CN113640672A - 使用注入电流振荡的电池状态估计 - Google Patents

使用注入电流振荡的电池状态估计 Download PDF

Info

Publication number
CN113640672A
CN113640672A CN202110340404.5A CN202110340404A CN113640672A CN 113640672 A CN113640672 A CN 113640672A CN 202110340404 A CN202110340404 A CN 202110340404A CN 113640672 A CN113640672 A CN 113640672A
Authority
CN
China
Prior art keywords
current
battery pack
battery
controller
oscillation
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
CN202110340404.5A
Other languages
English (en)
Other versions
CN113640672B (zh
Inventor
M·王
王跃云
H·夏
J·布内尔
C·W·万普勒
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.)
GM Global Technology Operations LLC
Original Assignee
GM Global Technology Operations 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 GM Global Technology Operations LLC filed Critical GM Global Technology Operations LLC
Publication of CN113640672A publication Critical patent/CN113640672A/zh
Application granted granted Critical
Publication of CN113640672B publication Critical patent/CN113640672B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
    • 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
    • B60L15/00—Methods, circuits, or devices for controlling the traction-motor speed of electrically-propelled vehicles
    • B60L15/20—Methods, circuits, or devices for controlling the traction-motor speed of electrically-propelled vehicles for control of the vehicle or its driving motor to achieve a desired performance, e.g. speed, torque, programmed variation of speed
    • 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
    • B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
    • B60L53/60—Monitoring or controlling charging stations
    • B60L53/62—Monitoring or controlling charging stations in response to charging parameters, e.g. current, voltage or electrical charge
    • 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]
    • 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]
    • G01R31/382—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]
    • G01R31/385—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]
    • G01R31/389—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
    • 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
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/0047—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with monitoring or indicating devices or circuits
    • H02J7/0048—Detection of remaining charge capacity or state of charge [SOC]
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/0047—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with monitoring or indicating devices or circuits
    • H02J7/005—Detection of state of health [SOH]
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/0068—Battery or charger load switching, e.g. concurrent charging and load supply
    • 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
    • H01M2010/4278—Systems for data transfer from batteries, e.g. transfer of battery parameters to a controller, data transferred between battery controller and main controller
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M2220/00—Batteries for particular applications
    • H01M2220/20—Batteries in motive systems, e.g. vehicle, ship, plane
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
    • H02J2310/40—The network being an on-board power network, i.e. within a vehicle
    • H02J2310/48—The network being an on-board power network, i.e. within a vehicle for electric vehicles [EV] or hybrid vehicles [HEV]
    • 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
    • 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
    • Y02T10/64—Electric machine technologies in electromobility
    • 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
    • Y02T10/7072—Electromobility specific charging systems or methods for batteries, ultracapacitors, supercapacitors or double-layer capacitors
    • 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
    • Y02T10/72—Electric energy management in electromobility
    • 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
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02T90/10—Technologies relating to charging of electric vehicles
    • Y02T90/12—Electric charging stations

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Chemical & Material Sciences (AREA)
  • Manufacturing & Machinery (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Electrochemistry (AREA)
  • General Chemical & Material Sciences (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Secondary Cells (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

用于使用具有电池状态估计器（BSE）逻辑的控制器估计电池组的状态的方法，包括经由电池组接收或递送恒定基线电流。经由控制器响应于预定条件，选择性地将具有时变频率含量的电流振荡注入到基线电流中。基线电流和电流振荡组合以形成最终电流。该方法包括与电流振荡同时地经由BSE逻辑估计实施电池参数以生成估计电池参数，并且经由控制器使用估计电池参数估计电池组的当前状态。电气系统包括电连接到电池组并由电池组驱动的旋转电机，以及配置为执行该方法的控制器。

