CN102483442B - 电池状态估计装置以及电池状态估计方法 - Google Patents

Abstract

本发明的目的是提供一种高精度地进行二次电池的参数同定的电池状态估计装置以及电池状态估计方法。检测二次电池的电流和端子电压，利用检测出的电流和端子电压的测量值来估计基于规定的电池模型的二次电池的端子电压，进行二次电池的参数同定以使端子电压的测量值与端子电压的估计值之差收敛为零。在进行二次电池的参数同定时，利用具有相同的高频截止特性的低通滤波器对端子电压的测量值和端子电压的估计值实施滤波处理，使用实施滤波处理后的端子电压的测量值和端子电压的估计值。

Description

电池状态估计装置以及电池状态估计方法

技术领域

本发明涉及一种估计二次电池内部的状态的电池状态估计装置以及电池状态估计方法。

背景技术

日本特开2003-185719号公报公开了一种下面示出的二次电池的控制装置。即，二次电池的控制装置定义规定的电池模型，利用基于电池模型的状态变量滤波器将二次电池的电流和端子电压的测量值变换为状态量。二次电池的控制装置利用该状态量来估计基于电池模型的二次电池的端子电压。并且，二次电池的控制装置进行二次电池的参数同定以使电压测量值与基于电池模型估计出的端子电压之差收敛为零。

发明内容

发明要解决的问题

然而，在日本特开2003-185719号公报中，二次电池的电流的测量值和端子电压的测量值中的一部分不被状态变量滤波器进行滤波处理，而用于端子电压的估计运算。在此，二次电池的电流的测量值、端子电压的测量值是利用电流表、电压表而测出的，因此通常包含观测噪声。因此，在日本特开2003-185719号公报中，存在由于观测噪声的影响导致二次电池的参数的同定精度不够的问题。

本发明要解决的问题是，提供一种能够高精度地进行二次电池的参数同定的电池状态估计装置以及电池状态估计方法。

用于解决问题的方案

为了解决上述问题，本发明提供如下一种电池状态估计装置以及电池状态估计方法：检测二次电池的电流和端子电压，使用检测出的电流和端子电压的测量值来估计基于规定的电池模型的二次电池的端子电压，进行二次电池的参数同定以使端子电压的测量值与端子电压的估计值之差收敛为零。当进行二次电池的参数同定时，利用具有相同的高频截止特性的低通滤波器分别对端子电压的测量值和端子电压的估计值实施滤波处理，使用实施滤波处理后得到的端子电压的测量值和端子电压的估计值。

发明的效果

根据本发明的方式，当进行二次电池的参数同定时，利用具有相同的高频截止特性的低通滤波器分别对端子电压的测量值和端子电压的估计值实施滤波处理，使用实施滤波处理后得到的端子电压的测量值和端子电压的估计值。由此，能够有效地去除电流、端子电压的测量值中包含的观测噪声的影响，作为其结果，能够高精度地进行二次电池的参数同定。

附图说明

图1是表示本实施方式所涉及的二次电池的控制***的结构的图。

图2是本实施方式所涉及的电子控制单元30的功能框图。

图3是示出表示二次电池的电池模型的等效电路模型的图。

图4是第一实施方式所涉及的自适应同定***的结构图。

图5是表示电流测量值I(k)、电压测量值V(k)以及电压估计值V^(k)的频带特性的图。

图6是表示低通滤波器G_lpf的截止频率与获得电池特性所需的信息缺乏和观测噪声对电池参数的同定性能造成的影响之间的关系的关系图。

图7是相当于图4的等效变换的自适应同定***的结构图。

图8是表示二次电池的开路电压-充电率特性的一例的图。

图9是表示本实施方式的电池参数和充电率的估计处理的流程图。

图10是表示第一实施方式的充电率的估计处理的模拟结果的图。

图11是第二实施方式所涉及的自适应同定***的结构图。

图12是表示第二实施方式的充电率的估计处理的模拟结果的图。

图13是第三实施方式所涉及的自适应同定***的结构图的一例。

图14是第三实施方式所涉及的自适应同定***的结构图的另一例。

具体实施方式

下面，根据附图来说明本发明的实施方式。

《第一实施方式》

图1所示的控制***是在如下***中应用了本发明所涉及的二次电池的控制装置的例子，该***用二次电池对马达等负载进行驱动，或将马达的再生所产生的电力、发动机作为动力源，利用交流发电机(alternator)进行发电而产生的电力对二次电池进行充电。

二次电池10由多个单电池串联连接而成。作为构成二次电池10的单电池，例如能够列举出锂离子二次电池等锂系二次电池等。作为负载20，例如能够列举出马达等。

电流传感器40是对流经二次电池10的充放电电流进行检测的传感器。由电流传感器40检测出的信号被发送到电子控制单元30。另外，电压传感器50是对二次电池10的端子电压进行检测的传感器。由电压传感器50检测出的信号被发送到电子控制单元30。

电子控制单元30是用于控制二次电池10的控制单元，由微计算机和电子电路等构成，该微计算机包括对程序进行运算的CPU以及存储程序、运算结果的ROM和RAM。

如图2所示，电子控制单元30具备电流检测部301、电压检测部302、电池参数估计部303、开路电压估计部304以及SOC估计部305。另外，电池参数估计部303具备低通滤波器运算部3031、状态变量滤波器运算部3032以及自适应同定运算部3033。

电流检测部301以规定周期获取来自电流表40的信号，根据来自电流表40的信号来对流经二次电池10的充放电电流进行检测，由此获取电流测量值I(k)。电流检测部301将获取到的电流测量值I(k)发送到电池参数估计部303。

电压检测部302以规定周期获取来自电压表50的信号，根据来自电压表50的信号来对二次电池10的端子电压进行检测，由此获取电压测量值V(k)。电压检测部302将获取到的电压测量值V(k)发送到电池参数估计部303。

电池参数估计部303定义二次电池10的电池模型，根据由电流检测部301检测出的电流测量值I(k)和由电压检测部302检测出的电压测量值V(k)进行自适应数字滤波运算，由此综合估计二次电池10的电池模型的电池参数

在此，

的右上角附有的“^”表示其值是估计值。另外，在图2中，将作为估计值的“^”分别设置在

的

的正上方、V₀(k)的“V”的正上方、SOC(k)的“S”的正上方，但如下述式(1)所示，这与

V₀^(k)、SOC^(k)同义。以下，在V^(k)的情况下也一样。

[式1]

$\left.\begin{array}{c}{\mathrm{\φ}}^{^}\left(k\right)=\widehat{\mathrm{\φ}}\left(k\right)\\ {V_0}^{^}\left(k\right)={\hat{V}}_0\left(k\right)\\ {\mathrm{SOC}}^{^}\left(k\right)=\hat{S}\mathrm{OC}\left(k\right)\end{array}\right\}---\left(1\right)$

下面，对利用电池参数估计部303估计二次电池10的电池参数

的估计方法进行说明。

首先，对本实施方式中使用的“电池模型”进行说明。图3是表示二次电池10的电池模型的等效电路模型，图3所示的等效电路模型用下述式(2)表示。

[式2]

$V\left(t\right)=\frac{C_1\·R_1\·R_2\·s+R_1+R_2}{C_1\·R_1\·s+1}\·I\left(t\right)+V_0\left(t\right)---\left(2\right)$

在此，模型输入是电流I[A](正值为充电、负值为放电)，模型输出是端子电压V[V]、R₁[Ω]是电荷移动电阻、R₂[Ω]是纯电阻、C₁[F]是双电层电容器、V₀(V)是开路电压。另外，在上述式(2)中，s是微分运算符。此外，本实施方式所涉及的电池模型是没有将正极、负极特别地分离的缩减模型(一次)，但能够较为正确地示出实际的电池的充放电特性。这样，在本实施方式中，以将电池模型的次数设为一次的结构为例进行说明。

并且，如果像下述式(3)那样表示R₁、R₂、C₁，则用下述式(4)表示上述式(2)。

[式3]

$K=R_1+R_2,T_1=C_1\·R_1,T_2=\frac{C_1\·R_1\·R_2}{R_1+R_2}---\left(3\right)$

[式4]

$V\left(t\right)=\frac{K\·(T_2\·s+1)}{T_1\·s+1}\·I\left(t\right)+V_0\left(t\right)---\left(4\right)$

并且，在本实施方式中，电池参数估计部303根据上述式(4)所示的电池模型，利用自适应数字滤波器来对图3所示的电池模型的电池参数

进行估计。下面，对利用电池参数估计部303估计电池参数

的估计方法进行说明。

首先，假设开路电压V₀(t)是从某个初始状态起对电流I(t)乘以可变参数h后得到的值进行积分而得到的。在这种情况下，开路电压V₀(t)能够用下述式(5)进行表示。

[式5]

$V_0\left(t\right)=\frac{h}{s}\·I\left(t\right)---\left(5\right)$

并且，如果将上述式(5)代入上述式(4)，则变为下述式(6)，如果对其进行整理则变为下述式(7)。

[式6]

$V\left(t\right)=\frac{K\·(T_2\·s+1)}{T_1\·s+1}\·I\left(t\right)+\frac{h}{s}\·I\left(t\right)---6$

[式7]

$V\left(t\right)=\frac{K\·T_2\·s^2+(K+T_1\·h)\·s+h}{T_1\·s^2+s}\·I\left(t\right)---\left(7\right)$

此外，上述式(2)和上述式(7)分别与下述式(8)和下述式(9)相对应，在下述式(8)和下述式(9)中，相当于将A(s)、B(s)的次数设为一次。

[式8]

$V\left(t\right)=\frac{B\left(s\right)}{A\left(s\right)}\·I\left(t\right)+V_0\left(t\right)---\left(8\right)$

[式9]

$V\left(t\right)=\frac{s\·B\left(s\right)+A\left(s\right)\·h}{s\·A\left(s\right)}\·I\left(t\right)---\left(9\right)$

在此，A(s)、B(s)是s的多项式函数，A(s)和B(s)的次数相同。

并且，在上述式(7)中，通过导入已知常数k_i(i=1，2，…，n)，能够得到下述式(10)、(11)。

(式10)

$\left.\begin{array}{c}{f}_{\mathrm{Vi}}\left(t\right)=\frac{s^{2-i}}{s^2+k_1\·s+k_2}\·V\left(t\right)\\ f_{\mathrm{Ii}}\left(t\right)=\frac{s^{2-i}}{s^2+k_{1}s+k_2}\·I\left(t\right)\end{array}\right\}---\left(10\right)$

(式11)

$y\left(t\right)=\underset{i=1}{\overset{2}{\mathrm{\Σ}}}\{I_i{f}_{\mathrm{Vi}}\left(t\right)+b_{0i}{f}_{\mathrm{Ii}}\left(t\right)\}=\left[\begin{array}{cc}{I}_i& b_{0i}\end{array}\right]\·\left[\begin{array}{c}{f}_{\mathrm{Vi}}\\ f_{\mathrm{Ii}}\end{array}\right]---\left(11\right)$

此外，在上述式(11)中，I_i、b_0i是包含未知参数(T₁、T₂、K、h)的参数。f_Vi、f_Ii是利用状态变量滤波器对能够由电流表40和电压表50测量出的值即I(k)、V(k)实施滤波处理后得到的变换状态量。并且，上述式(11)为它们的积和式，因此与作为自适应数字滤波器的标准型的下述式(12)一致。

[式12]

y(t)=φ^Tω      (12)

其中，在上述式(12)中，

ω=[f_Vi、f_Ii]。

然后，根据作为变换状态量的ω(k)，按照自适应调整规则，根据下述式(13)所示的算法来进行电池模型的电池参数的同定，以使电压估计值V^(k)与电压测量值V(k)之差收敛为0，其中，上述电压估计值V^(k)是根据上述电池模型估计出的二次电池10的端子电压的估计值，上述电压测量值V(k)是用电压表50进行检测并由电压检测部302获得的实际的测量值。此外，此时在本实施方式中，能够使用“两限跟踪增益方式”，该方式改善了单纯的“基于最小二乘法的自适应数字滤波”的逻辑性缺陷。此外，上述逻辑性缺陷是指如果估计值收敛一次，则之后即使参数发生变化也不能再次进行精确的估计。

[式13]

$\left.\begin{array}{c}\widehat{\mathrm{\φ}}\left(k\right)=\widehat{\mathrm{\φ}}(k-1)-\mathrm{\γ}\left(k\right)\·\mathrm{\Γ}(k-1)\·\mathrm{\ζ}\left(k\right)\·e\left(k\right)\\ e\left(k\right)=\hat{V}\left(k\right)-V\left(k\right)\\ \hat{V}\left(k\right)={\mathrm{\ζ}}^T\left(k\right)\·\widehat{\mathrm{\φ}}(k-1)\end{array}\right\}---\left(13\right)$

上述式(13)是自适应地求出电池参数

的逐次公式。γ(k)、Γ(k-1)都是自适应增益，在它们中，γ(k)是标量增益(误差增益)，Γ(k-1)是矩阵增益(信号增益)。并且，当获得k时刻的状态量ζ(k)时，通过上述式(13)能够求出根据电池模型估计出的二次电池10的端子电压的估计值即电压估计值V^(k)与用电压表50进行检测并由电压检测部302获得的电压测量值V(k)之差，即e(k)。通过使该e(k)收敛为0，能够逐次算出电池参数

在此，在本实施方式中，如图2所示，电池参数估计部303具备低通滤波器运算部3031、状态变量滤波器运算部3032以及自适应同定运算部3033。并且，在本实施方式中，利用这些低通滤波器运算部3031、状态变量滤波器运算部3032以及自适应同定运算部3033，通过以下说明那样的方法来算出电池参数

下面，参照图4所示的自适应同定***的结构图来说明本实施方式的电池参数

的计算方法。

即，在本实施方式中，当按照上述方法计算电池参数时，首先低通滤波器运算部3031如图4所示那样利用低通滤波器G_lpf进行滤波处理。由此，低通滤波器运算部3031能够针对由电流检测部301检测出的电流测量值I(k)、由电压检测部302检测出的电压测量值V(k)去除观测噪声。

然后，状态变量滤波器运算部3032使用通过低通滤波器G_lpf去除了观测噪声后的电流测量值I(k)和电压测量值V(k)，如图4所示那样利用状态变量滤波器获得变换状态量ω(k)(变换状态量ω₁(k)、ω₂(k)、ω₃(k)、ω₄(k)、ω₅(k))。即，在本实施方式中，在上述式(10)、(11)中，作为I(t)和V(t)，全都使用由低通滤波器运算部3031利用低通滤波器G_lpf进行滤波处理来去除观测噪声后得到的值。然后，状态变量滤波器运算部3032根据变换状态量ω(k)来算出基于电池模型的端子电压的估计值，即电压估计值V^(k)。

接着，如图4所示，自适应同定运算部3033使用通过状态变量滤波器运算部3032得到的变换状态量ω(k)以及利用低通滤波器G_lpf去除了观测噪声后得到的电流测量值I(k)和电压测量值V(k)，来进行电池模型的电池参数的同定。即，在本实施方式中，在上述式(13)中，作为V(k)和V^(k)，全都使用由低通滤波器运算部3031利用低通滤波器G_lpf进行滤波处理来去除观测噪声后得到的值。

这样，利用低通滤波器G_lpf对电流测量值I(k)和电压测量值V(k)进行滤波处理，来去除观测噪声。由此，当进行电池参数的同定以使作为电压估计值V^(k)与电压测量值V(k)之差的e(k)收敛为0时，能够有效地去除观测噪声的影响。作为其结果，能够使电池参数

的估计精度提高。

此外，作为本实施方式中使用的低通滤波器G_lpf，并没有特别限定，例如能够列举出用下述式(14)表示的低通滤波器G_lpf等。

[式14]

$G_{\mathrm{lpf}}=\frac{s^{n-1}}{s^n+k_{n-1}\·s^{n-1}+...+k_1\·s+k_0}---\left(14\right)$

在此，如图5所示，电流测量值I(k)、电压测量值V(k)包括：获得电池特性所需的频带，例如图5所示的例子中的电池特性区域(0Hz～f₁Hz)；基于观测噪声的频带，例如图5所示的例子中的观测噪声区域(f₁Hz～f₂Hz)。一般认为基于观测噪声的频带与获得电池特性所需的频带相比处于高频侧。此外，图5示出电流测量值I(k)、电压测量值V(k)的频带特性。在此，例如能够用cole-cole探针等来测量电池特性的频带。另外，能够通过FFT(高速傅立叶变换)等来测量基于观测噪声的频带。

并且，如图6所示，关于电池参数的同定性能，对于低通滤波器G_lpf的截止频率，获得电池特性所需的信息缺乏所产生的影响与观测噪声所产生的影响处于折衷关系。因此，作为低通滤波器G_lpf的截止频率，优选选择如下的频率：不会使获得电池特性所需的频带衰减且抑制了观测噪声。具体地说，优选将由低通滤波器运算部3031使用的低通滤波器G_lpf的截止频率设为大于等于由状态变量滤波器运算部3032使用的状态变量滤波器的截止频率，进一步，更为理想的是设为与状态变量滤波器的截止频率相同。由此，能够充分降低观测噪声，并且提取获得电池特性所需的频带。作为其结果，能够提高通过自适应同定运算部3033进行电池模型的电池参数

的同定时的同定精度。另外，对于作为图4的等效变换的利用低通滤波器G_lpf对电压估计值V^(k)、电压测量值V(k)进行滤波处理的方法也是同样的(参照图7)。

另外，在本实施方式中，作为在电流测量值I(k)、电压测量值V(k)以及电压估计值V^(k)的滤波处理中使用的低通滤波器G_lpf，期望全部使用具有相同特性的低通滤波器G_lpf。由此，能够消除相位偏差，从而能够提高电池模型的电池参数的同定精度。

并且，如图2所示，将这样算出的二次电池10的电池参数

与变换状态量ω(k)一起从电池参数估计部303发送到开路电压估计部304。

开路电压估计部304根据由电池参数估计部303算出的电池参数

和变换状态量ω(k)来估计二次电池10的开路电压，算出开路电压估计值V₀^(k)。下面，对开路电压估计值V₀^(k)的计算方法进行说明。

即，在本实施方式中，将通过上述式(13)算出的电池参数和通过上述式(10)算出的变换状态量ω(k)代入上述式(4)，由此算出开路电压估计值V₀^(k)。

在此，如上所述，电池参数相当于包含未知参数(T₁、T₂、K、h)的参数I_i、b_0i。因此，通过将由电池参数估计部303算出的电池参数以及变换状态量ω(k)代入上述式(4)，能够求出开路电压估计值V₀^(k)。开路电压估计部304将通过这样得到的开路电压估计值V₀^(k)发送到SOC估计部305。

SOC估计部305基于预先决定的二次电池10的开路电压-充电率特性，根据由开路电压估计部304算出的开路电压估计值V₀^(k)算出充电率估计值SOC^(k)。此外，图8示出了二次电池10的开路电压-充电率特性的一例。在本实施方式中，二次电池10的开路电压-充电率特性被预先存储到电子控制单元30所具备的RAM中。能够通过对二次电池10预先进行实验等来求出开路电压与充电率的关系，由此获得二次电池10的开路电压-充电率特性。

接着，使用图9所示的流程图来说明本实施方式的电池参数和充电率估计值SOC^(k)的估计处理。此外，每隔固定周期，例如每隔100msec实施一次图9所示的处理。在以下的说明中，I(k)表示本次的执行周期的电流值，即本次的测量值，I(k-1)表示前一个执行周期的电流值，即上次的测量值。关于除电流值以外的值也同样地进行表示。此外，由电子控制单元30进行以下说明的处理。

首先，在步骤S1中，电流检测部301和电压检测部302获得电流测量值I(k)和电压测量值V(k)。电流测量值I(k)被发送到电池参数估计部303。

在步骤S2中，电池参数估计部303的低通滤波器运算部3031使用低通滤波器G_lpf对电流测量值I(k)和电压测量值V(k)进行滤波处理，来去除观测噪声。然后，电池参数估计部303的状态变量滤波器运算部3032利用状态变量滤波器，按照上述式(10)、(11)对被去除了观测噪声的电流测量值I(k)和电压测量值V(k)进行滤波处理，来算出变换状态量ω(k)。

在步骤S3中，电池参数估计部303的自适应同定运算部3033使用在步骤S2中算出的变换状态量ω(k)和被去除了观测噪声的电压测量值V(k)，按照上述式(13)进行电池模型的电池参数

的同定。此外，在进行电池参数

的同定时使用的电压估计值V^(k)是由低通滤波器运算部3031使用低通滤波器G_lpf进行滤波处理后的电压估计值V^(k)。

在步骤S4中，开路电压估计部304根据由电池参数估计部303算出的电池参数

以及变换状态量ω(k)，按照上述式(4)、（10）、（13）来算出开路电压估计值V₀^(k)。然后，将算出的开路电压估计值V₀^(k)发送到SOC估计部305。

在步骤S5中，SOC估计部305使用由开路电压估计部304算出的开路电压估计值V₀^(k)，基于预先决定的二次电池10的开路电压-充电率特性来算出充电率估计值SOC^(k)。

在本实施方式中，如上那样进行二次电池10的电池模型的电池参数

和充电率估计值SOC^(k)的估计。

图10示出了通过使用了电池模型的模拟来验证本实施方式的效果的结果。在图10中，从上起依次是表示电流测量值I(k)的变化的曲线，表示电压测量值V(k)的变化的曲线，表示差e(k)=V(k)-V^(k)的变化的曲线，表示充电率SOC的估计值的变化的曲线。并且，关于它们中的差e(k)、充电率SOC的估计值，用实线表示使用由低通滤波器G_lpf进行滤波处理后的电流测量值I(k)、电压测量值V(k)进行模拟的结果，用虚线表示使用没有利用低通滤波器G_lpf进行滤波处理的电流测量值I(k)、电压测量值V(k)以及电压估计值V^(k)进行模拟的结果。另外，关于充电率SOC的估计值，除了各估计值之外，还用点划线表示真值。

