用于在电池非平衡时确定电池的荷电状态的设备和方法

专利名称：：用于在电池非平衡时确定电池的荷电状态的设备和方法
技术领域：
：精确且可靠的荷电状态(State-of-Charge)(SoC)指示是任何由可再充电电池供电的设备上的重要特征。利用精确且可靠的SoC指示，用户将使用全部可用的电池容量，这将防止会导致电池更早用坏的不必要的再充电。已经公布了多种针对SoC指示的方法并且申请了专利。基本上这些方法可以被分成两组，即直接测量和簿记，正如在H.J.Bergveld、W.S.Kruijt、P.H.L.Notten的"BatteryManagementSystems-DesignbyModelling(电池管理系统——建模设计)"(PhilipsResearchBookSeries,vol.1,KluwerAcademicPublishers,Boston,2002，ISBN1-4020-0832-5)—书中(特别是在该文献的第6章中)所描述的那样。在直接测量的情况下，测量一个电池变量(比如端子电压、阻抗或温度)并且例如基于查找表或函数将该测量值直接转换成SoC值。这组方法的主要优点在于，一旦所述SoC指示系统被连接到所述电池之后，就可以开始测量并且可以确定SoC。这组方法的主要缺点在于，很难在所述查找表或函数中包括所有相关的电池行为。这意味着在所述查找表或函数中没有预见到的用户条件下，必须通过对所述制成表的数据进行内插或外插来获得所述SoC。这就导致所预测的SoC不精确。
背景技术：
：据US-A-6420851公开，所谓的电动势(EMF)是通过直接测量得到的用于SoC指示的一种有用的电池变量。EMF是正、负电极的平衡电势差，并且可以在电池平衡时于所述电池端子处测量，所谓的平衡即没有外部电流流动并且电池电压已经从先前的充电/放电电流的施加完全弛豫。通过测量平衡条件下的电池电压，可以通过存储在所述系统中的EMF-SoC关系把所测量的电压转换成SoC值。所存储的该曲线可以由SoC指示系统制造商按照几种方式在实验室中获得，其中包括内插、外插和弛豫。EMF-SoC关系的优点在于，在把SoC绘制于例如从0%-100%的相对轴上的条件下，当电池老化时，所述曲线保持不变。但是这种方法在有外部电流流动时或者在电流流动之后电池电压完全弛豫之前不能工作，这是因为电池端子电压在这种情况下不等于EMF。簿记方法组的基础是库仑计数，即尽可能精确地测量流进及流出电池的电流，并且对净电流进行积分。这在所述电池是线性电容器的情况下将得到良好的SoC指示。不幸的是，这种情况并不成立。例如，由于扩散限制，所存储的电荷并非在所有条件下都可用于用户，并且当电池不在使用中时，电池电荷将由于自放电而緩慢减少。这种电池相关的行为大多数都与温度和SoC密切相关，并且在库仑计数之外还需要考虑这些行为，例如通过降低取决于电池的SoC和温度的计数器内容来考虑自放电。其主要优点在于，一般来说，制成表的数据的数量可以少于直接测量系统中的情况。其主要缺点在于(i)所述系统需要一直连接到电池；(ii)在第一次连接时，所述系统不知道SoC(即必须对积分起始点进行编程)；以及(iii)需要校准点。后一个缺点是因为所述系统以时间积分为基础，这意味着被存储在所述系统中的电池行为的测量误差和误差将随着时间累积。在可再充电电池的情况下，定义在使用中会足够经常遇到的校准点是一项艰巨的挑战。在直接测量SoC指示系统和簿记SoC指示系统中，电池行为都将由于老化而随着时间改变。例如，最大可用电池容量将随着时间降低。老化过程与使用条件密切相关，比如所施加的充电和放电电流、贮存条件、温度等等。为了应对老化，需要为所述系统添加某种形式的适应性以便更新参数值，从而使得SoC预测在电池老化时保持精确。基于上面描述的知识，Philips研究机构已经开发了一种能够组合直接测量与簿记的优点的SoC指示方法。所述方法的主要特征在于，当电池处于所谓的平衡状态时通过电压测量来执行SoC估计，并且当电池处于非平衡状态时则通过电流测量来执行SoC估计。在平衡的情况下没有外部电流流动或者仅由4艮小的外部电流流动，并且电池电压已经从先前的充电或放电完全弛豫。如上所述，在平衡条件下，所测量的电池电压实际上等于电池的EMF。因此，在这些条件下可以应用EMF方法。当电池处于非平衡状态时，所述电池或者被充电或者被放电，并且通过电流积分来计算从所述电池吸取的或者提供给所述电池6的电荷。从先前计算的SoC值中减去或加上该电荷。除了估计作为仍然存在于电池内部的电荷数量的一种度量的SoC之外，所述方法还预测所述应用在预定义的条件下的剩余使用时间。这是通过估计在电池电压将下降到低于所谓的放电终止电压Ve。d之前所要花费的时间而实现的。该电压是最小电压，低于该电压则所述应用将不再起作用。为了估计这一时间，基于SoC的当前值、所存储的EMF曲线和所谓的超电势函数对于所选的负载条件预测电池电压的进程。当电池被放电时，可以通过从EMF值中减去所述超电势而得到其电压。