使用双扩展卡尔曼滤波器的电池状态估计方法和系统技术方案

使用双扩展卡尔曼滤波器的电池状态估计方法和系统。公开了一种电池状态估计方法和系统。电池状态估计是通过应用ARX模型和双扩展卡尔曼滤波器来提供的。电池状态估计系统使用ARX模型估计电池模型的参数，并且通过将所估计的电池模型的参数应用到双扩展卡尔曼滤波器来估计电池状态，该双扩展卡尔曼滤波器包括用于估计电池的充电状态(SOC)的状态滤波器和用于估计电池的健康状态(SOH)的加权滤波器。

【技术实现步骤摘要】
【专利说明】 相关申请的交叉引用 本申请要求2014年6月30日提交的韩国专利申请No. 10-2014-0081076和2015 年4月1日提交的韩国专利申请No. 10-2015-0045886的优先权，这两个韩国专利申请的公 开内容通过整体引用的形式被并入在本文中。
本专利技术涉及使用双扩展卡尔曼滤波器的电池状态估计方法和系统以及执行该方 法的记录介质，更具体地，涉及可以将滞后和扩散现象考虑在内来计算电池状态的使用双 扩展卡尔曼滤波器的电池状态估计方法和系统以及执行该方法的记录介质。
技术介绍
随着对诸如笔记本电脑、摄像机和手机的便携式电子产品的需求的迅速增加以及 用于存储能量的电容器、机器人和卫星的全面发展，正在进行关于能够重复进行充电和放 电的高性能二次电池的研究。 市售二次电池包括镍-镉电池、镍-金属氢化物电池、镍-锌电池、锂二次电池。其 中，锂二次电池正越来越收到关注，因为锂二次电池几乎没有记忆效应，因此锂二次电池提 供很多优势，例如充电/放电具有更少的记忆效应、低的自放电率和高的能量密度。 特别地，近来，由于碳能源正日益枯竭以及对自然环境的公共利益的增加，对混合 动力车辆和电动车辆的需求已经在包括美国、欧洲、日本和韩国的全球范围内逐渐增加。由 于混合动力或电动车辆提供有来自通过对其能量进行充电/放电的电池组的驱动力，这样 的混合动力或电动车辆已收到来自市场的良好反响。混合动力或电动车辆更加节能并减少 污染排放。因此，由于车辆用电池被认为是混合动力或电动车辆的主要部件，时下车辆用电 池已经受到关注。 由于电池用于诸如笔记本电脑或车辆的各种类型的移动设备对于适当的功能具 有有限的使用寿命，因此测量关于电池的充电状态（SOC)的准确信息是重要的。SOC是关 于电池能够持续多久的参数中的一个，因此当用户使用从电池接收电力的设备时SOC是非 常重要的信息。诸如笔记本电脑、手机和车辆的常规的配备有电池的设备可以估计电池的 S0C，然后可以基于所估计的SOC向用户提供包括电池的可用时间或充电量在内的信息。 电池的SOC通常以相对于电池的满充电容量（FCC)的剩余量的百分比的形式进行 显示。可以使用多种方法来估计电池的S0C，并且其中一种常规方法是使用库仑计数法来估 计SOC的方法。库仑计数法是通过积累电池的输入/输出电流以及将所积累的电流加入初 始容量/从初始容量减去而找到SOC的方案。然而，当SOC的初始值中存在误差或者当所 测量的电流的误差随着时间经过而累积时，库伦计数法可能提供有限的准确度。使用卡尔 曼滤波器来估计SOC和健康状态（SOH)的方法可以被用来克服这种局限。为了提高估计的 准确度，电池模块及其参数应当是准确的。应当准确考虑参数的变化的信息。然而，由于其 需要较多的时间和设备，获得这种准确信息是不容易的。此外，如果电池的类型或容量不相 同，应当再次进行新测试，这增加了更多麻烦。另外，对于电池的参数，随着电池的老化，卡 尔曼滤波器的SOC/SOH的估计准确度将降低，这是因为其参数值将随着时间经过而改变。
技术实现思路
本公开针对一种使用双扩展卡尔曼滤波器的电池状态估计方法和系统以及用于 执行该方法的记录介质，其中，使用ARX模型来估计电池参数，并且通过应用滞后参数和扩 散参数来估计电池状态。 根据本公开的一个方面，一种电池状态估计方法包括以下步骤：根据带有外部输 入的自回归（ARX)模型估计电池的至少一个参数，其中，所述ARX限定输出序列y(t)、输入 序列u(t)和移位算子q之间的相关；以及通过将所述电池的所述至少一个参数应用到双扩 展卡尔曼滤波器来估计电池状态，其中，所述双扩展卡尔曼滤波器包括用于计算所述电池 的充电状态（SOC)的估计的状态滤波器和用于计算所述电池的健康状态（SOH)的估计的加 权滤波器。 根据ARX模型估计电池的至少一个参数的步骤还包括：根据下面的算式估计所述 电池的所述至少一个参数：y⑴表示输出序列，u(t)表示输入序列，A(q)和B(q)表示相对于移位算子q的 多项式，并且e(t)表示白噪声。 所述电池具有等效电路，其中，所述电池的所述等效电路包括第一电阻器、第二电 阻器以及电容器，其中，所述第一电阻器是内部电阻器，并且其中，所述第二电阻器和所述 电容器并联连接。 通过将所述电池的所述至少一个参数应用到双扩展卡尔曼滤波器来估计所述电 池状态的步骤还包括：由以下中的一项来同时估计所述充电状态（SOC)和所述健康状态 (SOH):所述状态滤波器，其中，所述状态滤波器使用所述加权滤波器的先验值；所述加权 滤波器，其中，所述加权滤波器使用所述状态滤波器的先验值；或者所述状态滤波器和所述 加权滤波器之间的相互作用。 根据所述ARX模型估计所述电池的所述至少一个参数的步骤还包括：在所述ARX 模型的应用中，计算并施加反映了扩散系数和滞后系数的开路电压（OCV)。 计算和应用所述OCV的步骤还包括：使用下面的算式计算所述OCV: OCV(SOC,a, (6) =a +(l-a) 其中，G表示在张弛时间期间通过一阶指数函数计算的扩散系数，并且a表示 通过对电荷吞吐量的归一化积分而确定的滞后系数，并且其中OCl3h(SOC)表示具有3小时 张弛的充电的开路电压（OCV)，OCt3ni(SOC)表示具有3分钟张弛的充电的开路电压（OCV)， OCVd3h(SOC)表示具有3小时张弛的放电的开路电压（OCV)，OCVd3ni(SOC)表示具有3分钟张 弛的放电的开路电压（OCV)。 根据本公开的另一实施方式，提供有一种电池状态估计系统的控制方法。所述控 制方法包括以下步骤：通过将初始值输入到电池中并测量输入到该电池的电流和电压来执 行初始化；通过将滞后系数和扩散系数输入到开路电压（OCV)算式中并使用带有外部输入 的自回归（ARX)模型来计算所述电池中的包括第一电阻器、第二电阻器以及电容器在内的 参数中的至少一个参数，该ARX模型限定了输出序列y(t)、输入序列u(t)和移位算子q之 间的相关，其中，所述第一电阻器是内部电阻器；以及应用包括状态滤波器和加权滤波器在 内的双扩展卡尔曼滤波器来执行时间更新和测量结果更新，以估计充电状态（SOC)和健康 状态（SOH)。 根据本公开的另一实施方式，提供有一种存储用于执行电池状态估计系统的控制 方法的计算机程序的计算机可读记录介质。所述控制方法包括以下步骤：通过将初始值输 入到电池中并测量输入到该电池的电流和电压来执行初始化；通过将滞后系数和扩散系数 输入到开路电压（OCV)算式中并使用带有外部输入的自回归（ARX)模型来计算包括所述电 池中的第一电阻器、第二电阻器以及电容器在内的参数中的至少一个参数，该ARX模型限 定了输出序列y(t)、输入序列u(t)和移位算子q之间的相关，其中，所述第一电阻器是内部 电阻器；以及应用包括状态滤波器和加权滤波器在内的双扩展卡尔曼滤波器来执行时间更 新和测量结果更新，以估计充电状态（SOC)和健康状态（SOH)。【附图说明】 通过参照附图详细描述本公开的示例性实施方式，本公开的上述及其它目标、特 征和优势对本领域技术人员来说将变得更加明显，在所述附图中： 图1是例示了根据本公开的实施本文档来自技高网...

【技术保护点】
一种电池状态估计方法，该电池状态估计方法包括以下步骤：根据带有外部输入的自回归ARX模型估计电池的参数中的至少一个参数，其中，所述ARX模型限定输出序列y(t)、输入序列u(t)和移位算子q之间的相关；以及通过将所述电池的所述参数中的所述至少一个参数应用到双扩展卡尔曼滤波器来估计电池状态，其中，所述双扩展卡尔曼滤波器包括用于计算所述电池的充电状态SOC的估计的状态滤波器和用于计算所述电池的健康状态SOH的估计的加权滤波器。

【技术特征摘要】
...

【专利技术属性】
技术研发人员：崔宇镇，
申请(专利权)人：崇实大学校产学协力团，
类型：发明
国别省市：韩国;KR