用于识别可再充电电池包的健康状态劣化加速的开始的方法与流程

1.本发明涉及一种用于识别蓄电池、尤其是li离子电池的健康状态劣化加速的开始的方法。
2.更特别地，本发明涉及对用于电动或混合动力机动车辆的蓄电池的管理。


背景技术：

3.电动车辆的发展的主要挑战之一是锂离子电池的耐用性，因为必须保证用户在整个车辆使用过程中的最小续航里程。
4.通常，锂离子电池的健康状态(soh)的劣化是逐渐发生的。然而，某些使用条件将会导致其劣化意外加速。这种类型的劣化也称为电池突然没电，其以对不利于用户的方式限制了车辆的续航里程。
5.然而，在用于估计电池寿命的经验模型中没有考虑这种类型的劣化，这些经验模型经常在机动车辆上实施，并且根据容量损失和/或使用线性定律或幂律的其他性能指标来计算soh。
6.因此，无法尤其是在电动车辆中实时预测电池的突然劣化是一个已知问题。
7.现有技术尤其包括专利文献fr 2966250 a1，该专利文献描述了一种用于通过环境测量和电池的实际容量来估计电池的健康状态的方法。然而，该文献不允许识别健康状况劣化加速的开始。
8.因此，需要一种允许更快地识别蓄电池健康状态劣化加速的开始的解决方案。


技术实现要素：

9.为此，提供了一种用于识别蓄电池健康状态劣化加速的开始的方法，所述电池在动态充电阶段充电，随后在被动充电阶段充电、尤其是以恒定电压或以低电流或甚至以低功率充电。
10.该识别方法实施以下步骤：
[0011]-对于该电池的每次充电，获取该电池在前一放电阶段的累积放电能量；
[0012]-在该电池的每次充电期间，测量所述被动充电阶段达到预定荷电状态值的持续时间；
[0013]-在该电池的每次充电之后，计算该被动充电阶段达到所述预定荷电状态值的测量持续时间相对于该被动充电阶段达到所述预定荷电状态值的参考持续时间的增加程度；以及
[0014]-确定表示被动充电持续时间的所述增加程度的进展与该电池的累积放电能量的关系的函数；以及
[0015]-当所计算的增加程度不再根据所述函数进展时，识别到该电池健康状态劣化加速的开始。
[0016]
因此，可以以相对简单且稳健的方式识别劣化加速的起点。该指标可能将用于诊
断，以更好地管理电气化车辆。估计是基于电池的计算机相对容易收集的充电数据特性来执行的，这使得该方法比较适合在机动车辆上实施。
[0017]
有利地且非限制性地，该表示被动充电持续时间的增加程度的进展与累积放电能量的关系的函数是线性的。因此，当所计算的增加程度的进展不再遵循所述确定的线性函数的所述线性进展时，可以识别到蓄电池健康状态劣化加速的所述开始。这是相对可靠且相对容易确定的标准，特别是由车载计算机确定。
[0018]
有利地且非限制性地，该识别步骤包括确定极限增加程度，以及使用该函数从中推导出与该极限增加程度相对应的该电池的极限累积放电能量；并且当在该前一次放电期间该电池的累积放电能量达到或超过所述极限累积量时，识别到该电池健康状态劣化加速的开始。因此，可以事先识别、或者换句话说可以预测劣化加速的开始。这对于预防性维护可能尤其有用。
[0019]
有利地且非限制性地，该被动充电阶段的参考持续时间是根据该电池寿命开始时多次充电的被动充电阶段的持续时间的平均值来计算的。因此，可以相对简单地并且以特别低的计算成本来定义参考持续时间。
[0020]
有利地且非限制性地，该线性函数是通过将直线拟合到作为该电池的累积放电能量的函数的多个计算的增加程度而获得的。因此，可以获得相对容易计算的特别精确的线性函数。
[0021]
根据一种有利的替代方案，该线性函数是预先计算的函数。这大大减少了要由车载设备执行的计算数量。
[0022]
本发明还涉及一种用于对蓄电池进行充电的方法，该方法包括如上所述的识别方法。
[0023]
本发明还涉及一种用于识别蓄电池健康状态劣化加速的开始的设备，所述电池在动态充电阶段充电，随后在被动充电阶段充电。
[0024]
该识别设备包括：
[0025]-用于获取该电池在这些放电阶段的累积放电能量的装置；
[0026]-用于测量每个被动充电阶段的持续时间的装置；
[0027]-用于计算每个被动充电阶段的测量持续时间相对于参考持续时间的增加程度的装置；以及
[0028]-用于确定表示被动充电持续时间的该增加程度的进展与该电池的累积放电能量的关系的函数的装置；以及
[0029]-用于当所计算的增加程度不再根据所述函数进展时识别到该电池健康状态劣化加速的开始的装置。
[0030]
本发明还涉及一种电气组件，该电气组件包括：蓄电池；用于管理所述电池的充电的设备，该设备适用于根据包括动态充电阶段和被动充电阶段的方法来控制该电池的再充电；以及如上所述的用于识别蓄电池健康状态劣化加速的开始的设备。
[0031]
本发明还涉及一种机动车辆，该机动车辆包括如上所述的电气组件。
附图说明
[0032]
在参考附图阅读以下所给出的非限制性的且通过指示给出的本发明的两个特定
实施例，本发明的其他特质和优点将变得显而易见，在附图中：
[0033]
[图1]是根据本发明的第一实施例的本发明的方法的流程图；
[0034]
[图2]是根据本发明的第二实施例的本发明的方法的流程图；
[0035]
[图3]是电池健康状态及其内阻(dcr)与为电动车辆应用设计的li离子电池单元循环期间交换的总累积能量的各种表现的关系的图形表示；
[0036]
[图4]是动态阶段和被动阶段经过的充电时间百分比以及总充电时间百分比与为电动车辆应用设计的li离子电池单元循环期间的累积放电能量的关系的表示；以及
[0037]
[图5]是被动充电阶段所用时间增加程度与为电动车辆应用设计的li离子电池单元循环期间的累积放电能量的关系的图形表示。
具体实施方式
[0038]
根据本发明的第一实施例，参考图1和图3至图5，实施了一种用于识别机动车辆的蓄电池健康状态(在本说明书的其余部分中缩写为soh)劣化加速开始的方法。
[0039]
在机动车辆中，由计算机实施根据本发明的方法1、1'，例如，当自动实施识别时该计算机是车载计算机，或者例如当在维护阶段实施该识别时该计算机是外部计算机。
[0040]
为此，车载计算机与用于管理机动车辆电池的充电的计算机通信或与该计算机相同。
[0041]
该计算机可以选自本领域技术人员已知的计算机，只要计算机包括实施所述方法所需的计算装置、存储装置和通信装置即可。
[0042]
可以以两种不同的主要方式来定义电池的健康状态。
[0043]-方面，可以根据电池单元的剩余容量(缩写为sohq)根据以下方程定义健康状态：
[0044]
[math1]
[0045][0046]
其中，
[0047]qmolx
：在电池的寿命中期(molx)时，以给定的c率从100％soc放电到0％soc的容量(ah)。
[0048]qbol
：在电池的寿命开始(bol)时，以给定的c率从100％soc放电到0％soc的容量(ah)。
[0049]
c率(以h-1
表示)是本领域技术人员熟知的值，是电池放电速率的量度。c率定义为放电电流与理论电流消耗之间的比率，根据该理论电流消耗，电池将在一小时内释放其标称容量。
[0050]
还可以根据电池的剩余能量(缩写为sohe)根据以下方程定义健康状态：
[0051]
[math2]
[0052][0053]
其中，
[0054]emolx
：在molx时，以给定c率从100％soc放电到0％soc的能量(wh)。
[0055]ebol
：在电池的寿命开始时，以给定的c率从100％soc放电到0％soc的能量(wh)。
[0056]
然而，参考图3将注意到这两个soh的变化：sohq和sohe在电池健康劣化期间基本上相似，并且在这方面，可以通过计算这两个soh中的任何一个来很好地识别该劣化的开始。
[0057]
再次参考图3将进一步注意到，电池soh劣化加速是伴随着电阻的大幅增加。
[0058]
尽管电阻很可能是突然没电的相关指标，但在实践中并不总是可以进行可靠的电阻测量。
[0059]
因此，根据本发明的方法1旨在根据电池充电特性的变化来估计soh劣化加速的开始。
[0060]
术语“开始”或“起点”被理解为是指识别到电池健康状态劣化加速的开始的时间。
[0061]
因此，术语“开始”不能被理解为特定事件导致电池损坏的精确时间，而是在蓄电池的寿命范围内相对较短的时间或时间段，在该时间或在该时间段期间识别到或检测到电池健康状态劣化明显加速。
[0062]
通常，对于为电气化车辆(电动车辆(ev)或插电式混合动力电动车辆(phev))设计的li离子电池，可以将充电分为两个连续阶段：
[0063]
·
动态阶段，也称为阶段1，其中，施加一个或多个功率峰值和/或电流峰值，直到达到形成动态阶段停止条件的极限荷电状态(soc)和/或直到达到极限电压；
[0064]
·
被动阶段，也称为阶段2，其中，应用被动充电直到达到高能量水平。在被动阶段，在限定时间内施加恒定电压(cv)，或者可以施加多个低电流峰值和/或低功率峰值。
[0065]
动态阶段受以上参考图3描述的劣化之后的电池电阻增加的影响。
[0066]
参考图4，这种增加将在充电期间生成极化，因此将更快地达到动态阶段停止的极限荷电状态和/或极限电压。相比之下，被动阶段变得更长。
[0067]
在电气化车辆中使用电池的情况下，车辆用户将电池完全放电的情况相对较少，因此，当电池开始充电时，荷电状态通常是非零的但是不可预测的，因为它具体取决于本次充电前车辆的使用情况。
[0068]
在这个意义上，在电池老化期间很难跟踪动态阶段的变化，因为在动态阶段所用的时间取决于荷电状态的起始值。
[0069]
然而，用户通常倾向于将电池充电到最大允许荷电状态。因此，被动阶段似乎更有可能更规律地完成。
[0070]
因此，根据本发明的方法1包括根据特性充电值的变化来识别电池劣化加速的开始。
[0071]
如上所述，这些值可以有利地是在被动阶段充电所用的时间，或者是为被动阶段所记录的容量和/或能量。
[0072]
可以仅基于这些参数之一或这些参数的组合来识别开始。
[0073]
因此，在方法1的第一步骤中，对于电池的每次充电，测量10恒定电压被动充电阶段的持续时间。
[0074]
接下来，对于电池的每次充电，计算11充电阶段的持续时间相对于前一次充电的增加程度。
[0075]
通过举例方式，参考图5，可以看出随着电池老化，被动充电阶段的恒定电压充电时间的增加程度(此处以百分比表示)。最初，即使电池单元的soh下降，被动阶段的恒定电
压持续时间也不会增加(见图3)。
[0076]
接下来，确定11表示所计算的增加程度的进展的线性函数。
[0077]
当所计算的增加程度的进展不再遵循线性进展12时，识别到13蓄电池健康状态劣化加速的开始。
[0078]
参考图5的示例，可以看出恒定电压时间的百分比增加线性地增加41。
[0079]
在该示例中，恒定电压时间的增加程度的线性增长函数呈f(x)＝0.006x-0.907的形式；其中，x是电池的累积放电能量(以kwh为单位)。
[0080]
该线性函数是通过将直线拟合到至少两个、优选地多于两个计算的增加值而获得的。
[0081]
存在许多方法用于将直线拟合到数据集，如最小二乘法、mayer法、或者甚至线性回归。
[0082]
然后，可以在每次充电时重新计算通过拟合而获得的直线(通常称为趋势线)，特别是在观察到增加程度增长的第一次再充电期间，例如，在增加程度增长开始后的前2到10次再充电，因为这很可能是线性增长的阶段。
[0083]
根据一种替代性实施方式，可以根据电池的预期性能预先计算线性函数。
[0084]
可以实施定义线性函数的任何其他方法，如机器学习算法。
[0085]
因此，当恒定电压时间的百分比增加偏离其线性增长41区域时，劣化正在加速42。因此，当恒定电压时间的百分比增加偏离线性增长区域时，定义了电池健康状态劣化加速的指示。
[0086]
当值与所计算的线性函数相差超过预定义的极限时，检测到偏离了线性增长区域。
[0087]
在该示例中，被动阶段的恒定电压时间的增加程度以百分比增加表示。
[0088]
该百分比增加对应于上一次充电中的被动阶段的持续时间与被动阶段的参考持续时间(例如，在电池的第一次再充电中被动阶段的平均持续时间)之间的比率，或对应于与理论或标称持续时间相对应的预定值。然而，本发明决不限于该特定定义，并且可以指定和测量任何其他相关的程度单位。
[0089]
根据本发明的第二实施例，参考图2以及图3至图5，基于被动充电阶段的特性变化计算劣化加速开始的预测。
[0090]
在根据该第二实施例的方法1'的识别步骤23的前一步骤中，例如在试验中或通过模拟来确定21极限增加程度，超过该极限增加程度将有可能是劣化正在加速。
[0091]
因此，通过举例方式，在图5中，观察到在恒定电压时间增加了基本上150％之后开始加速劣化。
[0092]
使用该极限增加值，可以基于根据第一实施例计算的线性函数41的斜率来估计劣化加速的起点。
[0093]
现在，在电动车辆或插电式混合动力电动车辆中，定期记录作为操作时间的函数的累积放电能量值(也称为电池的累积放电能量)，该累积放电能量值与车辆使用时间相关。
[0094]
在识别步骤23中，由于线性函数41是已知的，因此可以找到解231，从而计算出极限增加值对应于哪个累积放电能量，因此可以事先确定232极限累积放电能量，并且事先警
告用户电池劣化加速开始的风险。
[0095]
在图5的示例中，当满足以下条件(使用第一实施例中定义的直线函数计算x的值)时，将达到该累积值：
[0096]
x＝(1.5+0.907)/0.006。
[0097]
换言之，累积值基本上为401.16kwh。
[0098]
此外，在根据本发明的方法中，可以组合第一实施例的识别和第二实施例的识别，因此可以使用根据第二实施例的方法事先识别可能的加速的开始，但是仍然执行实时识别以便在加速的发生早于预测的情况下向用户提供警告。
[0099]
此外，虽然不那么有利，因为动态阶段更经常是不完整的，但可以设想通过将所描述的方法应用到动态阶段而不是被动阶段来实施本发明。