用于估计电池状态的方法和设备与流程

技术领域

以下描述涉及一种用于估计电池状态的方法和一种用于估计电池状态的设备。

背景技术：

许多电子装置包括在电子装置的操作期间被反复充电的电池(例如，二次电池)。随着二次电池充放电次数的增加，二次电池的容量逐渐减小。随着每次充电循环，电子装置的电池的寿命减少。由于电池的寿命的减少，在大量的充电循环之后，不再能够达到初始电池容量。随着电池的容量的持续减少，电子装置的功率、操作时间和稳定性会达成妥协。因此，需要使用替换电池来更换电池。

为了确定更换电池的估计时间，可估计电池的健康状态(SOH)。

技术实现要素：

提供本发明内容以采用简化形式介绍将在以下具体实施方式中被进一步描述的构思的选择。本发明内容目的不在于确定要求保护的主题的关键特征或必要特征，也不在于用来帮助确定要求保护的主题的范围。

在一个总的方面，一种用于估计电池状态的设备包括：数据接收器，被配置为从包括在电池组中的电池模块接收与电池模块关联的模块数据；处理器，被配置为从模块数据获取与包括在电池模块中的电池单元相应的单元数据，并基于单元数据确定电池模块的模块状态。

处理器还可被配置为基于模块状态确定电池组的组状态。

电池组可包括多个电池模块；处理器还可被配置为计算所述多个电池模 块的各个模块状态的统计值，并基于所述统计值确定组状态。

电池组可安装在电动车辆(EV)中；处理器还可被配置为计算所述多个电池模块的模块状态的最小值，并基于所述最小值确定组状态。

所述设备还可包括：数据发送器，被配置为将模块状态和组状态中的任何一个或两个发送到外部装置。

电池模块可包括彼此并联连接的多个电池单元；处理器还可被配置为通过基于彼此并联连接的电池单元的数量将模块数据转换为单元数据来获取单元数据。

模块数据可包括从电池模块输出的电压信号的值、从电池模块输出的电流信号的值以及从电池模块输出的温度信号的值；处理器还可被配置为通过保持电压信号的值和温度信号的值并将电流信号的值除以并联连接的电池单元的数量来获取单元数据。

所述设备还可包括：预处理器，被配置为对接收到的模块数据进行预处理，并将预处理后的模块数据提供给处理器。

模块数据可包括从电池模块输出的电压信号、从电池模块输出的电流信号和从电池模块输出的温度信号中的任何两个或更多个中的任何一个或任何组合。

处理器还可被配置为基于模块状态估计电池组的电池寿命，并基于估计的电池寿命确定电池组中的荷电量。

所述设备还可包括：存储器，被配置为存储通过对单个电池单元中的退化进行建模获得的电池退化模型；处理器还可被配置为使用电池退化模型基于单元数据确定模块状态。

电池组可包括彼此串联连接的多个电池模块；所述多个电池模块中的每个电池模块可包括彼此并联连接的多个电池单元。

在另一总的方面，一种估计电池状态的方法包括：从包括在电池组中的电池模块接收与电池模块关联的模块数据；从模块数据获取与包括在电池模块中的电池单元相应的单元数据；基于单元数据确定电池模块的模块状态。

所述方法还可包括：基于模块状态确定电池组的组状态。

电池组可包括多个电池模块；确定组状态的步骤可包括：计算所述多个电池模块的各个模块状态的统计值；基于所述统计值确定组状态。

电池模块可包括彼此并联连接的多个电池单元；获取单元数据的步骤可 包括：基于彼此并联连接的电池单元的数量将模块数据转换为单元数据。

在另一总的方面，一种非暂时性计算机可读存储介质存储使计算硬件执行如上所述的方法的指令。

在另一总的方面，一种用于估计具有nSmP(n和m为等于或大于1的整数)结构的电池组的状态的设备包括：数据接收器，被配置为从电池组接收与具有1SmP结构的多个电池模块中的每个电池模块相关的模块数据；处理器，被配置为基于模块数据获取与每个电池模块相应的单元数据，并基于单元数据估计电池组的状态。

