CN105277894A - 估计电池的荷电状态的方法与*** - Google Patents
估计电池的荷电状态的方法与*** Download PDFInfo
- Publication number
- CN105277894A CN105277894A CN201510430005.2A CN201510430005A CN105277894A CN 105277894 A CN105277894 A CN 105277894A CN 201510430005 A CN201510430005 A CN 201510430005A CN 105277894 A CN105277894 A CN 105277894A
- Authority
- CN
- China
- Prior art keywords
- battery
- charge
- state
- cell voltage
- voltage
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
- G01R31/3835—Arrangements for monitoring battery or accumulator variables, e.g. SoC involving only voltage measurements
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
Abstract
本发明提出一种估计电池的荷电状态的方法与***。估计电池的荷电状态的方法包括下列步骤:监测电池电压;以及根据第一电池模型、第二电池模型及电池电压,估计荷电状态。第一电池模型包括:在电池电压与根据通过电池的充电、放电及弛豫所收集的电池信息的第一权重彼此之间的第一预设关系。第二电池模型包括:在电池电压与电池的估计的开路电压之间的电压差值与根据电池信息的荷电差值彼此之间的第二预设关系。
Description
技术领域
本发明涉及一种估计电池的荷电状态的方法与***,特别是指一种估计电池的荷电状态的方法与***。
背景技术
对于可携式电子装置的用户而言,荷电状态(stateofcharge,SOC)是一项必要信息。对于一个完全充电完成的电池,其荷电状态显示为100%。而对于一个完全放电的电池,其荷电状态显示为0%。利用内嵌于可携式电子装置之中的算法来估计荷电状态是迫切需要的。现有技术常使用电流库伦积分器来累进计算电池充电或放电的电容量,再搭配电池总容量,可计算出电池的荷电状态,但是电流库伦积分器会因设计不准确或外在噪声而产生累积误差,进而估算出不准确的电池的荷电状态。
有鉴于此,本发明即针对上述现有技术的不足,提出一种估计电池的荷电状态的方法与***。
发明内容
本发明的目的在于克服现有技术的不足与缺陷,提出一种估计电池的荷电状态的方法与***,能够估算出准确的电池的荷电状态。
为达上述目的,就其中一观点言,本发明提供了一种估计电池的荷电状态(stateofcharge,SOC)的方法,包含:监测一电池电压(VBAT);以及根据一第一电池模型、一第二电池模型及该电池电压,估计该荷电状态以产生一荷电状态估计值,其中该第一电池模型包括:在该电池电压与根据通过电池的充电、放电及弛豫(relaxing)所收集的一电池信息的一第一权重彼此之间的一第一预设关系;以及其中该第二电池模型包括:在该电池电压与该电池的一估计的开路电压之间的一电压差值与根据该电池信息的一荷电差值彼此之间的一第二预设关系。
为达上述目的,就另一观点言,本发明提供了一种根据电池电压估计电池的荷电状态的方法,包含:模型化该电池电压与根据于电池的充电与放电时所收集的一电池信息的一第一权重彼此之间的一第一预设关系,以建立第一电池模型;模型化该电池电压与该电池的一估计的开路电压之间的一电压差值与根据该电池信息的一荷电差值彼此之间的一第二预设关系;监测该电池电压;以及根据该第一电池模型、该第二电池模型及该电池电压,估计该荷电状态以产生一荷电状态估计值。
在一种较佳的实施型态中,监测该电池电压的步骤还包含:当电池处于至少下列一种状态时:充电、放电及弛豫,监测多个串联的电池的电池电压。
在一种较佳的实施型态中,估计电池的荷电状态的方法还包含:在实时估计该荷电状态之前,于不同的充电/放电电流下,收集该荷电状态与该电池电压之间的该电池信息。
在一种较佳的实施型态中,根据该第一电池模型、该第二电池模型及该电池电压,估计该荷电状态的步骤还包含:在不监测电池电流的情况下,估计该荷电状态。
在一种较佳的实施型态中,估计电池的荷电状态的方法还包含:于不同的充电/放电电流下,通过量测该荷电状态及该电池电压,以建立该第一电池模型及该第二电池模型。
在一种较佳的实施型态中,估计电池的荷电状态的方法还包含:通过根据该电池电压于该充电/放电电流时与于不同的充电/放电电流时之间的差值,来计算该第一权重,以建立该第一电池模型。
在一种较佳的实施型态中,估计电池的荷电状态的方法还包含:通过根据该充电/放电电流,来计算该荷电差值,以建立该第二电池模型。
在一种较佳的实施型态中,估计电池的荷电状态的方法,还包含:根据该第一电池模型及该电池电压,估计该第一权重;根据该第二电池模型及该电池电压与该电池的该估计的开路电压之间的该电压差值,估计该荷电差值;根据该第一权重及该荷电差值,产生一加权过的荷电差值;收集该加权过的荷电差值,以提供一估计的荷电状态。
为达上述目的,就另一观点言,本发明提供了一种根据电池电压估计电池的荷电状态的***,包含:一第一电池模型,此模型包含该电池电压与于电池的充电、放电、及弛豫时所收集的一电池信息的一第一权重彼此之间的一第一预设关系;一第二电池模型,此模型包含该电池电压与该电池的一估计的开路电压之间的一电压差值、与根据该电池信息所得的一荷电差值彼此之间的一第二预设关系;一电压侦测器,用以监测该电池电压;以及一荷电状态估计器,与该电压侦测器连接,根据该第一电池模型、该第二电池模型及该电池电压,估计该荷电状态以产生一荷电状态估计值。
在一种较佳的实施型态中,估计电池的荷电状态的方法与***,还可根据相关于电池电流的信息来补偿该荷电状态估计值。
下面通过具体实施例详加说明,当更容易了解本发明的目的、技术内容、特点及其所达成的功效。
附图说明
图1显示根据本发明一实施例的用以估计电池的荷电状态的算法所需的硬件方块图;
图2显示于用以估计电池的荷电状态的算法中,而建立的加权模糊器及dSOC/dV模糊器的量测结果示意图;
图3显示dSOC/dV模糊器120的一部分模型建立的一实施例;
图4显示如图1所示的dSOC/dV模糊器120的另一部分模型建立的一实施例;
图5显示如图1所示的dSOC/dV模糊器120的模型建立的一实施例;
图6显示如图1所示的加权模糊器110的模型建立的一实施例;
图7显示根据本发明一实施例的用以估计电池的荷电状态的算法所需的硬件方块图及数据表;
图8显示将本发明一实施例所述的算法施予最小均方优化之后所得的实验结果;
图9显示于图1所示的实施例中,利用算法100估计电池的荷电状态所得的实验结果;
图10显示本发明一实施例的用以估计电池的荷电状态的方法流程图;
图11显示本发明一实施例的根据电池电压估计电池的荷电状态的方法流程图;
图12显示本发明一实施例的根据电池电压估计电池的荷电状态的***的硬件方块图;
图13显示根据本发明一实施例的用以估计电池的荷电状态的算法所需的硬件方块图;
图14显示本发明一实施例的根据电池电压估计电池的荷电状态的***的硬件方块图。
图中符号说明
1000估计电池的荷电状态的方法
1100根据电池电压估计电池的荷电状态的方法
1200根据电池电压估计电池的荷电状态的***
1300根据电池电压与电流估计电池的荷电状态的方法
1400根据电池电压与电流估计电池的荷电状态的***
1002步骤
1004步骤
1102步骤
1104步骤
1106步骤
1108步骤
1202第一电池模型
1204第二电池模型
1206电压侦测器
1208荷电状态估计器
100算法
110加权模糊器
112第一权重
120dSOC/dV模糊器
122荷电差值(dSOC*)
125乘法器
130优化器
131加权过的荷电差值(dSOC)
140累加器
150开路电压(OCV)的查表
152开路电压
210、220图
310、320表
330、340图
410、420表
430、440图
340、440曲线
510第二电池模型
610、620表
630、640图
630关系
640第一电池模型
710数据表
810算法
812最小均方优化功能方块
820、830图
816优化器
910、920图
930图
dV电压差值
K增益
SOC荷电状态
VBAT电池电压
Z-1反Z变换(inverseZtransformation)
具体实施方式
有关本发明的前述及其他技术内容、特点与功效,在以下配合参考图式的一较佳实施例的详细说明中,将可清楚的呈现。本发明中的图式均属示意,主要意在表示各装置以及各元件之间的功能作用关系,至于形状、厚度与宽度则并未依照比例绘制。
本发明提供数种不同实施态样(或实施例),以具体化本发明的不同特征。元件与配置方式的特定实施例如下述,用以简化本发明。这些实施例为极少数且本发明不局限于此。此外,在描述于一第一特征上形成一第二特征时,可能包括第一特征与第二特征直接接触的实施例,也可能包括在第一特征与第二特征之间有形成其他特征,而不直接接触的实施例。另外,本发明的说明中不同范例可能使用重复的参考符号及/或用字。这些重复符号或用字是为了简化与清晰的目的,并非用以限定各个实施例及/或所述外观结构之间的关系。
本发明是关于一种当电池处于至少下列一种状态时:充电、放电及弛豫,估计电池的荷电状态(stateofcharge,SOC)的方法。本发明利用电池电压(VBAT),而非电池电流。为了建立本发明的方法所用到的模型,本发明采用标准的充电与放电的流程来收集电池信息。例如,本发明通过不同的充电与放电电流,以便观察荷电状态SOC及电池电压VBAT。据此,根据这些观察,本发明得以在下述二者建立一伙伴函数(或关系):(1)在电池电压VBAT与电池的一估计的开路电压(opencircuitvoltage,OCV)之间的一电压差值;及(2)用以调整估计的荷电状态SOC的一荷电差值dSOC。此外,根据这些观察,本发明得以在被施予在荷电差值dSOC与电池电压VBAT之间的一权重(或增益)之间建立另一伙伴函数(或关系)。此二个伙伴函数形成一个标准模型,其可以根据特定的电池充电与放电信息而被优化。特定的电池数据乃是最常被使用的使用者经验。再者,通过最小均方误差(minimizedleastsquareerror)算法可以得到一最佳的增益(K),由此更进一步地微调荷电差值dSOC。
本实施例提供一种估计电池的荷电状态SOC的方法。该方法的步骤包括:首先,监测一电池电压VBAT;接着,根据一第一电池模型、一第二电池模型及电池电压,估计荷电状态SOC。第一电池模型包括:在电池电压VBAT与根据通过电池的充电、放电及弛豫(relaxing)所收集的一电池信息的一第一权重彼此之间的一第一预设关系。第二电池模型包括:在电池电压VBAT与电池的一估计的开路电压之间的一电压差值与根据电池信息的一荷电差值彼此之间的一第二预设关系。
图1显示根据本发明一实施例的用以估计电池的荷电状态的算法所需的硬件方块图。如图1所示,本实施例提供一估计电池电压的算法100。实现此算法100所需的硬件包括一加权模糊器110,一dSOC/dV模糊器120,一乘法器125,一优化器130,一累加器140及一开路电压(opencircuitvoltage,OCV)的查表150。
算法100用以监测电池电压VBAT。加权模糊器110根据第一电池模型及电池电压VBAT,估计第一权重112。dSOC/dV模糊器120根据第二电池模型及电池电压VBAT与电池的估计的开路电压152之间的一电压差值121,估计一荷电差值(dSOC*)122。乘法器125根据第一权重112及荷电差值(dSOC*)122,产生一加权过的荷电差值(dSOC)131。在一实施例中,优化器130能将一额外的增益(K值)施予已被加权过的荷电差值(dSOC)131,以进行优化。累加器140通过,例如但不限于,反Z变换(inverseZtransformation)的方式来累加加权过的荷电差值(dSOC)131,以决定一估计的荷电状态SOC。接着,估计的荷电状态SOC被回授至开路电压(OCV)的查表150,以产生估计的开路电压152,其中,此一步骤反复地进行。关于算法100的细节特征容下详述。
图2显示于用以估计电池的荷电状态的算法中,而建立的加权模糊器及dSOC/dV模糊器的量测结果示意图。如图2所示,图210及图220显示在使用算法100实时估计荷电状态之前的量测结果。
图210显示在不同的充电情况下,电池电压VBAT与荷电状态SOC的量测结果彼此之间的关系。充电情况OCV代表的是每一小时能将电池充电2%;充电情况0.5C代表的是每一小时能将电池充电50%;充电情况0.25C代表的是每一小时能将电池充电25%。图210显示在相同的荷电状态SOC值下,当充电速率越高,电池电压VBAT越高。
图220显示在不同的放电情况下,电池电压VBAT与荷电状态SOC的量测结果彼此之间的关系。放电情况OCV代表的是每一小时能将电池放电2%;放电情况0.5C代表的是每一小时能将电池放电50%;放电情况0.25C代表的是每一小时能将电池放电25%;放电情况0.15C代表的是每一小时能将电池放电15%;放电情况0.1C代表的是每一小时能将电池放电10%。图220显示在相同的荷电状态SOC值下,当放电速率越高,电池电压VBAT越低。接着,说明如何建立图1所示的dSOC/dV模糊器120。
