CN113631937A - 确定温度估计模型的方法和装置及应用该温度估计模型的电池管理系统 - Google Patents

确定温度估计模型的方法和装置及应用该温度估计模型的电池管理系统 Download PDF

Info

Publication number
CN113631937A
CN113631937A CN202080005753.5A CN202080005753A CN113631937A CN 113631937 A CN113631937 A CN 113631937A CN 202080005753 A CN202080005753 A CN 202080005753A CN 113631937 A CN113631937 A CN 113631937A
Authority
CN
China
Prior art keywords
temperature
error
parameters
profile
parameter set
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
CN202080005753.5A
Other languages
English (en)
Other versions
CN113631937B (zh
Inventor
李宝贤
朴旻熙
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 Ltd
Original Assignee
LG Energy Solution 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 Energy Solution Ltd filed Critical LG Energy Solution Ltd
Publication of CN113631937A publication Critical patent/CN113631937A/zh
Application granted granted Critical
Publication of CN113631937B publication Critical patent/CN113631937B/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]
    • G01R31/396—Acquisition or processing of data for testing or for monitoring individual cells or groups of cells within a battery
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
    • G01K7/00—Measuring temperature based on the use of electric or magnetic elements directly sensitive to heat ; Power supply therefor, e.g. using thermoelectric elements
    • G01K7/16—Measuring temperature based on the use of electric or magnetic elements directly sensitive to heat ; Power supply therefor, e.g. using thermoelectric elements using resistive elements
    • G01K7/22—Measuring temperature based on the use of electric or magnetic elements directly sensitive to heat ; Power supply therefor, e.g. using thermoelectric elements using resistive elements the element being a non-linear resistance, e.g. thermistor
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
    • G01K7/00—Measuring temperature based on the use of electric or magnetic elements directly sensitive to heat ; Power supply therefor, e.g. using thermoelectric elements
    • G01K7/42—Circuits effecting compensation of thermal inertia; Circuits for predicting the stationary value of a temperature
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
    • G01K7/00—Measuring temperature based on the use of electric or magnetic elements directly sensitive to heat ; Power supply therefor, e.g. using thermoelectric elements
    • G01K7/42—Circuits effecting compensation of thermal inertia; Circuits for predicting the stationary value of a temperature
    • G01K7/427—Temperature calculation based on spatial modeling, e.g. spatial inter- or extrapolation
    • 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]
    • G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/385—Arrangements for measuring battery or accumulator variables
    • 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
    • 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
    • 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

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Chemical & Material Sciences (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Electrochemistry (AREA)
  • General Chemical & Material Sciences (AREA)
  • Nonlinear Science (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Secondary Cells (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

一种用于确定估计电池模块中的温度的温度估计模型的方法包括：关于基于所有各个参数集的模型，计算根据初步验证简档的测量温度与估计温度之间的差的第一误差；使用第一误差和第一阈值以便提取第一参数集；使用基于第一参数集的模型以便计算最大误差，该最大误差是温度中的误差中的最大误差；通过使用第二阈值、第一误差、加权值来提取第二参数集；通过使用第二参数集来计算第二误差；以及如果第二误差小于第三阈值，则将基于第二参数集的模型确定为温度估计模型。