处理器还可被配置为基于单元数据估计所述多个电池模块的各个模块状态，并基于估计的模块状态确定电池组的状态。

每个电池模块可包括彼此并联连接的m个电池单元；处理器还可被配置为通过基于彼此并联连接的电池单元的数量m将模块数据转换为单元数据来获取单元数据。

在另一总的方面，一种用于估计包括多个电池单元的电池的电池状态的设备包括：简化器，被配置为基于包括多个电池单元的电池的一部分的电池数据将所述电池的一部分表示为单个电池单元；估计器，被配置为基于单个电池单元的状态估计电池的状态。

电池可包括多个电池模块，每个电池模块包括多个电池单元；简化器还可被配置为基于所述多个电池模块的各个电池数据将所述多个电池模块表示为各个单个电池单元；估计器还可被配置为基于单个电池单元的状态估计电池的状态。

所述多个电池模块可彼此串联连接；每个电池模块中的多个电池单元可彼此并联连接；简化器还可被配置为基于电池模块中的电池单元的数量，将每个电池模块的电池数据转换为各个单个电池单元的单元数据；估计器还可被配置为基于单个电池单元的单元数据估计每个单个电池单元的状态，并基于单个电池单元的状态估计电池的状态。

每个电池模块的电池数据可包括电池模块的输出电压、电池模块的输出电流和电池模块的温度；简化器还可被配置为通过保持输出电压和温度不变并将输出电流除以电池模块中的电池单元的数量来将电池数据转换为单元数据。

估计器还可被配置为通过将单个电池单元的状态应用为函数的输入来估 计电池的状态，并基于所述函数的输出来估计电池的状态。

所述函数可以是输出单个电池单元的状态之中的最小状态的最小值函数，或者是输出单个电池单元的状态之中的最大状态的最大值函数，或者是输出单个电池单元的状态之中的中间状态的中值函数，或者是输出单个电池单元的状态的平均状态的平均值函数。

其它特征和方面将通过以下具体实施方式、附图和权利要求变得清楚。

附图说明

图1示出电池状态估计系统的配置的示例。

图2示出电池组的配置的示例。

图3和图4示出电池状态估计设备的配置的示例。

图5示出估计电池状态的整体过程的示例。

图6示出电池状态估计方法的示例。

图7示出在图6的电池状态估计方法中确定电池组的组状态的操作的示例。

图8示出电池状态估计过程的示例。

图9示出估计电池模块的模块状态的过程的示例。

图10示出在图6的电池状态估计方法中预处理模块数据的操作的示例。

图11示出电池状态估计系统的配置的另一示例。

图12示出电池状态估计的精度的示例。

贯穿附图和具体实施方式，相同的附图标号表示相同的元件。附图可能并非按比例绘制，为了清楚、说明和方便，附图中的元件的相对大小、比例和描绘可能被夸大。

具体实施方式

提供以下具体实施方式以帮助读者获得对这里描述的方法、设备和/或系统的全面的理解。然而，这里描述的方法、设备和/或系统的各种改变、修改和等同物对于本领域普通技术人员将会是清楚的。这里描述的操作的顺序仅仅是示例，并不限于这里阐明的顺序，除非操作必须按照特定顺序发生，否则这里描述的操作的顺序可以如本领域普通技术人员清楚的那样改变。此外，为了更加清楚和简明，可省略本领域普通技术人员公知的功能和构造的描述。

这里描述的特征可以以不同形式来实施，不应解释为限于这里所描述的示例。相反地，提供这里描述的示例以使本公开将是彻底的和完全的，并且将向本领域普通技术人员传达本公开的完整范围。

这里使用的术语仅用于描述具体示例的目的，并不限制本公开。如这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式。如这里所使用的，术语“包括”、“包含”和“具有”指定存在所陈述的特征、数量、操作、元件、组件和它们的组合，但是不排除存在或添加一个或更多个其他特征、数量、操作、元件、组件和它们的组合。

除非另外定义，否则这里使用的所有术语(包括技术术语和科学术语)具有与本公开所属的技术领域的普通技术人员通常理解的含义相同的含义。除非在这里明确定义，否则诸如在通用字典中定义的术语将被解释为具有与它们在相关领域的上下文中的含义一致的含义，并且将不被解释为理想化或过于正式的意义。

图1示出电池状态估计系统100的配置的示例。

参照图1，电池状态估计系统100包括电池组110和电池状态估计设备120。

电池组110可以充电，并且可以放电，以向装置供电。所述装置可以是包括电池的任何电力和电子装置，例如，电动车辆(EV)、混合动力车辆或能量存储系统(ESS)。电池组110可以是例如包括多个电池单元的电池。以下将参照图2进一步描述电池组110的示例。