图3显示dSOC/dV模糊器120的一部分模型建立的一实施例。图3包括表310、表320、图330及图340。表310包括从图2所示的图210所撷取的资料。例如,在荷电状态SOC值皆为80%的情况下,对于每一小时能将电池充电2%的充电情况而言,其电池电压VBAT是4000mV。对于每一小时能将电池充电25%的充电情况而言,其电池电压VBAT是4179mV。此外,在荷电状态SOC值皆为60%的情况下,对于每一小时能将电池充电2%的充电情况而言,其电池电压VBAT是3850mV。对于每一小时能将电池充电25%的充电情况而言,其电池电压VBAT是4023mV。
表320是根据表310的信息而产生的。例如,在荷电状态SOC值皆为80%的情况下,将电池的开路电压OCV(意即代表每一小时能将电池充电2%)当作一基准。在电池开路电压OCV与在充电情况0.25C(意即代表每一小时能将电池充电25%)时的电池电压VBAT的电压差值为179mV(也就是将4179mV减去4000mV的结果)。同样地,在荷电状态SOC值皆为60%的情况下,在电池开路电压OCV与在充电情况0.25C(意即代表每一小时能将电池充电25%)时的电池电压VBAT的电压差值为173mV(也就是将4023mV减去3850mV的结果)。通过反复进行上述步骤,便可以得到表320。此外,根据表320,可以得到在不同的荷电状态SOC下,电压差值与充电速率彼此之间的关系330。将关系330施予标准化之后,便可以得到曲线340。
图4显示如图1所示的dSOC/dV模糊器120的另一部分模型建立的一实施例。图4包括表410、表420、图430及图440。表410包括从图2所示的图220所撷取的资料。例如,在荷电状态SOC值皆为80%的情况下,对于每一小时能将电池放电2%的放电情况而言,其电池电压VBAT是4000mV。对于每一小时能将电池放电10%的放电情况而言,其电池电压VBAT是3964mV。此外,在荷电状态SOC值皆为60%的情况下,对于每一小时能将电池放电2%的放电情况而言,其电池电压VBAT是3850mV。对于每一小时能将电池放电10%的放电情况而言,其电池电压VBAT是3795mV。
表420是根据表410的信息而产生的。例如,在荷电状态SOC值皆为80%的情况下,将电池开路电压OCV(意即代表每一小时能将电池放电2%)当作一基准。在电池开路电压OCV与在放电情况0.1C(意即代表每一小时能将电池放电10%)时的电池电压VBAT的电压差值为36mV(也就是将4000mV减去3964mV的结果)。同样地,在荷电状态SOC值皆为60%的情况下,在电池的开路电压OCV与在放电情况0.25C(意即代表每一小时能将电池放电25%)时的电池电压VBAT的电压差值为55mV(也就是将3850mV减去3795mV的结果)。通过反复进行上述步骤,便可以得到表420。此外,根据表420,可以得到在不同的荷电状态SOC下,电压差值与放电速率彼此之间的关系430。将关系430施予标准化之后,便可以得到曲线440。
图5显示如图1所示的dSOC/dV模糊器120的模型建立的一实施例。通过将曲线340及440结合,本实施例替图1所示的dSOC/dV模糊器120建立了第二电池模型510。第二电池模型510显示当电池开路电压OCV与在充电/放电情况时的电池电压VBAT的电压差值dV的绝对值越高,充电/放电电流越高(对应于图1所示的荷电差值(dSOC*)),因此,这二者之间有一个V型的关系。
图6显示如图1所示的加权模糊器110的模型建立的一实施例。图6包括表610、表620、图630及图640。表610包括从图2所示的图220所撷取的资料。例如,在荷电状态SOC值皆为90%的情况下,对于每一小时能将电池放电2%的放电情况而言,其电池电压VBAT是4100mV。对于每一小时能将电池放电10%的放电情况而言,其电池电压VBAT是4065mV。此外,在荷电状态SOC值皆为80%的情况下,对于每一小时能将电池放电2%的放电情况而言,其电池电压VBAT是4000mV。对于每一小时能将电池放电15%的放电情况而言,其电池电压VBAT是3952mV。又,在荷电状态SOC值皆为70%的情况下,对于每一小时能将电池放电2%的放电情况而言,其电池电压VBAT是3900mV。对于每一小时能将电池放电25%的放电情况而言,其电池电压VBAT是3811mV。
表620是根据表610的信息而产生的。例如,在荷电状态SOC值皆为90%的情况下,将放电情况OCV(意即代表每一小时能将电池放电2%)当作一基准。电池电压为4.1V及每一小时能将电池放电10%的权重等于0.29(这是由10/(4100-4065)计算而得到的)。电池电压为4.0V及每一小时能将电池放电15%的权重等于0.31(这是由15/(4000-3952)计算而得到的)。电池电压为3.9V及每一小时能将电池放电25%的权重等于0.28(这是由25/(3900-3811)计算而得到的)。通过反复进行上述步骤,便可以得到表620。此外,根据表620,可以得到在放电电流下,电池电压VBAT与第一权重112(如图1所示)彼此之间的关系630。将关系630施予标准化之后,便可以得到图1所示的加权模糊器110所需要的第一电池模型640。
图7显示根据本发明一实施例的用以估计电池的荷电状态的算法所需的硬件方块图及数据表。如图7所示,在写完估计电池电压的算法100后,将图5所示的第二电池模型510与图6所示的第一电池模型640嵌入估计电池电压的算法100。由于电池是在放电的状况下,因此属于第二电池模型510的一部分的图440被绘示。此外,本实施例提供了对应于算法100中的各节点的数据表710。
根据第一电池模型640,视电池电压VBAT的值而定,第一权重112可介于0.8与1.8之间。在本实施例中,当电池电压VBAT的值为3.894Volts时,被应用于dSOC/dV模糊器120的输出的第一权重112为0.9。
电压差值dV121用以作为dSOC/dV模糊器120的输入。其中,电压差值dV121是由电池电压VBAT减去电池的查表的开路电压152而得到的。经由算法100计算而得的荷电状态SOC被输入至开路电压(OCV)的查表150。如dSOC/dV模糊器120所示,当电压差值dV121的绝对值越大时,dSOC/dV模糊器120所输出的荷电差值(dSOC*)122的绝对值越大。图440显示,当电压差值dV121例如为-100mV时,荷电差值(dSOC*)122为-0.25。
如上所述,dSOC/dV模糊器120所计算出的荷电差值(dSOC*)122被加权模糊器110的输出给施予加权,并且经由优化器130而被施予优化。在一实施例中,优化器130进行加权后,根据最小均方优化的方式与电池充电/放电的实际数据,而产生一K值。此K值被用以计算荷电差值(dSOC)131。
接着,算法100将荷电差值(dSOC)131与累加器140(例如但不限于,利用荷电状态(SOC)的反Z变换(inverseZtransformation))加总,以决定一新的荷电状态SOC。此新的荷电状态SOC被回授至开路电压(OCV)的查表150,其中,此一步骤反复地进行。表710显示3个电池的样本,每一个彼此间隔36秒。根据上述关于算法100的内容,本实施例的算法100的运作模式为:先决定电压差值,并针对此电压差值施予多个模糊演算方式。
图8显示将本发明一实施例所述的算法施予最小均方优化之后所得的实验结果。如图8所示,算法810类似于算法100,二者差异在于:算法810多了额外的最小均方优化功能方块812。算法810所对应的电池电压VBAT及荷电状态SOC分别如图820及图830所示。最小均方优化功能方块812接收图830中通过外部量测仪器所量测的荷电状态SOC的理想值与图830中通过算法100所提供的估计的荷电状态SOC。最小均方优化功能方块812逐步地微调优化器816。根据最小均方优化功能方块812所做的微调,不同的权重(或增益)(权重#1减去权重#3)被应用于优化器816。结果,例如,增益#1是三者之中最好的结果,因此,增益#1被选作一最佳的增益K。
图9显示于图1所示的实施例中,利用算法100估计电池的荷电状态所得的实验结果。图9包括三张图910、920及930,其显示在不同充电/放电情况下的估计的荷电状态SOC的误差。图910显示在0.5C的标准充电/放电速率下,估计的荷电状态SOC的误差为-3%至+3%之间。图920显示在0.25C的标准充电/放电速率下,估计的荷电状态SOC的误差亦为-3%至+3%之间。图930显示在0.5C的部分充电/放电速率下,估计的荷电状态SOC的误差为-4%至+4%之间。因此,图910、920及930可显示算法100的准确度。
图10显示本发明一实施例的用以估计电池的荷电状态的方法流程图。本实施例提供一种估计电池的荷电状态SOC的方法1000,其步骤包括:首先,监测一电池电压(VBAT)(步骤1002)。接着,根据一第一电池模型、一第二电池模型及电池电压,估计荷电状态(步骤1004)。第一电池模型包括:在电池电压与根据通过电池的充电、放电及弛豫(relaxing)所收集的一电池信息的一第一权重彼此之间的一第一预设关系。第二电池模型包括:在电池电压与电池的一估计的开路电压之间的一电压差值与根据电池信息的一荷电差值彼此之间的一第二预设关系。
在一实施例中,监测该电池电压的步骤还包含下列步骤:当电池处于至少下列一种状态时:充电、放电及弛豫,监测多个串联的电池的电池电压。在一实施例中,方法1000还包含下列步骤:在实时估计荷电状态之前,于不同的充电/放电电流下,收集荷电状态与电池电压之间的电池信息。在一实施例中,根据第一电池模型、第二电池模型及电池电压,估计荷电状态的步骤还包含下列步骤:在不监测电池电流的情况下,估计荷电状态。需说明的是,在某些应用场合下,当电池电流的相关信息(下称电池电流信息)本就已有、或可轻易获得时,则可利用电池电流信息来补偿或校准荷电状态,此部分容后详述。
在一实施例中,估计电池的荷电状态SOC的方法1000还包含下列步骤:于不同的充电/放电电流下,通过量测荷电状态及电池电压,以建立第一电池模型及第二电池模型。在一实施例中,估计电池的荷电状态SOC的方法1000还包含下列步骤:通过根据电池电压于充电/放电电流时与于不同的充电/放电电流时之间的差值,来计算第一权重,以建立第一电池模型。在一实施例中,估计电池的荷电状态SOC的方法1000还包含下列步骤:通过根据充电/放电电流,来计算荷电状态,以建立第二电池模型。
在一实施例中,估计电池的荷电状态SOC的方法1000还包含下列步骤:首先,根据第一电池模型及电池电压,估计第一权重;接着,根据第二电池模型及电池电压与电池的估计的开路电压之间的电压差值,估计荷电差值;再接着,根据第一权重及荷电差值,产生一加权过的荷电差值;再接着,收集加权过的荷电差值,以提供一估计的荷电状态;最后,根据估计的荷电状态及开路电压的一查表值,以产生电池的估计的开路电压。
图11显示本发明一实施例的根据电池电压估计电池的荷电状态的方法流程图。本实施例提供一种根据电池电压估计电池的荷电状态的方法1100,其包括下列步骤:首先,模型化电池电压与根据于电池的充电与放电时所收集的一电池信息的一第一权重彼此之间的一第一预设关系,以建立第一电池模型(步骤1102);接着,模型化电池电压与电池的一估计的开路电压之间的一电压差值与根据电池信息的一荷电差值彼此之间的一第二预设关系(步骤1104);再接着,监测电池电压(步骤1106);最后,根据第一电池模型、第二电池模型及电池电压,估计荷电状态(步骤1108)。
在一实施例中,监测电池电压的步骤还包含下列步骤:当电池处于至少下列一种状态时:充电、放电及弛豫,监测多个串联的电池的电池电压。在一实施例中,根据电池电压估计电池的荷电状态的方法1100还包含下列步骤:在实时估计荷电状态之前,于不同的充电/放电电流下,收集荷电状态与电池电压之间的电池信息。在一实施例中,根据第一电池模型、第二电池模型及电池电压,估计荷电状态的步骤还包含下列步骤:在不监测电池电流的情况下,估计该荷电状态。需说明的是,在某些应用场合下,当电池电流信息本就已有、或可轻易获得时,则可利用电池电流信息来补偿或校准荷电状态,此部分容后详述。在一实施例中,根据电池电压估计电池的荷电状态的方法1100还包含下列步骤:于不同的充电/放电电流下,通过量测荷电状态及电池电压,以建立第一电池模型及第二电池模型。
在一实施例中,根据电池电压估计电池的荷电状态的方法1100还包含下列步骤:通过根据电池电压于充电/放电电流时与于不同的充电/放电电流时之间的差值,来计算第一权重,以建立第一电池模型。在一实施例中,根据电池电压估计电池的荷电状态的方法1100还包含下列步骤:通过根据充电/放电电流,来计算荷电差值,以建立第二电池模型。
在一实施例中,根据电池电压估计电池的荷电状态的方法1100还包含下列步骤:首先,根据第一电池模型及电池电压,估计第一权重;接着,根据第二电池模型及电池电压与电池的估计的开路电压之间的电压差值,估计荷电差值;再接着,根据第一权重及荷电差值,产生一加权过的荷电差值;再接着,收集加权过的荷电差值,以提供一估计的荷电状态;最后,根据估计的荷电状态及开路电压的一查表值,以产生电池的估计的开路电压。
图12显示本发明一实施例的根据电池电压估计电池的荷电状态的***的硬件方块图。本实施例提供一种根据电池电压估计电池的荷电状态的***1200。根据电池电压估计电池的荷电状态的***1200包括:一第一电池模型1202,其包括:在电池电压与根据通过电池的充电、放电及弛豫(relaxing)所收集的一电池信息的一第一权重彼此之间的一第一预设关系;一第二电池模型1204,其包括:在电池电压与电池的一估计的开路电压之间的一电压差值与根据电池信息的一荷电差值彼此之间的一第二预设关系;一电压侦测器1206,用以监测一电池电压VBAT;以及一荷电状态SOC估计器1208,与电压侦测器1206连接,并且根据第一电池模型1202、第二电池模型1204及电池电压VBAT,估计荷电状态SOC。
在一实施例中,当电池处于至少下列一种状态时:充电、放电及弛豫时,电压侦测器1206监测多个串联的电池的电池电压。在一实施例中,在荷电状态SOC估计器1208开始实时估计荷电状态之前,第一电池模型1202及第二电池模型1204可于不同的充电/放电电流下,收集荷电状态SOC与电池电压VBAT之间的电池信息。在一实施例中,荷电状态SOC估计器1208可在不监测电池电流的情况下,估计荷电状态SOC。需说明的是,在某些应用场合下,当电池电流信息本就已有、或可轻易获得时,则可利用电池电流信息来补偿或校准荷电状态,此部分容后详述。
请参阅图13,显示根据本发明一实施例的用以估计电池的荷电状态的算法所需的硬件方块图。在图13实施例中,电池电流信息本就已有、或可轻易获得。图13实施例提供一种估计电池电压的算法1300。算法1300与算法100相似,其间差异是:算法1300也取得电池电流IBAT的相关信息。较佳、但非必须地,该电池电流IBAT可乘以一增益值180,所得的经过增益运算的电池电流信息182被传送给一补偿器184。补偿器184补偿或校准乘法器125的输出,以获得经过补偿加权运算的荷电差值186。在一实施例中,补偿器184可以实现为一乘法器。在其他实施例中,补偿器184例如但不限于可为加法器、或是更为复杂的运算电路,以根据电池电流信息来对乘法器125的输出进行补偿或校准运算。在一实施例中,较佳、但非必须地,经过补偿加权运算的荷电差值186由优化器130予以优化。需说明的是:算法1300可应用在方法1000和1100之中。
请参阅图14,显示显示本发明一实施例的根据电池电压估计电池的荷电状态的***的硬件方块图。本实施例的***1400与***1200相似,但荷电状态SOC估计器1208还接收电流信息,此电流信息例如来自电流传感器1402。荷电状态SOC估计器1208与电压侦测器1206及电流传感器1402连接,并且根据第一电池模型1202、第二电池模型1204及电池电压VBAT,估计荷电状态SOC,且根据电池电流来补偿荷电状态的估计值。
以上已针对较佳实施例来说明本发明,以上所述,仅为使本领域技术人员易于了解本发明的内容,并非用来限定本发明的权利范围。在本发明的相同精神下,本领域技术人员可以思及各种等效变化。凡此种种,皆可根据本发明的教示类推而得,因此,本发明的范围应涵盖上述及其他所有等效变化。此外,本发明的任一实施型态不必须达成所有的目的或优点,因此,权利要求书的任一项也不应以此为限。
Claims (25)
1.一种估计电池的荷电状态的方法,其特征在于,包含:
监测一电池电压;以及
根据一第一电池模型、一第二电池模型及该电池电压,估计该荷电状态以产生一荷电状态估计值,
其中该第一电池模型包括:在该电池电压与通过电池的充电、放电及弛豫所收集的一电池信息的一第一权重彼此之间的一第一预设关系;以及
其中该第二电池模型包括:在该电池电压与该电池的一估计的开路电压之间的一电压差值、与根据该电池信息所得的一荷电差值彼此之间的一第二预设关系。
2.如权利要求1所述的方法,其中,监测该电池电压的步骤还包含:
当电池处于至少下列一种状态时:充电、放电及弛豫,监测多个串联的电池的电池电压。
3.如权利要求1所述的方法,其中,还包含:
在实时估计该荷电状态之前,于不同的充电/放电电流下,收集该荷电状态与该电池电压之间的该电池信息。
4.如权利要求1所述的方法,其中,根据该第一电池模型、该第二电池模型及该电池电压,估计该荷电状态的步骤还包含:
在不监测电池电流的情况下,估计该荷电状态。
5.如权利要求1所述的方法,其中,还包含:
于不同的充电/放电电流下,通过量测该荷电状态及该电池电压,以建立该第一电池模型及该第二电池模型。
6.如权利要求5所述的方法,其中,还包含:
通过根据该电池电压于该充电/放电电流时与于不同的充电/放电电流时之间的差值,来计算该第一权重,以建立该第一电池模型。
7.如权利要求5所述的方法,其中,还包含:
通过根据该充电/放电电流,来计算该荷电差值,以建立该第二电池模型。
8.如权利要求1所述的方法,其中,还包含:
根据该第一电池模型及该电池电压,估计该第一权重;
根据该第二电池模型及该电池电压与该电池的该估计的开路电压之间的该电压差值,估计该荷电差值;
根据该第一权重及该荷电差值,产生一加权过的荷电差值;
收集该加权过的荷电差值,以提供一估计的荷电状态;以及
根据该估计的荷电状态及开路电压的一查表值,以产生该电池的该估计的开路电压。
9.如权利要求1所述的方法,其中,还包含:根据相关于电池电流的信息来补偿该荷电状态估计值。
10.如权利要求9所述的方法,其中,该根据一第一电池模型、一第二电池模型及该电池电压,估计该荷电状态以产生一荷电状态估计值的步骤包括:
根据该第一电池模型及该电池电压,估计该第一权重;
根据该第二电池模型及该电池电压与该电池的该估计的开路电压之间的该电压差值,估计该荷电差值;
根据该第一权重及该荷电差值,产生一加权过的荷电差值;
且其中该根据相关于电池电流的信息来补偿该荷电状态估计值的步骤包括:根据相关于电池电流的信息补偿该加权过的荷电差值,以产生一补偿后的加权荷电差值;
其中该补偿后的加权荷电差值经累积运算而提供该荷电状态估计值。
11.一种根据电池电压估计电池的荷电状态的方法,其特征在于,包含:
模型化该电池电压与于电池的充电与放电时所收集的一电池信息的一第一权重彼此之间的一第一预设关系,以建立第一电池模型;
模型化该电池电压与该电池的一估计的开路电压之间的一电压差值与根据该电池信息所得的一荷电差值彼此之间的一第二预设关系;
监测该电池电压;以及
根据该第一电池模型、该第二电池模型及该电池电压,估计该荷电状态以产生一荷电状态估计值。
12.如权利要求11所述的方法,其中,监测该电池电压的步骤还包含:
当电池处于至少下列一种状态时:充电、放电及弛豫,监测多个串联的电池的电池电压。
13.如权利要求11所述的方法,其中,还包含:
在实时估计该荷电状态之前,于不同的充电/放电电流下,收集该荷电状态与该电池电压之间的该电池信息。
14.如权利要求11所述的方法,其中,根据该第一电池模型、该第二电池模型及该电池电压,估计该荷电状态的步骤还包含:
在不监测电池电流的情况下,估计该荷电状态。
15.如权利要求11所述的方法,其中,还包含:
于不同的充电/放电电流下,通过量测该荷电状态及该电池电压,以建立该第一电池模型及该第二电池模型。
16.如权利要求15所述的方法,其中,还包含:
根据该电池电压于该充电/放电电流时、与于不同的充电/放电电流时之间的差值,来计算该第一权重,以建立该第一电池模型。
17.如权利要求15所述的方法,其中,还包含:
通过根据该充电/放电电流,来计算该荷电差值,以建立该第二电池模型。
18.如权利要求11所述的方法,其中,还包含:
根据该第一电池模型及该电池电压,估计该第一权重;
根据该第二电池模型及该电池电压与该电池的该估计的开路电压之间的该电压差值,估计该荷电差值;
根据该第一权重及该荷电差值,产生一加权过的荷电差值;
收集该加权过的荷电差值,以提供一估计的荷电状态;以及
根据该估计的荷电状态及开路电压的一查表值,以产生该电池的该估计的开路电压。
19.如权利要求11所述的方法,其中,还包含:根据相关于电池电流的信息来补偿该荷电状态估计值。
20.如权利要求19所述的方法,其中,该根据一第一电池模型、一第二电池模型及该电池电压,估计该荷电状态以产生一荷电状态估计值的步骤包括:
根据该第一电池模型及该电池电压,估计该第一权重;
根据该第二电池模型及该电池电压与该电池的该估计的开路电压之间的该电压差值,估计该荷电差值;
根据该第一权重及该荷电差值,产生一加权过的荷电差值;
且其中该根据相关于电池电流的信息来补偿该荷电状态估计值的步骤包括:根据相关于电池电流的信息补偿该加权过的荷电差值,以产生一补偿后的加权荷电差值;
其中该补偿后的加权荷电差值经累积运算而提供该荷电状态估计值。
21.一种根据电池电压估计电池的荷电状态的***,其特征在于,包含:
一第一电池模型,此模型包含该电池电压与于电池的充电、放电、及弛豫时所收集的一电池信息的一第一权重彼此之间的一第一预设关系;
一第二电池模型,此模型包含该电池电压与该电池的一估计的开路电压之间的一电压差值、与根据该电池信息所得的一荷电差值彼此之间的一第二预设关系;
一电压侦测器,用以监测该电池电压;以及
一荷电状态估计器,与该电压侦测器连接,根据该第一电池模型、该第二电池模型及该电池电压,估计该荷电状态以产生一荷电状态估计值。
22.如权利要求21所述的***,其中,该电压侦测器还于电池处于至少下列一种状态时:充电、放电及弛豫,监测多个串联的电池的电池电压。
23.如权利要求21所述的***,其中,该第一电池模型与该第二电池模型在实时估计该荷电状态之前,于不同的充电/放电电流下,收集该荷电状态与该电池电压之间的该电池信息。
24.如权利要求21所述的***,其中,该荷电状态估计器在不监测电池电流的情况下,估计该荷电状态。
25.如权利要求21所述的***,其中,还包含:一电流传感器,用以提供相关于电池电流的信息,且该荷电状态估计器还与该电流传感器连接,以根据该相关于电池电流的信息来补偿该荷电状态估计值。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201462026786P | 2014-07-21 | 2014-07-21 | |
US62/026,786 | 2014-07-21 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105277894A true CN105277894A (zh) | 2016-01-27 |
CN105277894B CN105277894B (zh) | 2018-01-05 |
Family
ID=55074407
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510430005.2A Active CN105277894B (zh) | 2014-07-21 | 2015-07-21 | 估计电池的荷电状态的方法与*** |
Country Status (4)
Country | Link |
---|---|
US (1) | US20160018468A1 (zh) |
KR (1) | KR101802028B1 (zh) |
CN (1) | CN105277894B (zh) |
TW (1) | TWI563276B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107037369A (zh) * | 2016-02-04 | 2017-08-11 | 联发科技股份有限公司 | 准确估计电池的电量百分比的方法和电源管理装置 |
US10942221B2 (en) | 2016-02-04 | 2021-03-09 | Mediatek Inc. | Method and apparatus capable of accurately estimating/determining power percentage of battery based on confidence levels determined from resultant information of multiple different fuel gauge operations and/or information of battery history, aging factor, sleep time, or battery temperature |
CN113075562A (zh) * | 2020-01-06 | 2021-07-06 | 东莞新能德科技有限公司 | 电池压差更新方法、电量预估方法、电子装置及存储介质 |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105842627B (zh) * | 2016-02-01 | 2018-06-01 | 北京理工大学 | 基于数据模型融合的动力电池容量和荷电状态的估计方法 |
CN105891729B (zh) * | 2016-06-23 | 2019-08-13 | 矽力杰半导体技术(杭州)有限公司 | 电池及电池组的状态检测方法及装置 |
FR3069180B1 (fr) * | 2017-07-19 | 2019-08-02 | Renault S.A.S | Procede de detection d'un defaut d'autodecharge dans une cellule de batterie |
JP6834864B2 (ja) * | 2017-09-11 | 2021-02-24 | トヨタ自動車株式会社 | 電池出力監視装置及び方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008154960A1 (en) * | 2007-06-21 | 2008-12-24 | Robert Bosch Gmbh | Battery charging method with constant current and constant voltage |
US20100283471A1 (en) * | 2008-01-11 | 2010-11-11 | Sk Energy Co., Ltd. | Method for Measuring SOC of a Battery Management System and the Apparatus Thereof |
CN102608542A (zh) * | 2012-04-10 | 2012-07-25 | 吉林大学 | 动力电池荷电状态估计方法 |
CN103293485A (zh) * | 2013-06-10 | 2013-09-11 | 北京工业大学 | 基于模型的蓄电池荷电状态估计方法 |
US20130335030A1 (en) * | 2012-04-13 | 2013-12-19 | Lg Chem, Ltd. | Battery system for secondary battery comprising blended cathode material, and apparatus and method for managing the same |
CN103675683A (zh) * | 2012-09-02 | 2014-03-26 | 东莞市振华新能源科技有限公司 | 一种锂电池荷电状态(soc)估算方法 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10321720A1 (de) * | 2002-05-14 | 2003-12-04 | Yazaki Corp | Verfahren zum Abschätzen des Ladezustandes und der Leerlaufspannung einer Batterie, sowie Verfahren und Vorrichtung zum Berechnen des Degradationsgrades einer Batterie |
US7593821B2 (en) * | 2004-11-23 | 2009-09-22 | Lg Chem, Ltd. | Method and system for joint battery state and parameter estimation |
TWI287313B (en) * | 2004-11-29 | 2007-09-21 | Lg Chemical Ltd | Method and system for battery state and parameter estimation |
JP4703593B2 (ja) * | 2007-03-23 | 2011-06-15 | 株式会社豊田中央研究所 | 二次電池の状態推定装置 |
US8624560B2 (en) * | 2008-04-11 | 2014-01-07 | Apple Inc. | Controlling battery charging based on current, voltage and temperature |
JP4649682B2 (ja) * | 2008-09-02 | 2011-03-16 | 株式会社豊田中央研究所 | 二次電池の状態推定装置 |
US9013151B2 (en) * | 2010-03-26 | 2015-04-21 | Mitsubishi Electric Corporation | State-of-charge estimation apparatus |
TW201224485A (en) * | 2010-12-02 | 2012-06-16 | Ind Tech Res Inst | State-of-charge estimation method and battery control unit |
CN102569922B (zh) * | 2012-03-05 | 2014-03-05 | 同济大学 | 一种基于单体电池一致性的蓄电池组soc估计改进方法 |
US9081068B2 (en) * | 2012-09-18 | 2015-07-14 | Apple Inc. | Method and apparatus for determining a capacity of a battery |
-
2015
- 2015-02-10 US US14/617,982 patent/US20160018468A1/en not_active Abandoned
- 2015-07-15 TW TW104122895A patent/TWI563276B/zh active
- 2015-07-21 CN CN201510430005.2A patent/CN105277894B/zh active Active
- 2015-07-21 KR KR1020150103070A patent/KR101802028B1/ko active IP Right Grant
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008154960A1 (en) * | 2007-06-21 | 2008-12-24 | Robert Bosch Gmbh | Battery charging method with constant current and constant voltage |
US20100283471A1 (en) * | 2008-01-11 | 2010-11-11 | Sk Energy Co., Ltd. | Method for Measuring SOC of a Battery Management System and the Apparatus Thereof |
CN102608542A (zh) * | 2012-04-10 | 2012-07-25 | 吉林大学 | 动力电池荷电状态估计方法 |
US20130335030A1 (en) * | 2012-04-13 | 2013-12-19 | Lg Chem, Ltd. | Battery system for secondary battery comprising blended cathode material, and apparatus and method for managing the same |
CN103675683A (zh) * | 2012-09-02 | 2014-03-26 | 东莞市振华新能源科技有限公司 | 一种锂电池荷电状态(soc)估算方法 |
CN103293485A (zh) * | 2013-06-10 | 2013-09-11 | 北京工业大学 | 基于模型的蓄电池荷电状态估计方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107037369A (zh) * | 2016-02-04 | 2017-08-11 | 联发科技股份有限公司 | 准确估计电池的电量百分比的方法和电源管理装置 |
US10942221B2 (en) | 2016-02-04 | 2021-03-09 | Mediatek Inc. | Method and apparatus capable of accurately estimating/determining power percentage of battery based on confidence levels determined from resultant information of multiple different fuel gauge operations and/or information of battery history, aging factor, sleep time, or battery temperature |
CN113075562A (zh) * | 2020-01-06 | 2021-07-06 | 东莞新能德科技有限公司 | 电池压差更新方法、电量预估方法、电子装置及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
TW201604566A (zh) | 2016-02-01 |
TWI563276B (en) | 2016-12-21 |
KR101802028B1 (ko) | 2017-11-27 |
US20160018468A1 (en) | 2016-01-21 |
CN105277894B (zh) | 2018-01-05 |
KR20160011172A (ko) | 2016-01-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chen et al. | Online state of charge estimation of Li-ion battery based on an improved unscented Kalman filter approach | |
CN105277894A (zh) | 估计电池的荷电状态的方法与*** | |
WO2021197038A1 (zh) | 确定电池荷电状态的方法及装置,电池管理*** | |
Pan et al. | State of charge estimation of lithium-ion batteries using a grey extended Kalman filter and a novel open-circuit voltage model | |
Dong et al. | Remaining dischargeable time prediction for lithium-ion batteries using unscented Kalman filter | |
US10664562B2 (en) | Battery state of charge tracking, equivalent circuit selection and benchmarking | |
Aung et al. | State-of-charge estimation of lithium-ion battery using square root spherical unscented Kalman filter (Sqrt-UKFST) in nanosatellite | |
CN105334462B (zh) | 电池容量损失在线估算方法 | |
US20150219726A1 (en) | Systems and methods for battery state estimation | |
Chen et al. | Prediction of lithium-ion battery capacity with metabolic grey model | |
He et al. | State of charge estimation by finite difference extended Kalman filter with HPPC parameters identification | |
Jiang et al. | Data-based fractional differential models for non-linear dynamic modeling of a lithium-ion battery | |
Cui et al. | A robust online parameter identification method for lithium-ion battery model under asynchronous sampling and noise interference | |
US20160018469A1 (en) | Method of estimating the state of charge of a battery and system thereof | |
CN104242393A (zh) | 基于动态soc估算***的电池管理*** | |
CN108051756A (zh) | 蓄电池soc的估算方法、***及存储介质 | |
US9891287B2 (en) | Temperature-compensated state of charge estimation for rechargeable batteries | |
JP2014025738A (ja) | 残容量推定装置 | |
Kim et al. | Real-time state of charge and electrical impedance estimation for lithium-ion batteries based on a hybrid battery model | |
CN204030697U (zh) | 基于动态soc估算***的电池管理*** | |
Hou et al. | A variational bayes based state-of-charge estimation for lithium-ion batteries without sensing current | |
CN206161820U (zh) | 一种基于扩展卡尔曼粒子滤波的*** | |
US10823785B2 (en) | Method of estimating the state of charge of a battery and system thereof | |
KR101759532B1 (ko) | 배터리의 내부 임피던스를 추정하는 방법 | |
Li et al. | A new method to estimate the state of charge of the green battery |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |