JP4920703B2

JP4920703B2 - 推定組合せバッテリー状態‐パラメータベクトルを定めるシステム、方法、及びその製造物

Info

Publication number: JP4920703B2
Application number: JP2008554117A
Authority: JP
Inventors: グレゴリー、エル．プレット
Original assignee: LG Chem Ltd
Current assignee: LG Chem Ltd
Priority date: 2006-02-09
Filing date: 2006-11-29
Publication date: 2012-04-18
Anticipated expiration: 2026-11-29
Also published as: CN101361246B; KR101245275B1; EP3264562B1; WO2007091765A8; US20080249726A1; EP3264562A1; US20070188143A1; US7893694B2; EP1982398A4; US7400115B2; TW200745585A; US8035345B2; EP1982398B1; JP2009526220A; TWI339738B; KR20080100257A; CN101361246A; EP1982398A1; WO2007091765A1; US20080249725A1

Description

本発明は、デジタルフィルタリング（ｄｉｇｉｔａｌｆｉｌｔｅｒｉｎｇ）技術を活用してバッテリーパックシステム状態とモデルパラメータ（ｍｏｄｅｌｐａｒａｍｅｔｅｒｓ）とを推定するシステム、方法、及び製造物に関する。

再充電可能なバッテリーパックの技術分野において、直接的には測定できないが、現在のバッテリーパック状態を示す量的要素（ｑｕａｎｔｉｔｉｅｓ）を推定できることがある応用例で要求される。このような量的要素の一部は、上記パックの充電状態（ＳｔａｔｅＯｆＣｈａｒｇｅ：ＳＯＣ）のように急速に変化される可能性があり、全体の領域範囲を数分内に旋回することもできる。他の一部は、セル容量（ｃｅｌｌｃａｐａｃｉｔｙ）のように極めて緩やかに変化する可能性があり、１０年以上の通常の使用により２０％程度の小さい範囲内で変化する可能性がある。急速に変化する傾向のある量的要素はシステムの状態を含み、緩やかに変化する傾向のある量的要素はシステムの時間変化（ｔｉｍｅｖａｒｙｉｎｇ）パラメータを構成する。

バッテリーシステムの分野、特に、例えば、ハイブリッド電気自動車（ＨｙｂｒｉｄＥｌｅｃｔｒｉｃＶｅｈｉｃｌｅ：ＨＥＶ）、バッテリー電気自動車（ＢａｔｔｅｒｙＥｌｅｃｔｒｉｃＶｅｈｉｃｌｅｓ：ＢＥＶ）、ラップトップコンピュータのバッテリー、ポータブルツールのバッテリーパックなどのように、バッテリーの寿命に悪影響を及ぼさずに、できるだけ活発に長い時間動作する必要があるものにおいて、どれくらいのバッテリーエネルギが動作するために現在利用できるかなどを推定するのに、急変するパラメータ（例えば、ＳＯＣ）に対する情報が用いられることが望ましい。さらに、有用なサービス時間を拡張しながらパックの寿命期間に先行演算（ｐｒｉｏｒｃａｌｃｕｌａｔｉｏｎｓ）を正確に維持し、パックの健康状態（ｓｔａｔｅｏｆｈｅａｌｔｈ：ＳＯＨ）を定めるのに活用するために、緩やかに変化（ｓｌｏｗｌｙｖａｒｙｉｎｇ）するパラメータ（例えば、全体容量）に対する情報を確認することが望ましい。

しかし、本発明者は、ここで数学的アルゴリズムがバッテリーの内部状態とパラメータの極めて正確な推定を提供することができないということを認識していた。なぜなら、それらは非線形動作特性（ｎｏｎ‐ｌｉｎｅａｒｏｐｅｒａｔｉｏｎａｌｃｈａｒａｃｔｅｒｉｓｔｉｃｓ）を持つバッテリーに対して充分に最適化されないからである。また、バッテリーは、一般的に非線形動作特性を持つ。

したがって、本発明者は、バッテリー状態とパラメータをより正確に定めるシステム及び方法に対する必要性を認識していた。

発明の詳細な説明

例示的な実施例による第１所定時間でバッテリーの状態とパラメータを示す推定組合せバッテリー状態‐パラメータベクトルを定める方法が提供される。上記方法は、上記第１所定時間以前の第２所定時間でのバッテリーの状態とパラメータ、バッテリー入力ノイズ、バッテリー出力変数を測定するセンサーに関わるセンサーノイズ、バッテリーの状態とパラメータの不確実性、上記バッテリー入力ノイズの不確実性、及び上記センサーノイズの不確実性を示す第１複数個の推定増加組合せバッテリー状態‐パラメータベクトルを定める段階を含む。上記方法は、また、上記第１複数個の推定増加組合せバッテリー状態‐パラメータベクトルに基づいて上記第１所定時間で上記バッテリーの状態とパラメータの不確実性及び上記バッテリーの状態とパラメータの不確実性を示す第２複数個の予測組合せバッテリー状態‐パラメータベクトルを定める段階をさらに含む。上記方法は、また、第１複数個の推定増加組合せバッテリー状態‐パラメータベクトルと第２複数個の予測組合せバッテリー状態‐パラメータベクトルに基づいて上記第１所定時間で少なくとも１つの上記バッテリーの出力変数と上記出力変数の不確実性を示す第３複数個の予測バッテリー出力ベクトルを定める段階を含む。上記方法は、また、上記バッテリー出力変数の少なくとも１つの測定値を持つ第１バッテリー出力ベクトルを定める段階を含む。上記方法は、また、上記第２複数個の予測組合せバッテリー状態‐パラメータベクトル、上記第３複数個の予測バッテリー出力ベクトル、及び上記第１バッテリー出力ベクトルに基づいて上記第１所定時間で上記バッテリーの状態とパラメータを示す第１推定組合せバッテリー状態‐パラメータベクトルを定める段階を含む。

他の例示的な実施例による第１所定時間でバッテリーの状態とパラメータを示す推定組合せバッテリー状態‐パラメータベクトルを定めるシステムが提供される。上記システムは、上記バッテリーの出力変数を示す第１信号を生成するように構成されるセンサーを含む。上記システムは、また、上記センサーと動作可能に連結されるコンピュータを含む。上記コンピュータは、上記第１所定時間以前の第２所定時間でバッテリーの状態とパラメータ、バッテリー入力ノイズ、上記センサーに関わるセンサーノイズ、バッテリーの状態とパラメータの不確実性、上記バッテリー入力ノイズの不確実性、及び上記センサーノイズの不確実性を示す第１複数個の推定増加組合せバッテリー状態‐パラメータベクトルを定めるように構成される。上記コンピュータは、また、上記第１複数個の推定増加組合せバッテリー状態‐ベクトルに基づいて上記第１所定時間で上記バッテリーの状態とパラメータ及び上記バッテリーの状態とパラメータの不確実性を示す第２複数個の予測組合せバッテリー状態‐パラメータベクトルを定めるように構成される。上記コンピュータは、また、第１複数個の推定増加組合せバッテリー状態‐パラメータベクトルと第２複数個の予測組合せバッテリー状態‐パラメータベクトルに基づいて上記第１所定時間で少なくとも１つの上記バッテリーの出力変数と上記出力変数の不確実性を示す第３複数個の予測バッテリー出力ベクトルを定めるように構成される。上記コンピュータは、また、上記第１信号に基づいて第１バッテリー出力ベクトルを定めるように構成される。上記コンピュータは、また、上記第２複数個の予測組合せバッテリー状態‐パラメータベクトル、上記第３複数個の予測バッテリー出力ベクトル、及び上記第１バッテリー出力ベクトルに基づいて上記第１所定時間で上記バッテリーの状態とパラメータを示す第１推定組合せバッテリー状態‐パラメータベクトルを定めるように構成される。

さらに他の例示的な実施例による製造物が提供される。上記製造物は、第１所定時間でバッテリーの状態とパラメータを示す推定組合せバッテリー状態‐パラメータベクトルを定めるようにエンコードされたコンピュータプログラムを持つコンピュータ記憶媒体を含む。上記コンピュータ記憶媒体は、また、上記第１所定時間以前の第２所定時間でバッテリーの状態とパラメータ、バッテリー入力ノイズ、バッテリー出力変数を測定するセンサーに関わるセンサーノイズ、バッテリーの状態とパラメータの不確実性、バッテリー入力ノイズの不確実性、及び上記センサーノイズの不確実性を示す第１複数個の推定増加組合せバッテリー状態‐パラメータベクトルを定めるコードを含む。上記コンピュータ記憶媒体は、また、上記第１複数個の推定増加組合せバッテリー状態ベクトルに基づいて上記第１所定時間で上記バッテリーの状態とパラメータ及び上記バッテリーの状態とパラメータの不確実性を示す第２複数個の予測組合せバッテリー状態‐パラメータベクトルを定めるコードを含む。上記コンピュータ記憶媒体は、また、第１複数個の推定増加組合せバッテリー状態‐パラメータベクトルと第２複数個の予測組合せバッテリー状態‐パラメータベクトルに基づいて上記第１所定時間で少なくとも１つの上記バッテリーの出力変数と上記出力変数の不確実性を示す第３複数個の予測バッテリー出力ベクトルを定めるコードを含む。上記コンピュータ記憶媒体は、また、上記バッテリー出力変数の少なくとも１つの測定値を持つ第１バッテリー出力ベクトルを定めるコードを含む。上記コンピュータ記憶媒体は、また、上記第２複数個の予測組合せバッテリー状態‐パラメータベクトル、上記第３複数個の予測バッテリー出力ベクトル、及び上記第１バッテリー出力ベクトルに基づいて上記第１所定時間で上記バッテリーの状態とパラメータを示す第１推定組合せバッテリー状態‐パラメータベクトルを定めるコードを含む。

実施例による他のシステム及び／又は方法は、以下の図面と詳細な説明に対する検討によって当業者に明らかであるか又は明らかになるであろう。そういう全ての追加的なシステムと方法は、本発明の範囲内にあり、添付の特許請求の範囲によって保護される。

図１を参照すれば、バッテリー１２の状態とパラメータを示す推定組合せバッテリー状態‐パラメータベクトルを定めるシステム１０が示される。上記バッテリー１２は、少なくとも１つのバッテリーセル１４を含む。もちろん、上記バッテリー１２は、複数個のバッテリーセルをさらに含むことができる。各バッテリーセルは、再充電可能なセルであるか又は再充電できないセルであり得る。また、各バッテリーセルは本発明の技術分野の当業者に知られた電気‐化学構成を持つ陽極と陰極を用いて構成され得る。

再充電可能なバッテリーパックの技術分野において、直接的に測定可能ではないが、現在のバッテリーパック状態を示す量的要素を推定できることがある応用例で要求される。このような量的要素の一部は、上記パックの充電状態（ＳＯＣ）のように急速に変化される可能性があり、全体の領域範囲を数分内に旋回することもできる。他の一部は、セル容量のように極めて緩やかに変化する可能性があり、１０年以上の通常の使用により２０％程度の小さい範囲で変化する可能性がある。急速に変化する傾向のある量的要素はシステムの状態を構成し、緩やかに変化する傾向のある量的要素はシステムの時間変化パラメータを構成する。

バッテリーシステム分野、特に、例えば、ハイブリッド電気自動車（ＨｙｂｒｉｄＥｌｅｃｔｒｉｃＶｅｈｉｃｌｅ：ＨＥＶ）、バッテリー電気自動車（ＢａｔｔｅｒｙＥｌｅｃｔｒｉｃＶｅｈｉｃｌｅｓ：ＢＥＶ）、ラップトップコンピュータのバッテリー、ポータブルツールのバッテリーパックなどのように、バッテリーの寿命に悪影響を及ぼさずに、できるだけ活発に長い時間動作する必要があるものにおいて、充電状態（ＳＯＣ）の情報を含んで緩やかに変化するパラメータ（例えば、全体容量（ｔｏｔａｌｃａｐａｃｉｔｙ））に対する情報がパックの健康状態（ｐａｃｋｈｅａｌｔｈ）を定め、他の演算を助けるのに有用である。例示的なパラメータは、セル容量、抵抗（ｒｅｓｉｓｔａｎｃｅ）、分極電圧時定数（ｐｏｌａｒｉｚａｔｉｏｎｖｏｌｔａｇｅｔｉｍｅｃｏｎｓｔａｎｔｔ（ｓ））、分極電圧調和要素（ｐｏｌａｒｉｚａｔｉｏｎｖｏｌｔａｇｅｂｌｅｎｄｉｎｇｆａｃｔｏｒ（ｓ））、ヒステリシス調和要素（ｈｙｓｔｅｒｅｓｉｓｂｌｅｎｄｉｎｇｆａｃｔｏｒ（ｓ））、ヒステリシス率定数（ｈｙｓｔｅｒｅｓｉｓｒａｔｅｃｏｎｓｔａｎｔｔ（ｓ））、効率要素（ｅｆｆｉｃｉｅｎｃｙｆａｃｔｏｒ（ｓ））などを含んでいるが、これらに限られることはない。

入力変数は、特定時間のバッテリー入力信号の値として定義される。例えば、入力変数は、バッテリーに入って行く電流の１つと上記バッテリーの温度を含むことができる。出力変数は、特定時間のバッテリー出力信号の値として定義される。例えば、出力変数は、バッテリー出力電圧の１つとバッテリー圧力（ｂａｔｔｅｒｙｐｒｅｓｓｕｒｅ）を含むことができる。

上記システム１０は、１つ以上の電圧センサー２０、負荷回路２６、及びコンピュータのような演算ユニット２８を含み、また１つ以上の温度センサー２２及び電流センサー２４を含んでも良い。

上記電圧センサー２０は、上記バッテリー１２の１つ以上のバッテリーセルによって算出される電圧を示す第１出力信号を生成する。上記電圧センサー２０は、上記コンピュータ２８の入出力インターフェース（Ｉ／Ｏｉｎｔｅｒｆａｃｅ）４６と上記バッテリー１２との間で電気的に連結される。上記電圧センサー２０は、上記第１出力信号を上記コンピュータ２８に伝送する。表現の明確性のために、ここでは１つの信号電圧センサーが示される。しかしながら、システム１０の代替的な実施例においては、複数個の電圧センサー（例えば、バッテリーセルごとに１つの電圧センサー）がシステム１０に活用されることが注目されるべきである。

上記温度センサー２２は、上記バッテリー１２の１つ以上の温度を示す第２出力信号を生成する。上記温度センサー２２は、バッテリー１２に隣接して配置され、上記コンピュータ２８の入出力インターフェース４６に電気的に連結される。上記温度センサー２２は、上記コンピュータ２８に上記第２出力信号を伝送する。表現の明確性のために、ここでは１つの温度センサーが示される。しかしながら、システム１０の代替的な実施例においては、複数個の温度センサー（例えば、バッテリーセルごとに１つの温度センサー）がシステム１０に活用され得ることが注目されるべきである。

上記電流センサー２４は、上記バッテリー１２のバッテリーセルによって供給されるか又は沈められる電流を示す第３出力信号を生成する。上記電流センサー２４は、上記バッテリー１２と上記負荷回路２６との間に電気的に連結される。上記電流センサー２４は、上記コンピュータ２８の入出力インターフェース４６とも電気的に連結される。上記電流センサー２４は上記コンピュータ２８に上記第３出力信号を伝送する。

上記負荷回路２６は、電気的に上記電流センサー２４と連結され、上記バッテリー１２から電流を沈めるか又は供給するようになる。上記負荷回路２６は、上記バッテリー１２と電気的に連結され得る全ての電気装置を含む。

上記コンピュータ２８は、以下にさらに詳しく説明するように、上記バッテリー１２の状態とパラメータを示す推定組合せバッテリー状態‐パラメータベクトルを定めるために提供される。上記コンピュータ２８は、中央処理装置（ＣＰＵ）４０、ＲＯＭ４４、ＲＡＭ４５のような揮発性メモリ、及び入出力インターフェース４６を含む。上記ＣＰＵ４０は、上記ＲＯＭ４４、ＲＡＭ４５、及び入出力インターフェース４６と動作可能に連結される。上記ＣＰＵ４０は、クロック４２を含む。ＲＯＭ４４とＲＡＭ４５を含むコンピュータで読み取り可能な媒体は、ＰＲＯＭ、ＥＰＲＯＭ、ＥＥＰＲＯＭ、フラッシュメモリ、又はデータを記憶可能な何れの他の電気的、磁気的、光学的または組み合わせメモリ、ＣＰＵ４０によって使われた実行可能な命令を表現するもののような多くの知られているメモリ装置を使うことで具現される。

上記バッテリー１２に関わるバッテリーパラメータベクトルを定める方法論の詳しい説明を提供するに先立って、一般的な概括説明が提供される。

バッテリー状態ベクトルは、例えば、上記バッテリー１２に関わる充電状態（ＳＯＣ）、ヒステリシス電圧、又は分極電圧を含む。上記ＳＯＣ値は、動作するのに用いられる可能性のある上記バッテリー１２の現在利用可能な容量を示す０から１００パーセントまでの値である。

バッテリーセル動作（ｂａｔｔｅｒｙｃｅｌｌｂｅｈａｖｉｏｒ）の数学的モデルが上記バッテリー１２の状態ベクトルの推定値を演算するために上記方法で用いられる。上記バッテリーセルダイナミックス（ｂａｔｔｅｒｙｃｅｌｌｄｙｎａｍｉｃｓ）の数学的モデルは知られており、以下に記述するように、状態方程式（ｓｔａｔｅｅｑｕａｔｉｏｎ）と出力方程式（ｏｕｔｐｕｔｅｑｕａｔｉｏｎ）とを含む離散時間状態‐空間モデル（ｄｉｓｃｒｅｔｅ‐ｔｉｍｅｓｔａｔｅ‐ｓｐａｃｅｍｏｄｅｌ）を用いて表現されても良い。

上記バッテリー１２に関わる上記状態ベクトルを定めるために用いられる上記状態方程式は次のようである。
ｘ_ｋ＝ｆ（ｘ_ｋ−１,ｕ_ｋ−１,ｗ_ｋ−１,ｋ−１）
上記数式において、ｘ_ｋは、タイムインデックス（ｔｉｍｅｉｎｄｅｘ）ｋにおいて上記バッテリー１２に関わる状態ベクトルであり、ｕ_ｋは、上記バッテリー１２の既知決定要素入力値（ｋｎｏｗｎ／ｄｅｔｅｒｍｉｎｉｓｔｉｃｉｎｐｕｔ）であり、ｗ_ｋは、上記システムの状態に影響を及ぼす何れの測定されない入力値をモデリングするバッテリー入力ノイズベクトル（ｂａｔｔｅｒｙｉｎｐｕｔｎｏｉｓｅｖｅｃｔｏｒ）であり、ｆ（ｘ_ｋ−１,ｕ_ｋ−１,ｗ_ｋ−１,ｋ−１）は、状態遷移関数（ｓｔａｔｅｔｒａｎｓｉｔｉｏｎｆｕｎｃｔｉｏｎ）である。

上記バッテリー１２に関わる出力ベクトル（ｏｕｔｐｕｔｖｅｃｔｏｒ）は、次の数式を利用して定められる。
ｙ_ｋ＝ｈ（ｘ_ｋ,ｕ_ｋ,ｖ_ｋ,ｋ）
上記数式において、ｈ（ｘ_ｋ,ｕ_ｋ,ｖ_ｋ,ｋ）は、測定関数（ｍｅａｓｕｒｅｍｅｎｔｆｕｎｃｔｉｏｎ）であり、ｖ_ｋは、非メモリモード（ｍｅｍｏｒｙ‐ｌｅｓｓｍｏｄｅ）で上記バッテリー１２の出力の測定に影響を及ぼすが、上記バッテリー１２の状態ベクトルには影響を及ぼさないセンサーノイズ（ｓｅｎｓｏｒｎｏｉｓｅ）である。

システム状態ｘ_ｋは、少なくとも、現在入力およびセルの数学的モデルとともに、現在出力を予測するために必要な最小量の情報を含む。セル１４の場合、状態は、例えばＳＯＣ、異なる時定数に対する分極電圧（ｐｏｌａｒｉｚａｔｉｏｎｖｏｌｔａｇｅ）レベル及びヒステリシスレベルを含む。上記システムの外部からの入力ｕ_ｋは、現在セルの電流ｉ_ｋの最小値を含み、選択的にセル温度を含んでも良い（状態に温度変化自体がモデリングされない限り）。システムパラメータθ_ｋは、システム測定された入力と出力とが分かることで直接的に定められる可能性がないので、時間につれて単に緩やかに変わる値である。このようなものとしては、セル容量、抵抗、分極電圧時定数、分極電圧調和要素、ヒステリシス調和要素、ヒステリシス率定数、効率要素などを含む。モデル出力ｙ_ｋは、物理的に測定可能なセルの量的要素又は最小値で測定された量的要素から直接的に計算できるもの（例えば、負荷セル電圧）に対応する。

動的パラメータ（ｐａｒａｍｅｔｅｒｄｙｎａｍｉｃｓ）の数学的モデルも活用される。例示的なモデルは次の形態を持つ。

第１方程式は、パラメータθ_ｋが主要な定数であることを示すが、この例では、ｒ_ｋで表示される「ノイズ」プロセスによってモデリングされた時間が経つにつれて緩やかに変化する可能性がある。出力ｄ_ｋは、何れの推定誤差（ｅｓｔｉｍａｔｉｏｎｅｒｒｏｒ）ｅ_ｋが付加されたｇ（・,・,・）によってモデリングされた最適なパラメータダイナミックス（ｏｐｔｉｍｕｍｐａｒａｍｅｔｅｒｄｙｎａｍｉｃｓ）の関数である。上記最適なパラメータダイナミックスｇ（・,・,・）は、上記システム状態ｘ_ｋ、外部入力ｕ_ｋ、及び時間変化パラメータθ_ｋの組み合わせの関数である。

図２ないし図５を参照しながら、例示的な実施例による上記バッテリー１２の状態とパラメータを示す推定組合せバッテリー状態‐パラメータベクトルを定める方法を説明する。上記方法は、上記コントローラ２８によって実行されるソフトウェアアルゴリズムを活用して具現される。上記ソフトウェアアルゴリズムは、上記ＲＯＭ４４、上記ＲＡＭ４５、又は当業者に知られたコンピュータで読み取り可能な媒体に記憶される。

ステップ６０において、上記コンピュータ２８は、第１所定時間で獲得されたバッテリー入力変数のうち少なくとも１つの測定された値を持つバッテリー入力ベクトルｕ_ｋを生成する。

ステップ６２において、上記コンピュータ２８は、上記第１所定時間で獲得されたバッテリー出力変数のうち少なくとも１つの測定された値を持つバッテリー出力ベクトルｙ_ｋを生成する。

ステップ６４において、上記コンピュータ２８は、数式１を活用して上記第１所定時間以前の第２所定時間で上記バッテリー１２の状態と上記バッテリー１２のパラメータを示す推定増加組合せバッテリー状態‐パラメータベクトル（ｅｓｔｉｍａｔｅｄａｕｇｍｅｎｔｅｄｃｏｍｂｉｎｅｄｂａｔｔｅｒｙｓｔａｔｅ‐ｐａｒａｍｅｔｅｒｖｅｃｔｏｒ）

を定める。

ステップ６６において、上記コンピュータ２８は、数式２を活用して上記推定増加組合せバッテリー状態‐パラメータベクトルに関わる推定増加組合せバッテリー状態‐パラメータベクトル共分散マトリックス（ｅｓｔｉｍａｔｅｄａｕｇｍｅｎｔｅｄｃｏｍｂｉｎｅｄｂａｔｔｅｒｙｓｔａｔｅ-ｐａｒａｍｅｔｅｒｅｃｔｏｒｃｏｖａｒｉａｎｃｅｍａｔｒｉｘ）

を定める。

ステップ６８において、上記コンピュータ２８は、数式３を活用して上記第２所定時間で上記バッテリー１２の状態と上記バッテリー１２のパラメータをそれぞれ示す複数個の推定増加組合せバッテリー状態‐パラメータベクトル

を定める。

ステップ７０において、上記コンピュータ２８は、数式４を活用して上記第１所定時間で上記バッテリー１２の状態と上記バッテリー１２のパラメータをそれぞれ示す複数個の予測組合せバッテリー状態‐パラメータベクトル（ｐｒｅｄｉｃｔｅｄｃｏｍｂｉｎｅｄｂａｔｔｅｒｙｓｔａｔｅ-ｐａｒａｍｅｔｅｒｖｅｃｔｏｒｓ）

を定める。

ステップ７２において、上記コンピュータ２８は、数式５を活用して上記第１所定時間で上記バッテリー１２の出力をそれぞれ示す複数個の予測バッテリー出力ベクトル（ｐｒｅｄｉｃｔｅｄｂａｔｔｅｒｙｏｕｔｐｕｔｖｅｃｔｏｒs）

を定める。

ステップ７４において、上記コンピュータ２８は、数式６を活用して上記複数個の予測組合せバッテリー状態‐パラメータベクトル

の加重値平均を演算することで上記第１時間に対応する予測組合せバッテリー状態‐パラメータベクトル

を定める。

ステップ７６において、上記コンピュータ２８は、次の数式７を活用して予測組合せバッテリー状態‐パラメータベクトル共分散マトリックス

を定める。

ステップ７８において、上記コンピュータ２８は、数式８を活用して上記第１所定時間でバッテリー出力値を示す予測バッテリー出力ベクトル（ｐｒｅｄｉｃｔｅｄｂａｔｔｅｒｙｏｕｔｐｕｔｖｅｃｔｏｒ）

を定める。

ステップ８０において、上記コンピュータ２８は、次の数式９を活用して予測バッテリー出力ベクトル共分散マトリックス

を定める。

ステップ８２において、上記コンピュータ２８は、次の数式１０を活用して予測クロス‐共分散マトリックス

を定める。

ステップ８４において、上記コンピュータ２８は、次の数式１１を活用してゲインマトリックスＬ_ｋを定める。

ステップ８６において、上記コンピュータ２８は、次の数式１２を活用して上記第１所定時間で上記バッテリー１２の状態と上記バッテリー１２のパラメータを示す推定組合せバッテリー状態‐パラメータベクトル

を定める。

ステップ８８において、上記コンピュータ２８は、次の数式１３を活用して上記推定組合せバッテリー状態‐パラメータベクトルに関わる推定組合せバッテリー状態‐パラメータベクトル共分散マトリックス

を定める。

ステップ９０において、上記コンピュータ２８は、新しい第１及び第２所定時間を選択する。上記ステップ９０の後に、上記方法はステップ６０に戻る。

図６ないし図９を参照しながら、他の例示的な実施例によるバッテリー１２の状態とパラメータを示す推定組合せバッテリー状態‐パラメータベクトルを定める方法を以下に説明する。上記方法は、上記コントローラ２８によって実行されるソフトウェアアルゴリズムを活用して具現され得る。上記ソフトウェアアルゴリズムは、上記ＲＯＭ４４、ＲＡＭ４５、又は当業者に知られた他のコンピュータで読み取り可能な媒体に記憶される。

ステップ１００において、上記コンピュータ２８は、第１所定時間で獲得されたバッテリー入力変数のうち少なくとも１つの測定値を持つバッテリー入力ベクトルｕ_ｋを生成する。

ステップ１０１において、上記コンピュータ２８は、上記第１所定時間で獲得されたバッテリー出力変数のうち少なくとも１つの測定された値を持つバッテリー出力ベクトルｙ_ｋを生成する。

ステップ１０２において、上記コンピュータ２８は、数式１４を活用して上記第１所定時間以前の第２所定時間で上記バッテリー１２の状態と上記バッテリー１２のパラメータを示す推定増加組合せバッテリー状態‐パラメータベクトル（ｅｓｔｉｍａｔｅｄａｕｇｍｅｎｔｅｄｃｏｍｂｉｎｅｄｂａｔｔｅｒｙｓｔａｔｅ-ｐａｒａｍｅｔｅｒｖｅｃｔｏｒ）

を定める。

ステップ１０４において、数式１５を活用して上記推定増加組合せバッテリー状態‐パラメータベクトルに関わる推定増加組合せバッテリー状態‐パラメータベクトル平方根共分散マトリックス

