CN113009345A - 电池在线识别中的ekf状态中继策略 - Google Patents

电池在线识别中的ekf状态中继策略 Download PDF

Info

Publication number
CN113009345A
CN113009345A CN202011481493.7A CN202011481493A CN113009345A CN 113009345 A CN113009345 A CN 113009345A CN 202011481493 A CN202011481493 A CN 202011481493A CN 113009345 A CN113009345 A CN 113009345A
Authority
CN
China
Prior art keywords
battery
value
current
parameter
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.)
Pending
Application number
CN202011481493.7A
Other languages
English (en)
Inventor
王旭
约翰·保罗·吉博
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.)
Ford Global Technologies LLC
Original Assignee
Ford Global Technologies LLC
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 Ford Global Technologies LLC filed Critical Ford Global Technologies LLC
Publication of CN113009345A publication Critical patent/CN113009345A/zh
Pending legal-status Critical Current

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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
    • B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
    • B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
    • B60L58/12—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries responding to state of charge [SoC]
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
    • B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
    • B60L58/12—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries responding to state of charge [SoC]
    • B60L58/13—Maintaining the SoC within a determined range
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
    • B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
    • B60L58/12—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries responding to state of charge [SoC]
    • B60L58/14—Preventing excessive discharging
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
    • B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
    • B60L58/12—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries responding to state of charge [SoC]
    • B60L58/15—Preventing overcharging
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
    • B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
    • B60L58/16—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries responding to battery ageing, e.g. to the number of charging cycles or the state of health [SoH]
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
    • B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
    • B60L58/24—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries for controlling the temperature of 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
    • G01R31/005—Testing of electric installations on transport means
    • G01R31/006—Testing of electric installations on transport means on road vehicles, e.g. automobiles or trucks
    • G01R31/007—Testing of electric installations on transport means on road vehicles, e.g. automobiles or trucks using microprocessors or computers
    • 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]
    • G01R31/378—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC] specially adapted for the type of battery or accumulator
    • 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]
    • G01R31/378—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC] specially adapted for the type of battery or accumulator
    • G01R31/379—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC] specially adapted for the type of battery or accumulator for lead-acid 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]
    • G01R31/385—Arrangements for measuring battery or accumulator variables
    • G01R31/386—Arrangements for measuring battery or accumulator variables using test-loads
    • 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
    • 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]
    • G01R31/396—Acquisition or processing of data for testing or for monitoring individual cells or groups of cells within a battery
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L2260/00—Operating Modes
    • B60L2260/40—Control modes
    • B60L2260/46—Control modes by self learning
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/70—Energy storage systems for electromobility, e.g. batteries

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Power Engineering (AREA)
  • Transportation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Secondary Cells (AREA)

Abstract

本公开提供了“电池在线识别中的EKF状态中继策略”。一种车辆，包括电池和控制器。所述控制器被编程为：在流过所述电池的电流足够动态的时间间隔期间对所述电池执行参数估计策略。在大体恒定电流时段期间，从来自所述参数估计策略的最后有效参数推导参数。在所述电池的电池温度和/或荷电状态改变预定量的大体恒定电流时段期间，从历史参数值推导所述参数。

Description

电池在线识别中的EKF状态中继策略
技术领域
本申请涉及一种用于估计牵引电池参数的车辆系统。
背景技术
混合动力电动或纯电动车辆具有牵引电池以存储和提供用于车辆推进的能量。为了提高性能和电池寿命，必需在某些极限内操作电池。在极限之外操作电池可能会降低电池的性能或寿命。可用于控制和操作电池组的量是电池电力容量。电池电力容量指示电池能够提供(放电)或接收(充电)多少电力以便满足驾驶员和车辆需求。
发明内容
一种车辆包括电池和控制器，所述控制器被编程为：在流过所述电池的电流的变化率的大小超过预定变化率阈值的时段期间，将阻抗参数的值更新为由参数估计模型生成的学习值。所述控制器还被编程为：响应于所述电流转变成大体恒定电流，将所述阻抗参数的所述值保持为紧接在所述转变之前所述学习值的状态。所述控制器还被编程为：响应于在当前时间与紧接在所述转变之前的时间之间的所述电池的温度的差异超过预定温度差异，将所述值改变为对应于在所述当前时间的所述温度的历史阻抗参数值。所述控制器还被编程为：根据所述阻抗参数的所述值来更新所述电池的电力极限并且根据电力极限来对所述电池进行充电和放电。
所述控制器还可被编程为：响应于在所述当前时间与紧接在所述转变之前的所述时间之间的所述电池的荷电状态的差异超过预定荷电状态差异，基于对应于在所述当前时间的所述荷电状态的历史阻抗参数值而改变所述电力极限。所述控制器还可被编程为：根据所述阻抗参数的所述值来改变所述电池的寿命参数。所述参数估计模型可为扩展卡尔曼滤波器。所述电力极限可包括充电电力容量和放电电力容量。所述参数估计模型还可包括指示所述电池的整个阻抗上的电压的电压参数值，并且所述电力极限还可基于所述电压参数值。所述控制器还可被编程为：在所述时段期间，基于所述阻抗参数的所述值、所述电池的测量的电流和测量的端子电压而改变所述电压参数值。所述控制器还可被编程为：响应于所述电流转变成所述大体恒定电流，基于紧接在所述转变之前的所述学习值的所述状态、所述测量的电流和所述测量的端子电压而改变所述电压参数值。所述控制器还可被编程为：响应于在当前时间与紧接在所述转变之前的时间之间的所述电池的温度的差异超过预定温度差异，基于所述历史阻抗参数值、所述测量的电流和所述测量的端子电压而改变所述电压参数值。所述历史阻抗参数值可从所述控制器的当前电力循环和先前电力循环中的一者或多者推导。
一种车辆包括电池和控制器，所述控制器被编程为：响应于流过所述电池的电流的变化率的大小超过阈值而使用参数估计模型来估计所述电池的阻抗参数的值。所述控制器还被编程为：响应于所述大小下降到低于所述阈值，保持所述值始终处于紧接在所述大小下降到低于所述阈值之前由所述参数估计模型估计的值。所述控制器还被编程为：响应于在所述大小下降到低于所述阈值之后，所述电池的荷电状态的变化超过预定变化，将所述值改变为对应于所述荷电状态的历史值。所述控制器还被编程为：根据从所述值推导的电力极限来对所述电池进行充电和放电。
所述控制器还可被编程为：响应于在所述大小下降到低于所述阈值之后，所述电池的温度的变化超过预定温度变化，将所述值改变为对应于所述温度的历史值。所述参数估计模型可为扩展卡尔曼滤波器。所述电力极限可包括充电电力容量和放电电力容量。所述参数估计模型还可估计指示所述电池的整个阻抗上的电压的电压参数值，并且所述电力极限还可基于所述电压参数值。所述控制器还可被编程为：响应于所述变化率的所述大小超过所述阈值，基于所述阻抗参数的所述值、所述电池的测量的电流和测量的端子电压而改变所述电压参数值。
一种控制电池的方法包括：当流过所述电池的电流的变化率的大小在至少预定量的时间内超过阈值时，由控制器使用参数估计模型来估计所述电池的阻抗参数的值。所述方法包括：响应于所述电流转变成大体恒定电流，根据紧接在所述转变之前所述值的最后状态来更新所述阻抗参数的所述值。所述方法包括：响应于在当前时间与紧接在所述转变之前的时间之间的所述电池的温度的差异超过预定温度差异，将所述值改变为对应于在所述当前时间的所述温度的历史阻抗参数值。所述方法包括：根据从所述阻抗参数的所述值推导的电力极限来对所述电池进行充电和放电。
所述方法还可包括：响应于在当前时间与紧接在所述转变之前的时间之间的所述电池的荷电状态的差异超过预定荷电状态差异，将所述值改变为对应于在所述当前时间的所述荷电状态的历史阻抗参数值。所述预定量的时间是与所述参数估计模型相关联的误差收敛到零的持续时间。所述方法还可包括：在所述预定量的时间内基于所述值、所述电池的测量的电流和测量的端子电压而估计指示所述电池的整个阻抗上的电压的电压参数值，并且所述电力极限还可从所述电压参数值推导。所述方法还可包括：响应于所述转变，基于所述测量的电流、所述测量的端子电压和紧接在所述转变之前所述值的所述最后状态而改变所述电压参数值。所述方法还可包括：响应于在所述当前时间与紧接在所述转变之前的所述时间之间的所述电池的所述温度的所述差异超过所述预定温度差异，基于所述历史阻抗参数值、所述测量的电流和所述测量的端子电压而改变所述电压参数值。
附图说明
图1是示出典型的传动系和能量存储部件的插电式混合动力电动车辆的图。
图2是由多个电池单元构成且由电池控制模块监测和控制的可能的电池组布置的图。
图3是示例电池单元等效电路的图。
图4是示出典型的电池单元的可能的开路电压(Voc)与电池荷电状态(SOC)关系的曲线图。
图5是用于估计电池参数的状态的可能的操作序列的流程图。
具体实施方式
本文中描述了本公开的实施例。然而，应理解，所公开的实施例仅仅是示例并且其他实施例可采取各种替代形式。附图不一定按比例绘制；一些特征可能被放大或最小化以示出特定部件的细节。因此，本文公开的具体结构和功能细节不应被解释为是限制性的，而仅解释为教导本领域技术人员以不同方式采用本发明的代表性基础。如本领域的普通技术人员将理解，参考附图中的任一者示出和描述的各种特征可与一个或多个其他附图中示出的特征组合以产生未明确地示出或描述的实施例。所示特征的组合提供典型应用的代表性实施例。然而，与本公开的教导相一致的特征的各种组合和修改对于特定应用或实现方式来说可能是期望的。
电池组可通过具有阻抗分量的布置的等效电路模型(ECM)来建模。ECM可取决于所使用的电池的类型和化学物质。可基于所述模型的电池阻抗分量值而计算电池电力容量。电池阻抗分量值可随电池的寿命和温度而变化。
诸如扩展卡尔曼滤波器(EKF)的递归参数估计方法可用于识别电池等效电路模型阻抗参数。EKF的缺点是可能需要一些时间才能收敛到真实的参数值。此外，EKF可能需要足够动态的输入，以便保证到实际参数值的收敛。在不存在足够动态的输入的情况下，EKF可能会返回不准确的值。在输入不是足够动态的时段期间，可定义替代策略来更新参数和对应的电池电力容量值。
图1示出了可被称为插电式混合动力电动车辆(PHEV)的电动化车辆112。插电式混合动力电动车辆112可包括机械地联接到齿轮箱或混合动力变速器116的一个或多个电机114。电机114可能能够作为马达和发电机来操作。此外，混合动力变速器116机械地联接到发动机118。混合动力变速器116还机械地联接到驱动轴120，所述驱动轴机械地联接到车轮122。电机114可在发动机118打开或关闭时提供推进和再生制动能力。电机114还可充当发电机，并且可通过回收通常在摩擦制动系统中作为热量损失掉的能量来提供燃料经济性益处。电机114还可通过允许发动机118以更有效的转速操作并且允许在某些状况下在发动机118关闭的情况下以电动模式操作混合动力电动车辆112来减少车辆排放。电动化车辆112还可为电池电动车辆(BEV)。在BEV配置中，可能不存在发动机118。在其他配置中，电动化车辆112可为没有插电能力的强混合动力电动车辆(FHEV)。
电池组或牵引电池124存储可供电机114使用的能量。牵引电池124可提供高电压直流电(DC)输出。接触器模块142可包括一个或多个接触器，所述一个或多个接触器被配置为在断开时将牵引电池124与高电压总线152隔离并且在闭合时将牵引电池124连接到高电压总线152。高电压总线152可包括用于在高电压总线152上载运电流的供电导体和回路导体。接触器模块142可位于牵引电池124中。一个或多个电力电子模块126(也被称为逆变器)可电耦合到高电压总线152。电力电子模块126还电耦合到电机114，并且提供在牵引电池124与电机114之间双向传递能量的能力。例如，牵引电池124可提供DC电压，而电机114可利用三相交流电(AC)操作来起作用。电力电子模块126可将DC电压转换为三相AC电流来操作电机114。在再生模式中，电力电子模块126可将来自充当发电机的电机114的三相AC电流转换为与牵引电池124兼容的DC电压。
除了提供用于推进的能量之外，牵引电池124还可为其他车辆电气系统提供能量。车辆112可包括DC/DC转换器模块128，所述DC/DC转换器模块将来自高电压总线152的高电压DC输出转换为与低电压负载156兼容的低电压总线154的低电压DC电平。DC/DC转换器模块128的输出端可电耦合到辅助电池130(例如，12V电池)以用于对辅助电池130进行充电。低电压负载156可经由低电压总线154电耦合到辅助电池130。一个或多个高电压电气负载146可联接到高电压总线152。高电压电气负载146可具有相关联的控制器，所述控制器在适当时操作和控制高电压电气负载146。高电压电气负载146的示例可为风扇、电加热元件和/或空调压缩机。
电动化车辆112可被配置为从外部电源136对牵引电池124进行再充电。外部电源136可为接至电气插座的连接件。外部电源136可电耦合到充电站或电动车辆供电装备(EVSE)138。外部电源136可为如由电力公共事业公司所提供的配电网络或电网。EVSE 138可提供电路和控制件以调整和管理在电源136与车辆112之间的能量传递。外部电源136可向EVSE 138提供DC或AC电力。EVSE 138可具有用于联接到车辆112的充电端口134的充电连接器140。充电端口134可为被配置为将电力从EVSE 138传递到车辆112的任何类型的端口。充电端口134可电耦合到车载电力转换模块或充电器。充电器132可调节从EVSE 138供应的电力，以向牵引电池124和高电压总线152提供适当的电压电平和电流电平。充电器132可电耦合到接触器模块142。充电器132可与EVSE 138对接以协调对车辆112的电力输送。EVSE连接器140可具有与充电端口134的对应凹槽配合的引脚。可选地，被描述为电耦合或连接的各种部件可使用无线感应耦合来传递电力。
可提供车轮制动器144以用于制动车辆112并且阻止车辆112的运动。车轮制动器144可为液压致动的、电致动的或者它们的某种组合。车轮制动器144可为制动系统150的一部分。制动系统150可包括用于操作车轮制动器144的其他部件。为了简单起见，附图示出了制动系统150与车轮制动器144中的一者之间的单个连接。暗示制动系统150与其他车轮制动器144之间的连接。制动系统150可包括用于监测并协调制动系统150的控制器。制动系统150可监测制动部件并且控制车轮制动器144。制动系统150可对驾驶员命令进行响应，并且还可自主操作来实现诸如稳定性控制的特征。制动系统150的控制器可在由另一个控制器或子功能请求时实现施加所请求的制动力的方法。
电动化车辆112还可包括用户界面160。用户界面160可提供用于向操作员传达信息的各种显示元件。用户界面160可提供用于从操作员接收信息的各种输入元件。用户界面160包括一个或多个显示器。显示器可为触摸屏显示器。用户界面160可包括离散的灯具/灯。例如，灯具可包括发光二极管(LED)。用户界面160可包括用于允许操作员改变各种设定的开关、旋钮和按钮。用户界面160可包括经由车辆网络通信的控制模块。用户界面160可提供一个或多个显示元件，所述一个或多个显示元件指示禁止充电以及禁止车辆操作。用户界面160还可提供用于指示单接触器焊接状况和双接触器焊接状况的显示元件。显示元件可包括离散的灯具和/或消息显示区域中的消息。
车辆112中的电子模块可经由一个或多个车辆网络通信。车辆网络可包括用于通信的多个信道。车辆网络的一个信道可为串行总线，诸如控制器局域网(CAN)。车辆网络的信道中的一者可包括由电气与电子工程师协会(IEEE)802系列标准限定的以太网网络。车辆网络的附加信道可包括模块之间的离散连接并且可包括来自辅助电池130的电力信号。可通过车辆网络的不同信道传递不同信号。例如，视频信号可通过高速信道(例如，以太网)传递，而控制信号可通过CAN或离散信号传递。车辆网络可包括有助于在模块之间传递信号和数据的任何硬件部件和软件部件。车辆网络未在图1中示出，但是可能暗示车辆网络可连接到车辆112中存在的任何电子模块。可存在车辆系统控制器(VSC)148来协调各种部件的操作。
牵引电池124可由各种化学配方构造。典型的电池组化学物质可为铅酸、镍金属氢化物(NIMH)或锂离子。图2示出了N个电池单元202处于简单串联配置的典型牵引电池组124。然而，其他电池组124可由串联或并联或其某种组合连接的任何数量的单独的电池单元组成。电池管理系统可具有监测并控制牵引电池124的性能的一个或多个控制器，诸如电池能量控制模块(BECM)206。电池组124可包括用于测量各种组级特性的传感器。电池组124可包括一个或多个组电流测量传感器208、组电压测量传感器210和组温度测量传感器212。BECM 206可包括用于与组电流传感器208、组电压传感器210和组温度传感器212对接的电路。BECM 206可具有非易失性存储器，使得当BECM 206处于关闭状况时可保留数据。保留的数据可能在下一个钥匙循环时可用。
除了组级特性之外，还可存在被测量和监测的电池单元202级特性。例如，可测量每个单元202的端子电压、电流和温度。系统可使用一个或多个传感器模块204来测量电池单元202特性。根据能力，传感器模块204可测量电池单元202中的一者或多者的特性。电池组124可利用多达Nc个传感器模块204来测量所有电池单元202的特性。传感器模块204中的每一者可将测量传递到BECM 206以进行进一步的处理和协调。传感器模块204可将呈模拟或数字形式的信号传递到BECM 206。在一些配置中，传感器模块204的功能可被并入BECM206的内部。也就是说，传感器模块204的硬件可被集成为BECM 206中的电路的一部分并且BECM 206可进行对原始信号的处理。BECM 206还可包括用于与接触器模块142对接以断开和闭合相关联的接触器的电路。
锂离子电池可以不同方式建模。图3示出了一种可能的电池单元等效电路模型(ECM)300。电池单元可被建模为具有与之相关联的电阻(352和354)和电容356的电压源(Voc)350。由于电池单元阻抗，端子电压Vt358通常不与开路电压Voc350相同。开路电压Voc350不易测量，因为只有电池单元的端子电压358可接近来进行测量。由于Voc350不易测量，因此可使用基于模型的方法来估计值。模型可能要求已知或估计电阻和电容的值。电池单元模型可取决于电池化学物质。针对电池单元选择的精确模型对于所描述的方法来说不一定是关键的。电池单元模型可扩展到整个牵引电池124，所述整个牵引电池包括电耦合在一起的电池单元202。例如，各种模型参数可具有基于各种模型元件的串联/并联组合的值。
对于典型的锂离子电池单元而言，在SOC与开路电压(Voc)之间存在关系，使得Voc＝f(SOC)。图4示出了典型的曲线396，其示出了作为SOC的函数的开路电压Voc。可从分析电池特性或从测试电池单元确定SOC与Voc之间的关系。所述函数可使得SOC可被计算为f-1(Voc)。所述函数或反函数可被实现为表格查找或等效方程。曲线396的确切形状可会基于锂离子电池的确切配方而变化。电压Voc由于电池的充电和放电而变化。所述特性可用于估计以下算法的开路电压值。
等效电路模型的控制方程可写成如下：
Figure BDA0002838248160000091
Voc-Vt＝V2+Ir1 (2)
其中：V2 360是电路模型的RC网络(C 356/r2 354)上的电压；
Figure BDA0002838248160000092
是V2 360的基于时间的导数；r2 354是电池的电荷转移电阻；C 360是电池的双电层电容；I 364是流过电池的测量的电流；Voc 350是电池的开路电压；Vt 358是电池端子上的测量的电池电压(端子电压)；并且r1 352是电池的内部电阻。
在典型的电池系统中，诸如电流I 364和端子电压Vt 358的一些值可由对应的传感器直接测量。然而，电阻和电容值可随时间变化，并且可能不易测量。电池阻抗参数估计模型可用于计算电池的阻抗参数。一种估计系统的参数的方法是利用递归参数估计方法，诸如扩展卡尔曼滤波器(EKF)。例如，可构造EKF，其使用电流I 364作为输入，使用电压V2360作为状态，并且使用电压差Voc-Vt作为输出。电池ECM阻抗参数(r1 352、r2 354和C 356)或参数的组合还可被视为用于识别的状态。一旦已经识别出参数和状态，就可基于电池电压和电流的操作极限以及当前电池状态而计算电池电力容量。
可选择估计模型的状态以允许直接或间接地计算电池阻抗和电压状态中的一者或多者。电池模型的这样的一组状态可如下定义：
Figure BDA0002838248160000101
系统输出可被定义为：
y＝Voc-Vt (4)
可使用测量的端子电压和从荷电状态推导的开路电压来估计系统输出。方程(1)和(2)就所定义的状态而言可写成如下：
Figure BDA0002838248160000102
y＝x1+x4I (6)
基于下文将描述的系统模型，观察器可被设计成估计扩展状态(x1、x2、x3和x4)。通过估计状态，可根据以下方程来估计电池阻抗参数(r1、r2和C)以及电压参数(V2)：
Figure BDA0002838248160000103
Figure BDA0002838248160000104
Figure BDA0002838248160000105
Figure BDA0002838248160000106
EKF是可由以下方程控制的动态系统：
x(k)＝f(x(k-1)，i(i-1))+w(k-1) (11)
y(k)＝h(x(k)，i(k))+v(k) (12)
其中
f()是系统函数，具有作为时间索引的k，并且Ts是采样周期，并且被定义为：
Figure BDA0002838248160000111
h()是测量函数，被定义为：
h(x(k)，i(k))＝xI(k)+x4(k)i(k) (14)
x(k)是系统状态x，其在时间k*Ts评估，被定义为：
Figure BDA0002838248160000112
i(k)是输入(例如，电池电流I)；
w(k)是具有已知协方差矩阵Q(k)的零平均值过程白噪声；
y(k)是系统输出(Voc-Vt)；并且
v(k)是具有已知协方差矩阵R(k)的零平均值测量白噪声；
由方程定义的离散时间域模型是非线性系统。可定义状态转变模型
Figure BDA0002838248160000113
和观察模型
Figure BDA0002838248160000114
为了使方程线性化，系统函数和测量函数的雅可比行列式可推导为：
Figure BDA0002838248160000121
Figure BDA0002838248160000122
ECM的线性化差分方程可表达为：
x(k)＝F(k)x(k-1)+w(k-1) (18)
y(k)＝H(k)x(k)+v(k) (19)
这些方程表示线性化ECM系统，并且可用于EKF递归处理中。完整的EKF方程组由时间更新方程和测量更新方程组成。考虑到测量一直进行到时间k(例如，y(k)、y(k-1)、...)并且包括所述时间，第一变量
Figure BDA0002838248160000123
可表示在时间步长k对状态x(k)的后验状态估计。第二变量
Figure BDA0002838248160000124
可表示通过使用
Figure BDA0002838248160000125
进行的对x(k)的先验状态估计(或预测)，这不包括在时间步长k的测量y(k)的信息。考虑到测量一直进行到时间k(例如，y(k)、y(k-1)、...)并且包括所述时间，P(k|k)可表示x(k)的后验估计误差协方差矩阵。P(k|k)可为对状态估计的估计准确度的量度。所述方程
Figure BDA0002838248160000126
可定义误差协方差矩阵。考虑到先验测量(例如，y(k-1)、y(k-2)、...)，P(k|k-1)可表示x(k)的状态预测误差协方差矩阵。
图5示出了用于实现状态估计以操作电池的可能的操作序列的流程图。控制器可被编程为执行参数估计模型来估计电池的阻抗和电压参数。所述操作可在诸如BECM 206的控制器中实现。扩展卡尔曼滤波器的递归处理可以预定义的采样间隔执行。在操作502处，可初始化用于状态估计的参数和变量。例如，可初始化
Figure BDA0002838248160000127
P(k-1|k-1)和i(k-1)以及输入i(k)。可将状态初始化为最后已知的状态或者可将所述状态初始化为默认值。可通过对对应的传感器进行采样来初始化与测量值相关联的参数或变量。
操作504可表示每次迭代的开始。在操作504处，可通过测量或计算对应的参数来生成新信息。可收集和/或计算先前已知或生成的值。在每个时间步长k，根据先验迭代，
Figure BDA0002838248160000131
P(k-1|k-1)和i(k-1)的值可能是已知的。在操作504处，可测量新信息。例如，y(k)可从电压测量推导，并且i(k)可从电流测量推导。
在操作506处，可更新系统和测量矩阵。可在上文描述的方程中使用先前状态估计
Figure BDA0002838248160000132
和先前电流测量i(k-1)来更新状态转变矩阵F(k)。可在上文描述的方程中使用当前电流测量i(k)来更新测量矩阵H(k)。
在操作508处，可执行检查来确定电池电流是否大体恒定。所述检查还可一般化为对持续激励条件的检查，以确保对参数估计的输入是足够动态的。例如，如果电流的导数在至少预定时间内近似为零，则电池电流可大体恒定。如果电池电流不是大体恒定电流，则可执行操作510。下文提供了有关恒定电流检查的其他细节。下文还描述了当电流大体恒定时执行的操作。操作510可表示用于生成学习的状态值以进一步用于估计中的正常状态和测量预测。
在操作510处，可预测或学习状态和输出。控制器可被编程为将(先验)状态估计的预测生成为：
Figure BDA0002838248160000133
控制器然后可被编程为生成(先验)测量估计的预测：
Figure BDA0002838248160000134
在操作518处，可生成测量残差。控制器可被编程为将测量残差(或新息)计算为：
Figure BDA0002838248160000135
在操作520处，可计算状态和测量预测协方差以及卡尔曼增益。卡尔曼增益K(k)可通过首先如下预测(先验)状态估计协方差来计算：
P(k|k-1)＝F(k-1)P(k-1|k-1)F(k-1)′+Q(k-1) (23)
测量残差(或新息)协方差S(k)＝cov(e(k))可如下生成：
S(k)＝H(k)P(k|k-1)H(k)′+R(k) (24)
然后可将卡尔曼增益计算为：
K(k)＝P(k|k-1)H(k)′S(k)-1 (25)
在操作522处，可计算状态估计和状态估计协方差。控制器可被编程为如下更新(后验)状态估计：
Figure BDA0002838248160000141
其中K(k)是卡尔曼增益。(后验)状态估计协方差可根据以下方程来更新：
P(k|k)＝(I-K(k)H(k))P(k|k-1)(I-K(k)H(k))′+K(k)R(k)K(k)′ (27)
并且可等效地表达为：
P(k|k)＝(I-K(k)H(k))P(k|k-1) (28)
ECM参数可从状态估计推导如下：
Figure BDA0002838248160000142
Figure BDA0002838248160000143
Figure BDA0002838248160000144
Figure BDA0002838248160000145
当估计ECM参数时，可计算其他推导值。在操作524处，如本文将描述，可基于所估计的ECM参数而计算电池电力容量。可定义若干电池电力容量参数。可定义允许的最小组电压v最小，所述允许的最小组电压可随电池温度而变化。可定义允许的最大组电压v最大，所述允许的最大组电压可随电池温度而变化。最小组电压和最大组电压可由制造商基于电池特性而定义。可定义放电电流极限idchlim，所述放电电流极限随电池温度和SOC而变化。可定义充电电流极限ichlim，所述充电电流极限随电池温度和SOC而变化。可针对不同的时间间隔计算电池电力容量参数。可为电力容量估计定义持续时间td。持续时间可指示对电力容量进行评估的时间。例如，可通过将持续时间设定为一秒来定义一秒电力容量估计，并且可通过将持续时间设定为半秒来定义半秒电力容量估计。电力容量可描述在持续时间期间可提供给电池或从电池提供的电力量。
上文描述的一阶微分方程可在方程中使用估计的电池ECM参数来求解，以产生电池电流(I)的以下表达式。
Figure BDA0002838248160000151
其中：td是预定持续时间；
Figure BDA0002838248160000152
是V2的当前值，并且e是自然对数的底数。
一般而言，一旦确定了电流(I)的值，就可估计电池电力容量。在期望确定电池的充电电力容量的情况下，诸如以下方程中所描述，可针对电流(I)的最小值求解电流方程。根据惯例，电流在流出电池(放电)时被定义为正(+)量，并且在流入电池(充电)时被定义为负(-)量。
Figure BDA0002838248160000153
其中：(td)的值是预定持续时间，并且可例如在0.5秒与10秒之间，并且V最大是电池的最大操作电压，并且可被视为限制性电池电压。
最小电流可被定义为：
i最小＝max(I(td，v最大)，ichlim) (35)
充电电力容量可被定义为：
Figure BDA0002838248160000161
时间值(td)可以是基于车辆系统控制器如何使用电池电力容量。最大电压(v最大)可例如由车辆制造商或电池制造商确定为允许电池达到的最大电压。
除了确定电池的充电电力容量之外，还可提供一种用于确定电池的放电电力容量的方法。为了确定放电电力容量，可将电池电流(I)的最大值与电池电压的最小值结合使用。可使用上文描述的电流方程来针对I最大求解为：
Figure BDA0002838248160000162
其中：v最小是电池组的最小操作电压。
最大电流可被定义为：
i最大＝min(I(td，v最小)，idchhlim) (38)
放电电力容量可被定义为：
Figure BDA0002838248160000163
电池电力容量是基于由EKF估计的电池ECM阻抗参数(例如，r1、r2和C)。电池电力容量还基于由模型估计的ECM电压参数(V2)。应注意，用于电池电力容量的其他计算方法可能是可行的。以上计算方案仅代表使用电池阻抗参数估计模型来计算电池电力容量。
在操作526处，可基于计算的电池电力容量而操作电池和电气负载。也就是说，可维持电池电流和电压，以便不超过电池电力容量。在充电和放电期间的电池电力可被定义为电池端子上的电压与流过电池的电流的乘积。可操作从电池接收电力或向所述电池提供电力的电气负载，使得所有负载的总电力落在计算的电池电力容量内。例如，电机可具有减小的电力极限，使得不会超过电池电力容量。控制器可管理电气负载以将电池电力维持在计算的极限内。
在操作528处，可执行检查来确定所述系统是否断电。例如，所述系统可响应于熄火命令而断电。当请求BECM 206进入睡眠模式时，可将所述系统断电。如果请求所述系统断电，则过程可在操作532处终止。如果未请求所述系统断电，则可执行操作530。在操作530处，可实现指令来为下一次迭代做准备。例如，可增加时间增量。此外，所述系统可为下一次迭代初始化或更新其他变量。然后可从操作504开始重复执行。
迄今为止的以上描述描述了使用EKF来估计电池ECM的状态和阻抗参数的示例。阻抗参数随所选择的ECM而变化。下文描述的方法也适用于其他电池电路模型表述。例如，可不同地定义状态，从而具有待估计的更多或更少的状态或参数。此外，可调整电池电力容量估计以对应于所使用的特定表述。
电池电力容量是可用于有效地控制动力传动系统的量。以上描述是使用扩展卡尔曼滤波器(EKF)来识别电池等效电路模型阻抗参数并且从电池阻抗参数计算相关电池电力容量的一个示例。EKF可能需要一些时间来收敛到真实的参数值。收敛时间可随用于初始化EKF的起始值而变化。EKF的收敛可能会受到初始参数值的有效选择的影响。
随着牵引电池124的老化，容量、电力和能量可能会衰减或减少。通过分析电池电流和电压行为，可通过使用例如基于电池等效电路模型的EFK框架来在线估计电池的衰减的电力容量。在电池ECM中，电阻和电容会随电池寿命、温度和SOC而变化。
ECM阻抗参数(r1、r2和c)可能会随温度而在大范围内变化。例如，对于相同的SOC和放电电流，电池端子电压在低温下可能会比在室温下低得多，因为r1在低温下通常大于在室温下的情况。这导致低温下的放电电力容量在与室温下的放电电力容量相比较时出现下降。正确地调整电池参数以对此进行补偿可确保电池在适当的极限内操作。
为了使EKF适当地收敛，可定义持续激励条件以实现对ECM参数的准确的在线识别，以及因此准确的基于模型的电池电力容量估计。持续激励可通过动态或足够多变的电池电流来实现。操作508可被配置为检查电池电流是否足够动态。当电流大体恒定时，电流可能不被认为是足够动态的。大体恒定电流可被定义为在大于预定时间的时间间隔内保持在小范围的电流值内的电流。当恒定电流(包括0A电流)正流过电池时，可禁止或改变上文描述的正常的EKF递归计算(操作510)，因为将恒定电流输入馈送到EKF中可能会驱使在线估计偏离真实的ECM参数值。为了防止这种状况，当检测到恒定电流时，可禁止或改变对ECM阻抗参数r1、r2、c和相关EKF状态的更新。仍然可根据电池电流、端子电压和SOC信息来更新RC网络上的电压降v2，的EKF状态。
另外，当检测到恒定电流(包括0A电流)时，可根据温度和SOC通过使用历史上学习的ECM参数r1、r2、c来更新ECM阻抗参数r1、r2、c和相关EKF状态。然而，在低温条件下可能会出现问题。例如，在低温下，EKF可从足够动态的电池电流估计r1的高值。然后，电池可在恒定电流下操作，并且由于恒定电流使用或环境温度，电池可能会升温。如果在低温下学习的高值r1也用于在高温下进行放电电力容量估计，则在高温下可能会低估放电电力容量。这可能会影响车辆操控性和燃料经济性。类似地，如果在高温下学习的低值r1用于低温放电电力容量估计，则可能会高估低温下的放电电力容量估计并且所述放电电力容量估计可能会使电池过度放电。
在连续动态电流流过电池的情况下，尽管电池温度和SOC会随时间而变化，但是EKF也可准确地学习r1、r2和c(例如，在低温下较大的r1以及在高温下相对较小的r1)。因此，可正确地估计电池电力容量。本文公开的策略改进了在没有连续动态电流流过电池并且同时电池状态(类似SOC和温度)会随时间而变化的情况下的电池在线电力容量估计。
响应于检测到动态电流正流过电池(例如，在操作508处没有检测到恒定电流)，根据上文描述的方程来将EKF状态更新为：
Figure BDA0002838248160000191
以上方程描述了操作510的状态预测。确定电池电流足够动态可通过各种方法来实现。一种方法可为评估电池电流的导数或变化率。例如，如果导数的大小超过预定阈值，则电池电流可能是足够动态的。例如，当满足以下条件时，电池电流可能是足够动态的：
Figure BDA0002838248160000192
可随时间监测条件，以确保在足够的持续时间内满足条件。例如，可能存在导数是改变迹象的时间段。当在预定时间段内测量到大体恒定电流时，电池电流可能不是足够动态的。当电流足够动态时，可执行EKF状态估计。在流过电池的电流的变化率的大小超过预定变化率阈值的时段期间，控制器可根据上文描述的参数估计模型来学习阻抗参数。可定义其他持续激励标准。
当电池电流不是足够动态时(例如，在操作508处检测到大体恒定电流)，可暂停或禁止正常的EKF排序(例如，操作510)以防止学习不准确的值。如果在操作508处识别出大体恒定电流，则可执行操作512。
在操作512处，执行检查来确定在不存在动态变化的电流的情况下将如何更新状态预测。包括用于确定EKF是否已收敛的检查。如果残差e(k)的大小小于预定值(例如，小数值)，则可收敛EKF。接近零的残差可指示状态估计在值上接近于真实的参数值。包括用于确定SOC的变化的大小是否小于预定SOC差异的检查。包括用于确定温度差异的大小是否小于预定温度差异的检查。时间点k最后_有效可被定义为在EKF算法已被认为收敛之后动态电流最后一次流过电池的时间点。在时间上比k最后_有效更近的稍后时间k可表示当前迭代的时间。SOC的变化(|ΔSOC|)的大小可被定义为在时间k的电池SOC与在时间k最后_有效的电池SOC之间的差异的绝对值。电池温度的变化(|ΔT|)的大小可被定义为在时间k的电池温度与在时间k最后_有效的电池温度之间的差异的绝对值。
如果满足操作512的所有条件，则可执行操作514。在操作514处，可将EKF的内部状态维持在先前值(例如，最后学习的状态估计)。EKF状态中继可被执行为：
Figure BDA0002838248160000201
在时间k的EKF阻抗相关状态x2、x3和x4将延用来自时间点k最后_有效的值。第一EKF电压相关状态x1可从电池OCV、电池端子电压测量以及串联电阻上的电压降r1估计。在具有稳定的SOC和温度值的大体恒定电流(例如，电池电流不是足够动态)的时段期间，可使用最后有效的估计的参数。由于SOC和温度是稳定的，因此假设参数未发生改变。响应于电流转变成大体恒定电流，控制器可将阻抗参数保持为紧接在转变为大体恒定电流之前由参数估计模型生成的阻抗参数的最后状态。在完成操作514之后，如上所述执行从操作518开始的操作。
参数估计模型还包括指示电池的整个阻抗上的电压的电压参数或状态(x1)。电力极限还基于电压参数，并且控制器可被编程为：在电流是足够动态的时段期间基于阻抗参数、电池的测量的电流和测量的端子电压而改变电压参数。控制器还可被编程为：响应于电流转变成大体恒定电流，基于紧接在转变之前的阻抗参数的最后状态、测量的电流和测量的端子电压而改变电压参数。控制器还可被编程为：响应于在当前时间与紧接在转变为大体恒定电流之前的时间之间的电池的温度的差异超过预定温度差异，基于历史阻抗参数、测量的电流和测量的端子电压而改变电压参数。
在EKF收敛之前，可能需要对电池电力容量的估计。对于车辆初始化之后的初始时段，由电池阻抗参数估计模型计算的值可变化，直到学习到真实值为止。车辆初始化可包括驾驶员将点火装置循环到开启状况，将充电器插入到车辆充电端口中以对车辆进行充电，或者可能会使车辆从关闭状态切换到开启或就绪状态的任何其他状况。在车辆初始化之后的这个初始时段期间，可能需要计算电池电力容量的替代手段。
如果不满足操作512处的任何条件，则可执行操作516。如果EKF尚未收敛，或者即使EKF已经收敛，但是电池SOC和温度相对于在时间k最后_有效的对应值已改变超过预定量，则在大体恒定电流流过电池时，可使用先前学习的历史值来将EKF状态中继执行为：
Figure BDA0002838248160000211
当温度和/或SOC在大体恒定电流模式期间明显地变化时，状态估计可使用参数的历史值。例如，控制器可维护可按SOC和温度索引的历史参数值的表格。控制器可在EKF准确地估计参数的状况期间更新历史参数。阻抗参数r1_历史、r2_历史和c历史可为同一个钥匙循环中和/或来自先前钥匙循环的先前EKF学习的ECM参数值。对于在时间k的SOC和温度，可将在线学习结果保存在非易失性存储器中。以上表达式使用了阻抗参数项。然而，历史阻抗值也可被转换为模型的对应的状态值。响应于在当前时间与紧接在转变为大体恒定电流之前的时间之间的电池的温度的差异超过预定温度差异，控制器可将阻抗参数改变为对应于在当前时间的温度的历史阻抗参数。响应于在当前时间与紧接在转变为大体恒定电流之前的时间之间的电池的荷电状态的差异超过预定荷电状态差异，控制器可基于对应于在当前时间的荷电状态的历史阻抗参数而改变电力极限。在完成操作516之后，如上所述执行从操作518开始的操作。
如果执行路径经由操作514或操作516继续进行，则可继续执行与EKF相关的操作518至522。当电流大体恒定或缓慢变化时，在每次迭代时，估计可预测相同的状态估计。这可能会产生接近零的残差e(k)。当残差接近零时，最终状态估计将接近于先验状态估计。因此，以上策略有效地设定了在恒定电流时段期间的状态估计。所述策略在每次迭代时预先设定先验状态估计。然而，附加的EKF步骤可能不会带来阻抗参数的更新。
所述策略可定义用于控制电池的方法。可实现用于当流过电池的电流的变化率的大小在至少预定量的时间内超过阈值时使用参数估计模型来估计电池的阻抗参数的过程。预定量的时间可为与参数估计模型相关联的误差收敛到零的持续时间。响应于电流转变成大体恒定电流，控制器可根据紧接在转变之前的阻抗参数的最后状态来更新阻抗参数。响应于在当前时间与紧接在转变之前的时间之间的电池的温度的差异超过预定温度差异，控制器可将阻抗参数改变为对应于在当前时间的温度的历史阻抗参数。响应于在当前时间与紧接在转变之前的时间之间的电池的荷电状态的差异超过预定荷电状态差异，控制器可将阻抗参数改变为对应于在当前时间的荷电状态的历史阻抗参数。
控制器可在预定量的时间内基于阻抗参数、电池的测量的电流和测量的端子电压而估计指示电池的整个阻抗上的电压的电压参数。响应于转变，控制器可基于测量的电流、测量的端子电压和紧接在转变为大体恒定电流之前的阻抗参考的最后状态而改变电压参数。响应于在当前时间与紧接在转变之前的时间之间的电池的温度的差异超过预定温度差异，控制器可基于历史阻抗参数、测量的电流和测量的端子电压而改变电压参数。
控制器可根据从阻抗参数和电压参数推导的电力极限来对电池进行充电和放电。控制器可操作电气负载以保持在电力极限内。
所公开的策略智能地更新状态参数估计以确保利用最适当的参数值。在存在用于学习参数的条件的时间期间，将根据EKF来学习参数。在不存在用于学习参数的条件(例如，恒定电流)的时间期间，参数可保持为最后学习值。此外，所述策略对最后学习值可能不准确的状况进行检查，并且根据历史参数值来更新所述值。所述策略允许尽可能多地执行学习算法，同时在学习算法可能会提供不准确的结果时提供用于参数更新的替代方法。
本文公开的过程、方法或算法可能能够输送到处理装置、控制器或计算机/由它们实现，所述处理装置、控制器或计算机可包括任何现有的可编程电子控制单元或专用电子控制单元。类似地，所述过程、方法或算法可存储为可由控制器或计算机以许多形式执行的数据和指令，所述形式包括但不限于永久地存储在诸如ROM装置的不可写存储介质上的信息和可改动地存储在诸如软盘、磁带、CD、RAM装置和其他磁性和光学介质的可写存储介质上的信息。所述过程、方法或算法也可以软件可执行对象来实施。可选地，可使用合适的硬件部件或者硬件、软件和固件部件的组合全部或部分地实施过程、方法或算法，所述硬件部件诸如专用集成电路(ASIC)、现场可编程门阵列(FPGA)、状态机、控制器或其他硬件部件或装置。
尽管上文描述了示例性实施例，但是这些实施例并不意图描述权利要求所涵盖的所有可能形式。在说明书中使用的词语是描述性词语而非限制性词语，并且应理解，在不脱离本公开的精神和范围的情况下，可做出各种改变。如先前所述，各种实施例的特征可组合以形成可能未明确描述或示出的本发明的其他实施例。尽管各个实施例就一个或多个期望的特性而言可能已经被描述为提供优点或优于其他实施例或现有技术实现方式，但是本领域的普通技术人员应认识到，可折衷一个或多个特征或特性来实现期望的整体系统属性，这取决于具体应用和实现方式。这些属性可包括但不限于成本、强度、耐久性、生命周期成本、可销售性、外观、包装、大小、可维护性、重量、可制造性、易组装性等。因此，就一个或多个特性而言被描述为不如其他实施例或现有技术实现方式理想的实施例不在本公开的范围外，并且对于特定应用而言可能是理想的。
根据本发明，提供了一种车辆，所述车辆具有：电池；以及控制器，所述控制器被编程为：(i)在流过所述电池的电流的变化率的大小超过预定变化率阈值的时段期间，将阻抗参数的值更新为由参数估计模型生成的学习值，(ii)响应于所述电流转变成大体恒定电流，将所述阻抗参数的所述值保持为紧接在所述转变之前所述学习值的状态，(iii)响应于在当前时间与紧接在所述转变之前的时间之间的所述电池的温度的差异超过预定温度差异，将所述值改变为对应于在所述当前时间的所述温度的历史阻抗参数值，以及(iv)根据所述阻抗参数的所述值来更新所述电池的电力极限并且根据电力极限来对所述电池进行充电和放电。
根据一个实施例，所述控制器还被编程为：响应于在所述当前时间与紧接在所述转变之前的所述时间之间的所述电池的荷电状态的差异超过预定荷电状态差异，基于对应于在所述当前时间的所述荷电状态的历史阻抗参数值而改变所述电力极限。
根据一个实施例，所述控制器还被编程为：根据所述阻抗参数的所述值来改变所述电池的寿命参数。
根据一个实施例，所述参数估计模型是扩展卡尔曼滤波器。
根据一个实施例，所述电力极限包括充电电力容量和放电电力容量。
根据一个实施例，所述参数估计模型还包括指示所述电池的整个阻抗上的电压的电压参数值，并且其中所述电力极限还基于所述电压参数值，并且其中所述控制器被编程为：在所述时段期间，基于所述阻抗参数的所述值、所述电池的测量的电流和测量的端子电压而改变所述电压参数值。
根据一个实施例，所述控制器还被编程为：响应于所述电流转变成所述大体恒定电流，基于紧接在所述转变之前的所述学习值的所述状态、所述测量的电流和所述测量的端子电压而改变所述电压参数值。
根据一个实施例，所述控制器还被编程为：响应于在当前时间与紧接在所述转变之前的时间之间的所述电池的温度的差异超过预定温度差异，基于所述历史阻抗参数值、所述测量的电流和所述测量的端子电压而改变所述电压参数值。
根据一个实施例，所述历史阻抗参数值从所述控制器的当前电力循环和先前电力循环中的一者或多者推导。
根据本发明，提供了一种车辆，所述车辆具有：电池；以及控制器，所述控制器被编程为：(i)响应于流过所述电池的电流的变化率的大小超过阈值而使用参数估计模型来估计所述电池的阻抗参数的值，(ii)响应于所述大小下降到低于所述阈值，保持所述值始终处于紧接在所述大小下降到低于所述阈值之前由所述参数估计模型估计的值，(iii)响应于在所述大小下降到低于所述阈值之后，所述电池的荷电状态的变化超过预定变化，将所述值改变为对应于所述荷电状态的历史值，以及(iv)根据从所述值推导的电力极限来对所述电池进行充电和放电。
根据一个实施例，所述控制器还被编程为：响应于在所述大小下降到低于所述阈值之后，所述电池的温度的变化超过预定温度变化，将所述值改变为对应于所述温度的历史值。
根据一个实施例，所述参数估计模型是扩展卡尔曼滤波器。
根据一个实施例，所述电力极限包括充电电力容量和放电电力容量。
根据一个实施例，所述参数估计模型还估计指示所述电池的整个阻抗上的电压的电压参数值，并且其中所述电力极限还基于所述电压参数值，并且其中所述控制器被编程为：响应于所述变化率的所述大小超过所述阈值，基于所述阻抗参数的所述值、所述电池的测量的电流和测量的端子电压而改变所述电压参数值。
根据本发明，一种控制电池的方法包括：当流过所述电池的电流的变化率的大小在至少预定量的时间内超过阈值时，由控制器使用参数估计模型来估计所述电池的阻抗参数的值；响应于所述电流转变成大体恒定电流，根据紧接在所述转变之前所述值的最后状态来更新所述阻抗参数的所述值；响应于在当前时间与紧接在所述转变之前的时间之间的所述电池的温度的差异超过预定温度差异，将所述值改变为对应于在所述当前时间的所述温度的历史阻抗参数值；以及根据从所述阻抗参数的所述值推导的电力极限来对所述电池进行充电和放电。
在本发明的一方面，所述方法包括：响应于在当前时间与紧接在所述转变之前的时间之间的所述电池的荷电状态的差异超过预定荷电状态差异，将所述值改变为对应于在所述当前时间的所述荷电状态的历史阻抗参数值。
在本发明的一方面，所述预定量的时间是与所述参数估计模型相关联的误差收敛到零的持续时间。
在本发明的一方面，所述方法包括：在所述预定量的时间内基于所述值、所述电池的测量的电流和测量的端子电压而估计指示所述电池的整个阻抗上的电压的电压参数值，其中所述电力极限从所述电压参数值推导。
在本发明的一方面，所述方法包括：响应于所述转变，基于所述测量的电流、所述测量的端子电压和紧接在所述转变之前所述值的所述最后状态而改变所述电压参数值。
在本发明的一方面，所述方法包括：响应于在所述当前时间与紧接在所述转变之前的所述时间之间的所述电池的所述温度的所述差异超过所述预定温度差异，基于所述历史阻抗参数值、所述测量的电流和所述测量的端子电压而改变所述电压参数值。

Claims (15)

1.一种车辆，所述车辆包括：
电池；以及
控制器，所述控制器被编程为：(i)在流过所述电池的电流的变化率的大小超过预定变化率阈值的时段期间，将阻抗参数的值更新为由参数估计模型生成的学习值，(ii)响应于所述电流转变成大体恒定电流，将所述阻抗参数的所述值保持为紧接在所述转变之前所述学习值的状态，(iii)响应于在当前时间与紧接在所述转变之前的时间之间的所述电池的温度的差异超过预定温度差异，将所述值改变为对应于在所述当前时间的所述温度的历史阻抗参数值，以及(iv)根据所述阻抗参数的所述值来更新所述电池的电力极限并且根据电力极限来对所述电池进行充电和放电。
2.如权利要求1所述的车辆，其中所述控制器还被编程为：响应于在所述当前时间与紧接在所述转变之前的所述时间之间的所述电池的荷电状态的差异超过预定荷电状态差异，基于对应于在所述当前时间的所述荷电状态的历史阻抗参数值而改变所述电力极限。
3.如权利要求1所述的车辆，其中所述参数估计模型还包括指示所述电池的整个阻抗上的电压的电压参数值，并且其中所述电力极限还基于所述电压参数值，并且其中所述控制器被编程为：在所述时段期间，基于所述阻抗参数的所述值、所述电池的测量的电流和测量的端子电压而改变所述电压参数值。
4.如权利要求3所述的车辆，其中所述控制器还被编程为：响应于所述电流转变成所述大体恒定电流，基于紧接在所述转变之前的所述学习值的所述状态、所述测量的电流和所述测量的端子电压而改变所述电压参数值。
5.如权利要求4所述的车辆，其中所述控制器还被编程为：响应于在当前时间与紧接在所述转变之前的时间之间的所述电池的温度的差异超过预定温度差异，基于所述历史阻抗参数值、所述测量的电流和所述测量的端子电压而改变所述电压参数值。
6.如权利要求1所述的车辆，其中所述历史阻抗参数值从所述控制器的当前电力循环和先前电力循环中的一者或多者推导。
7.一种车辆，所述车辆包括：
电池；以及
控制器，所述控制器被编程为：(i)响应于流过所述电池的电流的变化率的大小超过阈值而使用参数估计模型来估计所述电池的阻抗参数的值，(ii)响应于所述大小下降到低于所述阈值，保持所述值始终处于紧接在所述大小下降到低于所述阈值之前由所述参数估计模型估计的值，(iii)响应于在所述大小下降到低于所述阈值之后，所述电池的荷电状态的变化超过预定变化，将所述值改变为对应于所述荷电状态的历史值，以及(iv)根据从所述值推导的电力极限来对所述电池进行充电和放电。
8.如权利要求7所述的车辆，其中所述控制器还被编程为：响应于在所述大小下降到低于所述阈值之后，所述电池的温度的变化超过预定温度变化，将所述值改变为对应于所述温度的历史值。
9.如权利要求1所述的车辆或如权利要求7所述的车辆，其中所述参数估计模型是扩展卡尔曼滤波器。
10.如权利要求1所述的车辆或如权利要求7所述的车辆，其中所述电力极限包括充电电力容量和放电电力容量。
11.如权利要求7所述的车辆，其中所述参数估计模型还估计指示所述电池的整个阻抗上的电压的电压参数值，并且其中所述电力极限还基于所述电压参数值，并且其中所述控制器被编程为：响应于所述变化率的所述大小超过所述阈值，基于所述阻抗参数的所述值、所述电池的测量的电流和测量的端子电压而改变所述电压参数值。
12.一种控制电池的方法，所述方法包括：
当流过所述电池的电流的变化率的大小在至少预定量的时间内超过阈值时，由控制器使用参数估计模型来估计所述电池的阻抗参数的值；
响应于所述电流转变成大体恒定电流，根据紧接在所述转变之前所述值的最后状态来更新所述阻抗参数的所述值；
响应于在当前时间与紧接在所述转变之前的时间之间的所述电池的温度的差异超过预定温度差异，将所述值改变为对应于在所述当前时间的所述温度的历史阻抗参数值；以及
根据从所述阻抗参数的所述值推导的电力极限来对所述电池进行充电和放电。
13.如权利要求12所述的方法，所述方法还包括：响应于在当前时间与紧接在所述转变之前的时间之间的所述电池的荷电状态的差异超过预定荷电状态差异，将所述值改变为对应于在所述当前时间的所述荷电状态的历史阻抗参数值。
14.如权利要求12所述的方法，其中所述预定量的时间是与所述参数估计模型相关联的误差收敛到零的持续时间。
15.如权利要求12所述的方法，所述方法还包括：在所述预定量的时间内基于所述值、所述电池的测量的电流和测量的端子电压而估计指示所述电池的整个阻抗上的电压的电压参数值，其中所述电力极限从所述电压参数值推导。
CN202011481493.7A 2019-12-19 2020-12-15 电池在线识别中的ekf状态中继策略 Pending CN113009345A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US16/721,213 2019-12-19
US16/721,213 US11345254B2 (en) 2019-12-19 2019-12-19 EKF state relay strategy in battery online identification

Publications (1)

Publication Number Publication Date
CN113009345A true CN113009345A (zh) 2021-06-22

Family

ID=76206292

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011481493.7A Pending CN113009345A (zh) 2019-12-19 2020-12-15 电池在线识别中的ekf状态中继策略

Country Status (3)

Country Link
US (1) US11345254B2 (zh)
CN (1) CN113009345A (zh)
DE (1) DE102020133435A1 (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11498446B2 (en) * 2020-01-06 2022-11-15 Ford Global Technologies, Llc Plug-in charge current management for battery model-based online learning
US11814030B2 (en) * 2020-07-22 2023-11-14 Ford Global Technologies, Llc Electrified vehicle control using battery state of charge and power capability strategy
CN113978311B (zh) * 2021-10-15 2024-05-17 潍柴动力股份有限公司 一种电池温度修正方法、装置及电子设备
WO2023212699A1 (en) * 2022-04-29 2023-11-02 Analog Devices, Inc. System and method for state of power estimation of a battery using impedance measurements
CN114801751B (zh) * 2022-06-21 2022-10-25 深圳市今朝时代股份有限公司 一种基于数据分析的汽车电池故障预测系统

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5969508A (en) * 1998-07-27 1999-10-19 Motorola, Inc. Battery charging method using battery circuitry impedence measurement to determine optimum charging voltage
US7768233B2 (en) * 2007-10-04 2010-08-03 Gm Global Technology Operations, Inc. Dynamically adaptive method for determining the state of charge of a battery
CN102449495B (zh) * 2009-06-03 2014-12-31 三菱重工业株式会社 电池充电率计算装置
US9575128B2 (en) * 2013-03-12 2017-02-21 GM Global Technology Operations LLC Battery state-of-charge estimation for hybrid and electric vehicles using extended kalman filter techniques
US20140266059A1 (en) 2013-03-14 2014-09-18 Ford Global Technologies, Llc Selective updating of battery parameter estimations
US9368841B2 (en) 2013-08-30 2016-06-14 Ford Global Technologies, Llc Battery power capability estimation at vehicle start
US9718455B2 (en) 2014-02-20 2017-08-01 Ford Global Technologies, Llc Active battery parameter identification using conditional extended kalman filter
US9440552B2 (en) 2014-06-09 2016-09-13 Ford Global Technologies, Llc Estimation and compensation of battery measurement
JP6881154B2 (ja) * 2017-08-23 2021-06-02 トヨタ自動車株式会社 二次電池の劣化状態推定方法および二次電池システム

Also Published As

Publication number Publication date
US11345254B2 (en) 2022-05-31
US20210188120A1 (en) 2021-06-24
DE102020133435A1 (de) 2021-06-24

Similar Documents

Publication Publication Date Title
CN113009345A (zh) 电池在线识别中的ekf状态中继策略
CN105034835B (zh) 基于电池功率容量调节电池最小荷电状态极限的方法
CN106985683B (zh) 用于减轻电气化车辆电池中的锂镀覆的充电策略
US9718455B2 (en) Active battery parameter identification using conditional extended kalman filter
US11173775B2 (en) Closed loop feedback control to mitigate lithium plating in electrified vehicle battery
CN107102266B (zh) 电气化车辆中的电池健康状态的虚拟评估
US9539912B2 (en) Battery capacity estimation using state of charge initialization-on-the-fly concept
US9381825B2 (en) State of charge quality based cell balancing control
US9272634B2 (en) Active battery system estimation request generation
CN106965685B (zh) 用于指示电池老化的系统和方法
US20170242079A1 (en) System and method for identifying vehicle battery decay
US9440552B2 (en) Estimation and compensation of battery measurement
US10124696B2 (en) Estimation and compensation of battery measurement and asynchronization biases
US20170253140A1 (en) Battery cell state of charge initialization in a presence of voltage measurement uncertainty
US11814030B2 (en) Electrified vehicle control using battery state of charge and power capability strategy
CN107179510B (zh) 电池端电压预测
CN105391107B (zh) 用于电池荷电状态估计的方法
US9676288B2 (en) Battery open-circuit voltage measurement using reverse current pulse
US11161428B2 (en) Adaptive open circuit voltage based soc reset method at the end of charge based on temperature and charging rate
US20150285867A1 (en) Model-based diagnosis for battery voltage
CN107472049B (zh) 在线车辆电池容量诊断系统与方法
CN113071367A (zh) 针对基于电池模型的在线学习的插电式充电电流管理

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