TW201407176A - 電池電量測試方法 - Google Patents

Abstract

一種電池電量測試方法，適用於一具有一供測試電池參數組的電池，包含一第一修正步驟、一訓練步驟及一測試步驟。該第一修正步驟用以修正多個供訓練電池參數及電量對應組，以得到多個修正後供訓練電池參數及電量對應組。該訓練步驟根據該等修正後供訓練電池參數及電量對應組，訓練一分類器。該測試步驟將該供測試電池參數組輸入該分類器中，以得到該電池之測試電池電量。

Description

電池電量測試方法

本發明是有關於一種測試方法，特別是指一種電池電量測試方法。

目前電池電量測試方法，主要有開路電壓法及改良式庫侖法。開路電壓法利用電池在放電的時候，端電壓值會隨著放出電量而下降的原理，藉由量測電池開路電壓而得知電池電量，但對於動態變化的電池殘餘電量無法有效估測。改良式庫倫法由於電池在持續放電下，電化學反應總釋放量會減少，故無法在放電過程中提供準確的電池電量。

另外還有安培小時積分累計法，以單晶片系統定時量取電池的端電壓和負載電流，計算累積之消耗電流量，以估算殘餘的電池電量。再依據電池的充放電特性，推算還可使用之電池電量相對值。但由於電池內部電化學反應非常複雜，使得電池於放電過程中，電池端電壓與電池電量可能呈現非線性關係，故安培小時積分累計法，無法有效測試電池剩餘能量。

因此，本發明之目的，即在提供一種電池電量測試方法。

於是，本發明電池電量測試方法，適用於一具有一供測試電池參數組的電池，包含一第一修正步驟、一訓練步 驟及一測試步驟。該第一修正步驟修正多個供訓練電池參數及電量對應組，以得到多個修正後供訓練電池參數及電量對應組。該訓練步驟根據該等修正後供訓練電池參數及電量對應組，訓練一分類器。該測試步驟將該供測試電池參數組輸入該分類器中，以得到該電池之測試電池電量。

本發明之功效在於，藉由修正步驟及該分類器的分析能力，在完成訓練過程之後，將電池的參數輸入該分類器，以得到一準確的測試電池電量。

有關本發明之前述及其他技術內容、特點與功效，在以下配合參考圖式之二個較佳實施例的詳細說明中，將可清楚的呈現。

參閱圖1及圖2，本發明電池電量測試方法之第一較佳實施例適用於一具有一供測試電池參數組的電池9，且係以如圖1所示之電池電量測試系統2來實施，其中該電池9例如可為一電動機車之充電電池等。如圖1所示，該電池電量測試系統2之第一較佳實施例包含一感應裝置201、一第一修正單元202、一分類器203、一感應裝置211、一分類器203及一顯示裝置213。其中上述元件201、202、203涉及一訓練階段之運作流程，而元件203、211、213則是涉及一測試階段之運作流程。

該訓練階段係指針對某一特定型號電池8，車廠需於研發生產過程中，先利用感應裝置201感測多個供訓練電池參數及電量對應組，再利用第一修正單元202修正該等供 訓練電池參數及電量對應組(第一修正步驟S1)，以得到多個修正後供訓練電池參數及電量對應組，繼而根據該等修正後供訓練電池參數及電量對應組，訓練分類器203(訓練步驟S2)。至於，該測試階段係指，機車騎士將電動機車騎乘上路時，電動機車之感應裝置211取得電動機車內的電池9之供測試電池參數組，並輸入安裝於車上的分類器203中。於是分類器203接著進行測試步驟S3，以運算出測試電池電量顯示於電動機車之顯示裝置213上。

如圖2訓練階段之第一修正步驟S1所示，以該第一修正單元202修正該等供訓練電池參數及電量對應組，以得到該等修正後供訓練電池參數及電量對應組。其中每一供訓練電池參數及電量對應組包括一供訓練電流I _train 、一供訓練電壓V _train 及一對應的供訓練電池電量SOC _train ，每一修正後供訓練電池參數及電量對應組包括該供訓練電流I _train 、一修正後供訓練電壓V _train ’及該對應的供訓練電池電量SOC _train 。

在本較佳實施例中，該等供訓練電池參數及電量對應組共有500組。每一組供訓練電池參數及電量對應組中的該供訓練電流I _train 及該供訓練電壓V _train ，為在CNS-D3029驅動週期標準下，每間隔一定時間由該感應裝置201所接收到的電流及電壓，而該對應的供訓練電池電量SOC _train 是根據該電池之額定容量減去當時已放電的電量之後剩餘電量所佔的百分比。

接下來，該感應裝置201將接收到的每一組該供訓練 電流I _train 、該供訓練電壓V _train 及該對應的供訓練電池電量SOC _train ，傳送到該第一修正單元202。接著，該第一修正單元202根據每一供訓練電流I _train ，將同一組的該供訓練電壓V _train 加上一修正函數f(I _train )，以得到修正後訓練電壓V _train ’。在本較佳實施例中，該函數為供訓練電流I _train 乘以一常數c，可以下列方程式表示：V _train ’=V _train +f(I _train )=V _train +c．I _train

其中該常數c依電池型號而有所不同，但通常介於0.1至0.9之間，在本較佳實施例中該常數為0.525。

再者，該等供訓練電池參數及電量對應組中的修正後供訓練電壓V _train ’之間，因為所對應的該供訓練電壓V _train 是間隔一定時間由該感應裝置201所接收，故具有一時間上的先後次序關係。每一修正後供訓練電壓V _train ’會再以前後至少二相鄰的修正後供訓練電壓V _train ’的值再修正該修正後供訓練電壓V _train ’本身的值。

舉例來說，該供訓練電壓V _train 為51.53V，此時供訓練電流I _train 為1.7A，則相對應的修正後供訓練電壓V _train ’為52.4225V。

在本實施例中，參考區間設定為5筆資料，再考慮時序上前二個及後二個修正後供訓練電壓V _train ’，依序是52.55825V、52.2905V、52.4225V、52.4815V、52.17375V，取其平均值可得到52.3853V，故最後得到的該供訓練電池參數及電量對應組為(1.7,51.53；81.52%)，相對應的修正後供訓練電池參數及電量對應組為(1.7,52.3853； 81.52%)。

參閱圖1、圖2及圖3，如訓練階段之訓練步驟S2所示，根據該等修正後供訓練電池參數及電量對應組，訓練分類器203。在本較佳實施例中，該分類器203為一機率類神經網路模型，包括一輸入層、一隱藏層及一輸出層，該隱藏層包括多個神經元(以五個神經元為例)，每一神經元對應一採一簡單代數運算方式直接決定的權重。

由該第一修正單元202修正後得到的多組該供訓練電流I _train 、該修正後供訓練電壓.V _train ’及該對應的供訓練電池電量SOC _train ，所構成的該等修正後供訓練電池參數及電量對應組，會成為訓練資料集(Training Set)，用以輸入該分類器203，以決定該等權重。

舉例來說，在第一修正步驟S1中由該第一修正單元202修正後得到五組修正後供訓練電池參數及電量對應組，分別為(I ₁ ,V ₁ ’；SOC ₁ )、(I ₂ ,V ₂ ’；SOC ₂ )、(I ₃ ,V ₃ ’；SOC ₃ )、(I ₄ ,V ₄ ’；SOC ₄ )及(I ₅ ,V ₅ ’；SOC ₅ )。如圖3所示，該隱藏層具有五個對應的神經元，分別具有權重H ₁ 、H ₂ 、H ₃ 、H ₄ 及H ₅ ，假設在該測試步驟S3中要輸入的該供測試電池參數組為(I _x ,V _x )，得到的對應測試電池電量為SOC _x ，經該訓練步驟S2後，五個權重分別被設定為： 所得到的測試電池電量SOC _x 為：

其中σ為10^-3，為一機率類神經網路之預設值，而I _x ,V _x ，及SOC _x 在訓練步驟S2時，為未知變數。

由於此權重設定以一簡單代數關係式即可完成，故此步驟所需要的運算時間極短，相較於其他種類需要長時間學習或是迭代過程的類神經網路，本發明所使用之機率類神經網路不但訓練時間短，且方法單純可以微處理控制晶片實作，所需成本較低且更有效率。

接下來，如測試階段之測試步驟S3所示，將該供測試電池參數組輸入該分類器中，以得到該電池之測試電池電量。由於在該訓練步驟S2之後，該分類器203已建構完成，此時將由該感應裝置211接收到的即時電流I _test 及即時電壓V _test 做為該供測試電池參數組，用以輸入該分類器203後，即可得到該測試電池電量SOC _test 並輸出至該顯示裝置213。

其中該H ₁ 、H ₂ 、H ₃ 、H ₄ 及H ₅ 分別為：

由於機率類神經網路的特性，在測試步驟S3時，僅需將該即時電流I _test 及即時電壓V _test 分別代入訓練步驟S2中的I _x 及V _x ，即可即時地得到當時的測試電池電量SOC _test ，非常適合在放電過程中立即取得當時電池的殘餘電量。

參閱圖4及圖5，本發明電池電量測試方法之第二較佳實施例，還包含在該訓練步驟S2以及該測試步驟S3之間的一第二修正步驟S4，且該系統2還包含一第二修正單元212。如圖5所示，該第二修正單元212用以修正由該感應裝置211接收到的該電池9之一即時電池參數組，做為該供測試電池參數組。其中該即時電池參數組包括該即時電流I _test 及該即時電壓V _test ，該供測試電池參數組包括該即時電流I _test 及一供測試電壓V _test ’。該第二修正單元212先根據該即時電流I _test ，將即時電壓V _test 加上一修正函數f(I _test )，以得到該供測試電壓V _test ’，繼而輸入該分類器203。在本較佳實施例中，該函數為該即時電流I _test 乘以一常數d，可以下列方程式表示：V _test ’=V _test +f(I _test )=V _test +d．I _test

其中該常數d依電池型號而有所不同，但通常介於0.1至0.9之間，在本較佳實施例中該常數為0.525。由於該第一修正單元202及該第二修正單元212的功能，使得該測試電池電量更進一步地接近真實情況。

綜上所述，本發明使用的機率類神經網路主要的理論基礎建立在於貝氏決策上，運用機率類神經網路的多層網路架構，即使面臨稀疏的樣本空間，對於錯誤的資訊還是具有相當的容忍性，故即使電池之放電為一非線性模型，以機率類神經網路配合本發明之第一修正步驟S1及第二修正步驟S4，不但有效率且成本較低，又可在電池放電過程 中正確測試當時的電池電量，故確實能達成本發明之目的。

惟以上所述者，僅為本發明之較佳實施例而已，當不能以此限定本發明實施之範圍，即大凡依本發明申請專利範圍及發明說明內容所作之簡單的等效變化與修飾，皆仍屬本發明專利涵蓋之範圍內。

S1‧‧‧第一修正步驟

S2‧‧‧訓練步驟

S3‧‧‧測試步驟

S4‧‧‧第二修正步驟

2‧‧‧電池電量測試系統

201‧‧‧感應裝置

202‧‧‧第一修正單元

203‧‧‧分類器

211‧‧‧感應裝置

212‧‧‧第二修正單元

213‧‧‧顯示裝置

8‧‧‧電池

9‧‧‧電池

I₁至I₅‧‧‧供訓練電流

V₁’至V₅’‧‧‧修正後供訓練電壓

H₁至H₅‧‧‧權重

SOC₁至SOC₅‧‧‧供訓練電池電量

I_x,V_x‧‧‧供測試電池參數組

SOC_x‧‧‧測試電池電量

圖1是一系統方塊圖，說明用以實作本發明電池電量測試方法之第一較佳實施例之電池電量測試系統；圖2是一流程圖，說明本發明方法之第一較佳實施例；圖3是一示意圖，說明機率類神經網路；圖4是一流程圖，說明本發明方法之第二較佳實施例；及圖5是一系統圖，說明用以實作本發明電池電量測試方法之第二較佳實施例之電池電量測試系統。

S1‧‧‧第一修正步驟

S2‧‧‧訓練步驟

S3‧‧‧測試步驟

Claims (10)

1. 一種電池電量測試方法，適用於一具有一供測試電池參數組的電池，該方法包含下列步驟：一第一修正步驟，修正多個供訓練電池參數及電量對應組，以得到多個修正後供訓練電池參數及電量對應組；一訓練步驟，根據該等修正後供訓練電池參數及電量對應組，訓練一分類器；以及一測試步驟，將該供測試電池參數組輸入該分類器中，以得到該電池之測試電池電量。
2. 根據申請專利範圍第1項所述之電池電量測試方法，其中在該第一修正步驟中，每一供訓練電池參數及電量對應組包括一供訓練電流、一供訓練電壓及一對應的供訓練電池電量，每一修正後供訓練電池參數及電量對應組包括該供訓練電流、一修正後供訓練電壓及該對應的供訓練電池電量。
3. 根據申請專利範圍第2項所述之電池電量測試方法，其中該第一修正步驟是根據該供訓練電流修正該供訓練電壓，以得到該修正後供訓練電壓。
4. 根據申請專利範圍第3項所述之電池電量測試方法，其中該第一修正步驟是根據以下運算式，運算出該修正後供訓練電壓V _train ’：V _train ’=V _train +c．I _train ；其中V _train 為該供訓練電壓，c為一常數，I _train 為該供訓 練電流。
5. 根據申請專利範圍第4項所述之電池電量測試方法，其中在該第一修正步驟中，該等供訓練電池參數及電量對應組中的修正後供訓練電壓V _train ’之間，具有一時間上的先後次序關係，每一修正後供訓練電壓V _train ’以至少二時間上相鄰的修正後供訓練電壓V _train ’的值再修正該修正後供訓練電壓V _train ’本身的值。
6. 根據申請專利範圍第1項所述之電池電量測試方法，還包含在該訓練步驟以及該測試步驟之間的一第二修正步驟，修正該電池之一即時電池參數組，以做為該供測試電池參數組。
7. 根據申請專利範圍第6項所述之電池電量測試方法，其中該即時電池參數組包括一即時電流及一即時電壓，該供測試電池參數組包括該即時電流及一供測試電壓。
8. 根據申請專利範圍第7項所述之電池電量測試方法，其中該第二修正步驟是根據該即時電流，修正該即時電壓，以得到該供測試電壓。
9. 根據申請專利範圍第8項所述之電池電量測試方法，其中該第二修正步驟是根據以下運算式，運算出該修正後供測試電壓V _test ’：V _test ’=V _test +d．I _test ；其中V _test 為該即時電壓，d為一常數，I _test 為該即時電流。
10. 根據申請專利範圍第1項所述之電池電量測試方法，其 中該分類器為一機率類神經網路模型，包括多個神經元，每一神經元對應一採一簡單代數運算方式直接決定的權重。