Description

确定温度估计模型的方法和装置及应用该温度估计模型的电 池管理系统
技术领域
相关申请的交叉引用
本申请要求于2019年8月29日在韩国知识产权局提交的韩国专利申请No.10-2019-0106742的优先权和权益，该专利申请的全部内容通过引用并入本文中。
本公开涉及用于确定温度估计模型的方法和装置，以及应用了由确定温度估计模型的方法确定的温度估计模型的电池管理系统。
背景技术
为了减少对电池模块充电的时间，电池管理系统必须感测配置电池模块的多个电池电芯之间的温度偏差，并且必须基于感测到的温度偏差对电池模块执行充电控制。
然而，由于电池制造工艺和成本的限制，在电池模块中只能安装一个或两个温度传感器，并且在电池模块中不能精确地检测最高温度点和最低温度点。
发明内容
技术问题
本发明致力于提供一种确定用于估计电池的最高温度和最低温度的指定的温度估计模型的方法和装置，以及应用了温度估计模型的电池管理系统。
技术方案
本发明的实施方式提供了一种确定用于估计电池模块中的温度的温度估计模型的方法，该方法包括以下步骤：基于根据为了估计温度而选择的模型类型的n数量的参数和各n数量的参数的多个部分来计算所有参数集；通过用基于所有相应参数集的模型替换初步验证简档的输入数据来估计温度；针对所有各个参数集计算由初步验证简档的测量温度与估计温度之间的差引起的第一误差；比较所有各个参数集的各自的第一误差是否小于第一阈值；根据比较结果提取与所述第一误差中的小于第一阈值的第一误差对应的参数集作为第一参数集；通过使用基于第一参数集的模型计算最大误差，该最大误差是根据初步验证简档的能以时间序列方式改变的输入数据估计的温度与初步验证简档的测量温度之间的误差当中的最大误差；比较最大误差是否小于第二阈值；基于将根据所述比较结果小于所述第二阈值的最大误差和对应的加权值的乘积与第一误差当中的对应于第一参数集的第一误差与对应加权值的乘积相加的结果来提取第二参数集；根据第二参数集中的再验证简档的输入数据估计温度；根据所述再验证简档的测量温度与估计温度之间的差来计算第二误差；和当所述第二误差小于第三阈值时，将基于所述第二参数集的模型确定为温度估计模型。
所述初步验证简档和所述再验证简档可以包括：作为输入数据的、至少能够以时间序列方式变化的空气温度值、温度传感器的温度值、电池的电流和冷却水的温度值。
所述估计温度可以包括估计的所述电池模块的最高温度或最低温度，并且所述测量温度可以包括测量的所述电池模块的最高温度或最低温度。
所述第一误差和所述第二误差中的至少一个可以是均方根误差RMSE。
该方法还可以包括当所述第一误差等于或大于所述第一阈值时，改变参考简档，其中，所述参考简档可以是用于建立所述温度估计模型的初始值，并且可以包括用于估计温度的系数和测量温度。
该方法还可以包括当所有第一简档集的最大误差等于或大于第二阈值时，改变所述参考简档。
该方法可进一步包括当所有第二简档集的第二误差等于或大于第三阈值时，改变所述参考简档。
提取所述第一参数集可以包括以下步骤：提取与第一误差当中的按升序属于前i数量的第一误差对应的参数集作为第一参数集。
提取所述第二参数集可以包括以下步骤：提取与按升序属于前j数量的相加结果对应的参数集作为第二参数集。
本发明的另一实施方式提供一种电池管理系统，该电池管理系统包括由用于确定温度估计模型的方法确定的温度估计模型。
本发明的另一实施方式提供了一种确定用于估计电池模块中的温度的温度估计模型的装置，该装置包括：参数集产生器，所述参数集产生器用于根据为了估计温度而选择的模型类型和各n数量的参数的部分的数量，基于n数量的参数计算所有参数集；建模单元，所述建模单元用于通过用基于所有相应参数集的模型替换初步验证简档的输入数据来估计温度；和误差计算器，所述误差计算器用于计算由初步验证简档的测量温度和所有相应参数集的估计温度之间的差引起的第一误差。
建模单元可以比较所有各个参数集的各个第一误差是否小于第一阈值，并可以根据比较结果提取与第一误差当中的小于第一阈值的第一误差对应的参数集作为第一参数集。
