JP7806028B2

JP7806028B2 - バッテリの充電状態および健全状態を推定する方法およびシステム

Info

Publication number: JP7806028B2
Application number: JP2023513394A
Authority: JP
Inventors: スラジュクマールパッブ; アメイピーワデガオンカール; アナイクマールジョシ
Original assignee: セデマックメカトロニクスプライベートリミテッド
Priority date: 2020-08-28
Filing date: 2021-08-26
Publication date: 2026-01-26
Anticipated expiration: 2041-08-26
Also published as: US20230305067A1; JP2024501600A; CN115989420A; EP4204830A1; WO2022044046A1; EP4204830A4

Description

本発明は、バッテリの充電状態および健全状態の推定に関する。

最新型の電気自動車およびハイブリッド電気自動車は、典型的には、エネルギー貯蔵ユニットとして電気化学電池（セル）、例えばリチウムイオン電池（セル）を用いている。適当な直列と並列の組み合わせ状態に構成された複数のかかるセル（すなわち素電池）は、バッテリ（組電池）を形成する。かかるバッテリは、典型的には、バッテリマネジメントシステム（ＢＭＳ）に結合され、ＢＭＳは、適当なセンサを用いて測定されるセル電圧、電流および温度をモニタするよう構成されている。ＢＭＳの主要な機能のうちの１つは、バッテリおよびその構成要素としてのセルの充電状態（ＳＯＣ）および健全状態（ＳＯＨ）を推定することにある。ＢＭＳのもう一つの重要な機能は、バッテリが所定の「安全動作域」で動作するようにすることであり、その目的は、例えば、セルの過充電、充電不足、温度過昇などの状態を回避することにある。セルの安全動作域は、一般に、セルの動作電圧、温度、およびセルを通って流れる電流に対して上および下しきい値を課す。バッテリは、あらゆるセルが「安全動作域」内にある場合にのみ、「安全動作域」で動作しているといえる。バッテリマネジメントシステムの他の重要な機能として、セル相互間の充電のバランスを取ってセル寿命を延ばす機能および、自動車ネットワークにおいて情報を他のコントローラに伝達する機能が挙げられる。

バッテリ中の残存エネルギーを算定するとともに、バッテリを現在の負荷状況に基づいて動作させることができる時間を算定するために、正確な充電状態の予測が必要とされる。バッテリの充電状態はまた、バッテリの再充電をスケジュール設定するための良好な判断を運転手に提供する。バッテリの充電状態は、短期的なバッテリパラメータと見なされるが、健全性状態は、長期的なパラメータと見なされ、と言うのは、バッテリの劣化がその寿命全体にわたって次第に起こるからである。バッテリのＳＯＨは、典型的には、バッテリの全電荷貯蔵容量によって特徴付けられる。ＳＯＨを特徴付けるために用いられるもう１つのパラメータは、バッテリの有効出力電力に主要な役割を果たすバッテリの内部インピーダンスである。正確な健全状態予測は、ＳＯＣの推定精度を向上させ、と言うのは、ＳＯＣの推定精度は、バッテリのモデルパラメータで決まるからである。健全状態予測はまた、バッテリの劣化に関する情報を提供するとともにバッテリの交換をスケジュール決定するのを助ける。

ＳＯＣを推定するための従来方法の１つは、バッテリを経時的に通る電流を積分することである。しかしながら、この方法は、電流測定ノイズおよび測定オフセット誤差のためにドリフトする恐れがある。ＳＯＣを推定するためのもう１つの従来方法は、バッテリのＳＯＣと開回路セル電圧との既知の単調な関係を活用することである。しかしながら、この方法では、バッテリは、相当な期間にわたって電流がバッテリを通って流れていない緩和（relaxed）状態にあることが必要である。より正確なＳＯＣおよびＳＯＨ推定方法は、バッテリの正確な等価モデルを活用する。バッテリモデルについて大きくは２つのカテゴリが一般的であり、すなわち、第１のカテゴリは、「等価回路モデル」であり、これは、等価な抵抗器‐キャパシタネットワークによりバッテリ内の基本的な化学現象を模倣するものである。等価回路モデルの例は、直列抵抗モデル、１ＲＣ等価回路、２ＲＣ等価回路である。第２のカテゴリは、「電気化学モデル」、例えば、ＤＦＮ（Doyle-Fuller-Newman ）モデル、ＳＰＭ（単一粒子モデル）である。電気化学モデルは、モデル化における基礎をなす複雑さのために計算を多用し、かくして、実用的なＢＭＳシステムでは一般的には用いられていない。一般に、等価回路モデルは、電気化学モデルよりも精度が低いが、実用的なＢＭＳにおける具体化には適している。

かくして、少なくとも上述の問題に取り組むバッテリの充電状態および健全状態を推定する方法が当該技術分野において要望されている。

本発明の一観点では、本発明は、バッテリの充電状態および健全状態を推定する方法に関する。この方法は、バッテリの一般的に知られている電圧値および一般的に知られている充電状態ならびにバッテリのインピーダンスおよび電荷容量に基づいて第１のベクトルおよび第２のベクトルを初期化するステップと、第２のベクトルの固定値を推測した上で第１の状態空間フィルタを利用した第１の等価回路ソルバによって第１のベクトルを推定して更新するステップと、「電気化学モデル」に基づいて第２のベクトルを全体的にまたは部分的に推定して更新するステップと、第２の状態空間フィルタを利用した第２の等価回路ソルバによって第２のベクトルを全体的にまたは部分的に推定して更新するステップと、電気化学モデルおよび第２の状態空間フィルタを利用した第２の等価回路ソルバによる第２のベクトルの更新済み値をマージするステップと、バッテリの充電状態を第１のベクトルの更新済み値から得るとともにバッテリの健全状態を第２のベクトルのマージされた更新済み値から得るステップとを含む。

本発明の一実施形態では、第１のベクトルは、バッテリの電圧変数および充電状態を含む状態ベクトルである。

本発明の別の実施形態では、第２のベクトルは、バッテリのインピーダンス要素および電荷容量を含むパラメータベクトルである。

本発明の別の実施形態では、第１の等価回路ソルバおよび第２の等価回路ソルバに対応した等価回路が、既知の推定インピーダンスを備えた１つ以上のＲＣ素子、およびセルの開回路電圧を呈する電圧源を含む。

本発明の別の実施形態では、等価回路のセルの開回路電圧は、セルの充電状態の非線形関数である。

本発明の別の実施形態では、第１の状態空間フィルタは、カルマンフィルタである。一実施形態では、第２の状態空間フィルタは、カルマンフィルタである。一実施形態では、電気化学モデルは、電解液型拡張単一粒子モデル（Enhanced Single Particle Model）である。

もう一つの観点では、本発明は、バッテリの充電状態および健全状態を推定するシステムに関する。本システムは、バッテリのセルにかかる電圧を検出する電圧検出回路系と、バッテリのセルを通る電流を検出する電流検出回路系とを含む。本システムは、バッテリの一般的に知られている電圧値および一般的に知られている充電状態ならびにバッテリのインピーダンスおよび電荷容量に基づいて第１のベクトルおよび第２のベクトルを初期化し、第２のベクトルの固定値を推測した上で第１の状態空間フィルタを利用した第１の等価回路ソルバによって第１のベクトルを推定して更新し、電気化学モデルに基づいて第２のベクトルを全体的にまたは部分的に推定して更新し、第２の状態空間フィルタを利用した第２の等価回路ソルバによって第２のベクトルを全体的にまたは部分的に推定して更新し、電気化学モデルおよび第２の状態空間フィルタを利用した第２の等価回路ソルバによる第２のベクトルの更新済み値をマージし、バッテリの充電状態を第１のベクトルの更新済み値を得るとともにバッテリの健全状態を第２のベクトルのマージされた更新済み値から得るよう構成された中央処理ユニットをさらに含む。

本発明の別の実施形態では、第１の状態空間フィルタは、カルマンフィルタである。一実施形態では、第２の状態空間フィルタは、カルマンフィルタである。一実施形態では、電気化学モデルは、電解液型拡張単一粒子モデルである。

本発明の実施形態を参照し、これら実施形態の実施例が添付の図に示されているといえる。これらの図は、本発明の例示であって、限定ではない。本発明を一般的にはこれらの実施形態との関連で説明するが、理解されるべきこととして、本発明の範囲をこれらの特定の実施形態に限定することは意図されていない。

本発明の一実施形態に従って、バッテリの充電状態および健全状態を推定するシステムを示す図である。本発明の一実施形態に従って、バッテリの充電状態および健全状態を推定する方法を示す図である。本発明の一実施形態に係る等価回路ソルバを示す図である。本発明の一実施形態に従って、カルマンフィルタを利用した第１のベクトル推定によるカルマンフィルタを利用した第２のベクトル推定およびｅＳＰＭを利用した第２のベクトル推定の仕方を示す図である。本発明の一実施形態に係る等価回路ソルバのための２ＲＣ等価回路を示す図である。本発明の一実施形態に係る電気化学電池の内部構造およびそのｅＳＰＭ等価構造を示す図である。本発明の一実施形態に従って、２ＲＣモデルをセルとみなす負電極と関連したキャパシタンスのプロット図である。本発明の一実施形態に従って、２ＲＣモデルをセルとみなす正電極と関連したキャパシタンスのプロット図である。

本発明は、バッテリの充電状態および健全状態を推定する方法およびシステムに関する。特に、本発明は、バッテリの充電状態および健全状態を推定する方法およびシステムであって、バッテリが１つ以上の電気化学電池を含むことを特徴とする方法およびシステムに関する。

図１は、バッテリ１０の充電状態および健全状態を推定するシステム１００を示している。このシステムは、１つ以上のセルスタックを有するバッテリパック１０、バッテリ１０のセルを通る電流を検出する電流検出回路系１２０、およびバッテリ１０のセルにかかる電圧を検出する電圧検出回路系１１０を含む。一実施形態では、各セルスタックは、直列および並列の組み合わせ状態に適切に接続された一組のセルを含む。一実施形態では、セルスタックはまた、バッテリのサーマルマップ（温度地図）を得るために１つ以上の温度センサをさらに含む。このシステムでは、電流検出回路系１２０、電圧検出回路系１１０、および温度検出回路系１３０は、セルスタックおよび中央処理ユニット（中央処理装置）１４０に結合されている。

一実施形態では、バッテリ１０の電圧、電流および温度データの測定は、バッテリ１０に組み込まれた関連のセンサを用いて定期的にサンプリングされる。電圧検出回路系１１０は、セル電圧をサンプリングするためにセル端子に接続され、温度検出回路系１３０は、温度データをサンプリングするためにセルスタックの温度センサに接続されている。電流検出回路系１２０は、バッテリ１０中の電流センサを用いて電流データをサンプリングするよう構成されている。中央処理ユニット１４０は、以下に説明するように、バッテリ１０のセルの充電状態（ＳＯＣ）および健全状態（ＳＯＨ）を推定するよう構成されている。

図２は、バッテリ１０の充電状態および健全状態を推定する方法２００の方法ステップを示している。ステップ２Ａでは、バッテリの一般的に知られている電圧値および一般的に知られている充電状態ならびにバッテリ１０のインピーダンスおよび電荷容量（Ｑ）に基づいて第１のベクトル（ｘ）および第２のベクトル（Θ）を初期化する。一実施形態では、第１のベクトル（ｘ）は、バッテリ（１０）の電圧変数および充電状態を含む状態ベクトルである。別の実施形態では、第２のベクトル（Θ）は、バッテリ（１０）のインピーダンス要素および電荷容量（Ｑ）を含むパラメータベクトルである。

ステップ２Ｂでは、第２のベクトル（Θ）の固定値を推測した上で第１の状態空間フィルタを利用した等価回路ソルバによって第１のベクトル（ｘ）を推定して更新する。図３は、本発明における基礎をなす第１の等価回路ソルバを示している。第１の等価回路ソルバは、既知の推定インピーダンスを備えた１つ以上のＲＣ素子、およびセルの開回路電圧を呈する電圧源を含む。ＲＣ素子のインピーダンスは、第２の状態空間フィルタを利用した等価回路ソルバによって推定され、これについてはさらに説明する。理解されるように、源前後の電圧（Ｖｏｃ）は、充電状態の非線形関数であり、この場合、ＳＯＣは、電流“Ｉ_cell”および電荷容量（Ｑ）の関数である。等価回路ソルバのインピーダンスは、複数の抵抗および容量（ＲＣ）素子で構成される。電流Ｉ_cellおよび端子電圧Ｖ_tは、セル端子に接続された負荷で決まり、これら変数は両方とも、図１に示すように電流検出回路系１２０および電圧検出回路系１１０を用いて測定される。

上述したように、本発明は、図３に示すような、等価回路ソルバと関連した変数を、状態ベクトル（ｘ）およびパラメータベクトル（Θ）にカテゴライズする。上述したように、一実施形態では、状態ベクトル（ｘ）は、セル内の比較的短期の動力学的特徴を捕捉し、パラメータベクトル（Θ）は、セル内の比較的長期の動力学的特徴を捕捉する。一例として、状態ベクトル“ｘ”は、電圧変数Ｖ₁～Ｖ_nおよびＳＯＣで構成され、パラメータベクトルは、インピーダンス要素Ｒ₀，Ｒ₁～Ｒ_n，Ｃ₁～Ｃ_nおよび電荷容量Ｑで構成される。

ステップ２Ｃでは、電気化学モデルに基づいて第２のベクトル（Θ）を全体的にまたは部分的に推定して更新する。ステップ２Ｄでは、第２の状態空間フィルタを利用した等価回路ソルバによって第２のベクトル（Θ）を全体的にまたは部分的に推定して更新し、この第２のベクトル（Θ）は、インピーダンスに対する負荷の長期作用効果を捕捉する。

図５を参照すると、図示の実施形態では、電気化学電池（例えば、リチウムイオン電池）の２ＲＣ等価回路ソルバが示されており、この場合、図３のインピーダンスのＲＣ部品の数は、２つである。源前後の電圧は、セルの開回路電圧（Ｖｏｃ）がセル中に存在する電荷量の直接的な指標であることを意味している。開回路電圧は、Ｖｏｃによって表され、この開回路電圧は、充電状態の非線形関数である。インピーダンスは、直列に接続されたＤＣインピーダンスＲ₀および２つのＡＣインピーダンス成分によって特徴付けられる。各ＡＣ成分は、抵抗ＲとキャパシタンスＣの並列組み合わせである。

図５のＶ_nとＶ_pは、それぞれのＲＣ部品前後の電圧降下である。図５の放電電流“Ｉ_cell”は、回路端子が負荷に接続されたときの電流の流れ方向を示している。電圧と電流の関係は、次式によって表され、すなわち、
上式において、Ｖｏｃ（ＳＯＣ）は、セルの化学的特性に特有の所定の関数であり、ＳＯＣ、Ｖ_n、Ｖ_pに関する表現は、次の通りである。
上式において、Ｑは、セルの電荷貯蔵容量である。

本発明のこの実施形態は、等価回路ソルバに関する基礎となる回路として上述の２ＲＣ等価回路を用いている。

第１の状態空間フィルタの状態ベクトル“ｘ”は、ＳＯＣ、Ｖ_n、Ｖ_pで構成されている。電流検出回路系１２０および電圧検出回路系１１０を用いて変数Ｖ_t、Ｉ_cellを得ることができる。他のパラメータＲ₀、Ｒ_p、Ｒ_n、Ｃ_p、Ｃ_n、Ｑは、内部の化学構造をエミュレートするセルパラメータであり、そしてかかる他のパラメータは、パラメータベクトル“Θ”にされる。入力変数、例えばＩ_cellは、入力ベクトル“Ｕ”にされる。

一実施形態では、図４を参照すると、等価回路ソルバのための第１の状態空間フィルタおよび等価回路ソルバのための第２の状態空間フィルタは、カルマンフィルタである。図４に示されたブロックレベルアーキテクチャは、状態空間フィルタを示している。第１の等価回路ソルバおよび第２の等価回路ソルバは、セルパラメータを予測するためのエイジング（経年劣化）モデル、例えば既知の「ヌルモデル（Null model）」を前提とするカルマンフィルタを用いる。一実施形態では、カルマンフィルタは、さらに、予測ステップおよび補正ステップとして具体化できる。これらカルマンフィルタは両方とも、最適な出力を提供するために情報を交換することができる。

図４および図６を参照すると、一実施形態では、第２のベクトルの推定および更新のためのステップ２Ｄで言及した電気化学モデルは、電解液型の拡張単一粒子モデル（Enhanced Single Particle Model：ｅＳＰＭ）である。図６に示すように、電解液型拡張単一粒子モデルの内部セル構造は、正電荷‐キャリヤ（例えば、リチウムイオン）の移動性の実現を容易にするために電解液で満たされた多孔質の負電極と多孔質の正電極を有する。これら電極は、正電荷‐キャリヤの移動性の実現を可能にする一方で、電子の流れを阻止するためのセパレータを用いて互いに離隔される。負荷を備えた外部の閉電気回路は、電子の流れを容易にし、かくして、電流の流れが作られる。各電極は、電子を移動させることができるように高伝導率の電流コレクタに直に接続されている。

セル構造のｅＳＰＭ等価例は、実際のセルの単一球形構造として等価濃度を有する電極の単一球形構造を採用している。これにより、セルの動力学的モデル化を著しく損なわないで、構造的複雑さが減少する。ｅＳＰＭモデルはまた、イオン運動にほぼ受動的な役割を果たすセパレータをなくす。電極電流コレクタは、これらが電子の移動にとって欠くことができないので保持される。

電極粒子インピーダンスを、図５に示すような並列ＲＣネットワークに近似させることができる。Ｒ_n、Ｃ_n成分は、負の電極インピーダンスを示し、Ｒ_p、Ｃ_p成分は、正電極のインピーダンスを示している。電流コレクタの両方が組み合わされた場合の抵抗は、Ｒ₀と関連している。ｅＳＰＭモデルを利用した電気化学モデルは、Ｃ_n、Ｃ_pパラメータを、ＳＯＣおよび電荷容量Ｑを含む変数の関数として推定する。これは、正電荷‐キャリヤ（例えば、リチウムイオン）の流れを単一粒子電極相互間で駆動する内部セル拡散の概念を用いている。図７は、Ｃ_nの代表的なプロットをＳＯＣの関数として示し、図８は、Ｃ_pの代表的なプロットをＳＯＣの関数として示している。これらプロットの両方は、セルの経年劣化が続いているときにセルの電荷容量（Ｑ）が悪化し続けることによる変動を示している。“Θ”をｅＳＰＭモデルに基づいて更新することにより、入力されたＳＯＣおよび“Θ”パラメータに基づいてＣ_n、Ｃ_p値が予測される。

ステップ２Ｅでは、上述したように電気化学モデルおよび第２の状態空間フィルタを利用した等価回路ソルバによる第２のベクトル（Θ）の更新済み値をマージすると、その結果として、第２のベクトル（Θ）のより正確な推定が得られる。最後に、ステップ２Ｆでは、上述したように、バッテリの充電状態を第１のベクトル（ｘ）の更新済み値から得るとともにバッテリの健全状態を第２のベクトル（Θ）のマージされた更新済み値から得る。

有利には、本発明は、等価回路モデルの単純性から恩恵を受ける一方で、電気化学モデルの精度からの恩恵をも受けるバッテリの充電状態および健全状態の推定方法を提供する。

さらに、本発明のシステムおよび方法は、電気自動車またはハイブリッド自動車用のバッテリマネジメントシステムに組み込み可能であり、それにより、極めて正確なだけでなく、それほど計算しなくても済むバッテリの充電状態および健全状態の推定システムが提供される。バッテリの充電状態の正確な予測は、バッテリが充電される必要のある時期および電気自動車の走行可能範囲に関してユーザに示し、バッテリの健全状態の正確な予測は、バッテリを交換する必要のある時期に関してユーザに示す。

本発明をある特定の実施形態に関して説明したが、当業者には明らかなように、以下の特許請求の範囲に記載された本発明の範囲から逸脱することなく、種々の変更および改造を行うことができる。

Claims

システム（１００）の中央処理ユニット（１４０）によって実行され、バッテリ（１０）の充電状態および健全状態を推定する方法（２００）であって、
前記バッテリの電圧値および充電状態ならびに前記バッテリ（１０）のインピーダンスおよび電荷容量（Ｑ）に基づいて第１のベクトル（ｘ）および第２のベクトル（Θ）を初期化するステップと、
前記第２のベクトル（Θ）の固定値を推測した上で第１の状態空間フィルタを利用した第１の等価回路ソルバによって前記第１のベクトル（ｘ）を推定して更新するステップと、
電気化学モデルに基づいて前記第２のベクトル（Θ）を推定して更新するステップと、
第２の状態空間フィルタを利用した第２の等価回路ソルバによって前記第２のベクトル（Θ）を推定して更新するステップと、
前記電気化学モデルと、前記第２の状態空間フィルタを利用した第２の等価回路ソルバとのそれぞれによる前記第２のベクトル（Θ）の更新済み値をマージするステップと、
前記バッテリ（１０）の前記充電状態を前記第１のベクトル（ｘ）の前記更新済み値から得るとともに前記バッテリの前記健全状態を前記第２のベクトル（Θ）の前記マージされた更新済み値から得るステップとを含む、方法。
前記第１のベクトル（ｘ）は、前記バッテリ（１０）の電圧変数および充電状態を含む状態ベクトルである、請求項１記載の方法（２００）。
前記第２のベクトル（Θ）は、前記バッテリ（１０）のインピーダンス要素および電荷容量（Ｑ）を含むパラメータベクトルである、請求項１記載の方法（２００）。
前記第１の等価回路ソルバおよび前記第２の等価回路ソルバに対応した等価回路が、既知の推定インピーダンスを備えた１つ以上のＲＣ素子、およびセルの開回路電圧（Ｖｏｃ）を呈する電圧源を含む、請求項１記載の方法（２００）。
前記等価回路の前記セルの前記開回路電圧（Ｖｏｃ）は、前記セルの前記充電状態の非線形関数である、請求項４記載の方法（２００）。
前記第１の状態空間フィルタは、カルマンフィルタである、請求項１記載の方法（２００）。
前記第２の状態空間フィルタは、カルマンフィルタである、請求項１記載の方法（２００）。
前記電気化学モデルは、電解液型拡張単一粒子モデル（Enhanced Single Particle Model）である、請求項１記載の方法（２００）。
バッテリ（１０）の充電状態および健全状態を推定するシステム（１００）であって、
前記バッテリ（１０）のセルにかかる電圧を検出する電圧検出回路系（１１０）と、
前記バッテリ（１０）のセルを通る電流を検出する電流検出回路系（１２０）と、
前記バッテリの電圧値および充電状態ならびに前記バッテリ（１０）のインピーダンスおよび電荷容量（Ｑ）に基づいて第１のベクトル（ｘ）および第２のベクトル（Θ）を初期化し、第２のベクトル（Θ）の固定値を推測した上で第１の状態空間フィルタを利用した第１の等価回路ソルバによって前記第１のベクトル（ｘ）を推定して更新し、電気化学モデルに基づいて前記第２のベクトル（Θ）を推定して更新し、第２の状態空間フィルタを利用した第２の等価回路ソルバによって前記第２のベクトル（Θ）を推定して更新し、前記電気化学モデルと、前記第２の状態空間フィルタを利用した等価回路ソルバとのそれぞれによる前記第２のベクトル（Θ）の更新済み値をマージし、前記バッテリ（１０）の前記充電状態を前記第１のベクトル（ｘ）の前記更新済み値から得るとともに前記バッテリの前記健全状態を前記第２のベクトル（Θ）の前記マージされた更新済み値から得るよう構成された中央処理ユニット（１４０）とを含む、システム（１００）。
前記第１のベクトル（ｘ）は、前記バッテリ（１０）の電圧変数および充電状態を含む状態ベクトルである、請求項９記載のシステム（１００）。
前記第２のベクトル（Θ）は、前記バッテリ（１０）のインピーダンス要素および電荷容量（Ｑ）を含むパラメータベクトルである、請求項９記載のシステム（１００）。
前記第１の等価回路ソルバおよび前記第２の等価回路ソルバに対応した等価回路が、既知の推定インピーダンスを備えた１つ以上のＲＣ素子、およびセルの開回路電圧（Ｖｏｃ）を呈する電圧源を含む、請求項９記載のシステム（１００）。
前記等価回路の前記セルの前記開回路電圧（Ｖｏｃ）は、前記セルの前記充電状態の非線形関数である、請求項１２記載のシステム（１００）。
前記第１の状態空間フィルタは、カルマンフィルタである、請求項９記載のシステム（１００）。
前記第２の状態空間フィルタは、カルマンフィルタである、請求項９記載のシステム（１００）。
前記電気化学モデルは、電解液型拡張単一粒子モデル（Enhanced Single Particle Model）である、請求項９記載のシステム（１００）。