CN113125983A - 电池容量估算方法和系统 - Google Patents
电池容量估算方法和系统 Download PDFInfo
- Publication number
- CN113125983A CN113125983A CN202110054947.0A CN202110054947A CN113125983A CN 113125983 A CN113125983 A CN 113125983A CN 202110054947 A CN202110054947 A CN 202110054947A CN 113125983 A CN113125983 A CN 113125983A
- Authority
- CN
- China
- Prior art keywords
- battery
- charge
- state
- voltage
- predicted
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 84
- 230000015556 catabolic process Effects 0.000 claims abstract description 25
- 238000006731 degradation reaction Methods 0.000 claims abstract description 25
- 238000012545 processing Methods 0.000 claims abstract description 25
- 238000012544 monitoring process Methods 0.000 claims abstract description 14
- 238000011002 quantification Methods 0.000 claims description 25
- 230000000694 effects Effects 0.000 claims description 21
- 238000012423 maintenance Methods 0.000 claims description 12
- 230000000750 progressive effect Effects 0.000 claims description 3
- 238000005259 measurement Methods 0.000 description 16
- 238000004891 communication Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 6
- 238000003556 assay Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 230000000284 resting effect Effects 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 238000004146 energy storage Methods 0.000 description 2
- 230000005055 memory storage Effects 0.000 description 2
- 230000002085 persistent effect Effects 0.000 description 2
- 238000005295 random walk Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007850 degeneration Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 229920000642 polymer Polymers 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
- G01R31/3842—Arrangements for monitoring battery or accumulator variables, e.g. SoC combining voltage and current 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]
- G01R31/392—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]
- G01R31/367—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]
- G01R31/374—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC] with means for correcting the measurement for temperature or ageing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
- G01R31/3828—Arrangements for monitoring battery or accumulator variables, e.g. SoC using current integration
Abstract
