JP2018077076A - 二次電池の状態推定装置及び二次電池の状態推定方法 - Google Patents
二次電池の状態推定装置及び二次電池の状態推定方法 Download PDFInfo
- Publication number
- JP2018077076A JP2018077076A JP2016217972A JP2016217972A JP2018077076A JP 2018077076 A JP2018077076 A JP 2018077076A JP 2016217972 A JP2016217972 A JP 2016217972A JP 2016217972 A JP2016217972 A JP 2016217972A JP 2018077076 A JP2018077076 A JP 2018077076A
- Authority
- JP
- Japan
- Prior art keywords
- voltage
- secondary battery
- estimated value
- charging rate
- battery
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/10—Energy storage using batteries
Landscapes
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Secondary Cells (AREA)
- Tests Of Electric Status Of Batteries (AREA)
Abstract
【課題】電圧センサの検出値にオフセット誤差が存在する場合であっても高い精度で充電率を推定できる二次電池の状態推定装置を提供すること。【解決手段】バッテリの状態推定装置は、バッテリにおける開放電圧と充電率との関係を模したSOC−OCVモデル52aを用いることによって電圧センサの電圧オフセット誤差δV等の推定値を算出する電池状態推定部5を備える。電池状態推定部5は、充電率SOCの推定値とバッテリ1の電圧に電圧オフセット誤差δVの推定値に相当する変化が生じた場合における充電率変分δSOCの推定値とを合わせたものをSOC−OCVモデル52aに入力することによって開放電圧OCVの推定値を算出し、この開放電圧OCVの推定値から算出した端子電圧CCVの推定値と電圧センサの検出値との誤差εが小さくなるように充電率SOC及びオフセット誤差δVの推定値を算出する。【選択図】図4
Description
本発明は、二次電池の状態推定装置及び二次電池の状態推定方法に関する。
ハイブリッド車両(HEV)、プラグインハイブリッド車両(PHEV)、及びバッテリ式電動輸送機器(BEV)等に搭載される二次電池の入出力性能は、充電状態、満充電容量、及び抵抗等の二次電池の内部状態によって変化する。このため二次電池をその入出力性能に適した態様で用いるためには、二次電池の内部状態を高い精度で推定する必要がある。また二次電池の内部状態を推定するために用いられるセンサとしては、電圧センサ、電流センサ、及び温度センサ等に限られるが、これらセンサの検出値には誤差が含まれている。そこで、これらセンサの検出値を用いて二次電池の内部状態を推定する際には、同時にこれらセンサの誤差を同定する場合が多い(例えば、特許文献1参照)。
特許文献1には、二次電池の内部状態を特定するパラメータの1つである充電率(二次電池の残容量の満充電容量に対する割合を百分率で表したものであり、SOC(State of Charge)ともいう)を、カルマンフィルタによって推定する充電率推定装置が示されている。特許文献1の充電率推定装置では、電流センサの検出値にはオフセット誤差が含まれていることを前提としており、電流センサのオフセットによる電流検出誤差と二次電池の開放電圧とを状態量として有するバッテリモデルに基づいて開放電圧を推定し、さらにこの開放電圧から充電率を推定する。
特許文献1の充電率推定装置では、電流センサのオフセット誤差を考慮したものとなっている。しかしながら二次電池の充電率を推定する際には、電流センサだけでなく電圧センサも用いられるが、特許文献1の充電率推定装置では電圧センサのオフセット誤差の存在については、十分に検討されていない。このため、特許文献1の充電率推定装置による充電率の推定精度は、電圧センサのオフセット誤差を考慮していない分だけ低いと考えられる。
本発明は、電圧センサの検出値にオフセット誤差が存在する場合であっても高い精度で充電率を推定できる二次電池の状態推定装置及び二次電池の状態推定方法を提供することを目的とする。
(1)本発明の二次電池(例えば、後述のバッテリ1)の状態推定装置(例えば、後述の状態推定装置2)は、二次電池の端子電圧を検出する電圧センサ(例えば、後述の電圧センサ4)の検出値(CCV[k])に基づいて前記二次電池の充電率(SOC)を推定するものであって、前記二次電池における開放電圧(OCV)と前記充電率との関係を模した二次電池モデル(例えば、後述のSOC−OCVモデル52a)を用いることによって前記端子電圧、前記充電率、及び前記電圧センサのオフセット誤差の推定値を算出する二次電池状態推定手段(例えば、後述の電池状態推定部5)を備える。前記二次電池状態推定手段は、前記二次電池の電圧の変化によって前記充電率に発生する変動を充電率変分と定義し、前記充電率の推定値と前記二次電池の電圧に前記オフセット誤差の推定値に相当する変化が生じた場合における前記充電率変分の推定値とを合わせたものを前記二次電池モデルに入力することによって前記開放電圧の推定値を算出し、前記開放電圧の推定値に基づいて算出された前記端子電圧の推定値(例えば、後述の端子電圧の推定値h(x_h−[k],I[k],θ_h−[k]))と前記電圧センサの検出値(例えば、後述の検出値CCV[k])との誤差(例えば、後述の予測誤差ε[k])が小さくなるように前記充電率及び前記オフセット誤差の推定値(例えば、後述の充電率の事後推定値SOC_h+、及び後述の電圧オフセット誤差の事後推定値δV_h+)を算出することを特徴とする。
(2)この場合、前記二次電池モデルは、予め実験を行うことによって定められたマップ又は近似関数(例えば、後述の近似関数g(・))であり、前記充電率変分の推定値(例えば、後述の充電率変分の事後推定値δSOC_h+)は前記二次電池モデルに基づいて算出されることが好ましい。
