CN113826019A

CN113826019A - 用于估计电池状态的方法

Info

Publication number: CN113826019A
Application number: CN201980096362.6A
Authority: CN
Inventors: 费萨尔·阿尔塔夫
Original assignee: Volvo Truck Corp
Current assignee: Volvo Truck Corp
Priority date: 2019-06-12
Filing date: 2019-06-12
Publication date: 2021-12-21
Also published as: US20220229114A1; EP3983816A1; EP3983816B1; WO2020249204A1

Abstract

本发明涉及一种用于使用至少双重估计器(301)估计车辆(201)的能量存储系统(200)的电池状态的方法，其中能量存储系统包括至少一个电池单元(202)，并且其中双重估计器包括：第一估计器，其被配置以使用预测模型估计所述电池状态，第一估计器具有第一调谐参数；第二估计器，其被配置以跟踪一组电池参数的围绕标称值的变化，第二估计器具有第二调谐参数，在第一和第二估计器之间设置第一反馈回路，该方法包括：获得能量存储系统的操作数据；关于至少一个电池参数的灵敏度，确定操作数据是否满足限定的灵敏度标准；将操作数据馈送给估计器；使用第一估计器估计电池状态；使用第二估计器，对于满足灵敏度标准的每个电池参数，估计一组电池参数的围绕标称值的变化。

Description

用于估计电池状态的方法

技术领域

本发明涉及一种用于估计车辆能量存储系统的电池状态的方法。本发明进一步涉及一种计算机程序、计算机可读介质、控制单元、电池管理系统和车辆。

背景技术

电动车辆的能量存储系统(ESS)通常基于具有复杂非线性动力的锂离子电池。为了能够高效地控制和管理这样的能量存储系统，跟踪能量存储系统的电池状态至关重要，例如，其健康状态(SoH)及其荷电状态(SoC)。然而，能量存储系统的SoC和SoH不是可测量的量，而是需要使用电池模型进行估计的状态。因此，ESS的电池管理系统(BMS)需要能够准确地估计电池状态以及各种电池参数，例如，ESS的阻抗、开路电压(OCV)和容量。所估计的电池状态和电池参数然后可以被BMS用于例如预测行驶或充电期间的最大可用电池能量和功率。这些预测又用于确定例如电池负载，以保证ESS的安全、优化和可靠运行。

双重估计器通常用于基于ESS的运行条件(诸如电流、电压和温度)的测得值来估计ESS的一种或多种电池状态。这种双重估计器使用耦合的双重估计器/观察器，即估计方案或估计算法，一方面基于一些预测模型单独确定电池状态，另一方面确定一组电池参数。在估计器之间提供反馈回路，以便估计的电池状态用于电池参数的估计，反之亦然。

然而，与ESS的运行条件相关并用作双重估计器的输入的测量数据可能与在每个时刻定期更新每个电池参数的估计无关(即，测量数据不包含电池动态响应的相关部分)。基于不相关数据的周期性更新实际上可能导致发散和较大的估计误差。另外，测量数据通常还包括大量噪声，可能需要进行一些预滤波和后处理以进一步平滑。

因此，需要用于估计电池状态的准确且计算效率更高的方法，包括用于处理不相关的测量数据和测量噪声的策略。

定义

措辞“电池单元”在下文和整个说明中应被解释为还包括电池组，其本身可以包括一个或多个电池。更进一步，措辞“电池单元”应被理解为还包括可以包括多个电池组的单元。因而，措辞“电池单元”可以是可能包括多个电池单体的单个电池、包括多于单个电池的电池组，以及包括多于单个电池组的模块。

在下文和整个说明中，“估计器”是指估计算法或估计方案或观察器。

术语“电池参数”在下文和整个说明书中应被理解为包括可以基于预测模型估计的电池参数，诸如电阻和电容或内部电压损失的电阻和时间常数、开路电压(OCV)和充放电容量。因而，电池参数应被理解为所使用的预测模型的参数。

发明内容

本发明的主要目的在于，在至少一些方面提供一种用于估计能量存储系统(ESS)的电池状态的改进方法，该方法可以在ESS的整个寿命期间和在变化的操作条件下使用。特别地，目的在于提供这样一种方法，该方法计算效率高，并且通过该方法可以减少数据的存储。另一目的在于提供这样一种方法，通过该方法可以准确地预测电池的荷电状态(SoC)和健康状态(SoH)，与不相关的测量数据和测量噪声无关。