本发明公开了电池容量估算方法和系统。提供了一种电池容量估算方法。所述方法包括，在计算机化处理器内，监测可操作地收集关于电池的数据的传感器、基于来自传感器的数据测定电池的基于电压的荷电状态、基于来自传感器的数据测定电池的容量退化值、基于来自传感器的数据通过库仑计数测定积分电流值、基于容量退化值和积分电流值测定电池的预测电池荷电状态、使用卡尔曼滤波器处理基于电压的荷电状态和预测电池荷电状态，以生成更新的总电池容量估算结果,和使用更新的总电池容量估算结果控制电池的管理。
Description
技术领域
本公开大致涉及电池容量估算方法和系统。
电池是一种储存和输送电能从而为设备供电的电化学装置。电池用在许多设备上，所述设备包括混合动力车辆或电动车辆、移动电话等。电池用于为系统提供能量储存。电池可为可再充电的。电池容量或电池充电容量（charge capacity）是电池储存多少荷电的量度。随着电池循环使用以提供能量并随后再充电，电池容量可退化。
发明内容
提供了一种电池容量估算方法。该方法包括，在计算机化处理器内，监测可操作地收集关于电池的数据的传感器、基于来自传感器的数据测定电池的基于电压的荷电状态、基于来自传感器的数据测定电池的容量退化值、基于来自传感器的数据通过库仑计数测定积分电流值、基于容量退化值和积分电流值测定电池的预测电池荷电状态、使用卡尔曼滤波器处理基于电压的荷电状态和预测电池荷电状态，以生成更新的总电池容量估算结果，和使用更新的总电池容量估算结果控制电池的管理。
在一些实施方案中，方法进一步包括，在计算机化处理器内，测定电池的基于电压的荷电状态的不确定性量化。在一些实施方案中，使用卡尔曼滤波器将基于电压的荷电状态处理成预测电池荷电状态包括：利用基于电压的荷电状态的不确定性量化测定基于电压的荷电状态对更新的总电池容量估算结果的影响。
在一些实施方案中，方法进一步包括，在计算机化处理器内，测定电池的预测电池荷电状态的不确定性量化。在一些实施方案中，使用卡尔曼滤波器处理基于电压的荷电状态和预测电池荷电状态包括：利用预测电池荷电状态的不确定性量化测定预测电池荷电状态对更新的总电池容量估算结果的影响。
在一些实施方案中，方法进一步包括，在计算机化处理器内，测定电池的基于电压的荷电状态的不确定性量化，和测定电池的预测电池荷电状态的不确定性量化。在一些实施方案中，使用卡尔曼滤波器将基于电压的荷电状态处理成预测电池荷电状态包括：利用基于电压的荷电状态的不确定性量化测定基于电压的荷电状态对更新的总电池容量估算结果的影响，和利用预测电池荷电状态的不确定性量化测定预测电池荷电状态对更新的总电池容量估算结果的影响。
在一些实施方案中，方法进一步包括，在计算机化处理器内，使用卡尔曼滤波器递归处理基于电压的荷电状态的更新值和预测电池荷电状态的更新值，以生成更新的总电池容量估算结果的逐次值（successive values）。
在一些实施方案中，方法进一步包括，在计算机化处理器内，利用更新的总电池容量估算结果的当前值作为基于电压的荷电状态的下一个值的测定中的因子。
在一些实施方案中，方法进一步包括，在计算机化处理器内，利用更新的总电池容量估算结果的当前值作为预测电池荷电状态的下一个值的测定中的因子。
在一些实施方案中，方法进一步包括，在计算机化处理器内，利用来自传感器的数据执行电池状态估算，和进一步基于电池状态估算测定基于电压的荷电状态。
在一些实施方案中，电池状态估算包括库仑计数。
在一些实施方案中，监测传感器包括监测可操作地监测电池温度的温度传感器、监测可操作地监测由电池提供的电流的电流传感器，和监测可操作地监测电池的电压的电压传感器。
根据另一实施方案，提供了一种电池容量估算的方法。该方法包括，在计算机化处理器内，监测可操作地监测电池温度的温度传感器、监测可操作地监测由电池提供的电流的电流传感器，和监测可操作地监测电池的电压的电压传感器。方法进一步包括基于电池的电压测定电池的基于电压的荷电状态、基于来自温度传感器、电流传感器和电压传感器的数据测定电池的容量退化值、基于来自电流传感器的数据通过库仑计数测定积分电流值，和基于容量退化值和积分电流值测定电池的预测电池荷电状态。方法进一步包括使用卡尔曼滤波器处理基于电压的荷电状态和预测电池荷电状态，以生成更新的总电池容量估算结果、使用更新的总电池容量估算结果控制电池的管理，和使用卡尔曼滤波器递归处理基于电压的荷电状态的更新值和预测电池荷电状态的更新值，以生成更新的总电池容量估算结果的逐次值。
在一些实施方案中，方法进一步包括，在计算机化处理器内，测定电池的基于电压的荷电状态的不确定性量化。在一些实施方案中，使用卡尔曼滤波器将基于电压的荷电状态处理成预测电池荷电状态包括：利用基于电压的荷电状态的不确定性量化测定基于电压的荷电状态对更新的总电池容量估算结果的影响。
在一些实施方案中，方法进一步包括，在计算机化处理器内，测定电池的预测电池荷电状态的不确定性量化。在一些实施方案中，使用卡尔曼滤波器处理基于电压的荷电状态和预测电池荷电状态包括：利用预测电池荷电状态的不确定性量化测定预测电池荷电状态对更新的总电池容量估算结果的影响。
在一些实施方案中，方法进一步包括，在计算机化处理器内，利用更新的总电池容量估算结果的当前值作为基于电压的荷电状态的下一个值的测定中的因子。
在一些实施方案中，方法进一步包括，在计算机化处理器内，利用更新的总电池容量估算结果的当前值作为预测电池荷电状态的下一个值的测定中的因子。
在一些实施方案中，方法进一步包括，在计算机化处理器内，利用来自传感器的数据执行电池状态估算，和进一步基于电池状态估算测定基于电压的荷电状态。
在一些实施方案中，电池状态估算包括库仑计数。
根据另一实施方案，提供了一种电池容量估算系统。该系统包括电池和可操作地收集关于电池的信息的传感器。系统进一步包括计算机化电池容量估算控制器，其编程为监测来自传感器的数据、基于来自传感器的数据测定电池的基于电压的荷电状态、基于来自传感器的数据测定电池的容量退化值、基于来自传感器的数据通过库仑计数测定积分电流值、基于容量退化值和积分电流值测定电池的预测电池荷电状态和使用卡尔曼滤波器处理基于电压的荷电状态和预测电池荷电状态，以生成更新的总电池容量估算结果。系统进一步包括计算机化电池维护控制器，其编程为使用更新的总电池容量估算结果控制电池的管理。