(3)この場合、前記二次電池状態推定手段は、拡張カルマンフィルタ、アンセンテッドカルマンフィルタ、及びパーティクルフィルタのうちの何れかのアルゴリズムによって前記誤差が小さくなるような前記オフセット誤差及び前記充電率の推定値を算出することが好ましい。
(4)本発明の二次電池の状態推定方法は、二次電池の端子電圧を検出する電圧センサの検出値と、前記二次電池における開放電圧と充電率との関係を模した二次電池モデルと、を用いることによって、前記二次電池の前記端子電圧、前記充電率を推定するものであって、前記端子電圧及び前記充電率の推定値並びに前記電圧センサのオフセット誤差の推定値を用いて前記開放電圧の推定値を算出する開放電圧推定ステップと、前記開放電圧の推定値に基づいて算出された前記端子電圧の推定値と前記電圧センサの検出値との誤差が小さくなるように前記充電率及び前記オフセット誤差の推定値を算出するパラメータ推定ステップと、を繰り返し実行することにより、前記端子電圧、前記充電率、及び前記オフセット誤差を推定する。前記開放電圧推定ステップでは、前記二次電池の電圧の変化によって前記充電率に発生する変動を充電率変分と定義し、前記充電率の推定値と前記二次電圧の電圧に前記オフセット誤差の推定値に相当する変化が生じた場合における前記充電率変分の推定値とを合わせたものを前記二次電池モデルに入力することによって前記開放電圧の推定値を算出することを特徴とする。
(1)本発明の二次電池の状態推定装置は、二次電池における開放電圧と充電率との関係を模した二次電池モデルを用いることによって二次電池の端子電圧、充電率、電圧センサのオフセット誤差の推定値を算出する。またこの状態推定装置は、充電率及びオフセット誤差の推定値並びに二次電池モデルを用いることによって開放電圧の推定値を算出し、さらにこの開放電圧の推定値に基づいて算出された端子電圧の推定値と電圧センサの検出値との誤差が小さくなるように充電率及びオフセット誤差の推定値を算出する。特に本発明の状態推定装置は、二次電池の電圧の変化によって充電率に発生する変動を充電率変分と定義し、充電率の推定値と二次電池の電圧にオフセット誤差の推定値に相当する変化が生じた場合における充電率変分の推定値とを合わせたものを二次電池モデルに入力することによって開放電圧の推定値を算出する。以上のように本発明の状態推定装置によれば、二次電池モデルに基づいて充電率の推定値を算出する過程で、電圧センサの検出値に含まれるオフセット誤差に起因する充電率変分の存在が考慮されるため、電圧センサの検出値にオフセット誤差が存在する場合であっても高い精度で充電率を推定できる。
(2)本発明の二次電池の状態推定装置では、二次電池モデルには予め実験を行うことによって定められたマップ又は近似関数を用い、また充電率変分の推定値はこの二次電池モデルに基づいて算出する。これにより充電率変分の推定値を容易に算出することができる。
(3)本発明の二次電池の状態推定装置では、拡張カルマンフィルタ、アンセンテッドカルマンフィルタ、及びパーティクルフィルタのうち何れかのアルゴリズムによって、開放電圧の推定値と電圧センサの検出値との誤差が小さくなるようなオフセット誤差及び充電率の推定値を算出する。これらのアルゴリズムによれば、電圧センサの検出値や二次電池の内部状態を特定するための複数のパラメータの値の最新値を用いて上記推定値を逐次更新できるため、これら検出値やパラメータの値等のデータセットを過去の分にわたり大量に記憶しておく必要が無いので、二次電池状態推定手段を実現する演算装置を小型なものにできる。
(4)本発明の二次電池の状態推定方法によれば、上記(1)の発明と同じ理由により、二次電池モデルに基づいて充電率の推定値を算出する過程で、電圧センサの検出値に含まれるオフセット誤差に起因する充電率変分の存在が考慮されるため、電圧センサの検出値にオフセット誤差が存在する場合であっても高い精度で充電率を推定できる。
以下、本発明の一実施形態について、図面を参照しながら説明する。
図1は、本実施形態に係るバッテリ1及びその状態を推定する状態推定装置2の構成を示す図である。これらバッテリ1及び状態推定装置2は、電気自動車、ハイブリッド車両、及び燃料電池車両など、電気エネルギを用いて走行する車両(図示せず)に搭載される。
図1は、本実施形態に係るバッテリ1及びその状態を推定する状態推定装置2の構成を示す図である。これらバッテリ1及び状態推定装置2は、電気自動車、ハイブリッド車両、及び燃料電池車両など、電気エネルギを用いて走行する車両(図示せず)に搭載される。
バッテリ1は、化学エネルギを電気エネルギに変換する放電、及び電気エネルギを化学エネルギに変換する充電の両方が可能である二次電池である。バッテリ1には、例えば、リチウムイオンバッテリやニッケル水素バッテリ等の既知の二次電池が用いられる。
バッテリ1は、図示しないPDUを介して、車両の駆動輪を駆動する電気モータや補機等で構成される負荷6に接続されている。PDUは、状態推定装置2によって推定されるバッテリ1の状態や車両の運転状態等に応じて、バッテリ1から負荷6へ電力を供給(放電)したり、電気モータを発電機として機能させることによって得られる電力をバッテリ1に供給(充電)したりする。
状態推定装置2は、電流センサ3と、電圧センサ4と、電池状態推定部5と、を備え、これらによってバッテリ1の状態を推定する。
電流センサ3は、バッテリ1から負荷6へ電力を供給する際にバッテリ1を流れる放電電流や、車両の制動時等において上記負荷6からバッテリ1へ電力を供給する際にバッテリ1を流れる充電電流を検出し、検出値に応じた信号を電池状態推定部5へ送信する。
電圧センサ4は、バッテリ1の端子電圧、すなわちバッテリ1が負荷6に接続され、バッテリ1に電流が流れている状態におけるバッテリ1の正極−負極間の電位差を検出し、検出値に応じた信号を電池状態推定部5へ送信する。
電池状態推定部5は、バッテリ1と電流センサ3と電圧センサ4とを含んで構成されるバッテリシステムを定義し、このバッテリシステムの状態、より具体的にはバッテリシステムの状態を特定する複数のシステムパラメータの値を、バッテリシステムにおいて観測可能なデータ、すなわち電流センサ3及び電圧センサ4の検出値を用いることによって推定する。ここでバッテリ1、電流センサ3及び電圧センサ4の状態を特定する複数のシステムパラメータには、例えば、バッテリ1の充電率、バッテリ1の端子電圧、バッテリ1のバッテリ容量、電流センサ3の検出値に含まれるオフセット誤差(以下、「電流オフセット誤差」ともいう)、及び電圧センサ4の検出値に含まれるオフセット誤差(以下、「電圧オフセット誤差」ともいう)等がある。これら複数のシステムパラメータの具体例については後に詳細に説明する。
電池状態推定部5は、より具体的には、上記バッテリシステムの状態の遷移を記述する状態方程式(後述の式(3)等参照)と、この状態方程式によって表されるバッテリシステムの状態と観測可能データとの関係を記述する観測方程式(後述の式(5)等参照)と、を合せて構成される状態空間モデルを用いることによって、上記複数のシステムパラメータの値を推定する。以下では、電池状態推定部5において構築される状態空間モデルの構成と、この状態空間モデルに基づく具体的な演算手順について、順に説明する。
<等価回路モデル>
電池状態推定部5では、上記のような状態空間モデルを構築するにあたり、例えば図2に示すようなバッテリシステムの等価回路モデルを定義する。図2に示すような抵抗値R0の第1内部抵抗と、抵抗値R1の第2内部抵抗及び静電容量値C1の内部コンデンサから成るRC並列回路とを直列に接続して構成される等価回路モデルによれば、バッテリ及び負荷Rを流れる電流をIとすると、バッテリの端子電圧CCVは、バッテリの開放電圧OCVから、第1抵抗における第1電圧降下(R0I)と、RC並列回路における第2電圧降下(VC)とを減算したもので表される(下記式(1−1)参照)。またこの第2電圧降下VCは、通電時間をtとすると、下記式(1−2)によって表される。また図2の等価回路モデルにおける各種物理量のうち、端子電圧CCVは電圧センサによって観測可能であり、電流Iは電流センサによって観測可能である。
電池状態推定部5では、上記のような状態空間モデルを構築するにあたり、例えば図2に示すようなバッテリシステムの等価回路モデルを定義する。図2に示すような抵抗値R0の第1内部抵抗と、抵抗値R1の第2内部抵抗及び静電容量値C1の内部コンデンサから成るRC並列回路とを直列に接続して構成される等価回路モデルによれば、バッテリ及び負荷Rを流れる電流をIとすると、バッテリの端子電圧CCVは、バッテリの開放電圧OCVから、第1抵抗における第1電圧降下(R0I)と、RC並列回路における第2電圧降下(VC)とを減算したもので表される(下記式(1−1)参照)。またこの第2電圧降下VCは、通電時間をtとすると、下記式(1−2)によって表される。また図2の等価回路モデルにおける各種物理量のうち、端子電圧CCVは電圧センサによって観測可能であり、電流Iは電流センサによって観測可能である。
<システムパラメータベクトル>
電池状態推定部5では、バッテリシステムを上記のような等価回路モデルで表現するとともに、時刻kにおけるバッテリシステムの状態を下記式(2−1)〜(2−3)で表される8成分のシステムパラメータベクトルz[k]によって表現する。なお以下では、現在の時刻を“k”で表し、現在に対し1つ前の周期を“k−1”で表し、現在に対し1つ次の周期を“k+1”で表す。また式(2−1)に示すように、以下では便宜上システムパラメータベクトルz[k]を、式(2−2)で定義される2成分の状態ベクトルx[k]と、式(2−3)で定義される6成分のパラメータベクトルθ[k]と、に分けて扱う。
電池状態推定部5では、バッテリシステムを上記のような等価回路モデルで表現するとともに、時刻kにおけるバッテリシステムの状態を下記式(2−1)〜(2−3)で表される8成分のシステムパラメータベクトルz[k]によって表現する。なお以下では、現在の時刻を“k”で表し、現在に対し1つ前の周期を“k−1”で表し、現在に対し1つ次の周期を“k+1”で表す。また式(2−1)に示すように、以下では便宜上システムパラメータベクトルz[k]を、式(2−2)で定義される2成分の状態ベクトルx[k]と、式(2−3)で定義される6成分のパラメータベクトルθ[k]と、に分けて扱う。
状態ベクトルx[k]の第1及び第2成分は、以下の通りである。
SOC[k](第1成分)…バッテリの充電率
VC[k](第2成分)…図2の等価回路モデルにおける第2電圧降下
SOC[k](第1成分)…バッテリの充電率
VC[k](第2成分)…図2の等価回路モデルにおける第2電圧降下
パラメータベクトルθ[k]の第1〜第6成分は、以下の通りである。
R0[k](第1成分)…図2の等価回路モデルにおける第1内部抵抗
R1[k](第2成分)…図2の等価回路モデルにおける第2内部抵抗
C1[k](第3成分)…図2の等価回路モデルにおける内部コンデンサの静電容量
δI[k](第4成分)…電流オフセット誤差
C[k](第5成分)…バッテリ容量
δV[k](第6成分)…電圧オフセット誤差
R0[k](第1成分)…図2の等価回路モデルにおける第1内部抵抗
R1[k](第2成分)…図2の等価回路モデルにおける第2内部抵抗
C1[k](第3成分)…図2の等価回路モデルにおける内部コンデンサの静電容量
δI[k](第4成分)…電流オフセット誤差
C[k](第5成分)…バッテリ容量
δV[k](第6成分)…電圧オフセット誤差
<状態方程式>
電池状態推定部5では、式(2−1)〜(2−3)によって定められたシステムパラメータベクトルzの離散時刻kからk+1への遷移を、下記式(3)で定義される状態方程式によって表す。下記式(3)において、“v[k]”はシステム雑音でありスカラ量である。“g”はシステム雑音の係数ベクトルであり8成分ベクトルである。また“f(・)”は、2成分ベクトル関数であり、状態ベクトルx、電流センサの検出値I、及びパラメータベクトルθの非線形関数である。なお以下では、下記式(3)に示すように、2成分ベクトル非線形関数f(・)及び6成分パラメータベクトルθを成分とする8成分のベクトル非線形関数を“F(・)”と表記する。
電池状態推定部5では、式(2−1)〜(2−3)によって定められたシステムパラメータベクトルzの離散時刻kからk+1への遷移を、下記式(3)で定義される状態方程式によって表す。下記式(3)において、“v[k]”はシステム雑音でありスカラ量である。“g”はシステム雑音の係数ベクトルであり8成分ベクトルである。また“f(・)”は、2成分ベクトル関数であり、状態ベクトルx、電流センサの検出値I、及びパラメータベクトルθの非線形関数である。なお以下では、下記式(3)に示すように、2成分ベクトル非線形関数f(・)及び6成分パラメータベクトルθを成分とする8成分のベクトル非線形関数を“F(・)”と表記する。
