TWI663413B - Dual self-learning battery estimation system and method - Google Patents
Dual self-learning battery estimation system and method Download PDFInfo
- Publication number
- TWI663413B TWI663413B TW107113899A TW107113899A TWI663413B TW I663413 B TWI663413 B TW I663413B TW 107113899 A TW107113899 A TW 107113899A TW 107113899 A TW107113899 A TW 107113899A TW I663413 B TWI663413 B TW I663413B
- Authority
- TW
- Taiwan
- Prior art keywords
- value
- battery
- noise
- power
- health
- Prior art date
Links
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/10—Energy storage using batteries
Landscapes
- Secondary Cells (AREA)
- Tests Of Electric Status Of Batteries (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
一種雙自我學習式電池估測系統，適用於電連接一電池組，並包含一電池模型、一健康狀態自我學習裝置，及一電量自我學習裝置。該電池模型儲存有一開路電壓值相對於一電池電量值、一電池狀態值之相關資料，並用以輸出該開路電壓值。該健康狀態自我學習裝置根據該電池組之一量測電壓值及一量測電流值、該開路電壓值估算目前之該電池狀態值。該電量自我學習裝置根據該量測電壓值、該量測電流值、該開路電壓值及該電池狀態值估算目前之該電池電量值。藉由設計運用量測資料及內建儲存資料進行自我學習運算，可以增進估測精準度，而藉由設計資源共享，可以減少重複運算而大幅降低使用資源及運算成本。
Description
本發明是有關於一種電池估測系統及方法，特別是指一種雙自我學習式電池估測系統及方法。
隨著電動汽車的發展，作為動力主要來源的電池即為目前發展重點，藉由正確地估測電池的殘電量以及健康狀態，才能準確計算正確的續航里程數，避免殘電量及續航里程數錯誤而造成汽車無法正常運作甚至是拋錨等困擾。
目前常見的電池健康狀態估測方法有加載電壓法、庫倫估測法、內阻偵測法，但上述方法都會有誤差累積、不夠準確的問題，雖一般在穩定條件下施加固定電流即可算出電池健康狀態，然而在實際的電動車使用環境下，並不可能提供該穩定條件，導致實際上準確估測電池健康狀態具有極大困難性。
常見的電池殘電量估測方法為電流積分方法及電壓測量方法，然而，同樣地，雖在穩定放電條件下，上述方法可以得到不錯的估測準確度，但在實際的電動車使用環境下無法提供該穩定放電條件，因此，導致上述方法分別會因為電流積分誤差累積、電池阻抗壓降失真等問題而造成結果不準確，而針對上述問題所開發的補償技術又過於複雜，導致補償成本過高。
因此，本發明的第一目的，即在提供一種可提升估測準確度且降低運算成本的雙自我學習式電池估測系統。
於是，本發明雙自我學習式電池估測系統，適用於電連接一電池組，並包含一電池模型、一健康狀態自我學習裝置，及一電量自我學習裝置。
該電池模型儲存有一開路電壓值相對於一電池電量值、一電池狀態值之相關資料，並用以輸出該開路電壓值。
該健康狀態自我學習裝置適用於電連接該電池組及該電池模型，接收該電池組之一量測電壓值及一量測電流值、該開路電壓值，並至少根據該量測電壓值、該量測電流值及該開路電壓值估算目前之該電池狀態值。
該電量自我學習裝置適用於電連接該電池組、該電池模型及該健康狀態自我學習裝置，接收該量測電壓值、該量測電流值、該開路電壓值及該電池狀態值，並至少根據該量測電壓值、該量測電流值、該開路電壓值及該電池狀態值估算目前之該電池電量值。
因此，本發明的第二目的，即在提供一種可提升估測準確度且降低運算成本的雙自我學習式電池估測方法。
於是，本發明雙自我學習式電池估測方法，實施於一電池估測系統，並適用於估測一電池組的一電池電量值及一電池狀態值，該雙自我學習式電池估測方法包含下列步驟：
(A)儲備一具有一開路電壓值相對於該電池電量值、該電池狀態值之相關資料的電池模型。
(B)量測該電池組之一量測電壓值及一量測電流值，查詢該電池模型以得出該開路電壓值。
(C)至少根據該量測電壓值、該量測電流值及該開路電壓值估算目前之該電池狀態值。
(D)至少根據該量測電壓值、該量測電流值、該開路電壓值及該電池狀態值估算目前之該電池電量值。
本發明的功效在於：藉由設置該電池模型預先儲存所需資料，並設計該健康狀態自我學習裝置及該電量自我學習裝運用量測資料(該量測電壓值、該量測電流值)及內建儲存資料(由該電池模型所得出的該開路電壓值)進行自我學習運算，可以增進所估測之該電池狀態值及該電池電量值之精準度。而藉由設計使用運算出之該電池狀態值及該電池電量值反饋查詢該開路電壓值，並設計該電量自我學習裝置直接取用由該健康狀態自我學習裝置所運算出之該電池狀態值進行運算，還可以充分資源共享，減少重複運算而大幅降低使用資源及運算成本。
參閱圖1、圖2及圖3，本發明雙自我學習式電池估測系統之一實施例，適用於電連接一電池組9，並包含一量測裝置2、一電池模型3、一健康狀態自我學習裝置4，及一電量自我學習裝置5。
該量測裝置2適用於電連接該電池組9，用以量測該電池組9且提供該電池組9之一量測電壓值
及一量測電流值
。
參閱圖1及圖4，該電池模型3儲存有一開路電壓值
相對於一電池電量值
、一電池狀態值
之相關資料，並用以輸出該開路電壓值
。圖4中由上而下三個座標軸分別表示在45℃、25℃、0℃時，使用1S3P的電池組9所得出的該開路電壓值
相對於該電池電量值
、該電池狀態值
的相關資料，查詢時只要輸入該電池電量值
、該電池狀態值
，即可得出對應之該開路電壓值
。藉由儲存多組溫度模型，可以依據目前溫度而進行內插或是外插運算，進而得到更準確之該開路電壓值
的預估值。其中，該電池模型3所使用的查詢值是使用該健康狀態自我學習裝置4所運算出的該電池狀態值
及該電量自我學習裝置5所運算出的該電池電量值
，於初次查詢所使用的初始值分別為該電池狀態值
為0%、該電池電量值
為100%。
值得一提的是，於本實施例中，該電池模型3所儲存之該電池狀態值為一電池老化值(State of Aging，縮寫為SOA)，而於下述之計算公式中，所使用之該電池狀態值為一電池健康值(State of Health，縮寫為SOH)，此是由於該電池老化值SOA與該電池健康值SOH具有下列公式所示之簡單互補關係，因此，本技術領域中具有通常知識者可充分了解兩者於運算中可以輕易地進行轉換而十分容易彼此替換，亦即，該電池模型3所儲存之該電池狀態值亦可使用該電池健康值SOH作為替換，而下述之計算中所使用之該電池狀態值亦可使用該電池老化值作為替換，並不以此為限。
SOA+SOH=100％；
參閱圖1、圖2及圖3，該健康狀態自我學習裝置4適用於經由該量測裝置2電連接該電池組9及電連接該電池模型3，接收該量測電壓值
、該量測電流值
、該開路電壓值
，並根據該量測電壓值
、該量測電流值
及該開路電壓值
估算目前之該電池狀態值
。
該健康狀態自我學習裝置4包括一健康延遲單元41、一健康預測單元42、一健康雜訊單元43，及一健康更新單元44。
該健康延遲單元41接收一健康估算雜訊
及該電池狀態值
並延遲輸出為一延遲健康估算雜訊
及一延遲電池狀態值
，亦即，該健康估算雜訊
及該電池狀態值
為目前之估算值，而該延遲健康估算雜訊
及該延遲電池狀態值
為上一時間點的該健康估算雜訊
及該電池狀態值
之估算值，下標之
為一選定時間點，用以輔助說明該估算值之時間序。
該健康預測單元42接收該量測電壓值
、該量測電流值
及該開路電壓值
，並至少根據該量測電壓值
、該量測電流值
及該開路電壓值
輸出一電池狀態預估值
，其公式為：
；
其中，
為一初始電量，其數值根據使用不同款式之電池組9而有所變化，於本實施例中，其值為10Ah，
為一電導值，
為一抵補電流值，後二者之數值同樣會依據使用不同款式之電池組9而有所變化。
該健康雜訊單元43接收該量測電壓值
、該開路電壓值
及該延遲健康估算雜訊
，並至少根據該量測電壓值
、該開路電壓值
及該延遲健康估算雜訊
輸出該健康估算雜訊
及一健康雜訊比值
。
該健康雜訊單元43具有一健康雜訊預測模組431、一健康量測雜訊模組432，及一健康雜訊計算模組433。
該健康雜訊預測模組431接收該延遲健康估算雜訊
，並將該延遲健康估算雜訊
加上一健康雜訊誤差值
後輸出為該健康估算雜訊
，其中，該健康雜訊誤差值
較佳為0.05，該健康估算雜訊之初始值
為0，該健康雜訊預測模組431之運算公式為：
；
該健康量測雜訊模組432接收該量測電壓值
及該開路電壓值
，並至少根據該量測電壓值
及該開路電壓值
輸出一健康量測雜訊
，其公式為：
；
該健康雜訊計算模組433接收該健康估算雜訊
及該健康量測雜訊
，並根據該健康估算雜訊
及該健康量測雜訊
輸出該健康雜訊比值
，其中，該健康雜訊比值
之運算值通常介於-1000~1000之間，其公式為：
；
該健康更新單元44接收該電池狀態預估值
、該延遲電池狀態值
及該健康雜訊比值
，並根據該電池狀態預估值
、該延遲電池狀態值
及該健康雜訊比值
輸出該電池狀態值
、
。於本實施例中，該健康更新單元44會輸出該電池健康值
及該電池老化值
兩者，然而，相同於上述理由，由於該電池老化值SOA與該電池健康值SOH可簡單替換，因此，本技術領域中具有通常知識者可充分了解該健康更新單元44亦可僅輸出該電池健康值
及該電池老化值
其中任一值，再經由簡單轉換而得到另一者。該健康更新單元44之運算公式為：
；
該電量自我學習裝置5適用於經該量測裝置2電連接該電池組9、電連接該電池模型3及該健康狀態自我學習裝置4，接收該量測電壓值
、該量測電流值
、該開路電壓值
及該電池狀態值
，並根據該量測電壓值
、該量測電流值
、該開路電壓值
及該電池狀態值
估算目前之該電池電量值
。
該電量自我學習裝置5包括一電量延遲單元51、一電量預測單元52、一電量雜訊單元53，及一電量更新單元54。
該電量延遲單元51接收一電量估算雜訊
及該電池電量值
並延遲輸出為一延遲電量估算雜訊
及一延遲電池電量值
，亦即，該電量估算雜訊
及該電池電量值
為目前之估算值，而該延遲電量估算雜訊
及該延遲電池電量值
為上一時間點的該電量估算雜訊
及該電池電量值
之估算值。
該電量預測單元52接收該電池狀態值
(由該健康狀態自我學習裝置4)、該量測電流值
及該延遲電池電量值
，並至少根據該電池狀態值
、該量測電流值
及該延遲電池電量值
輸出一電池電量預估值
，其公式為：
；
該電量雜訊單元53接收該量測電壓值
、該開路電壓值
及該延遲電量估算雜訊
，並至少根據該量測電壓值
、該開路電壓值
及該延遲電量估算雜訊
輸出該電量估算雜訊
及一電量雜訊比值
。
該電量雜訊單元53具有一電量雜訊預測模組531、一電量量測雜訊模組532，及一電量雜訊計算模組533。
該電量雜訊預測模組531接收該延遲電量估算雜訊
，並將該延遲電量估算雜訊
加上一電量雜訊誤差值
後輸出為該電量估算雜訊
，其中，該電量雜訊誤差值
較佳為0.05，該電量估算雜訊之初始值
為0，該電量雜訊預測模組531之運算公式為：
；
該電量量測雜訊模組532接收該量測電壓值
及該開路電壓值
，並至少根據該量測電壓值
及該開路電壓值
輸出一電量量測雜訊
，其公式為：
；
該電量雜訊計算模組533接收該電量估算雜訊
及該電量量測雜訊
，並根據該電量估算雜訊
及該電量量測雜訊
輸出該電量雜訊比值
，其中，該電量雜訊比值
之運算值通常介於0~1000之間，其公式為：
；
該電量更新單元54接收該電池電量預估值
、該延遲電池電量值
及該電量雜訊比值
，並根據該電池電量預估值
、該延遲電池電量值
及該電量雜訊比值
輸出該電池電量值
，其公式為：
；
參閱圖1、圖2及圖5，本實施例雙自我學習式電池估測系統所執行的雙自我學習式電池估測方法包含下列步驟：
步驟71：儲備具有該開路電壓值
相對於該電池電量值SOC、該電池狀態值(此處使用電池老化值SOA，下述之該電池狀態值使用電池健康值SOH)之相關資料的該電池模型3。
步驟72：量測該電池組9之該量測電壓值
及該量測電流值
，查詢該電池模型3以得出該開路電壓值
。
步驟73：至少根據該量測電壓值
、該量測電流值
及該開路電壓值
估算目前之該電池狀態值
。
其中，於步驟73中，還包括下列步驟：
步驟73-1：將該健康估算雜訊
及該電池狀態值
延遲輸出為該延遲健康估算雜訊
及該延遲電池狀態值
。
步驟73-2：至少根據該量測電壓值
、該量測電流值
及該開路電壓值
輸出該電池狀態預估值
，其運算公式為：
；
步驟73-3：至少根據該量測電壓值
、該開路電壓值
及該延遲健康估算雜訊
輸出該健康估算雜訊
及該健康雜訊比值
，其運算公式為：
；
；
；
步驟73-4：至少根據該電池狀態預估值
、該延遲電池狀態值
及該健康雜訊比值
輸出該電池狀態值
，其運算公式為：
；
參閱圖1、圖3及圖5，步驟74：至少根據該量測電壓值
、該量測電流值
、該開路電壓值
及該電池狀態值
估算目前之該電池電量值
。
其中，於步驟74中，還包括下列步驟：
步驟74-1：將該電量估算雜訊
及該電池電量值
延遲輸出為該延遲電量估算雜訊
及該延遲電池電量值
。
步驟74-2：至少根據該電池狀態值
、該量測電流值
及該延遲電池電量值
輸出該電池電量預估值
，其運算公式為：
；
步驟74-3：至少根據該量測電壓值
、該開路電壓值
及該延遲電量估算雜訊
輸出該電量估算雜訊
及該電量雜訊比值
，其運算公式為：
；
；
；
步驟74-4：至少根據該電池電量預估值
、該延遲電池電量值
及該電量雜訊比值
輸出該電池電量值
，其運算公式為：
；
經由以上的說明，可將本實施例的優點歸納如下：
一、藉由設置該電池模型3預先儲存所需資料，並設計該健康狀態自我學習裝置4及該電量自我學習裝置5運用量測資料(該量測電壓值
、該量測電流值
)及內建儲存資料(由該電池模型3所查詢得出的該開路電壓值
)進行自我學習運算，可以增進所估測之該電池狀態值
及該電池電量值
之精準度。而藉由設計使用運算出之該電池狀態值
及該電池電量值
反饋查詢該開路電壓值
，並設計該電量自我學習裝置5直接取用由該健康狀態自我學習裝置4所運算出之該電池狀態值
進行運算，還可以充分資源共享，減少重複運算而大幅降低使用資源及運算成本，且由於所共享之數值(該電池狀態值
、該電池電量值
、該開路電壓值
、該量測電壓值
、該量測電流值
)皆為即時資訊，因此還可以再相互增進估測結果的準確性。
二、藉由設置儲存有多組溫度模型的該電池模型3，還可以依據目前溫度而進行內插或是外插運算，故能得到更準確之該開路電壓值
的預估值，並進而增進所估測之該電池狀態值
及該電池電量值
的準確性。
綜上所述，本發明雙自我學習式電池估測系統及雙自我學習式電池估測方法，確實能達成本發明的目的。
惟以上所述者，僅為本發明的實施例而已，當不能以此限定本發明實施的範圍，凡是依本發明申請專利範圍及專利說明書內容所作的簡單的等效變化與修飾，皆仍屬本發明專利涵蓋的範圍內。
2‧‧‧量測裝置
3‧‧‧電池模型
4‧‧‧健康狀態自我學習裝置
41‧‧‧健康延遲單元
42‧‧‧健康預測單元
43‧‧‧健康雜訊單元
431‧‧‧健康雜訊預測模組
432‧‧‧健康量測雜訊模組
433‧‧‧健康雜訊計算模組
44‧‧‧健康更新單元
5‧‧‧電量自我學習裝置
51‧‧‧電量延遲單元
52‧‧‧電量預測單元
53‧‧‧電量雜訊單元
531‧‧‧電量雜訊預測模組
532‧‧‧電量量測雜訊模組
533‧‧‧電量雜訊計算模組
54‧‧‧電量更新單元
71~74‧‧‧步驟
9‧‧‧電池組
G‧‧‧電量雜訊比值
H‧‧‧健康雜訊比值
SOA k ‧‧‧電池老化值
SOC k ‧‧‧電池電量值
SOC k -1‧‧‧延遲電池電量值
SOC k '‧‧‧電池電量預估值
SOH k ‧‧‧電池狀態值
SOH k -1‧‧‧延遲電池狀態值
SOH k '‧‧‧電池狀態預估值
i‧‧‧量測電流值
V m ‧‧‧量測電壓值
V oc ‧‧‧開路電壓值
δ k ‧‧‧電量估算雜訊
δ k -1‧‧‧延遲電量估算雜訊
δ m ‧‧‧電量量測雜訊
σ k ‧‧‧健康估算雜訊
σ k -1‧‧‧延遲健康估算雜訊
σ m ‧‧‧健康量測雜訊
本發明的其他的特徵及功效，將於參照圖式的實施方式中清楚地呈現，其中： 圖1是本發明雙自我學習式電池估測系統的一實施例的一方塊示意圖； 圖2是該實施例的一健康狀態自我學習裝置的一方塊示意圖； 圖3是該實施例的一電量自我學習裝置的一方塊示意圖； 圖4是該實施例的一電池模型的一示意圖；及 圖5是一流程圖，說明該實施例的一雙自我學習式電池估測方法。
Claims (13)
- 一種雙自我學習式電池估測系統，適用於電連接一電池組，並包含：一電池模型，儲存有一開路電壓值相對於一電池電量值、一電池狀態值之相關資料，並用以輸出該開路電壓值；一健康狀態自我學習裝置，適用於電連接該電池組及該電池模型，接收該電池組之一量測電壓值及一量測電流值、該開路電壓值，並至少根據該量測電壓值、該量測電流值及該開路電壓值估算目前之該電池狀態值；及一電量自我學習裝置，適用於電連接該電池組、該電池模型及該健康狀態自我學習裝置，接收該量測電壓值、該量測電流值、該開路電壓值及該電池狀態值，並至少根據該量測電壓值、該量測電流值、該開路電壓值及該電池狀態值估算目前之該電池電量值；其中，該健康狀態自我學習裝置包括一健康延遲單元、一健康預測單元、一健康雜訊單元，及一健康更新單元，該健康延遲單元接收一健康估算雜訊及該電池狀態值並延遲輸出為一延遲健康估算雜訊及一延遲電池狀態值，該健康預測單元接收該量測電壓值、該量測電流值及該開路電壓值，並至少根據該量測電壓值、該量測電流值及該開路電壓值輸出一電池狀態預估值，該健康雜訊單元接收該量測電壓值、該開路電壓值及該延遲健康估算雜訊，並至少根據該量測電壓值、該開路電壓值及該延遲健康估算雜訊輸出該健康估算雜訊及一健康雜訊比值，該健康更新單元接收該電池狀態預估值、該延遲電池狀態值及該健康雜訊比值，並根據該電池狀態預估值、該延遲電池狀態值及該健康雜訊比值輸出該電池狀態值。
- 如請求項1所述的雙自我學習式電池估測系統，其中，該健康雜訊單元具有：一健康雜訊預測模組，接收該延遲健康估算雜訊，並將該延遲健康估算雜訊加上一健康雜訊誤差值後輸出為該健康估算雜訊，一健康量測雜訊模組，接收該量測電壓值及該開路電壓值，並至少根據該量測電壓值及該開路電壓值輸出一健康量測雜訊，及一健康雜訊計算模組，接收該健康估算雜訊及該健康量測雜訊，並根據該健康估算雜訊及該健康量測雜訊輸出該健康雜訊比值。
- 如請求項1所述的雙自我學習式電池估測系統，其中，該電量自我學習裝置包括：一電量延遲單元，接收一電量估算雜訊及該電池電量值並延遲輸出為一延遲電量估算雜訊及一延遲電池電量值，一電量預測單元，接收該電池狀態值、該量測電流值及該延遲電池電量值，並至少根據該電池狀態值、該量測電流值及該延遲電池電量值輸出一電池電量預估值，一電量雜訊單元，接收該量測電壓值、該開路電壓值及該延遲電量估算雜訊，並至少根據該量測電壓值、該開路電壓值及該延遲電量估算雜訊輸出該電量估算雜訊及一電量雜訊比值，及一電量更新單元，接收該電池電量預估值、該延遲電池電量值及該電量雜訊比值，並根據該電池電量預估值、該延遲電池電量值及該電量雜訊比值輸出該電池電量值。
- 如請求項3所述的雙自我學習式電池估測系統，其中，該電量雜訊單元具有：一電量雜訊預測模組，接收該延遲電量估算雜訊，並將該延遲電量估算雜訊加上一電量雜訊誤差值後輸出為該電量估算雜訊，一電量量測雜訊模組，接收該量測電壓值及該開路電壓值，並至少根據該量測電壓值及該開路電壓值輸出一電量量測雜訊，及一電量雜訊計算模組，接收該電量估算雜訊及該電量量測雜訊，並根據該電量估算雜訊及該電量量測雜訊輸出該電量雜訊比值。
- 如請求項1所述的雙自我學習式電池估測系統，其中，該電池模型儲存有在複數組溫度下，該開路電壓值相對於該電池電量值、該電池狀態值之相關資料。
- 一種雙自我學習式電池估測方法，實施於一電池估測系統，並適用於估測一電池組的一電池電量值及一電池狀態值，該雙自我學習式電池估測方法包含下列步驟：(A)儲備一具有一開路電壓值相對於該電池電量值、該電池狀態值之相關資料的電池模型；(B)量測該電池組之一量測電壓值及一量測電流值，查詢該電池模型以得出該開路電壓值；(C)至少根據該量測電壓值、該量測電流值及該開路電壓值估算目前之該電池狀態值；及(D)至少根據該量測電壓值、該量測電流值、該開路電壓值及該電池狀態值估算目前之該電池電量值；其中，於步驟C中，還包括下列步驟：(C1)將一健康估算雜訊及該電池狀態值延遲輸出為一延遲健康估算雜訊及一延遲電池狀態值，(C2)至少根據該量測電壓值、該量測電流值及該開路電壓值輸出一電池狀態預估值，(C3)至少根據該量測電壓值、該開路電壓值及該延遲健康估算雜訊輸出該健康估算雜訊及一健康雜訊比值，及(C4)至少根據該電池狀態預估值、該延遲電池狀態值及該健康雜訊比值輸出該電池狀態值。
- 如請求項6所述的雙自我學習式電池估測方法，其中，於步驟D中，還包括下列步驟：(D1)將一電量估算雜訊及該電池電量值延遲輸出為一延遲電量估算雜訊及一延遲電池電量值，(D2)至少根據該電池狀態值、該量測電流值及該延遲電池電量值輸出一電池電量預估值，(D3)至少根據該量測電壓值、該開路電壓值及該延遲電量估算雜訊輸出該電量估算雜訊及一電量雜訊比值，及(D4)至少根據該電池電量預估值、該延遲電池電量值及該電量雜訊比值輸出該電池電量值。
- 如請求項7所述的雙自我學習式電池估測方法，其中，步驟C2具有下述運算公式：其中，SO 為該電池狀態預估值，Cap init 為一初始電量，i為該量測電流值，α為一電導值，β為一抵補電流值，v m 為該量測電壓值，v oc 為該開路電壓值。
- 如請求項7所述的雙自我學習式電池估測方法，其中，步驟C3具有下述運算公式：σ k =σ k-1+R； 其中，σ k 為該健康估算雜訊，σ k-1為該延遲健康估算雜訊，R為一健康雜訊誤差值，σ m 為一健康量測雜訊，v m 為該量測電壓值，SOH k 為該電池狀態值，Cap init 為一初始電量，i為該量測電流值，v oc 為該開路電壓值，α為一電導值，β為一抵補電流值，H為該健康雜訊比值。
- 如請求項7所述的雙自我學習式電池估測方法，其中，步驟C4具有下述運算公式：SOH k =SOH k '+H(SOH k-1-SOH k ')；其中，SOH k 為該電池狀態值，SOH k '為該電池狀態預估值，H為該健康雜訊比值，SOH k-1為該延遲電池狀態值。
- 如請求項7所述的雙自我學習式電池估測方法，其中，步驟D2具有下述運算公式：其中，SO 為該電池電量預估值，SO 為該延遲電池電量值，i為該量測電流值，Cap init 為一初始電量，SOH k 為該電池狀態值，k為一選定時間點。
- 如請求項7所述的雙自我學習式電池估測方法，其中，步驟D3具有下述運算公式：δ k =δ k-1+Q； 其中，δ k 為該電量估算雜訊，δ k-1為該延遲電量估算雜訊，Q為一電量雜訊誤差值，δ m 為一電量量測雜訊，v m 為該量測電壓值，SOC k 為該電池電量值，Cap init 為一初始電量，i為該量測電流值，v oc 為該開路電壓值，α為一電導值，β為一抵補電流值，G為該電量雜訊比值。
- 如請求項7所述的雙自我學習式電池估測方法，其中，步驟D4具有下述運算公式：SOC k =SOC k '+G(SOC k-1-SOC k ')；其中，SOC k 為該電池電量值，SOC k '為該電池電量預估值，G為該電量雜訊比值，SOC k-1為該延遲電池電量值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW107113899A TWI663413B (zh) | 2018-04-24 | 2018-04-24 | Dual self-learning battery estimation system and method |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW107113899A TWI663413B (zh) | 2018-04-24 | 2018-04-24 | Dual self-learning battery estimation system and method |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| TWI663413B true TWI663413B (zh) | 2019-06-21 |
| TW201945749A TW201945749A (zh) | 2019-12-01 |
Family
ID=67764497
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| TW107113899A TWI663413B (zh) | 2018-04-24 | 2018-04-24 | Dual self-learning battery estimation system and method |
Country Status (1)
| Country | Link |
|---|---|
| TW (1) | TWI663413B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1972955A1 (en) * | 2005-12-27 | 2008-09-24 | Toyota Jidosha Kabushiki Kaisha | Charged state estimation device and charged state estimation method of secondary battery |
| CN102520366A (zh) * | 2011-12-23 | 2012-06-27 | 上海交通大学 | 电动车电池安全与健康评估系统及其方法 |
| US20130158916A1 (en) * | 2011-12-19 | 2013-06-20 | Qualcomm Incorporated | Battery fuel gauge |
| CN103616647A (zh) * | 2013-12-09 | 2014-03-05 | 天津大学 | 一种用于电动汽车电池管理系统的电池剩余电量估计方法 |
| CN104459552A (zh) * | 2014-11-28 | 2015-03-25 | 上海交通大学 | 评估充电行为对电动汽车电池健康状况的影响的方法 |
-
2018
- 2018-04-24 TW TW107113899A patent/TWI663413B/zh not_active IP Right Cessation
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1972955A1 (en) * | 2005-12-27 | 2008-09-24 | Toyota Jidosha Kabushiki Kaisha | Charged state estimation device and charged state estimation method of secondary battery |
| US20130158916A1 (en) * | 2011-12-19 | 2013-06-20 | Qualcomm Incorporated | Battery fuel gauge |
| CN102520366A (zh) * | 2011-12-23 | 2012-06-27 | 上海交通大学 | 电动车电池安全与健康评估系统及其方法 |
| CN103616647A (zh) * | 2013-12-09 | 2014-03-05 | 天津大学 | 一种用于电动汽车电池管理系统的电池剩余电量估计方法 |
| CN104459552A (zh) * | 2014-11-28 | 2015-03-25 | 上海交通大学 | 评估充电行为对电动汽车电池健康状况的影响的方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| TW201945749A (zh) | 2019-12-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108508371B (zh) | 一种基于等效电路模型的动力电池soc/soh/sop联合估计方法 | |
| WO2021197038A1 (zh) | 确定电池荷电状态的方法及装置，电池管理系统 | |
| KR102452548B1 (ko) | 배터리 열화 상태 추정장치, 그를 포함한 시스템 및 그 방법 | |
| CN108369258B (zh) | 状态估计装置、状态估计方法 | |
| JP7036605B2 (ja) | 組電池の状態推定装置及び組電池の状態推定方法 | |
| WO2017143830A1 (zh) | 检测电池健康状态的方法、装置和电池管理系统 | |
| WO2018196121A1 (zh) | 一种确定电池内短路的方法及装置 | |
| US10845417B2 (en) | Battery state estimation device, battery control device, battery system, battery state estimation method | |
| JP6509725B2 (ja) | バッテリの充電状態の推定 | |
| JP6409721B2 (ja) | 電池状態推定装置 | |
| JP6806002B2 (ja) | 温度推定装置 | |
| CN102449495B (zh) | 电池充电率计算装置 | |
| JP2014044074A (ja) | 電池状態推定装置、電池制御装置、電池システム、電池状態推定方法 | |
| WO2020259096A1 (zh) | 电池的许用功率估算方法、装置、系统和存储介质 | |
| WO2024067388A1 (zh) | 一种电池健康状态估算方法、系统、设备和介质 | |
| JP6200359B2 (ja) | 二次電池内部温度推定装置および二次電池内部温度推定方法 | |
| JP6895541B2 (ja) | 二次電池監視装置、二次電池状態演算装置および二次電池状態推定方法 | |
| CN110376536B (zh) | 电池系统soh检测方法、装置、计算机设备和存储介质 | |
| KR20120031611A (ko) | 차량의 배터리 ｓｏｈ 추정 장치 및 방법 | |
| CN110462412B (zh) | 用于估计电池的soc的装置和方法 | |
| CN108828448B (zh) | 基于充电电压曲线融合卡尔曼滤波的电池荷电状态在线估算方法 | |
| TWI818777B (zh) | 電池管理裝置、電池管理方法 | |
| CN104242393A (zh) | 基于动态soc估算系统的电池管理系统 | |
| CN110927582B (zh) | 一种基于多种sigma点的锂电池SOC估计方法 | |
| Ramezani-al et al. | A novel combined online method for SOC estimation of a Li-Ion battery with practical and industrial considerations |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| MM4A | Annulment or lapse of patent due to non-payment of fees |