DE102011017113B4 - Method for determining state variables of an accumulator - Google Patents
Method for determining state variables of an accumulator Download PDFInfo
- Publication number
- DE102011017113B4 DE102011017113B4 DE102011017113.4A DE102011017113A DE102011017113B4 DE 102011017113 B4 DE102011017113 B4 DE 102011017113B4 DE 102011017113 A DE102011017113 A DE 102011017113A DE 102011017113 B4 DE102011017113 B4 DE 102011017113B4
- Authority
- DE
- Germany
- Prior art keywords
- state
- calculation
- kalman filter
- charge
- capacity
- 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.)
- Expired - Fee Related
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]
- G01R31/389—Measuring internal impedance, internal conductance or related variables
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/367—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]
- G01R31/392—Determining battery ageing or deterioration, e.g. state of health
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
Abstract
Es ist Aufgabe der vorliegenden Erfindung, die Bestimmung des Alterungsszustandes eines Akkumulators während des Betriebes, z. B. eines Fahrzeuges, das von einer elektrischen Maschine angetrieben wird, zu verbessern und insbesondere die Dynamik der zur Bestimmung des Alterungsszustandes eines Akkumulators verarbeiteten Größen vollständig zu berücksichtigen und dem Messrauschen Rechnung zu tragen. Diese Aufgabe wird erfindungsgemäß mittels eines Verfahrens zur Bestimmung von Zustandsgrößen eines Akkumulators mit einem dreifachen erweiterten Kalman-Filter gelöst, bei dem mit einem ersten Kalman-Filter die Berechnung des Ladezustandes und der durch den Strom erzeugten schnellen und langsamen Überspannungen erfolgt und bei dem mit einem zweiten Kalman-Filter eine Berechnung des Innenwiderstandes erfolgt und bei dem mit einem dritten Kalman-Filter die Berechnung der Zellkapazität erfolgt.It is an object of the present invention to determine the aging state of an accumulator during operation, for. As a vehicle, which is driven by an electric machine, and in particular to fully take into account the dynamics of the processed for determining the aging state of an accumulator sizes and to take into account the measurement noise. This object is achieved by a method for determining state variables of an accumulator with a threefold Kalman extended filter in which the calculation of the state of charge and the fast and slow overvoltages generated by the current takes place with a first Kalman filter and in the case of a second Kalman filter, a calculation of the internal resistance takes place and in which the calculation of the cell capacity is carried out with a third Kalman filter.
Description
Die vorliegende Erfindung betrifft ein Verfahren zur Bestimmung von Zustandsgrößen eines Akkumulators mit den Merkmalen des Patentanspruches 1.The present invention relates to a method for determining state variables of a rechargeable battery having the features of
Zum optimalen Betrieb von Akkumulatoren ist es notwendig, den Alterungsszustand der einzelnen Zellen, auch bekannt als „State of Health” (SOH), zu ermitteln. Dies ist besonders wichtig für den Betrieb von Hochvolt-Traktions-Akkumulatoren in Elektro- und Hybridfahrzeugen, da der SOH direkte Auswirkungen auf die Reichweite des Elektrofahrzeugs und den Verbrauch bei Hybridfahrzeugen hat. Durch eine genaue Ermittlung des SOH kann die Leistungsfähigkeit der einzelnen Zellen und die Lebensdauer des gesamten Hochvolt-Traktions-Akkumulators bestimmt werden. Bisher bekannte Verfahren zur Bestimmung des SOH nehmen einen den SOH bestimmenden Parameter, wie den Innenwiderstand oder die Kapazität, als konstant an und legen ihren Algorithmus für statische Stromprofile aus. In Bezug auf die Bestimmung des SOH für Blei-Akkumulatoren finden sich einige Verfahren in der Literatur wieder, beispielsweise in dem Fachartikel „Cox, Michael und Fritsch, Mike: Automotive ”Smart” Battery with State of Health Conductance Testing and Monitoring Technology (onGUARD®), in: SAE 2003 World Congress & Exhibition, (2003), S. 1–7.” Anhand des Kapazitätsverlustes wird auf den SOH geschlossen. Für Lithium-Ion-Zellen stehen ähnliche Modelle zur Verfügung. Mit Hilfe eines elektrochemischen Batteriemodells kann z. B. gemäß dem Fachartikel „Fuller, Thomas F.; Doyle, Marc; Newmann, John: Simulation and optimization of the dual lithium ion insertion cell, in: Journal of the Electrochemical Society, (1994), 141, S. 1–10.” die Zellkapazität bestimmt werden. Gemäß dem Bericht „Rakhmatov, Daler; Vrudhula, Sama; Wallach, Deborah A.: Battery lifetime prediction for energy-aware computing, in: Proceedings of the 2002 international symposium on Low power electronics and design, (2002), 6, S. 154–159” wurde ein elektrochemisches Modell für Lithium-Ion-Batterien in tragbaren Elektrogeräten entwickelt, um die Batterielebensdauer zu bestimmen. Gemäß dem Artikel „Spotnitz, R.: Simulation of capacity fade in lithium-ion batteries, in: Journal of Power Sources, (2003), 1 (113), S. 72–80.” wurde das Modell erweitert, indem eine SEI-Schicht (Solid Electrolyte Interface) implementiert und der Zusammenhang zwischen der Impedanzänderung und dem Kapazitätsverlust analysiert wurde. Gemäß dem Beitrag „Ramadass, P.; Haran, Bala; Gomadam, Parthasarathy M.; White, Ralp; Popov, Branko N.: Development of First Principles Capacity Fade Model for Li-Ion Cells, in: Journal of the Electrochemical Society, (2004), 151, S. A196–A203.” konnte durch Implementierung der Lösungsreduktions-Reaktion im elektrochemischen Basismodell eine Möglichkeit bereitgestellt werden, den Kapazitätsverlust zu bestimmen. Bisherige Methoden zur Bestimmung des SOH einer Lithium-Ion-Batterie verwenden unter Laborbedingungen das Verfahren der Impedanzspektroskopie. Dieses Verfahren ist aufgrund seiner Komplexität und des Rechenaufwandes nicht in einem Fahrzeug einsetzbar, vergleiche z. B. „Buller, S.: Impedance-Based Simulation Models for Energy Storage Devices in Advanced Automotive Power Systems, 31, Diss., Shaker – Aachener Beiträge des ISEA, Aachen, 2002.„. Sofern die Batterieparameter im Fahrzeug bestimmt werden sollen, werden immer einige Zustandsgrößen, wie z. B. der Innenwiderstand, als konstant angenommen, z. B. in „Haifeng, Dai; Xuezhe, Wei; Zechang, Sun: A New SOH Prediction Concept for the Power. Lithium-ion Battery Used on HEVs, in: Vehicle Power and Propulsion Conference, 2009. VPPC '09. IEEE, (2009), S. 1649–1653.”. Eine Ausnahme wird in „Plett, Gregory L.: Sigmapoint Kalman filtering for battery management systems of LiPB-based HEV battery packs. Part 1: Introduction and state estimation, in: Journal of Power Sources, (2006), 161, S. 1356–1368.” dargestellt, der ansatzweise anhand eines Sigma-Punkt Kalman-Filters die Berechnung der Systemzustände und -parameter zeigt, jedoch von einem statischen Stromprofil ausgeht. Die beschriebenen Verfahren ermitteln den SOH aus einem vorgegebenen Stromverlauf. Ein Verlauf, welcher einem realen Fahrzyklus entspricht, wurde bisher nicht verwendet. Der Unterschied zwischen dem vorgegebenen und dem realen Fahrzyklus liegt in der Dynamik des Stromes. Während bei ersterem der Stromverlauf statisch ist und keine großen Sprünge zwischen dem Entlade- und Ladestrom vorliegen, findet beim realen Fahrzyklus der Wechsel zwischen Entladen und Laden dynamisch statt, wodurch die Identifikation der Zustandsgrößen erschwert wird. Anders gesagt, besteht das System aus mehreren Zustandsgrößen, die sich unterschiedlich schnell ändern (wie z. B. der Ladezustand mit dem Eingangsstrom, während die Kapazität beim Fahrzyklus relativ konstant bleibt), muss eine Trennung der Zustandsgrößen in einem erweiterten Kalman-Filter stattfinden. Dies kann z. B. mittels eines Joint- oder eines Dualen-EKF erfolgen, wie in dem Bericht „Plett, Gregory L.: Dual and Joint EKF for Simultaneous SOC and SOH Estimation, in: EVS21, (2005), S. 1–12.” beschrieben. Gemäß dem Dokument
Diese Aufgabe wird erfindungsgemäß mittels eines Verfahrens zur Bestimmung von Zustandsgrößen eines Akkumulators mit einem dreifachen erweiterten Kalman-Filter gelöst, bei dem mit einem ersten Kalman-Filter die Berechnung des Ladezustandes und der durch den Strom erzeugten schnellen und langsamen Überspannungen erfolgt und bei dem mit einem zweiten Kalman-Filter eine Berechnung des Innenwiderstandes erfolgt und bei dem mit einem dritten Kalman-Filter die Berechnung der Zellkapazität erfolgt, mit folgenden Schritten:
- a.) Berechnung des Ladezustandes mittels des ersten Kalman-Filters unter der Annahme, dass die Zellkapazität konstant ist,
- b.) Bestimmung der Konvergenzzeit des Ladezustandes,
- c.) Berechnung des Innenwiderstandes mittels des zweiten Kalman-Filters mit einer definierbaren Verzögerung unter der Annahme, dass die Zellkapazität konstant ist,
- d.) Berechnung der Zellkapazität mittels des dritten Kalman-Filters mit einer von der Konvergenzzeit des Ladezustandes abhängigen Verzögerung,
- e.) Berechnung des Alterungszustandes des Akkumulators in Abhängigkeit der gemäß Schritt a.), c.) und d.) berechneten Zustandsgrößen.
