CN108336427A - 电池管理方法和装置 - Google Patents
电池管理方法和装置 Download PDFInfo
- Publication number
- CN108336427A CN108336427A CN201711366775.0A CN201711366775A CN108336427A CN 108336427 A CN108336427 A CN 108336427A CN 201711366775 A CN201711366775 A CN 201711366775A CN 108336427 A CN108336427 A CN 108336427A
- Authority
- CN
- China
- Prior art keywords
- battery
- internal resistance
- data sequence
- voltage data
- estimation
- 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
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
- H01M10/425—Structural combination with electronic components, e.g. electronic circuits integrated to the outside of the casing
-
- 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]
- G01R31/3644—Constructional arrangements
- G01R31/3646—Constructional arrangements for indicating electrical conditions or variables, e.g. visual or audible indicators
-
- 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]
- G01R31/3644—Constructional arrangements
- G01R31/3648—Constructional arrangements comprising digital calculation means, e.g. for performing an algorithm
-
- 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
-
- 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
- G01R31/3842—Arrangements for monitoring battery or accumulator variables, e.g. SoC combining voltage and current 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]
- G01R31/389—Measuring internal impedance, internal conductance or related variables
-
- 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]
- G01R31/392—Determining battery ageing or deterioration, e.g. state of health
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
- H01M10/4207—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells for several batteries or cells simultaneously or sequentially
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
- H01M10/48—Accumulators combined with arrangements for measuring, testing or indicating the condition of cells, e.g. the level or density of the electrolyte
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
- H01M10/48—Accumulators combined with arrangements for measuring, testing or indicating the condition of cells, e.g. the level or density of the electrolyte
- H01M10/482—Accumulators combined with arrangements for measuring, testing or indicating the condition of cells, e.g. the level or density of the electrolyte for several batteries or cells simultaneously or sequentially
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M50/00—Constructional details or processes of manufacture of the non-active parts of electrochemical cells other than fuel cells, e.g. hybrid cells
- H01M50/20—Mountings; Secondary casings or frames; Racks, modules or packs; Suspension devices; Shock absorbers; Transport or carrying devices; Holders
- H01M50/204—Racks, modules or packs for multiple batteries or multiple cells
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
- H01M10/425—Structural combination with electronic components, e.g. electronic circuits integrated to the outside of the casing
- H01M2010/4271—Battery management systems including electronic circuits, e.g. control of current or voltage to keep battery in healthy state, cell balancing
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M2220/00—Batteries for particular applications
- H01M2220/20—Batteries in motive systems, e.g. vehicle, ship, plane
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/10—Energy storage using batteries
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- General Chemical & Material Sciences (AREA)
- Manufacturing & Machinery (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Secondary Cells (AREA)
Abstract
一种管理电池的方法包括对电池的电压数据序列和电流数据序列进行预处理;基于预处理电压数据序列、预处理电流数据序列和其中由于电池劣化引起的内部电阻变化的内部电阻估计模型来估计电池的内部电阻;以及基于所估计的内部电阻来确定所述电池的状态信息。
Description
相关申请的交叉引用
本申请要求在韩国知识产权局于2017年1月18日提交的韩国专利申请No.10-2017-0008450的权益,其全部内容通过引用合并于此用于所有目的。
技术领域
以下描述涉及电池管理方法和装置。
背景技术
在某些情况下,可以使用电化学阻抗谱(EIS)测量电池单元的内部电阻。在这种测量方法中,通常仅在电池单元处于稳定状态时才能测量内部电阻,而不是将电流施加到电池单元的状态。因此,当电流被施加到电池单元时,难以测量电池单元的内部电阻。
发明内容
提供本发明内容以简化形式介绍概念的选择,这些概念将在下面的详细描述中进一步描述。本发明内容不旨在标识所要求保护的主题的主要特征或基本特征,也不旨在用于帮助确定所要求保护的主题的范围。
一方面,提供了一种管理电池的方法,该方法包括:预处理电池的电压数据序列和电流数据序列;基于预处理电压数据序列、预处理电流数据序列和其中由于电池劣化引起的内部电阻变化被建模的内部电阻估计模型来估计电池的内部电阻;和基于所估计的内部电阻来确定电池的状态信息。
响应于包括提供的电池的电池组,所述预处理包括预处理每个电池的电压数据序列以及包括电池的电池组的电流数据序列,以及该估计包括将电池组的预处理电流数据序列输入到内部电阻估计模型,将每个电池的预处理电压数据序列输入到内部电阻估计模型中对应于电池的内部电阻估计模型,以及估计每个电池的内部电阻。
估计可以包括使用对应于所述电池的内部电阻估计模型来估计其中电流正在流动的电池的内部电阻并且估计与所述电池劣化相关联的内部电阻而不是与电流相关联的内部电阻。
电压数据序列可以对应于电池的一系列电压数据,电流数据序列可以对应于电池的一系列电流数据,并且电池的估计内部电阻可以是在与电压数据序列的最后电压数据的时间索引和电流数据序列的最后电流数据的时间索引对应的时间点估计的内部电阻。
可以基于参考值和估计值来训练内部电阻估计模型,该参考值可以包括在基于其中劣化被加速的参考电池中测量的内部电阻的内插结果确定的参考值集合中,并且估计值可以对应于基于包括参考电池的电压数据序列和电流数据序列的输入数据通过未经训练的内部电阻估计模型执行的计算结果。
在参考电池中测量的内部电阻可以包括响应于所述参考电池在劣化加速之后处于稳定状态而测量的内部电阻,以及参考电池在充电或放电后处于稳定状态的响应于所述劣化加速度而测量的内部电阻。
