DE102015203789A1

DE102015203789A1 - Batteriemodell mit Robustheit gegenüber cloud-spezifischen Kommunikationsproblemen

Info

Publication number: DE102015203789A1
Application number: DE102015203789.4A
Authority: DE
Inventors: Jason Meyer
Original assignee: Ford Global Technologies LLC
Current assignee: Ford Global Technologies LLC
Priority date: 2014-03-05
Filing date: 2015-03-03
Publication date: 2015-09-10
Anticipated expiration: 2035-03-04
Also published as: CN104898063B; CN104898063A; US20150251556A1; DE102015203789B4; US9446678B2

Abstract

Ein Fahrzeug kann Batteriezellen aufweisen, sowie eine Steuereinrichtung, die dafür ausgelegt ist, das Fahrzeug auf der Basis einer Zustandsbeobachtung der Batteriezellen zu steuern, unter Verwendung von Modellparametern, die gemäß von der Steuereinrichtung bestimmten Nennparametern der Zellen berechnet werden, korrigiert um fernbestimmte Delta-Parameter der Zellen, wobei die Delta-Parameter von einer externen Recheneinrichtung in Reaktion auf ein Zellen-Batteriemodell betreffende Zellenmesswerte empfangen werden, die zu der externen Recheneinrichtung gesendet wurden, wobei die Delta-Parameter Korrekturen angeben, welche die Genauigkeit der Nennparameter verbessern.

Description

Die Offenbarung betrifft die Verbesserung der Schätzung des Batterieladezustands unter Verwendung von Cloud-Computing-Ressourcen.
Moderne Hybrid- und Elektrofahrzeuge verwenden Batteriepacks zum Bereitstellen von Energie für den Antrieb und zum Speichern von regenerierter Energie. Batteriepacks bestehen typischerweise aus mehreren einzelnen Batteriezellen, welche parallel oder in Reihe geschaltet oder in einer Kombination davon angeordnet sein können. Eine Kenngröße des Batteriepacks ist der Ladezustand (State of Charge, SOC). Der SOC eines Batteriepacks ist ein Maß des Teils der Gesamtladung, welcher in dem Batteriepack verblieben ist, und kann als analog zu einer Kraftstoffstandsanzeige betrachtet werden. Der SOC kann wichtig sein, um zu bestimmen, wann und wie das Batteriepack zu laden oder zu entladen ist. Der SOC kann auch wichtig sein, um dem Fahrer Informationen zu liefern, etwa betreffs der Reichweite des Fahrzeugs, und für den Betrieb des Fahrzeugs. Zu den weiteren Kenngrößen des Batteriepacks gehören Leistungsgrenzwerte der Batterie, welche die maximalen Raten definieren, mit denen die Batterie sicher gespeicherte Energie abgeben kann (d. h. Entladeleistungsgrenzwerte) und sicher zusätzliche Energie speichern kann (d. h. Ladeleistungsgrenzwerte), ohne die Batterie oder irgendein anderes angeschlossenes System zu beschädigen.
Bei einer ersten beispielhaften Ausführungsform weist ein Fahrzeug Batteriezellen auf, sowie eine Steuereinrichtung, die dafür ausgelegt ist, das Fahrzeug auf der Basis einer Zustandsbeobachtung der Batteriezellen zu steuern, unter Verwendung von Modellparametern, die gemäß von der Steuereinrichtung bestimmten Nennparametern der Zellen berechnet werden, korrigiert um fernbestimmte Delta-Parameter der Zellen, wobei die Delta-Parameter von einer externen Recheneinrichtung in Reaktion auf ein Zellen-Batteriemodell betreffende Zellenmesswerte empfangen werden, die zu der externen Recheneinrichtung gesendet wurden, wobei die Delta-Parameter Korrekturen angeben, welche die Genauigkeit der Nennparameter verbessern.
Bei einer zweiten beispielhaften Ausführungsform ist eine Recheneinrichtung dafür ausgelegt, von einem Fahrzeug über ein Kommunikationsnetz Batteriezellen-Messwerte zu empfangen, die einem Batteriemodell von Batteriezellen des Fahrzeugs entsprechen, und in Reaktion auf die Messwerte über das Kommunikationsnetz Delta-Parameter der Zellen an das Fahrzeug zu senden, welche Korrekturen für durch das Fahrzeug für die Zellen bestimmte Nennparameter der Zellen angeben, wobei die Delta-Parameter Korrekturen angeben, welche die Genauigkeit der Nennparameter verbessern.
Bei einer dritten beispielhaften Ausführungsform weist ein Verfahren das Steuern eines Fahrzeugs durch eine Steuereinrichtung auf der Basis einer Zustandsbeobachtung von Batteriezellen auf, unter Verwendung von Modellparametern, die gemäß von der Steuereinrichtung bestimmten Nennparametern der Zellen berechnet werden, korrigiert um fernbestimmte Delta-Parameter der Zellen, wobei die Delta-Parameter durch die Steuereinrichtung von einer externen Recheneinrichtung in Reaktion auf ein Batteriemodell betreffende Zellenmesswerte empfangen werden, die zu der Recheneinrichtung gesendet wurden, wobei die Delta-Parameter Korrekturen angeben, welche die Genauigkeit der Nennparameter verbessern.
1 ist eine schematische Darstellung eines Hybrid-Elektrofahrzeugs, welches Antriebsstrang- und Energiespeicherkomponenten zeigt;
2 ist eine schematische Darstellung einer möglichen Batteriepackanordnung, die aus mehreren Zellen besteht und von einem Batteriesteuerungsmodul überwacht und gesteuert wird;
3 ist eine schematische Darstellung einer beispielhaften äquivalenten Schaltung einer Batteriezelle;
4 ist eine schematische Darstellung eines modifizierten äquivalenten Modells einer Batteriezelle, welches Batterieparameter in Nennwerte und Delta-Werte aufteilt;
5 ist eine schematische Darstellung einer Cloud-basierten Architektur zum Abgeben von Aufgaben der Parameteridentifikation von einem Fahrzeug;
6 ist eine schematische Darstellung einer Ladezustands-Beobachterarchitektur, welche die Cloud-basierte Architektur zum Abgeben der Berechnung von Delta-Parameterwerten an eine Cloud-Rechenressource verwendet; und
die 7 und 8 sind schematische Darstellungen eines Verfahrens zum Abgeben von Aspekten von Aufgaben der Parameteridentifikation von einem Fahrzeug an eine Cloud-basierte Architektur.
Wie erforderlich, werden hierin detaillierte Ausführungsformen der vorliegenden Erfindung offenbart; es versteht sich jedoch, dass die offenbarten Ausführungsformen lediglich beispielhaft für die Erfindung sind, welche in verschiedenen und alternativen Formen ausgeführt werden kann. Die Figuren sind nicht unbedingt maßstabsgetreu; einige Merkmale können übertrieben groß oder verkleinert dargestellt sein, um Details bestimmter Komponenten zu zeigen. Daher sind spezifische strukturelle und funktionelle Details, die hier offenbart werden, nicht als einschränkend zu verstehen, sondern lediglich eine repräsentative Basis, anhand der einem Fachmann vermittelt wird, wie die vorliegende Erfindung auf verschiedene Weise eingesetzt werden kann.
Bei der SOC-Schätzung kann ein modellbasiertes Verfahren wie etwa Kalman-Filterung verwendet werden, um den SOC zu bestimmen. Ein modellbasiertes Verfahren besteht darin, dass ein Modell einer Batteriezelle definiert wird und dann die inneren Zustände der Batteriezelle auf der Basis gewisser realer Messwerte vorhergesagt werden. Bei den geschätzten inneren Zuständen kann es sich unter anderem um den Innenwiderstand oder den SOC der Batterie handeln. Ein typischer Ansatz besteht darin, ein Kalman-Filter auf jede Zelle des Batteriepacks anzuwenden und dann diese Zellenwerte zum Berechnen der Kenngrößen des gesamten Batteriepacks zu verwenden. Dies kann ein Batteriesteuerungsmodul erfordern, das in der Lage ist, eine Anzahl von Kalman-Filtern auszuführen, welche gleich der Anzahl der in dem Batteriepack vorhandenen Zellen ist, sowie einen Speicher, der in der Lage ist, Zustandsinformationen für jede der modellierten Zellen zu speichern. Die Anzahl der Zellen in einem Batteriepack variiert, jedoch kann ein Batteriepack eines modernen Fahrzeugs aus 62 bis 100 oder mehr Zellen bestehen.
Anstatt dass eine SOC-Schätzung allein durch das Fahrzeug durchgeführt wird, können Aspekte der SOC-Berechnung an einen Rechendienst außerhalb des Fahrzeugs abgegeben werden. Ein solcher externer Rechendienst kann einen Cloud-basierten Rechenserver aufweisen, auf den über eine Netzverbindung vom Fahrzeug zum Internet zugegriffen werden kann. Zum Beispiel kann bei Verwendung eines modellbasierten Ansatzes für die SOC-Schätzung, der eine Trennung von Parameteridentifikation und Zustandsbeobachtung beinhaltet, die Aufgabe der Parameteridentifikation an den externen Dienst abgegeben werden, was den Umfang an Berechnungen und Zustandsinformationen reduziert, die durch das Fahrzeug durchgeführt bzw. aufbewahrt werden müssen. Bei einem solchen Ansatz kann das Fahrzeug Eingangsinformationen im Hinblick auf eine Fahrzeugbatterie sammeln (z. B. Spannung, Stromstärke, Temperatur, SOC usw.), die Informationen an den externen Dienst weiterleiten und von dem Dienst Modellparameter (z. B. Modellparameter einer zu der Batterie äquivalenten Schaltung) empfangen, die bei der SOC-Schätzung des Fahrzeugs zu verwenden sind.
Durch Einbeziehung der Rechenleistung des externen Rechendienstes kann ein Fahrzeug in der Lage sein, von anspruchsvolleren und genaueren Batteriemodellen zu profitieren, als sie bei Verwendung der Rechenressourcen des Fahrzeugs berechnet werden können. Jedoch kann die Rate, mit der die extern ermittelten Batterieparameter durch das Fahrzeug empfangen werden, wesentlich langsamer sein als die Berechnungsrate, die innerhalb des Batteriesteuerungsmoduls verwendet wird. Daher können, da sich der tatsächliche Batteriezustand ständig ändert, Parameterfehler in den Zeitabschnitten zwischen Aktualisierungen wachsen, was die Genauigkeit von berechneten Werten, die auf den extern berechneten Werten beruhen (z. B. Leistungsgrenzwerte der Batterie, SOC-Schätzungen usw.), verringert. Durch Aufteilung der Bestimmung von Batterieparametern in einen bekannten Nenn-Vorwärtskopplungsanteil, der durch eine Funktion berechnet wird, und einen unbekannten, dynamisch ermittelten Anteil, der als ein Delta zu der Funktion berechnet wird, kann das Fahrzeug dafür ausgelegt werden, die Robustheit einer abgegebenen Parameterschätzung zu verbessern, was langsamere Cloud-Aktualisierungsraten und eine bessere Widerherstellung des Fahrzeugs nach zwischenzeitlichem Datenverlust ermöglicht.
Obwohl der offenbarte Ansatz in Bezug auf die SOC-Berechnung für ein Fahrzeug erörtert wird, ist anzumerken, dass der Ansatz auch für andere Arten der Modellidentifizierung oder modellbasierten Steuerung oder von Schätzungsanwendungen angewendet werden kann, bei denen ein Modellidentifizierungs-Algorithmus mit einer langsameren Rate aktualisiert werden kann, als die Steuereinrichtung oder Schätzeinrichtung Systemwerte bestimmt.
1 zeigt ein Hybrid-Elektrofahrzeug 2. Das typische Hybrid-Elektrofahrzeug 2 kann einen oder mehrere Elektromotoren 4 aufweisen, die mechanisch mit einem Hybridgetriebe 3 verbunden sind. Außerdem ist das Hybridgetriebe 6 mechanisch mit einer Kraftmaschine 8 verbunden. Das Hybridgetriebe 6 ist außerdem mechanisch mit einer Antriebswelle 10 verbunden, welche mechanisch mit den Rädern 12 verbunden ist. Die Elektromotoren 4 können Antriebs- und Verzögerungsfähigkeit zur Verfügung stellen, wenn die Kraftmaschine 8 ein- oder ausgeschaltet wird. Die Elektromotoren 4 können auch als Generatoren wirken und können Vorteil durch Kraftstoffeinsparung ermöglichen, indem sie Energie zurückgewinnen, welche normalerweise als Wärme in dem Reibungsbremssystem verloren gehen würde. Die Elektromotoren 4 können auch verminderte Schadstoffemissionen gewährleisten, da das Hybrid-Elektrofahrzeug 2 unter gewissen Bedingungen in einer elektrischen Betriebsart betrieben werden kann.
Das Batteriepack 14 speichert Energie, welche von den Elektromotoren 4 verwendet werden kann. Ein Fahrzeug-Batteriepack 14 stellt typischerweise einen Hochspannungs-DC-Ausgang bereit. Das Batteriepack 14 ist mit dem Leistungselektronikmodul 16 elektrisch verbunden. Das Leistungselektronikmodul 16 ist außerdem mit den Elektromotoren 4 elektrisch verbunden und gewährleistet die Möglichkeit, bidirektional Energie zwischen dem Batteriepack 14 und den Elektromotoren 4 zu übertragen. Zum Beispiel kann ein typisches Batteriepack 14 eine Gleichspannung liefern, während die Elektromotoren 4 einen Dreiphasen-Wechselstrom benötigen können, um zu funktionieren. Das Leistungselektronikmodul 16 kann die Gleichspannung in einen Dreiphasen-Wechselstrom umwandeln, wie er von den Elektromotoren 4 benötigt wird. In einer regenerativen Betriebsart wandelt dann das Leistungselektronikmodul 16 den Dreiphasen-Wechselstrom von den als Generatoren wirkenden Elektromotoren 4 in die Gleichspannung um, die von dem Batteriepack 14 benötigt wird. Das hier beschriebene Verfahren ist ebenso auf ein reines Elektrofahrzeug oder eine beliebige andere Vorrichtung, die ein Batteriepack verwendet, anwendbar.
Zur Bereitstellung von Energie für den Antrieb kann das Batteriepack 14 außerdem Energie für andere elektrische Systeme bereitstellen. Ein typisches System kann ein DC/DC-Wandlermodul 18 aufweisen, welches der Hochspannungs-Gleichstromausgang des Batteriepacks 14 in eine Niederspannungs-Gleichstromversorgung umwandelt, welche mit anderen Fahrzeuglasten kompatibel ist. Andere Hochspannungslasten können direkt ohne die Verwendung eines DC/DC-Wandlermoduls 18 angeschlossen sein. In einem typischen Fahrzeug sind die Niederspannungssysteme mit einer 12 V-Batterie 20 elektrisch verbunden.
Die Batteriepacks 14 können aus vielfältigen chemischen Formulierungen hergestellt sein. Typische chemische Bestandteile eines Batteriepacks 14 sind Bleisäure, Nickel-Metallhydrid (NIMH) oder Lithiumionen. 2 zeigt ein typisches Batteriepack 14 mit einer einfachen Reihenanordnung von N Batteriezellen 32. Andere Batteriepacks 14 können jedoch aus einer beliebigen Anzahl von einzelnen Batteriezellen bestehen, die in Reihe oder parallel oder in einer Kombination davon geschaltet sind. Ein typisches System kann eine oder mehrere Steuereinrichtungen aufweisen, wie etwa ein Batteriesteuerungsmodul (Battery Control Module, BCM) 36, welches das Verhalten des Batteriepacks 14 überwacht und steuert. Das BCM 36 kann mehrere Kenngrößen der Ebene des Batteriepacks 14 überwachen, wie etwa den Batteriepackstrom 38, die Batteriepackspannung 40 und die Batteriepacktemperatur 42.
Neben den Kenngrößen der Ebene des Batteriepacks können Kenngrößen der Ebene der Batteriezellen vorhanden sein, welche gemessen und überwacht werden müssen. Zum Beispiel können die Klemmenspannung, der Strom und die Temperatur jeder Zelle gemessen werden. Ein System kann ein Sensormodul 34 verwenden, um die Kenngrößen von Batteriezellen zu messen. In Abhängigkeit von der Leistungsfähigkeit kann das Sensormodul 34 die Kenngrößen einer oder mehrerer der Batteriezellen 32 messen. Das Batteriepack 14 kann bis zu N_c Sensormodule 34 verwenden, um die Kenngrößen aller Batteriezellen 32 messen. Jedes Sensormodul 34 kann die Messwerte zu dem BCM 36 zur weiteren Verarbeitung und Koordination übertragen. Das Sensormodul 34 kann Signale in analoger oder digitaler Form zu dem BCM 36 übertragen.
3 ist eine schematische Darstellung eines beispielhaften, zu einer Batteriezelle äquivalenten Schaltungsmodells 48. Eine Batteriezelle kann als eine Spannungsquelle (V_OC) 50 mit Widerständen (52 und 54) und einer Kapazität 56, die ihr zugeordnet sind, modelliert werden. Genauer, das zu einer Batteriezelle äquivalente Schaltungsmodell 48 kann eine Randles-Schaltung sein, die einen aktiven Elektrolytwiderstand R₁ 52 aufweist, der mit einer Parallelschaltung einer Kapazität C₂ 54 und eines aktiven Ladungsübertragungswiderstandes R₂ 56 in Reihe geschaltet ist. Aufgrund der Impedanz der Batteriezellen ist die Klemmenspannung V 58 typischerweise nicht dieselbe wie die Leerlaufspannung V_OC 50. Die Leerlaufspannung V_OC 50 ist nicht ohne weiteres messbar, da nur die Klemmenspannung 58 der Batteriezelle für eine Messung zugänglich ist. Da die V_OC 50 nicht ohne weiteres messbar ist, kann ein modellbasiertes Verfahren wie etwa das Randles-Modell verwendet werden, um ihren Wert zu schätzen. Obwohl hier das Randles-Schaltungsmodell als ein Beispiel verwendet wird, können andere Batteriemodelle ebenso gut verwendet werden. Zum Beispiel kann das Modell 48 ein Randles-Schaltungsmodell höherer Ordnung, einen anderen Typ eines äquivalenten Schaltungsmodells einer Batterie, ein elektrochemisches Modell einer Batterie oder irgendein anderes Modell der Batteriezelle oder von Komponenten der Zelle beinhalten.
Das äquivalente Randles-Schaltungsmodell von 3 kann die Berechnung prädiktiver Parameter des Batteriesystems ermöglichen. Das Randles-Schaltungsmodell kann durch die folgende Gleichung dargestellt werden:
wobei V2 die Spannung der RC-Schaltung ist, I der die Schaltung erregende Strom ist, t die Zeit ist und R2 (d. h. der Widerstand 54) und C2 (d. h. die Kapazität 56) die sich während des Fahrzeugbetriebs ändernde Batteriedynamik repräsentieren. Für eine Batterie mit einer Kapazität Q kann SOC als ein prozentualer Anteil einer verfügbaren Ladung im Vergleich zu einer maximalen Ladekapazität Q wie folgt definiert werden: SoC(t) = 1 / Q∫I(t)dt (2)
Außerdem kann die Klemmenspannung V 58 wie folgt modelliert werden: V_t(t) = I(t)R₁ + V₂(t) + f_oc(SoC(t)) (3)
4 ist eine schematische Darstellung eines modifizierten äquivalenten Modells einer Batteriezelle 60, welches die Batterieparameter in einen Nennparameterwert-Anteil 62 und einen Delta-Parameterwert-Anteil 64 aufteilt. In dem modifizierten Modell 60 kann das Batteriesystem nach wie vor als ein Randles-Schaltungsmodell (z. B. einer beliebigen gewünschten Ordnung) modelliert werden. Jedoch kann jedes Schaltungselement (z. B. der Widerstand 52, der Widerstand 54, die Kapazität 56 usw.) durch einen Satz von mehreren Schaltungselementen repräsentiert werden, der zu dem Gesamt-Schaltungselement äquivalent ist. Zum Beispiel kann jeder Widerstand als ein Paar von in Reihe geschalteten Widerständen modelliert werden, und jede Kapazität kann als ein Paar von parallel geschalteten Kapazitäten modelliert werden. Jedes Paar kann ein ideales Element enthalten, welches gemäß einer glatten Funktion der Betriebsbedingungen (z. B. Temperatur, SOC, Alterungszustand (State of Health) usw.) variiert, und ein Blackbox-, Delta- oder unbekanntes Element, welches sämtliche Faktoren repräsentiert, die nicht auf andere Weise durch das ideale Element erfasst werden.
Unter Verwendung der Struktur des modifizierten äquivalenten Modells einer Batteriezelle 60 kann der Nennwert oder ideale Wert jedes Batterieparameters auf eine vorwärtsgekoppelte Weise gemäß der glatten Funktion vorhergesagt werden. Infolgedessen braucht das System zur Schätzung der Batterieparameter nur die Werte der Blackbox-Elemente zu schätzen. Diese Blackbox-Elemente können als Delta-Störungen um die idealen Werte herum modelliert werden. Zum Beispiel kann der Widerstand 52 als ein Nennparameterwert 62 R_1,0 und ein Delta-Parameterwert 64 ΔR₁ modelliert werden, so dass der Gesamtwert des Widerstands 52 gleich der Summe der Teilwerte ist, R₁ = R_1,0 + ΔR₁. In ähnlicher Weise kann der Widerstand 54 als ein Nennparameterwert 62 R_2,0 und ein Delta-Parameterwert 64 ΔR₂ modelliert werden, so dass der Gesamtwert des Widerstands 54 gleich der Summe der Teilwerte ist, R₂ = R_2,0 + ΔR₂. Außerdem kann die Kapazität 56 als ein Nennparameterwert 62 C_2,0 und ein Delta-Parameterwert 64 ΔC₂ modelliert werden, so dass der Gesamtwert der Kapazität 56 gleich der Summe der Teilwerte ist, C₂ = C_2,0 + ΔC₂.
Unter Berücksichtigung dieser summierte Anteile kann das modifizierte Randles-Schaltungsmodell erster Ordnung 60 dementsprechend durch die folgende Gleichung (4) dargestellt werden:
Außerdem kann die Klemmenspannung V 58 wie folgt dargestellt werden: V_t(t) = I(t)(R_1,0 + ΔR₁) + V₂(t) + f_oc(SoC(t)) (5)
Trotz dieser Unterschiede im modifizierten Modell kann der SOC weiterhin so wie in Gleichung 2 angegeben modelliert werden.
Alternativ dazu kann, anders als beim Modell 60, in welchem den Delta-Parameterwerten 64 eine additive Wirkung verliehen wird, ein modifiziertes äquivalentes Modell einer Batteriezelle 60 verwendet werden, in welchem den Delta-Parameterwerten 64 eine multiplikative Wirkung verliehen wird. Zum Beispiel kann der Widerstand 52 als ein Nennparameterwert 62 R_1,0 und ein Delta-Parameterwert 64 ΔR₁ modelliert werden, so dass der Gesamtwert des Widerstands 52 gleich dem Produkt der Teilwerte ist, R₁ = R_1,0(1 + ΔR₁). In ähnlicher Weise kann der Widerstand 54 als ein Nennparameterwert 62 R_2,0 und ein Delta-Parameterwert 64 ΔR₂ modelliert werden, so dass der Gesamtwert des Widerstands 54 gleich dem Produkt der Teilwerte ist, R₂ = R_2,0(1 + ΔR₂). Außerdem kann die Kapazität 56 als ein Nennparameterwert 62 C_2,0 und ein Delta-Parameterwert 64 ΔC₂ modelliert werden, so dass der Gesamtwert der Kapazität 56 gleich dem Produkt der Teilwerte ist, C₂ = C_2,0(1 + ΔC₂).
Somit kann das alternative modifizierte Randles-Schaltungsmodell erster Ordnung 60 durch die folgende Gleichung (6) dargestellt werden:
Außerdem kann die Klemmenspannung V 58 wie folgt dargestellt werden: V_t(t) = I(t)R_1,0(1 + ΔR₁) + V₂(t) + f_oc(SoC(t)) (7)
In beiden Modellen 60 können die Nennwerte 62 als eine Funktion der Batterietemperatur und möglicherweise anderer Variabler, wie etwa des kumulativen Amperestunden-Durchsatzes oder des SOC, vorhergesagt werden. In manchen Fällen können die vorwärtsgekoppelten Parameterschätzungen über die Lebensdauer der Batterie langsam angepasst werden, z. B. um unterschiedlichen Kapazitäten Q im Verhalten der Batterie Rechnung zu tragen, wenn diese altert. Die Delta-Parameterwerte 64 können unter Verwendung eines erweiterten Kalman-Filters ermittelt werden, welches das Schaltungsmodell 60 verwendet. Zum Beispiel können die Delta-Parameterwerte 64 als eine Differenz zwischen den Nennparameterwerten 62 und den durch das Filter bestimmten Modellparametern bestimmt werden. Die Delta-Parameter können alternativ dazu direkt durch ein Kalman-Filter ermittelt werden. Insbesondere kann die vorwärtsgekoppelte Bestimmung des Nennparameterwertes 62 wesentlich weniger rechen- und speicherintensiv sein als die Bestimmung der Delta-Parameterwerte.
5 ist eine schematische Darstellung einer Cloud-basierten Architektur 70 zum Abgeben von Rechenaufgaben von einem Fahrzeug. Die Architektur 70 weist ein BCM 36 auf, das mit einem Fahrzeug-zu-Cloud-Modul 72 in Kommunikation steht, wobei das Cloud-Modul 72 dafür ausgelegt ist, die Kommunikation des Fahrzeugs mit Cloud-Rechenressourcen 74 zu ermöglichen.
Wie in der Architektur 70 als Strom (1) angegeben ist, kann das BCM 36 dafür ausgelegt sein, die Batterie zu verwalten und Batteriezellenmessungen verschiedener Variabler der Batterie durchzuführen. Außerdem kann, wie durch den Strom (2) angegeben, das BCM 36 ferner dafür ausgelegt sein, Eingangsinformationen an das Cloud-Modul 72 weiterzuleiten. Das Cloud-Modul 72 kann dafür ausgelegt sein, die Eingangsinformationen zu empfangen und, wie durch den Strom (3) angegeben, die Eingangsinformationen über eine Mobilfunkverbindung zu der Cloud-Rechenressource 74 weiterzuleiten (z. B. über eine Telematiksteuerung des Fahrzeugs). Die Cloud-Rechenressource 74 kann dafür ausgelegt sein, auf der Basis der empfangenen Eingangsinformationen Berechnungen durchzuführen. Wie durch den Strom (4) angegeben, kann die Cloud-Rechenressource 74 ferner dafür ausgelegt sein, über die Mobilfunkverbindung eine Antwort an das Cloud-Modul 72 zurückzusenden, welche die Ergebnisse der Berechnungen enthält. Das Cloud-Modul 72 kann die Antwort empfangen und, wie durch den Strom (5) angegeben, die Ergebnisse der Berechnungen zurück an das BCM 36 weiterleiten. Das BCM 36 kann die von der Ressource 74 berechneten Ergebnisse der Berechnungen entsprechend verwenden. Dementsprechend ist das Fahrzeug durch Verwendung der Cloud-basierten Architektur 70 in der Lage, Berechnungsaufgaben abzugeben, deren Ausführung unter Verwendung der eigenen Rechenkapazitäten für das BCM 36 teuer oder schwierig ist.
6 ist eine schematische Darstellung einer Ladezustands-Beobachterarchitektur 80, welche die Cloud-basierte Architektur 70 zum Abgeben der Berechnung von Delta-Parameterwerten 64 an die Cloud-Rechenressource 74 verwendet. In der Architektur 80 können die Delta-Parameterwerte 64 von der Cloud-Rechenressource 74 berechnet werden und können regelmäßig (zum Beispiel in diskreten Zeitabständen, wie etwa jede Sekunde, alle 15 Sekunden, alle 3 Minuten usw.) von der Cloud-Rechenressource 74 zur Verfügung gestellt werden. Weiterhin können die Berechnungen der Nennwerte 62 von dem BCM 36 durchgeführt werden, unabhängig von der Kommunikationsrate oder dem Verbindungsstatus zu der Cloud-Rechenressource 74. Die Delta-Parameterwerte 64 können von dem Fahrzeug verwendet werden, um die Berechnung von Modellparametern 92 zu aktualisieren, indem die von der Cloud-Rechenressource 74 ermittelten Delta-Werte auf die von dem BCM 36 bestimmten Nennwerte 62 angewendet werden. Da die Berechnung der Nennwerte 62 auf der Basis der aktuellen Batteriemesswerte durchgeführt wird, unabhängig von den von der Cloud-Rechenressource 74 empfangenen Aktualisierungen, sorgt die Architektur 80 für eine Verringerung der Zuwachsraten der Parameterfehler zwischen Cloud-Aktualisierungen sowie für eine robustere Cloud-basierte Bestimmung des Batteriezustands.
Genauer, die Architektur 80 weist ein Eingangsmodul 82 auf, das dafür ausgelegt ist, Sensoreingangsinformationen zu empfangen und die Eingangsinformationen zur Verwendung durch andere Module der Architektur 80 zur Verfügung zu stellen. Ein modellbasiertes SOC-Schätzmodul 86 kann dafür ausgelegt sein, Modellparameter 92 von dem Eingangsmodul 82 zu empfangen und den SOC 98 zu schätzen. Das Cloud-Modul 72 kann dafür ausgelegt sein, Batteriemodell-Eingangsinformationen 96 von dem Eingangsmodul 82 und den geschätzten SOC 98 zu der Cloud-Rechenressource 74 weiterzuleiten sowie Delta-Parameterwerte 64 zu empfangen, die von der Cloud-Rechenressource 74 gemäß dem modifizierten äquivalenten Batterie-Schaltungsmodell 60 berechnet wurden. Ein Parameterschätzmodul 84 kann dafür ausgelegt sein, die Delta-Parameterwerte 64 regelmäßig (zum Beispiel in diskreten Zeitabständen, wie etwa jede Sekunde, alle 15 Sekunden, alle 3 Minuten usw.) von der Cloud-Rechenressource 74 zu empfangen, Nennwerte 62 gemäß von dem Eingangsmodul 82 empfangenen Parameterschätzungs-Eingangsinformationen 90 zu bestimmen und ein Kombination der Nennwerte 62 und Delta-Parameterwerte 64 auszuführen, um die Modellparameter 92 zu bestimmen. Ein Leistungsgrenzwert-Berechnungsmodul 88 kann dafür ausgelegt sein, einen Leistungsgrenzwert für die Batterie (z. B. die maximale Rate, mit der Energie in die Batterie eingespeist und aus der Batterie entnommen werden kann) auf der Basis solcher Faktoren zu bestimmen, wie Alter und Temperatur der Batterie. Insbesondere können die Berechnungen der Nennwerte 62 von dem Fahrzeug kontinuierlich durchgeführt werden, unabhängig von der Kommunikationsrate zu der Cloud und dem Verbindungsstatus zu der Cloud. Dementsprechend sorgt die Berechnung der Nennwerte 62 unabhängig von den Aktualisierungen, die von der Cloud empfangen werden, für eine Verringerung der Zuwachsraten der Parameterfehler zwischen Cloud-Aktualisierungen sowie für ein robusteres Cloud-basiertes Batteriesteuerungssystem.
Das Eingangsmodul 82 kann dafür ausgelegt sein, Eingangsinformationen zu empfangen, die bei der Berechnung der Modellparameter 92 zu verwenden sind. Für ein modifiziertes äquivalentes Batterie-Schaltungsmodell 60 können diese Eingangsinformationen beispielsweise Spannung, Stromstärke, Temperatur beinhalten. Die Eingangsinformationen, die von dem Eingangsmodul 82 gesammelt werden, können Informationen beinhalten, die durch das BCM 36 von den Sensormodulen 34 empfangen werden, wie etwa Spannungs-, Strom- und Temperaturmesswerte der Zellenebene, sowie Kenngrößen der Ebene des Batteriepacks 14, die durch das BCM 36 empfangen werden, wie Batteriepackstrom 38. Batteriepackspannung 40 und Batteriepacktemperatur 42.
Das modellbasierte SOC-Schätzmodul 86 kann dafür ausgelegt sein, die gesammelten Eingangsinformationen 96 des Batteriemodells und einen geschätzten SOC 98 dem Cloud-Modul 72 zuzuführen, zur Verarbeitung durch die Cloud-Rechenressource 74 (z. B. Strom 2, wie in der Architektur 70 dargestellt). Der anfängliche geschätzte SOC 98 kann zum Beispiel anhand einer Messung der Leerlaufspannung des Batteriepacks 14 beim Einschalten der Zündung bestimmt werden, oder mittels eines Verfahrens der SOC-Berechnung, das keine Modellparameter 92 erfordert, wie etwa einer Amperestunden-Integration, berechnet anhand von Batteriemodell-Eingangsinformationen über Strommesswerte 96, die von dem Eingangsmodul 82 empfangen werden.
Die Cloud-Rechenressource 74 kann dafür ausgelegt sein, die weitergeleiteten Batteriemodell-Eingangsinformationen 96 von dem Eingangsmodul 82 und den geschätzten SOC 98 zu empfangen und die Delta-Parameterwerte 64 zu berechnen. Die Cloud-Rechenressource 74 kann die Berechnung des Delta-Parameterwertes 64 gemäß dem oben ausführlich erläuterten modifizierten äquivalenten Batterie-Schaltungsmodell 60 durchführen. Zum Beispiel kann die Cloud-Rechenressource 74 ein erweitertes Kalman-Filter verwenden, um Modellparameter 92 zu bestimmen, und kann die Delta-Parameterwerte 64 als eine Differenz zwischen den Modellparametern 92 und den Nennparameterwerten 62 bestimmen (die z. B. ebenfalls von der Cloud-Rechenressource 74 berechnet werden, unter Verwendung derselben Funktion, die von dem BCM 36 benutzt wird, oder die durch die Cloud-Rechenressource 74 von dem BCM 36 empfangen werden, usw.). Die Delta-Parameter können stattdessen auch direkt durch ein Kalman-Filter ermittelt werden. Die Cloud-Rechenressource 74 kann ferner dafür ausgelegt sein, die bestimmten Delta-Parameterwerte 64 über das Cloud-Modul 72 an das Parameterschätzmodul 84 zurückzugeben (z. B. Strom 5, wie in der Architektur 70 dargestellt).
Das Parameterschätzmodul 84 kann dafür ausgelegt sein, Nennparameterwerte 62 gemäß einer Funktion von empfangenen Parameterschätzungs-Eingangsinformationen 90 zu schätzen. Die Parameterschätzungs-Eingangsinformationen 90 können zum Beispiel die Batterietemperatur und möglicherweise andere Variable, wie etwa den kumulativen Amperestunden-Durchsatz oder den SOC 98, beinhalten. Das Parameterschätzmodul 84 kann dafür ausgelegt sein, auf der Basis der Nennparameterwerte 62 und Delta-Parameterwerte 64 die Batteriemodellparameter 92 zu berechnen. Zum Beispiel können unter Verwendung des modifizierten äquivalenten Batteriezellenmodells 60 die Werte des Widerstands 52, des Widerstands 54 und der Kapazität 56 als eine Summe von entsprechenden Nennparameterwerten 62 und Delta-Parameterwerten 64 bestimmt werden. Oder es können unter Verwendung des alternativen modifizierten äquivalenten Batteriezellenmodells 60 die Werte des Widerstands 52, des Widerstands 54 und der Kapazität 56 bestimmt werden, indem den Delta-Parameterwerten 64 eine multiplikative Wirkung auf die entsprechenden Nennparameterwerte 62 verliehen wird. Die Modellparameter 92 können dann dem modellbasierten SOC-Schätzmodul 86 zur Verfügung gestellt werden. Das modellbasierte SOC-Schätzmodul 86 kann dafür ausgelegt sein, den SOC 98 des Batteriepacks 14 zu schätzen. Zum Beispiel kann ein Beobachter des SOC-Schätzmoduls 86 entsprechend den von dem Eingangsmodul 82 empfangenen Modellparametern 92 angesteuert werden. Der Beobachter kann gemäß einem solchen Modell implementiert sein, wie dem modifizierten äquivalenten Batteriezellen-Schaltungsmodell 60, das in 4 dargestellt ist und oben ausführlich erläutert wurde.
Das Leistungsgrenzwert-Berechnungsmodul 88 kann dafür ausgelegt sein, eine Gesamtkapazität des Batteriepacks 14 zu bestimmen. Zum Beispiel kann das Leistungsgrenzwert-Berechnungsmodul 88 dafür ausgelegt sein, einen Leistungsgrenzwert für die Batterie (z. B. die maximale Rate, mit der Energie in die Batterie eingespeist und aus der Batterie entnommen werden kann) auf der Basis solcher Faktoren zu bestimmen, wie Alter und Temperatur der Batterie.
Insbesondere kann zwischen empfangenen Aktualisierungen eines Delta-Parameterwertes 64 das BCM 36 fortfahren, den SOC 98 unter Verwendung aktualisierter vorwärtsgekoppelter Nennwerte 62 und des zuletzt empfangenen Delta-Parameterwertes 64 zu schätzen. Somit können, unter Verwendung der Architektur 80, die Nennparameterwerte 62 kontinuierlich (vorwärtsgekoppelt) aktualisiert werden, während die Delta-Parameterwerte 64 auf der Basis einer Aktualisierungsrate von der Cloud-Rechenressource 74 periodisch aktualisiert werden können. Das fortgesetzte Aktualisieren der Nennparameterwerte 62 führt dementsprechend zu einer wesentlich verringerten Zunahme der Fehler der Modellparameter 92 zwischen dem Empfang von Aktualisierungen von der Cloud-Rechenressource 74. Außerdem können die Schätzungen der Modellparameter 92, die von dem Parameterschätzmodul 84 geliefert werden, auch robuster gegenüber einem Informationsverlust vom Fahrzeug zur Cloud und intermittierender Cloud-Konnektivität sein.
7 ist eine schematische Darstellung eines Verfahrens 700 zum Abgeben von Aufgaben der Parameteridentifikation von einem Fahrzeug. Das Verfahren 700 kann zum Beispiel von dem Cloud-Modul 72 und dem BCM 36 eines Fahrzeugs durchgeführt werden, das mit der Cloud-Rechenressource 74 in Kommunikation steht.
Am Entscheidungspunkt 702 bestimmt das BCM 36, ob ein Batteriemessungs-Timeout abgelaufen ist. Zum Beispiel kann das BCM 36 dafür ausgelegt sein, periodisch Batteriemessungen durchzuführen (z. B. jede Sekunde, alle 15 Sekunden, alle 3 Minuten usw.). Falls das Batteriemessungs-Timeout abgelaufen ist, wird die Steuerung an Block 704 übergeben. Andernfalls verbleibt die Steuerung beim Entscheidungspunkt 702.
Im Block 704 führt das BCM 36 Batteriemessungen durch. Zum Beispiel kann das BCM 36 Sensormodule 34 des Fahrzeugs verwenden, um Kenngrößen von Batteriezellen zu messen, wie etwa die Spannung, Stromstärke und Temperatur jeder Zelle gemessen werden können. Als weiteres Beispiel kann das BCM 36 Kenngrößen der Ebene des Batteriepacks 14 messen, wie etwa Batteriepackstrom 38, Batteriepackspannung 40 und Batteriepacktemperatur 42.
Im Block 706 aktualisiert das BCM 36 die Nennparameter. Zum Beispiel kann das Parameterschätzmodul 84 unter Verwendung der Batteriemesswerte als Parameterschätzungs-Eingangsinformationen 90 die Nennwerte oder idealen Werte jedes Batterieparameters auf eine vorwärtsgekoppelte Weise gemäß der glatten Funktion vorhersagen.
Am Entscheidungspunkt 708 bestimmt das BCM 36, ob ein Timeout der Cloud-Aktualisierung abgelaufen ist. Zum Beispiel kann das BCM 36 dafür ausgelegt sein, dem Cloud-Modul 72 periodisch Batteriemesswerte zur Verfügung zu stellen (z. B. jede Sekunde, alle 15 Sekunden, alle 3 Minuten usw.). In vielen Beispielen kann die Dauer des Timeouts der Cloud-Aktualisierung länger sein als die des Batteriemessungs-Timeouts, was ermöglicht, dass Aktualisierungen der Nennparameter schneller als Cloud-Aktualisierungen erfolgen. Wenn der Timer der Cloud-Aktualisierung abgelaufen ist, wird die Steuerung an Block 712 übergeben. Andernfalls wird die Steuerung an Block 710 übergeben.
Im Block 710 speichert das BCM 36 die Batteriemesswerte. Zum Beispiel kann das BCM 36 einen oder mehrere Sätze von Batteriemesswerten verwalten, die nach Ablauf des Timeouts der Cloud-Aktualisierung an das Cloud-Modul 72 zu senden sind. Nach Block 710 wird die Steuerung an den Entscheidungspunkt 702 übergeben.
Im Block 712 stellt das BCM 36 die Batteriemesswerte dem Cloud-Modul 72 zur Verfügung. Zum Beispiel kann das BCM 36 eine oder mehrere Nachrichten über einen Fahrzeugbus an das Cloud-Modul 72 senden, welche die Batteriemesswerte enthalten. Das BCM 36 kann ferner dem Cloud-Modul 72 zusätzliche Informationen zur Verfügung stellen, welche für die Bestimmung von Modellparametern auf der Basis des verwendeten Modells von Nutzen sein können, wie etwa einen früher berechneten SOC-Wert, der anhand einer früheren Zustandsbeobachtung bestimmt wurde, die von dem BCM 36 durchgeführt wurde. Nach Block 712 wird die Steuerung an den Entscheidungspunkt 702 übergeben.
Am Entscheidungspunkt 714 bestimmt das BCM 36, ob ein Timeout der SOC-Bestimmung abgelaufen ist. Zum Beispiel kann das BCM 36 dafür ausgelegt sein, den SOC zur Verwendung durch solche Fahrzeugsysteme zu bestimmen, wie den Hybrid-Antriebsstrang, oder für Elemente der Benutzeroberfläche des Fahrzeugs, welche den aktuellen Ladezustand anzeigen. Die SOC-Bestimmung kann auch periodisch durchgeführt werden (z. B. jede Sekunde, alle 15 Sekunden, alle 3 Minuten usw.). Falls das Timeout der SOC-Bestimmung abgelaufen ist, wird die Steuerung an Block 716 übergeben. Andernfalls verbleibt die Steuerung beim Entscheidungspunkt 714.
Im Block 716 aktualisiert das BCM 36 die Modellparameter 92. Zum Beispiel kann das Parameterschätzmodul 84 unter Verwendung der Struktur des modifizierten äquivalenten Batteriezellenmodells 60, die in 4 dargestellt ist und oben ausführlich erläutert wurde, den Nennwert oder idealen Wert jedes Batterieparameters auf eine vorwärtsgekoppelte Weise gemäß der glatten Funktion der Parameterschätzungs-Eingangsinformationen 90 vorhersagen, die von dem Eingangsmodul 82 empfangen wurden. Die Parameterschätzungs-Eingangsinformationen 90 können zum Beispiel die Batterietemperatur und möglicherweise andere Variable, wie etwa den kumulativen Amperestunden-Durchsatz oder den SOC 98, beinhalten. Das Parameterschätzmodul 84 kann ferner die jüngsten Delta-Parameterwerte 64 verwenden, um die Berechnung der Modellparameter 92 durch Anwenden der von der Cloud-Rechenressource 74 ermittelten Delta-Werte auf die bestimmten Nennwerte 62 zu aktualisieren. Zum Beispiel können unter Verwendung des modifizierten äquivalenten Batteriezellenmodells 60 die Werte des Widerstands 52, des Widerstands 54 und der Kapazität 56 als eine Summe von entsprechenden Nennparameterwerten 62 und Delta-Parameterwerten 64 bestimmt werden. Oder es können unter Verwendung des alternativen modifizierten äquivalenten Batteriezellenmodells 60 die Werte des Widerstands 52, des Widerstands 54 und der Kapazität 56 bestimmt werden, indem den Delta-Parameterwerten 64 eine multiplikative Wirkung auf die entsprechenden Nennparameterwerte 62 verliehen wird. Die Modellparameter 92 können dann dem modellbasierten SOC-Schätzmodul 86 zur Verfügung gestellt werden.
Im Block 718 bestimmt das BCM 36 den SOC. Zum Beispiel kann das SOC-Schätzmodul 86 des BCM 36 die Modellparameter 92 von dem Parameterschätzmodul 84 empfangen und den SOC 98 des Batteriepacks 14 schätzen. Ein Beobachter des SOC-Schätzmoduls 86 kann unter Verwendung der Modellparameter 92 entsprechend den von dem Eingangsmodul 82 empfangenen SOC-Eingangsinformationen 94 angesteuert werden. Der Beobachter kann gemäß einem solchen Modell implementiert sein, wie dem modifizierten äquivalenten Batteriezellen-Schaltungsmodell 60, das oben ausführlich erläutert wurde. Nach dem Block 718 wird die Steuerung an den Entscheidungspunkt 714 übergeben.
Am Entscheidungspunkt 720 bestimmt das BCM 36, ob durch das BCM 36 aktualisierte Delta-Parameterwerte 64 empfangen wurden. Zum Beispiel kann das BCM 36 ermitteln, ob Delta-Parameterwerte 64 durch das BCM 36 von dem Cloud-Modul 72 empfangen wurden, oder ob empfangene Delta-Parameterwerte 64 jünger sind als die Delta-Parameterwerte 64, die gegenwärtig durch das BCM 36 verwaltet werden. Falls von dem BCM 36 bestimmt wird, dass aktualisierte Delta-Parameterwerte 64 empfangen wurden, wird die Steuerung an Block 722 übergeben. Andernfalls verbleibt die Steuerung beim Entscheidungspunkt 720.
Im Block 722 aktualisiert das BCM 36 die Delta-Parameterwerte 64, die durch das BCM 36 verwaltet werden. Nach Block 716 wird die Steuerung an den Entscheidungspunkt 720 übergeben.
8 ist eine schematische Darstellung eines Verfahrens 800 zum Abgeben von Aufgaben der Parameteridentifikation von einem Fahrzeug. Das Verfahren 800 kann zum Beispiel von der Cloud-Rechenressource 74 durchgeführt werden, die mit dem Cloud-Modul 72 in Kommunikation steht, das mit dem BCM 36 gekoppelt ist.
Am Entscheidungspunkt 802 bestimmt die Cloud-Rechenressource 74, ob Batteriemesswerte von einem Fahrzeug empfangen worden sind. Zum Beispiel kann ein Cloud-Modul 202 eines Fahrzeugs eine Nachricht an die Cloud-Rechenressource 74 übermittelt haben, wie oben im Hinblick auf das Verfahren 700 erläutert wurde. Falls eine Nachricht empfangen wurde, wird die Steuerung an Block 804 übergeben, um die Nachricht zu verarbeiten. Andernfalls verbleibt die Steuerung beim Entscheidungspunkt 802.
Im Block 804 berechnet die Cloud-Rechenressource 74 unter Verwendung der empfangenen Messwerte Delta-Parameterwerte 64. Zum Beispiel kann die Cloud-Rechenressource 74 die Berechnung des Delta-Parameterwertes 64 gemäß dem modifizierten äquivalenten Batterie-Schaltungsmodell 60 durchführen, das oben ausführlich erläutert wurde. Die Cloud-Rechenressource 74 kann ein erweitertes Kalman-Filter verwenden, um Modellparameter 92 zu bestimmen, und kann die Delta-Parameterwerte 64 als eine Differenz zwischen den Modellparametern 92 und den Nennparameterwerten 62 bestimmen (welche z. B. ebenfalls durch die Cloud-Rechenressource 74 berechnet wurden, durch die Cloud-Rechenressource 74 von dem BCM 36 empfangen wurden usw.).
Im Block 806 übermittelt die Cloud-Rechenressource 74 an das Fahrzeug eine Antwort, welche die berechneten Modellparameter enthält. Zum Beispiel kann die Cloud-Rechenressource 74 dafür ausgelegt sein, die bestimmten Delta-Parameterwerte 64 an das Cloud-Modul 72 zurückzusenden, damit sie durch das Fahrzeug an das Parameterschätzmodul 84 zurückgesendet werden. Dementsprechend ist das Fahrzeug durch Verwendung der Cloud-basierten Architektur 70 in der Lage, die Bestimmung von Modellparametern abzugeben, deren Berechnung unter Verwendung der eigenen Rechenkapazitäten für das BCM 36 teuer oder schwierig sein kann. Nach Block 806 wird die Steuerung an den Entscheidungspunkt 802 übergeben.
Somit kann durch Aufteilung der Bestimmung der Modellparameter 92 in einen bekannten, einem Nennwert 62 entsprechenden Vorwärtskopplungsfunktions-Anteil und einen unbekannten, einem Delta-Parameterwert 64 entsprechenden Anteil das Fahrzeug dafür ausgelegt werden, die Genauigkeit der SOC-Berechnung über das Niveau der eingeschränkten Rechen- und Speichermöglichkeiten des an Bord befindlichen BCM 36 hinaus zu verbessern, während außerdem langsamere Cloud-Aktualisierungsraten zwischen dem Fahrzeug und der Cloud-Rechenressource 74 ermöglicht werden, als sie für Ansätze erforderlich sein können, bei denen die gesamte Berechnung der Modellparameter 92 abgegeben wird. Aufgrund der relativ langsamen Änderung der Modellparameter 92 sowie der dabei auftretenden rechnerischen Komplexität kann die Berechnung von Aktualisierungen von Delta-Parameterwerten 64 gemäß dem modifizierten äquivalenten Batterie-Schaltungsmodell 60 zweckmäßigerweise an die Cloud-Rechenressource 74 abgegeben werden. Weiterhin können Berechnungen aktualisierter Nennparameterwerte 62 zweckmäßigerweise durch das Fahrzeug ausgeführt werden, wodurch eine bessere SOC-Schätzung gewährleistet wird, als bei einem einfachen Rückgriff auf an einem entfernten Ort berechnete Modellparameter, wobei außerdem die Auswirkung eines potentiellen sporadischen Datenverlustes zwischen dem Fahrzeug und den Cloud-Rechenressourcen 74 minimiert wird.
Obwohl oben beispielhafte Ausführungsformen beschrieben wurden, sollen diese Ausführungsformen nicht alle möglichen Formen der Erfindung beschreiben. Vielmehr sind die in der Beschreibung verwendeten Wörter beschreibende und nicht einschränkende Wörter, und es versteht sich, dass verschiedene Änderungen vorgenommen werden können, ohne die Grundidee und den Schutzumfang der Erfindung zu verlassen. Weiterhin können die Merkmale verschiedener implementierender Ausführungsformen kombiniert werden, um weitere Ausführungsformen der Erfindung zu bilden.
Bezugszeichenliste
Fig. 5

36: BCM
72: FAHRZEUG-ZU-CLOUD-MODUL
74: CLOUD-RECHENRESSOURCE

Claims

Fahrzeug, welches aufweist: Batteriezellen; und eine Steuereinrichtung, die dafür ausgelegt ist, das Fahrzeug auf der Basis einer Zustandsbeobachtung der Batteriezellen zu steuern, unter Verwendung von Modellparametern, die gemäß von der Steuereinrichtung bestimmten Nennparametern der Zellen berechnet werden, korrigiert um fernbestimmte Delta-Parameter der Zellen, wobei die Delta-Parameter von einer externen Recheneinrichtung in Reaktion auf ein Zellen-Batteriemodell betreffende Zellenmesswerte empfangen werden, die zu der externen Recheneinrichtung gesendet wurden, wobei die Delta-Parameter Korrekturen angeben, welche die Genauigkeit der Nennparameter verbessern.
Fahrzeug nach Anspruch 1, wobei die Steuereinrichtung ferner dafür eingerichtet ist, die Nennparameter gemäß einer Funktion der Zellenmesswerte zu schätzen, und die Zellenmesswerte Zellenspannung, Zellenstrom und Zellentemperatur beinhalten.
Fahrzeug nach Anspruch 1, wobei jeder Nennparameter einen zugeordneten Delta-Parameter aufweist und die Steuereinrichtung ferner dafür eingerichtet ist, jeden der Modellparameter als entweder (i) eine Summe eines Nennparameters und eines zugeordneten Delta-Parameters oder (ii) ein Produkt des Nennparameters und des zugeordneten Delta-Parameters zu identifizieren.
Fahrzeug nach Anspruch 1, wobei das Batteriemodell ein äquivalentes Schaltungsmodell einer Batterie beinhaltet und die Steuereinrichtung ferner dafür eingerichtet ist, die Zustandsbeobachtung durchzuführen, um einen Ladezustand (SOC) der Batterie zu schätzen.
Fahrzeug nach Anspruch 4, wobei die Messwerte ferner eine frühere Schätzung des SOC der Batterie enthalten.
Fahrzeug nach Anspruch 4, wobei die Steuereinrichtung ferner dafür eingerichtet ist, eine Anfangsschätzung des SOC gemäß einer Amperestunden-Integration zu berechnen.
System, welches aufweist: eine Recheneinrichtung, die dafür ausgelegt ist, von einem Fahrzeug über ein Kommunikationsnetz Batteriezellen-Messwerte zu empfangen, die einem Batteriemodell von Batteriezellen des Fahrzeugs entsprechen; und in Reaktion auf die Messwerte über das Kommunikationsnetz Delta-Parameter der Zellen an das Fahrzeug zu senden, welche Korrekturen für durch das Fahrzeug für die Zellen bestimmte Nennparameter der Zellen angeben, wobei die Delta-Parameter Korrekturen angeben, welche die Genauigkeit der Nennparameter verbessern.
System nach Anspruch 7, wobei die Messwerte Messwerte von Zellenspannung, Zellenstrom und Zellentemperatur beinhalten.
System nach Anspruch 7, wobei das Batteriemodell ein äquivalentes Schaltungsmodell einer Batterie beinhaltet, das dafür eingerichtet ist, Parameter des äquivalenten Schaltungsmodells der Batterie zu liefern, um einen Ladezustand (SOC) der Batterie zu schätzen.
System nach Anspruch 9, wobei die Messwerte ferner eine frühere Schätzung des SOC der Batterie enthalten.
System nach Anspruch 7, wobei die Recheneinrichtung ferner dafür ausgelegt ist, die Nennparameter gemäß einer Funktion der Zellenmesswerte zu schätzen; und die Delta-Zellenparameter als eine Differenz von Modellparametern, die gemäß einem äquivalenten Schaltungsmodell der Batterie ermittelt wurden, und den Nennparametern zu berechnen.
System nach Anspruch 7, wobei die Recheneinrichtung ferner dafür ausgelegt ist, die Delta-Zellenparameter mittels direkter Identifikation von Modellparametern zu berechnen, die gemäß einem äquivalenten Schaltungsmodell der Batterie ermittelt wurden.
Verfahren, welches aufweist: Steuern eines Fahrzeugs durch eine Steuereinrichtung auf der Basis einer Zustandsbeobachtung von Batteriezellen, unter Verwendung von Modellparametern, die gemäß von der Steuereinrichtung bestimmten Nennparametern der Zellen berechnet werden, korrigiert um fernbestimmte Delta-Parameter der Zellen, wobei die Delta-Parameter durch die Steuereinrichtung von einer externen Recheneinrichtung in Reaktion auf ein Batteriemodell betreffende Zellenmesswerte empfangen werden, die zu der Recheneinrichtung gesendet wurden, wobei die Delta-Parameter Korrekturen angeben, welche die Genauigkeit der Nennparameter verbessern.
Verfahren nach Anspruch 13, welches ferner das Schätzen der Nennparameter gemäß einer Funktion der Zellenmesswerte aufweist, wobei die Zellenmesswerte Zellenspannung, Zellenstrom und Zellentemperatur beinhalten.
Verfahren nach Anspruch 13, wobei jeder Nennparameter einen zugeordneten Delta-Parameter aufweist, und welches ferner das Identifizieren jedes der Modellparameter als entweder (i) eine Summe eines Nennparameters und eines zugeordneten Delta-Parameters oder (ii) ein Produkt des Nennparameters und des zugeordneten Delta-Parameters aufweist.
Verfahren nach Anspruch 13, wobei das Batteriemodell ein äquivalentes Schaltungsmodell einer Batterie beinhaltet, und welches ferner das Durchführen der Zustandsbeobachtung, um einen Ladezustand (SOC) der Batterie zu schätzen, aufweist.
Verfahren nach Anspruch 13, wobei die Messwerte ferner eine frühere Schätzung des SOC der Batterie enthalten.
Verfahren nach Anspruch 13, welches ferner das Berechnen einer Anfangsschätzung des SOC gemäß einer Amperestunden-Integration aufweist.