CN113195291A

CN113195291A - 用于控制能量存储系统的改进方法

Info

Publication number: CN113195291A
Application number: CN201980084006.2A
Authority: CN
Inventors: 费萨尔·阿尔塔夫; 安东·克林特伯格
Original assignee: Volvo Truck Corp
Current assignee: Volvo Truck Corp
Priority date: 2018-12-20
Filing date: 2019-12-20
Publication date: 2021-07-30
Anticipated expiration: 2039-12-20
Also published as: WO2020128068A1; US20230036362A1; CN113195291B; WO2020128066A1; EP4077020A1; US20230041052A1; US20220063444A1; WO2021121673A1; EP4077021A1; WO2021121672A1; CN114929504A; EP3898313A1; CN114845901A

Abstract

本发明涉及一种用于管理车辆的能量存储系统(ESS)的方法，其中，所述车辆包括车辆控制单元(VCU)和能量存储控制管理单元(ESCM)，其中，所述ESS包括彼此并联电连接的至少两个电池单元。

Description

用于控制能量存储系统的改进方法

技术领域

一种用于管理车辆的能量存储系统(ESS)的方法，其中，车辆包括车辆控制单元(VCU)和能量存储控制主单元(ESCM)，其中，ESS包括彼此并联电连接的至少两个电池单元。本发明也涉及一种用于车辆的能量存储系统(ESS)的自适应电池管理系统，其中，车辆包括车辆控制单元(VCU)和能量存储控制主单元(ESCM)，ESS包括并联连接的至少两个电池单元，并且本发明也涉及一种包括自适应电池管理系统的车辆。

背景技术

能量存储系统常常用在各种应用和技术领域中。在汽车行业中，能量存储系统可以被用于车辆的推进以及用于向车辆的各种系统提供电能。

为了提高能量存储系统的功率能力，能够提供这样的解决方案，其中能量存储系统的两个或更多个电池模块/电池组彼此并联耦合。特此，单独的电池模块能够容易地彼此连接或断开。另外，与使用仅单个电池模块/电池组比较，提供了提高的总功率能力。

然而，具有并联耦合的电池模块的能量存储系统的问题是电池模块需要处于大致相同的物理状态以获得最佳能量使用。然而常见场景是电池模块/电池组不处于相同的物理状态。例如，如果并联耦合的电池模块不同地老化，即电池模块中的一个最近用新的且未使用的电池模块替换，则在不同地老化的电池模块之间的功率能力方面将最可能存在差异，这进而将导致最旧的电池模块的充电能力和放电能力降低。另外，当在同一ESS中混合不同代/类型的电池模块/组时应当小心，因为它们的阻抗和OCV特性彼此显著地不同。另一示例是如果电池模块中的一个与同一能量存储系统的其他电池模块比具有较高的温度，则具有升高温度的电池模块的电阻将最可能低于具有较低温度的电池模块的电阻。在这样的情形下，存在更热的电池模块将接收超过其阈值的充电电流的风险。

具有并联耦合的电池模块的能量存储系统的另一问题是不同的电池组可以被放置在车辆的不同位置中，并且因此可能需要不同长度的高压电缆，从而引入大的电阻差异。

用于解决上面提及的问题的典型方法被公开在EP 3 011 655中，并且基于电池单元的基于由网络中最弱的链路即由具有最低功率状态(SOP)的电池组所规定的约束的利用率。EP 3 011 655的方法使用实质上保守的方法，其中电池组中的一个的最低最大功率能力乘以电池组的总数以便得到ESS的总功率能力。通过使用这种最坏情况，电池组中的一些可能未完全使用，即可能不根据其最大放电/充电功率能力来递送/接收功率。

然而，这种控制方法在利用ESS的全部潜在服务即服务质量[QoS](例如在确保长使用寿命的同时按照功率需求的功率递送性能)和利用率状态[SoU](例如递送的实际功率和潜在SOP的比率)方面具有相当保守的缺点。此外，现有解决方案使用反应性方法。换句话说，首先施加充电电流，接收反馈，然后调整电流。这样的反应性方法使电池短时间暴露于超过其能力的功率水平，这可能对其使用寿命具有负面影响。

现有解决方案的另一缺点是在判定功率阈值极限的同时不考虑功率瞬变。由于例如电池当中的SOC、温度、容量和电阻方面的不平衡，这些瞬变可能是显著的。最后，现有解决方案不允许实现多目标优化。例如，暂时降低功率阈值极限以支持平衡电池当中的温度和充电状态来实现长期效益可以是有利的。

因此，需要改进对具有并联耦合的电池单元的能量存储系统的充电和放电能力的控制。

发明内容

本发明因此提供一种用于管理车辆的能量存储系统(ESS)的方法，其中，车辆包括车辆控制单元(VCU)和能量存储控制主单元(ESCM)，其中，ESS包括彼此并联电连接的至少两个电池单元，该方法包括以下步骤：

a)使用单电池模型独立地预测每个电池单元(i)的SOP(i)的第一值；

b)获得每个电池单元(i)的测量负载值L(i)；

c)使用将每个电池单元(i)的SOP(i)的第一值和每个电池单元(i)的测量负载值L(i)用作输入的分析解法来计算所述ESS的SOP_ESS的第一值

措辞“负载阈值极限”在下文中并且在整个描述中应该被解释为不超过具有最低最大SOP的电池单元的负载极限的负载极限。另外，能够借助于功率或电流和电压的单独值来测量SOP。因此，本发明不应该被解释为限于测量仅功率、电流或电压中的一个。本领域的技术人员知道这些变量彼此依赖，并且在测量其他变量中的一个时接收这些变量中的一个的值只是简单的计算方式。

此外，措辞“电池单元”在下文中并且在整个描述中应该被解释成包括电池组，其本身可以包括一个或多个电池模块。再进一步地，措辞“电池单元”应该被理解成也包括可以包括多个电池组的单元。因此，措辞“电池单元”可以是包括至少一个电池芯的电池模块、包括至少两个电池模块的电池组以及包括至少两个电池组的单元。