如图10所示，在没有利用低通滤波器G_lpf进行滤波处理的情况下，差e(k)=V(k)-V^(k)的偏移大，因此结果是充电率SOC的估计值偏离于真值。与此相对地，在利用低通滤波器G_lpf对电流测量值I(k)、电压测量值V(k)进行滤波处理的情况下，差e(k)=V(k)-V^(k)收敛为0。由此，能够良好地估计电池参数，作为结果能够确认的是，能够以高精度估计充电率SOC。

在本实施方式中，利用电流测量值I(k)和电压测量值V(k)算出基于二次电池10的电池模型的电压估计值V^(k)。为了消除电流测量值I(k)、电压测量值V(k)中包含的测量噪声的影响，利用低通滤波器G_lpf对它们实施滤波处理。并且，使用实施滤波处理后的电流测量值I(k)和电压测量值V(k)来估计电池参数φ^(k)，以使电压测量值V(k)与电压估计值V^(k)之差e(k)收敛为0。由此，根据本实施方式，能够有效地消除电流测量值I(k)、电压测量值V(k)中包含的测量噪声的影响，从而能够容易使电压测量值V(k)与电压估计值V^(k)之差e(k)收敛为0。由此，能够提高电池参数的同定精度。进一步地，根据本实施方式，能够以高精度地进行电池参数

的同定，由此能够提高开路电压估计值V₀^(k)和充电率估计值SOC^(k)的估计精度。另外，对于作为图4的等效变换的、利用低通滤波器G_lpf对电压估计值V^(k)、电压测量值V(k)进行滤波处理的方法也是同样的(参照图7)。

另外，根据本实施方式，将低通滤波器G_lpf的截止频率设为大于等于状态变量滤波器的截止频率，进一步地，设为与状态变量滤波器的截止频率相同。由此，在获得电流测量值I(k)、电压测量值V(k)中包含的电池特性所需的信息以及观测噪声中，不会使获得电池特性所需的信息衰减，而能够选择性地降低观测噪声。由此，能够进一步提高电池参数

的同定精度。特别是将低通滤波器G_lpf的截止频率设为与状态变量滤波器的截止频率相同。由此，不会使获得电池特性所需的信息衰减，而能够将观测噪声抑制为最小限度。

《第二实施方式》

接着，说明本发明的第二实施方式。

在第二实施方式中，使用不包含微分器的滤波器来作为利用低通滤波器运算部3031进行滤波处理所使用的低通滤波器G_lpf和利用状态变量滤波器运算部3032进行滤波处理所使用的状态变量滤波器。除此以外的结构与上述第一实施方式相同。

参照图11说明第二实施方式所涉及的自适应同定***的结构。在第二实施方式中，使用不具有微分器即微分运算符s的滤波器来作为低通滤波器G_lpf。另外，如下面式(15)所示那样，对在第一实施方式中使用的状态变量滤波器中具有微分器的状态变量滤波器，即s/(s²+k₁·s+k₂)应用部分分数分解(partial fractiondecomposition)。由此，使具有微分器的状态变量滤波器成为不具有微分器即微分运算符s的结构。由此，第二实施方式的自适应同定***成为如图11所示的结构。

[式15]

$\frac{s}{s^2+k_1\·s+k_2}=\frac{s}{(s+k_{\mathrm{\α}})(s+k_{\mathrm{\β}})}=\frac{A}{(s+k_{\mathrm{\α}})}+-\frac{B}{(s+k_{\mathrm{\β}})}--\left(15\right)$

根据第二实施方式，除了上述第一实施方式的效果之外，还发挥以下效果。

即，根据第二实施方式，使用不具有微分器(微分运算符s)的滤波器来作为利用低通滤波器运算部3031和状态变量滤波器运算部3032进行滤波处理所使用的低通滤波器G_lpf和状态变量滤波器。由此，即使数据长度短也能够高精度地进行运算，因此，能够进一步降低观测噪声的影响。由此，能够进一步提高电池模型的电池参数的估计精度和充电率SOC的估计精度。

特别是，在为了降低成本、减少消耗电力而不能使用具有FPU功能的高功能CPU作为构成电子控制单元30的CPU的情况下，当进行运算时，需要用整数型的变量进行运算。因此，在使具有微分特性的低通滤波器G_lpf、状态变量滤波器以整数型的变量进行运算的情况下，变量的动态范围过小而需要粗略地设定分辨率。因此，在这种情况下，当使用具有微分器的滤波器来作为低通滤波器G_lpf和状态变量滤波器时，会受到小的观测噪声的影响，进一步地，会在电池参数和充电率SOC的估计值中产生误差。与此相对，根据第二实施方式，使用不具有微分器(微分运算符s)的滤波器来作为低通滤波器G_lpf和状态变量滤波器。因此，即使在不能使用具有FPU功能的高功能CPU的情况下，也能够不易受到观测噪声的影响，由此，能够提高电池参数和充电率SOC的估计精度。

图12示出了通过使用了电池模型的模拟来验证第二实施方式的效果的结果。在图12中，从上起依次是表示电流测量值I(k)的变化的曲线，表示电压测量值V(k)的变化的曲线以及表示充电率SOC的估计值的变化的曲线。并且，关于它们中的充电率SOC的估计值，用实线表示使用不具有微分器(微分运算符s)的滤波器来作为低通滤波器G_lpf和状态变量滤波器的情况，用虚线表示使用具有微分器(微分运算符s)的滤波器来作为低通滤波器G_lpf和状态变量滤波器的情况。另外，关于充电率SOC的估计值，除了各估计值之外，还用点划线表示真值。此外，图12表示将利用低通滤波器G_lpf和状态变量滤波器进行的处理所涉及的运算设为整数型并粗略地设定了分辨率的情况下的模拟结果。

如图12所示，在使用具有微分器(微分运算符s)的滤波器来作为低通滤波器G_lpf和状态变量滤波器的情况下，结果是充电率SOC的估计值在试验过程中发散。与此相对地，在使用不具有微分器(微分运算符s)的滤波器来作为低通滤波器G_lpf和状态变量滤波器的情况下，能够良好地估计电池参数。作为其结果能够确认的是，能够高精度地估计充电率SOC。

《第三实施方式》

接着，说明本发明的第三实施方式。

在第三实施方式中，作为利用电池参数估计部303的低通滤波器运算部3031进行滤波处理所使用的低通滤波器G_lpf和利用状态变量滤波器运算部3032进行滤波处理所使用的状态变量滤波器，分别使用一次滤波器。除此以外的结构与上述第一实施方式相同。

即，在第三实施方式中，如下述式(16)所示那样，对作为在第一实施方式中使用的状态变量滤波器的s/(s²+k₁·s+k₂)和1/(s²+k₁·s+k₂)应用部分分数分解。

[式16]

$\left.\begin{array}{c}\frac{s}{s^2+k_1\·s+k_2}=\frac{A}{(s+k_{\mathrm{\α}})}+\frac{B}{(s+k_{\mathrm{\β}})}\\ \frac{1}{s^2+k_1\·s+k_2}=\frac{C}{(s+k_a)}+\frac{D}{(s+k_b)}\end{array}\right\}---\left(16\right)$

并且，在上述式(16)中，设为K_a=K_α、K_b=K_β，对状态变量滤波器与低通滤波器G_lpf的公共根进行汇总，通过对它们进行整理而成为将一次低通滤波器并联连接起来的结构。由此，能够使自适应同定***的结构成为图13所示那样的结构。另外，设为

通过将低通滤波器G_lpf设计为等根而成为将一次低通滤波器串联连接起来的结构。由此，能够使自适应同定***的结构成为图14所示那样的结构。此外，在图13和14中，ζ₁(k)、ζ₂(k)、ζ₃(k)、ζ₄(k)以及ζ₅(k)是变换状态量，θ₁、θ₂、θ₃、θ₄以及θ₅是电池模型的电池参数。

根据第三实施方式，除了上述第一实施方式的效果之外，还发挥以下效果。

即，根据第三实施方式，低通滤波器运算部3031和状态变量滤波器运算部3032使用一次低通滤波器作为低通滤波器G_lpf和状态变量滤波器来进行滤波处理。因此，能够降低这些滤波处理所需的运算次数。例如，在图4所示的自适应同定***中进行八次乘法运算、四次加减运算，而与此相对地，在图13和图14所示的自适应同定***中进行四次乘法运算、两次加减运算。由此，能够减轻进行电池参数同定时的运算负担。

以上，说明了本发明的实施方式，记载这些实施方式是为了容易理解本发明而并非用于限定本发明。因而，上述实施方式中公开的各要素还包括属于本发明的技术范围的所有设计变更、等价物。

产业上的可利用性

根据本发明所涉及的电池状态估计装置以及电池状态估计方法，能够有效地消除电流测量值I(k)、电压测量值V(k)中包含的测量噪声的影响，能够容易使电压测量值V(k)与电压估计值V^(k)之差e(k)收敛为0。由此，能够提高电池参数

的同定精度。进一步地，由于能够高精度地进行电池参数

的同定，因此能够提高开路电压估计值V₀^(k)和充电率估计值SOC^(k)的估计精度。由此，本发明所涉及的电池状态估计装置以及电池状态估计方法能够在产业上进行应用。

Claims (8)

1.一种电池状态估计装置，其特征在于，具备：

电流检测部，其检测二次电池的电流作为电流测量值；

电压检测部，其检测上述二次电池的端子电压作为电压测量值；

状态变量滤波器运算部，其定义上述二次电池的电池模型，使用基于上述电池模型的状态变量滤波器对上述电流测量值和上述电压测量值进行状态量变换来算出变换状态量，根据上述变换状态量估计基于上述电池模型的上述二次电池的端子电压作为电压估计值；以及

自适应同定运算部，其通过使上述电压测量值与上述电压估计值之差收敛为零来计算上述二次电池的参数，

其中，上述自适应同定运算部利用具有相同的高频截止特性的低通滤波器分别对上述电压测量值和上述电压估计值实施滤波处理，使用由上述低通滤波器实施滤波处理后的上述电压测量值和上述电压估计值来算出上述差。

2.一种电池状态估计装置，其特征在于，具备：

电流检测部，其检测二次电池的电流作为电流测量值；

电压检测部，其检测上述二次电池的端子电压作为电压测量值；

低通滤波器运算部，其利用具有相同的高频截止特性的低通滤波器分别对上述电流测量值和上述电压测量值实施滤波处理；

状态变量滤波器运算部，其定义上述二次电池的电池模型，使用基于上述电池模型的状态变量滤波器对利用上述低通滤波器实施滤波处理后得到的电流测量值和电压测量值进行状态量变换来算出变换状态量，根据上述变换状态量估计基于上述电池模型的上述二次电池的端子电压作为电压估计值；以及

自适应同定运算部，其通过使利用上述低通滤波器实施滤波处理后得到的电压测量值与上述电压估计值之差收敛为零来计算上述二次电池的参数。

3.根据权利要求1所述的电池状态估计装置，其特征在于，

上述低通滤波器的截止频率大于等于上述状态变量滤波器的截止频率。

4.根据权利要求3所述的电池状态估计装置，其特征在于，

上述低通滤波器的截止频率与上述状态变量滤波器的截止频率相同。

5.根据权利要求1所述的电池状态估计装置，其特征在于，

上述低通滤波器和上述状态变量滤波器是不包含微分器的滤波器。

6.根据权利要求1所述的电池状态估计装置，其特征在于，

上述低通滤波器和上述状态变量滤波器仅通过一次低通滤波器的串联连接或并联连接而构成。

7.一种电池状态估计方法，具备以下步骤：

检测二次电池的电流作为电流测量值；

检测上述二次电池的端子电压作为电压测量值；

定义上述二次电池的电池模型；

使用基于上述电池模型的状态变量滤波器对上述电流测量值和上述电压测量值进行状态量变换来算出变换状态量；

根据上述变换状态量估计基于上述电池模型的上述二次电池的端子电压作为电压估计值；以及

通过使上述电压测量值与上述电压估计值之差收敛为零来计算上述二次电池的参数，

该电池状态估计方法的特征在于，

在通过使上述电压测量值与上述电压估计值之差收敛为零来计算上述二次电池的参数的步骤中还包括以下步骤：

利用具有相同的高频截止特性的低通滤波器分别对上述电压测量值和上述电压估计值实施滤波处理；以及

使用由上述低通滤波器实施滤波处理后的上述电压测量值和上述电压估计值来算出上述差。

8.一种电池状态估计方法，其特征在于，包括以下步骤：

检测二次电池的电流作为电流测量值；

检测上述二次电池的端子电压作为电压测量值；

利用具有相同的高频截止特性的低通滤波器分别对上述电流测量值和上述电压测量值实施滤波处理；

定义上述二次电池的电池模型；

使用基于上述电池模型的状态变量滤波器对利用上述低通滤波器实施滤波处理后得到的电流测量值和电压测量值进行状态量变换来算出变换状态量；

根据上述变换状态量来估计基于上述电池模型的上述二次电池的端子电压作为电压估计值；以及

通过使利用上述低通滤波器实施滤波处理后得到的电压测量值与上述电压估计值之差收敛为零来计算上述二次电池的参数。

Images