KR102581332B1

KR102581332B1 - 하이브리드 차량의 충전 상태를 관리하기 위한 방법

Info

Publication number: KR102581332B1
Application number: KR1020207006583A
Authority: KR
Inventors: 자라우조 마노엘라 페헤이라; 아흐메드 케트피-셰리프
Original assignee: 르노 에스.아.에스.
Priority date: 2017-08-30
Filing date: 2018-08-21
Publication date: 2023-09-25
Also published as: EP3676145A1; US20200331452A1; WO2019042818A1; JP2020531358A; US11807213B2; KR20200043408A; JP2023164788A; FR3070346B1; CN111032465A; FR3070346A1

Abstract

본 발명은 하이브리드 차량 파워 트레인의 트랙션 배터리 충전 상태를 관리하기 위한 방법에 관한 것이다. 현재 목적지로의 상기 차량 운행의 페이즈 동안에 상기 방법은: - 상기 파워 트레인이 스위치 오프된 이후에 미래의 목적지로의 출발 시점에 상기 배터리가 이르게 될 온도를 예측하는 단계; - 미리 정의된 최소 전력 레벨을 상기 미래의 목적지로의 이동 페이즈 동안에 제공하기 위해 상기 배터리의 최소 충전 상태를 이전에 예측된 상기 배터리 온도에 따라 추정하는 단계; - 상기 배터리의 충전 상태를 상기 최소 충전 상태의 구역 내에 유지하는 단계를 포함한다.

Description

하이브리드 차량의 충전 상태를 관리하기 위한 방법

본 발명은 열기관 (heat engine)과 전기 엔진을 포함하는 하이브리드 파워 트레인이 제공된 차량의 트랙션 (traction) 배터리의 충전 상태를 관리하기 위한 방법에 관한 것이다.

기후 변화에 관한 컨센선스의 현재의 환경에서, 이산화탄소 (CO₂) 배출을 줄이는 것은 차량 제조자들이 직면한 주요한 도전이며, 관련된 표준들이 항상 요구된다.

CO₂ 배출을 낮춤으로써 수반되는 전통적인 열기관의 효율성을 계속해서 향상시키는 것에 추가로, 전기 차량 ("EV", 이 경우 파워 트레인은 전기 엔진만을 포함한다) 및 하이브리드 차량 ("HEV", 이 경우 파워 트레인은 전기 엔진 및 열기관을 포함한다)은 오늘날 CO₂ 배출을 줄이기 위한 가장 유망한 솔루션인 것으로 여겨진다.

EV 및 HEV에 대한 필요성을 충족시키기 위해 다양한 전기 에너지 저장 기술들이 최근에 시험되었다. 오늘날, 리튬-이온 (Li-ion)을 구비한 배터리들이 특히 가속의 면에서 성능에 유리한 전력 밀도 그리고 거리에 유리한 에너지 밀도 사이에서의 최선의 트레이드-오프 (trade-off)를 제공할 것 같은 배터리인 것으로 보인다. 그러나, 특히 약 400 볼트 (V)의 필수 전압 레벨을 고려하면, 또는 심지어는 충전 사이클 및 방전 사이클 모두 동안에 배터리에서 생성된 높은 온도 레벨을 고려하면 트랙션 배터리들을 형성하기 위해 이 Li-ion 기술을 사용하는 것에는 어려움이 있다.

현재, 전기 및 하이브리드 차량 시장의 성장을 늦추게 하는 요인들 중 하나는 비용이며, 이는 전통적인 열 동력 차량들의 비용보다 더 높으며, 이는 특히 Li-ion 트랙션 배터리 때문이다. 그래서 잠재적인 고객들을 납득시켜서 EV 또는 HEV로 바꾸도록 하기 위해, 비용이 억제된 기술들을 이용하여 EV 또는 HEV를 개발하는 것이 본질적인 것으로 보인다. 본 발명은 이 문제점을 해결하는 것을 제안한다.

비용을 억제하기 위해서, 본 출원인은 특별한 하이브리드 파워 트레인 구조를 개발하고 다듬었다. 전통적인 하이브리드 구조에서처럼, Li-ion 배터리에 의해 전력을 공급받는 전기 엔진은 열기관을 도우며, 이 전기 엔진 및 열기관은 차량의 구동 휠들에게 교대로 또는 동시에 토크를 전달할 수 있다. 그러나, 특히 전달 시스템에 적용하는 이 구조의 특별한 특징은 차량 출발이 순전히 전기 토크에 의해서만 수행될 수 있다는 것이다. 다른 말로 하면, 차량을 제로 속도로부터 비-제로 속도로 전환하는 것은 전기 토크 전달에 의해서만 보장될 수 있으며, 출발의 시점에서는 어떤 열 토크도 동시에 전달될 수 없다. 이것은 상기 전달 시스템에서 구현된 통제된 비용 솔루션들의 결과이다. 유사하게, 열적인 토크가 동시에 상기 휠들에게 전달될 수 있는 속도 임계를 초과할 때까지 차량을 매우 낮은 속도에서 유지하는 것은 전기 토크 전달에 의해서만 보장될 수 있다. 이런 유형의 구조에서의 한 가지 결점은, 배터리의 충전 상태 (state of charge) (또는 SOC)가 어떤 임계 미만이어서 차량 출발을 위한 최소 전력 레벨을 공급하는 것을 가능하게 만든다면, 발전기 세트 모드에서 열기관 사용을 통해 차량을 재충전하기 위해서 그 차량을 움직이지 않게 하는 것이 일시적으로 필요하다는 것이다. 그러나, 상기 SOC를 어떤 임계 위에서 유지하는 것, 그리고 무엇보다도 이 임계의 값을 선택하는 것에는 다수의 가능한 사용 경우들을 가정하면 많은 어려움들이 있다. 그 또한 본 발명이 해결할 것을 제안한 문제점이다.

이런 어려움들을 예시하기 위해서, 다음의 사용 경우가 고려될 수 있다: 운전자가 산에서 스키하기 위해 평평한 지역으로부터 떠난다. 고속도로에서의 수백 킬로미터 이후에, 그 운전자는 움푹 꺼진 계곡에 도착하여, 중앙 차량 컴퓨터 (또는 "전기 차량 제어기 (electric vehicle controller)" EVC)에서 구현된 에너지 관리 법칙에 의해 공인된 최소값에 가까운 SOC를 이용하여 리조트로 올라간다. 그 차량의 배터리는 전기 엔진을 최대로 사용함으로써 소위 말하는 "충전 고갈 (charge-depleting)" 페이즈 (phase)를 우선 겪으며, 그 페이즈 동안에 충전은 최소 임계 SOC로 고갈된다. 그러면, 그 차량은, 전기 모드에서 운행하는 페이즈를 회생 제동 페이즈와 교번함으로써, 또는 심지어는 전기 엔진이 발전기 모드에서 운행하도록 하기 위해 열기관 사용을 통한 재충전 페이즈들과 교번함으로써, 소위 말하는 "충전 지속 (charge-sustaining)" 페이즈를 겪으며, 그 페이즈 동안에 SOC는 이 최소 임계에 가깝게 유지된다. 계곡 바닥에서의 이 낮은 SOC에도 불구하고, 운전자는 긴 고속도로 운행 이후에 배터리가 약 섭씨 40도 로 뜨겁기 때문에 리조트로 올라가는 것을 조종한다. 그 높은 온도 덕분에, 그 차량은 낮은 SOC에도 불구하고 강력하다. SOC 보존 전략은 그러므로 모든 경우들에서 초기에 잘 작동하였다. 리조트에 도착하면, 그 운전자는 자신의 차량을 외부 주차장에 자신의 체류 동안 내내, 예를 들면, 1주일 동안 주차한 채로 남겨둔다. 1주 후에, 배터리의 온도는 국지적인 주변 온도까지, 예를 들면, 섭씨 -10도 까지 떨어진다. 섭씨 40도에서 특정 레벨의 성능을 보장하기에 충분했던 SOC는 섭씨 -10도 에서는 더 이상 충분하지 않다: 운전자는 자신의 차량이 집으로 돌아가기 위해 리조트를 떠날 때에 그 주차장으로부터 즉시 떠날 수 있는 기회를 거의 갖지 않으며, 그 운전자는 전기 엔진이 발전기 모드에서 운행하도록 하기 위해서 열기관 사용을 통해 SOC를 먼저 상승시켜야 한다. SOC 유지 전략은 그러므로 결국 실패하였으며, 이는 온도에 대한 SOC의 부적합 때문이다. 그것 또한 본 발명이 해결할 것을 제안한 문제점이다.

배터리의 SOC가 그 배터리의 온도에 적합하지 않은 유형의 상황을 피하기 위해서, 예방 전략이 US8330424B2로부터 알려지며, 이는 목적지 위치에서의 온도를 알기 위해 그리고 그에 따라서 SOC를 적합한 범위 내에서 유지함으로써 그 SOC를 조절하기 위해 내비게이션 정보를 사용한다. 그러나, 온도 상태들이 크게 변하는 차량 비사용의 장기의 페이즈를 포함하는 과거의 사용 경우에, 이 솔루션은 작용하지 않으며 차량이 주차장에서 움직이지 않게 남겨둔다. 그것 또한 본 발명이 해결할 것을 제안한 문제점이다.

본 발명은 상기에서 설명된 문제점들을 해결하려고 한다.

본 발명의 목적은, 현재의 운행 동안만이 아니라 다음의 운행 동안에도 차량이 출발하거나 또는 어떤 다른 서비스가 제공되던 간에 성능 요구사항들을 준수하기 위한 목표 최소 SOC를 판별함으로써, 위에서 언급된 결점들 및 어려움들을 두드러지게 개선하는 것이다. 예를 들어 이전에 사용한 경우에, 본 발명은 체류의 끝에서 온도 하락이 예상되는 외부로의 여행 이후에 SOC를 예방적으로 상승시키는 것을 제안한다. 이 목적을 위해서, 본 발명의 주제는 하이브리드 차량 파워 트레인의 트랙션 배터리의 충전 상태를 관리하기 위한 방법이다. 이 방법은,

- 상기 파워 트레인이 스위치 오프된 이후에 미래의 목적지로의 출발 시점에 상기 배터리가 이르게 될 온도를 예측하는 단계;

- 미리 정의된 최소 전력 레벨을 상기 미래의 목적지로의 운행 페이즈 동안에 제공하는 것을 가능하게 하는 상기 배터리의 최소 충전 상태를 이전에 예측된 상기 배터리 온도의 함수로서 추정하는 단계;

- 상기 배터리의 충전 상태를 상기 최소 충전 상태에 가깝게 유지하는 단계를 포함한다.

우선적인 실시예에서, 상기 배터리가 이르게 될 온도를 예측하는 상기 단계는 자신의 파라미터들 중에서:

- 현재 운행의 종료 및 미래 운행의 시작 사이의 경과 시간 및/또는;

- 현재 운행의 종료 및 미래 운행의 시작 사이의 주변 온도 변이의 모델 및/또는;

- 상기 배터리의 온도의 경향을 상기 주변 온도의 경향의 함수로서 제공하는 상기 배터리의 열 관성 (thermal inertia)의 모델을 포함한다.

유리하게도, 현재 운행의 종료 및 미래 운행의 시작 사이의 경과 시간은:

- 운행 스케줄링 시스템으로부터 직접적으로 획득되거나;

- 운행 기억 시스템으로부터 획득된, 현재 운행과의 유사성들을 나타내는 이전 운행들로부터 통계적으로 추론되거나;

- 상수와 동일할 수 있다.

또한 유리하게도, 상기 차량의 위치는 지오로케이션 시스템으로부터 알려질 수 있으며 상기 위치에서 측정된 최소 온도는 기상 정보 브로드캐스팅 시스템으로부터 알려질 수 있으며, 상기 주변 온도의 변이의 모델은:

- 측정된 주변 온도가 상기 최소 온도 미만일 때에 상기 변이가 없도록;

- 측정된 주변 온도가 상기 최소 온도보다 더 큰 미리 정의된 값보다 클 때에 상기 변이가 음의 상수와 동일하도록;

- 상기 변이가 상기 최소 온도 및 상기 미리 정의된 값 사이에서 선형의 경향이도록, 정의될 수 있다.

다시 유리하게도, 상기 배터리의 열 관성의 모델은 상기 배터리의 온도가 상기 주변 온도와 동일하게 변하도록 정의될 수 있다.

우선적인 실시예에서, 최소 충전 상태를 추정하는 상기 단계는 복수의 충전-상태 값들 중에서 최대 값을 선택하는 단계를 포함할 수 있으며, 상기 복수의 충전-상태 값들은 적어도:

- 상기 배터리의 측정된 현재 온도의 함수로서 추정된, 현재 목적지에 도달하기 위한 최소 충전-상태 값; 그리고

- 이전에 예측된 온도의 함수로서 추정된, 미래 목적지에 도달하기 위한 최소 충전-상태 값을 포함할 수 있다.

유리하게는, 상기 복수의 충전-상태 값들은 상기 배터리의 미리 정의된 수명을 보장하기 위해 최소 충전 상태를 또한 포함할 수 있다.

또한 유리하게도, 현재 목적지에 도달하기 위한 그리고 미래 목적지에 도달하기 위한 상기 최소 충전-상태 값들은, 상기 배터리 내 가용 전력의 경향을 상기 배터리의 충전 상태의 함수로서 선형 모델링하는 방법에 의해 실시간으로 계산될 수 있다.

예를 들면, 상기 선형 모델링 방법은 순환 최소 자승 (recursive least squares) 방법일 수 있다. 유리하게는, 이전 추정으로부터 순환적으로 획득된 충전-상태 값에 대한 각 새로운 추정마다, 상기 이전 추정에는 1보다 작은 제외 팩터 (omission factor) λ가 곱해질 수 있다.

또한 본 발명의 특허 대상은 그런 방법을 구현하는 하드웨어 수단 및 소프트웨어 수단을 포함하는 컴퓨터이며, 특히 "배터리 관리 시스템 (battery management system)" (BMS) 유형의 컴퓨터이다.

본 발명의 최종 특허 대상은 그런 컴퓨터를 포함하는 하이브리드 차량이다.

본 발명의 다른 특징들 및 이점들은 첨부된 도 1, 도 2, 도 3 및 도 4를 참조하여 주어지며 본 발명의 예시적인 실시예를 그래프들을 통해 예시하는 다음의 설명으로부터 분명해질 것이다

본 발명의 효과는 본 명세서의 해당되는 부분들에 개별적으로 명시되어 있다.

도 1은 배터리의 미래의 온도의 예측적인 계산을 위해 사용될 수 있는 주변 온도 강하 값의 예를 그래프로 도시한다.
도 2는 미래의 Tbat를 현재 Tamb의 함수로서의 예측을 도 1의 Tamb의 하락으로부터 도시한다.
도 3은 SOC_target 계산의 수렴을 도시한다.
도 4는 현재 Tamb 가 섭씨 -15도 이며 (예측된 Tbat = 섭씨 -20도) 미래 운행을 위한 목표 Pbat는 15 kW인 예를 도시한다.

이하에서 설명되는 본 발명의 원칙들을 분명하게 이해하기 위해서, 배터리의 단자들에서 방전 모드에서의 가용 전력 (이하에서는 Pbat로 언급됨)이 다음의 것들에 종속한다는 것을 명심하는 것이 중요하다:

- 배터리의 SOC : 배터리가 더 많이 방전될수록, 더 적은 전력을 공급할 수 있으며, 그 반대도 마찬가지이다;

- 배터리의 온도: 배터리가 더 찰수록, 더 적은 전력을 공급할 수 있다;

- 배터리의 에이징 (aging) 상태, 이것은 배터리의 전체 용량에 영향을 준다: 배터리가 더 오래될수록, 더 적은 전력을 공급할 수 있다.

실제로 어떤 필요한 최소 전력 레벨을 이용 가능하게 유지하기 위해, 배터리가, 다른 파라미터들 중에서도 그 배터리의 온도에 종속하는 최소 SOC를 항상 가지는 것을 보장하는 것이 가장 중요하다. 이것은, 회생 제동을 통해서, 또는 발전기 모드에서 작동하는 전기 엔진을 구동하는 열기관 덕분에 목표 배터리 충전 상태를 유지하기 위해 시도하는 EVC에서 구현된 에너지 관리 법칙의 역할들 중 하나이다.

이하 본 명세서에서, 차량 출발이건 또는 제공된 어떤 다른 서비스이건 간에 그리고 현재 운행 동안만이 아니라 다음의 운행 동안에도, 배터리의 내부 온도 (이하에서 "배터리 온도" 또는 Tbat)의 함수로서 그리고 외부 공기 온도 (이하에서 "주변 온도" 또는 Tamb)의 함수로서, 성능 요구 사항들을 준수하기 위해 목표 최소 SOC를 본 발명에 따라서 판별하는 것이 어떻게 가능한가에 대해 설명된다.

다음의 운행을 위해, 실시간으로 알려진 배터리의 온도를 이하에서 SOC_current_target으로 불리는 목표 SOC 레벨을 계산하기 위한 기초로서 사용하는 것이 가능하다.

다음의 운행을 위해, 미래 배터리 온도 예측을 실시간으로 알려진 주변 온도의 함수로서, 아래에서 SOC_future_target으로 불리는 타겟 SOC 레벨을 계산하기 위한 기초로서 사용하는 것이 가능하다.

최종의 목표 SOC는 SOC_current_target, SOC_future_target 및 온도에 독립적인 최소 목표 SOC, 예를 들면, 상기 "충전 지속" 함수에 의해 지속되는 최소 SOC 사이에서 최대인 것이다.

배터리 온도 예측

미래 배터리 온도 예측은 다음의 것들에 종속한다:

1. 배터리의 열 관성 (thermal inertia) 및 현재 운행과 미래 운행 사이의 지연된 시간;

2. 현재 운행 및 미래 운행 사이의 주변 온도에서의 변이.

정보의 이런 항목들은, 예를 들어 미래의 운행이 프로그램되어 있다면 그리고 날씨 정보에 대한 액세스가 가능하다면, 미리 알려질 수 있다. 그런 경우가 아닐 때에는, 그 지역의 날씨 통계, 두 운행들 사이의 비가동 시간들에 관한 통계 및 배터리의 열 관성에 대한 신원확인에 기반하여 예측을 하는 것이 또한 가능하다

도 1은 배터리의 미래의 온도의 예측적인 계산을 위해 사용될 수 있는 주변 온도 강하 값들 (X)의 예를 그래프로 도시한다. 전력 강하를 피하기 위해서, 주변 온도 예측은 예를 들어 섭씨 15도의 Tamb의 하락을 양의 Tamb들을 위한 상수로서 취함으로써 오히려 비관적으로 측정될 수 있다.

Tamb가 최소에 도달할 때에, 예를 들어 파리에서 약 섭씨 -20도에 도달할 때에, Tamb는 그 아래로 떨어질 수 없다고 간주되며, 그래서 Tamb 하락은 0과 동일하게 취해진다. Tamb = 섭씨 0도 및 약 Tamb = 섭씨 -20도 사이의 선형 보간은 파리에서 본 발명에 따른 예측 계산을 위한 Tamb의 변이의 예이다.

그래서, 배터리 온도가 예측된 Tamb를 향하여 수렴하기 위한 시간을 가지도록 하기에 충분하게 긴 현재 운행과 다음 운행 사이에 경과된 시간을 고려하면, 도 2의 그래프는, 도 1의 Tamb의 하락으로부터, 미래 Tbat 예측을 현재 Tamb의 함수로서 도시한다.

현재 목표 SOC 추정

본 발명은 배터리의 SOC 및 그 배터리 내 최대 가용 전력 사이의 링크를 활용한다: SOC가 증가할 때에, 최대 가용 전력은 또한 증가하며 그 반대도 마찬가지이다. 이 링크는, 예를 들면, 배터리의 최대 가용 전력을 그 배터리의 온도의 그리고 그 배터리의 충전 상태의 함수로서 주는 테이블이라는 특징 또는 배터리 컴퓨터 내에서 구현된 다른 알고리즘이라는 특징이 있을 수 있다.

본 발명 예시의 실시예의 한 가지 원칙은, 예를 들면, 이 링크를 순환 최소 자승 (recursive least squares) 방법 유형의 선형 모델링에 의해 실시간으로 식별한다는 것이다. 실제로, SOC 레벨의 제한된 구역으로 한정된다면 상기 선형 모델링은 일관성이 있다. (대부분의 하이브리드 차량들에 대해서는 그런 것처럼) 배터리가 상당히 높은 용량을 가질 때에, SOC 변이는 충분한 개수의 샘플들을 허용하기에 상당히 느리며, 이는 그 제한된 구역에 걸쳐 선형 링크를 분명하게 식별하는 것을 가능하게 한다. 본 발명의 예시적인 실시예에서, 상기 순환 최소 자승 방법은 다음의 식처럼 써질 수 있으며, 여기에서 a 및 b는 실수 선형화 계수들을 나타내며 그리고 t는 시간을 나타낸다:

Pbat(t) = a(t) * SOC(t) + b(t)

본 발명의 예시적인 실시예의 다른 원칙은, 지수 법칙에 따라서, 최근의 측정들에 유리하게 오래된 측정들의 가중치를 줄이는 것이다. 그것을 위해, 상기 순환의 각 단계마다, 오래된 측정들의 가중치에는 1보다 작은 제외 팩터 (omission factor) λ가 곱해지며, 그래서 (n+1)번째 단계에서:

- 첫 번째 추정에는 λⁿ이 가중되며

- 두 번째 추정에는 λ^n-1이 가중되며

- n번째 추정에는 λ이 가중되며

- 새로운 추정에는 1이 가중된다.

θ(t) = θ(t-1)+L(t) x [y(t)-φ^T(t) x θ(t-1)]

을 취하면,

여기에서:

P = 공분산 행렬 (covariance matrix) (2 x 2)

θ = 파라미터들의 벡터 (2 x 1)

φ = 제어 벡터(2 x 1)이며,

그리고;

이다.

그런 방법을 사용하는 이점들은 여러 가지이며, 그 중에서도 특히 언급될 수 있는 하나는 실시간 링크를 식별하는 것은 온도 변이들을 또는 심지어는 배터리의 에이징을 강건하게 하는 것을 가능하게 한다. 제외 팩터는 학습의 "필터링"을 다소 동적이게 하도록 조절하는 것을 가능하게 만든다고 언급하는 것이 또한 가능하다.

상기 방법의 강건함을 증가시키기 위해, 샘플들 내에서 SOC의 변이 및/또는 Pbat의 변이가 너무 클 때에 그런 샘플들을 폐기하는 것과 같은 옵션의 증진 사항들을 그 방법에 추가하는 것이 아마도 유리할 수 있다. 그것들은 측정 노이즈들이나 바람직하지 않은 교란일 수 있으며, 또는 심지어는 충전/방전 피크들로, 그 피크들 동안에 배터리가 너무 "여기 (excited)"되고 그 배터리의 전압 (이것은 최대 가용 Pbat의 이미지임)이 스폿마다 증가하는 충전/방전 피크들에 관련될 수 있다.

SOC 및 Pbat의 변이들이 반대의 부호들인 샘플들, 예를 들면, 측정 노이즈들이나 일시적 오류들을 폐기하는 것을 예견하는 것이 또한 가능하다.

SOC 및 Pbat의 변이들이 너무 작은 샘플들을 폐기하는 것을 예견하는 것이 또한 가능하며, 이는, 예를 들면, 보조물들이 낮은 소비를 하면서 차량이 정지한 채로 있는 경우에, 중복된 샘플들을 이용한 "포화 (saturating)" 선형화를 피하기 위한 것이다.

선형화 방법을 고려하기 이전에 그 선형화 방법의 초기화에 지연을 추가하는 것을 예견하는 것이 또한 가능하며, 이는 충분한 개수의 샘플들을 보장하기 위한 것이다 (그리고 이 지연 시간 동안에, 예를 들면 목표 SOC를 위한 디폴트 값을 사용하는 것이 가능하다).

상기 식별된 직선의 계수들을 포화시키는 것을 예견하는 것이 마지막으로 가능하며, 이는 시동 시부터, 차량이 보조물들의 낮은 소비를 하면서 긴 시간 동안 정지한 채로 있다면 상기 초기화 지연이 충분하지 않을 것이라는 경우를 커버하기 위해, SOC를 바꾸기 위한 최소의 기울기를 보장하기 위한 것이다.

도 3은 45 kW의 최소 가용 배터리 전력에 목표로 정함에 의한 SOC_target 계산의 수렴을 예시한다:

- t1의 순간에:

- SOC = 19%

- Tbat = 섭씨 -10도

- Pbat = 12kW

- SOC_current_target = 50%

- t2의 순간에:

- SOC = 26%

- Tbat = 섭씨 0도

- Pbat = 35kW

- SOC_current_target = 31%

- t3의 순간에:

- SOC = 31%

- Tbat = 섭씨 0도

- Pbat = 42kW

- SOC_current_target = 41%

도 3의 예에서, 국지적인 선형화 그리고 Pbat 및 SOC 사이의 단조로운 링크 덕분에, 계산된 목표 SOC들이 현재 SOC로 하여금 목표 Pbat에 대응하는 SOC를 향하여 수렴하도록 상승하게 한다는 것을 알 수 있다. 상기 계산은 배터리 온도 변화들에도 또한 적응한다는 것 또한 알 수 있다 (즉, 초기 Tbat = Tamb = 섭씨 -10도; 최종 Tbat = 섭씨 0도).

미래 목표 SOC 추정

원칙은 SOC_current_target의 계산을 위해서 이전에 설명된 것과 동일하다. BMS는 현재 SOC 및 미래 Tbat에 대응하는 배터리 내 최대 가용 전력 레벨의 투영 (projection)을 송신한다. 미래의 운행을 위한 출발 시의 성능에 대한 요구 레벨이 현재 운행의 요구들에 비해 상이할 수 있기 때문에, Pbat_discharge_max의 목표들은 그러므로 상이할 수 있다. 도 4는 현재 Tamb가 섭씨 -15도 이며 (예측된 Tbat = 섭씨 -20도) 그리고 미래 운행을 위한 목표 Pbat 는 15 kW 인 예를 도시한다:

- t1의 순간에:

- SOC = 19%

- 다음 운행에서의 Tbat = 섭씨 -20도

- Pbat = 5kW

- SOC_future_target = 37%

- t2의 순간에:

- SOC = 26%

- 다음 운행에서의 Tbat = 섭씨 -20도

- Pbat = 1135kW

- SOC_future_target = 33%

- t3의 순간에:

- SOC = 31%

- 다음 운행에서의 Tbat = 섭씨 -20도

- Pbat = 15kW

- SOC_future_target = 31%

이전의 경우에서처럼, 국지적인 선형화 그리고 Pbat 및 SOC 사이의 단조로운 링크 덕분에, 계산된 목표 SOC들이 현재 SOC로 하여금 목표 Pbat에 대응하는 SOC를 향하여 수렴하도록 상승하게 한다는 것을 도 4의 예에서 알 수 있다.

최종 목표 SOC 추정

최종 목표 SOC는:

- 현재 운행을 위해 계산된 목표 SOC;

- 미래 운행을 위해 계산된 목표 SOC;

- "충전 지속 (charge sustaining)" 모드에서 SOC 조절을 보장하기에 필요한 최소 목표 SOC;

사이에서 최대이다.

그러므로 이전에 설명된 본 발명은 배터리 충전 레벨을 내부 온도 및 주변 온도의 함수로서 조절하는 주요한 이점을 가지며, 이는 (차량 출발을 위해서건 또는 제공된 어떤 다른 서비스를 위해서건 또는 현재 운행과 다음 운행 둘 모두를 위해서건) 최소의 요청된 성능 레벨을 보증하기 위한 것이다.

Claims

하이브리드 차량 파워 트레인의 트랙션 배터리 충전 상태를 관리하기 위한 방법으로, 현재 목적지로의 상기 차량 운행의 페이즈 동안에 상기 방법은:
- 상기 파워 트레인이 스위치 오프된 이후에 미래의 목적지로의 출발 시점에 상기 배터리가 이르게 될 온도를 예측하는 단계;
- 발전기 모드에서 최소 레벨의 운행 성능을 보장하기 위해 상기 배터리의 단자들에서 이용 가능한 미리 정의된 최소 전력 레벨을 상기 미래의 목적지로의 운행 페이즈 동안에 제공하는 것을 가능하게 하는 상기 배터리의 최소 충전 상태를, 이전에 예측된 상기 배터리 온도의 함수로서 추정하는 단계;
- 상기 배터리의 충전 상태를 상기 최소 충전 상태에 가깝게 유지하는 단계를 포함하며,
상기 배터리가 이르게 될 온도를 예측하는 상기 단계는 자신의 파라미터들 중에서:
- 현재 운행의 종료 및 미래 운행의 시작 사이의 경과 시간; 및/또는
- 현재 운행의 종료 및 미래 운행의 시작 사이의 주변 온도 변이의 모델; 및/또는
- 상기 배터리의 온도의 경향을 상기 주변 온도의 경향의 함수로서 제공하는 상기 배터리의 열 관성 (thermal inertia)의 모델,
을 포함하며,
상기 차량의 위치는 지오로케이션 시스템으로부터 알려져 있으며 상기 위치에서 측정된 최소 온도는 기상 정보 브로드캐스팅 시스템으로부터 알려져 있으며, 상기 주변 온도의 변이의 모델은:
- 측정된 주변 온도가 상기 최소 온도 미만일 때에 상기 변이가 없도록;
- 측정된 주변 온도가 상기 최소 온도보다 더 큰 미리 정의된 값보다 클 때에 상기 변이가 음의 상수와 동일하도록;
- 상기 변이가 상기 최소 온도 및 상기 미리 정의된 값 사이에서 선형의 경향이도록,
정의된 것을 특징으로 하는 방법.
삭제
제1항에 있어서,
현재 운행의 종료 및 미래 운행의 시작 사이의 경과 시간은:
- 운행 스케줄링 시스템으로부터 직접적으로 획득되거나;
- 운행 기억 시스템으로부터 획득된, 현재 운행과의 유사성들을 나타내는 이전 운행들로부터 통계적으로 추론되거나;
- 상수와 동일한 것을,
특징으로 하는 방법.
삭제
제1항에 있어서,
상기 배터리의 열 관성의 모델은 상기 배터리의 온도가 상기 주변 온도와 동일하게 변하도록 정의된 것을 특징으로 하는 방법.
제1항에 있어서,
최소 충전 상태를 추정하는 상기 단계는 복수의 충전-상태 값들 중에서 최대 값을 선택하는 단계를 포함하며, 상기 복수의 충전-상태 값들은 적어도:
- 상기 배터리의 측정된 현재 온도의 함수로서 추정된, 현재 목적지에 도달하기 위한 최소 충전-상태 값; 그리고
- 이전에 예측된 온도의 함수로서 추정된, 미래 목적지에 도달하기 위한 최소 충전-상태 값을 포함하는 것을 특징으로 하는 방법.
제6항에 있어서,
상기 복수의 충전-상태 값들은 상기 배터리의 미리 정의된 수명을 보장하기 위해 최소 충전 상태를 또한 포함하는 것을 특징으로 하는 방법.
제6항에 있어서,
현재 목적지에 도달하기 위한 그리고 미래 목적지에 도달하기 위한 상기 최소 충전-상태 값들은, 상기 배터리 내 가용 전력의 경향을 상기 배터리의 충전 상태의 함수로서 선형 모델링하는 방법에 의해 실시간으로 계산되는 것을 특징으로 하는 방법.
제8항에 있어서,
상기 선형 모델링 방법은 순환 최소 자승 (recursive least squares) 방법인 것을 특징으로 하는 방법.
제9항에 있어서,
이전 추정으로부터 순환적으로 획득된 충전-상태 값에 대한 각 새로운 추정마다, 상기 이전 추정에는 1보다 작은 제외 팩터 (omission factor) λ가 곱해지는 것을 특징으로 하는 방법.
제1항, 제3항 및 제5항 내지 제10항 중 어느 한 항에서의 방법을 구현하는 하드웨어 수단 및 소프트웨어 수단을 포함하는 컴퓨터.
제11항의 컴퓨터를 포함하는 하이브리드 차량.