在一些实施方案中，计算机化电池容量估算控制器进一步编程为测定电池的基于电压的荷电状态的不确定性量化、测定电池的预测电池荷电状态的不确定性量化。在一些实施方案中，编程为使用卡尔曼滤波器将基于电压的荷电状态处理成预测电池荷电状态包括：编程为利用基于电压的荷电状态的不确定性量化测定基于电压的荷电状态对更新的总电池容量估算结果的影响，和利用预测电池荷电状态的不确定性量化测定预测电池荷电状态对更新的总电池容量估算结果的影响。
在一些实施方案中，计算机化电池容量估算控制器进一步编程为使用卡尔曼滤波器递归处理基于电压的荷电状态的更新值和预测电池荷电状态的更新值，以生成更新的总电池容量估算结果的逐次值。
本发明公开了如下条款：
1. 一种电池容量估算方法，其包括：
在计算机化处理器内：
监测可操作地收集关于电池的数据的传感器；
基于来自传感器的数据测定电池的基于电压的荷电状态；
基于来自传感器的数据测定电池的容量退化值；
基于来自传感器的数据通过库仑计数测定积分电流值；
基于容量退化值和积分电流值测定电池的预测电池荷电状态；
使用卡尔曼滤波器处理基于电压的荷电状态和预测电池荷电状态，以生成更新的总电池容量估算结果；和
使用更新的总电池容量估算结果控制电池的管理。
2. 根据条款1所述的方法，其进一步包括：
在计算机化处理器内，测定电池的基于电压的荷电状态的不确定性量化；和
其中使用卡尔曼滤波器将基于电压的荷电状态处理成预测电池荷电状态包括：利用基于电压的荷电状态的不确定性量化测定基于电压的荷电状态对更新的总电池容量估算结果的影响。
3. 根据条款1所述的方法，其进一步包括：
在计算机化处理器内，测定电池的预测电池荷电状态的不确定性量化；和
其中使用卡尔曼滤波器处理基于电压的荷电状态和预测电池荷电状态包括：利用预测电池荷电状态的不确定性量化测定预测电池荷电状态对更新的总电池容量估算结果的影响。
4. 根据条款1所述的方法，其进一步包括：
在计算机化处理器内，
测定电池的基于电压的荷电状态的不确定性量化；和
测定电池的预测电池荷电状态的不确定性量化；
其中使用卡尔曼滤波器将基于电压的荷电状态处理成预测电池荷电状态包括：
利用基于电压的荷电状态的不确定性量化测定基于电压的荷电状态对更新的总电池容量估算结果的影响；和
利用预测电池荷电状态的不确定性量化测定预测电池荷电状态对更新的总电池容量估算结果的影响。
5. 根据条款1所述的方法，其进一步包括，在计算机化处理器内，使用卡尔曼滤波器递归处理基于电压的荷电状态的更新值和预测电池荷电状态的更新值，以生成更新的总电池容量估算结果的逐次值。
6. 根据条款1所述的方法，其进一步包括，在计算机化处理器内，利用更新的总电池容量估算结果的当前值作为基于电压的荷电状态的下一个值的测定中的因子。
7. 根据条款1所述的方法，其进一步包括，在计算机化处理器内，利用更新的总电池容量估算结果的当前值作为预测电池荷电状态的下一个值的测定中的因子。
8. 根据条款1所述的方法，其进一步包括，在计算机化处理器内，利用来自传感器的数据执行电池状态估算；和
其中进一步基于电池状态估算测定基于电压的荷电状态。
9. 根据条款8所述的方法，其中执行电池状态估算包括执行库仑计数。
10. 根据条款1所述的方法，其中监测传感器包括：
监测可操作地监测电池温度的温度传感器；
监测可操作地监测由电池提供的电流的电流传感器；和
监测可操作地监测电池的电压的电压传感器。
11. 一种电池容量估算方法，其包括：
在计算机化处理器内：
监测可操作地监测电池温度的温度传感器；
监测可操作地监测由电池提供的电流的电流传感器；
监测可操作地监测电池的电压的电压传感器；
基于电池的电压测定电池的基于电压的荷电状态；
基于来自温度传感器、电流传感器和电压传感器的数据测定电池的容量退化值；
基于来自电流传感器的数据通过库仑计数测定积分电流值；
基于容量退化值和积分电流值测定电池的预测电池荷电状态；
使用卡尔曼滤波器处理基于电压的荷电状态和预测电池荷电状态，以生成更新的总电池容量估算结果；
使用更新的总电池容量估算结果控制电池的管理；和
使用卡尔曼滤波器递归处理基于电压的荷电状态的更新值和预测电池荷电状态的更新值，以生成更新的总电池容量估算结果的逐次值。
12. 根据条款11所述的方法，其进一步包括，在计算机化处理器内，测定电池的基于电压的荷电状态的不确定性量化；和
其中使用卡尔曼滤波器将基于电压的荷电状态处理成预测电池荷电状态包括：利用基于电压的荷电状态的不确定性量化测定基于电压的荷电状态对更新的总电池容量估算结果的影响。
13. 根据条款11所述的方法，其进一步包括，在计算机化处理器内，测定电池的预测电池荷电状态的不确定性量化；和
其中使用卡尔曼滤波器处理基于电压的荷电状态和预测电池荷电状态包括：利用预测电池荷电状态的不确定性量化测定预测电池荷电状态对更新的总电池容量估算结果的影响。
14. 根据条款11所述的方法，其进一步包括，在计算机化处理器内，利用更新的总电池容量估算结果的当前值作为基于电压的荷电状态的下一个值的测定中的因子。
15. 根据条款11所述的方法，其进一步包括，在计算机化处理器内，利用更新的总电池容量估算结果的当前值作为预测电池荷电状态的下一个值的测定中的因子。
16. 根据条款11所述的方法，其进一步包括，在计算机化处理器内，利用来自传感器的数据执行电池状态估算；和
其中进一步基于电池状态估算测定基于电压的荷电状态。
17. 根据条款16所述的方法，其中执行电池状态估算包括执行库仑计数。
18. 一种电池容量估算系统，其包括：
电池；
可操作地收集关于电池的信息的传感器；
计算机化电池容量估算控制器，其编程为：
