CN1199050C

CN1199050C - 电池充电状态的估计装置及电池恶化估计方法

Info

Publication number: CN1199050C
Application number: CNB998092282A
Authority: CN
Inventors: 渡边修夫; 黑田幸男; 菊池义晃
Original assignee: Toyota Motor Corp
Current assignee: Toyota Motor Corp
Priority date: 1998-05-28
Filing date: 1999-05-25
Publication date: 2005-04-27
Anticipated expiration: 2019-05-25
Also published as: EP1081499B1; WO1999061929A1; EP1081499A4; DE69909472D1; CN1311860A; ES2197638T3; KR20010043872A; EP1081499A1; JP3873623B2; US6285163B1; CA2333619C; CA2333619A1; KR100425352B1; DE69909472T2

Abstract

为了提供一种尽管以短周期切换并反复进行充放电也能准确地估计SOC的电池充电状态估计装置，累计用电流检测装置10检测到的充放电电流Ib，用虚拟SOC估计装置14估计虚拟SOC。根据虚拟SOC用电动势估计装置16估计电池的开路电压Voc。另外，根据充放电电流Ib，用电压变动估计装置18估计由内阻引起的电压变动部分Vr，由动态电压变动估计装置20估计基于充放电电流变化的电压变动部分Vdyn。用加法器22将这些Voc、Vr、Vdyn相加，计算电池的估计电压Vest。用SOC修正量计算装置26计算SOC的修正量，以便使估计电压Vest与电压检测装置12检测到的测定电压Vmes相等，用加法器28将其加在上述虚拟SOC上，求电池的SOC的估计值。

Description

电池充电状态的估计装置及电池恶化估计方法

技术领域

本发明涉及电池充电状态的估计装置、特别是为了减小估计误差而使用电池模型的电池充电状态的估计装置、以及使用电池模型过程中的电池恶化状态的估计方法的改进。

背景技术

迄今，作为估计电池充电状态(SOC)的方法，已知有将充放电电流值的积分值加在电池初始的SOC上的方法。但是，在该方法中充放电电流值的积分自身有误差，在累积误差的同时，还存在电池在未使用状态下由自身放电产生的SOC的初始值的变化等，难以准确地估计电池的SOC。

因此，还采用了这样的方法：根据电池电压估计SOC，修正由充放电电流值的积分获得的SOC的估计结果来提高估计精度。例如在特开平9-96655号公报中也公开了这种估计方法的改进技术。

可是，在上述现有例中，根据电池电压估计SOC，因此尽管采用修正充放电电流值的累计误差的方法，也难以获得高的估计精度。这是因为根据电池电压来估计SOC本身就很困难。

图6表示SOC为68％的电池中的电池电流和电池电压的变化关系。如图6所示，电池的电流-电压的关系呈非线性、具有大的滞后现象。因此，在根据该电流-电压关系估计SOC的情况下，由于在电池电流和电池电压怎样变化的时刻来判断SOC而产生了大的误差。在图6所示的例中，尽管实际的SOC为68％，但在充电电流增大的阶段，SOC被断定为80％，在放电电流增大的阶段，SOC被断定为20％。

这样，尽管SOC相同，但反映以前的充放电状态，电池的电压变化很大，所以若根据电池电压估计SOC，则产生较大的误差。因此，用现有的方法不能准确地估计SOC。特别是在以短周期切换并反复进行充放电的混合环中，存在SOC的估计值的误差变大的问题。

另外，在电瓶车等中使用的电池，为了判断其更换的时间或预测故障的发生等对其恶化状态进行了估计。

通过求电池的内阻，来测定其恶化状态。作为求内阻的方法，有这样一种方法：例如在规定的充电状态(SOC)下，根据以规定的放电电流在一定时间内放电的情况下的电压，求内阻。另外，还有这样一种方法：在电瓶车中，根据行驶中的几个电流/电压值，用下式求内阻R。

Vb＝-R×Ib+Voc …(1)

Vb：电压值，Ib：电流值，Voc：开路电压。

可是，因为在上述规定的SOC下，在一定时间内用规定的放电电流放电的方法为脱机测定，所以在例如电瓶车中使用的电池的情况下，不能在行驶中估计电池的内阻。

另外，用上式(1)求电池的内阻的方法，即使电瓶车在行驶当中也能测定内阻。但是，因为在该方法中没有考虑电池极化的影响，所以存在内阻的估计值误差变大的问题。即，电池充放电电流和电池电压的关系如图10所示。在图10中，电流值为正的部分是放电状态，为负的部分表示充电状态。如图10所示，电池的电流/电压特性具有滞后现象，由于测定时刻的不同，电压/电流的斜率即内阻(-R)为不同的值。这是由于没有考虑上述极化的影响所致。因此，采用该现有的方法难以准确地估计电池的内阻。

鉴于以上原因，本发明的目的在于提供一种电池充电状态的估计装置，即使以短周期切换并反复进行充放电，该装置也能准确地估计SOC。

另外，另一个目的在于提供一种电池恶化状态的估计方法，该方法能在电池的使用过程中准确地测定电池的内阻的变化，能准确地把握电池的恶化状态。

发明的公开

为了达到上述目的，本发明是这样一种电池充电状态的估计装置，其特征在于：有电池模型，用来求虚拟SOC作为电池充电状态(SOC)的大致的值，与该虚拟SOC一起考虑电池状态的变化，估计电池电压，修正虚拟SOC，以便使估计的电池电压与实际测定的电池电压相等，估计实际的SOC。

另外，上述电池充电状态的估计装置的特征在于：电池模型具有虚拟SOC估计装置，根据电池的充放电电流求虚拟SOC；电动势估计装置，根据从上述虚拟SOC估计装置输出的虚拟SOC，估计电池电压；电压变动估计装置，估计由内阻引起的电池电压的变动；以及动态电压变动估计装置，根据电池充放电电流的变化，估计电池电压的变动，根据电动势估计装置、电压变动估计装置和动态电压变动估计装置的输出值的合计，估计电池电压。

另外，上述电池充电状态的估计装置的特征在于：虚拟SOC的修正量由与估计的电池电压和实际测定的电池电压的差成正比的分量、以及与该差的积分值成正比的分量构成。

另外，上述电池充电状态的估计装置的特征在于：虚拟SOC估计装置。电动势估计装置、电压变动估计装置和动态电压变动估计装置在各估计中进行对应于电池温度的修正。

另外，上述电池充电状态的估计装置的特征在于：虚拟SOC估计装置、电动势估计装置、电压变动估计装置和动态电压变动估计装置在各估计中进行对应于估计的SOC的修正。

另外，上述电池充电状态的估计装置的特征在于：动态电压变动估计装置由具有反馈路径的神经元网络构成。

另外，电池恶化状态估计方法的特征在于：测定电池的充放电电流和电池电压，根据该充放电电流的累计值求虚拟SOC，作为电池充电状态(SOC)的估计值，根据虚拟SOC估计电池的开路电压Voc，根据电池的充放电电流的变化估计电池电压的动态变动部分Vdyn，用下式求开路电压Voc和电池电压的动态变动部分Vdyn的和与电池电压的测定值Vmes的差Vr，

Vr＝Vmes-(Voc+Vdyn)

根据该差Vr和充放电电流值，利用最小二乘法求电池的内阻。

另外，上述电池恶化状态估计方法的特征在于：最小二乘法是加权最小二乘法。

附图的简单说明

图1是本发明的电池充电状态估计装置的实施形态1的结构框图。

图2是表示由图1所示的电池充电状态的估计装置进行的电池SOC的估计工作的流程图。

图3是本发明的电池充电状态估计装置的实施形态2的结构框图。

图4是本发明的电池充电状态估计装置的实施形态3的结构框图。

图5是表示本发明的电池充电状态的估计装置的实施形态4中使用的动态电压变动估计装置的变形例图。

图6是表示电池的电流和电压变化的关系图。

图7是实施本发明的电池恶化状态估计方法用的结构框图。

图8是本发明的电池恶化状态估计方法的工序流程图。

图9是采用由本发明的电池恶化估计方法估计的内阻来估计电池的SOC的结构框图。

图10是表示电池的电压-电流关系的图。

5实施发明用的最佳形态

以下，根据附图说明本发明的最佳实施形态(以下称实施形态)。

实施形态1

图1是本发明的电池充电状态的估计装置的实施形态1的结构框图。在图1中，电池的充放电电流能用电流检测装置10检测。另外，此时的电池电压能用电压检测装置12检测。

用虚拟SOC估计装置14对电流检测装置10检测到的充放电电流值进行积分，加在预先求得的电池SOC的初始值上，能估计作为SOC的大致值的虚拟SOC。如果充满电时，该SOC的初始值达到100％，或者可作为上一次使用结束时的SOC估计值供给。由电动势估计装置16根据这样求得的虚拟SOC估计对应于该虚拟SOC的电池电压。由该电动势估计装置16估计的电池电压是电池开路电压的估计值Voc。这样的开路电压Voc能这样估计，即例如预先对每个电池求SOC和开路电压的图，作为对应于由虚拟SOC估计装置14供给的虚拟SOC的开路电压Voc。

另外，根据用电流检测装置10检测到的电池的充放电电流值，用电压变动估计装置18估计由电池的内阻引起的电压变动。在该电压变动估计装置18中，用下式估计由内阻引起的电池电压的变动。

Vr＝-r×Ib

r：内阻，Ib：电流值(放电时为正)

这里，Vr是由电压变动估计装置18估计的内阻引起的电压变动。另外，对每个电池预先决定电池的内阻r。另外，电流值Ib是用电流检测装置10检测到的充放电电流值。

另外，用动态电压变动估计装置20估计基于电池的充放电电流的变化的电池电压的变动。在动态电压变动估计装置20中，用下式估计电池的动态电压变动Vdyn。

Vdyn＝C×x dx/dt＝A×x+B×Ib

A、B、C：系数矩阵

X ：状态量

在动态电压变动估计装置20中，根据上述状态方程式估计电池的过度电压的变动Vdyn。在此情况下，根据对每个电池特性的测定，预先决定系数矩阵A、B、C。

其次，利用加法器22将上述电动势估计装置16、电压变动估计装置18、以及动态电压变动估计装置20的输出值相加，求作为电池电压估计值的估计电压Vest。即，

Vest＝Voc+Vr+Vdyn。

另外，由上述的虚拟SOC估计装置14、电动势估计装置16、电压变动估计装置18、动态电压变动估计装置20以及加法器22构成本发明的电池模型。

用比较器24对用上述电池模型估计的电池的估计电压Vest和用电压检测装置12检测的实际的电池测定电压Vmes进行比较，把两者之差输入SOC修正量计算装置26中。在SOC修正量计算装置26中，用下式计算电池的SOC的估计值。

SOC＝SOCp+Kp×(Vmes-Vest)+Ki×∫(Vmes-Vest)dt

SOCp：虚拟SOC Kp、Kj：系数

在上式中，虚拟SOC(SOCp)是虚拟SOC估计装置14的输出值。另外，用SOC修正量计算装置26计算上式第2项及第3项即与用比较器24求得的估计电压Vest和测定电压Vmes的差(Vmes-Vest)成正比的分量、以及与该差的积分值成正比的分量。这里，系数Kp、Kj分别预先根据电池特性决定。如上式所示，利用加法器28将SOC修正量计算装置26计算的上述各分量与虚拟SOC估计装置14的输出值SOCp相加。因此能得到电池的SOC的估计值。

这样，在本实施形态中，使用电池模型，根据采用与以前相同的方法求得的虚拟SOC，估计电池的电动势，同时，估计由电池电压的内阻引起的变动部分、以及由充放电电流的变化引起的动态电压变动部分，将它们合计起来，估计电池的电压。即，用电池模型，与虚拟SOC一起考虑电池状态的变动，估计电池电压Vest。其次，修正虚拟SOC，以便使该估计电压Vest与实际测定的电池电压Vmes相等，估计电池的SOC。因此，由于不仅累计充放电电流，而且还进行考虑了内阻和电池状态的变动的SOC的修正，所以能显著提高电池的SOC的估计精度。

另外，在本实施形态中，由于修正虚拟SOC，以便使估计电压Vest与实际测定的电池电压Vmes相等，所以尽管最初暂时供给的SOC的初始值包含较大的误差，也能快速地收敛成准确的SOC的估计值。

图2表示由图1所示的电池充电状态的估计装置进行的电池SOC的估计工作的流程。在图2中，在点火开关接通的情况下(S1)，根据电池是否充满电或上一次使用结束时的SOC的估计值等，用虚拟SOC估计装置14设定虚拟SOC，作为电池的充电状态的大致值(S2)。

其次，用电流检测装置10及电压检测装置12测定电池的充放电电流值Ib和电池的实际电压Vmes(S3)。

通过累计用电流检测装置10检测到的充放电电流值Ib，用虚拟SOC估计装置14计算虚拟SOC(S4)。根据用该虚拟SOC估计装置14估计的虚拟SOC，用电动势估计装置16估计电池的开路电压Voc。另外，根据用电流检测装置10检测到的电池的充放电电流Ib，用电压变动估计装置18估计由内阻引起的电压变动Vr。另外，用动态电压变动估计装置20估计基于电池的充放电电流变化的电压变动部分Vdyn。将这些开路电压Voc、由内阻引起的电压变动部分Vr以及基于电池充放电电流的变化的电压变动部分Vdyn合计起来，计算电池的估计电压Vest(S5)。

其次，用比较器24对上述计算的估计电压Vest和用电压检测装置12实际测定的电池的测定电压Vmes进行比较(S6)。根据用该比较器24比较后的Vmes和Vest的差，用SOC修正量计算装置26计算虚拟SOC估计装置14估计的虚拟SOC的修正量(S7)。

通过用加法器28将SOC修正量计算装置26计算的SOC的修正量加在虚拟SOC中，进行虚拟SOC的修正，计算SOC的估计值(S8)。

其次，确认点火开关是否关断，反复执行上述步骤S3～S8，直到点火开关关断为止(S9)。

在S9中点火开关关断的情况下，将该时刻的电池的SOC的估计值存储在非易失性存储器中，作为下一次虚拟SOC的初始值使用(S10)。

至此，用本实施形态的电池充电状态的估计装置进行的电池的SOC的估计工作结束。

实施形态2

图3是本发明的电池充电状态估计装置的实施形态2的结构框图。与图1相同的要素标以相同的符号，其说明从略。在图3中，特征在于：在虚拟SOC估计装置14、电动势估计装置16、电压变动估计装置18以及动态电压变动估计装置20等各装置分别进行估计工作时，进行对应于电池温度Tb的修正。即，在本实施形态中，设置了电池温度检测用的温度检测装置30，其输出值分别被输入虚拟SOC估计装置14、电动势估计装置16、电压变动估计装置18、以及动态电压变动估计装置20中。

一般情况下，如本实施形态所示，由于电池的特性随着电池的温度而发生变化，所以通过将电池的温度Tb信息输入电池模型内的各估计装置中，能以更高的精度估计电池的SOC。另外，根据温度检测装置30检测到的电池的温度Tb，在各估计装置中进行什么样的修正是根据电池的特性预先决定的。

实施形态3

图4是本发明的电池充电状态估计装置的实施形态3的结构框图。与图1和图3相同的要素标以相同的符号，其说明从略。

在图4中，特征在于：在进行上述电池模型中的各种估计工作时，进行与修正虚拟SOC获得的SOC的估计值对应的修正。即，通过用加法器28将SOC修正量计算装置26计算的SOC的修正量加在虚拟SOC中来估计电池的SOC，并将该SOC的估计值分别输入电动势估计装置16、电压变动估计装置18以及动态电压变动估计装置20中，修正各自的估计工作。因此，能考虑由SOC变化引起的电池特性的变化，能以更高的精度估计电池的SOC。另外，与实施形态2相同，在各估计装置中进行什么样的修正是根据电池的特性预先决定的。

实施形态4

图5表示本发明的电池充电状态的估计装置的实施形态4中使用的动态电压变动估计装置20的变形例。另外，除了图5所示的结构以外的结构，与图1、图3、图4中示出的实施形态1、2、3相同。

在图5中，用神经元网络构成动态电压变动估计装置20。该神经元网络由输入层32、中间层34、输出层36构成，输入层32的各单元与中间层34的全部或者一部分单元相结合，中间层34的全部或一部分单元与输出层36的单元相结合。

图5所示的神经元网络的特征在于：这是一种具有从输出层36至输入层32的反馈路径38的循环型。

如果用离散型表示动态电压变动估计装置20估计的电池的动态电压变动Vdyn，则如下式所示：

Vdyn[k+1]＝f(Ib[K]、SOC[K]、Tb[K]、Vdyn[K])

f：函数

如上式所示，用2个时间段[K]和[K+1]之间的关系表示动态电压变动Vdyn。因此，在用神经元网络表示它的情况下，有必要构成上述循环型神经元网络。

另外，在上式中，用将Ib[K]、SOC[K]、Tb[K]、Vdyn[K]作为变数的某函数表示电压变动Vdyn[K+1]。通过神经元网络的学习来决定形成什么样的函数。

用加法器28将某时间段k的反馈项Vdyn[K]、电流检测装置10检测到的充放电电流Ib[K]以及SOC修正量计算装置26计算的SOC修正量加在虚拟SOC中，将加得的SOC的估计值SOC[K]、以及温度检测装置30检测到的电池温度Tb[K]输入到该神经元网络的输入层32中。一旦有这样的输入，便通过规定的中间层34从输出层36输出时间段[K+1]的电压变动Vdyn[K+1]。另外，将本实施形态的神经元网络用于图1所示的电池充电状态的估计装置中的情况下，只输入充放电电流值Ib[K]，在图3中使用的情况下，输入充放电电流值Ib[K]和电池温度Tb[K]。

用这样的结构，把包含基于电池内化学反应的非线性特性的教师数据供给输入层32，进行神经元网络的学习。通过该学习，改变各单元间的结合的大小，能得到具有还对应于电池的非线性特性的结合状态的神经元网络。即，如上所述，虽然动态电压变动Vdyn[K+1]成为将神经元网络的各个输入作为变数的函数，但因为该函数的形式不是单纯的线性形式，所以能更逼真地表现电池的非线性的特性。

这样，在本实施形态中，通过将能充分对应于该非线性特性的循环型神经元网络也用于电池内特别是非线性要素强的动态电压变动估计装置20中，能构成更准确的电池模型，能进行更准确的电池充电状态的估计。

实施形态5

图7是表示实施本发明的电池恶化状态估计方法用的结构框图。如上所述，由于电池的恶化状态表现为内阻的变化，所以通过监视内阻能估计电池的恶化状态。

在图7中，用电流检测装置10测定电池的充放电电流Ib，用电压检测装置12测定电池的电压(Vmes)。用虚拟SOC估计装置14对电流检测装置10检测到的充放电电流值Ib进行积分，加在预先求得的电池的SOC的初始值中，估计作为SOC的估计值的虚拟SOC。例如能把电池充满电时作为100％来确定作为该SOC的初始值。根据这样求得的虚拟SOC，用电动势估计装置16估计对应于该虚拟SOC的电池电压。由该电动势估计装置16估计的电池电压是电池的开路电压估计值Voc。这样的开路电压Voc能这样估计，即例如预先对每个电池求SOC和电池开路电压的图，作为对应于由虚拟SOC估计装置14供给的虚拟SOC的开路电压Voc。

另外，由于充放电电流的变化，电池的电压发生动态变动。用动态电压变动估计装置20估计这样的电池电压的动态变动部分。在该动态电压变动估计装置20中，用下式估计电池的动态电压变动Vdyn。

Vdyn＝C×x dx/dt＝A×x+B×Ib …(2)

A、B、C：系数矩阵

X ：状态量

在动态电压变动估计装置20中，根据上述状态方程式，估计电池的过渡电压的变动Vdyn。在此情况下，根据对每个电池特性的测定，预先确定系数矩阵A、B、C。这样，在本实施形态中，根据由电流检测装置10检测到的电池的充放电电流值Ib，利用由虚拟SOC估计装置14、电动势估计装置16以及动态电压变动估计装置20构成的电池模型估计电池的开路电压Voc及动态的电压变动部分Vdyn。

如上所述，用加法器40将利用电池模型估计的电池的开路电压Voc和电池电压的动态变动部分Vdyn相加，用减法器42求该加得的值与电压检测装置12检测到的实际电池电压的测定值Vmes的差Vr。即，

Vr＝Vmes-(Voc+Vdyn) …(3)

这样求得的值Vr从是电池电压的测定值Vmes中减去与该时刻的SOC相对应的电池的电动势后的值，即减去开路电压Voc和基于充放电电流变化的电池电压的动态变动部分Vdyn后的值，表示基于电池的内阻的电压变动。因此，通过用例如最小二乘法求该值Vr和用电流检测装置10检测到的电池的充放电电流值Ib的关系，能求电池的内阻作为其斜率。在电池恶化状态估计部44中，利用上述方法进行电池内阻的估计。

这样，如果采用本实施形态，则由于不是简单地将电池电压的测定值Vmes和电池的充放电电流值Ib的关系作成曲线，根据其斜率求内阻，而是除去基于电池SOC的变动、以及充放电电流的变动的电池电压的变动部分，只取出基于电池内阻的电压变动部分，进行内阻的估计，所以，能以高的精度估计电池的内阻。因此能准确地把握电池的恶化状态。另外，通过估计电池内阻的变化，不仅能检测电池的恶化状态，而且能进行电池的短路及断路等异常状态的检测。

另外，由于用通常的最小二乘法必须计算过去所有电流值的和并进行保存，所以存在计算处理时需要大量的存储器的问题。因此，最好采用导入了指数权重(勿忘项ρ：0＜ρ＜1)的加权最小二乘法。如果用离散型表示，则如下式所示：

R_{n} = \frac{ρ Σ_{i = 0}^{n - 1} ρ^{n - 1} {I_{i}}^{2}}{ρ Σ_{i = 0}^{n - 1} ρ^{n - 1} {I_{i}}^{2} + {I_{n - 1}}^{2}} + \frac{I_{n - 1} {Vr}_{n}}{ρ Σ_{i = 0}^{n - 1} ρ^{n - 1} {I_{i}}^{2} + {I_{n - 1}}^{2}} . - - - (4)

式中 R：电池内阻

I：测定电流

Vr：测定电压-开路电压-动态变动电压

n：第n个试样

ρ：指数权重(0＜ρ＜1，勿忘项ρ)

另外，在上式中，把电流检测装置10检测到的电池的充放电电流值表示为I，而不是Ib。

图8表示本实施形态的电池恶化状态估计方法的工序流程。在图8中，确认点火开关是否接通(S1)，接通时用虚拟SOC估计装置14设定SOC的初始值(S2)。

其次，用电流检测装置10及电压检测装置12测定电池的充放电电流值Ib和电压Vmes(S3)。

在虚拟SOC估计装置14中，累计充放电电流值Ib并加到在S2中设定了的SOC的初始值中，计算虚拟SOC(S4)。电动势估计装置16利用该虚拟SOC计算电池的开路电压Voc。另外，动态电压变动估计装置20根据充放电电流的变化计算电池电压的动态变动部分Vdyn(S5)。

根据上述公式(3)，并根据在S5中求得的Voc和Vdyn、以及用电压检测装置12检测到的电池电压的测定值Vmes计算Vr(S6)。根据上述公式(4)，并根据该Vr及电流检测装置10检测到的充放电电流值Ib计算电池的内阻R(S7)。

其次，确认在S7中求得的内阻R是否超过规定值Rref(S8)。因为在电池的内阻R比Rref大的情况下，可以认为加重了电池的恶化或发生了某些故障，蓄电池呈异常状态，利用规定的装置发出警报。(S9)。

在S8中在电池的内阻R比Rref小的情况下或者在S9中蓄电池呈异常状态后，确认点火开关是否关断(S10)。在S10中点火开关未关断的情况下，反复执行步骤S3-S9。另外，在点火开关关断的情况下，结束电池恶化状态的估计工作。

图9是表示使用如上估计的电池的内阻R、电池的开路电压Voc、以及电池电压的动态变动部分Vdyn来估计电池的SOC的装置的结构框图，与图7相同的要素标以相同的符号，其说明从略。

在图9中，根据由电池恶化状态估计部44估计的电池的内阻R，对在电池的制造时测定而预先给出的电池的内阻值进行修正。因此，能将电池模型中的电池的内阻值经常维持为正确的值。根据这样的电池内阻R的值、以及用电流检测装置10检测到的电池的充放电电流值Ib，用电压变动估计装置18估计由电池的内阻引起的电压变动。在该电压变动估计装置18中，利用下式估计由内阻R引起的电池电压的变动。

VR＝-R×Ib

R：内阻，Ib：电流值(放电时为正)

这里，VR是用电压变动估计装置18能估计的由内阻R引起的电压变动。另外，电流值Ib是用电流检测装置10检测的充放电电流值。

其次，用加法器22将上述电动势估计装置16、动态电压变动估计装置20、以及电压变动估计装置18的各输出值相加，求作为电池电压估计值的估计电压Vest。即，

Vest＝Voc+Vdyn+VR

另外，由虚SOC拟估计装置14、电动势估计装置16、动态电压变动估计装置20、电压变动估计装置18、以及加法器22构成将实际的电池模型化的电池模型。

如上估计的电池的估计电压Vest用比较器24与由电压检测装置12检测到的实际的电池测定电压Vmes进行比较，将两者的差输入SOC修正量计算装置26中。在SOC修正量计算装置26中计算电池的SOC的修正量，以便使测定电压Vmes与估计电压Vest相等。因此，利用下式能计算电池的SOC的估计值。

SOC＝SOCp+Kp×(Vmes-Vest)+Ki×∫(Vmes-Vest)dt

SOCp：虚拟SOC Kp、Ki：系数

在上式中，虚拟SOC(SOCp)是虚拟SOC估计装置14的输出值。另外，用SOC修正量计算装置26计算上式第2项及第3项即与用比较器24求得的估计电压Vest和测定电压Vmes的差(Vmes-Vest)成正比的分量、以及与该差的积分值成正比的分量。这里，系数Kp、Kj分别预先由电池特性决定。如上式所示，利用加法器28将由SOC修正量计算装置26计算的上述各分量与虚拟SOC估计装置14的输出值SOCp相加。因此能得到电池的SOC的估计值。

这样，在本实施形态中，使用电池模型，根据虚拟SOC估计电池的电动势，同时估计由电池电压的内阻引起的变动部分和由充放电电流的变化引起的动态电压变动部分，将它们合计起来，估计电池的电压。即，用电池模型，与虚拟SOC一起考虑电池状态的变动，估计电池电压Vest。其次，修正虚拟SOC，以便使该估计电压Vest与实际测定的电池电压Vmes相等，估计电池的SOC。因此，由于不仅累计充放电电流，而且还进行考虑了内阻和电池状态的变动的SOC的修正，所以能显著提高电池的SOC的估计精度。另外，由于此时使用的电池的内阻R是用电池恶化状态估计部修正后的值，所以能进一步提高SOC的估计精度。

工业上利用的可能性

如上所述，如果采用本发明，则由于在估计电池的SOC时，考虑电池的充放电电流变化等动态电池状态的变动，进行估计，所以象混合环那样，在充放电以短周期切换反复进行那样的使用条件下，也能以高精度进行SOC的估计。

另外，特别是如果由循环型神经元网络构成非线性要素强的动态电压变动估计装置，则能进行更准确的电池充电状态的估计。

另外，根据电池电压的测定值，除去基于SOC变动的电动势的变动部分、以及基于充放电电流变化的电池电压的动态变动部分，只求基于内阻的电压变动部分，并根据这些进行内阻的估计，所以，能高精度地估计电池的内阻。其结果，能准确地把握电池的恶化状态。

Claims

1.一种电池充电状态估计装置，它具有电池模型，用来求虚拟充电状态作为电池充电状态的大致的值，与该虚拟充电状态一起考虑电池状态的变动，估计电池电压，修正上述虚拟充电状态，以便使上述估计的电池电压与实际测定的电池电压相等，估计实际的充电状态，其特征在于：

上述电池模型具有：

虚拟充电状态估计装置，根据电池的充放电电流求上述虚拟充电状态；

电动势估计装置，根据从上述虚拟充电状态估计装置输出的上述虚拟充电状态，估计电池电压；

电压变动估计装置，估计由内阻引起的电池电压的变动；以及

动态电压变动估计装置，根据电池充放电电流的变化，估计电池电压的变动，

根据上述电动势估计装置、上述电压变动估计装置和上述动态电压变动估计装置的输出值的合计，估计电池电压。

2.根据权利要求1所述的电池充电状态估计装置，其特征在于：上述虚拟充电状态的修正量由与上述估计的电池电压和实际测定的电池电压的差成正比的分量、以及与该差的积分值成正比的分量构成。

3.根据权利要求1所述的电池充电状态估计装置，其特征在于：上述虚拟充电状态估计装置、上述电动势估计装置、上述电压变动估计装置和上述动态电压变动估计装置进行各估计时根据电池温度进行修正。

4.根据权利要求1所述的电池充电状态估计装置，其特征在于：上述虚拟充电状态估计装置、上述电动势估计装置、上述电压变动估计装置和上述动态电压变动估计装置在各估计中进行对应于上述估计的充电状态的修正。

5.根据权利要求1至4中的任意一项所述的电池充电状态估计装置，其特征在于：上述动态电压变动估计装置由具有反馈路径的神经元网络构成。

6.一种电池恶化状态估计方法，其特征在于：测定电池的充放电电流和电池电压，

根据上述充放电电流的累积值求虚拟充电状态，作为电池充电状态的估计值，

根据上述虚拟充电状态估计电池的开路电压Voc，

根据电池的充放电电流的变化估计电池电压的动态变动部分Vdyn，

用下式求上述开路电压Voc和电池电压的动态变动部分Vdyn的和与上述电池电压的测定值Vmes的差Vr，

[式14]

Vr＝Vmes-(Voc+Vdyn)

根据该差和充放电电流值，利用最小二乘法求电池的内阻。

7.根据权利要求6所述的电池恶化状态估计方法，其特征在于：上述最小二乘法是加权最小二乘法。