用于确定温度估计模型的装置可以进一步包括：最大误差计算器，所述最大误差计算器通过使用基于第一参数集的模型计算最大误差，该最大误差是根据初步验证简档的以时间序列方式改变的输入数据估计的温度与初步验证简档的测量温度之间的误差当中的最大误差；比较最大误差是否小于第二阈值；基于将根据所述比较结果小于所述第二阈值的最大误差和对应的加权值的乘积与第一误差当中的对应于第一参数集的第一误差和对应加权值的乘积相加的结果来提取第二参数集；和最终模型确定单元，所述最终模型确定单元根据第二参数集中的再验证简档的输入数据估计温度；根据所述再验证简档的测量温度与估计温度之间的差来计算第二误差；并且当所述第二误差小于第三阈值时，将基于所述第二参数集的模型确定为温度估计模型。
所述初步验证简档和所述再验证简档可以包括作为输入数据的、至少能够以时间序列方式变化的空气温度值、温度传感器的温度值、电池的电流和冷却水的温度值。
所述估计温度可以包括估计的所述电池模块的最高温度或最低温度，并且所述测量温度可以包括测量的所述电池模块的最高温度或最低温度。
所述第一误差和所述第二误差中的至少一个可以是均方根误差RMSE。
有益效果
根据本公开的实施方式，提供了确定用于估计电池的最高温度和最低温度的指定的温度估计模型的方法和装置，以及应用了温度估计模型的电池管理系统。
附图说明
图1示出了根据实施方式的用于确定温度估计模型的装置。
图2示出了根据实施方式的用于确定温度估计模型的方法的流程图。
图3示出了根据实施方式的用于确定最高温度估计模型的方法的流程图。
图4示出了根据实施方式的用于确定最低温度估计模型的方法的流程图。
图5示出了根据实施方式的包括应用了温度估计模型的电池管理系统的电池系统。
具体实施方式
本公开的示例可以基于系统识别方法，通过使用测量的热敏电阻值、流向电池模块的电流、冷却水温度值和外部空气的温度值来推导用于估计电池模块中的最高温度和最低温度的逻辑，并且可以最终改善热敏电阻的限制。电池管理系统可通过估计电池模块中的最高温度和最低温度来以更精确的方式控制充电。
提供了一种用于确定温度估计模型的方法和用于实现该方法的装置，该温度估计模型基于热敏电阻器的温度值、电池的电流、冷却水的温度值和外部空气的温度值来估计电池模块中的最高温度和最低温度之间的相关性。
在下文中，将参考附图详细描述本说明书中公开的实施方式。在本说明书中，相同或相似的部件将由相同或相似的附图标记表示，并且将省略其重复的描述。以下描述中使用的组件的术语“模块”和“单元”仅用于使说明书更容易。因此，这些术语本身不具有使它们彼此区分的含义或作用。在描述本说明书的实施方式时，当确定与本发明相关联的公知技术的详细描述可能模糊本发明的要点时，将省略该详细说明。提供附图仅仅是为了允许容易地理解在本说明书中公开的实施方式，而不应当解释为限制在本说明书中公开的精神，并且应当理解，在不脱离本发明的范围和精神的情况下，本发明包括所有的修改，等同和替换。
包括诸如第一、第二等序数的术语将仅用于描述各种组件，而不应被解释为限制这些组件。这些术语仅用于将一个组件与其它组件区分开。
应当理解，当一个组件被称为“连接”或“联接”到另一组件时，它可以直接连接或联接到另一组件，或者在其它组件介于它们之间的情况下连接或联接到另一组件。另一方面，应当理解，当一个组件被称为“直接连接或联接”到另一组件时，它可以连接到或联接到另一组件，而没有其它组件介于它们之间。
还应当理解，在本说明书中使用的术语“包括”或“具有”指定了所述特征、数字、步骤、操作、组件、部件或其组合的存在，但不排除一个或更多个其它特征、数字、步骤、操作、组件、部件或其组合的存在或添加。
图1示出了根据实施方式的用于确定温度估计模型的装置。
如图1所示，用于确定温度估计模型的装置1包括参数集产生器10、建模单元20、误差计算器30、最大误差计算器40和最终模型确定单元50。
参考图1描述的各个组成元件表示描述用于确定最高温度和最低温度估计模型的装置的配置的示例，并且在这种情况下，可以组合至少两个组成元件，可以将一个组成元件划分为至少两个组成元件，或者可以提供附加的组成元件，并且允许其它修改，并且参考图1描述的示例不限制本公开。
图2示出了根据实施方式的用于确定温度估计模型的方法的流程图。
图3示出了根据实施方式的用于确定最高温度估计模型的方法的流程图。
图4示出了根据实施方式的用于确定最低温度估计模型的方法的流程图。
现在将参照图1至图4描述根据实施方式的用于确定温度估计模型的装置和方法。
参数集产生器10接收实验数据，并选择参考简档、初步验证简档和再验证简档(S1)。参考简档表示用于建立温度估计模型的初始值，并且它可以包括输入数据和输出数据，所述输入数据包括用于估计温度的系数(factor)，所述输出数据包括测量的温度。初步验证简档提供用于从根据估计温度的多个参数和参数范围而确定的所有参数集中确定适合于温度估计模型的参数集的数据。再验证简档提供用于最终验证温度估计模型的数据。
参考简档、初步验证简档和再验证简档可以包括数据，所述数据至少包括以时间序列方式区分和排列的电池模块中的最高温度和最低温度、热敏电阻的温度值、电池的电流、电池模块的冷却水的温度值以及电池模块的外部空气的温度值。在这种情况下，热敏电阻的温度值、电池的电流、电池模块的冷却水的温度值和电池模块的外部空气的温度值可以是温度估计模型的输入数据，并且电池模块中的最高温度和最低温度可以是温度估计模型的输出数据。
用于确定温度估计模型的装置1选择是估计最高温度还是估计最低温度(S2)，在估计最高温度的情况下设置最高温度估计模型(S3)，并且在估计最低温度的情况下设置最低温度估计模型(S4)。最高温度估计模型和最低温度估计模型的设置以相同的方法执行，因此将一起描述参照图3和图4描述的各个步骤。
参数集产生器10选择用于估计最高温度或最低温度的模型的类型，并且计算所有n数量的参数集(S301和S401)，所有n数量的参数集是符合所选择的模型类型的多个参数和各个参数的范围的多个部分的乘积。用于估计温度的模型的类型包括自动回归外部(ARX)模型和传递函数模型。
由参数集产生器10计算的所有参数集与初步验证简档一起被传送到建模单元20，并且建模单元20用基于所有相应参数集的模型替换初步验证简档的输入数据以估计最高温度或最低温度(S302和S402)。
误差计算器30计算作为初步验证简档的输出数据的最高温度或最低温度与作为建模单元20的输出(OUT1至OUTn)的估计最高温度或估计最低温度之间的均方根误差(RMSE)(S303和S403)。当包括在初步验证简档中并且以时间序列方式被区分和排列的热敏电阻的温度值、电池的电流、电池模块的冷却水的温度值以及电池模块的外部空气的温度值被输入到由一个简档集定义的模型时，所述输出(OUT1至OUTn)分别包括估计的最高温度或最低温度，并且误差计算器30可以通过将平方根应用于与初步验证简档中的输入数据相对应的输出数据和估计的最高温度或最低温度之间的差的均方的结果来计算均方根误差(RMSE)。RMSE是用于计算估计结果与实际测量结果之间的误差的示例，但是本公开不限于此。
建模单元20从误差计算器30接收RMSE，并比较RMSE是否小于最高温度或最低温度的阈值TH2(S304和S404)。
建模单元20存储RMSE小于阈值TH2的参数集和RMSE(S305和S405)，对所有参数集完成S304或S404，并提取与所存储的RMSE中按升序的前i数量的RMSE相对应的i数量的第一参数集(S307和S407)。i表示最大数量，并且当在S304或S404中RMSE小于阈值TH2的参数集的数量等于或小于i时，提取相应的参数集作为第一参数集。
当确定没有满足S304和S404的参数集时(S306和S406)，建模单元20向参数集产生器10发送故障信号FS1以通知故障，并且参数集产生器10根据S1来改变参考简档。在这种情况下，当参考简档改变时，初步验证简档和再验证简档中的至少一个可以一起改变。第一参数集与初步验证简档一起被发送到最大误差计算器40。
最大误差计算器40使用基于各个i数量的第一参数集的模型，并计算以时间序列方式改变的估计的最高温度或估计的最低温度与初步验证简档中的输出数据的测量的最高温度或最低温度之间的最大误差(S308和S408)。如上所述，初步验证简档包括以时间序列方式区分和排列的输入数据和输出数据，并且最大误差表示根据以时间序列方式可变的输入数据估计的最高温度或最低温度与对应于输入数据的输出数据(即，测量的最高温度或最低温度)之间的误差当中的最大误差。
最大误差计算器40比较各个第一参数集的最大误差是否小于阈值TH3(S309和S409)。对于最大误差小于阈值TH3的参数集，最大误差计算器40将由误差计算器30在S303或S403中计算的RMSE和相应的加权值相乘的乘积与最大误差和相应的加权值相乘的乘积相加，以计算加权误差，并存储加权误差(S310和S410)。
当确定不存在满足S309和S408的参数集时(S311和S411)，最大误差计算器40向参数集产生器10发送故障信号FS2以通知故障，并且参数集产生器10根据S1改变参考简档。在这种情况下，当参考简档改变时，初步验证简档和再验证简档中的至少一个可以一起改变。
最大误差计算器40提取与S310或S410中存储的加权误差中的、按升序j数量的加权误差对应的第二参数集(S312和S412)。j表示最大数量，并且当在S309或S409中最大误差小于阈值TH3的参数集的数量等于或小于j时，提取相应的参数集作为第二参数集。第二参数集与再验证简档一起被发送到最终模型确定单元50。
最终模型确定单元50根据再验证简档的输入数据估计最高温度或最低温度，并计算作为再验证简档的输出数据的测量的最高温度或测量的最低温度与估计的最高温度或估计的最低温度之间的RMSE(S5)。
最终模型确定单元50比较RMSE是否小于阈值TH1(S6)。
当根据S6中的比较结果RMSE小于阈值TH1时，最终模型确定单元50可以确定基于相应的参数集的模型为最终模型(FOUT)。当j数量的第二参数集中的至少两个第二参数集的RMSE小于阈值TH1时，可选择对应于最小RMSE的第二参数集。
将最终模型(FOUT)划分为用于最高温度的最高温度估计模型和用于最低温度的最低温度估计模型，并且可以将最终模型插入到电池管理系统中(S7)。
图5示出了根据实施方式的包括应用了温度估计模型的电池管理系统的电池系统。
如图5所示，电池系统2包括电池管理系统(BMS)100、电池模块200、至少两个温度传感器300和500、电流传感器400以及冷却单元600。
BMS 100包括由参照图1至图4描述的实施方式确定的温度估计模型100。温度估计模型100可估计电池模块200的最高温度和最低温度中的至少一个。
电池模块200包括彼此串联/并联连接的多个电池电芯，因此它可以提供所需的电源电压。图5示出了电池模块200包括彼此串联连接的多个电池电芯(C1至Cn)，并且电池模块200连接在电池系统2的两个输出端(+和-)之间，但是参考图5描述的构成元件及其之间的关系是示例，并且本公开不限于此。
温度传感器300测量电池模块200的温度，并将用于指示所测量的温度的信息发送到BMS 100。温度传感器300可以用热敏电阻实现，并且热敏电阻测量的值可以是用于指示测量温度的信息。图5示出了一个温度传感器300附接到电池模块200，但是本公开不限于此，并且两个或更多个温度传感器可以附接到电池模块200。
电流传感器400串联连接在电池模块200的正极和输出端(+)之间，测量流向电池模块200的电流，并将用于指示测量的电流的信息传输到BMS 100。
温度传感器500测量外部空气的温度，并将与测量的外部空气的温度有关的信息传输到BMS 100。
冷却单元600可定位成接触电池模块200的至少一侧，并且可降低电池模块200的温度。冷却水被供应到冷却单元600中，并且冷却单元600测量冷却水的温度并将用于指示所测量的冷却水温度的信息传输到BMS 100。
将热敏电阻的测量值、流向电池的电流、外部空气的温度值以及传输至BMS 100的冷却水的温度值输入至温度估计模型110，并且温度估计模型110可以估计电池模块200的最高温度和最低温度中的至少一个。
根据上述示例，可以准确地估计电池模块中的最高温度和最低温度，从而解决了用于根据热敏电阻的测量值来测量电池模块的温度的传统技术的问题。
此外，可以精确地估计电池模块中的最高温度和最低温度，因此可以提供用于更精确地控制电池模块的输出的电池管理系统。
尽管已经结合目前被认为是实际实施方式的实施方式描述了本发明，但是应当理解，本发明不限于所公开的实施方式，相反，本发明旨在覆盖包括在所附权利要求的精神和范围内的各种修改和等同布置。

Claims (14)

1.一种确定用于估计电池模块中的温度的温度估计模型的方法，该方法包括以下步骤：
基于根据为了估计温度而选择的模型类型的n数量的参数和各n数量的参数的多个部分来计算所有参数集，其中，n为自然数；
通过用基于所有各个参数集的模型替换初步验证简档的输入数据来估计温度；
针对所有各个参数集计算由所述初步验证简档的测量温度与估计温度之间的差引起的第一误差；
比较所有各个参数集的各个第一误差是否小于第一阈值；
根据比较结果提取与所述第一误差中的小于所述第一阈值的第一误差对应的参数集作为第一参数集；
通过使用基于所述第一参数集的模型来计算最大误差，该最大误差是根据所述初步验证简档的能以时间序列方式改变的所述输入数据估计的温度与所述初步验证简档的测量温度之间的误差当中的最大误差；
比较所述最大误差是否小于第二阈值；
基于将根据比较结果小于所述第二阈值的所述最大误差和对应的加权值的乘积与所述第一误差当中的对应于所述第一参数集的第一误差和对应的加权值的乘积相加的结果来提取第二参数集；
根据所述第二参数集中的再验证简档的输入数据估计温度；
根据所述再验证简档的测量温度与估计温度之间的差来计算第二误差；和
当所述第二误差小于第三阈值时，将基于所述第二参数集的模型确定为温度估计模型。
2.根据权利要求1所述的方法，其中，
所述初步验证简档和所述再验证简档包括：
作为输入数据的、至少能够以时间序列方式变化的空气温度值、温度传感器的温度值、电池的电流和冷却水的温度值。
3.根据权利要求1所述的方法，其中，
所述估计温度包括估计的所述电池模块的最高温度或最低温度，并且
所述测量温度包括测量的所述电池模块的最高温度或最低温度。
4.根据权利要求1所述的方法，其中，
所述第一误差和所述第二误差中的至少一个是均方根误差RMSE。
5.根据权利要求1所述的方法，该方法还包括以下步骤：
当所述第一误差等于或大于所述第一阈值时，改变参考简档，
其中，所述参考简档是用于建立所述温度估计模型的初始值，并且包括用于估计温度的系数和测量温度。
6.根据权利要求5所述的方法，该方法还包括以下步骤：
当所有第一简档集的最大误差等于或大于所述第二阈值时，改变所述参考简档。
7.根据权利要求6所述的方法，该方法还包括以下步骤：
当所有第二简档集的所述第二误差等于或大于所述第三阈值时，改变所述参考简档。
8.根据权利要求1所述的方法，其中，
提取所述第一参数集的步骤包括以下步骤：
提取与所述第一误差当中的按升序属于前i数量的第一误差对应的参数集作为所述第一参数集。
9.根据权利要求1所述的方法，其中，
提取所述第二参数集的步骤包括以下步骤：
提取与按升序属于前j数量的相加结果对应的参数集作为所述第二参数集。
10.一种确定用于估计电池模块中的温度的温度估计模型的装置，该装置包括：
参数集产生器，所述参数集产生器基于根据为了估计温度而选择的模型类型的n数量的参数和各n数量的参数的多个部分来计算所有参数集；
建模单元，所述建模单元通过用基于所有各个参数集的模型替换初步验证简档的输入数据来估计温度；和
误差计算器，所述误差计算器针对所有各个参数集计算由所述初步验证简档的测量温度和估计温度之间的差引起的第一误差，
其中，所述建模单元比较所有各个参数集的各个第一误差是否小于第一阈值，并根据比较结果提取与第一误差当中的小于第一阈值的第一误差对应的参数集作为第一参数集，并且
用于确定温度估计模型的所述装置还包括：
最大误差计算器，所述最大误差计算器通过使用基于所述第一参数集的模型计算最大误差，该最大误差是根据所述初步验证简档的以时间序列方式改变的输入数据估计的温度与所述初步验证简档的测量温度之间的误差当中的最大误差；比较所述最大误差是否小于第二阈值；基于将根据比较结果小于所述第二阈值的所述最大误差和对应的加权值的乘积与所述第一误差当中的对应于所述第一参数集的第一误差和对应的加权值的乘积相加的结果来提取第二参数集；和
最终模型确定单元，所述最终模型确定单元根据第二参数集中的再验证简档的输入数据估计温度；根据所述再验证简档的测量温度与估计温度之间的差来计算第二误差；并且当所述第二误差小于第三阈值时，将基于所述第二参数集的模型确定为温度估计模型。
11.根据权利要求10所述的装置，其中，
所述初步验证简档和所述再验证简档包括作为输入数据的、至少能够以时间序列方式变化的空气温度值、温度传感器的温度值、电池的电流和冷却水的温度值。
12.根据权利要求10所述的装置，其中，
所述估计温度包括估计的所述电池模块的最高温度或最低温度，并且
所述测量温度包括测量的所述电池模块的最高温度或最低温度。
13.根据权利要求10所述的装置，其中，
所述第一误差和所述第二误差中的至少一个是均方根误差RMSE。
14.一种电池管理系统，该电池管理系统包括：
由确定用于估计电池模块中的温度的温度估计模型的方法确定的温度估计模型，
其中，用于确定温度估计模型的方法包括：
基于根据为了估计温度而选择的模型类型的n数量的参数和各n数量的参数的多个部分来计算所有参数集，其中，n为自然数；
通过用基于所有各个参数集的模型替换初步验证简档的输入数据来估计温度；
针对所有各个参数集计算由所述初步验证简档的测量温度与估计温度之间的差引起的第一误差；
比较所有各个参数集的各个第一误差是否小于第一阈值；
根据比较结果提取与所述第一误差中的小于所述第一阈值的第一误差对应的参数集作为第一参数集；
通过使用基于所述第一参数集的模型计算最大误差，该最大误差是根据初步验证简档的能以时间序列方式改变的所述输入数据估计的温度与所述初步验证简档的测量温度之间的误差当中的最大误差；
比较所述最大误差是否小于第二阈值；
基于将根据比较结果小于所述第二阈值的所述最大误差和对应的加权值的乘积与所述第一误差当中的对应于所述第一参数集的第一误差和对应的加权值的乘积相加的结果来提取第二参数集；
根据所述第二参数集中的再验证简档的输入数据估计温度；
根据所述再验证简档的测量温度与估计温度之间的差来计算第二误差；并且
当所述第二误差小于第三阈值时，将基于所述第二参数集的模型确定为温度估计模型。
CN202080005753.5A 2019-08-29 2020-08-26 确定温度估计模型的方法和装置及应用该温度估计模型的电池管理系统 Active CN113631937B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
KR10-2019-0106742 2019-08-29
KR1020190106742A KR102634916B1 (ko) 2019-08-29 2019-08-29 온도 추정 모델 결정 방법 및 장치, 온도 추정 모델이 적용된 배터리 관리 시스템
PCT/KR2020/011375 WO2021040396A1 (ko) 2019-08-29 2020-08-26 온도 추정 모델 결정 방법 및 장치, 온도 추정 모델이 적용된 배터리 관리 시스템

Publications (2)

Publication Number Publication Date
CN113631937A true CN113631937A (zh) 2021-11-09
CN113631937B CN113631937B (zh) 2023-07-18

Family

ID=74685595

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202080005753.5A Active CN113631937B (zh) 2019-08-29 2020-08-26 确定温度估计模型的方法和装置及应用该温度估计模型的电池管理系统

Country Status (6)

Country Link
US (1) US11754630B2 (zh)
EP (1) EP3855196A4 (zh)
JP (1) JP7167415B2 (zh)
KR (1) KR102634916B1 (zh)
CN (1) CN113631937B (zh)
WO (1) WO2021040396A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113899527B (zh) * 2021-12-06 2022-03-01 中国空气动力研究与发展中心低速空气动力研究所 一种试验模型表面温度的修正方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6076964A (en) * 1998-11-11 2000-06-20 Chrysler Corporation Prediction of internal temperature of a battery using a non-linear dynamic model
EP2211335A1 (en) * 2009-01-21 2010-07-28 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Apparatus, method and computer program for obtaining a parameter describing a variation of a signal characteristic of a signal
US20130046727A1 (en) * 2011-08-19 2013-02-21 Richard Bradley Jones Dynamic outlier bias reduction system and method
EP2734977A1 (en) * 2012-02-22 2014-05-28 Aselsan Elektronik Sanayi ve Ticaret Anonim Sirketi System and method for optimizing tracker system
WO2015179778A1 (en) * 2014-05-23 2015-11-26 Datarobot Systems and techniques for predictive data analytics
CN108535661A (zh) * 2018-05-18 2018-09-14 东北大学 一种基于模型误差谱的动力电池健康状态在线估计方法

Family Cites Families (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3815218B2 (ja) 2000-12-20 2006-08-30 株式会社日立製作所 データ分析方法及び装置
JP4664581B2 (ja) 2003-08-27 2011-04-06 三菱重工業株式会社 燃料電池システム
US9111212B2 (en) 2011-08-19 2015-08-18 Hartford Steam Boiler Inspection And Insurance Company Dynamic outlier bias reduction system and method
US8404572B2 (en) 2009-02-13 2013-03-26 Taiwan Semiconductor Manufacturing Co., Ltd Multi-zone temperature control for semiconductor wafer
KR100934410B1 (ko) 2009-04-29 2009-12-29 강원대학교산학협력단 근적외 분광분석법을 이용한 곡물 종실의 무게 측정방법
JP5395780B2 (ja) * 2010-11-15 2014-01-22 本田技研工業株式会社 電池温度検出装置および電池温度検出方法
JP2013012617A (ja) 2011-06-30 2013-01-17 Sharp Corp 気相成長装置、気相成長装置の温度制御方法および温度制御プログラム
US10557840B2 (en) 2011-08-19 2020-02-11 Hartford Steam Boiler Inspection And Insurance Company System and method for performing industrial processes across facilities
CN102494778B (zh) 2011-11-14 2013-04-24 北京理工大学 一种基于人工神经网络的二次电池表面最高温度预测方法
KR101977729B1 (ko) 2012-11-26 2019-05-14 한국전자통신연구원 배터리 관리 시스템 알고리즘 최적화 방법 및 이를 위한 장치
EP3514700A1 (en) 2013-02-20 2019-07-24 Hartford Steam Boiler Inspection and Insurance Company Dynamic outlier bias reduction system and method
US10558924B2 (en) 2014-05-23 2020-02-11 DataRobot, Inc. Systems for second-order predictive data analytics, and related methods and apparatus
US10366346B2 (en) 2014-05-23 2019-07-30 DataRobot, Inc. Systems and techniques for determining the predictive value of a feature
US10496927B2 (en) 2014-05-23 2019-12-03 DataRobot, Inc. Systems for time-series predictive data analytics, and related methods and apparatus
JP6162884B2 (ja) * 2014-09-08 2017-07-12 株式会社東芝 電池パック、制御回路および制御方法
KR101827108B1 (ko) 2016-05-04 2018-02-07 두산중공업 주식회사 플랜트 이상 감지 학습 시스템 및 방법
CA3031092C (en) 2016-07-22 2023-01-17 Eos Energy Storage, Llc Battery management system
KR102448694B1 (ko) 2016-10-21 2022-09-28 데이터로봇, 인크. 예측 데이터 분석을 위한 시스템 및 관련 방법 및 장치
KR20190106742A (ko) 2018-03-06 2019-09-18 나부테스코 가부시키가이샤 기어 유닛
EP3770618B1 (en) * 2018-03-20 2023-07-26 GS Yuasa International Ltd. Energy storage device degradation determination apparatus and method
CN109987000B (zh) 2019-02-19 2021-07-13 中国第一汽车股份有限公司 一种动力电池温度预测系统及方法
US11568310B2 (en) 2019-06-04 2023-01-31 Lg Electronics Inc. Apparatus for generating temperature prediction model and method for providing simulation environment

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6076964A (en) * 1998-11-11 2000-06-20 Chrysler Corporation Prediction of internal temperature of a battery using a non-linear dynamic model
EP2211335A1 (en) * 2009-01-21 2010-07-28 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Apparatus, method and computer program for obtaining a parameter describing a variation of a signal characteristic of a signal
US20130046727A1 (en) * 2011-08-19 2013-02-21 Richard Bradley Jones Dynamic outlier bias reduction system and method
EP2734977A1 (en) * 2012-02-22 2014-05-28 Aselsan Elektronik Sanayi ve Ticaret Anonim Sirketi System and method for optimizing tracker system
WO2015179778A1 (en) * 2014-05-23 2015-11-26 Datarobot Systems and techniques for predictive data analytics
CN108535661A (zh) * 2018-05-18 2018-09-14 东北大学 一种基于模型误差谱的动力电池健康状态在线估计方法

Also Published As

Publication number Publication date
JP2022504862A (ja) 2022-01-13
WO2021040396A1 (ko) 2021-03-04
EP3855196A1 (en) 2021-07-28
KR102634916B1 (ko) 2024-02-06
JP7167415B2 (ja) 2022-11-09
CN113631937B (zh) 2023-07-18
US11754630B2 (en) 2023-09-12
US20220043065A1 (en) 2022-02-10
EP3855196A4 (en) 2022-02-23
KR20210026238A (ko) 2021-03-10

Similar Documents

Publication Publication Date Title
US10873110B2 (en) Device for determining the internal temperature of an energy storage device
KR102424528B1 (ko) 배터리의 상태를 추정하는 장치 및 방법
CN110398697B (zh) 一种基于充电过程的锂离子健康状态估计方法
US6388450B2 (en) Method for determining the state of charge of storage batteries
CN100483146C (zh) 利用基于健康指标的存留寿命模型的自适应改变的状态来估计电池存留寿命的设备与方法
JP6509725B2 (ja) バッテリの充電状態の推定
CN102232257B (zh) 电池模型辨识方法
US11527780B2 (en) Battery model and control application calibration systems and methods
CN107449521A (zh) 温度补偿的方法、终端设备及计算机可读存储介质
CN110383573A (zh) 串联电池单元的监测系统
CN105988086A (zh) 电池余量预测装置及电池组
CN113728242A (zh) 对可充电电池中的析锂进行表征
Bockrath et al. State of charge estimation using recurrent neural networks with long short-term memory for lithium-ion batteries
CN108693483A (zh) 一种电池包荷电状态的计算方法及系统
CN109061497A (zh) 一种电池剩余电量计量系统及方法
CN113631937B (zh) 确定温度估计模型的方法和装置及应用该温度估计模型的电池管理系统
Selvabharathi et al. Experimental analysis on battery based health monitoring system for electric vehicle
CN116047300A (zh) 用以预测电池的特性参数的控制器及其方法
WO2022107536A1 (ja) 電池制御装置およびプログラム
JP7135532B2 (ja) 電池状態推定装置、電池状態推定装置の製造方法、電池状態推定方法、および組電池システム
CN108983109B (zh) 用于电池的电流估算芯片、估算方法及剩余电量计量系统
CN109061498A (zh) 一种电池剩余电量计量芯片及计量方法
CN108068653A (zh) 电池组平衡系统和方法
CN112242729A (zh) 半导体器件
CN107991620B (zh) 充电桩同步标定bms信息采集的方法、装置及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant