CN100483146C - 利用基于健康指标的存留寿命模型的自适应改变的状态来估计电池存留寿命的设备与方法 - Google Patents

Abstract

响应于间歇的电池容量测试，例如，基于响应于容量测试而产生的存留寿命估计，自适应地修改作为SOH指标的函数的电池存留寿命模型。监测电池的SOH指标以产生SOH指标值，并且根据存留寿命的自适应地修改的模型从所产生的SOH指标值产生存留寿命的估计。例如，可以响应于对由存留寿命模型估计的存留寿命中的变化的检测进行容量测试，并且可以响应于所述容量测试来修改所述存留寿命模型。电池存留寿命模型可以，例如，将存留寿命表达为浮充电压、温度、充/放电循环、阻抗、电导、电阻，和/或电压骤降参数的函数。本发明可以通过方法、设备和计算机程序产品来实现。

Description

利用基于健康指标的存留寿命模型的自适应改变的状态来估计电池存留寿命的设备与方法

技术领域

本发明涉及电池监测，具体而言，涉及用于估计电池存留寿命(reservelife)的方法、设备和程序产品。

背景技术

阀控式铅酸(VRLA)电池作为备用能量存储源广泛地用于整个电信工业。典型地，在这样的应用中这种电池是唯一的能量存储源，因此，当交流电源发生故障时，它也是抵御***故障的最后防线。由于误操作、制造缺陷或监测和维护的缺乏，它常常是备用电源***中最不可靠的组件。

电池容量，也就是能量储存能力，作为确定的电池健康状态(SOH)指标，长期以来是研究人员的目标。常规标准，例如“固定设备用阀控式铅酸(VRLA)电池的维护、测试及更换的IEEE推荐操作规程(IEEERecommended Practices for Maintenance，Testing and Replacement ofValve Regulated Lead Acid(VRLA)Batteries in Stationary Applications”，IEEE STD 1188-1996，使得用于确定电池工作寿命的终结的标准以容量为基础。典型地，当容量达到制造商的额定容量的80％时，电池的工作寿命就被认为终结了。

尽管在开发用于确定电池健康状态(SOH)的算法方面已经做了很多工作，但在开发用于估计电池存留寿命的技术方面，只进行了很少的工作。确定电池不能按照需要进行工作的能力有明显的好处。然而，这种信息往往来得太晚，以致***性能可能被损害，并且保持这种状况直到旧电池可以被替换，往往达数周之久。因此，需要用于预测电池存留寿命的有效技术。

发明内容

根据本发明的一些实施例，可以实现电池存留寿命的估计。响应于间歇的电池容量测试，例如，基于响应于容量测试而产生的存留寿命估计，自适应地修改作为SOH指标的函数的电池存留寿命模型。监测电池的SOH指标以产生SOH指标值，并且根据存留寿命的自适应地修改的模型从所产生的SOH指标值产生存留寿命的估计。例如，可以响应于对由存留寿命模型估计的存留寿命中的变化的检测进行容量测试，并且可以响应于所述容量测试来修改所述存留寿命模型。电池存留寿命模型可以，例如，将存留寿命表达为浮充电压、温度、充/放电循环、阻抗、电导、电阻，和/或电压骤降(coup de fouet)参数的函数。例如，可以由控制和/或监测***进行电池存留寿命估计。本发明可以通过方法、设备和计算机程序产品来实现。

附图说明

图1A和图1B是示图，示出了电池浮充电压和容量的关系；

图2是示图，示出了单体电池电压和电池容量的关系；

图3是示图，示出了在电池老化过程中浮充电流和容量趋势；

图4A-4D是示图，示出了在电池老化过程中的温度、容量和存留寿命；

图5是示图，示出了电池的电压骤降电压和容量的关系；

图6是流程图，示出了依据本发明一些实施例的用于电池存留寿命估计的示例性操作；

图7是示图，示出了依据本发明的一些实施例的经历存留寿命估计的电池的电压骤降参数中的变化；

图8A-图8F是示图，示出了依据本发明的一些实施例的基于温度的电池存留寿命模型的变型；

图9A和9B是示图，示出了依据本发明的一些实施例的经历存留寿命估计的电池的实际的存留寿命、估计的存留寿命和存留寿命误差；

图10A和10B示图，示出了根据本发明进一步实施例的电池存留寿命估计；

图11是示图，示出了仍然根据本发明的进一步实施例的电池存留寿命估计；

图12-14流程图，示出了根据本发明一些实施例的电池存留寿命估计操作、设备和计算机程序产品；

图15是原理图，示出了根据本发明进一步实施例的电池存留寿命估计的示例性设备。

具体实施方式

现在参照附图描述本发明的具体示例性实施例。然而，本发明可以用许多不同的形式实现，而不应该被解释为限于在此提出的实施例；当然，提供这些实施例可以使得本公开将是彻底和完全的，并将向本领域技术人员充分地传达本发明的范围。在附图中，相似的数字指示相似的元件。可以理解的是，当提及元件“连接”或“耦合”到另一元件时，可以是直接地连接或耦合到其它元件或存在介于其间的元件。

本发明可以通过设备(***)、方法和/或产品，包括计算机程序产品来实现。因此，本发明可以通过硬件和/或软件(包括固件、常驻软件、微码等等)实现。此外，本发明可以采取在计算机可用或计算机可读的存储介质上的计算机程序产品的形式，该介质中具有用于指令执行***或与之相关的计算机可用或计算机可读的程序代码。在本文本的语境下，计算机可用或计算机可读的介质可以是用于包含、存储、通信、传播或传送用于指令执行***、设备或装置或与之相关的程序的任何介质。

例如，计算机可用或计算机可读的介质可以是电、磁、光、电磁、红外或半导体的***、设备、装置或传播介质。计算机可读介质的更具体的例子(非穷举列表)包括以下：具有一根或多根导线的电连接，便携式计算机磁盘，随机存储器(RAM)，只读存储器(ROM)，可擦可编程只读存储器(EPROM或闪存)，光纤以及便携式光盘(CD-ROM)。注意到，由于程序可以通过电子获取，例如，经由对纸张或其他介质的光扫描，然后编译、解释或以合适的方式进行其它处理，如果需要，然后存储在计算机内存中，所述计算机可用或计算机可读的介质甚至可以是打印了程序的纸张或其它合适的介质。

可以通过参照说明了依照本发明的示例性实施例的方法、***、计算机数据信号和计算程序产品的流程图和/或方框图来描述本发明。可以理解的是，所述流程图和/或方框图所示的每一块或所述流程图和/或方框图所示的块的组合都可以通过计算机程序指令和/或硬件操作来实现。这些计算机程序指令可以提供给通用的计算机、专用的计算机、或其他可编程数据处理设备的处理器来产生一个机械装置，像这些经过计算机或其他可编程数据处理设备的处理器执行的指令，创建了实现在流程图或方框图中说明的功能的方法。

这些计算机程序指令也可以存储在计算机可用或计算机可读的存储器中，该存储器可以使计算机或其他可编程数据处理设备以特定的方式运行，以使得存储在计算机可用或计算机可读存储器中的指令产生这样的产品，该产品包括能实现由所述流程图和/或方框图中的块或块的组合所指定的功能的指令。计算机程序指令也可以被装载到计算机或其他可编程数据处理设备中，以使得在计算机或其他可编程装置中进行一系列操作步骤，从而产生计算机实现的处理，以使得在计算机或其他可编程设备上执行的指令可以提供用于实现由所述流程图和/或方框图中的块或块的组合所指定的功能的步骤。

在下面的讨论中，描述根据本发明的一些实施例的用于估计阀控式铅酸电池(VRLA)的存留寿命的操作。值得注意的是，对这些操作的描述是为了说明目的，本发明并不受限于VRLA电池或所示的特定操作。

概述

如前所述，用于确定电池工作寿命终结的常规标准典型地基于电池容量。因而通过跟踪容量的趋势，可以估计剩余寿命。本发明的实施例起因于这样的实现，有利地采用一种更少侵入的用于检测电池容量(或SOH)是否改变的方式，而不是进行贯穿电池整个寿命的放电(容量)测试。

现在讨论若干SOH指标的功效。由各指标提供的SOH信息的可靠性各不相同并且通常依赖于电池类型、所采用的电池工作条件、电池失效机理以及获取准确度。

浮充电压是相对容易获得的，但其却可以提供从低级到中级的可靠性。在备用电源应用中，典型地采用恒定电压充电，所以在这样的应用中，无论电池还是电池串的电压都倾向于不能反映充电的电池状态(SOC)或SOH信息。而且，已经有报告说在单独的电池单元的浮充电压和SOH之间并无有意义的关系。可参见M.J.Hlavac，D.O.Feder，T.G.Croda，andK.S.Champlin，“Field and Laboratory Studies to Assess the State ofHealth of Valve Regulated Lead Acid and Other Battery Technologies：Using Conductance Testing：Part II of INTELEC Series：FurtherConductance/Capacity Correlation Studies，”INTELEC 1993，Paris，France，S.36.B.因为在浮充电压和SOH之间的关系是不明确的，所以浮充电压对于指示SOH也可能是不可靠的。

图1A和图1B说明了两种情况，低的(图1A)和高的(图1B)浮充电压对应于差的SOH(低容量)。在这两种情形下，在放电之前，十二个2V的单体电池处于浮充电压。所述容量由最大单体电池容量的百分比给定。

图1A和图1B证明了极端的电池单元浮充电压可指示很差的SOH。因而，潜在的解决方案是跟踪电池单元浮充电压与平均电池单元浮充电压的绝对偏差。图2中给出了一个例子，在其中给出了在单体电池容量和单体电池电压之间，以及在容量与对于平均单体电池电压的单体电池的绝对电压偏差之间的相关系数。正如所希望的，在浮充过程中所述容量呈现出与绝对电压偏差的反比关系。也有人建议通过跟踪电池单元的浮充电压压差范围随时间的趋势指示电池SOH，可参见A.I.Harrison，and P.D.Taylor，“Valve-Regulated Lead/Acid Battery Condition Monitoring，”INTELEC 1993，Paris，France，S.39.P.浮充电压的压差范围是指最大和最小的电池单元浮充电压之间的差。

已经有报告称浮充电流朝着寿命终结的方向增加。可参见K.D.Floyd，Z.Noworolski，J.M.Noworolski，and W.Sokolski，“Assessment ofLead-Acid Battery State of Charge by Monitoring Float ChargingCurrent，”INTELEC 1994，Vancouver，B.C.，Canada，P20-2；W.R.Plowand D.B.Garrett，“Float Current Monitoring and Evaluation，”INTELEC2000，Phoenix，Arizona，USA，P19-1.图3示出了在12V整体电池(mono-bloc)的加速的热老化时的浮充电流。容量的趋势也在图中给出。在第75天左右所述浮充电流开始增加。在这个阶段，容量已经下降到近似80％。

然而，难以从浮充电流中提取SOH信息。浮充电流的大小典型地是非常低的，因此，很难利用与测量放电电流所用的相同装置来进行测量。结果，已开发了专用的电流传感器。温度变化相比电池SOH将引起浮充电流更大程度的变化。此外，浮充电流的性态典型地随电池的不同而不同并且典型地依赖于失效模式发生。

温度可以严重影响备用VRLA电池的工作寿命，从Arrhenius等式得到的经验规则是，温度每上升10℃，电池的工作寿命减半。由此，跟踪电池的温度升高可以提供健康状态的信息。可参见J.Bizouard，V.Schneider，and M.Boost，“A Battery Node for Power Plant Monitoring Systems，”INTELEC 1998，San Francisco，USA，P27-1.由于与SOH中相应的减少相比，温度的升高倾向于非常小，经常只有当SOH已经剧烈地降低时它才会升高，因此这种技术只有低或中等的可靠性。

图4A示出了当12V整体电池遭受加速的热老化时的温度趋势。其中也包括运行7天的温度平均值，平均环境温度和电池容量的趋势。可以看到在测试进入到约90天时，整体电池的温度开始显著升高，与之相一致的是容量减少到约70％。电池温度的升高可能反映在此时也会发生的浮充电流增加(见图3)。与浮充电流相比较，电池温度更容易被测量。然而，如果环境温度不是恒定的，电池温度的变化可能与浮充电流的变化一样难以检测。

图4C示出了另一个同类型的12V整体电池的温度和容量趋势数据。在这种情况下，当测试进入到约28天时，所述温度开始上升。这与99％的容量相对应。所述温度保持上升直到容量已经下降到约75％，在此时其开始下降。这些不明确的结果预示着单独用电池温度评估SOH的潜在困难。

除了温度趋势，可以从电池中的电池单元的瞬时温度的比较中获得信息。已有推荐，将电池单元之间3℃的温差作为指示电池失效的可能性的阈值。跟踪温度随时间升高的另一选择是计算累计的热应力。利用Arrhenius的等式作基础，可以推出等式(1)来获得电池在任何环境温度下工作的存留寿命：

$L_R\left(t_x\right)=\frac{L_n-\underset{i=1}{\overset{x}{\mathrm{\Σ}}}(t_i-t_{i-1})\·2^{\frac{(T_i-T_n)}{\mathrm{\α}}}}{2^{\frac{(T_x-T_n)}{\mathrm{\α}}}}---\left(1\right)$

L_R是在当前环境温度T_x下在时段t_x的寿命剩余，并且L_n是在标称温度T_n下的制造商的设计寿命。相邻时段的差，(t_i-t_i-1)，可以用天来表示。典型地，所述设计寿命是10年且所述标称温度是20或25℃。温度，T_i，是时段ti期间的平均温度，α是温度的改变，其导致所述电池的寿命以因数2变化。经验规则定义α等于10℃。然而，对于图4A的测试，α的合适值被发现是8.2℃。

实际的和估计的存留寿命(用等式(1))在图4B中示出。在图4D中给出了图4C的整体电池的相应的实际寿命剩余和利用等式(1)估计的寿命剩余，以及容量的趋势。在这种情况下，α的合适值被发现是6.8℃。α取不同值的原因可归结为在每次测试时使用了不相似的工作条件，即，在不同速率进行不同次数和深度的放电，这也可以影响电池健康。而且，还没有考虑在这个环境温度下使用比适当的浮充电压更高的浮充电压(作为热加速老化处理的一部分)的效果。这些问题再次突出了利用温度获得SOH信息的难度。

充/放电循环的次数也可以提供SOH信息。制造商典型地指定在电池整个寿命内能够进行的放电的次数和深度。尽管如此，由于需要考虑诸如浮充电压和温度的其他工作条件的影响，单基于此信息来确定所述存留寿命往往是很难的。另外，备用动力***应用通常不是所考虑的典型的循环应用，如，典型地，相对很少发生的电池使用发生在电池寿命期内。

在发生放电的情况下，存在能够利用得到的数据更有效地评估SOH的可用技术。即，电压骤降信息，其可以被用来获得SOH的直接指示，该信息在以下文献中有所描述，P.E.Pascoe and A.H.Anbuky，“Thebehaviour of the coup de fouet of VRLA batteries，”The Journal of PowerSources，Vol.111，Issue 2，pp.306-321，2002。

用于确定SOH的阻抗、电导和电阻技术的潜在缺点是需要专用的测试设备。关于这些技术的有效性以及哪一种技术可以提供最可靠的SOH信息也存在争论，如下面文献中所讨论的，M.J.Hlavac and D.Feder，“VRLA Battery Conductance Monitoring，Part V：Strategies for VRLABattery Testing and Monitoring in Telecom Operating Environment，”INTELEC 1996，Boston，USA，P22-3，and Z.Noworolski，and U.Reskov，“Can a Battery Ohmic Tester Distinguish a Good Cell From the Pool ofBetter Ones？，”INTELEC 2002，Montreal，Canada，P14-3.对一些常规的阻抗和电导技术而言，测试频率的选择会影响测量。最后，只能对某些失效模式或在严重的SOH退化后，所述SOH退化才可以被检测。因此，这些技术的可靠性可能被削弱了。

基于电压骤降的技术太复杂而难于实现，但对于检测SOH中的变化已经被显示是可靠的。如图5所示，电压骤降的波谷(trough)和台阶(plateau)电压参数与容量近似线性相关，图5示出了波谷和台阶电压相比于若干热老化2V单体电池的容量的情形。

图6示出了根据本发明的一些实施例的示例性的电池存留工作寿命估计操作。在所示的实施例中，存留寿命估计是反复进行的并且包括在电池寿命上的一系列阶段。参照图6，电池被安装和初始化(块601)。例如，电池首先被放电。放电不需要以***放电(负载)率进行和/或不必在***终结电压上结束。如果进行放电，并且取决于所采用的工作条件，该放电可以被用来对电池容量进行标准检测。在此初始化阶段，可以得到的存留寿命的最好估计，其等于在所述环境温度下的制造商的额定寿命(块615)。由于电池的健康可能并不以制造商所预想的方式受到影响，这未必是非常准确的。例如，它可能受制造缺陷的影响和/或在极端的(或不正确的)方式下***作。因此，可以进行训练测试以产生初始的寿命估计。例如，如果采用电压骤降模型以检测SOH中的变化并且如果工作条件是易变的，则可以使用非常浅的放电。训练的持续时间和程度取决于电池工作条件。如果工作条件，特别是环境温度，是苛刻的，则优选地在电池SOH开始严重退化之前合理快速地完成训练。如果所述工作条件是高度易变的，则需要进行多次测试以准确地表示电压骤降的状态。

通过跟踪一个(或多个)SOH指标，诸如上面所讨论的SOH指标，电池健康可以被间接地检测(块620)。例如，在这个阶段，存留工作寿命的估计可以基于热积累。在这种情况下，等式(2)可以用来给出存留寿命的估计：

$L_R\left(t_x\right)=f\left(T\right)=\mathrm{\β}\·\left[\frac{L_n-\underset{i=1}{\overset{x}{\mathrm{\Σ}}}(t_i-t_{i-1})\·2^{\frac{(T_i-T_n)}{\mathrm{\α}}}}{2^{\frac{(T_x-T_n)}{\mathrm{\α}}}}\right]---\left(2\right)$

需要注意的是，尽管等式(2)类似于等式(1)，但其包括额外的因数β。这个因数允许考虑通过使用不适当的浮充电压和/或进行充放电循环所引起的有害影响。例如，α可以被初始设置为10而β可以被设置为1。特别注意到，如果存在工作条件中的改变，而该改变推动造成电池SOH退化的失效模式，则存留工作寿命以及随即产生的存留工作寿命的估计会发生变化。这类似于存留时间，其中，如果所述工作条件(放电率)改变，存留时间将典型地改变。在此监测期间，为了诸如预防性维护、动力***控制等等的目的，存留寿命可以从基于SOH指标的模型(例如，等式(2))确认(块625)。

在某一点上，检测到电池SOH中的显著改变(块630)。然后，使用，例如，电池的部分放电以及放电电压对存留充电的模型(discharge voltageversus reserve charge model)进行电池容量的检测(块640)。可以用于本发明的这种模型的例子在下面的文献中描述，A.H.Anbuky and P.E.Pascoe，“VRLA Battery State of Charge Estimation in TelecommunicationPower Systems”，IEEE Transactions on Industrial Electronics，Vol.47，No.3，June 2000，pp.565-573.如果在开始(在初始化期间)就知道电池容量，则容量的趋势可以被用来估计存留寿命。

一旦电池SOH开始降低，其降低的速率典型地加快。实际上，容量C(t)的趋势接近于时间t的对数函数，如等式(3)所表达的：

C(t)＝ωlog(γ-t)           (3)

当已经对容量C(t)作了两次不同时间的估计，可以利用例如非线性最小均方估计技术确定等式(3)的参数ω和γ。该技术在如下文献中有所描述，J.S.R.Jang，C.T.Sun，and E.Mizutani，Neuro-Fuzzy and SoftyComputing，A Computational Approach to Learning and ManchineIntelligence，Prentice Hall，New Jersey，USA，1997.重写等式(3)，可获得存留寿命L_R的表达式：

$L_R\left(t\right)=f\left(C\right)=\mathrm{\γ}-{10}^{\frac{C_E}{\mathrm{\ω}}}-t---\left(4\right)$

这里容量C_E是寿命终结的容量而t是经过的寿命。制造商额定容量的80％，或任意值，可以被用来作为寿命终结的容量C_E。

如果检测到很少或没有容量退化或者如果由等式(4)给出的估计的存留寿命大于由等式(2)给出的，无论如何，可以选择基于SOH参数的最后估计作为当前估计(块645)。这样决定的原因是基于热积累的估计和制造商设计寿命最有可能是电池寿命的上限。

然而，如果与从SOH参数得出的最后估计相比较，由等式(4)给出的估计指示减少的存留寿命，其可以被用来修改(校准)基于SOH指标的存留寿命估计模型，例如，由等式(2)给出的模型。因此，例如，可以找到热应力因数α，以使由等式(2)给出的存留寿命估计等于由等式(4)给出的。结合这一点，可以为浮充电压和循环应力因数β找到这样的值，以用其校正由等式(2)给出的估计的存留寿命中的变化，使其等于经过的工作时间中的变化。

随后的容量检测允许参数ω和γ的重新确认，且可能使得由等式(4)给出的估计准确度相应地提高。存留寿命估计操作可以重复若干次(块650)。在容量检测之间，可以由等式(2)给出存留寿命的估计，而在(或邻近)容量检查时，则由等式(4)(或等式(2))给出(块655)。

随着电池进一步的恶化，所述容量中的改变，从而所述存留寿命估计，可以被校准到如其他SOH指标检测的SOH中的改变。利用容量趋势模型的存留工作寿命估计可以不考虑在容量检测之间的工作条件变化，因此，可以有利地使用基于SOH指标的模型以在容量检测之间估计存留寿命，如上面提出的模型所示，其反映了热积累、浮充电压和循环应力(等式(1))的影响。然而，如果不能适当地表达在基于SOH指标的模型和容量趋势模型之间的关系，则可能导致不准确。在这种情况下，有利地改换为不需要容量检测就能检测容量变化的模型。

能满足这些要求的SOH指标包括电压骤降参数，例如，波谷和/或台阶电压。在这些参数和容量之间的关系似乎更具有确定性并接近于线性。而且，已有显示，检测电池容量的变化而不管失效模式是高度可靠的。通过用波谷或台阶电压的变化来校准容量中的变化，可以检测到容量的变化。

为了论证这样的处理，可以假定电池容量从时刻t_n的C_n下降到时刻t_n+1的C_n+1，且电压骤降参数(例如，台阶或波谷电压)在相应的时间内从П_n变化到П_n+1。对应于寿命终结的容量C_n的电压骤降参数П_E可以通过下式找到：

${\mathrm{\Π}}_E={\mathrm{\Π}}_{n+1}-\frac{C_{n+1}-C_E}{C_n-C_{n+1}}\·({\mathrm{\Π}}_n-{\mathrm{\Π}}_{n+1})---\left(5\right)$

基于当电压骤降参数达到寿命终结的电压骤降参数П_E时，估计存留寿命，即，存留寿命L_R可以被给出：

$L_R\left(t_{x+1}\right)=f\left(\mathrm{\Π}\right)=\frac{t_{x+1}-t_x}{{\mathrm{\Π}}_{x+1}-{\mathrm{\Π}}_x}\·({\mathrm{\Π}}_E-{\mathrm{\Π}}_{x+1})---\left(6\right)$

分别在t_x和t_x+1时刻测得的电压骤降参数П_x和П_x+1，可以用来估计所述存留寿命。应该注意的是，在校准处理中，通过跟踪SOH指标获得的有益效果可能在获取SOH指标与容量的关系中失去。

接下来的案例研究说明了根据本发明的一些实施例的示例性存留寿命估计处理。使用了具有10年设计寿命的2V单体电池。这个单体电池在热加速老化条件(70℃环境，2.27V浮充电压)下循环使用。所采用的放电深度是10％(以显露电压骤降)，而采用15％用于容量检测。利用等式(2)，计算存留寿命的估计。当此时间或实际时间变化11天(近似地相当于20℃环境温度下的一年)，触发容量测试。对于电压骤降，可观察到，波谷或台阶电压中的变化为15-20mV/单体电池，相当于20％的容量变化。因而，基于电压骤降的容量检测阈值被定义为较低值的一半或7.5mV。在测试的开头确定单体电池的容量并且将寿命终结的容量定义为制造商额定容量的80％。

对基于电压骤降的算法进行训练以适用于工作条件的变化。在这个例子中，采用了加速热老化，由于电池SOH立即开始恶化，使得训练变得困难。然而，这不是灾难性的情形，由于所采用的工作条件保持相对的恒定(工作条件唯一的略微变化是放电深度)。

在由热积累(等式(2))给出的估计的寿命剩余改变了11天左右后，第一次容量检测被激活，如图8A中所示。明显地，由于该测试只经过了约4天时间，在此阶段的存留寿命估计存在不准确。在这期间，波谷电压(见图7)没有指示任何电池SOH中的变化。可以相信，这是部分由于发生的电池SOH中的小的改变，电压骤降对于新的电池工作状况的稳定性，以及苛刻的工作条件，其可能最初就使得电压骤降的状态发生失真。采用放电电压对存留充电估计的模型的自适应版本以及15％的DOD(放电程度)，来获得容量的估计。利用等式(3)，以及所述容量估计和容量的初始测量，能够估计容量的趋势。利用等式(4)，以及来自等式(3)的参数，可以从容量趋势中获得约119天的存留寿命估计。这比用热积累所估计的近似107天要大。因而，容量的趋势似乎不能提供更好的存留寿命估计，因此，在此阶段将其忽略。

在第二次容量检测时，测试时间和存留寿命估计都已经改变了约11天，如图8B所示，触发第二次容量检测。作为检测的结果，由容量趋势确定的估计的存留寿命被发现约是35天。这远少于热累积方案给出的约94天的值。如上所描述，整个存留寿命估计和估计误差被校准(见图8C)，导致α和β的值分别是8.7和0.70。

再经过约11天，触发第三次容量检测。这时，由校准过的热累积给出的存留寿命估计改变了约9天，如图8D中所示。在此阶段，电压骤降中的改变开始反映SOH中的改变，但它还没有达到其阈值。容量趋势提供了约31天的存留寿命估计，比热累积方案的多约5天，因此，将其忽略。

再经过11天，在这段时间内基于热累积的存留寿命估计改变了8天左右(见图8E)。容量检测提供了约13天的基于容量的趋势的存留寿命估计值。基于热累积的存留寿命估计多了大概19天。因此，热累积模型被重新校准，如图8F所示，导致α和β的值分别是8.4和0.82。

在四十二天的测试之后，电压骤降的SOH指标达到其阈值7.5mV/单体电池，如图7所示。这触发了另一次容量检测以确保存留寿命估计仍在正轨。在此阶段，由重新校准的热累积模型所给出的存留寿命大概是7.9天(相当于20℃下的8.3个月)。如前所述，从15％ DOD的放电测试中估计电池容量。所述容量趋势提供了约7.3天(相当于20℃下的7.7个月)的存留寿命估计，这与从重新校准的热累积模型中获得的估计相对好地吻合。为了提高准确度，热累积方案被第三次重新校准，从而使得它的结果与从容量趋势中获得的存留寿命估计相同。新的α和β值被发现分别是8.3和0.84。

在图9A中给出了实际的存留寿命，以及利用如上重新校准的热累积方案获得的估计的存留寿命。在图9B中给出了以天数表示的估计误差以及作为用于测试的总存留寿命的百分数。这个例子说明了根据本发明一些实施例的存留寿命估计的基本实现。仅仅利用两个SOH指标和五次15％DOD放电，可以将存留寿命估计在2.3天内，在寿命终结之前33天.在20℃的环境温度下，这相当于74天的估计准确度，离寿命终结有1056天。在相应的20℃的环境温度下，这个误差减少到48天，离寿命终结384天。

值得注意的是，许多可选的实现策略可以运用在本发明中。由于进行测试的机会被限制在相对高的SOH恶化速度上，其中的一些方案难以利用极端的热加速老化进行说明。将电压骤降参数的改变校准到容量的改变就是一种情况。能用上述例子证明的可选实现方案，是利用容量趋势本身来估计存留寿命。也就是说，并不用从所述容量趋势获得的存留寿命估计重新校准所述热累积模型，而是直接使用该估计并且从中推导出经过的寿命。

在图10A中说明了从这项技术中获得的存留寿命估计。由热累积给出的存留寿命估计仅仅直到第一次容量检测。在图10B中示出了估计误差。在这种情况下，单独用容量趋势得到的存留寿命估计误差大于当其与基于热累积的方案相结合时的估计误差。

进一步的选择包括提高容量检测的频率。例如，利用上述例子，每“年”进行容量检测测试。容量检测包括只有15％深度的放电。给定了这样低的放电深度，并且相应地对动力***工作安全和电池健康有较低的影响，这种容量测试可以更频繁地进行。在图11中说明了从每1/2个月的放电产生的容量趋势数据，以及所得到的估计的存留寿命。

已确认了可用于本发明的若干SOH指标或知识元素。在本发明的一些实施例中，这些能够以协作的方式，例如，利用专家***，相结合，以提供可靠的SOH信息。根据本发明的实施例，存留寿命的估计不需要通过应用固定的程序来获得。相反地，可以使用动态的测试方式，其中，测试的类型以及测试之间的期间是可变的。

示例性的实现

图12示出了根据本发明的一些实施例的示例性操作。响应于电池的间歇的容量测试(例如放电)自适应地修改电池存留寿命模型，例如，上述基于一个或多个SOH指标的模型(块1210)。为电池监测SOH指标以产生SOH指标值(块1220)，其被用于所述自适应地修改的存留寿命模型以产生存留寿命估计(块1230)。所述存留寿命估计可以呈现给这种估计的用户，诸如电池监测或控制***(块1240)。例如，所述存留寿命估计可以被用于产生用于维护目的的警报或建议和/或动力***的控制提供数据，其中所述电池是该动力***的一部分。

值得注意的是，如图12中所示的操作可以用属于本发明范围内的若干种不同方式来实现。例如，可以使用多种不同的基于SOH指标的存留寿命模型。随着电池运行到其寿命的不同部分，可以改变所采用的特定模型。可以响应于估计的存留寿命中的改变和/或根据预定的重复模式进行容量测试。可以用多种方式的任何一种进行所述模型的初始化。

图13示出了根据本发明进一步实施例的示例性操作.为各经过的时间产生各自的SOH指标值(块1310)，并且根据基于SOH指标的存留寿命模型从所述SOH指标值产生各自的存留寿命估计(块1320)。响应于存留寿命估计进行容量测试，该存留寿命估计指示存留寿命中的改变符合预定标准，例如，超过预定阈值(块1330)。然后响应于所述容量测试修改基于SOH指标的存留寿命估计模型，例如，通过使得根据所述基于SOH指标的模型所表达的存留寿命估计等于利用容量趋势模型产生的存留寿命估计，以确定所述基于SOH指标的模型的修改的参数(块1340)。随后产生SOH指标值(块1350)，且根据修改的基于SOH指标的存留寿命模型，从所述SOH指标值产生存留寿命估计(块1360)。

图14示出了根据本发明其它方面的用于估计电池的存留寿命的示例性操作。在第一个时间间隔，例如，在电池寿命的初始部分，利用第一基于SOH指标的存留寿命模型从第一SOH指标值(例如，累积温度信息)产生存留寿命估计(块1410)。响应于容量测试自适应地修改所述第一基于SOH指标的存留寿命模型，该容量测试可以由存留寿命估计中的变化和/或预定时间间隔的经过和/或其他标准触发(块1420)。一旦所述第一个时间间隔经过(块1430)，根据第二基于SOH指标的存留寿命模型从第二SOH指标值(例如电压骤降信息)产生存留寿命估计(块1440)。在此第二个时间间隔，基于进一步的容量测试，可以自适应地修改所述第二基于SOH指标的存留寿命模型(块1450)。容量测试的频率可以与在所述第一间隔中的不同。

图15说明了根据本发明进一步实施例的用于电池存留寿命估计的示例性设备。如所示，设备(1500)包括数据处理器，例如计算机1520，以及被配置为将计算机1520连接到电池10的感知/测试电子装置1510。在如图所示的实施例中，存留寿命估计模块1522驻留在计算机中并且，例如，进行如上所描述的电池存留寿命估计操作，包括存留寿命估计和模型参数的计算，以及容量测试的初始化和控制，这些容量测试是通过与所述感知/测试电子装置协作进行的，这些电子装置例如可以包括将负载耦合到电池10的开关，以及测量诸如电流、电压的在容量测试中使用的参数的电路。计算机1520也可以被配置为提供辅助功能，例如出于控制和/或监测目的而显示、通信和/或对存留寿命估计进行进一步处理。

值得注意的是，图15所示设备因说明性的目的而提供，而本发明可以用多种不同方式的任何一种来实现。例如，电池10可以是单体电池、整体电池、一组电池单元串或多串电池***。所述数据处理单元(例如，计算机1520)可以是单独的计算机，包括多台计算机的分布式处理***，和/或微处理器、微控制器，数字信号处理器，或类似的嵌入***中的装置，该***例如动力控制，工业控制或网络管理***。还值得注意的是，所述数据处理器(例如，计算机1520)和用于将该数据处理器连接到电池的电子装置(例如，图15的感知/测试电子装置1510)可以被集成到一个或多个混合电路、特定用途集成电路(ASIC)，或类似的集成电子***中。可以理解的是，一般而言，由这种电路所进行的电池SOH监测、寿命存留建模以及容量测试操作的类型可以被定制以适合于所述电路的组件的性能和/或限制。

在附图和说明书中，已经公开了本发明的示例性实施例。尽管采用了特定的术语，但其仅被用于一般的和描述性的感性认识，并不是出于限制的目的，本发明的范围由权利要求所定义。

Claims (30)

1.一种估计电池存留寿命的方法，所述方法包括：

响应于所述电池的间歇的容量测试自适应地修改作为健康状态指标的函数的电池存留寿命的模型；

监测所述电池的所述健康状态指标以产生健康状态指标值；以及

根据所述自适应地修改的电池存留寿命模型从所述产生的健康状态指标值产生存留寿命的估计。

2.根据权利要求1的方法，其中，自适应地修改电池存留寿命模型包括：响应于基于所述容量测试的电池存留寿命估计，自适应地修改所述电池存留寿命模型。

3.根据权利要求1的方法，其中，自适应地修改包括：响应于对通过所述电池存留寿命模型估计的存留寿命的变化的检测来进行容量测试，以及响应于所述容量测试来修改所述电池存留寿命模型。

4.根据权利要求1的方法，其中，自适应地修改包括：随着预定时间间隔的推移进行容量测试，以及响应于所述容量测试修改所述存留寿命模型。

5.根据权利要求1的方法，其中，所述电池存留寿命模型将存留寿命表达为浮充电压、浮充电流、温度、充/放电循环、阻抗、电导、电阻和电压骤降参数中至少一个的函数。

6.根据权利要求1的方法，包括：基于额定的存留寿命和/或训练检测来初始化所述电池存留寿命模型。

7.根据权利要求1的方法：

其中，所述自适应地修改的电池存留寿命模型包括：第一自适应地修改的电池存留寿命模型；

其中，监测所述健康状态指标以产生健康状态指标值包括：在第一时间间隔内监测第一健康状态指标以产生所述第一时间间隔的第一健康状态指标值；

其中，根据所述自适应地修改的电池存留寿命模型从所述产生的健康状态指标值产生存留寿命估计包括：从所述第一时间间隔的所述产生的第一健康状态指标值产生所述第一时间间隔的存留寿命估计；以及

其中，所述方法进一步包括：

监测第二健康状态指标以产生第二时间间隔的第二健康状态指标值；以及

根据第二电池存留寿命模型，从所述产生的第二健康状态指标值产生存留寿命估计。

8.根据权利要求7的方法，其中，从所述产生的第二健康状态指标值产生存留寿命估计包括：以关于所述第一电池存留寿命模型的不同的速率自适应地修改所述第二电池存留寿命模型。

9.一种估计电池存留寿命的方法，所述方法包括：

产生各个所述电池的经过的时间的各自的第一健康状态指标值；

根据电池存留寿命模型，从所述第一健康状态指标值产生各自的第一存留寿命估计；

响应于所述第一存留寿命估计中的一个进行所述电池的容量测试以产生第二存留寿命估计，所述第一存留寿命估计指示超过预定阈值的存留寿命的改变；

基于所述第二存留寿命估计修改所述电池存留寿命模型；

产生第二健康状态指标值；以及

根据所述修改的电池存留寿命模型从所述第二健康状态指标值产生第三存留寿命估计。

10.根据权利要求9的方法，其中，基于所述第二存留寿命估计修改所述电池存留寿命模型包括：基于对所述第一和第二存留寿命估计的比较来修改所述电池存留寿命模型。

11.根据权利要求10的方法，其中，基于对所述第一和第二存留寿命估计的比较来修改所述电池存留寿命模型包括：如果所述第二存留寿命估计相对于所述第一存留寿命估计而言指示所述电池的减少的存留寿命，修改所述电池存留寿命模型。

12.根据权利要求10的方法，其中，基于对所述第一和第二存留寿命估计的比较来修改所述电池存留寿命模型包括：从所述电池存留寿命模型和所述第二存留寿命估计产生所述电池存留寿命模型的参数的解，以产生所述电池存留寿命模型的修改的参数。

13.根据权利要求10的方法，其中，监测所述电池的健康状态(SOH)指标以产生一系列的第一健康状态指标值包括：监测浮充电压、浮充电流、温度、充/放电循环、阻抗、电导、电阻和电压骤降参数中的至少一个以产生所述健康状态指标值。

14.根据权利要求13的方法，其中，所述电池存留寿命模型将电池存留寿命表达为浮充电压、浮充电流、温度、充/放电循环、阻抗、电导、电阻和电压骤降参数中至少一个的函数。

15.根据权利要求14的方法，其中，所述电池存留寿命模型包括由以下等式所表示的电池存留寿命模型：

$L_R\left(t_x\right)=f\left(T\right)=\mathrm{\β}\·\left[\frac{L_n-\underset{i=1}{\overset{x}{\mathrm{\Σ}}}(t_i-t_{i-1})\·2^{\frac{(T_i-T_n)}{\mathrm{\α}}}}{2^{\frac{(T_x-T_n)}{\mathrm{\α}}}}\right]$

其中L_R(t_x)是在t_x时刻的估计的存留寿命，T_x是在t_x时刻的当前温度，L_n是在标称温度T_n下的制造商的设计寿命，α是反映温度改变的参数，其导致所述电池的寿命以因数2改变，β是缩放参数。

16.根据权利要求9的方法，其中，响应于用于指示超过预定阈值的存留寿命的改变的所述第一存留寿命估计中的一个进行所述容量测试包括：响应于用于指示关于所述电池的额定寿命的超过预定阈值的电池存留寿命的变化的所述第一存留寿命估计中的一个进行所述容量测试。

17.根据权利要求9的方法：

其中，在进行所述容量测试前进行训练测试以产生初始的存留寿命估计；以及

其中，进行容量测试包括：响应于所述第一存留寿命估计进行所述容量测试，所述第一存留寿命估计指示了关于所述初始的存留寿命估计的超过预定阈值的存留寿命的变化。

18.根据权利要求17的方法，其中，进行所述训练测试包括：

对所述电池进行浅放电以产生电压骤降参数值；以及

从所述产生的电压骤降参数值产生所述初始的存留寿命估计。

19.根据权利要求18的方法：

其中，产生各自的第一健康状态指标值包括：产生各经过的时间的各自的第一电压骤降参数值；

其中，根据电池存留寿命模型从所述第一健康状态指标值产生各自的第一存留寿命估计包括：从所述第一电压骤降参数值中的各自一个产生各自的第一存留寿命估计；

其中，产生第二健康状态指标值包括：产生第二电压骤降参数值；以及

其中，根据所述修改的电池存留寿命模型从所述第二健康状态指标值产生第三存留寿命估计包括：从所述产生的第二电压骤降参数值产生所述第三存留寿命估计。

20.根据权利要求10的方法，进一步包括基于所述第一和第三存留寿命估计中的至少一个将存留寿命指示呈现给用户。

21.根据权利要求20的方法，其中，呈现所述存留寿命指示包括显示所述存留寿命指示以及传送所述存留寿命指示中的至少一个。

22.根据权利要求9的方法，其中，所述电池包括阀控式铅酸(VRLA)电池。

23.一种估计电池存留寿命的设备，所述设备包括：

用于响应于所述电池的间歇的容量测试自适应地修改电池存留寿命的模型的装置，其中所述电池存留寿命是健康状态指标的函数；

用于监测所述电池的所述健康状态指标以产生健康状态指标值的装置；

用于根据所述自适应地修改的电池存留寿命模型从所述产生的健康状态指标值产生存留寿命估计的装置。

24.根据权利要求23的设备，其中，所述用于自适应地修改的装置包括：用于响应于由所述间歇的容量测试产生的存留寿命估计，自适应地修改所述电池存留寿命的模型的装置，其中所述电池存留寿命是健康状态的函数。

25.根据权利要求23的设备，其中，所述用于自适应地修改的装置包括这样的装置，其响应于对通过所述电池存留寿命模型估计的存留寿命的变化的检测来进行容量测试，以及响应于所述容量测试来修改所述电池存留寿命模型。

26.根据权利要求23的设备，其中，所述用于自适应地修改的装置包括：随着预定时间间隔的推移进行容量测试的装置，以及响应于所述容量测试修改所述电池存留寿命模型的装置。

27.根据权利要求23的设备，其中，所述电池存留寿命模型将存留寿命表达为浮充电压、浮充电流、温度、充/放电循环、阻抗、电导、电阻和电压骤降参数中至少一个的函数。

28.根据权利要求23的设备：

其中，所述自适应地修改的电池存留寿命模型包括：第一自适应地修改的电池存留寿命模型；

其中，所述用于监测所述健康状态指标以产生健康状态指标值的装置包括：用于在第一时间间隔内监测第一健康状态指标以产生所述第一时间间隔的第一健康状态指标值的装置；

其中，用于根据所述自适应地修改的电池存留寿命模型从所述产生的健康状态指标值产生存留寿命估计的装置包括：用于从所述第一时间间隔的所述产生的第一健康状态指标值产生所述第一时间间隔的存留寿命估计的装置；

其中，用于监测所述健康状态指标以产生健康状态指标值的装置进一步包括：用于监测第二健康状态指标以产生第二时间间隔的第二健康状态指标值的装置；以及

其中，用于根据所述自适应地修改的电池存留寿命模型从所述产生的健康状态指标值产生存留寿命估计的装置进一步包括：用于根据第二电池存留寿命模型从所述产生的第二健康状态指标值产生存留寿命估计的装置。

29.根据权利要求28的设备，其中，所述用于从所述产生的第二健康状态指标值产生存留寿命估计的装置包括：用于以关于所述第一电池存留寿命模型的不同的速率自适应地修改所述第二电池存留寿命模型的装置。

30.一种设备，包括：

自适应电池存留寿命估计器，其被配置为响应于所述电池的间歇的容量测试自适应地修改作为健康状态指标的函数的电池存留寿命的模型，监测所述电池的所述健康状态指标以产生健康状态指标值，以及根据所述自适应地修改的电池存留寿命模型从所述产生的健康状态指标值产生存留寿命的估计。

Images