[发明专利]使用双扩展卡尔曼滤波器的电池状态估计方法和系统

说明书

使用双扩展卡尔曼滤波器的电池状态估计方法和系统。公开了一种电池状态估计方法和系统。电池状态估计是通过应用ARX模型和双扩展卡尔曼滤波器来提供的。电池状态估计系统使用ARX模型估计电池模型的参数，并且通过将所估计的电池模型的参数应用到双扩展卡尔曼滤波器来估计电池状态，该双扩展卡尔曼滤波器包括用于估计电池的充电状态(SOC)的状态滤波器和用于估计电池的健康状态(SOH)的加权滤波器。

相关申请的交叉引用

本申请要求2014年6月30日提交的韩国专利申请No.10-2014-0081076和2015年4月1日提交的韩国专利申请No.10-2015-0045886的优先权，这两个韩国专利申请的公开内容通过整体引用的形式被并入在本文中。

技术领域

本发明涉及使用双扩展卡尔曼滤波器的电池状态估计方法和系统以及执行该方法的记录介质，更具体地，涉及可以将滞后和扩散现象考虑在内来计算电池状态的使用双扩展卡尔曼滤波器的电池状态估计方法和系统以及执行该方法的记录介质。

背景技术

随着对诸如笔记本电脑、摄像机和手机的便携式电子产品的需求的迅速增加以及用于存储能量的电容器、机器人和卫星的全面发展，正在进行关于能够重复进行充电和放电的高性能二次电池的研究。

市售二次电池包括镍-镉电池、镍-金属氢化物电池、镍-锌电池、锂二次电池。其中，锂二次电池正越来越收到关注，因为锂二次电池几乎没有记忆效应，因此锂二次电池提供很多优势，例如充电/放电具有更少的记忆效应、低的自放电率和高的能量密度。

特别地，近来，由于碳能源正日益枯竭以及对自然环境的公共利益的增加，对混合动力车辆和电动车辆的需求已经在包括美国、欧洲、日本和韩国的全球范围内逐渐增加。由于混合动力或电动车辆提供有来自通过对其能量进行充电/放电的电池组的驱动力，这样的混合动力或电动车辆已收到来自市场的良好反响。混合动力或电动车辆更加节能并减少污染排放。因此，由于车辆用电池被认为是混合动力或电动车辆的主要部件，时下车辆用电池已经受到关注。

由于电池用于诸如笔记本电脑或车辆的各种类型的移动设备对于适当的功能具有有限的使用寿命，因此测量关于电池的充电状态(SOC)的准确信息是重要的。SOC是关于电池能够持续多久的参数中的一个，因此当用户使用从电池接收电力的设备时SOC是非常重要的信息。诸如笔记本电脑、手机和车辆的常规的配备有电池的设备可以估计电池的SOC，然后可以基于所估计的SOC向用户提供包括电池的可用时间或充电量在内的信息。

电池的SOC通常以相对于电池的满充电容量(FCC)的剩余量的百分比的形式进行显示。可以使用多种方法来估计电池的SOC，并且其中一种常规方法是使用库仑计数法来估计SOC的方法。库仑计数法是通过积累电池的输入/输出电流以及将所积累的电流加入初始容量/从初始容量减去而找到SOC的方案。然而，当SOC的初始值中存在误差或者当所测量的电流的误差随着时间经过而累积时，库伦计数法可能提供有限的准确度。使用卡尔曼滤波器来估计SOC和健康状态(SOH)的方法可以被用来克服这种局限。为了提高估计的准确度，电池模块及其参数应当是准确的。应当准确考虑参数的变化的信息。然而，由于其需要较多的时间和设备，获得这种准确信息是不容易的。此外，如果电池的类型或容量不相同，应当再次进行新测试，这增加了更多麻烦。另外，对于电池的参数，随着电池的老化，卡尔曼滤波器的SOC/SOH的估计准确度将降低，这是因为其参数值将随着时间经过而改变。

发明内容

本公开针对一种使用双扩展卡尔曼滤波器的电池状态估计方法和系统以及用于执行该方法的记录介质，其中，使用ARX模型来估计电池参数，并且通过应用滞后参数和扩散参数来估计电池状态。