使用高級電池模型預測技術來計算蓄電池組的功率容量的方法

專利名稱：使用高級電池模型預測技術來計算蓄電池組的功率容量的方法
技術領域：
本發明涉及用來估計蓄電池充電功率和放電功率的方法和設備的實施。
背景技術：
多種高性能蓄電池應用要求適于由蓄電池組作為動力源的有效功率的精確實時估計。例如，在混合電動車輛(HEV)和蓄電池電動車輛(BEV)中，車輛控制器要求來自蓄電池管理系統(BMS)的、關于可以從蓄電池組供給到電動機的功率和經再生制動或通過經電機的主動再充電可以供給到該組的功率的最新信息。在現有技術中的一種當前技術，稱作HPPC(混合脈沖功率特征化)方法，通過使用電壓極限計算最大充電和放電極限完成這種估計任務。如在由美國能源部的愛達荷州(Idaho)國家工程和環境實驗室出版的PNGV(新一代汽車伙伴(Partnership for New Generation Vehicles))蓄電池試驗手冊，2001年2月第3版，中描述的那樣，HPPC方法通過只考慮對于電壓的操作設計極限估計最大電池功率。它不考慮對于電流、功率、或蓄電池充電狀態(SOC)的設計極限。該方法也產生對于范圍Δt的粗略預測。在蓄電池組中的每個電池由如下近似關系模擬vk(t)＝OCV(zk(t))-R×ik(t)(1)其中OCV(zk(t))是電池k在其當前充電狀態(zk(t))下的開路電壓，并且R是代表電池的內阻的常數。如果希望，對于充電和放電電流可以使用R的不同值，并且分別指示為Rchg和Rdis。
由于必須執行設計極限vmin≤vk(t)≤vmax，所以可在電壓約束下計算最大放電電流，如下面所示
imax,kdis,volt=OCV(zk(t))-vminRdis---(2)]]>類似地基于電壓可以計算最大充電電流數值。然而注意，充電電流按照在在本發明中采用的習慣假定符號是負的(盡管通過方法的微小修改可以使用相反的習慣)，從而最大數值電流在帶符號的意義上最小。它是imin,kchg,volt=OCV(zk(t))-vmaxRchg---(3)]]>然后計算組功率為Pminchg=nsnpmaxk(vmaximin,kchg,vot)]]>Pmaxdis=nsnpmink(vminimax,kdis,vot).]]>這種現有技術充電計算方法在幾個方面受到限制。首先，如以上指出，該方法在計算中不使用SOC、最大電流、或最大功率的操作設計極限。更重要的是，使用的電池模型太原始而不能給出精確結果。可能產生過分樂觀或悲觀的值，或者使蓄電池的健康安全性受害或者引起低效的蓄電池使用。
所希望的是一種基于蓄電池的電池模型用于蓄電池充電估計的新方法和設備。這樣一種電池模型與使用該電池模型的最大功率算法相結合，可以給出更好的功率預測。新方法也引入諸如SOC、電流、及功率之類的操作設計極限。

發明內容
本發明涉及用來估計蓄電池應用，包括在混合電動車輛(HEV)和電動車輛(EV)中使用的蓄電池組，的放電和充電功率的一種方法和一種設備。一個實施例是一種充電預測方法，該方法包括電壓、充電狀態、功率、及電流設計約束條件，在用戶規定的Δt的預測范圍內工作，比現有技術狀態更可靠和精確。在蓄電池操作期間該實施列具有允許不同建模的選擇，以兼容在混合電動車輛(HEV)和電動車輛(EV)中使用的高度動態蓄電池，其中以前這樣的實施是困難的。
本發明的實施例通過使用四個主要極限的任意組合計算最大充電/放電電流而計算最大充電/放電功率1.充電狀態(SOC)極限2.電壓極限3.電流極限4.功率極限在一個實施例中，選擇使用充電狀態(SOC)、電壓、及電流極限計算的最小絕對充電/放電電流值，以得到最大絕對充電/放電功率。在一個實施例中，最大絕對充電/放電功率被檢查，以保證它在功率極限內。在一個實施例中，最大絕對充電/放電功率以一種方式被計算，從而不違反可以使用的極限的任意組合。
以前方法在它們的最大充電/放電功率的估計中不使用SOC極限。本發明包括蓄電池的電池或蓄電池組的SOC，以估計最大充電/放電電流。估計清晰地包括用戶限定的時間范圍Δt。在一個實施例中，通過使用Kalman濾波器得到SOC。由Kalman濾波產生的SOC也產生不確定值的估計，該不確定值可用在最大充電/放電計算中，以產生最大充電/放電電流估計的可信度。
本發明的方法對基于電壓極限的現有技術功率估計進行改進。在本發明中，以包括用戶限定的時間水平Δt的方式，使用電壓極限用來計算最大充電/放電電流。兩種主要電池模型實施例在本發明中用于基于電壓極限的最大充電/放電功率的計算。第一種是使用Taylor級數展開以線性化涉及的公式的簡單電池模型。第二種是以離散—時間狀態-一空間形式模擬電池動態的更復雜和準確的電池模型。電池模型可包括諸如溫度、電阻、容量等之類的各種輸入。使用基于模型的手段的一個優點是，在產生SOC的Kalman濾波和基于電壓極限的最大充電/放電電流的估計中都可以使用相同的電池模型。
本發明的實施例也包括基于上述的電壓、電流、功率、或SOC極限的任意組合的充電估計的方法。例如，充電估計可僅基于電壓極限，或與電流極限、SOC極限和/或功率極限相組合。
本發明的實施例指向一種功率設備，該功率設備引入來自蓄電池的諸如電流、電壓、溫度之類的數據測量，并且把這樣的測量供給到算術運算電路，該算術運算電路包括進行在本發明中公開的計算方法以估計絕對最大充電或放電功率的計算裝置。


利用如下描述、附屬權利要求書及附圖，本發明的這些和其它特征、方面及優點將變得更好理解，其中圖1A是根據本發明的實施例概括最大放電估計的流程圖；圖1B是根據本發明的實施例概括最小充電估計的流程圖；圖2是示意方塊圖，表示本發明的功率估計實施例的傳感器元件；圖3是對于特定電池電化學作為充電狀態的函數的開路電壓(OCV)的示范曲線圖；圖4是示范曲線圖，表示對于特定電池電化學作為充電狀態的函數的OCV的導數；圖5是曲線圖，表示使用本發明的電池模型的電壓預測；圖6是對于在約50％充電狀態下的一個UDDS循環電壓預測的曲線圖的放大；圖7是用于電池試驗的充電狀態蹤跡；圖8是對于PNGV HPPC方法和本發明的方法I比較作為SOC的函數的靜態最大功率計算的曲線圖；圖9是曲線圖，表示在包括用于在90％降到10％的SOC范圍上的十六個UDDS循環的電池循環試驗的放電功率能力估計；圖10是圖9的放大曲線圖，表示約一個UDDS循環；圖11是曲線圖，表示用于包括在90％低到10％的SOC范圍上的十六個UDDS循環的電池循環試驗的充電功率能力估計；及圖12是圖11的放大曲線圖，表示約一個UDDS循環。
具體實施例方式
本發明的實施例涉及用于任何蓄電池供電用途的蓄電池充電估計。在一個實施例中，估計器方法和設備求出可以保持Δt秒而不違反對于電池電壓、充電狀態、功率、或電流的預置極限的最大絕對蓄電池充電和/或放電功率(基于當前蓄電池組條件)。
圖1A和1B表明本發明的實施例的概要。圖1A表示用來求出在用戶限定的時間范圍Δt內的最大放電功率，即在下個Δt時段內可從蓄電池連續地提取多大功率來使用，的方法。在車輛應用中，最大放電功率的準確估計可幫助防止蓄電池過提取的有害發生。
在步驟10中，基于對充電狀態的預置極限計算最大放電電流。估計清晰地包括用戶限定時間范圍Δt。在一個實施例中，通過使用kalman濾波方法得到SOC。由Kalman濾波產生的SOC也產生不確定值的估計，該不確定值可用在最大充電/放電計算中，以產生最大充電/放電電流估計的可信度。在另一個實施例中，使用簡單的充電狀態。步驟10在標題為“基于充電狀態(SOC)極限的計算”的章節中進一步描述。
在步驟12中基于對電壓的預置極限計算最大放電電流。本發明具有基于電壓極限來計算最大充電/放電功率的兩個主要模型實施例，盡管可知道可使用其它電池模型。兩者都克服了給出時間水平Δt的粗略預測的現有技術放電估計方法的限制。第一個是使用Taylor級數展開以線性化相關的公式的簡單電池模型。第二個是以離散-時間狀態--空間形式模擬電池動態的更復雜和準確的電池模型。電池模型可包括諸如溫度、電阻、容量等之類的各種輸入。兩種電池模型在標題為“基于電壓極限的計算”的章節中進一步描述。
然后在步驟14中，基于對電流的預置極限計算最大放電電流。在步驟16中，選擇來自步驟10、12、及14的三個計算電流值的最小值。要理解，步驟10、12、及14的執行順序是可互換的。還要理解，如果需要，在實施中，可以省略步驟10、12、及14的任意組合。使用選擇的放電電流值，步驟18計算最大放電功率。計算的組功率可以進一步改善，以便不違反各個電池或蓄電池組功率設計極限。
圖1B表示用來求出在用戶限定的時間范圍Δt內的最大絕對充電功率，即在下個Δt時段內可把多大功率連續地送回蓄電池，的方法。該方法的細節和進程是圖1A的方法的鏡像。由于認為充電電流具有負號，所以最大絕對電流在符號意義上是最小電流。在步驟20中，基于對充電狀態的預置極限計算最小充電電流。同樣SOC能是簡單的SOC或使用kalman濾波方法得到的SOC。然后在步驟S22中，按照電池模型，如在當前公開中描述的兩個電池模型之一，基于對電壓的預置極限計算最小充電電流。然后在步驟24中，基于對電流的預置極限計算最小充電電流。然后，在步驟26中，選擇來自步驟20、22、及24的三個計算電流值的最大值。同樣注意，步驟20、22、及24的執行順序是可互換的。還要理解，在實施中，可以使用步驟20、22、及24的任意組合，并且如果需要，可以省略步驟20、22、及24的任意一個。使用選擇的充電電流值，步驟28計算最小充電功率。計算的組功率可以進一步改善，以便不違反各個電池或蓄電池組功率設計極限。
注意對在圖1A和1B中所示的方法實施例可以進行修改。例如，可以除去基于充電狀態和電壓極限的電流計算步驟的任一個或全部。而且，本發明公開了基于充電狀態、電壓極限、及電流極限計算最大絕對充電和放電電流的幾種方法。
本發明的一個實施例估計蓄電池組的最大絕對充電和/或放電功率。蓄電池組可以是例如在混合電動車輛或電動車輛中使用的蓄電池組。該實施例進行多種指示和限制，包括
-用n指示在其中希望充電和/或放電功率的估計的目標蓄電池組中的電池數量；-用vk(t)指示對于在組中的電池編號k的電池電壓，它具有操作設計極限，從而對于所有k1≤k≤n必須執行vmin≤vk(t)≤vmax；-用zk(t)指示對于在組中的電池編號k的充電狀態，它具有對于所有k1≤k≤n必須執行的操作設計極限zmin≤zk(t)≤zmax；-用pk(t)指示電池功率，它具有操作設計極限，從而對于所有k1≤k≤n必須執行pmin≤pk(t)≤pmax；及-用ik(t)指示電池電流，它具有操作設計極限，從而對于所有k1≤k≤n必須執行imin≤ik(t)≤imax。
在可選擇實施例中可進行修改。例如，如果希望，可以通過適當地由±∞代替其值而除去任何特定極限。作為另一個例子，諸如vmax、vmin、zmax、zmin、imax、imin、pmax、pmin之類的極限還可以是溫度和與當前蓄電池組操作條件有關的其它因素的函數。在一個實施例中，假定放電電流和功率具有正號，并且充電電流和功率具有負號。本領域技術人員將認識到可以使用其它符號習慣，并且本發明的描述能以直接方式適應這些習慣。
在一個實施例中，用來預測充電的模型假定蓄電池組包括串聯連接的ns個電池模塊，其中每個電池模塊包括并聯連接的np個個別電池，并且ns≥1，np≥1。通過對于描述的方法的稍微修改，其它構造是可能的并被兼容。
圖2是示意方塊圖，表示本發明實施例的傳感器元件。蓄電池40連接到負載電路48上。例如，負載電路48可以是在電動車輛(EV)或混合電動車輛(HEV)中的電機。在某些實施例中，電路48是提供功率和/或抽取功率的電路。用電壓表44進行蓄電池和個別電池電壓的測量。用電流表42進行蓄電池電流的測量。蓄電池和個別電池的溫度由溫度傳感器46測量。電壓、電流及溫度測量值用算術運算電路50處理。運算電路(估計器裝置)50從傳感器元件接收測量值，并且為了功率估計執行本發明的計算方法。在某個實施例中，在計算方法中不需要溫度。
1.基于充電狀態(SOC)極限的計算如在圖1A和1B的步驟10和20中所示，本發明的實施例使用SOC極限計算最大充電/放電電流值。各種實施例在計算中也具有時間范圍Δt的清晰表示。按如下包括SOC極限。首先，對于恒定電流ik，SOC遞推關系描述成zk(t+Δt)＝zk(t)-(ηiΔt/C)ik(4)其中zk(t)是用于電池k的當前SOC，zk(t+Δt)是將來Δt秒的預測SOC，C是以安培-秒為單位的電池容量，及Tηi是在電流水平ik下的庫侖效率因數。這里，為了表示簡單，假定對于放電電流ηi＝1，并且對于充電電流ηi＝η≤1。
如果有對于SOC的設計極限，從而對于在組中的所有電池zmin≤zk(t)≤zmax，那么可計算電流ik，從而不超過這些極限。簡單的代數基于每個電池的SOC給出極限imax,kdis,soc=zk(t)-zminΔt/C---(5)]]>imin,kchg,soc=zk(t)-zmaxηΔt/C---(6)]]>那么僅基于電池SOC的組最大絕對電流是imaxdis,soc=mink(imax,kdis,soc)]]>iminchg,soc=maxk(imin,kchg,soc)]]>這種方法假定有適于組中的每個電池的有效SOC估計。如果情況不是這樣，那么近似補償以計算imaxdis,soc≈z(t)-zminΔt/C]]>iminchg,soc≈z(t)-zmaxηΔt/C]]>
其中z(t)是組的SOC。
在本發明的一個實施例中，功率預測方法可考慮比簡單電池SOC多的信息。例如，Kalman濾波器可用作估計在組中的所有電池SOC的方法。除給出SOC之外，Kalman濾波產生SOC估計本身的不確定性的估計。使用Kalman濾波器估計SOC的方法在普通轉讓的美國專利No.6,534,954中描述，這里引用該專利作為參考。
讓不確定性具有高斯分布，該高斯分布具有如通過Kalman濾波器估計的那樣指示為σz的標準偏差。那么，該方法產生真正SOC在估計±2σz內的95.5％置信度和真正SOC在估計±3σz內的99.7％置信度。
這種信息可包括在基于SOC的最大電流的估計中，以具有不違反SOC設計極限的非常高置信度。這按如下進行(假定3σz的置信區間)imax,kdis,soc=(zk(t)-3σz)Δt/C]]>imin,kchg,soc=(zk(t)+3σz)ηΔt/C]]>2.基于電壓極限的計算除考慮SOC極限之外，本發明的實施例校正現有技術HPPC方法的局限以應用電壓極限(圖1A和1B的步驟12和22)。在HPPC方法中，如果假定公式(1)的電池模型，并且Rchg和Rdis是電池的歐姆電阻，那么公式(2)和公式(3)預測瞬時適用于電流，而不是適用于下個Δt秒的電流的恒定值。如果是其中Δt較大的情況，則計算的結果造成安全性或蓄電池健康問題，因為電池可能過/欠充電。
為了克服這個問題，本發明的實施例例如使用如下電池模型vk(t+Δt)＝OCV(zk(t+Δt))-R×ik(t)(7)這修改了公式(1)中的以前電池模型。注意，這個模型不能以封閉形式直接解出最大電流ik，因為zk(t+Δt)本身是電流的函數(參見前式(4))，并且OCV(·)是非線性關系。注意也可使用其它電池模型。
兩個方法實施例旨在從(7)解出ik(t)的最大絕對值。
2.1方法ITaylor級數展開第一方法使用Taylor級數展開以使公式線性化，從而可解出i的近似值。假定OCV(·)在點zk(t)處是可微分的，它給出結果OCV(zk(t+Δt))=OCV(zk(t)-ikηiΔtC)]]>=OCV(zk(t))-ik(ηiΔtC)∂OCV∂z|z=zk(t)+R1(zk(t),ik(ηiΔt)/C)]]>其中隨著P中ik(ηiΔt)/C→0一階余項R1(zk(t)，ik(ηiΔt)/C)/‖zk(t)‖→0。注意通常SOC在Δt秒上的變化較小，所以可以應用如下近似OCV(zk(t+Δt))≈OCV(zk(t))-ikηiΔtC∂OCV(z)∂z|z=zk(t)-R×ik]]>其中給出imax,kdis,volt=(OCV(zk(t))-vminΔtC∂OCV(z)∂z|zk(t)+Rdis)---(8)]]>imin,kchg,volt=(OCV(zk(t))-vmaxηΔtC∂OCV(z)∂z|zk(t)+Rchg)---(9)]]>在一個實施例中，函數OCV(z)和其導數OCV(z)/z可以由用于OCV(z)的某種已知數學關系(例如，Nernst的公式)使用解析或數值方法、或通過經驗數據的表格查找而計算。這個量對于在整個SOC范圍上的大多數蓄電池電化學是正的，所以對于Rdis和Rchg相同值由(8)和(9)計算的值在數值方面比由(2)和(3)計算的那些小。
HPPC過程通過使用經驗確定的、近似在(8)和(9)中的分母項的Rdis和Rchg的修改值，補償其不準確性。然而，這在整個SOC范圍上不可能是準確的，因為OCV(z)/z不是恒定的，特別是靠近z的極值的位置。
執行所有極限限制下的放電和充電電流按如下(在圖1A和1B中的步驟16和26)計算imaxdis=min(imax,minkimax,kdis,SOC,minkimax,kdis,volt)---(10)]]>iminchg=max(imin,maxkimin,kchg,SOC,maxkimin,kchg,volt)---(11)]]>并且使用所有電池功率之和可以計算功率。這些等于最大允許電流和預測的未來電壓的乘積。
Pminchg=npΣk=1nsiminchgvk(t+Δt)]]>≈npΣk=1nsiminchg(OCV(zk(t)-iminchgηiΔt/C)-Rchg×iminchg)---(12)]]>Pmaxdis=npΣk=1nsimaxdisvk(t+Δt)]]>≈npΣk=1nsimaxdis(OCV(zk(t)-imaxdisΔt/C)-Rdis×imaxdis)---(13)]]>最大和最小電池和組功率極限可以在這種計算中施加。注意在所有公式中，OCV(z)、C、vmax、vmin、zmax、zmin、imax、imin、Rchg及Rdis可以是溫度和與當前蓄電池組操作條件有關的其它因素的函數。
2.2方法II使用綜合電池模型在以前章節中提供的解式(7)的方法要求較小計算強度。當更大的計算能力適用時，可以使用本發明的第二方法實施例。這個第二方法假定電池動態的更精確數學模型，它可以是諸如公式耦合對之類的離散-時間狀態--空間形式xk[m+1]＝f(xk[m]，uk[m])(14)vk[m]＝g(xk[m]，uk[m]) (15)
其中m是離散時間樣本指數，時間xk[m]的向量函數稱作系統的“狀態”，uk[m]是對于系統的輸入，它包括作為分量的電池電流ik[m]，并且也可以包括溫度、電阻、容量等等，而f(·)和g(·)是選擇成模擬電池動態的函數。也可以使用包括連續-時間狀態-空間形式、微分和差值公式的可選擇模型形式。假定有計算給出實施的模型的SOC的方法。
為了表示方便，假定電池模型為離散-時間狀態--空間形式。也假定Δt秒可以在離散時間中表示成T取樣間隔。然后，這個模型可用來通過下式預測到未來的Δt秒的電池電壓vk[m+T]＝g(xk[m+T]，uk[m+T])其中xk[m+T]可以通過對于T時間樣本模擬(14)求出。假定輸入從時間指數m至m+T保持恒定，所以如果在這個區間上的溫度變化(例如)是顯著的，則必須將其包括作為由(14)模擬的動態的部分，而不作為測量輸入uk[m]的部分。
該方法然后使用分半搜索算法通過查找導致以下公式的ik(作為uk向量的成分)求出imax，kdis，volt和imin，kchg，voltvmin＝g(xk[m+T]，uk[m+T])，或者0＝g(xk[m+T]，uk[m+T])-vmin(16)以求出imax，kdis，volt，并且通過查找導致如下公式的ikvmax＝g(xk[m+T]，uk[m+T])，或者0＝g(xk[m+T]，uk[m+T])-vmax(17)以求出imin，kchg，volt。特殊情況是當狀態公式(14)是線性的時，即當xk[m+1]＝Axk[m]+Buk[m]其中A和B是常數矩陣。在章節3中呈現的模型稱作“舉例電池模型”，是其中情況如此的例子。然后，對于輸入uk恒定時間m至m+T，導致xk[m+T]=ATxk[m]+(Σj=0T-1AT-1-jB)uk]]>
這些項的大多數可以預先計算而不知道uk，以便使用分半算法加速計算。
一旦使用(5)和(6)計算基于SOC的電流極限imax，kdis，SOC和imin，kchg，SOC，并且使用(16)和(17)計算基于電壓的電流極限imax，kdis，volt和imin，kchg，volt，就可以使用(10)和(11)計算整體電流極限(圖1A和1B的步驟16和26)。然后按如下計算功率Pminchg=npΣk=1nsiminchgvk(t+Δt)]]>=npΣk=1nsiminchggk(xk(m+T),uk)]]>使uk包含iminchg作為其電流值，并且Pmaxdis=npΣk=1nsimaxdisvk(t+Δt)]]>=npΣk=1nsimaxdisgk(xk(m+T),uk)]]>使uk包含imaxdis作為其電流值。
1.2.1分半搜索為了解(16)和(17)，需要解出非線性方程式的根的方法。在一個實施例中，對于這種要求使用分半搜索算法。分半搜索算法查找f(x)的根(即，使f(x)＝0的x值)，其中事先知道根在如下值之間x1＜根＜x2。知道根位于這個區間中的一種方式是，f(x1)的符號與f(x2)的符號不同。
分半算法的每次迭代估計在中點xmid＝(x1+x2)/2處的函數。基于估計的符號，或者x1或者x2由xmid代替以保持對于f(x1)和f(x2)的不同符號。顯然，根位置的不確定性由這個算法步驟減半。分半算法重復這種迭代，直到在x1與x2之間的區間盡可能小，并因此f(x)的根的解盡可能小。如果ε是希望的根的解，那么算法將需要最多 次迭代。分半方法列在列表中。
1.2.2求出最大/最小電流為了確定對于任意特定電池的最大放電和充電電流，對(16)和(17)進行分半。分半按如下包括在整個算法中。首先，對于電池電流ik＝0，ik＝imin，及ik＝imax進行三次刺激，以確定對于到未來的Δt秒的電池電壓。如果對于最大放電/充電速率電池電壓預測在vmin與vmax之間，那么可以使用這些最大速率。如果電池電壓即使在停止期間也在界限外，那么把最大速率設置到零。否則，通過在速率等于零與其最大值之間分半可以求出真正的最大速率。在電流極限(imin，0)或(0，imax)之間進行分半。
算法1分半算法。
開始{分半算法}設置x1＝第一搜索極限設置x2＝第二搜索極限設置ε＝在分半輸出中對于電流的希望分辨率設置 讓func(·)是其中求出根的函數設置搜索區間dx＝x2-x1如果((func(x1)≥0{//約束func(x1)＜0dx＝-dxx1＝x2}//根現在在(x1，x1+dx)之間，并且func(x1)＜0對于j＝1至JMAX{dx＝0.5×dxxmid＝x1+dx如果(func(xmid)≤0){x1＝xmid}如果(|dx|≤ε{返回(x1+0.5×dx)}
}∥已經分半太多次，所以返回最好推測返回(x1+0.5×dx)結束{分半算法}2.舉例電池模型用于本發明的功率估計方法的舉例呈現在這里，用給出的說明表示與現有技術PNGV HPPC方法相比較的兩種方法的性能。電池模型是應用于蓄電池的電池的(14)和(15)的形式的離散-時間狀態--空間模型。稱作“增強自校正電池模型”的該模型在本發明人的、公開在CD-ROM中及在Long Beach Ca的Proc.20th Electric VehicleSymposium(EVS20)(2003年11月)的文章“在EKFLiPB SOC估計中的進步”中進一步描述，并在此完全引用作為參考。要理解，這個模型僅僅是舉例模型，并且可使用各種適當的可替代模型。
“增強自校正電池模型”包括歸因于開路電壓、內阻、電壓時間常數、及滯后的影響。為了舉例目的，使參數值適合這種模型結構，以模擬大功率鋰-離子聚合物蓄電池(LiPB)的電池的動態，盡管這里呈現的結構和方法是通用的。
充電狀態由模型的一個狀態捕獲。這個公式是zk[m+1]＝zk[m]-(ηiΔT/C)ik[m]其中ΔT代表樣本間隔周期(為秒)，并且C代表電池容量(單位為安培-秒)。
電池電壓響應的時間常數由幾個濾波器狀態捕獲。如果讓nf是時間常數，那么fk[m+1]＝Affk[m]+Bfik[m]。
矩陣Af∈Rnf×nf]]>可以是具有實數項的對角矩陣。如果這樣，則如果所有項具有小于一的數值，那么系統是穩定的。向量Bf∈Rnf×1]]>可以簡單地設置到nf“1”s。nf的值和在Af矩陣中的項選擇為系統識別過程的部分，以最好使模型參數適合測量的電池數據。
滯后水平由單個狀態捕獲hk[m+1]=exp(-|ηiik[m]γΔTC|)hk[m]+(1-exp(-|ηiik[m]γΔTC|))sgn(ik[m])]]>其中γ是滯后速率常數，同樣由系統識別求出。
整體模型狀態是xk[m]＝[fk[m]′hk[m]zk[m]]′其中符號(′)是矩陣/向量轉置算子。用于模型的狀態方程通過組合以上所有各個方程式而形成。注意，在每個時間步驟處，狀態方程在如下輸入中是線性的uk[m]＝[ik[m]1]′這加速預測運算。
結合狀態值以預測電池電壓的輸出公式是vk[m]＝OCV(zk[m])+Gfk[m]-Rik[m]+Mhk[m]其中G∈R1×nf]]>是在輸出中把時間恒定狀態組合在一起的常數的向量，R是電池電阻(對于放電/充電可以使用不同的值)，及M是最大滯后水平。
作為充電狀態的函數的開路電壓，對于例如鋰-離子聚合物蓄電池(LiPB)的電池，畫在圖3中。這是通過電池試驗求出的經驗關系。首先，電池被充分地充電(恒定電流到200mA，恒定電壓到4.2V)。然后，電池以C/25速率放電，直到完全放電(3.0V)。電池然后以C/25速率被充電，直到電壓是4.2V。使用低速率使在電池中激勵的動態最小。在放電下和在充電下作為充電狀態的函數的電池電壓被平均以計算OCV。這具有在最終函數中以最大可能程度消除滯后和歐姆電阻的存在的效果。為了涉及OCV的計算的目的，最終曲線在200個點處被數字化，并且存儲在表中。使用線性插值以查閱在表中的值。
對于這些舉例電池OCV對于SOC的偏導數畫在圖4中。這種關系通過首先在圖3中的OCV曲線中的點之間進行有限差分并且除以在點之間的距離(即，對于導數的歐拉近似)而計算。生成數據太嘈雜而不能實際使用，如在圖4的灰線中表示的那樣。它使用零相位低通濾波器濾波，生成圖4的黑線，它可以用在功率計算中。這種關系也在200個點處被數字化，并且當進行要求這個函數的計算時，使用數值列表的線性插值。
其它參數適合電池模型。具體地說，模型采用四個低通濾波器狀態(nf＝4)、7.5Ah的標稱容量、及ΔT＝1s的取樣間隔周期。在電池模型電壓預測與電池真實電壓之間有非常密切的一致。這表明在圖5中，圖5是表示使用本發明的電池模型的電壓預測的曲線圖。對于這個圖，電池試驗是在室溫下進行的、由放電脈沖和五分鐘停止分離的、及在90％至10％SOC范圍上展開的十六個UDDS循環序列。在電池終端電壓與估計電池終端電壓之間的差非常小(小于5mV的均方根(RMS)電壓估計誤差)。為了更好地表明模型的保真性，參考在圖6中表示的、對于在50％SOC區域中的一個UDDS循環的放大。作為時間的函數的SOC畫在圖7中，這是用于電池試驗的SOC蹤跡。曲線表示在每個UDDS循環期間SOC增大約5％，但在循環之間的每次放電期間降低約10％。在電池試驗期間激勵對于這些電池的整個操作范圍(10％SOC至90％SOC，在圖上描繪為在細虛線之間的區域)。
3.比較最大功率計算PNGV HPPC功率估計方法給出只是SOC的函數的結果，因此，有可能畫出相對于SOC的適用功率曲線，以概括算法計算。在本專利公開中提出的第一方法(方法ITaylor級數展開方法)也有可能以這種方式表示。估計功率僅是SOC、OCV/z(也是SOC的函數)、及關于最大電流和功率的靜態極限的函數。然而，第二方法(方法II綜合電池模型方法)動態地取決于系統的所有狀態。在相同充電狀態下、但具有不同電壓時間常數狀態值或滯后狀態水平的兩個系統將具有不同的適用功率量。為了比較由三種方法計算的功率，必須進行動態試驗。
對于如下結果，LiPB電池的組假定具有ns＝40和np＝1。從由LGChem(Daejeon，韓國)和Compact Power Inc.(Monument，Colorado)合作開發的原型手工制造電池收集適合模型的數據。用于功率計算的極限列在表1中。每個電池具有7.5Ah的標稱容量，并且對于充電和放電Δt都是十秒。
表1用于功率計算例子的參數

首先，在圖8中比較PNGV HPPC方法和本發明的方法I，圖8是對于PNGV HPPC方法和本發明的方法I比較作為SOC的函數的靜態最大功率計算的曲線圖。黑色曲線與充電功率相對應，而灰色曲線與放電功率相對應。注意，畫出功率的絕對值以避免由符號習慣造成的混亂。首先考慮充電功率的計算，顯然在中部SOC范圍中PNGV HPPC方法產生與方法I類似的值。稍微的差別是由于事實用于PNGV方法的10-秒Rchg和用于方法I的微分修正Rchg不相同。在中部SOC范圍外，曲線圖表示方法I在zmax的附近使功率傾斜下降以避免向電池過充電，而PNGV方法沒有這樣的限制。在非常低的SOC處，PNGV方法過大預測多大功率適用，因為沒有應用于計算的電流極限。方法I估計由于在計算的分母中的較大導數而自動地較低。該方法過低預測適用充電功率的零SOC附近引起異常。然而，由于電池不在這個范圍中工作，所以這不用擔心。
現在考慮放電功率曲線，比較顯示方法I把限制施加到放電功率上，以保證電池不被欠充電，而PNGV方法不這樣做。在從約15％至35％的SOC范圍內，兩種方法預測類似功率。對于高于約35％的SOC，由方法I預測的功率飽和，因為已經達到200A的最大放電電流極限。在SOC的99％左右，曲線再次表現方法I的異常，其中由于很大的導數項而低估功率。這種明顯的假信號不是問題，因為電池不工作在這個范圍中。
圖9至13表示在圖5中表示的動態電池試驗中本發明的兩種主要基于電壓極限的功率估計方法(方法I和方法II)如何與現有技術PNGV方法比較。圖9是曲線圖，表示用于包括在90％低到10％的SOC范圍上的十六個UDDS循環的電池循環試驗的放電功率能力估計。圖10是圖9的放大曲線圖，表示約一個UDDS循環。圖11是曲線圖，表示用于包括在90％低到10％的SOC范圍上的十六個UDDS循環的電池循環試驗的充電功率能力估計。圖12是圖11的放大曲線圖，表示約一個UDDS循環。同樣，畫出功率的絕對值。
在隨后的討論中，方法II的結果認為是電池的“真實”能力。這種假設由在圖6中的數據所支持的電池模型的電壓估計的保真性證實。圖9表示三種方法產生類似的估計。具體地說，當以這種比例觀看時，方法I和方法II顯得幾乎相同。在高SOC處，PNGV HPPC方法預測的功率比實際適用的高(高出9.8％)，并且在低SOC處，PNGV HPPC方法低估適用功率。只有本發明的方法包括SOC界限，這解釋在低SOC處為什么它們的預測與PNGV HPPC估計是如此不同。如果車輛控制器以由PNGV HPPC方法預測的速率放電，則電池在某些情況下被過放電(降低其壽命)，并且在其它情況下欠使用。圖10放大了圖9(在圖6中表示的相同區域)，以更詳細地表示。在這個區域中，三種方法產生幾乎相同的預測。然而，方法II的值得注意的特征是，它在進行預測時，考慮到了電池的整個動態。因此，在時間237和267分鐘左右的強烈放電拉下電池電壓，并且允許比其它兩種方法小的放電功率，這兩種方法當進行它們的估計時僅考慮SOC。
關于充電功率也比較三種方法，如在圖11中所示。在這種比例下，估計顯得幾乎相同。同樣，PNGV HPPC方法不考慮SOC極限，所以在高SOC處過預測充電功率。它在低SOC處也過預測功率，因為它不計在低SOC處對于充電電阻的增加。這張曲線圖的放大表示在圖12中，圖12強調在預測之間的差別。這里，可看到，在時間237和267分鐘左右的強烈放電允許較大的充電功率，因為電壓不會迅速變化。
工業適用性盡管這里描述了諸方法，并且用來實現這些方法的設備構成本發明的優選實施例，但應該認識到，其中不脫離在附屬權利要求書中限定的本發明的精神或范圍可以進行變更。例如，在圖1A中公開的步驟10、12、14能以不同的順序執行或者以不同的組合使用，并且在圖1B中公開的步驟20、22、24能以不同的順序執行或者以不同的組合使用。而且，為了估計蓄電池/蓄電池的電池的最大絕對充電/放電功率的目的，可替換各種電池模型。
結合一個或多個特定實施例已經描述了使用高級電池模型預測技術來計算蓄電池組的功率能力的方法和設備。本發明由如下權利要求書和它們的等效物的完全范圍限定。
權利要求
1.一種用來估計蓄電池的最大放電功率的方法，包括基于所述蓄電池的電壓極限，計算所述蓄電池的最大放電電流；基于所述最大放電電流值，計算所述最大放電功率。
2.根據權利要求1所述的方法，還包括基于所述蓄電池的充電狀態極限，計算所述蓄電池的最大放電電流；基于所述蓄電池的電流極限，計算所述蓄電池的最大放電電流；其中，由在基于電壓極限的所述計算的最大放電電流、基于充電狀態極限的所述計算的最大放電電流、及基于電流極限的所述計算的最大放電電流中選擇的放電電流的最小值，計算所述最大放電功率。
3.根據權利要求2所述的方法，其中，所述最大放電功率的估計考慮用戶限定的Δt的范圍。
4.根據權利要求2所述的方法，其中，基于充電狀態極限計算所述蓄電池的最大放電電流的所述步驟，通過使用Kalman濾波方法得到充電狀態。
5.根據權利要求4所述的方法，其中，由所述Kalman濾波方法產生的不確定值的估計，用來求出所述計算最大放電電流的可信度。
6.根據權利要求2所述的方法，其中，所述蓄電池是包括n個電池的蓄電池組。
7.根據權利要求6所述的方法，其中，基于充電狀態極限計算所述蓄電池的最大放電電流的所述步驟，使用如下公式計算在所述蓄電池組中的每個電池k的電流極限imax,kdis,soc=zk(t)-zminηΔt/C]]>其中，imax，kdis，soc指示基于充電狀態的最大放電電流，zk(t)指示在時間t的電池充電狀態，zmin指示充電狀態設計極限，η指示庫侖效率因數，Δt指示時間范圍，及C指示電池容量。
8.根據權利要求7所述的方法，其中，基于充電狀態極限的所述蓄電池組的最大放電電流是imaxdis,soc=mink(imax,kdis,soc).]]>
9.根據權利要求1所述的方法，其中，基于電壓極限計算所述蓄電池的最大放電電流的所述步驟使用電池模型。
10.根據權利要求9所述的方法，其中，電池模型通過Taylor級數展開求解。
11.根據權利要求9所述的方法，其中，所述電池模型通過使用離散時間-狀態空間模型求解。
12.根據權利要求9所述的方法，其中，所述蓄電池是包括n個電池的蓄電池組。
13.根據權利要求12所述的方法，其中，所述電池模型是vk(t+Δt)＝OCV(zk(t+Δt))-R×ik(t)其中vk(t+Δt)指示在到未來的時間段t單位內對于電池k的電池電壓，OCV(zk(t+Δt))指示作為在到未來的時間段t單位內對于電池k的充電狀態zk的函數的開路電池電壓，R是指示電池內阻的常數，及ik(t)指示電池電流。
14.根據權利要求13所述的方法，其中，借助于通過Taylor級數展開求解，得到基于電壓極限的所述最大放電電流imax,kdis,volt=(OCV(zk(t))-vminΔtC∂OCV(z)∂z|zk(t)+Rdis)]]>其中imax，kdis，volt指示電池k的最大放電電流，Rdis指示電池的內部放電電阻， 指示在當前放電狀態水平zk(t)下估計的開路電池電壓相對于充電狀態z的導數。
15.根據權利要求14所述的方法，其中，所述 通過經驗數據的表查找計算。
16.根據權利要求13所述的方法，其中，通過使用離散時間-狀態空間模型，求解所述電池模型。
17.根據權利要求16所述的方法，其中，所述離散時間-狀態空間模型是xk[m+1]＝f(xk[m]，uk[m])vk[m]＝g(xk[m]，uk[m])其中m指示離散時間樣本指數，xk[m]指示時間和系統狀態的向量函數，uk[m]是對于系統的輸入并且包括作為分量的電池電流ik[m]，及f(·)和g(·)是選擇成模擬電池動態的函數。
18.根據權利要求17所述的方法，其中，所述uk[m]輸入包括溫度。
19.根據權利要求17所述的方法，其中，所述uk[m]輸入包括電阻。
20.根據權利要求17所述的方法，其中，所述uk[m]輸入包括容量。
21.根據權利要求17所述的方法，其中，通過查找導致如下等式的ik求出imax，kdis，voltvmin＝g(xk[m+T]，uk[m+T])其中g(xk[m+T]，uk[m+T])求出未來Δt秒的電池電壓。
22.根據權利要求21所述的方法，其中，所述等式通過使用分半搜索算法求出。
23.根據權利要求17所述的方法，其中，公式xk[m+T]＝Axk[m]+Buk[m]是線性的，其中A和B是常數矩陣。
24.根據權利要求12所述的方法，其中，所述放電電流的最小值通過使用如下公式選擇imaxdis=min(imax,minkimax,kdis,soc,minkimax,kdis,volt)]]>其中imax指示基于電流極限的所述最大放電電流， 指示對于每個電池k基于充電狀態極限的所述最大放電電流的最小值， 指示對于每個電池k基于電壓極限的所述最大放電電流的最小值。
25.根據權利要求24所述的方法，其中，通過求解下式計算所述最大放電功率Pmaxdis=npΣk=1nsimaxdisvk(t+Δt)]]>其中Pmaxdis指示最大放電功率，np指示并聯電池的數量，ns指示串聯電池的數量，imaxdis指示所述選擇的放電電流，及vk(t+Δt)指示對于未來時間段t單位的電池k的電壓。
26.根據權利要求25所述的方法，其中，Pmaxdis近似成npΣk=1nsimaxdis(OCV(zk(t)-imaxdisΔt/C)-Rdis×imaxdis)]]>其中OCV(zk(t)+imaxdisΔt/C)指示對于電池k在時間t作為充電狀態zk的函數的開路電池電壓，imaxdis指示放電電流，Δt指示時間水平，C指示電池容量，及R指示電池放電內阻。
27.根據權利要求2所述的方法，其中，通過在所述計算中使用正無窮或負無窮表示所述消除極限，可從所述計算消除任意所述充電狀態極限、電壓極限、及電流極限。
28.根據權利要求2所述的方法，其中，任意所述充電狀態極限、電壓極限、及電流極限取決于溫度。
29.根據權利要求2所述的方法，其中，檢查所述計算的最大放電功率，以保證它落在所述蓄電池的功率極限內。
30.用來估計蓄電池的最小充電功率的方法，包括基于所述蓄電池的電壓極限，計算所述蓄電池的最小充電電流；基于所述最小充電電流值，計算所述最小充電功率。
31.根據權利要求30所述的方法，還包括基于所述蓄電池的充電狀態極限，計算所述蓄電池的最小充電電流；基于所述蓄電池的電流極限，計算所述蓄電池的最小充電電流；其中，由在基于電壓極限的所述計算的最小充電電流、基于充電狀態極限的所述計算的最小充電電流、及基于電流極限的所述計算的最小充電電流中選擇的充電電流的最大值，計算所述最小充電功率。
32.根據權利要求31所述的方法，其中，所述最小充電功率的估計考慮用戶限定的Δt的范圍。
33.根據權利要求31所述的方法，其中，基于充電狀態極限計算所述蓄電池的最小充電電流的所述步驟，通過使用Kalman濾波方法得到充電狀態。
34.根據權利要求33所述的方法，其中，由所述Kalman濾波方法產生的不確定值的估計，用來求出所述計算最小充電電流的可信度。
35.根據權利要求31所述的方法，其中，所述蓄電池是包括n個電池的蓄電池組。
36.根據權利要求35所述的方法，其中，基于充電狀態極限計算所述蓄電池的最小充電電流的所述步驟，使用如下公式計算在所述蓄電池組中的每個電池k的電流極限imin,kchg,soc=zk(t)-zmaxηΔt/C]]>其中，imin，kchg，soc指示基于充電狀態的最小充電電流，zk(t)指示在時間t的電池充電狀態，zmax指示充電狀態設計極限，η指示庫侖效率因數，Δt指示時間范圍，及C指示電池容量。
37.根據權利要求36所述的方法，其中，基于充電狀態極限的所述蓄電池組的最小充電電流是iminchg,soc=maxk(imin,kchg,soc).]]>
38.根據權利要求30所述的方法，其中，基于電壓極限計算所述蓄電池的最小充電電流的所述步驟使用電池模型。
39.根據權利要求38所述的方法，其中，電池模型通過Taylor級數展開求解。
40.根據權利要求38所述的方法，其中，所述電池模型通過使用離散時間-狀態空間模型求解。
41.根據權利要求38所述的方法，其中，所述蓄電池是包括n個電池的蓄電池組。
42.根據權利要求41所述的方法，其中，所述電池模型是vk(t+Δt)＝OCV(zk(t+Δt))-R×ik(t)其中vk(t+Δt)指示在未來時間段t單位內對于電池k的電池電壓，OCV(zk(t+Δt))指示作為在到未來的時間段t單位內對于電池k的充電狀態zk的函數的開路電池電壓，R是指示電池內阻的常數，及ik(t)指示電池電流。
43.根據權利要求42所述的方法，其中，借助于通過Taylor級數展開求解，得到基于電壓極限的所述最小充電電流imax,kchg,volt=(OCV(zk(t))-vmaxηΔtC∂OCV(z)∂z|zk(t)+Rchg)]]>其中imin，kchg，volt指示電池k的最小充電電流，Rchg指示電池的內部充電電阻，η指示庫侖效率因數， 指示在當前放電狀態水平zk(t)下估計的開路電池電壓相對于充電狀態z的導數。
44.根據權利要求43所述的方法，其中，所述 通過經驗數據的表查找計算。
45.根據權利要求42所述的方法，其中，通過使用離散時間-狀態空間模型，求解所述電池模型。
46.根據權利要求45所述的方法，其中，所述離散時間-狀態空間模型是xk[m+1]＝f(xk[m]，uk[m])vk[m]＝g(xk[m]，uk[m)其中m指示離散時間樣本指數，xk[m]指示時間和系統狀態的向量函數，uk[m]是對于系統的輸入并且包括作為分量的電池電流ik[m]，及f(·)和g(·)是選擇成模擬電池動態的函數。
47.根據權利要求46所述的方法，其中，所述uk[m]輸入包括溫度。
48.根據權利要求46所述的方法，其中，所述uk[m]輸入包括電阻。
49.根據權利要求46所述的方法，其中，所述uk[m]輸入包括容量。
50.根據權利要求46所述的方法，其中，通過查找導致如下等式的ik求出imin，kchg，voltvmax＝g(xk[m+T]，uk[m+T])其中g(xk[m+T]，uk[m+T])求出到未來的Δt秒的電池電壓。
51.根據權利要求50所述的方法，其中，所述等式通過使用分半搜索算法求出。
52.根據權利要求46所述的方法，其中，公式xk[m+T]＝Axk[m]+Buk[m]是線性的，其中A和B是常數矩陣。
53.根據權利要求41所述的方法，其中，所述充電電流的最大值通過使用如下公式選擇iminchg=max(imin,maxkimin,kchg,soc,maxkimin,kchg,volt),]]>其中imin指示基于電流極限的所述最小充電電流， 指示對于每個電池k基于充電狀態極限的最小充電電流的最大值， 指示對于每個電池k基于電壓極限的所述最小充電電流的最大值。
54.根據權利要求53所述的方法，其中，通過求解下式計算所述最小充電功率Pminchg=npΣk=1nsiminchgvk(t+Δt)]]>其中Pminchg指示最小充電功率，np指示并聯電池的數量，ns指示串聯電池的數量，iminchg指示所述計算的最小充電電流，及vk(t+Δt)指示對于到未來的時間段t單位的電池k的電壓。
55.根據權利要求54所述的方法，其中，Pminchg近似成npΣk=1nsiminchg(OCV(zk(t)-iminchgηiΔt/C)-Rchg×iminchf)]]>其中OCV(zk(t)-iminchgηiΔt/C)指示對于電池k在時間t作為充電狀態zk的函數的開路電池電壓，iminchg，Δt指示時間范圍，ηi指示庫侖效率因數，C指示電池容量，及Rchg指示電池充電內阻。
56.根據權利要求31所述的方法，其中，通過在所述計算中使用正無窮或負無窮表示所述消除極限，可從所述計算消除任意所述充電狀態極限、電壓極限、及電流極限。
57.根據權利要求31所述的方法，其中，任意所述充電狀態極限、電壓極限、及電流極限取決于溫度。
58.根據權利要求31所述的方法，其中，檢查所述計算的最小充電功率，以保證它落在所述蓄電池的功率極限內。
59.一種用來估計蓄電池的最大放電功率的功率估計設備，包括電壓測量裝置，用來測量所述蓄電池的電壓；溫度測量裝置，用來測量所述蓄電池的溫度；電流測量裝置，用來測量所述蓄電池的電流；估計器裝置，用來計算所述蓄電池的最大放電功率，其中，所述估計器裝置使用來自所述電壓測量裝置、所述溫度測量裝置、及所述電流測量裝置的測量值，并且進行計算以估計所述蓄電池的最大放電功率，所述估計器裝置包括用來基于所述蓄電池的電壓極限計算所述蓄電池的最大放電電流的裝置；用來基于所述蓄電池的充電狀態極限計算所述蓄電池的最大放電電流的裝置；用來基于所述蓄電池的電流極限計算所述蓄電池的最大放電電流的裝置；其中，由從基于電壓極限的所述計算的最大放電電流、基于充電狀態極限的所述計算的最大放電電流、及基于電流極限的所述計算的最大放電電流中選擇的放電電流的最小值，計算所述最大放電功率。
60.根據權利要求59所述的功率估計設備，其中，所述估計器裝置考慮用戶限定的Δt的范圍。
61.根據權利要求59所述的功率估計設備，其中，用來基于充電狀態極限計算所述蓄電池的最大放電電流的所述裝置，通過使用Kalman濾波方法得到充電狀態。
62.根據權利要求61所述的功率估計設備，其中，由所述Kalman濾波方法產生的不確定值的估計，用來求出所述計算最大放電電流的可信度。
63.根據權利要求61所述的功率估計設備，其中，所述蓄電池是包括n個電池的蓄電池組。
64.根據權利要求61所述的功率估計設備，其中，用來基于電壓極限計算所述蓄電池的最大放電電流的所述裝置使用電池模型。
65.根據權利要求61所述的功率估計設備，其中，電池模型通過Taylor級數展開求解。
66.根據權利要求61所述的方法，其中，所述電池模型通過使用離散時間--狀態空間模型求解。
67.一種用來估計蓄電池的最小充電功率的功率估計設備，包括電壓測量裝置，用來測量所述蓄電池的電壓；溫度測量裝置，用來測量所述蓄電池的溫度；電流測量裝置，用來測量所述蓄電池的電流；估計器裝置，用來計算所述蓄電池的最小充電功率，其中，所述估計器裝置使用來自所述電壓測量裝置、所述溫度測量裝置、及所述電流測量裝置的測量值，并且進行計算以估計所述蓄電池的最小充電功率，所述估計器裝置包括用來基于所述蓄電池的電壓極限計算所述蓄電池的最小充電電流的裝置；用來基于所述蓄電池的充電狀態極限計算所述蓄電池的最小充電電流的裝置；用來基于所述蓄電池的電流極限計算所述蓄電池的最小充電電流的裝置，其中，由從基于電壓極限的所述計算的最小充電電流、基于充電狀態極限的所述計算的最小充電電流、及基于電流極限的所述計算的最小充電電流中選擇的充電電流的最大值，計算所述最小充電電流功率。
68.根據權利要求67所述的功率估計設備，其中，所述估計器裝置考慮用戶限定的Δt的范圍。
69.根據權利要求67所述的功率估計設備，其中，用來基于充電狀態極限計算所述蓄電池的最小充電電流的所述裝置，通過使用Kalman濾波方法得到充電狀態。
70.根據權利要求69所述的功率估計設備，其中，由所述Kalman濾波方法產生的不確定值的估計，用來求出所述計算最大放電電流的可信度。
71.根據權利要求69所述的功率估計設備，其中，所述蓄電池是包括n個電池的蓄電池組。
72.根據權利要求69所述的功率估計設備，其中，用來基于電壓極限計算所述蓄電池的最小電流的所述裝置使用電池模型。
73.根據權利要求69所述的功率估計設備，其中，電池模型通過Taylor級數展開求解。
74.根據權利要求69所述的方法，其中，所述電池模型通過使用離散時間--狀態空間模型求解。
全文摘要
本發明涉及用來估計蓄電池用途，包括在混合電動車輛(HEV)和電動車輛(EV)中使用的蓄電池組，的放電和充電功率的一種方法和設備。一種充電/放電功率估計方法包括電壓、充電狀態(SOC)、功率、及電流設計約束條件，并且在用戶規定的Δt的預測時間范圍內工作。在基于電壓極限而計算最大充電/放電功率時，使用至少兩種電池模型。第一種是使用Taylor級數展開以線性化涉及的公式的簡單電池模型。第二種是以離散—時間狀態—空間形式模擬電池動態的更復雜和準確的模型。電池模型可包括諸如溫度、電阻、容量等之類的輸入。使用基于模型的手段的一個優點是，在產生SOC的Kalman濾波和基于電壓極限的最大充電/放電電流的估計中都可以使用相同的模型。
文檔編號G01R31/36GK1883097SQ200480034400
公開日2006年12月20日 申請日期2004年11月19日 優先權日2003年11月20日
發明者格雷戈里·L·普勒特 申請人:株式會社Lg化學