术语“负载”意在表示电流或功率，即负载电流或负载功率。将在关于电流和功率两者的整个描述中使用此术语，并且应该可从这些两个参数意指的上下文中理解。

电池单元的“负载条件”将被理解为向电池单元供应能量或者从电池单元提取能量，即电池单元由任何外部负载充电或放电的条件。外部负载被理解为例如用于车辆的推进的电机、在操作期间使用电能的辅助设备、或为了向电池单元供应能量而布置的充电设备。

通过术语“预测时域”意指从给定时刻到将来的时间点的时间段。在本发明的上下文中预测时域短(1-5秒，优选2-3秒)、中(5-15秒，优选10-12秒)和长(15-60秒，优选30-40秒)。优选地，预测时域是30-40秒。

预测负载值被表示为

并且可以意指在目前时刻的电池单元(i)中的预测功率流

或在目前时刻的电池单元(i)中的预测电流流

预测负载值

是全阶多电池模型的输出，将在下面对此进行描述。

测量负载值被表示为L(i)，并且可以意指在目前时刻的电池单元(i)中的测量功率流P(i)或在目前时刻的电池单元(i)中的测量电流流I(i)。

如在本发明的上下文中使用的，术语SOP(i)可以是指电池单元i的以安倍为单位的最大电流能力I_max(i)或以瓦特为单位的最大功率能力P_max(i)。因此，SOP(i)是电池单元(i)的预测最大负载能力的量度。

能量存储系统(ESS)通常是所谓的高电压、高能量和高功率电池组。在此上下文中，术语“高电压”是指约400-1000V的电池组。此外，如本文所使用的术语“功率”通常是指电功率。

根据本发明的电池单元可以是相同或不同的，并且可以是锂离子型或钠离子型。钠离子电池通常包括任何类型的铁钠电池或铁酸钠电池。

电池单元通常由电池管理系统(BMS)管理，并且本发明的方法可以由BMS实现。

根据本发明的方法，可以通过分析解法将每个电池单元(i)的最大负载能力(SOP(i))和测量负载值L(i)用作输入来计算所述ESS的SOP_ESS的第一值

这给出对SOP_ESS的第一值

的非常准确的估计。通过根据本发明的分析解法计算的SOP_ESS的第一值

可以被用于加载ESS，使得电池单元之间的负载分布最佳，即使得电池单元中谁都不接收超过其最大负载能力的负载。

本发明的优点之一是根据基于模型的预测来计算每个电池单元的适当的充电和放电负载，而不用预先以那个水平加载ESS。本发明的方法因此导致电池单元的使用寿命延长，因为电池单元几乎从不暴露于超过负载阈值极限的负载，诸如充电电流。

本发明的ESS可以被用于车辆的电气推进，或者用于向诸如空调系统、气动装置等的辅助负载提供电功率。

如上面提及的，ESS可以包括至少两个电池单元，例如n个电池单元，其中n可以高达10000。

根据本发明的方法的步骤a)，使用如将在下面描述的单电池模型来独立地预测每个电池单元(i)的SOP(i)的第一值。通过术语“独立地”意指每个电池单元(i)的SOP(i)被预测好像电池单元未连接一样。每个电池单元的SOP值(SOP(i))独立地利用使用单电池模型的SOP算法连同关于每个电池单元的状态SoC、SoR、SoQ及传感器测量结果I(i)、V(i)、和T(i)(电池单元i的电流、电压、温度)的信息一起加以预测，其中SOP(i)是电池单元i的SOP值。步骤a)的输出是具有n个元素的SOP向量，其中n是电池单元的总数，并且元素SOP(i)包含电池单元(i)用于充电和放电两者的最大功率/电流能力。每个电池单元(i)的SOP(i)的第一值可以是预测充电电流

/放电电流

或预测充电功率

/放电功率

在下一个步骤b)中，使用本领域中公知的设备来获得每个电池单元(i)的测量负载值L(i)。每个电池单元(i)的测量负载值L(i)可以是电流I_Bi(k)或功率P_Bi(k)。

在后续步骤c)中，使用分析解法来计算ESS的SOP_ESS的第一值

此第一值

是包括n个电池单元i的SOP_ESS的初步值，其中，电池单元中的每一个具有预测最大负载能力SOP(i)。所述ESS的SOP_ESS的第一值

可以是所述ESS的最大充电电流能力

和所述ESS的最大放电电流能力

当使用分析解法时，可以使用模型预测方法或反应性方法。

当使用反应性方法时，可以将ESS在时刻(k)的最大充电电流能力计算为：

其中n是电池单元的数目，δ是负载共享因子，并且

是电池单元i的最大预测充电电流能力(SOP(i))。

类似地，可以将ESS在时刻(k)的最大放电电流能力计算为：

其中n是电池单元的数目，δ是负载共享因子，并且

是被允许贯穿电池单元i的最大放电电流。

取决于测量负载值是否远离预测最大负载能力值，以两种不同的方式计算负载共享因子δ，因为电池的阻抗是负载相关的。

特别地，

其中C_δ是调谐参数，C_δ∈[0，1]，并且I_avg(k)是计算为如下的平均电流：

其中n是电池单元的数目。

条件1被定义为：

其中β₁、β₂、β₃是调谐参数，β₁≥0，β₂≥0并且β₃∈[0，1]。

负载共享因子意味着关于在目前时间电池单元之间的负载分布的信息被用作反馈以确定SOP_ESS的第一值

反应性方法使用仅在现在目前时刻的实际的测量电池电流I_i(k)或测量电池功率P_i(k)以便计算负载共享因子。

反应性方法的优点是不需要估计电阻或开路电压(OCV)。然而，反应性方法仅考虑瞬时值。此外，由于电池的阻抗是负载相关的，所以当目前负载远离最大负载时，负载共享因子δ_i将不同。因此，只有当每个电池单元中的测量电流接近于电池单元的最大充电电流能力或其最大放电电流能力时才计算根据比率的负载共享因子。最后，由于反应性方法在ESS的实际加载之后校正它本身，所以这可以导致对极限的更频繁违反。

反应性方法的缺点在一定程度上可以通过替代地使用模型预测方法来补救，其中，模型预测方法可以利用零阶多电池模型。在零阶多电池模型中，需要欧姆电阻R₀和OCV估计。将在下面更详细地描述用于计算SOP的第一值

的模型预测方法。

分析解法可以将以下参数用作输入：

-每个电池单元I的电流I(i)；

-每个电池单元i的内部开路电池电压Voc(i)；

-每个电池单元的欧姆电阻SOR₀(i)。

如上面提及的，在步骤c)中计算的ESS的SOP_ESS的第一值

可以被用于加载所述ESS(步骤d)。替换地，可以在如将在下面描述的全阶多电池模型中使用所述ESS的SOP_ESS的第一值

当使用全阶多电池模型时，考虑ESS内的电池单元当中的功率/电流分布，包括可能存在的最重要的不平衡以及这些不平衡对电池单元的性能和使用寿命的影响。

当在全阶多电池模型中使用所述ESS的SO_PESS的第一值

时，本发明的方法包括以下步骤：

e)设置优化参数α的第一值；

f)基于所述优化参数α的第一值并且将所述ESS的SOP_ESS的第一值

用作输入来计算所述ESS的SOP_ESS的第二值

g)使用将SOP_ESS的第二值

用作输入并且获得每个电池单元(i)的预测负载值

作为输出的全阶多电池模型来预测所述至少两个电池单元之间的负载分布；

h)将SOP(i)的第一值和所述预测负载值

用作输入并且获得SOP_ESS的第三值

作为输出，迭代地求解约束满足问题或多目标优化问题，其中，发生迭代直到至少一个电池单元的SOP(i)的第一值在给定预测时域之上等于其预测负载值

的最大值为止，并且其中，在每次迭代时获得所述优化参数α的第二值并且将其用于计算要在步骤g)中使用的SOP_ESS的新的第二值

i)将SOP_ESS的第三值

传送到所述车辆控制器；

j)根据SOP_ESS的第三值

来加载ESS。

因此，在步骤e)中，设置优化参数α的第一值。优化参数α的第一值大于0。优化参数α的第一值被用于在步骤f)中计算SOP_ESS的第二值

其中：

如果将优化参数α的第一值设置为1，则SOP_ESS的第一值等于SOP_ESS的第二值，即

在下一个步骤g)中，使用将SOP_ESS的第二值

用作输入并且获得每个电池单元(i)的预测负载值

作为输出的全阶多电池模型来预测电池单元之间的负载分布。在下面更详细地描述全阶多电池模型。

接下来，将SOP(i)的第一值和预测负载值

用作输入并且获得SOP_ESS的第三值

作为输出，在步骤f)中迭代地求解约束满足问题或多目标优化问题，其中，发生迭代直到满足特定准则为止。这种准则的一个示例可以是SOP(i)的第一值在预定义预测时域之上大于或等于预测负载值

在每次迭代时，获得优化参数α的第二值并且将其用于计算SOP_ESS的新的第二值

如果预测负载值

大于SOP(i)的第一值，则意味着电池单元(i)将接收到超过此电池单元的电流或功率的最大允许值的电流或功率。因此，发生迭代直到SOP(i)的第一值大于或等于预测负载值

为止。必须注意，求解约束满足问题的SOP_ESS的第二值

被表示为SOP_ESS的第三值

一旦求解了约束满足问题并且计算了SOP_ESS的第三值

就执行步骤i)-j)，从而将SOP_ESS值的第三值

传送到车辆控制器并且根据SOP_ESS的第三值

来加载ESS。

为了求解ESS的最佳负载的问题，即提供ESS的负载使得ESS内的电池单元(i)中谁都未在充电或放电期间接收到超过其负载阈值极限的负载，有必要考虑ESS内的电池单元当中的动态功率/电流分布，包括可能存在的最重要的不平衡以及这些不平衡对电池单元的性能和使用寿命的影响。

对上面提及的问题的解决方案是通过根据步骤a)-j)的方法建议的，其中，对于具有并联连接的电池的ESS使用动态状态-空间模型。此模型是对于任何数目的电池单元是可扩展的和可配置的并且考虑容量衰落和阻抗增长方面的连接电阻和老化信息。它允许对ESS内的并联电池单元当中的动态负载分布/分割做基于模型的预测，从而了解每个单独的电池单元的瞬态和稳态响应。此外，这使得能够理解电池单元当中的动态相互作用(即电流循环)以及各种内部和外部因素可能对电池单元当中的负载分割具有的影响。这些基于模型的预测实现如在下面详细地讨论的高级控制设计。

依照根据步骤a)-j)的方法，使用基于模型的预测来实现整个ESS的最大负载能力。因此，消除了对使用基于具有最低最大负载能力的电池单元的保守方法的需要。替代地，利用每个电池单元的单独的最大负载能力，然后服从由并联电池单元强加的系统静态和动态约束来优化总ESS负载能力，从而提高ESS的总功率能力。此外，根据步骤a)-j)的方法，可以通过利用通过系统配置和负载动态响应提供的可用灵活性来包括各种其他约束/目标，诸如温度和充电状态。被考虑到的参数中的一些是：具有已知电缆电阻的连接电缆长度、SOC、温度和SOH，如将稍后更详细地描述的。在根据步骤a)-j)的方法中使用的模型也帮助分析有关SOC和温度的电池单元之间的不平衡并且能够预测电池单元如何将在自然功率分布下将来老化。

根据步骤a)-j)的方法基于动态负载分割，即考虑电池当中的负载分割的瞬态值和稳态值两者来判定负载极限。这些预测使得能够关于负载阈值极限做出更智能的判定。例如，使用关于瞬态响应的包括百分比过冲量、峰值时间、稳定时间等的信息，能够判定与保护电池不受应力相比较优先考虑在数秒内向动力传动系统递送更多的瞬时功率的情况下是否应该允许短时间的ESS最大负载能力的违反。能够基于步骤a)-j)的模型预测功率控制方法容易地实现或配置这种权衡优化。

存储器单元可以连接到能量存储系统，并且该方法还可以包括向存储器单元提供与预测负载值

和SOP_ESS的第三值

有关的信息的步骤。

特此，存储器单元存储经调整的充电/放电电流以及电池单元的各种参数，诸如温度或电压。优点是当电池单元之间的相同的或大致相同的场景再次发生时，可以更容易将充电/放电电流调整至期望水平，因为存储器单元知道充电/放电电流先前被调整了多少。例如，这样的场景可以是当电池单元被替换为新的时。存储器单元然后可以记住当在对电池单元充电或放电时先前调整到期望水平时施加的充电/放电电流的量。

上面公开的方法可以由诸如能量存储控制主单元(ESCM)的控制单元执行。控制单元可以包括微处理器、微控制器、可编程数字信号处理器或另一可编程器件。因此，控制单元包括电子电路和连接以及处理电路，使得控制单元能够与电力传输系统的不同部分和需要被操作的任何其他部分进行通信，以便提供示例实施例的功能。取决于控制单元的类型和控制单元的位置，控制单元也可以被配置成与车辆的诸如以下项目的其他部分进行通信：电机、制动器、悬架、离合器、变速器和另外的电辅助设备，例如空调系统，以便至少部分地操作车辆。控制单元可以包括在硬件或软件中或部分地在硬件或软件中的模块，并且使用诸如CAN总线和/或无线通信能力的已知传输总线来通信。处理电路可以是通用处理器或特定处理器。控制单元通常包括非暂时性存储器以用于在其上存储计算机程序代码和数据。因此，可以通过许多不同的构造来体现控制单元。

换句话说，可以使用现有的计算机处理器、或者通过出于此或另一目的并入的用于适当的系统的专用计算机处理器、或者通过硬连线系统来实现电力传输系统的示例实施例的控制功能性。在本公开的范围内的实施例包括程序产品，这些程序产品包括机器可读介质以用于承载机器可执行指令或数据结构或者使机器可执行指令或数据结构存储在其上。此类机器可读介质可以是能够由具有处理器的通用或专用计算机或其他机器访问的任何可用的介质。作为示例，此类机器可读介质能够包括RAM、ROM、EPROM、EEPROM、CD-ROM或其他光盘存储、磁盘存储或其他磁存储设备，或能够用于以机器可执行指令或数据结构的形式承载或存储所需程序代码并且能够由具有处理器的通用或专用计算机或其他机器访问的任何其他介质。当通过网络或另一通信连接(硬连线、无线或硬连线或无线的组合)向机器转移或提供信息时，机器将连接适当地视为机器可读介质。因此，任何这种连接被适当地称为机器可读介质。上述组合也被包括在机器可读介质的范围内。例如，机器可执行指令包括使通用计算机、专用计算机或专用处理机器执行某个功能或某组功能的指令和数据。虽然上述电力传输系统的示例实施例能够包括成为其整体部分的控制单元，但是同样可能的是，控制单元可以是车辆的单独部分，并且/或者被布置为远离电力传输系统并且与电力传输系统通信。

根据本发明的方法可以包括从VCU接收功率请求的步骤a0)；其中，步骤a0发生在步骤a)之前。在这种情况下，该方法考虑所请求的功率提供ESS的最佳负载。

根据本发明的方法还可以包括以下步骤：

k)在根据SOP_ESS的第三值

加载ESS之后从ESS接收至少一个操作参数，以及

l)在全阶多电池模型中将至少一个操作参数用作输入。

换句话说，可以比较操作参数的预测值和实际值，并且在不一致情况下，可以微调预测模型并且能够基于来自ESS的反馈来缓解模型失配，使得未来预测变得更准确。因此，本发明的方法可以基于在根据SOP_ESS的第一值

加载ESS之后获得的操作参数来连续地更新SOP_ESS的第一值

此外，本发明的方法可以基于在根据SOP_ESS的第三值

加载ESS之后获得的操作参数来连续地更新SOP_ESS的第三值

全阶多电池模型将以下参数用作输入：

-电池单元i的数目n，

-每个电池单元i的充电状态SOC(i)，

-每个电池单元i的温度T(i)，

-每个电池单元i的容量状态SOQ(i)，

-每个电池单元i的电阻状态SOR(i)。

如上面提及的，可以在车辆使用ESS期间由ESCM执行本发明的方法。

本发明的另一方面是一种用于车辆的能量存储系统(ESS)的自适应电池管理系统，其中，车辆包括车辆控制单元(VCU)和能量存储控制主单元(ESCM)，ESS包括并联连接的至少两个电池单元，管理系统包括用于针对ESS的最佳加载计算第一SOP_ESS值

的模型。

本发明的又一方面是一种计算机程序，该计算机程序包括用于当在计算机上运行该程序时执行上述方法的步骤的程序代码装置。可以将包括用于执行上述方法的步骤的程序装置的计算机程序存储在计算机可读介质上。

本发明的另一方面是一种能量存储控制主单元(ESCM)，其被配置成执行上述步骤中的任何一个。

最后，本发明的一个方面是一种车辆，诸如纯电动车辆或混合动力电动车辆，包括如上所述的自适应电池管理系统。

根据本发明的一个具体实施例，用于ESS的预测功率控制的方法可以包括以下步骤：

a)使用单电池模型独立地预测每个电池单元的第一SOP值(SOP(i))；

b)获得每个电池单元(i)的测量负载值L(i)；

e)设置优化参数α的值，其中，0≤α≤1；

f)预测针对SOP_ESS的第一值

的通过ESS中的每个电池单元的充电电流

f’)根据等式(1)计算I_diff(i)：

其中I_max(i)是基于ESS中的单独的电池单元(i)的SOP(i)值的第一值计算的最大电流能力；

f”)在|I_diff(i)|>0情况下重复步骤c)–c”)，在步骤c)中设置优化参数α的不同值；

i)根据等式(2)计算SOP_ESS的第三值

j)将

值传送到车辆控制器，其然后相应地加载ESS。

应该注意，

对应于预测负载值

在此特定实施例中，约束满足问题的迭代解法从选取优化参数α的值开始，使得0≤α≤1(步骤e)。通常，将α的初始值设置为1。基于优化参数α的值，使用全阶多电池模型来预测针对

值的通过ESS中的每个电池单元的充电电流

(步骤f)。根据步骤f’)，将每个电池单元的预测

值与此电池单元所对应的最大充电或放电电流I_max(i)进行比较，从而获得I_diff(i)的值，其中：

步骤f”)的输出因此是具有n个元素的I_diff向量，其中n是电池单元的总数，并且元素I_diff(i)包含正值或负值，指示预测充电/放电电流是超过还是低于电池单元(i)的最大功率/电流能力。

应该注意，首先针对充电，然后针对放电，分别地使用

来使用针对充电最大能力和放电最大能力两者的多电池模型。如可以在图2和图5中看到的，分析解法提供两个输出

和

在这方面

应该轮流为它们中的一个，因为全阶多电池模型能够一次仅在放电能力

或充电能力

下预测负载分布。

如果I_diff向量中的值中的至少一个是正的，即|I_diff(i)|>0，则重复步骤c)–c”)，在步骤c)中设置优化参数α的不同值。过程迭代地继续，从而在每次迭代中适配优化参数α的值，直到I_diff向量中的所有值都是负的或者它们中的一个为零为止，即，一个预测值达到其最大极限，即当预测充电电流值

均未超过电池单元(i)的最大允许充电电流值I_max(i)时。

优化参数α值可以是I_diff(i)的值的函数。因此，优化参数α的值变化可以取决于I_diff(i)的值，即取决于超过最大允许充电电流I_max(i)多少。例如，可以例如使用以下动态递归来计算α：

假定|I_diff(i)|≤|I_max(i)|。

根据本发明，基于要求的电流(I_dem或SOP_ESS)、电池单元数n、并联配置、连接电缆长度、在目前时间的充电状态(SOC)、在目前时间的温度和/或目前的健康状态(SOH)来预测电流

其中，基于容量状态(SOQ)和电阻状态(SOR)函数来计算SOH指标。充电电流

可以是在预测时域“t+T”之上的预测电流轨迹，其中t是目前的真实时间而T是将来的预测时间段。换句话说，不仅针对给定时刻，而且还针对与给定时刻相邻的时间段如15秒、30秒或60秒内预测SOP(i)和

的值。另外，能够针对诸如2-5分钟或15-20分钟的较长时间段进行预测。预测电流轨迹包括瞬态值和稳态值两者。

该方法的示例实施例对诸如电动车辆的车辆是特别有用的，所述电动车辆包括部分和完全电动车辆、混合动力电动车辆、插电式混合动力电动车辆或任何其他类型的电动车辆。这种类型的车辆通常包括电机、电池组组件和电池管理单元。电池组组件被配置成向电机提供电力，从而为电动、混合动力或插电式混合动力车辆提供推进力，并且/或者被配置成给各种类型的施工设备中的任何其他类型的辅助电负载供电。

根据一个示例实施例，电动车辆系统包括被配置成测量以安培为单位的电流的测量传感器单元。测量传感器单元可以是能够测量通过电池组组件的电流流入和流出的任何其他传感器单元。这些类型的传感器单元通常是可用的并且若干不同的选项是可以想像的。

另外，或替换地，测量传感器单元可以是被配置成测量并计算能量吞吐量的电压传感器。也就是说，通过随着时间的推移对电流和电压的乘积进行积分或求和来计算能量吞吐量。

如上面提及的，该方法的示例实施例以及通常与该方法的步骤相对应的方法的序列由控制单元执行。因此，根据一个示例实施例，该方法的步骤由控制单元在电动车辆系统使用电池组组件期间执行。

当研究所附权利要求和以下描述时，本发明的另外的特征及其优点将变得显而易见。技术人员认识到，在不脱离本发明的范围的情况下，可以组合本发明的不同特征以创建除在下文中描述的实施例以外的实施例。

附图说明

通过本发明的示例性实施例的以下说明性和非限制性详细描述，将更好地理解本发明的以上以及附加目的、特征和优点，其中：

图1描绘根据本发明的自适应电池管理系统；

图2是用于预测SOP(i)的第一值的单电池模型；

图3是使用反应性方法的分析解法的模型；

图4描绘并联连接的电池单元；

图5是零阶模型预测方法的模型；

图6是使用分析解法和全阶多电池模型的模型预测功率控制方案；以及

图7图示了电池模块的并联配置的表示。

参考附图，在下面接着作为示例引用的本发明的实施例的更详细描述。

具体实施方式

现在将参考附图在下文中更全面地描述本发明，在附图中示出了本发明的示例性实施例。然而，本发明可以以许多不同的形式体现，而不应该被解释为限于本文阐述的实施例；相反，这些实施例是为了透彻性和完整性而提供的。技术人员将认识到，可以在所附权利要求的范围内做出许多改变和修改。

类似的附图标记在整个说明书中是指类似的元素。

图1示出根据本发明的自适应电池管理系统。如可以在图1中看到的，该自适应电池管理系统包括能量存储系统(ESS)、能量存储控制管理单元(ESCM)、车辆控制单元(VCU)和电机驱动系统(MDS)。I_i、V_i、SOC_i、T_i是电池单元(i)的测量值，也被称为测量负载值L(i)。