Description

使用注入电流振荡的电池状态估计
背景技术
本公开涉及多单元电池组的模型化电池参数和电池状态的实时估计。准确的估计允许相关联的控制器在电池充电、稳态、和放电操作模式期间有效地且有效率地控制多种不同的功率使用和利用决策。因此，本公开适用于电气化动力总成、动力装置、机器人、移动平台、和其他类型的电气系统的实时控制，其中改进的电池参数和状态估计准确性是期望的。
在确定性系统中，对给定输入的多种响应的持续进行的测量并不总是可能或可行的，这继而经常需要使用系统模型并基于这样的模型的响应估计。在典型的高能量电池组中，例如，诸如在电动或混合动力电动车辆的锂离子牵引电池组中，作为对电流的响应对电压和温度进行周期性测量和估计。可模型化不同的电压状态，包括平衡电位、基于滞后效应的电压响应、由于欧姆电阻的电压下降、由于电池组动态的电压下降，例如，双层和/或扩散电压等。示例性电压响应的每个可在模型中使用代数或微分函数描述，或通过使用卷积积分描述。上述电压响应特别是影响关键电池状态估计，例如充电状态（SOC）和功率状态（SOP）/功率容量。因此，等效电路模型通常与适应性电池状态估计（BSE）逻辑结合使用，以便估计电压响应和其他电池参数。
如本领域普通技术人员将理解的那样，如果时间充足，静置于开路条件下的电池单元将最终稳定在平衡电压处，该平衡电压在本领域中称为电池单元的开路电压（OCV）。理想地，给定电池单元的OCV对于每个SOC是唯一的，独立于电池单元是否在切换到开路状态之前紧接着的是充电还是放电，并且独立于电池电流的大小。尽管在处于关闭状态达较长持续时间的电池组中可准确地确定OCV，但是当尝试进行对主动充电或放电的电池组的电池状态估计时（特别是在动态改变的操作环境中），存在关键性的挑战。
特别是在锂离子电池中，OCV与SOC之间存在非线性关系。例如，在混合动力和电池电动车辆中，以编程算法形式的BSE逻辑可引用可用的OCV曲线以帮助实时估计SOC。替代地，可使用在本领域中称为库仑计数（Coulomb counting）的过程从初始SOC值随时间追踪SOC。其他BSE逻辑变型寻求平衡基于电压的估计和可用的基于库仑计数的估计以便产生复合估计。
发明内容
本文中公开了方法和相关系统，其旨在改善在具有多单元电池组的电气系统中的可用电池参数和状态估计准确性。作为所公开的方案的部分，控制器编程为执行体现本方法的指令，其中控制器使用如本文中描述的电池状态估计（BSE）逻辑和电流控制逻辑进行该操作。控制器使用专用等效电路模型以准确估计和回归一个或多个相关电池参数。在本公开的范围内，代表性的非限制性回归电池参数包括开路电压（OCV）、欧姆电阻（R-ohmic）、和电池组的阻抗，其中SOC和SOP是可使用所公开的方法从这样的电池参数中进行估计的代表性电池状态。
如本领域中理解的，在较高频电流输入期间，特别是当估计电池组的SOC和SOP/功率容量时，某些电池参数比其他电池参数享有更大的预测值。因此，期望的是针对这样的电池参数优化估计准确性。欧姆电阻是一个这样的参数。欧姆电阻，其通常定义为电池组的表观内电阻以及在电池组构造中使用的多种电导体的电阻。欧姆电阻倾向于表现为对电池电流中的改变的瞬时电池单元电压响应，这对SOP/功率容量估计特别显著。
在本文中认识到，作为本方案的基础，配置为对电池参数进行回归的电池状态估计器可包括扩展卡尔曼滤波器（Extended Kalman Filter）、Sigma点卡尔曼滤波器（Sigma-Point Kalman Filter）、递归最小二乘回归技术等，该电池状态估计器在某些操作条件下可经历不充分输入信号变化/激励水平不足。激励不足继而可导致估计结果不准确。在信号测量环境（诸如，测量的电流、电压、和温度）中存在的噪声可导致低信噪比。当提供给驻留BSE逻辑的输入信号中存在的频率含量不足时，预测的电池参数可倾向于发生漂移，其结果是电池参数可能以单调方式上升或下降。因此，本解决方案旨在通过选择性地修改电池组的恒定基线电流（即，充电或放电电流），通过有目的地将时变频率含量以电流振荡的形式注入到基线电流中以解该问题。
在特定实施例中，提供了用于经由具有BSE逻辑的控制器估计电池组的状态的方法，该BSE逻辑配置为对电池参数的组进行回归。该方法包括经由电池组接收或输出恒定基线电流。该方法还包括选择性地请求将时变频率含量以电流振荡的形式注入/添加到恒定基线电流，其中这样的请求经由控制器发生。该动作是响应于预定条件完成的，该预定条件本身指示上述频率含量不足。恒定基线电流和电流振荡组合以形成最终电流。
该特定实施例中的方法包括经由BSE逻辑估计电池组的电池参数以由此提供估计电池参数，并且因此使用估计电池参数估计电池组的当前状态作为估计电池状态。
BSE逻辑可包括扩展卡尔曼滤波器或其他卡尔曼滤波器公式。
选择性地请求将电流振荡注入到恒定基线电流中可包括，经由控制器，从非车载充电站请求恒定充电电流作为恒定基线电流，并且其中控制到电池组或来自电池组的功率流包括使用最终电流对电池组充电。替代地，选择性地请求将电流振荡注入到恒定基线电流中包括在接收或递送恒定基线电流时选择性地控制连接到电池组的电负载的开/关状态，以由此产生电流振荡。在该情形下控制到电池组或来自电池组的功率流可包括使电池组向电负载放电。
作为另一替代，选择性地请求将电流振荡注入到恒定基线电流中可包括，从非车载充电站选择性地请求恒定充电电流的系列，每个恒定充电电流具有不同的频率含量以由此产生电流振荡，并且其中使用估计电池状态控制到电池组或来自电池组的功率流包括使用最终电流对电池组充电，或者将来自控制器的充电请求通信到非车载智能充电器。这样的智能充电器可配置为检测电池组对最终电流的需求，并且配置为将最终电流作为充电电流传输到电池组。
在多种实施例中，电池参数可包括估计电池组的欧姆电阻、阻抗、和/或开路电压。
在示例性实施例中，电流振荡的频率可小于约1Hz，并且恒定基线电流可具有小于约0.01Hz的频率。电流振荡可包括具有时变频率的伪随机二进制信号，或者具有时变频率的脉冲宽度调制或脉冲密度调制信号，或者啁啾信号序列。
在可能的实施例中，预定条件可包括来自BSE逻辑的阈值协方差或估计误差值，或者下述持续时间，即在该持续时间中恒定基线电流在电流振荡注入之前保持恒定。
本文中还公开了电气系统，根据示例性实施例，该电气系统包括电连接到电池组并由电池组驱动的旋转电机，以及配置为使用上述BSE逻辑估计电池组的当前状态的控制器。在一个示例性实施例中，控制器配置为经由BSE逻辑，确定向电池组或从电池组递送的恒定基线电流的频率含量，其中恒定基线电流具有小于约0.01Hz的频率。控制器还配置为响应于预定条件，选择性地请求将电流振荡注入到恒定基线电流中，其中恒定基线电流和电流振荡组合以形成最终电流。在非限制性实施例中，电流振荡具有的频率在约0.1Hz和1Hz之间的范围内，例如在所述值的±5％或±10％之内或者在其合理的容差内，并且以便与电流振荡同时地经由BSE逻辑估计电池组的电池参数，以由此生成估计电池参数。在该实施例中，估计电池参数是电池组的欧姆电阻、阻抗、和/或开路电压。
控制器还配置使用估计电池参数作为估计电池状态估计电池组的当前状态，并且以便由此使用估计电池状态分别控制来自电机到电池组或来自电池组到电机的功率流。一个或多个轮可连接到旋转电机。
以上发明内容并非旨在代表本公开的每个可能的实施例或每个方面。相反，前述发明内容旨在举例说明在本文中公开的新颖方面和特征中的一些。当结合所附附图和所附权利要求考虑时，根据用于实施本公开的代表性实施例和模式的以下详细描述，本公开的以上特征和优点以及其他特征和优点将变得显而易见。
本发明还提供了以下技术方案：
1. 用于使用具有电池状态估计器（BSE）逻辑的控制器估计电池组的当前状态的方法，所述方法包括：
经由所述电池组接收或递送恒定基线电流；
经由所述控制器响应于预定条件，选择性地请求将具有时变频率含量的电流振荡注入到所述恒定基线电流中，其中，所述恒定基线电流和所述电流振荡组合以形成最终电流；
与所述电流振荡同时地经由所述BSE逻辑估计所述电池组的电池参数，以由此生成估计电池参数；并且
经由所述控制器使用所述估计电池参数估计所述电池组的所述当前状态，以由此生成所述电池组的估计电池状态。
2. 根据方案1所述的方法，其中，所述BSE逻辑包括卡尔曼滤波器。
3. 根据方案1所述的方法，还包括：经由所述控制器使用所估计电池状态控制到所述电池组或来自所述电池组的功率流。
4. 根据方案3所述的方法，其中，选择性地请求将所述电流振荡注入到所述恒定基线电流中包括，经由所述控制器，从非车载充电站请求恒定充电电流作为恒定基线电流；并且其中，控制到所述电池组或来自所述电池组的功率流包括使用所述最终电流对所述电池组充电。
5. 根据方案3所述的方法，其中，选择性地请求将所述电流振荡注入到所述恒定基线电流中包括，在接收或递送所述恒定基线电流时，选择性地控制连接到所述电池组的电负载的开/关状态，以由此产生所述电流振荡，并且其中，控制到所述电池组或来自所述电池组的功率流包括使所述电池组向所述电负载放电。
6. 根据方案3所述的方法，其中，选择性地请求将所述电流振荡注入到所述恒定基线电流中包括，从非车载充电站选择性地请求恒定充电电流的系列，每个所述恒定充电电流具有不同的频率含量，以由此产生所述电流振荡，并且其中，使用所述估计电池状态控制到所述电池组或来自所述电池组的功率流包括使用所述最终电流对所述电池组充电。
7. 根据方案1所述的方法，其中，选择性地请求将所述电流振荡注入到所述恒定基线电流中包括，将来自所述控制器的充电请求通信到非车载智能充电器，所述非车载智能充电器配置为检测所述电池组对所述最终电流的需求，并且配置为将所述最终电流作为充电电流传输到所述电池组。
8. 根据方案1所述的方法，其中，估计所述电池参数包括估计所述电池组的欧姆电阻、阻抗、和/或开路电压。
9. 根据方案1所述的方法，其中，所述电流振荡的频率小于约1Hz，并且所述恒定基线电流具有小于约0.01Hz的频率。
10. 根据方案1所述的方法，其中，所述电流振荡包括具有时变频率的伪随机二进制信号。
11. 根据方案1所述的方法，其中，所述电流振荡包括具有时变频率的脉冲宽度调制信号或脉冲密度调制信号。
12. 根据方案1所述的方法，其中，所述电流振荡是啁啾信号序列。
13. 根据方案1所述的方法，其中，所述预定条件包括来自所述BSE逻辑的阈值协方差或估计误差值。
14. 根据方案1所述的方法，其中，所述预定条件包括校准持续时间，在所述校准持续时间中所述恒定基线电流在所述电流振荡注入之前保持恒定。
15. 电气系统，包括：
电池组；
电连接到所述电池组并由所述电池组驱动的旋转电机；以及
控制器，所述控制器配置为使用电池状态估计器（BSE）逻辑估计电池组的当前状态，其中，所述控制器配置为：
经由所述BSE逻辑，确定向所述电池组或从所述电池组递送的恒定基线电流的频率含量，其中，所述恒定基线电流具有小于约0.01Hz的频率；
响应于预定条件，选择性地请求将电流振荡注入到所述恒定基线电流中，其中，所述恒定基线电流和所述电流振荡组合以形成最终电流，并且其中，所述电流振荡具有的频率在约0.1Hz和1Hz之间的范围内；
与所述电流振荡同时地经由所述BSE逻辑估计所述电池组的电池参数，以由此生成估计电池参数，其中，所述估计电池参数是所述电池组的欧姆电阻、阻抗、和/或开路电压；
使用所述估计电池参数作为估计电池状态估计所述电池组的所述当前状态；并且
使用所述估计电池状态分别控制来自所述电机到所述电池组或来自所述电池组到所述电机的功率流。
16. 根据方案15所述的电气系统，其中，所述BSE逻辑包括卡尔曼滤波器。
17. 根据方案16所述的电气系统，其中，所述预定条件包括协方差值，并且其中，所述估计电池参数是所述电池组的回归欧姆电阻。
18. 根据方案15所述的电气系统，其中，所述控制器配置为通过从非车载充电站请求恒定充电电流作为恒定基线电流，选择性地请求将所述电流振荡注入到所述恒定基线电流中，并且配置为控制使用所述最终电流作为功率流为所述电池组的充电。
19. 根据方案15所述的电气系统，其中，所述电流振荡包括伪随机二进制信号、脉冲宽度调制信号、脉冲密度调制信号、和/或啁啾信号序列。
20. 根据方案15所述的电气系统，还包括连接到所述旋转电机的一个或多个车轮。
附图说明
图1是具有电池组和控制器的示例电气系统的示意图，其中控制器包括配置为对电池参数进行回归并估计电池组状态的电池状态估计（BSE）逻辑。
图2是在没有本教导的情况下回归欧姆电阻（纵轴）相对于时间（横轴）的时间图。
图3A和3B是在代表性充电周期中，在相应的纵轴上描绘的回归欧姆电阻和电荷状态百分比以及在相应的横轴上描绘的时间的时间图。
图4A和4B是在代表性放电周期中，在相应的纵轴上描绘的回归欧姆电阻和电荷状态百分比以及在相应的横轴上描绘的时间的时间图。
图5是描绘当根据本教导将频率含量选择性地注入到恒定基线电流中时，可由在图1中描绘的控制器使用的充电控制逻辑的示意性流程图，其中在纵轴上描绘了额定电流振荡并且在横轴上描绘了时间。
图6是在纵上描绘代表性最终电流并且在横轴上描绘时间的时间图。
图7是示出本方法的代表性应用的时间图，其中在纵轴上描绘了最终电流的大小并且在横轴上描绘了时间。
本公开易于具有修改和替代形式，其中代表性实施例以示例的方式在附图中示出并且在下文中详细描述。本公开的发明方面不限于所公开的特定形式。相反，本公开旨在覆盖落入由所附权利要求限定的本公开的范围内的修改、等同、组合、和替代。
具体实施方式
参考附图，其中类似的附图标记指代类似的组件。图1描绘了示例性车辆10，其具有车载电气系统12、控制器（C）50、和轮11的组，其中轮11与路面20滚动接触。车辆10仅示出了本教导的一个可能的应用，并且在本文中仅用于说明性一致性的目的。本领域普通技术人员将理解，本教导可扩展到大范围的多种动系统和设备，诸如但不限于机动车辆、船舶、飞机、轨道车辆、移动平台、机器人、动力装置、或其他具有类似电气系统12的系统。
在图1的非限制性实施例中的电气系统12包括高能/高电压多单元电池组13（BHV），如本文中描述的，其多种电池参数和状态由控制器50估计。以示例而非限制的方式，电池组13可具有锂离子电池化学性质，并且可根据配置能够输出至少18V并且至多400V或更高。
在车辆10的一些实施例中，电气系统12包括多相旋转电机（ME）15，诸如电动机-发电机单元。在这样的实施例中，来自通电电机15的电动机扭矩（箭头TM）可传输到轮11中一个或多个和/或传输到其他联接的负载。功率逆变器模块（PIM）17设置在电池组13与电机15之间，并且配置为响应于脉冲宽度调制或其他合适的高速开关控制信号以及相位相关的半导体开关（未示出）的操作，逆转来自电池组13的DC电压（VDC）并因此生成用于为电机15的定子绕组（未示出）通电的多相/AC电压（VAC）。类似地，PIM17的操作可将来自电机15的AC电压（VAC）转换为适合用于电池组13再充电的DC电压（VDC）。
上面总体上所称的电池组13包括多个电化学电池单元14。为了提高清楚性和简洁性，四个这样的电池单元14在图1中分别标记为C1、C2、C3、和C4。在电池组13的构造中使用的电池单元14的实际数量是特定于应用的，并且取决于由电池组13提供功率的电负载或设备（诸如但不限于旋转电机15）的能量需求。尽管为了说明的简洁性和清楚性示意性地示出，电机15可直接地或经由中间齿轮布置和驱动轴联接到轮11，以在电机15作为电牵引电动机的容量内为电机15提供功率并且由此沿路面20推进车辆。
可由控制器50实时管理到或来自电气系统12的功率流，例如，当控制器50配置为电池系统管理器或其他控制设备或多个控制设备时，其中控制器50经由输出控制信号（箭头CCO）调节电气系统12持续进行的操作。根据本策略，控制器50采用电池状态估计（BSE）逻辑52、专用等效电路模型（K-EQ）54、和传感器16，该传感器16集体测量输入信号并将输入信号通信到控制器50及其驻留BSE逻辑52。在图示的配置中这样的输入信号包括电池单元电压（箭头VC）、电池电流（箭头I）、和电池温度（箭头T）。在不同的实施例中，可在每个电池单元14内本地地确定输入信号，或者可在电池组13的层面处集体测量输入信号并且从这样的层面反向计算或估计输入信号。
控制器50可配置为更大的电池管理系统的部分或者配置为单独的计算机设备或这样的设备的网络，该控制器50包括处理器（P），例如，微处理器或中央处理单元；以只读存储器、随机存取存储器、电可编程只读存储器等形式的存储器（M）；高速时钟；模数和数模电路；输入/输出电路和设备；以及适当的信号调理和缓冲电路。以下描述的策略可编码为机器可读指令，其在本文中集体称为方法100。
在执行本方法100时，控制器50自动得出电池的当前运行状态，包括电池组13的批量充电状态和功率状态。控制器50使用BSE逻辑52在等效电路模型54的帮助下进行该操作，该等效电路模型54通常使用电池电压、滞后电压源、欧姆电阻、电池和/或电池单元电压、电阻、和电容等作为电路元件模型化电池组13的行为，并考虑诸如在多种电池单元14上的表面电荷等因素。根据等效电路模型54的复杂性，等效电路模型54还可考虑在电池组13的组成电池单元14中发生的固态扩散电压效应以及其他较高和/或较低频率电压效应。集体地，多种电压效应从电池单元14的开路电压相加或相减。
等效电路模型54的特定配置是基于电池组13的特定应用和构造，并且因此可具有大范围的多种构造。可用作等效电路模型54的非限制性代表性示例构造可在下述文献中找到：例如，于2017年2月21日公告的名称为“Battery State-Of-Charge Estimation ForHybrid and Electric Vehicles Using Extended Kalman Filter Techniques”的美国专利9,575,128号、于2003年10月28日公告的名称为“State of Charge Method andApparatus”的美国专利6,639,385号、以及2008年1月29日公告的名称为“Method andApparatus for Generalized Recursive Least-Squares Process for Battery Stateof Charge and State of Health”的美国专利7,324,902号，其全部内容由此通过引用并入本文。
使用BSE逻辑52实时调整充电状态和功率状态估计。在可能的实施例中，BSE逻辑52可包括扩展卡尔曼滤波器和额外的电流控制逻辑55（OSC），其中在图5中描绘了电流控制逻辑55的示例，以提高在面对流入到或流出图1的电池组13的恒定基线电流的情况下的总体估计准确性。如本领域普通技术人员将理解的，扩展卡尔曼滤波器公式通常用于处理具有以下一般形式的系统模型：
Figure 598522DEST_PATH_IMAGE001
其中，w k 和n k 是噪声因子。对于本公开的代表性BSE逻辑54，输入为u k =i k =到或来自电池组13的电流。测量值为z k =V k ，其在这种情况下是在图1中示意性示出的电池单元14的电池单元电压或电池组13的电池组电压。x k 是状态向量，包括将由BSE逻辑52估计电池参数。
如本领域中所理解的，电池组13和其他确定性系统的估计状态是总结系统集体过去的最小向量。在本公开的范围内，扩展卡尔曼滤波器公式的替代包括但不限于Sigma点卡尔曼滤波器等，以及不遵循卡尔曼滤波器形式的公式，例如，递归最小二乘回归、粒子滤波器等。在本公开范围内，有效地使用相关联的等效电路模型54的单点和偏导数的扩展卡尔曼滤波器因此是对电池参数进行回归的一个可能的方法。
仍参考图1，由控制器50及其驻留BSE逻辑52实现的本方案旨在在通常具有恒定基线电流的电气系统中操作，该电气系统诸如示例性电气系统12和电池组13。本文中提出的基线电流可是由非车载充电站（VCH）25供应的充电电流，该非车载充电站25经由例如充电端口10C可连接到车辆10，以开始电池组13的充电周期。充电站25可根据非车载充电站25的配置递送AC或DC充电电流；或者基线电流可是由电池组13供应的电池电流以为电机15、电阻元件、和/或其他电负载供电。在一些实施例中，充电站25可适于用作为智能充电器25S，并因此配备有相关联的处理器、逻辑、传感器、以及用于与控制器50通信以确定电池组13的充电需求的其他所需硬件和软件。
如本文中使用的，关于基线电流的术语“恒定”是指电流具有非常低的频率含量，例如，在不同的实施例中，小于约0.01Hz或小于约0.005Hz。术语“非常低”应理解为，当实施BSE逻辑52时，相对于控制器50的采样速度。在示例性实施例中，这样的采样速度可小于约1-10Hz。由于非车载充电站25可可选地实施为DC快速充电器，该DC快速充电器能够通过DC充电电压和相关联的DC充电电流对电池组13快速充电，DC电流波形集中体现了本公开范围内的恒定性，并且因此本文中处理的恒定基线电流可是具有上面定义的非常低的频率含量的DC充电电流或交流（AC）充电电流。
如上所述，图1的控制器50配置为用于使用BSE逻辑52估计电池组13的电池参数和当前状态。在一个实施例中，方法100包括经由电池组13分别从负载接收负载或向负载递送恒定基线电流。如下面参考图2-7描述的，方法100包括选择性地请求将时变频率含量作为电流振荡（例如，抖动信号）注入到恒定基线电流中。这是通过使用电流控制逻辑55的控制器50的操作发生的。
关于电流控制逻辑55，并且简要地参考图5，基线电流（iBL）42和电流振荡（iOSC）44（示为在额定/代表性±3A范围内变化）相加以组合并形成最终电流（iF）46。图5的非限制性示例性实施例将电流振荡44描绘为伪随机二进制信号（Pseudo-Random Binary Signal）或PRBS振荡。存在电流振荡44的替代实施例，包括频率可变信号（诸如脉冲宽度调制或脉冲密度调制信号）、啁啾信号序列、或配置为对BSE逻辑52生成充足激励的其他变频信号。尽管电流振荡44的频率可随应用或在给定实施方式中变化，但是频率含量应相对于恒定基线电流是高的，例如，约0.1-1Hz的范围，或在这样的范围内的任何处，例如0.1Hz、0.5Hz、或1Hz的离散频率。
根据本方法100，自动估计电池组13的电池参数（诸如回归R-欧姆、电容、或OCV），这是经由图1的BSE逻辑52并与电流振荡44的注入同时进行，其中如本文中使用的“注入”是指电流振荡（iOSC）44分别与恒定基线电流42的求和组合或者在恒定基线电流42上叠加，如由求和节点（+）指示的那样。临时地，所得波形，即最终电流（iF）46，提供到电池组13或由电池组13提供，就t(s)=600秒的代表性时间段的最终电流46示例性实施例在图6中示出。图1的控制器50可然后使用估计电池参数估计电池组13的当前状态。
参考图2，在缺乏本教导以及图5的电流控制逻辑55的使用的情况下，图1的BSE逻辑52的潜在脆弱性在于由于在恒定基线电流42中缺少足够的频率含量而导致的可能的估计准确性降级。在图2中为了简洁性而示出为阶跃信号并且在纵轴上标为I(A)的恒定基线电流42是上述非常低的频率含量的示例。可由BSE逻辑52估计的代表性电池参数是回归欧姆电阻/R-欧姆（迹线30），其缩写为R-Ω并且示出在图2的另一纵轴上。在图示的迹线30中，回归欧姆电阻单调增加。当使用恒定充电电流对图1的电池组13充电时并且当在典型的驱动周期期间对电池组13放电时，估计电池参数之间存在的差异可降低SOC和SOP估计的总体准确性，其中这样的准确性降级的可能结果在图2中指示为单调增加的欧姆电阻。
参考图3A、3B、4A、和4B可更好地理解以次优估计准确性形式的潜在脆弱性。图3A的迹线130与图2的类似之处在于其描绘了单调增加的R-欧姆值，该类型的单调增加的R-欧姆值可由持续恒定的充电电流（例如，来自图1中示出的非车载充电站25）导致。在图3B中，为了控制器50和驻留BSE逻辑52的适当校准，在迹线“SOC.V”35（即，由BSE逻辑52回归的SOC％）和提供自库仑计数方法的迹线34“SOC.Ahr”之间的差理想地应最小，例如小于5％。在实际中，如由在图3B中的迹线34和35之间的变化所指示的，在恒定电流充电条件下难以调节车载校准以准确地满足该需求。实际上，在持续恒定充电电流之后，在随后的驱动周期内R-欧姆和其他估计电池参数可花费较长量的时间以回归到正常范围或预期范围，例如，根据在驱动周期开始时的初始回归R-欧姆值，花费多达20分钟或多于一个小时。
图4A和4B图示了在面对非恒定电池电流时对示例性R-欧姆电池参数的影响，其中图4A和4B表示在图1中示出的车辆10的示例性驱动/放电周期期间当电池组13放电时，在来自BSE逻辑52的回归R-欧姆中的响应。尽管在诸如车辆10的驱动周期的放电事件期间的电池电流通常是非恒定的，例如由于输出扭矩请求中的快速变化，有时车辆10可以固定速度巡航达较长的持续时间。观察到的对估计或回归R-欧姆的影响（即图4A的迹线230）类似地导致与图3B的恒定电流条件相关的迹线34和35的会聚。这使用在图4B中的对应的迹线134和135图示，其指示了提高的回归R-欧姆的估计准确性。
作为示例应用，图1的电池组13可在恒定基线电流下操作，其中如图3A中示出的回归R-欧姆值单调增加。当图1的控制器50已基于指示在基线电流中频率含量不足的预定条件确定时，控制器50请求注入时变振荡44（图5）。作为非限制性说明，如果将58安培的恒定充电电流提供到电池组13并且检测到预定条件或存在充电电流中频率含量不足的指示，则控制器50可通过请求注入来自图1的电流控制逻辑55的时变振荡44做出响应，由此使充电电流从58安培充分地变化，这是通过诸如以1Hz的频率在48安培和58安培之间振荡。传感器。
用于触发频率含量增强的预定条件可在某种程度上取决于用于实施BSE逻辑52的特定公式。例如，可在恒定基线电流开始时启动控制器50的计时器，其中使用阈值经过时间作为预定条件。预定条件的其他实施例可包括在基线电流中的阈值变化，诸如跨时间窗口计算的电流方差、巡航控制系统状态、插件充电状态、温度中的阈值改变、SOC和/或电池组13的电压等。
关于协方差，如本领域技术人员将理解的，卡尔曼公式提供协方差或其近似。使用BSE逻辑52的扩展卡尔曼滤波器或其他卡尔曼公式可将协方差的大小用作为预定条件。例如，粒子滤波器通过相关联模型（例如，图1的等效电路模型54）的随机采样跟踪统计分布。作为带有电流振荡44的额外频率含量的图7的用于有选择地注入恒定基线电流42的适当触发器，可就参数拟合技术进行统计分析，例如，经由分析公式或通过蛮力方法。使用“蛮力（brute force）”法，可获取测量信号，以在图1的传感器16的准确性水平的噪声对其进行扰动，并且然后重新计算相关的电池参数。通过多次重复这样的过程，生成指示协方差的参数值云。Sigma点卡尔曼滤波器通过比较计算仅来自若干选定的扰动点的协方差，而扩展卡尔曼滤波器使用单点和等效电路模型54的偏导数。
在一般意义上，信噪比（SNR）用于通知注入触发决策。在BSE逻辑52的示例扩展卡尔曼滤波器实施例中，SNR的良好测量将是将电池参数的估计与其标准偏差的估计进行比较。如果x是电池参数的列向量，扩展卡尔曼滤波器产生估计值，x * ，并且协方差矩阵，
Figure 453346DEST_PATH_IMAGE002
，其中
Figure 233083DEST_PATH_IMAGE003
为期望值。然后，对于i th 电池参数，
Figure 628292DEST_PATH_IMAGE004
是扩展卡尔曼滤波器认为其测量该参数的准确性如何的测量。例如，在欧姆电阻的情况下，k可用作R-欧姆的指标。取倒数，当
Figure 442665DEST_PATH_IMAGE005
超过特定值时，我们可启动电流振荡，其中
Figure 265127DEST_PATH_IMAGE006
表示标准偏差，即方差的平方根。类似地，不论何时其他电池参数以类似标准失去准确性，控制器50可根据情境决定注入时变电流振荡44。
控制器50提供有来自校准的电池参数的粗略值，该粗略值可用于代替估计，如本文中所指出的，该估计可变得不可靠。校准值通常存储在表格中，例如，其中R-欧姆存储在以％SOC和温度索引的表格中。假设
Figure 469843DEST_PATH_IMAGE007
为参数x i 的查找值，控制器50可设定值
Figure 668744DEST_PATH_IMAGE008
在该值处触发时变电流振荡的注入。EKF可以平方根的形式实施，在这种情况下，其给出矩阵S，使得
Figure 212989DEST_PATH_IMAGE009
。因此，在一些实施例中，控制器50可从S计算C ii 。代替比率，控制器50可替代地在
Figure 144035DEST_PATH_IMAGE010
处触发。
在图1的等效电路模型54中，欧姆电阻是较高频率阻抗。在代表性的100ms采样率（即10Hz）下，回归R-欧姆对应于在高于约1Hz的频率下的电池组13的阻抗。例如，如果基线电流42没有高于0.1Hz的频率含量，则缺少可用于准确估计R-欧姆的信息，导致估计变得不可靠且漂移。其他电池参数模型化较低频率效应，并且因此不需要那样高的频率含量以适配。但是，如果基线电流的频率含量非常低，则较低频率电池参数可类似地漂移。在没有足够的激励的情况下，在给定电池参数的不确定性随时间增长。因此，在本公开范围内的预定条件可扩展到用于判断自显著电流振荡已经经过过多时间的上述和其他标准，这继而将触发对图7的电流振荡44的请求。
结合图5可最佳理解图7，图7是时间图45，其以安培（A）示意性地描绘了图5的最终电流（IF）46，其带有间歇注入的时变电流振荡44。如上面解释的，最终电流46是恒定基线电流42和电流振荡44之和，并且因此当电流振荡44不继续时，恒定基线电流42等于图5的最终电流46。
从t0处通过经由图1中示出的电池组13接收或递送恒定基线电流42开始，控制器50在约t1处响应于预定条件选择性地请求将电流振荡44注入到恒定基线电流42中，上面就预定条件提出了多种选择。该注入持续直到t2。可由控制器50使用预定条件做出关于给定电流振荡44的注入精确地何时开始和不继续的决策，其中的一些示例在下面阐述。图1的控制器50经由BSE逻辑52估计电池组13的欧姆电阻、阻抗、以及OCV和/或其他电池参数。估计与电流振荡44的注入同时发生，并且也在其他时间发生。此后，控制器50可使用估计电池参数估计电池组13的当前状态。
如在图7中描绘的，对于代表性充电周期，在该充电周期中恒定电流充电开始于t0处并持续直到t7，并且其中恒定电压充电开始于t7并持续直到t8（如迹线142），选择性的电流振荡44的注入不需要继续。在图示的实施例中，例如，控制器50在t1和t2、t3和t4、以及t5和t6之间请求注入电流振荡44。电流振荡44的频率含量可在每个注入情况下相同，或者如示出的其可是不同的。
存在用于触发电流振荡44的注入的合适预定条件的多种实施例，如上所述，其中实施例可取决于BSE逻辑52的公式。以示例而非限制的方式，预定条件可包括来自BSE逻辑52的协方差或估计误差值，其指示对电池参数的估计准确性的置信度。预定条件可包括校准持续时间，在该持续时间中恒定基线电流42在电流振荡44注入之前保持恒定，其中这样的替代依赖于使用计时器，例如控制器50的计时器。可使用其他值作为预定条件/触发条件，诸如但不限于电池组13的预定温度差、安培小时差、和/或协方差。
额外地，图1的非车载充电站25可具有不同的配置和容量，这通知了控制器50所提供选择范围以用于实现本教导。例如，在非车载充电站25连接到电池组13/车辆10并为电池组13主动充电的充电操作期间，控制器50可请求特定的恒定充电电流（例如，10安培）达较短持续时间。紧接在这样的充电电流之后的可是不同的恒定充电电流，例如8安培；再接着的是另外的10安培的充电电流，依此类推。在该说明性示例中，每个接续的充电电流的持续时间以及可能的大小可由控制器50选择，以产生用于激励BSE逻辑52的必要频率含量。
非车载充电站25可配置为在图1中示出的智能充电器25S，即，编程用于并且因此能够与控制器50无线或通过硬连线传递导体通信的站，以确定电池组13的充电需求和容量。在这样的实施例中，控制器50可通过向智能充电器25S通信充电请求，请求将电流振荡44注入到恒定基线电流42中，其中智能充电器25S检测电池组13关于最终电流46的需求。在这样的实施例中，智能充电器25S通过向电池组13传输最终电流46作为充电电流做出响应，其中在给定时刻最终电流46的组成或者是单独的恒定电流42或者恒定电流42和时变电流振荡44的组合。
如又另外的实施例，电池组13可接收或输出恒定电流，例如10A。为了提供需要的频率含量，控制器50可选择性地放电1-2A的电流，诸如通过选择性地激活车辆10的电阻性负载或驻留电气组件。特定负载可根据应用而变化，并且因此其范围可从足够的高电流设备，诸如电池或RESS加热器、空调压缩机等。在该实施例中，电池组13的选择性放电可发生在车辆10的主动驱动状态期间，例如在以恒定速度巡航时，或在车辆10的主动充电状态期间。
因此，上面阐述的方法100旨在提高典型的电池状态估计器的状态和参数估计的准确性。电池状态估计器的输出将趋于随着在其输入中较高的频率含量而增长。但是，低频含量导致输出降低，诸如在DC充电电流或其他电流变化小于0.01Hz的情况。如果输出未超过给定阈值已经达过长时间，控制器50可请求注入上述电流振荡44。对于与较低频率效应相关联的参数，一些实施方式可使用单独的触发器或预定条件，每个触发器或预定条件具有其自己的时间常数。实质上，本方法选择性地增加了足够的频率含量以确保给定信号上升到相关联的噪声水平之上，并且因此解决在与具有上述电池组13的机动车辆和其他系统一起使用的常规BSE方法中的脆弱性。在上述公开的基础上，本领域普通技术人员将容易地理解这些和其他优点。
虽然已经详细描述了最佳模式和其他实施例中的一些，但是存在用于实现在所附权利要求中限定的本教导的多种替代设计和实施例。本领域技术人员将认识到，可在不脱离本公开的范围的情况下对所公开的实施例的修改。而且，本概念明确地包括所描述的元件和特征的组合和子组合。详细描述和附图是对本教导的支持和描述，而本教导的范围仅由权利要求限定。

Claims (10)

1.用于使用具有电池状态估计器（BSE）逻辑的控制器估计电池组的当前状态的方法，所述方法包括：
经由所述电池组接收或递送恒定基线电流；
经由所述控制器响应于预定条件，选择性地请求将具有时变频率含量的电流振荡注入到所述恒定基线电流中，其中，所述恒定基线电流和所述电流振荡组合以形成最终电流；
与所述电流振荡同时地经由所述BSE逻辑估计所述电池组的电池参数，以由此生成估计电池参数；并且
经由所述控制器使用所述估计电池参数估计所述电池组的所述当前状态，以由此生成所述电池组的估计电池状态。
2.根据权利要求1所述的方法，其中，所述BSE逻辑包括卡尔曼滤波器。
3.根据权利要求1所述的方法，还包括：经由所述控制器使用所估计电池状态控制到所述电池组或来自所述电池组的功率流。
4.根据权利要求3所述的方法，其中，选择性地请求将所述电流振荡注入到所述恒定基线电流中包括，经由所述控制器，从非车载充电站请求恒定充电电流作为恒定基线电流；并且其中，控制到所述电池组或来自所述电池组的功率流包括使用所述最终电流对所述电池组充电。
5.根据权利要求3所述的方法，其中，选择性地请求将所述电流振荡注入到所述恒定基线电流中包括，在接收或递送所述恒定基线电流时，选择性地控制连接到所述电池组的电负载的开/关状态，以由此产生所述电流振荡，并且其中，控制到所述电池组或来自所述电池组的功率流包括使所述电池组向所述电负载放电。
6.根据权利要求3所述的方法，其中，选择性地请求将所述电流振荡注入到所述恒定基线电流中包括，从非车载充电站选择性地请求恒定充电电流的系列，每个所述恒定充电电流具有不同的频率含量，以由此产生所述电流振荡，并且其中，使用所述估计电池状态控制到所述电池组或来自所述电池组的功率流包括使用所述最终电流对所述电池组充电。
7.根据权利要求1所述的方法，其中，选择性地请求将所述电流振荡注入到所述恒定基线电流中包括，将来自所述控制器的充电请求通信到非车载智能充电器，所述非车载智能充电器配置为检测所述电池组对所述最终电流的需求，并且配置为将所述最终电流作为充电电流传输到所述电池组。
8.根据权利要求1所述的方法，其中，估计所述电池参数包括估计所述电池组的欧姆电阻、阻抗、和/或开路电压。
9.根据权利要求1所述的方法，其中，所述电流振荡的频率小于约1Hz，并且所述恒定基线电流具有小于约0.01Hz的频率。
10.电气系统，包括：
电池组；
电连接到所述电池组并由所述电池组驱动的旋转电机；以及
控制器，所述控制器配置为使用电池状态估计器（BSE）逻辑估计电池组的当前状态，其中，所述控制器配置为：
经由所述BSE逻辑，确定向所述电池组或从所述电池组递送的恒定基线电流的频率含量，其中，所述恒定基线电流具有小于约0.01Hz的频率；
响应于预定条件，选择性地请求将电流振荡注入到所述恒定基线电流中，其中，所述恒定基线电流和所述电流振荡组合以形成最终电流，并且其中，所述电流振荡具有的频率在约0.1Hz和1Hz之间的范围内；
与所述电流振荡同时地经由所述BSE逻辑估计所述电池组的电池参数，以由此生成估计电池参数，其中，所述估计电池参数是所述电池组的欧姆电阻、阻抗、和/或开路电压；
使用所述估计电池参数作为估计电池状态估计所述电池组的所述当前状态；并且
使用所述估计电池状态分别控制来自所述电机到所述电池组或来自所述电池组到所述电机的功率流。
CN202110340404.5A 2020-04-27 2021-03-30 使用注入电流振荡的电池状态估计 Active CN113640672B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US16/859322 2020-04-27
US16/859,322 US11424635B2 (en) 2020-04-27 2020-04-27 Battery state estimation using injected current oscillation

Publications (2)

Publication Number Publication Date
CN113640672A true CN113640672A (zh) 2021-11-12
CN113640672B CN113640672B (zh) 2024-08-23

Family

ID=78222879

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110340404.5A Active CN113640672B (zh) 2020-04-27 2021-03-30 使用注入电流振荡的电池状态估计

Country Status (3)

Country Link
US (1) US11424635B2 (zh)
CN (1) CN113640672B (zh)
DE (1) DE102021105697A1 (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR3076908B1 (fr) * 2018-01-16 2021-01-01 Renault Sas Procede de detection d'une cellule defaillante dans une batterie electrique
US12030387B2 (en) * 2021-01-07 2024-07-09 Ford Global Technologies, Llc Electrified vehicle control using battery electrochemical equilibrium based state of charge and power capability estimates
WO2024166301A1 (ja) * 2023-02-09 2024-08-15 株式会社 東芝 計測装置、蓄電システム及び計測方法
US20240304878A1 (en) 2023-03-07 2024-09-12 GM Global Technology Operations LLC Lithium metal battery prognostic of impending capacity failure

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1305590A (zh) * 1998-06-16 2001-07-25 锦湖石油化学株式会社 用于测量电池容量的方法和设备
EP2037289A1 (en) * 2007-09-14 2009-03-18 Calsonic Kansei Corporation Internal state estimating device of secondary battery
CN102232257A (zh) * 2008-12-01 2011-11-02 康奈可关精株式会社 电池模型辨识方法
WO2012117874A1 (ja) * 2011-02-28 2012-09-07 三菱重工業株式会社 二次電池寿命予測装置、電池システム、及び二次電池寿命予測方法
CN104779421A (zh) * 2014-01-14 2015-07-15 福特全球技术公司 用于电池参数确定的扰动注入的电池系统、车辆和方法
CN104931784A (zh) * 2014-03-17 2015-09-23 福特全球技术公司 基于频率的电池模型参数估计
US20150276885A1 (en) * 2014-03-25 2015-10-01 Stmicroelectronics International N.V. Method of Computing State of Charge and Battery State of Charge Monitor

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6639385B2 (en) 2001-08-07 2003-10-28 General Motors Corporation State of charge method and apparatus
US7324902B2 (en) 2003-02-18 2008-01-29 General Motors Corporation Method and apparatus for generalized recursive least-squares process for battery state of charge and state of health
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
US11637331B2 (en) * 2017-11-20 2023-04-25 The Trustees Of Columbia University In The City Of New York Neural-network state-of-charge and state of health estimation
KR20200135399A (ko) * 2018-03-22 2020-12-02 티에이이 테크놀로지스, 인크. 전력 관리 및 제어를 위한 시스템 및 방법

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1305590A (zh) * 1998-06-16 2001-07-25 锦湖石油化学株式会社 用于测量电池容量的方法和设备
EP2037289A1 (en) * 2007-09-14 2009-03-18 Calsonic Kansei Corporation Internal state estimating device of secondary battery
CN102232257A (zh) * 2008-12-01 2011-11-02 康奈可关精株式会社 电池模型辨识方法
WO2012117874A1 (ja) * 2011-02-28 2012-09-07 三菱重工業株式会社 二次電池寿命予測装置、電池システム、及び二次電池寿命予測方法
CN104779421A (zh) * 2014-01-14 2015-07-15 福特全球技术公司 用于电池参数确定的扰动注入的电池系统、车辆和方法
CN104931784A (zh) * 2014-03-17 2015-09-23 福特全球技术公司 基于频率的电池模型参数估计
US20150276885A1 (en) * 2014-03-25 2015-10-01 Stmicroelectronics International N.V. Method of Computing State of Charge and Battery State of Charge Monitor

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
刘欣博;王乃鑫;李正熙;: "基于扩展卡尔曼滤波法的锂离子电池荷电状态估算方法研究", 北方工业大学学报, no. 01, 15 March 2016 (2016-03-15), pages 53 - 60 *

Also Published As

Publication number Publication date
DE102021105697A1 (de) 2021-10-28
CN113640672B (zh) 2024-08-23
US11424635B2 (en) 2022-08-23
US20210336462A1 (en) 2021-10-28

Similar Documents

Publication Publication Date Title
CN113640672B (zh) 使用注入电流振荡的电池状态估计
US11415635B2 (en) Determining battery DC impedance
US9718455B2 (en) Active battery parameter identification using conditional extended kalman filter
US10656210B2 (en) Secondary battery state detection device and secondary battery state detection method
US9539912B2 (en) Battery capacity estimation using state of charge initialization-on-the-fly concept
US9381825B2 (en) State of charge quality based cell balancing control
CN107533109B (zh) 电池控制装置以及电动车辆系统
CN104773086B (zh) 使用滚动时域回归分析来估计电池阻抗参数的方法和系统
JP6317031B2 (ja) 電池制御装置、および、車両システム
US9440552B2 (en) Estimation and compensation of battery measurement
US7456612B2 (en) Method for estimating polarization voltage of secondary cell, method and device for estimating remaining capacity of secondary cell, battery pack system, and vehicle
US8466684B2 (en) Determination of battery predictive power limits
US20150231982A1 (en) Active Battery System Estimation Request Generation
US11814030B2 (en) Electrified vehicle control using battery state of charge and power capability strategy
US20160054390A1 (en) Techniques for robust battery state estimation
WO2013153709A1 (ja) 電池状態推定装置
CN108698522A (zh) 电动车辆电池监测系统
JP2004354050A (ja) バッテリの充電状態推定方法及び開回路電圧推定方法、並びに、劣化度算出方法及び装置
US10160342B2 (en) Dynamic adjustment of battery current limits based on usage
US20220003819A1 (en) Battery control device
JP2004085574A (ja) バッテリの充電状態推定方法およびその装置
CN118144638A (zh) 提供快速且准确的荷电状态状况的牵引电池控制器
CN102897050B (zh) 电池单体的电压平衡的系统和方法
US20240304878A1 (en) Lithium metal battery prognostic of impending capacity failure
US20240162508A1 (en) Traction Battery Controller Using Active Charge Control to Detect Battery Capacity

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