JP2023518778A - 電池充電状態を決定する方法及び装置、電池管理システム - Google Patents
電池充電状態を決定する方法及び装置、電池管理システム Download PDFInfo
- Publication number
- JP2023518778A JP2023518778A JP2022556482A JP2022556482A JP2023518778A JP 2023518778 A JP2023518778 A JP 2023518778A JP 2022556482 A JP2022556482 A JP 2022556482A JP 2022556482 A JP2022556482 A JP 2022556482A JP 2023518778 A JP2023518778 A JP 2023518778A
- Authority
- JP
- Japan
- Prior art keywords
- battery
- data
- state
- voltage
- equivalent circuit
- 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
- 238000000034 method Methods 0.000 title claims abstract description 103
- 238000005070 sampling Methods 0.000 claims description 96
- 238000005259 measurement Methods 0.000 claims description 59
- 230000008569 process Effects 0.000 claims description 47
- 239000011159 matrix material Substances 0.000 claims description 29
- 238000012360 testing method Methods 0.000 claims description 24
- 238000004364 calculation method Methods 0.000 claims description 19
- 238000012937 correction Methods 0.000 claims description 17
- 230000010287 polarization Effects 0.000 claims description 12
- 230000003044 adaptive effect Effects 0.000 claims description 4
- 238000012886 linear function Methods 0.000 claims description 3
- 238000007726 management method Methods 0.000 description 15
- 238000004590 computer program Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 10
- 230000000694 effects Effects 0.000 description 9
- 230000008859 change Effects 0.000 description 8
- 238000007600 charging Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 230000002829 reductive effect Effects 0.000 description 7
- 238000010277 constant-current charging Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000001186 cumulative effect Effects 0.000 description 5
- 230000000712 assembly Effects 0.000 description 4
- 238000000429 assembly Methods 0.000 description 4
- 230000006866 deterioration Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 2
- 238000006731 degradation reaction Methods 0.000 description 2
- 238000004146 energy storage Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- KLDZYURQCUYZBL-UHFFFAOYSA-N 2-[3-[(2-hydroxyphenyl)methylideneamino]propyliminomethyl]phenol Chemical compound OC1=CC=CC=C1C=NCCCN=CC1=CC=CC=C1O KLDZYURQCUYZBL-UHFFFAOYSA-N 0.000 description 1
- 101000802640 Homo sapiens Lactosylceramide 4-alpha-galactosyltransferase Proteins 0.000 description 1
- 102100035838 Lactosylceramide 4-alpha-galactosyltransferase Human genes 0.000 description 1
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010280 constant potential charging Methods 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 201000001098 delayed sleep phase syndrome Diseases 0.000 description 1
- 208000033921 delayed sleep phase type circadian rhythm sleep disease Diseases 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- 229910001416 lithium ion Inorganic materials 0.000 description 1
- GELKBWJHTRAYNV-UHFFFAOYSA-K lithium iron phosphate Chemical compound [Li+].[Fe+2].[O-]P([O-])([O-])=O GELKBWJHTRAYNV-UHFFFAOYSA-K 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L3/00—Electric devices on electrically-propelled vehicles for safety purposes; Monitoring operating variables, e.g. speed, deceleration or energy consumption
- B60L3/12—Recording operating variables ; Monitoring of operating variables
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
- B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/3644—Constructional arrangements
- G01R31/3648—Constructional arrangements comprising digital calculation means, e.g. for performing an algorithm
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
- G01R31/3842—Arrangements for monitoring battery or accumulator variables, e.g. SoC combining voltage and current measurements
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/396—Acquisition or processing of data for testing or for monitoring individual cells or groups of cells within a battery
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L2240/00—Control parameters of input or output; Target parameters
- B60L2240/40—Drive Train control parameters
- B60L2240/54—Drive Train control parameters related to batteries
- B60L2240/547—Voltage
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L2240/00—Control parameters of input or output; Target parameters
- B60L2240/40—Drive Train control parameters
- B60L2240/54—Drive Train control parameters related to batteries
- B60L2240/549—Current
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L2260/00—Operating Modes
- B60L2260/40—Control modes
- B60L2260/44—Control modes by parameter estimation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/374—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC] with means for correcting the measurement for temperature or ageing
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
- H01M10/425—Structural combination with electronic components, e.g. electronic circuits integrated to the outside of the casing
- H01M2010/4271—Battery management systems including electronic circuits, e.g. control of current or voltage to keep battery in healthy state, cell balancing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/70—Energy storage systems for electromobility, e.g. batteries
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Power Engineering (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Secondary Cells (AREA)
- Tests Of Electric Status Of Batteries (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
電池充電状態を決定する方法は、電流データ及び電圧データを含む電池の状態データを取得するステップ（Ｓ１１）と、電池の等価回路モデル、誤差情報、電池特性データ及び状態データに基づいて、最小二乗法ＲＬＳ予測モデルにより、等価回路モデルにおける素子パラメータ値を決定するステップ（Ｓ１２）と、等価回路モデルにおける素子パラメータ値、状態データ及び電池特性データに基づいて、オブザーバ技術に従って電池の電池充電状態推定値を決定するステップ（Ｓ１３）とを含む。電池充電状態を決定する方法、電池充電状態を決定する装置（８００）及び電池管理システムは、電池充電状態の推定が正確ではないという問題を解決することができる。
Description
（関連出願の相互参照）
本開示は、２０２０年３月３１日に提出された中国特許出願第２０２０１０２４５８９９．９号に基づくものであり、かつその優先権を主張するものであり、その全ての内容は参照により本開示に組み込まれるものとする。
本開示は、２０２０年３月３１日に提出された中国特許出願第２０２０１０２４５８９９．９号に基づくものであり、かつその優先権を主張するものであり、その全ての内容は参照により本開示に組み込まれるものとする。
本開示は、電池管理の技術分野に関し、特に、電池充電状態を決定する方法及び装置、電池管理システムに関する。
電気自動車は、新エネルギー自動車として、石油の消費を低減し、汚染が少なく、ノイズが少ないなどの利点を有し、エネルギー危機問題と環境悪化問題の重要な解決手段と考えられる。電池は、電気自動車の動力源として、その充電状態の正確な推定が電池システムの均等化制御効率及び電気自動車のエネルギー管理効率を向上させることに役立つだけでなく、動的な動作条件での電気自動車の車両全体の安全に係る。
関連技術において、電池充電状態を推定する際に、サンプリング素子の較正が不十分である、サンプリング素子が劣化するなどに起因して、電池データの測定精度が保証されにくいため、等価回路モデルに誤差が生じやすく、そして電池充電状態の誤差によるパラメータの識別結果への影響を考慮しないと、素子のパラメータ値が不整合になって、電池充電状態の推定精度が更に低下し、車両の効率的な管理及び信頼性のある運転に繋がらない。
本開示は、電池充電状態を決定する方法及び装置、電池管理システムを提供して、電池充電状態の推定が正確ではないという問題を解決する。
