行描述。
图4是示出存储在根据本公开的实施例的电池管理装置中的阻抗表的示例的图。参考图4，阻抗表可以包括电池单体11的识别号(ID)、温度(T)、充电状态(SOC)和阻抗(I)作为字段。阻抗表可以被存储在存储单元150中。
阻抗(I)字段可以包括由控制单元130计算的每个频率的阻抗的值。另外，阻抗(I)的数量等于根据预存储的频率表中的电池单体11的温度和SOC预先确定的多个频率的数量。
例如，在图4的第一记录401中，阻抗(I)字段均为空。即，参考图3，这是因为没有针对与第一记录401中包括的温度T1℃和SOC S1％相对应的频率F11、F12、F13和F14计算阻抗。在这种情况下，如在先前的实施例中，当电池单体11的温度和SOC分别为T1℃和S1％时，控制单元130可以将针对频率F11、F12、F13和F14中的每个的频率施加信号传输到EIS单元160。另外，EIS单元160可以输出具有频率F11、F12、F13和F14的电流中的每个，并且当具有频率F11、F12、F13和F14的不同电流被施加到电池单体11时，电压测量单元110可以测量电池单体11的电压。
在图4的第二记录402中，仅部分记录了阻抗(I)字段。即，参考图3，在图4的第二记录402的情况下，在过去将针对与温度T2℃和SOC S2％相对应的频率F21、F22、F23和F24当中的频率F21和F22的频率施加信号传输到EIS单元160，并且基于当具有F21和F22频率的电流被施加到电池单体11时测量的电压预先计算I21和I22阻抗。在这种情况下，在计算频率F21、F22、F23和F24的阻抗I21、I22、I23和I24时，由于任何原因在进行阻抗I23和I24的计算之前终止阻抗计算处理。在这种情况下，控制单元130可以将已经计算的阻抗记录在阻抗表中。另外，在阻抗计算过程期间，控制单元130可以不参考阻抗表重复地计算已经计算的阻抗。即，在图4的第二记录中，控制单元130可以省略I21和I22的计算，而仅计算I23和I24。因此，控制单元130可以仅将用于F23和F24的频率施加信号传输到EIS单元160。另外，EIS单元160可以分别输出具有频率F23和F24的电流，并且当具有频率F23和F24的电流中的每个被施加到电池单体11时，电压测量单元110可以测量电池单体11的电压。
根据本公开的实施例的电池管理装置100可以通过存储频率表和阻抗表并记录已经测量的值来防止在相同条件下重复计算阻抗。因此，缩短了更新电池模型所需的时间，从而即使在电池单体11的快速充电情况下也可以快速更新电池模型。
优选地，估计参数值是使用神经网络获得的值，并且可以包括与预定义电池模型的参数相对应的值。即，控制单元130可以通过处理从神经网络输出的值来获得估计参数值，并且所获得的估计的参数值可以与预定义电池模型的一些参数相对应。
因此，控制单元130可以被配置为通过将电池模型的参数当中与所获得的估计参数值相对应的参数改变为所获得的估计参数值来初次更新电池模型。
在本公开中，由于通过预学习的神经网络基于电池单体11的温度、SOC和阻抗来更新电池模型，所以电池管理装置100具有通过使用针对每个电池单体11优化的电池模型更准确地确定每个电池单体11的内部状态的优点。
参考图2，根据本公开的实施例的电池管理装置100可以进一步包括充电单元170，该充电单元170被连接到控制单元130并且被配置为向电池单体11供应电流。即，用于向电池单体11供应电流的充电单元170可以被包括在电池管理装置100内部，或者可以被设置在电池管理装置100之外。
包括在电池管理装置100内部的充电单元170和设置在电池管理装置100之外的充电单元170两者可以电连接到控制单元130，并且向电池单体11供应电流。
在一个实施例中，可以使用连接器将设置在电池管理装置100外部的充电单元170连接至控制单元130。连接器包括通信线路，从而充电单元170可以与控制单元130通信。
如果控制单元130初次更新了电池模型，则充电单元170可以被配置为根据估计的SOC和测量的温度以预设C速率对电池单体11进行充电。即，如果通过控制单元130初次更新模型，则充电单元170可根据控制单元130的请求根据电池单体11的估计的SOC和测量的温度以预设C速率对电池单体11进行充电。如果首先完全更新了电池模型，则充电单元170可以从控制单元130接收包括重设的C速率的电池充电信号。这时，充电单元170可以以预设C速率对电池单体11进行充电。预设C速率被存储在存储单元150中，并且控制单元130可以将预设C速率与电池充电信号一起传输到充电单元170。
当电池单体11以预设C速率进行充电时，控制单元130可以被配置为通过基于测量的测量电压值和在相同时间点从初次更新的电池模型获得的估计电压值之间的电压差更新电池模型的参数，来二次更新电池模型。即，电压测量单元110可以在以预设C速率对电池单体进行充电时的第一时间点测量电池单体11的电压，并将测量电压值传输到控制单元130。控制单元130可以使用在第一时间点更新的电池模型来获得估计电压值，并将获得的估计电压值与接收的测量电压值进行比较。另外，控制单元130可以基于比较结果二次更新电池模型。
如在先前的示例中，控制单元130可以基于估计电压值和测量电压值之间的电压差来二次更新电池模型。这里，可以使用等式“|估计电压值-测量电压值|”来计算电压差。
在一个实施例中，假定充电单元170以4C C速率对电池单体11进行充电，测量电压值被测量为4.05[V]，并且基于相同时间点的估计电压值被获得为4.1[V]。控制单元130可以基于估计电压值和测量电压值之间的电压差的绝对值的大小，二次更新电池模型。即，控制单元130可以二次更新电池模型以校正0.05[V]误差。具体地，控制单元130可以使用在电池模型中包括的参数当中的估计参数值来更新初次更新的参数，以便校正0.05[V]误差。
根据本公开，根据本公开的实施例的电池管理装置100可以在以预设C速率对电池单体11进行充电时，基于测量电压值和估计电压值之间的电压差来二次更新电池模型。通过如上所述多次更新电池模型，电池管理装置100具有提高电池模型的输出值的可靠性并且准确地确定电池单体11的内部状态的优点。
如果电压差大于或等于阈值，则控制单元130可以被配置为通过控制充电单元来改变充电电流的C速率。
这里，阈值是用于估计电压值和测量电压值之间的电压差的绝对值的阈值，并且可以是预存储在存储单元150中的值。
如果估计电压值和测量电压值之间的电压差大于或等于阈值，则控制单元130可以将其确定为异常SOC，并向充电单元170传输信号以改变C速率。即，控制单元130命令充电单元170以改变C速率，从而调整供应给电池单体11的电流的大小。
相反，如果估计电压值和测量电压值之间的电压差小于阈值，则控制单元130可以确定估计电压值在正常范围内，并且不再更新已更新的电池模型。
即使由控制单元130估计的估计电压值与由电压测量单元110测量的测量电压值并不完全相同，如果估计电压值和测量电压值之间的电压差小于设置阈值，则通过终止电池模型的二次更新，根据本公开的实施例的电池管理装置100可以减小优化电池模型所需的时间。另外，如果估计电压值与测量电压值之间的电压差大于或等于阈值，则电池管理装置100可以通过调整供应到电池单体11的电流的大小来校正电压差。
优选地，如果电压差大于或等于阈值并且估计电压值大于或等于测量电压值，则控制单元可以被配置为通过控制充电单元来增加C速率。
例如，假定估计电压值是4.1[V]，测量电压值是4.05[V]，并且阈值基于与先前的示例相同的时间点被设置为0.05[V]。控制单元130可以将0.05[V]计算为测量电压值和估计电压值之间的电压差的绝对值。在这种情况下，由于阈值和计算的电压差相同，并且估计电压值大于或等于测量电压值，因此控制单元130可以将C速率增加信号传输到充电单元170，以增加C速率。即，即使电池单体11以预设C速率进行充电，由于测量电压值未达到估计电压值，所以控制单元130可以确定电池单体11的充电极限值尚未达到并且将C速率增加信号传输到充电单元170。
相反，如果电压差大于或等于阈值并且估计电压值小于测量电压值，则控制单元可以被配置为通过控制充电单元来减小C速率。
例如，假定估计电压值为4[V]，测量电压值为4.1[V]，并且将阈值设置为0.05[V]。控制单元130可以将0.1[V]计算为测量电压值和估计电压值之间的电压差的绝对值。在这种情况下，由于计算的电压差超过阈值并且估计电压值小于测量电压值，所以控制单元130可以将C速率减少信号传输到充电单元170以减少C速率。即，如果电池单体11以预设C速率进行充电，则由于测量电压值超过估计电压值，控制单元130可以确定预设C速率接近或超过电池单体11的充电极限值，并通过控制充电单元170减少C速率。
根据本公开的实施例的电池管理装置100可以考虑电压差、阈值、估计电压值和测量电压值中的全部来增加或减少C速率。因此，电池管理装置100可以在通过调整施加到电池单体11的电流来优化电池模型的参数的过程中预先防止电池单体11的过充电或过放电。
控制单元130可以被配置为调整电池模型的参数，直到在改变C速率之后，在相同时间点由电压测量单元110测量的电池单体11的测量电压值与使用学习的电池模型获得的估计电压值之间的电压差变得小于阈值为止。控制单元130可以通过调整电池模型的参数来二次更新电池模型，直到电压差变得小于阈值为止。具体地，在电池模型的参数当中，可以二次更新在初次更新过程中被更新为估计参数值的参数。
在一个实施例中，控制单元130可以将在第一时间点使用初次更新的电池模型获得的估计电压值与在第一时间点测量的电池单体11的测量电压值之间的第一电压差与阈值进行比较。如果第一电压差大于或等于阈值，则控制单元130可以调整充电电流的大小。另外，控制单元130可以将在第二时间点使用初次更新的电池模型获得的估计电压值与在第二时间点测量的电池单体11的测量电压值之间的第二电压差与阈值进行比较。如果第二电压差大于或等于阈值，则控制单元130可以通过改变初次更新的电池模型的参数来二次更新电池模型。优选地，控制单元130可以重复地调整电池模型的参数，直到满足估计电压值和测量电压值之间的电压差小于阈值的条件为止。
根据本公开，由于根据本公开的实施例的电池管理装置100更新电池模型直到估计电压值和测量电压值之间的电压差变得小于阈值为止，可以进一步提高作为电池模型的输出的估计电压值的可靠性。
在对电池单体进行充电时，控制单元130可以通过使用二次更新的电池模型来估计关于电池单体的负极的状态信息。例如，关于电池单体11的负极的状态信息可以包括关于电池单体11的负极的负极电势和估计锂离子比率中的至少一个。
即，二次更新的电池模型可以被配置为不仅确定电池单体11的估计电压值，而且确定电池单体11的负极的表面锂离子浓度和负极电势中的至少一个。在此，表面锂离子浓度为等式4的cs，负极电势为等式2的
Figure BDA0002951774000000261
控制单元130可以被配置为调整施加到电池单体的充电电流的大小，使得关于电池单体的负极的估计状态信息不达到阈值条件。例如，控制单元130可以被配置为调整电池单体11的充电电流的大小，使得估计锂离子比率不达到阈值上限。另外，控制单元130可以被配置为调整电池单体11的充电电流的大小，使得负极电势不达到阈值下限。即，控制单元130可以基于所获得的估计锂离子比率或所获得的负极电势来调整电池单体11的充电电流的大小。
这里，关于电池单体11的负极的负极电势和估计锂离子比率是当电池单体11被快速充电时基本上要考虑的因素。如果估计锂离子比率变为等于或大于阈值或者负极电势具有负电势，则控制单元130可以确定在电池单体11中发生锂(Li)电镀。即，控制单元130可以确定锂离子彼此结合并且在电池单体11的负极中沉淀为锂。锂是与水剧烈反应的金属，并且当锂通过电池单体11内部的锂离子的结合而沉淀时，由于水分渗透到电池单体11中，可能发生肿胀而引起电池单体11膨胀，并且电池单体11可能爆炸。因此，当电池单体11正在充电时，控制单元130可以从二次更新的电池模型获得电池单体11的负极的负极电势和估计锂离子比率中的至少一个，并确定与电池单体11的内部状态相对应的C速率。另外，控制单元130可以通过控制充电单元170将当前施加到电池单体的充电电流的C速率改变为确定的C速率。
图5是示出在根据本公开的实施例的电池管理装置处从电池模型获得的负极的估计锂离子比率的示例的图。图6是示出在根据本公开的实施例的电池管理装置处从电池模型获得的负极电势的示例的图。
参考图5，控制单元130可以从二次更新的电池模型确定电池单体11的负极的估计锂离子比率。这里，估计锂离子比率是通过二次更新的电池模型估计的值，并且可以使用等式“估计锂离子浓度÷锂离子浓度阈值”来计算。即，估计锂离子比率可以是估计锂离子浓度与锂离子浓度阈值的比率。这里，估计锂离子浓度为等式4的cs，并且锂离子浓度阈值为通过实验预先设定的负极上发生镀锂的阈值。
在图5的实施例中，随着充电时间增加，电池单体11的估计锂离子比率越来越接近于1。因此，由于电池单体11的估计锂离子浓度通过充电而达到锂离子浓度阈值，如果估计锂离子浓度增加到接近锂离子浓度阈值的预设值，则控制单元130可以将C速率减少信号传输到充电单元170，从而减小电池单体11的充电C速率。
