CN115877214A - 具有电池模型优化的方法和装置 - Google Patents
具有电池模型优化的方法和装置 Download PDFInfo
- Publication number
- CN115877214A CN115877214A CN202210423383.8A CN202210423383A CN115877214A CN 115877214 A CN115877214 A CN 115877214A CN 202210423383 A CN202210423383 A CN 202210423383A CN 115877214 A CN115877214 A CN 115877214A
- Authority
- CN
- China
- Prior art keywords
- battery
- optimization
- battery model
- parameter
- boundary condition
- 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.)
- Pending
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]
- G01R31/385—Arrangements for measuring battery or accumulator variables
- G01R31/387—Determining ampere-hour charge capacity or 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]
- G01R31/367—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]
- G01R31/3644—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]
- G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
-
- 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
- H01M10/4285—Testing apparatus
-
- 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
- H01M10/44—Methods for charging or discharging
- H01M10/443—Methods for charging or discharging in response to 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
- H01M10/48—Accumulators combined with arrangements for measuring, testing or indicating the condition of cells, e.g. the level or density of the electrolyte
-
- 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)
- Secondary Cells (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
公开了具有电池模型优化的方法和装置。具有电池模型优化的装置包括:处理器,被配置为对电池模型执行优化以确定电池模型的参数的优化参数值,其中,为了执行优化,处理器被配置为:从电池模型的参数之中选择目标参数;针对每个目标参数设置当前边界条件;基于设置的当前边界条件来确定每个目标参数的优化参数值;基于确定的优化参数值来设置从当前边界条件减小的后续边界条件;以及基于后续边界条件来确定每个目标参数的后续优化参数值。
Description
本申请要求于2021年9月29日在韩国知识产权局提交的第10-2021-0129038号韩国专利申请的权益,所述韩国专利申请的全部公开出于所有目的通过引用包含于此。
技术领域
下面的描述涉及具有电池模型优化的方法和装置。
背景技术
为了电池的最佳管理,可使用各种方法来估计电池的状态。例如,可通过对电池的电流进行积分或通过使用电池模型(例如,电学电路模型或电化学模型)来估计电池的状态。电流积分方法可通过将电流传感器附接到电池单体、电池模块或电池组的一端并计算将要充电或放电的电荷量之和,来计算电池的剩余量。电学电路模型可以是表示电压值随着电池充电或放电而变化的包括电阻器和电容器的电路模型,并且电化学模型可以是对电池的内部物理现象(例如,电池离子浓度、电位等)进行建模的模型。
发明内容
提供本发明内容以简要的形式介绍在以下具体实施方式中进一步描述的构思的选择。本发明内容不意在确定要求权利的主题的关键特征或必要特征,也不意在用于帮助确定要求权利的主题的范围。
在一个总体方面,一种具有电池模型优化的装置包括:处理器,被配置为对电池模型执行优化以确定电池模型的参数的优化参数值,其中,为了执行优化,处理器被配置为:从电池模型的参数之中选择目标参数;针对每个目标参数设置当前边界条件;基于设置的当前边界条件来确定每个目标参数的优化参数值;基于确定的优化参数值来设置从当前边界条件减小的后续边界条件;以及基于后续边界条件来确定每个目标参数的后续优化参数值。
处理器可被配置为:针对与电池充电的进展程度对应的预定义的不同荷电状态(SOC)区间中的每个执行优化。
处理器可被配置为:基于与电池放电的进展程度对应的预定义的不同SOC区间执行优化。
为了设置后续边界条件,处理器可被配置为:基于通过电池模型估计的电池的电压与基于电池的配置文件数据的电池的电压之间的电压误差来确定扩散参数的目标变化方向;以及基于确定的目标变化方向来设置后续边界条件。
处理器可被配置为:针对预定义的温度区间中的每个执行优化。
处理器可被配置为:基于通过对电池模型的参数执行一次或多次微分而获得的值来选择目标参数。
处理器可被配置为迭代地执行以下操作直到优化的执行次数达到设置的次数为止:设置从当前边界条件减小的后续边界条件、和基于后续边界条件确定每个目标参数的后续优化参数值。
为了设置后续边界条件,处理器可被配置为:基于根据当前边界条件获得的优化参数值来改变针对所有目标参数的当前边界条件,并且改变后的边界条件可对应于后续边界条件。
处理器可被配置为:从电池模型的参数之中选择与电池的扩散特性相关联的点;以及为了选择目标参数,基于选择的点来确定目标参数。
处理器可被配置为:基于目标参数确定电池模型的估计状态值;基于估计状态值与从电池的配置文件数据获得的实际状态值之间的差来确定优化损失;以及调整目标参数中的至少一个,使得优化损失降低。
电池模型的参数可包括取决于电池的SOC水平的扩散参数,并且扩散参数可包括与电池的充电相关联的充电参数和与电池的放电相关联的放电参数。
电子装置可包括存储指令的存储器,所述指令在由处理器执行时,配置处理器执行所述优化。
在另一总体方面,一种具有电池模型优化的方法包括:从电池模型的参数之中选择目标参数;以及对目标参数执行优化,其中,执行优化的步骤可包括:针对每个目标参数设置当前边界条件;基于设置的当前边界条件来确定每个目标参数的优化参数值;基于确定的优化参数值来设置从当前边界条件减小的后续边界条件;以及基于后续边界条件来确定每个目标参数的后续优化参数值。
执行优化的步骤可包括:针对与电池充电的进展程度对应的预定义的不同荷电状态(SOC)区间中的每个执行优化。
执行优化的步骤可包括:针对与电池放电的进展程度对应的预定义的不同SOC区间中的每个执行优化。
设置后续边界条件的步骤可包括:基于通过电池模型估计的电池的电压与基于电池的配置文件数据的电池的电压之间的电压误差来确定扩散参数的目标变化方向;以及基于确定的目标变化方向来设置后续边界条件。
执行优化的步骤可包括:针对预定义的温度区间中的每个执行优化。
在另一总体方面,一个或多个实施例包括一种存储指令的非暂时性计算机可读存储介质,所述指令在由处理器执行时,配置处理器执行在此描述的操作和方法中的任何一个、任何组合或全部。
在另一总体方面,一种电池电源包括:电池,被配置为向电子装置供电;以及电池模型优化装置,被配置为优化与电池对应的电池模型,其中,为了优化电池模型,电池模型优化装置可被配置为:从电池模型的参数之中选择目标参数;针对每个目标参数设置当前边界条件;基于设置的当前边界条件来确定每个目标参数的优化参数值;基于确定的优化参数值来设置从当前边界条件减小的后续边界条件;以及基于后续边界条件来确定每个目标参数的后续优化参数值。
电池模型优化装置可被配置为:针对与电池充电或放电的进展程度对应的预定义的不同荷电状态(SOC)区间中的每个执行优化。
为了设置后续边界条件,电池模型优化装置可被配置为:基于通过电池模型估计的电池的电压与基于电池的配置文件数据的电池的电压之间的电压误差来确定扩散参数的目标变化方向;以及基于确定的目标变化方向来设置后续边界条件。
在另一总体方面,一种具有电池模型优化的方法包括:针对电池模型的目标参数设置边界条件;将目标参数的优化参数确定为在边界条件内;基于使用具有优化参数的电池模型估计的电池的状态与电池的预定状态之间的差异,设置具有从当前边界条件减小的范围的后续边界条件;以及通过将目标参数的后续优化参数确定为在后续边界条件内来优化电池模型。
设置的边界条件可包括下限和上限,并且确定优化参数的步骤可包括:将优化参数确定为大于或等于下限且小于或等于上限。
设置后续边界条件的步骤可包括:基于使用电池模型估计的电池的状态是否大于电池的预定状态,进行以下操作中的任一个:增大下限和上限中的至少一个,以及减小下限和上限中的至少一个。
从下面的具体实施方式、附图和权利要求,其他特征和方面将是清楚的。
附图说明
图1示出电池模型优化装置如何操作的概述的示例。
图2示出对电池模型的参数进行分类的示例。
图3和图4示出电池模型优化方法的示例。
图5示出对电池模型的参数进行优化的示例。
图6示出选择目标参数的示例。
图7示出减小的边界条件的示例。
图8示出基于扩散系数的目标变化方向来对电池模型的参数进行优化的示例。
图9示出基于扩散系数的目标变化方向来设置边界条件的示例。
图10示出针对每个温度区间对电池模型的参数进行优化的示例。
图11示出电池模型优化装置的示例。
图12示出包括电池模型优化装置的电池管理服务器的示例。
图13示出包括电池模型优化装置的电池电源的示例。
贯穿附图和具体实施方式,除非另外描述或提供,否则相同的附图参考标号表示相同的元件、特征和结构。附图可不按比例,并且为了清楚、说明和方便,附图中的元件的相对尺寸、比例和描绘可被夸大。
具体实施方式
提供下面的具体实施方式以帮助读者获得对在此描述的方法、设备和/或系统的全面理解。然而,在理解本申请的公开之后,在此描述的方法、设备和/或系统的各种改变、修改和等同物将是清楚的。例如,在此描述的操作顺序仅是示例,并不限于在此阐述的操作顺序,而是除了必须以特定顺序发生的操作之外,可如在理解本申请的公开之后将是清楚地那样被改变。此外,为了更清楚和简明,在理解本申请的公开之后已知的特征的描述可被省略。
在此描述的特征可以以不同的形式实现,而不应被解释为限于在此描述的示例。相反,在此描述的示例已被提供,以仅示出在理解本申请的公开之后将是清楚的实现在此描述的方法、设备和/或系统的许多可行方式中的一些可行方式。
在此使用的术语仅用于描述特定示例的目的,而不用于限制公开。如在此使用的,除非上下文另外清楚地指示,否则单数形式也意在包括复数形式。如在此使用的,术语“和/或”包括相关所列项中的任何一个和任何两个或更多个的任何组合。如在此使用的,术语“包括”、“包含”和“具有”表明存在陈述的特征、数量、操作、元件、组件和/或它们的组合,但不排除存在或添加一个或多个其他特征、数量、操作、元件、组件和/或它们的组合。在此针对示例或实施例的术语“可”的使用(例如,关于示例或实施例可包括或实现什么)表示存在包括或实现这样的特征的至少一个示例或实施例,而所有示例不限于此。
尽管在此使用术语“第一”或“第二”来描述各种构件、组件、区域、层或部分,但是这些构件、组件、区域、层或部分不受这些术语限制。相反,这些术语仅用于将一个构件、组件、区域、层或部分与另一构件、组件、区域、层或部分区分开。因此,在不脱离示例的教导的情况下,在此描述的示例中所称的第一构件、第一组件、第一区域、第一层或第一部分也可被称为第二构件、第二组件、第二区域、第二层或第二部分。
贯穿说明书,当元件(诸如,层、区域或基底)被描述为“在”另一元件“上”、“连接到”或“结合到”另一元件时,所述元件可直接“在”所述另一元件“上”、“连接到”或“结合到”所述另一元件,或者可存在介于它们之间的一个或多个其他元件。相反,当元件被描述为“直接在”另一元件“上”、“直接连接到”或“直接结合到”另一元件时,可不存在介于它们之间的其他元件。同样地,例如“在……之间”与“紧接在……之间”以及“与……邻近”与“与……紧邻”的表述也可如前所述被解释。
除非另外定义,否则在此使用的所有术语(包括技术术语和科学术语)具有与本公开所属领域的普通技术人员通常理解的一致和在理解本公开之后相同的含义。除非在此明确地如此定义,否则术语(诸如,在通用词典中定义的术语)应被解释为具有与它们在相关领域的上下文和本公开中的含义一致的含义,并且不应以理想化或过于形式化的含义进行解释。
此外,在示例实施例的描述中,当认为在理解本申请的公开之后由此已知的结构或功能的详细描述可导致示例实施例的模糊解释时,可省略这样的描述。在下文中,将参照附图详细描述示例,并且附图中的相同的参考标号始终表示相同的元件。
图1示出电池模型优化装置如何操作的概述的示例。
参照图1,电池模型111可使用各种参数和控制方程来估计电池120的状态(例如,荷电状态(SOC)、电压等)。电池模型111可以是基于电池物理信息的电化学热(electrochemical thermal,ECT)模型。电池模型111的参数可表示例如电池120的形状(例如,厚度、半径等)、开路电位(OCP)和物理特性(例如,电导率、离子电导率、扩散系数等)。控制方程可包括发生在电极与电解质之间的界面上的电化学反应以及物理守恒方程,物理守恒方程与基于这些参数的电极和电解质的浓度和电荷的守恒相关联。电池模型111的参数可包括独立于电池120的SOC水平的常数参数和取决于SOC水平的扩散参数。例如,当SOC水平随着电池120操作而逐渐降低时,常数参数可保持恒定且扩散参数可改变。
电池模型优化装置100(被配置为对电池模型111执行优化的装置)可通过多次更新用于电池模型111的操作的参数来搜索参数的优化值。电池模型优化装置100可通过下面将要描述的多阶段优化处理来自动估计电池模型111的参数的优化值。电池模型优化装置100可通过改变每个阶段中将要优化的参数并改变每个参数的边界条件来减少计算时间并确保计算结果的可靠性。电池模型优化装置100可使用有限数量的数据集来得到在电池模型111中使用的参数的优化值。
电池模型优化装置100可基于用于优化电池模型111的配置文件数据对电池模型111执行优化。配置文件数据可包括测量的与电流、温度和电压相关联的关于电池120的状态的实验数据。各种电流、温度和电压的配置文件数据可用于对电池模型111进行优化。电池模型优化装置100可基于对应于配置文件数据的电池120的实际状态值与使用电池模型111获得的估计值之间的差来计算优化损失,并且可更新电池模型111的参数,使得优化损失降低。
电池模型优化装置100可用于快速且准确地预测应用于电源管理集成电路(PMIC)或电源管理系统(BMS)的电池模型的各种参数,电源管理集成电路(PMIC)或电源管理系统(BMS)管理设置有二次电池(例如,锂离子电池)的电子装置(例如,智能电话、平板个人计算机(PC)、机器人清洁器、无线清洁器、无人机、步行辅助装置、电动汽车等)的电池。PMIC可基于电池的电压、电流和温度来估计电池的状态,并且使用电化学模型(例如,ECT模型)作为电池模型来估计电池的状态。电化学模型可包括大量参数,并且需要对每个参数进行优化。
当对参数执行优化时,电池模型优化装置100可通过按电池模型111的参数特性划分多个阶段并基于先前优化处理的结果重构当前优化处理的边界条件来执行优化。此外,电池模型优化装置100可通过划分与电池120充电或放电的进展程度对应的多个SOC区间来针对多个SOC区间顺序地执行优化。下面将更详细地描述电池模型的优化处理。在此描述的电池模型的优化处理可应用于各种类型的电池。电池模型的优化处理可在没有专家的情况下在短时间段内对电池模型进行优化,并且产生高度准确的优化结果。
图2示出对电池模型的参数进行分类的示例。
参照图2,电池模型200可包括电池模型参数集210。电池模型参数集210中的每个参数可被分类为常数参数211和扩散参数212。常数参数211可包括例如独立于电池的SOC水平的单体形状(例如,厚度、半径等)、电阻、OCP等。扩散参数212可包括取决于SOC水平的扩散参数(或扩散系数)。扩散参数212可包括例如与电池的充电相关联的充电参数以及与电池的放电相关联的放电参数。
如所示出的,参数213可表示阳极放电参数(anode discharge parameter),参数214可表示阴极放电参数(cathode discharge parameter)。此外,参数215可表示阳极充电参数(anode charge parameter),参数216可表示阴极充电参数(cathode chargeparameter)。参数213至216被指示为图2中的各个曲线图上的点。在参数213至216的曲线图中,横轴表示SOC水平,并且纵轴表示扩散系数的大小。扩散参数212可以以所需的区间来定义或确定。例如,尽管参数213在图2中被指示为针对0.0至1.0的SOC水平的约20个点,但是参数213可以以更密集的区间以更多的数量存在,或者以更稀疏的区间以更少的数量存在。
图3和图4示出电池模型优化方法的示例。在下文中将要参照图3和图4描述的电池模型优化方法可通过电池模型优化装置(例如,图1的电池模型优化装置100、图11的电池模型优化装置1100、图12的电池模型优化装置1211和/或图13的电池模型优化装置1320)执行。
参照图3,在操作310中,电池模型优化装置可为电池模型的参数设置初始边界条件。初始边界条件可对应于预定的边界条件,并且可例如通过实验或专家调整来确定。在此描述的边界条件可在确定参数的值时定义参数的值的下限和上限。在优化处理中,参数的值可被确定为由边界条件限定的下限与上限之间的值(例如,大于或等于下限且小于或等于上限的值)。
在操作320中,电池模型优化装置可基于当前边界条件对电池模型执行优化处理。在操作310中设置的初始边界条件可被最初使用。电池模型优化装置可针对每个参数使用电池模型来获得电池状态的估计值,并且基于获得的估计值与基于电池的配置文件数据的实际状态值之间的差来计算优化损失。电池模型优化装置可更新参数值以降低优化损失。可基于参数特性对影响电池的充电和放电两者的参数以及对影响充电和放电中的每个的参数单独地执行优化处理。
在下文中,将结合通过电池模型基于电池的电流和温度估计电池的电压的示例来描述优化处理。本公开不限于此,可通过电池模型基于电池的其他参数来估计电池的电压或者除了电压之外的其他参数。当电池模型基于电池的电流和温度估计电池的电压时,对于针对给定电流I和温度T的参数θ,通过电池模型估计电池的状态的结果可被表示为ECT(I,T;θ),并且ECT(I,T;θ)的值可对应于通过电池模型跟踪的电池的电压值。电池模型优化装置可计算作为电池的估计状态的ECT(I,T;θ)与电池的实际状态(例如,基于配置文件数据的电池的预定状态)之间的误差。误差可响应于优化损失。误差可包括ECT(I,T;θ)与电池的实际状态之间的误差平方和(SSE)。根据示例,可使用各种计算方法(例如,使用均方根误差(RMSE)或最大绝对误差(MAE))来计算误差。
电池模型优化装置可不止一次地针对任何参数使用电池模型来估计电池的状态。通过不止一次地估计状态,电池模型优化装置可生成作为在电池模型中使用的一组参数的参数集。参数集可包括应用于电池模型的参数以及使用该参数估计的电池状态与电池的实际状态之间的误差。例如,当使用电池模型估计电池的状态n次时,参数集可被表示为S={(θ1,E1),(θ2,E2),……,(θn,En)}。在这个示例中,θ表示应用于电池模型的参数,并且E表示与该参数相关联的误差。
电池模型优化装置可使用优化算法来确定候选参数θn+1,候选参数θn+1最可能改善(例如,降低)从电池模型获得的电池状态与电池的实际状态之间的误差。优化算法可包括例如贝叶斯优化算法。贝叶斯优化算法可使用最小评估来搜索或确定全局最优。贝叶斯优化算法可基于概率计算可使损失函数最小化的参数组合,并且通过迭代地应用计算来搜索最优组合。优化可基于概率来执行,因此不太可能陷入局部最优。
电池模型优化装置可基于当前边界条件搜索候选参数θn+1,以确定候选参数θn+1。电池模型优化装置可通过对获取函数执行基于梯度的优化来选择候选参数。电池模型优化装置可使用被应用所选择的候选参数的电池模型来估计电池的状态。例如,电池模型优化装置可使用候选参数θn+1来估计电池的状态ECT(I,T;θn+1)。随后,电池模型优化装置可计算ECT(I,T;θn+1)与电池的实际状态之间的误差(例如,SSE)。电池模型优化装置可更新参数以降低误差。
在操作330中,电池模型优化装置可存储和分析在操作320中执行的优化处理的结果。在操作340中,电池模型优化装置可确定优化处理的执行次数(例如,操作320的执行次数)是否达到设置的执行次数。当优化处理的执行次数达到设置的次数时,电池模型的优化处理可终止。在操作350中,当优化处理的执行次数未达到设置的次数时,电池模型优化装置可设置从先前执行的优化处理中使用的先前边界条件减小的减小的边界条件。电池模型优化装置可基于先前执行的优化处理的结果来设置减小的边界条件。减小的边界条件可以是具有“从由先前边界条件的上限和下限限定的区间减小的区间”的边界条件。随后,电池模型优化装置可基于减小的边界条件再次执行优化处理。电池模型优化装置可将候选参数θn+1添加到参数集并选择新的候选参数。电池模型优化装置可计算从电池模型获得的电池的状态与电池的实际状态之间的误差,并且对更新参数集的操作进行迭代,以使误差最小化。这样,当一个阶段中的优化处理终止时,电池模型优化装置可通过基于该阶段中的优化处理的结果重新设置后续阶段的边界条件来再次执行优化处理。
电池模型优化装置可迭代地执行操作350、操作320和操作330,直到优化处理的执行次数达到设置的次数为止。
图4示出优化处理的详细示例。
参照图4,在操作410中,电池模型优化装置可从电池模型的参数之中选择目标参数。电池模型优化装置可从电池模型的参数之中选择与电池的扩散特性相关联的特定点(或锚定点),并基于选择的点确定目标参数。目标参数可对应于从电池模型的所有参数选择的参数中的一些。目标参数可被确定,使得在维持电池模型的物理扩散特性的同时减小电池模型的参数维度。例如,电池模型优化装置可基于通过对电池模型的参数执行至少一次微分而获得的值来选择目标参数。电池模型优化装置可基于通过执行至少一次微分而获得的值为零(或导数变为零)的特定点来确定目标参数。电池模型优化装置可将扩散系数在相应的特定点处显著变化的参数确定为目标参数。可基于目标参数来执行优化处理,并且可通过目标参数来减小参数维度。因此,一个或多个实施例的电池模型优化装置可降低用于优化处理的计算量和时间。
电池模型优化装置可通过执行操作420至460来对目标参数执行优化处理。在操作420中,电池模型优化装置可针对每个目标参数设置当前边界条件。预设的初始边界条件可最初用作当前边界条件。在操作430中,电池模型优化装置可基于设置的当前边界条件来搜索(例如,确定)每个目标参数的优化参数值。电池模型优化装置可基于目标参数来确定电池模型的估计状态值(或电池的状态的估计值),并且基于估计状态值与从电池的配置文件数据获得的实际状态值之间的差来确定优化损失。电池模型优化装置可调整目标参数中的至少一个以降低优化损失。为了搜索优化参数值,上面结合图3的操作320描述的优化处理可被应用。
在一个示例中,当执行优化处理时,电池模型优化装置可针对与电池充电或放电的进展程度对应的预定义的不同SOC区间中的每个执行优化处理。例如,电池模型优化装置可将SOC区间划分为例如0-30%区间、30%-70%区间和70%-100%区间,并且基于充电或放电行为顺序地针对SOC区间来优化电池模型的扩散特性。即使对于由于与其他SOC区间相比重要性相对较低而未充分执行优化的SOC区间,一个或多个实施例的所述优化处理也可被执行,因此可提高所述SOC区间的优化灵敏度。
在另一示例中,当执行优化处理时,电池模型优化装置可针对每个温度区间执行优化处理。例如,电池模型优化装置可设置分别与低温、室温和高温对应的预定义的温度区间,并且针对每个温度区间执行优化处理。电池模型优化装置可针对每个温度区间计算电池模型的估计状态值,并且基于计算的估计状态值和每个温度区间的配置文件数据来确定优化损失。电池模型优化装置可调整参数以降低优化损失。
在操作440中,电池模型优化装置可基于优化参数值的先前搜索结果来设置从当前边界条件减小的后续边界条件。电池模型优化装置可基于根据当前边界条件获取的优化参数值来改变所有目标参数的边界条件。
在操作440的示例中,电池模型优化装置可计算在先前优化处理中通过电池模型估计的电池的电压与基于电池的配置文件数据的电池的电压之间的电压误差,并且基于计算的电压误差确定扩散参数(或扩散系数)的目标变化方向。电池模型优化装置可基于确定的目标变化方向来设置后续边界条件。在扩散参数的情况下,可基于电压误差知道或确定将要变化的方向,并且可基于该方向设置将要在随后执行的后续优化处理中使用的边界条件。
在操作450中,电池模型优化装置可基于设置的后续边界条件来搜索每个目标参数的优化参数值。除了边界条件被改变之外,操作450可与操作430相同,因此这里将省略其重复描述。
在操作460中,电池模型优化装置可确定优化处理的执行次数是否达到设置的执行次数。当优化处理的执行次数达到设置的次数时,电池模型的优化处理可终止。当优化处理的执行次数未达到设置的次数时,电池模型优化装置可基于先前的搜索结果来设置后续边界条件,并在操作450中再次执行优化处理。电池模型优化装置可迭代地执行设置从当前边界条件减小的后续边界条件的操作和基于后续边界条件搜索每个目标参数的优化参数值的操作,直到优化处理的执行次数达到设置的次数为止。
当移动到优化处理的下一阶段时,电池模型优化装置可如上所述在基于来自先前阶段的优化结果改变边界条件的同时执行优化。一个或多个实施例的电池模型优化装置可通过基于参数特性根据来自先前阶段的优化结果对边界条件进行改变来提高优化效率。上述一个或多个实施例的优化处理可使得能够生成这样的电池模型:针对不同类型的电池并且在各种电池操作情况(例如,温度、操作条件等)下提供稳定的性能。在一个实施例中,通过上述优化处理生成的优化后的电池模型可被用于估计电池的状态。例如,优化后的电池模型可被使用,从而基于电池的电流和温度(或者,其他参数)来跟踪电池的电压值或者除了电压值之外的其他参数。
图5示出对电池模型的参数进行优化的示例。
参照图5,在操作510中,电池模型优化装置可执行初始设置。电池模型优化装置可在初始设置期间识别电池模型的各种参数,并设置用于优化的初始边界条件。初始边界条件可被预先定义或实验确定。在操作520中,电池模型优化装置可对电池模型的参数执行优化处理。
在操作522中,电池模型优化装置可从电池模型的参数之中选择目标参数。因此,电池模型优化装置可减少用于优化的参数的数量。例如,电池模型优化装置可通过提取扩散系数中导数为零的特定点来执行优化。
在操作524中,电池模型优化装置可通过处理电池模型来获得电池的估计状态值(例如,SOC和电压)。例如,电池模型优化装置可基于电池模型的操作(或计算)来获得电池的电压的估计值,电池模型的操作(或计算)基于电池的电流和温度以及电池模型的参数集。
在操作526中,电池模型优化装置可确定优化损失。电池模型优化装置可基于电池的预定义配置文件数据与使用电池模型估计的电池的状态值之间的差来确定优化损失。配置文件数据可包括电池的实际测量的状态值或参考值。电池模型优化装置可基于贝叶斯优化算法的概率来确定优化损失。
在操作528中,电池模型优化装置可基于优化损失来调整参数值。电池模型优化装置可调整参数值以确定新参数。电池模型优化装置可调整参数值,使得优化损失降低(例如,最小化)。
在操作529中,电池模型优化装置可基于操作528的结果设置与先前边界条件相比具有减小的范围的新边界条件。例如,电池模型优化装置可设置具有比在操作528中确定的参数值的大小更小的大小的范围的边界条件。随后,电池模型优化装置可迭代地多次执行选择目标参数的操作522、处理电池模型的操作524、确定优化损失的操作526、调整参数值的操作528和设置新边界条件的操作529。该优化处理可被迭代地执行,直到达到预设数量的迭代为止或者直到优化损失满足定义的条件为止。此外,电池模型优化装置可根据上面参照图4描述的内容可被应用的示例,针对每个SOC区间或温度区间执行优化处理。
在操作530中,当操作520的优化处理终止时,电池模型优化装置可基于通过优化处理的迭代得到的优化参数值来更新电池模型的参数。具有更新的参数的电池模型可用于估计电池的状态。
为了优化电池模型,优化处理的迭代执行可被使用。当典型的电池模型优化装置使用固定边界条件时,大量的迭代计算可被执行以使优化损失(或成本函数)最小化。随着迭代计算的数量增大,计算量和时间可相应地增大。然而,如上所述,一个或多个实施例的电池模型优化装置可基于一些目标参数执行优化,并且随着优化处理的进行逐渐减小边界条件,从而减少迭代次数和优化的计算时间。
图6示出选择目标参数的示例。
参照图6,示出基于包括在电池模型中的化学计量(stoichiometry)的参数610以及当通过电池模型优化装置减小参数维度时选择的目标参数620。电池模型优化装置可从参数610的初始值提取特定点,并选择提取的特定点作为目标参数620。例如,电池模型优化装置可选择通过对参数610执行至少一次微分而获得的值为零的特定点作为目标参数620。在图6的示例中,目标参数620的值可对应于一阶导数为零的点的特定点。然而,高阶导数(例如,二阶导数或更高阶导数)为零的点的特定点也可被选择为目标参数。电池模型优化装置可仅对具有减小的维度的目标参数620执行优化。电池模型优化装置可通过基于与特定点对应的目标参数620的优化值执行插值来确定除目标参数620之外的另一点的参数值。例如,电池模型优化装置可使用高斯过程回归(GPR)方法作为非参数模型来执行插值。在图6的示例中,电池模型优化装置可提取与七个特定点对应的目标参数620的值,仅对提取的目标参数620的值执行优化,然后通过插值确定除目标参数620之外的另一参数值。电池模型优化装置可基于参数610的初始值来设置用于搜索优化参数值的边界条件。在图6的示出的曲线图中,以虚线指示的边界可对应于边界条件。
图7示出减小的边界条件的示例。
参照图7,可将减小的边界条件应用于电池模型的表示扩散特性的参数702和/或参数704。在示出的曲线图中,纵轴指示参数值的大小,并且横轴指示SOC水平。当针对参数702确定先前边界条件710然后将用于后续优化处理的边界条件确定为根据边界条件710的边界条件720时,可基于边界条件720执行后续优化处理。参数702的优化参数值可通过被约束到边界条件720而被确定为与边界条件720对应的区间之间的值。
图8示出基于扩散系数的目标变化方向来优化电池模型的参数的示例。
参照图8,操作810、820、830和840可分别对应于上面参照图3描述的操作310、320、330和340,因此这里将省略其重复描述。在操作850中,对于与扩散参数对应的扩散系数,电池模型优化装置可基于扩散系数的目标变化方向来设置从先前的边界条件减小的边界条件。这里,目标变化方向可指示扩散系数期望地变化的方向。电池模型优化装置可计算在先前优化处理中通过电池模型估计的电池的电压与基于电池的配置文件数据的电池的电压之间的电压误差,并且基于计算的电压误差来确定目标变化方向。电池模型优化装置可基于具有目标变化方向的方向性的扩散系数的边界条件来设置后续边界条件。电池模型优化装置可基于设置的后续边界条件迭代地执行优化处理。该优化处理可被执行,直到优化处理的执行次数达到设置的执行次数为止。
图9示出基于扩散系数的目标变化方向设置边界条件的示例。
参照图9,当通过电池模型估计的电池的电压与基于电池的配置文件数据的电池的电压之间的电压误差(dV)不为零时,可确定扩散系数将要移动以具有期望值的方向。可基于每个SOC水平的电压误差来设置将要应用于扩散系数的新边界条件。扩散系数物理地变化的方向可基于电压误差的符号来设置。示出区间A、B和C中的基于电压误差变化的电压误差的值的变化910。
例如,当在电池的SOC中电压误差(或例如差)为正值时,可通过向上移动阳极扩散系数的边界条件920和阴极扩散系数的边界条件930来减小电压误差。相反,当电压误差为负值时,可通过向下移动阳极扩散系数的边界条件920和阴极扩散系数的边界条件930来减小电压误差。还示出基于电压误差的符号的阳极扩散系数的新边界条件925和阴极扩散系数的新边界条件935。基于电池特性的物理含义设置用于优化的扩散系数的边界条件可提高优化处理的效率并提高电池模型的准确率。
图10示出针对每个温度区间对电池模型的参数进行优化的示例。
电池模型优化装置可针对预定义温度区间中的每个对电池模型的参数执行优化处理。参照图10,可针对第一温度区间执行包括操作1010、1015、1020、1025和1030的优化处理。当在操作1025中针对第一温度区间的优化处理的执行次数达到设置的执行次数时,可在操作1035中终止针对第一温度区间的优化处理。随后,在操作1040中,可设置针对第二温度区间的边界条件,并且可针对第二温度区间执行包括操作1040、1045、1050、1055和1060的优化处理。当在操作1055中针对第二温度区间的优化处理的执行次数达到设置的执行次数时,可在操作1065中终止针对第二温度区间的优化处理。在针对每个温度区间的优化处理中,可根据每个温度区间的特性执行优化,并且可使用与每个温度区间对应的配置文件数据或参数。上面参照图3和图4描述的优化处理可应用于参照图10描述的优化处理。
尽管优化处理在上面被描述为针对第一温度区间和第二温度区间单独执行,但是温度区间可被划分为三个或更多个温度区间,并且可针对每个温度区间执行优化。例如,温度区间可被定义为对应于低温的第一温度区间、对应于室温的第二温度区间、以及对应于高温的第三温度区间。在这个示例中,可针对第一温度区间、第二温度区间和第三温度区间中的每个执行上述优化处理。如上所述,针对每个温度区间执行优化可使得能够有效优化特定于每个温度区间的参数,并且还使得能够有效优化具有与多个温度区间对应的不同参数集的电池模型。
图11示出电池模型优化装置的示例。
参照图11,电池模型优化装置1100可包括处理器1110(例如,一个或多个处理器)和存储器1120(例如,一个或多个存储器)。存储器1120可连接到处理器1110,并且存储可由处理器1110执行的指令、将要由处理器1110处理的数据、或者由处理器1110处理的数据。存储器1120可包括非暂时性计算机可读介质(例如,高速随机存取存储器(RAM))和/或非易失性计算机可读存储介质(例如,一个或多个磁盘存储装置、闪存装置或者其他非易失性固态存储器装置)。
处理器1110可控制电池模型优化装置1100的整体操作,并执行用于在电池模型优化装置1100中执行操作的功能和指令。处理器1110可执行用于执行上面参照图1至图10描述的操作中的一个或多个或者全部的指令。当指令在处理器1110中被执行时,处理器1110可执行用于确定电池模型的参数的优化参数值的优化处理。在优化处理中,处理器1110可从电池模型的参数中选择目标参数。处理器1110可从电池模型的参数之中选择与电池的扩散特性相关联的特定点,并基于选择的点确定目标参数。例如,处理器1110可基于通过对电池模型的参数执行至少一次微分而获得的值来选择目标参数。处理器1110可针对每个目标参数设置当前边界条件,并基于设置的当前边界条件搜索每个目标参数的优化参数值。处理器1110可基于目标参数来确定电池模型的估计状态值,并且基于估计状态值与根据电池的配置文件数据获得的实际状态值之间的差来确定优化损失。处理器1110可调整目标参数中的至少一个以降低优化损失。
处理器1110可基于搜索优化参数值的结果来设置从当前边界条件减小的后续边界条件。处理器1110可基于根据当前边界条件获得的优化参数值来改变所有目标参数的边界条件,并且将改变后的边界条件设置为后续边界条件。处理器1110可基于通过电池模型估计的电池的电压与基于电池的配置文件数据的电池的电压之间的电压误差来确定扩散参数的目标变化方向,并且基于确定的目标变化方向来设置后续边界条件。处理器1110可基于设置的后续边界条件再次执行搜索每个目标参数的优化参数值的操作。处理器1110可迭代地执行设置从当前边界条件减小的后续边界条件的操作和基于后续边界条件搜索每个目标参数的优化参数值的操作,直到优化处理的执行次数达到设置的执行次数为止。
在一个示例中,处理器1110可针对与电池充电的进展程度对应的预定义的不同SOC区间中的每个执行上述优化处理。此外,处理器1110可基于与电池放电的进展程度对应的预定义的不同SOC区间来执行优化处理。除了SOC区间之外,处理器1110还可基于预定义的温度区间来执行优化处理。处理器1110还可执行与在此描述的优化处理相关的操作。
图12示出包括电池模型优化装置的电池管理服务器的示例。
参照图12,电池模型优化装置1211可包括在电池管理服务器1210中。电池模型优化装置1211可对应于在此描述的电池模型优化装置(例如,图1的电池模型优化装置100和图11的电池模型优化装置1100)。电池模型优化装置1211可从电池电源1220接收电池1221的操作数据,并存储接收的操作数据。当与电池1221对应的电池模型的优化将被执行时,电池模型优化装置1211可基于操作数据来优化电池模型的参数,并且将作为执行优化的结果而获得的更新的参数提供给电池电源1220。电池模型优化装置1211可基于在此描述的优化处理来优化参数。电池电源1220可向外部装置提供从电池1221供应的电力,并且基于通过电池模型优化装置1211优化的参数使用电池模型估计电池1221的SOC。
图13示出包括电池模型优化装置的电池电源的示例。
参照图13,电池电源1300可包括电池1310和电池模型优化装置1320。电池模型优化装置1320可对应于在此描述的电池模型优化装置(例如,图1的电池模型优化装置100和图11的电池模型优化装置1100)。电池电源1300可向外部装置提供从电池1310供应的电力,并且可被实现为BMS的一部分。电池1310可向连接到电池电源1300的电子装置供电,并且电池模型优化装置1320可优化与电池1310对应的电池模型。
当优化电池模型时,电池模型优化装置1320可执行以下操作:从电池模型的参数中选择目标参数的操作,针对每个目标参数设置当前边界条件的操作,基于设置的当前边界条件搜索每个目标参数的优化参数值的操作,基于搜索的结果设置从当前边界条件减小的后续边界条件的操作,以及基于后续边界条件搜索每个目标参数的优化参数值的操作。电池模型优化装置1320可基于通过电池模型估计的电池1310的电压与基于电池1310的配置文件数据的电压之间的电压误差来确定扩散参数的目标变化方向,并且基于确定的目标变化方向来设置后续边界条件。电池模型优化装置1320可针对与电池1310的充电或放电的进展程度对应的预定义的不同SOC区间中的每个执行优化处理。此外,电池模型优化装置1320可针对预定义的温度区间中的每个执行优化处理。此外,电池模型优化装置1320可执行在此描述的用于优化处理的其他操作。
在此关于图1至图13描述的电池模型优化装置、电池、处理器、存储器、电池管理服务器、电池电源、电池模型优化装置100、电池120、电池模型优化装置1100、处理器1110、存储器1120、电池管理服务器1210、电池模型优化装置1211、电池电源1220、电池1221、电池电源1300、电池1310、电池模型优化装置1320以及其他装置、设备、装置、单元、模块和组件由硬件组件实现或表示硬件组件。可用于执行在本申请中描述的操作的硬件组件的示例在适当的情况下包括:控制器、传感器、生成器、驱动器、存储器、比较器、算术逻辑单元、加法器、减法器、乘法器、除法器、积分器以及被配置为执行在本申请中描述的操作的任何其他电子组件。在其他示例中,通过计算硬件(例如,通过一个或多个处理器或计算机)来实现执行在本申请中描述的操作的硬件组件中的一个或多个。处理器或计算机可由一个或多个处理元件(诸如,逻辑门阵列、控制器和算术逻辑单元、数字信号处理器、微型计算机、可编程逻辑控制器、现场可编程门阵列、可编程逻辑阵列、微处理器或者被配置为以限定的方式响应并执行指令以实现期望的结果的任何其他装置或装置的组合)来实现。在一个示例中,处理器或计算机包括或连接到存储由处理器或计算机执行的指令或软件的一个或多个存储器。由处理器或计算机实现的硬件组件可执行用于执行在本申请中描述的操作的指令或软件(诸如,操作系统(OS)和在OS上运行的一个或多个软件应用)。硬件组件还可响应于指令或软件的执行而访问、操控、处理、创建和存储数据。为了简明,单数术语“处理器”或“计算机”可用于在本申请中描述的示例的描述中,但是在其他示例中,多个处理器或计算机可被使用,或者处理器或计算机可包括多个处理元件、或多种类型的处理元件、或两者。例如,单个硬件组件或者两个或更多个硬件组件可由单个处理器、或者两个或更多个处理器、或者处理器和控制器来实现。一个或多个硬件组件可由一个或多个处理器、或者处理器和控制器来实现,并且一个或多个其他硬件组件可由一个或多个其他处理器、或者另外的处理器和另外的控制器来实现。一个或多个处理器或者处理器和控制器可实现单个硬件组件、或者两个或更多个硬件组件。硬件组件可具有不同的处理配置中的任何一个或多个,不同的处理配置的示例包括单个处理器、独立处理器、并行处理器、单指令单数据(SISD)多处理、单指令多数据(SIMD)多处理、多指令单数据(MISD)多处理和多指令多数据(MIMD)多处理。
图1至图13中示出的执行在本申请中描述的操作的方法由计算硬件(例如,由一个或多个处理器或计算机)执行,计算硬件被实现为如上所述执行指令或软件以执行在本申请中描述的由所述方法执行的操作。例如,单个操作或者两个或更多个操作可由单个处理器、或者两个或更多个处理器、或者处理器和控制器执行。一个或多个操作可由一个或多个处理器、或者处理器和控制器执行,并且一个或多个其他操作可由一个或多个其他处理器、或者另外的处理器和另外的控制器执行。一个或多个处理器、或者处理器和控制器可执行单个操作、或者两个或更多个操作。
用于控制计算硬件(例如,一个或多个处理器或计算机)以实现硬件组件并执行如上所述的方法的指令或软件可被编写为计算机程序、代码段、指令或它们的任何组合,以单独地或共同地指示或配置一个或多个处理器或计算机作为机器或专用计算机操作,以执行由如上所述的硬件组件和方法执行的操作。在一个示例中,指令或软件包括由一个或多个处理器或计算机直接执行的机器代码(诸如,由编译器产生的机器代码)。在另一示例中,指令或软件包括由一个或多个处理器或计算机使用解释器执行的高级代码。可基于附图中示出的框图和流程图以及说明书中的相应描述使用任何编程语言来编写指令或软件,附图中示出的框图和流程图以及说明书中的相应描述公开了用于执行由如上所述的硬件组件和方法执行的操作的算法。
用于控制计算硬件(例如,一个或多个处理器或计算机)以实现硬件组件并执行如上所述的方法的指令或软件以及任何相关联的数据、数据文件和数据结构可被记录、存储或固定在一个或多个非暂时性计算机可读存储介质中,或者可被记录、存储或固定在一个或多个非暂时性计算机可读存储介质上。非暂时性计算机可读存储介质的示例包括只读存储器(ROM)、随机存取可编程只读存储器(PROM)、电可擦除可编程只读存储器(EEPROM)、随机存取存储器(RAM)、动态随机存取存储器(DRAM)、静态随机存取存储器(SRAM)、闪存、非易失性存储器、CD-ROM、CD-R、CD+R、CD-RW、CD+RW、DVD-ROM、DVD-R、DVD+R、DVD-RW、DVD+RW、DVD-RAM、BD-ROM、BD-R、BD-R LTH、BD-RE、蓝光或光盘存储装置、硬盘驱动器(HDD)、固态驱动器(SSD)、闪存、卡式存储器(诸如,多媒体卡或微型卡(例如,安全数字(SD)或极限数字(XD)))、磁带、软盘、磁光数据存储装置、光学数据存储装置、硬盘、固态盘以及任何其他装置,任何其他装置被配置为以非暂时性方式存储指令或软件以及任何相关联的数据、数据文件和数据结构并向一个或多个处理器或计算机提供指令或软件以及任何相关联的数据、数据文件和数据结构,使得一个或多个处理器或计算机能够执行指令。在一个示例中,指令或软件以及任何相关联的数据、数据文件和数据结构分布在联网的计算机系统上,使得指令和软件以及任何相关联的数据、数据文件和数据结构以分布式方式被一个或多个处理器或计算机存储、访问和执行。
虽然本公开包括特定示例,但是在理解本申请的公开之后将清楚的是,在不脱离权利要求及其等同物的精神和范围的情况下,可在这些示例中进行形式和细节上的各种改变。在此描述的示例仅被认为是描述性的,而不是为了限制的目的。每个示例中的特征或方面的描述应被认为适用于其他示例中的类似特征或方面。如果描述的技术以不同的顺序被执行,和/或如果描述的系统、架构、装置或电路中的组件以不同的方式被组合,和/或由其他组件或其等同物替换或补充,则可实现合适的结果。
Claims (24)
1.一种具有电池模型优化的装置,所述装置包括:
处理器,被配置为对电池模型执行优化以确定电池模型的参数的优化参数值,其中,为了执行优化,处理器被配置为:
从电池模型的参数之中选择目标参数;
针对每个目标参数设置当前边界条件;
基于设置的当前边界条件来确定每个目标参数的优化参数值;
基于确定的优化参数值来设置从当前边界条件减小的后续边界条件;以及
基于后续边界条件来确定每个目标参数的后续优化参数值。
2.根据权利要求1所述的装置,其中,处理器被配置为:针对与电池充电的进展程度对应的预定义的不同荷电状态区间中的每个执行优化。
3.根据权利要求1所述的装置,其中,处理器被配置为:基于与电池放电的进展程度对应的预定义的不同荷电状态区间执行优化。
4.根据权利要求1所述的装置,其中,为了设置后续边界条件,处理器被配置为:
基于通过电池模型估计的电池的电压与基于电池的配置文件数据的电池的电压之间的电压误差来确定扩散参数的目标变化方向;以及
基于确定的目标变化方向来设置后续边界条件。
5.根据权利要求1所述的装置,其中,处理器被配置为:针对预定义的温度区间中的每个执行优化。
6.根据权利要求1所述的装置,其中,处理器被配置为:基于通过对电池模型的参数执行一次或多次微分而获得的值来选择目标参数。
7.根据权利要求1所述的装置,其中,处理器被配置为迭代地执行以下操作直到优化的执行次数达到设置的次数为止:设置从当前边界条件减小的后续边界条件、和基于后续边界条件确定每个目标参数的后续优化参数值。
8.根据权利要求1所述的装置,其中,
为了设置后续边界条件,处理器被配置为:基于根据当前边界条件获得的优化参数值来改变针对所有目标参数的当前边界条件,并且
改变后的边界条件对应于后续边界条件。
9.根据权利要求1所述的装置,其中,为了选择目标参数,处理器被配置为:
从电池模型的参数之中选择与电池的扩散特性相关联的点;以及
基于选择的点来确定目标参数。
10.根据权利要求1所述的装置,其中,处理器被配置为:
基于目标参数确定电池模型的估计状态值;
基于估计状态值与从电池的配置文件数据获得的实际状态值之间的差来确定优化损失;以及
调整目标参数中的至少一个,使得优化损失降低。
11.根据权利要求1至10中的任一项所述的装置,其中,
电池模型的参数包括取决于电池的荷电状态水平的扩散参数,并且
扩散参数包括与电池的充电相关联的充电参数和与电池的放电相关联的放电参数。
12.根据权利要求1至10中的任一项所述的装置,处理器被配置为:
使用优化后的电池模型来估计电池的状态。
13.一种具有电池模型优化的方法,所述方法包括:
从电池模型的参数之中选择目标参数;以及
对目标参数执行优化,其中,执行优化的步骤包括:
针对每个目标参数设置当前边界条件;
基于设置的当前边界条件来确定每个目标参数的优化参数值;
基于确定的优化参数值来设置从当前边界条件减小的后续边界条件;以及
基于后续边界条件来确定每个目标参数的后续优化参数值。
14.根据权利要求13所述的方法,其中,执行优化的步骤包括:针对与电池充电的进展程度对应的预定义的不同荷电状态区间中的每个执行优化。
15.根据权利要求13所述的方法,其中,执行优化的步骤包括:针对与电池放电的进展程度对应的预定义的不同荷电状态区间中的每个执行优化。
16.根据权利要求13所述的方法,其中,设置后续边界条件的步骤包括:
基于通过电池模型估计的电池的电压与基于电池的配置文件数据的电池的电压之间的电压误差来确定扩散参数的目标变化方向;以及
基于确定的目标变化方向来设置后续边界条件。
17.根据权利要求13所述的方法,其中,执行优化的步骤包括:针对预定义的温度区间中的每个执行优化。
18.一种存储指令的非暂时性计算机可读存储介质,所述指令在由处理器执行时,配置处理器执行根据权利要求13至17中的任一项所述的方法。
19.一种电池电源,包括:
电池,被配置为向电子装置供电;以及
电池模型优化装置,被配置为优化与电池对应的电池模型,其中,为了优化电池模型,电池模型优化装置被配置为:
从电池模型的参数之中选择目标参数;
针对每个目标参数设置当前边界条件;
基于设置的当前边界条件来确定每个目标参数的优化参数值;
基于确定的优化参数值来设置从当前边界条件减小的后续边界条件;以及
基于后续边界条件来确定每个目标参数的后续优化参数值。
20.根据权利要求19所述的电池电源,其中,电池模型优化装置被配置为:针对与电池充电或放电的进展程度对应的预定义的不同荷电状态区间中的每个执行优化。
21.根据权利要求19所述的电池电源,其中,为了设置后续边界条件,电池模型优化装置被配置为:
基于通过电池模型估计的电池的电压与基于电池的配置文件数据的电池的电压之间的电压误差来确定扩散参数的目标变化方向;以及
基于确定的目标变化方向来设置后续边界条件。
22.一种具有电池模型优化的方法,所述方法包括:
针对电池模型的目标参数设置边界条件;
将目标参数的优化参数值确定为在边界条件内;
基于使用具有优化参数值的电池模型估计的电池的状态与电池的预定状态之间的差,设置具有从当前边界条件减小的范围的后续边界条件;以及
通过将目标参数的后续优化参数值确定为在后续边界条件内来优化电池模型。
23.根据权利要求22所述的方法,其中,
设置的边界条件包括下限和上限,并且
确定优化参数值的步骤包括:将优化参数值确定为大于或等于下限且小于或等于上限。
24.根据权利要求23所述的方法,其中,设置后续边界条件的步骤包括:基于使用电池模型估计的电池的状态是否大于电池的预定状态,进行以下操作中的任一个:
增大下限和上限中的至少一个,以及
减小下限和上限中的至少一个。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR10-2021-0129038 | 2021-09-29 | ||
KR1020210129038A KR20230046044A (ko) | 2021-09-29 | 2021-09-29 | 배터리 모델의 최적화를 수행하는 장치 및 방법 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115877214A true CN115877214A (zh) | 2023-03-31 |
Family
ID=81654964
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210423383.8A Pending CN115877214A (zh) | 2021-09-29 | 2022-04-21 | 具有电池模型优化的方法和装置 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20230100216A1 (zh) |
EP (1) | EP4160235B1 (zh) |
KR (1) | KR20230046044A (zh) |
CN (1) | CN115877214A (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116819341A (zh) * | 2023-07-04 | 2023-09-29 | 上海玫克生储能科技有限公司 | 一种锂电池加速参数辨识方法、系统及电子设备 |
CN118133582B (zh) * | 2024-05-07 | 2024-07-23 | 南昌智能新能源汽车研究院 | 一种电池包设计方法、装置、电池包及车辆 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6262577B1 (en) * | 1998-09-18 | 2001-07-17 | Matsushita Electric Industrial Co., Ltd. | Method of measuring quantities indicating state of electrochemical device and apparatus for the same |
US9182451B2 (en) * | 2012-07-30 | 2015-11-10 | Robert Bosch Gmbh | System and method for posteriori adaptation of a state of charge model in a battery |
JP2015135286A (ja) * | 2014-01-17 | 2015-07-27 | 株式会社豊田中央研究所 | 二次電池の特性推定装置 |
US10288691B2 (en) * | 2014-06-05 | 2019-05-14 | Ford Global Technologies, Llc | Method and system for estimating battery model parameters to update battery models used for controls |
US20160018469A1 (en) * | 2014-07-21 | 2016-01-21 | Richtek Technology Corporation | Method of estimating the state of charge of a battery and system thereof |
KR102634815B1 (ko) * | 2016-11-22 | 2024-02-07 | 삼성전자주식회사 | 오차 보정에 기초한 배터리 상태 추정 방법 및 장치 |
WO2018162021A1 (en) * | 2017-03-06 | 2018-09-13 | Volvo Truck Corporation | A battery cell state of charge estimation method and a battery state monitoring system |
KR20210081059A (ko) * | 2019-12-23 | 2021-07-01 | 삼성전자주식회사 | 배터리 상태 추정 방법 및 장치 |
-
2021
- 2021-09-29 KR KR1020210129038A patent/KR20230046044A/ko active Search and Examination
-
2022
- 2022-03-08 US US17/689,359 patent/US20230100216A1/en active Pending
- 2022-04-21 CN CN202210423383.8A patent/CN115877214A/zh active Pending
- 2022-05-16 EP EP22173488.2A patent/EP4160235B1/en active Active
Also Published As
Publication number | Publication date |
---|---|
EP4160235B1 (en) | 2023-12-13 |
US20230100216A1 (en) | 2023-03-30 |
KR20230046044A (ko) | 2023-04-05 |
EP4160235A1 (en) | 2023-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108075200B (zh) | 电池充电方法、电池充电信息产生方法、非暂时性计算机可读介质和电池充电设备 | |
CN115877214A (zh) | 具有电池模型优化的方法和装置 | |
US20210066945A1 (en) | Method and apparatus for charging battery | |
KR20180128961A (ko) | 다수의 옵저버를 갖는 배터리 관리 시스템 | |
US11828807B2 (en) | Method and apparatus with battery state estimation | |
Chun et al. | Adaptive exploration harmony search for effective parameter estimation in an electrochemical lithium-ion battery model | |
US20220179002A1 (en) | Method and apparatus with battery state estimation | |
CN113227808A (zh) | 学习装置、推定装置、学习方法、推定方法、学习程序及推定程序 | |
US11139668B2 (en) | Charging method and apparatus optimized based on electrochemical model | |
CN111221375B (zh) | Mppt控制方法、装置、光伏发电设备及可读存储介质 | |
US20220200071A1 (en) | Method and apparatus for optimizing battery | |
CN112084459A (zh) | 电池充放电循环寿命的预测方法、装置、电子终端、及存储介质 | |
CN116298897A (zh) | 用于电池短路检测的方法和设备 | |
US10784542B2 (en) | System and method with battery management | |
Mirzaee et al. | Estimation of internal states in a Li-ion battery using BiLSTM with Bayesian hyperparameter optimization | |
US12078682B2 (en) | Method and apparatus for estimating state of battery | |
US20220407324A1 (en) | Method and device with charging control | |
US20240030733A1 (en) | Method and apparatus with battery cell charging based on degradation parameter of electrochemical model | |
US20240213790A1 (en) | Method and apparatus with battery parameter optimization for target battery | |
CN117688852B (zh) | 一种基于极限学习机的锂离子电池soc的估算方法及系统 | |
US20240111921A1 (en) | Method and device with battery model optimization | |
US20240219470A1 (en) | Battery control system and method for guiding soc level | |
Kim et al. | Voltage prediction of drone battery reflecting internal temperature | |
CN116794512A (zh) | 电池容量估算方法、装置、电子设备及存储介质 | |
CN111082170A (zh) | 用于为电池充电的方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |