DE102013215894A1

DE102013215894A1 - Systeme und Verfahren zum Schätzen von Batterieparametern

Info

Publication number: DE102013215894A1
Application number: DE102013215894.7A
Authority: DE
Inventors: Xiaofeng MAO
Original assignee: GM Global Technology Operations LLC
Current assignee: GM Global Technology Operations LLC
Priority date: 2012-08-15
Filing date: 2013-08-12
Publication date: 2014-02-20
Also published as: US9086462B2; CN103592604B; US20140049226A1; CN103592604A

Abstract

Die vorliegende Offenbarung betrifft die Schätzung von Batterieparametern, die den Ladezustand und den Funktionszustand umfassen, unter Verwendung von mehreren Partikeln, von denen jedes mindestens einen Parameter und mindestens einen Zustand eines Batteriesystems darstellt. Ein Systemmodell kann das Batteriesystem unter Verwendung einer Verarbeitungslogik simulieren. Jedes der mehreren Partikel kann sich durch das Systemmodell fortpflanzen, um mehrere modellierte Partikelwerte zu erzeugen. Jeder der mehreren modellierten Partikelwerte kann mit einem Messwert eines elektrischen Parameters des Batteriesystems verglichen werden. Auf der Grundlage eines Vergleichs des modellierten Partikelwerts mit dem Messwert kann jedes Partikel gewichtet werden. Auf der Grundlage der Gewichtung, die jedem der mehreren modellierten Partikelwerte zugewiesen wurde, können mehrere nachfolgende Partikel erzeugt werden. Eine Anzahl von Iterationen kann durchgeführt werden, um mehrere abgestimmte modellierte Partikelwerte zu erzeugen, auf denen ein geschätzter Parameter des Batteriesystems beruhen kann.

Description

TECHNISCHES GEBIET
Diese Offenbarung betrifft Systeme und Verfahren zum Schätzen von Batterieparametern, welche den Batterieladezustand (SOC) und/oder den Batteriefunktionszustand (SOH) umfassen. Insbesondere, aber nicht ausschließlich, betrifft diese Offenbarung Systeme und Verfahren zum Schätzen des Ladezustands und/oder des Funktionszustands unter Verwendung eines Partikelfilterverfahrens und/oder eines sequentiellen Monte-Carlo-Verfahrens, um Batterieparameter, etwa eine Leerlaufspannung, zu schätzen.
HINTERGRUND
Die Arbeitsweise eines Batteriesystems ist dynamisch und die Leistung eines Batteriesystems verändert sich mit dem Alter signifikant. Über die Lebensdauer der Batterie hinweg verschlechtert sich die Kapazität der Batterie. Ein Überladen und ein übermäßiges Entladen kann die Verschlechterung der Batteriekapazität beschleunigen. Entsprechend können Steuerungssysteme verwendet werden, um ein Überladen und ein übermäßiges Entladen zum Verbessern der Lebensdauer des Batteriesystems zu verhindern. Außerdem kann die Kapazität einer Batterie durch die Temperatur und andere Betriebsbedingungen beeinflusst werden.
Die Kapazität eines Batteriesystems, das in einem Elektrofahrzeug (EV) und einem Steckdosenhybrid-Elektrofahrzeug (PHEV) enthalten ist, kann die Reichweite des Fahrzeugs begrenzen. Der Funktionszustand eines Batteriesystems ist ein qualitatives Maß für die Fähigkeit einer Batterie zum Speichern und Liefern von elektrischer Energie, während der Ladezustand (SOC) eines Batteriesystems ein Maß für die elektrische Energie ist, die in der Batterie gespeichert ist. Verfahren zur Batteriediagnose und -prognose können verwendet werden, um eine korrekte Arbeitsweise der Batterie aufrecht zu erhalten und um eine Anzeige für einen Anwender darüber bereitzustellen, wann die Batterie vollständig entladen sein wird. Eine Batteriediagnose kann die Verschlechterung der Batterieleistung mitverfolgen, um den Funktionszustand der Batterie zu schätzen, und sie kann den Ladezustand mitverfolgen.
Steuerungssysteme zum Schätzen von Parametern eines Batteriesystems können Algorithmen enthalten, etwa den Kalman-Filter-Entwurf, den klassischen Entwurf der kleinsten Quadrate und den erweiterten Kalman-Filter-Entwurf. Auf der Grundlage der Zeit, die zum Schätzen von Batterieparametern benötigt wird, von Schwierigkeiten derartiger Entwürfe beim Anpassen an Veränderungen, die aus dem Batteriealter resultieren, von Batterievariationen und von Betriebsbedingungen (z. B. Temperatur und Ladezustand) können derartige Systeme jedoch für einige Anwendungen nicht geeignet sein. Außerdem schätzen derartige Systeme typischerweise entweder Batteriezustände oder Batterieparameter, können aber möglicherweise die gleichzeitige Schätzung von sowohl Batteriezuständen als auch Batterieparametern nicht ermöglichen. Schließlich können derartige Systeme Probleme beim Korrigieren einer falschen Schätzung oder Messung eines anfänglichen Ladezustands oder einer Batteriekapazität aufweisen.
ZUSAMMENFASSUNG
Es werden hier Systeme und Verfahren zur Schätzung von Batterieparametern, welche den Ladezustand und den Funktionszustand umfassen, unter Verwendung einer Vielzahl von Partikeln präsentiert, wobei jedes von diesen einen oder mehrere Zustände und Parameter eines Batteriesystems repräsentiert. Es kann ein Systemmodell verwendet werden, um das Batteriesystem unter Verwendung einer Verarbeitungslogik zu simulieren. Jedes der mehreren Partikel kann sich durch das Systemmodell fortpflanzen und kann zu mehreren entsprechenden modellierten Partikelwerten führen. Jeder der mehreren modellierten Partikelwerte kann mit einem Messwert eines elektrischen Parameters des Batteriesystems verglichen werden. Auf der Grundlage eines Vergleichs des modellierten Partikelwerts und des Messwerts kann jedes Partikel gewichtet werden. Auf der Grundlage der Gewichtung, die jedem der mehreren modellierten Partikelwerte zugewiesen wurde, können mehrere nachfolgende Partikel erzeugt werden. Eine gewünschte Anzahl von Iterationen kann durchgeführt werden, um mehrere abgestimmte modellierte Partikelwerte zu erzeugen, auf denen ein geschätzter Parameter des Batteriesystems beruhen kann.
Eine Vielfalt von Parametern und Zuständen des Batteriesystems kann gemeinsam geschätzt werden, etwa eine Leerlaufspannung, ein Ladezustand und ein Funktionszustand und/oder ein beliebiger gewünschter Systemparameter, der unter Verwendung der Systeme und Verfahren, die hier offenbart werden, geschätzt werden kann. Geschätzte Parameter des Batteriesystems können verwendet werden, um das Aufladen und das vollständige Entladen des Batteriesystems zu steuern und/oder um Informationen für einen Anwender bereitzustellen.
KURZBESCHREIBUNG DER ZEICHNUNGEN
Es werden nicht einschränkende und nicht umfassende Ausführungsformen der Offenbarung, die verschiedene Ausführungsformen der Offenbarung enthalten, mit Bezug auf die Figuren beschrieben, in denen:
1 ein beispielhaftes System zum Schätzen von Parametern veranschaulicht, die mit einem Batteriesystem in einem Fahrzeug verbunden sind.
2A ein Flussdiagramm eines beispielhaften Verfahrens zur Batterieparameterschätzung in Übereinstimmung mit hier offenbarten Ausführungsformen veranschaulicht.
2B ein Flussdiagramm eines beispielhaften Verfahrens zur Batterieparameterschätzung in Übereinstimmung mit hier offenbarten Ausführungsformen veranschaulicht.
3 eine Darstellung des Konzepts eines Verfahrens zur Batterieparameterschätzung in Übereinstimmung mit hier offenbarten Ausführungsformen veranschaulicht.
4A eine beispielhafte Widerstands-Kondensator-Schaltung zur Batterieparameterschätzung in Übereinstimmung mit hier offenbarten Ausführungsformen veranschaulicht.
4B eine beispielhafte duale Widerstands-Kondensator-Schaltung zum Modellieren einer Batterie in Übereinstimmung mit hier offenbarten Ausführungsformen veranschaulicht.
GENAUE BESCHREIBUNG
Nachstehend wird eine genaue Beschreibung von Systemen und Verfahren in Übereinstimmung mit Ausführungsformen der vorliegenden Offenbarung bereitgestellt. Obwohl mehrere Ausführungsformen beschrieben werden, versteht es sich, dass die Offenbarung nicht auf eine beliebige Ausführungsform begrenzt ist, sondern stattdessen zahlreiche Alternativen, Modifikationen und Äquivalente umfasst. Obwohl zahlreiche spezielle Details in der folgenden Beschreibung offengelegt werden, um ein gründliches Verständnis der hier offenbarten Ausführungsformen bereitzustellen, können einige Ausführungsformen außerdem ohne einige oder alle diese Details in die Praxis umgesetzt werden. Darüber hinaus wurde der Klarheit halber bestimmtes technisches Material, das in dem zugehörigen Gebiet bekannt ist, nicht im Detail beschrieben, um ein unnötiges Verschleiern der Offenbarung zu vermeiden.
Die Ausführungsformen der Offenbarung werden durch Bezugnahme auf die Zeichnungen am besten verstanden werden, in denen gleiche Teile durch gleiche Bezugszeichen bezeichnet sein können. Es versteht sich, dass die Komponenten der offenbarten Ausführungsformen, die hier in den Figuren allgemein beschrieben und veranschaulicht sind, in einer großen Vielfalt anderer Konfigurationen angeordnet und konstruiert sein können. Folglich ist die folgende genaue Beschreibung der Ausführungsformen der Systeme und Verfahren der Offenbarung nicht dazu gedacht, den Umfang der Offenbarung, wie er beansprucht wird, einzuschränken, sondern sie ist nur repräsentativ für mögliche Ausführungsformen der Offenbarung. Zudem müssen die Schritte eines Verfahrens nicht unbedingt in einer beliebigen speziellen Reihenfolge oder auch nur sequentiell ausgeführt werden, noch müssen die Schritte nur einmal ausgeführt werden, sofern es nicht anders beschrieben ist.
Es werden hier Systeme und Verfahren zum Schätzen von Parametern eines Batteriesystems offenbart. Die hier offenbarten Systeme und Verfahren können Verbesserungen bei Systemen und Verfahren zur Schätzung von Batterieparametern ermöglichen. In Übereinstimmung mit einigen Ausführungsformen können Verbesserungen bei der Geschwindigkeit des Erzeugens eines Schätzwerts von verschiedenen Batteriesystemparametern realisiert werden. In Übereinstimmung mit anderen Ausführungsformen kann eine verbesserte Anpassung an Veränderungen realisiert werden, die aus dem Batteriealter, Batterievariationen und Betriebsbedingungen (z. B. der Temperatur und dem Ladezustand) resultieren. Darüber hinaus können auf der Grundlage der verbesserten Anpassung und/oder der verbesserten Effizienz beim Erzeugen eines Schätzwerts von verschiedenen Batteriesystemparametern Verbesserungen bei der Genauigkeit realisiert werden. Als Folge der verbesserten Genauigkeit beim Schätzen von Batterieparametern können viele Vorteile realisiert werden, etwa Verbesserungen bei der Kraftstoffsparsamkeit in Ausführungsformen, bei denen eine Brennkraftmaschine (ICE) verwendet wird, um ein Batteriesystem zu laden; Verbesserungen bei der Batteriesteuerung; eine längere Batteriesystem-Lebensdauer, verringerte Kosten beim Austauschen von Batteriesystemen, und verringerte Kalibrierungen zum Berücksichtigen von Variationen zwischen einzelnen Batterien.
Verschiedene hier offenbarte Ausführungsformen können sowohl Batteriezustände als auch Batterieparameter durch einen zufallsgesteuerten sequentiellen Modellierungsprozess schätzen, der unter Verwendung von Messwerten aus dem Batteriesystem verfeinert wird. Folglich können die hier offenbarten Systeme und Verfahren in der Lage sein, sich an Veränderungen bei Betriebsbedingungen und an Veränderungen bei Batteriebedingungen über die Lebensdauer der Batterie hinweg anzupassen. Außerdem können die hier offenbarten Systeme und Verfahren aufgrund der robusten Fähigkeiten der Modellierungstechniken, die in Verbindung mit verschiedenen Ausführungsformen der vorliegenden Offenbarung verwendet werden, weniger Kalibrierung benötigen. Darüber hinaus können verschiedene hier offenbarte Ausführungsformen Batteriekapazitätsinformationen beinhalten, wenn diese Informationen verfügbar sind, um den Schätzprozess zu verbessern. Wenn die Batteriekapazität nicht genau bekannt ist, können die Systeme und Verfahren der vorliegenden Offenbarung einen Schätzwert für die Batteriekapazität bereitstellen, der durch sukzessive Iterationen eines Modellierungsprozesses verfeinert wird.