を定める。

ステップ１０６において、上記コンピュータ２８は、次の数式１６を活用して上記第２所定時間でバッテリー１２の状態とバッテリー１２のパラメータをそれぞれ示す複数個の推定増加組合せバッテリー状態‐パラメータベクトル

を定める。

ステップ１０８において、次の数式１７を活用して上記第１所定時間でバッテリー１２の状態とバッテリー１２のパラメータをそれぞれ示す複数個の予測組合せバッテリー状態‐パラメータベクトル

を定める。

ステップ１１０において、上記コンピュータ２８は、数式１８を活用して上記第１所定時間でバッテリー１２の出力をそれぞれ示す複数個の予測バッテリー出力ベクトル

を定める。

ステップ１１２において、上記コンピュータ２８は、数式１９を活用して上記複数個の予測組合せバッテリー状態‐パラメータベクトル

の加重値平均を演算することによって上記第１所定時間に対応する予測組合せバッテリー状態‐パラメータベクトル

を定める。

ステップ１１４において、上記コンピュータ２８は、次の数式２０を活用して予測組合せバッテリー状態‐パラメータベクトル平方根共分散マトリックス

を定める。

ステップ１１６において、上記コンピュータ２８は、次の数式２１を活用して上記第１所定時間で上記バッテリー１２の出力を示す予測バッテリー出力ベクトル

を定める。

ステップ１１８において、上記コンピュータ２８は、次の数式２２を活用して予測バッテリー出力ベクトル平方根共分散マトリックス

を定める。

ステップ１２０において、上記コンピュータ２８は、次の数式２３を活用して予測クロス‐共分散マトリックス

を定める。

ステップ１２２において、上記コンピュータ２８は、次の数式２４を活用してゲインマトリックスＬ_ｋを定める。

ステップ１２４において、上記コンピュータ２８は、次の数式２５を活用して上記第１所定時間で上記バッテリー１２の状態と上記バッテリー１２のパラメータを示す推定組合せバッテリー状態‐パラメータベクトル

を定める。

ステップ１２６において、上記コンピュータ２８は、次の数式２６を活用して上記推定組合せバッテリー状態‐パラメータベクトルに関わる推定組合せバッテリー状態‐パラメータベクトル平方根共分散マトリックス

を定める。

上記数式２６において、
ｄｏｗｎｄａｔｅ{ }は、第２引数（ｓｅｃｏｎｄａｒｇｕｍｅｎｔ）を使って第１引数（ｆｉｒｓｔａｒｇｕｍｅｎｔ）に対するマトリックスダウンデートオペレーション（ｍａｔｒｉｘｄｏｗｎｄａｔｅｏｐｅｒａｔｉｏｎ）を演算する。

ステップ１２８において、上記コンピュータ２８は、新しい第１及び第２所定時間を選択する。上記ステップ１２８の後に、上記方法はステップ１００に戻る。

バッテリー１２の状態とパラメータを示す推定組合せバッテリー状態‐パラメータベクトルを定める上記システム、方法、及びその製造物は、他のシステム及び方法よりも十分な利点を提供する。特に、上記システム、方法、及びその製造物は、非線形動作特性を持つバッテリーに対して上記組合せバッテリー状態‐パラメータベクトルをさらに正確に定めることができるという技術的な効果を提供する。

上記方法は、プロッピィーディスク、ＣＤ‐ＲＯＭ、ハードディスク、又はコンピュータで読み取り可能な記憶媒体のような実現可能な媒体で具体化される命令語を含むコンピュータプログラムコードの形態で実現することができる。ここで、上記コンピュータプログラムコードがコンピュータ内にローディングされ、コンピュータによって実行される場合に、上記コンピュータは、本発明を実現する装置になる。上記方法は、コンピュータプログラムコードの形態、例えば、記憶媒体に記憶された形態、コンピュータ内にローディングされた形態及び／又は実行される形態、光ファイバを通す又は電磁気放射を経由する電気配線又はケーブルなどの何れかの電送媒体上を電送される形態でも実現することができる。上記コンピュータプログラムコードがコンピュータ内にローディングされ、コンピュータによって実行される場合に、上記コンピュータは、上記方法を実現する装置になる。汎用マイクロプロセッサーで具現される場合には、上記コンピュータプログラムコードセグメントは、上記マイクロプロセッサーが特定の論理回路を作るように構成される。

例示的な実施例を参照しながら本発明が説明されているが、当業者により多様な変形例が可能であり、均等な要素が本発明の範囲を逸脱しない領域で本発明の要素に代替できることが理解されるべきである。また、多くの変形例が本発明の本質的領域を逸脱することなく本発明の教示に対する特別な状況と内容に適用されることができる。従って、本発明は、本発明を実施するために開示される実施例に限られず、本発明は添付の特許請求の範囲内にある全ての実施例を含む。さらに、第１、第２などに対する用語の使用は重要さの手順を意味するよりは、１つの要素を他の要素と区別するために使われる。

本発明の例示的な実施例による推定組合せバッテリー状態‐パラメータベクトルを定めるシステムの概路図である。本発明の他の例示的な実施例による推定組合せバッテリー状態‐パラメータベクトルを定める方法の流れ図である。本発明の他の例示的な実施例による推定組合せバッテリー状態‐パラメータベクトルを定める方法の流れ図である。本発明の他の例示的な実施例による推定組合せバッテリー状態‐パラメータベクトルを定める方法の流れ図である。本発明の他の例示的な実施例による推定組合せバッテリー状態‐パラメータベクトルを定める方法の流れ図である。本発明のさらに他の例示的な実施例による推定組合せバッテリー状態‐パラメータベクトルを定める方法の流れ図である。本発明のさらに他の例示的な実施例による推定組合せバッテリー状態‐パラメータベクトルを定める方法の流れ図である。本発明のさらに他の例示的な実施例による推定組合せバッテリー状態‐パラメータベクトルを定める方法の流れ図である。本発明のさらに他の例示的な実施例による推定組合せバッテリー状態‐パラメータベクトルを定める方法の流れ図である。

Claims

第１所定時間でバッテリー状態とバッテリーパラメータを示す推定組合せバッテリー状態‐パラメータベクトルを定める方法において、
上記第１所定時間以前の第２所定時間でバッテリーの状態とパラメータ、バッテリー入力ノイズ、バッテリー出力変数を測定するセンサーに関わるセンサーノイズ、バッテリーの状態とパラメータの不確実性、上記バッテリー入力ノイズの不確実性、及び上記センサーノイズの不確実性を示す第１複数個の推定増加組合せバッテリー状態‐パラメータベクトルを定める段階；
上記第１複数個の推定増加組合せバッテリー状態‐パラメータベクトルに基づいて上記第１所定時間で上記バッテリーの状態とパラメータ及び上記バッテリーの状態とパラメータの不確実性を示す第２複数個の予測組合せバッテリー状態‐パラメータベクトルを定める段階；
第１複数個の推定増加組合せバッテリー状態パラメータベクトルと第２複数個の予測組合せバッテリー状態‐パラメータベクトルに基づいて上記第１所定時間で少なくとも１つの上記バッテリー出力変数と上記出力変数の不確実性を示す第３複数個の予測バッテリー出力ベクトルを定める段階；
上記バッテリー出力変数の少なくとも１つの測定値を持つ第１バッテリー出力ベクトルを定める段階；及び
上記第２複数個の予測組合せバッテリー状態‐パラメータベクトル、上記第３複数個の予測バッテリー出力ベクトル、及び上記第１バッテリー出力ベクトルに基づいて上記第１所定時間で上記バッテリーの状態とパラメータを示す第１推定組合せバッテリー状態‐パラメータベクトルを定める段階を含むことを特徴とする推定組合せバッテリー状態‐パラメータベクトルを定める方法。
上記第１複数個の推定増加組合せバッテリー状態‐パラメータベクトルを定める段階は、
メモリから上記第２所定時間で上記バッテリーの状態とパラメータを示す推定組合せバッテリー状態‐パラメータベクトルを検索（ｒｅｔｒｉｅｖｉｎｇ）する段階；
上記推定組合せバッテリー状態‐パラメータベクトル、予測組合せバッテリー状態‐パラメータ入力ノイズベクトル、及び予測センサーノイズベクトルに基づいて上記第２所定時間で上記バッテリーの状態とパラメータ、上記バッテリー入力ノイズ、及び上記センサーノイズを示す第１推定増加組合せバッテリー状態‐パラメータベクトルを定める段階；
上記メモリから上記第２所定時間で上記バッテリーの状態とパラメータの不確実性を示す推定組合せバッテリー状態‐パラメータベクトル共分散マトリックスを検索する段階；
上記推定組合せバッテリー状態‐パラメータベクトル共分散マトリックス、上記バッテリー入力ノイズの不確実性を示す共分散マトリックス、及び上記センサーノイズの不確実性を示す共分散マトリックスに基づいて上記バッテリー状態とバッテリーパラメータの不確実性、上記バッテリー入力ノイズ及び上記センサーノイズを示す第１推定増加組合せバッテリー状態‐パラメータベクトル共分散マトリックスを定める段階；及び
上記第１推定増加組合せバッテリー状態‐パラメータベクトルと上記第１推定増加組合せバッテリー状態‐パラメータベクトル共分散マトリックスに基づいて上記第１複数個の推定増加組合せバッテリー状態‐パラメータベクトルを定める段階を含むことを特徴とする請求項１に記載の推定組合せバッテリー状態‐パラメータベクトルを定める方法。
上記第１複数個の推定増加組合せバッテリー状態‐パラメータベクトルを定める段階は、
上記第１複数個の推定増加組合せバッテリー状態‐パラメータベクトルのうち１つのメンバーを上記第１推定増加組合せバッテリー状態‐パラメータベクトルと同一にセットする段階；
上記第１複数個の推定増加組合せバッテリー状態‐パラメータベクトルのＬメンバーの第１追加セット（ａｆｉｒｓｔａｄｄｉｔｉｏｎａｌｓｅｔ）を上記第１推定増加組合せバッテリー状態‐パラメータベクトル共分散マトリックスのマトリックス平方根から抽出された各列によってかけられた定数に足された上記第１推定増加組合せバッテリー状態‐パラメータベクトルと同一にセットする段階；及び
上記第１複数個の推定増加組合せバッテリー状態‐パラメータベクトルのＬメンバーの第２追加セットを上記第１推定増加組合せバッテリー状態‐パラメータベクトルから引いた上記第１推定増加組合せバッテリー状態‐パラメータベクトル共分散マトリックスの上記マトリックス平方根から抽出された各列によってかけられた定数と同一にセットする段階をさらに含み、
上記Ｌは、上記第１推定増加組合せバッテリー状態‐パラメータベクトルの長さであることを特徴とする請求項２に記載の推定組合せバッテリー状態‐パラメータベクトルを定める方法。
上記第１複数個の推定増加組合せバッテリー状態‐パラメータベクトルを定める段階は、
メモリから上記第２所定時間で上記バッテリーの状態とパラメータを示す推定組合せバッテリー状態‐パラメータベクトルを検索する段階；
上記推定組合せバッテリー状態‐パラメータベクトル、予測組合せバッテリー状態‐パラメータ入力ノイズベクトル、及び予測センサーノイズベクトルに基づいて上記第２所定時間で上記バッテリーの状態とパラメータ、バッテリー入力ノイズ、及び上記センサーノイズを示す第１推定増加組合せバッテリー状態‐パラメータベクトルを定める段階；
上記メモリから上記第２所定時間で上記バッテリーの状態とパラメータの不確実性を示す推定組合せバッテリー状態‐パラメータベクトル平方根共分散マトリックスを検索する段階；
上記推定組合せバッテリー状態‐パラメータベクトル平方根共分散マトリックス、上記バッテリー入力ノイズの不確実性を示す共分散マトリックス、及び上記センサーノイズの不確実性を示す共分散マトリックスに基づいて上記バッテリーの状態とパラメータの不確実性、上記バッテリー入力ノイズ、及び上記センサーノイズを示す第１推定増加組合せバッテリー状態‐パラメータベクトル平方根共分散マトリックスを定める段階；及び
上記第１推定増加組合せバッテリー状態‐パラメータベクトルと上記第１推定増加組合せバッテリー状態‐パラメータベクトル平方根共分散マトリックスに基づいて上記第１複数個の推定増加組合せバッテリー状態‐パラメータベクトルを定める段階を含むことを特徴とする請求項１に記載の推定組合せバッテリー状態‐パラメータベクトルを定める方法。
上記第１複数個の推定増加組合せバッテリー状態‐パラメータベクトルを定める段階は、
上記第１複数個の推定増加組合せバッテリー状態‐パラメータベクトルのうち１つのメンバーを上記第１推定増加組合せバッテリー状態‐パラメータベクトルと同一にセットする段階；
上記第１複数個の推定増加組合せバッテリー状態‐パラメータベクトルのＬメンバーの第１追加セットを上記推定増加組合せバッテリー状態‐パラメータベクトル平方根共分散マトリックスから抽出された各列によってかけられた定数に足された上記第１推定増加組合せバッテリー状態‐パラメータベクトルと同一にセットする段階；及び
上記第１複数個の推定増加組合せバッテリー状態‐パラメータベクトルのＬメンバーの第２追加セットを上記第１推定増加組合せバッテリー状態‐パラメータベクトルから引いた上記第１推定増加組合せバッテリー状態‐パラメータベクトル平方根共分散マトリックスから抽出された各列によってかけられた定数と同一にセットする段階をさらに含み、
上記Ｌは、上記推定増加組合せバッテリー状態‐パラメータベクトルの長さであることを特徴とする請求項４に記載の推定組合せバッテリー状態‐パラメータベクトルを定める方法。
上記第２複数個の予測組合せバッテリー状態‐パラメータベクトルを定める段階は、
第４複数個の推定組合せバッテリー状態‐パラメータベクトルを獲得するために、上記第１複数個の推定増加組合せバッテリー状態‐パラメータベクトルから上記第２所定時間で上記バッテリーの状態とパラメータ及び上記バッテリーの状態とパラメータの不確実性を示す値を抽出する段階；
第５複数個の推定組合せバッテリー状態‐パラメータ入力ノイズベクトルを獲得するために、上記第１複数個の推定増加組合せバッテリー状態‐パラメータベクトルから上記第２所定時間で上記バッテリー入力ノイズと上記バッテリー入力ノイズの不確実性を示す値を抽出する段階；
上記第２所定時間でバッテリー入力変数のうち少なくとも１つの測定値を持つ上記第１バッテリー入力ベクトルを生成する段階；及び
上記第４複数個の予測組合せバッテリー状態‐パラメータベクトル、上記第５複数個の予測組合せバッテリー状態‐パラメータ入力ノイズベクトル、及び上記第１バッテリー入力ベクトルに基づいて上記第２複数個の予測組合せバッテリー状態‐パラメータベクトルを定める段階を含むことを特徴とする請求項１に記載の推定組合せバッテリー状態‐パラメータベクトルを定める方法。
上記第３複数個の予測バッテリー出力ベクトルを定める段階は、
第４複数個の推定センサーノイズベクトルを獲得するために、上記第１複数個の推定増加組合せバッテリー状態‐パラメータベクトルから上記第２所定時間で上記センサーノイズ及び上記センサーノイズの不確実性を示す値を抽出する段階；
上記第１所定時間でバッテリー入力変数のうち少なくとも１つの測定値を持つ上記第１バッテリー入力ベクトルを生成する段階；及び
上記第２複数個の予測組合せバッテリー状態‐パラメータベクトル、上記第１バッテリー入力ベクトル、及び上記第４複数個の推定センサーノイズベクトルに基づいて上記第３複数個の予測バッテリー出力ベクトルを定める段階を含むことを特徴とする請求項１に記載の推定組合せバッテリー状態‐パラメータベクトルを定める方法。
上記第１推定組合せバッテリー状態‐パラメータベクトルを定める段階は、
上記第２複数個の予測組合せバッテリー状態‐パラメータベクトルに基づいて上記第１所定時間でバッテリーの状態とパラメータを示す第１予測組合せバッテリー状態‐パラメータベクトルを定める段階；
上記第３複数個の予測出力ベクトルに基づいて上記第１所定時間で上記バッテリーのうち少なくとも１つの出力変数を示す第１予測バッテリー出力ベクトルを定める段階；
上記第１予測組合せバッテリー状態‐パラメータベクトル、上記第１予測バッテリー出力ベクトル、上記第２複数個の予測組合せバッテリー状態‐パラメータベクトル、及び上記第３複数個の予測バッテリー出力ベクトルに基づいてゲインマトリックスを定める段階；及び
上記第１予測組合せバッテリー状態‐パラメータベクトル、上記第１予測バッテリー出力ベクトル、上記ゲインマトリックス、及び上記第１バッテリー出力ベクトルに基づいて上記第１推定組合せバッテリー状態‐パラメータベクトルを演算する段階を含むことを特徴とする請求項１に記載の推定組合せバッテリー状態‐パラメータベクトルを定める方法。
上記第１予測組合せバッテリー状態‐パラメータベクトルを定める段階は、
上記第２複数個の予測組合せバッテリー状態‐パラメータベクトルの加重値平均を演算する段階を含むことを特徴とする請求項８に記載の推定組合せバッテリー状態‐パラメータベクトルを定める方法。
上記第１予測バッテリー出力ベクトルを定める段階は、
上記第３複数個の予測バッテリー出力ベクトルの加重値平均を演算する段階を含むことを特徴とする請求項８に記載の推定組合せバッテリー状態‐パラメータベクトルを定める方法。
上記ゲインマトリックスを定める段階は、
上記第１予測バッテリー出力ベクトルと上記第３複数個の予測バッテリー出力ベクトルに基づいて第１予測バッテリー出力ベクトル共分散マトリックスを定める段階；
上記第１予測バッテリー出力ベクトル、上記第３複数個の予測バッテリー出力ベクトル、上記第１予測組合せバッテリー状態‐パラメータベクトル、及び上記第２複数個の予測組合せバッテリー状態‐パラメータベクトルに基づいてバッテリー出力ベクトルと組合せバッテリー状態‐パラメータベクトルとの間の第１予測クロス‐共分散マトリックスを定める段階；及び
上記第１予測クロス‐共分散マトリックスと上記第１予測バッテリー出力ベクトル共分散マトリックスに基づいて上記ゲインマトリックスを演算する段階を含むことを特徴とする請求項８に記載の推定組合せバッテリー状態‐パラメータベクトルを定める方法。
上記第１予測バッテリー出力ベクトル共分散マトリックスを定める段階は、
上記第１予測バッテリー出力ベクトルと上記第３複数個の予測バッテリー出力ベクトルに基づいて第１予測バッテリー出力ベクトル平方根共分散マトリックスを定める段階；及び
上記第１予測バッテリー出力ベクトル平方根共分散マトリックスと上記第１予測バッテリー出力ベクトル平方根共分散マトリックスに基づいて上記第１予測バッテリー出力ベクトル共分散マトリックスを演算する段階を含むことを特徴とする請求項１１に記載の推定組合せバッテリー状態‐パラメータベクトルを定める方法。
上記第１推定組合せバッテリー状態‐パラメータベクトルを演算する段階は、
上記第１バッテリー出力ベクトルと上記第１予測バッテリー出力ベクトルに基づいてイノベーションベクトルを定める段階；
上記ゲインマトリックスと上記イノベーションベクトルとに基づいてアップデートベクトルを定める段階；
上記予測組合せバッテリー状態‐パラメータベクトルと上記アップデートベクトルとに基づいて上記第１推定組合せバッテリー状態‐パラメータベクトルを演算する段階を含むことを特徴とする請求項８に記載の推定組合せバッテリー状態‐パラメータベクトルを定める方法。
上記第１予測組合せバッテリー状態‐パラメータベクトル、上記第２複数個の予測組合せバッテリー状態‐パラメータベクトル、上記ゲインマトリックス、及び上記第１予測バッテリー出力ベクトル共分散マトリックスに基づいて上記第１所定時間で推定バッテリー状態‐パラメータベクトル共分散マトリックスを定める段階をさらに含むことを特徴とする請求項８に記載の推定組合せバッテリー状態‐パラメータベクトルを定める方法。
上記第１予測組合せバッテリー状態‐パラメータベクトル、上記第２複数個の予測組合せバッテリー状態‐パラメータベクトル、上記ゲインマトリックス、及び予測バッテリー出力ベクトル平方根共分散マトリックスに基づいて上記第１所定時間で推定組合せバッテリー状態‐パラメータベクトル平方根共分散マトリックスを定める段階をさらに含むことを特徴とする請求項８に記載の推定組合せバッテリー状態‐パラメータベクトルを定める方法。
第１所定時間でバッテリーの状態とパラメータを示す推定組合せバッテリー状態‐パラメータベクトルを定めるシステムであって、
上記バッテリーの出力変数を示す第１信号を生成するように構成されるセンサー；及び
上記センサーと動作可能に連結され、上記第１所定時間以前の第２所定時間でバッテリーの状態とパラメータ、バッテリー入力ノイズ、上記センサーに関わるセンサーノイズ、バッテリーの状態とパラメータの不確実性、上記バッテリー入力ノイズの不確実性、及び上記センサーノイズの不確実性を示す第１複数個の推定増加組合せバッテリー状態‐パラメータベクトルを定めるように構成され、上記第１複数個の推定増加組合せバッテリー状態‐パラメータベクトルに基づいて上記第１所定時間でバッテリーの状態とパラメータ及び上記バッテリーの状態とパラメータの不確実性を示す第２複数個の予測組合せバッテリー状態‐パラメータベクトルを定めるように構成され、第１複数個の推定増加組合せバッテリー状態ベクトルと第２複数個の予測組合せバッテリー状態‐パラメータベクトルに基づいて上記第１所定時間で少なくとも１つの上記バッテリーの出力変数と上記出力変数の不確実性を示す第３複数個の予測バッテリー出力ベクトルを定めるように構成され、上記第１信号に基づいて第１バッテリー出力ベクトルを定めるように構成され、上記第２複数個の予測組合せバッテリー状態‐パラメータベクトル、上記第３複数個の予測バッテリー出力ベクトル、及び上記第１バッテリー出力ベクトルに基づいて上記第１所定時間で上記バッテリーの状態とパラメータを示す第１推定組合せバッテリー状態‐パラメータベクトルを定めるように構成されるコンピュータを含むことを特徴とする推定組合せバッテリー状態‐パラメータベクトルを定めるシステム。
上記コンピュータは、
メモリから上記第２所定時間で上記バッテリーの状態とパラメータを示す推定組合せバッテリー状態‐パラメータベクトルを検索するように構成され、上記推定組合せバッテリー状態‐パラメータベクトル、予測組合せバッテリー状態‐パラメータ入力ノイズベクトル、及び予測センサーノイズベクトルに基づいて上記第２所定時間で上記バッテリーの状態とパラメータ、上記バッテリー入力ノイズ、及び上記センサーノイズを示す第１推定増加組合せバッテリー状態‐パラメータベクトルを定めるように構成され、上記メモリから上記第２所定時間で上記バッテリーの状態とパラメータの不確実性を示す推定組合せバッテリー状態‐パラメータベクトル共分散マトリックスを検索するように構成され、上記推定組合せバッテリー状態‐パラメータベクトル共分散マトリックス、上記バッテリー入力ノイズの不確実性を示す共分散マトリックス、上記センサーノイズの不確実性を示す共分散マトリックスに基づいて上記バッテリーの状態とパラメータの不確実性、上記バッテリー入力ノイズ、及び上記センサーノイズを示す第１推定増加組合せバッテリー状態‐パラメータベクトル共分散マトリックスを定めるように構成され、上記第１推定増加組合せバッテリー状態‐パラメータベクトルと上記第１推定増加組合せバッテリー状態‐パラメータベクトル共分散マトリックスに基づいて上記第１複数個の推定増加組合せバッテリー状態‐パラメータベクトルを定めるように構成される請求項１６に記載の推定組合せバッテリー状態‐パラメータベクトルを定めるシステム。
上記コンピュータは、
上記第２複数個の予測組合せバッテリー状態‐パラメータベクトルに基づいて上記第１所定時間で上記バッテリーの状態とパラメータを示す第１予測組合せバッテリー状態‐パラメータベクトルを定めるように構成され、上記第３複数個の予測出力ベクトルに基づいて上記第１所定時間で上記バッテリーの少なくとも１つの出力変数を示す第１予測バッテリー出力ベクトルを定めるように構成され、上記第１予測組合せバッテリー状態‐パラメータベクトル、上記第１予測バッテリー出力ベクトル、上記第２複数個の予測組合せバッテリー状態‐パラメータベクトル、及び上記第３複数個の予測バッテリー出力ベクトルに基づいてゲインマトリックスを定めるように構成され、上記第１予測組合せバッテリー状態‐パラメータベクトル、上記第１予測バッテリー出力ベクトル、上記ゲインマトリックス、及び上記第１バッテリー出力ベクトルに基づいて上記第１推定組合せバッテリー状態‐パラメータベクトルを演算するように構成されることを特徴とする請求項１６に記載の推定組合せバッテリー状態‐パラメータベクトルを定めるシステム。
第１所定時間でバッテリーの状態とパラメータを示す推定組合せバッテリー状態‐パラメータベクトルを定めるようにエンコードされたコンピュータプログラムを持つコンピュータ記憶媒体であって、
上記第１所定時間以前の第２所定時間でバッテリーの状態とパラメータ、バッテリー入力ノイズ、バッテリー出力変数を測定するセンサーに関わるセンサーノイズ、バッテリーの状態とパラメータの不確実性、上記バッテリー入力ノイズの不確実性、及び上記センサーノイズの不確実性を示す第１複数個の推定増加組合せバッテリー状態‐パラメータベクトルを定めるコード；
上記第１複数個の推定増加組合せバッテリー状態‐パラメータベクトルに基づいてバッテリーの状態とパラメータ及び上記第１所定時間で上記バッテリーの状態とパラメータの不確実性を示す第２複数個の予測組合せバッテリー状態‐パラメータベクトルを定めるコード；
第１複数個の推定増加組合せバッテリー状態ベクトルと第２複数個の予測組合せバッテリー状態‐パラメータベクトルに基づいて上記第１所定時間で少なくとも１つの上記バッテリーの出力変数と上記出力変数の不確実性を示す第３複数個の予測バッテリー出力ベクトルを定めるコード；
上記バッテリー出力変数の少なくとも１つの測定値を持つ第１バッテリー出力ベクトルを定めるコード；
上記第２複数個の予測組合せバッテリー状態‐パラメータベクトル、上記第３複数個の予測バッテリー出力ベクトル、及び上記第１バッテリー出力ベクトルに基づいて上記第１所定時間で上記バッテリーの状態とパラメータを示す第１推定組合せバッテリー状態‐パラメータベクトルを定めるコードを含むことを特徴とする推定組合せバッテリー状態‐パラメータベクトルを定めるようにエンコードされたコンピュータプログラムを持つコンピュータ記憶媒体。
上記第１推定組合せバッテリー状態‐パラメータベクトルを定めるコードは、
上記第２複数個の予測組合せバッテリー状態‐パラメータベクトルに基づいて上記第１所定時間で上記バッテリーの状態とパラメータを示す第１予測組合せバッテリー状態‐パラメータベクトルを定めるコード；
上記第３複数個の予測出力ベクトルに基づいて上記第１所定時間で上記バッテリーの少なくとも１つの出力変数を示す第１予測バッテリー出力ベクトルを定めるコード；
上記第１予測組合せバッテリー状態‐パラメータベクトル、上記第１予測バッテリー出力ベクトル、上記第２複数個の予測組合せバッテリー状態‐パラメータベクトル、及び上記第３複数個の予測バッテリー出力ベクトルに基づいてゲインマトリックスを定めるコード；及び
上記第１予測組合せバッテリー状態‐パラメータベクトル、上記第１予測バッテリー出力ベクトル、上記ゲインマトリックス、及び上記第１バッテリー出力ベクトルに基づいて上記第１推定組合せバッテリー状態‐パラメータベクトルを演算するコードを含むことを特徴とする請求項１９に記載の推定組合せバッテリー状態‐パラメータベクトルを定めるようにエンコードされたコンピュータプログラムを持つコンピュータ記憶媒体。