CN116490788A - 基于电池端电压和由电池供电的负载引起的电流瞬态的电池模型估计 - Google Patents

基于电池端电压和由电池供电的负载引起的电流瞬态的电池模型估计 Download PDF

Info

Publication number
CN116490788A
CN116490788A CN202180074661.7A CN202180074661A CN116490788A CN 116490788 A CN116490788 A CN 116490788A CN 202180074661 A CN202180074661 A CN 202180074661A CN 116490788 A CN116490788 A CN 116490788A
Authority
CN
China
Prior art keywords
battery
model
impedance
parameters
estimation
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
Application number
CN202180074661.7A
Other languages
English (en)
Inventor
约翰·L·梅兰森
伊曼纽尔·马查斯
埃里克·J·金
詹姆斯·T·诺登
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.)
Cirrus Logic International Semiconductor Ltd
Original Assignee
Cirrus Logic International Semiconductor 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 Cirrus Logic International Semiconductor Ltd filed Critical Cirrus Logic International Semiconductor Ltd
Publication of CN116490788A publication Critical patent/CN116490788A/zh
Pending legal-status Critical Current

Links

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]
    • G01R31/382—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]
    • G01R31/367—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]
    • G01R31/389—Measuring internal impedance, internal conductance or related variables
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
    • G01R19/30—Measuring the maximum or the minimum value of current or voltage reached in a time interval
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R23/00—Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
    • G01R23/16—Spectrum analysis; Fourier analysis
    • 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
    • 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
    • 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]
    • G01R31/392—Determining battery ageing or deterioration, e.g. state of health
    • 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
    • H01M10/05—Accumulators with non-aqueous electrolyte
    • H01M10/052—Li-accumulators
    • H01M10/0525—Rocking-chair batteries, i.e. batteries with lithium insertion or intercalation in both electrodes; Lithium-ion batteries
    • 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
    • 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]
    • 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)
  • Power Engineering (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Mathematical Physics (AREA)
  • Materials Engineering (AREA)
  • Manufacturing & Machinery (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Electrochemistry (AREA)
  • General Chemical & Material Sciences (AREA)
  • Secondary Cells (AREA)

Abstract

一种为设备的组件供电的电池的管理方法可以包括：在负载下监测电池的端电压和端电流，该负载在电池上汲取电流以向设备的组件提供电力，并且将电池建模为电池模型，电池模型在以下至少一个上近似监测的端电压和端电流之间的关系：特定频率范围、特定持续时间、特定振幅范围、施加的负载、电池的一组条件和负载的一组条件。端电压和端电流之间的关系可以具有包括至少两个时间常数的频率相关特性。这两个时间常数可以表示电池模型的输入和输出之间的时变关系。

Description

基于电池端电压和由电池供电的负载引起的电流瞬态的电池 模型估计
技术领域
本公开总体上涉及用于电子设备的电路，包括但不限于诸如无线电话和媒体播放器的个人便携式设备，并且更具体地，涉及可以被用于为电子设备的组件供电的电池的电池模型估计。
背景技术
便携式电子设备，包括无线电话，诸如移动/蜂窝电话、平板电脑、无绳电话、mp3播放器和其他消费设备，正在被广泛使用。这种便携式电子设备可以包括用于为便携式电子设备的组件供电的电池(例如，锂离子电池)。
在操作中，电池的端电压可能在负载电流下由于电池的内部输出阻抗下降。这种输出阻抗可以以多种合适的方式建模，包括使用一系列并联耦合的电阻器和电容器的等效电路模型。电池的详细阻抗的知晓对电量计量算法会是有用的(例如，用于确定电池开路电压和荷电状态，预测功率极限，和/或导出电池的安全极限或安全操作极限(例如，电池端子的最大电压和最大电流))。
使用传统方法，阻抗模型通常使用低电平正弦测试电流或短期脉冲来估计。然而，这种方法可能会将不同于移动设备的实际用例状况的负载条件施加给电池，这可能导致不适当的模型。
此外，使用传统方法，对具有多阶复阻抗的电池阻抗模型的估计在计算上是昂贵的。
发明内容
根据本公开的教导，可以减少或消除与建模电池阻抗的现有方法相关联的一个或多个缺点和问题。
根据本公开的实施例，一种为设备的组件供电的电池的管理方法可以包括：在负载下监测电池的端电压和端电流，该负载在电池上汲取电流以向设备的组件提供电力，以及将电池建模为电池模型，该电池模型在以下至少一个上近似监测的端电压和端电流之间的关系：特定频率范围、特定持续时间、特定振幅范围、施加的负载、电池的一组条件、和负载的一组条件。端电压和端电流之间的关系可以具有包括至少两个时间常数的频率相关特性。这两个时间常数可以表示电池模型的输入和输出之间的时变关系。
根据本公开的这些实施例和其他实施例，一种用于为设备的组件供电的电池的管理系统可以包括：电池监测电路，其被配置为在负载下监测电池的端电压和端电流，该负载在电池上汲取电流以向设备的组件提供电力；以及电池模型估计器，其被配置为将电池建模为电池模型，电池模型在以下至少一个上近似监测的端电压和端电流之间的关系：特定频率范围、特定持续时间、特定振幅范围、施加的负载、电池的一组条件、和负载的一组条件。端电压和端电流之间的关系可以具有包括至少两个时间常数的频率相关特性。这两个时间常数可以表示电池模型的输入和输出之间的时变关系。
根据本公开的这些实施例和其他实施例，一种用于估计对电池的输出阻抗进行建模的电池阻抗模型的参数的方法可以包括：将电池阻抗模型分为多个单独的阻抗阶段，其中，每个单独的阻抗阶段在特定频率范围内近似电池阻抗模型，每个单独阻抗阶段中的相应阻抗包括具有定义阻抗参数的初级集合的初级阻抗模型和具有阻抗参数的次级集合的次级阻抗模型，并且电池阻抗模型由多个阻抗阶段的相应初级阻抗模型的串联来定义。该方法还可以包括监测电池的操作，以确定定义阻抗参数的初级集合和阻抗参数的次级集合。
根据本公开的这些实施例和其他实施例，一种用于估计对电池的输出阻抗进行建模的电池阻抗模型的参数的系统可以包括：一个或多个输入，其被配置为接收关于电池和电池监测电路的操作的信息。电池监测电路可以被配置为将电池阻抗模型分为多个单独的阻抗阶段，其中，每个单独的阻抗阶段在特定频率范围内近似电池阻抗模型，每个单独的阻抗阶段中的相应阻抗包括具有定义阻抗参数的初级集合的初级阻抗模型和具有阻抗参数的次级集合的次级阻抗模型，并且电池阻抗模型由多个阻抗阶段的相应初级阻抗模型的串联来定义。电池监测电路还可以被配置为监测电池的操作，以确定定义阻抗参数的初级集合和阻抗参数的次级集合。
根据本文包括的附图、描述和权利要求，本公开的技术优点对于本领域的技术人员来说会是显而易见的。实施例的目的和优点将至少通过权利要求中特别指出的元件、特征和组合来实现和达到。
应当理解，前面的一般描述和以下的详细描述都是示例和解释性的，而不是对本公开中阐述的权利要求的限制。
附图说明
通过参考结合附图进行的以下描述，可以获得对本实施例及其优点的更完整的理解，在附图中相同的附图标记指示相同的特征件，并且其中：
图1示出了根据本公开的实施例的示例电力输送网络的选定组件的框图；
图2示出了根据本公开的实施例的电池开路电压与电池荷电状态的示例曲线；
图3示出了根据本公开的实施例的电池等效电路模型的选定组件的电路图；
图4示出了根据本公开的实施例的电池等效电路模型的选定组件的电路图，分级描绘了电池阻抗模型的估计；
图5示出了根据本公开的实施例的用于第一估计阶段的等效阻抗模型的选定组件的电路图；
图6示出了根据本公开的实施例的第二估计阶段的等效阻抗模型的选定组件的电路图；
图7示出了根据本公开的实施例的第三估计阶段的等效阻抗模型的选定组件的电路图；
图8示出了根据本公开的实施例的第四估计阶段的等效阻抗模型的选定组件的电路图；
图9示出了根据本公开的实施例的电池模型估计器的选定组件的框图；
图10A示出了根据本公开的实施例的用于估计初级电池模型参数和次级电池模型参数的最小二乘拟合方法的框图；以及
图10B示出了根据本公开的实施例的用于估计初级电池模型参数的最小二乘拟合方法的框图。
具体实施方式
图1示出了根据本公开的实施例的示例电力输送网络10的选定组件的框图。在一些实施例中，电力输送网络10可以在便携式电子设备内实施，诸如智能手机、平板电脑、游戏控制器和/或其他合适的设备。
如图1所示，电力输送网络10可以包括电池12和负载18。如图1所示，当由负载18加载时，电池12可以在其端子两端生成电池电压VCELL，并将电池电流ICELL输送到负载18。在一些实施例中，电池12可以包括锂离子电池。负载18可以表示任何电气组件、电子组件和/或其组合。例如，负载18可以包括电力输送网络10的任何合适的功能电路或设备，包括但不限于功率转换器、处理器、音频编码器/解码器、放大器、显示设备等。此外，尽管图1中没有明确示出，但电力输送网络10还可以包括用于控制电池12和/或负载18的操作的控制电路。
同样如图1所示，电力输送网络10可以包括电池监测电路20。电池监测电路20可以包括被配置为监测电池电压VCELL和电池电流ICELL的任何合适的系统、设备或装置。此外，电池监测电路20可以包括电池模型估计器24，其被配置为接收监测电池电压VCELL和指示电池电流ICELL的感测电阻器22两端的感测电压VSNS，并且基于此来估计电池12的电池阻抗模型，如下文更详细地描述的。电池模型估计器24可以用处理设备来实施，该处理设备包括但不限于微处理器、数字信号处理器、专用集成电路、现场可编程门阵列、电可擦除可编程只读存储器、复杂可编程逻辑器件和/或其他合适的处理设备。在一些实施例中，电池监测电路20可以监测与电池12相关联的温度，并且电池模型估计器24可以基于电池电压VCELL、感测电压VSNS和感测到的温度来估计阻抗模型。
众所周知，锂离子电池的工作电压通常从4.5V降至3.0V，被称为电池(例如，电池12)的开路电压VOC。如图2所示，当电池由于从电池中汲取的电流而放电时，电池的荷电状态也会降低，并且开路电压VOC(其可以是荷电状态的函数)也会由于电池内发生的电化学反应而降低。在开路电压VOC为3.0V和4.5V的范围之外，锂离子电池的容量、寿命和安全性可能会降低。例如，在大约3.0V时，锂离子电池中大约95％的能量可能被消耗掉(即，荷电状态为5％)，并且如果继续进一步放电，则开路电压VOC将容易迅速下降。低于大约2.4V，锂离子电池的金属板可能会腐蚀，这可能会导致电池的内部阻抗更高、容量更低和潜在的短路。因此，为了保护电池(例如，电池12)免于过度放电，许多便携式电子设备可以防止低于预定放电结束电压的操作。输出阻抗的知晓可以用于确定电池12的开路电压VOC和其他参数。
图3示出了根据本公开的实施例的电池12的等效电路模型的选定组件的框图。如图3所示，电池12可以被建模为具有电池单元32，电池单元32具有与多个并联的电阻电容部分34(例如，并联的电阻-电容部分34-1、34-2、…、34-N)串联的开路电压VOC，并且进一步与电池12的等效串联电阻36串联，这种等效串联电阻36具有R0的电阻。电阻R1、R2、…RN和相应的电容C1、C2、…、CN可以建模电池化学相关的时间常数τ1、τ2、…、τN，其可以与开路电压VOC和等效串联电阻36集总。由电阻-电容部分34和等效串联电阻36表示的一系列阻抗部分可以表示在电池12内部以不同速率发生的扩散过程。并联电阻-电容部分34的截止频率可以分别由下式给出：
…
其中，π表示众所周知的数学常数，其被定义为圆的周长与其直径的比率，并且其中，并联电阻-电容部分34被排序为使得fcN<…<fc2<fc1。
值得注意的是，图3中用电压VCELL-EFF描绘的电节点可以捕捉电池12的时间变化的放电行为，并且电池电压VCELL可以是在电池12的输出端子两端看到的实际电压。电压VCELL-EFF不是可以直接可测量的，并且因此电池电压VCELL会是唯一可被测量以评估电池健康状态的与电池12相关联的电压。同样值得注意的是，在电流消耗为零(例如，ICELL＝0)时，电池电压VCELL可以等于电压VCELL-EFF，电压VCELL-EFF又可以等于给定荷电状态下的开路电压VOC。
为了估计电池12的阻抗模型，电池模型估计器24可以将电池12的输出阻抗划分为多个阶段，从而将估计问题分解为几个低阶的识别问题。由于由各种并联电阻-电容部分34表示的扩散过程的截止频率(或时间常数)可以以一个数量级或更多个数量级被分开，因此这种分阶段的估计是可能的。
尽管如图3所示，电池12的阻抗模型可以包括任何数量N的阶段，但电池模型估计器24可以使用任何合适数量的阶段来估计阻抗模型，并对每个单独的阶段进行估计。例如，在一些实施例中，电池模型估计器24可以在四个估计阶段40-1、40-2、40-3和40-4中估计电池12的阻抗模型，如图4所示。估计阶段40-1可以估计电阻R0、电阻R1和电容C1，估计阶段40-2可以估计电阻R2和电容C2，估计阶段40-3可以估计电阻R3和电容C3，并且估计阶段40-4可以估计电阻R4和电容C4。
在操作中，电池模型估计器24可以将全电池阻抗模型估计为用于每个估计阶段40的相应初级阻抗模型42(例如，初级阻抗模型42-1、42-2、42-3和42-4)的总和。用于特定估计阶段40的初级阻抗模型42可以在以与这种估计阶段40的初级阻抗相关联的截止频率(例如，fc1、fc3、fc3和fc4)为中心的频带FBM内定义全电池阻抗模型的主要特征。例如，如果估计阶段40-M的初级阻抗模型42-M具有由与电容CM并联的电阻RM定义的单个截止频率，则频率fcM可以是这种初级阻抗模型42-M的截止频率。
然而，估计阶段40-M的初级阻抗不可以从频带FBM中的电池电压VCELL和电池电流ICELL的特性直接识别，因为其他估计阶段40的初级阻抗会对频带FBM内的全电池阻抗模型的频率响应有贡献。因此，电池模型估计器24可以使用用于这种估计阶段40-M的次级阻抗模型来估计用于每个估计阶段40-M的阻抗模型，这种次级阻抗模型对用于这种估计阶段40-M的频带FBM上邻近的先前估计阶段(例如，估计阶段40-1至40[M-1])和后续的估计阶段(例如，估计阶段40[M+1]至40-N)的剩余阻抗进行建模。例如，对于估计阶段40-1，具有初级阻抗模型R2||C2、R3||C3、R4||C4的后续估计阶段40-2、40-3和40-4具有与估计阶段40-1相关联的频带FB1内的剩余阻抗，其可以用集总次级阻抗模型44-1R2||C2建模，如图5所示。
如图5所示，用于估计阶段40-1的阻抗模型可以包括初级阻抗模型42-1，其阻抗R0+R1||C1具有对接近和高于截止频率fc1的阻抗的效应进行建模的初级参数R0、R1和C1。初级阻抗模型42-1可以与次级阻抗模型44-1串联，次级阻抗模型44-1具有阻抗R2||C2并且具有对截止频率fc1附近的邻近估计阶段40的剩余阻抗的效应进行建模的次级参数R2和C2。
在操作中，电池模型估计器24可以用以截止频率fc1为中心的带通滤波器对电池电压VCELL和电池电流ICELL的测量结果进行滤波，或者可替选地，用截止频率高于截止频率fc2但低于截止频率fcl的高通滤波器对这些测量结果进行高通滤波。此外，电池模型估计器24可以使用最小二乘法或其他适当的拟合方法，以便将初级参数R0、R1和C1以及次级参数R2和C2拟合到滤波的电池电压VCELL和电池电流ICELL序列。
电池模型估计器24可以执行两个估计步骤来估计这些参数。在第一估计步骤中(例如，如下面参考图10A所述)，最小二乘法可以同时估计初级参数R0、R1和C1以及次级参数R2和C2。在第二估计步骤中(例如，如下面参考图10B所述)，电池模型估计器24可以通过邻近估计阶段40中的初级阻抗的后续估计来设置剩余阻抗的次级参数R2和C2，并且在第二估计步骤期间可以仅对估计阶段40-1的初级阻抗参数R0、R1和C1进行最小二乘拟合。这种第二估计步骤可以迭代地提高拟合参数的精度。因此，在该示例中，电池模型估计器24可以根据估计阶段40-2的初级参数R2和C2的估计来设置估计阶段40-1的次级参数R2和C2。
如图6所示，用于估计阶段40-2的阻抗模型可以包括初级阻抗模型42-2，其阻抗R2||C2具有对接近截止频率fc2的阻抗的效应进行建模的初级参数R2和C2。初级阻抗模型42-2可以与次级阻抗模型44-2a串联，其阻抗R3||C3具有次级参数R3和C3，并且与具有阻抗RL1＝R0+R1的另一次级阻抗模型44-2b串联，其中，次级参数RL1、R3和C3对邻近估计阶段40在截止频率fc2附近的剩余阻抗的效应进行建模。
在操作中，电池模型估计器24可以用以截止频率fc2为中心的带通滤波器对电池电压VCELL和电池电流ICELL的测量结果进行滤波，或者可替选地，用截止频率高于截止频率fc3但低于截止频率fc2的高通滤波器对这些测量结果进行高通滤波。此外，电池模型估计器24可以使用最小二乘法或其他适当的拟合方法，以便将初级参数R2和C2以及次级参数RL1、R3和C3拟合到滤波的电池电压VCELL和电池电流ICELL序列。
电池模型估计器24可以执行两个估计步骤来估计这些参数。在第一估计步骤中(例如，如下面参考图10A所述)，最小二乘法可以同时估计初级参数R2和C2以及次级参数RL1、R3和C3。在第二估计步骤中(例如，如下面参考图10B所述)，电池模型估计器24可以通过邻近估计阶段40中的初级阻抗的后续估计来设置剩余阻抗的次级参数RL1、R3和C3，并且在第二估计步骤期间可以仅对估计阶段40-2的初级阻抗参数R2和C2进行最小二乘拟合。这种第二估计步骤可以迭代地提高拟合参数的精度。因此，在该示例中，电池模型估计器24可以根据估计阶段40-3的初级参数R3和C3的估计以及根据估计阶段40-1的初级参数R0和R1的估计来设置估计阶段40-2的次级参数R2和C2。
如图7所示，用于估计阶段40-3的阻抗模型可以包括初级阻抗模型42-3，其阻抗R3||C3具有对接近截止频率fc3的阻抗的效应进行建模的初级参数R3和C3。初级阻抗模型42-3可以与具有次级参数R4和C4的阻抗R4||C4的次级阻抗模型44-3a串联，并且与具有阻抗RL2＝R0+R1+R2的另一次级阻抗模型44-3b串联，其中，次级参数RL2、R4和C4对接近截止频率fc3的邻近估计阶段40的剩余阻抗的效应进行建模。
在操作中，电池模型估计器24可以用以截止频率fc3为中心的带通滤波器对电池电压VCELL和电池电流ICELL的测量结果进行滤波，或者可替选地，用截止频率高于截止频率fc4但低于截止频率fc3的高通滤波器对这些测量结果进行高通滤波。此外，电池模型估计器24可以使用最小二乘法或其他适当的拟合方法，以便将初级参数R3和C3以及次级参数RL2、R4和C4拟合到滤波的电池电压VCELL和电池电流ICELL序列。
电池模型估计器24可以执行两个估计步骤来估计这些参数。在第一估计步骤中(例如，如下面参考图10A所述)，最小二乘法可以同时估计初级参数R3和C3以及次级参数RL2、R4和C4。在第二估计步骤中(例如，如下面参考图10B所述)，电池模型估计器24可以通过邻近估计阶段40中的初级阻抗的后续估计来设置剩余阻抗的次级参数RL2、R4和C4，并且在第二估计步骤期间可以仅对估计阶段40-3的初级阻抗参数R3和C3进行最小二乘拟合。这种第二估计步骤可以迭代地提高拟合参数的精度。因此，在该示例中，电池模型估计器24可以根据估计阶段40-4的初级参数R4和C4的估计以及根据估计阶段40-1和40-2的初级参数R0、R1和R2的估计来设置估计阶段40-3的次级参数R3和C3。
如图8所示，用于估计阶段40-4的阻抗模型可以包括初级阻抗模型42-4，其阻抗R4||C4具有对接近截止频率fc4的阻抗的效应进行建模的初级参数R4和C4。初级阻抗模型42-4可以与次级阻抗模型44-4串联，其阻抗RL3＝R0+R1+R2+R3，其中，次级参数RL3对邻近估计阶段40在截止频率fc4附近的剩余阻抗的效应进行建模。
在操作中，电池模型估计器24可以用以截止频率fc4为中心的带通滤波器对电池电压VCELL和电池电流ICELL的测量结果进行滤波。此外，电池模型估计器24可以使用最小二乘法或其他适当的拟合方法，以便将初级参数R4和C4以及次级参数RL3拟合到滤波的电池电压VCELL和电池电流ICELL序列。
电池模型估计器24可以执行两个估计步骤来估计这些参数。在第一估计步骤中(例如，如下面参考图10A所述)，最小二乘法可以同时估计初级参数R4和C4以及次级参数RL3。在第二估计步骤中(例如，如下面参考图10B所述)，电池模型估计器24可以通过邻近估计阶段40中的初级阻抗的后续估计来设置剩余阻抗的次级参数RL3，并且在第二估计步骤期间可以仅对估计阶段40-3的初级阻抗参数R4和C4进行最小二乘拟合。这种第二估计步骤可以迭代地提高拟合参数的精度。因此，在该示例中，电池模型估计器24可以根据估计阶段40-1、40-2和40-3的初级参数R0、R1、R2和R3的估计来设置估计阶段40-4的次级参数R4和C4。
当没有定义次级参数的先验估计时，每个估计阶段40的第一估计步骤可以仅需要进行一次。一旦每个估计阶段40的初级参数经由该第一估计步骤被估计，电池模型估计器24就可以传递初级参数作为邻近估计阶段的次要参数，以简化和约束估计过程，以及潜在地导致对全电池阻抗模型的迭代地更精确的估计。
一旦估计了完整的模型参数，电池模型估计器24就可以通过监测电流ICELL(例如，其可以由感测电压VSNS指示)来估计开路电压VOC、电压VCELL-EFF、电池12的内部过电位状态、锂离子阳极电位和/或表示可能导致其化学性质退化的电池状况的其他状态。例如，电池模型估计器24可以用简单的滤波器模型或用卡尔曼滤波器来估计这种过电位状态。
图9示出了根据本公开的实施例的电池模型估计器24的选定组件的框图。如图9所示，电池模型估计器24可以用模数转换器(analog-to-digital converter，ADC)对电池电压VCELL和电池电流ICELL进行采样，并且电池模型估计器24可以将每个估计阶段40的这种采样的电池电压VCELL和电池电流ICELL抽取到足以获得适当估计的较低采样率。这种信号抽取可以减少估计电池阻抗模型所需的处理量，同时仍然保持期望的数值精度。这种抽取的信号在估计阶段40的相应截止频率fc1、fc2、fc3和fc4附近被带通滤波，并且一旦被滤波，电池模型估计器24可以执行最小二乘拟合以确定各种初级和次级参数，如上所述。此外，一旦已经建立了电池阻抗模型(并且其可以随着时间动态更新)，电池模型估计器24就可以将这种电池阻抗模型应用于监测的电池电流ICELL，以估计开路电压VOC、电压VCELL-EFF、电池12的内部过电位状态、锂离子阳极电位和/或表示可能导致其化学性质退化的电池状况的其他状态。
图10A示出了根据本公开的实施例的用于估计初级电池和次级电池模型参数的最小二乘拟合方法的框图。图10A所示的最小二乘拟合方法可以被用于执行为每个估计阶段40描述的“第一估计步骤”。如图10A所示，可以使用电池电压VCELL和电池电流ICELL的抽取、带通滤波的测量结果的延迟样本的线性组合来形成一组回归量。回归量的互相关矩阵可以在特定估计阶段40的相应截止频率(例如，fc1、fc2、fc3、fc4)处进行低通滤波。这种低通滤波器可以包括简单的累积和转储滤波器或一阶低通滤波器，其带宽低于这种估计阶段40的阻抗模型中存在的最低截止频率。电池模型估计器24可以使用滤波后的相关性来确定最小二乘拟合解。
图10B示出了根据本公开的实施例的用于估计初级电池模型参数的最小二乘拟合方法的框图。图10B所示的最小二乘拟合方法可以被用于执行为每个估计阶段40描述的“第二估计步骤”。如图10B所示，在第二估计步骤中，可以通过预设次级参数来进一步约束最小二乘解，以导致对初级参数的更精确的估计。
根据前述内容，可以提供方法和系统来估计全电池阻抗模型的参数，该全电池阻抗模型对向负载供电的电池的输出阻抗进行建模，并且在感兴趣的整个频率范围内有效。全电池模型可以被分成N个单独的阻抗估计阶段，其中，N是2或更大的整数。对于有限的频率范围，每个阻抗估计阶段可以近似全电池阻抗模型。对于每个单独的阻抗估计阶段，每个阶段中的相应阻抗可以包括具有定义参数的初级集合的初级阻抗模型和具有参数的次级集合的次级阻抗模型。全电池阻抗模型可以由所有初级阻抗模型的串联来定义。因此，初级参数可以定义全电池模型的参数。
电池模型感兴趣的全部频率范围可以是从1mHz到10KHz。本文公开的方法和系统可以进一步使用与电池在诸如移动设备中自然存在的开关负载下的瞬态响应相关联的测量电压和电流。在一些实施例中，可以使用电池的宽带测试激励来生成这样的电压和电流。
阻抗估计阶段M的初级阻抗模型(其中，M在1和N之间)可以定义阻抗估计阶段M在频率范围上全电池模型的阻抗的主要特征(诸如定义该频率范围上主导阻抗的电组件或电组件的组合)。阻抗估计阶段M的次级阻抗模型(M在1和N之间)可以定义在阻抗估计阶段M的频率范围上每个阻抗估计阶段1到M-1和M+1到N的初级阻抗模型的剩余特征。次级阻抗模型可以是初级阻抗估计阶段1到M-1和M+1到N的阻抗的集总模型。
根据本文公开的系统和方法，电池监测电路可以监测电池的端电压和端电流。对于每个阻抗估计阶段M，电池监测电路可以在与这种阻抗估计阶段M相关联的频率范围内对端电压和端电流进行带通滤波。电池监测电路可以将最小二乘拟合方法应用于带通滤波的端电压和端电流测量结果，以估计阻抗估计阶段M上的全电池阻抗模型的参数。
最小二乘拟合方法可以分两个步骤执行。第一估计步骤可以包括估计阻抗估计阶段M的初级参数和次级参数；如在第一估计步骤中，可能没有足够的次级参数的先验知晓可用于执行估计。第二估计步骤可以包括预设阻抗估计阶段M的次级参数，并且仅使用最小二乘拟合方法估计阻抗估计阶段M的初级参数。在一些情况下，次级参数可能变得陈旧，并且电池监测电路可以再次执行第一估计步骤和第二估计步骤。在一些实施例中，第一参数步骤可以仅执行一次，并且第二参数步骤可以被重复执行(例如，用于跟踪参数)。
在一些实施例中，电池监测电路可以基于相应参数的有效范围的先验知晓来约束一些估计参数。电池监测步骤可以通过表征电池的样本群体来约束一个或多个估计参数。
电池监测电路可以使用多采样率实施方式，其中，对于每个阻抗估计阶段M，电池监测电路使用一个采样率，该采样率足以在这种阻抗估计阶段M的定义的频率范围上精确地拟合全电池模型，但足够低以降低最小二乘拟合的处理要求。在一些实施例中，这样的采样率可以是阻抗估计阶段M的带通滤波器的高截止频率的至少两倍的采样率。
当感兴趣的频带上的信噪比(signal-to-noise ratio，SNR)低于预定阈值时，可以禁用本文描述的电池模型估计，或者降低其适应率。如果由电池供电的负载是空闲的或具有感兴趣频带之外的强频谱内容，则可能发生电池模型估计的这种禁用或用于估计参数的适应率的降低。当负载不存在或在频带中检测到最小负载时(例如，当移动设备空闲时，这可能发生)，可以先验地估计在频带上估计SNR所需的噪声系数。噪声系数同样可以根据电压和电流传感器噪声规范和带通滤波器参数来估计。
如果阻抗估计阶段M的频带上的内容没有足够的频谱多样性以明确地估计阻抗估计阶段M参数(过拟合)，则禁用阻抗估计阶段M的参数估计。频谱条件可以通过监测最小二乘拟合的互相关矩阵的一些项来确定。
全电池阻抗模型可以用离散时间无限脉冲响应滤波器来实施，例如诸如卡尔曼滤波器。全电池阻抗模型和推断的状态可以被用于电量计量算法或电池的功率极限估计。
电池监测电路可以将全电池模型应用于监测的电池电压和/或电池电流，以估计全电池模型的内部状态，诸如过电位和开路电压。在一些实施例中，可以监测在负载下的电池的端电压和端电流，该负载正在电池上汲取电流以向设备的负载提供电力。电池可以被建模为电池模型，该电池模型近似于在以下之一上监测的端电压和端电流之间的关系：(1)特定的频率范围，(2)特定的持续时间或振幅范围或施加的负载，或(3)电池或负载的一组条件，其中，电池监测电路能够根据端电流来估计与电池相关联的电压(例如，开路电压)。
监测的端电压和端电流之间的关系可以具有包括至少两个时间常数的频率相关特性。至少两个时间常数表示电池的线性或非线性模型的输入和输出之间的时变关系。如上所述，电池模型可以具有模型参数。模型参数可以通过优化函数来确定。模型参数和电池模型可以被用于预测电池特性。
尽管前述设想了被配置为估计电池模型的电池监测电路，但是在一些实施例中，可以以另一种方式确定电池模型。例如，电池模型可以包括以下中的一个或多个：(1)电池的线性或非线性模型，(2)对电池阻抗进行建模的参数化等效电路模型，(3)基于物理的模型，(4)等效电路模型和基于物理的模型的组合，或(5)卡尔曼滤波器或扩展的卡尔曼滤波器。在参数化等效电路模型的情况下，用于对电池的阻抗进行建模的参数可以包括可以并联或串联的电阻、电容和/或电感电路元件，并且这些元件阻抗可以随时间变化和/或可以具有非线性特性。
经滤波的监测的端电压和电流可以被用于导出估计的信噪比(SNR)度量或功率谱密度(power spectral density，PSD)度量。如果检测到足够的SNR并且如果PSD足以防止过拟合电池模型，则可以调整与一个或多个频带相关的电池模型的参数。可以在空闲时段期间或在恒定直流(direct current，DC)负载下禁用与一个或多个频带相关的电池模型的参数的适应。参数的适应率可以是估计的SNR和期望的参数变化率的函数。当没有负载或非常轻的负载存在时，诸如当由电池供电的设备进入睡眠模式时，可以确定导出SNR所需的噪声系数。
优化函数可以是最小二乘拟合或最小二乘拟合的频率或时间加权变体。电池模型可以与电量计量算法结合使用。电池模型可以被用于估计电池的极限并限制从电池汲取的功率。电池模型可以被用于保护电池免受降低电池寿命的条件的影响。电池模型可以被用于设计电池的优化充电或负载条件。
从电池汲取电力的部件可以是移动设备上的组件，诸如中央处理单元(centralprocessing unit，CPU)、图形处理单元(graphics processing unit，GPU)、电源管理单元(power management unit，PMU)、放大器、音频、触觉或其他致动器、闪光发光二极管(light-emitting-diode，LED)、LED屏幕、微机电系统(micro-electro-mechanicalsystems，MEMS)传感器或其他传感器，和/或无源组件。
如本文所使用的，当两个或更多个元件被称为彼此“耦合”时，该术语指示这两个或更多个元件处于电子通信或机械连通中(如适用)，无论是间接连接还是直接连接，有或没有中间元件。
本公开包含本领域普通技术人员将理解的对本文的示例实施例的所有改变、替换、变化、变更和修改。类似地，在适当的情况下，所附权利要求涵盖本领域普通技术人员将理解的对本文的示例实施例的所有改变、替换、变化、变更和修改。此外，在所附权利要求中，对适于、布置成、能够、配置成、启用成、可操作成或运转为执行特定功能的装置或系统或装置或系统的组件的引用包含该装置、系统或组件，无论其或该特定功能是否被激活、开启或解锁，只要该装置、系统或组件是如此适应、布置、能够、配置、启用、可操作或运转。因此，在不脱离本公开的范围的情况下，可以对本文描述的系统、装置和方法进行修改、添加或省略。例如，系统和装置的组件可以是集成的或分离的。此外，本文公开的系统和装置的操作可以由更多、更少或其他组件来执行，并且所描述的方法可以包括更多、更少、或其他步骤。此外，步骤可以以任何合适的顺序来执行。如本文件中使用的，“每个”是指集合的每个成员或集合的子集的每个成员。
尽管示例性实施例在附图中示出并在下文中描述，但是本公开的原理可以使用任何数量的技术来实施，无论当前是否已知。本公开不应以任何方式局限于附图中所示和上文所述的示例性实施方式和技术。
除非另有特别说明，否则附图中描绘的物品不一定按比例绘制。
本文所列举的所有示例和条件语言旨在用于教学目的，以帮助读者理解本公开和发明人为进一步推进本领域所贡献的概念，并且被解释为不限于这些具体列举的示例和条件。尽管已经详细描述了本公开的实施例，但是应当理解，在不脱离本公开的精神和范围的情况下，可以对其进行各种改变、替换和变更。
尽管上面已经列举了具体的优点，但是各种实施例可以包括一些、没有或所有列举的优点。此外，在阅读了前面的附图和描述之后，其他技术优点对于本领域的普通技术人员来说可能变得显而易见。
为了帮助专利局和根据本申请发布的任何专利的任何读者解释本申请所附的权利要求，申请人希望注意，除非在特定权利要求中明确使用了词语“用于…的手段”或“用于…的步骤”，否则他们不旨在使任何所附的权利要求或权利要求要素援引35U.S.C.§112(f)。

Claims (24)

1.一种为设备的组件供电的电池的管理方法，包括：
在负载下监测所述电池的端电压和端电流，所述负载在所述电池上汲取电流以向所述设备的组件提供电力；
将所述电池建模为电池模型，所述电池模型在以下至少一个上近似所监测的端电压和端电流之间的关系：特定频率范围、特定持续时间、特定振幅范围、施加的负载、所述电池的一组条件和所述负载的一组条件；
其中：
所述端电压和所述端电流之间的关系具有包括至少两个时间常数的频率相关特性；以及
所述两个时间常数表示所述电池模型的输入和输出之间的时变关系。
2.根据权利要求1所述的方法，其中，所述电池模型具有参数，并且所述方法还包括通过优化函数来确定模型参数。
3.根据权利要求2所述的方法，其中，所述优化函数是最小二乘拟合。
4.根据权利要求2所述的方法，其中，所述优化函数是最小二乘拟合的频率或时间加权变体。
5.根据权利要求1-4中任一项所述的方法，其中，所述电池模型包括以下中的至少一个：所述电池的线性模型、所述电池的非线性模型、对所述电池的阻抗进行建模的参数化等效电路模型、基于物理的模型、等效电路模型和基于物理的模型的组合、卡尔曼滤波器和扩展卡尔曼滤波器。
6.根据权利要求1-5中任一项所述的方法，还包括在一个或多个频带上隔离和滤波所述端电压和所述端电流，以对所述电池进行建模。
7.根据权利要求1-6中任一项所述的方法，还包括使用所述电池模型来预测电池特性。
8.根据权利要求7所述的方法，其中，所述电池特性包括以下中的至少一个：所述电池的最大可用功率、所述电池的荷电状态、所述电池的健康状态和所述电池的内部状态。
9.根据权利要求8所述的方法，其中，所述内部状态能包括以下中的至少一个：所述电池的开路电压、所述电池的内部过电位状态、所述电池的锂离子阳极电位以及代表可能导致其化学性质退化的所述电池的状况的一些其他状态。
10.根据权利要求1-4和6-9中任一项所述的方法，其中：
所述电池模型包括对所述电池的阻抗进行建模的参数化等效电路模型；以及
所述电池模型包括用于对所述电池的阻抗进行建模的参数，所述阻抗包括并联或串联的电阻、电容和/或电感电路元件。
11.根据权利要求10所述的方法，其中，所述电路元件的阻抗是时间变化的。
12.根据权利要求10所述的方法，其中，所述电路元件的阻抗具有非线性特性。
13.一种用于管理为设备的组件供电的电池的系统，所述系统包括：
电池监测电路，其被配置为在负载下监测所述电池的端电压和端电流，所述负载在所述电池上汲取电流以向所述设备的组件提供电力；以及
电池模型估计器，其被配置为将所述电池建模为电池模型，所述电池模型在以下至少一个上近似所监测的端电压和端电流之间的关系：特定频率范围、特定持续时间、特定振幅范围、施加的负载、所述电池的一组条件和所述负载的一组条件；
其中：
所述端电压和所述端电流之间的关系具有包括至少两个时间常数的频率相关特性；以及
所述两个时间常数表示所述电池模型的输入和输出之间的时变关系。
14.根据权利要求13所述的系统，其中，所述电池模型具有参数，并且所述电池模型估计器还被配置为通过优化函数来确定模型参数。
15.根据权利要求14所述的系统，其中，所述优化函数是最小二乘拟合。
16.根据权利要求14所述的系统，其中，所述优化函数是最小二乘拟合的频率或时间加权变体。
17.根据权利要求13-16中任一项所述的系统，其中，所述电池模型包括以下中的至少一个：所述电池的线性模型、所述电池的非线性模型、对所述电池的阻抗进行建模的参数化等效电路模型、基于物理的模型、等效电路模型和基于物理的模型的组合、卡尔曼滤波器和扩展卡尔曼滤波器。
18.根据权利要求13-17中任一项所述的系统，其中，所述电池模型估计器还被配置为在一个或多个频带上隔离和滤波所述端电压和所述端电流，以对所述电池进行建模。
19.根据权利要求13-18中任一项所述的系统，其中，所述电池模型估计器还被配置为使用所述电池模型来预测电池特性。
20.根据权利要求19所述的系统，其中，所述电池特性包括以下中的至少一个：所述电池的最大可用功率、所述电池的荷电状态、所述电池的健康状态和所述电池的内部状态。
21.根据权利要求20所述的系统，其中，所述内部状态能包括以下中的至少一个：所述电池的开路电压、所述电池的内部过电位状态、所述电池的锂离子阳极电位以及代表可能导致其化学性质退化的所述电池的状况的一些其他状态。
22.根据权利要求13-16和18-21所述的系统，其中：
所述电池模型包括对所述电池的阻抗进行建模的参数化等效电路模型；以及
所述电池模型包括用于对所述电池的阻抗进行建模的参数，所述阻抗包括并联或串联的电阻、电容和/或电感电路元件。
23.根据权利要求22所述的系统，其中，所述电路元件的阻抗是时间变化的。
24.根据权利要求22所述的系统，其中，所述电路元件的阻抗具有非线性特性。
CN202180074661.7A 2020-10-30 2021-09-24 基于电池端电压和由电池供电的负载引起的电流瞬态的电池模型估计 Pending CN116490788A (zh)

Applications Claiming Priority (7)

Application Number Priority Date Filing Date Title
US202063107727P 2020-10-30 2020-10-30
US63/107,727 2020-10-30
US202063109573P 2020-11-04 2020-11-04
US63/109,573 2020-11-04
US17/463,980 2021-09-01
US17/463,980 US20220137143A1 (en) 2020-10-30 2021-09-01 Battery model estimation based on battery terminal voltage and current transient due to load powered from the battery
PCT/US2021/052009 WO2022093454A1 (en) 2020-10-30 2021-09-24 Battery model estimation based on battery terminal voltage and current transient due to load powered from the battery

Publications (1)

Publication Number Publication Date
CN116490788A true CN116490788A (zh) 2023-07-25

Family

ID=81378901

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202180074661.7A Pending CN116490788A (zh) 2020-10-30 2021-09-24 基于电池端电压和由电池供电的负载引起的电流瞬态的电池模型估计

Country Status (6)

Country Link
US (2) US20220137143A1 (zh)
KR (1) KR20230097063A (zh)
CN (1) CN116490788A (zh)
DE (1) DE112021005695T5 (zh)
GB (1) GB2614011A (zh)
WO (1) WO2022093454A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7426439B2 (ja) * 2022-06-13 2024-02-01 株式会社トヨタシステムズ 電池劣化判定システム、電池劣化判定装置及び電池劣化判定方法
WO2024081462A1 (en) * 2022-10-12 2024-04-18 Cirrus Logic International Semiconductor Ltd. Online characterization of battery model parameters with augmented dynamic stimulus

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100462661B1 (ko) * 2002-07-02 2004-12-20 금호석유화학 주식회사 임피던스 스펙트럼으로부터 모사된 등가회로 모델의 특정저항 인자 연산을 이용한 2차 전지의 용량 선별 방법
JP4473823B2 (ja) * 2003-01-30 2010-06-02 ローベルト ボツシユ ゲゼルシヤフト ミツト ベシユレンクテル ハフツング 電気エネルギー蓄積器のための複数の部分モデルを用いた状態量およびパラメータの推定装置
JP4360621B2 (ja) * 2004-02-09 2009-11-11 古河電気工業株式会社 二次電池の内部インピーダンス測定方法、二次電池の内部インピーダンス測定装置、二次電池劣化判定装置及び電源システム
KR100823507B1 (ko) * 2006-08-29 2008-04-21 삼성에스디아이 주식회사 배터리 관리 시스템 및 그 구동방법
EP2551687B1 (en) * 2010-03-23 2020-07-15 Furukawa Electric Co., Ltd. Device for estimating internal state of battery, and method for estimating internal state of battery
US10288693B2 (en) * 2014-04-21 2019-05-14 GM Global Technology Operations LLC State of charge estimator and methods of making and using the same
US20160077160A1 (en) * 2014-09-17 2016-03-17 GM Global Technology Operations LLC Battery impedance and power capability estimator and methods of making and using the same
GB2537406B (en) * 2015-04-16 2017-10-18 Oxis Energy Ltd Method and apparatus for determining the state of health and state of charge of lithium sulfur batteries
US10928457B2 (en) * 2018-12-07 2021-02-23 GM Global Technology Operations LLC Battery state estimation using high-frequency empirical model with resolved time constant
JP2020125968A (ja) * 2019-02-04 2020-08-20 富士通株式会社 電池劣化診断装置、電池劣化解析回路及び電池劣化診断プログラム
WO2021189146A1 (en) * 2020-03-25 2021-09-30 Cadex Electronics Inc. Apparatus and methods for testing electrochemical systems

Also Published As

Publication number Publication date
DE112021005695T5 (de) 2023-08-10
GB202304568D0 (en) 2023-05-10
GB2614011A (en) 2023-06-21
US20220137143A1 (en) 2022-05-05
KR20230097063A (ko) 2023-06-30
WO2022093454A1 (en) 2022-05-05
US20220137146A1 (en) 2022-05-05

Similar Documents

Publication Publication Date Title
US11054482B2 (en) Systems and methods for determining battery state of charge
JP4957129B2 (ja) 電池制御装置、電池制御方法、電源制御装置、及び電子機器
Zhang et al. Modeling and characterization of supercapacitors for wireless sensor network applications
RU2581844C2 (ru) Устройство и способ быстрой зарядки аккумуляторных батарей
CN116490788A (zh) 基于电池端电压和由电池供电的负载引起的电流瞬态的电池模型估计
US7714736B2 (en) Adaptive filter algorithm for estimating battery state-of-age
CN110709717A (zh) 基于松弛电压估计移动设备的电池健康的方法
US20110234167A1 (en) Method of Predicting Remaining Capacity and Run-time of a Battery Device
CN108287312B (zh) 一种退役电池的分选方法、系统及装置
JP6844090B2 (ja) バッテリーのための等価回路モデルのパラメータを推定する方法及びバッテリー管理システム
US20150276885A1 (en) Method of Computing State of Charge and Battery State of Charge Monitor
WO2005124966A2 (en) Method and apparatus for detecting impedance
CN101535827A (zh) 用于在电池非平衡时确定电池的荷电状态的设备和方法
US10573936B2 (en) Remaining battery life prediction device and battery pack
JP6859585B2 (ja) バッテリーの電力限界を決定するための方法及びバッテリー管理システム
US20230190148A1 (en) Method and apparatus for temperature compensation of low battery voltage thresholds and voltage droop detection in a medical device
CN103460063A (zh) 电池电压测量
EP3951997A1 (en) Battery performance evaluation device, electronic apparatus, charger, and battery performance evaluation method
CN114994542B (zh) 电池开路电压估计方法、装置、电子设备及可读存储介质
JP7141236B2 (ja) バッテリの残量検出回路、それを用いた電子機器、バッテリ残量の検出方法
CN106896329B (zh) 一种电池端电压的预测方法及装置
US20240134325A1 (en) Online characterization of battery model parameters with augmented dynamic stimulus
US20240133957A1 (en) Estimation of battery equivalent circuit model parameters by decomposition of sense current and terminal voltage into subbands
US20240136930A1 (en) Online characterization of battery model parameters with augmented dynamic stimulus
CN114415041A (zh) 电池剩余容量估算方法、装置及终端设备

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