是电池单元(i)的最大电流能力的预测值，也被称为SOP(i)的第一值。I_ESS是SOPESS的最终优化值

被用于加载ESS使得负载分布最佳并且没有电池单元接收超过其最大负载能力的负载。最后，

是ESS的最大负载能力，也被称为

其是在根据本发明的方法的步骤c)中计算出的。

如上面提及的，本发明的方法从步骤a)开始，其中，使用单电池模型独立地预测每个电池单元(i)的SOP(i)的第一值。SOP(i)的第一值被预测好像电池单元(i)未连接到任何其他电池单元一样。

单电池模型

通过如上图1所示的等效电路建模的每个单独的电池单元(i)具有以下主要元素：

·作为SoC和温度的非线性函数的欧姆内阻R_0i

·通过作为SoC、温度和输入电流I_i的非线性函数的RC对R_1i和C_1i建模的快速动态激活极化

·通过作为SoC、温度和输入电流I_i的非线性函数的RC对R_2i和C_2i建模的慢速动态浓度极化

·作为SoC和温度的非线性函数的开路电压V_OCi

能够在以下标准离散时间状态空间形式上表示ESS内的任何单独的电池单元(i)的电热动力学：

V_1i(k+1)＝a_1i(k)·V_1i(k)+b_1i(k)·I_i(k)

V_2i(k+1)＝a_2i(k)·V_2i(k)+b_2i(k)·I_i(k)

SoC_i(k+1)＝SoC_i(k)+b_3i(k)·I_i(k)

V_i(k)＝V_oci(k)+V_1i(k)+V_2i(k)+R_0i(k)·I_i(k)

这里

其中τ_1i(k)＝R_1i(k)·C_i1(k)是快速变化的时间常数并且ΔT是采样周期，

其中τ_2i(k)＝R_2i(k)·C_2i(k)是慢速变化的时间常数，

b_1i(k)＝R_1i(k)·[1-a_1i(k)]，

b_2i(k)＝R_2i(k)·[1-a_2i(k)]，

其中Q_bi和η是电池容量和库伦效率，

V_oci(k)＝f_ocv(SoC(k))将开路电压作为电池SoC的函数给出。

注意

R_0i(k)＝f_R0i(SoC_i(k)，T_i(k))，

R_1i(k)＝f_R1i(SoC_i(k)，T_i(k)，I_i(k))，

C_1i(k)＝f_C1i(SoC_i(k)，T_i(k)，I_i(k))，

R_2i(k)＝f_R2i(SoC_i(k)，T_i(k)，I_i(k))，以及

C_2i(k)＝f_C2i(SoC_i(k)，T_i(k)，I_i(k))

是电池SoC、温度和输入电流的非线性函数。电池温度动力学由下式给出：

其中U_hi(t)＝I_i·(V_oci-V_i)是电池中的总热生成量，T_fi是冷却剂温度，并且a_ti和b_ti是取决于热容量、热电阻和冷却液的热传递性能的热常数。

如上面提及的，SOP(i)的第一值被表示为

并且在图1、图3和图4中的特定实施例中是电池单元(i)的最大充电电流能力和最大放电电流能力。

在下一个步骤b)中，获得每个电池单元(i)的测量负载值L(i)。如上面提及的，每个电池单元(i)的测量负载值L(i)可以是图1中的I_i、V_i、SOC_i、T_i中的任何一个。另外，测量负载值在图3中被表示为[I_Bi(k)]而在图4中被表示为I_Bi(k)、V_Bi(k)、SOC_Bi(k)、T_Bi(k)。应该注意，(k)表示时刻k。

在下一个步骤c)中，计算所述ESS的SOP_ESS的第一值

如上面提及的，使用分析解法来将SOP_ESS的第一值

计算为先验估计，该分析解法将每个电池单元(i)的SOP(i)的第一值和每个电池单元(i)的测量负载值L(i)用作输入。

在图1、图3和图4中被表示为

当使用分析解法时，可以使用模型预测方法或反应性方法。

在图3所示的实施例中，图示了反应性方法。在上面描述了

的计算。

如可以在图3中看到的，包括反应性方法的分析解法也包括滤波、平滑和最终微调。在此步骤中，在时刻k-1即紧接在时刻k之前的时刻使用数学延迟参数z^-1，递送测量负载值，在此示例中为测量电流。换句话说，当已经根据

的计算值加载了ESS时，该方法接收在电池单元之间的负载分布方面的反馈。

现在把关注转向使用零阶多电池模型的分析解法。图4图示并联连接的两个电池单元。对于两个电池单元，电流被计算为：

其中，第一项是由于电阻不平衡而导致的电流分量，而第二项是由于OCV不平衡而导致的电流分量。I_B1和I_B2对应于SOP(1)和SOP(2)的预测值。

对于三个电池单元，通过每个电池单元的电流被计算为：

其中，θ＝R₀₁R₀₂+R₀₁R₀₃+R₀₂R₀₃

对于n个电池单元，通过每个电池单元的电流被计算为：

一旦计算了通过每个电池单元的电流的值，即预测了负载分布，则可以计算表示为

的

使得

即使得电池单元(i)的预测负载值不违反该电池单元的预测最大负载能力。

必须注意，在图5所图示的零阶多电池模型中，存在循环依赖。实际上，每个电池单元的欧姆电阻值R_0,i依赖于负载，然而如上面所示的，负载是使用欧姆电阻R_0,i的值来计算出的。为了解决这种循环依赖，该方法包括两个数学延迟参数。首先，获得来自紧接在时刻k之前的时刻k-1的负载分布，并且将其用作滤波、平滑和最终微调中的输入(I_i(k-1))。此外，将表示为

的来自时刻k-1的预测SOP(i)值用作针对SOR和OCV估计的输入。

因此，使用模型预测方法的分析解法提供SOP_ESS的第一值

的非常准确的估计。能够针对每个电池单元(i)”的给定最大充电/放电电流能力SOP(i)(即，

和

)求解这些等式以获得最大I_ESS(即，最大充电

或最大放电

电流能力)。这导致线性编程问题，但是它在下面给出的两个等式方面具有非常简单的分析解法：

如上面提及的，SOP_ESS的第一值

可以被用于加载ESS，或者可以通过使用全阶多电池模型来进一步优化。

图6图示使用分析解法和全阶多电池模型的模型预测功率控制方案。如可以看到的，根据步骤c)使用如上所述的分析解法来计算的SOP_ESS的第一值

被用作SOP_ESS的初始值

在下一个步骤e)中，设置优化参数α的第一值。优化参数α的第一值大于0。优化参数α的第一值被用于计算SOP_ESS的第二值

其中：

在图6中，SOP_ESS的第二值

被表示为SOP_ESS。

在步骤g)中，使用将SOP_ESS的第二值

用作输入并且获得每个电池单元的预测负载值

作为输出的全阶多电池模型来预测电池单元之间的负载分布。

全阶并联多电池模型

可以将电池模块的并联配置表示为图7中示出的：

总连接电阻被计算为：

其中Ru_i-1，i是BU_i与BU_i-1之间的正路径连接电阻并且Rl_i-1，i是BU_i与BU_i-1之间的负路径连接电阻。由并联连接强加的约束是：

在下面陈述并联多电池系统的完整状态空间模型(主要使用单电池模型并且利用上面给出的并联连接约束来导出)。

y(t)＝C_I(t)·x(t)+D_I(t)·u(t)

这里状态x＝[x₁ … x_n]^T是整个ESS的全状态向量，然而x_i＝[V_1i V_2i V_oci SoC_iT_i]^T是其每个组成电池单元BU_i的状态。系统的输出由y＝[I₁ … I_n]^T表示，其中I_i是每个BU_i的输出电流。此状态空间模型的控制输入由u＝[I_ESS U_h，1 … U_h，n]^T给出，其中I_ESS是总要求的输入电流并且U_heat，i是在BU_i内部产生的总热量。系统矩阵A_I、输入矩阵B_I、输出矩阵C_I和馈通矩阵D_I是系统参数(R_0i、R_1i、R_2i、C_1i、C_2i、Q_i、R_ci-1，i、R_ci)以及系统电热和老化状态(SoC_i、T_i、SoQ_i、SoR_i)的非线性函数。注意，与单电池模型比较，有必要包括每个电池组的开路电压V_oci作为附加状态以导出并联多电池系统的完整模型。

例如，在下面示出针对n＝2的此模型的矩阵以获得更好的理解。

具有两个电池单元的ESS的状态向量由下式给出：

输入向量由下式给出：

输出向量由下式给出：

系统矩阵由下式给出：

其中Ω＝R₀₁+R₀₂+R_c12是累积电阻。注意，

和

(电池的OCV相对于其温度的雅可比行列式)被视为此模型中的参数。它们通常作为查找表存储在计算机存储器中。

输入矩阵由下式给出：

输出矩阵由下式给出：

直接馈通矩阵由下式给出：

注意包括电池阻抗、容量、电缆连接电阻、温度等的各种系统参数如何通过这些矩阵进入到此模型。这使得能够在给定操作条件下以更高准确度预测在电池之间分割的功率/电流。

接下来，将SOP(i)的第一值和预测负载值

用作输入并且获得SOP_ESS的第三值

作为输出，在步骤h)中迭代地求解约束满足问题或多目标优化问题，其中，发生迭代直到在图6中表示为每个电池组的最大预测功率能力的SOP(i)的第一值大于或等于在图6中表示为并联电池组当中的预测功率分布的预测负载值

为止。在每次迭代时，获得优化参数α的第二值并且将其用于计算SOP_ESS的新的第二值

如果预测负载值

大于SOP(i)的第一值，则意味着电池单元(i)将接收超过此电池单元的电流或功率的最大允许值的电流或功率。因此，发生迭代直到SOP(i)的第一值大于或等于预测负载值

为止。

根据特定实施例，使用全阶多电池模型来预测针对SOP_ESS的第二值

的通过ESS中的每个电池单元

的充电电流。每个电池单元的预测值

与此电池单元所对应的最大充电电流I_max(i)进行比较，从而获得I_diff(i)的值，其中：

步骤h)的输出因此是具有n个元素的I_diff向量，其中n是电池单元的总数，并且元素I_diff(i)包含正值或负值，指示预测充电电流是否超过电池单元(i)的最大充电功率/电流能力。

如果I_diff向量中的值的至少一个是正的，即I_diff(i)≥0，则重复步骤e)–h)，在步骤e)中设置优化参数α的不同值。过程迭代地继续，从而在每次迭代中适配优化参数α的值，直到I_diff向量中的所有值都为负的为止，即当预测充电电流值

中谁都未超过电池单元(i)的最大允许充电电流值I_max(i)时。

一旦求解了约束满足问题并且计算了SOP_ESS的第三值

就执行步骤i)-j)，从而将SOP_ESS的第三值

传送到车辆控制器并且根据SOP_ESS的第三值

加载ESS。

可以使用现有的计算机处理器、或者通过出于此或另一目的并入的用于适当的系统的专用计算机处理器、或者通过硬连线系统来实现示例实施例的控制功能性。在本公开的范围内的实施例包括程序产品，这些程序产品包括机器可读介质以用于承载机器可执行指令或数据结构或者使机器可执行指令或数据结构存储在其上。此类机器可读介质可以是能够由具有处理器的通用或专用计算机或其他机器访问的任何可用的介质。作为示例，此类机器可读介质能够包括RAM、ROM、EPROM、EEPROM、CD-ROM或其他光盘存储、磁盘存储或其他磁存储设备，或能够用于以机器可执行指令或数据结构的形式承载或存储所需程序代码并且能够由具有处理器的通用或专用计算机或其他机器访问的任何其他介质。当通过网络或另一通信连接(硬连线、无线或硬连线或无线的组合)向机器转移或提供信息时，机器将连接适当地视为机器可读介质。因此，任何这种连接被适当地称为机器可读介质。上述组合也被包括在机器可读介质的范围内。例如，机器可执行指令包括例如使通用计算机、专用计算机或专用处理机器执行某个功能或某组功能的指令和数据。

要理解的是，本发明不限于在上面描述并且在附图中图示的实施例；相反，技术人员将认识到，可以在所附权利要求的范围内做出许多改变和修改。例如，尽管已经主要关于电动公交车描述了本发明，但是本发明应该被理解成同样地适用于任何类型的电动车辆。

Claims

1.一种用于管理车辆的能量存储系统(ESS)的方法，其中，所述车辆包括车辆控制单元(VCU)和能量存储控制管理单元(ESCM)，其中，所述ESS包括彼此并联电连接的至少两个电池单元，所述方法包括以下步骤：

b)获得每个电池单元(i)的测量负载值L(i)；

c)使用将每个电池单元(i)的所述SOP(i)的第一值和每个电池单元(i)的所述测量负载值L(i)用作输入的分析解法来计算所述ESS的SOP_ESS的第一值

2.根据权利要求1所述的方法，其中，使用模型预测方法来计算所述ESS的所述SOP的第一值

3.根据权利要求2所述的方法，其中，所述模型预测方法利用零阶多电池模型。

4.根据权利要求2或3中的任一项所述的方法，其中，所述零阶多电池模型将以下参数用作输入：

-每个电池单元I的电流I(i)，

-每个电池单元I的内部开路电池电压Voc(i)，

-每个电池单元的欧姆电阻SOR₀(i)。

5.根据权利要求1所述的方法，其中，使用反应性方法来计算所述ESS的所述SOP_ESS的第一值

6.根据权利要求5所述的方法，其中，所述反应性方法利用负载共享因子。

7.根据前述权利要求中的任一项所述的方法，其中，所述ESS的所述SOP_ESS的第一值

是所述ESS的最大充电电流能力

和所述ESS的最大放电电流能力

8.根据前述权利要求中的任一项所述的方法，其中，每个电池单元(i)的所述测量负载值L(i)是电流I_Bi(k)或功率P_Bi(k)。

9.根据前述权利要求中的任一项所述的方法，其中，每个电池单元(i)的所述SOP(i)的第一值是预测充电电流

/预测放电电流

或预测充电功率

/预测放电功率

10.根据前述权利要求中的任一项所述的方法，所述方法包括以下步骤：

d)根据所述ESS的所述SOP_ESS的第一值

加载所述ESS。

11.根据权利要求1-9中的任一项所述的方法，其中，所述方法还包括以下步骤：

e)设置优化参数α的第一值；

f)基于所述优化参数α的所述第一值并且将所述ESS的所述SOP_ESS的第一值

用作输入来计算所述ESS的SOP_ESS的第二值

g)使用将所述SOP_ESS的第二值

用作输入并且获得每个电池单元(i)的预测负载值

h)将所述SOP(i)的第一值和所述预测负载值

用作输入并且获得SOP_ESS的第三值

作为输出，迭代地求解约束满足问题或多目标优化问题，其中，发生迭代直到满足特定准则为止，并且其中，在每次迭代中获得所述优化参数α的第二值并且将其用于计算要在步骤g)中使用的新的SOP_ESS的第二值

i)将所述SOP_ESS的第三值

传送到所述车辆控制器；

j)根据所述SOP_ESS的第三值

加载所述ESS。

12.根据权利要求11所述的方法，其中，所述方法还包括以下步骤：

k)在根据所述SOP_ESS的第三值

加载所述ESS之后，从所述ESS接收至少一个操作参数；

l)将所述至少一个操作参数在所述全阶多电池模型中用作输入。

13.根据前述权利要求中的任一项所述的方法，其中，将在每个电池单元(i)中测量的以下数据用作输入来在步骤a)中独立地获得每个电池单元(i)的所述SOP(i)的第一值：

-电流I(i)；

-电压V(i)；

-温度T(i)；

-充电状态SOC(i)；

-电流状态SOQ(i)；

-电阻状态SOR(i)。

14.根据前述权利要求中的任一项所述的方法，其中，所述特定准则是至少一个电池单元的所述SOP(i)的第一值在给定预测时域之上等于其预测负载值

的最大值。

15.根据前述权利要求中的任一项所述的方法，其中，所述方法还包括以下步骤：

a0)从所述VCU接收功率请求；

其中，步骤a0在步骤a)之前发生。

16.根据前述权利要求中的任一项所述的方法，其中，所述方法在由所述车辆使用所述ESS期间由所述ESCM执行。

17.一种用于车辆的能量存储系统(ESS)的自适应电池管理系统，其中，所述车辆包括车辆控制单元(VCU)和能量存储控制管理单元(ESCM)，所述ESS包括并联连接的至少两个电池单元，所述管理系统包括用于针对所述ESS的最佳加载计算所述ESS的SOP的第一值

的模型。

18.根据权利要求16所述的电池管理系统，其中，所述至少两个电池单元是锂离子电池或钠离子电池组中的任何一个。

19.一种计算机程序，所述计算机程序包括用于当在计算机上运行所述程序时执行根据权利要求1-15中的任一项所述的步骤的程序代码装置。

20.一种计算机可读介质，所述计算机可读介质承载计算机程序，所述计算机程序包括用于当在计算机上运行程序装置时执行根据权利要求1-15中的任一项所述的步骤的所述程序装置。

21.一种能量存储控制管理单元(ESCM)，被配置成执行根据权利要求1-15中的任一项所述的步骤的任何一个。

22.一种车辆，诸如纯电动车辆或混合动力电动车辆，包括根据权利要求16或17中的任一项所述的自适应电池管理系统。