监测来自传感器的数据，
基于来自传感器的数据测定电池的基于电压的荷电状态，
基于来自传感器的数据测定电池的容量退化值，
基于来自传感器的数据通过库仑计数测定积分电流值，
基于容量退化值和积分电流值测定电池的预测电池荷电状态，和
使用卡尔曼滤波器处理基于电压的荷电状态和预测电池荷电状态，以生成更新的总电池容量估算结果；和
计算机化电池维护控制器，其编程为使用更新的总电池容量估算结果控制电池的管理。
19. 根据条款18所述的系统，其中所述计算机化电池容量估算控制器进一步编程为：
测定电池的基于电压的荷电状态的不确定性量化；
测定电池的预测电池荷电状态的不确定性量化；和
其中编程为使用卡尔曼滤波器将基于电压的荷电状态处理成预测电池荷电状态包括编程为：
利用基于电压的荷电状态的不确定性量化测定基于电压的荷电状态对更新的总电池容量估算结果的影响；和
利用预测电池荷电状态的不确定性量化测定预测电池荷电状态对更新的总电池容量估算结果的影响。
20. 根据条款18所述的系统，其中所述计算机化电池容量估算控制器进一步编程为：
使用卡尔曼滤波器递归处理基于电压的荷电状态的更新值和预测电池荷电状态的更新值，以生成更新的总电池容量估算结果的逐次值。
当联系附图考虑时，本公开的上述特征和优点以及其它特征和优点将由用于实施本公开的最佳模式的以下详述而显而易见。
附图说明
图1是图示说明根据本公开的电池容量估算的方法的流程图；
图2示意性图示说明根据本公开的系统通信体系结构（system communicationarchitecture）200，其可操作地在系统中的装置、传感器、控制器和其它电子设备之间传输数据；和
图3示意性图示说明根据本公开的示例性车辆，其包括电池估算控制器、一对电池和容量维护控制器。
具体实施方式
本领域中的电池容量估算方法可产生有噪声的不准确结果。本领域中的另一些电池容量估算方法可依赖于等待电压测量值积累并生成电池容量估算。这种对历史值的积累的依赖性造成所得电池容量估算的滞后。在一个实施方案中，历史数据的值被给予相等权重。
提供了一种估算基于电压的荷电状态测量和相应的库仑计数中的不确定性，并同时测定电池容量的方法。所提供的方法降低估算中的滞后并可降低测量中的噪声。可通过测定/诊断容量退化的趋势线进一步降低容量估算中的滞后。在一个实施方案中，方法是递归的，不断测定电池容量更新结果和不确定性更新结果。所得测定可用于为包括电动车辆和混合动力车辆的应用而跟踪随时间和使用而退化的电池容量。
考虑到对噪声系数及其相关的灵敏度，以降低的变化量检测容量退化及其趋势线。在一个实施方案中，可强调或依赖可被标记为较可靠数据的值。例如，在电池静置时测得的电压值可比在电池正向相关电路供应能量时测得的电压值更准确。在另一实例中，由闭环电池状态估算器连续提供的电池荷电状态估算结果的准确度可响应变化的条件而随时间经过变化，所述条件为温度、电流和起作用的荷电状态。
考虑到对噪声系数及其相关的灵敏度，以降低的变化量检测容量退化及其趋势线。此外，方法估算其自己的准确度，这使依赖于容量的其它算法能够作出更好的估算结果和决策。
所提供的方法在一个实施方案中监测电池电压、电池电流和电池温度的基于时间的测量结果。使用这些监测值，方法预测电池容量（或其倒数）的改变，基于电池电流的电池荷电状态，和与基于电流的电池荷电状态估算有关的不确定性量化。方法测定基于电池电压的第二荷电状态估算结果，和与基于电压的电池荷电状态估算有关的不确定性量化，并且然后比较两个荷电状态估算结果。将两个不确定性量化都考虑在内，卡尔曼滤波器反馈测定（feedback determination）调节更新的总电池容量估算结果。在一个实施方案中，卡尔曼滤波器反馈测定进一步调节更新的电池容量退化估算结果并另外提供更新的总体不确定性量化。
现在参考附图，其中相同的附图标记在几个视图中都是指相同的构件，图1是图示说明可在计算机化控制器内执行的电池容量估算方法100的流程图。方法100在步骤102开始。在步骤104，监测电池传感器，并获取电池电压、电池电流和电池温度的值。在步骤106，估算电池状态。在步骤108，基于在步骤106估算的电池状态和监测的电池电压测定基于电压的电池荷电状态。基于电压的电池荷电状态在一些实施方案中可被描述为测量荷电状态。在步骤108，另外，可测定基于电压的电池荷电状态的不确定性量化。在步骤110，使用传感器数据作为输入值运行容量退化模型和库仑计数计算，其中计算预测电池荷电状态和预测电池容量。在步骤116，输入来自步骤108和110的输出值，并利用卡尔曼滤波器。在步骤118，提供来自卡尔曼滤波器的输出值作为更新的总电池容量估算结果。在步骤120向容量维护控制器提供更新的总电池容量估算结果以用于控制电池和相关电气系统。另外，在步骤106和110向后续周期提供更新的总电池容量估算结果以改进荷电状态测定/预测。尽管这些方法步骤是递归的（进行周期性的或不断的更新以创建新更新的总电池容量估算结果），方法100图示说明结束于步骤122。方法100是示例性的，设想了许多替代性的方法，并且本公开无意局限于本文中提供的特定实例。
图1的步骤110包括库仑计数计算。在另一实施方案中，这样的库仑计数计算或测定可替代性地在步骤106中作为电池状态估算的一部分进行，并在该方法的剩余部分中传播。
图2示意性图示说明可操作地在系统中的装置、传感器、控制器和其它电子设备之间传输数据的系统通信体系结构200。系统通信体系结构200包括通信总线205，其配置为提供使系统中的装置、传感器、控制器和其它电子设备进行电子通信的能力。系统通信体系结构200的组件可被描述为能够运行所提供的方法100的系统。
计算机化电池容量估算控制器210图示说明为可通信地连接到通信总线205。电池容量估算控制器210是包括计算机化处理器、随机存取存储器和持久记忆存储设备的计算机化设备，并可操作地执行编程。电池容量估算控制器210可编程以运行图1的方法100或类似方法。
电池220图示说明为可通信地连接到通信总线205。可存在一个电池或多个电池，并且连接到通信总线205。电池220包括可操作地储存、接收和选择性提供电能的装置。电池220可为锂聚合物装置或安排为供应电力的另一可再充电的电化学配置，所述电池220可包括单个电池单元或多个连接的电池单元，并可供应直流电力。电池220可包括可操作地经通信总线205提供和接收数据的电子电路。电池温度传感器222、电池电压传感器224和电池电流传感器226图示说明为连接到电池220。电池温度传感器222、电池电压传感器224和电池电流传感器226各自可通信地连接到通信总线205，例如经由通信总线205向电池容量估算控制器210提供数据。
容量维护控制器230图示说明为可通信地连接到通信总线205。容量维护控制器230是包括计算机化处理器、随机存取存储器和持久记忆存储设备的计算机化设备，并可操作地执行编程。容量维护控制器230接收来自所提供的方法的电池容量估算，并可编程以运行与操作和管理电池220和相关电气系统有关的过程。容量维护控制器230可包括编程，其有助于根据所提供的电池容量估算以提高的效率管理充电和放电循环；以便为电池的使用者或所有者提供及时和更准确的警报，以估算何时需要维护和/或更换电池；和为电池提供改进的范围估算结果（range estimates）或剩余荷电估算结果（remaining chargeestimate）从而能够提高在特定持续时间内依靠该电池的能力。另外，容量维护控制器可调节充电和放电电压和电流极限，从而保护电池免受过度耗损。这降低保修成本并为顾客提供更连贯的驾驶体验。
所提供的方法100可以用于广泛种类的采用电池能量储存和利用的系统。可在系统中利用方法的一种示例性系统是车辆系统，其利用一个或多个电池来储存能量并向使用电能供应输出扭矩的电机、电力执行器或其它类似设备提供能量。图3示意性图示说明示例性车辆300，其包括电池容量估算控制器210、第一电池220A、第二电池220B和容量维护控制器230。根据所提供的方法，电池容量估算控制器210可包括编程以估算第一电池220A和第二电池220B各自的容量。
估算的电池容量的一种示例性测定如下。可测量静置电压（rested voltages）
和在静置之间的库仑计数
。可以如下定义容量的初始估算结果：
可参考电池的开路电压曲线，其将荷电状态与电压相关联，并且可逆（invertible）。可将
定义为静置
时的荷电状态。开路电压曲线读作
，并且其逆函数（inverse）为
矢量格式可定义为如下。令
为测量电压的矢量。令
为SOC的矢量。可能不能够直接测定确切的荷电状态，但
接近该值。令
为按比例的库仑计数（scaled Coulomb counts）的矢量。
基本模型可定义为如下：
其可改写为如下：
其中
，且
是（稀疏）向前差分矩阵。
目标可限定为估算
，并量化该估算结果的不确定性。第二个目标可限定为估算荷电状态的矢量
。在一些情况下，可不需要测定
。
噪声模型可定义为如下。在一个实施方案中，噪声可被假设为包括零均值（zero-mean）、独立、高斯分布。
的初始估算结果为
，假设精确到标准偏差
。电压测量具有分布为
的噪声，其中，假设每个电压测量具有相同的精确度，
。各个库仑计数，
，具有相互独立的误差，但不一定是相同方差。
的误差的协方差可定义为如下：
通过卡尔曼滤波器的增量估算可定义为如下。在不需要测定全矢量
的情况下，可使用时间
的数据产生
的估算结果，并且也估算在该时间的
。然后，当产生测量结果
时，可测定
的估算结果和
的新估算结果。
当模型为线性时（如以下这个模型），标准卡尔曼滤波器可产生准确的估算结果。对于这种公式，以下可定义为如下：
因此，基本模型变成如下：
时间
时的状态如下具有两个项：
状态转移方程可定义为如下：
其中
是分布为如下的噪声系数：
并且各个
独立于
。协方差项
以随机游走为模型，其允许
随时间变化，其可与样品
和
与之间的实际时间成比例，或可与样品之间的安培小时吞吐量成比例。
测量方程可定义为如下：
其中
是分布为如下的噪声系数：
测量值是换算成SOC的静置电压。模型的革新（innovation）（即测量
和由我方估算结果预测的值之间的差异）可定义为如下：
在时间0用如下初始估算结果开始测定：
这是准备施加标准不相关时间更新随后测量更新结果的线性卡尔曼滤波问题。在所述实施方案中，矩阵数学为大小
，并且出现的逆矩阵是s标量，即
，因为只有一个测量结果。
在实践中，在实际使用中，可能发生的是一些
毁坏或缺失。这中断了链连接
至
。在这种的情况下，可如下实现重启：
可如下估算或测定容量退化趋势。可估算趋势，而非假设容量具有无偏随机游走。这种方法修正状态转移模型并为其增加另一个状态。例如，如果假设容量以如下与
次方的安培小时吞吐量成比例地退化：
则可以如下提供以下：
由于q是按比例的容量的倒数，其可随时间而增长，因此p k 可大于0。滤波器可能被迫执行该符号。可由在实验室中的寿命测试测定指数γ，并且不尝试在车上进行该测定。
噪声系数噪声 q 、噪声 p 可与q和p的随机行为相关联。这具有逐渐遗忘旧数据的效果。由于应该通过趋势项考虑q的大部分变化，噪声 q 的方差应该小于用于先前公式的σ wk 2 的值。如前，系数噪声 y 具有方差σ Ahk 2 /Cap ref 2 。这是线性模型，尽管现在矩阵数学为大小3 x 3。M k 是标量。卡尔曼滤波器形式体系（formalism）可应用于这种新问题，使用对噪声 q 、噪声 p 、噪声 y 给出的方差。
要指出，一些电池单元/包可具有比标称规格更大的初始容量。这意味着当方法朝正确的值校正时，q将一开始暂时降低。此后其将进入退化趋势线，并在之后提高。由于测量中的噪声，该估算将可能在一个步骤中使得q中估算的提高太大，并且需要用稍后的降低对其进行校正。根据一个实施方案，方法将不严格迫使q提高。但是，在一些实施方案中，方法可包括迫使p的估算结果不为负的措施。
存在几个选项用于将上述容量估算与电池状态估算合并。首先，在被定义为真正静置（true rests）的选项中，当电池已静置足够的时间以处于（接近）热力学平衡时，例如在车辆已停止1小时或更久时的重启时间时，发生容量更新。在引入大电流前测量电压v，并换算成作为s = U -1 (v)的荷电状态（SOC）。其次，在被定义为基于电压的电池状态估算的选项中，现有的电池状态估算对在每一时间步骤的开路电压V OC 进行估算。这是电池将预计稳定直至（如果允许）静置的平衡电压。在这种电池状态估算到位的情况，s = U -1 (V OC )可用于更新每一时间步骤的容量。量s = U -1 (V OC )可被定义为SOC V 。第三，在被定义为荷电状态跟踪电池状态估算（state of charge tracking battery state estimation）的选项中，在未来电池状态估算实施中，状态之一已经是荷电状态，并且状态转移方程之一为如下：
s k+1 = s k + q k y k + q k ·噪声 y [20]
从而能将q k 作为一个状态加入卡尔曼滤波器公式中。
上文提到的方程和算法提供用于实现所述电池状态估算的一个示例性实施方案。这些方程和算法可编程到电池状态估算控制器中并根据所述过程和方法使用。设想了许多替代性实施方案，并且本公开无意局限于本文中提供的实例。
尽管已详细描述了用于实施本公开的最佳模式，但对本公开所涉领域熟悉的技术人员将承认在所附权利要求书的范围内用于实践本公开的各种替代性的设计和实施方案。
Claims (10)
1.一种电池容量估算方法，其包括：
在计算机化处理器内：
监测可操作地收集关于电池的数据的传感器；
基于来自传感器的数据测定电池的基于电压的荷电状态；
基于来自传感器的数据测定电池的容量退化值；
基于来自传感器的数据通过库仑计数测定积分电流值；
基于容量退化值和积分电流值测定电池的预测电池荷电状态；
使用卡尔曼滤波器处理基于电压的荷电状态和预测电池荷电状态，以生成更新的总电池容量估算结果；和
使用更新的总电池容量估算结果控制电池的管理。
2.根据权利要求1所述的方法，其进一步包括：
在计算机化处理器内，测定电池的基于电压的荷电状态的不确定性量化；和
其中使用卡尔曼滤波器将基于电压的荷电状态处理成预测电池荷电状态包括：利用基于电压的荷电状态的不确定性量化测定基于电压的荷电状态对更新的总电池容量估算结果的影响。
3.根据权利要求1所述的方法，其进一步包括：
在计算机化处理器内，测定电池的预测电池荷电状态的不确定性量化；和
其中使用卡尔曼滤波器处理基于电压的荷电状态和预测电池荷电状态包括：利用预测电池荷电状态的不确定性量化测定预测电池荷电状态对更新的总电池容量估算结果的影响。
4.根据权利要求1所述的方法，其进一步包括：
在计算机化处理器内，
测定电池的基于电压的荷电状态的不确定性量化；和
测定电池的预测电池荷电状态的不确定性量化；
其中使用卡尔曼滤波器将基于电压的荷电状态处理成预测电池荷电状态包括：
利用基于电压的荷电状态的不确定性量化测定基于电压的荷电状态对更新的总电池容量估算结果的影响；和
利用预测电池荷电状态的不确定性量化测定预测电池荷电状态对更新的总电池容量估算结果的影响。
5.根据权利要求1所述的方法，其进一步包括，在计算机化处理器内，使用卡尔曼滤波器递归处理基于电压的荷电状态的更新值和预测电池荷电状态的更新值，以生成更新的总电池容量估算结果的逐次值。
6.根据权利要求1所述的方法，其进一步包括，在计算机化处理器内，利用更新的总电池容量估算结果的当前值作为基于电压的荷电状态的下一个值的测定中的因子。
7.根据权利要求1所述的方法，其进一步包括，在计算机化处理器内，利用更新的总电池容量估算结果的当前值作为预测电池荷电状态的下一个值的测定中的因子。
8.根据权利要求1所述的方法，其进一步包括，在计算机化处理器内，利用来自传感器的数据执行电池状态估算；和
其中进一步基于电池状态估算测定基于电压的荷电状态。
9.根据权利要求8所述的方法，其中执行电池状态估算包括执行库仑计数。
10.一种电池容量估算系统，其包括：
电池；
可操作地收集关于电池的信息的传感器；
计算机化电池容量估算控制器，其编程为：
监测来自传感器的数据，
基于来自传感器的数据测定电池的基于电压的荷电状态，
基于来自传感器的数据测定电池的容量退化值，
基于来自传感器的数据通过库仑计数测定积分电流值，
基于容量退化值和积分电流值测定电池的预测电池荷电状态，和
使用卡尔曼滤波器处理基于电压的荷电状态和预测电池荷电状态，以生成更新的总电池容量估算结果；和
计算机化电池维护控制器，其编程为使用更新的总电池容量估算结果控制电池的管理。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US16/743,839 US11300626B2 (en) | 2020-01-15 | 2020-01-15 | Method and system for battery capacity estimation |
| US16/743839 | 2020-01-15 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113125983A true CN113125983A (zh) | 2021-07-16 |
| CN113125983B CN113125983B (zh) | 2024-05-14 |
Family
ID=
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102778652A (zh) * | 2011-05-13 | 2012-11-14 | 通用汽车环球科技运作有限责任公司 | 利用置信度值来确定蓄电池的充电状态的系统和方法 |
| US20140058595A1 (en) * | 2012-08-21 | 2014-02-27 | Ford Global Technologies, Llc | Online battery capacity estimation |
| US20140210418A1 (en) * | 2013-01-29 | 2014-07-31 | Mitsubishi Electric Research Laboratories, Inc. | Method for Estimating State of Charge for Lithium-Ion Batteries |
| US20150231986A1 (en) * | 2014-02-20 | 2015-08-20 | Ford Global Technologies, Llc | Battery Capacity Estimation Using State of Charge Initialization-On-The-Fly Concept |
| CN105301509A (zh) * | 2015-11-12 | 2016-02-03 | 清华大学 | 锂离子电池荷电状态、健康状态与功率状态的联合估计方法 |
| US20160187432A1 (en) * | 2013-07-29 | 2016-06-30 | Renault S.A.S | Estimation of the state of deterioration of an electric battery |
| US20160363631A1 (en) * | 2015-06-12 | 2016-12-15 | GM Global Technology Operations LLC | Battery system capacity estimation systems and methods |
| US20180034285A1 (en) * | 2016-07-29 | 2018-02-01 | Johnson Controls Technology Company | Electrical energy storage system with battery state-of-charge estimation |
| CN107957562A (zh) * | 2018-01-05 | 2018-04-24 | 广西大学 | 一种锂离子电池剩余寿命在线预测方法 |
| CN108196200A (zh) * | 2018-01-28 | 2018-06-22 | 复旦大学 | 一种锂电池健康和荷电状态的联合模拟评估方法 |
| CN108226783A (zh) * | 2016-12-21 | 2018-06-29 | 比亚迪股份有限公司 | Soc估算方法和soc估算装置以及电动汽车 |
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102778652A (zh) * | 2011-05-13 | 2012-11-14 | 通用汽车环球科技运作有限责任公司 | 利用置信度值来确定蓄电池的充电状态的系统和方法 |
| US20120290235A1 (en) * | 2011-05-13 | 2012-11-15 | Gm Global Technology Operations, Llc | Systems and methods for determining the state of charge of a battery utilizing confidence values |
| US20140058595A1 (en) * | 2012-08-21 | 2014-02-27 | Ford Global Technologies, Llc | Online battery capacity estimation |
| US20140210418A1 (en) * | 2013-01-29 | 2014-07-31 | Mitsubishi Electric Research Laboratories, Inc. | Method for Estimating State of Charge for Lithium-Ion Batteries |
| US20160187432A1 (en) * | 2013-07-29 | 2016-06-30 | Renault S.A.S | Estimation of the state of deterioration of an electric battery |
| US20150231986A1 (en) * | 2014-02-20 | 2015-08-20 | Ford Global Technologies, Llc | Battery Capacity Estimation Using State of Charge Initialization-On-The-Fly Concept |
| US20160363631A1 (en) * | 2015-06-12 | 2016-12-15 | GM Global Technology Operations LLC | Battery system capacity estimation systems and methods |
| CN105301509A (zh) * | 2015-11-12 | 2016-02-03 | 清华大学 | 锂离子电池荷电状态、健康状态与功率状态的联合估计方法 |
| US20180034285A1 (en) * | 2016-07-29 | 2018-02-01 | Johnson Controls Technology Company | Electrical energy storage system with battery state-of-charge estimation |
| CN108226783A (zh) * | 2016-12-21 | 2018-06-29 | 比亚迪股份有限公司 | Soc估算方法和soc估算装置以及电动汽车 |
| CN107957562A (zh) * | 2018-01-05 | 2018-04-24 | 广西大学 | 一种锂离子电池剩余寿命在线预测方法 |
| CN108196200A (zh) * | 2018-01-28 | 2018-06-22 | 复旦大学 | 一种锂电池健康和荷电状态的联合模拟评估方法 |
Non-Patent Citations (2)
| Title |
|---|
| C. I. OSSAI AND N. RAGHAVAN.: "Stochastic Model for Lithium Ion Battery Lifecycle Prediction and Parametric Uncertainties", IEEE, pages 1 - 6 * |
| 王慧乐: "基于多时间尺度的锂离子电池SOC和SOH联合估计", 《新技术应用与实践》, no. 09, pages 141 - 144 * |
Also Published As
| Publication number | Publication date |
|---|---|
| US20210215770A1 (en) | 2021-07-15 |
| DE102020132858A1 (de) | 2021-07-15 |
| US11300626B2 (en) | 2022-04-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP5058814B2 (ja) | バッテリーの状態及びパラメーターの推定システム及び方法 | |
| US8035345B2 (en) | System, method, and article of manufacture for determining an estimated combined battery state-parameter vector | |
| US7965059B2 (en) | System, method, and article of manufacture for determining an estimated battery parameter vector | |
| EP1989563B1 (en) | System and method for determining both an estimated battery state vector and an estimated battery parameter vector | |
| KR100818520B1 (ko) | 전기화학셀(ｃｅｌｌ)의 현재 상태와 현재 파라미터를추정하는 장치, 방법 및 시스템 및 기록매체 | |
| US9205755B2 (en) | Receding horizon regression analysis for battery impedance parameter estimation | |
| EP1701175B1 (en) | Power supply with status detector and initial characteristic determination means | |
| US20220365139A1 (en) | Method for estimating an operating parameter of a battery unit | |
| US11592493B2 (en) | Method and system for battery capacity estimation using voltage slope capacity and dynamic anchors | |
| CN113015918A (zh) | 用于确定二次电池的健康状态的方法和电池管理系统 | |
| CN113785209B (zh) | 用于检测异常电池单体的方法 | |
| KR100878123B1 (ko) | 배터리 상태 및 파라미터 추정 시스템 및 방법 | |
| US11300626B2 (en) | Method and system for battery capacity estimation | |
| WO2006057469A1 (en) | Method and system for joint battery stateand parameter estimation | |
| CN113125983B (zh) | 电池容量估算方法和系统 | |
| KR100916510B1 (ko) | 조인트 배터리 상태와 파라미터 추정 시스템 및 방법 | |
| KR20230130238A (ko) | 배터리 상태 추정 방법 | |
| CN116973755A (zh) | 初始提供针对能量存储器的老化状态模型的方法和装置 |
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 |