确定可以包括响应于对包括在电池组中的电池估计的内部电阻,确定所估计的内部电阻的基本上最大的值;和响应于基本上最大值大于阈值,确定电池组中存在异常。
所述确定可以包括响应于针对包括在电池组中的电池所估计的内部电阻,将每个估计的内部电阻与阈值进行比较,并确定每个电池是否存在异常;和基于确定的结果确定电池组的状态信息。
该方法还可以包括基于所确定的状态信息产生关于电池组的状态的反馈信息。
反馈信息的产生可以包括响应于针对包括在电池组中的电池所估计的内部电阻、在估计的内部电阻中估计大于阈值的内部电阻来轮询电池;和基于轮询的结果来确定反馈级别。
预处理可以包括对电压数据序列和电流数据序列进行归一化。
该方法还可以包括滤波估计的内部电阻。
在另一个总体方面,还提供了一种训练内部电阻估计模型的方法,该方法包括预处理电压数据序列和电流数据序列;基于预处理电压数据序列、预处理电流数据和内部电阻估计模型,计算与参考电池的劣化相关联的内部电阻的估计电阻值;和基于估计的电阻值和内部电阻的参考值来训练内部电阻估计模型。
电压数据序列和电流数据序列可以基于在其中劣化加速的所述参考电池的充电或放电期间感测的电压和电流。
该方法还可以包括加速参考电池的劣化;充电或放电劣化加速的参考电池;感测充电或放电的参考电池的电压和电流;和基于感测的电压获取电压数据序列,基于感测到的电流获取电流数据序列。
该方法还可以包括通过基于在参考电池中测量的内部电阻进行计算来生成包括参考值的参考值集合。
该生成可以包括在劣化加速之后基于处于稳定状态的参考电池中测量的内部电阻进行插值,并且在劣化加速的参考电池被充电或放电后基于处于稳定状态的劣化加速的参考电池中测量的内部电阻执行内插;基于内插的结果生成参考值集合。
估计值可以是在与经预处理的电压数据序列的最后电压数据的时间索引以及经预处理的电流数据的最后电流数据的时间索引相对应的时间点处的内部电阻的估计值。
预处理可以包括对所述电压数据序列和所述电流数据序列进行归一化。
在另一个总体方面,还提供了一种电池管理装置,包括控制器和被配置为存储要由控制器执行的至少一个指令的存储器,其中响应于正在执行的指令,控制器被配置为:预处理电池的电压数据序列和电流数据序列;基于预处理电压数据序列、预处理电流数据序列和至少一个内部电阻估计模型来估计其中由于电池劣化引起的内部电阻变化被建模的电池的内部电阻;以及基于所估计的内部电阻来确定电池的状态信息。
电池管理装置可以使用电能作为驱动力安装在移动体上,并且当所述移动体由所述电能驱动时,所述控制器被配置为获取所述电压数据序列和所述电流数据序列,并且估计与所述电池的退化状态相关联的内部电阻而不是由于与电能相关的电流引起的内部电阻。
非暂时计算机可读存储介质可以存储程序指令,当由处理器执行时,程序指令使处理器执行上述方面中的一个或多个。
从以下详细描述,附图和权利要求书中,其他特征和方面将是显而易见的。
附图说明
图1示出了电池管理装置的示例。
图2和图3示出了估计电池管理装置中的内部电阻的示例。
图4示出了连接电池的示例。
图5示出了模型生成***。
图6和图7示出了模型生成***中的数据发生器的操作的示例。
图8示出了模型生成***中的训练者的操作的示例。
图9和图10示出了主从结构中的电池管理***的示例。
图11示出了电池管理的示例。
图12示出了训练内部电阻估计模型的示例。
图13示出了车辆的示例。
在整个附图和详细描述中,除非另有说明或提供,否则相同的附图标号将被理解为指相同的元件、特征和结构。附图可能不是按比例的,并且为了清楚、说明和方便,附图中元素的相对大小、比例和描述可能被夸大。
具体实施方式
提供以下详细描述以帮助读者全面了解本文描述的方法、装置和/或***。然而,本文描述的方法、装置和/或***的各种改变、修改和等价物在获得对本申请的公开内容的透彻理解之后将是显而易见的。例如,本文描述的操作顺序仅仅是示例,并不限于本文所阐述的操作,而是可以在本领域普通技术人员明白本申请的公开内容之后,将会变化,操作的例外必然以某种顺序发生。此外,为了增加清晰度和简洁性,可以省略对本领域中已知的特征的描述。
本文描述的特征可以以不同的形式实施,并且不应被解释为限于本文所述的示例。相反,这里描述的示例仅仅是为了说明实施本文所述的方法、装置和/或***的许多可能的方式中的一些,这些方法、装置和/或***在理解了本申请的公开之后将会显而易见。
在下文中,将参考附图详细参考实施例,其中相同的附图标记始终表示相同的元件。
可以对这些实施例进行各种改变和修改。这里,实施例不被解释为限于本公开内容,并且应理解为包括在本公开的范围内的所有改变、等同物和替代物。
本文使用的术语仅用于描述特定实施例,并且不用于限制本公开。如本文所使用的,术语“一”、“一个”和“该”也旨在包括复数形式,除非上下文另有明确指示。如本文所使用的,术语“包括”、“包含”和“具有”指定所述特征、数字、操作、元件、组件和/或其组合的存在,但不排除存在或添加一个或多个其他特征、数字、操作、元件、组件和/或其组合。
除非另有定义,本文使用的所有术语(包括技术和科学术语)具有与本公开所属领域的普通技术人员通常理解的相同的含义。术语(例如常用词典中定义的术语)应被解释为具有与相关领域背景下的含义一致的含义,并且不得以理想化或过度正式的方式解释,除非明确定义于此。
当参照附图描述示例时,相同的附图标记表示相同的构成元件,并且将省略与之相关的重复描述。当确定涉及相关的已知功能或配置的详细描述时,它们可能在描述示例时使示例的目的不必要地模糊,因此这里将省略详细的描述。
图1示出了电池管理装置的示例。
参考图1,电池管理装置100包括接收器110、预处理器120、内部电阻估计器130、后处理器140和状态确定器150。
根据实施例,接收器110、预处理器120、内部电阻估计器130、后处理器140和状态确定器150由至少一个处理设备(例如控制器)来实现。
接收器110接收至少一个电池的电压数据和电流数据。电池可以是例如电池单元或“电池”(例如,18650圆筒形胶卷或瑞士式电池,尽管可以使用其它合适的封装布置)、电池模块(例如,18650个电池通过端子被封装、互连在一起,例如4S1P-4串1并、8S2P等)或电池排或“电池组”(包括互连的多个电池模块或单元,与一个或多个传感器耦合,并且根据实施例,包括控制器)。在一个实施例中,接收器110单独地接收电池模块中的每个18650单元的电压数据,以及用于整个电池组或电池模块的单个电流。
接收器110从电压传感器接收电池的电压数据,并从电流传感器接收电池的电流数据。电压传感器将以感测周期(例如1秒)的间隔感应电池的电压而产生的电压数据发送到电池管理装置100,接收器110从电池的电压传感器接收电池的电压数据。电流传感器将在感测周期(例如,一秒)的间隔内通过感测电池(电池组)的电流而生成的电流数据发送到电池管理装置100,并且接收器110从电流传感器接收电池组的电流数据。电池的电流可以是流入电池的电流或者从电池输出的电流。例如,电池的电流可以是用于对电池充电的充电电流或电池的放电电流。
当接收器110从电池的电压传感器顺序接收电压数据时,在接收器110中产生电池的电压数据序列。电压数据序列例如是按时间顺序索引或具有时间索引的一系列电压数据。此外,当接收器110顺序地从电流传感器接收电流数据时,可以在接收器110中产生电池的电流数据序列。电流数据序列例如是按时间顺序索引或具有时间索引的一系列电流数据。
预处理器120预处理电池单元的电压数据序列和电池组的电流数据序列。例如,预处理器120对电池组的电压数据序列和电流数据序列进行归一化。
内部电阻估计器130估计电池的内部电阻(IR)。内部电阻估计器130基于预处理电压数据序列、预处理电流数据序列和至少一个内部电阻估计模型来估计电池组的每个单元的内部电阻。内部电阻估计模型是已经基于至少参考值和估计值训练的内部电阻估计模型。在该示例中,参考值是包括在基于在加速劣化的参考电池中测量的内部电阻的内插结果而确定的参考值集合中的值。此外,估计值对应于基于包括参考电池的电压数据序列和电流数据序列的输入数据的未经训练的内部电阻估计模型执行的计算结果。
当电池组包括多个电池时,内部电阻估计器130基于为包括电池的电池组的每个电池预处理的电压数据序列和包括电池的电池组的预处理电流数据序列和至少一个内部电阻估计模型来估计每个电池的内部电阻。还将参照图2来描述估计电池组中包括的每个电池的内部电阻的示例。
后处理器140后处理电池的估计的内部电阻。后处理器140包括例如移动平均滤波器或低通滤波器。通过后处理可以移除估计的内部电阻的噪声。
状态确定器150基于电池的估计内部电阻来确定电池的状态信息。所确定的状态信息例如表示异常状态或正常状态。当估计的内部电阻大于阈值时,状态确定器150将电池的状态信息确定为异常状态。
当内部电阻估计器130相对于包括电池的电池组估计每个电池的内部电阻时,状态确定器150从估计的内部电阻确定最大值。当最大值大于阈值时,状态确定器150确定电池组中存在异常。例如,当在时间点t中的n个电池的内部电阻被估计为Rd1_t,Rd2_t,...,Rdn_t时,状态确定器150确定来自Rd1_t,Rd2_t,...,Rdn_t的最大值。当Rd1_t被确定为最大值时,状态确定器150将Rd1_t与阈值进行比较。当Rd1_t大于阈值时,状态确定器150确定电池组中存在异常。因此,当Rd1_t大于阈值时,状态确定器150确定电池组的状态信息为异常状态。
当内部电阻估计器130相对于包括电池的电池组估计每个电池的内部电阻时,状态确定器150将估计的内部电阻与阈值进行比较,并且确定是否存在针对每个电池的异常电池。状态确定器150基于每个电池是否存在异常来确定电池组的状态信息。例如,当n个电池在时间点t的内部电阻被估计为Rd1_t,Rd2_t,...,Rdn_t时,状态确定器150将Rd1_t,Rd2_t,...,Rdn_t与阈值进行比较。在这个例子中,当Rd1_t,Rd2_t和Rd3_t大于阈值时,状态确定器150确定对应于Rd1_t的battery_1、对应于Rd2_t的battery_2和对应于Rd3_t的battery_3存在异常。状态确定器150确定至少一个电池中存在异常,从而将电池组的状态确定为异常状态。比较可以基于相等于、接近或大于适当变动(mutatis mutandis)的阈值。
状态确定器150基于电池组的状态信息生成关于电池组的电流状态的反馈信息。响应于状态信息被确定为异常状态,状态确定器150产生如下的两种或更多种的任何一种或任何组合:指示电池组可能有缺陷的消息;指示电池组需要更换的消息;指示具有估计大于阈值的内部电阻的电池需要更换的消息。状态确定器150输出要在显示器上显示的反馈信息和/或转发自动动作的消息。
当内部电阻估计器130相对于包括电池的电池组估计电池的内部电阻时,状态确定器150对所估计的内部电阻中估计的大于阈值的内部电阻进行计数。状态确定器150基于计数结果确定反馈级别。当确定反馈级别时,状态确定器150基于与反馈级别对应的反馈方法执行反馈。当n个电池的内部电阻被估计为Rd1_t,Rd2_t,...,Rdn_t并且Rd1_t,Rd2_t和Rd3_t大于阈值时,状态确定器150确定“估计大于阈值的内部电阻的数量=3”。状态确定器150确定“估计大于阈值的内部电阻的数量=3”的反馈级别为2,如下表1所示。
[表1]