根据本发明的第一方面，至少主要目的通过根据权利要求1的用于使用至少双重估计器估计车辆的能量存储系统的电池状态的方法实现，其中，能量存储系统包括至少一个电池单元。双重估计器包括：

-第一估计器，其包括第一非线性观察器，第一估计器被配置用以使用预测模型来估计能量存储系统的至少一个电池状态，第一估计器具有第一调谐参数，

-第二估计器，其包括至少一个第二非线性观察器，第二估计器被配置用以通过跟踪所述电池参数的围绕标称值的变化来估计能量存储系统的一组电池参数，第二估计器具有第二调谐参数，在第一和第二估计器之间设置第一反馈回路，使得来自第一估计器的输出用作第二估计器的输入，反之亦然。

该方法包括下列步骤：

-通过收集与能量存储系统的操作条件相关的测量数据，获得能量存储系统的操作数据，

-关于所获得的操作数据相对至少一个电池参数的灵敏度，确定所获得的操作数据是否满足限定的灵敏度标准，

-将获得的操作数据分别馈送给第一个和第二估计器，

-使用第一估计器，至少基于获得的操作数据和第二估计器的输出来估计至少一个电池状态，

-使用第二估计器，对于满足灵敏度标准的每个电池参数，基于获得的操作数据和第一估计器的输出来估计所述电池参数的围绕标称值的变化。

所提出的双重估计方案与已知双重估计方案的不同之处在于，它仅跟踪该组电池参数的围绕标称值的快速变化。例如，对于电阻R，所提出的双重估计器跟踪快速变化ΔR＝R-R*，其中，R*是标称值，而先前已知的双重估计方案跟踪包括快速和慢速变化的总变化。在所提出的方法中，标称值可以是估计值，并且它们可以在较慢的时间尺度上单独调整。

关于所获得的操作数据相对至少一个电池参数的灵敏度，通过检查所获得的操作数据是否满足限定的灵敏度标准，可以确定所获得的运行/测量数据是否相关。

优选地，该方法还包括：关于电池状态对至少一个电池参数的灵敏度，检查由第一估计器估计的至少一个电池状态，诸如内部电压损失的状态，是否满足限定的灵敏度标准。确定获得的操作数据和由第一估计器估计的至少一个电池状态是否满足限定的灵敏度标准的步骤在该实施例中优选地由第二估计器执行。

通过限定灵敏度标准并测试所获得的操作数据，并且优选地还有由第一估计器估计的至少一个内部电池状态，诸如估计的内部电压损失，对照该标准，可以代替时间触发，以事件触发特定电池参数的估计，即获得的操作数据，如果适用，来自第二估计器的输出，仅在数据实际上被发现是灵敏的，即与该参数相关的情况下，用于估计特定电池参数的围绕标称值的变化。这节省了计算能力，避免了测量噪声的放大，并提高了估计的质量，因为在估计中不需要使用对特定参数不灵敏的数据。例如，发现获得的操作数据的灵敏度低于限定的灵敏度阈值的特定参数的更新可以被搁置，直到超过阈值。

收集与ESS的操作条件相关的测量数据包括测量ESS的一个或多个电池单元的温度、电流和电压。这可以使用传感器来执行。

第一非线性观察器使用的预测模型可以例如是等效电路模型。也可能使用例如电化学模型或黑箱模型。

ESS的电池单元通常由电池管理系统(BMS)管理，本发明的方法可以通过BMS，或通过与单个电池单元相关联的电池管理单元(BMU)，或通过ESS的能量存储控制模块(ESCM)实现。

根据一个实施例，第二估计器包括多个所述第二非线性观察器，其中，估计一组电池参数的围绕标称值的变化包括使用所述第二非线性观察器中的每一个来估计来自所述一组电池参数的至少一个电池参数的围绕标称值的变化。因而，所述第二非线性观察器中的每一个被配置用以独立地估计所述一组电池参数内的至少一个电池参数。这提供了提高该方法的计算效率的可能性。例如，完整的参数集可以被划分为n个子集，使得每个子集中的参数在相似的时间尺度上变化。在这种划分之后，可以使用每个第二非线性观察器来估计电池参数的每个子集的标称值周围的变化，使得如果要估计参数的n个子集，则使用n个第二非线性观察器。

根据一个实施例，所述第二非线性观察器中的至少一个用于估计在同一时间尺度上变化的所述电池参数中的至少两个的围绕标称值的变化。这种分离使得能够同步更新在同一时间尺度上变化的参数。例如，如果非线性观察器之一被配置用以估计在同一时间尺度上变化的两个参数并接收到关于其中一个参数的灵敏度较低的信号，则可以简单地冻结其两个参数估计，而不会影响整个双重估计器的功能。

根据一个实施例，该方法进一步包括：

-对于不满足灵敏度标准的每个电池参数，将所述电池参数的值设置为其当前值。

因而，不是让第二个非线性观察器基于操作数据估计电池参数的新平均值及其协方差(即不确定性)，而是传播先前估计的参数的当前平均值及其协方差。由此可以节省计算能力，同时确保方法的鲁棒性。

根据一个实施例，该方法进一步包括下列步骤中的至少一个：

-自适应地调整第一和第二调谐参数中的至少一个，以解决由于能量存储系统的变化操作条件而引起的至少一个电池状态和/或一组电池参数的快时间尺度变化，和

-自适应地调整一组电池参数的，标称值以解决由于至少一个电池单元的老化而引起的慢时间尺度变化。

分别自适应地调整第一和第二观察器的第一和第二调谐参数中的至少一个的步骤使得能够在电池参数可能快速变化的能量存储系统(ESS)的操作条件下调整观察器。这种自适应相应于ESS运行时的非线性观察器的自调谐，因而与使用固定值相比，提供了一种改变非线性观察器权重的机制。

通过自适应地调整调谐参数，还可以在通常难以准确估计电池状态和参数的操作条件下提供对电池状态的准确估计，诸如分别在低温以及低和高SoC水平下。由此在诸如极端SoC或温度值等具有挑战性的条件下提高双重估计方案的鲁棒性和性能。添加这种自适应功能大大减轻了该方法的用户的负担，因为无需手动调谐。

优选地，第一和第二调谐参数都被自适应地调整。

自适应地调整一组电池参数的标称值以解决由于老化引起的慢时间尺度变化的步骤使得能够在ESS老化时也能准确估计电池状态。由此可以减少第一估计器使用的预测模型与ESS的实际电池单元之间的失配并且提高估计质量。

优选地，方法包括以下两个步骤：自适应地调整第一和第二调谐参数中的至少一个以解决快速的时间尺度变化和自适应地调整电池参数组的标称值以解决慢时间尺度变化。以这种方式，可以随时间以及在变化的操作条件下提供准确估计。

根据一个实施例，至少基于所获得的操作数据来执行自适应地调整第一和第二调谐参数中的至少一个的步骤。通常，可以使用测量残差的随机分析或使用预先校准的查找表来实现自适应。使用随机分析，测量残差通常是根据测得值与物理量(诸如电压、温度或电流)的基于模型的预测值之间的差异生成的。使用预先校准的查找表，根据电池操作条件(包括温度、电流和荷电状态)在线选择权重设置。

根据一个实施例，自适应地调整一组电池参数的标称值以解决慢时间尺度变化的步骤包括下列步骤：

-存储从至少在限定的时间范围内进行的测量获得的操作数据，以提供历史数据集，

-将双重估计器的输出提供给第三估计器，

-使用第三估计器，基于历史数据集和双重估计器的输出，估计至少一个电池参数的标称值，

-将来自第三估计器的至少一个电池参数的估计标称值输出到双重估计器。

双重估计器跟踪估计标称值周围的参数变化。换句话说，双重估计器仅跟踪由于操作条件引起的快速变化，而第三估计器跟踪由于老化引起的缓慢变化。

从双重估计器到第三估计器的输出可以包括估计的电池状态和/或电池参数，优选地两者。

根据一个实施例，方法进一步包括对来自双重估计器的所述输出进行下采样，其中，基于下采样的输出来估计所述标称值。因而，第三估计器不需要使用来自双重估计器的所有历史数据，由此减少计算和存储器负载。下采样可以由第三估计器或由双重估计器执行，但是优选地由双重估计器执行，使得可以减少双重估计器和第三估计器之间的通信成本。

根据一个实施例，使用第三估计器对所述标称值的估计以比使用双重估计器的估计更低的频率执行，诸如在预定的更低频率下执行，或在预定的时间间隔之后执行，或在满足限定的条件时执行。可以取决于由于老化引起的变化的预期时间尺度来设置执行使用第三估计器对所述标称值的估计的间隔。在ESS的使用寿命内，间隔/频率可能不是恒定的，但可能会随着时间而改变。第三估计器较不频繁的更新减少了计算负载。

根据一个实施例，第三估计器使用基于优化的估计方案，诸如滚动时域估计模型(moving horizon estimation model)。还可以使用其他基于优化的方案，诸如总最小二乘法、递归最小二乘法和其他递归非线性观察器的变体等。滚动时域估计模型使得能够实现标称值的最佳估计。

根据一个实施例，获得能量存储系统的操作数据进一步包括对rn收集的测量数据进行预滤波以去除高频噪声。这使得估计更加可靠并且可以减少第一和第二观察器的一些处理负载。因而，用作双重估计器和第三估计器(如果适用)的输入的操作数据是过滤后的测量数据。

根据一个实施例，非线性观察器中的至少一个是卡尔曼滤波器，或基于递归最小二乘法的观察器，或粒子滤波器，或滑模观察器。卡尔曼滤波器可以是卡尔曼滤波器的变体，诸如扩展卡尔曼滤波器，或二阶卡尔曼滤波器，或西格玛点卡尔曼滤波器，包括无迹类型。

在其他方面，本发明涉及一种包括程序代码装置的计算机程序，以在所述计算机程序在计算机上运行时执行所提出的方法，一种携带包括程序装置的计算机程序的计算机可读介质，以在所述程序装置在计算机上运行时执行所提出的方法，以及一种被配置用以执行所提出的方法的控制单元。

本发明也涉及一种用于包括所提出的控制单元的能量存储系统的电池管理系统，并且涉及一种包括能量存储系统和所提出的控制单元的车辆，诸如混合动力车辆或全电动车辆。车辆可以是重型车辆的形式，诸如公共汽车、卡车或建筑设备。

附图说明

参考附图，下面是对作为示例引用的本发明的实施例的更详细说明。

在附图中：

图1示出了其中可以实现根据本发明的方法的车辆，

图2是示出根据本发明的实施例的方法的流程图，

图3是示出本发明的实施例的方框图，

图4是示出根据本发明的实施例的方法的步骤的另一方框图，

图5是示出根据本发明的实施例的方法的步骤的另一方框图。

附图是示意性的，不一定按比例绘制。

具体实施方式

在本详细说明中，主要参考包括电池供电电动机形式的推进系统的全电动公共汽车来描述根据本发明的方法的各种实施例。然而，应注意，所述发明的各种实施例同样适用于范围广泛的混合动力和电动车辆。

图1示出了公共汽车201形式的全电动车辆的简化透视图，其根据实施例配备有电机(未示出)以操作公共汽车。

公共汽车201承载包括电池组202的电能量存储系统(ESS)200，电池组包括多个电池单元。电池单元串联连接以提供具有期望电压电平的输出DC电压。合适地，电池单元是锂离子类型的，但是也可以使用其他类型。每个电池组的电池单元的数量可以在50至500个单元电池的范围内。应注意，ESS可以包括多个电池组。

传感器单元(未示出)可以被布置用以用于收集与ESS的操作条件相关的测量数据，即，相关联的电池组202的测量温度、电压和电流电平。来自每个传感器单元的测量数据被传输到相关联的电池管理单元(BMU)204，BMU 204被配置用以用于在公共汽车201操作期间管理单独的电池组202。BMU 204还可以被配置用以用于确定指示和控制电池组202的条件或容量的参数，诸如电池组202的荷电状态(SoC)、健康状态(SoH)、功率状态(SoP)以及能量状态(SoE)。

BMU 204连接到控制ESS的ESS控制单元208并被配置用以与其通信。ESS控制单元208可以包括微处理器、微控制器、可编程数字信号处理器或其他可编程设备。因而，ESS控制单元208包括电子电路和连接(未示出)以及处理电路(未示出)，使得ESS控制单元208可以与公共汽车201的不同部分或与公共汽车201的不同控制单元通信。ESS控制单元208可以包括硬件或软件模块，或者部分为硬件或软件的模块，并且使用已知的传输总线，诸如CAN总线和/或无线通信能力进行通信。处理电路可以是通用处理器或专用处理器。ESS控制单元包括用于存储计算机程序代码和数据的非暂时性存储器。因而，本领域技术人员应认识到ESS控制单元可以通过许多不同的构造来体现。这也适用于BMU 204。

在图2中示意性地示出了根据本发明的实施例的用于估计诸如以上所示的ESS的电池状态的方法。重复执行这些步骤，例如以一定的时间间隔，但不一定按图2中所示的顺序执行。本实施例中的方法步骤可以在ESS控制单元208或BMU 204中执行。还参考图3，图3是示出根据本发明的实施例的方法的实施方式的方框模型。

在第一步骤101中，通过收集与能量存储系统的操作条件相关的测量数据，即ESS200的电池组202的温度T、电压V和电流电平I来获得能量存储系统的操作数据。

在第二步骤102中，关于所获得的操作数据相对至少一个电池参数的灵敏度，确定所获得的操作数据是否满足限定的灵敏度标准。

在第三步骤103中，将获得的操作数据分别馈送到形成双重估计器301的一部分的第一估计器302和第二估计器303。第一估计器302包括第一非线性观察器，诸如卡尔曼滤波器或其变体，被配置用以使用预测模型估计ESS的至少一个电池状态x，第一估计器302具有第一调谐参数。第二估计器303包括至少一个第二非线性观察器，诸如卡尔曼滤波器或其变体，并且被配置用以跟踪ESS的一组电池参数θ的围绕标称值的相对快速的变化，所述变化是由于ESS的操作条件的变化而产生的。第二估计器303具有第二调谐参数，并且可以例如采用电池参数动态的随机游走模型。

在第一和第二估计器之间提供第一反馈回路，使得来自第一估计器302的输出用作第二估计器303的输入，反之亦然。

在第四步骤104中，使用第一估计器302，至少基于在第五步骤105中产生的从第二估计器303获得的操作数据和输出来估计至少一个电池状态。至少一个电池状态可以是例如荷电状态(SoC)、内部电压损失状态或与那些状态相关的状态。

在第五步骤105中，使用第二估计器303，至少基于从第四步骤104中产生的第一估计器获得的操作数据和输出来估计一组电池参数的围绕标称值的变化。这里的一组电池参数可以是第一估计器使用的预测模型的参数。在使用等效电路模型的情况下，电池单元可以被建模为具有内阻R₀的欧姆电阻器，以及一系列具有电阻R_i和电容C_i的n个电阻电容(RC)子电路，其中，i＝1,…,n，n为整数，例如，n＝2。RC支路的时间常数可以表达为τ_i＝R_i(t)C_i(t)。在这种情况下，一组电池参数由时间相关向量θ(t)＝[R₀(t),R_i(t),C_i(t),τ_i(t)]描述，并且电池状态SoC由作为每个RC支路的电压降，即内部电压损耗的时间相关向量x(t)＝[V_i(t),z(t)],V_i(t)描述，并且z(t)＝η/Q*I(t)，其中，η是电池的库仑效率，Q是电池的总容量，而I(t)是供应给电池的电流。时间相关参数向量θ(t)还可以包括Q(t)和OCV(t)。

第四步骤104和第五步骤105被重复执行，例如以预定频率执行，并且来自第一估计器302的输出被馈送到第二估计器303，反之亦然。

在可选的第六步骤106中，第一和第二调谐参数中的至少一个被自适应地调整以解决至少一个电池状态和/或所述一组电池参数的快时间尺度变化，所述快时间尺度变化是由于能量存储系统的变化操作条件而产生的。使用卡尔曼滤波器作为第一和第二非线性观察器的主调谐参数是协方差矩阵，包括状态过程噪声协方差Σ_w和测量噪声协方差Σ_v，以及参数过程噪声Σ_r。因而，自适应地调整调谐参数可以包括在该方法的每个时间步骤自适应协方差矩阵。

在可选的第七步骤107中，一组电池参数的标称值，诸如容量Q的标称值Q*、R*、OCV*、电阻R和开路电压OCV，被自适应地调整以解决由于至少一个电池单元的老化而引起的慢时间尺度变化，相应于电池SoH的估计。这可以包括使用包括第三非线性观察器的第三估计器307，其中，在双重估计器301和第三估计器307之间提供第二反馈回路，使得来自双重估计器301的输出用作第三估计器307的输入，反之亦然。第七步骤107可以包括下列子步骤：

-将双重估计器301的输出提供给第三估计器307，

-使用第三估计器307，基于历史数据集和双重估计器307的输出，估计至少一个电池参数的标称值，

-将来自第三估计器307的至少一个电池参数的估计标称值输出到双重估计器301。

子步骤不一定按此顺序执行。

第七步骤107还可以包括对来自双重估计器301的所述输出进行下采样的子步骤，其中，基于下采样的输出来估计所述标称值。下采样可以通过在限定的时间范围内的某些子间隔上对x(t)和θ(t)求平均值来实现。这些子间隔是通过将给定的时间范围分成各种段来限定的。

方法可以包括第六和第七步骤106、107之一，或者优选地包括第六和第七步骤两者。

图3是示出根据本发明的实施例的方法的实施方式的方框模型。设置了如上所述的双重估计器301，其包括被配置用以执行第四步骤104的第一估计器302和被配置用以执行第五步骤105的第二估计器303。双重估计器301进一步包括自适应块308，以执行第六步骤106。除了双重估计器301之外，还设置被配置用以执行第七步骤107的第三估计器307形式的老化块，或SoH估计块。

随着与电流I、电压V和温度T相关的测量数据被收集，数据被馈送到双重估计器301，并被第一估计器302以及第二估计器303使用。第一估计器302的第一非线性观察器用于基于等效电路模型估计状态向量x(t)的值，而第二估计器303的第二非线性观察器用于使用随机游走模型跟踪容量Q、电阻R和开路电压OCV的围绕标称值Q*、R*、OCV*的快速变化。状态向量x(t)从第一估计器302连续馈送到第二估计器303，而参数向量θ(t)从第二估计器303馈送到第一估计器302。自适应块308基于测量数据分别自适应地调整第一和第二非线性观察器的调谐参数。这通常使用测量残差的随机分析来执行，即基于V和T的测量数据与如基于等效电路模型的预测值之间的差异。

双重估计器301以特定频率或时间间隔向第三估计器307输出包括参数向量θ(t)和状态向量x(t)的数据。通常，数据以比双重估计器301本身的更新频率低得多的频率馈送到第三估计器307。来自双重估计器301的输出也可以在馈送到第三估计器307之前，或者作为替选在第三估计器307内部被下采样。此外，与电流I、电压V和温度T有关的测量数据也被馈送到第三估计器307，并且来自在限定的时间范围内进行的测量的历史测量数据被存储为历史数据集，即轨迹。轨迹连同从双重估计器301接收到的参数向量θ(t)和状态向量x(t)一起在第三估计器307中被基于优化的估计方案使用，诸如滚动时域估计模型，以分别估计容量Q的标称值Q*、R*、OCV*、电阻R和开路电压OCV。估计的标称值被反馈到双重估计器301。

图4是示出第二估计器303的实施例的方框模型。设置向其馈送与I、V和T相关的测量数据的预滤波块309。在预滤波块中，对所收集的测量数据进行滤波以去除高频噪声。与I、V和T相关的经滤波的操作数据，以及来自第一估计器302的估计内部状态向量x(t)，或其元素，诸如内部电压损失V_i，随后被馈送到数据分类和选择块310，其中执行第二步骤102，并且将在下面更详细地解释。如上文解释的，第二估计器包括如方框311所示的至少一个第二非线性观察器。作为时间函数x(t)的与内部状态有关的数据从第一估计器302提供给第二非线性观察器311，其中，估计参数向量θ(t)＝[R₀(t),R_i(t),C_i(t),τ_i(t)]的值，或者估计这些值的围绕标称值的快速变化。估计值被输出到平滑块312，其中，使用例如低通滤波、移动平均滤波或卡尔曼滤波来平滑轨迹，由此提高所有参数估计的质量，例如改进的估计电阻R_est(t)。

图5是进一步详细地示出第二估计器303的实施例的方框模型，其中，第二估计器303包括多个非线性第二观察器304、305、306。在这种情况下，数据分类和选择块310包括数据灵敏度检查块313，在数据灵敏度检查块313中，在第二步骤102中，关于获得的操作数据和估计内部状态向量x(t)或其元素(诸如内部电压损失V_i)相对将估计的每个电池参数的灵敏度，确定从预滤波块309获得的操作数据和从第一估计器302获得的估计内部状态向量x(t)或其元素，诸如内部电压损失V_i，是否满足限定的灵敏度标准。灵敏度可以例如通过关于每个参数计算出操作数据和内部电压损失V_i的偏导数(所谓的雅可比行列式)在线获得。然后，灵敏度检查可以例如通过将获得的灵敏度对照预定的合适阈值进行测试来执行。

之后，一组电池参数被划分为n+1个数据子集，其中，n是RC支路的数量：第一子集314包括满足关于内阻R₀的灵敏度标准的数据，第二子集315包括满足关于第一RC支路的参数的灵敏度标准的数据，第三子集316满足关于第二RC支路的参数的灵敏度标准，等等。当然，子集的数量可能会有所不同，并且可以使用不同的标准将数据划分为多个子集。例如，一个或两个不同的子集可以用于每个RC支路的参数。在具有两个RC支路的模型的情况下，如图5中所示，一个子集可以用于静态电阻R₀，一个子集用于第一RC支路的时间相关参数R₁和τ₁中，并且另一个子集用于第一RC支路的时间相关参数R₂和τ₂。通常，对数据进行划分是有用的，使得对在不同时间尺度上变化的电池参数灵敏的数据被存储在不同的子集中。

对于满足灵敏度标准的每个电池参数，基于所获得的操作数据和来自第一估计器302的输出，并且基于电池参数的当前标称值来估计所述电池参数的值。观察器304用于使用来自第一子集314的数据估计内部静态电阻R₀，观察器305用于使用来自第二子集315的数据估计第一RC支路的电阻R₁和时间常数τ₁＝R₁(t)C₁(t)，并且观察器306用于使用来自第三子集316的数据来估计第二RC支路的电阻R₂和时间常数τ₂＝R₂(t)C₂(t)。使用平滑块317、318、319执行对应参数轨迹的平滑，获得估计的时间相关函数R_0,est(t)、R_1,est(t)、τ_1,est(t)、R_2,est(t)、τ_2,est(t)，形成参数向量θ(t)的一部分。

电池状态，例如通过该方法估计的SoC或SoH，可以被用于例如预测ESS在接下来的时间段内能够输送的功率量，诸如在接下来的30秒内，或预测ESS的剩余行驶里程，或预测ESS或其电池单元需要更换的时间。估计的电池状态可以例如与车辆的电子控制单元通信，诸如发动机控制单元(ECU)。可以基于所述预测来控制车辆的传动系统。

示例实施例的控制功能可以使用现有的计算机处理器来实现，或者通过用于适当系统的为此或另一目的而并入的专用计算机处理器来实现，或者通过硬连线系统实现。本公开范围内的实施例包括程序产品，程序产品包括机器可读介质，以承载或具有存储在其上的机器可执行指令或数据结构。这样的机器可读介质可以是可由通用或专用计算机或具有处理器的其他机器访问的任何可用介质。举例来说，这样的机器可读介质可以包括RAM、ROM、EPROM、EEPROM、CD-ROM或其他光盘存储设备、磁盘存储设备或其他磁存储设备，或可以用于携带或存储机器可执行指令或数据结构形式的期望程序代码并可由通用或专用计算机或具有处理器的其他机器访问的任何其他介质。当信息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)传输或提供给机器时，机器恰当地将连接视为机器可读介质。因而，任何这样的连接都被恰当地称为机器可读介质。上述的组合也被包括在机器可读介质的范围内。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特定功能或功能组的指令和数据。

应理解，本发明不限于上文所述和附图所示的实施例；相反，本领域技术人员应认识到在所附权利要求的范围内可以做出许多改变和修改。

Claims

1.一种用于使用至少双重估计器(301)估计车辆(201)的能量存储系统(200)的电池状态的方法，其中，所述能量存储系统(200)包括至少一个电池单元(202)，并且其中，所述双重估计器(301)包括：

-第一估计器(302)，所述第一估计器包括第一非线性观察器，所述第一估计器(302)被配置用以使用预测模型来估计所述能量存储系统(200)的至少一个电池状态，所述第一估计器(302)具有第一调谐参数，

-第二估计器(303)，所述第二估计器包括至少一个第二非线性观察器，所述第二估计器(303)被配置用以跟踪所述能量存储系统(200)的一组电池参数的围绕标称值的变化，所述第二估计器具有第二调谐参数，在所述第一估计器(302)和所述第二估计器(303)之间设置第一反馈回路，使得来自所述第一估计器(302)的输出用作所述第二估计器(303)的输入，反之亦然，

所述方法包括下列步骤：

-通过收集与所述能量存储系统(200)的操作条件相关的测量数据，来获得(101)所述能量存储系统(200)的操作数据，

-关于所获得的操作数据相对至少一个电池参数的灵敏度，确定(102)所获得的操作数据是否满足限定的灵敏度标准，

-将所获得的操作数据分别馈送(103)给所述第一估计器(302)和所述第二估计器(303)，

-使用所述第一估计器(302)，至少基于所获得的操作数据和所述第二估计器(303)的输出来估计(104)所述至少一个电池状态，

-使用所述第二估计器(303)，对于满足所述灵敏度标准的每个电池参数，基于所获得的操作数据和所述第一估计器(302)的输出来估计(105)所述电池参数的围绕标称值的变化。

2.根据权利要求1所述的方法，其中，所述第二估计器(303)包括多个所述第二非线性观察器(304、305、306)，其中，所述第二非线性观察器(304、305、306)中的每一个被用于估计来自所述一组电池参数的至少一个电池参数的围绕标称值的变化。

3.根据权利要求2所述的方法，其中，所述第二非线性观察器(304、305、306)中的至少一个用于估计在同一时间尺度上变化的所述电池参数中的至少两个的围绕标称值的变化。

4.根据上述权利要求中的任一项所述的方法，进一步包括：

-对于不满足所述灵敏度标准的每个电池参数，将所述电池参数的值设置为其当前值。

5.根据权利要求1所述的方法，其中，所述方法进一步包括下列步骤中的至少一个：

-自适应地调整(106)所述第一调谐参数和所述第二调谐参数中的至少一个，以解决由于所述能量存储系统(200)的变化操作条件而引起的所述至少一个电池状态和/或所述一组电池参数的快时间尺度变化，和

-自适应地调整(107)所述一组电池参数的标称值，以解决由于所述至少一个电池单元(202)的老化而引起的慢时间尺度变化。

6.根据权利要求5所述的方法，其中，至少基于所获得的操作数据来执行自适应地调整所述第一调谐参数和所述第二调谐参数中的至少一个的步骤。

7.根据权利要求5或6所述的方法，其中，自适应地调整所述一组电池参数的标称值以解决慢时间尺度变化的步骤包括使用包括第三非线性观察器的第三估计器(307)，其中，在所述双重估计器(301)和所述第三估计器(307)之间设置第二反馈回路，使得来自所述双重估计器(301)的输出被用作所述第三估计器(307)的输入，反之亦然。

8.根据权利要求7所述的方法，其中，自适应地调整所述一组电池参数的标称值以解决慢时间尺度变化的步骤包括下列步骤：

-将所述双重估计器(301)的输出提供给所述第三估计器(307)，

-使用所述第三估计器(307)，基于所述历史数据集和所述双重估计器(301)的输出，估计至少一个电池参数的标称值，

-将来自所述第三估计器(307)的所述至少一个电池参数的估计标称值输出到所述双重估计器(301)，

-其中，所述至少一个电池参数的所述估计标称值被所述第二估计器(303)使用。

9.根据权利要求8所述的方法，进一步包括对来自所述双重估计器(301)的输出进行下采样，其中，基于所下采样的输出来估计所述标称值。

10.根据权利要求7至9中的任一项所述的方法，其中，使用所述第三估计器(307)对所述标称值的估计以与使用所述双重估计器(301)的估计相比更低的频率执行，诸如在预定的更低频率下执行，或在预定的时间间隔之后执行，或在满足限定的条件时执行。

11.根据权利要求7至10中的任一项所述的方法，其中，所述第三估计器(307)使用基于优化的估计方案，诸如滚动时域估计模型。

12.根据上述权利要求中的任一项所述的方法，其中，获得所述能量存储系统(200)的操作数据进一步包括对所收集的测量数据进行预滤波以去除高频噪声。

13.根据上述权利要求中的任一项所述的方法，其中，所述非线性观察器中的至少一个是卡尔曼滤波器，或基于递归最小二乘法的观察器，或粒子滤波器，或滑模观察器。

14.一种包括程序代码装置的计算机程序，所述程序代码装置用以在所述计算机程序在计算机上运行时执行根据上述权利要求中的任一项所述的方法。

15.一种携带计算机程序的计算机可读介质，所述计算机程序包括程序装置，以在所述程序装置在计算机上运行时执行根据上述权利要求中的任一项所述的方法。

16.一种控制单元(208)，所述控制单元被配置用以执行根据权利要求1至13中的任一项所述的方法。

17.一种用于能量存储系统(200)的电池管理系统，包括根据权利要求16所述的控制单元(208)。

18.一种车辆(201)，例如是混合动力车辆或全电动车辆，包括能量存储系统(200)和根据权利要求16所述的控制单元(208)。