监测存储在电池内的电荷的制作方法
【技术领域】
[0001] 本发明涉及电池电荷监测的领域。更具体地涉及用于确定例如机动车中的电池电 源的电池的存储能量的量和总能量存储能力以及确定电池电流测量值中的系统误差的方 法和装置。
【背景技术】
[0002] 电池荷电状态可被定义为在给定时间存储在电池内的电量，表示为电池满充时的 能量的百分比。在很多应用中，例如在诸如电动汽车和混合电动汽车的机动车中，存在准确 估计电池电源的这种荷电状态的需求。本领域公知的确定机动车中电池的荷电状态的方法 可能使用特定的重力(gravity)测量，电流的时间积分，电压测量，或者它们的组合。
[0003] 例如，荷电状态可通过电流积分来确定，其还被称为库仑计数，电荷计数或者安 培-小时测量。在电流积分方法中，放电电流被连续测量并且随时间被积分以从一已知初始 电荷量中获得总消耗电荷的估值。然而，为了在电池寿命期间保持准确荷电状态估计，可能 需要考虑作为电流放电历史的函数的电池容量中的变化。
[0004] 此外，通过电流积分估计的荷电状态可通过测量无负荷电池的空载电压被周期性 地校准，例如，在机动车静止扩展周期之后。这种类型的方法在例如德国专利文献号为 No. DE3520985中描述。尽管这种方法容易实施，但由于该荷电状态可能仅仅很少重新校准 或者通过测量空载电压校正，估计误差可能在机动车的具有相对短的或者仅仅几个休眠期 的长期运行阶段累积起来。
[0005] 其它已知的方法可能基于用于确定带负载电池的空载电压的电池模型，并且因此 通过使用观测变量，例如电池电压，电池电流，和/或电池温度来使一模型自适应该实际电 池，荷电状态可从这个空载电压推导得出。然而，这种基于模型的方法可能相对复杂。
[0006] 电压分析方法可测量端电压并以各种方式确定荷电状态。关于这样的分析器，极 化效应，例如由充电或快速放电产生的，可能不利地改变分析器仪表的指示，并且大多数这 种分析器趋向于只是单向的，例如，可能只在放电时工作准确，没有规定老化效应。
【发明内容】
[0007] 本发明实施例的目的是提供电池参数的良好估计和监测，该电池参数例如荷电状 态和健康状态或者例如在电池电流测量值中的系统误差。
[0008] 上述目的通过根据本发明的方法和装置来实现。
[0009] 第一方面，本发明提供一种监测电池的电荷的方法。该方法包括获得一电池电流 测量值和一电池电压测量值;通过考虑该电池电流测量值应用电流积分方法来更新代表了 电池内存储的电荷的一初始电荷估计值;通过考虑该电池电压测量值使用一电池模型来确 定代表电池内存储的电荷的一辅助电荷估计值;确定所述辅助电荷估计值的一误差值，其 中该误差值表示考虑了该电池电压测量值的电池模型的可靠性;基于辅助电荷估计值和误 差值施加一校正至该初始电荷估计值;并且通过考虑对所述初始电荷估计值的校正来确定 电池电流测量值的系统误差。根据本发明的方法具有一优点，可使用较低成本的传感器来 监测一电池的电荷，而不需要偏差的特定校正。
[0010] 根据本发明实施例的方法可进一步包括考虑对所述初始电荷估计值的校正来确 定电池的总电荷容量的步骤。这样，随时间的容量的改变能够被监测，由此随时间的容量改 变是电池老化或者健康状态(SOH)的量度。
[0011] 在根据本发明实施例的一个方法中，应用电流积分方法可包括执行一线性二次估 计方法的预测步骤以递归地更新估计量，例如反映诸如电池存储的电荷的底层系统状态的 所述初始电荷估计值，考虑了一系列噪声输入数据，由此滤波器可包括跟所述电池电流测 量值相当的控制变量。这样的滤波器可以是卡尔曼滤波器以更新所述初始电荷估计值，其 中所述初始电荷估计值是对应于电池存储的电荷的隐藏状态变量的卡尔曼预测值，并且所 述卡尔曼滤波器还包括一跟所述电池电流测量值相当的控制变量。可被用于代替所描述的 卡尔曼滤波器的替换的或者相当的滤波器可以是下述的任何一种:顺序卡尔曼滤波器，信 息滤波器，Cho Ie sky矩阵方根算法，Pot ter ' s方根测量更新算法，Hou seho Id算法， GramSchmidt算法，U-D测量更新，U-D时间更新，或者微粒过滤器。
[0012] 在根据本发明实施例的这种方法中，应用校正可包括应用例如所述卡尔曼滤波器 的所述线性二次估计方法的更新步骤，其中所述例如所述卡尔曼滤波器的所述线性二次估 计方法进一步包括一与所述辅助电荷估计值相当的观测变量，具有一与所述误差值相当的 关联变量。
[0013] 在根据本发明实施例的一种方法中，例如所述卡尔曼滤波器的所述线性二次估计 方法可以是一维线性二次估计方法，例如一维卡尔曼滤波器。这对于其它卡尔曼滤波器方 法是优势的，其包括多个状态变量，然而此处，使用一维线性二次估计方法例如一维卡尔曼 滤波，只需要考虑电池电荷作为诸如卡尔曼滤波器的滤波器的隐藏状态变量。这极大地减 少了计算时间并且因此减少了嵌入式处理器的成本。可使用替换的或者相当的滤波器来代 替卡尔曼滤波器描述为例如可以是下述的任何一种：顺序卡尔曼滤波器，信息滤波器， ChoIesky矩阵方根算法，Potter ' s方根测量更新算法，HousehoId算法，GramSchmidt算法， U-D测量更新，U-D时间更新，或者微粒过滤器。
[0014] 在根据本发明实施例的一种方法中，所述辅助电荷估计值可包括表示为作为电池 的总电荷容量的分数的荷电状态值。
[0015] 在根据本发明实施例的一种方法中，确定所述辅助电荷估计值可包括确定电池的 电动势(EMF)。
[0016] 在根据本发明实施例的一种方法中，确定所述辅助电荷估计值可进一步考虑电池 电流测量值和/或电池温度测量值。
[0017] 在第二个方面，本发明提供一种监测电池电荷的装置。该装置包括一电流传感器 以提供一电池电流测量值;一电压传感器以提供一电池电压测量值；以及一处理单元。所述 处理单元用于通过考虑该电池电流测量值应用电流积分方法来更新代表了电池内存储的 电荷的一初始电荷估计值;通过考虑该电池电压测量值使用一电池模型来确定代表电池内 存储的电荷的一辅助电荷估计值;确定所述辅助电荷估计值的一误差值，其中该误差值表 示考虑了该电池电压测量值的电池模型的可靠性;基于辅助电荷估计值和误差值施加一校 正至该初始电荷估计值;并且通过考虑对所述初始电荷估计值的校正来确定电池电流测量 值的系统误差。
[0018] 根据本发明的装置具有一优点，可使用较低成本的传感器来监测一电池的电荷， 不需要偏差的特定校正。
[0019] 根据本发明的装置可进一步包括考虑了对初始电荷估计值的校准来确定电池的 总电荷容量的设备。这样，随时间的容量变化可被监控，其中随时间的容量变化是对电池老 化或者健康状态(S0H)的量度。
[0020] 在根据本发明的装置中，适用于应用电流积分的处理单元可包括执行线性二次估 计方法的预测步骤以递归地更新估计量的设备，例如反映了诸如存储在电池中的电荷的底 层系统状态的所述初始电荷估计值，其考虑了一序列噪声输入数据，由此滤波器可包括与 所述电池电流测量值相当的控制变量。这样的滤波器可以是卡尔曼滤波器以更新所述初始 电荷估计值，其中所述初始电荷估计值是与电池中存储的电荷对应的隐藏状态变量的卡尔 曼估计值，并且所述卡尔曼滤波器进一步包括与所述电池电流测量值相当的控制变量。可 被用于代替所描述的卡尔曼滤波器的替代的或者相当的滤波器例如可以是下述任何一种： 顺序卡尔曼滤波器，信息滤波器，ChoIesky矩阵方根算法，Potter' s方根测量更新算法， Household算法，GramSchmidt算法，U-D测量更新，U-D时间更新，或者微粒过滤器。
[0021] 在根据本发明实施例的这种装置中，施加所述校准的设备可包括用于应用例如卡 尔曼滤波器的线性二次估计方法的更新步骤的设备，其中例如卡尔曼滤波器的所述线性二 次估计方法进一步包括与辅助电荷估计值相当的观测变量，其具有与所述误差值相当的关 联变化。
[0022] 在根据本发明实施例的装置中，例如卡尔曼滤波器的所述线性二次估计方法可以 是一维线性二次估计方法，例如，一维卡尔曼滤波器。这相比其它卡尔曼滤波方法是有优势 的，其包括多个状态变量，由此，使用例如所述一维卡尔曼滤波器的一维线性二次估计方 法，而这里，只有电池电荷需要被视为例如卡尔曼滤波器的所述滤波器的隐藏状态变量。这 显著减少了计算时间并且因此降低了嵌入式处理