当反馈级别被确定为级别2时,状态确定器150基于与级别2对应的反馈方法来执行反馈。例如,状态确定器150输出视觉反馈和/或听觉反馈n2次并且向终端发送指示电池组的状态当前被确定为异常状态的消息。
图2和图3示出了估计电池管理装置中的内部电阻的方法的示例。
在下文中,将参照图2和3描述估计电池组中包括的电池的内部电阻的电池管理装置。下面的描述也适用于电池组包括单个电池的情况。
参考图2,示出了电池组的电流210和电池组中包括的battery_1的电压。当时间点为时间t时,电池组正在放电。
电池组的电流传感器将电流数据It传送到电池管理装置100。接收器110从电流传感器接收电流数据It。接收器110将电流数据It存储在缓冲器中。
电池组1的电压传感器将电压数据V1t传送到电池管理装置100。接收器110从battery_1的电压传感器接收电压数据V1t。接收器110将电压数据V1t存储在缓冲器中。类似地,接收器110从battery_2的电压传感器接收电压数据V2t,并将电压数据V2t存储在缓冲器中。此外,接收器110从battery_n的电压传感器接收电压数据Vnt,并将电压数据Vnt存储在缓冲器中。
表2表示在时间t存储在缓冲器中的物理量数据的例子。
[表2]
电池组的电流 | I1 | I2 | ... | It |
battery_1的电压 | V11 | V12 | ... | V1t |
battery_2的电压 | V21 | V22 | ... | V2t |
battery_n的电压 | Vn1 | Vn2 | ... | Vnt |
在缓冲器中,存储与时间窗口230的大小对应的物理量数据。
当缓冲器在时间t满时,电池管理装置100基于battery_1的电压数据序列和电池组的电流数据序列来估计对应于时间t的battery_1的内部电阻。此外,电池管理装置100基于电压数据序列和电流数据序列来估计与时间t对应的battery_2的内部电阻,并且基于电压数据序列Vn1至Vnt和电流数据序列I1至It估计与时间t对应的battery_n的内部电阻。在下文中,将参照图3描述估计battery_1,battery_2和battery_n的内部电阻的示例。
预处理器120预处理电压数据序列V11至V1t、电压数据序列V21至V2t、电压数据序列Vn1至Vnt以及电流数据序列I1至It。例如,如图3所示,预处理器120对电压数据序列V11至V1t、电压数据序列V21至V2t、电压数据序列Vn1至Vnt以及电流数据序列I1至It进行归一化。
内部电阻估计器130将预处理电压数据序列V11至V1t和预处理的电流数据序列I1至It输入到对应于battery_1的内部电阻估计模型310。同样,内部电阻估计器130将预处理电压数据序列V21至V2t和预处理电流数据序列I1至It输入到与battery_2对应的内部电阻估计模型320,并将预处理电压数据序列Vn1至Vnt和预处理的电流数据序列I1至It输入到与battery_n对应的内部电阻估计模型330。在这个例子中,预处理的电流数据序列I1至It被输入到内部电阻估计模型310到330。也就是说,预处理的电流数据序列I1至It对应于内部电阻估计模型310到330的公共输入数据。
如参考图2所述,在时间t,battery_1、battery_2和battery_1都被放电。也就是说,电流流过每个电池。如等式1所示,电池的内部电阻R包括与电流相关联的内部电阻Ri和与电池劣化相关的内部电阻Rd。
[等式1]
R=Rd+Ri
R表示电池的内部电阻。当电池正在放电时,电池的内部电阻被分为与电池劣化相关的内部电阻Rd和由于电流的流入而强制产生的内部电阻Ri。
Ri表示由于电流而暂时产生的内部电阻。当电池处于稳定状态而不是放电时,内部电阻Ri为零。因此,可以不使用内部电阻Ri来确定电池寿命。
Rd表示与电池劣化相关的内部电阻。即使电池处于稳定状态,内部电阻Rd也存在。此外,随着电池的充放电循环被重复,内部电阻Rd增加。也就是说,内部电阻Rd随着电池的使用而增加。因此,内部电阻Rd与电池寿命相关联。
内部电阻估计器130使用内部电阻估计模型310至330来估计内部电阻Rd而不是包括内部电阻Ri的内部电阻R。每个内部电阻估计模型310至330对应于其中与电池劣化相关联的内部电阻变化被建模的模型。因此,使用内部电阻估计模型310至330,基于输入数据序列,每个电池的内部电阻的估计值与特定时间点的劣化相关联。因此,内部电阻估计模型310至330中的每一个基于每个电池的电压数据序列和电池组的电流数据序列来计算与劣化相关联的内部电阻的估计值。在该示例中,所计算的估计值的时间索引对应于电压数据序列的最后数据的时间索引和电流数据序列的最后数据的时间索引。此外,内部电阻估计模型310至330被训练,并且稍后将提供相关的描述。
在图3的示例中,内部电阻估计器130在分别与作为预处理电压数据序列V11到V1t和预处理电流数据序列I1到It的最后数据的电压V1t和电流It的时间索引t对应的时间点估计与battery_1的劣化相关联的内部电阻。内部电阻估计器130基于预处理电压数据序列V11至V1t以及预处理电流数据序列I1至It,使用内部电阻估计模型310,估计在时间t内的时间点上的battery_1中的与劣化相关的内部电阻。同样,内部电阻估计器130基于预处理电压数据序列V21至V2t以及预处理电流数据序列I1至It,使用内部电阻估计模型320来估计时间t内的时间点上的battery_2的与劣化相关联的内部电阻。此外,内部电阻估计器130使用内部电阻估计模型330基于预处理电压数据序列Vn1至Vnt以及预处理电流数据序列I1至It来估计时间t内的时间点上的battery_n中的与劣化相关联的内部电阻。换句话说,内部电阻估计模型310计算时间t内的时间点上的battery_1中的与劣化相关联的内部电阻Rd的估计值Rd1_t。同样,内部电阻估计模型320计算估计值Rd2_t,并且内部电阻估计模型330计算估计值Rdn_t。
后处理器140对由内部电阻估计器130估计的内部电阻进行后处理。在图3的例子中,后处理器140对估计值Rd1_t、Rd2_t和Rdn_t进行滤波。
接收器110从battery_1的电压传感器接收与时间点t+1相对应的电压数据V1t+1。类似地,接收器110从battery_2的电压传感器接收电压数据V2t+1,并从battery_n的电压传感器接收电压数据Vnt+1。此外,接收器110从电池组的电流传感器接收与时间点t+1相对应的电流数据It+1。
当缓冲器满时,接收器110去除最先前的物理量数据,例如电压数据V11,V21和Vn1以及电流数据I1,并存储电压数据V1t+1,V2t+1,Vnt+1,缓冲区中的电流数据It+1。表3表示在时间点t+1处存储在缓冲器中的物理量数据的例子。
[表3]
电池组的电流 | I2 | I3 | ... | It+1 |
battery_1的电压 | V12 | V13 | ... | V1t+1 |
battery_2的电压 | V22 | V23 | ... | V2t+1 |
battery_n的电压 | Vn2 | Vn3 | ... | Vnt+1 |
在缓冲器中,存储对应于时间窗口240的大小的物理量数据。
预处理器120预处理电压数据V12至V1t+1,电压数据V22至V2t+1,电压数据Vn2至Vnt+1以及电流数据I2至It+1。内部电阻估计器130基于预处理电压数据V12至V1t+1和预处理电流数据I2至It+1,使用内部电阻估计模型310在时间点t+1估计battery_1的内部电阻。同样,内部电阻估计器130估计battery_2的内部电阻和对应于时间点t+1的battery_n的内部电阻。换句话说,内部电阻估计器130使用内部电阻估计模型310来计算与battery_1的劣化相关联的内部电阻Rd的估计值Rd1_t+1。同样,内部电阻估计器130使用内部电阻估计模型320计算估计值Rd2_t+1,并使用内部电阻估计模型330计算估计值Rdn_t+1。
如上所述,电池管理装置100基于包括电池组的电流数据和电池的电压数据的输入数据序列,通过使用电池的内阻估计模型来在电池正在使用时实时估计与每个电池的当前劣化状态相关联的内电阻电池。通过这样,电池管理装置100在使用电池的同时,基于电池的估计的内部电阻来一致地确定电池是否异常。此外,电池管理装置100精确地估计每个电池的内部电阻,而不需要使用用于测量每个电池的内部电阻的设备,从而实现***的亮度。电池管理装置100适用于宽范围的,例如,被配置为测量电压和电流的***。
图3示出串联连接的电池。然而,串联连接的电池仅仅是一个示例,并且电池的连接类型不限于图3的示例。例如,如图4所示,并联连接的电池形成电池组,并且电池组串联连接。另外,根据示例,电池并联连接。
例如,电池管理装置100从电池组中的每个电池的电流传感器接收每个电池的电流数据。在该示例中,电池管理装置100预处理每个电池的电压数据和电流数据,并且基于预处理电压数据、预处理电流数据和对应到每个电池的内部电阻估计模型来估计每个电池的内部电阻。
电池管理装置使用内部电阻估计模型精确地估计与电池的当前劣化状态相关联的内部电阻。内部电阻估计模型被建模或训练用于这种估计。在下文中,描述了内部电阻估计模型的建模的示例。
图5示出了模型生成***。
参考图5,模型生成***包括数据生成器510和训练器520。
在一个或多个实施例中,数据生成器510和训练器520由至少一个处理装置,例如控制器,来实现。
在一个或多个实施例中,数据生成器510和训练器520是在单个物理设备中逻辑上区分的单元。而且,在一个或多个实施例中,数据生成器510和训练器520是彼此区分的物理设备。
数据生成器510生成学习数据。学习数据包括例如基于在参考电池被充电或放电时感测到的电压的电压数据序列、以及基于在参考电池被充电或放电时感测到的电流的电流数据序列。
此外,数据生成器510生成参考值集合。例如,数据生成器510基于在参考电池中测量的内部电阻的计算结果来生成被充电或放电的基准电池的内部电阻的参考值集合。
参考图6和7描述数据发生器510的操作。
训练器520基于学习数据和参考值集合训练内部电阻估计模型。例如,训练器520预处理参考电池的电压数据序列和电流数据序列。训练器520基于预处理电压数据序列、预处理电流数据序列和内部电阻估计模型来计算与参考电池的劣化相关联的内部电阻的估计值。训练器520基于内部电阻的估计值和参考值来训练内部电阻估计模型。在该示例中,参考值被包括在参考值集合中。通过这种训练,由于电池劣化引起的内部电阻变化被建模为内部电阻估计模型。参照图8描述训练器520的操作。
图6和图7示出了模型生成***中的数据发生器的操作的示例。
图6示出了在内部电阻测量点610和内部电阻测量点620之间的间隔中在内部电阻测量点610处测量内部电阻之前并且在内部电阻测量点620测量内部电阻之后由数据产生器510执行的操作。
数据发生器510在操作640中稳定参考电池。例如,数据发生器510使参考电池稳定在松弛状态。在该示例中,参考电池是劣化加速的电池。下面进一步描述加速劣化。
当参考电池稳定时,数据发生器510在操作650中测量内部电阻测量点610处的参考电池的内部电阻。换句话说,数据发生器510测量在加速劣化后处于稳定状态的参考电池的内部电阻。例如,当劣化加速的参考电池稳定时,数据发生器510向参考电池施加脉冲电流并测量参考电池的内部电阻。
在操作660中,数据发生器510使用例如参考电池的充电和/或放电。在图6中,参考电池的电流以曲线图630表示。数据发生器510在参考电池被使用时在感测时段的内部部分(internal portion)检测参考电池的电压和电流。由此,产生正在充电或放电的参考电池的电压数据序列和电流数据序列。也就是说,数据生成器510基于在内部电阻测量点610和内部电阻测量点620之间的间隔中参考电池的充电或放电来获取电压数据序列和电流数据序列。在图6的示例中,序列Va1至Va2和序列Ia1至Ia2分别是与内部电阻测量点610和内部电阻测量点620之间的间隔对应的电压数据序列和电流数据序列。数据生成器510将序列Va1至Va2和序列Ia1至Ia2存储在存储器中。序列Va1至Va2和序列Ia1和Ia2将用于训练内部电阻估计模型。
当参考电池的使用终止时,数据发生器510在操作670中使参考电池稳定。在一个或多个实施例中,稳定包括:对于预定时间段,搁置参考电池,或者去除与负载或电源的连接以允许参考电池达到电化学稳定状态。
当参考电池稳定时,数据发生器510在操作680中测量内部电阻测量点620处的参考电池的内部电阻。换句话说,数据发生器510测量在加速劣化后终止参考电池的充电或放电时处于稳定状态的参考电池的内部电阻。
在操作690,数据发生器510加速参考电池的劣化。数据发生器510再次加速劣化加速的参考电池的劣化。例如,数据生成器510将已经暴露于高温,例如80摄氏度(℃)的参考电池再次暴露于高温。根据示例,为了加速参考电池的劣化,数据发生器510在操作660中使参考电池过度充电或过度放电。
数据生成器510可以重复执行操作640至690。数据生成器510执行操作640至690预定次数,例如10次。此外,数据生成器510重复执行操作640至690,直到参考电池的寿命结束。
数据发生器510测量参考电池的最后内部电阻。图7示出了通过最后的内部电阻测量点621的第一内部电阻测量点。
在存储器中,存储对应于内部电阻测量点之间的间隔的电压数据序列和电流数据序列。表4表示存储在存储器中的数据。
[表4]
在表4中,是第一内部电阻测量点和第二内部电阻测量点之间的间隔。此外,和分别是在第一内部电阻测量点和第二内部电阻测量点之间的间隔中对参考电池进行充电或放电的电流数据序列和电压数据序列。
等对应于内部电阻估计模型的学习数据。
此外,数据生成器510基于所测量的内部电阻进行计算,并且生成针对被充电或放电的参考电池的内部电阻设置的参考值。例如,数据生成器510对在图7的内部电阻测量点测量的内部电阻进行插值。并且基于内插的结果生成设定的参考值。插值例如是线性插值、多项式插值或样条插值,但不限于此。
图7的曲线表示插值结果的示例,表5表示基于插值结果生成的参考集。
[表5]
数据生成器510基于在操作650中测量的内部电阻和在操作680中测量的内部电阻来执行插值,并且生成与电流数据序列Ia1至Ia2的时间索引以及电压数据序列的时间索引对应的Rd_a1至Rd_a2。在这个例子中,在操作650中测量的内部电阻是与加速劣化后参考电池处于稳定状态的内部电阻测量点610相对应的内部电阻,并且在操作680中测量的内部电阻是与在参考电池的劣化加速并且劣化加速的参考电池的充电或放电终止之后参考电池处于稳定状态的内部电阻测量点620对应的内部电阻。例如,通过内插,数据生成器510生成与Ia1和Va1的时间索引a1对应的Rd_a1,与Ia1+t和Va1+t的时间索引a1+t对应的Rd_a1+t。类似地,数据生成器510生成
当生成学习数据和参考值集时,训练器520基于学习数据和参考值集训练内部电阻估计模型。在下文中,将参照图8描述训练器520的操作。
图8示出了模型生成***中的训练者的操作的示例。
参考图8,示出了基于神经网络800的内部电阻估计模型。
神经网络800包括输入层810、隐藏层820、输出层830。根据示例,神经网络800包括多个隐藏层。输入层810、隐藏层820和输出层830中的每一个包括至少一个人造神经元。所述至少一个人造神经元通过连接线连接到相邻层的至少一个人造神经元。在此示例中,连接线具有连接权重。当将学习数据输入到神经网络800时,执行前向计算,然后在输出层830中生成输出值。例如,学习数据被乘以或加到连接权重上,同时从输入层810通过隐层820到输出层830。由此,在输出层830中生成输出值。
在图8的示例中,训练器520预处理电压数据序列V1至V60以及电流数据序列I1至I60。训练器520对电压数据序列V1至V60以及电流数据序列I1至I60进行归一化。电压数据序列V1至V60和电流数据序列I1至I60分别是学习数据,并分别表示与第一点和第二点之间的间隔对应的电压数据序列的一部分和电流数据序列的一部分。训练器520将预处理电压数据序列V1至V60和预处理的电流数据序列I1至I60输入到输入层810。输入层810的node_1至node_60接收电压数据序列V1至V60。输入层810的node_61至node_120接收电流数据序列I1至I60。当预处理电压数据序列V1至V60和预处理电流数据序列I1至I60被输入到输入层810时,执行正向计算,并且在输出层830中产生参考电池的内部电阻的估计值。当估计值为IR60时,训练器520对例如滤波的估计值IR60进行后处理。
训练器520通过误差反向传播学习来训练内部电阻估计模型。误差反向传播学习是计算参考值和估计值之间的误差的方法,将误差从输出层830通过隐藏层820到输入层810的方向传播,并且更新连接权重以减少误差。例如,训练器520从参考值集合中选择对应于与估计值IR60相同的时间点的Rd_60,并计算Rd_60与估计值IR60之间的误差。训练器520反向传播计算出的误差并更新连接权重。
训练器520改变输入数据序列中的一部分数据。例如,训练器520从电压数据序列V1到V60移除V1,并将V61加到电压数据序列。训练器520从电流数据序列I1到I60移除I1,并将I61加到电流数据序列。
训练器520预处理电压数据序列V2至V61和电流数据序列I2至I61,并将预处理电压数据序列V2至V61和预处理的电流数据序列I2至I61输出。电压数据序列V2至V61输入到输入层810的node_1至node_60,并且电流数据序列I2至I61输入到node_61至node_120。当预处理电压数据序列V2至V61和预处理电流数据序列I2至I61被输入到输入层810时,通过正向计算获得估计值IR61。训练器520从参考值集合中选择对应于与估计值IR61相同的时间点的Rd_61,并计算Rd_61与估计值IR61之间的误差。训练者520反向传播误差并更新连接权重。
训练器520重复执行使用输入数据序列执行前向计算、反向传播错误以及改变输入数据序列中的一部分数据的处理,从而优化连接权重。优化的连接权重存储在上述电池管理装置中。电池管理装置中的内部电阻估计模型基于电池的优化连接权重、电压数据序列和电流数据序列来计算电流正在流动的电池的内部电阻。
如下面进一步讨论的,内部电阻估计模型和优化的连接权重存储在主从结构的电池管理***中。
图9和图10示出了主从结构中的电池管理***的示例。
参考图9和图10,电池管理***包括从管理装置910或1010以及主管理装置920或1020。根据示例,从属管理装置910或1010被设置为多个从属管理装置。
从属管理装置910或1010管理和/或控制包括在电池组930或1030中的每个电池单元。主管理装置920或1020控制从属管理装置910或1010。
从管理装置910或1010和主管理装置920或1020执行上述电池管理装置的操作或功能。以下,对图9和图10的示例进行说明。
在图9的示例中,从属管理装置910包括接收器110、预处理器120、内部电阻估计器130和后处理器140,并且主管理装置920包括状态确定器150。另外,从管理装置910存储包括在电池组930中的每个电池单元的内部电阻估计模型。图9的从管理装置910和主管理装置920的操作如下。
从管理装置910以感测周期的间隔从每个电池单元的电压传感器接收包括在电池组930中的每个电池单元的电压数据。由此,为每个电池单元生成电压数据序列。此外,从管理装置910以感测周期的间隔从电池组930的电流传感器接收电池组930的电流数据。由此产生电池组930的电流数据序列。从管理装置910预处理每个电池单元的电压数据序列和电池组930的电流数据序列。从管理装置910估计电池单元的内部电阻。从管理装置910预处理电池单元的内部电阻。从管理装置910将每个预处理的内部电阻发送到主管理装置920。
主管理装置920基于由从管理装置910估计出的内部电阻中的至少一个来确定电池组930的状态信息。
由于图1至图8的描述也可应用于此。为了简洁和清晰,省略了图9的重复描述。
与图9的示例不同,在图10的示例中,从管理装置1010包括接收器110,并且主管理装置1020包括预处理器120、内部电阻估计器130、后处理器140和状态确定器150。此外,主管理装置1020存储包括在电池组1030中的每个电池单元的内部电阻估计模型。图10的从管理装置1010和主管理装置1020的操作如下。
从管理装置1010在感测周期的内部接收包含在电池组1030中的每个电池单元的电压数据。由此,在从管理装置1010中生成每个电池单元的电压数据序列。从管理装置1010将每个电池单元的电压数据序列发送到主管理装置1020。主管理装置1020从从管理装置1010接收每个电池单元的电压数据序列。此外,主管理装置1020以感测周期的间隔从电池组1030的电流传感器接收电流数据。由此,生成电池组1030的电流数据序列。主管理装置1020预处理每一个电池单元的电压数据序列和电池组1030的电流数据序列。主管理装置1020估计电池单元的内部电阻。主管理装置1020对电池单元的内部电阻进行后处理。主管理装置1020基于估计的内部电阻中的至少一个来确定电池组1030的状态信息。
由于图1至图8的说明也可应用于此,为了简洁和清晰,省略了10的重复描述。
图11示出了电池管理方法的示例。
电池管理方法由上述电池管理装置或电池管理***进行。
参考图11,在操作1110中,电池管理装置预处理至少一个电池的电压数据序列和电流数据序列。
在操作1120中,电池管理装置基于预处理电压数据序列,预处理电流数据序列和其中对由于电池劣化而引起的内阻变化进行建模的至少一个内部电阻估计模型来估计电池的内部电阻。
在操作1130中,电池管理装置基于所估计的内部电阻来确定电池的状态信息。
使用电能作为驱动力将电池管理装置设置在移动体中。移动体是例如电动车。当移动体正在使用电能行进时,电池管理装置使用电池的相应内部电阻估计模型,基于电池的电压数据序列和电流数据序列来估计与电池劣化相关的内部电阻。在该示例中,电池管理装置可能不估计由于电流而产生的内部电阻。
由于图1至图10也可应用于此。为了简洁起见,省略了图11的重复描述。
图12示出训练内部电阻估计模型的方法的示例。
训练内部电阻估计模型的方法由如上所述的模型生成***中的模型生成***或训练器执行。
参考图12,在操作1210中,模型生成***预处理参考电池的电压数据序列和电流数据序列。
在操作1220中,模型生成***基于预处理的数据序列、预处理的电流数据序列和内部电阻估计模型来计算与参考电池的劣化相关联的内部电阻的估计值。
在操作1230中,模型生成***基于估计值和内部电阻的参考值来训练内部电阻估计模型。
由于图1至图10的描述也可应用于此。为了简洁和清晰,省略了图12的重复描述。
图13示出了车辆的示例。
参考图13所示,车辆1310是使用电能作为驱动力的移动体。车辆1310例如是电动车辆或混合动力车辆。
车辆1310包括电池***1320。
电池***1320包括电池组1330和电池管理***1340。如图13的示例中,电池管理***1340位于电池组1330的外部,仅仅是示例。在一个或多个实施例中,电池管理***1340也位于电池组1330的内部。
电池组1330包括电池模块1331、1332和1333。电池模块1331、1332和1333中的每一个包括至少一个电池单元。
从管理装置1341、1342和1343以及主管理装置1344执行如上所述的电池管理装置的操作和功能。例如,各个从属管理装置1341、1342、1343对应于参照图9或10描述的从属管理装置。此外,主管理装置1344对应于参照图9和/或10描述的主管理装置。
车辆1310正在行驶时,电池管理***1340实时地估计电池组1330中的每个电池单元的内部电阻。在该示例中,实时估计的内部电阻对应于与相应的电池单元的当前劣化状态相关联的内部电阻。
主管理装置1344通过车辆控制单元(VCU)或电子控制单元(ECU)将电池组1330的状态信息发送给用户终端1350。此外,主管理装置1344通过车辆控制单元在显示器上显示电池组1330的状态信息,例如仪表板和/或平视显示器(HUD)或诸如车辆1310中的移动设备1350之类的辅助显示/控制单元。根据示例,主管理装置1344通过车辆控制单元可听地输出电池组1330的状态信息。
由于图1至图12的描述也可应用于此,为了简洁和清晰,省略了13的重复描述。
上述电池管理***包括在诸如能量存储***(ESS)的大容量电池管理***中。此外,电池管理***也包括在设备管理***或包括可充电电池的电气设备中。电池管理装置、从电池管理装置和主电池管理装置各自以芯片的形式实现。
执行本申请中描述的操作的、图1、5、8、9、10和13中的接收器110、预处理器120、内部电阻估计器130、后处理器140、状态确定器150、数据生成器510、训练器520、神经网络800、VCU/ECU、电池管理***1340、从管理装置1341、主管理装置由被配置为执行由硬件部件执行的本应用中描述的操作的硬件组件实现。可以用于执行本应用中描述的操作的硬件组件的示例包括控制器、传感器、发生器、驱动器、存储器、比较器、算术逻辑单元、加法器、减法器、乘法器、分频器、积分器和配置为执行本应用程序中描述的操作的任何其它电子元件。在其他示例中,执行本申请中描述的操作的一个或多个硬件组件通过例如由一个或多个处理器或计算机的计算硬件来实现。处理器或计算机可以由一个或多个处理元件实现,诸如逻辑门阵列、控制器和算术逻辑单元、数字信号处理器、微计算机、可编程逻辑控制器、现场可编程门阵列、可编程逻辑阵列、微处理器或任何其他设备或设备的组合,其被配置为以定义的方式响应并执行指令以实现期望的结果。在一个示例中,处理器或计算机包括或连接到存储由处理器或计算机执行的指令或软件的一个或多个存储器。由处理器或计算机实现的硬件组件可执行诸如操作***(OS)的指令或软件以及在OS上运行的一个或多个软件应用程序,以执行本应用程序中描述的操作。响应于指令或软件的执行,硬件组件还可以访问、操纵、处理、创建和存储数据。为了简单起见,在本申请中描述的示例的描述中可以使用单个术语“处理器”或“计算机”,但是在其它示例中,可以使用多个处理器或计算机,或者处理器或计算机可以包括多个处理元件,或多种类型的处理元件,或两者。例如,单个硬件组件或两个或多个硬件组件可以由单个处理器或两个或更多个处理器或处理器和控制器来实现。一个或多个硬件组件可以由一个或多个处理器或处理器和控制器实现,并且一个或多个其它硬件组件可以由一个或多个其他处理器或另一个处理器和另一个控制器来实现。一个或多个处理器或处理器和控制器可以实现单个硬件组件或两个或多个硬件组件。硬件组件可以具有不同处理配置中的一个或多个,其示例包括单个处理器、独立处理器、并行处理器、单指令单数据(SISD)多处理、单指令多数据(SIMD)多处理、多指令单数据(MISD)多处理和多指令多数据(MIMD)多处理。
执行本申请中描述的操作的、图3、6、11和12所示的方法例如由计算硬件(例如由如上所述执行的执行指令或软件的一个或多个处理器或计算机)执行,以执行本申请中描述的由方法进行的操作。例如,单个操作或两个或更多个操作可以由单个处理器或两个或多个处理器或处理器和控制器执行。一个或多个操作可以由一个或多个处理器或处理器和控制器执行,并且一个或多个其他操作可以由一个或多个其他处理器或另一个处理器和另一个控制器来执行。一个或多个处理器或处理器和控制器可以执行单个操作或两个或更多个操作。
用于控制计算硬件(例如一个或多个处理器或计算机)以实现上述的硬件组件和执行方法的指令或软件可以被写为计算机程序、代码段、指令或其任何组合,用于单独地或共同地指示或配置一个或多个处理器或计算机作为机器或专用计算机进行操作,以执行由如上所述的硬件组件和方法执行的操作。在一个示例中,指令或软件包括由一个或多个处理器或计算机直接执行的机器代码,诸如由编译器产生的机器代码。在另一示例中,指令或软件包括由一个或多个处理器或使用解释器的计算机执行的更高级代码。指令或软件可以使用任何编程语言编写,这些编程语言基于附图中所示的框图和流程图以及本说明书中相应的描述,其中公开了如上所述的用于执行由硬件组件和方法执行的操作的算法。
可以记录用于控制计算硬件(例如一个或多个处理器或计算机)的指令或软件以实现如上所述的硬件组件和执行方法,以及任何相关联的数据、数据文件和数据结构存储或固定在一个或多个非暂时计算机可读存储介质中或之上。非暂时性计算机可读存储介质的示例包括只读存储器(ROM)、随机存取存储器(RAM)、闪速存储器、CD-ROM、CD-R、CD+R、CD-RW、CD+RW、DVD-RW、DVD-RW、DVD-RW、DVD-RAM、BD-ROM、BD-R、BD-R LTH、BD-RE、磁带、软盘、光学数据存储设备、光学数据存储设备、硬盘、固态磁盘以及被配置为以非瞬时方式存储指令或软件以及任何相关数据、数据文件和数据结构的任何其他设备,并提供指令或软件以及任何相关联的数据、数据文件和数据结构连接到一个或多个处理器或计算机,使得一个或多个处理器或计算机可以执行指令。在一个示例中,指令或软件以及任何相关联的数据、数据文件和数据结构分布在网络耦合的计算机***上,使得指令和软件以及任何相关联的数据,数据文件和数据结构被存储、访问和由一个或多个处理器或计算机以分布式方式执行。
虽然本公开包括具体示例,但是在理解本申请的公开内容之后将显而易见的是:在不脱离权利要求及其等同物的精神和范围的情况下,可以在这些示例中对形式和细节进行各种改变。这里描述的示例仅在描述性意义上被考虑,而不是为了限制的目的。每个示例中的特征或方面的描述被认为适用于其他示例中的类似特征或方面。如果描述的技术以不同的顺序执行,和/或如果描述的***、架构、设备或电路中的组件以不同的方式组合和/或被其他组件或其替代的组件替代或补充,则可以实现合适的结果等价物。因此,本公开的范围不是由详细描述而是由权利要求及其等同物定义的,并且权利要求及其等同物的范围内的所有变化将被解释为包括在本公开中。
Claims (22)
1.一种管理电池的方法,所述方法包括:
预处理电池的电压数据序列和电流数据序列;
基于预处理电压数据序列、预处理电流数据序列和其中由于电池劣化引起的内部电阻变化被建模的内部电阻估计模型来估计电池的内部电阻;和
基于所估计的内部电阻来确定电池的状态信息。
2.根据权利要求1所述的方法,其中,响应于包括提供的电池的电池组,所述预处理包括预处理每个电池的电压数据序列以及包括电池的电池组的电流数据序列,以及
该估计包括将电池组的预处理电流数据序列输入到内部电阻估计模型,将每个电池的预处理电压数据序列输入到内部电阻估计模型中对应于电池的内部电阻估计模型,以及估计每个电池的内部电阻。
3.根据权利要求1所述的方法,其中所述估计包括使用对应于所述电池的内部电阻估计模型来估计其中电流正在流动的电池的内部电阻并且估计与所述电池劣化相关联的内部电阻而不是与电流相关联的内部电阻。
4.根据权利要求1所述的方法,其中所述电压数据序列对应于所述电池的一系列电压数据,
电流数据序列对应于电池的一系列电流数据,并且
电池的估计内部电阻是在与电压数据序列的最后电压数据的时间索引和电流数据序列的最后电流数据的时间索引对应的时间点估计的内部电阻。
5.根据权利要求1所述的方法,其中,基于参考值和估计值训练所述内部电阻估计模型,
参考值包括在基于其中劣化被加速的参考电池中测量的内部电阻的内插结果确定的参考值集合中,以及
估计值对应于基于包括参考电池的电压数据序列和电流数据序列的输入数据通过未经训练的内部电阻估计模型执行的计算结果。
6.根据权利要求5所述的方法,其中在所述参考电池中测量的所述内部电阻包括响应于所述参考电池在劣化加速之后处于稳定状态而测量的内部电阻,以及参考电池在充电或放电后处于稳定状态的响应于所述劣化加速度而测量的内部电阻。
7.根据权利要求1所述的方法,其中所述确定包括:
响应于对包括在电池组中的电池估计的内部电阻,确定所估计的内部电阻的基本上最大的值;和
响应于基本上最大值大于阈值,确定电池组中存在异常。
8.根据权利要求1所述的方法,其中所述确定包括:
响应于针对包括在电池组中的电池所估计的内部电阻,将每个估计的内部电阻与阈值进行比较,并确定每个电池是否存在异常;和
基于确定的结果确定电池组的状态信息。
9.根据权利要求1所述的方法,还包括:
基于所确定的状态信息生成关于所述电池组的状态的反馈信息。
10.根据权利要求9所述的方法,其中所述反馈信息的生成包括:
响应于针对包括在电池组中的电池所估计的内部电阻、在估计的内部电阻中估计大于阈值的内部电阻来轮询电池;和
基于轮询的结果来确定反馈级别。
11.根据权利要求1所述的方法,其中所述预处理包括:
对电压数据序列和电流数据序列进行归一化。
12.根据权利要求1所述的方法,还包括:
滤波估计的内部电阻。
13.一种存储程序指令的非暂时计算机可读存储介质,所述程序指令在由处理器执行时使所述处理器执行权利要求1的方法。
14.一种训练内部电阻估计模型的方法,所述方法包括:
预处理电压数据序列和电流数据序列;
基于预处理电压数据序列、预处理电流数据和内部电阻估计模型,计算与参考电池的劣化相关联的内部电阻的估计电阻值;和
基于估计的电阻值和内部电阻的参考值来训练内部电阻估计模型。
15.根据权利要求14所述的方法,其中所述电压数据序列和所述电流数据序列基于在其中劣化加速的所述参考电池的充电或放电期间感测的电压和电流。
16.根据权利要求14所述的方法,还包括:
加速参考电池的劣化;
充电或放电劣化加速的参考电池;
感测充电或放电的参考电池的电压和电流;和
基于感测的电压获取电压数据序列,基于感测到的电流获取电流数据序列。
17.根据权利要求14所述的方法,还包括:
