[发明专利]用于估计或预测电池单元的内部电池状态的方法

说明书

本发明公开了用于估计或预测电池单元的内部电池状态的方法，该方法包括：获取与电能存储系统的操作条件相关的电能存储系统的操作数据；将所获取的操作数据馈送到非线性状态观测器，该非线性状态观测器适于在一系列时间步长中估计和/或预测至少一个电池单元的内部电池状态，使得非线性状态观测器的观测器误差向零收敛或向接近零的值收敛；至少基于所获取的操作数据，使用非线性状态观测器来估计或预测内部电池状态。非线性状态观测器是在至少两个不同的静态观测器增益之间进行切换的切换式多增益观测器，其中，基于如由非线性状态观测器确定的内部电池状态的预测或估计值来选择要使用的观测器增益。

技术领域

本发明涉及一种用于估计或预测(诸如车辆中的)电能存储系统内的至少一个电池单元的内部电池状态的方法。

本发明可以应用于任何类型的电动车辆：混合动力电动车辆(HEV)、插电式混合动力电动车辆(PHEV)、电池电动车辆(BEV)或燃料电池电动车辆(FCEV)。尽管本发明将针对电动公共汽车进行描述，但本发明不限于该特定车辆，还可以用于其它混合动力或电动车辆，诸如电动卡车、电动建筑设备和电动乘用车。本发明还可以应用于任何其它类型的电动车辆，诸如电动建筑设备、电动作业机械(例如，轮式装载机、铰接式运输车、自卸卡车、挖掘机和反铲装载机等)。本发明还可以应用于船舶和固定式电能存储系统。

背景技术

电池正在成为用于为车辆提供推进力的更常见的动力源。这种电池通常是可再充电电池并且通常包括多个电池元，这些电池元可以串联或并联连接以形成用于车辆的完整电池组。

用于完成向电池提供动力的车辆转变的关键部件是具有高能量和功率密度以及长循环寿命的电池。然而，性能不仅仅取决于电池本身，还取决于控制和观测电池中的内部过程的系统，其通常称为电池管理系统。这些系统的一个关键部分是估计和/或预测电池的不可测量的内部状态，诸如荷电状态(SoC)。SoC估计已经在文献中进行了广泛的研究，并且已经提出了许多不同类型的观测器。例如，扩展卡尔曼滤波器(EKF)已由G.L.Plett在2004年的Journal of Power Sources的第134卷第2期第277-292页提出，无迹卡尔曼滤波已由G.L.Plett在2006年的Journal of Power Sources的第161卷第1356-1368页提出。龙伯格(Luenberger)观测器的使用已由X.Hu等人在2010年的Energies的第3卷第9期第1586-1603页提出。

这些工作中的大多数都专注于估计精度而不是计算成本，即使在实践中为电池组中的所有电池元获取这种精度可能是昂贵的。因此，需要提供计算效率更高的方法来预测或估计内部电池状态。

发明内容

本发明的主要目的是提供一种在至少一些方面改进的用于预测或估计诸如车辆中的电池单元的内部电池状态的方法。特别地，目的是实现一种计算有效率的方法来预测或估计这种内部电池状态。

根据本发明的第一方面，至少主要目的是通过根据本发明的用于估计或预测电能存储系统内的至少一个电池单元的内部电池状态的方法来实现的。电能存储系统(本文中也称为ESS)可以是车辆或船舶的电能存储系统，或者是固定的电能存储系统。

该方法包括：

-获取与电能存储系统的操作条件相关的电能存储系统的操作数据，

-将所获取的操作数据馈送到非线性状态观测器，该非线性状态观测器适于在一系列时间步长中估计和/或预测至少一个电池单元的内部电池状态，使得非线性状态观测器的观测器误差向零收敛或向接近零的值收敛，

-至少基于所获取的操作数据，使用非线性状态观测器来估计或预测内部电池状态。

非线性状态观测器是在至少两个不同静态观测器增益之间切进行换的切换式多增益观测器，其中，基于如由非线性状态观测器确定的内部电池状态的预测或估计值来选择要使用的观测器增益。