- a.) calculation of the state of charge by means of the first Kalman filter, assuming that the cell capacity is constant,
- b.) determination of the convergence time of the state of charge,
- c.) calculating the internal resistance by means of the second Kalman filter with a definable delay, assuming that the cell capacity is constant,
- d.) calculation of the cell capacity by means of the third Kalman filter with a delay dependent on the convergence time of the state of charge,
- e.) Calculation of the aging state of the accumulator as a function of the state variables calculated according to step a.), c.) and d.).
Erfindungsgemäß vorteilhaft werden zunächst mittels dieses dreifachen erweiterten Kalman-Filters alle zu adaptierenden Größen voneinander getrennt, da diese sich im Laufe eines Fahrzyklus unterschiedlich schnell ändern, so dass sämtliche Abhängigkeiten der Zellgrößen untereinander korrekt definiert werden können.Advantageously, according to the invention, first all the variables to be adapted are separated from one another by means of this triple-extended Kalman filter, since they change at different speeds over the course of a drive cycle, so that all dependencies of the cell sizes can be correctly defined among one another.
Dadurch, dass gemäß Schritt b.) die Konvergenzzeit des Ladezustandes des Akkumulators bestimmt und bevorzugt abgespeichert wird, ergibt sich der Vorteil, dass eine Grundlage zur Entscheidung bereitsteht, wann eine Berechnung der Zellkapazität ohne ein Überschwingen bzw. einen erheblichen Fehler möglich ist. Die Konvergenzzeit des Ladezustandes des Akkumulators entspricht dabei der Zeit, welche vergeht, bis der Ladezustand einen bestimmten stabilen Wert annimmt oder in einem definierten Wertebereich liegt.The fact that, according to step b.) The convergence time of the state of charge of the accumulator is determined and stored preferably results in the advantage that a basis is available for deciding when a calculation of the cell capacity without an overshoot or a considerable error is possible. The convergence time of the state of charge of the accumulator corresponds to the time that elapses until the state of charge assumes a certain stable value or lies in a defined range of values.
Dadurch, dass gemäß Schritt c.) die Berechnung des Innenwiderstandes mit einer Verzögerung erfolgt, ist es vorteilhaft möglich, übermäßig stark von der Realität abweichende berechnete Werte des Innenwiderstandes zu vermeiden, da die Initialisierungsfehler bei der Berechnung des Ladezustandes des Akkumulators zunächst ausgeblendet werden. Die Verzögerung kann z. B. in Abhängigkeit des Fehlers bei der Berechnung des Ladezustandes des Akkumulators erfolgen.The fact that, according to step c.), The calculation of the internal resistance takes place with a delay, it is advantageously possible to avoid excessively greatly deviated calculated values of the internal resistance, since the initialization errors in the calculation of the state of charge of the accumulator are initially hidden. The delay can z. B. depending on the error in the calculation of the state of charge of the accumulator.
In einer vorteilhaften Ausführung ist es erfindungsgemäß vorgesehen, das Messrauschen der verwendeten Kalman-Filter zu korrigieren. Auf diese Weise können auch Änderungen von Größen, die kleiner oder gleich dem Messrauschen sind, vom Kalman-Filter herausgefiltert werden. Das wird z. B. für die Berechnung des Ladezustandes mittels des ersten Kalman-Filters dadurch erreicht, dass in Abhängigkeit einer Differenz zwischen der gemessenen und der vom ersten Kalman-Filter im Rahmen der Berechnung des Ladezustandes ebenfalls berechneten Batteriespannung eine Umschaltung zwischen verschiedenen Werten für das Messrauschen erfolgt. Durch diese Korrektur des Messrauschens schwingt das System auch bei großen Initialisierungsfehlern sehr schnell ein und außerdem werden so plötzlich auftretende große Messfehler übersprungen. Der Wechsel zwischen den Werten für das Messrauschen erfolgt bevorzugt mittels eines Übertragungsgliedes 1. Ordnung, so dass ein Überschwingen durch eine zu große Kalman-Verstärkung, hervorgerufen durch den Wechsel der Werte für das Messrauschen, vermieden wird.In an advantageous embodiment, it is provided according to the invention to correct the measurement noise of the Kalman filter used. In this way, changes of sizes that are less than or equal to the measurement noise can be filtered out by the Kalman filter. This is z. B. for the calculation of the state of charge by means of the first Kalman filter is achieved in that, depending on a difference between the measured and the calculated by the first Kalman filter in the calculation of the state of charge battery voltage switching between different values for the measurement noise. As a result of this correction of the measurement noise, the system oscillates very quickly even in the case of large initialization errors and, in addition, it skips over such suddenly occurring large measurement errors. The change between the values for the measurement noise is preferably effected by means of a transmission element of the first order, so that an overshoot is avoided by an excessive Kalman amplification, caused by the change of the values for the measurement noise.
In einer weiteren vorteilhaften Ausführung ist es erfindungsgemäß vorgesehen, dass solange gemäß Schritt d.) die Berechnung der Zellkapazität mittels des dritten Kalman-Filters verzögert ist, da der Ladezustand noch konvergiert bzw. noch nicht einen bestimmten stabilen Wert annimmt oder in einem definierten Wertebereich liegt, dennoch eine Berechnung der Zellkapazität mittels des dritten Kalman-Filters auszuführen, indem der Berechnung der Zellkapazität solange die gemessene Batteriespannung zu Grunde gelegt wird. Wenn jedoch der Ladezustand nicht mehr konvergiert bzw. einen bestimmten stabilen Wert annimmt oder in einem definierten Wertebereich liegt, erfolgt die Berechnung der Zellkapazität auf Grundlage der mittels des ersten Kalman-Filters modellierten Batteriespannung.In a further advantageous embodiment, it is provided according to the invention that the calculation of the cell capacity by means of the third Kalman filter is delayed as long as according to step d., Since the state of charge still converges or does not yet assume a certain stable value or in a defined one Range of values is still to perform a calculation of the cell capacity using the third Kalman filter by calculating the cell capacity as long as the measured battery voltage is used as a basis. However, if the state of charge no longer converges or assumes a certain stable value or is within a defined value range, the calculation of the cell capacity is based on the battery voltage modeled using the first Kalman filter.
Weitere vorteilhafte Ausgestaltungen sind den abhängigen Patentansprüchen und dem nachfolgenden Ausführungsbeispiel zu entnehmen.Further advantageous embodiments can be found in the dependent claims and the following embodiment.
Dabei zeigen:Showing:
Der Alterungszustand der Zelle eines Akkumulators SOH kann z. B. in Prozent angegeben werden. Vor der Inbetriebnahme (engl. BOL = Begin-of-Life) hat die Zelle 100% SOH, 0% SOH liegen beim Lebenszyklusende (engl. EOL = End-of-Life) vor. Der EOL wird erreicht, wenn z. B. nur noch 80% der Nennkapazität zur Verfügung stehen, der Innenwiderstand sich verdoppelt hat oder die Zelle nicht mehr die geforderte Leistung erbringen kann. Der SOH repräsentiert die Alterung der Leistungsparameter (Innenwiderstand und Kapazität) eines Akkumulators bzw. einer Batterie und ihre Eignung, die geforderte Leistung im Kontrast zu einer neuen Batterie zu liefern. Er ist somit eine Interpretation der Messung der Zellparameter. Die Interpretation hängt von der Wahl der Gewichtungsfaktoren in Gleichung 1 ab. Je nach Fahrzeugtyp (Elektrofahrzeug oder Hybridfahrzeug) müssen die SOH-bestimmenden Parameter gemäß Gleichung 1 anders gewichtet werden, denn ein reines Elektrofahrzeug stellt wesentlich größere Anforderungen an seine Traktionsbatterie, als ein Hybridfahrzeug. Die Kapazität der Batterie bestimmt hier die Reichweite. Beim Hybridfahrzeug wird die Traktionsbatterie durch den Verbrennungsmotor unterstützt. Schnelle und hohe Leistungsanforderungen werden von der Batterie gefordert. Hier spielt die Erhöhung des Innenwiderstandes der Batterie eine wesentliche Rolle. Je größer der Innenwiderstand, desto größer die Spannung URi, die an ihm abfällt. Folglich steht bei einem hohen Innenwiderstand weniger Gesamtleistung zur Verfügung. Für eine exakte Bestimmung des SOH ist daher eine Wichtung der beiden Parameter α und β notwendig. Für ein Hybridfahrzeug, welches hohe und schnelle Leistungsanforderungen an seine Traktionsbatterie stellt, müsste der Innenwiderstand höher gewichtet werden, beim Elektrofahrzeug würde der umgekehrte Fall vorliegen. Die Gewichtung kann nach der Gleichung 1 umgesetzt werden. Die Parameter α und β stellen hierbei die Gewichtungsfaktoren (in Prozent) dar.The aging state of the cell of an accumulator SOH can, for. B. in percent. Before start-up (BOL = Begin-of-Life) the cell has 100% SOH, 0% SOH is at the end of life (EOL = Endol Life). The EOL is achieved when z. B. only 80% of the rated capacity are available, the internal resistance has doubled or the cell can no longer provide the required performance. The SOH represents the aging of the performance parameters (internal resistance and capacity) of a rechargeable battery or a battery and their suitability to deliver the required power in contrast to a new battery. It is thus an interpretation of the measurement of cell parameters. The interpretation depends on the choice of weighting factors in
Der Ladezustand (engl. SOC – State-of-Charge) ist eine elementare Zustandsgröße eines Akkumulators. Der SOC repräsentiert die aus einem Akkumulator noch entnehmbare Lademenge. Er wird allgemein in Prozent oder Amperestunden angegeben. Der SOC bezieht sich auf die nominale Kapazität Cn. Er wird gemäß Gleichung 2
Durch die Korrektur der Leerlaufspannung wird der SOC neu angepasst. Sofern die Nennkapazität zur Normierung benutzt wird, stimmt zwar die OCV, aber der SOC wird falsch adaptiert, denn bezogen auf die Leerlaufspannung bleibt der SOC gleich. Das Verhältnis der beiden Größen zueinander ist im Datenblatt der jeweiligen Zelle definiert. Jedem Spannungswert der Zelle wird genau ein Ladezustandswert zugeordnet.By correcting the open circuit voltage, the SOC is readjusted. If the nominal capacity is used for normalization, the OCV is correct, but the SOC is adapted incorrectly, because based on the no-load voltage, the SOC remains the same. The ratio of the two quantities is defined in the data sheet of the respective cell. Each voltage value of the cell is assigned exactly one state of charge value.