所述超电势取决于几个因素，其中包括SoC、电流、温度和时间，但是还取决于诸如所述电极的欧姆串联电阻之类的因素。这种SoC指示方法已经在US-A-6515453中申请专利，该方法后这也在WO-A-2005085889中申请了专利。本发明所克服的问题或缺点上面描述的SoC指示方法的一个优点在于，每次电池返回平衡时，可以基于电压测量和应用所述EMF方法来校准在先前的充电/放电周期期间利用库仑计数所获得的SoC。这与可以买到的簿记系统相比是一个优点，所述可以买到的簿记系统通常仅仅使用一个或两个并不常遇到的校准点，即"电池满"(在充电器中确定)和"电池空"(当电池电压在特定条件下下降到低于所述放电终止电压时确定)。换句话说，所提出的系统的校准频度高于现有的簿记系统，从而在保持簿记系统的优点的同时得到更高的精度。上面描述的SoC指示系统的另一个优点在于，可以在不必对电池施加完全充电/放电周期的情况下更新最大容量。假设从平衡状态开始对电池充电或放电特定的最小电荷数量，此后电池返回平衡，可以简单地通过把所述充电或放电步骤之前与之后的SoC差1%和在所应用数量q相关来计算所述最大容量。现有的系统总是必须应用一个完全充电/放电周期来确定最大可用电池容量。SoC指示系统能够精确地确定电池处于平衡状态是非常重要的。如果电池电压尚未稳定并且所述算法进入平衡模式，则电池电压将高于(当电流在充电步骤之后被中断时)或低于(当电流在放电步骤之后被中断时)EMF，从而导致过高(从充电步骤返回)或过低(从放电步骤返回)的预测SoC值。当这一错误的SoC值被用于校准时，所述系统的精度就受到损害。这对于最大容量的更新同样成立。例如，全弛豫，则在应用所迷放电步骤之后返回平衡状态时所预测的SoC将过低，因此最终计算出的最大容量将过低。这意味着在上面提到的参考文献中描述了精确返回所述算法的平衡状态的问题。作为说明，在图1中描绘了在应用了放电步骤之后的电池电压的弛豫过程。该图示出了在0%SoC(电池空)和5°C下的0.25C率的放电步骤之后的电池电压。所述电压最终弛豫到3.748V的稳定值，即对应于该SoC值的EMF。在30分钟的弛豫之后，开路电压(OCV)仍然与终值相差15mV。这意味着当所述算法在这30分钟之后返回平衡状态时，电池电压将仍然与真实的EMF相差15mV，这在本例中将转换为5"/。的SoC误差。在200分钟之后返回平衡状态在本例中将得到低于1%的可以接受的SoC误差。这也意味着在类似于图1中示出的情况下，只有在200分钟之后才能发生通过返回到平衡状态的系统校准。如果用户在这200分钟过去之前就再次开始给电池充电，就失去了校准机会。总而言之，在应用了充电/放电步骤之后精确地确定电池电压何时已稳定是非常重要的，并且可能花费很长时间。可以设想确定电池是否处于平衡状态的几种方法1、固定等待时间一种简单的方法是在电流中断之后等待固定时间量，并且假设在这一时间之后电池电压是稳定的。在这种情况下，必须把最长可能(即最坏情况)弛豫时间选择成确保电池确实处于平衡状态。对于较低的SoC和温度值，这可能会花费很长时间，例如参见图1。这种较长的休止期在便携式设备中很少出现。还可以把等待时间选择成例如SoC和温度的函数，但是即使是这样，例如由于电池之间的差别，仍然可能发生错误进入平衡状态的情况。此外，在EMF值变为可用并且对最大容量的校准或更新变为可能之前，所述系统必须等到电池已经弛豫为止。2、对应于所测量的dV/dt值的阈值8为了允许所述算法改变到平衡状态，必须满足稳定电压的条件。所述电压随时间的改变(即导数dV/dt)可以被用来做出如下确定当dV/dt低于特定阈值时，可以假设所述电压是稳定的，并且可以认为电池处于平衡状态。但是在正常条件下，由于总是有特定的小电流存在(例如在移动电话应用中是待机电流)，因此电池永远不会达到完全弛豫的状态。已经证明，仅仅通过dV/dt测量很难区分弛豫的和未弛豫的电池电压。如果对于所有的SoC值都使用相同的阈值来检测平衡(dV/dK阈值)，则发生错误检测的几率似乎相当高。这种方法的另一个缺点在于，在等待固定时间量方面，所述系统必须等到电池完全弛豫为止。3、电压预测方法预测弛豫终值当可以获得电压弛豫过程的模型时，可以基于弛豫条件来计算弛豫终值(即EMF)。这与使用固定等待时间或dV/dt阈值相比的主要优点在于，EMF值在电池完全弛豫之前就变为可用。这样就允许所述系统校准从长时间的库仑计数获得的SoC,即使当用户在相继的充电或放电之间没有留下用于完全弛豫的足够时间时也是如此。但是这当然对于所预测的弛豫终值的精度提出了很高的要求。在所描述的3种用来确定电池是否处于平衡状态的方法当中，第三种方法是最有利的，这是因为该方法将允许对于最大电池容量的更多校准机会和更新机会。现有技术提供了用以实现这一点的两种方法。J.H.Aylor、A.Thieme,B.W.Johnson的"ABatteryState-of-ChargeIndicatorforElectricWheelchairs(用于电动轮椅的电池荷电状态指示器)，，(IEEETrans.Onindustrialelectronics,vol.39,no.5，pp.398-409,1992年10月)z^开了一种铅酸电池领域内的电压预测方法。电池OCV恢复曲线。应当注意到，为了预测所述弛豫终值，该方法利用了从先前的实验室实验(Xp)获得的固定参数。如果电池老化并且电压弛豫行为发生改变，则在不更新该参数Xp的情况下，所述系统在预测正确的电压弛豫终值(即EMF)方面将变得越来越不精确。US-A-6，366，054(Hoenig等人)公开了一种基于所测量的电池OCV、所测量的电池OCV随时间的改变(dOCV/dt)以及在电压弛豫过程中的任意时间测量的温度的电压预测模型。本发明是关于铅酸蓄电池描述的，其具有足以产生24V的额定电压的多个原电池(cell)。但是也声明了对于其他电池化学性质的适用性。为了找到用于所述系统的正确参数，从空电池开始按照固定的步骤对电池进行充电和放电。每一次所述充电或放电电流被中断时就测量一组3个参数并且将其记录为数据点，直到电池电压/OCV稳定为止。这些参数包括电池电压(OCV)、电池OCV的改变速率以及温度。电池OCV和温度是作为瞬时测量而获得的，OCV的改变速率则是在预定时间段(例如30秒)内测量的。同样应当注意到，这种现有技术方法利用了从实验室实验获得的固定参数。当把这些参数存储在所述系统中并且电池特性发生改变时(由于老化，这将总是会发生的)，所预测的电压弛豫终值的精度将随着时间降低。总而言之，在US-A-6515453中描述的SoC指示方法的主要问题是对于电池平衡的精确确定。在用来确定弛豫之后的电池平衡电压的可用方法中，使用电压预测模型看起来最具吸引力。但是所述文献中的当前已知的方法在预测所述电压弛豫终值时利用了固定参数，这种做法的不利之处在于，由于老化而发生改变的电池特性将导致预测精度随着时间降低。
发明内容为了避免上述问题，本发明提供了一种用于确定已被充电或放电并且尚未达到其平衡状态的电池的荷电状态(SoC)的方法，所述方法包括以下步骤通过对在所述充电或放电过程之后的弛豫期间采样的电池电压进行外插来确定所述电池的EMF,其中所述外插是基于仅仅使用在所述弛豫过程期间采样的变量的外插模型；以及通过使用所述电池的EMF与荷电状态(SoC)之间的预定关系从所述电池的EMF导出所述电池的荷电状态(SoC)。这种方法是无需事先存储参数的电压预测方法。替代地，所述电压弛豫终值是基于电压弛豫曲线的所测量的第一部分和对于所述弛豫曲线的该所测部分的函数的数学优化/拟合而确定的。除了所述未知的电压弛豫终值之外，所述函数还包含同样通过拟合得到的另外一些参数。这意味着对于每一种单独的情况更新这些参数而无需事先存储值。10因此，不像现有技术方法那样使用先前存储的参数，从而使得所述方法比现有技术的电压预测方法更适合于应对电池老化。根据一种优选方法，在所述充电或放电过程结束之后，在所述弛豫过程期间测量至少4次电池电压，并且所述外插模型使用从所述测量得到的至少4个采样的电压值。已经证明，具有4个参数的函数可以足够精确地描述所述弛豫过程。因此，为了能够确定所述函数需要4次测量。另一个优选实施例提供了这样一种方法，其中通过使用由下面的公式描述的模型来执行所述外插其中，Voo(EMF值)、a、y和S是变量，并且^表示误差。这种方法的优点在于，可以在电流中断之后的前几分钟之内以足够高的精度预测EMF。此外，该方法还改进了现有技术SoC指示算法，这是因为其给出了更多校准机会并且解决了不能精确地确定电池平衡的问题。该方法还可以改进任何基于EMF方法的SoC指示系统。所述方法可以;故如下描述。在所述弛豫过程的开头，电池的实际开路电压与EMF不一致。这种差异的原因是在前一个(放电)充电周期期间建立的超电势。该超电势使得所述(放电)充电过程期间的电池电压偏离EMF。所建立的超电势是由于在电池中发生的各种电化学过程而导致的，比如全部两个电极中的Li+离子扩散、Li+和其他离子在电解质中的扩散和迁移、电极表面上的Butler-Volmer动力学限制等等。为此，所述弛豫过程一般来说是各种因素的复杂函数，比如SoC、向电池添加或从中移出的电荷数量、温度以及老化。如此大量的相关性使得很难在所述弛豫周期的最开头预测EMF。因此，应当观测特定时间段期间的所述弛豫过程，以便能够给出关于最终EMF值的精确预测。把tj标记为在所述弛豫过程期间观测电池电压Vti的时刻。这意味着用N个样本点(ti，Vti)来采样所述弛豫曲线的第一部分。通过下面的等式给出对应于在本ID中提出的电压弛豫的一般模型<formula>formulaseeoriginaldocumentpage12</formula>其中，参数"O、a>0、S>0是由速率决定的常数，如果电压正在上升(在放电步骤之后)则r等于+i，如果电压正在减小(在充电步骤之后)则r等于-l，Voo是最终弛豫电压(其是一个渐近值，即EMF)，Vt是时间t处的弛豫电压，1og6(t)是(以e为底的)时间的自然对数的参数S次幂，st是随机误差项。应当注意到，该模型采用了指数相乘的误差结构。可以通过应用集中普通最小二乘法(OLS)方案来估计参数Voo、8和y。因此，可以通过取平方值来重写上面的等式<formula>formulaseeoriginaldocumentpage12</formula>通过以e为底取对数值，该等式可以被筒化成通常的回归模型log(L-17')2=C+jlog(O+Z)log(log(力)+e,其中，对于充电和放电都有r2=l，并且有C-21og(力、A二2a以及D=-2S。对于K的每一个固定值，该等式表达出具有离散时刻t，…t]s处的弛豫电压样本Vti的通常的回归模型其中<formula>formulaseeoriginaldocumentpage12</formula>在矩阵表示法中其被写作下式其中，"Ov…，少J'、5二(^...,^)'和义=(^..,^)'是基于N个可用时刻ti的回归量矩阵，也就是说，该矩阵中的各列由1、log(ti)值和log(log(ti))值形成。在获得对于p的初始OLS估计量(即》二(ej，/3)'，其中3二(X7)'rj;)之后，基于对被用来计算y的^的初始猜测来计算I卜-Z,2，并且关于Voo对其进行最小化(其中每当V改变时就重新计算所述OLS估计量p)。这样得到了比起关于Voo和(J最小化等式11更加简单的实现方式。例如在放电步骤之后的弛豫的情况下可以通过向第一电压样本加上100mV而获得对Voo的初始猜测，或者在充电步骤之后的弛豫的情况下通过减去100mV而获得。最后，等式l的原始模型中的各参数将被恢复为f=ecp((/2)、6=-2/2和》=-i3/2。总而言之，等式1的电压预测模型被拟合到由各样本点(ti，Vti)所描述的所测量的弛豫曲线，其中i=LN。这样就产生了预测的弛豫电压曲线和预测的弛豫终值Voo。由于在等式l的模型中有4个未知参数(Voc、a、S、y)，因此需要至少4个样本点以便能够求解所述等式组，即N^4。另一个优选实施例提供了这样一种方法，其中至少一些样本是从通过求平均而受到低通滤波的多次电压测量得到的。本发明的发明人已经认识到，根据本发明测量的开路电压可能会出现电压尖峰和其他瞬态。通过对各组测量的结果求平均，可以最小化这种尖峰的效应。优选地，在所述外插处理中使用的电压样本是在所述充电或放电过程结束之后的6分钟内取得的。如前所述，本发明的目的是从在所述充电或放电过程之后4艮短时间内进行的测量提供对EMF的精确预测。已经发现，当所述测量是在所述弛豫过程的前6分钟内进行时，对于新的和老化的电池可以获得精确的结果，从而导致可以在短时间内精确地确定EMF(从而确定SoC)的优点。虽然所指出的6分钟给出了足够好的结果，但是可能根据电池的类型也能够设想到，当所述的结果，比如在前3分钟、4分钟或5分钟内，或者在前8、10、12或15分钟内。一般来说，当进行更多测量时，结果将更好。在所述弛豫过程期间测量的所述开路电压是从同时发生的多个过程得到的。已经认识到，在所述放电过程结束之后的前半分钟期间，所测量的电压是更为复杂的过程的结果。因此，在根据本发明的内插处理中所使用的公式在这前半分钟期间较不适用。因此，使用在这段初始时间期间取得的测量值将导致较不精确的结果。通过只在这一时间段之后才开始测量可以获得更加精确的结果。一个优选实施例提供这样一种方法，其中在所述外插处理中使用的第一个样本是在所述放电过程结束之后超过半分钟取得的。但是取代半分钟也可以使用其他时间，比如10秒钟、l分钟或2分钟。所述时间的选择取决于电池的属性，更具体来说取决于所述弛豫过程的持续时间。在进行第一次测量时距所述充电或放电过程之后的时间与在其间进行后续测量的持续时间之间也有关系；为了避免弛豫过程的影响把第一次测量延后的时间越长，延长用于后续测量的时间以获得所需精度的需求就越高。类似地还已经认识到，在所述充电过程结束之后的前半分钟期间，所测量的电压是更为复杂的过程的结果。因此，在根据本发明的内插处理中所使用的公式在这前半分钟期间较不适用。因此，使用在这段初始时间期间取得的测量值将导致较不精确的结果。通过只在这一时间段之后才开始测量可以获得更加精确的结果。一个优选实施例提供这样一种方法，其中在所述外插处理中使用的笫一个样本是在所述充电过程结束之后超过半分钟取得的。但是取代半分钟也可以使用其他时间，比如10秒钟、l分钟或2分钟。在另一个优选实施例中，对于确定电池的EMF所使用的外插模型也,皮用来确定时间，在该时间之后电池电压已经到达EMF。在某些情况下(例如在电池管理中)可能有兴趣确定在开路电池电压到达所述EMF之前所花的时间。一个特定的优选实施例提供这样一种方法，其中对于确定电池的EMF所^使用的外插模型也^L用来确定时间，在该时间之后电池电压已经到达EMF。