提供了一种用于预训练超模型的方法，该超模型被配置为用于预测车辆电池的功率状态(SoP)。该方法包括对具有与所述车辆电池类似的一组操作特性的多个电池进行电化学阻抗谱(EIS)扫描。EIS扫描在车辆电池的各种状态下进行。该方法还包括通过将优化技术应用于EIS扫描的结果来拟合所述超模型的参数。超模型包括模型家族，每个模型定义车辆电池的多个电池单元中的相应电池单元对车辆电池各种状态下的电流分布的电压响应。
【技术实现步骤摘要】
【国外来华专利技术】
本专利技术总体上涉及电池监测，更具体地说，涉及一种使用电池阻抗测量来估计电池功率状态(sop)的系统和方法。随着电动汽车的快速发展，电池管理系统(bms)有望跟踪电池组的状态，以实现相应控制算法的有效运行。一个需要监测的状态是(在快速加速期间)可以从电池组中提取或(在再生制动期间)放回电池组的最大功率，这直接转化为车辆性能和用户体验。目前，bms使用简单和保守的估计值，计算为给定时间内最小端子电压与最大电流的乘积。然而，这大大低估了最大功率度量。电源状态(sop)量化了电池在短时间内可以提供的最大电量。传统的电池管理系统通过基于时域电压和电流数据训练模型来推断类似sop的信息，通常以电流脉冲时间表的形式(即直流内阻(dcir)测量)，其中sop估计是通过涉及具有长弛豫时间的电流脉冲的长时间dcir测量测试来实现的。这可能非常耗时，并且由于几个原因而不切实际，其中一个原因是，在电池稍微老化后，必须重新校准产生的等效电路模型(ecm)。因此，需要改进sop测量和改进ecm重新校准。
技术介绍
技术实现思路
>1、以下呈现了一个本文档来自技高网...
【技术保护点】
1.一种用于预训练被配置为用于预测车辆电池的功率状态(SoP)的方法，所述方法包括：
2.根据权利要求1所述的方法，还包括使用所述超模型、EIS扫描的结果、所述车辆电池的操作约束以及EIS扫描中使用的车辆电池的各种状态来估计所述车辆电池的功率状态(SoP)。
3.根据权利要求1所述的方法，其中所述车辆电池的各种状态包括以下中的至少一些：所述车辆电池的不同温度范围；所述车辆电池的不同充电状态(SoC)；所述车辆电池的寿命；以及所述车辆电池所承受的电流负载的性质。
4.根据权利要求1所述的方法，其中所述超模型是等效电路模型(ECM)，所述超模型是等效电路模...
【技术特征摘要】
【国外来华专利技术】
1.一种用于预训练被配置为用于预测车辆电池的功率状态(sop)的方法，所述方法包括：
2.根据权利要求1所述的方法，还包括使用所述超模型、eis扫描的结果、所述车辆电池的操作约束以及eis扫描中使用的车辆电池的各种状态来估计所述车辆电池的功率状态(sop)。
3.根据权利要求1所述的方法，其中所述车辆电池的各种状态包括以下中的至少一些：所述车辆电池的不同温度范围；所述车辆电池的不同充电状态(soc)；所述车辆电池的寿命；以及所述车辆电池所承受的电流负载的性质。
4.根据权利要求1所述的方法，其中所述超模型是等效电路模型(ecm)，所述超模型是等效电路模型(ecm)，将例如电阻器、电容器、电感器和沃伯格阻抗的ecm各种电路元件的映射到eis扫描中使用的车辆电池的各种状态。
5.根据权利要求1所述的方法，其中所述超模型是从基于物理的模型简化而来的模型，所述模型将电池元件的物理表示映射到eis扫描中使用的车辆电池的各种状态。
6.根据权利要求1所述的方法，其中所述超模型是使用在所述车辆电池的各种状态下使用eis扫描学习的车辆电池的等效阻抗的频率响应而推断的自适应滤波器。
7.根据权利要求1-6中任一项所述的方法，其中所述拟合是离线执行的。
8.根据权利要求1-7中任一项所述的方法，其中使用多维查找表将所述超模型、预期电池状态、eis扫描的结果以及电池系统电流和电压限制映射到相应的sop值中。
9.根据权利要求1所述的方法，其中使用在所述车辆电池的各种状态下学习的回归函数来执行从eis扫描、车辆电池的各种状态和车辆电池的操作约束到电池的功率状态(sop)的映射。
10.根据权利要求1所述的方法，其中所述eis扫描的结果用于使用从由基于梯度的线性优化方法、非负最小二乘(nnls)方法和凸优化方法组成的组中选择的优化技术来推断超模型。
11.根据权利要求1所述的方法，其中所述超模型是等效电路模型(ecm)家族，并且所述方法还包括：通过将r-rc ecm模型中的串联电阻器r设置为最小观察阻抗值来执行参数拟合方法的智能初始化，所述r-rc ecm模型具有串联电阻器r与一个或多个rc并联子电路串联；将模型参数设置为确定值，并在基于所述串联电阻器r的值在一定范围内扫描时保持确定值不变，以识别使目标函数最小化的确定值。
12.一种用于预测电池的功率状态(sop)的方法，所述方法包括：
13.根据权利要求12所述的方法，其中在所述车辆中电池的初始使用之后，定期执行所述多个附加eis扫描。
14.根据权利要求12所述的方法，其中所述电池的各种状态包括以下中的至少一些：电池的不同温度范围、电池的不同充电状态(soc)、电池的寿命和电池所承受的电流负载的性质。
15.根据权利要求12所述的方法，其中所述超模型是等效电路模型(ecm)，将例如电阻器、电容器、电感器和沃伯格阻抗的ecm各种电路元件的映射到eis扫描中使用的电池的各种状态。
16.根据权利要求12所述的方法，其中所述超模型是从基于物理的模型简化而来的模型，所述模型将电池元件的物理表示映射到eis扫描中使用的电池的各种状态。
17.根据权利要求12所述的方法，其中所述超模型是使用在所述电池的各种状态下使用eis扫描学习的电池的等效阻抗的频率响应而推断的自适应滤波器。
18.根据权利要求12所述的方法，其中所述eis扫描的结果用于使用从由基于梯度的线性优化方法、非负最小二乘(nnls)方法和凸优化方法组成的组中选择的优化技术来推断超模型。
19.根据权利要求12所述的方法，其中所述超模型是等效电路模型(ec...
【专利技术属性】
技术研发人员：J·特拉，O·塔诺维奇，H·古拉帕利，
申请(专利权)人：美国亚德诺半导体公司，
类型：发明
国别省市：
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。