通过基于在参考电池中测量的内部电阻进行计算来生成包括参考值的参考值集合。
18.根据权利要求17所述的方法,其中所述生成包括:
在劣化加速之后基于处于稳定状态的参考电池中测量的内部电阻进行插值,并且在劣化加速的参考电池被充电或放电后基于处于稳定状态的劣化加速的参考电池中测量的内部电阻执行内插;
基于内插的结果生成参考值集合。
19.根据权利要求14所述的方法,其中,所估计的电阻值是在与经预处理的电压数据序列的最后电压数据的时间索引以及经预处理的电流数据的最后电流数据的时间索引相对应的时间点处的内部电阻的估计值。
20.根据权利要求14所述的方法,其中所述预处理包括对所述电压数据序列和所述电流数据序列进行归一化。
21.一种电池管理装置,包括:
控制器;和
存储器,被配置为存储要由控制器执行的至少一个指令,
其中,响应于正在执行的指令,控制器被配置为:
预处理电池的电压数据序列和电流数据序列;
基于预处理电压数据序列、预处理电流数据序列和至少一个内部电阻估计模型来估计其中由于电池劣化引起的内部电阻变化被建模的电池的内部电阻;以及
基于所估计的内部电阻来确定电池的状态信息。
22.根据权利要求21所述的装置,其中,使用电能作为驱动力将所述电池管理装置安装在移动体上,以及
其中,当所述移动体由所述电能驱动时,所述控制器被配置为获取所述电压数据序列和所述电流数据序列,并且估计与所述电池的退化状态相关联的内部电阻而不是由于与电能相关的电流引起的内部电阻。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR10-2017-0008450 | 2017-01-18 | ||
KR1020170008450A KR20180085165A (ko) | 2017-01-18 | 2017-01-18 | 배터리 관리 방법 및 장치 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108336427A true CN108336427A (zh) | 2018-07-27 |
CN108336427B CN108336427B (zh) | 2023-01-24 |
Family
ID=60957161
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711366775.0A Active CN108336427B (zh) | 2017-01-18 | 2017-12-18 | 电池管理方法和装置 |
Country Status (4)
Country | Link |
---|---|
US (1) | US10746804B2 (zh) |
EP (1) | EP3351953B1 (zh) |
KR (1) | KR20180085165A (zh) |
CN (1) | CN108336427B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109946613A (zh) * | 2019-04-08 | 2019-06-28 | 上海理工大学 | 车用动力电池的内阻在线估计与寿命检测方法 |
CN111688542A (zh) * | 2019-03-12 | 2020-09-22 | 丰田自动车株式会社 | 电池寿命学习装置、电池寿命预测装置、方法及存储有程序的存储介质 |
CN113125961A (zh) * | 2019-12-31 | 2021-07-16 | 深圳市海思半导体有限公司 | 电池检测方法和装置 |
CN113875065A (zh) * | 2019-08-05 | 2021-12-31 | 株式会社Lg新能源 | 电池管理设备、电池管理方法和电池组 |
US11906594B2 (en) | 2019-05-24 | 2024-02-20 | Semiconductor Energy Laboratory Co., Ltd. | Method for estimating internal resistance of secondary battery and anomaly detection system of secondary battery |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102608468B1 (ko) | 2017-11-28 | 2023-12-01 | 삼성전자주식회사 | 배터리 상태 추정 방법 및 장치 |
EP3742540A4 (en) * | 2018-01-16 | 2021-03-17 | GS Yuasa International Ltd. | MONITORING DEVICE, MONITORING METHOD, COMPUTER PROGRAM, DEGRADATION DETERMINATION METHOD, DEGRADATION DETERMINATION DEVICE AND DEGRADATION DETERMINATION SYSTEM |
US20210181256A1 (en) * | 2018-07-31 | 2021-06-17 | Honda Motor Co., Ltd. | Estimation system, estimation device, estimation method, program, and storage medium |
KR20200107171A (ko) * | 2019-03-06 | 2020-09-16 | 주식회사 엘지화학 | 저전압 불량 배터리 셀 검출 장치 및 방법 |
KR20200129854A (ko) | 2019-05-10 | 2020-11-18 | 삼성전자주식회사 | 배터리 수명을 연장하기 위한 전자 장치 및 방법 |
KR20210011236A (ko) * | 2019-07-22 | 2021-02-01 | 주식회사 엘지화학 | 배터리 저항 진단 장치 및 방법 |
US11265828B2 (en) * | 2019-08-21 | 2022-03-01 | Qualcomm Incorporated | Power allocation for sidelink feedback transmission |
KR20210028476A (ko) * | 2019-09-04 | 2021-03-12 | 삼성전자주식회사 | 배터리 충전 장치 및 방법 |
KR102259643B1 (ko) * | 2019-10-17 | 2021-06-02 | 경북대학교 산학협력단 | 배터리의 상태 모니터링 방법 및 장치 |
KR20210080069A (ko) * | 2019-12-20 | 2021-06-30 | 주식회사 엘지에너지솔루션 | 배터리 진단 장치 및 방법 |
KR102630222B1 (ko) * | 2020-11-05 | 2024-01-25 | 주식회사 엘지에너지솔루션 | 배터리 진단 장치 및 방법 |
US12017592B2 (en) * | 2020-12-29 | 2024-06-25 | Volkswagen Aktiengesellschaft | Powertrain control system with state of health information |
KR20220100471A (ko) * | 2021-01-08 | 2022-07-15 | 주식회사 엘지에너지솔루션 | 배터리 관리 장치 및 방법 |
EP4145157A1 (en) * | 2021-09-06 | 2023-03-08 | Dukosi Limited | Battery system state of health monitoring system |
EP4390418A1 (en) * | 2022-12-22 | 2024-06-26 | Samsung Electronics Co., Ltd. | Electronic apparatus and method with battery state estimation |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060082375A1 (en) * | 2004-10-19 | 2006-04-20 | Coates Keven D | Apparatus and method for identification of a failing battery |
WO2012060597A2 (ko) * | 2010-11-02 | 2012-05-10 | 에스케이이노베이션 주식회사 | 배터리의 교환 시기 통보 장치 및 방법 |
US20130185008A1 (en) * | 2010-09-16 | 2013-07-18 | Kinnosuke Itabashi | Parameter estimation device using filter |
CN104426209A (zh) * | 2013-09-09 | 2015-03-18 | 三星Sdi株式会社 | 电池组、包括电池组的装置和管理电池组的方法 |
CN104620122A (zh) * | 2012-08-21 | 2015-05-13 | 空中客车防务和空间公司 | 用于估计电池老化的方法 |
US20150165921A1 (en) * | 2009-09-30 | 2015-06-18 | Tesla Motors, Inc. | Determining battery dc impedance |
US20160195587A1 (en) * | 2015-01-07 | 2016-07-07 | Samsung Electronics Co., Ltd. | Apparatus and method estimating state of battery pack including plural battery cells |
US20160209472A1 (en) * | 2015-01-21 | 2016-07-21 | North Carolina State University | Method and apparatus for estimating battery life |
Family Cites Families (51)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6850874B1 (en) * | 1998-04-17 | 2005-02-01 | United Technologies Corporation | Method and apparatus for predicting a characteristic of a product attribute formed by a machining process using a model of the process |
CN1199050C (zh) * | 1998-05-28 | 2005-04-27 | 丰田自动车株式会社 | 电池充电状态的估计装置及电池恶化估计方法 |
JP3598873B2 (ja) * | 1998-08-10 | 2004-12-08 | トヨタ自動車株式会社 | 二次電池の状態判定方法及び状態判定装置、並びに二次電池の再生方法 |
JP4228760B2 (ja) * | 2002-07-12 | 2009-02-25 | トヨタ自動車株式会社 | バッテリ充電状態推定装置 |
US7482784B2 (en) * | 2003-07-15 | 2009-01-27 | Panasonic Corporation | Degradation judgment circuit for secondary battery |
US7554296B2 (en) | 2005-02-14 | 2009-06-30 | Denso Corporation | Method and apparatus for detecting charged state of secondary battery based on neural network calculation |
US7197487B2 (en) * | 2005-03-16 | 2007-03-27 | Lg Chem, Ltd. | Apparatus and method for estimating battery state of charge |
US20070194791A1 (en) | 2006-02-17 | 2007-08-23 | Bppower Inc. | Method and apparatus for monitoring the condition of a battery by measuring its internal resistance |
GB2444511B (en) | 2006-12-06 | 2008-10-22 | Iti Scotland Ltd | Battery Management System |
KR20080073382A (ko) | 2007-02-06 | 2008-08-11 | 주식회사 파워로직스 | 축전지의 내부저항 측정방법 |
US7830119B2 (en) * | 2007-08-29 | 2010-11-09 | Gm Global Technology Operations, Inc. | Adaptive battery estimator and method |
JP4459997B2 (ja) * | 2007-11-06 | 2010-04-28 | 株式会社日本自動車部品総合研究所 | 車載バッテリの状態推定装置、内燃機関の自動停止始動装置、及び内燃機関の自動停止始動システム |
CN101504443B (zh) | 2008-02-05 | 2012-03-07 | 比亚迪股份有限公司 | 一种锂离子电池放电容量的预测方法 |
TWI422849B (zh) | 2009-08-13 | 2014-01-11 | Neotec Semiconductor Ltd | 以直流內阻估算鋰電池容量之方法 |
US8519674B2 (en) * | 2009-11-12 | 2013-08-27 | GM Global Technology Operations LLC | Method for estimating battery degradation in a vehicle battery pack |
JP5381664B2 (ja) | 2009-12-02 | 2014-01-08 | トヨタ自動車株式会社 | 組電池の異常検出装置 |
AU2010349140B2 (en) * | 2010-03-26 | 2014-03-06 | Mitsubishi Electric Corporation | Charge state estimation apparatus |
US8529125B2 (en) * | 2010-05-26 | 2013-09-10 | GM Global Technology Operations LLC | Dynamic estimation of cell core temperature by simple external measurements |
JP2012112866A (ja) | 2010-11-26 | 2012-06-14 | Kyocera Corp | 内部抵抗測定装置、電池残量測定装置、携帯端末および内部抵抗測定方法 |
DE102010055597A1 (de) | 2010-12-22 | 2011-08-25 | Daimler AG, 70327 | Verfahren und Vorrichtung zum Bestimmen eines Parameters einer Fahrzeugbatterie, insbesondere einer Lithium-Ionen-Batterie |
JP5547699B2 (ja) * | 2011-08-18 | 2014-07-16 | 日立オートモティブシステムズ株式会社 | 車両の駆動装置 |
CN103917884B (zh) * | 2011-11-08 | 2016-08-24 | 新神户电机株式会社 | 蓄电池状态监视*** |
JP5554310B2 (ja) | 2011-11-09 | 2014-07-23 | 古河電気工業株式会社 | 内部抵抗測定装置および内部抵抗測定方法 |
KR101741183B1 (ko) * | 2011-11-24 | 2017-05-30 | 에스케이이노베이션 주식회사 | 배터리의 내부 저항 추정 장치 및 방법 |
JP5684172B2 (ja) | 2012-03-03 | 2015-03-11 | 古河電気工業株式会社 | 二次電池状態検出装置および二次電池状態検出方法 |
EP2841956B1 (en) * | 2012-04-27 | 2019-02-13 | California Institute of Technology | An imbedded chip for battery applications |
KR20140052658A (ko) | 2012-10-25 | 2014-05-07 | 현대모비스 주식회사 | 지능형 배터리 센서 및 이의 배터리 내부저항 연산방법 |
JP2014109535A (ja) | 2012-12-04 | 2014-06-12 | Gs Yuasa Corp | 内部抵抗推定装置、充電装置、放電装置、内部抵抗推定方法 |
US9318781B2 (en) * | 2013-01-11 | 2016-04-19 | Johnson Controls Technology Company | Predicted sensor information for a battery |
CN104813180B (zh) * | 2013-02-19 | 2017-04-05 | 古河电气工业株式会社 | 二次电池劣化判定方法及二次电池劣化判定装置 |
KR101695122B1 (ko) * | 2013-03-18 | 2017-01-10 | 미쓰비시덴키 가부시키가이샤 | 축전 디바이스 전력량 추정 장치 및 축전 디바이스 전력량 추정 방법 |
JP2014190763A (ja) * | 2013-03-26 | 2014-10-06 | Toshiba Corp | 電池寿命推定方法及び電池寿命推定装置 |
FR3009093B1 (fr) * | 2013-07-29 | 2017-01-13 | Renault Sa | Estimation de l'etat de vieillissement d'une batterie electrique |
JP2015143083A (ja) | 2013-12-26 | 2015-08-06 | 株式会社豊田自動織機 | バッテリ状態診断装置及びバッテリ内部抵抗測定方法 |
US20160327613A1 (en) * | 2014-01-29 | 2016-11-10 | Panasonic Intellectual Property Management Co., Ltd. | Battery state estimating device and power supply device |
US9132745B1 (en) * | 2014-03-17 | 2015-09-15 | Ford Global Technologies, Llc | Frequency based battery model parameter estimation |
CN103941191B (zh) | 2014-03-26 | 2016-05-04 | 海博瑞恩电子科技无锡有限公司 | 一种储能装置综合管理的方法及储能装置 |
JP6381298B2 (ja) | 2014-05-30 | 2018-08-29 | 菊水電子工業株式会社 | 二次電池内部抵抗測定装置および測定方法 |
KR102221756B1 (ko) | 2014-07-18 | 2021-03-02 | 삼성전자주식회사 | 배터리의 상태를 추정하는 방법 및 장치 |
KR101739169B1 (ko) | 2014-10-06 | 2017-05-23 | 주식회사 엘지화학 | 배터리 셀 내부 저항 측정 장치 및 방법 |
KR101610530B1 (ko) | 2014-10-24 | 2016-04-07 | 현대자동차주식회사 | 배터리의 내부 저항 측정 방법 |
KR101853383B1 (ko) | 2014-11-27 | 2018-04-30 | 자동차부품연구원 | 전류센서가 없는 시동용 배터리 내부저항 추정 시스템 및 그 방법 |
KR102303226B1 (ko) | 2014-12-04 | 2021-09-16 | 현대모비스 주식회사 | 차량용 배터리 센서 모듈, 차량 배터리의 내부 저항을 측정하는 방법 및 차량 배터리의 상태 정보를 측정하는 방법 |
KR102332399B1 (ko) | 2015-02-06 | 2021-11-29 | 삼성전자주식회사 | 배터리 상태 추정 장치 및 방법 |
KR20160101506A (ko) * | 2015-02-17 | 2016-08-25 | 삼성전자주식회사 | 배터리 신호 세그먼트 데이터의 확률 추론을 기반으로 한 배터리 상태 추정 방법 및 장치 |
US10205335B2 (en) * | 2015-02-24 | 2019-02-12 | Kabushiki Kaisha Toshiba | Storage battery management device, method, and computer program product |
KR101684092B1 (ko) * | 2015-04-08 | 2016-12-07 | 현대자동차주식회사 | 열화도 산출 장치 및 방법 |
JP6164503B2 (ja) * | 2015-06-25 | 2017-07-19 | トヨタ自動車株式会社 | 二次電池の内部抵抗推定方法および出力制御方法 |
DE102015212328B4 (de) * | 2015-07-01 | 2019-03-21 | Dialog Semiconductor (Uk) Limited | Batterieladezustandsmessschaltung |
JP6129257B2 (ja) * | 2015-09-02 | 2017-05-17 | 三菱電機株式会社 | ディザ電流給電制御方法及びディザ電流給電制御装置 |
KR102574084B1 (ko) * | 2016-01-14 | 2023-09-04 | 삼성전자주식회사 | 배터리 관리 장치 및 방법 |
-
2017
- 2017-01-18 KR KR1020170008450A patent/KR20180085165A/ko not_active Application Discontinuation
- 2017-09-29 US US15/720,161 patent/US10746804B2/en active Active
- 2017-12-18 CN CN201711366775.0A patent/CN108336427B/zh active Active
-
2018
- 2018-01-11 EP EP18151184.1A patent/EP3351953B1/en active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060082375A1 (en) * | 2004-10-19 | 2006-04-20 | Coates Keven D | Apparatus and method for identification of a failing battery |
US20150165921A1 (en) * | 2009-09-30 | 2015-06-18 | Tesla Motors, Inc. | Determining battery dc impedance |
US20130185008A1 (en) * | 2010-09-16 | 2013-07-18 | Kinnosuke Itabashi | Parameter estimation device using filter |
WO2012060597A2 (ko) * | 2010-11-02 | 2012-05-10 | 에스케이이노베이션 주식회사 | 배터리의 교환 시기 통보 장치 및 방법 |
CN104620122A (zh) * | 2012-08-21 | 2015-05-13 | 空中客车防务和空间公司 | 用于估计电池老化的方法 |
CN104426209A (zh) * | 2013-09-09 | 2015-03-18 | 三星Sdi株式会社 | 电池组、包括电池组的装置和管理电池组的方法 |
US20160195587A1 (en) * | 2015-01-07 | 2016-07-07 | Samsung Electronics Co., Ltd. | Apparatus and method estimating state of battery pack including plural battery cells |
US20160209472A1 (en) * | 2015-01-21 | 2016-07-21 | North Carolina State University | Method and apparatus for estimating battery life |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111688542A (zh) * | 2019-03-12 | 2020-09-22 | 丰田自动车株式会社 | 电池寿命学习装置、电池寿命预测装置、方法及存储有程序的存储介质 |
US11774503B2 (en) | 2019-03-12 | 2023-10-03 | Toyota Jidosha Kabushiki Kaisha | Battery life learning device, battery life prediction device, method and non-transitory computer readable medium |
CN111688542B (zh) * | 2019-03-12 | 2023-10-24 | 丰田自动车株式会社 | 电池寿命学习装置、电池寿命预测装置、方法及存储有程序的存储介质 |
CN109946613A (zh) * | 2019-04-08 | 2019-06-28 | 上海理工大学 | 车用动力电池的内阻在线估计与寿命检测方法 |
US11906594B2 (en) | 2019-05-24 | 2024-02-20 | Semiconductor Energy Laboratory Co., Ltd. | Method for estimating internal resistance of secondary battery and anomaly detection system of secondary battery |
CN113875065A (zh) * | 2019-08-05 | 2021-12-31 | 株式会社Lg新能源 | 电池管理设备、电池管理方法和电池组 |
CN113875065B (zh) * | 2019-08-05 | 2024-05-14 | 株式会社Lg新能源 | 电池管理设备、电池管理方法和电池组 |
CN113125961A (zh) * | 2019-12-31 | 2021-07-16 | 深圳市海思半导体有限公司 | 电池检测方法和装置 |
CN113125961B (zh) * | 2019-12-31 | 2024-05-03 | 深圳市海思半导体有限公司 | 电池检测方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
KR20180085165A (ko) | 2018-07-26 |
CN108336427B (zh) | 2023-01-24 |
EP3351953B1 (en) | 2020-10-14 |
EP3351953A1 (en) | 2018-07-25 |
US20180203070A1 (en) | 2018-07-19 |
US10746804B2 (en) | 2020-08-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108336427A (zh) | 电池管理方法和装置 | |
US10422837B2 (en) | Method and apparatus for estimating state of battery | |
CN108089130B (zh) | 基于误差校正的用于估计电池的状态的方法和设备 | |
US20190086478A1 (en) | Apparatus and method for estimating state of battery | |
JP2006138858A (ja) | 車両用鉛蓄電池の内部状態検出システム | |
CN104833922B (zh) | 电池充放电电流限值的计算方法和装置 | |
JP2003249271A (ja) | バッテリの残存容量判定方法と、その装置 | |
CN103630843A (zh) | 电池状态推测装置及推测方法、电池控制装置、电池*** | |
EP3627169B1 (en) | Apparatus and method with battery state estimation | |
US20180143259A1 (en) | Method and apparatus for estimating state of battery | |
CN111142027A (zh) | 一种基于神经网络的磷酸铁锂电池荷电状态监测预警方法 | |
Shah et al. | State of charge, remaining useful life and knee point estimation based on artificial intelligence and Machine learning in lithium-ion EV batteries: A comprehensive review | |
US10530165B2 (en) | Battery management method, apparatus, and system | |
US11680987B2 (en) | Method and apparatus with battery management | |
JP4609883B2 (ja) | 車両用蓄電装置の満充電容量演算装置 | |
Zhu et al. | The SOH estimation of LiFePO4 battery based on internal resistance with Grey Markov Chain | |
US20210278467A1 (en) | Method and apparatus for estimating state of battery | |
JP2006220617A (ja) | 車両用蓄電装置の内部状態検出方式 | |
Yao et al. | Fault identification of lithium-ion battery pack for electric vehicle based on ga optimized ELM neural network | |
US11063454B2 (en) | Battery control method and apparatus | |
JP2006300692A (ja) | 二次電池の残存容量演算方式 | |
KR20210128181A (ko) | 전지의 용량 측정 장치 및 방법 | |
Demirci et al. | Review of battery state estimation methods for electric vehicles-Part II: SOH estimation | |
Yao et al. | Cross-Stitch Networks for Joint State of Charge and State of Health Online Estimation of Lithium-Ion Batteries | |
CN110007247A (zh) | 用于估计电池的状态的方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |