用于估计电池健康状态的方法技术

技术编号:20499449 阅读:59 留言:0更新日期:2019-03-03 03:04
本发明专利技术涉及一种用于在时刻k对安装在设备中并旨在为该设备供电的蓄电池的健康状态(SOHE(k))进行估计的方法。根据本发明专利技术,针对任何时刻k由以下关系式来确定值SOHE(k):SOHE(k)=SOHE模型(k)‑αic(T)·(SOHE模型(T)‑SOHE算法(T)),其中,SOHE模型(k)描述了从初始健康状态SOHE初始(O)开始的电池健康状态的演化模型,并且其中,SOHE算法(k)表示可用于基于与该电池的操作相关并在时刻k获得的电气量的测量结果来确定该电池在该时刻的健康状态的直接计算估计器。SOHE模型(T)和SOHE算法(T)表示对于具体的给定时刻k=T函数SOHE模型(k)和SOHE算法(k)的值。系数αic(T)是取决于T的系数,其表示在所考虑的时刻T分配给由SOHE算法(k)估计器提供的值的可靠性指数。

A METHOD FOR ESTIMATING THE HEALTH STATE OF BATTERY

The present invention relates to a method for estimating the state of health (SOHE (k)) of batteries installed in a device and intended to power the device at time K. According to the present invention, the value of SOHE (k) at any time k is determined by the following relation: SOHE (k) = SOHE model (k) = alphaic (T). (SOHE model (T) = SOHE algorithm (T). The SOHE model (k) describes the evolution model of the battery health state starting from the initial (O) state of SOHE, and the SOHE algorithm (k) represents the evolution model of the battery health state, which can be used based on the operation of the battery and obtained at the time K. A direct calculating estimator for determining the health status of the battery at that time is obtained by measuring the electrical quantity. The SOHE model (T) and SOHE algorithm (T) represent the values of the SOHE model (k) and SOHE algorithm (k) for a given time k=T function. The coefficient alphaic (T) depends on the coefficient of T, which represents the reliability index of the value T allocated to the value provided by the SOHE algorithm (k) estimator at the time considered.

【技术实现步骤摘要】
【国外来华专利技术】用于估计电池健康状态的方法
本专利技术涉及由蓄电池供电的电气系统的总体领域。本专利技术更具体地涉及为电动车辆供电的电池,并且提出了在给定时刻知道这种电池的健康状态的手段。
技术介绍
在使用电池作为用于为机动车辆供电的能量源的背景下,重要的是在任何时刻都能够确定这些电池的在可用能量和功率方面进行考虑的健康状态。电池的能量健康状态(SOHE)应理解为意指报告在所考虑的时刻估计的、尤其是由于电池的使用年限及其使用条件而导致的电池退化水平的指标。因此,SOHE构成使得能够量化电池一旦充电到其最大可能时可用的能量水平的参数,其考虑了电池在其寿命周期期间性能水平的退化。通过用户非常希望被尽可能准确地告知的较低的可用功率和较短的里程来为用户反映这种退化。可以通过使得能够评估所考虑的电池的性能水平随时间变化的趋势的各种方法来计算SOHE值。因此,区分了两种类型的估计:-所谓的预测性估计,基于使用电池健康状态退化的理论模型,涉及表示电池在不同温度条件和不同荷电状态下所耗费的时间的聚合时间测量结果以及对于同样这些不同条件从电池放电(即由电池提供的)的能量的测量结果;-所谓的直接计算估计,基于与电池的电气特性有关的一个或多个动态量的测量结果。这些估计可以例如包括:在连续的充电和放电循环期间测量电池中循环的电流,以便在所考虑的时刻确定电池的容量,或甚至根据电压和电流测量结果来计算电池的内阻。对在给定时刻k电池的健康状态SOHE(k)的这两种类型的估计各自在所做出的估计的准确性方面提供了特定的优点。然而,通过使用来自这两种类型中的一种或另一种的方法所获得的估计准确性在电池的整个寿命期间不是恒定的。一般来讲,第一类型的估计方法在电池的寿命开始时尤其证明更准确,而第二类型的估计方法在给定的电池使用期之后更准确。因此,为了获得在电池的整个寿命期间表现出令人满意的准确性的对电池的健康状态的估计,一种已知的途径包括尽可能精明地组合由两种不同的估计提供的结果,每种估计属于一种估计类型。此组合采用了对通过实施这两种方法获得的SOHE值取加权和的形式。对于给定时刻k,电池的SOHE估计值于是具有以下一般表达式:SOHE(k)=α1·SOHE1+α2,SOHE2[1]其中,SOHE1和SOHE2分别对应于所使用的这两种估计方法,每种估计具有互不相同的类型,并且其中,α1和α2是加权系数。然而,由于每种方法提供的估计准确度随时间、特别是根据电池的使用年限和使用电池的方式的变化而变化,分配给所实施的每种方法的加权系数必须随着时间的推移而变化,以便为通过每种方法所获得的结果分配可反映在所考虑时刻该方法的预期准确度的权重。目前存在几种方法来确定用于产生这两种估计的这种加权和的加权系数α1和α2的值。众所周知,分配给所做出的估计的加权系数的值一般随着时间的推移而演变,其方式为使得通过第一类型的方法获得的估计(与第二类型的方法相比最初被分配以更高权重并且在总体估计中占主导地位)逐渐减小,而通过第二类型的方法获得的估计(最初分配以低权重)随着电池的使用年限而逐渐增大,以在整体估计中变得占主导地位。法国专利申请FR3009093描述了一种用于估计电池的老化状态的方法,该方法实现了将根据电池的健康状态趋势模型作出的估计与由直接计算估计器考虑了与电池的操作有关的测量结果而作出的估计进行组合的重心组合(即加权和)。然而,所实施的加权在此是经验加权,其随着时间的推移而简单地进化,由模型作出的估计在电池寿命的给定时间段期间继续具有恒定的主导权重,然后在此之后有规律地减小,而给予直接计算估计器的权重按比例变得越来越大。因此,尽管在此专利申请的上下文中对所应用的系数的计算确实考虑了时间因素,但是一般不考虑特别是通过直接计算估计(第二类型)作出的估计的公平性。
技术实现思路
本专利技术的一个目的是提出一种对电动车辆或混合动力车辆所配备的电池的老化状态的估计,这种估计在电池的整个寿命期间是准确的并且考虑到了驾驶员的驾驶习惯。本专利技术的另一个目的是提出一种对电动车辆或混合动力车辆所配备的电池的老化状态的估计,这种估计使得能够考虑到用于产生这种估计、特别是产生直接计算估计的测量结果的准确度。为此,本专利技术的主题是一种用于在时刻k对安装在设备项中并且旨在给所述设备项提供电能的蓄电池的健康状态SOHE(k)进行估计的方法。根据该方法,SOHE(k)的值由以下关系式确定:SOHE(k)=SOHE模型(k)-αic(T)·(SOHE模型(T)-SOHE算法(T))其中:-SOHE模型是该电池的健康状态从初始时刻的健康状态随时间变化趋势的模型;-SOHE算法是估计器,该估计器使得能够在任何时刻根据与该电池在所述时刻进行的操作有关的电量的测量结果来确定该电池的健康状态,时刻T是在时刻k之前的重新校准时刻;-系数αic(T)是在该重新校准时刻T为由该估计器SOHE算法提供的值分配的置信指数。根据可以单独或组合地考虑的各种规定,根据本专利技术的方法可以具有不同特征。因而:-根据一个特征,针对任何时刻k由以下关系式来定义SOHE模型:SOHE模型(k)=SOHE初始(0)-退化(k)其中,项SOHE初始(0)对应于该电池在该初始时刻的健康状态,并且项退化(k)对应于该电池在该时刻k的健康状态相对于在该初始时刻的健康状态的变化。-根据另一个特征,项退化(k)由以下关系式定义:其中,指数i和j分别与该电池的P个状态下的P个温度值和Q个状态下的Q个荷电状态值相关联,对(i,j)构成P.Q个状态(温度,荷电状态);其中,ti,j是在状态(i,j)下该电池在初始时刻与所考虑的时刻k之间所耗费的时间段,并且其中,ei,j是在这同一状态(i,j)下该电池在这同一初始时刻与时刻k之间放电的能量;在该电池正在放电的时段期间,从该初始时刻起周期性地重新更新这些值ti,j和ei,j。-根据另一个特征,SOHE算法(k)由以下关系式定义:其中,I表示通过该电池的电流,t1和t2分别表示I的开始测量时刻和结束测量时刻,SOC1和SOC2分别表示该电池在相应时刻t1和t2的荷电状态;QBOL表示在新状态下该电池的容量。-根据另一个特征,该电池在相应时刻t1和t2的荷电状态SOC1和SOC2是根据在相应时刻t1和t2该电池的端子处的空载电压的测量结果OCV1和OCV2来计算出的、或者是通过估计器对该荷电状态进行估计来计算出的,所述测量结果是在该电池的不活动时段之后作出的。-根据另一个特征,在时刻k由以下关系式来定义系数αic:其中,dSOHE算法对应于在考虑到所使用的测量传感器的准确度的情况下计算SOHE算法时所约定的理论误差。-根据另一个特征,系数αic被选择成考虑到以下标准中的至少一个标准:a)该理论误差越大,αic就变得越小,αic是该误差的递减函数;b)对于大于给定极限的误差,αic被强制为零;c)只要与直接计算估计中考虑的测量结果有关的某些给定条件不满足,αic就被强制为零,使得在计算SOHE时不考虑该估计器。-根据另一个特征,这些重新校准时刻T是满足与αic(T)的值相关的条件从而指示由该估计器SOHE算法作出的理论估计误差低时的特定时刻。-根据另一个特征,任何估计时刻都被视为重新校准时刻,SOHE(k)由以下关系式定义:SO本文档来自技高网
...

【技术保护点】
1.一种用于在时刻k对安装在设备项中并旨在为所述设备项提供电能的蓄电池的健康状态SOHE(k)进行估计的方法,其特征在于,SOHE(k)的值由以下关系式确定:SOHE(k)=SOHE模型(k)‑αic(T)·(SOHE模型(T)‑SOHE算法(T))其中:‑SOHE模型是该电池的健康状态从初始时刻的健康状态随时间变化趋势的模型;‑SOHE算法是估计器,该估计器使得能够在任何时刻根据与该电池在所述时刻进行的操作有关的电量的测量结果来确定该电池的健康状态,时刻T是在时刻k之前的重新校准时刻;‑系数αic(T)是在该重新校准时刻T为由该估计器SOHE算法提供的值分配的置信指数。

【技术特征摘要】
【国外来华专利技术】2016.05.31 FR 16548981.一种用于在时刻k对安装在设备项中并旨在为所述设备项提供电能的蓄电池的健康状态SOHE(k)进行估计的方法,其特征在于,SOHE(k)的值由以下关系式确定:SOHE(k)=SOHE模型(k)-αic(T)·(SOHE模型(T)-SOHE算法(T))其中:-SOHE模型是该电池的健康状态从初始时刻的健康状态随时间变化趋势的模型;-SOHE算法是估计器,该估计器使得能够在任何时刻根据与该电池在所述时刻进行的操作有关的电量的测量结果来确定该电池的健康状态,时刻T是在时刻k之前的重新校准时刻;-系数αic(T)是在该重新校准时刻T为由该估计器SOHE算法提供的值分配的置信指数。2.如权利要求1所述的方法,其特征在于,针对任何时刻k由以下关系式来定义SOHE模型:SOHE模型(k)=SOHE初始(0)-退化(k)其中,项SOHE初始(0)对应于该电池在该初始时刻的健康状态,并且项退化(k)对应于该电池在该时刻k的健康状态相对于在该初始时刻的健康状态的变化。3.如权利要求2所述的方法,其特征在于,项退化(k)由以下关系式定义:其中,指数i和j分别与该电池的P个状态下的P个温度值和Q个状态下的Q个荷电状态值相关联,对(i,j)构成P.Q个状态(温度,荷电状态);其中,ti,j是在状态(i,j)下该电池在初始时刻与所考虑的时刻k之间所耗费的时间段,并且其中,ei,j是在这同一状态(i,j)下该电池在这同一初始时刻与时刻k之间放电的能量;在该电池正在放电的时段期间,从该初始时刻起周期性地重新更新这些值ti,j和ei,j。4.如权利要求1至3中任意一项所述的方法,其特征在于,SOHE算法(k)由以下关系式定义:其中,I表示通过该电池的电流,t1和t2...

【专利技术属性】
技术研发人员:M·门斯勒AL·德里迈尔佛朗哥
申请(专利权)人:雷诺股份公司
类型:发明
国别省市:法国,FR

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1