ここで、上記状態方程式(3)において、状態ベクトルxの遷移に係る部分のうちシステム雑音v[k]に比例する部分を除いた部分、すなわち2成分ベクトル非線形関数f(・)は、具体的には、以下のように表される。ここで、下記式(4)において、バッテリの充電率SOCの遷移に係る部分、すなわち2成分ベクトル非線形関数f(・)の第1成分には、例えば、サンプル間隔ΔTの間にバッテリに出入りする電荷量を積算することによって導出される式が用いられる。また下記式(4)において、第2電圧降下VCの遷移に係る部分、すなわちベクトル非線形関数f(・)の第2成分には、例えば上記等価回路モデルにおける第2電圧降下VCに対する式(1−2)に基づいて導出される式が用いられる。
<観測方程式>
電池状態推定部5では、上記状態方程式(3)に従って遷移するシステムパラメータベクトルzと、電圧センサによって観測可能なデータである端子電圧CCVとの関係を記述する観測方程式として、例えば上記等価回路モデルにおける端子電圧CCVに対する式(1−1)に基づいて導出される下記式(5)が用いられる。下記観測方程式(5)において、“w[k]”は観測雑音でありスカラ量である。
電池状態推定部5では、上記状態方程式(3)に従って遷移するシステムパラメータベクトルzと、電圧センサによって観測可能なデータである端子電圧CCVとの関係を記述する観測方程式として、例えば上記等価回路モデルにおける端子電圧CCVに対する式(1−1)に基づいて導出される下記式(5)が用いられる。下記観測方程式(5)において、“w[k]”は観測雑音でありスカラ量である。
<SOC−OCVモデル>
また電池状態推定部5では、上記観測方程式(5)の右辺のうち開放電圧OCVについては、システムパラメータベクトルzを、バッテリ1の所定のSOC−OCVモデルに入力することによって得られた値を用いる。ここでSOC−OCVモデルとは、バッテリにおける開放電圧OCVと充電率SOCとの対応関係を規定したものである。このSOC−OCVモデルには、バッテリシステムにおいて用いられるバッテリ1の充電率と開放電圧との関係について予め実験を行うことによって構築されたマップや近似関数等が用いられる。以下では、SOC−OCVモデルを近似関数によって具現化した例について説明するが、SOC−OCVモデルは、マップによって具現化してもよい。
また電池状態推定部5では、上記観測方程式(5)の右辺のうち開放電圧OCVについては、システムパラメータベクトルzを、バッテリ1の所定のSOC−OCVモデルに入力することによって得られた値を用いる。ここでSOC−OCVモデルとは、バッテリにおける開放電圧OCVと充電率SOCとの対応関係を規定したものである。このSOC−OCVモデルには、バッテリシステムにおいて用いられるバッテリ1の充電率と開放電圧との関係について予め実験を行うことによって構築されたマップや近似関数等が用いられる。以下では、SOC−OCVモデルを近似関数によって具現化した例について説明するが、SOC−OCVモデルは、マップによって具現化してもよい。
下記式(6)は、SOC−OCVモデルを、充電率SOC[k]に後述の充電率変分δSOC[k]を加算したパラメータの3次の近似関数g(SOC[k]+δSOC[k])によって具現化した場合の例である。下記SOC−OCVモデル式(6)において、モデルパラメータa,b,c,dは、何れもスカラ量であり予め実験を行うことによって同定された値が用いられる。なお以下では、これらモデルパラメータa〜dの値は時間によって変化しないものとするが、本発明はこれに限らない。すなわち、モデルパラメータa〜dの値は、既知のパラメータ同定アルゴリズムを用いることによって、バッテリの劣化やものばらつきに応じて変化させてもよい。
上述のように、SOC−OCVモデル式(6)によれば、バッテリ1の開放電圧OCV[k]は、充電率SOC[k]に充電率変分δSOC[k]が加算されたパラメータの関数となっている。この充電率変分δSOC[k]は、バッテリ1の電圧の変化によって充電率に発生する変動に相当する。電池状態推定部5では、この充電率変分δSOC[k]を、図3に示すように、バッテリ1の開放電圧OCV[k]に、電圧オフセット誤差δV[k]に相当する変化が生じた場合における充電率SOC[k]の変分として定義する。また下記式(7)に示すように、電圧オフセット誤差δV[k]に応じた充電率変分δSOC[k]は、電圧オフセット誤差δV[k]を、SOC−OCVモデルの近似関数g(・)の1次導関数で除算したもので近似できる。
以上のように、充電率変分δSOC[k]の推定値は、SOC−OCVモデル式(6)から導出される下記式(7)に充電率SOC[k]及び電圧オフセット誤差δV[k]の推定値を入力することによって算出される。また電圧センサでは観測することができないバッテリ1の開放電圧OCV[k]の推定値は、充電率SOC[k]の推定値と充電率変分δSOC[k]の推定値とを合わせたものをSOC−OCVモデル式(6)に入力することによって算出される。
図4は、電池状態推定部5においてシステムパラメータベクトルzの推定値を算出する手順を模式的に示すブロック図である。
電池状態推定部5は、パラメータ同定器51と、端子電圧推定部52と、推定誤差演算部53と、ゲインベクトル演算部54と、を用いることによって、システムパラメータベクトルzの推定値を算出する。
端子電圧推定部52では、後述の手順によりパラメータ同定器51によって算出されたシステムパラメータベクトルz[k]の推定値、より具体的には、第1電圧降下R0[k](I[k]+δI[k])の推定値と、第2電圧降下VC[k]の推定値と、充電率SOC[k]の推定値と、電圧オフセット誤差δV[k]の推定値と、を上記式(6)〜(7)で示す入出力特性を有するSOC−OCVモデル52aが組み込まれた観測方程式(5)に入力することにより、バッテリの端子電圧の推定値を算出する。
推定誤差演算部53では、電圧センサの検出値CCV[k]から端子電圧推定部52によって推定された端子電圧の推定値を減算することにより、推定誤差ε[k]を算出する。
