[发明专利]用于电池荷电状态估计的方法和系统

说明书

公开一种用于电池荷电状态估计的方法和系统。动力传动系统具有包括固体活性粒子的锂离子(Li‑ion)牵引电池，根据基于所述电池的降阶模型的代表性固体活性粒子的估计的锂离子浓度曲线的电池荷电状态来运转所述动力传动系统。根据所述降阶模型从所述电池的测量电压和电流来估计所述浓度曲线。

技术领域

本发明涉及估计电池的荷电状态(SOC)。

背景技术

电动车辆包括牵引电池。所述电池具有指示电池的当前充电状态的荷电状态(SOC)。知晓电池SOC使得能够计算可用的电池能量和电池功率容量。

可间接估计电池的SOC。一种估计电池SOC的方法涉及电池电流积分(即，库伦计数)。这种电池电流积分方法的问题在于需要精确度高的电流传感器来保证SOC估计的精确度。另一种方法使用电池电压信息来估计SOC。这种电池电压转换方法的问题在于此类方法多数基于图(map-based)或基于简化等效电路模型。

在电荷保持驱动模式下在给定的电池SOC设置点附近电池进行工作。由于长时间的动态特性是可忽略的，因此在上述情况下已知的现有估计方法提供的电池SOC估计可有效。然而，在电荷消耗驱动模式下，慢的扩散动态特性起主导作用。由于宽的频率范围内的慢的动态特性和动态分量的非线性度高，因此已知的现有估计方法提供的电池SOC估计将无效。

应开发一种可在宽的SOC范围、温度范围以及各种车辆驱动条件下使用的电池SOC估计方法。

发明内容

在实施例中，具有锂离子(Li-ion)牵引电池组的动力传动系统根据所述电池的性能变量的值来运转。所述性能变量包括：电池的荷电状态(SOC)和可用的电池功率极限。从降阶电化学电池模型中的锂离子浓度所表示的状态变量来估计所述性能变量。所述电池模型利用所述模型的推导出的常微分方程的非均匀离散而被进一步降阶。提供一种用于基于表示电池单元中的正电极和负电极的电化学动态特性的估计的锂离子浓度曲线来估计电池SOC的方法。使用扩展卡尔曼滤波器(EKF)从电池的测量电压和电流估计所述浓度曲线。基于所述降阶电池模型来构造EKF。

在实施例中，根据基于估计的锂离子浓度曲线的电池的SOC来操作包括固体活性粒子的锂离子(Li-ion)牵引电池，其中，估计的锂离子浓度曲线表示电池单元或电池组的电化学动态特性。使用捕捉两个电极(即，正电极和负电极)的电化学动态特性的扩散方程来对电化学动态特性建模。所述降阶模型采用电极平均模型的结构，但是该模型的有效性通过将中到慢的动态特性信息添加到所述状态变量而被扩大到宽范围的操作条件，其中，所述状态变量通过有效锂离子浓度曲线来表示。根据所述模型从电池的测量电压和电流估计有效锂离子浓度曲线。

在本发明的实施例中，一种用于具有包括固体活性粒子的锂离子(Li-ion)牵引电池的动力传动系统的系统，所述系统包括：控制器，被配置为根据基于所述电池的降阶模型的代表性固体活性粒子的估计的锂离子浓度曲线的电池荷电状态来运转所述动力传动系统，并根据所述模型从所述电池的测量电压和电流来估计所述浓度曲线。

根据本发明的一个实施例，所述控制器还被配置为使用扩展卡尔曼滤波器(EKF)估计所述浓度曲线。

根据本发明的一个实施例，所述降阶模型采用表示所述电池的电池单元的正电极和负电极的组合电化学动态特性的常微分方程。

根据本发明的一个实施例，所述扩展卡尔曼滤波器基于所述降阶模型。

根据本发明的一个实施例，所述控制器还被配置为使用常微分方程的非均匀离散来从所述电池的全阶电化学模型推导所述降阶模型。

根据本发明的一个实施例，所述控制器还被配置为根据所述降阶模型输出电池端电压。