上記目的を達成するために、本開示の第１の態様に係る、電池充電状態を決定する方法は、
電流データ及び電圧データを含む電池の状態データを取得するステップと、
前記電池の等価回路モデル、誤差情報、電池特性データ及び前記状態データに基づいて、最小二乗法ＲＬＳ（Ｒｅｃｕｒｓｉｖｅ Ｌｅａｓｔ Ｓｑｕａｒｅ、回帰的最小二乗法）予測モデルにより、前記等価回路モデルにおける素子パラメータ値を決定するステップと、
前記等価回路モデルにおける素子パラメータ値、前記状態データ及び前記電池特性データに基づいて、オブザーバ技術に従って前記電池の電池充電状態ＳＯＣ推定値を決定するステップとを含む。
電流データ及び電圧データを含む電池の状態データを取得するステップと、
前記電池の等価回路モデル、誤差情報、電池特性データ及び前記状態データに基づいて、最小二乗法ＲＬＳ（Ｒｅｃｕｒｓｉｖｅ Ｌｅａｓｔ Ｓｑｕａｒｅ、回帰的最小二乗法）予測モデルにより、前記等価回路モデルにおける素子パラメータ値を決定するステップと、
前記等価回路モデルにおける素子パラメータ値、前記状態データ及び前記電池特性データに基づいて、オブザーバ技術に従って前記電池の電池充電状態ＳＯＣ推定値を決定するステップとを含む。
本開示の第２の態様に係る、電池充電状態を決定する装置は、
電流データ及び電圧データを含む電池の状態データを取得する取得モジュールと、
前記電池の等価回路モデル、誤差情報、電池特性データ及び前記状態データに基づいて、最小二乗法ＲＬＳ予測モデルにより、前記等価回路モデルにおける素子パラメータ値を決定する第１の決定モジュールと、
前記等価回路モデルにおける素子パラメータ値、前記状態データ及び前記電池特性データに基づいて、オブザーバ技術に従って前記電池の電池充電状態ＳＯＣ推定値を決定する第２の決定モジュールとを含む。
電流データ及び電圧データを含む電池の状態データを取得する取得モジュールと、
前記電池の等価回路モデル、誤差情報、電池特性データ及び前記状態データに基づいて、最小二乗法ＲＬＳ予測モデルにより、前記等価回路モデルにおける素子パラメータ値を決定する第１の決定モジュールと、
前記等価回路モデルにおける素子パラメータ値、前記状態データ及び前記電池特性データに基づいて、オブザーバ技術に従って前記電池の電池充電状態ＳＯＣ推定値を決定する第２の決定モジュールとを含む。
本開示の第３の態様に係るコンピュータ可読記憶媒体には、プロセッサにより実行されると、上記第１の態様のいずれか１つに記載の方法のステップを実現するコンピュータプログラムが記憶されている。
本開示の第４の態様に係る電子機器は、
コンピュータプログラムが記憶されているメモリと、
前記メモリにおける前記コンピュータプログラムを実行することにより、上記第１の態様のいずれか１つに記載の方法のステップを実現するプロセッサとを含む。
コンピュータプログラムが記憶されているメモリと、
前記メモリにおける前記コンピュータプログラムを実行することにより、上記第１の態様のいずれか１つに記載の方法のステップを実現するプロセッサとを含む。
本開示の第５の態様に係る電池管理システムは、上記いずれか一項に記載の電池充電状態を決定する装置を含む。
上記技術手段によれば、少なくとも以下の有益な効果を達成できる。
最小二乗法ＲＬＳ予測モデルにより、上記等価回路モデルにおける素子パラメータ値を決定する。そして、上記電池の等価回路モデルにおける素子パラメータ値を決定する際に、少なくとも電圧データのサンプリング誤差因子又は電流データのサンプリング誤差因子を含む誤差情報或いは電圧データのサンプリング誤差因子及び電流データのサンプリング誤差因子を含む誤差情報を更に考慮することにより、サンプリング誤差による影響を低減することができ、決定された上記等価回路モデルにおける素子パラメータ値の正確度を更に向上させることができ、最終的に、決定された電池の等価回路モデルの精度を向上させるという効果を達成する。更に、オブザーバ技術に従って電池のＳＯＣ値を決定し、素子パラメータ値とオブザーバとのマッチング度を向上させ、更に電池充電状態の推定精度を向上させ、車両の効率的な管理及び確実な運行を保証する。
本開示の他の特徴及び利点いついては、後の具体的な実施形態部分において詳細に説明する。
図面は、本開示の更なる理解を提供し、明細書の一部を構成するものであり、以下の具体的な実施形態と共に本開示を説明するものであるが、本開示を限定するものではない。
以下、図面を参照しながら、本開示の具体的な実施形態を詳細に説明する。ここで記載された具体的な実施形態は、本開示を説明して解釈するためのものに過ぎず、本開示を限定するものではないことが理解されたい。
なお、本開示の明細書、特許請求の範囲及び図面における用語「第１」、「第２」などは、類似する対象を区別するためのものであり、必ずしも特定の順序又は優先順位を説明するものではない。
本開示に係る電池充電状態を決定する方法、装置、記憶媒体及び電子機器を紹介する前に、まず本開示の各実施例の応用シナリオを説明する。本開示の各実施例は、電池の充電状態を決定するために使用でき、電池は、例えば三元リチウム電池、リン酸鉄リチウム電池などであってもよい。
電気自動車を例として、電池は、電気自動車の動力源として、その充電状態の正確な推定が電池システムの均等化制御効率及び電気自動車のエネルギー管理効率を向上させることに役立つだけでなく、動的な動作条件での電気自動車の車両全体の安全に係る。関連技術において、対応する等価回路モデルを決定することにより、更に電池の状態を分析することができ、これらの状態は、例えば電池充電状態（Ｓｔａｔｅ ｏｆ ｃｈａｒｇｅ、ＳＯＣと略称する）、電池エネルギー状態（Ｓｔａｔｅ ｏｆ ｅｎｅｒｇｙ、ＳＯＥと略称する）、電池電力状態（Ｓｔａｔｅ ｏｆ ｐｏｗｅｒ、ＳＯＰと略称する）、電池劣化状態（Ｓｔａｔｅ ｏｆ ｈｅａｌｔｈ、ＳＯＨと略称する）などであってもよい。
出願人は、サンプリング素子の較正が不合格であり、サンプリング素子が劣化するなどに起因して、電池データの測定結果には、対応する誤差がさらに含まれる可能性があるため、関連技術における識別された等価回路モデルに誤差が生じやすく、更に電池状態の推定に誤差が生じ、車両の安全運転及び効率的な管理に不利であることが発見した。例えば、電動車両の使用に伴い、ＢＭＳ（Ｂａｔｔｅｒｙ Ｍａｎａｇｅｍｅｎｔ Ｓｙｓｔｅｍ、電池管理システム）のサンプリングデバイスが絶えず劣化し、その測定オフセットが再発するため、ＢＭＳの測定ノイズがホワイトノイズでなくなり、カラードノイズになり、最終的に、識別された等価回路モデルに誤差が生じ、電池状態の推定精度が低下する。そして、電池充電状態の誤差によるパラメータの識別結果への影響を考慮しないため、素子のパラメータ値が電池ＳＯＣと不整合になって、電池充電状態の推定精度が更に低下する。
このため、本開示は、電池充電状態を決定する方法を提供し、図１に示される電池充電状態を決定する方法のフローチャートを参照して、この方法は、以下のＳ１１～Ｓ１３を含む。
Ｓ１１では、電流データ及び電圧データを含む電池の状態データを取得する。
状態データは、電池の温度データ、容量データ、開回路電圧－充電状態曲線などを更に含んでもよい。
電気自動車を例として、具体的に実施する際に、ＢＭＳにより電池の状態データを直接的に取得してもよく、ＢＭＳにより電池の状態データを間接的に取得してもよく、ＢＭＳにより電池の状態データを直接的と間接的に取得してもよい。例えば、ＢＭＳは、電流センサにより電池の電流データを直接的に取得してもよい。また、ＢＭＳは、温度センサにより電池の温度データを取得してもよい。いくつかの実施例では、ＢＭＳは、対応するデータインタフェースを介して状態データを間接的に取得してもよく、例えば、データインタフェースを介して、メモリに記憶された電池の開回路電圧－充電状態曲線情報を取得する。
Ｓ１２では、電池の等価回路モデル、誤差情報、電池特性データ及び状態データに基づいて、最小二乗法ＲＬＳ予測モデルにより、等価回路モデルにおける素子パラメータ値を決定する。
等価回路モデルは、電池に対して行われたオフラインテストに基づいて得られるものであり、等価回路モデルの次数は、電池に対して行われたオフラインテストに基づいて得られてもよく、例えば、一次等価回路モデル、二次等価回路モデルなどであり、素子パラメータ値は、等価回路モデルにおける各素子の値を特徴付けることができる。
誤差情報は、サンプリング素子が収集した電池電圧データと電池の実際の電圧データとの間の差異を説明する電圧データのサンプリング誤差因子を含んでもよい。例えば、サンプリング素子が収集した電池電圧データ
は、
であってもよく、ここで、Ｕ（ｋ）は、第ｋ時刻の電池の電圧真値であり、ε１は、電圧データのサンプリング誤差因子である。
このように、上記技術手段では、電池の等価回路モデルにおける素子パラメータ値を決定する際に、電圧データのサンプリング誤差因子を更に考慮することにより、電圧サンプリング誤差による影響を低減することができ、決定された等価回路モデルにおける素子パラメータ値の正確度を更に向上させることができ、最終的に、決定された等価回路モデルの精度を向上させるという効果を達成する。
また、いくつかの実施例では、誤差情報は、サンプリング素子が収集した電池電流データと電池の実際の電流データとの間の差異を説明する電流データのサンプリング誤差因子を含んでもよい。例えば、サンプリング素子が収集した電池電流データ
は、
であってもよく、ここで、Ｉ（ｋ）は、第ｋ時刻の電池の電流真値であり、ε２は、電流データのサンプリング誤差因子である。
このように、上記技術手段では、電池の等価回路モデルにおける素子パラメータ値を決定する際に、電流データのサンプリング誤差因子を更に考慮することにより、電流サンプリング誤差による影響を低減することができ、決定された等価回路モデルにおける素子パラメータ値の正確度を更に向上させることができ、最終的に、決定された等価回路モデルの精度を向上させるという効果を達成する。
注意すべきこととして、いくつかの実施例では、誤差情報は、電圧データのサンプリング誤差因子及び電流データのサンプリング誤差因子を同時に含んでもよい。このような場合、ステップＳ１２は、
電池の等価回路モデル、電圧データのサンプリング誤差因子、電流データのサンプリング誤差因子及び状態データに基づいて、最小二乗法ＲＬＳ予測モデルにより、等価回路モデルにおける素子パラメータ値を決定するステップを含む。
電池の等価回路モデル、電圧データのサンプリング誤差因子、電流データのサンプリング誤差因子及び状態データに基づいて、最小二乗法ＲＬＳ予測モデルにより、等価回路モデルにおける素子パラメータ値を決定するステップを含む。
上記技術手段を用いて、電池の等価回路モデルにおける素子パラメータ値を決定する際に、電圧データのサンプリング誤差因子及び電流データのサンプリング誤差因子を更に考慮することにより、サンプリング誤差による影響を更に低減することができ、決定された等価回路モデルにおける素子パラメータ値の正確度を更に向上させることができ、最終的に、決定された等価回路モデルの精度を向上させるという効果を達成する。
説明すべきこととして、いくつかの実施例では、誤差情報は、電圧データと電流データとの間のサンプリング時間差及び電池開回路電圧の誤差を更に含んでもよい。つまり、具体的に実施する際に、サンプリング誤差は、電圧データのサンプリング誤差因子、電流データのサンプリング誤差因子、電圧データと電流データとの間のサンプリング時間差及び電池開回路電圧の誤差のうちの１種又は複数種を含んでもよく、本開示はこれを限定しない。
１つの可能な実施形態では、図２は、等価回路モデルを決定する方法のフローチャートを示し、図に示すように、
ステップＳ２１では、電池のオフラインテストに基づいて、電池の開回路電圧－充電状態曲線及びヒステリシス電圧－充電状態曲線を含む電池の初期属性情報を取得する。
ステップＳ２１では、電池のオフラインテストに基づいて、電池の開回路電圧－充電状態曲線及びヒステリシス電圧－充電状態曲線を含む電池の初期属性情報を取得する。
初期属性情報は、電池容量情報、電池モデルパラメータの共分散初期値などを更に含んでもよく、オフラインテストは、容量テスト、パルステスト及び典型的な動作条件テストを含んでもよい。
いくつかの実施例では、容量テストについて、一実施例では、容量テストは、
（１）温度を２５℃に調整し、電池メーカーの提案した容量テスト電流値（例えば１Ｃ）で電池を電圧下限まで放電し、３０分間静置するステップ（１）と、
（２）電池メーカーの提案した容量テスト電流値（例えば１Ｃ）で電池を電圧上限（例えば４．２５Ｖ）まで充電した後、定電圧充電に切り替え（定電圧値は電池メーカーの提案した数値、例えば４．２５Ｖであり得る）、３０分間静置するステップ（２）と、
（３）ステップ（１）及び（２）でそれぞれ積算された容量値を統計し、隣接するサイクルの間の容量値の差異が０．１Ａｈより小さくなるまで上記ステップ（１）及び（２）を繰り返し、このときの容量値を電池容量Ｑｍと記すステップ（３）とを含む。
（１）温度を２５℃に調整し、電池メーカーの提案した容量テスト電流値（例えば１Ｃ）で電池を電圧下限まで放電し、３０分間静置するステップ（１）と、
（２）電池メーカーの提案した容量テスト電流値（例えば１Ｃ）で電池を電圧上限（例えば４．２５Ｖ）まで充電した後、定電圧充電に切り替え（定電圧値は電池メーカーの提案した数値、例えば４．２５Ｖであり得る）、３０分間静置するステップ（２）と、
（３）ステップ（１）及び（２）でそれぞれ積算された容量値を統計し、隣接するサイクルの間の容量値の差異が０．１Ａｈより小さくなるまで上記ステップ（１）及び（２）を繰り返し、このときの容量値を電池容量Ｑｍと記すステップ（３）とを含む。
本開示のいくつかの実施例によれば、電池容量Ｑｍを取得した後、電池に対してパルステストを行ってもよく、パルステストは、いずれも２０組のパルス組み合わせシーケンスである充電及び放電の２つの部分を含んでもよい。
例えば、充電部分中の前の１８組のパルス組み合わせシーケンスにおいて、各組のパルス組み合わせシーケンスは、
（１）温度を２５℃に調整し、定電流充電パルス（振幅が１Ｃである）をかけ、パルス累積アンペア時間変化がＱｍの５％以上となるまで停止するステップ（１）と、
（２）２時間静置するステップ（２）と、
（３）定電流充電パルス（振幅が０．５Ｃである）を１０秒間かけるステップ（３）と、
（４）４０秒間静置するステップ（４）と、
（５）定電流放電パルス（振幅値が０．１Ｃである）を１０秒かけるステップ（５）と、
（６）０．１Ｃを、それぞれ０．５Ｃ、１Ｃ、２Ｃ、３Ｃ、４Ｃ、５Ｃに置き換えた後、（３）～（５）を繰り返すステップ（６）と、
（７）２４時間静置するステップ（７）と、
（８）温度を５５℃に調整し、２ｈ静置するステップ（８）と、
（９）５５℃をそれぞれ４０℃、２５℃、１０℃、０℃、－１０℃、－２０℃、－３０℃に置き換え、（８）を繰り返すステップ（９）と、
（１０）温度を２５℃に調整するステップ（１０）と、
（１１）２４時間静置するステップ（１１）とを含んでもよい。
（１）温度を２５℃に調整し、定電流充電パルス（振幅が１Ｃである）をかけ、パルス累積アンペア時間変化がＱｍの５％以上となるまで停止するステップ（１）と、
（２）２時間静置するステップ（２）と、
（３）定電流充電パルス（振幅が０．５Ｃである）を１０秒間かけるステップ（３）と、
（４）４０秒間静置するステップ（４）と、
（５）定電流放電パルス（振幅値が０．１Ｃである）を１０秒かけるステップ（５）と、
（６）０．１Ｃを、それぞれ０．５Ｃ、１Ｃ、２Ｃ、３Ｃ、４Ｃ、５Ｃに置き換えた後、（３）～（５）を繰り返すステップ（６）と、
（７）２４時間静置するステップ（７）と、
（８）温度を５５℃に調整し、２ｈ静置するステップ（８）と、
（９）５５℃をそれぞれ４０℃、２５℃、１０℃、０℃、－１０℃、－２０℃、－３０℃に置き換え、（８）を繰り返すステップ（９）と、
（１０）温度を２５℃に調整するステップ（１０）と、
（１１）２４時間静置するステップ（１１）とを含んでもよい。
充電部分中の最後の２組のパルス組み合わせシーケンスにおいて、各組のパルスは、
（１）定電流－定電圧パルスをかけ、パルス累積アンペア時間変化がＱｍの５％以上となるまで停止するステップ（１）と、
（２）２時間静置するステップ（２）と、
（３）定電流充電パルス（振幅が０．５Ｃである）を１０秒間かけるステップ（３）と、
（４）４０秒間静置するステップ（４）と、
（５）定電流放電パルス（振幅値が０．５Ｃである）を１０秒かけるステップ（５）と、
（６）０．５Ｃを、それぞれ１Ｃ、２Ｃ、３Ｃ、４Ｃ、５Ｃに置き換えた後、（３）～（５）を繰り返すステップ（６）と、
（７）２４時間静置するステップ（７）と、
（８）温度を５５℃に調整し、２ｈ静置するステップ（８）と、
（９）５５℃をそれぞれ４０℃、２５℃、１０℃、０℃、－１０℃、－２０℃、－３０℃に置き換え、（８）を繰り返すステップ（９）と、
（１０）温度を２５℃に調整するステップ（１０）と、
（１１）２４時間静置するステップ（１１）とを含む。
（１）定電流－定電圧パルスをかけ、パルス累積アンペア時間変化がＱｍの５％以上となるまで停止するステップ（１）と、
（２）２時間静置するステップ（２）と、
（３）定電流充電パルス（振幅が０．５Ｃである）を１０秒間かけるステップ（３）と、
（４）４０秒間静置するステップ（４）と、
（５）定電流放電パルス（振幅値が０．５Ｃである）を１０秒かけるステップ（５）と、
（６）０．５Ｃを、それぞれ１Ｃ、２Ｃ、３Ｃ、４Ｃ、５Ｃに置き換えた後、（３）～（５）を繰り返すステップ（６）と、
（７）２４時間静置するステップ（７）と、
（８）温度を５５℃に調整し、２ｈ静置するステップ（８）と、
（９）５５℃をそれぞれ４０℃、２５℃、１０℃、０℃、－１０℃、－２０℃、－３０℃に置き換え、（８）を繰り返すステップ（９）と、
（１０）温度を２５℃に調整するステップ（１０）と、
（１１）２４時間静置するステップ（１１）とを含む。
また、放電部分について、放電部分中の２０組のパルス組み合わせシーケンスにおいて、各組のパルスは、
（１）定電流放電パルス（振幅が１Ｃである）をかけ、パルス累積アンペア時間変化がＱｍの５％以上となるまで停止するステップ（１）と、
（２）２時間静置するステップ（２）と、
（３）定電流放電パルス（振幅が０．５Ｃである）を１０秒間かけるステップ（３）と、
（４）４０秒間静置するステップ（４）と、
（５）定電流充電パルス（振幅値が０．５Ｃである）を１０秒かけるステップ（５）と、
（６）０．５Ｃを、それぞれ１Ｃ、２Ｃ、３Ｃ、４Ｃ、５Ｃに置き換えた後、（３）～（５）を繰り返すステップ（６）と、
（７）２４時間静置するステップ（７）と、
（８）温度を５５℃に調整し、２ｈ静置するステップ（８）と、
（９）５５℃をそれぞれ４０℃、２５℃、１０℃、０℃、－１０℃、－２０℃、－３０℃に置き換え、（８）を繰り返すステップ（９）と、
（１０）温度を２５℃に調整するステップ（１０）と、
（１１）２４時間静置するステップ（１１）とを含んでもよい。
（１）定電流放電パルス（振幅が１Ｃである）をかけ、パルス累積アンペア時間変化がＱｍの５％以上となるまで停止するステップ（１）と、
（２）２時間静置するステップ（２）と、
（３）定電流放電パルス（振幅が０．５Ｃである）を１０秒間かけるステップ（３）と、
（４）４０秒間静置するステップ（４）と、
（５）定電流充電パルス（振幅値が０．５Ｃである）を１０秒かけるステップ（５）と、
（６）０．５Ｃを、それぞれ１Ｃ、２Ｃ、３Ｃ、４Ｃ、５Ｃに置き換えた後、（３）～（５）を繰り返すステップ（６）と、
（７）２４時間静置するステップ（７）と、
（８）温度を５５℃に調整し、２ｈ静置するステップ（８）と、
（９）５５℃をそれぞれ４０℃、２５℃、１０℃、０℃、－１０℃、－２０℃、－３０℃に置き換え、（８）を繰り返すステップ（９）と、
（１０）温度を２５℃に調整するステップ（１０）と、
（１１）２４時間静置するステップ（１１）とを含んでもよい。
このように、上記パルステストにより、充電部分中の各組のパルスにおけるステップ（８）における２ｈ静置した後の電池電圧に基づいて、異なる電池ＳＯＣ及び異なる温度条件での、電池の充電ＯＣＶ（Ｏｐｅｎ Ｃｉｒｃｕｉｔ Ｖｏｌｔａｇｅ、開回路電圧）の電池ＳＯＣに伴う変化曲線を得ることができる。類似するように、放電部分中の各組のパルスにおけるステップ（８）における２ｈ静置した後の電池電圧に基づいて、異なる電池ＳＯＣ及び異なる温度条件での、電池の放電ＯＣＶの電池ＳＯＣに伴う変化曲線を得ることができる。同じＳＯＣの条件で、電池の充電ＯＣＶと放電ＯＣＶとの平均値は、電池ＯＣＶであり、充電ＯＣＶと放電ＯＣＶとの差異の１／２をヒステリシス電圧と記し、電池ＯＣＶの電池ＳＯＣ及び温度に伴う変化曲線は、電池ＯＣＶ－ＳＯＣ曲線であり、ヒステリシス電圧の電池ＳＯＣ及び温度に伴う変化曲線は、ヒステリシス電圧－充電状態曲線である。
このように、ステップＳ２２では、初期属性情報に基づいて、次数が異なる複数の初期等価回路モデルをそれぞれ確立することができる。
例えば、初期属性情報に基づいて確立されたＬ次初期等価回路モデルは、図３に示される。ここで、ＵＯＣＶ及びＵｈｙｓは、それぞれ、電池開回路電圧及び電池ヒステリシス電圧を表し、Ｉ及びＵは、それぞれ、電池電流（放電が正である）及び電池電圧を表し、Ｒ０は、電池回路モデルにおけるオーム内部抵抗であり、Ｒ１～ＲＬは、ＲＣネットワーク１～Ｌに対応する分極抵抗であり、Ｒ１～ＲＬは、ＲＣネットワーク１～Ｌに対応する分極容量であり、
は、エネルギー貯蔵素子の端子電圧である。
具体的に実施する際に、各次数の初期等価回路モデルに対して、複数の多目的最適化アルゴリズムによりこのような次数の初期等価回路モデルにおける各素子パラメータの値を決定することができる。粒子群アルゴリズムを例とし、各素子パラメータの値をランダムに初期化し、このような次数の等価回路モデルの典型的な動作条件での電圧予測残差二乗平均平方根を適合値とすることで、連続的に反復最適化することにより、このような次数の等価回路モデルの素子初期パラメータ値を選択し（最適化条件は、このような次数の等価回路モデルの典型的な動作条件での電圧予測残差二乗平均平方根が所定の閾値より小さく、或いは反復回数が閾値に達することなどであってもよい）、最終的に様々な次数の初期等価回路モデルを得る。また、いくつかの実施例では、モデルの複雑度を低下させるために、等価回路モデルの次数を制限してもよく、例えば、等価回路モデルの次数ＬをＬ≦３に制限してもよく、ここで、Ｌは正の整数である。
ステップＳ２３では、各次数の初期等価回路モデルに対して、該初期等価回路モデルの目標動作条件での計算誤差情報及び計算時間情報をそれぞれテストする。
前の実施例に続いて、様々な次数の初期等価回路モデルを決定した後、各次数の初期等価回路モデルの典型的な動作条件での計算誤差情報及び計算時間情報をそれぞれテストしてもよい。
このように、ステップＳ２４では、各初期等価回路モデルのパラメータ数、計算誤差情報及び計算時間情報に基づいて、各初期等価回路モデルのマッチング度を計算する。そして、ステップＳ２５では、マッチング度が最適である初期等価回路モデルを電池の等価回路モデルとして決定する。
上記技術手段を用いて、電池に対してオフラインテストを行うことにより、電池の初期属性情報を取得する。本開示のいくつかの実施例によれば、初期属性情報に基づいて、次数が異なる初期等価回路モデルを確立し、かつそのマッチング度を計算することにより、等価回路モデルの精度を向上させることができる。
本開示のいくつかの実施例によれば、等価回路モデルは、ＲＣ回路モデルであり、ステップＳ１１は、
電池管理システムＢＭＳが収集した状態データを取得するステップであって、状態データは電池の温度データ及び電池の電荷状態データを更に含む、ステップを含む。
電池管理システムＢＭＳが収集した状態データを取得するステップであって、状態データは電池の温度データ及び電池の電荷状態データを更に含む、ステップを含む。
例えば、ＢＭＳは、電流センサにより電池の電流データを直接的に取得してもよい。また、ＢＭＳは、温度センサにより電池の温度データを取得してもよい。いくつかの実施例では、ＢＭＳは、対応するデータインタフェースを介して状態データを間接的に取得してもよく、例えば、データインタフェースを介して、メモリに記憶された電池の開回路電圧－充電状態曲線情報及びヒステリシス電圧－充電状態曲線情報を取得する。
ステップＳ１２は、
充電状態データに基づいて、電池の温度データに対応する開回路電圧－充電状態曲線及びヒステリシス電圧－充電状態曲線から、目標開回路電圧及び目標ヒステリシス電圧を決定するステップを含む。
充電状態データに基づいて、電池の温度データに対応する開回路電圧－充電状態曲線及びヒステリシス電圧－充電状態曲線から、目標開回路電圧及び目標ヒステリシス電圧を決定するステップを含む。
理解すべきこととして、オフラインテストにより電池の異なる温度での開回路電圧－充電状態曲線及びヒステリシス電圧－充電状態曲線を取得した後、ＢＭＳが取得した電池の現在のＳＯＣ情報、開回路電圧－充電状態曲線及びヒステリシス電圧－充電状態曲線に基づいて、現時点の目標開回路電圧及び目標ヒステリシス電圧を決定することができる。
このように、ステップＳ１２では、等価回路モデル、誤差情報、電流データ、電圧データ、目標開回路電圧及び目標ヒステリシス電圧に基づいて、ＲＬＳ予測モデルにより、電池モデルの素子パラメータ値を決定することができることにより、電池の電池モデルパラメータ値をオンラインで識別する効果を達成する。同時に、識別過程においてＢＭＳサンプリングデバイスのサンプリング誤差を更に考慮することにより、決定された等価回路モデルにおける素子パラメータ値の正確度を更に向上させることができ、等価回路モデルの精度を更に向上させることができる。
誤差情報は、電圧データのサンプリング誤差因子、電流データのサンプリング誤差因子、電圧データと電流データとの間のサンプリング時間差及び電池開回路電圧の誤差のうちの少なくとも１種を含む。
本開示のいくつかの実施例によれば、誤差情報は、電圧データのサンプリング誤差因子及び電流データのサンプリング誤差因子を含み、ＲＬＳ予測モデルの識別形式は、
であり、
ここで、
は、ＲＬＳ予測モデルの第ｋ時刻の出力信号の測定値であり、ＵＯＣＶ（ｋ）及びＵｈｙｓ（ｋ）は、それぞれ、電池の第ｋ時刻の目標開回路電圧及び目標ヒステリシス電圧を表し、
は、ＢＭＳが第ｋ時刻に収集した電池電圧値であり、φ（ｋ）は、ＲＬＳ予測モデルの第ｋ時刻の入力信号であり、
は、ＢＭＳが第ｋ時刻に収集した電池電流値であり、θ（ｋ）は、ＲＬＳ予測モデルの第ｋ時刻のパラメータ行列であり、ａ１～ａＬ、ａ０、ｂ０～ｂＬは、パラメータ行列におけるパラメータであり、Ｌは、初期等価回路モデルの次数であり、Ｔは、ＢＭＳのサンプリング周期であり、
ここで、
であり、Ｕ（ｋ）は、第ｋ時刻の電池の電圧真値であり、ε１は、電圧データのサンプリング誤差因子であり、
であり、Ｉ（ｋ）は、第ｋ時刻の電池の電流真値であり、ε２は、電流データのサンプリング誤差因子である。
ここで、
ここで、
図３を例として説明し、図３に示されるＬ次初期等価回路モデルに基づいて、ラプラス空間におけるＬ次電池初期等価回路の一般式を得ることができる。
ここで、Ｕｓは、ＢＭＳが収集した電池電圧データであり、Ｉｓは、電圧と同期サンプリングされた電池電流真値であり、ＵＯＣＶは、電池開回路電圧であり、Ｕｈｙｓは、電池ヒステリシス電圧であり、Ｒ０は、等価回路モデルにおけるオーム内部抵抗を表し、Ｒ１～ＲＬは、ＲＣネットワーク１～Ｌに対応する分極抵抗であり、Ｃ１～ＣＬは、ＲＣネットワーク１～Ｌに対応する分極容量である。
以下の式で定義すれば、
式（２）を式（４）に更に簡略化することができる。
ここで、ｂｉ及びａｊは、簡略化された係数（ｉ＝０～Ｌ、ｊ＝１～Ｌｉ）であり、数式は、式（５）～（７）に示すように、電池モデルの次数Ｌによって決定される。
Ｌ＝１である場合、数式は、以下の式（５）に示すとおりである。
Ｌ＝２である場合、数式は、以下の式（６）に示すとおりである。
Ｌ＝３である場合、数式は、以下の式（７）に示すとおりである。
式（４）により等価回路モデルの離散化表現形式を得ることができ、式（８）に示すとおりである。
更に、いくつかの実施例では、車載ＢＭＳの測定誤差がカラードノイズであるため、以下の（１）及び（２）の２種類の誤差を考慮し得る。
（１）電圧データの測定誤差：
（２）電流データの測定誤差：
ここで、
及び
は、それぞれ、ＢＭＳが記録した電池電圧測定値及び電池電流測定値を表し、ε１は、電圧データのサンプリング誤差因子であり、ε２は、電流データのサンプリング誤差因子である。
（１）電圧データの測定誤差：
式（９）及び（１０）によれば、車載環境で、
である。理解すべきこととして、電池ＳＯＣが既知である場合、ＵＯＣＶ（ｋ）及びＵｈｙｓ（ｋ）は、それぞれ、開回路電圧－充電状態曲線及びヒステリシス電圧－充電状態曲線に基づいて得られるため、既知量としてもよく、更に式（８）と組み合わせて以下の式を得ることができる。
以下の式で定義すれば、
本開示におけるＲＬＳ予測モデルの識別形式は、
であり、
また、
であり、次にＲＬＳ法を用いてパラメータθ（ｋ）を推定することができる。式（１３）に示すように、ここで、Ｐ（ｋ）は、ｋ時刻のＲＬＳ共分散を表し、λは、忘却係数であり、値の範囲は、０．９５～１であってもよく、
は、出力Ｙ（ｋ）の測定値である。
また、
その後に、多変数連立方程式の求め方を利用して式（３）、（５）～（７）を逆解すれば、電池素子パラメータ値Ｐｐａｒａｍｅｔｅｒ＝［Ｒ０，Ｒ１～ＲＬ，Ｃ１～ＣＬ］を求めることができる。例えば、方程式１２、１３を連立して、θ（ｋ）を求めることができ、θ（ｋ）が既知である場合、式３、５～７（電池モデルの次数に基づいて決定される）を逆解することにより、電池素子パラメータ値Ｐｐａｒａｍｅｔｅｒ＝［Ｒ０，Ｒ１～ＲＬ，Ｃ１～ＣＬ］を得ることができ、更に、電池モデルパラメータを代入することにより電池の等価回路モデルを決定することができる。
出願人は以下を発見した。いくつのシナリオにおいて、誤差情報は、電圧データのサンプリング誤差因子、電流データのサンプリング誤差因子、電圧データと電流データとの間のサンプリング時間差及び電池開回路電圧の誤差を含み、ＲＬＳ予測モデルの識別形式は、
であり、
ここで、
は、ＲＬＳ予測モデルの第ｋ時刻の出力信号の測定値であり、ＵＯＣＶ（ｋ）及びＵｈｙｓ（ｋ）は、それぞれ、電池の第ｋ時刻の目標開回路電圧及び目標ヒステリシス電圧を表し、
は、ＢＭＳが第ｋ時刻に収集した電池電圧値であり、φ（ｋ）は、ＲＬＳ予測モデルの第ｋ時刻の入力信号であり、
は、ＢＭＳが第ｋ時刻に収集した電池電流値であり、θ（ｋ）は、ＲＬＳ予測モデルの第ｋ時刻のパラメータ行列であり、ａ１～ａＬ、ａ０、ｃ１、ｄ０～ｄＬ、ｃ２は、パラメータ行列におけるパラメータであり、Ｌは、初期等価回路モデルの次数であり、Ｔは、ＢＭＳのサンプリング周期であり、
ここで、
であり、Ｕ（ｋ）は、第ｋ時刻の電池の電圧真値であり、ε１は、電圧データのサンプリング誤差因子であり、
であり、Ｉは、電圧と同期にサンプリングされた電池電流であり、ε２は、電流データのサンプリング誤差因子であり、ε３は、電流データと電圧データとの間のサンプリング時間差値であり、
であり、
及びε４は、それぞれ、電池ＳＯＣに誤差が存在する場合の電池ＯＣＶ値及び対応する電池開回路電圧の誤差を表す。
ここで、
ここで、
前の実施例の式（１０）に続いて説明し、いくつかのシナリオにおいて、更に以下の（３）の誤差を考慮してもよい。
（３）電流データと電圧データとの間のサンプリング時間差であり、すなわち
である。
ここで、Ｉ’（ｋ）＝Ｉ（ｋ）＋ε２であり、Ｉは、電圧と同期サンプリングされた電池電流であり、ε３は、電流データと電圧データとの間のサンプリング時間差値を表す。式（１０）を参照して、Ｉ（ｋ）及びε２の意味について、本開示において説明を省略する。
（３）電流データと電圧データとの間のサンプリング時間差であり、すなわち
ここで、Ｉ’（ｋ）＝Ｉ（ｋ）＋ε２であり、Ｉは、電圧と同期サンプリングされた電池電流であり、ε３は、電流データと電圧データとの間のサンプリング時間差値を表す。式（１０）を参照して、Ｉ（ｋ）及びε２の意味について、本開示において説明を省略する。
このように、式（１４）に対してテイラー展開を行い、式（１５）を得ることができる。
Ｉ’（ｋ＋ε３）＝Ｉ’（ｋ）＋ε３・Ｉ’（ｋ）（１５）
Ｉ’（ｋ＋ε３）＝Ｉ’（ｋ）＋ε３・Ｉ’（ｋ）（１５）
また、等価回路モデルのパラメータ値の推定過程は、電池ＳＯＣの推定過程と相互に分離されるため、パラメータ値の推定過程において電池ＳＯＣ誤差の影響を更に考慮してもよい。すなわち、電池ＳＯＣに誤差が存在する場合、パラメータの推定について電池ＯＣＶ誤差
を考慮する必要がある。
ここで、
及びε４は、それぞれ、電池ＳＯＣに誤差が存在する場合の電池ＯＣＶ値及び対応する電池開回路電圧の誤差を表す。
ここで、
注意すべきこととして、異なるＢＭＳシステムに対して、電圧データのサンプリング誤差因子、電流データのサンプリング誤差因子及び電圧データと電流データとの間のサンプリング時間差の数値の大きさに差異が存在する可能性がある。電圧データと電流データとの間のサンプリング時間差の数値の大きさが無視できない場合、
式（９）、（１０）、（１４）～式（１７）を考慮すれば、車載環境で、
であり、式（８）に示される電池モデルの離散化表現形式を組み合わせて以下の式（１８）を得ることができる。
式（９）、（１０）、（１４）～式（１７）を考慮すれば、車載環境で、
更に、
を定義すれば、この場合に、本開示のＲＬＳ予測モデルの識別形式は、以下の式（１９）のとおりである。
上記技術手段を用いて、最小二乗法ＲＬＳ予測モデルにより電池モデルパラメータを逆解することにより、等価回路モデルにおける素子パラメータ値を決定することができる。そして、最小二乗法ＲＬＳ予測モデルの場合、ＢＭＳのサンプリングデバイスが取得した様々なデータの誤差を考慮することにより、複雑な車載条件で、ＢＭＳのサンプリングデバイスが取得した様々なデータの誤差（例えば、ＢＭＳのサンプリングデバイスが絶えずに劣化することによるカラード測定ノイズ、ＢＭＳ測定過程における電流と電圧測定過程との間の非同期性による等価回路モデルのパラメータ値の推定誤差など）による等価回路モデルのパラメータ値の推定への影響を低減することができ、後続の電池状態の推定精度が低下するという問題を更に解決することができる。
注意すべきこととして、誤差情報が電圧データのサンプリング誤差因子、電流データのサンプリング誤差因子、電圧データと電流データとの間のサンプリング時間差及び電池開回路電圧の誤差を同時に含むことを例として上記方法について説明したが、当業者であれば理解すべきこととして、具体的に実施する際に、誤差情報は、上記電圧データのサンプリング誤差因子、電流データのサンプリング誤差因子、電圧データと電流データとの間のサンプリング時間差及び電池開回路電圧の誤差のうちの１種又は複数種を含んでもよく、不必要な重複を回避するために、本開示は、様々な可能な組み合わせ方式については別途説明しない。
Ｓ１３では、等価回路モデルにおける素子パラメータ値、状態データ及び電池特性データに基づいて、オブザーバ技術に従って電池の電池充電状態ＳＯＣ推定値を決定する。
具体的に実施する際に、電気自動車に電源を投入するとき、各初期値条件に基づいて、オブザーバを初期化することができ、例えば、電池状態ベクトルを初期化する。
ステップＳ１３では、１つの実現可能な方式は、状態データが温度データを更に含み、オブザーバが適応アンセンテッドカルマンフィルター（ＡＵＫＦ）オブザーバであることであり、それに応じて、等価回路モデルにおける素子パラメータ値及び状態データに基づいて、オブザーバ技術に従って電池のＳＯＣ推定値を決定するステップは、以下のＳ１３１～Ｓ１３５を含む。
Ｓ１３１では、前の時刻の電池状態ベクトル推定値及び状態ベクトル共分散に基づいて、状態ベクトル特徴点集合、第１の重み係数及び第２の重み係数を生成する。
前の時刻の状態ベクトル共分散は、プロセスノイズ分散に基づいて計算されるものである。
本開示のいくつかの実施例によれば、電気自動車は、車両に電源を投入した後、電池のオフラインテスト結果に基づいて、ＡＵＫＦオブザーバを初期化し、このとき、電池状態ベクトル推定値及び状態ベクトル共分散は、初期化後に得られるものであり、他の時刻の電池状態ベクトル推定値及び状態ベクトル共分散は、前の時刻の電池ＳＯＣ推定値に基づいて計算されるものである。
Ｓ１３２では、素子パラメータ値、状態ベクトル特徴点集合及び電流データに基づいて、電池状態空間方程式の第１の状態方程式を利用して、第１の状態ベクトル事前値を計算する。
Ｓ１３３では、第１の状態ベクトル事前値、測定ノイズ分散、温度データ、電流データ、第１の重み係数、第２の重み係数及び電池状態空間方程式の第２の出力方程式に基づいて、測定補正行列を決定する。
Ｓ１３４では、測定補正行列、第１の状態ベクトル事前値及び電圧データに基づいて、第２の状態ベクトル事後値を計算する。
Ｓ１３５では、第２の状態ベクトル事後値及び電池状態空間方程式に基づいて、電池のＳＯＣ推定値を決定する。
いくつかの実施例では、各初期値条件に基づいて、オブザーバを初期化することは、電池状態ベクトル共分散、プロセスノイズ分散及び測定ノイズ分散を初期化することを更に含む。そして、以下の式に示すように、配列長さを設定する。
ここで、Ｘｊｏｉｎｔ（０）は、電池状態ベクトル推定値であり、Ｐｊｏｉｎｔ（０）は、状態ベクトル共分散であり、Ｘｓｔａｔｅ（０）は、前の時刻の電池状態ベクトル推定値であり、ＰＸｓｔａｔｅ（０）は、前の時刻の状態ベクトル共分散であり、Ｔは、サンプリング間隔であり、Ｐｐａｒａｍｅｔｅｒ０は、素子パラメータ値であり、Ｑ（０）は、初期化プロセスノイズ分散であり、Ｒ（０）は、初期化測定ノイズ分散であり、ＱＳ及びＲＳは、それぞれ、プロセスノイズ及び測定ノイズであり、ＭＡＵＫＦは、配列長さである。
例示的には、対称サンプリングの方式を用いて状態ベクトル特徴点集合を生成し、識別形式を以下の式に示す。
ここで、
は、状態ベクトル特徴点集合であり、Ｐｊｏｉｎｔ（ｋ－１）は、ｋ－１時刻の状態ベクトル共分散であり、Ｎ及びμは、それぞれ、状態ベクトルの長さ及びスケーリング係数である。
更に、電池状態空間方程式における第１の状態方程式を利用して、状態ベクトル特徴点集合に対して時間更新を行って、式（２２）に示すように、第１の状態ベクトル事前値
を得る。
ここで、
は、ｊ番目の特徴点に対して時間更新を行った後の状態ベクトル特徴点集合であり、Ｉ（ｋ）は、ｋ時刻の電池電流データである。
別の例として、第１の重み係数
及び第２の重み係数
は、以下の式により得ることができる。
更に、第１の重み係数
及び第１の状態ベクトル事前値
に基づいて、第１の期待値
を計算し、識別形式を以下に示す。
以下のように第１の状態ベクトル事前値と第１の期待値との差
を計算する。
例示的には、以下の識別形式により測定補正行列を決定することができる。
まず、状態ベクトル特徴点集合
、素子パラメータ値、電流データ及び温度データを利用して、ｊ番目の特徴点が測定更新された後の第１の出力推定値
を計算する。次に、計算された第１の重み係数
及び第１の出力推定値
を利用して、特徴点集合から出力された第２の期待値
を計算し、最終的に、ｊ番目の特徴点の第１の出力推定値と第２の期待値との差
を計算し、電池状態空間方程式の第２の出力方程式の第１の計算式は、以下のように表すことができる。
更に、計算されたｊ番目の特徴点の第１の出力推定値と第２の期待値との差
、第１の状態ベクトル事前値と第１の期待値との差
、及び第２の重み係数
に基づいて、測定補正行列を計算し、電池状態空間方程式の第２の出力方程式の第２の計算式は、以下のように表すことができる。
ここで、
は、それぞれ、ｋ時刻の特徴点集合状態と出力との間の共分散、及び出力された分散を表す。
式（２４）及び（２５）は、電池状態空間方程式の第２の出力方程式である。
更に、測定補正行列に基づいて、第１の状態ベクトル事前値
、電圧データＵ（ｋ）及び期待値
により、以下の式を利用して状態ベクトル事後値を計算し、電池ＳＯＣ推定値の決定に用いる。
最後に、状態ベクトル事後値及び電池状態空間方程式に基づいて、電池ＳＯＣ推定値を計算する。
本開示のいくつかの実施例によれば、前の時刻の状態ベクトル共分散は、プロセスノイズ分散に基づいて計算されるものであり、この計算は、
第１の重み係数及び第１の状状態ベクトル事前値に基づいて、第１の期待値を計算することと、
第２の重み係数、第１の状態ベクトル事前値と第１の期待値との差及びプロセスノイズ分散に基づいて、状態ベクトル共分散事前値を得ることと、
電流データ、温度データ、測定ノイズ分散、素子パラメータ値及び第１の状態ベクトル事前値に基づいて、第１の出力推定値を決定することと、
第１の重み係数及び第１の出力推定値に基づいて、第２の期待値を計算することと、
測定補正行列、状態ベクトル共分散事前値及び第１の出力推定値と第２の期待値との差に基づいて、前の時刻の状態ベクトル共分散を計算することとを含む。
第１の重み係数及び第１の状状態ベクトル事前値に基づいて、第１の期待値を計算することと、
第２の重み係数、第１の状態ベクトル事前値と第１の期待値との差及びプロセスノイズ分散に基づいて、状態ベクトル共分散事前値を得ることと、
電流データ、温度データ、測定ノイズ分散、素子パラメータ値及び第１の状態ベクトル事前値に基づいて、第１の出力推定値を決定することと、
第１の重み係数及び第１の出力推定値に基づいて、第２の期待値を計算することと、
測定補正行列、状態ベクトル共分散事前値及び第１の出力推定値と第２の期待値との差に基づいて、前の時刻の状態ベクトル共分散を計算することとを含む。
例示的には、以下の式により第１の期待値
及び状態ベクトル共分散事前値
を計算することができる。
ここで、Ｑ（ｋ）は，プロセスノイズ分散である。
本開示のいくつかの実施例によれば、上記例において計算された測定補正行列及び第１の出力推定値に基づいて、以下の式を利用して、状態ベクトル共分散事後値を計算し、次の時刻の電池ＳＯＣ推定値の決定に用いる。
ここで、Ｔは、サンプリング間隔である。
本開示のいくつかの実施例によれば、プロセスノイズ分散及び測定ノイズ分散は、
素子パラメータ値における電圧パラメータ及び電圧データに基づいて、出力残差を決定するステップと、
前の時刻に計算された電池のＳＯＣ推定値における第１の出力残差及び出力残差に基づいて、出力残差行列を計算するステップと、
出力残差行列に基づいて、理論的なプロセスノイズ分散及び理論的な測定ノイズ分散を決定するステップと、
ノイズ補正ルールに従って、理論的なプロセスノイズ分散及び理論的な測定ノイズ分散に基づいて、プロセスノイズ分散及び測定ノイズ分散を決定するステップとによって決定される。
素子パラメータ値における電圧パラメータ及び電圧データに基づいて、出力残差を決定するステップと、
前の時刻に計算された電池のＳＯＣ推定値における第１の出力残差及び出力残差に基づいて、出力残差行列を計算するステップと、
出力残差行列に基づいて、理論的なプロセスノイズ分散及び理論的な測定ノイズ分散を決定するステップと、
ノイズ補正ルールに従って、理論的なプロセスノイズ分散及び理論的な測定ノイズ分散に基づいて、プロセスノイズ分散及び測定ノイズ分散を決定するステップとによって決定される。
例示的には、式（２７）に示すように、電池モデル電圧出力値に基づいて、電池電圧データを組み合わせると、現時点のモデルの出力残差Ｕｅ（ｋ）を計算することができる。
前の時刻での出力残差を結合し、式（２８）を利用して、出力残差行列Ｈ（ｋ）を計算し、式（２９）に基づいて理論的なノイズ分散Ｑｉｄ（ｋ）及びＲｉｄ（ｋ）を求める。
式（３０）及び式（３１）に示すように、ノイズ補正ルールに従って、プロセスノイズ分散Ｑ（ｋ＋１）及び測定ノイズ分散Ｒ（ｋ＋１）を計算する。
ここで、ｔｒａｃｅ（・）は、行列のトレースであり、δは、測定ノイズ分散の所定の境界値である。
本開示のいくつかの実施例によれば、ノイズ補正ルールは、
理論的な測定ノイズ分散の数値が所定の閾値より小さい場合、前の時刻の出力残差をプロセスノイズ分散及び測定ノイズ分散とすることを含む。
理論的な測定ノイズ分散の数値が所定の閾値より小さい場合、前の時刻の出力残差をプロセスノイズ分散及び測定ノイズ分散とすることを含む。
本開示のいくつかの実施例によれば、前の時刻の出力残差をプロセスノイズ分散及び測定ノイズ分散とした後、オブザーバは、適応アンセンテッドカルマンフィルター（ＡＵＫＦ）オブザーバからアンセンテッドカルマンフィルター（Ｕｎｓｃｅｎｔｅｄ Ｋａｌｍａｎ ｆｉｌｔｅｒ、ＵＫＦと略称する）オブザーバにランクダウンされる。
ノイズ補正ルールは、理論的な測定ノイズ分散の数値が所定の閾値以上である場合、プロセスノイズ分散初期値と理論的なプロセスノイズ分散の行列のトレースのうちの大きい方をプロセスノイズ分散とし、測定ノイズ分散初期値と理論的な測定ノイズ分散のうちの大きい方を測定ノイズ分散とすることを含む。
ステップＳ１３では、他の実現可能な方式は、状態データが温度データを更に含み、オブザーバがＬｕｅｎｂｅｒｇｅｒオブザーバであることであり、それに応じて、等価回路モデルにおける素子パラメータ値及び状態データに基づいて、オブザーバ技術に従って電池のＳＯＣ推定値を決定するステップは、以下のＳ１３０１～Ｓ１３０４を含む。
Ｓ１３０１では、電池状態ベクトル推定値、素子パラメータ値、電流データ及び電池状態空間方程式の第２の状態方程式に基づいて、第２の状態ベクトル事前値を決定する。
Ｓ１３０２では、第２の状態ベクトル事前値、温度データ、電流データ及び電池状態空間方程式の第２の出力方程式に基づいて、第２の出力推定値を決定する。
Ｓ１３０３では、第２の出力推定値、電圧データ及びＬｕｅｎｂｅｒｇｅｒオブザーバの所定のゲインに基づいて、第２の状態ベクトル事後値を決定する。
Ｓ１３０４では、第２の状態ベクトル事後値及び電池状態空間方程式に基づいて、電池のＳＯＣ推定値を決定する。
本開示のいくつかの実施例によれば、電気自動車は、車両に電源を投入した後、電池のオフラインテスト結果に基づいて、Ｌｕｅｎｂｅｒｇｅｒオブザーバを初期化し、このとき、電池状態ベクトル推定値は、初期化後に得られるものであり、他の時刻の電池状態ベクトル推定値は、前の時刻の電池ＳＯＣ推定値に基づいて計算されるものである。
例示的には、電池状態空間方程式の第２の状態方程式の表現形式は、以下のとおりである。
ここで、
は、第２の状態ベクトル事前値であり、ｘｊｏｉｎｔ１（ｋ－１）は、ｋ－１時刻の電池状態ベクトル推定値であり、Ｐｐａｒａｍｅｔｅｒは、素子パラメータ値であり、Ｉ（ｋ）は、ｋ時刻の電池電流データである。
例示的には、電池状態空間方程式の第２の出力方程式の表現形式は、以下のとおりである。
ここで、
は、第２の出力推定値であり、Ｔ（ｋ）は、第ｋ時刻の温度データである。
例示的には、以下の式により第２の状態ベクトル事後値を計算することができる。
ここで、ＫＰｊｏｉｎｔ及びＫＩｊｏｉｎｔは、いずれもＬｕｅｎｂｅｒｇｅｒオブザーバの所定のゲインであり、Ｕ（ｋ）は、第ｋ時刻の電圧データである。
本開示のいくつかの実施例によれば、電池状態空間方程式は以下のとおりである。
ここで、Ｐｐａｒａｍｅｔｅｒ＝［Ｒ０，Ｒ１～ＲＬ，Ｃ１～ＣＬ］は、素子パラメータ値の列ベクトルであり、Ｒ０は、等価回路モデルのオーム内部抵抗であり、Ｒ１～ＲＬは、等価回路モデルの分極内部抵抗であり、Ｃ１～ＣＬは、等価回路モデルの分極容量であり、Ｕ（ｋ）及びＩ（ｋ）は、それぞれ、第ｋ時刻の電圧データ及び電流データであり、Ｔｅｍｐ（ｋ）は、第ｋ時刻の温度データであり、ω（ｋ）は、プロセスノイズであり、γ（ｋ）は、測定ノイズであり、それらの分散がそれぞれプロセスノイズ分散及び測定ノイズ分散であり、ｆ（・）及びｇ（・）は、いずれも非線形関数である。
Ｌ次ＲＣ回路について、以下の式に示すとおりである。
ここで、Ｔは、サンプリング間隔であり、ＣＭは、電池の利用可能な容量である。
あるメーカーで製造された三元リチウムイオン電池の動的な動作条件での電池ＳＯＣ推定問題を例とし、図６は、関連技術による例示的な実施例に係る電池充電状態を決定する方法の効果図であり、図から分かるように、電池充電状態の誤差の最大値が１６％より大きく、ＢＭＳ国家標準に規定される５％の精度要件を満たすことが困難である。図７は、本開示の例示的な実施例に係る電池充電状態を決定する方法の効果図である。同じ動的な動作条件に対して、本発明では、ＲＬＳ、ＡＵＫＦを改良して推定し、図から分かるように、電池充電状態の誤差がいずれも５％より小さく、本発明の精度がＢＭＳ国家標準のＳＯＣ精度要件を満たすことができることを説明する。
上記技術手段では、最小二乗法ＲＬＳ予測モデルにより、等価回路モデルにおける素子パラメータ値を決定する。そして、電池の等価回路モデルにおける素子パラメータ値を決定する際に、少なくとも電圧データのサンプリング誤差因子又は電流データのサンプリング誤差因子を含む誤差情報或いは電圧データのサンプリング誤差因子及び電流データのサンプリング誤差因子を含む誤差情報を更に考慮することにより、サンプリング誤差による影響を低減することができ、決定された等価回路モデルにおける素子パラメータ値の正確度を更に向上させることができ、最終的に、決定された電池の等価回路モデルの精度を向上させるという効果を達成する。本開示のいくつかの実施例によれば、オブザーバ技術に従って電池のＳＯＣ値を決定し、素子パラメータ値とオブザーバとのマッチング度を向上させ、更に電池充電状態の推定精度を向上させ、車両の効率的な管理及び確実な運行を保証する。
本開示は、電池充電状態を決定する装置を更に提供し、図８に示される等価回路モデルを決定する装置のブロック図を参照して、装置８００は、
電流データ及び電圧データを含む電池の状態データを取得する取得モジュール８１０と、
電池の等価回路モデル、誤差情報、電池特性データ及び状態データに基づいて、最小二乗法ＲＬＳ予測モデルにより、等価回路モデルにおける素子パラメータ値を決定する第１の決定モジュール８２０と、
等価回路モデルにおける素子パラメータ値、状態データ及び電池特性データに基づいて、オブザーバ技術に従って電池の電池充電状態ＳＯＣ推定値を決定する第２の決定モジュール８３０とを含む。
電流データ及び電圧データを含む電池の状態データを取得する取得モジュール８１０と、
電池の等価回路モデル、誤差情報、電池特性データ及び状態データに基づいて、最小二乗法ＲＬＳ予測モデルにより、等価回路モデルにおける素子パラメータ値を決定する第１の決定モジュール８２０と、
等価回路モデルにおける素子パラメータ値、状態データ及び電池特性データに基づいて、オブザーバ技術に従って電池の電池充電状態ＳＯＣ推定値を決定する第２の決定モジュール８３０とを含む。
本開示のいくつかの実施例によれば、等価回路モデルの次数を決定する第３の決定モジュールは、
電池のオフラインテストに基づいて、電池の開回路電圧－充電状態曲線及びヒステリシス電圧－充電状態曲線を含む電池の初期属性情報を取得する取得サブモジュールと、
初期属性情報に基づいて、次数が異なる複数の初期等価回路モデルをそれぞれ確立する確立サブモジュールと、
各次数の初期等価回路モデルに対して、該初期等価回路モデルの目標動作条件での計算誤差情報及び計算時間情報をそれぞれテストするテストサブモジュールと、
各初期等価回路モデルのパラメータ数、計算誤差情報及び計算時間情報に基づいて、各初期等価回路モデルのマッチング度を計算する計算サブモジュールと、
マッチング度が最適である初期等価回路モデルを電池の等価回路モデルとして決定する決定サブモジュールとを含む。
電池のオフラインテストに基づいて、電池の開回路電圧－充電状態曲線及びヒステリシス電圧－充電状態曲線を含む電池の初期属性情報を取得する取得サブモジュールと、
初期属性情報に基づいて、次数が異なる複数の初期等価回路モデルをそれぞれ確立する確立サブモジュールと、
各次数の初期等価回路モデルに対して、該初期等価回路モデルの目標動作条件での計算誤差情報及び計算時間情報をそれぞれテストするテストサブモジュールと、
各初期等価回路モデルのパラメータ数、計算誤差情報及び計算時間情報に基づいて、各初期等価回路モデルのマッチング度を計算する計算サブモジュールと、
マッチング度が最適である初期等価回路モデルを電池の等価回路モデルとして決定する決定サブモジュールとを含む。
本開示のいくつかの実施例によれば、等価回路モデルは、ＲＣ回路であり、取得モジュールは、電池管理システムＢＭＳが収集した状態データを取得し、状態データは、電池の温度データ及び電池の電荷状態データを更に含み、
第１の決定モジュールは、
充電状態データに基づいて、電池の温度データに対応する開回路電圧－充電状態曲線及びヒステリシス電圧－充電状態曲線から、目標開回路電圧及び目標ヒステリシス電圧を決定する第１の決定サブモジュールと、
等価回路モデル、誤差情報、電流データ、電圧データ、目標開回路電圧及び目標ヒステリシス電圧に基づいて、ＲＬＳ予測モデルにより、電池の等価回路モデルの素子パラメータ値を決定する第２の決定サブモジュールとを含む。
第１の決定モジュールは、
充電状態データに基づいて、電池の温度データに対応する開回路電圧－充電状態曲線及びヒステリシス電圧－充電状態曲線から、目標開回路電圧及び目標ヒステリシス電圧を決定する第１の決定サブモジュールと、
等価回路モデル、誤差情報、電流データ、電圧データ、目標開回路電圧及び目標ヒステリシス電圧に基づいて、ＲＬＳ予測モデルにより、電池の等価回路モデルの素子パラメータ値を決定する第２の決定サブモジュールとを含む。
本開示のいくつかの実施例によれば、誤差情報は、電圧データのサンプリング誤差因子、電流データのサンプリング誤差因子、電圧データと電流データとの間のサンプリング時間差及び電池開回路電圧の誤差のうちの少なくとも１種を含む。
本開示のいくつかの実施例によれば、誤差情報は、電圧データのサンプリング誤差因子、電流データのサンプリング誤差因子、電圧データと電流データとの間のサンプリング時間差及び電池開回路電圧の誤差を含み、ＲＬＳ予測モデルの識別形式は、以下のとおりである。
ここで、
は、ＲＬＳ予測モデルの第ｋ時刻の出力信号の測定値であり、ＵＯＣＶ（ｋ）及びＵｈｙｓ（ｋ）は、それぞれ、電池の第ｋ時刻の目標開回路電圧及び目標ヒステリシス電圧を表し、
は、ＢＭＳが第ｋ時刻に収集した電池電圧値であり、φ（ｋ）は、ＲＬＳ予測モデルの第ｋ時刻の入力信号であり、
は、ＢＭＳが第ｋ時刻に収集した電池電流値であり、θ（ｋ）は、ＲＬＳ予測モデルの第ｋ時刻のパラメータ行列であり、ａ１～ａＬ、ａ０、ｃ１、ｄ０～ｄＬ、ｃ２は、パラメータ行列におけるパラメータであり、Ｌは、初期等価回路モデルの次数であり、Ｔは、ＢＭＳのサンプリング周期であり、
ここで、
であり、Ｕ（ｋ）は、第ｋ時刻の電池の電圧真値であり、ε１は、電圧データのサンプリング誤差因子であり、
であり、Ｉは、電圧と同期にサンプリングされた電池電流であり、ε２は、電流データのサンプリング誤差因子であり、ε３は、電流データと電圧データとの間のサンプリング時間差値であり、
であり、
及びε４は、それぞれ、電池ＳＯＣに誤差が存在する場合の電池ＯＣＶ値及び対応する電池開回路電圧の誤差を表す。
ここで、
本開示のいくつかの実施例によれば、オブザーバは、適応アンセンテッドカルマンフィルター（ＡＵＫＦ）オブザーバであり、それに応じて、第２の決定モジュールは、
前の時刻の電池状態ベクトル推定値及び状態ベクトル共分散に基づいて、状態ベクトル特徴点集合、第１の重み係数及び第２の重み係数を生成する生成サブモジュールを含む。
前の時刻の電池状態ベクトル推定値及び状態ベクトル共分散に基づいて、状態ベクトル特徴点集合、第１の重み係数及び第２の重み係数を生成する生成サブモジュールを含む。
前の時刻の状態ベクトル共分散は、プロセスノイズ分散に基づいて計算されるものである。
第２の決定モジュールはまた、素子パラメータ値、状態ベクトル特徴点集合及び電流データに基づいて、電池状態空間方程式の第１の状態方程式を利用して、第１の状態ベクトル事前値を計算する第４の決定サブモジュールと、
第１の状態ベクトル事前値、測定ノイズ分散、温度データ、電流データ、第１の重み係数、第２の重み係数及び電池状態空間方程式の第２の出力方程式に基づいて、測定補正行列を決定する第５の決定サブモジュールと、
測定補正行列、第１の状態ベクトル事前値及び電圧データに基づいて、第２の状態ベクトル事後値を計算する第６の決定サブモジュールと、
第２の状態ベクトル事後値及び電池状態空間方程式に基づいて、電池のＳＯＣ推定値を決定する第７の決定サブモジュールとを含む。
第１の状態ベクトル事前値、測定ノイズ分散、温度データ、電流データ、第１の重み係数、第２の重み係数及び電池状態空間方程式の第２の出力方程式に基づいて、測定補正行列を決定する第５の決定サブモジュールと、
測定補正行列、第１の状態ベクトル事前値及び電圧データに基づいて、第２の状態ベクトル事後値を計算する第６の決定サブモジュールと、
第２の状態ベクトル事後値及び電池状態空間方程式に基づいて、電池のＳＯＣ推定値を決定する第７の決定サブモジュールとを含む。
本開示のいくつかの実施例によれば、第２の決定モジュールは、
素子パラメータ値における電圧パラメータ及び電圧データに基づいて、出力残差を決定する第１の計算サブモジュールと、
前の時刻に計算された電池のＳＯＣ推定値における第１の出力残差及び出力残差に基づいて、出力残差行列を計算する第２の計算サブモジュールと、
出力残差行列に基づいて、理論的なプロセスノイズ分散及び理論的な測定ノイズ分散を決定する第３の出力サブモジュールと、
ノイズ補正ルールに従って、理論的なプロセスノイズ分散及び理論的な測定ノイズ分散に基づいて、プロセスノイズ分散及び測定ノイズ分散を決定する第４の出力サブモジュールとを更に含む。
素子パラメータ値における電圧パラメータ及び電圧データに基づいて、出力残差を決定する第１の計算サブモジュールと、
前の時刻に計算された電池のＳＯＣ推定値における第１の出力残差及び出力残差に基づいて、出力残差行列を計算する第２の計算サブモジュールと、
出力残差行列に基づいて、理論的なプロセスノイズ分散及び理論的な測定ノイズ分散を決定する第３の出力サブモジュールと、
ノイズ補正ルールに従って、理論的なプロセスノイズ分散及び理論的な測定ノイズ分散に基づいて、プロセスノイズ分散及び測定ノイズ分散を決定する第４の出力サブモジュールとを更に含む。
本開示のいくつかの実施例によれば、第２の決定モジュールは、
理論的な測定ノイズ分散の数値が所定の閾値より小さい場合、前の時刻の出力残差をプロセスノイズ分散及び測定ノイズ分散とする第１の判断サブモジュールと、
理論的な測定ノイズ分散の数値が所定の閾値以上である場合、プロセスノイズ分散初期値と理論的なプロセスノイズ分散の行列のトレースのうちの大きい方をプロセスノイズ分散とし、測定ノイズ分散初期値と理論的な測定ノイズ分散のうちの大きい方を測定ノイズ分散とする第２の判断サブモジュールとを更に含む。
理論的な測定ノイズ分散の数値が所定の閾値より小さい場合、前の時刻の出力残差をプロセスノイズ分散及び測定ノイズ分散とする第１の判断サブモジュールと、
理論的な測定ノイズ分散の数値が所定の閾値以上である場合、プロセスノイズ分散初期値と理論的なプロセスノイズ分散の行列のトレースのうちの大きい方をプロセスノイズ分散とし、測定ノイズ分散初期値と理論的な測定ノイズ分散のうちの大きい方を測定ノイズ分散とする第２の判断サブモジュールとを更に含む。
本開示のいくつかの実施例によれば、オブザーバは、Ｌｕｅｎｂｅｒｇｅｒオブザーバであり、それに応じて、第２の決定モジュールは、
電池状態ベクトル推定値、素子パラメータ値、電流データ及び電池状態空間方程式の第２の状態方程式に基づいて、第２の状態ベクトル事前値を決定する第１２の決定サブモジュールと、
第２の状態ベクトル事前値、温度データ、電流データ及び電池状態空間方程式の第２の出力方程式に基づいて、第２の出力推定値を決定する第１３の決定サブモジュールと、
第２の出力推定値、電圧データ及びＬｕｅｎｂｅｒｇｅｒオブザーバの所定のゲインに基づいて、第２の状態ベクトル事後値を決定する第１４の決定サブモジュールと、
第２の状態ベクトル事後値及び電池状態空間方程式に基づいて、電池のＳＯＣ推定値を決定する第１５の決定サブモジュールとを含む。
電池状態ベクトル推定値、素子パラメータ値、電流データ及び電池状態空間方程式の第２の状態方程式に基づいて、第２の状態ベクトル事前値を決定する第１２の決定サブモジュールと、
第２の状態ベクトル事前値、温度データ、電流データ及び電池状態空間方程式の第２の出力方程式に基づいて、第２の出力推定値を決定する第１３の決定サブモジュールと、
第２の出力推定値、電圧データ及びＬｕｅｎｂｅｒｇｅｒオブザーバの所定のゲインに基づいて、第２の状態ベクトル事後値を決定する第１４の決定サブモジュールと、
第２の状態ベクトル事後値及び電池状態空間方程式に基づいて、電池のＳＯＣ推定値を決定する第１５の決定サブモジュールとを含む。
本開示のいくつかの実施例によれば、電池状態空間方程式は以下のとおりである。
ここで、Ｐｐａｒａｍｅｔｅｒ＝［Ｒ０，Ｒ１～ＲＬ，Ｃ１～ＣＬ］は、素子パラメータ値の列ベクトルであり、Ｒ０は、等価回路モデルのオーム内部抵抗であり、Ｒ１～ＲＬは、等価回路モデルの分極内部抵抗であり、Ｃ１～ＣＬは、等価回路モデルの分極容量であり、Ｕ（ｋ）及びＩ（ｋ）は、それぞれ、第ｋ時刻の電圧データ及び電流データであり、Ｔｅｍｐ（ｋ）は、第ｋ時刻の温度データであり、ω（ｋ）は、プロセスノイズであり、γ（ｋ）は、測定ノイズであり、それらの分散がそれぞれプロセスノイズ分散及び測定ノイズ分散であり、ｆ（・）及びｇ（・）は、いずれも非線形関数である。
上記実施例における装置について、各モジュールが操作を実行する具体的な方式は、該方法に関連する実施例において詳細に説明されており、ここで詳細に説明しない。
また、説明すべきこととして、説明の便宜及び簡潔のために、明細書に説明された実施例は、いずれも好ましい実施例に属し、それに係る部分は、必ずしも本発明に必須ではなく、例えば、第１の決定モジュール及び第２の決定モジュールは、具体的に実施する際に互いに独立した装置であってもよいし、同一の装置であってもよく、本開示はこれを限定しない。
本開示は、プロセッサにより実行されると、上記いずれか１つの実施例における電池充電状態を決定する方法のステップを実現するコンピュータプログラムが記憶されているコンピュータ可読記憶媒体を更に提供する。
本開示は、電子機器を提供し、該電子機器は、コンピュータプログラムが記憶されているメモリと、
上記いずれか１つの実施例における電池充電状態を決定する方法のステップを実行するように、メモリに記憶されたコンピュータプログラムを実行するプロセッサとを含む。
上記いずれか１つの実施例における電池充電状態を決定する方法のステップを実行するように、メモリに記憶されたコンピュータプログラムを実行するプロセッサとを含む。
図９は、１つの例示的な実施例に係る等価回路モデルを決定する装置９００のブロック図である。図９を参照して、装置９００は、処理アセンブリ９０２、メモリ９０４、電力アセンブリ９０６、マルチメディアアセンブリ９０５、入力／出力（Ｉ／Ｏ）のインタフェース９１２、センサアセンブリ９１４、及び通信アセンブリ９１６のうちの１つ以上のアセンブリを含んでもよい。
処理アセンブリ９０２は、一般的に、装置９００の全体的な操作、例えばデータの取得、センサデータの処理、ＲＬＳアルゴリズムの求めなどを制御する。処理アセンブリ９０２は、命令を実行して、上記電池充電状態を決定する方法の全部又は一部のステップを完了するように、１つ以上のプロセッサ９２０を含んでもよい。また、処理アセンブリ９０２は、処理アセンブリ９０２と他のアセンブリとの間の対話を容易にするように、１つ以上のモジュールを含んでもよい。例えば、処理アセンブリ９０２は、マルチメディアアセンブリ９０５と処理アセンブリ９０２との間の対話を容易にするように、マルチメディアモジュールを含んでもよい。
メモリ９０４は、装置９００での操作をサポートするように、様々なデータを記憶するように配置されている。これらのデータの例は、装置９００上で実行される任意のアプリケーションプログラム又は方法の命令、履歴電流データ、履歴電圧データ、電池の開回路電圧－充電状態曲線、ヒステリシス電圧－充電状態曲線などを含む。メモリ９０４は、任意のタイプの揮発性又は不揮発性記憶装置又はそれらの組み合わせで実現でき、例えばスタティックランダムアクセスメモリ（ＳＲＡＭ）、電気的消去可能なプログラマブルリードオンリーメモリ（ＥＥＰＲＯＭ）、消去可能なプログラマブルリードオンリーメモリ（ＥＰＲＯＭ）、プログラマブルリードオンリーメモリ（ＰＲＯＭ）、リードオンリーメモリ（ＲＯＭ）、磁気メモリ、フラッシュメモリ、磁気ディスク又は光ディスクである。
電力アセンブリ９０６は、装置９００の様々なアセンブリに電力を供給する。電力アセンブリ９０６は、電源管理システム、１つ以上の電源、及び装置９００に対する電力を生成し、管理して割り当てることに関連するアセンブリを含んでもよい。
マルチメディアアセンブリ９０５は、装置９００とユーザーとの間の出力インタフェースを提供するスクリーンを含む。いくつかの実施例では、スクリーンは、液晶ディスプレイ（ＬＣＤ）及びタッチパネル（ＴＰ）を含んでもよい。スクリーンがタッチパネルを含む場合、スクリーンは、ユーザーからの入力信号を受信するように、タッチスクリーンとして実現されてもよい。タッチパネルは、タッチ及びスライドのようなタッチパネル上のジェスチャを検出するように、１つ以上のタッチセンサを含む。タッチセンサは、タッチ又はスライド動作の境界を感知することができるだけでなく、タッチ又はスライド操作に関連する持続時間及び圧力を更に検出する。
Ｉ／Ｏインタフェース９１２は、処理アセンブリ９０２と周辺インタフェースモジュールとの間にインタフェースを提供し、上記周辺インタフェースモジュールは、クリックホイール、ボタンなどであってもよい。
センサアセンブリ９１４は、装置９００に様々な方面の状態評価を提供する１つ以上のセンサを含む。例えば、センサアセンブリ９１４は、電池の温度、電流などを検出することができる。いくつかの実施例では、該センサアセンブリ９１４は、例えば、温度センサ、速度センサ、電流センサなどを含んでもよい。
通信アセンブリ９１６は、装置９００と他の機器との間の有線又は無線による通信を容易にするように配置されている。装置９００は、通信標準に基づく無線ネットワーク、例えばＷｉＦｉ、２Ｇ又は３Ｇ、又はそれらの組み合わせにアクセスすることができる。
例示的な実施例では、装置９００は、上記電池充電状態を決定する方法を実行するために、１つ以上の特定用途向け集積回路（ＡＳＩＣ）、デジタル信号プロセッサ（ＤＳＰ）、デジタル信号処理装置（ＤＳＰＤ）、プログラマブルロジックデバイス（ＰＬＤ）、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、コントローラ、マイクロコントローラ、マイクロプロセッサ又は他の電子素子により実現されてもよい。
例示的な実施例では、命令を含む非一時的なコンピュータ可読記憶媒体、例えば命令を含むメモリ９０４が更に提供され、上記命令は、装置９００のプロセッサ９２０によって実行されて、上記電池充電状態を決定する方法を完了することができる。例えば、非一時的なコンピュータ可読記憶媒体は、ＲＯＭ、ランダムアクセスメモリ（ＲＡＭ）、ＣＤ－ＲＯＭ、磁気テープ、フレキシブルディスク及び光データ記憶装置などであってもよい。
別の例示的な実施例では、コンピュータプログラム製品が更に提供され、該コンピュータプログラム製品は、プログラム可能な装置により実行可能なコンピュータプログラムを含み、該コンピュータプログラムは、該プログラム可能な装置により実行されると、上記電池充電状態を決定する方法を実行するためのコード部分を有する。
本開示は、上記いずれか一項の電池充電状態を決定する装置を含む電池管理システムを更に提供する。
上記実施例における電池管理システムについて、各装置が操作を実行する具体的な方式は、該方法に関連する実施例において詳細に説明されており、ここで詳細に説明しない。
以上、図面を参照しながら、本開示の好ましい実施形態を詳細に説明したが、本開示は、上記実施形態の具体的な内容に限定されるものではなく、本開示の技術的概念の範囲内に、本開示の技術手段に対して複数の簡単な変更を行うことができ、これらの簡単な変更は、いずれも本開示の保護範囲に属する。
なお、上記具体的な実施形態に説明された各具体的な技術的特徴は、矛盾しない場合に、任意の適当な方式で組み合わせることができる。不要な重複を回避するために、本開示は、可能なあらゆる組み合わせ方式を別途に説明しない。
また、本開示の様々な実施形態は、任意に組み合わせることができ、本開示の構想から逸脱しない限り、本開示に開示されている内容と見なすべきである。
電池充電状態を決定する装置－８００、取得モジュール－８１０、第１の決定モジュール８２０、第２の決定モジュール８３０、等価回路モデル装置－９００、処理アセンブリ－９０２、メモリ－９０４、マルチメディアアセンブリ－９０５、電力アセンブリ－９０６、入力／出力（Ｉ／Ｏ）のインタフェース－９１２、センサアセンブリ－９１４、通信アセンブリ－９１６、プロセッサ－９２０。
充電部分中の最後の２組のパルス組み合わせシーケンスにおいて、各組のパルス組み合わせシーケンスは、
（１）定電流－定電圧パルスをかけ、パルス累積アンペア時間変化がＱｍの５％以上となるまで停止するステップ（１）と、
（２）２時間静置するステップ（２）と、
（３）定電流充電パルス（振幅が０．５Ｃである）を１０秒間かけるステップ（３）と、
（４）４０秒間静置するステップ（４）と、
（５）定電流放電パルス（振幅値が０．５Ｃである）を１０秒かけるステップ（５）と、
（６）０．５Ｃを、それぞれ１Ｃ、２Ｃ、３Ｃ、４Ｃ、５Ｃに置き換えた後、（３）～（５）を繰り返すステップ（６）と、
（７）２４時間静置するステップ（７）と、
（８）温度を５５℃に調整し、２ｈ静置するステップ（８）と、
（９）５５℃をそれぞれ４０℃、２５℃、１０℃、０℃、－１０℃、－２０℃、－３０℃に置き換え、（８）を繰り返すステップ（９）と、
（１０）温度を２５℃に調整するステップ（１０）と、
（１１）２４時間静置するステップ（１１）とを含む。
（１）定電流－定電圧パルスをかけ、パルス累積アンペア時間変化がＱｍの５％以上となるまで停止するステップ（１）と、
（２）２時間静置するステップ（２）と、
（３）定電流充電パルス（振幅が０．５Ｃである）を１０秒間かけるステップ（３）と、
（４）４０秒間静置するステップ（４）と、
（５）定電流放電パルス（振幅値が０．５Ｃである）を１０秒かけるステップ（５）と、
（６）０．５Ｃを、それぞれ１Ｃ、２Ｃ、３Ｃ、４Ｃ、５Ｃに置き換えた後、（３）～（５）を繰り返すステップ（６）と、
（７）２４時間静置するステップ（７）と、
（８）温度を５５℃に調整し、２ｈ静置するステップ（８）と、
（９）５５℃をそれぞれ４０℃、２５℃、１０℃、０℃、－１０℃、－２０℃、－３０℃に置き換え、（８）を繰り返すステップ（９）と、
（１０）温度を２５℃に調整するステップ（１０）と、
（１１）２４時間静置するステップ（１１）とを含む。
また、放電部分について、放電部分中の２０組のパルス組み合わせシーケンスにおいて、各組のパルス組み合わせシーケンスは、
（１）定電流放電パルス（振幅が１Ｃである）をかけ、パルス累積アンペア時間変化がＱｍの５％以上となるまで停止するステップ（１）と、
（２）２時間静置するステップ（２）と、
（３）定電流放電パルス（振幅が０．５Ｃである）を１０秒間かけるステップ（３）と、
（４）４０秒間静置するステップ（４）と、
（５）定電流充電パルス（振幅値が０．５Ｃである）を１０秒かけるステップ（５）と、
（６）０．５Ｃを、それぞれ１Ｃ、２Ｃ、３Ｃ、４Ｃ、５Ｃに置き換えた後、（３）～（５）を繰り返すステップ（６）と、
（７）２４時間静置するステップ（７）と、
（８）温度を５５℃に調整し、２ｈ静置するステップ（８）と、
（９）５５℃をそれぞれ４０℃、２５℃、１０℃、０℃、－１０℃、－２０℃、－３０℃に置き換え、（８）を繰り返すステップ（９）と、
（１０）温度を２５℃に調整するステップ（１０）と、
（１１）２４時間静置するステップ（１１）とを含んでもよい。
（１）定電流放電パルス（振幅が１Ｃである）をかけ、パルス累積アンペア時間変化がＱｍの５％以上となるまで停止するステップ（１）と、
（２）２時間静置するステップ（２）と、
（３）定電流放電パルス（振幅が０．５Ｃである）を１０秒間かけるステップ（３）と、
（４）４０秒間静置するステップ（４）と、
（５）定電流充電パルス（振幅値が０．５Ｃである）を１０秒かけるステップ（５）と、
（６）０．５Ｃを、それぞれ１Ｃ、２Ｃ、３Ｃ、４Ｃ、５Ｃに置き換えた後、（３）～（５）を繰り返すステップ（６）と、
（７）２４時間静置するステップ（７）と、
（８）温度を５５℃に調整し、２ｈ静置するステップ（８）と、
（９）５５℃をそれぞれ４０℃、２５℃、１０℃、０℃、－１０℃、－２０℃、－３０℃に置き換え、（８）を繰り返すステップ（９）と、
（１０）温度を２５℃に調整するステップ（１０）と、
（１１）２４時間静置するステップ（１１）とを含んでもよい。
このように、上記パルステストにより、充電部分中の各組のパルス組み合わせシーケンスにおけるステップ（８）における２ｈ静置した後の電池電圧に基づいて、異なる電池ＳＯＣ及び異なる温度条件での、電池の充電ＯＣＶ（Ｏｐｅｎ Ｃｉｒｃｕｉｔ Ｖｏｌｔａｇｅ、開回路電圧）の電池ＳＯＣに伴う変化曲線を得ることができる。類似するように、放電部分中の各組のパルス組み合わせシーケンスにおけるステップ（８）における２ｈ静置した後の電池電圧に基づいて、異なる電池ＳＯＣ及び異なる温度条件での、電池の放電ＯＣＶの電池ＳＯＣに伴う変化曲線を得ることができる。同じＳＯＣの条件で、電池の充電ＯＣＶと放電ＯＣＶとの平均値は、電池ＯＣＶであり、充電ＯＣＶと放電ＯＣＶとの差異の１／２をヒステリシス電圧と記し、電池ＯＣＶの電池ＳＯＣ及び温度に伴う変化曲線は、電池ＯＣＶ－ＳＯＣ曲線であり、ヒステリシス電圧の電池ＳＯＣ及び温度に伴う変化曲線は、ヒステリシス電圧－充電状態曲線である。
例えば、初期属性情報に基づいて確立されたＬ次初期等価回路モデルは、図３に示される。ここで、ＵＯＣＶ及びＵｈｙｓは、それぞれ、電池開回路電圧及び電池ヒステリシス電圧を表し、Ｉ及びＵは、それぞれ、電池電流（放電が正である）及び電池電圧を表し、Ｒ０は、電池回路モデルにおけるオーム内部抵抗であり、Ｒ１～ＲＬは、ＲＣネットワーク１～Ｌに対応する分極抵抗であり、Ｃ
１
～Ｃ
Ｌ は、ＲＣネットワーク１～Ｌに対応する分極容量であり、
は、エネルギー貯蔵素子の端子電圧である。
Claims (12)
- 電流データ及び電圧データを含む電池の状態データを取得するステップと、
前記電池の等価回路モデル、誤差情報、電池特性データ及び前記状態データに基づいて、最小二乗法ＲＬＳ予測モデルにより、前記等価回路モデルにおける素子パラメータ値を決定するステップと、
前記等価回路モデルにおける素子パラメータ値、前記状態データ及び前記電池特性データに基づいて、オブザーバ技術に従って前記電池の電池充電状態推定値を決定するステップとを含む、電池充電状態を決定する方法。 - 前記等価回路モデルは、
電池のオフラインテストに基づいて、前記電池の開回路電圧－充電状態曲線及びヒステリシス電圧－充電状態曲線を含む前記電池の初期属性情報を取得するステップと、
前記初期属性情報に基づいて、次数が異なる複数の初期等価回路モデルをそれぞれ確立するステップと、
各次数の前記初期等価回路モデルに対して、前記初期等価回路モデルの目標動作条件での計算誤差情報及び計算時間情報をそれぞれテストするステップと、
各前記初期等価回路モデルのパラメータ数、前記計算誤差情報及び前記計算時間情報に基づいて、各前記初期等価回路モデルのマッチング度を計算するステップと、
前記マッチング度が最適である初期等価回路モデルを前記電池の等価回路モデルとして決定するステップとによって決定される、請求項１に記載の方法。 - 前記電池の等価回路モデルは、ＲＣ回路モデルであり、前記電池の状態データを取得するステップは、
電池管理システムＢＭＳが収集した前記状態データを取得するステップであって、前記状態データは、前記電池の温度データ及び前記電池の電荷状態データを更に含む、ステップを含み、
前記電池の等価回路モデル、誤差情報、電池特性データ及び前記状態データに基づいて、最小二乗法ＲＬＳ予測モデルにより、前記等価回路モデルにおける素子パラメータ値を決定するステップは、
前記充電状態データに基づいて、前記電池の前記温度データに対応する開回路電圧－充電状態曲線及びヒステリシス電圧－充電状態曲線から、目標開回路電圧及び目標ヒステリシス電圧を決定するステップと、
前記等価回路モデル、前記誤差情報、前記電流データ、前記電圧データ、前記目標開回路電圧及び前記目標ヒステリシス電圧に基づいて、ＲＬＳ予測モデルにより、前記電池の等価回路モデルの素子パラメータ値を決定するステップとを含む、請求項１又は２に記載の方法。 - 前記誤差情報は、電圧データのサンプリング誤差因子、電流データのサンプリング誤差因子、前記電圧データと前記電流データとの間のサンプリング時間差及び電池開回路電圧の誤差のうちの少なくとも１種を含む、請求項３に記載の方法。
- 前記誤差情報は、電圧データのサンプリング誤差因子、電流データのサンプリング誤差因子、前記電圧データと前記電流データとの間のサンプリング時間差、又は、電池開回路電圧の誤差を含み、前記ＲＬＳ予測モデルの識別形式は、
ここで、
ここで、
- 前記状態データは、温度データを更に含み、前記オブザーバは、適応アンセンテッドカルマンフィルター（ＡＵＫＦ）オブザーバであり、それに応じて、前記等価回路モデルにおける素子パラメータ値、前記状態データ及び前記電池特性データに基づいて、オブザーバ技術に従って前記電池の電池充電状態推定値を決定するステップは、
前の時刻の電池状態ベクトル推定値及び状態ベクトル共分散に基づいて、状態ベクトル特徴点集合、第１の重み係数及び第２の重み係数を生成するステップであって、前記前の時刻の状態ベクトル共分散がプロセスノイズ分散に基づいて計算されるものである、ステップと、
前記素子パラメータ値、前記状態ベクトル特徴点集合及び前記電流データに基づいて、電池状態空間方程式の第１の状態方程式を利用して、第１の状態ベクトル事前値を計算するステップと、
前記第１の状態ベクトル事前値、測定ノイズ分散、前記温度データ、前記電流データ、前記第１の重み係数、前記第２の重み係数及び前記電池状態空間方程式の第２の出力方程式に基づいて、測定補正行列を決定するステップと、
前記測定補正行列、前記第１の状態ベクトル事前値及び前記電圧データに基づいて、第２の状態ベクトル事後値を計算するステップと、
前記第２の状態ベクトル事後値及び電池状態空間方程式に基づいて、前記電池の電池充電状態推定値を決定するステップとを含む、請求項１～５のいずれか一項に記載の方法。 - 前記プロセスノイズ分散及び前記測定ノイズ分散は、以下の複数のステップによって決定され、その複数のステップとは、
前記素子パラメータ値における電圧パラメータ及び前記電圧データに従って、出力残差を決定するステップと、
前の時刻に計算された前記電池の電池充電状態推定値における第１の出力残差及び前記出力残差に従って、出力残差行列を計算するステップと、
前記出力残差行列に従って、理論的なプロセスノイズ分散及び理論的な測定ノイズ分散を決定するステップと、
前記理論的なプロセスノイズ分散及び前記理論的な測定ノイズ分散に従って、ノイズ補正ルールに基づいて、前記プロセスノイズ分散及び前記測定ノイズ分散を決定するステップと、である、請求項６に記載の方法。 - 前記ノイズ補正ルールは、
前記理論的な測定ノイズ分散の数値が所定の閾値より小さい場合、前記前の時刻の出力残差を前記プロセスノイズ分散及び前記測定ノイズ分散とすることと、
前記理論的な測定ノイズ分散の数値が前記所定の閾値以上である場合、プロセスノイズ分散初期値と前記理論的なプロセスノイズ分散の行列のトレースのうちの大きい方を前記プロセスノイズ分散とし、測定ノイズ分散初期値と前記理論的な測定ノイズ分散のうちの大きい方を前記測定ノイズ分散とすることとを含む、請求項７に記載の方法。 - 前記状態データは、温度データを更に含み、前記オブザーバは、Ｌｕｅｎｂｅｒｇｅｒオブザーバであり、それに応じて、前記等価回路モデルにおける素子パラメータ値、前記状態データ及び前記電池特性データに基づいて、オブザーバ技術に従って前記電池の電池充電状態推定値を決定するステップは、
電池状態ベクトル推定値、前記素子パラメータ値、前記電流データ及び電池状態空間方程式の第２の状態方程式に基づいて、第２の状態ベクトル事前値を決定するステップと、
前記第２の状態ベクトル事前値、前記温度データ、前記電流データ及び前記電池状態空間方程式の第２の出力方程式に基づいて、第２の出力推定値を決定するステップと、
前記第２の出力推定値、前記電圧データ及び前記Ｌｕｅｎｂｅｒｇｅｒオブザーバの所定のゲインに基づいて、第２の状態ベクトル事後値を決定するステップと、
前記第２の状態ベクトル事後値及び電池状態空間方程式に基づいて、前記電池の電池充電状態推定値を決定するステップとを含む、請求項１～８のいずれか一項に記載の方法。 - 前記電池状態空間方程式は、
ここで、Ｐｐａｒａｍｅｔｅｒ＝［Ｒ０，Ｒ１～ＲＬ，Ｃ１～ＣＬ］は、前記素子パラメータ値の列ベクトルであり、Ｒ０は、前記等価回路モデルのオーム内部抵抗であり、Ｒ１～ＲＬは、前記等価回路モデルの分極内部抵抗であり、Ｃ１～ＣＬは、前記等価回路モデルの分極容量であり、Ｕ（ｋ）及びＩ（ｋ）は、それぞれ、第ｋ時刻の前記電圧データ及び前記電流データであり、Ｔｅｍｐ（ｋ）は、第ｋ時刻の前記温度データであり、ω（ｋ）は、前記プロセスノイズであり、γ（ｋ）は、前記測定ノイズであり、プロセスノイズの分散及び測定ノイズの分散が、それぞれプロセスノイズ分散及び測定ノイズ分散であり、ｆ（・）及びｇ（・）は、いずれも非線形関数である、請求項６～９のいずれか一項に記載の方法。 - 電流データ及び電圧データを含む電池の状態データを取得する取得モジュールと、
前記電池の等価回路モデル、誤差情報、電池特性データ及び前記状態データに基づいて、最小二乗法ＲＬＳ予測モデルにより、前記等価回路モデルにおける各素子パラメータ値を決定する第１の決定モジュールと、
前記等価回路モデルにおける素子パラメータ値、前記状態データ及び前記電池特性データに基づいて、オブザーバ技術に従って前記電池の電池充電状態推定値を決定する第２の決定モジュールとを含む、電池充電状態を決定する装置。 - 請求項１１に記載の電池充電状態を決定する装置を含む、電池管理システム。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010245899.9 | 2020-03-31 | ||
| CN202010245899.9A CN113466723B (zh) | 2020-03-31 | 2020-03-31 | 确定电池荷电状态的方法及装置，电池管理系统 |
| PCT/CN2021/080767 WO2021197038A1 (zh) | 2020-03-31 | 2021-03-15 | 确定电池荷电状态的方法及装置，电池管理系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2023518778A true JP2023518778A (ja) | 2023-05-08 |
Family
ID=77866172
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2022556482A Pending JP2023518778A (ja) | 2020-03-31 | 2021-03-15 | 電池充電状態を決定する方法及び装置、電池管理システム |
Country Status (6)
| Country | Link |
|---|---|
| US (1) | US20230152380A1 (ja) |
| EP (1) | EP4130769A4 (ja) |
| JP (1) | JP2023518778A (ja) |
| KR (1) | KR20220158271A (ja) |
| CN (1) | CN113466723B (ja) |
| WO (1) | WO2021197038A1 (ja) |
Families Citing this family (24)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112881921A (zh) * | 2021-01-08 | 2021-06-01 | 恒大新能源汽车投资控股集团有限公司 | 电池等效电路模型参数辨识方法、装置、设备及存储介质 |
| CN113848487A (zh) * | 2021-10-22 | 2021-12-28 | 四川宽鑫科技发展有限公司 | 一种基于专有soc估算的均衡控制方法 |
| CN114035049B (zh) * | 2021-11-08 | 2024-08-13 | 东软睿驰汽车技术（沈阳）有限公司 | Soh精度的计算方法、装置和电子设备 |
| CN114137346B (zh) * | 2021-11-26 | 2023-09-12 | 国网湖南省电力有限公司 | 一种基于数模仿真平台的储能电站电池管理系统测试装置 |
| CN114252771B (zh) * | 2021-12-13 | 2024-05-07 | 北京经纬恒润科技股份有限公司 | 一种电池参数在线辨识方法及系统 |
| CN114280485B (zh) * | 2021-12-27 | 2023-07-28 | 湖北亿纬动力有限公司 | Soc估算及一致性评估方法、装置、计算机设备 |
| CN114336877A (zh) * | 2022-01-04 | 2022-04-12 | 一汽解放汽车有限公司 | 电池参数辨识方法、装置、电子设备和计算机程序产品 |
| CN114705990B (zh) * | 2022-03-31 | 2023-10-20 | 上海玫克生储能科技有限公司 | 电池簇荷电状态的估计方法及系统、电子设备及存储介质 |
| CN114750638B (zh) * | 2022-04-07 | 2024-06-18 | 潍柴动力股份有限公司 | 一种动力电池电流控制方法、装置、电动汽车及存储介质 |
| CN114879073A (zh) * | 2022-04-22 | 2022-08-09 | 清华大学 | 基于锂离子电池电化学模型功率特性的荷电状态更新方法 |
| WO2023244366A1 (en) * | 2022-06-14 | 2023-12-21 | Enphase Energy, Inc. | Storage system configured for use with an energy management system |
| CN114859250B (zh) * | 2022-07-07 | 2022-09-30 | 杭州华塑科技股份有限公司 | 电池的荷电状态信息确定方法、装置及电子设备 |
| CN115166523B (zh) * | 2022-09-06 | 2022-12-02 | 江苏时代新能源科技有限公司 | 移动式电池状态检测设备、系统和方法 |
| CN115598541B (zh) * | 2022-12-01 | 2023-03-10 | 西南科技大学 | 基于遗忘因子自适应反馈修正的电池能量状态评估方法 |
| CN116224073A (zh) * | 2023-01-18 | 2023-06-06 | 重庆长安汽车股份有限公司 | 电池soc估计方法、装置、设备、电池模组及存储介质 |
| CN116449221B (zh) * | 2023-06-14 | 2023-09-29 | 浙江天能新材料有限公司 | 锂电池荷电状态预测方法、装置、设备及存储介质 |
| CN116540125B (zh) * | 2023-07-05 | 2023-10-03 | 中国华能集团清洁能源技术研究院有限公司 | 一种电池荷电状态估计故障的诊断方法及系统 |
| CN117113807B (zh) * | 2023-07-18 | 2024-04-05 | 广州港科大技术有限公司 | 一种基于elm与rls的锂电池soh在线预测模型的建模方法 |
| CN117388741B (zh) * | 2023-10-13 | 2024-05-31 | 广东云下汇金科技有限公司 | 一种智算中心备用发电机组监测方法及系统 |
| CN117148172B (zh) * | 2023-10-31 | 2024-04-09 | 宁德时代新能源科技股份有限公司 | 电池状态检测方法、装置、计算设备和介质 |
| CN117601657B (zh) * | 2024-01-19 | 2024-06-18 | 宁波均胜新能源研究院有限公司 | 一种电池管理方法、装置、存储介质及车辆 |
| CN117937687B (zh) * | 2024-01-29 | 2024-08-06 | 深圳市健网科技有限公司 | 一种分布式储能系统的soc智能控制方法及系统 |
| CN118386940A (zh) * | 2024-06-28 | 2024-07-26 | 浙江凌骁能源科技有限公司 | 功率控制方法、装置、控制器、电池包、车辆、介质和程序产品 |
| CN118505438A (zh) * | 2024-07-17 | 2024-08-16 | 阿里云飞天(杭州)云计算技术有限公司 | 储能系统的管理方法、设备、存储介质及程序产品 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2011133414A (ja) * | 2009-12-25 | 2011-07-07 | Primearth Ev Energy Co Ltd | 二次電池の分極電圧演算装置及び充電状態推定装置 |
| US20140244225A1 (en) * | 2013-02-24 | 2014-08-28 | The University Of Connecticut | Battery state of charge tracking, equivalent circuit selection and benchmarking |
| US20140278167A1 (en) * | 2013-03-12 | 2014-09-18 | GM Global Technology Operations LLC | Battery State-Of-Charge Estimation For Hybrid And Electric Vehicles Using Extended Kalman Filter Techniques |
| CN107064811A (zh) * | 2017-03-01 | 2017-08-18 | 华南理工大学 | 一种锂电池soc在线估计方法 |
| WO2018179562A1 (ja) * | 2017-03-31 | 2018-10-04 | 三菱電機株式会社 | 蓄電池状態推定装置 |
| CN108872873A (zh) * | 2018-06-29 | 2018-11-23 | 长沙理工大学 | 一种基于ga-aukf的磷酸铁锂动力电池荷电状态联合估算方法 |
Family Cites Families (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2014102111A (ja) * | 2012-11-19 | 2014-06-05 | Mazda Motor Corp | バッテリの状態推定装置 |
| US9244129B2 (en) * | 2013-01-29 | 2016-01-26 | Mitsubishi Electronic Research Laboratories, Inc. | Method for estimating a state of charge of batteries |
| CN103293485A (zh) * | 2013-06-10 | 2013-09-11 | 北京工业大学 | 基于模型的蓄电池荷电状态估计方法 |
| CN103439668B (zh) * | 2013-09-05 | 2015-08-26 | 桂林电子科技大学 | 动力锂离子电池的电荷状态估算方法与系统 |
| EP2963434B1 (en) * | 2014-06-30 | 2021-08-11 | Foundation Of Soongsil University-Industry Cooperation | Battery state estimation method and system using dual extended kalman filter, and recording medium for performing the method |
| CN106154168B (zh) * | 2016-04-01 | 2019-03-05 | 储盈新能源科技（上海）有限公司 | 数据驱动的动力电池荷电状态估计方法 |
| CN106019164A (zh) * | 2016-07-07 | 2016-10-12 | 武汉理工大学 | 基于双重自适应无际卡尔曼滤波器的锂电池soc估计算法 |
| CN108693472B (zh) * | 2017-04-12 | 2020-11-10 | 上海蓝诺新能源技术有限公司 | 电池等效模型参数在线辨识方法 |
| KR102373458B1 (ko) * | 2018-02-07 | 2022-03-10 | 주식회사 엘지에너지솔루션 | 배터리를 위한 등가 회로 모델의 파라미터 추정 방법 및 배터리 관리 시스템 |
| CN108957347B (zh) * | 2018-08-13 | 2021-02-23 | 北京航空航天大学 | 一种电池组soc的高精度动态估计方法和系统 |
| CN109783993B (zh) * | 2019-03-07 | 2023-04-18 | 北京经纬恒润科技股份有限公司 | 一种电池等效模型参数确定方法及装置 |
| CN109900937B (zh) * | 2019-04-10 | 2020-12-08 | 河南科技大学 | 一种具有温度补偿功能的锂电池电荷状态估算方法 |
| CN110208703A (zh) * | 2019-04-24 | 2019-09-06 | 南京航空航天大学 | 基于温度修正的复合等效电路模型对荷电状态估计的方法 |
| CN110646737B (zh) * | 2019-09-20 | 2022-04-22 | 广州市香港科大霍英东研究院 | 基于多模型的电池soc动态估算方法、系统及存储介质 |
| CN110888063A (zh) * | 2019-12-02 | 2020-03-17 | 上海国际港务（集团）股份有限公司 | 一种基于港机轮胎吊磷酸铁锂电池并联系统设计的soc估算法 |
| CN110780205A (zh) * | 2019-12-06 | 2020-02-11 | 信息产业电子第十一设计研究院科技工程股份有限公司 | 一种新型的磷酸铁锂电池pngv等效电路模型及参数辨识方法 |
-
2020
- 2020-03-31 CN CN202010245899.9A patent/CN113466723B/zh active Active
-
2021
- 2021-03-15 WO PCT/CN2021/080767 patent/WO2021197038A1/zh unknown
- 2021-03-15 EP EP21781308.8A patent/EP4130769A4/en active Pending
- 2021-03-15 JP JP2022556482A patent/JP2023518778A/ja active Pending
- 2021-03-15 KR KR1020227037040A patent/KR20220158271A/ko not_active Application Discontinuation
- 2021-03-15 US US17/915,308 patent/US20230152380A1/en active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2011133414A (ja) * | 2009-12-25 | 2011-07-07 | Primearth Ev Energy Co Ltd | 二次電池の分極電圧演算装置及び充電状態推定装置 |
| US20140244225A1 (en) * | 2013-02-24 | 2014-08-28 | The University Of Connecticut | Battery state of charge tracking, equivalent circuit selection and benchmarking |
| US20140278167A1 (en) * | 2013-03-12 | 2014-09-18 | GM Global Technology Operations LLC | Battery State-Of-Charge Estimation For Hybrid And Electric Vehicles Using Extended Kalman Filter Techniques |
| CN107064811A (zh) * | 2017-03-01 | 2017-08-18 | 华南理工大学 | 一种锂电池soc在线估计方法 |
| WO2018179562A1 (ja) * | 2017-03-31 | 2018-10-04 | 三菱電機株式会社 | 蓄電池状態推定装置 |
| CN108872873A (zh) * | 2018-06-29 | 2018-11-23 | 长沙理工大学 | 一种基于ga-aukf的磷酸铁锂动力电池荷电状态联合估算方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| US20230152380A1 (en) | 2023-05-18 |
| WO2021197038A1 (zh) | 2021-10-07 |
| CN113466723B (zh) | 2022-09-09 |
| EP4130769A1 (en) | 2023-02-08 |
| KR20220158271A (ko) | 2022-11-30 |
| CN113466723A (zh) | 2021-10-01 |
| EP4130769A4 (en) | 2024-04-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2023518778A (ja) | 電池充電状態を決定する方法及び装置、電池管理システム | |
| CN110261779B (zh) | 一种三元锂电池荷电状态与健康状态在线协同估计方法 | |
| Xia et al. | Accurate Lithium-ion battery parameter estimation with continuous-time system identification methods | |
| US10838010B2 (en) | Automatic method for estimating the capacitance of a cell of a battery | |
| Deng et al. | Online available capacity prediction and state of charge estimation based on advanced data-driven algorithms for lithium iron phosphate battery | |
| CN107690585B (zh) | 用于确定锂硫电池组的健康状况和充电状态的方法和装置 | |
| CN105607009B (zh) | 一种基于动态参数模型的动力电池soc估计方法和系统 | |
| CN106461732B (zh) | 用于估计电池的健康状态的方法 | |
| US10664562B2 (en) | Battery state of charge tracking, equivalent circuit selection and benchmarking | |
| CN109188293B (zh) | 基于新息协方差带渐消因子的ekf锂离子电池soc估算方法 | |
| CN111007400A (zh) | 基于自适应双扩展卡尔曼滤波法的锂电池soc估算方法 | |
| CN109669132B (zh) | 一种基于变分贝叶斯滤波的电池荷电状态估计方法 | |
| US20210173012A1 (en) | Method and system for estimation of open circuit voltage of a battery cell | |
| JP2010508507A (ja) | バッテリが平衡状態にないときのそのバッテリの充電状態の判定のための装置及び方法 | |
| CN113466725B (zh) | 确定电池荷电状态的方法及装置，存储介质及电子设备 | |
| JP2016529478A (ja) | バッテリに蓄積された電荷のモニタリング | |
| CN110596606A (zh) | 一种锂电池剩余电量估计方法、系统及装置 | |
| JP6455914B2 (ja) | 蓄電残量推定装置、蓄電池の蓄電残量を推定する方法、及びコンピュータプログラム | |
| CN111060822B (zh) | 一种基于模型切换及融合的荷电状态估计方法 | |
| CN111443290A (zh) | 一种带有闭环控制的电动汽车动力电池sop估计方法 | |
| CN110412472B (zh) | 一种基于正态伽马滤波的电池荷电状态估计方法 | |
| CN112415412A (zh) | 估算电池soc值的方法和装置及车辆、存储介质 | |
| CN117269801B (zh) | 电池荷电状态的确定方法、确定装置和电子设备 | |
| CN113466724B (zh) | 确定电池等效电路模型的参数的方法、装置、存储介质及电子设备 | |
| CN112601968A (zh) | 用于48v轻混汽车锂离子电池的荷电状态在线估算系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220920 |
|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220920 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231107 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240207 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20240227 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240626 |
|
| A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20240704 |
|
| A912 | Re-examination (zenchi) completed and case transferred to appeal board |
Free format text: JAPANESE INTERMEDIATE CODE: A912 Effective date: 20240726 |