用于估计电池的充电状态和健康状态的方法及其系统

技术领域

本发明涉及估计电池的充电状态和健康状态。

背景技术

现代电动车辆和混合动力电动车辆通常使用诸如锂离子电池的电化学电池作为储能单元。以适当的串联和并联组合配置的多个这种单元形成电池。这些电池通常联接到电池管理系统(BMS)，该BMS被配置为监测使用合适的传感器测量的单元电压、电流和温度。BMS的主要功能之一是估计电池及其组成单元的充电状态(SOC)和健康状态(SOH)。BMS的另一重要功能是确保电池在预定“安全操作区域”中操作——例如避免单元过充电、充电不足、过温等的条件。单元的安全操作区域通常对单元操作电压、温度和流过电池的电流施加上下阈值。只有当每一个单元均在“安全操作区域”中时，电池才被称为在“安全操作区域”中操作。电池管理系统的其它重要功能包括平衡单元之间的电荷以延长电池寿命以及向车辆网络中的其它控制器传送信息。

需要准确的充电状态预测以确定电池中的剩余能量并基于当前负载条件来确定电池可操作的持续时间。电池的充电状态还为骑手安排电池的再充电提供良好判断。尽管电池的充电状态被视为短期电池参数，但健康状态被视为长期参数，因为电池退化在其寿命内逐渐发生。电池的SOH通常由电池的总电荷存储容量表征。用于表征SOH的另一参数是电池的内部阻抗，这在电池的可用输出功率中起主要作用。准确的健康预测改进了SOC估计的准确性，因为后者取决于电池模型参数。健康预测还提供关于电池退化的信息并辅助安排电池的更换。

估计SOC的传统方法之一是随时间对经过电池的电流进行积分。然而，由于电流测量噪声和测量偏移误差，此方法易于漂移。估计SOC的另一传统方法是利用了SOC和电池的开路单元电压之间的已知单调关系。然而，此方法需要电池处于松弛条件，在相当长的时间内没有电流流过电池。更准确的SOC和SOH估计方法利用了电池的准确等效模型。两大类的电池模型占优势——第一类是“等效电路模型”，其利用等效电阻器-电容器网络来近似电池中的底层化学现象。等效电路模型的示例是串联电阻模型、1RC等效电路、2RC等效电路。第二类是诸如DFN(Doyle-Fuller-Newman)模型、SPM(单粒子模型)的“电化学模型”。由于建模的底层复杂度，电化学模型的计算量很大，因此不常在实际BMS系统中使用。通常，等效电路模型不如电化学模型准确，但更适合在实际BMS中实现。

因此，本领域中需要一种用于估计电池的充电状态和健康状态的方法，其至少解决了上述问题。

发明内容

在本发明的一个方面，本发明涉及一种用于估计电池的充电状态和健康状态的方法。该方法具有以下步骤：基于电压、电池的充电状态、阻抗和电池的充电容量的通常已知的值来将第一向量和第二向量初始化；通过假设第二向量的固定值由基于第一状态空间滤波器的等效电路求解器来估计和更新第一向量；基于电化学模型完全或部分地估计和更新第二向量；由基于第二状态空间滤波器的等效电路求解器完全或部分地估计和更新第二向量；合并第二向量的由电化学模型和基于第二状态空间滤波器的等效电路求解器更新的值；从第一向量的更新值获得电池的充电状态；以及从第二向量的合并更新值获得电池的健康状态。

在本发明的实施方式中，第一向量是包括电压变量和电池充电状态的状态向量。

在本发明的另一实施方式中，第二向量是包括阻抗元件和电池充电容量的参数向量。

在本发明的另一实施方式中，与第一等效电路求解器和第二等效电路求解器对应的等效电路包括具有已知的估计阻抗的一个或更多个RC元件以及表示单元的开路电压的电压源。

在本发明的另一实施方式中，其中，等效电路中的单元的开路电压是单元的充电状态的非线性函数。

在另一实施方式中，第一状态空间滤波器是卡尔曼滤波器。在一个实施方式中，第二状态空间滤波器是卡尔曼滤波器。在一个实施方式中，电化学模型是电解液增强单粒子模型。

在另一方面，本发明涉及一种用于估计电池的充电状态和健康状态的系统。该系统具有：电压感测电路，其用于感测电池单元两端的电压；以及电流感测电路，其用于感测经过电池单元的电流。该系统还具有中央处理单元，其被配置用于基于电压、电池的充电状态、阻抗和电池的充电容量的通常已知的值将第一向量和第二向量初始化，通过假设第二向量的固定值由基于第一状态空间滤波器的等效电路求解器估计和更新第一向量，基于电化学模型完全或部分地估计和更新第二向量，由基于第二状态空间滤波器的等效电路求解器完全或部分地估计和更新第二向量，合并第二向量的由电化学模型和基于第二状态空间滤波器的等效电路求解器更新的值，并且从第一向量的更新值获得电池的充电状态，并且从第二向量的合并更新值获得电池的健康状态。

在本发明的实施方式中，第一向量是包括电压变量和电池充电状态的状态向量。

在本发明的另一实施方式中，第二向量是包括阻抗元件和电池充电容量的参数向量。

在本发明的另一实施方式中，与第一等效电路求解器和第二等效电路求解器对应的等效电路包括具有已知的估计阻抗的一个或更多个RC元件以及表示单元的开路电压的电压源。

在本发明的另一实施方式中，其中，等效电路中的单元的开路电压是单元的充电状态的非线性函数。

在另一实施方式中，第一状态空间滤波器是卡尔曼滤波器。在一个实施方式中，第二状态空间滤波器是卡尔曼滤波器。在一个实施方式中，电化学模型是电解液增强单粒子模型。

附图说明

现在参考本发明的实施方式，其示例可示出于附图中。这些图旨在例示，而非限制。尽管本发明通常在这些实施方式的上下文中描述，但是应该理解，并非旨在将本发明的范围限于这些特定实施方式。

图1示出根据本发明的实施方式的用于估计电池的充电状态和健康状态的系统。

图2示出根据本发明的实施方式的用于估计电池的充电状态和健康状态的方法。

图3示出根据本发明的实施方式的等效电路求解器。

图4示出根据本发明的实施方式的基于卡尔曼滤波器的第二向量估计和基于eSPM的第二向量估计、以及基于卡尔曼滤波器的第一向量估计。

图5示出根据本发明的实施方式的等效电路求解器的2RC等效电路。

图6示出根据本发明的实施方式的电化学电池的内部结构及其eSPM等效结构。

图7示出根据本发明的实施方式的考虑2RC模型单元，与负电极关联的电容图线。

图8示出根据本发明的实施方式的考虑2RC模型单元，与正电极关联的电容图线。

具体实施方式

本发明涉及一种用于估计电池的充电状态和健康状态的方法和系统。更具体地，本发明涉及一种用于估计电池的充电状态和健康状态的方法和系统，其中，电池包括一个或更多个电化学电池。

图1示出用于估计电池10的充电状态和健康状态的系统100。该系统包括：电池组10，其具有一个或更多个单元(cell)堆；电流感测电路120，其用于感测经过电池10的单元的电流；电压感测电路110，其用于感测电池10的单元两端的电压。在实施方式中，各个单元堆包括以串联和并联组合适当连接的单元集合。在实施方式中，单元堆还包括一个或更多个温度传感器以得到电池的热图。在该系统中，电流感测电路120、电压感测电路110和温度感测电路130联接到单元堆和中央处理单元140。

在实施方式中，使用集成到电池10中的相关传感器周期性地采样电池10的电压、电流和温度数据的测量。电压感测电路110连接到单元端子以对单元电压进行采样，温度感测电路130连接到单元堆的温度传感器以对温度数据进行采样。电流感测电路120被配置为使用电池10中的电流传感器对电流数据进行采样。如下文说明的，中央处理单元140被配置为估计电池10中的单元的充电状态(SOC)和(SOH)。

图2示出用于估计电池10的充电状态和健康状态的方法200中涉及的方法步骤。在步骤2A，基于电压、电池的充电状态、阻抗和电池的充电容量(Q)的通常已知的值将第一向量(x)和第二向量(Θ)初始化。在一个实施方式中，第一向量(x)是包括电压变量和电池10的充电状态的状态向量。在另一实施方式中，第二向量(Θ)是包括阻抗元件和电池的充电容量(Q)的参数向量。

在步骤2B，通过假设第二向量(Θ)的固定值由基于第一状态空间滤波器的等效电路求解器估计和更新第一向量(x)。图3示出本发明中的底层(underlying)第一等效电路求解器。第一等效电路求解器包括具有已知的估计阻抗的一个或更多个RC元件以及表示单元的开路电压的电压源。如进一步说明的，由基于第二状态空间滤波器的等效电路求解器估计RC元件的阻抗。将理解，源两端的电压(V

如上面说明的，本发明将与如图3所示的等效电路求解器关联的变量归类为状态向量(x)和参数向量(Θ)。如上面说明的，在实施方式中，状态向量(x)捕获单元中的相对短期的动态，而参数向量(Θ)捕获单元中的相对长期的动态。作为示例，状态向量“x”包括电压变量V

在步骤2C，基于电化学模型完全或部分地估计和更新第二向量(Θ)。在步骤2D，由基于第二状态空间滤波器的等效电路求解器完全或部分地估计和更新第二向量(Θ)，所述基于第二状态空间滤波器的等效电路求解器捕获负载对阻抗的长期影响。

参照图5，其中，在所示的实施方式中，电化学电池(例如锂离子电池)的2RC等效电路求解器，其中图3中的阻抗的RC组件的数量为2。源两端的电压指示单元的开路电压(V

图5中的V

电压和电流关系为：

V

其中V

其中Q是单元的电荷存储容量。

本发明的此实施方式使用上述2RC等效电路作为等效电路求解器的底层电路。

第一状态空间滤波器的状态向量“x”由SOC、V

在实施方式中，如图4中引用的，用于等效电路求解器的第一状态空间滤波器和用于等效电路求解器的第二状态空间求解器是卡尔曼滤波器。图4所示的块级架构示出状态空间滤波器。第一等效电路求解器和第二等效电路求解器使用假设诸如已知“零模型”的老化模型的卡尔曼滤波器来预测单元参数。在实施方式中，卡尔曼滤波器可被进一步实现为预测器步骤和校正器步骤。两个卡尔曼滤波器均能够交换信息以提供最优输出。

参照图4和图6，其中，在实施方式中，用于估计和更新第二向量的步骤2D中参考的电化学模型是电解液增强单粒子模型(eSPM)。如图6所示，电解液增强单粒子模型的内部单元结构包含多孔负电极和多孔正电极，多孔负电极和多孔正电极填充有电解液以促进正电荷载流子(例如，锂离子)迁移。电极使用分离器分离以防止电子流动，同时允许正电荷载流子的迁移。带有负载的外部闭合电路促进电子流动，因此创建电流。各个电极直接连接到高导电性集流器以便于电子迁移。

单元结构的eSPM等效假设浓度与实际单元相等的电极的单球结构。这降低了结构复杂度，而不会显著影响单元动态建模。eSPM模型还消除了在离子移动中几乎起消极作用的分离器。电极集流器被保留，因为它们是整体以便于电子移动。

电极粒子阻抗可被近似为如图5所示的并联RC网络。R

在步骤2E，如上所述由电化学模型和基于第二状态空间滤波器的等效电路求解器更新的第二向量(Θ)的值被合并，以得到第二向量(Θ)的更准确估计。最后在步骤2F，如上所述，从第一向量(x)的更新值获得电池的充电状态，并且从第二向量(Θ)的合并更新值获得电池的健康状态。

有利地，本发明提供了一种用于估计电池的充电状态和健康状态的方法，其受益于等效电路模型的简单性，同时还受益于电化学模型的准确性。

此外，本发明的系统和方法能够被集成在用于电动或混合动力车辆的电池管理系统中，从而提供一种用于估计电池的充电状态和健康状态的系统，其不仅高度准确，而且计算量较小。电池的充电状态的准确预测向用户指示电池何时需要充电以及电动车辆的范围，并且电池的健康状态的准确预测向用户指示电池何时需要更换。

尽管已关于某些实施方式描述了本发明，但是对于本领域技术人员而言将显而易见，在不脱离随附权利要求中限定的本发明的范围的情况下可进行各种改变和修改。