另外，参考图6，控制单元130可以从二次更新的电池模型确定电池单体11的负极电势。这里，负极电势是通过二次更新的电池模型估计的值，其是等式2的
Figure BDA0002951774000000271
在图6的实施例中，随着充电时间增加，电池单体11的负极电势接近0[V]。因此，如果负极电势下降到接近0[V]的预设值，则控制单元130可以将C速率减少信号传输到充电单元170，从而减小电池单体11的充电C速率。即，控制单元130可以通过控制充电单元170来减小施加到电池单体11的充电电流的C速率。
根据本公开的实施例的电池管理装置100可以通过使用二次更新的电池模型来估计估计锂离子比率和负极电势——其基本上不可能直接在电池单体11上测量，来更准确地测量电池单体11的内部状态并确定针对电池单体11优化的充电电流。因此，电池管理装置100具有在对电池单体11进行快速充电时通过适当地调整充电C速率来对电池单体11快速且安全地执行快速充电的优点。
图7是示意性示出根据本公开的实施例的电池管理方法的流程图。电池管理方法可以由根据本公开的实施例的电池管理装置100执行。
参考图7，根据本公开的实施例的电池管理方法可以包括频率选择步骤(S100)、阻抗计算步骤(S200)、估计参数值获得步骤(S300)、电池模型初次更新步骤(S400)和电池模型二次更新步骤(S500)。
频率选择步骤(S100)是选择与电池单体11的温度和SOC相对应的多个频率的步骤，并且可以由控制单元130执行。
控制单元130可以使用存储在存储单元150中的频率表来选择与电池单体11的当前温度和SOC相对应的多个频率。上面描述了计算当前温度和SOC的方法。
阻抗计算步骤(S200)是通过将具有在频率选择步骤(S100)中选择的多个频率的电流施加到电池单体11来计算电池单体11的每个频率的阻抗的步骤，并且可以由控制单元130和EIS单元160执行。
首先，控制单元130可以将在频率选择步骤(S100)中选择的多个频率传输到EIS单元160。另外，EIS单元160可以将与多个接收的频率相对应的不同电流以规则的时间间隔施加到电池单体11。
另外，控制单元130还可以以规则的时间间隔将在频率选择步骤中选择的多个频率一个接一个地传输到EIS单元160。在这种情况下，如果EIS单元160从控制单元130接收到频率，则EIS单元160可以立即将具有接收的频率的电流施加到电池单体11。
每当具有不同频率的多个电流被供应给电池单体11时，电压测量单元110可以测量电池单体11的电压至少一次。另外，电压测量单元110可以将测量电压的电压值发送到控制单元130。控制单元130可以基于从电压测量单元110接收的电压值来计算电池单体11的阻抗。
估计参数值获得步骤(S300)是通过将在阻抗计算步骤(S200)中计算的每个频率的阻抗输入到预学习的神经网络中来获得预定义电池模型的估计参数值的步骤，并且可以由控制单元130执行。
具体地，估计参数值获得步骤(S300)是通过使用预学习的神经网络基于电池单体11的温度、SOC和阻抗来获得预定义电池模型的参数的估计值的步骤。
即，控制单元130可以通过预学习的神经网络输入从温度测量单元120接收的电池单体11的温度、基于从电压测量单元110接收的电池单体11的OCV估计的SOC和在阻抗计算步骤(S200)中计算的阻抗。另外，控制单元130可以从神经网络获得与输出电阻和容量有关的值，并且处理与电阻和容量有关的获得的值以获得估计参数值。
电池模型初次更新步骤(S400)是使用获得的估计参数值来初次更新电池模型的步骤，并且可以由控制单元130执行。
控制单元130可以将电池模型的一些参数改变为在估计参数值获得步骤(S300)中获得的估计参数值。即，由于使用神经网络获得的估计参数值对应于电池模型的一些参数，控制单元130可以通过将电池模型的一些参数改变为获得的估计参数值来初次更新电池模型。
电池模型二次更新步骤(S500)是通过重复地调整电池模型的参数直到通过在电池模块初次更新步骤(S400)中更新初次更新的电池模型计算的估计电压值和电池单体11的测量电压值之间的电压差变得小于阈值为止，来二次更新电池模型的步骤，并且可以由控制单元130执行。
具体地，电池模型二次更新步骤(S500)是在以预设C速率对电池单体11进行充电的同时，通过基于使用初次更新的电池模型计算的估计电压值和作为电池单体11的实际电压的测量电压值之间的电压差再次调整电池模型的参数来二次更新电池模型的步骤。
控制单元130可以从在电池模型初次更新步骤(S400)中获得的电池模型中获得正极相电势和负极相电势，并通过获得的正极相电势和获得的负极相电势之间的差来获得电池单体11的估计电压值。另外，电压测量单元110可以测量电池单体11的电压，并且将测量的电压值传输到控制单元130。如果估计电压值和测量电压值之间的电压差大于或等于阈值，则控制单元130可以调整电池模型的参数。
另外，每当调整电池模型的参数时，控制单元130可以使用电池模型获得估计电压值，并且重复电池模型的二次更新步骤(S500)，直到获得的估计电压值和测量电压值之间的电压差变得小于阈值为止。优选地，估计电压值的估计时间点和测量电压值的测量时间点相同。
图8是示意性示出根据本公开的另一实施例的电池管理方法的流程图。与图7所示的电池管理方法相比，图8中所示的电池管理方法可以进一步包括电池单体11的状态检查步骤(S110)以及温度测量和SOC估计步骤(S120)。即，在图7和图8所示的电池管理方法中，频率选择步骤(S100)、阻抗计算步骤(S200)、估计参数值获得步骤(S300)、电池模型初次更新步骤(S400)和电池模型二次更新步骤(S500)彼此相同。
图8中所示的电池管理方法也可以由根据本公开的实施例的电池管理装置执行。
电池单体11的状态检查步骤(S110)是检查电池单体11是否处于可以测量OCV的稳定状态的步骤。
电流测量单元140可以测量电池单体11的电流，并且将用于测量的电流的电流值传输到控制单元130。控制单元130可以从电流测量单元140接收电流值，并且如果接收的电流值为0[A]或在距0[A]的正常范围内并且电池单体11的空载状态或低电流状态持续超过预设时间，则可以确定电池单体11处于稳定状态。
温度测量和SOC估计步骤(S120)是测量处于稳定状态的电池单体11的温度并且估计其SOC的步骤。
如果在电池单体11的状态检查步骤(S110)中确定电池单体11处于稳定状态，则温度测量单元120可以测量电池单体11的温度，并且电压测量单元110可以测量电池单体11的OCV。
控制单元130可以从温度测量单元120接收电池单体11的温度值，并从电压测量单元110接收电池单体11的OCV值。控制单元130可以通过基于接收的OCV值参考OCV-SOC查找表来估计与OCV值相对应的电池单体11的SOC。
此后，如以上参考图7所述的，可以执行频率选择步骤(S100)。
图9是具体示出根据本公开的实施例的电池管理方法中的电池模型二次更新步骤的示例的流程图。
参照图9，在电池模型的初次更新步骤(S400)之后，电池模型的二次更新步骤可以包括第一比较步骤(S510)、C速率调整步骤(S520)、第二比较步骤(S530)和电池模型参数调整步骤(S540)。
第一比较步骤(S510)是在以预设C速率对电池单体11进行充电的同时，将使用在电池模型初次更新步骤(S400)中更新的电池模型获得的估计电压值与作为电池单体11的实际测量电压值的测量电压值进行比较的步骤。这里，估计电压值的估计时间点与测量电压值的测量时间点相同。
控制单元130可以确定估计电压值和测量电压值之间的电压差是否小于预设阈值。
C速率调整步骤(S520)在电压差大于或等于预设阈值时执行，并且其是基于该电压差调整电池单体11的充电C速率的步骤。
如果估计电压值和测量电压值之间的电压差大于或等于预设阈值，并且估计电压值大于或等于测量电压值，则控制单元130可以将C速率增加信号传输到充电单元170。
相反，如果估计电压值和测量电压值之间的电压差大于或等于预设阈值并且估计电压值小于测量电压值，则控制单元130可以将C速率减少信号传输到充电单元170。
充电单元170可以根据从控制单元130接收的C速率增加信号或C速率减少信号来调整充电C速率。即，控制单元130可以通过控制充电单元170调整施加到电池单体11的充电电流的C速率。
第二比较步骤(S530)是比较在调整C速率之后测量的电池单体11的测量电压值和使用更新的电池模型获得的估计电压值之间的电压差的步骤。这里，估计电压值的估计时间点与测量电压值的测量时间点相同。
在C速率调整步骤(S520)之后，电压测量单元110可以测量电池单体11的电压的第二测量电压值，并将测量的第二测量电压值传输到控制单元130。即，在第一比较步骤(S510)中，将在调整C速率之前电池单体11的第一测量电压值和从电池模型输出的第一估计电压值之间的电压差进行比较，但是在第二比较步骤(S530)中，可以将在调整C速率之后电池单体11的第二测量电压值与第一估计电压值之间的电压差进行比较。
电池模型参数调整步骤(S540)是通过基于第二比较步骤(S530)的比较结果调整电池模型的参数来二次更新电池模型的步骤。
如果估计电压值和测量电压值之间的电压差大于或等于预设阈值，则控制单元130可以通过调整电池模型的参数来二次更新电池模型。
可选地，在第二比较步骤(S530)之后，与第一比较步骤(S510)不同，即使电压差大于或等于预设阈值，也可以不调整C速率。
在电池模型参数调整步骤(S540)完成之后，可以再次执行第二比较步骤(S530)。在这种情况下，在第二比较步骤(S530)中，可以比较电池单体11的第二测量电压值和使用具有调整的参数的电池模型获得的第二估计电压值之间的电压差。可以重复执行第二比较步骤(S530)和电池模型参数调整步骤(S540)，直到估计电压值和测量电压值之间的电压差变得小于阈值为止。
图10是具体示出根据本公开的实施例的电池管理方法中的电池模型二次更新步骤的另一示例的流程图。
图10中所示的电池模型二次更新步骤和图9中所示的电池模型二次更新步骤之间的主要区别在于：在第二比较步骤(S530)和电池模型参数调整步骤(S540)之后是否执行C速率调整步骤(S520)。
在图9所示的电池管理方法中，在第一比较步骤(S510)之后执行C速率调整步骤(S520)，并且然后不调整C速率。然而，在图10所示的电池管理方法中，在执行第一比较步骤(S510)和C速率调整步骤(S520)之后，可以在第二比较步骤(S530)和电池模型参数调整步骤(S540)之后执行C速率调整步骤(S520)。
即，参照图10，如果在第二比较步骤(S530)中估计电压值和测量电压值之间的电压差大于或等于阈值，则可以在电池模型参数调整步骤(S540)中调整电池模型参数之后调整C-RATE。
在一个实施例中，如在先前的示例中，可以在第二比较步骤(S530)中比较第一估计电压值和第二测量电压值之间的电压差。另外，如果电压差大于或等于阈值，则可以调整电池模型的参数并且可以调整C速率。此后，在第二比较步骤(S530)中，可以比较使用具有调整的参数的电池模型获得的第二估计电压值与作为以调整的C速率充电的电池单体11的电压的第三测量电压值之间的电压差。
根据图10中所示的电池管理方法，由于在重复处理期间调整了电池模型的参数和C速率两者，所以可以对电池单体11更适应地更新电池模型。
根据本公开的电池组1000可以包括上述根据本公开的电池管理装置100。另外，除了电池管理装置100之外，根据本公开的电池组1000可以进一步包括电池单体11、各种电气部件(包括BMS、继电器、保险丝等)和电池组壳体。
此外，作为本公开的另一实施例，电池管理装置100可以被安装到使用电能的各种设备，诸如电动车辆、能量存储系统(ESS)等。
特别地，根据本公开的电池管理装置100可以被包括在电动车辆中。即，根据本公开的电动车辆可以包括根据本公开的电池管理装置100。这里，电池管理装置100可以被包括在电池组1000中，或者可以被实现为与电池组1000分开的设备。
例如，电池管理装置100的至少一部分可以由车辆的电子控制单元(ECU)实现。另外，除了电池管理装置100之外，根据本公开的车辆还可以包括的车身或通常设置在车辆中电子设备。例如，除了根据本公开的电池管理装置100之外，根据本公开的车辆可以包括接触器、逆变器、电动机、至少一个ECU等。然而，就车辆除电池管理装置100之外的组件而言，本公开不受特别限制。
上面描述的本公开的实施例可以不仅通过装置和方法来实现，而且可以通过实现与本公开的实施例的配置相对应的功能的程序或在其上记录该程序的记录介质来实现。根据实施例的以上描述，本领域技术人员可以容易地实现程序或记录介质。
已经详细描述了本公开。然而，应当理解，详细说明和特定示例虽然指示了本公开的优选实施例，但是仅以说明的方式给出，因为在本公开的范围内的各种变化和修改对于本领域技术人员而言将从该详细描述变得显而易见。
另外，本领域技术人员可以在不脱离本公开的技术方面的情况下，对上文描述的本公开进行许多替换、修改和变化，并且本公开不限于上述实施例以及附图，并且每个实施例可以部分地或整体地被选择性地组合以允许各种修改。
(参考符号)
10：电池模块
11：电池单体
100：电池管理装置
110：电压测量单元
120：温度测量单元
130：控制单元
140：电流测量单元
150：存储单元
160：EIS单元
170：充电单元
1000：电池组

Claims (15)

1.一种电池管理装置，包括：
电压测量单元，所述电压测量单元被配置为测量电池单体的电压和开路电压(OCV)；
温度测量单元，所述温度测量单元被配置为测量所述电池单体的温度；以及
控制单元，所述控制单元被连接到所述电压测量单元和所述温度测量单元，并被配置为根据由所述电压测量单元测量的OCV估计所述电池单体的充电状态(SOC)，选择与所估计的SOC和由所述温度测量单元测量的温度相对应的多个频率，通过将具有多个所选择的频率的电流施加到所述电池单体来计算所述电池单体的每个频率的阻抗，通过将所计算的每个频率的阻抗输入到预学习的神经网络来获得预定义电池模型的估计参数值，根据所获得的估计参数值初次更新所述电池模型，并且通过重复调整所述电池模型的参数直到通过初次更新的电池模型计算的估计电压值和由所述电压测量单元测量的测量电压值之间的电压差变得小于阈值为止来二次更新所述电池模型。
2.根据权利要求1所述的电池管理装置，
其中，所述多个频率包括从预存储的频率表中选择的频率，所述频率表定义了与所述电池单体的温度和SOC相对应的多个频率。
3.根据权利要求1所述的电池管理装置，进一步包括：
电阻抗光谱(EIS)单元，所述EIS单元被连接到所述控制单元，并被配置为根据所述控制单元的请求将供应给所述电池单体的电流的频率改变为所选择的多个频率，
其中，所述控制单元被配置为：基于在由所述EIS单元改变频率的多个电流被供应给所述电池单体的同时测量的多个电压来计算所述电池单体的阻抗。
4.根据权利要求3所述的电池管理装置，
其中，所述电压测量单元被配置为：在所估计的SOC和所估计的温度下，当将具有在所述多个频率当中的下述频率的电流被供应到所述电池单体时，测量所述电池单体的电压，在该频率下未预先测量所述电池单体的电压。
5.根据权利要求1所述的电池管理装置，
其中，估计参数值被配置为包括与所述预定义电池模型的参数相对应的值，以及
其中，所述控制单元被配置为：通过将所述电池模型的参数当中与所获得的估计参数值相对应的参数改变为所获得的估计参数值，来初次更新所述电池模型。
6.根据权利要求1所述的电池管理装置，进一步包括：
充电单元，所述充电单元被连接到所述控制单元，并且被配置为当所述控制单元初次更新所述电池模型时，根据所估计的SOC和所测量的温度，向所述电池单体供应电流，并以预设C速率对所述电池单体进行充电；
其中，所述控制单元被配置为：在由所述充电单元以所述预设C速率对所述电池单体进行充电时，通过基于在相同时间点测量的测量电压值和从初次更新的电池模型获得的估计电压值的比较结果更新所述电池模型的参数，来二次更新所述电池模型。
7.根据权利要求6所述的电池管理装置，
其中，所述控制单元被配置为当所述电压差大于或等于所述阈值时，通过控制所述充电单元来改变充电电流的C速率。
8.根据权利要求7所述的电池管理装置，
其中，所述控制单元被配置为：
当所述电压差大于或等于所述阈值并且所述估计电压值大于或等于所述测量电压值时，通过控制所述充电单元来增加所述C速率；以及
当所述电压差大于或等于所述阈值并且所述估计电压值小于所述测量电压值时，通过控制所述充电单元来减少所述C速率。
9.根据权利要求7所述的电池管理装置，
其中，所述控制单元被配置为：在改变所述C速率之后，更新所述电池模型的参数，直到在相同时间点由所述电压测量单元测量的所述电池单体的测量电压值与使用二次更新的电池模型获得的估计电压值之间的电压差变得小于所述阈值为止。
10.根据权利要求1所述的电池管理装置，
其中，所述控制单元被配置为：在对所述电池单体进行充电的同时，通过使用二次更新的电池模型来估计所述电池单体的负极的状态信息，并调整施加到所述电池单体的充电电流的大小，使得所估计的状态信息不达到阈值条件。
11.根据权利要求10所述的电池管理装置，
其中，所述状态信息被配置为包括所述电池单体的负极的负极电势和估计锂离子比率中的至少一个。
12.根据权利要求11所述的电池管理装置，
其中，所述控制单元被配置为：调整所述电池单体的充电电流的大小，使得所述估计锂离子比率不达到阈值上限。
13.根据权利要求11所述的电池管理装置，
其中，所述控制单元被配置为：调整所述电池单体的充电电流的大小，使得所述负极电势不达到阈值下限。
14.一种包括根据权利要求1至13中的任一项所述的电池管理装置的电池组。
15.一种电池管理方法，包括：
选择与电池单体的温度和SOC相对应的多个频率的频率选择步骤；
通过将具有在所述频率选择步骤中选择的所述多个频率的电流施加到所述电池单体来计算所述电池单体的每个频率的阻抗的阻抗计算步骤；
通过将在所述阻抗计算步骤中计算的每个频率的阻抗输入到预先学习的神经网络中来获得预定义电池模型的估计参数值的估计参数值获得步骤；
根据在所述估计参数值获得步骤中获得的所述估计参数值来初次更新所述电池模型的电池模型初次更新步骤；以及
通过重复调整所述电池模型的参数直到通过在所述电池模型初次更新步骤的初次更新的电池模型计算的估计电压值与所述电池单体的测量电压值之间的电压差变得小于阈值为止来二次更新所述电池模型的电池模型二次更新步骤。
CN202080004722.8A 2019-04-05 2020-03-31 电池管理装置和方法 Active CN112602226B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
KR10-2019-0040455 2019-04-05
KR1020190040455A KR20200117794A (ko) 2019-04-05 2019-04-05 배터리 관리 장치 및 방법
PCT/KR2020/004427 WO2020204584A1 (ko) 2019-04-05 2020-03-31 배터리 관리 장치 및 방법

Publications (2)

Publication Number Publication Date
CN112602226A true CN112602226A (zh) 2021-04-02
CN112602226B CN112602226B (zh) 2024-02-06

Family

ID=72666226

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202080004722.8A Active CN112602226B (zh) 2019-04-05 2020-03-31 电池管理装置和方法

Country Status (6)

Country Link
US (1) US20220221516A1 (zh)
EP (1) EP3876334A4 (zh)
JP (1) JP7063440B2 (zh)
KR (1) KR20200117794A (zh)
CN (1) CN112602226B (zh)
WO (1) WO2020204584A1 (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114200206A (zh) * 2021-12-07 2022-03-18 嘉兴丹那赫电子科技有限公司 一种便于监测的变频器及其监测方法
CN114285118A (zh) * 2021-12-20 2022-04-05 武汉蔚能电池资产有限公司 一种电池参数校正系统、方法及存储介质
CN114720890A (zh) * 2022-03-23 2022-07-08 四川大学 一种基于宽频阻抗谱的锂电池内部温度估计方法
WO2023284167A1 (zh) * 2021-07-16 2023-01-19 苏州浪潮智能科技有限公司 一种电池充电方法、装置、设备及介质
CN117533195A (zh) * 2024-01-10 2024-02-09 北京航空航天大学 一种基于主动阻抗测试的动力电池管理方法

Families Citing this family (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210028476A (ko) * 2019-09-04 2021-03-12 삼성전자주식회사 배터리 충전 장치 및 방법
KR20220067328A (ko) * 2020-11-17 2022-05-24 주식회사 엘지에너지솔루션 배터리 관리 장치 및 방법
EP4046862B1 (en) * 2020-12-24 2024-06-12 Contemporary Amperex Technology Co., Limited Control method and apparatus, power system and electric vehicle
KR102540721B1 (ko) * 2020-12-24 2023-06-05 연세대학교 산학협력단 이차전지 시뮬레이션 방법 및 장치
JP7387660B2 (ja) 2021-02-10 2023-11-28 株式会社東芝 電池の診断方法、電池の診断装置、電池の診断システム、電池搭載機器及び電池の診断プログラム
JP7423566B2 (ja) * 2021-03-02 2024-01-29 株式会社東芝 二次電池の管理方法、二次電池の管理装置、二次電池の管理システム、電池搭載機器及び二次電池の管理プログラム
WO2022221090A1 (en) * 2021-04-14 2022-10-20 Analog Devices, Inc. Technique for estimation of internal battery temperature
US11685288B2 (en) * 2021-05-06 2023-06-27 GM Global Technology Operations LLC Intelligent motor vehicles and control logic for managing charging of traction battery packs
KR102639780B1 (ko) * 2021-10-14 2024-02-21 엘지전자 주식회사 에너지 저장장치
KR102635229B1 (ko) * 2021-10-25 2024-02-08 연세대학교 산학협력단 전극 특성 검출 장치 및 방법
JP2024518588A (ja) * 2021-11-03 2024-05-01 エルジー エナジー ソリューション リミテッド 電池のインピーダンススペクトル推定装置及び方法、並びにこれを含むシステム
KR20230120516A (ko) 2022-02-09 2023-08-17 주식회사 엘지에너지솔루션 차량용 배터리 팩의 진단 시스템 및 이를 구비한 전기 자동차
WO2024019465A1 (ko) * 2022-07-18 2024-01-25 주식회사 배터랩 배터리 내부 온도 추정을 위한 배터리 관리 장치 및 방법
KR102604673B1 (ko) * 2023-02-06 2023-11-23 주식회사 배터랩 배터리 내부 온도 추정을 위한 배터리 관리 장치 및 방법
KR20240019650A (ko) * 2022-08-04 2024-02-14 주식회사 엘지에너지솔루션 배터리 관리 장치 및 그것의 동작 방법
US20240053403A1 (en) * 2022-08-09 2024-02-15 Iontra Inc Model predictive controller architecture and method of generating an optimized energy signal for charging a battery
KR20240028206A (ko) * 2022-08-24 2024-03-05 주식회사 엘지에너지솔루션 임피던스 측정 장치 및 그것의 동작 방법
KR20240034048A (ko) * 2022-09-06 2024-03-13 주식회사 엘지에너지솔루션 배터리 관리 장치 및 그것의 동작 방법
WO2024100975A1 (ja) * 2022-11-11 2024-05-16 株式会社村田製作所 二次電池モデルパラメータ生成方法、二次電池モデルパラメータ生成装置、二次電池診断方法、二次電池診断装置、充放電装置および二次電池パック
WO2024114969A1 (en) * 2022-11-30 2024-06-06 Cirrus Logic International Semiconductor Limited A system for controlling charging of a battery
CN117130419B (zh) * 2023-08-30 2024-03-12 南京普联微电子科技有限公司 一种基于lstm的mos管压差智能调节方法及系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2003071617A2 (en) * 2002-02-19 2003-08-28 The Penn State Research Foundation Model-based predictive diagnostic tool for primary and secondary batteries
US20050194936A1 (en) * 2003-12-18 2005-09-08 Il Cho Apparatus and method for estimating state of charge of battery using neural network
CN101512365A (zh) * 2006-09-04 2009-08-19 丰田自动车株式会社 二次电池的内部状态估计装置以及二次电池的内部状态估计方法
US20110161025A1 (en) * 2008-09-02 2011-06-30 Kabushiki Kaisha Toyota Chuo Kenkyusho State estimating device for secondary battery
CN103969590A (zh) * 2013-02-05 2014-08-06 三星Sdi株式会社 电池管理系统及其使用方法
US20160003912A1 (en) * 2013-03-14 2016-01-07 Furukawa Electric Co., Ltd. Secondary battery state detecting device and secondary battery state detecting method
JP6145824B2 (ja) * 2014-10-31 2017-06-14 エンネット株式会社 電池診断装置および電池診断方法
US20180045788A1 (en) * 2015-03-06 2018-02-15 Denso Corporation Battery state estimating apparatus
CN109061506A (zh) * 2018-08-29 2018-12-21 河海大学常州校区 基于神经网络优化ekf的锂离子动力电池soc估计方法

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS55144243A (en) * 1979-04-28 1980-11-11 Toshiba Ceramics Co Ltd Photomask
KR100395516B1 (ko) * 1998-11-19 2003-12-18 금호석유화학 주식회사 비선형등가회로모형을이용한축전장치의특성인자수치화방법및장치
DE10012964A1 (de) * 2000-03-16 2001-10-04 Implex Hear Tech Ag Vorrichtung und Verfahren zum Betreiben eines wiederaufladbaren Speichers für elektrische Energie
JP4645382B2 (ja) * 2005-09-20 2011-03-09 トヨタ自動車株式会社 バッテリ状態検知装置、バッテリ状態検知方法
KR100812760B1 (ko) * 2005-12-08 2008-03-12 김득수 축전지 내부 임피던스 유효성분 측정연산 장치 및 그 방법
JP5875037B2 (ja) * 2011-07-08 2016-03-02 インターナショナル・ビジネス・マシーンズ・コーポレーションＩｎｔｅｒｎａｔｉｏｎａｌ Ｂｕｓｉｎｅｓｓ Ｍａｃｈｉｎｅｓ Ｃｏｒｐｏｒａｔｉｏｎ バッテリの状態予測システム、方法及びプログラム
JP5717671B2 (ja) 2012-02-28 2015-05-13 三菱重工業株式会社 モデル定数取得方法およびモデル定数取得装置
JP6342612B2 (ja) 2013-05-15 2018-06-13 旭化成株式会社 二次電池診断装置及び二次電池診断方法
CN106033113B (zh) * 2015-03-19 2019-03-08 国家电网公司 一种储能电池组健康状态评估方法
JP6789025B2 (ja) 2015-11-30 2020-11-25 積水化学工業株式会社 診断用周波数決定方法、蓄電池劣化診断方法、診断用周波数決定システムおよび蓄電池劣化診断装置
US10353008B2 (en) 2016-10-06 2019-07-16 Mitsubishi Electric Research Laboratories, Inc. Hybrid battery state sensor
JP6895786B2 (ja) * 2017-03-29 2021-06-30 古河電気工業株式会社 二次電池状態検出装置および二次電池状態検出方法
JP6561407B2 (ja) 2017-04-07 2019-08-21 学校法人早稲田大学 組電池、電池モジュールおよび電池モジュールの評価方法
JP2019016528A (ja) * 2017-07-07 2019-01-31 学校法人立命館 蓄電池等価回路モデルの評価装置
DE102017123466A1 (de) 2017-10-10 2019-04-11 Volkswagen Aktiengesellschaft Verfahren zum Betreiben einer Brennkraftmaschine, Brennkraftmaschine und Kraftfahrzeug

