[发明专利]电池组适应性学习管理系统

说明书

技术领域

本公开的实施例通常涉及电池组。更具体地，本公开的实施例涉及电池组和电池组充电系统的健康和控制状态。

背景技术

电池组的主要特性是例如电压、能量密度、容量、充电状态和内电阻等参数。这些参数确定电池组的状态或健康。各种类型的电池组应用可以包括汽车、航空航天或电路板级装置，例如不间断电源（UPS）。由于无论非可充电的（原电池）或者可再充电的（二次电池）电池组的本质属性，电池组的例如电化学、制造技术、利用率方面的性质和电池组特性均会随时间变化。

发明内容

本发明公开了用于电池组健康诊断的系统和方法。实时测量电池组的至少一个电池组属性，从而提供测量的数据，并且追踪测量所述测量的数据的至少一个测量时间。通过采用测量的数据和测量的时间开发电池组历史模型，并且使用适应性逻辑根据该电池组历史模型与电池组参数或者特性的初始设备制造商（OEM）说明书来估计电池组的未来状态，其中所述适应性逻辑采用变化规则或者其他方法为未来状态和产生的预测调整和修改电池组特性。

本公开的实施例提供了小型的、低成本且低能量的系统，其具有用于电池组工作历史追踪和建模的板载存储器。例如，数据能够被追踪并建模，所述数据例如充电、放电、日期、时间或者其他数据。所述数据可以用于执行预防性维护动作。这允许各种类型的维护动作，包括在常规维护期间完成的更详尽的诊断，在所述常规维护期间，信息被卸载并且被诊断为例如队列维护（fleet maintenance）的一部分。以这样的方式，可以通过维护人员使用数据来创建智能数据库，从而描绘电池组寿命和性能以及充电系统响应。

通过使用本文所述的电池组健康诊断系统，能够为早期维护标记过反应或者欠反应的充电系统以及二次电池组内的不健康电池，通过不定期维护产生进一步的节省。电池组健康和预测以及电池组最优操作/异常安全特性（例如过电流、过温度或者深度放电）能够被用于电池组维护。

在实施例中，用于电池组健康诊断的方法实时测量电池组的至少一个电池组属性，从而提供测量的数据，并且追踪测量所述测量的数据的至少一个测量时间。该方法进一步通过适应性建模所述测量的数据和测量时间而提供电池历史模型，并且根据该电池历史模型估计电池组的未来状态。

在另一个实施例中，电池组适应性学习管理系统包括测量逻辑、适应性逻辑和预测逻辑。测量逻辑实时测量电池组的至少一个电池属性，从而提供测量的数据，并且追踪测量所述测量的数据的至少一个测量时间。适应性逻辑通过适应性建模测量的数据和至少一个测量时间而提供电池组历史模型。预测逻辑根据电池组历史模型估计电池组的未来状态。

在另一个实施例中，计算机可读存储介质包括计算机可执行指令，以便执行用于电池组健康诊断的方法。由计算机可执行指令执行的所述方法实时测量电池组的至少一个电池组属性，从而提供测量的数据，并且追踪测量所述测量的数据的至少一个测量时间。由计算机可执行指令所执行的所述方法也通过适应性建模所述测量的数据和测量时间而提供电池组历史模型，并且根据该电池组历史模型估计电池组的未来状态。

根据本公开的一个方面，提供了用于电池组健康诊断的方法，其包括：

实时测量电池组的至少一个电池组属性，从而提供测量的数据；

追踪测量所述测量的数据的至少一个测量时间；

通过适应性建模测量的数据和至少一个测量时间而提供电池组历史模型；和

根据电池组历史模型估计所述电池组的未来状态。

有利的是，至少一个电池组属性包括从由以下各项组成的群组中选择的至少一个成分：容量、充电状态、电压、电流、电池电阻、工作环境、和温度。

有利的是，该诊断方法进一步包括计算至少一个电池组属性在电池组的先前状态和当前状态之间的变化。

有利的是，所述诊断方法进一步包括计算至少一个电池组属性的变化率。

有利的是，所述诊断方法进一步包括使用电池组历史模型计算电池组的健康状态。

有利的是，该诊断方法进一步包括使用电池组历史模型预报对电池组可靠性和可维护性的预测。

优选地进一步包括报告电池组的预测。

并且优选地进一步包括根据该预测报告电池组的可靠性和可维护性评定。

并且另外优选的是进一步的可靠性和可维护性评定包括从由以下各项组成的群组中选择的至少一个成分：健康状态、电池组容量警告、充电状态、潜在异常、热失控警告，维护需求、系统警告、关闭警告、和电池组替换需求。