电池状态估计设备120估计电池组110的状态。在一个示例中，电池状态估计设备120被安装在电力装置(例如，EV)中。在另一示例中，当电力装置具有通信功能时，与电力装置分离的远程管理服务器包括电池状态估计设备120，并且电池状态估计设备120远程地接收包括在电力装置中的电池组110的数据，并估计电池组110的状态。

在现有技术的电池状态估计设备中，电池单元与电池组断开连接，以使电池单元的状态能够被估计，从而减少了电池组用于电力装置的操作的可用输出。为了补偿这种减少，电池组包括比电力装置的操作通常所需的单元更多的单元，这增加了电池组的成本。此外，为了估计与电池组断开连接的电池单元的状态，需要单独的充电器和单独的放电器，这也增加了成本。此外，与电池组断开连接的电池单元具有与电池组中的其他电池单元不同的老化历 史，这会引起电池单元之间的不平衡，并且降低电池组的性能。现有技术中的另一种电池状态估计设备使用产生电池单元的学习模型的方案，但是由于电池单元和电池组之间的特性的不同，很难没有改变地应用该方案。为了直接产生电池组的学习模型，需要大量的学习数据。此外，当电池组的配置改变时，需要执行新的学习过程。

与上述现有技术不同，电池组110不需要包括具有比所需的容量更大的容量的电池单元，并且不需要用于测量电池组110的状态的另外的高成本装置。此外，电力装置的电池管理不被妨碍，并且不需要产生大量的学习数据。即使电池组110的配置改变，额外的学习过程也被最小化，并且电池状态估计设备120估计电池组110的状态。

在本申请中，与电池的状态、电池模块的模块状态以及电池组的组状态相关的状态信息包括例如与电池的寿命、电池模块的寿命以及电池组的寿命相关的信息。与电池的寿命相关的信息包括例如健康状态(SOH)、荷电状态(SOC)和剩余使用寿命。SOH可以被表现为当前电池容量与初始电池容量的比率，但不限于此。因此，可使用各种方案来表现SOH。在以下描述中，电池、电池模块和电池组中的每个的SOH将被描述为状态、模块状态和组状态中的每个的示例，但是状态不限于此。

图2示出电池组200的配置的示例。

参照图2，电池组200包括彼此串联连接的多个电池模块。每个电池模块包括彼此并联连接的多个电池单元。电池组200具有nSmP结构。

在本申请中，nSmP结构是这样的结构：n个电池模块彼此串联连接，n个电池模块中的每个电池模块包括彼此并联连接的m个电池单元，n和m是等于或大于1的整数。例如，参照图2，在电池组200中，电池单元211、212、213、214和215彼此并联连接并且被包括在电池模块210中。电池模块220和230具有与电池模块210相同的结构。此外，三个电池模块210、220和230彼此串联连接。换句话说，电池组200具有3S5P结构，其中，n为3，m为5。

传感器240测量与每个电池模块相关的模块数据。传感器240可位于电池组200的内部或外部。在图2中，单个传感器(即，传感器240)连接到电池模块210至电池模块230，并测量与电池模块210至电池模块230中的每个电池模块相关的模块数据。然而，可使用多于一个的传感器240。例如， 当设置多个传感器240时，每个传感器240可测量与多个电池模块中的不同的电池模块相关的模块数据。模块数据是与电池模块相关的数据，并且包括例如关于电池模块的温度或者从电池模块输出的电压信号和电流信号的数据。传感器240将测量的模块数据提供给电池状态估计设备。

例如，传感器230以至少1赫兹(Hz)的感测频率每秒测量与包括在电池组200中的电池模块相关的模块数据至少一次。电压、电流和温度可由传感器240以伏特(V)、安培(A)和摄氏度(℃)来测量。

图3和图4示出电池状态估计设备的配置的示例。

参照图3，电池状态估计设备300的示例包括数据接收器310和处理器320。

数据接收器310从电池模块接收与电池模块相关的模块数据。电池模块包括在电池组中。例如，数据接收器310从具有nSmP结构的电池组接收与具有1SmP结构的多个电池模块中的每个电池模块相关的模块数据。数据接收器310可通过数据接口从电池组直接接收模块数据，或者可使用通信器无线接收或经由有线连接接收模块数据。

处理器320从接收的模块数据获取与包括在电池模块中的电池单元相应的单元数据，并且基于单元数据确定电池模块的模块状态。例如，处理器320基于接收的模块数据获取与具有1SmP结构的多个电池模块中的每个电池模块相应的单元数据，并且基于单元数据估计电池组的状态。

单元数据是与包括在电池模块中的电池单元相应的数据。例如，当包括在电池模块中的电池单元被假设为具有相同的电压、相同的电流和相同的温度时，包括在电池模块中的电池单元的电压和温度与电池模块的电压和温度相同，电池单元的电流是通过将电池模块的电流的值除以m获得的电流，并且单元数据包括这些值。在这个示例中，m表示电池模块中的电池单元的数量。

参照图4，与图3的电池状态估计设备300相比，电池状态估计设备400的另一示例还包括存储器430。存储器430存储包括用于执行电池状态估计方法的指令的至少一个程序。此外，存储器430存储通过对单个电池单元的退化进行建模获得的电池退化模型。

电池退化模型包括例如数据驱动模型或等效电路模型。

数据驱动模型是适用于机器学习的模型，并且包括例如用于输出由于任 意因素导致的电池状态(例如，电池寿命或故障)的退化的程度的模型。电池退化模型是例如机器学习结构的参数。例如，当神经网络用作机器学习结构时，电池退化模型可以是神经网络中的节点之间的连接权。电池退化模型可包括训练器的参数，所述训练器以给定的机器学习结构基于参考电池信息被训练，以输出与参考电池信息相应的参考状态信息。用于训练器的训练操作的训练数据可包括参考状态信息和参考电池信息，参考状态信息可以是例如关于电池状态的信息，其具有现有配置文件中的相应的参考电池信息。

等效电路模型包括等价方程式。等价方程式基于电池单元的等效电路被获得，并且表现电池状态和与电池单元相关的单元数据之间的关系。电池状态估计设备400的处理器320基于表示电池单元的电压、电流和电阻之间的关系的等价方程式测量电池单元的电压和电流，并且基于测量的电压和测量的电流估计电阻。

图5示出估计电池状态的整体过程的示例。

为了以单元为单位估计电池组510的组状态，电池状态估计设备将电池组510的nSmP结构转换为单个单元结构。电池组510包括彼此串联连接的多个电池模块，每个电池模块包括彼此并联连接的多个电池单元。在图5中，并联连接的电池单元的数量m为5，串联连接的电池模块的数量n为3。

电池状态估计设备将每个电池模块转换或简化为与每个电池模块相应的电池单元。因为在电池模块中并联连接的电池单元由于自平衡而具有相似的特性，所以电池状态估计设备将电池模块转换为单个电池单元，并估计单个电池单元的状态，在所述电池模块中，m个电池单元彼此并联连接。与单个电池单元(例如，第一电池单元521、第二电池单元522和第三电池单元523)相关的状态和单元数据被确定为与电池模块相关的模块状态和模块数据。

例如，电池状态估计设备从与第一电池模块511相关的模块数据获取与对应于第一电池模块511的第一电池单元521相关的单元数据，基于单元数据估计第一电池单元521的状态，并将第一电池模块511的模块状态确定为第一电池单元521的状态。类似地，通过相同的处理，电池状态估计设备将第二电池模块512和第三电池模块513分别简化为电池单元522和电池单元523，并将第二电池模块512的模块状态确定为电池单元522的状态，将第三电池模块513的模块状态确定为电池单元523的状态。

电池状态估计设备基于根据与电池单元530相关的单元数据确定的模块 状态来估计电池组510的组状态，其中，通过简化和组合第一电池模块511、第二电池模块512和第三电池模块513获得与电池单元530相关的单元数据。

例如，电池状态估计设备基于根据与第一电池单元521相关的单元数据确定的电池模块511的模块状态、根据与第二电池单元522相关的单元数据确定的电池模块512的模块状态以及根据与第三电池单元523相关的单元数据确定的电池模块513的模块状态，来估计电池单元530的状态。此外，电池状态估计设备将电池单元530的状态确定为电池组510的组状态。如图5所示，使用“SOH＝f(SOH_i)”来计算电池单元530的状态，其中，f表示任意函数，SOH_i表示第i电池模块的模块状态。例如，任意函数f的输出是模块状态的统计值，所述统计值包括例如任意函数f的输入的最小值、中间值或最大值。

在一个示例中，包括多个电池单元的电池组510被转换为单个电池单元(例如，电池单元530)，并且电池组510的组状态基于单个电池单元的状态被估计。在这个示例中，在用于估计作为模拟器件的电池的状态的反复实验中，针对电池组510的实验被简化为针对电池单元的实验，这可以极大地降低实验成本。此外，尽管出现故障，但是对低容量单元的损害被最小化，因此，故障的风险可以被降低。此外，因为不需要对电池组510中的所有电池单元执行操作，所以复杂性降低。因此，不需要在电子装置或电池状态估计设备中安装昂贵的处理装置，从而降低了成本。

在现有技术中，需要大量时间和成本来装配高容量电池组和获取与电池组相关的数据。然而，在本申请中公开的电池状态估计设备通过将电池组510转换为电池单元530来估计电池组510的组状态，因此可利用各种电池退化模型。此外，尽管电池组510的结构改变，但是与电池单元530相应的电池退化模型可通过执行少量实验来更新，或者可以不需要执行额外的实验。因此，可以估计电池组510的组状态。

图6示出电池状态估计方法的示例。

参照图6，在操作610，电池状态估计设备的数据接收器从包括在电池组中的电池模块接收与电池模块相关的模块数据。例如，安装在电池组中的传感器周期性地将测量的模块数据发送到电池状态估计设备，并且电池状态估计设备接收模块数据。

在操作620，电池状态估计设备从模块数据获取单元数据。单元数据是 与包括在电池模块中的电池单元相应的数据。电池状态估计设备通过将模块数据按比例缩小到单元的单位来获取单元数据。例如，单元数据可以是与电池单元相关的数据，所述电池单元与通过简化具有1SmP结构的电池模块获得的1S1P结构的电池模块具有等价关系。

例如，电池状态估计设备基于在电池模块中彼此并联连接的电池单元的数量将模块数据转换为单元数据。电池状态估计设备保持模块数据中的电压信号的值和温度信号的值，并将电流信号的值除以电池单元的数量，以获取单元数据。

在操作630，电池状态估计设备基于单元数据确定电池模块的模块状态。例如，电池状态估计设备使用单个电池单元的电池退化模型基于单元数据确定模块状态。电池状态估计设备将单元数据输入到电池退化模型，并将从输入了单元数据的电池退化模型输出的状态(例如，SOH)确定为模块状态。单元数据包括例如与电池模块相应的电池单元的电压、电流和温度。此外，电池状态估计设备基于模块状态估计电池组的电池寿命(例如，SOH)，并基于估计的电池寿命确定电池组中的荷电量(例如，SOC)。电池组中的荷电量作为模块状态被提供。

图7示出在图6的电池状态估计方法中确定电池组的组状态的操作的示例。

参照图7，在操作740，电池状态估计设备基于在图6的操作630中确定的模块状态确定电池组的组状态。例如，电池状态估计设备基于在电池组中串联连接的多个电池模块中的每个电池模块的模块状态估计组状态。组状态和模块状态可以分别是例如电池组的SOH和多个电池模块中的每个电池模块的SOH。

电池状态估计设备计算在电池组中的多个电池模块中的每个电池模块的模块状态的统计值，并将组状态确定为所述统计值。在电池组在EV中的一个示例中，电池状态估计设备将多个电池模块的模块状态的最小值计算为组状态。在电池组在混合动力车辆中的另一示例中，电池状态估计设备将模块状态的最大值计算为组状态。在电池组在ESS中的另一示例中，电池状态估计设备将模块状态的中间值计算为组状态。然而，统计值不限于最小值、最大值和中间值。例如，平均值也可用作统计值。此外，根据电池组的应用，可使用模块状态的各种线性组合或非线性组合。

图8示出电池状态估计过程的示例。

参照图8，电池组811具有nSmP结构(例如，图8中的6S5P结构)并且包括n×m个电池单元(例如，图8中的6×5＝30个电池单元)。在电池组811中，具有1SmP结构(例如，图8中的1S5P结构)的n个电池模块(例如，图8中的6个电池模块)串联连接。

在操作810，电池状态估计设备从电池组811接收模块数据。电池状态估计设备从6个电池模块接收电压信号V₁至V₆、温度信号T₁至T₆和电流信号I₁。因为6个电池模块彼此串联连接，所以6个电池模块的电流信号具有相同的值I₁，并且根据6个电池模块中的每个电池模块的状态，电压信号V₁至V₆和温度信号T₁至T₆可以彼此相同或不同。

在操作820，电池状态估计设备将每个电池模块简化为单个电池单元。例如，电池状态估计设备基于在每个电池模块中彼此并联连接的电池单元的数量m，转换与具有1SmP结构的电池模块相关的模块数据，以获取与通过简化每个电池模块获得的电池单元相关的单元数据。在这个示例中，m是等于或大于1的整数。

因为包括在具有1S5P结构的电池模块中的电池单元彼此并联连接，所以电池单元具有相同的电压值，这使得测量每个电池单元的电压值变得容易。由于电池单元的不同的内部电阻，因此电池单元具有不同的电流值。然而，为了测量每个电池单元的电流值，整体结构的成本和复杂性将会增加。因此，在一个示例中，假设电池状态估计设备测量电池模块的电流，而在电池模块中彼此并联连接的电池单元由于自平衡效应而具有相同的电流值。例如，参照图8，通过在6个电池模块中简化第一电池模块获得的第一电池单元821的电压的值V和温度的值T被分别确定为第一电池模块的V₁和T₁，而第一电池单元821的电流的值I被计算为通过将第一电池模块的电流的值(即，I₁)除以5(包括在第一电池模块中的电池单元的数量)获得的值I₁/5。在图8中，与第一电池单元821相关的单元数据包括电压V、电流I和温度T。

在操作830，电池状态估计设备使用电池退化模型831基于单元数据估计具有1SmP结构的每个电池模块的模块状态，具有1S5P结构的每个电池模块包括具有相同的电压、相同的电流和相同的温度的5个电池单元。电池状态估计设备使用电池退化模型831估计电池单元的状态(例如，SOC或SOH)。电池退化模型831用于估计电池组811中串联连接的6个电池模块中的每个 电池模块的模块状态。如图8所示，模块状态包括例如SOH₁和SOH₂至SOH₆。虽然图8示出与6个电池模块分别相应的6个电池退化模型，但是可使用单个电池退化模型831，并且电池退化模型831可包括相同的参数。然而，电池状态估计设备不限于此，电池状态估计设备可通过将各种电池退化模型应用于相同的电池模块来估计同一电池模块的多个模块状态，并且可基于所述多个模块状态的统计值、选择或过滤来获得单个模块状态。

在操作840，电池状态估计设备基于在操作830估计的模块状态估计电池组811的组状态。例如，电池模块的模块状态(例如，SOH₁至SOH₆)可具有相同的值或不同的值，并且电池状态估计设备可通过将模块状态应用到任意函数f来估计组状态。在图8中，函数f被设置为输出函数f的输入之中的最小值的MIN函数，并且电池状态估计设备将SOH₁至SOH₆中的最小值确定为电池组811的SOH。然而，这仅是示例，例如，函数f可以被设置为输出另一统计值，诸如最大值、中间值或平均值。

图9示出估计电池模块的模块状态的过程的示例。

在一个示例中，机器学习模型被用作电池退化模型。例如，机器学习模型是神经网络920，并且包括输入层、隐藏层和输出层。每层的节点以学习连接权被彼此连接。

训练器(未示出)用于使用包括多个模式配置文件910的训练数据来训练神经网络920。每个模式配置文件910包括例如电池的电压、电流、温度和寿命。电压、电流和温度在电池的仿真或使用期间被预先测量。训练器用于使用模式配置文件910来训练神经网络920，以使预设的电池寿命响应于电池退化模型的输入(例如，在模式配置文件910中预先设置的电压、电流和温度)而被输出。

电池状态估计设备使用训练的神经网络920从与电池单元930相关的单元数据估计包括在电池模块中的电池单元的状态。如以上参照图1至图8所述，通过简化电池模块获得电池单元930。电池单元的状态对应于模块状态。

图10示出在图6的电池状态估计方法中预处理模块数据的操作的示例。

参照图10，在操作1011，电池状态估计设备的预处理器预处理在图6的操作610中从电池模块中的传感器接收的模块数据。预处理器对模块数据执行滤波(例如，低通滤波)以从模块数据去除噪声。预处理器通过以传感器对模块数据采样的采样率两倍的频率执行滤波来去除不必要的噪声分量。

图11示出电池状态估计系统1100的另一示例。

参照图11，电池状态估计系统1100包括电池组200和电池状态估计设备1101。

以上图2的电池组200的描述也可适用于图11的电池组200，因此，这里不再重复。如以上参照图2所述，图11的传感器240可位于电池组200的内部或外部。

电池状态估计设备1101包括数据接收器310、预处理器1121、简化器1122、模块状态估计器1123、组状态估计器1124、电池退化模型1130和数据发送器1140。

如以上参照图3所述，数据接收器310从附着于电池组200的传感器240接收数据。

如以上参照图10所述，预处理器1121预处理接收的模块数据，并将预处理的模块数据提供给处理器(例如，图3或图4的处理器320)或简化器1122。例如，预处理器1121从模块数据滤除噪声或者转换模块数据的数据类型，但是预处理器1121不限于此。

简化器1122将电池组200中的电池模块转换为单个电池单元的等效模型，其中，每个电池模块具有并联连接的多个电池单元。简化器1122保持电池模块的电压值和温度值作为与通过简化电池模块获得的等效模型相应的单个电池单元的电压和温度，并将通过将电池模块的电流值除以包括在电池模块中的电池单元的数量获得的值用作单个电池单元的电流。从简化器1122输出的值对应于单元数据，其中，模块数据以单元为单位被转换为所述单元数据。

模块状态估计器1123估计通过简化电池模块获得的单个电池单元的状态。例如，为了估计电池模块的模块状态，模块状态估计器1123使用等效电路模型、数据驱动模型或库仑计数方案。模块状态估计器1123将电池寿命(例如，SOH)或电池中的荷电量(例如，SOC)估计为模块状态。

组状态估计器1124通过组合串联连接的电池模块的模块状态来确定电池组200的组状态。在EV中，响应于模块状态估计器1123估计电池寿命或电池中的荷电量，组状态估计器1124将电池寿命的最小值或电池模块中的荷电量的最小值确定为电池组200的组状态。在混合动力车辆(例如，混合EV(HEV))中，因为电池的最大电量在混合动力车辆中非常重要，所以响应于 模块状态估计器1123估计电池中的荷电量(例如，SOC)，组状态估计器1124将电池模块中的荷电量的和确定为电池组200的组状态。所述和可以是例如电池模块的SOC值的和。

通过对单个电池单元中的退化建模来获得电池退化模型1130。电池退化模型1130被存储在例如图4的存储器430中。

数据发送器1140将模块状态和组状态中的任何一个或两个发送到包括在电池状态估计设备1101中的模块，或者将模块状态和组状态中的任何一个或两个发送到外部装置。

在一个示例中，当电池状态估计设备1101安装在电力装置(例如，EV)中时，可基于在电力装置的操作期间产生的数据容易地估计组状态，而不是使用单独的供电装置来估计组状态。

预处理器1121、简化器1122、模块状态估计器1123和组状态估计器1124可通过例如图3的处理器320来实现。

图12示出电池状态估计的精度的示例。

在图12中，曲线图1210显示单个电池单元的实际值与估计值(例如，滤波后的值)之间的比较。曲线图1220显示具有1S2P结构的电池组的实际值与估计值之间的比较，曲线图1230显示具有1S3P结构的电池组的实际值与估计值之间的比较。曲线图1240显示具有1S4P结构的电池组的实际值与估计值之间的比较，曲线图1250显示具有1S5P结构的电池组的实际值与估计值之间的比较。曲线图1260显示具有1S6P结构的电池组的实际值与估计值之间的比较，曲线图1270显示具有1S7P结构的电池组的实际值与估计值之间的比较。

在曲线图1210至曲线图1270中的每个曲线图中，x轴表示电池组或电池单元的循环的数量，y轴表示作为电池寿命的SOH。单个循环是充满电的电池的电量被完全放电的循环。

此外，在曲线图1210至曲线图1270中的每个曲线图中，实际值表示相应电池的实际寿命。滤波后的值是通过将处理重复预设次数获取的值，通过所述处理，电池状态估计设备通过将多个神经网络应用到单条单元数据来估计多个模块状态，并且从估计的模块状态排除(例如，滤除)超出估计的模块状态的中间值附近的预定范围的模块状态。

如曲线图1210至曲线图1270所示，实际值与通过电池状态估计设备估 计的组状态(例如，上述的滤波后的值)之间的误差相当小，因此可以在电池状态估计中实现高精度。

执行关于图1至图11在此描述的操作的图1至图4、图8、图9和图11中的电池状态估计设备120、传感器240、数据接收器310、处理器320、存储器430、简化器821、电池退化模型831、神经网络920、预处理器1121、简化器1122、模块状态估计器1123、组状态估计器1124、电池退化模型1130和数据发送器1140通过硬件组件实现。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、算数逻辑单元、加法器、减法器、乘法器、除法器、积分器和本领域普通技术人员公知的任何其他电子组件。在一个示例中，硬件组件由计算硬件(例如，一个或多个处理器或计算机)实现。处理器或计算机由一个或多个处理元件实现，所述处理元件诸如逻辑门阵列、控制器和算术逻辑单元、数字信号处理器、微型计算机、可编程逻辑控制器、现场可编程门阵列、可编程逻辑阵列、微处理器或本领域普通技术人员公知的任何其他装置或装置的组合，这些装置或装置的组合能够以定义的方式响应并执行指令以得到期望的结果。在一个示例中，处理器或计算机包括或连接到存储被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执行指令或软件，如操作系统(OS)和一个或多个在OS上运行以执行关于图1至图11在此描述的操作的软件应用。硬件组件还响应于指令或软件的执行来访问、操作、处理、创建和存储数据。简单起见，在此描述的示例的描述中可使用单数术语“处理器”或“计算机”，但是在其他示例中，使用多个处理器或计算机，或者一个处理器或计算机包括多个处理元件或多类型的处理元件，或者包括以上两种形式。在一个示例中，硬件组件包括多个处理器，在另一个示例中，硬件组件包括一个处理器和一个控制器。硬件组件具有不同的处理配置中的任何一个或多个，所述不同处理配置的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)多处理以及多指令多数据(MIMD)多处理。

执行关于图1至图11在此描述的操作的图6至图8和图10中所示的方法被由如上描述的执行指令或软件以执行在此描述的操作的处理器或计算机执行。

控制处理器或计算机以实现硬件组件并执行如上所述的方法的指令或软 件被写为计算机程序、代码段、指令或它们的任何组合，用于单独或共同指示或配置处理器或者计算机作为机器或专用计算机操作，以执行如上所述的由硬件组件和方法所执行的操作。在一个示例中，指令或软件包括被处理器或计算机直接执行的机器代码，如编译器产生的机器代码。在另一个示例中，指令或软件包括被处理器或计算机使用解释器执行的高级代码。本领域普通编程技术人员能够容易地基于附图中示出的方框图或流程图以及说明书中的相应描述来编写指令或软件，这些方框图或流程图以及说明书中的相应描述公开了用于执行如上所述的由硬件组件和方法所执行的操作的算法。

控制处理器或计算机以实现硬件组件并执行如上所述的方法的指令或软件、以及任何关联数据、数据文件和数据结构被记录、存储或固定在一个或多个非暂时性计算机可读存储介质中。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)、闪存、CD-ROM、CD-R、CD+R、CD-RW、CD+RW、DVD-ROM、DVD-R、DVD+R、DVD-RW、DVD+RW、DVD-RAM、BD-ROM、BD-R、BD-R LTH、BD-RE、磁带、软盘、磁光数据存储装置、光学数据存储装置、硬盘、固态盘以及本领域普通技术人员公知的任何装置，所述本领域普通技术人员公知的任何装置能够以非暂时性方式存储指令或软件以及任何关联数据、数据文件和数据结构，并能向处理器或计算机提供指令或软件以及任何关联数据、数据文件和数据结构，以使处理器或计算机能够执行指令。在一个示例中，指令或软件以及任何关联数据、数据文件和数据结构被分布在联网的计算机系统上，以使指令和软件以及任何关联数据、数据文件和数据结构被处理器或计算机以分布方式存储、访问和执行。

虽然本公开包括具体示例，但是本领域普通技术人员清楚的是，在不脱离权利要求及其等同物的精神和范围的情况下，可以对这些示例进行形式和细节上的各种改变。在此描述的示例被认为只具有描述性意义，而不用于限制的目的。每个示例中的特征和方面的描述被认为可适用于其他示例中的类似特征或方面。如果以不同的顺序执行描述的技术和/或如果描述的系统、架构、装置或电路中的组件以不同的方式组合和/或由其他组件及其等同物替换或补充，则可以得到合适的结果。因此，本公开的范围不是由具体实施方式限定，而是由权利要求及其等同物限定，并且权利要求及其等同物的范围内的所有变化被解释为包括在本公开中。