In Übereinstimmung mit bestimmten Ausführungsformen kann eine Leerlaufspannung einer Batterie geschätzt werden, und sie kann verwendet werden, um Schätzwerte für andere Parameter zu berechnen, etwa für den Ladezustand und/oder den Funktionszustand des Batteriesystems. In Übereinstimmung mit verschiedenen Ausführungsformen kann ein iterativer Algorithmus verwendet werden, um mehrere Parameter zu verfeinern und abzustimmen, die verwendet werden können, um die Batterie zu simulieren. In Übereinstimmung mit bestimmten Ausführungsformen kann ein Partikelfilterverfahren und/oder ein sequentielles Monte-Carlo-Verfahren verwendet werden. Ausführungsformen, die auf dem sequentiellen Monte-Carlo-Verfahren beruhen, können sich auf Parameter stützen, die durch wiederholtes zufälliges Abtasten abgestimmt wurden und die zum Simulieren eines Batteriesystems verwendet werden. Unter Verwendung von Messwerten von der Batterie können sukzessive Iterationen zunehmend genaue Schätzwerte des Batteriesystems liefern. Verbesserungen bei der Genauigkeit der Schätzwerte können auf das Abstimmen einer Vielfalt von Batterieparametern bei aufeinanderfolgenden Iterationen eines Algorithmus zurückgeführt werden.
Verschiedene hier offenbarte Ausführungsformen können Zufallswerte beim Modellieren eines Batteriesystems verwenden. Der Begriff ”Zufall” bezeichnet, so wie er hier verwendet wird, einen Wert, der probabilistisch und/oder semiprobabilistisch im Gegensatz zu deterministisch bestimmt werden kann. Verschiedene Arten von Zufallswerten können in Verbindung mit bestimmten Ausführungsformen verwendet werden, die mit der vorliegenden Offenbarung übereinstimmen. Beispielsweise können bestimmte Ausführungsformen Zufallswerte in bestimmten begrenzten Bereichen erzeugen. Die Grenzen derartiger Bereiche können vorbestimmt sein, sie können auch zufällig sein, oder sie können eine Kombination aus zufälligen und vorbestimmten Werten sein. In Übereinstimmung mit bestimmten Ausführungsformen können auch Pseudo-Zufallszahlen verwendet werden. Für die Zwecke der vorliegenden Offenbarung können Pseudo-Zufallswerte wie Zufallswerte betrachtet werden.
1 veranschaulicht ein beispielhaftes System zum Schätzen von Parametern, die mit einem Batteriesystem 102 in einem Fahrzeug 100 verbunden sind. Das Fahrzeug 100 kann ein Kraftfahrzeug, ein Schiff, ein Flugzeug und/oder ein beliebiger anderer Typ von Fahrzeug sein und kann einen Antriebsstrang mit einer Brennkraftmaschine, einen Antriebsstrang mit einem Elektromotor, einen Antriebsstrang mit einer Hybridkraftmaschine, einen Antriebsstrang mit einer Brennstoffzelle (”FC-Antriebsstrang”) und/oder eine beliebige andere Art von Antriebsstrang enthalten, der zur Integration der hier offenbarten Systeme und Verfahren geeignet ist. Das Fahrzeug 100 kann ein Batteriesystem 102 enthalten, das bei bestimmten Ausführungsformen ein Hochspannungs-Batteriesystem (HV-Batteriesystem) sein kann. Das Hochspannungs-Batteriesystem kann verwendet werden, um Komponenten eines elektrischen Antriebsstrangs mit Leistung zu versorgen (z. B. bei einem elektrischen, hybriden oder Brennstoffzellen-Leistungssystem). Bei weiteren Ausführungsformen kann das Batteriesystem 102 eine Niederspannungsbatterie sein (z. B. eine Bleisäure-Kraftfahrzeugbatterie mit 12 V) und kann ausgestaltet sein, um elektrische Energie an eine Vielfalt von Systemen des Fahrzeugs 100 zu liefern, die beispielsweise Fahrzeugstartersysteme (z. B. einen Startermotor), Beleuchtungssysteme, Zündsysteme und/oder dergleichen umfassen.
Das Batteriesystem 102 kann ein Steuerungssystem 104 enthalten. Das Steuerungssystem 104 kann ausgestaltet sein, um bestimmte Operationen des Batteriesystems 102 zu überwachen und zu steuern. Beispielsweise kann das Steuerungssystem 104 ausgestaltet sein, um Lade- und/oder Entladeoperationen des Batteriesystems 102 zu überwachen und zu steuern. Bei bestimmten Ausführungsformen kann das Steuerungssystem 104 mit einem oder mehreren Sensoren, Betätigungsvorrichtungen (z. B. elektrischen Relais) und/oder Systemen kommunikationstechnisch gekoppelt sein, die ausgestaltet sind, um es dem Steuerungssystem 104 zu ermöglichen, Arbeitsweisen des Batteriesystems 102 zu überwachen und zu steuern. Das Steuerungssystem 104 kann ferner ausgestaltet sein, um Informationen an andere Systeme, die im Fahrzeug 100 enthalten sind, zu liefern und/oder um Informationen von diesen zu empfangen. Zum Beispiel kann das Steuerungssystem 104 mit einer Verarbeitungslogik 116 und/oder einem Kraftmaschinensteuerungsmodul (ECM) 118 kommunikationstechnisch gekoppelt sein. Bei bestimmten Ausführungsformen kann die Verarbeitungslogik 116 zumindest teilweise ausgestaltet sein, um Informationen mit Bezug auf das Batteriesystem 102 für einen Anwender des Fahrzeugs 100 bereitzustellen, welche beispielsweise Informationen zum Ladezustand der Batterie, Informationen zur Betriebszeit der Batterie, Informationen zum Funktionszustand der Batterie, Informationen zur Betriebstemperatur der Batterie und/oder beliebige andere Informationen, die das Batteriesystem 102 betreffen und für einen Anwender von Interesse sind, umfassen.
Das Batteriesystem 102 kann einen oder mehrere Batteriestapel 108 enthalten, die geeignet dimensioniert sind, um genügend elektrische Leistung für das Fahrzeug 100 zu liefern. Jeder Batteriestapel 108 kann ein oder mehrere Batteriemodule 110 enthalten. Die Batteriemodule 110 können eine oder mehrere Batteriezellen umfassen, die eine beliebige geeignete Batterietechnologie verwenden, welche beispielsweise Bleisäure, Nickelmetallhydrid (NiMH), Lithium-Ionen (Li-Ion), Li-Ion-Polymer, Lithium-Luft, Nickel-Cadmium (NiCd), ventilgeregelte Bleisäure (VRLA), die ein absorbierendes Glasvlies enthält (AGM), Nickel-Zink (NiZn), Salzschmelze (z. B. eine Zebra-Batterie) und/oder beliebige andere geeignete Batterietechnologien umfasst.
Die Verarbeitungslogik 116 kann ausgestaltet sein, um das Batteriesystem 102 zu modellieren und um einen Schätzwert von verschiedenen Parametern zu erzeugen, die mit dem Batteriesystem 102 verbunden sind. In Übereinstimmung mit verschiedenen Ausführungsformen können mehrere Partikel erzeugt werden, wobei jedes von diesen mindestens einen Satz von Parametern und Zustandsvariablen des Batteriesystems 102 repräsentiert. Jedes der mehreren Partikel kann sich durch das Systemmodell fortpflanzen. Auf der Grundlage eines Vergleichs von Messwerten des Batteriesystems 102 mit den Ergebnissen des Systemmodells, die jedem Partikel zugeordnet sind, kann jedem Partikel eine Gewichtung zugewiesen werden. Auf der Grundlage der Gewichtung, die jedem der mehreren Partikel zugewiesen wurde, können mehrere nachfolgende Partikel erzeugt werden und der Prozess kann iterativ wiederholt werden. Es können geschätzte Werte von Parametern des Batteriesystems 102 erzeugt werden, die mit der Leerlaufspannung des Batteriesystems 102 und dem Ladezustand des Batteriesystems 102 und dem Funktionszustand des Batteriesystems 102 und/oder anderen Parametern in Beziehung stehen, die mit einem Systemmodell des Batteriesystems 102 verbunden sind, wie es nachstehend in größerem Detail in Verbindung mit 4A und 4B beschrieben wird.
Auf der Grundlage der Ergebnisse der Schätzung eines speziellen Parameters des Batteriesystems 102 kann eine Vielfalt von Maßnahmen ergriffen werden. Wenn der Ladezustand des Batteriesystems 102 beispielsweise unter einen speziellen Schwellenwert fällt, kann eine Aufladeoperation eingeleitet werden, indem eine (nicht gezeigte) Brennkraftmaschine in Verbindung mit einem (nicht gezeigten) elektrischen Generator oder ein anderes geeignetes Leistungssystem gestartet wird, um das Batteriesystem 102 aufzuladen und um eine übermäßige Entladung des Batteriesystems 102 zu verhindern. Ferner können die Brennkraftmaschine oder das andere Leistungssystem gestoppt werden, wenn der Ladezustand des Batteriesystems 102 einen angegebenen Schwellenwert überschreitet, um ein Überladen des Batteriesystems 102 zu verhindern. Bei weiteren Ausführungsformen kann unter Verwendung der Verarbeitungslogik 116 auch ein geschätzter Funktionszustand des Batteriesystems 102 erzeugt werden. Ein geschätzter Funktionszustand kann verwendet werden, um eine Anzeige für einen Anwender bereitzustellen, dass das Batteriesystem 102 ausgetauscht werden muss.
2A und 2B veranschaulichen Flussdiagramme von beispielhaften Verfahren 200A bzw. 200B zum Schätzen mindestens eines Satzes von Parametern und Zustandsvariablen eines Batteriesystems, indem mehrere abgestimmte modellierte Partikelwerte erzeugt werden. Bei bestimmten Ausführungsformen kann mindestens ein Satz von Parametern und Zustandsvariablen des Batteriesystems gleichzeitig geschätzt werden. Wie gezeigt ist, enthalten die Verfahren 200A und 200B viele gleiche Elemente; jedoch liegt bei Verfahren 200A das Element 204 außerhalb eines iterativen Prozesses 220A, während das Element 204 bei Verfahren 200B im Inneren eines iterativen Prozesses 220B liegt. Außerdem liegt bei der Ausführungsform, die in 2A veranschaulicht ist, das Element 222 innerhalb des iterativen Prozesses 220A, während das Element 222 bei 2B außerhalb des iterativen Prozesses 220B liegt. Gemeinsame Elemente der Verfahren 200A und 200B werden nachstehend gemeinsam beschrieben.
Bei 202 kann eine gewünschte Anzahl von Partikeln erzeugt werden und Parameter eines jeden Partikels können auf Anfangsbedingungen gesetzt werden. Jedes Partikel in dem Satz kann einen Vektor aus Parametern und Zustandsvariablen repräsentieren, die modelliert und verwendet werden können, um die Systemausgabe vorherzusagen. Die vorhergesagte Ausgabe kann mit beschafften Messwerten aus dem System, das modelliert wird, verglichen werden. In Übereinstimmung mit bestimmten Ausführungsformen können die Anfangsparameter von einem oder mehreren Partikeln in dem anfänglichen Partikelsatz Zufallswerte und/oder vernünftige wahrscheinliche Vermutungen sein. In Übereinstimmung mit einer Ausführungsform können die Zufallswerte innerhalb begrenzter Bereiche gesetzt werden, die einem physikalischen Maximum und Minimum eines Batteriesystems entsprechen. Bei anderen Ausführungsformen können die anfänglichen Parameter und Zustandsvariablen von Partikeln in dem anfänglichen Partikelsatz auf vorbestimmte Werte gesetzt werden. Zum Beispiel können die Werte der Partikel für einen gegebenen Parameter in dem System, das modelliert wird, zwischen minimalen und maximalen Werten verteilt werden. Außerdem können die Werte von einigen Parametern eines gegebenen Partikels zufällig gesetzt werden, während andere Parameter des Partikels vorbestimmt sein können. Den mehreren Partikeln, die bei 202 erzeugt werden, kann anfänglich eine gleiche Gewichtung zugewiesen werden, oder die Partikel können variierende Gewichtungen aufweisen. In Übereinstimmung mit anderen Ausführungsformen können Gewichtungen, die verschiedenen Partikeln zugewiesen werden, auf zuvor bestimmten Werten oder auf vorbestimmten Gewichtungen beruhen.
Bei bestimmten Ausführungsformen können die iterativen Prozesse 220A und 220B eine angegebene Anzahl von Malen durchgeführt werden. Die angegebene Anzahl der Iterationen kann durch eine Variable i dargestellt werden, und eine Zählervariable k kann die Anzahl der Iterationen darstellen, die durchgeführt wurden. Die Zählervariable k kann auf den Wert 1 initialisiert werden und kann am Ende des iterativen Prozesses inkrementiert werden (d. h. am Ende jeder Iteration wird k = k + 1). Der iterative Prozess kann fortgesetzt werden, bis k = i ist, wobei die iterativen Prozesse 220A und 220B an diesem Punkt enden können.
Messwerte von elektrischen Parametern eines Batteriesystems können bei 204 beschafft werden. Wie in 2A angezeigt ist, können Messwerte von elektrischen Parametern des Batteriesystems außerhalb des iterativen Prozesses 220A beschafft werden. Mit anderen Worten könne Messwerte von elektrischen Parametern, die bei 204 beschafft werden, in Verbindung mit mehreren Iterationen des iterativen Prozesses 220A verwendet werden. Andererseits können, wie in 2B angezeigt ist, Messungen von elektrischen Parametern im iterativen Prozess 220B enthalten sein.
In Übereinstimmung mit einer Ausführungsform können die Messwerte von elektrischen Parametern eine Spannung an einem Batterieanschluss und einen Strom, der aus der Batterie entnommen wird, umfassen. In Übereinstimmung mit anderen Ausführungsformen können andere Parameter gemessen werden, die beispielsweise die Impedanz der Batterie umfassen (z. B. Realteil und/oder Imaginärteil).
Messwerte von elektrischen Eigenschaften, die mit der Batterie verbunden sind, können unter Verwendung geeigneter Sensoren, etwa von Spannungssensoren, Stromsensoren und/oder Impedanzsensoren beschafft werden.
Bei 206 können die mehreren Partikel durch ein Modell fortgepflanzt werden und modellierte Werte bestimmt werden. Eine beliebige Anzahl von Techniken und Modellen kann verwendet werden, um ein spezielles System zu modellieren. Zum Beispiel kann, wie in Verbindung mit 4A und 4B erläutert wird, eine Lithium-Ionen-Batterie entweder als eine einzelne oder als eine duale RC-Schaltung modelliert werden. In Abhängigkeit von einem gewünschten Genauigkeitsniveau und verfügbaren Ressourcen, de einer Modellierungsmaschine gewidmet werden können, können mehr oder weniger komplizierte Modelle und/oder Techniken verwendet werden. Beispielsweise kann ein Kompromiss zwischen Genauigkeit und Rechenressourcen existieren. Für spezielle Anwendungen kann ein Ausgleich zwischen einem gewünschten Genauigkeitsniveau, einer gewünschten Simulationszeit und/oder einer verfügbaren Menge von verfügbaren Rechenressourcen bestimmt werden.
Bei 208 kann auf der Grundlage der Korrelation zwischen dem modellierten und dem gemessenen Wert jedem Partikel eine Gewichtung zugewiesen werden. Eine hohe Korrelation zwischen dem modellierten Wert und einem gemessenen Wert kann dazu führen, dass das entsprechende Partikel eine größere Gewichtung empfängt, während eine geringe Korrelation zwischen einem modellierten Wert und einem gemessenen Wert dazu führen kann, dass das entsprechende Partikel eine geringere Gewichtung empfängt. Verschiedene Ausführungsformen können auf der Grundlage verschiedener Eigenschaften unterschiedliche Gewichtungen zuweisen.
Auf der Grundlage der Gewichtung, die jedem Partikel zugewiesen wurde, können die Partikel bei 210 erneut abgetastet werden. Das erneute Abtasten der Partikel kann einen Prozess des Erzeugens mehrerer nachfolgender Partikel umfassen, bei dem Partikel mit einer höheren Gewichtung bei den mehreren vorherigen Partikeln über eine größere Wahrscheinlichkeit verfügen, bei den mehreren nachfolgenden Partikeln dupliziert zu werden. In Übereinstimmung mit bestimmten Ausführungsformen können Partikel, die einem Partikel entsprechen, das eine höhere Gewichtung aufweist, Werte aufweisen, die um den Wert herum verteilt sind, der dem ursprünglichen Partikel zugeordnet ist.
Bei 212 kann ein Schätzwert einer gewünschten Eigenschaft bestimmt werden. In Übereinstimmung mit einer Ausführungsform kann eine Leerlaufspannung einer Batterie die zu bestimmende Eigenschaft sein. Unter Verwendung einer bekannten Beziehung kann der gegenwärtige Ladezustand einer Batterie aus der bestimmten Leerlaufspannung abgeleitet werden. Zum Beispiel weisen einige Batterien eine ansteigende Kennlinie des Ladezustands über der Leerlaufspannung auf. Ein höherer Ladezustand entspricht einer höheren Leerlaufspannung und auf ähnliche Weise entspricht ein niedrigerer Ladezustand einer niedrigeren Leerlaufspannung. In Übereinstimmung mit bestimmten Ausführungsformen kann eine Nachschlagetabelle verwendet werden, um den Ladezustand mit der Leerlaufspannung zu korrelieren. Der Schätzwert der Leerlaufspannung kann auch verwendet werden, um zusätzliche Parameter zu schätzen, wie die Kapazität einer Batterie oder den Funktionszustand der Batterie. Die Kapazität der Batterie kann verwendet werden, um den Funktionszustand der Batterie auf der Grundlage eines Verhältnisses der geschätzten Batteriekapazität C_i zu der ursprünglichen Batteriekapazität C_o zu bestimmen, wie in Gleichung 1 ausgedrückt ist.
In Gleichung 1 ist C_i der i-te zeitliche Messwert.
Bei 214 kann festgestellt werden, ob eine Iteration der Simulation durchgeführt werden muss. Das Erhöhen der Anzahl der Iterationen kann ein Verbessern der Schätzwerte der Batterieparameter ermöglichen. In Übereinstimmung mit bestimmten Ausführungsformen kann die Simulation jedes Mal, wenn die Batterie aktiviert wird, eine angegebene Anzahl von Iterationen abschließen. In Übereinstimmung mit anderen Ausführungsformen kann die Simulation eine gewünschte Anzahl von Iterationen auf der Grundlage der Betriebszeit eines Batteriesystems durchführen. Zum Beispiel kann die Simulation für jeweils M Stunden, die die Batterie in Betrieb ist, N Iterationen abschließen, wobei N und M Zahlen sind, die auf der Grundlage einer speziellen Verwendung und eines gewünschten Genauigkeitsniveaus bestimmt sind. Bei noch anderen Ausführungsformen kann die Simulation kontinuierlich laufen, während die Batterie verwendet wird, um den Zustand der Batterie mit zu verfolgen und um die Parameter, die mit der Simulation verbunden sind, abzustimmen. Wenn eine gewünschte Anzahl von Simulationen abgeschlossen worden ist, kann das Verfahren 200 bei 218 enden. Andernfalls kann das Verfahren 200 bei 206 iterieren.
Bei 216 können die mehreren abgestimmten modellierten Partikelwerte verwendet werden, um einen oder mehrere Parameter des Batteriesystems zu schätzen. Der Schätzwert bei 216 kann von dem Schätzwert bei 212 abweichen, da der iterative Prozess 220A abgeschlossen ist, und somit die Abstimmung der mehreren modellierten Partikelwerte wahrscheinlich eine genauere Darstellung des Batteriesystems ist. Wie in 2B angezeigt ist, kann das Element 216 bei bestimmten Ausführungsformen weggelassen sein und die mehreren Schätzwerte einer gewünschten Eigenschaft von 212 können verwendet werden.
Das Element 222 kann entweder als Teil eines iterativen Prozesses, wie in 2A veranschaulicht ist, oder beim Abschluss eines iterativen Prozesses, wie in 2B veranschaulicht ist, durchgeführt werden. Bei 222 kann ein Glättungsalgorithmus auf den Schätzwert der gewünschten Eigenschaft, die bei 212 bestimmt wurde, angewendet werden. In Verbindung mit verschiedenen Ausführungsformen kann eine Vielfalt von Glättungsalgorithmen verwendet werden, die ein additives Glätten, ein Butterworth-Filter, ein exponentielles Glätten, ein Kalman-Filter, einen Kernel-Glätter, ein Laplace-Glätten, ein Tiefpassfilter, einen gleitenden Mittelwert, ein rekursives Filter, ein Savatzky-Golay-Glätten, usw. umfassen, aber nicht darauf beschränkt sind.
Die in 2A und 2B veranschaulichten Unterschiede geben eine Vielfalt von Modifikationen wieder, die in Verbindung mit verschiedenen Ausführungsformen, die hier offenbart sind, implementiert werden können. Beispielsweise können mehr oder weniger Elemente in einem iterativen Prozess enthalten sein, als in beiden 2A und 2B gezeigt sind. Ferner können zusätzliche Berechnungen auf der Grundlage von geschätzten Batteriesystemparametern durchgeführt werden.
3 veranschaulicht die Darstellung des Konzepts eines Verfahrens 300 zur Batterieparameterschätzung in Übereinstimmung mit hier offenbarten Ausführungsformen. Bei 302 werden N zufällige Partikel mit gleicher Gewichtung erzeugt. Jedes Partikel kann einen Vektor aus Zuständen und Parametern repräsentieren, die modelliert und mit Messwerten aus dem System, das modelliert wird, verglichen werden. Die N zufälligen Partikel mit gleicher Gewichtung pflanzen sich durch ein Systemmodell fort, welches bei 304 eine Ausgabe für jedes Partikel vorhersagt. Bei 306 können die Partikelgewichtungen auf der Grundlage des Fehlers zwischen der von dem Systemmodell vorhergesagten Ausgabe für jedes Partikel und dem Messwert von Parametern aus dem System verstellt werden. Bei der konzeptionellen Darstellung, die in 3 gezeigt ist, wird die Gewichtung durch die Größe des Partikels angezeigt. Je größer bei 306 das Partikel ist, desto genauer entspricht der vorhergesagte Wert, der dem Partikel zugeordnet ist, gemessenen Werten aus dem System, das modelliert wird.
Bei 308 wird ein zweiter Satz von Partikeln auf der Grundlage der Gewichtungen erzeugt, die den Partikeln bei 306 zugewiesen wurden. Bei dem neuen Satz von Partikeln werden Partikel, die bei 306 eine höhere Gewichtung aufweisen, wahrscheinlicher dupliziert werden, während Partikel, die bei 306 eine geringere Gewichtung aufweisen, weniger wahrscheinlich dupliziert werden. In Übereinstimmung mit einigen Ausführungsformen werden die Vektorwerte von Partikeln in aufeinanderfolgenden Iterationen um die Originalwerte herum gruppiert werden, die zu dem stark gewichteten Partikel führen. Auf diese Weise können die Parameter inkrementell abgestimmt werden. Bei den veranschaulichten Ausführungsformen führte das Partikel 316 beispielsweise zur genauesten Approximation der gemessenen Werte und folglich empfing das Partikel 316 die höchste Gewichtung. Daher enthält der zweite Satz von Partikeln vier Partikel, die um die Originalwerte des Partikels 316 herum gruppiert sein können. Auf ähnliche Weise führten die Partikel, die mit 322 bezeichnet sind, zu Werten mit einer kleinen Gewichtung. Entsprechend enthält der zweite Satz von Partikeln nur ein entsprechendes Partikel. In Übereinstimmung mit bestimmten Ausführungsformen können die sechs Partikel, die mit 322 bezeichnet sind, obere und untere Grenzwerte für nachfolgende Modellierungsiterationen bereitstellen.
Bei 310 kann der zweite Satz von Partikeln zufällig ausgewählt werden und wieder mit gleichen Partikelgewichtungen versehen werden. Das zufällige Auswählen des zweiten Satzes von Partikeln kann ein Zufallselement in die Partikel einführen, wobei dennoch auf die Gewichtungen eines jeden Partikels aus der vorherigen Iteration des Verfahrens 300 vertraut wird. Die zufällige Anordnung der Partikel bei 310 kann beispielsweise erreicht werden, indem Zufallszahlen in begrenzten Bereichen auf der Grundlage der gewichteten Partikel in der vorherigen Iteration erzeugt werden.
Bei 312 kann sich der zweite Satz von Partikeln durch das Systemmodell fortpflanzen. Der zweite Satz von Partikeln wird auf der Grundlage eines Fehlers zwischen der Ausgabe, die von dem Systemmodell für jedes Partikel vorhergesagt wird, und den gemessenen Parametern aus dem System gewichtet. Das Verfahren 300 kann eine beliebige Anzahl von Malen iterieren.
In der konzeptionellen Darstellung, die in 3 gezeigt ist, wurden im anfänglichen Mustersatz 10 Partikel erzeugt. Im zweiten Mustersatz, der bei 308 gezeigt ist, sind die Partikel auf der Grundlage der Gewichtung jedes Partikels gruppiert. Wie gezeigt, führt das größte Partikel, das bei 318 gezeigt ist, auf der Grundlage des Werts des Partikels 316 zu vier Partikeln, die bei 320 gezeigt sind. Im Gegensatz dazu empfängt die Gruppe der Partikel, die bei 322 gezeigt ist, eine relativ geringe Gewichtung, wie bei 324 gezeigt ist. Folglich beruht nur ein einziges Partikel im zweiten Satz von Partikeln, das bei 326 gezeigt ist, auf den ursprünglichen Werten der Gruppe von Partikeln, die bei 322 gezeigt ist.
4A veranschaulicht eine beispielhafte Ersatzschaltung aus einem Widerstand und einem Kondensator zum Modellieren einer Li-Ion-Batterie. Eine Spannung 410 zwischen Anschlüssen 412 und 414 ist durch Gleichung 2 gegeben. V = V_oc + IR + V_rc Gl. 2
In Gleichung 2 ist V_oc die Spannung einer Quelle 416, I ist ein Strom 404, R ist der Widerstandswert eines Widerstands 406 und V_rc ist der Spannungsabfall 418 über einen Widerstand 408 und einen Kondensator 416. Gleichung 3 stellt das Batteriemodell nach einer Diskretisierung dar.
In Gleichung 3 stellt S die Kurve der Steigung der Leerlaufspannung V_oc über dem Ladezustand dar, C ist die Batteriekapazität und T ist die Abtastzeit, R_rc ist der Widerstandswert des Widerstands 408 und C_rc ist die Kapazität des Kondensators [englisch: resistor] 416. Alle Batterieparameter (d. h. R_rc, C_rc, C und R) sind zeitvariante Parameter, die vom Batteriealter, Variationen und Betriebsbedingungen (z. B. Temperatur und Ladezustand) abhängen. Die Kapazität C als Batterieparameter ist in Abhängigkeit vom Batteriealter ebenfalls zeitvariant. Der ohmsche Widerstandswert R des Widerstands 406 kann durch Gleichung 4 bei den Zeitschritten, bei denen sich der Strom I verändert, geschätzt werden. Eine Veränderung bei V_oc kann durch Gleichung 3 begrenzt sein, während V_oc gleichzeitig geschätzt werden kann, indem die gemessene Batteriespannung mit den Werten von einem oder mehreren modellierten Partikeln abgeglichen wird. R = ΔV / ΔI Gl. 4
4B veranschaulicht eine Ausführungsform, die eine duale Widerstand-Kondensator-Schaltung enthält, die verwendet werden kann, um ein Li-Ion-Batteriesystem zu modellieren. Eine Spannung 460 zwischen Anschlüssen 462 und 464 ist durch Gleichung 5 gegeben. V = V_oc + IR + V_rc Gl. 5
In Gleichung 5 ist V_oc die Spannung einer Quelle 466, I ist ein Strom 454, R ist der Widerstandswert eines Widerstands 456, V_dl ist der Spannungsabfall 468 über einen Widerstand 458 und einen Kondensator 466 und V_df ist der Spannungsabfall 480 über einen Widerstand 474 und einen Kondensator 476. Gleichung 6 stellt das Batteriemodell nach einer Diskretisierung dar.
In Gleichung 6 stellt S die Steigung der Kurve der Leerlaufspannung V_oc über dem Ladezustand dar, C ist die Batteriekapazität und T ist die Abtastzeit, R_rc' ist der Widerstandswert eines Widerstands 408 und C_rc' ist die Kapazität des Kondensators [engl.: resistor] 416. Alle Batterieparameter (d. h. R_ct, C_dl, R_dl, C_df, C und R) sind zeitvariante Parameter in Abhängigkeit vom Batteriealter, Variationen und Betriebsbedingungen (z. B. Temperatur und Ladezustand). Die Kapazität C als Batterieparameter ist in Abhängigkeit vom Batteriealter ebenfalls zeitvariant.
Gleichung 7 ist ein vergrößertes Li-Ion-Batteriemodell, in dem alle Parameter als Teil des Zustandsvektors aufgenommen wurden.
In Gleichung 7 ist w_i (i = 1, 2, 3, 4, 5, 6) Rauschen, das geschätzt oder abgestimmt werden kann; α ist ein Abstimmungsparameter; und *(k) bezeichnet den Mittelwert des Parameters * zum Zeitschritt k. Der Abstimmungsparameter α kann einen Vertrauenswert für den Mittelwert des Parameters bei dem vorherigen Schritt repräsentieren.
Gleichung 8 umfasst einen vergrößerten Zustandsvektor, der in Verbindung mit Gleichung 7 verwendet werden kann. Der in Gleichung 8 gezeigte vergrößerte Zustandsvektor enthält zwei Batteriezustände (d. h. V_oc und C) und drei Batterieparameter (d. h. V_rc, R_rc und C_rc). Diese zwei Batteriezustände und drei Batterieparameter werden gemeinsam modelliert, wenn jedes der mehreren Partikel durch ein Systemmodell auf iterative Weise wie vorstehend beschrieben fortgepflanzt wird. [V_rc V_oc R_rc C_rc C] Gl. 8
Wie in Gleichung 8 angegeben ist, ist die Kapazität C des Batteriesystems einer der Batteriezustände, die im Zustandsvektor enthalten sind. Wenn die Kapazität des Batteriesystems, welche durch eine Kapazitätsschätzung während eines Ladeprozesses erhalten werden kann, als bekannt angenommen wird, kann der bekannte Wert verwendet werden, um die Kapazitätsschätzung zu verbessern.
Die vorstehende Beschreibung wurde mit Bezug auf verschiedene Ausführungsformen beschrieben. Es können verschiedene Modifikationen und Veränderungen durchgeführt werden, ohne vom Umfang der vorliegenden Offenbarung abzuweichen. Zum Beispiel können verschiedene Arbeitsschritte sowie Komponenten zum Ausführen von Arbeitsschritten in Abhängigkeit von der speziellen Anwendung oder bei Berücksichtigung einer beliebigen Anzahl von Kostenfunktionen, die mit dem Betrieb des Systems verbunden sind, auf alternative Weisen implementiert werden. Folglich kann einer oder können mehrere beliebige der Schritte gelöscht, modifiziert oder mit anderen Schritten kombiniert werden. Ferner soll diese Offenbarung in einem veranschaulichenden und nicht in einem restriktiven Sinn betrachtet werden und alle derartigen Modifikationen sollen im Umfang derselben enthalten sein. Auf ähnliche Weise wurden Nutzen, andere Vorteile und Lösungen für Probleme vorstehend mit Bezug auf verschiedene Ausführungsformen beschrieben. Jedoch sollen Nutzen, Vorteile, Lösungen für Probleme und ein oder mehrere beliebige Elemente, die einen beliebigen Nutzen, Vorteil oder das Auftreten einer Lösung verursachen können oder diese besser betonen können, nicht als ein kritisches, ein notwendiges oder ein wesentliches Merkmal oder Element betrachtet werden.
Die Begriffe ”umfasst” und ”enthält” und beliebige andere Variationen derselben sollen bei der Verwendung hierin eine nicht exklusive Umschließung abdecken, so dass ein Prozess, ein Verfahren, ein Artikel oder eine Vorrichtung, der bzw. die bzw. das eine Liste von Elementen umfasst, nicht nur diese Elemente enthält, sondern andere Elemente enthalten kann, die nicht explizit aufgeführt sind oder für einen derartigen Prozess, ein derartiges Verfahren, ein derartiges System, einen derartigen Artikel oder eine derartige Vorrichtung inhärent sind. Außerdem sollen die Begriffe ”gekoppelt”, ”koppeln” und beliebige andere Variationen derselben, so wie sie hier verwendet werden, eine physikalische Verbindung, eine elektrische Verbindung, eine magnetische Verbindung, eine optische Verbindung, eine Kommunikationsverbindung, eine funktionale Verbindung und/oder eine beliebige andere Verbindung abdecken.
Der Fachmann wird feststellen, dass viele Veränderungen an den Details der vorstehend beschriebenen Ausführungsformen durchgeführt werden können, ohne die zugrundeliegenden Prinzipien der Erfindung zu verlassen. Der Umfang der vorliegenden Erfindung soll daher nur durch die folgenden Ansprüche bestimmt sein.

Claims

Verfahren zum Schätzen eines Parameters eines Batteriesystems, das umfasst, dass: mehrere anfängliche Partikel erzeugt werden, wobei jedes Partikel mindestens einen Parameter und mindestens einen Zustand eines Batteriesystems darstellt; mehrere abgestimmte modellierte Partikelwerte erzeugt werden, indem ein iterativer Prozess mehrere Male, beginnend mit den mehreren anfänglichen Partikeln, durchgeführt wird, wobei der iterative Prozess umfasst, dass: jedes der mehreren Partikel durch ein Systemmodell, welches das Batteriesystem darstellt, fortgepflanzt wird, um mehrere erste modellierte Partikelwerte zu erhalten; jedem der mehreren modellierten Partikelwerte auf der Grundlage eines Vergleichs der mehreren modellierten Partikelwerte mit mindestens einem Messwert eines elektrischen Parameters des Batteriesystems eine Gewichtung zugewiesen wird; mehrere nachfolgende Partikel auf der Grundlage der Gewichtung, die jedem der mehreren modellierten Partikelwerte zugewiesen wurde, erzeugt werden; und der iterative Prozess unter Verwendung der mehreren nachfolgenden Partikel wiederholt wird; mindestens ein Parameter des Batteriesystems auf der Grundlage eines oder mehrerer der abgestimmten mehreren modellierten Partikelwerte geschätzt wird.
Verfahren nach Anspruch 1, wobei der mindestens eine Messwert des elektrischen Parameters des Batteriesystems einen Messwert einer Spannung zwischen einem Satz von Anschlüssen des Batteriesystems umfasst, und die mehreren ersten modellierten Partikelwerte einen Schätzwert der Spannung zwischen dem Satz von Anschlüssen umfassen.
Verfahren nach Anspruch 1, wobei der mindestens eine Messwert eines elektrischen Parameters des Batteriesystems einen Messwert eines Stroms, der von dem Batteriesystem gespeist wird, umfasst, und die mehreren ersten modellierten Partikelwerte einen Schätzwert des Stroms, der von dem Batteriesystem gespeist wird, umfassen.
System, das umfasst: eine Sensoreinheit, die ausgestaltet ist, um mindestens einen Messwert eines elektrischen Parameters eines Batteriesystems zu empfangen; eine Verarbeitungslogik, die mit der Sensoreinheit kommunikationstechnisch gekoppelt ist und ausgestaltet ist, um: mehrere anfängliche Partikel zu erzeugen, wobei jedes Partikel eine Darstellung von mindestens einem Parameter und mindestens einem Zustand des Batteriesystems umfasst; jedes der mehreren Partikel durch ein Systemmodell fortzupflanzen, welches das Batteriesystem darstellt, um mehrere erste modellierte Partikelwerte zu erhalten; jedem der mehreren modellierten Partikelwerte auf der Grundlage eines Vergleichs der mehreren modellierten Partikelwerte mit mindestens einem Messwert eines elektrischen Parameters des Batteriesystems, der von der Sensoreinheit empfangen wurde, eine Gewichtung zuzuweisen; mehrere nachfolgende Partikel auf der Grundlage der Gewichtung, die jedem der mehreren modellierten Partikelwerte zugewiesen wurde, zu erzeugen; und mindestens einen Parameter des Batteriesystems auf der Grundlage von einem oder mehreren der mehreren abgestimmten modellierten Partikelwerte zu schätzen.
System nach Anspruch 4, wobei das Systemmodell entweder eine einzelne Widerstand-Kondensator-Schaltung oder eine duale Widerstand-Kondensator-Schaltung umfasst.
System nach Anspruch 4, wobei der Schätzwert des mindestens einen Parameters einen Ladezustand des Batteriesystems umfasst.
System nach Anspruch 6, das ferner ein Steuerungssystem umfasst, das ausgestaltet ist, um unter Verwendung einer Brennkraftmaschine in Verbindung mit einem elektrischen Generator, wobei der elektrische Generator in Verbindung mit dem Batteriesystem steht, eine Ladeoperation einzuleiten, wenn der Ladezustand unter einem ersten Schwellenwert liegt.
System nach Anspruch 6, das ferner umfasst, dass die Ladeoperation beendet wird, wenn der Ladezustand über einem zweiten Schwellenwert liegt.
System nach Anspruch 4, wobei die Verarbeitungslogik ferner ausgestaltet ist, um mehrere Parameter des Batteriesystems zu schätzen und um einen Glättungsalgorithmus auf die mehreren Parameter anzuwenden.
Verfahren zum Schätzen eines Parameters eines Batteriesystems, das umfasst, dass: mehrere anfängliche Partikel erzeugt werden, wobei jedes Partikel mindestens einen Parameter und mindestens Zustand eines Batteriesystems darstellt; mehrere abgestimmte modellierte Partikelwerte erzeugt werden, indem ein iterativer Prozess beginnend mit den mehreren anfänglichen Partikeln mehrfach durchgeführt wird, wobei der iterative Prozess umfasst, dass: jedes der mehreren Partikel durch ein Systemmodell, das das Batteriesystem darstellt, fortgepflanzt wird, um mehrere erste modellierte Partikelwerte zu erhalten; jedem der mehreren modellierten Partikelwerte auf der Grundlage eines Vergleichs der mehreren modellierten Partikelwerte mit mindestens einem Messwert eines elektrischen Parameters des Batteriesystems eine Gewichtung zugewiesen wird; mehrere nachfolgende Partikel auf der Grundlage der Gewichtung, die jedem der mehreren modellierten Partikelwerte zugewiesen wurde, erzeugt werden; mindestens ein Parameter des Batteriesystems auf der Grundlage eines oder mehrerer der mehreren abgestimmten modellierten Partikelwerte geschätzt wird; und der iterative Prozess unter Verwendung der mehreren nachfolgenden Partikel wiederholt wird.