Für weitere Betrachtungen ist das Modell eines Akkumulators in den Zustandsraum zu übertragen. Die folgenden Differentialgleichungen sind in Anlehnung an das in
Das Ersatzschaltbild setzt sich aus der Leerlaufspannung OCV, einer Spannung UR die am Innenwiderstand Ri der Lithium-Ion-Zelle abfällt und den Spannungen Us (für schnelle dynamische Änderungen (s)) und Ul (für langsame dynamische Änderungen (l)) an den Tiefpässen zusammen. Die Leerlaufspannung ist als Funktion des Ladezustandes SOC definiert. Zwischen diesen beiden Größen besteht ein nichtlinearer Zusammenhang, der durch die OCV-SOC-Kennlinie wiedergegeben wird, wie in Gleichung 3 gezeigt.
Dabei bezieht sich f(SOC) auf die oben beschriebene Definition des SOC mit der Normierung auf Cakt, siehe Gleichung 4.In this case, f (SOC) refers to the above-described definition of the SOC with the normalization to C akt , see
Für die Ermittlung der OCV-SOC-Kennlinie wird z. B. ein Polynom vierten Grades erstellt. Für die Erstellung des Polynoms wird die Abhängigkeit der Leerlaufspannung von dem Ladezustand aus dem Datenblatt z. B. in Matlab eingelesen und anhand der Matlab-Funktion „polyfit” das Polynom erzeugt, siehe Gleichung 5.
Der Strom wird so definiert, dass ein positiver Wert die Batterie im Fahrzeug lädt und ein negativer diese entlädt. Die Berechnung für den Lade- und Entladewiderstand ist identisch und folgt dem Ohmschen Gesetz, siehe Gleichung 6.
Für die Berechnung des ersten Tiefpasses gilt gemäß Gleichung 7:
Analog wird gemäß Gleichung 8 der zweite Tiefpass berechnet:
Die aufgestellten Gleichungen 3 bis 8 müssen für die weitere Berechnung in den diskreten Bereich überführt werden. Eine detaillierte Beschreibung zur Überführung in den diskreten Zeitbereich findet der Fachmann in den Standartwerken zur Regelungstechnik. Aus Gleichung 3 folgt wie in Gleichung 9 gezeigt:
Die Auflösung des Integrals aus Gleichung 4 kann mit Hilfe eines diskreten Zeitintervalls
Für das Ohmsche Gesetz ergibt sich
Für die Gleichungen 7 und 8 wird ebenfalls für die Diskretisierung das genannte diskrete Zeitintervall verwendet:
Aus dem Maschenumlauf und unter Berücksichtigung der Stromrichtung ergibt sich
Aus den Gleichungen 10 bis 14 können die Zustandsmatrizen und -vektoren für den Zustandsraum aufgestellt werden, wobei eine ausführliche Erläuterung zur Aufstellung der Zustandsmatrizen und -vektoren der Fachmann ebenfalls Standartwerken entnehmen kann. Da der Innenwiderstand Ri,k mehrere Abhängigkeiten aufweist, u. a. vom Strom, Ladezustand und der Temperatur und nicht konstant ist, wird der Innenwiderstand direkt in den Zustandsvektor hineingeschrieben. Die Berechnung der dort abfallenden Spannung erfolgt nachträglich über das Ohmsche Gesetz.From the
Gleichung 15 ergibt sich aus der Systemmatrix der Eingangsmatrix und dem Zustandsvektor Equation 15 results from the system matrix the input matrix and the state vector
Aus der Systemausgangsgleichung (14) ergibt sich
Für Rs, Rl, Cs und Cl können folgende Initialisierungswerte für eine Lithium-Ion-Zelle angenommen werden: Rs = 0.928 mΩ, Rl = 1.977 mΩ, Cs = 980 F und Cl = 1018 F. Die Werte werden während der Simulation anhand der Sprungantwort der Zelle angepasst.For R s , R l , C s and C l the following initialization values for a lithium-ion cell can be assumed: R s = 0.928 mΩ, R l = 1,977 mΩ, C s = 980 F and C l = 1018 F. The Values are adjusted during the simulation based on the step response of the cell.
Das in
Aus Gleichung 16 folgt:
Für die Filter ergeben sich folgende Zustandsraummatrizen und -vektoren: und A2 bzw. θ = [1], B2 bzw. θ = [0], C2,θ = [1].The following state space matrices and vectors result for the filters: and A 2 and θ = [1], B 2 and θ = [0], C 2, θ = [1], respectively .
Diese Matrizen und Vektoren werden in die Gleichungen 17 bis 20 eingesetzt.
Eine Untersuchung auf Beobachtbarkeit und Steuerbarkeit zeigt, dass die Zustandsraumgleichungen des ersten Systems vollständig steuerbar und beobachtbar sind. Beim zweiten und dritten System liegt keine vollständige Beobachtbarkeit und Steuerbarkeit in Bezug auf das gesteuerte System f(x, u) vor. Für das autonome System f(x) ist eine Beobachtbarkeit, aber keine Steuerbarkeit vorhanden. Liegt keine Steuerbarkeit vor, können die Zustandsgrößen nicht von außen beeinflusst bzw. gesteuert werden. Die Beobachtbarkeit reicht aber aus, damit das erweiterte Kalman-Filter richtig funktioniert. Dies wird auch durch die Linearisierung in jedem Berechnungsschritt erreicht. Zusätzlich wird bei der Kapazitätsberechnung ein Rauschen
Die Gleichungen 17 bis 24 stellen die Grundgleichungen der erweiterten Kalman-Filter im diskreten Zeitbereich dar. Aufgrund der Nichtlinearität des Systems ist zudem eine Linearisierung im momentanen Arbeitspunkt erforderlich. Diese erfolgt in Abhängigkeit der entsprechenden Zustandsgröße und fließt direkt in die Berechnung der Kalman-Verstärkung mit ein. Dazu müssen die Ableitungen von Uk nach SOCk, Ri,k, Us,k, Ul,k und nach Cakt,k berechnet werden. Für die Ableitung nach dem Ladezustand, Innenwiderstand und den beiden Spannungen der Übertragungsfunktionen kann die partielle Ableitung verwendet werden und ergibt für den Ladezustand: Equations 17 to 24 represent the basic equations of the extended Kalman filters in the discrete time domain. Due to the non-linearity of the system, a linearization at the current operating point is also required. This takes place as a function of the corresponding state variable and flows directly into the calculation of the Kalman gain. To this end the derivatives of U k by SOC k, R i must, k, U s, k, l U k and C according to nude, k are calculated. For the derivation according to the state of charge, internal resistance and the two voltages of the transfer functions, the partial derivative can be used and gives for the state of charge:
Die Lösung dieser Ableitung ist die Ableitung des Polynoms, welches die Abhängigkeit der Leerlaufspannung vom Ladezustand definiert. Die partiellen Ableitungen der übrigen Zustandsgrößen ergeben The solution to this derivation is the derivation of the polynomial, which defines the dependence of the open circuit voltage on the state of charge. The partial derivatives of the remaining state variables result
Die Berechnung der Ableitung von Cakt,k erfordert das totale Differential, wie in dem Bericht „Plett, Gregory L.: Dual and Joint EKF for Simultaneous SOC and SOH Estimation, in: EVS21, (2005), S. 1–12.” beschrieben, da Uk vom Ladezustand abhängig ist und dieser wiederum von der aktuellen Kapazität. Formell lässt sich dies als
Der Term darf Null gesetzt werden, da die Leerlaufspannung nach
Mit
Wird
Die Lösung der letzten Gleichung muss rekursiv erfolgen. Zur Initialisierung der nachfolgenden Rekursionsschritte werden die Terme des totalen Differentials gleich Null gesetzt. Dabei wird angenommen, dass die Kalman-Verstärkung keine Funktion der Kapazität ist. Die Verstärkung ist zwar abhängig von der Kapazität, diese ist aber vernachlässigbar klein und stünde im keinen Verhältnis zum Berechnungsaufwand.
Das Aufstellen der restlichen Matrizen (Kovarianz und Messrauschen) erfolgt nach Simulationsergebnissen, Erfahrungs- und Literaturwerten und wird im Laufe der Simulation einmalig angepasst. Für die Kovarianzmatrix aus dem ersten Kalman-Filter zur Berechnung des Ladezustandes SOC ergibt sich: The rest of the matrices (covariance and measurement noise) are set up according to simulation results, experience and literature values and are adjusted once in the course of the simulation. For the covariance matrix from the first Kalman filter for calculating the state of charge SOC, the following results:
Als Richtlinie gilt hier: Ein Wert kleiner als 0,01 gibt dem Modell an, dass der Initialisierungswert der jeweiligen Zustandsgröße relativ genau ist.
Das Messrauschen RSOC,k wird für die Berechnung des Ladezustandes in Abhängigkeit des Fehlers ε definiert. Auf diese Weise schwingt das System bei einem großen Initialisierungsfehler sehr schnell ein. Außerdem werden große plötzliche Messfehler übersprungen. Der Fehler ε wird in Prozent angegeben. Der Wechsel zwischen den unterschiedlichen Werten erfolgt mit einer Übertragungsfunktion 1. Ordnung, um ein Überschwingen durch eine zu große Kalman-Verstärkung (hervorgerufen durch den Wechsel der Werte für das Messrauschen) zu vermeiden. Das Messrauschen wird definiert als: The measurement noise R SOC, k is defined for the calculation of the state of charge as a function of the error ε. In this way, the system starts up very quickly in the event of a large initialization error. In addition, large sudden measurement errors are skipped. The error ε is given as a percentage. The change between the different values is done with a 1st order transfer function to avoid overshooting by too much Kalman gain (caused by the change in the measurement noise values). The measurement noise is defined as:
Für die Berechnung des Innenwiderstandes wird das Messrauschen in Abhängigkeit der Stromgröße definiert.
Dabei ist Kp = 0,001 der Verstärkungsfaktor und IRef = C2 (mit C = Cn/Stunde) der Referenzstrom. Die Werte für Kp und IRef werden anhand von Simulationsdurchläufen an das Modell angepasst. Wird die Implementierung nach Gleichung 37 durchgeführt, würde das Messrauschen immer kleiner werden, weshalb ein Schalter eingesetzt wird, der das Messrauschen in Abhängigkeit der Größe des Stromes regelt und zwischen der Gleichung 37 und einem konstanten Wert für das Messrauschen wechselt, siehe
Weiterhin darf die Kapazität nach der Konvergenzzeit des Ladezustandes nicht sofort angepasst werden. Da die Genauigkeit des Batteriemodells zwischen einem Minimum und Maximum (+/–|εmax|) liegt, kann es sein, dass der Fehler ε auch nach der Konvergenzzeit des Ladezustandes nicht Null ist. Eine Berechnung der Kapazität sofort nach dieser Zeit führt dazu, dass, falls zu diesem Zeitpunkt |εmax| anliegt, die Kalman-Verstärkung für die Kapazitätsberechnung zu groß gewählt wird und zu einem Überschwingen führt.Furthermore, the capacity may not be adjusted immediately after the convergence time of the state of charge. Since the accuracy of the battery model is between a minimum and maximum (+/- | εmax |), it may be that the error ε is not zero even after the convergence time of the state of charge. Calculating the capacity immediately after this time means that if | εmax | Kalman gain is too large for the capacity calculation and leads to overshoot.
Deshalb wird die Größe des momentanen Fehlers ε nach der Einschwingzeit kontrolliert. Bei einem Fehler größer als ein vordefinierter Referenzwert, wird ein großer Wert (RC,k = 10) für das Messrauschen übergeben, so dass noch keine bzw. nur eine langsame Anpassung der Kapazität durch das Kalman-Filter stattfinden kann und der ermittelte Kapazitätswert in jedem Abtastschritt nahezu unverändert übergeben wird. Ein großer Fehler würde zu einer großen Verstärkung führen und die Kapazität zunächst falsch adaptieren und ihre Konvergenzzeit erhöhen. Bei einem Fehler kleiner als der Referenzwert, wird ein Schalter umgelegt, der das Messrauschen dauerhaft auf einen festen Wert (RC,k = 0,1) setzt.Therefore, the magnitude of the instantaneous error ε is controlled after the settling time. In the case of an error greater than a predefined reference value, a large value (R C, k = 10) is transferred for the measuring noise, so that no or only a slow adaptation of the capacity can take place through the Kalman filter and the determined capacitance value in each scan is passed almost unchanged. A big mistake would lead to a big reinforcement and initially misapplication of the capacity and increase its convergence time. If the error is less than the reference value, a switch is applied which permanently sets the measuring noise to a fixed value (R C, k = 0.1).
Realisiert wird dies über einen R-S-Flip-Flop, bei dem nur der Set-Eingang benutzt wird. Der nichtinvertierte Flip-Flop-Ausgang legt dabei den Schalter in
Es gilt It applies
Claims (7)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102011017113.4A DE102011017113B4 (en) | 2011-04-14 | 2011-04-14 | Method for determining state variables of an accumulator |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102011017113.4A DE102011017113B4 (en) | 2011-04-14 | 2011-04-14 | Method for determining state variables of an accumulator |
Publications (2)
Publication Number | Publication Date |
---|---|
DE102011017113A1 DE102011017113A1 (en) | 2012-10-18 |
DE102011017113B4 true DE102011017113B4 (en) | 2017-11-09 |
Family
ID=46935530
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE102011017113.4A Expired - Fee Related DE102011017113B4 (en) | 2011-04-14 | 2011-04-14 | Method for determining state variables of an accumulator |
Country Status (1)
Country | Link |
---|---|
DE (1) | DE102011017113B4 (en) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101863036B1 (en) * | 2011-11-30 | 2018-06-01 | 주식회사 실리콘웍스 | Method for estimating the state of charge of battery and battery management system |
CN103135066A (en) * | 2013-01-25 | 2013-06-05 | 文创太阳能(福建)科技有限公司 | Measuring method of electric quantity of segmented iron phosphate lithium battery |
FR3010797B1 (en) * | 2013-09-18 | 2015-10-02 | Renault Sa | METHOD FOR ESTIMATING THE AGING OF A BATTERY CELL OF ACCUMULATORS |
GB201410865D0 (en) * | 2014-06-18 | 2014-07-30 | Custom And Contract Power Solutions Ccps Ltd | Improved battery testing device |
DE102014220913B4 (en) | 2014-10-15 | 2019-06-06 | Volkswagen Aktiengesellschaft | Method and device for determining a change in resistance of an energy storage device and vehicle |
DE102014220914B4 (en) | 2014-10-15 | 2022-10-20 | Volkswagen Aktiengesellschaft | Method and device for determining an operating point-dependent resistance change factor and vehicle |
DK3045925T3 (en) | 2015-01-14 | 2023-06-06 | Corvus Energy Ltd | Method and system for iteratively determining the state of charge of a battery cell |
DE102018203802A1 (en) * | 2018-03-13 | 2019-09-19 | Bayerische Motoren Werke Aktiengesellschaft | Method, device and means of transport for multi-stage filtering of a signal in the electrical system of a means of transport |
DE102020209339A1 (en) | 2020-07-24 | 2022-01-27 | Robert Bosch Gesellschaft mit beschränkter Haftung | Method for predicting a remaining lifetime of vehicle batteries of a fleet of electric vehicles |
CN112363056A (en) * | 2020-08-10 | 2021-02-12 | 万向一二三股份公司 | Method for correcting battery internal resistance service life model based on Kalman filter |
CN112666475B (en) * | 2020-12-02 | 2023-10-20 | 东风汽车集团有限公司 | State of charge estimation method for battery pack of electric vehicle |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10328721A1 (en) * | 2003-06-25 | 2005-01-13 | Robert Bosch Gmbh | Method for predicting a residual life of an electrical energy store |
US20050057255A1 (en) * | 2003-09-17 | 2005-03-17 | Tate Edward D. | Generalized electrochemical cell state and parameter estimator |
-
2011
- 2011-04-14 DE DE102011017113.4A patent/DE102011017113B4/en not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10328721A1 (en) * | 2003-06-25 | 2005-01-13 | Robert Bosch Gmbh | Method for predicting a residual life of an electrical energy store |
US20050057255A1 (en) * | 2003-09-17 | 2005-03-17 | Tate Edward D. | Generalized electrochemical cell state and parameter estimator |
Also Published As
Publication number | Publication date |
---|---|
DE102011017113A1 (en) | 2012-10-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE102011017113B4 (en) | Method for determining state variables of an accumulator | |
DE10231700B4 (en) | Method for determining the aging state of a storage battery with regard to the removable amount of charge and monitoring device | |
EP2487499B1 (en) | Real-time-capable battery cells simulation | |
DE102014214010B4 (en) | Apparatus for estimating open circuit battery voltage based on transient resistance effects | |
EP1588176B1 (en) | Method and device for determining the charge that can be drawn from an energy accumulator | |
DE102014103803A1 (en) | Battery state estimator combining a solid state electrochemical concentration model with an equivalent empirical circuit model | |
DE102015208265A1 (en) | SYSTEM AND METHOD FOR ACCUMULATIVE POWER MANAGEMENT | |
DE102015108295A1 (en) | Method and system for estimating battery model parameters for updating battery models used for control | |
DE102016210341A1 (en) | SYSTEMS AND METHOD FOR EVALUATING BATTERY SYSTEM PARAMETERS | |
EP3766120B1 (en) | Characterisation of lithium plating in rechargeable batteries | |
DE102009045526A1 (en) | Method for initialization and operation of a battery management system | |
DE102013103923A1 (en) | Modeling changes in the state of charge-voltage waveform using regression parameters in a reduced-order physical model | |
DE102009002465A1 (en) | Determining the internal resistance of a battery cell of a traction battery when using resistive cell balancing | |
DE102010039913A1 (en) | A method for balancing states of charge of a battery with a plurality of battery cells and a corresponding battery management system and a battery | |
DE102013221589A1 (en) | Method for determining the capacity of a battery cell | |
DE102013000572A1 (en) | Method for determining model parameters of electrochemical energy storage of e.g. electric vehicle, involves defining parameter record variant as new reference dataset to describe battery model and to determine maximum power of storage | |
EP2223132B1 (en) | Determining the capacity of electrical energy storage systems | |
DE102019135291A1 (en) | METHOD AND SYSTEM FOR ESTIMATING THE REMAINING BATTERY PACK ENERGY USING CELL GROUPS STATE OF CHARGE DISTRIBUTION | |
DE102019211913A1 (en) | Method for determining an aging condition of a battery, control unit and vehicle | |
WO2012171730A2 (en) | Method for estimating state variables of an electrical energy store | |
DE102020206272A1 (en) | BATTERY MANAGEMENT SYSTEM WITH MIXED ELECTRODE | |
WO2020002012A1 (en) | Method for estimating a state of an electrical energy-storage system, and system for determining a remaining capacitance of an electrical energy-storage system | |
DE112019003484T5 (en) | Secondary battery parameter estimation device, secondary battery parameter estimation method and program | |
DE102014214314A1 (en) | Method for operating a secondary battery | |
DE102020130732A1 (en) | Method for determining a value of a parameter of a battery cell, control device and motor vehicle |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R012 | Request for examination validly filed | ||
R016 | Response to examination communication | ||
R018 | Grant decision by examination section/examining division | ||
R020 | Patent grant now final | ||
R119 | Application deemed withdrawn, or ip right lapsed, due to non-payment of renewal fee |