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2003071617A2 (en) * 2002-02-19 2003-08-28 The Penn State Research Foundation Model-based predictive diagnostic tool for primary and secondary batteries
US20050194936A1 (en) * 2003-12-18 2005-09-08 Il Cho Apparatus and method for estimating state of charge of battery using neural network
CN101512365A (zh) * 2006-09-04 2009-08-19 丰田自动车株式会社 二次电池的内部状态估计装置以及二次电池的内部状态估计方法
US20110161025A1 (en) * 2008-09-02 2011-06-30 Kabushiki Kaisha Toyota Chuo Kenkyusho State estimating device for secondary battery
CN103969590A (zh) * 2013-02-05 2014-08-06 三星Sdi株式会社 电池管理系统及其使用方法
US20160003912A1 (en) * 2013-03-14 2016-01-07 Furukawa Electric Co., Ltd. Secondary battery state detecting device and secondary battery state detecting method
JP6145824B2 (ja) * 2014-10-31 2017-06-14 エンネット株式会社 電池診断装置および電池診断方法
US20180045788A1 (en) * 2015-03-06 2018-02-15 Denso Corporation Battery state estimating apparatus
CN109061506A (zh) * 2018-08-29 2018-12-21 河海大学常州校区 基于神经网络优化ekf的锂离子动力电池soc估计方法

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023284167A1 (zh) * 2021-07-16 2023-01-19 苏州浪潮智能科技有限公司 一种电池充电方法、装置、设备及介质
US11823025B1 (en) 2021-07-16 2023-11-21 Inspur Suzhou Intelligent Technology Co., Ltd. Battery charging method and apparatus, and device and medium
CN114200206A (zh) * 2021-12-07 2022-03-18 嘉兴丹那赫电子科技有限公司 一种便于监测的变频器及其监测方法
CN114200206B (zh) * 2021-12-07 2023-02-10 嘉兴丹那赫电子科技有限公司 一种便于监测的变频器及其监测方法
CN114285118A (zh) * 2021-12-20 2022-04-05 武汉蔚能电池资产有限公司 一种电池参数校正系统、方法及存储介质
CN114720890A (zh) * 2022-03-23 2022-07-08 四川大学 一种基于宽频阻抗谱的锂电池内部温度估计方法
CN117533195A (zh) * 2024-01-10 2024-02-09 北京航空航天大学 一种基于主动阻抗测试的动力电池管理方法
CN117533195B (zh) * 2024-01-10 2024-04-05 北京航空航天大学 一种基于主动阻抗测试的动力电池管理方法

Also Published As

Publication number Publication date
EP3876334A4 (en) 2022-01-19
EP3876334A1 (en) 2021-09-08
JP7063440B2 (ja) 2022-05-09
CN112602226B (zh) 2024-02-06
US20220221516A1 (en) 2022-07-14
JP2022502815A (ja) 2022-01-11
KR20200117794A (ko) 2020-10-14
WO2020204584A1 (ko) 2020-10-08

Similar Documents

Publication Publication Date Title
CN112602226B (zh) 电池管理装置和方法
CN108369258B (zh) 状态估计装置、状态估计方法
US20180083461A1 (en) Secondary battery management system with remote parameter estimation
CN112615075A (zh) 电池快速充电方法及计算机设备
CN110462412B (zh) 用于估计电池的soc的装置和方法
EP4033585A1 (en) Estimation device, estimation method, and computer program
US20100244777A1 (en) Charging control method for secondary battery and battery charger
KR20220034543A (ko) 배터리의 충전상태를 추정하는 방법
US20230168292A1 (en) Battery Management Apparatus and Method
KR20200102923A (ko) 배터리 상태 추정 장치 및 방법
CN113785209A (zh) 用于检测异常电池单体的方法
JP7231657B2 (ja) 電池制御装置
US20230296688A1 (en) Battery Diagnosing Apparatus and Method
US20230273263A1 (en) Battery Diagnosing Apparatus, Method and System
US11929472B2 (en) Battery diagnosing apparatus and method
CN112601969B (zh) 使用非破坏性电阻分析的电池管理装置和方法
US20230238815A1 (en) Battery Management Apparatus and Method
CN112119317A (zh) 电池管理装置、电池管理方法和电池组
US11959972B2 (en) Battery diagnosing apparatus and method
US20230314515A1 (en) Battery Diagnosing Apparatus and Method
CN117897851A (zh) 电池管理装置和方法
CN115667957A (zh) 电池管理设备及电池管理方法
KR20230108663A (ko) 배터리 충전 심도 산출 장치 및 그것의 동작 방법
CN116774079A (zh) 锂电池混联系统的荷电状态预测方法、设备及存储介质

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
TA01 Transfer of patent application right

Effective date of registration: 20220318

Address after: Seoul, South Kerean

Applicant after: LG Energy Solution

Address before: Seoul, South Kerean

Applicant before: LG CHEM, Ltd.

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant