CN117856382A - 用于预测多电池电能存储系统的功率状态的方法 - Google Patents

用于预测多电池电能存储系统的功率状态的方法 Download PDF

Info

Publication number
CN117856382A
CN117856382A CN202311710520.7A CN202311710520A CN117856382A CN 117856382 A CN117856382 A CN 117856382A CN 202311710520 A CN202311710520 A CN 202311710520A CN 117856382 A CN117856382 A CN 117856382A
Authority
CN
China
Prior art keywords
ess
battery
power
battery cells
maximum possible
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
CN202311710520.7A
Other languages
English (en)
Inventor
费萨尔·阿尔塔夫
韩伟基
托尔斯滕·维克
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.)
Volvo Truck Corp
Original Assignee
Volvo Truck Corp
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 Volvo Truck Corp filed Critical Volvo Truck Corp
Priority to CN202311710520.7A priority Critical patent/CN117856382A/zh
Publication of CN117856382A publication Critical patent/CN117856382A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • B60L58/18—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries of two or more battery modules
    • 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]
    • 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
    • B60L3/00—Electric devices on electrically-propelled vehicles for safety purposes; Monitoring operating variables, e.g. speed, deceleration or energy consumption
    • B60L3/0023—Detecting, eliminating, remedying or compensating for drive train abnormalities, e.g. failures within the drive train
    • B60L3/0046—Detecting, eliminating, remedying or compensating for drive train abnormalities, e.g. failures within the drive train relating to electric energy storage systems, e.g. batteries or capacitors
    • 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
    • B60L3/00—Electric devices on electrically-propelled vehicles for safety purposes; Monitoring operating variables, e.g. speed, deceleration or energy consumption
    • B60L3/12—Recording operating variables ; Monitoring of operating 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]
    • G01R31/367—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]
    • G01R31/385—Arrangements for measuring battery or accumulator variables
    • 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
    • H02J7/0013—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries acting upon several batteries simultaneously or sequentially
    • H02J7/0014—Circuits for equalisation of charge between 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
    • H02J7/0063—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with circuits adapted for supplying loads from the battery
    • 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
    • H02J7/007—Regulation of charging or discharging current or voltage
    • H02J7/00712—Regulation of charging or discharging current or voltage the cycle being controlled or terminated in response to electric parameters
    • 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
    • B60L2240/00—Control parameters of input or output; Target parameters
    • B60L2240/40—Drive Train control parameters
    • B60L2240/54—Drive Train control parameters related to batteries
    • B60L2240/549—Current
    • 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
    • B60L2260/00—Operating Modes
    • B60L2260/40—Control modes
    • B60L2260/50—Control modes by future state prediction
    • 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
    • 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
    • Y02T10/70—Energy storage systems for electromobility, e.g. batteries

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)
  • Secondary Cells (AREA)

Abstract

本发明涉及用于预测多电池电能存储系统的功率状态的方法。一种用于预测电能存储系统ESS(1)的功率状态SoP的方法，所述电能存储系统ESS(1)包括并联电连接的至少两个电池单元(2、2’、2”)，所述方法包括：‑在所述ESS的操作期间，从ESS的至少两个电池单元获得操作数据；‑基于所获得的操作数据并通过使用基于ESS的系统级模型的算法来计算(S1‑2)ESS的功率状态，其中ESS的系统级模型一方面考虑ESS的至少两个电池单元中的每一个，另一方面考虑至少两个电池单元之间的至少一个电连接，并且其中ESS的系统级模型还考虑至少两个电池单元之间的动态并联负载分布。

Description

用于预测多电池电能存储系统的功率状态的方法
本申请是于2022年12月16日进入中国国家阶段的、PCT申请号为PCT/EP2020/066920、国际申请日为2020年6月18日、中国申请号为202080102125.9、发明名称为“用于预测多电池电能存储系统的功率状态的方法”的申请的分案申请。
技术领域
本发明涉及一种用于预测电能存储系统ESS的功率状态的方法，所述电能存储系统ESS包括并联电连接的至少两个电池单元。本发明还涉及一种用于控制电能存储系统的加载的方法、电能存储系统的控制单元、计算机程序、计算机可读介质、电能存储系统和车辆。
本发明可以应用于包括并联连接的至少两个电池单元的任何电能存储系统，其中一个或多个并联连接可以存在于ESS内的任何级别。这种ESS通常也称为多电池ESS。尤其是，本发明可以应用于电动重型车辆，例如卡车、公共汽车和建筑设备。尽管本发明将针对全电气化公共汽车进行描述，但是本发明不限于这种特定的车辆，而是也可以用于其他车辆，例如公共汽车、拖车、轮式装载机、挖掘机、客车等。它可应用于完全电动操作的车辆以及还包括内燃机的混合动力车辆。
本发明还可以应用于例如电力推进和操作的船只的功率系统以及各种工作机械。它还可以应用于固定电能存储系统，例如智能电网或备用电源系统。
背景技术
电能存储系统经常用于各种各样的应用和技术领域。在汽车工业中，能量存储系统可用于车辆的推进以及为车辆的各种系统提供电能。
为了增加电能存储系统(以下也称为ESS)的功率容量，可以提供一种解决方案，其中ESS的两个或多个电池模块/电池组彼此并联电连接，即多电池ESS。取决于ESS的配置，这使得并联连接的各个电池模块能够容易地彼此连接和断开，尽管ESS可以包括电池单元之间的可断开和固定并联连接。此外，与仅使用单个电池模块/电池组相比，提供了增加的总功率容量以及增加的能量容量。
然而，具有并联连接的电池模块的电能存储系统的问题在于，电池模块需要处于近似相同的物理状态，以获得最佳的功率和能量使用，即最大化来自ESS的总可用功率的利用。术语“物理状态”在这里被理解为包括充电状态(SoC)、健康状态(SoH)、电阻状态(SoR)、温度状态(SoT)等。然而，常见的场景是电池模块/电池组不处于相同的物理状态。例如，如果并联连接的电池模块不同程度上老化，即其中一个电池模块最近被新的且未使用的电池模块替换，则不同程度上老化的电池模块之间很可能存在功率容量的差异。更旧且更弱的电池模块将与新的且更强的电池模块具有复杂的动态相互作用，因此与它们各自的总和相比，可能拉低该联合系统的总可用功率。简而言之，ESS的最大可用功率将受到系统中最薄弱环节(例如最老的电池模块)的限制。此外，在同一ESS中混合不同代/类型的电池单体/模块/电池组时，应小心谨慎，因为它们的阻抗和开路电压(OCV)特性彼此明显不同。另一个示例是，如果电池模块之一具有比其他电池模块更高的温度，则具有升高温度的电池模块的电阻将很可能低于具有较低温度的电池模块的电阻。在这种情况下，存在较热的电池模块将接收到超过其阈值的充电电流的风险。
具有并联连接的电池模块的多电池能量存储系统的另一个问题是，不同的电池组可能被放置在车辆的不同位置，因此可能需要不同长度的高压电缆，从而引入大的电阻差异。
在充电或放电期间，可持续施加到ESS的负载电流或功率量由ESS的功率状态SoP决定。因此，为了控制将哪个负载施加到ESS，有必要以某种方式预测ESS的SoP。在工业实践和学术研究中，预测SoP的最常见方法是使用所谓的自下而上方法，首先估计ESS中各个电池单体的SoP，然后根据这些单个单体的SoP推断ESS的SoP。这种方法被称为基于单体SoP的方法。
这种自下而上的方法在例如EP 3 011 655中使用，其中电池组之一的最低最大功率容量乘以电池组的总数，以便得到ESS的总功率容量。在EP 3 011 655中，每当ESS以其在先前时间步计算的SoP限制被加载，还试图通过使用关于每个电池组上的实际最大负载的反馈来改进ESS SoP。
这种控制方法的缺点是在利用ESS的完整潜在服务方面相当保守，即服务质量(QoS)(例如在确保长寿命的同时根据功率需求的功率输送性能)和使用状态(SoU)(例如实际输送的功率和潜在可用功率的比率)方面。显然，电池组或ESS SoP的过于保守的估计表明了某些可用功率容量以及装机功率容量的浪费。另一方面，过于激进的SoP估计可能导致一系列渐进问题，如高功耗、温度快速升高、充电/放电过早终止、加速退化，甚至电路故障、热失控和火灾。因此，准确预测单电池系统和多电池ESS的SoP至关重要。此外，只有基于精确的SoP预测，控制器才能有效地调节充电和/或放电电流或功率，以实现多电池ESS的优化性能。
因此，需要改进对具有并联电池单元的电能存储系统的充电和放电能力的控制。
定义
措辞“电能存储系统”ESS在下文和整个说明书中应被解释为包括电池系统，该电池系统包括并联连接的至少两个电池单元，其中“电池单元”在下文中进一步定义。ESS可以包括多个电池单元，并且并联连接可以出现在ESS内的任何级别。
措辞“电池单元”应该在下面和整个说明书中被解释为包括电池组，所述电池组本身可以包括一个或多个并联或串联电连接的电池模块。更进一步，措辞“电池单元”应该被理解为也包括可以包括多个电池组的单元。措辞“电池单元”也应该理解为包括单个电池单体、串联连接的电池单体串以及包括多个并联连接和/或串联连接的电池单体的电池模块。因此，措辞“电池单元”可以指电池单体、包括至少一个电池单体的电池模块、包括至少两个电池模块的电池组，以及包括至少两个电池组的单元。
措词“负载电流和/或负载功率”在这里应该理解为包括负载电流和负载功率中的一个或两个，其中负载电流是充电电流和放电电流中的一个或两个，并且其中负载功率是充电功率和放电功率中的一个或两个。这也可以称为“充电和/或放电电流或功率”。
术语“预测时间范围”是指从给定时刻到未来某个时间点的时间段。
如在本申请的上下文中所使用的，电能存储系统ESS的功率状态SoP由最大恒定电流幅值或功率幅值来定义，在不违反任何电池单体级别操作约束的情况下，ESS可以用该最大恒定电流幅值或功率幅值在随后的关注时间范围(即，预测时间范围)期间被持续充电或放电。充电期间ESS的SoP由最大恒定电流幅值或功率幅值定义，在不违反任何电池单体级别操作约束的情况下，ESS可以用该最大恒定电流幅值或功率幅值在预测时间范围内被持续充电。相应地，放电期间ESS的SoP由最大恒定电流幅值或功率幅值定义，在不违反任何电池单体级别操作约束的情况下，ESS可以用该最大恒定电流幅值或功率幅值在预测时间范围内被持续放电。ESS的SoP可以根据电流幅值和功率幅值中的一个或两个来确定。ESS的SoP可以针对充电和放电场景并行确定，并且在这种情况下可以包括对充电有效的电流和/或功率值，以及对放电有效的电流和/或功率值。ESS的SoP也可以仅针对充电和放电场景中的一种来预测。
发明内容
本发明的主要目的是提供一种至少在某些方面改进的用于预测具有并联电连接的电池单元的电能存储系统ESS的功率状态SoP的方法。尤其是，目的是提供准确的SoP预测/估计，基于该预测/估计可以控制这种ESS的充电和放电。
根据本发明的第一方面，通过根据权利要求1所述的用于预测包括并联电连接的至少两个电池单元的ESS的功率状态的方法来实现至少主要目的。所述计算机实现的方法包括：
-在ESS操作期间从ESS的至少两个电池单元获得操作数据，
-基于所获得的操作数据并通过使用基于ESS的系统级模型的算法来计算ESS的功率状态，其中ESS的系统级模型一方面考虑ESS的至少两个电池单元中的每一个，另一方面考虑至少两个电池单元之间的至少一个电连接，并且其中ESS的系统级模型还考虑至少两个电池单元之间的动态并联负载分布。
因此，根据该方法，预测整个ESS的SoP，而不需要对ESS的单个电池单元的功率状态SoP(i)进行任何中间估计或预测。该方法使用来自至少两个电池单元的操作数据作为ESS的系统级模型中的输入。因此，使用系统级模型计算ESS的SoP，用来自单个电池单元的操作数据作为输入数据。这对应于自上而下的方法，其中使用基于多电池模型的预测，即基于系统级模型的预测，直接计算ESS的SoP，这与自下而上的方法相反，在自上而下的方法中，首先计算单个电池单元的SoP(i)，然后计算ESS SoP。因此，使用系统级模型能够直接预测整个ESS的SoP。可以实现SoP的更准确预测，因为该预测不依赖于单个电池单元，例如单个电池单体或电池组的预测SoP(i)。
根据本发明使用的自上而下的方法意味着整个ESS的负载电流和/或负载功率在预测时间范围内被设置为恒定的，而只要不违反单个电池单元的操作约束，单个电池单元的负载电流和/或负载功率就被允许变化。相反，通常使用的自下而上的方法意味着各个电池单元的负载电流和/或负载功率在预测时间范围内被设置为恒定的。从整个ESS利用的角度来看，自上而下的方法是有用的，因为终端用户功能，例如车辆控制系统，不需要关于单个电池单元的负载功率/负载电流是否变化的信息，只要它们在单个电池单元的操作约束内即可。
由此实现了一种用于预测包括并联连接的电池单元的多电池ESS的SoP的方法，该方法更准确并且提供了预测的SoP估计，该预测的SoP估计可以用作有效调节充电或放电电流或功率以实现ESS的优化性能的基础。通过考虑并联连接的电池单元之间的电连接，而不仅仅是单个电池单元，可以克服与控制去往/来自系统的ESS级别负载电流或功率相关联的困难，在该系统中，电池单元之中的负载分布(即电流和/或功率分布)由于电阻的变化(例如由于温度变化等)而随时间变化。可以为每个电缆连接单独指定电缆连接电阻。在系统级模型内的状态空间表示中，可以考虑混合代多电池系统的电热模拟、并联电池单元之间的电流分流预测、冷却剂流下的温度预测、以及运行中连接下的浪涌电流预测。考虑至少两个电池单元之间的动态并联负载分布，以便对并联连接的电池单元之间的动态相互作用进行建模。因此，系统级模型能够对电池单元之间的负载分布进行动态预测。
优选地，系统级模型可以考虑至少在两个单独的未来时刻电池单元之间的动态并联负载分布。
ESS充电的功率状态可能不同于ESS放电的功率状态。该方法可以并行预测充电和放电两者的功率状态，即分别预测充电电流和/或功率，以及放电电流和/或功率。因此，该方法的输出可以包括一个代表充电SoP的信号和/或一个代表放电SoP的信号。同样如上所述，SoP可以根据电流和/或功率来提供。
并联连接可以存在于ESS内的任何级别，即在单个电池单体之间，和/或在继而包括串联连接的电池单体的单个电池模块之间，和/或在ESS的单个电池组之间。该模型可以优选地考虑至少两个电池单元之间的至少所有现有并联电连接。还优选考虑电池单元内的电连接，例如串联连接的电池单体之间的电连接。
如果ESS包括并联连接的电池单元，并联连接的电池单元又包括多个并联连接的子单元，例如，如果ESS包括两个并联连接的电池模块，并联连接的电池模块又包括并联连接的电池单体，则每个电池单元内的并联连接的子单元可被视为一个大的电池单元，约束变量被定义为整个电池单元的集合，而不是该电池单元内的单个子单元的集合。替代地，包括并联连接的子单元的每个电池单元本身可以被视为“多电池ESS”，并且在这种情况下，所提出的计算ESS SoP的方法适用于电池单元。
用作系统级模型的输入数据的来自各个电池单元的操作数据可以包括使用传感器获得的与每个电池单元的电流、电压和温度相关的测量数据。操作数据还可以包括与每个电池单元的充电状态(SoC)、容量状态(SoQ)、健康状态(SoH)、电阻状态(SoR)和温度状态(SoT)等相关的计算/估计数据。这种与SoC、SoH、SoQ、SoR等相关的计算/估计数据可以使用不同类型的线性/非线性估计/观察方法(包括卡尔曼滤波、递归最小二乘法等)从测量数据中推断出。电池单元SoH是指示电池单元相对于其寿命开始时的初始健康状况的健康状况的量。它可以基于SoQ和SoR估计来计算。
ESS的系统级模型可以考虑至少两个电池单元中每一个的多个变量。所述变量可以至少部分对应于用作至模型的输入数据的操作数据。系统级模型可以例如考虑以下内容：
·许多电池单元，
·每个电池单元i的充电状态SoC(i)，
·每个电池单元i的温度T(i)，
·每个电池单元i的容量状态SoQ(i)，
·每个电池单元i的电阻状态SoR(i)，
·电池单元之间以及电池单元和用于ESS充电/放电的负载之间的连接电阻。电缆连接电阻可以在SoP预测期间在线估计，或者可以基于电缆材料和尺寸(包括长度和横截面积)的给定电阻率特性预先计算。
因此，可以根据电池单元的数量来定制模型，并且考虑每个电池单元的老化水平和电池类型，其中老化水平指的是每个电池单元的SoQ、SoR和/或SoH。因此，对于异构或混合代多电池系统，可以实现更准确的SoP估计。
可选地，ESS的系统级模型是基于等效电路模型的动态数学模型，其中至少两个电池单元之间的至少一个电连接被建模为至少一个电阻。等效电路模型可以是零阶，即仅包含一个欧姆电阻而不包含RC元件，一阶，即一个电阻和一个RC元件，二阶，或n阶，即一个欧姆电阻和n个RC元件。替代地，ESS的系统级模型可以是基于另一个模型的动态数学模型，例如可以使用电化学模型、经验模型、半经验模型或另一种已知模型。
可选地，至少两个电池单元中的每一个的至少一个约束变量的操作限制被用作系统级模型的输入，其中至少一个约束变量包括电池单元电流、电池单元端子电压、电池单元温度、电池单元充电状态和电池单元开路电压中的至少一项。所提出的方法允许同时包含所有约束变量，因此可以同时考虑多个约束变量的操作限制。操作限制可以是操作上限和/或下限。可以为充电和放电设置不同的操作限制。通常分别为电流幅值和电压幅值设置电池单元电流和电池单元端子电压的操作限制。这种操作限制可以根据电池类型来设置，并且可以例如由电池单元的制造商来定义。
通过设置每个电池单元的约束变量的操作限制，可以允许在预测时间范围期间，在电池单元级别，例如在电池单体级别发生变量的变化。以这种方式，可以实现上面提到的自上而下的方法，其中通过操作限制来设置电池单元级别的约束。简而言之，不需要单个电池单元在整个预测时间范围内保持恒定的功率水平。这有助于对包括并联连接的电池单元的ESS的SoP进行更准确的估计，因为并联连接使得电池单元之间的电流分布随时间变化。
优选地，应该通过设置至少一个操作上限来约束电池单元电流幅值，因为太大的电流幅值会导致多种问题，例如高功率损耗和温度、快速退化、甚至火灾。对于包括串联连接的单体(例如在串上串联连接的多个电池单体)的模块，还对串电流强加单体电流幅值操作限制。可以为ESS的充电和放电设置不同的电流幅值上限。
此外，作为电池操作状态和电路故障的重要指标，电池单元端子电压，例如电池单体端子电压，也优选受到约束。
可选地，计算ESS的功率状态的步骤包括求解约束优化问题，在约束优化问题中，ESS的可能负载电流幅值和/或可能负载功率幅值根据至少一个约束变量的操作限制被最大化。换句话说，通过在不违反至少一个约束变量的操作限制的情况下最大化ESS的可能负载电流幅值和/或可能负载功率幅值来解决该问题。优化问题可以在没有任何中间初步估计的情况下一次性解决，或者可以使用逐步方法。一次性解决整个预测时间范围内的完整优化问题是复杂的，但并非不可能，但逐步方法可能计算效率更高。如上所述，所确定的SoP可以包括充电SoP和放电SoP中的一项或两项。
可选地，针对可预定义的预测时间范围([t0，t0+Δt])来预测功率状态，并且其中该估计包括预测在预测时间范围期间至少一个约束变量的演变。这可以是在预测时间范围内的至少两个不同的时刻，并且优选地是在预测时间范围内的若干不同的时刻。
可选地，ESS的最大可能负载电流幅值和/或最大可能负载功率幅值在预测时间范围内被设置为恒定的。
可选地，对于每个单独的电池单元，允许电池单元负载功率或负载电流在预测时间范围内随时间变化。与使用SoP的单体级估计作为预测ESS的SoP的基础的传统方法相比，这是一种不同的方法。在这样的传统方法中，ESS的SoP是在假设每个电池单元的功率和/或电流应该在预测时间范围内保持恒定的情况下计算的。
可选地，针对可预定义的预测时间范围来预测功率状态，在该预测时间范围内，ESS的最大可能负载电流幅值和/或最大可能负载功率幅值被设置为恒定的，而对于每个单独的电池单元，允许电池单元功率或电流在预测时间范围内随时间变化，其中该估计包括预测至少一个约束变量在预测时间范围期间的演变。
可选地，功率状态的估计包括：
-预测在预测时间范围内ESS的最大可能负载电流幅值和/或最大可能负载功率幅值，该最大可能负载电流幅值和/或最大可能负载功率幅值是在不违反至少一个约束变量的操作限制的情况下可以使用的最大幅值的负载电流和/或负载功率，以及
-将ESS的功率状态设置为预测的最大可能负载电流幅值和/或预测的最大可能负载功率幅值。
如上所述，所确定的SoP可以包括充电SoP和放电SoP中的一项或两项。
预测最大可能充电或放电电流或功率幅值可以包括：
-预测在预测时间范围的开始和结束时ESS的可能负载电流幅值和/或可能负载功率幅值的端值，
-基于预测端值，设置最大可能负载电流幅值和/或最大可能负载功率幅值的初步估计，
-确定初步估计是否可行，其中如果初步估计被确定为可行，则将初步估计设置为预测的最大可能负载电流幅值和/或预测的最大可能负载功率幅值。
在初步估计被确定为可行的情况下，这种逐步的方法允许节省计算能力。基于预测端值的初步估计集合可以被设置为预测的最小端值。基本上，在这种逐步方法中，分别基于预测时间范围的两个端点处的每个约束变量来计算充电和/或放电的SoP，并且这些SoP值的最小值分别用于计算充电和/或放电的初步SoP估计。
约束变量在预测时间范围内的操作限制可能在开始、结束或在这些时间边界之间达到。在上面描述的逐步方法中，首先假设在预测时间范围的边界，即端点达到操作限制。在这种假设下，在两个端点分别基于每个约束变量计算SoP。此后，取这些计算的SoP值的最小值来计算一个或两个初步SoP估计，即一个用于充电和/或一个用于放电。只有当上述假设不成立时，即，如果在边界处没有达到操作限制，则执行对估计的进一步搜索。换句话说，只有在预测时间范围的两个边界之间达到操作限制时，才执行进一步的搜索和优化。
因此，确定初步估计是否可行包括确定在预测时间范围的端点是否达到操作限制。初步估计可能证明是不可行的，因为约束值的所有中间值，即在预测时间范围的开始和结束之间的中间值，都被忽略，即没有对照它们的限制进行检查，这意味着不能保证在每个中间时刻这些约束变量的限制都得到遵守。因此，可以通过将初步ESS SoP估计馈送到ESS的系统级模型，并模拟当ESS加载有对应于初步SoP估计的电流或功率时，每个单独电池单元的各种约束变量如何在预测时间范围内演变，来检查初步ESS SoP估计的可行性。如果这种基于模型的模拟/预测显示在预测时间范围的端点之间的任何时刻违反了任何一个操作限制，则初步估计可被确定为不可行，并且进一步的搜索是必要的。在没有违反的情况下，初步估计可以被认为是可行的，因此将不需要进一步的搜索，并且该初步估计将作为最终最优值输出，即它作为ESS的预测功率状态输出。
如果初步估计没有被确定为可行，则预测最大可能充电或放电电流或功率幅值还可以包括：
-求解优化问题以确定在预测时间范围期间ESS的最大可能负载电流幅值和/或最大可能负载功率幅值。
这需要更多的计算能力，但是在初步估计没有被确定为可行的情况下会得到更准确的估计。通过去除可能出现在预测时间范围的两个端点之间的约束变量的任何违反，求解优化问题以找到ESS的可行最大负载电流幅值和/或可行最大负载功率幅值。这可以通过以下步骤实现：
1)使用基于模型的模拟，识别操作限制被违反的约束变量集合；
2)假设该集合中的每个约束变量达到峰值或谷值，并且在预测时间范围的两个端点之间至少一次达到其操作限制(所谓的发生点)；
3)通过在系统级模型中使用上述假设，找到每个约束变量达到其峰值或谷值的时间点(发生时间)，然后求解该集合中每个约束变量的时间；
4)通过为该集合中的每个约束变量在系统级模型中插入相应的发生时间来确定ESS负载电流的幅值；
5)通过取步骤4中计算的所有ESS负载电流幅值的最小值来确定ESS的SoP。
可选地，ESS的功率状态的估计的更新频率至少为1Hz、5Hz或10Hz，并且其中预测时间范围被设置为至少1s、2s、5s、10s或30s。典型的更新频率可以是10Hz。在一些应用中，更低的更新频率是可接受的，而在一些应用中，更高的频率是期望的。最低更新频率取决于应用和电池化学类型。在一些动态性较低的应用中，低于1Hz的频率可能就足够了。此外，根据应用，可以设置更长的预测时间范围，例如1分钟到60分钟。
根据本发明的第二方面，提供了一种用于控制包括并联电连接的至少两个电池单元的ESS的负载的方法。所述方法包括：
-使用第一方面的方法预测ESS的功率状态，
-基于ESS的预测功率状态，确定用于ESS的加载的计划负载电流和/或负载功率；
-基于所确定的计划负载电流和/或负载功率来控制ESS的加载。
由于使用ESS的系统级模型提供的SoP的更准确预测，实现了对ESS的加载，即ESS的充电和/或放电电流或功率的改进的控制。
根据第三方面，提供了一种包括并联电连接的至少两个电池单元的电能存储系统的控制单元，其中控制单元被配置为执行根据第一和/或第二方面的方法的步骤。
根据第四方面，提供了一种计算机程序，其包括使计算机执行根据第一方面的方法的步骤的指令。
根据第五方面，提供了一种上面存储有根据第四方面的计算机程序的计算机可读介质。
根据第六方面，提供了一种电能存储系统，其包括并联电连接的至少两个电池单元和根据第三方面的控制单元。所述至少两个电池单元可以包括并联电连接的至少两个电池模块，每个电池模块包括多个电池单体。ESS可以是车辆或船只的ESS，但也可以是固定的ESS，例如智能电网或备用电源系统的ESS。
根据第七方面，提供了一种包括根据第六方面的电能存储系统的车辆。车辆可以是全电动车辆，或者还包括内燃机的混合动力车辆。车辆可以优选为重型车辆，例如卡车或公共汽车。
在下面的描述和从属权利要求中公开了本发明的其他优点和有利特征。
附图说明
参考附图，下面是作为示例引用的本发明实施例的更详细描述。
在附图中：
图1示出了可以实施根据本发明的方法的车辆，
图2是根据本发明的电能存储系统的示例实施例；
图3是示出根据本发明实施例的方法的流程图，
图4是可以在根据本发明的方法中使用的ESS的系统级等效电路模型的示例，
图5是示出根据本发明实施例的方法步骤的另一流程图。
附图是示意性的，不一定按比例绘制。
具体实施方式
在本详细描述中，根据本发明的方法的实施例主要是参考全电动公共汽车来描述的，该全电动公共汽车包括电池供电的电动机形式的推进系统。然而，应当注意，所描述的发明的各种实施例同样适用于多种多样的混合动力和电动车辆。
图1示出了公共汽车100形式的全电动车辆的简化立体图，根据一个实施例，该全电动车辆配备有用于推进公共汽车的电力推进单元4。当然，除了电力推进单元4之外或者代替电力推进单元4，可以提供其他负载，例如需要电力的辅助系统，和/或车载充电器，和/或动力输出装置。
公共汽车100带有电能存储系统(ESS)1，其包括电池模块2形式的多个并联连接的电池单元，每个电池模块2包括多个电池单体(未示出)。电池单体串联连接以提供具有期望电压电平的输出DC电压。合适地，电池单体是锂离子型的，但是也可以使用其他类型的电池单体。每个电池模块2的电池单体的数量可以在50至500个单体的范围内，或者甚至更多，例如高达10，000个单体。应当注意，ESS还可以包括多个电池组，每个电池组包括一个或多个电池模块2。电池组可以并联连接。
传感器单元(未示出)可以被布置成收集与ESS的操作状况相关的测量数据，即测量电池单体的温度、电压和电流水平。来自每个传感器单元的测量数据被传输到相关联的ESS控制单元3，该控制单元3被配置成在公共汽车100的操作期间管理ESS1。ESS控制单元3还可以被配置成确定指示和控制ESS1的状况或容量的参数，例如电池组1的充电状态(SoC)、健康状态(SoH)、功率状态(SoP)、容量状态(SoQ)、电阻状态(SoR)和能量状态(SoE)。示出了单个控制单元3，其可以是例如所谓的域控制单元DCU，被配置为在ESS的所有级别上实现完整的控制功能。然而，应该理解的是，ESS可以替代地设置有多个控制单元。例如，ESS可以设置有电池管理单元BMU(未示出)，用于管理ESS1的各个电池单元，例如电池组和/或电池模块。每个电池单元的BMU然后接收并处理对应于其相关联的电池单元的测量数据，并且还估计容量状态SoQ(i)、SoR(i)、SoH(i)和SoC(i)。然后，每个BMU将此数据发送到ESS控制单元。可以有专用的ESS主控制单元，或者选择一个BMU，让它除了电池单元级功能之外，还作为ESS主控制单元。
ESS控制单元3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。因此，ESS控制单元3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3可以与公共汽车100的不同部分或公共汽车100的不同控制单元通信。ESS控制单元3可包括硬件或软件模块，或部分硬件或软件模块，并使用已知的传输总线如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3包括用于存储计算机程序代码和数据的非暂时性存储器。因此，技术人员认识到ESS控制单元3可以通过许多不同的构造来具体实施。这也适用于ESS1的其他控制单元。
图2示出了包括电池组形式的三个电池单元2、2’、2”的ESS1。电池单元2、2’、2”与电推进单元形式的负载4(例如电动机/发电机、充电器或辅助负载)并联电连接。如上所述的控制单元3被连接以直接或间接控制负载4，以及控制每个电池单元2、2’、2”。由此可以控制负载4用于ESS1的加载的负载电流或负载功率。测量单元5设置成收集与每个电池单元2、2’、2”的操作状况相关的测量数据。为了简单起见，测量单元5被示为单个单元，但是它当然可以被设置为多个单独的测量单元，例如每个电池单元2、2’、2”一个，并且它可以包括多个传感器，或者被配置为与多个传感器通信。
图3示意性地示出了根据本发明实施例的用于预测诸如图2所示的ESS1的功率状态SoP的方法。这些步骤例如以一定的时间间隔被重复执行，但是不一定按照图2所示的顺序执行。在该实施例中，方法步骤可以在ESS控制单元3中执行。
在第一步骤S1-1中，在ESS1的操作期间获得从ESS1的电池单元2、2’、2”获得的操作数据。该操作数据可以包括当前时刻每个电池单元2、2’、2”的端子电流、端子电压、充电状态、温度、容量状态和电阻状态。操作数据可以是测量数据，和/或从测量数据导出的操作数据。
在第二步骤S1-2中，基于所获得的操作数据并通过使用基于ESS1的系统级模型的算法来计算ESS1的功率状态SoP，其中系统级模型是ESS1的动态数学模型，其在此基于如图4所示的等效电路模型10。ESS1的系统级模型一方面考虑ESS1的电池单元2、2’、2”中的每一个，另一方面考虑至少两个电池单元之间的至少一个电连接。它进一步考虑了电池单元2、2’、2”之间的动态并联电流分布，即，它能够对电池单元2、2’、2”之间的电流分布进行动态预测。例如，该模型适于预测在若干未来时刻电池单元2、2’、2”之中的不同负载分布。ESS1的SoP是在没有对单个电池单元2、2’、2”的SoP进行中间估计的情况下确定的。系统级模型使得能够预测当如图2所示由负载4加载时，在瞬态以及稳态期间，负载功率分布将如何在该ESS1中发生。
在一些实施例中，本发明涉及一种基于预测SoP来控制ESS1的加载的方法。在这种情况下，所述方法还可以包括以下步骤：
S2：基于ESS1的预测的SoP，确定用于ESS1的用于充电或放电的加载的计划负载电流或负载功率；和
S3：基于所确定的计划负载电流或负载功率来控制ESS1的加载，即充电或放电。
现在将参照图4更详细地描述可用于确定ESS1的SoP的系统级模型的示例性实施例，所述ESS1包括单个电池组，该电池组包括并联连接的多个电池模块，图4示出了这种电池组的等效电路模型(ECM)图10，该电池组包括M个并联串，即电池串，每个串具有串联的N个电池单体。并联连接的电池串因此构成并联连接的电池单元。为了分析、评估和控制电池组操作，需要对系统进行适当建模，包括单个电池单体及其连接拓扑两者。这里部署电池ECM是为了模拟每个电池单体，连接电池单体的所有电线都以电阻器为特征。在下文中，术语“电池组”可以理解为ESS，并且诸如“电池组电流”和“电池组电压”的术语因此可以分别理解为ESS电流和ESS电压。
如图4所示，每个电池单体ECM由一个代表其开路电压(OCV)的电压源，一个表征其内部欧姆电阻的电阻器/>和至少一个并联的RC对组成，以捕获内部电压损失、极化的动态特性。在每个RC对中，电阻和电容分别用/>和/>表示，并且相应RC对的电压用/>表示，其中J表示电池单体ECM的阶数。这里，为了清楚起见，仅示出了一阶ECM，即J＝1。基于图4，每个单体的端子电压为：
m∈{1，2，...，M}，n∈{1，2，...，N}，
其中表示第m个串上所有单体的电流，即所谓的串电流。
为了对电池单体和充电器/负载4之中的布线进行建模，在图4中添加了连接电阻器。具体地，每个串上的所有单体连接电阻被聚集成由表示的连接电阻，其中m∈{1，2，...，M}。此外，在相邻的并联串之间，正极和负极端子上的连接电阻分别用/>和/>表示。此外，充电器/负载4通过电线连接到电池组，电线的总电阻由RPc表示。
基于ECM，可以概括所有串上的串联单体的状态空间表示。首先，对于每个电池单体，选择OCV和RC对电压作为状态变量，系统状态矢量x定义如下
所有电池单体的状态空间表示可以概括为
其中As和Bs是矩阵，其元素是根据前述已知ECM参数定义的，并且Is是串电流矢量。
由于并联电池串之中的动态电流分布，所有串电流相互依赖，难以分配。通常，可能控制的是整个电池组(包括多个并联连接的电池单元)的组电流Ip，这需要分析串电流和组电流之间的关系，例如通过将基尔霍夫电压定律应用于由两个相邻电池串和它们的连接电阻器组成的每个回路。因此，有可能通过组电流Ip将串电流Is表示为
IS＝CSx+DSIP，
其中Cs和Ds是矩阵，其元素是根据前述已知ECM参数定义的。可以看出，由于涉及系统状态矢量x，恒定的电池组电流Ip引起时变的串和单体电流Is。
使用电池组电流Ip而不是串电流Is作为输入，包括并联连接的电池单元的电池组的状态空间表示以及由此的ESS的状态空间表示可以被公式化为
其中A是依赖于矩阵As的矩阵，并且其中B是依赖于矩阵Bs的矩阵。由于电池单体OCV-SoC曲线，矩阵A和B两者的值都是状态相关的，因此电池组的状态空间表示是非线性系统或时变线性系统。
此外，作为在预测电池组SoP时受到约束的重要变量，由 表示的单体端子电压的矢量可以从上面导出，并被视为电池组的状态空间表示的另一种可能的输出：
VT＝CTx+DTIP，
其中CT和DT分别是当使用单体端子电压作为输出时，所谓的输出和馈通矩阵。
为了维持多电池ESS(这里由电池组)表示的安全操作，电池组内的每个电池单体/电池单元需要在通常施加于每个电池单体/单元的约束变量的某些约束内操作，约束变量包括电池单元电流、电池单元端子电压、电池单元温度、电池单元充电状态和/或电池单元开路电压。换句话说，对电池单元的那些约束变量施加了操作限制。
在下文中，将基于上面公式化的ESS/电池组操作的状态空间表示来研究考虑了各种约束的ESS/电池组SoP。对于包括不同于图4所示的单体/模块连接结构的多电池ESS，所提出的电池组SoP估计过程也是适用的，因为状态空间表示的公式化和随后的分析都是以通用形式给出的。
计算ESS的SoP通常包括求解约束优化问题，其中ESS的可能负载电流幅值和/或可能负载功率幅值根据至少一个约束变量的操作限制被最大化。换句话说，通过在不违反至少一个约束变量的操作限制的情况下最大化ESS的可能负载电流幅值和/或可能负载功率幅值来求解该问题。这种类型的优化问题在数学上可以表示为：
以及/>
其中
y(t)＝Cx(t)+DIP(t)，
并且
/>
即，其中约束分别适用于电池组中位置(i，j)处的每个单体的每个串电流充电状态SoC(i，j)、端子电压/>和温度T(i，j)。A、B、C、D是如上所述的矩阵。
用t0表示当前时刻，并考虑SoP预测的预测范围[t0；t0+Δt]。然后，在该预测范围内，只要电池组电流受电池组SoP限制，就不会违反所考虑的操作约束。注意，多电池ESS/电池组SoP需要频繁更新以适应时变的系统状态和参数值，例如，10Hz的更新频率通常应用于EV中的电池组SoP估计。用Δtu，Δtu≤Δt表示电池组SoP估计的更新周期。然后，在t0时为随后的预测时间范围Δt估计的每个电池组SoP有效，直到t0+Δtu。
在足够短的预测时间范围Δt内，电池单体的OCV-SoC斜率可以近似视为恒定。替代地，可以使用所谓的电池单体的OCV-SoC斜率的分段仿射近似来处理更长的预测时间范围。
此外，虽然图4中的模型参数受到诸如单体电流、SoC、温度和滞后的因素的影响，但是在短的预测时间范围期间，在给定恒定的电池组电流的情况下，这些因素基本上不会改变。多电池ESS/电池组SoP由恒定的电池组电流定义，因此，在短预测时间范围内，这些模型参数值被假定为恒定。结果，在单个短预测时间范围期间，系统矩阵A、B可近似视为恒定，并且电池组状态空间表示变成线性时不变(LTI)系统。在考虑多个预测时间范围内的系统行为的情况下，电池组的状态空间表示将改为时变线性系统。
考虑到各种操作限制，LTI系统输出以通用形式表示：
y(t)＝Cx(t)+DIP。
例如，如果期望输出串电流IS，则可以基于上述内容将C设置为CS，将D设置为DS，以便在预测时间范围内找到时域解x(t)和y(t)。
如果对应于电池组SoP的电池组电流被馈送到线性状态空间系统模型，即LTI系统，则总共Q个条目中的至少第q个输出条目，诸如串电流输出条目之一和/或端子电压输出条目之一，将在预测时间范围[t0；t0+Δt]期间的某个时刻t*达到输出限制ylim，使得yq*(t*)＝ylim。为了预测可行的电池组/ESS SoP，需要识别达到限制的特定输出条目q*和达到限制的时刻t*。
如果第q个输出条目yq在时刻t∈[t0，t0+Δt]达到其限制ylim，则yq(t)＝ylim。预测时间范围期间相应的电池组电流为
q∈{1，2，...，Q}，t∈[t0，t0+Δt]，
其中Iq是大小为Q的单位矩阵的第q行，矩阵A、B、C和D是或者预先计算或者在t＝t0时更新。在给定输出限制ylim的情况下，相应的输入电池组电流不仅取决于所请求的输出条目的索引，还取决于达到限制的时刻。
根据指定的输出条目及其达到限制的时间，可以获得不同的ESS/电池组电流。为了确保多电池ESS(即电池组)的安全操作，在整个预测范围内，输出矢量中的任何条目都不允许超过限制。因此，在估计的所有估计的可能电池组负载电流中，最小幅值的负载电流被选择作为分别用于充电和/或放电的电池组的SoP：
在实际应用中，由于计算限制，通过穷举搜索可能无法获得准确的电池组SoP。因此，已经设计了基于电池组模型的估计算法，即使用多步骤方法的基于系统级模型的算法。
简而言之，在图5的流程图中示出了根据本发明的一些实施例的用于预测ESS SoP的估计算法。估计算法可以包括：
A：预测在预测时间范围内ESS的最大可能负载电流幅值和/或最大可能负载功率幅值，所述最大可能负载电流幅值和/或最大可能负载功率幅值是在不违反至少一个约束变量的操作限制的情况下可以使用的最大幅值的负载电流和/或负载功率；和
B：将ESS的预测SoP设置为预测的最大可能负载电流幅值和/或预测的最大可能负载功率幅值。
步骤A可以通过以下子步骤来执行：
A-1：预测在预测时间范围的开始和结束时ESS的可能负载电流或负载功率的端值，主要使用如上定义的用于确定的等式。在这种情况下，假设预测时间范围内的约束变量的最大值或最小值出现在预测时间范围的开始或结束处，使得端值可以用作电池组SoP的初始猜测。
A-2：基于预测端值，使用如上定义的用于确定的等式，设置最大可能充电或放电电流或功率的初步估计。这一初步估计作为初始猜测。在步骤A-1中所做的假设下，在两个端点分别基于每个约束变量计算SoP。此后，取这些计算的SoP值的最小值来计算初步SoP估计，一个用于充电，另一个用于放电。只有当上述假设不成立时，即，如果在边界处没有达到操作限制，则执行对估计的进一步搜索。换句话说，只有在预测时间范围的两个边界之间达到操作限制时，才执行进一步的搜索和优化。
A-3：确定初步估计是否可行。初步估计可能是不可行的，因为约束值的所有中间输出值，即预测时间范围的开始和结束之间的值，都被忽略。因此，仍然需要通过将初步估计馈送到多电池ESS/电池组的状态空间表示并通过输出等式对约束变量的输出值进行采样来检查初步估计的可行性，以找到例如单体端子电压VT和/或串电流IS。通过这种方式，将检测到采样点中任何违反约束变量的操作限制的情况。
如果初步估计被发现是可行的，即如果没有输出违反约束变量的操作限制，则算法进行到步骤B。换句话说，初步估计被输出作为ESS的预测SoP。
相反，如果检测到违反操作限制的异常值，则初步估计被认为是不可行的，并且算法通过求解优化问题而继续进行。这可能包括以下子步骤：
A-4：使用基于模型的模拟，确定操作限制被违反的约束变量的集合。这可能是一个或多个约束变量。
A-5：假设来自集合的每个约束变量达到峰值或谷值，并在预测时间范围的两个端点之间至少达到一次其操作限制(所谓的发生点)。通过设置短期预测时间范围，例如1s，可以假设单体电流和单体端子电压在预测时间范围期间不会振荡，并且每个变量将只找到一个峰值或谷值。
A-6：通过在系统级模型中使用上述假设，找出每个约束变量达到其峰值或谷值的时间点(发生时间)，然后求解该集合中每个约束变量的时间。
A-7：通过为集合中的每个约束变量在系统级模型中插入相应的发生时间来确定ESS电流的幅值。
A-8：通过取步骤A-7中计算的所有ESS电流幅值的最小值，预测ESS的SoP，即最大可能负载电流幅值或负载功率幅值。该算法此后进行到步骤B。
电池单体SoC的上限和下限通常是为了避免过度使用ESS中的任何电池单体而施加的，该上限和下限在电池组SoP估计中必须稍微区别对待，因为需要涉及单体OCV-SoC曲线的斜率从当前单体SoC到其规定限制的演变。所提出的算法是针对短预测时间范围而导出的，在该预测时间范围期间，曲线可以被假设成是恒定的。基于对其他操作限制的SoP估计，例如单体电流和端子电压操作限制，可以初步估计电池单体SoC受限的电池组SoP，然后进行可行性检查。如果任何单体SoC在预测时间范围期间超过限制，它在开始时已经足够接近SoC限制。因此，仍然可以应用所提出的去除超出部分的方法。在检查初步估计的可行性和在检测到超出部分的情况下去除超出部分时，可以如下导出相关的输出矩阵。
为了跟踪包括并联连接的电池组中的电池单体SoC演变，与通过时变单体电流的积分进行的库仑计数相比，研究电池单体OCV的计算效率更高，因为它可以直接从系统状态矢量x中提取。通过 表示电池单体OCV矢量，它可以表示为系统输出
VOC＝COCx+DOCIP。
通过应用一般线性电池组模型和导出的分析表达式，所提出的方法和算法的计算效率变得比通过直接构造非线性时变系统模型更高，对于非线性时变系统模型，只能用数值搜索来求解。
应当理解，本发明不限于上述和附图中所示的实施例；相反，本领域技术人员将认识到，在所附权利要求的范围内可以进行许多改变和修改。

Claims (16)

1.一种用于预测电能存储系统ESS(1)的功率状态SoP的方法，所述电能存储系统ESS(1)包括并联电连接的至少两个电池单元(2、2’、2”)，所述方法包括：
-在所述ESS(1)的操作期间，从所述ESS(1)的所述至少两个电池单元获得(S1-1)操作数据；
-基于所获得的操作数据并通过使用基于所述ESS(1)的系统级模型的算法来计算(S1-2)所述ESS(1)的所述功率状态，其中，所述ESS(1)的所述系统级模型一方面考虑所述ESS(1)的所述至少两个电池单元(2、2’、2”)中的每一个的多个变量，另一方面考虑所述至少两个电池单元(2、2’、2”)之间的至少一个电连接，其中，所述ESS(1)的所述系统级模型进一步考虑了所述至少两个电池单元(2、2’、2”)之间的动态并联负载分布，并且其中，所述ESS(1)的所述系统级模型是基于等效电路模型(10)的动态数学模型，在所述等效电路模型中，所述至少两个电池单元(2、2’、2”)之间的所述至少一个电连接被建模为至少一个电阻。
2.根据权利要求1所述的方法，其中，所述至少两个电池单元(2、2’、2”)中的每一个的至少一个约束变量的操作限制被用作所述系统级模型的输入，其中，所述至少一个约束变量包括电池单元电流、电池单元端子电压、电池单元温度、电池单元充电状态和电池单元开路电压中的至少一项。
3.根据权利要求2所述的方法，其中，计算(S1-2)所述ESS的所述功率状态的步骤包括求解约束优化问题，在所述约束优化问题中，所述ESS的可能负载电流幅值和/或可能负载功率幅值根据所述至少一个约束变量的操作限制被最大化。
4.根据权利要求2或3所述的方法，其中，针对可预定义的预测时间范围([t0，t0+Δt])预测所述功率状态，并且其中，所述估计包括预测在所述预测时间范围([t0，t0+Δt])期间所述至少一个约束变量的演变。
5.根据权利要求4所述的方法，其中，所述ESS的最大可能负载电流幅值和/或最大可能负载功率幅值在所述预测时间范围([t0，t0+Δt])内被设置为恒定的。
6.根据权利要求5所述的方法，其中，对于每个单独的电池单元(2、2’、2”)，允许电池单元负载功率或负载电流在所述预测时间范围([t0，t0+Δt])期间随时间变化。
7.根据权利要求5或6所述的方法，其中，所述功率状态的所述预测包括：
-预测在所述预测时间范围([t0，t0+Δt])内所述ESS(1)的所述最大可能负载电流幅值和/或所述最大可能负载功率幅值，所述最大可能负载电流幅值和/或最大可能负载功率幅值是在不违反所述至少一个约束变量的操作限制的情况下能够使用的最大幅值的负载电流和/或负载功率，以及
-将所述ESS的所述功率状态设置为所预测的最大可能负载电流幅值和/或所述最大可能负载功率幅值。
8.根据权利要求7所述的方法，其中，预测所述最大可能负载电流幅值和/或所述最大可能负载功率幅值包括：
-预测在所述预测时间范围的开始和结束时所述ESS(1)的所述可能负载电流幅值和/或所述可能负载功率幅值的端值，
-基于所预测的端值，设置所述最大可能负载电流幅值和/或所述最大可能负载功率幅值的初步估计，
-确定所述初步估计是否可行，其中，如果所述初步估计被确定为可行，则所述初步估计被设置为所预测的最大可能负载电流幅值和/或所预测的最大可能负载功率幅值。
9.根据权利要求8所述的方法，其中，如果所述初步估计被确定为不可行，则所述方法进一步包括：
-求解优化问题以确定在所述预测时间范围期间所述ESS(1)的所述最大可能负载电流幅值和/或最大可能功率幅值。
10.根据权利要求4所述的方法，其中，所述ESS(1)的所述功率状态的估计的更新频率至少为1Hz、或5Hz、或10Hz，并且其中，所述预测时间范围被设置为至少1s、或2s、或5s、或10s、或30s。
11.一种用于控制ESS(1)的加载的方法，所述ESS包括并联电连接的至少两个电池单元(2、2’、2”)，所述方法包括：
-根据前述权利要求中任一项预测所述ESS(1)的功率状态，
-基于所述ESS(1)的所预测的功率状态，确定(S2)用于所述ESS的加载的计划负载电流和/或负载功率；
-基于所确定的计划负载电流和/或负载功率来控制(S3)所述ESS的加载。
12.一种电能存储系统(1)的控制单元(3)，所述电能存储系统包括并联电连接的至少两个电池单元(2、2’、2”)，其中，所述控制单元(3)被配置为执行根据权利要求1至11中任一项所述的方法的步骤。
13.一种计算机可读介质，其上存储有计算机程序，所述计算机程序包括使计算机执行根据权利要求1至10中任一项所述的方法的步骤的指令。
14.一种电能存储系统(1)，包括并联电连接的至少两个电池单元(2、2’、2”)和根据权利要求12所述的控制单元。
15.根据权利要求14所述的电能存储系统(1)，其中，所述至少两个电池单元(2、2’、2”)包括并联电连接的至少两个电池模块，每个电池模块包括多个电池单体。
16.一种车辆(100)，包括根据权利要求14或15所述的电能存储系统(1)。
CN202311710520.7A 2020-06-18 2020-06-18 用于预测多电池电能存储系统的功率状态的方法 Pending CN117856382A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311710520.7A CN117856382A (zh) 2020-06-18 2020-06-18 用于预测多电池电能存储系统的功率状态的方法

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
PCT/EP2020/066920 WO2021254620A1 (en) 2020-06-18 2020-06-18 A method for predicting state-of-power of a multi-battery electric energy storage system
CN202311710520.7A CN117856382A (zh) 2020-06-18 2020-06-18 用于预测多电池电能存储系统的功率状态的方法
CN202080102125.9A CN115702533B (zh) 2020-06-18 2020-06-18 用于预测多电池电能存储系统的功率状态的方法

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
CN202080102125.9A Division CN115702533B (zh) 2020-06-18 2020-06-18 用于预测多电池电能存储系统的功率状态的方法

Publications (1)

Publication Number Publication Date
CN117856382A true CN117856382A (zh) 2024-04-09

Family

ID=71108622

Family Applications (2)

Application Number Title Priority Date Filing Date
CN202080102125.9A Active CN115702533B (zh) 2020-06-18 2020-06-18 用于预测多电池电能存储系统的功率状态的方法
CN202311710520.7A Pending CN117856382A (zh) 2020-06-18 2020-06-18 用于预测多电池电能存储系统的功率状态的方法

Family Applications Before (1)

Application Number Title Priority Date Filing Date
CN202080102125.9A Active CN115702533B (zh) 2020-06-18 2020-06-18 用于预测多电池电能存储系统的功率状态的方法

Country Status (4)

Country Link
US (1) US20230219458A1 (zh)
EP (2) EP4169143A1 (zh)
CN (2) CN115702533B (zh)
WO (1) WO2021254620A1 (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114629905B (zh) * 2022-02-16 2022-10-28 福建时代星云科技有限公司 一种基于云端数据的储能系统sop优化方法及装置
EP4257407A1 (en) * 2022-04-07 2023-10-11 Volvo Truck Corporation A method for improving the availability of an energy storage system in a vehicle
FR3135841B1 (fr) * 2022-05-20 2024-05-10 Safran Electrical & Power Estimation d’un état d’énergie d’une batterie
US20230393209A1 (en) * 2022-06-03 2023-12-07 TotalEnergies OneTech SAS Pack level state-of-power prediction for heterogeneous cells
CN116736141A (zh) * 2023-08-10 2023-09-12 锦浪科技股份有限公司 一种锂电池储能安全管理系统及方法

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7321220B2 (en) * 2003-11-20 2008-01-22 Lg Chem, Ltd. Method for calculating power capability of battery packs using advanced cell model predictive techniques
WO2014202102A1 (en) 2013-06-20 2014-12-24 Volvo Truck Corporation Method for controlling an energy storage system
US9197078B2 (en) * 2013-12-18 2015-11-24 Ford Global Technologies, Llc Battery parameter estimation
US9878632B2 (en) * 2014-08-19 2018-01-30 General Electric Company Vehicle propulsion system having an energy storage system and optimized method of controlling operation thereof
CN105301509B (zh) * 2015-11-12 2019-03-29 清华大学 锂离子电池荷电状态、健康状态与功率状态的联合估计方法
WO2018162023A2 (en) * 2017-03-06 2018-09-13 Volvo Truck Corporation A battery state of power estimation method and a battery state monitoring system
US11691518B2 (en) * 2017-07-21 2023-07-04 Quantumscape Battery, Inc. Predictive model for estimating battery states
CN108845273B (zh) * 2018-08-30 2020-11-03 北京经纬恒润科技有限公司 一种动力电池功率状态估算功能测试方法和装置
CN110196393B (zh) * 2019-05-31 2024-03-12 中国矿业大学 一种锂电池荷电状态、能量状态和功率状态的联合在线估计方法

Also Published As

Publication number Publication date
EP4169143A1 (en) 2023-04-26
EP4394409A2 (en) 2024-07-03
CN115702533A (zh) 2023-02-14
CN115702533B (zh) 2023-12-15
US20230219458A1 (en) 2023-07-13
WO2021254620A1 (en) 2021-12-23

Similar Documents

Publication Publication Date Title
CN115702533B (zh) 用于预测多电池电能存储系统的功率状态的方法
CN109874360B (zh) 能够进行高速单体平衡和节能的充电控制装置及其方法
Rezvanizaniani et al. Review and recent advances in battery health monitoring and prognostics technologies for electric vehicle (EV) safety and mobility
CN109725266B (zh) 一种电池健康状态soh的计算方法及装置
Li et al. Study of battery modeling using mathematical and circuit oriented approaches
Zhou et al. A low-complexity state of charge estimation method for series-connected lithium-ion battery pack used in electric vehicles
CN114050633A (zh) 一种锂电池储能系统的动态管控方法、装置和电子设备
CN109116242B (zh) 一种动力电池的数据处理方法和装置
WO2019199219A1 (en) Methods and control units for determining an extended state of health of a component and for control of a component
US20220179003A1 (en) Characterisation of lithium plating in rechargeable batteries
CN105467325A (zh) 电池容量退化解决的方法和系统
US20220373609A1 (en) State Value for Rechargeable Batteries
CN115951230B (zh) 一种锂电池储能箱的异常检测方法及系统
CN113589174A (zh) 一种锂离子动力电池系统电芯一致性预测方法及装置
Han et al. State of power prediction for battery systems with parallel-connected units
CN115427256A (zh) 用于监测电池单元老化的方法
Selvabharathi et al. Experimental analysis on battery based health monitoring system for electric vehicle
CN114845901A (zh) 用于确定电能存储系统功率状态值的方法
US20220216704A1 (en) Method for controlling electrical connection of battery packs
Becherif et al. Initial state of charge estimation of battery using impedance measurement for electrical vehicle applications
WO2014018048A1 (en) Battery management system
CN115219932A (zh) 用于评价设备电池组的相对老化状态的方法和装置
Samantaray et al. Sizing of battery power pack and performance analysis in an electric vehicle
EP4078206B1 (en) A method for estimating capacity of a battery unit
US20230176137A1 (en) Method and system for determining a remaining useful lifetime of a battery

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