利用上面提到的方法获得的时间可以被用在适配或重新校准被用于确定EMF的公式的处理中。一个优选实施例提供了下面的特征把通过所述外插处理确定的EMF值与在如权利要求8所述的方法中确定的时间之后测量的EMF值进行比较，并且其中当EMF的所述测量值与外插值之间的差大于预定值时，通过增大测量次数或者通过修改所述充电或放电过程的末尾与第一次测量之间的时间来适配所述模型。在这里应当注意到，所适配的并不是等式1中的参数，而是测量次数和进行这些测量的时间，即在所述拟合处理中考虑所述弛豫曲线的一部分。如前所述，本发明的主要目的是提供对于电池的荷电状态的精确指示。但是用户常常对于其在电池耗尽之前所能使用的应用的剩余时间更有兴趣。因此，本发明的一个优选实施例提到了这样一种方法，其中在当前的放电条件下计算剩余的使用时间。其间尚未达到平衡状态的那些时间期间确定电池的EMF(从而确定其荷电状态)。但是在被配备来在电池处于平衡状态时确定EMF和荷电状态以及在其中电池被充电或放电的情况下确定荷电状态的集成系统中，所述方法也可以^艮好地执行其功能。因此，本发明还涉及一种用时间中的电池的荷电状态(SoC)的方法，其中，根据如其中一条在前电状态。上面描述的方法优选地被实现在一种用于确定已被充电或放电并且尚未达到其平衡状态的电池的荷电状态(SoC)的设备中，所述设备包括测量装置，其用于在所述充电或放电过程之后的弛豫期间测量所述电池的开路电压；计算装置，其用于通过对电池开路电压的测量值进行外插来确定EMF，其中所述计算装置被适配成基于外插模型来执行外插，所述外插模型仅仅使用在所述充电或放电过程结束之后测量的变量；以及用于通过使用所述电池的EMF与荷电状态(SoC)之间的预定关系从所述电池的EMF导出所述电池的荷电状态(SoC)的装置。优选地，这种设备的计算装置被适配成通过使用由下面的公式描述的模型来执行所述外插K=r_-Zalog6《)其中，V①(EMF电压)、a、y和S是变量，并且e表示通过数学优化而被最小化的误差。另一个实施例提供了下面的特征所述测量装置被适配成对于每一个测量值执行多次测量，并且所述计算装置被适配成对各测量的电压求平均以便获得经过低通滤波的测量值。可以优选地把所述设备实现在电池充电设备中，或者实现在被适配成由电池供电的电设备中。这种电设备可以由便携式电子设备形成，比如移动电话、GPS设备或剃须刀，但是其也可以由比如混合动力车之类的包括牵引电池的电驱动车辆形成，其中所述设备被适配成确定所述牵引电池的荷电状态。下面将借助于附图阐述本发明，其中:15图1是示出了在放电电流步骤之后的电压弛豫的曲线图；图2是示出了本发明的一个实施例的图示；图3是根据本发明的方法的流程图；图4是本发明的另一个实施例的图示；图5-10是示出了不同情况下的本发明的方法的SoC估计中的误差的曲线图。具体实施例方式如在前面的部分中所描述的那样，新提出的电压预测模型可以被有利地使用在公开于US-A-6420851和US-A-6515453中的现有技术SoC指示算法中。但是所述电压预测模型也可以被使用在其中使用电池的EMF来确定SoC的任何SoC指示方法中。例如，过去针对铅酸电池设计的许多SoC系统都利用了所述铅酸电池的EMF与SoC之间的线性关系。一旦充电或放电电流中断之后，所述方法就允许基于来自所述电池弛豫曲线的测量电压样本快速地(即在几分钟之内)确定EMF。在图2中给出了关于如何能在SoC指示系统中实现所述电压预测方法的一般方框图。借助于例如包括滤波、放大和数字化的模拟预处理单元来测量电池电压Vl)at、电流Ihat和温度Tbat。所述电池变量的数字表示被馈送到数字处理装置，比如微控制器。所述电压预测方法以及任何基于EMF方法的SoC指示系统都运行在该数字处理单元上。该单元还利用存储器，所迷存储器可以是外部存储器或者存在于相同的硅管芯上的存储器。ROM存储器被用来事先存储特定于电池的数据，比如可能作为温度的函数的EMF曲线。RAM被用来写入临时数据或者存储电池历史信息。例如，所述电压弛豫曲线的第一部分可以被存储在该RAM存储器中，所述数字处理装置可以随后从该RAM存储器获得样本，并且在用来拟合等式1的参数Voo、a、8和Y的曲线拟合或线性回归方法中使用所述样本，从而使得所述模型拟合所述弛豫曲线的第一部分。随后可以在SoC指示算法中使用参数V①，以便通过存储在所述ROM中的EMF曲线来获得SoC值。可以通过显示器向用户直接显示所预测的SoC值，或者可以通过数字接口按照其他方式传达给用户。例如当在把SoC数据发送到所述便携式设备的主机处理器的专用SoC指示IC中存在图2中描绘的数字处理装置时就可以发生后一种情况。在图3中以流程图的形式示出了把所述电压预测方法编程到图2的数字处理装置中的一种可能方式。当充电或放电电流被中断时，所述算法开始。这可以从所述电流的测量值变为零推断出来。当这种情况发生时，首先开始一个持续时间为tl的等待循环，以便确保所述弛豫曲线的最陡峭部分(其对应于所述电池中的最快时间常数)已经过去。如在前面的部分中所提到的那样，可以使得时间h依赖于充电或放电是否已被中断，并且其对于中断的放电和充电例如可以是半分钟。取决于所使用的电池类型，也可以想到其他值。当时间^已经过去后，在外加电流保持为零的条件下取得时间tj处的N个电压样本Vti，其中i是从l到N。在记录了所述弛豫曲线的第一部分之后，可以例如借助于早前描述的拟合处理开始等式1的曲线拟合处理。在这里存在几种可能性。例如，基于所述时间样本ti的值，可以计算回归矩阵X并且将其存储在存储器(RAM)中。这样导致所述拟合处理的速度加快。可替换地，可以在需要的时候按照早前描述的log(ti)和log(log(ti))的形式计算矩阵X的各元素，这样导致所占用的存储器空间较小。当所述拟合处理完成时，等式1的参数V力、a、8和y是已知的。如图3中所示，可以把Voo的值直接传送到SoC算法，在该处可以基于EMF曲线将其转换成预测的SoC值。可替换地，作为对所述拟合处理的精度检查，所述算法可以等待并且取得另外的一些电压样本，可以把这些电压样本与利用所拟合的曲线在相应的时刻计算的电压值进行比较。在检查了足够多的电压点之后，可以把Voo的值传送到SoC指示算法。甚至还可以不时地通过等到所述电压确实稳定为止以便检验V①的预测值来完全检查所述算法。例如，在所述拟合处理之后，所述算法可以计算达到Voo的指定范围内将要花费多少时间。所述算法随后可以等待该时间而不取得附加样本，并且随后在该时间段之后对电压进行一次或几次采样，以便检验所预测的Voo值的精度。可以按照指定间隔对所述电压预测算法执行这种精度检查，例如每10个电压弛豫过程执行一次，或者每当电池确实有时间弛豫所预计的时间就执行所述精度检查。其结果可以被用来调谐所述参数h和N，即所述弛豫曲线的^皮用于拟合的该部分。作为最后一个实施例，例如如图3中所示地实现的所述电压预测模型还可以被具体实现在专利US-A-6420453的SoC指示算法中。在这里重复该专利的状态图以作参考，但是不重复对于各状态之间的每一次转换的详细解释。在图4中示出了一个流程图，其中把本发明的算法合并到US6，515，453中所描述的算法中。在过渡状态下，所述对数根据US-A-6515453确定电池电压是否稳定。可替换地，可以在进入所述过渡状态时使用例如在图3中实现的电压预测方法。一旦Voo的值可用(即在几分钟的弛豫之后)，就可以将其值传送到平衡状态，在所述平衡状态下，在EMF方法中使用所述值来预测SoC，以^f更校准所述系统。利用新的电压预测模型获得的结果为了测试所述电压预测模型的精度，以50mAh的步幅在不同C率(0.05C率、0.1C率、0.25C率、0.5C率)和不同温度(分别是25和45"C)下利用Maccor电池测试器对锂离子US18500G3电池(额定容量llOOmAh)进行充电和放电。在每一个充电或放电步骤之后，通过使用长弛豫时间而允许电池电压完全弛豫。基于所述弛豫曲线的第一部分，所述模型被用来预测所述电压弛豫终值。将该值与在长弛豫之后获得的所测量的电压终值进行比较。为了具有所述电压预测模型的有用结果以便应用在US-A-6515453的SoC指示方法中，由所述电压预测模型基于所预测的EMF进行的SoC预测中的误差应当小于1%。首先观察到，在最初的弛豫时刻的所述弛豫过程的垂直形状导致所预测的电压终值很不精确。为了获得能够最小化所预测的电压中的误差的对应于第一样本时间tl的最优值，使用MATLAB以等式1的模型仿真了利用如上所述的Maccor电池测试器获得的大约500条弛豫曲线。从这些仿真中可以推断出，对应于h的最优值对于放电和充电是半分钟。这意味着在电流中断之后，至少需要忽略最初的半分钟。被用来拟合所述等式的模型的电压样本应当在这一时间段之后取得。为了进一步研究所述电压预测模型的精度，在LabVIEW设置中执行了几次测量，其中对实际的电池进行充电和放电，并且通过等式1的电压模型实时地估计电流中断之后的终止电压。同样通过把利用基18于以等式1的模型预测的EMF电压的所述EMF曲线计算的SoC与基于从所述LabVIEW测量获得的最终EMF值(即在长期弛豫之后最终稳定的电压)计算的SoC进行比较来确定所述模型的精度。在放电之后电压中断的情况下忽略了第一分钟的弛豫。总的弛豫期被选择成使得在所有条件下都允许电池完全弛豫。此外还利用基于所述电池电压在弛豫期间的瞬时OCV值的EMF曲线确定SoC。如前所述，可以通过把所计算的该SoC与基于在长弛豫时间之后于电池端子处测量的最终EMF值的SoC进行比较来计算前者的误差。该误差给出关于在对于弛豫使用固定时间(此后电池将被视为处于平衡状态)的情况下将得到的误差量值的指示。在图5中绘制出在使用所述等式的电压弛豫模型时或者在使用对于0.25C率和5°C下的放电所获得的瞬时OCV值时所得到的SoC误差。如图5中所示，基于所述电压预测的SoC中的误差(SoCer(Vp))在5分钟的弛豫之后是大约0.62%，而在使用所述瞬时OCV值时的SoC误差SoCer(OCV)在此时则是大约6.16%。只有在260分钟的弛豫期之后才能获得0.6%的SoC误差SoCcr(OCV)。从这一点可以推断出，与在5分钟之后考虑电池OCV的情况相比，所述电压预测在5分钟之后提供更好的精度，并且其所提供的精度与在260分钟的弛豫之后考虑电池OCV的情况相同。在这种情况下，基于EMF预测和等式1的电压弛豫模型的系统的"速度"提高了52倍(即260/5=52)。这意味着基于仅仅前5分钟的弛豫(其中忽略笫一分钟)，可以按照与使用260分钟的固定弛豫时间的情况相同的精度基于所述EMF曲线来预测SoC。此外从图5中可以推断出，对于前300分钟，基于所预测的电压获得的SoC值比基于电池OCV获得的SoC值更加精确。在此之后这两个SoC值基本上相同。在图6和7中给出了在中断了25和45。C下的0.25C率的放电之后所获得的其他测量结果。在图6和7中，在利用电压预测(这是通过把等式1的模型拟合到所测量的弛豫曲线的第一部分并且使用所述EMF曲线中的所预测的电压)时所获得的SoCer(Vp)小于通过填充所述EMF曲线中的瞬时OCV值所获得的误差SoCer(OCV)。例如如图7所示，在考虑所述弛豫曲线的前两分钟(其中忽略所述模型拟合过程中的笫一分钟)时，电压预测提供0.3%的误差S0Cer(Vp),而S0Cer(OCV)在此时则是0.83%,对于该例，在整个弛豫时间段期间，利用等式1从电压预测获得的SoC都更加精确。因此，从到目前为止给出的测量可以推断出，所述电压预测模型比仅仅考虑OCV值的情况的性能更好，并且通常在5分钟的弛豫之后就获得小于1%的SoC误差。从图8-10中可以得出相同的结论，其中在不同温度下应用了0,25C率的充电步骤之后比较相同的曲线。在这种情况下，通过把所述等式的模型拟合到所述弛豫曲线而获得了SoCer(Vp)，其中忽略了前3分钟(这长于先前针对充电而定义的半分钟的时间段，其中为了得到良好的拟合应当忽略这段时间)。例如参见图8的大约4分钟的时间。此时，电压预测提供0.5%的误差SoCer(Vp)，而误差S0Cer(OCV)则是7.23。/。。在110分钟的休止期之后获得大约0，5%的误差SoCer(OCV)。因此，在4分钟之后，电压预测提供比考虑电池ocv的情况更好的精度，并且其所提供的精度与在U0分钟的弛豫之后考虑所述OCV的情况相同。在这种情况下，基于电压弛豫模型的系统的"速度"提高了27倍(即110/4=27)。在图8中还示出，对于前85分钟，基于所预测的电压所获得的SoC值比基于电池OCV所获得的SoC值更加精确。在此之后这两个SoC值基本上相同。从图5-10中可以推断出，在5分钟的弛豫之后基于所预测的电压计算的SoC在不同的SoC值、充电/放电速率和温度下都提供小于1.1%的SoC预测误差。这与使用固定弛豫时间的情况相比实现了可观的速度增益，从而意味着在5分钟的弛豫之后就已经能够基于所述EMF曲线以小于1。/o的"i吴差预测电池的SoC,此时所述电池电压尚未弛豫到所述EMF值。根据本发明的把等式1的电压预测模型在线拟合到所述弛豫曲线的第一部分的新方法也已净皮与Aylor和US-A-6366054的现有4支术电压预测方法做了比较。对于Aylor的渐近线系统，第一个电压样本在l分钟处取得(X=0)，第二个电压样本在6.6分钟处取得(X=0.82)。对于以OCV、dOCV/dt和温度为基础的系统4吏用了在专利US-A-6366054中提出的相同参数以及6.6分钟处的OCV和dOCV/dt值。使用了被用来绘制图5和图8的弛豫实验。在表l中概括了结果。第一列和第二列给出了模型名称和前一个步骤的类型(放电或充电)。在笫三列和第四列中分别给出了对应于三种模型当中的每一种的以[v为单位的平衡电压VEMF和预测电压Vp。第五列和第六列分别表示基于VEMF(S0Ctrue)和Vp(SoCp)计算的SoC指示。第七列表示被计算为真实的SoC值与预测的SoC值之间的差的SoC误差。表l、模型比较结果<table>tableseeoriginaldocumentpage21</column></row><table>表l清楚地示出，根据本发明的新方法的SoC误差要低于所述两个现有技术系统。Aylor的渐近线系统对于该锂离子电池实验的效果非常好。但是该系统是基于固定的参数Xp，该参数对于相同类型的其他电池和较旧的电池将是不同的。实际上，所述新模型还使用描述所述弛豫曲线的哪一部分被用于拟合所述等式的参数h和N。这些参数不描述实际的弛豫曲线，但是确实会影响预测精度。所述新模型与所述渐近线方法相比的一个优点在于，除了预测所述弛豫终值之外还预测达到该电压所花费的时间。该时间可以被用于调谐所述模型的参数h和N以便达到最优的拟合精度。US-A-6366054的组合方法对于该锂离子电池实验无法正确地工作。很明显，在等式中需要使用新的参数。在把所述模型拟合到该电池类型时将有可能获得更好的结果，但是即使这样也仍然存在使用固定参数值的缺点。本发明的应用本发明可以被应用在便携式的电池供电的设备中，特别是(但不限于)锂离子电池。本发明还可以与至少部分地基于所述EMF方法的SoC指示算法相结合地使用，并且即使在电池的老化过程中也可以得到对电池SoC的精确估计。权利要求1、用于确定已被充电或放电并且尚未达到其平衡状态的电池的荷电状态(SoC)的方法，所述方法包括以下步骤通过对在所述充电或放电过程之后的弛豫期间采样的电池电压进行外插来确定所述电池的EMF，其中所述外插是基于仅仅使用在所述弛豫过程期间采样的变量的外插模型；以及通过使用所述电池的EMF与荷电状态(SoC)之间的预定关系从所述电池的EMF导出所述电池的荷电状态(SoC)。2、如权利要求l所述的方法，其中，在所述充电或放电过程结束之后，在所述弛豫过程期间测量至少4次电池电压，并且所述外插模型使用从所述测量得到的至少4个采样的电压值。3、如权利要求2所述的方法，其中，通过使用由下面的公式描述的模型来执行所述外插K叶—_^^E'/2flOg6(,)其中V,(EMF值)、a、y和S是变量，并且￡表示误差。4、如权利要求1、2或3所述的方法，其中，至少一些样本是从通过求平均而受到低通滤波的多次电压测量得到的。5、如任一条在前权利要求所述的方法，其中，在所述外插处理中6、如任一条在前权利要^所述的方法，其中，在所述外插处L中使用的第一个样本是在所述放电过程结束之后超过半分钟取得的。7、如权利要求1-5当中的任一条所述的方法，其中，在所述外插处理中使用的第一个样本是在所述充电过程结束之后超过半分钟取得的。8、如任一条在前权利要求所述的方法，其中，对于确定电池的EMF所使用的所述外插模型也被用来确定时间，电池电压在该时间之后已经到达EMF。9、如权利要求8所述的方法，其中，把通过所述外插处理确定的EMF值与在如权利要求8所述的方法中确定的时间之后测量的EMF值进行比较，并且其中当EMF的测量值与外插值之间的差大于预定值时，通过增大测量次数或者通过修改所述充电或放电过程的末尾与所述第一次测量之间的时间来适配所述模型。10、如任一条在前权利要求所述的方法，其中，在当前的放电条件下计算剩余的使用时间(Um)。11、用于确定处在充电和放电过程以及其间没有充电或放电过程发生的空闲时间中的电池的荷电状态(SoC)的方法，其中，根据如其中一条在前权利要求所述的方法来确定在充电或放电过程之后的各时间段期间的荷电状态。12、用于确定已被充电或放电并且尚未达到其平衡状态的电池的荷电状态(SoC)的设备，其包括测量装置，其用于在所述充电或放电过程之后的弛豫期间测量所述电池的开路电压；计算装置，其用于通过对所述电池开路电压的测量值进行外插来确定EMF,其中所述计算装置被适配成基于外插模型来执行外插，所述外插模型仅仅使用在所述充电或放电过程结束之后测量的变量；以及用于通过使用所述电池的EMF与荷电状态(SoC)之间的预定关系从所述电池的EMF导出所述电池的荷电状态(SoC)的装置。13、如权利要求12所述的设备，其中，所述计算装置被适配成通过使用由下面的公式描述的模型来执行所述外插K=r-FYS入2其中，Va(EMF值)、a、y和S是变量，并且e表示误差。14、如权利要求12或13所述的设备，其中，所述测量装置被适配成对于每一个测量值执行多次测量，并且所述计算装置被适配成对各测量的电压求平均以便获得经过低通滤波的测量值。15、电池充电设备，其包括如权利要求12、13或14当中的一条所述的用于确定电池的荷电状态(SoC)的设备。16、适于由电池供电的电设备，其包括如权利要求12、13或14当中的一条所述的设备。17、比如移动电话、GPS设备或剃须刀之类的便携式电子设备，其包括如权利要求12、13或14当中的一条所述的设备。18、比如混合动力车之类的电驱动车辆，其包括牵引电池和如权利要求12、13或14所述的设备，其中，所述设备被适配成确定所述牵引电池的荷电状态。全文摘要本发明涉及一种方法和一种设备，比如用于确定已被充电或放电并且尚未达到其平衡状态的电池的荷电状态的充电器，所述方法包括以下步骤通过对在所述充电或放电过程之后的弛豫期间采样的电池电压进行外插来确定所述电池的EMF，其中所述外插是基于仅仅使用在所述弛豫过程期间采样的变量的模型；以及通过使用EMF与所述荷电状态之间的预定关系从所述电池的EMF导出所述荷电状态。该方法是一种无需事先存储参数的电压预测方法。替代地，基于电压弛豫曲线的所测量的第一部分和对于所述弛豫曲线的该所测部分的函数的数学优化/拟合来确定电压弛豫终值。文档编号G01R31/36GK101535827SQ200780040604公开日2009年9月16日申请日期2007年10月25日优先权日2006年10月30日发明者H·J·伯格维尔德,P·H·L·诺滕,V·波普申请人:皇家飞利浦电子股份有限公司