ゲインベクトル演算部54では、推定誤差ε[k]に後に詳述する手順によって算出されるゲインベクトルN[k]を乗算したものを、パラメータ同定器51へ入力する。
パラメータ同定器51では、上述の推定誤差ε[k]が小さくなるように、電流センサの検出値I[k]とゲインベクトルN[k]と上述の状態方程式(3)とを用いることにより、上述のように充電率SOC[k]や電圧オフセット誤差δV[k]等を成分とするシステムパラメータベクトルz[k]の推定値を算出する。
なお、上記式(4)に示すように、状態方程式はシステムパラメータベクトルzの非線形関数となっている。そこでパラメータ同定器51では、状態方程式を局所的に線形化する拡大系拡張カルマンフィルタと呼称されるアルゴリズムを適用することによって、システムパラメータベクトルzの推定値を算出する。なお以下では、状態方程式及び観測方程式を拡大系拡張カルマンフィルタに適用する場合に付いて説明するが、本発明はこれに限らない。すなわち、上記状態方程式及び観測方程式を、他のアルゴリズム、より具体的には、アンセンテッドカルマンフィルタやパーティクルフィルタ等のアルゴリズムに適用してもよい。
なお以下の説明では、システムパラメータベクトルzやその成分等の推定値には、“h”の添え字を付す。
図5は、電池状態推定部において、電圧センサ及び電流センサの検出値を用いてシステムパラメータベクトルの推定値等を逐次更新する手順を示すフローチャートである。電池状態推定部では、図5に示す一連の処理を、所定のサンプル間隔ΔTごとに、繰り返し実行する。
図5に示すように、システムパラメータベクトルの推定値を更新する処理は、予測ステップ(S1〜S2)と、フィルタリングステップ(S3〜S6)と、によって構成される。
また以下で説明するように、システムパラメータベクトルzの推定値には、事前推定値z_h−と事後推定値z_h+との2種類が存在する。現在の時刻をkとすると、時刻kにおける事前推定値z_h−[k]とは、時刻k−1までに利用可能なデータに基づいた時刻kにおけるシステムパラメータベクトルz[k]の予測推定値に相当する。また時刻kにおける事後推定値z_h+[k]とは、時刻kまでに利用可能なデータ、すなわち時刻kにおいて取得した最新の電圧センサや電流センサの検出値や上記事前推定値z_h−[k]等を含むデータに基づいた、時刻kにおけるシステムパラメータベクトルz[k]のフィルタリング推定値である。なお以下では、事前推定値については“−”の添え字を付し、事後推定値については“+”の添え字を付す。電池状態推定部5では、以下の手順に従って事前推定値z_h−と事後推定値z_h+とをサンプル間隔ΔTごとに算出するとともに、このうち事後推定値z_h+をシステムパラメータベクトルzの推定値として出力する。換言すると、事後推定値z_h+が電池状態推定部において最終的に求めたいシステムパラメータベクトルzの推定値に相当する。
予測ステップは、事前推定値の演算(S1)及び事前誤差共分散行列の演算(S2)の2つの演算によって構成される。
S1の事前状態推定値の演算では、上記式(2−1)〜(2−3)によって定義されるシステムパラメータベクトルzの、現在の時刻kにおける事前推定値z_h−[k]の値を算出する。下記式(8)に示すように、S1では、電池状態推定部は、例えば前回の時刻k−1における後述のフィルタリングステップにおいて算出された事後推定値z_h+[k−1]をそのまま現在の時刻kにおける事前状態推定値z_h−[k]とする。
またS2の事前誤差共分散行列の演算では、下記式(9)に基づいて、8行8列の事前誤差共分散行列Σ−の値を算出する。下記式(9)において、“Σv2”は、上記式(3)におけるシステム雑音の分散であり、“g”及び“gT”は、それぞれシステム雑音の係数ベクトル及びその転置ベクトルである。また下記式(9)において“FL[k]”及び“FLT[k]”は、それぞれ、状態方程式(3)の8成分ベクトル非線形関数F(z[k])を線形近似した8成分ベクトル線形関数及びその転置ベクトルである。また下記式(9)において“Σ+[k−1]”は、前回の時刻k−1における事後誤差共分散行列であり、前回の時刻k−1における後述のフィルタリングステップにおいて算出された値がそのまま用いられる。
次に、フィルタリングステップは、ゲインベクトルの演算(S3)、予測誤差の演算(S4)、状態推定値の演算(S5)、及び事後誤差共分散行列の演算(S6)の4つの演算によって構成される。
S3のゲインベクトルの演算では、下記式(12)に基づいて、時刻kにおける8成分のゲインベクトルN[k]の値を算出する。下記式(12)において、“Σw2”は、上記観測方程式(5)における観測雑音の分散である。また下記式(12)において、“HL[k]”及び“HLT[k]”は、それぞれ、SOC−OCVモデルを含んだ観測方程式(5)の右辺を線形近似して得られる8成分ベクトル線形関数及びその転置ベクトルである。
また上記式(13)における係数“Q”及び“T”は、上記式(6)及び(7)で示すSOC−OCVモデル式に基づいて導出される下記式(14−1)及び(14−2)が用いられる。また下記式(14−1)及び(14−2)における“p[k]”及び“q[k]”は、それぞれ、下記式(14−3)及び(14−4)が用いられる。また充電率変分の事前推定値δSOC_h−には、下記式(14−5)に示すように上記式(7)に電圧オフセット誤差の事前推定値δV_h−及び充電率の事前推定値SOC_h−を入力することによって得られるものを用いる。
S4の予測誤差の演算では、下記式(15)に示すように、時刻kにおいて取得した電圧センサの検出値CCV[k]から、時刻kにおいて取得した電流センサの検出値I[k]と、状態ベクトルxの事前推定値x_h−[k]と、パラメータベクトルθの事前推定値θ_h−[k]と、を観測方程式(5)に基づいて導出される関数h(・)に入力することによって得られる端子電圧の推定値h(x_h−[k],I[k],θ_h−[k])を減算することにより、時刻kにおける予測誤差ε[k]の値を算出する。
S5の事後推定値の演算では、下記式(16)に示すように、システムパラメータベクトルzの事前推定値z_h−[k]に、先に導出したゲインベクトルN[k]に予測誤差ε[k]を乗算したものを加えることにより、予測誤差ε[k]の絶対値が小さくなるようなシステムパラメータベクトルzの事後推定値z_h+[k]の値を算出する。
S6の事後誤差共分散行列の演算では、下記式(17)に基づいて、8行8列の事後誤差共分散行列Σ+の値を算出し、この処理を終了する。ここで算出された時刻kにおける事後誤差共分散行列Σ+は、次の時刻k+1における事前誤差共分散行列の演算に用いられる。
なお上記の手順に従い繰り返し演算を行うことにより、各時刻で状態推定値を逐次算出する際には、状態パラメータの推定値z_h+及び事後誤差共分散行列Σ+の初期値、すなわち時刻k=0における値が必要となる。これらの初期値は、例えば下記式のように定義する。なお以下では、任意の変数“x”の期待値を“E[x]”と表記する。
次に、以上のように構成された状態推定装置2の効果について説明する。
図6は、上記状態推定装置2によるシステムパラメータベクトルzの推定値の変化を示す図である。図6には、上段から順に、電流オフセット誤差δIの推定値(より具体的には、事後推定値δI_h+[k])、電圧オフセット誤差δVの推定値(より具体的には、事後推定値δV_h+[k])、及び充電率SOCの推定値(より具体的には、事後推定値SOC_h+[k])と真値との誤差、を示す。また図6の例では、電圧センサには意図的にマイナス数百mV程度の電圧オフセット誤差を与えた。また、電流センサの電流オフセット誤差は0とした。また図6における破線は、電流オフセット誤差δI及び電圧オフセット誤差δVの真値を示す。
図6は、上記状態推定装置2によるシステムパラメータベクトルzの推定値の変化を示す図である。図6には、上段から順に、電流オフセット誤差δIの推定値(より具体的には、事後推定値δI_h+[k])、電圧オフセット誤差δVの推定値(より具体的には、事後推定値δV_h+[k])、及び充電率SOCの推定値(より具体的には、事後推定値SOC_h+[k])と真値との誤差、を示す。また図6の例では、電圧センサには意図的にマイナス数百mV程度の電圧オフセット誤差を与えた。また、電流センサの電流オフセット誤差は0とした。また図6における破線は、電流オフセット誤差δI及び電圧オフセット誤差δVの真値を示す。
図6に示すように、電流オフセット誤差δIの推定値は、時間の経過とともに徐々に真値に収束する。また電圧オフセット誤差δVの推定値は、演算の開始後、速やかに真値に収束することが確認された。またこのため、充電率SOCの推定誤差も、一点鎖線で示す所定の許容範囲内で徐々に0の近傍に収束することが確認された。以上より、状態推定装置2によれば、電圧センサにオフセット誤差が存在する場合であっても、高い精度で充電率SOCを推定できることが確認された。
本実施形態の状態推定装置2によれば、以下の効果を奏する。
(1)状態推定装置2は、バッテリ1における開放電圧OCVと充電率SOCとの関係を模したSOC−OCVモデル52aを用いることによってバッテリ1の端子電圧CCV、充電率SOC、電圧センサ4の電圧オフセット誤差δVの推定値を算出する。またこの状態推定装置2は、充電率SOC及び電圧オフセット誤差δVの推定値並びにSOC−OCVモデル52aを用いることによって開放電圧OCVの推定値を算出し、さらにこの開放電圧OCVの推定値に基づいて算出された端子電圧CCVの推定値と電圧センサ4の検出値との誤差が小さくなるように充電率SOC及び電圧オフセット誤差δVの推定値を算出する。特に状態推定装置2は、バッテリ1の電圧の変化によって充電率SOCに発生する変動を充電率変分δSOCと定義し、充電率SOCの推定値とバッテリ1の電圧に電圧オフセット誤差δVの推定値に相当する変化が生じた場合における充電率変分δSOCの推定値とを合わせたものをSOC−OCVモデル52aに入力することによって開放電圧OCVの推定値を算出する。以上のように状態推定装置2によれば、SOC−OCVモデルに基づいて充電率SOCの推定値を算出する過程で、電圧センサ4の検出値に含まれる電圧オフセット誤差δVに起因する充電率変分δSOCの存在が考慮されるため、電圧センサ4の検出値に電圧オフセット誤差δVが存在する場合であっても高い精度で充電率SOCを推定できる。
(1)状態推定装置2は、バッテリ1における開放電圧OCVと充電率SOCとの関係を模したSOC−OCVモデル52aを用いることによってバッテリ1の端子電圧CCV、充電率SOC、電圧センサ4の電圧オフセット誤差δVの推定値を算出する。またこの状態推定装置2は、充電率SOC及び電圧オフセット誤差δVの推定値並びにSOC−OCVモデル52aを用いることによって開放電圧OCVの推定値を算出し、さらにこの開放電圧OCVの推定値に基づいて算出された端子電圧CCVの推定値と電圧センサ4の検出値との誤差が小さくなるように充電率SOC及び電圧オフセット誤差δVの推定値を算出する。特に状態推定装置2は、バッテリ1の電圧の変化によって充電率SOCに発生する変動を充電率変分δSOCと定義し、充電率SOCの推定値とバッテリ1の電圧に電圧オフセット誤差δVの推定値に相当する変化が生じた場合における充電率変分δSOCの推定値とを合わせたものをSOC−OCVモデル52aに入力することによって開放電圧OCVの推定値を算出する。以上のように状態推定装置2によれば、SOC−OCVモデルに基づいて充電率SOCの推定値を算出する過程で、電圧センサ4の検出値に含まれる電圧オフセット誤差δVに起因する充電率変分δSOCの存在が考慮されるため、電圧センサ4の検出値に電圧オフセット誤差δVが存在する場合であっても高い精度で充電率SOCを推定できる。
(2)状態推定装置2では、SOC−OCVモデル52aには予め実験を行うことによって定められたマップ又は近似関数を用い、また充電率変分δSOCの推定値はこのSOC−OCVモデル52aに基づいて算出する。これにより充電率変分δSOCの推定値を容易に算出することができる。
(3)状態推定装置2では、拡張カルマンフィルタ、アンセンテッドカルマンフィルタ、及びパーティクルフィルタのうち何れかのアルゴリズムによって、開放電圧OCVの推定値と電圧センサ4の検出値との誤差が小さくなるような電圧オフセット誤差δV及び充電率SOCの推定値を算出する。これらのアルゴリズムによれば、電圧センサ4の検出値やバッテリ1の内部状態を特定するための複数のパラメータの値の最新値を用いて上記推定値を逐次更新できるため、これら検出値やパラメータの値等のデータセットを過去の分にわたり大量に記憶しておく必要が無いので、電池状態推定部5を実現する演算装置を小型なものにできる。
以上、本発明の実施形態について説明したが、本発明はこれに限らない。本発明の趣旨の範囲内で、細部の構成を適宜変更してもよい。
1…バッテリ(二次電池)
2…状態推定装置
3…電流センサ
4…電圧センサ
5…電池状態推定部(二次電池状態推定手段)
2…状態推定装置
3…電流センサ
4…電圧センサ
5…電池状態推定部(二次電池状態推定手段)
Claims (4)
- 二次電池の端子電圧を検出する電圧センサの検出値に基づいて前記二次電池の充電率を推定する二次電池の状態推定装置であって、
前記二次電池における開放電圧と前記充電率との関係を模した二次電池モデルを用いることによって前記端子電圧、前記充電率、及び前記電圧センサのオフセット誤差の推定値を算出する二次電池状態推定手段を備え、
前記二次電池状態推定手段は、前記二次電池の電圧の変化によって前記充電率に発生する変動を充電率変分と定義し、前記充電率の推定値と前記二次電池の電圧に前記オフセット誤差の推定値に相当する変化が生じた場合における前記充電率変分の推定値とを合わせたものを前記二次電池モデルに入力することによって前記開放電圧の推定値を算出し、
前記開放電圧の推定値に基づいて算出された前記端子電圧の推定値と前記電圧センサの検出値との誤差が小さくなるように前記充電率及び前記オフセット誤差の推定値を算出することを特徴とする二次電池の状態推定装置。 - 前記二次電池モデルは、予め実験を行うことによって定められたマップ又は近似関数であり、
前記充電率変分の推定値は前記二次電池モデルに基づいて算出されることを特徴とする請求項1に記載の二次電池の状態推定装置。 - 前記二次電池状態推定手段は、拡張カルマンフィルタ、アンセンテッドカルマンフィルタ、及びパーティクルフィルタのうちの何れかのアルゴリズムによって前記誤差が小さくなるような前記オフセット誤差及び前記充電率の推定値を算出することを特徴とする請求項1又は2に記載の二次電池の状態推定装置。
- 二次電池の端子電圧を検出する電圧センサの検出値と、前記二次電池における開放電圧と充電率との関係を模した二次電池モデルと、を用いることによって、前記二次電池の前記端子電圧、前記充電率を推定する二次電池の状態推定方法であって、
前記端子電圧及び前記充電率の推定値並びに前記電圧センサのオフセット誤差の推定値を用いて前記開放電圧の推定値を算出する開放電圧推定ステップと、前記開放電圧の推定値に基づいて算出された前記端子電圧の推定値と前記電圧センサの検出値との誤差が小さくなるように前記充電率及び前記オフセット誤差の推定値を算出するパラメータ推定ステップと、を繰り返し実行することにより、前記端子電圧、前記充電率、及び前記オフセット誤差を推定し、
前記開放電圧推定ステップでは、前記二次電池の電圧の変化によって前記充電率に発生する変動を充電率変分と定義し、前記充電率の推定値と前記二次電圧の電圧に前記オフセット誤差の推定値に相当する変化が生じた場合における前記充電率変分の推定値とを合わせたものを前記二次電池モデルに入力することによって前記開放電圧の推定値を算出することを特徴とする二次電池の状態推定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016217972A JP2018077076A (ja) | 2016-11-08 | 2016-11-08 | 二次電池の状態推定装置及び二次電池の状態推定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016217972A JP2018077076A (ja) | 2016-11-08 | 2016-11-08 | 二次電池の状態推定装置及び二次電池の状態推定方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2018077076A true JP2018077076A (ja) | 2018-05-17 |
Family
ID=62150288
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016217972A Pending JP2018077076A (ja) | 2016-11-08 | 2016-11-08 | 二次電池の状態推定装置及び二次電池の状態推定方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2018077076A (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020255794A1 (ja) * | 2019-06-20 | 2020-12-24 | 株式会社Gsユアサ | 開発支援装置、開発支援方法、および状態検知方法 |
WO2023054431A1 (ja) * | 2021-09-28 | 2023-04-06 | 本田技研工業株式会社 | バッテリ特性推定装置、バッテリ特性推定方法、およびプログラム |
JP7317247B1 (ja) | 2022-06-10 | 2023-07-28 | 三菱電機株式会社 | 並列電池管理装置および並列電池制御システム |
-
2016
- 2016-11-08 JP JP2016217972A patent/JP2018077076A/ja active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020255794A1 (ja) * | 2019-06-20 | 2020-12-24 | 株式会社Gsユアサ | 開発支援装置、開発支援方法、および状態検知方法 |
WO2023054431A1 (ja) * | 2021-09-28 | 2023-04-06 | 本田技研工業株式会社 | バッテリ特性推定装置、バッテリ特性推定方法、およびプログラム |
JP7317247B1 (ja) | 2022-06-10 | 2023-07-28 | 三菱電機株式会社 | 並列電池管理装置および並列電池制御システム |
WO2023238363A1 (ja) * | 2022-06-10 | 2023-12-14 | 三菱電機株式会社 | 並列電池管理装置および並列電池制御システム |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hu et al. | An enhanced multi-state estimation hierarchy for advanced lithium-ion battery management | |
Deng et al. | Online available capacity prediction and state of charge estimation based on advanced data-driven algorithms for lithium iron phosphate battery | |
Zou et al. | Nonlinear fractional-order estimator with guaranteed robustness and stability for lithium-ion batteries | |
Xu et al. | An online state of charge estimation method with reduced prior battery testing information | |
EP3593155B1 (en) | A battery cell state of charge estimation method and a battery state monitoring system | |
Xing et al. | State of charge estimation of lithium-ion batteries using the open-circuit voltage at various ambient temperatures | |
Li et al. | A comparative study of model-based capacity estimation algorithms in dual estimation frameworks for lithium-ion batteries under an accelerated aging test | |
Song et al. | Current profile optimization for combined state of charge and state of health estimation of lithium ion battery based on Cramer–Rao bound analysis | |
Sun et al. | Adaptive unscented Kalman filtering for state of charge estimation of a lithium-ion battery for electric vehicles | |
Fleischer et al. | On-line adaptive battery impedance parameter and state estimation considering physical principles in reduced order equivalent circuit battery models: Part 1. Requirements, critical review of methods and modeling | |
Gould et al. | New battery model and state-of-health determination through subspace parameter estimation and state-observer techniques | |
WO2015059879A1 (ja) | バッテリのパラメータ推定装置及びパラメータ推定方法 | |
US20160131720A1 (en) | Device for estimating state of health of battery, and state of health estimation method for battery | |
JP5319854B1 (ja) | パラメータ推定装置 | |
EP2615468B1 (en) | Parameter estimation device | |
WO2016067587A1 (ja) | バッテリのパラメータ推定装置 | |
KR20150109643A (ko) | 배터리팩 열화 상태 추정 장치 및 방법 | |
Zhang et al. | State-of-charge estimation based on microcontroller-implemented sigma-point Kalman filter in a modular cell balancing system for Lithium-Ion battery packs | |
WO1999061929A1 (en) | Means for estimating charged state of battery and method for estimating degraded state of battery | |
Shrivastava et al. | Model‐based state of X estimation of lithium‐ion battery for electric vehicle applications | |
JP6183283B2 (ja) | 車両用二次電池の等価回路のパラメータ推定装置 | |
Taborelli et al. | State of charge estimation using extended Kalman filters for battery management system | |
JP2016090322A (ja) | バッテリのパラメータ推定装置 | |
JP2018077076A (ja) | 二次電池の状態推定装置及び二次電池の状態推定方法 | |
Priya et al. | State of charge estimation of lithium‐ion battery based on extended Kalman filter and unscented Kalman filter techniques |