EP2274631A1 - Systeme de gestion intelligent d'une batterie électrochimique - Google Patents

Systeme de gestion intelligent d'une batterie électrochimique

Info

Publication number
EP2274631A1
EP2274631A1 EP09738296A EP09738296A EP2274631A1 EP 2274631 A1 EP2274631 A1 EP 2274631A1 EP 09738296 A EP09738296 A EP 09738296A EP 09738296 A EP09738296 A EP 09738296A EP 2274631 A1 EP2274631 A1 EP 2274631A1
Authority
EP
European Patent Office
Prior art keywords
battery
electrochemical
management system
state
model
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Withdrawn
Application number
EP09738296A
Other languages
German (de)
English (en)
Inventor
Antonio Sciarretta
Valérie SAUVANT-MOYNOT
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
IFP Energies Nouvelles IFPEN
Original Assignee
IFP Energies Nouvelles IFPEN
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by IFP Energies Nouvelles IFPEN filed Critical IFP Energies Nouvelles IFPEN
Publication of EP2274631A1 publication Critical patent/EP2274631A1/fr
Withdrawn legal-status Critical Current

Links

Classifications

    • HELECTRICITY
    • H01ELECTRIC ELEMENTS
    • H01MPROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00Secondary cells; Manufacture thereof
    • H01M10/42Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
    • H01M10/4285Testing apparatus
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JELECTRIC POWER NETWORKS; CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00Circuit arrangements for charging or discharging batteries or for supplying loads from batteries
    • H02J7/90Regulation of charging or discharging current or voltage
    • H02J7/92Regulation of charging or discharging current or voltage with prioritisation of loads or sources
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/367Software therefor, e.g. for battery testing using modelling or look-up tables
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/392Determining battery ageing or deterioration, e.g. state of health
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02EREDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02E60/10Energy storage using batteries

Definitions

  • the present invention relates to the use of a method for estimating the characteristics of an electrochemical system, of battery type, which are not directly measurable.
  • the method makes it possible to manage an electrochemical battery, in particular during its operation in a hybrid or electric vehicle.
  • the electrochemical battery is one of the most critical components of a hybrid or electric vehicle.
  • the correct operation of the vehicle is based on an intelligent battery management system (BMS) which is responsible for operating the battery to the best compromise between the different levels of dynamic solicitation.
  • BMS battery management system
  • SoC state of health
  • SoH state of health
  • T thermal state
  • SoC state of charge of a battery
  • available capacity expressed as a percentage of its nominal capacity
  • Health status which is the available capacity after recharging (expressed in Ah) is therefore a measure of the point that has been reached in the life cycle of the battery.
  • the thermal state (T) of a battery conditions its performance because the chemical reactions and transport phenomena involved in the electrochemical systems are thermally activated.
  • the initial thermal state is linked to the temperature outside the vehicle which can be operated over a wide range of temperatures, typically between -40 0 C and +40 0 C.
  • the thermal state in use changes depending on the load load and discharge of the battery, of its design and its environment. The most accurate and reliable estimation of SoC, SoH and thermal state
  • T results in several advantages. This estimate makes it possible to prevent the supervisor of the vehicle from behaving in an overly cautious manner in the use of the energy potential of the battery or vice versa. It also makes it possible to avoid oversized safety of the batteries, thus to save weight on board and, consequently, fuel consumed; it also reduces the total cost of the vehicle. A correct estimator is therefore a guarantee for efficient and safe operation of the battery capacity throughout the vehicle's operating range.
  • the present invention relates to the use of a method for estimating the internal state of a rechargeable electrochemical system (of the battery type), which consists in particular in estimating the characteristics of the battery which are not directly measurable (reference model ). It will be a question of using measurements easily obtained by conventional means to reconstruct the internal state of the battery by means of a mathematical model of the battery which can advantageously be executed synchronously with the operation of the battery. -Even (real time). In particular the method will make it possible to estimate the state of charge (SoC), the state of health (SoH) and the thermal state (T) of an electrochemical battery, which are the most interesting internal characteristics for applications. concerning hybrid and electric vehicles.
  • SoC state of charge
  • SoH state of health
  • T thermal state
  • Said method may include the derivation of the reference model (reduced model) to allow simplified use, in particular for the on-board control and energy management of a hybrid vehicle.
  • the invention relates to an intelligent system for energy and thermal management of the battery during its operation.
  • Another object of the invention is a battery charger / discharger using said method.
  • Said method can also be used in a simulator of the thermal state of an electrochemical system forming part of the management system.
  • the measurement of the no-load voltage as a SoC indicator is also known as a method.
  • the use of other indicators, for example the estimation of an internal resistance, (patents US 6191590 B1, EP1835297 A1) is a method also known.
  • SIE impedance spectroscopy
  • EP880710 (Philips), the description of the electrochemical and physical phenomena at the electrodes and in the electrolyte serving as a support for the development of the RC model, the temperature of the battery being simulated by the model, in order to gain precision, compared with a measurement external.
  • the invention relates to the use of a method for estimating the internal state of a rechargeable electrochemical system (battery type) in which: at least one input signal of at least one representative parameter is measured a physical quantity of the rechargeable electrochemical system, where a reference model of the system is established comprising at least: a mathematical representation of the kinetics of the electrochemical reactions taking place at the interfaces between each of the electrodes and the electrolyte, taking into account the interface concentrations;
  • the potential and / or the state of charge and / or the temperature of the electrochemical system are collected as an output signal.
  • the health status of the electrochemical system is collected as an output signal.
  • An intelligent electrochemical battery management system comprises an input means connected to a measurement means on the battery for receiving an input value of at least one parameter representative of a physical quantity of battery; a processing means for generating at least one output signal of at least one characteristic calculated by the method using the reduced model. an information / control means for presenting information on the physical quantity of the battery and / or controlling the charging / discharging and / or cooling of the battery in response to the output signal of the processing and / or comparison means .
  • the processing means comprises a recursive filter.
  • Said management system can be used for on-board control and energy management of a hybrid vehicle.
  • the invention also relates to a battery charger / discharger comprising said management system.
  • the invention also relates to a simulator of the thermal state of a battery using said method and forming part of the intelligent management system. Detailed description of the invention
  • Figures 1 to 8 illustrate the invention without limitation and relate to a Ni-MH battery, although the model according to the invention can be applied to any electrochemical system.
  • FIG. 1 is a diagrammatic representation of a NiMH battery cell, where MH-el designates the porous negative electrode based on a metal hydride, Ni-el the porous positive electrode based on nickel, ReG the reserve compartment of gas, sep the separator electrically isolating the two electrodes, col the current collectors, and x the prevailing direction.
  • the electrodes and the separator are impregnated with a concentrated alkaline solution.
  • the gas (oxygen) that can be released during charging of the battery is concentrated in a common space above the cells.
  • Figure 2 represents a possible schema of the model that is used in the method, where the acronyms have the following meaning:
  • BMa material assessment; (8): c n , (9): c m / (10): p 0 ; (11): V, (12): q;
  • the current at the terminals of the cell is considered as an input of the model, while the voltage is one of its outputs.
  • the input signals, current and temperature, are representative of physical quantities measured on the battery.
  • Processing means based on the Butler Volmer equations, the load balance, the material balance and the energy balance calculate the state of the battery on the basis of the input signals and generate output signals derived from the calculation, like potential, state of charge and temperature.
  • FIG. 3 represents an example of associated SoC estimation curves obtained by integrating the current (bold dotted line) and using the models according to the invention, the reduced model (fine dashed line) and the reference model (full fat line). ).
  • FIG. 4 represents a diagram of the Kalman filter which is applied to an electrochemical cell according to the method of the invention, with X: internal state calculated by the estimator, U: input, Y: output, F: variation of the internal state according to the model.
  • FIG. 5 represents an operating diagram of the SoC estimation algorithm, with Sph: physical system, M: model, FNL: nonlinear filter, East: estimator, U: measured inputs, Y: measured outputs, Ye: outputs calculated by the model, Xe: internal state calculated by the estimator, F: variation of the internal state according to the model, L: output gain of the nonlinear filter.
  • FIG. 6 is a functional diagram of a hybrid vehicle simulator using the method for estimating the internal characteristics according to the invention.
  • FIGS. 7a and 7b show an example of charge / discharge curves at different current regimes and at ambient temperature; a) IC load, IC slot; b) load IC, slot 1OC Dashed line curve: reduced model according to the invention; solid line curve: reference model according to the invention.
  • FIG. 8 shows an example of an electrochemical impedance spectroscopy curve simulated from the method used in the invention, representing the imaginary part of the Imag (Z) impedance as a function of the real part of the impedance Real (Z).
  • Electrochemical reactions take place at the interfaces between the electrodes and the electrolyte.
  • the positive electrode is the seat of electrochemical reactions of reduction of the oxidizing species, during the discharge, while the negative electrode is the seat of oxidation reactions of the reducing species.
  • the kinetics of electrochemical reactions can be described by the Butler-Volmer equations, whose general form for the generic "z" reaction is
  • J z Jo, z ⁇ exp [a a> z K ( ⁇ .- U eg , z )] - exp [-a c> z K ( ⁇ z - U eg , z )] ⁇ •
  • J z is the charge transfer current density
  • J z0 is the exchange current density
  • ⁇ Z is the potential difference between the solid phase (electrode) and the electrolyte
  • U eq z is the equilibrium potential of the reaction
  • ⁇ z is a symmetry factor (different for the positive electrode, index "c", and the negative electrode, index "a")
  • E a , z is the activation energy.
  • the active species are nickel oxyhydroxide NiOOH, nickel hydroxide Ni (OH) 2 , metal hydride MH, oxygen O 2 partially dissolved in the electrolyte in equilibrium with the gas phase. Electrochemical reactions at the positive electrode are, during the discharge,
  • C n is the concentration of protons in the positive electrode (nickel hydroxide)
  • C e is the electrolyte concentration of OH ions ie "
  • C 0 is the concentration of oxygen in the negative electrode and the same crossed-out variable is the interfacial concentration of oxygen, in equilibrium with the gaseous phase
  • c m is the concentration of hydrogen in the negative electrode (metallic material)
  • the indices "ref” and “max” are refer to reference and maximum values, respectively
  • ⁇ , z is the stoichiometric coefficient of the species "i” in the “z” reaction and a (k ) is the interface specific surface in the "k” region.
  • the conversion rate is classically evaluated as
  • Equations (12) - (14), (16) constitute a system of four equations with four variables c e , C 0 ⁇ e and i e .
  • the equations are differential to partial derivatives in the x domain, as shown in Figure 1.
  • the resolution of this system requires appropriate boundary conditions.
  • the boundary conditions for the two OH " and oxygen species are determined by the continuity at the interfaces between the electrodes and the separator, as well as by the zero flow condition at the ends of the cell (current collectors). in the liquid phase is also zero because the total current of cell I passes only through the solid phase.
  • i s (t) - ⁇ (k) (l- ⁇ (k) ) V ⁇ s (t) (18)
  • ⁇ (k) the conductivity in the region "k”
  • ⁇ s the potential in the solid phase.
  • index j is assigned to both nickel, with the current density Ji, and the metal hydride, with the current density J 3 .
  • the method used in the invention distinguishes local concentration c (x, t) and interfacial concentration in the reference model.
  • the interface concentrations ç m and ç n are used instead of the average concentrations in the Butler-Volmer equations (4) and (6).
  • Interface concentrations are calculated by the following approximation that replaces equation (20):
  • V is the volume of the liquid phase, where oxygen is generated
  • R 0 eg is calculated for each zone "k" by the
  • K is an interfacial mass transport coefficient.
  • Thermal balance The temperature of the cell can be calculated as the output of the energy balance, from FIG. 2.
  • the internal heat flux ⁇ gen generated by the activity of the cell is given by:
  • ⁇ tra (t) hA cel (T (t) - T a ) (2 ⁇ )
  • Cp is the specific heat capacity of the cell and the M ⁇ its mass.
  • Equation (4) becomes where C (i) is the double layer capacity of the electrode 1 (eg nickel).
  • the function f represents the right term of equation (4)
  • equation (6) becomes:
  • C ( 3 ) is the double layer capacity of the electrode 3 (for example MH).
  • the function g represents the right term of equation (6).
  • N 0 O 5
  • equation (24) is visibly equivalent to:
  • r is the radius of the macro-particle representing the metal hydride
  • y (1) the thickness of the active substrate which encircles the cylindrical macro-particle representing nickel.
  • the method used in the invention distinguishes mean concentration of the c (t) region and interfacial concentration in the reduced model.
  • Interface concentrations c. m and n are used instead of the mean concentrations in the Butler-Volmer (4) and (6) equations.
  • the interface concentrations are calculated, as in the reference model, by the following approximation that replaces equation (20):
  • Equation (28) thus separates into two equations, each valid for one of the electrodes,
  • C d i is the double layer capacitance, which can change value between the two electrodes.
  • the 0-d model is completed by an overall assessment of the electrical potential on the cell:
  • V (t) A ⁇ poa (t) - ⁇ , J ⁇ a (*) + Mintl ⁇ t) (30)
  • the reduced model of the method used in the invention comprises equations (4) - (8), (25) - (27), (29) - (30), a total of 15 equations, for 15 variables 3 lr ..., J 4 , ⁇ i, • -, n *, c m , C n , p 0 , ⁇ pos , ⁇ neg , V, T.
  • the other quantities appearing in the equations that constitute the method are treated as parameters to be calibrated.
  • a special formulation is assigned to the parameter U eq , r e r, i appearing in the first relation of equations (8).
  • the state of charge of the cell in the method used in the invention, q (t), is given by the concentration of one of the reactive species, in particular by C n in the example of a Ni-type battery. -MH,
  • the estimate of q is therefore based on the estimate of C n , whereas this variable is not directly measurable from a battery, in particular on board the vehicle.
  • the method advantageously uses a recursive filter to estimate the state of the dynamic system from the available measurements, a schema of which is proposed in Figure 4. Notable characteristics of this estimation problem are the fact that the measurements are affected by noise, and the fact that the system modeled according to the method is strongly non-linear.
  • a recursive filter preferably used in the method will be the extended Kalman filter known to those skilled in the art.
  • the available measurements are the cell terminal voltage and the battery temperature, which represent the y output of the model, and the I current at the terminals which represents the u input of the model.
  • the method then provides a step (M in Fig. 5) where the model provides the vector of the variations f (F in Fig. 5) and the calculated output y (Ye in Fig. 5) according to equation (34). Then, these two variables are manipulated by a second step (East in FIG. 5) which reconstructs the state Xe from F, Ye, and the measure Y.
  • the estimation algorithm thus uses the output a third step (FNL in Figure 5) that provides the variable L as a function of the reconstructed state, the characteristics of the electrochemical system (according to the model of the method) and the characteristics of the noise that affects the measurements.
  • the FNL step may be performed with a method known to those skilled in the art, for example the extended Kalman filter.
  • the model directly represents the state of charge as a state variable of the model.
  • the known methods use so-called “equivalent electric circuit” models, where the state of charge is not a dynamic variable of the model, but an exogenous variable, according to which other dynamic or static variables are set.
  • BMS electrochemical battery management system
  • the reduced model according to the invention is based on physical parameters of the system, and not already on equivalent global parameters such as the RC models known in the prior art. This property makes it easier to estimate the aging and therefore the state of health of the battery.
  • the estimated variations of the parameters of the reduced model will be used to detect possible macroscopic variations in the behavior of the battery, and thus alterations in its performance, which is commonly understood as "aging".
  • Other uses of the models of the method Battery simulator
  • the reference model is also useful as an aid for the dimensioning of traction chains for hybrid vehicles.
  • An example of a hybrid vehicle simulator incorporating a battery model is given in FIG. 6.
  • these applications do not need simulation models capable of running in real time, even if a certain speed of calculation is still desirable.
  • the reference model (Model 1-D) of the method used in the invention can simulate the dynamic behavior of a traction battery more efficiently and faithfully than equivalent electric circuit type models, and thus it can be used in a battery simulator.
  • the electrochemical reference model can be used to test "offline" the efficiency of the online estimator (which uses the reduced 0-d model according to the invention) and to calibrate the parameters, adapting them to the specific battery under examination.
  • the reference model as the reduced model of the method used in the invention can calculate the variations in time of all internal electrochemical variables of the battery, and in particular the state of charge.
  • the input of the models is the current at the terminals of the battery
  • the simulated cases depend on the choice of this last variable. For example, it is possible to represent a charge or a controlled discharge with a constant current, or a variable current according to a fixed profile, or with a variable current depending on the voltage.
  • This last case is representative of the conditions of solicitation of the battery in a vehicle, where the current imposed on the battery depends on the voltage, according to the characteristics of the associated electrical components (power electronics, electric motor (s), etc. .).
  • Typical results of the battery simulator using the models according to the invention are presented in FIG. 7. Impedance spectroscopy simulator
  • Equation (30) is then modified to take into account the inductive effects due to the connections between the cells and with the terminals.
  • the presence of the energy balance in the reduced model and in the reference model of the method used in the invention makes it possible to simulate the thermal evolution of the system. Consequently, the method used in the invention can thus be used for the sizing of the battery and the validation of the thermal management systems, which must necessarily equip the battery itself.
  • the heat fluxes generated and the temperature of the battery are input variables for these systems, which are intended to adjust these flows and this temperature around the allowable values.
  • thermal transients thus makes it possible to synthesize and validate the control and optimization strategies associated with thermal management systems. These strategies can thus benefit from the presence of a reduced model during their online use, to obtain estimates of certain variables that are not measurable (temperatures in specific points, heat fluxes, etc.), or that are measurable, but with response times of the associated sensors too slow.

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Manufacturing & Machinery (AREA)
  • Chemical & Material Sciences (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Electrochemistry (AREA)
  • General Chemical & Material Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Secondary Cells (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

La présente invention concerne un système de gestion intelligent d'une batterie électrochimique utilisant une méthode d'estimation de l'état interne de la batterie, à l'aide de modèles mathématiques permettant de gérer une batterie électrochimique pendant son fonctionnement, et notamment d'estimer les caractéristiques de la batterie qui ne sont pas directement mesurables. Pour des applications concernant les véhicules hybrides et électriques, les caractéristiques internes les plus intéressantes sont l'état de charge (SoC), l'état de santé (SoH) et l'état thermique. La reconstruction des caractéristiques internes est faite à travers l'utilisation de modèles mathématiques de la batterie.

Description

SYSTÈME DE GESTION INTELLIGENT D'UNE BATTERIE ÉLECTROCHIMIQUE
Domaine de l'invention
La présente invention concerne l'utilisation d'une méthode pour estimer les caractéristiques d'un système électrochimique, de type batterie, qui ne sont pas directement mesurables. La méthode permet de gérer une batterie électrochimique, notamment pendant son fonctionnement dans un véhicule hybride ou électrique.
La batterie électrochimique est un des composants les plus critiques d'un véhicule hybride ou électrique. Le fonctionnement correct du véhicule s'appuie sur un système intelligent de gestion de la batterie (BMS) qui s'occupe de faire fonctionner la batterie au meilleur compromis entre les différents niveaux de sollicitation dynamique. La connaissance précise et fiable de l'état de charge
(SoC), de l'état de santé (SoH) et de l'état thermique (T) est indispensable pour le BMS.
L'état de charge d'une batterie (SoC) est sa capacité disponible (exprimée comme pourcentage de sa capacité nominale). La connaissance du SoC permet d'estimer combien de temps la batterie pourra continuer à fournir de l'énergie à un courant donné ou jusqu'à quand elle pourra en absorber. Cette information conditionne le fonctionnement du véhicule entier et notamment la gestion de l'énergie entre ses composants.
Pendant la vie d'une batterie, ses performances tendent à se dégrader graduellement à cause des variations physiques et chimiques qui ont lieu avec l'usage jusqu'à rendre la batterie inutilisable. L'état de santé (SoH), qui est la capacité disponible après une recharge (exprimée en Ah), est donc une mesure du point qu'a été atteint dans le cycle de vie de la batterie.
L'état thermique (T) d'une batterie conditionne ses performances, car les réactions chimiques et phénomènes de transport mis en jeu dans les systèmes électrochimiques sont thermiquement activés. L'état thermique initial est lié à la température extérieure au véhicule qui peut être amené à fonctionner sur une large plage de températures, typiquement entre -400C et +400C. L'état thermique en service évolue en fonction de la sollicitation en charge et décharge de la batterie, de son design et de son environnement. L'estimation plus précise et fiable du SoC, du SoH et de l'état thermique
T a comme conséquence plusieurs avantages. Cette estimation permet d'éviter que le superviseur du véhicule ne soit amené à se comporter d'une façon trop prudente dans l'utilisation du potentiel d'énergie de la batterie ou inversement. Elle permet aussi d'éviter des surdimensionnements de sûreté des batteries, donc de sauvegarder du poids à bord et, en conséquence, du carburant consommé; elle permet également de réduire le coût total du véhicule. Un estimateur correct constitue donc une garantie pour une exploitation efficace et sûre de la capacité de la batterie dans toute la plage de fonctionnement du véhicule.
Objet de l'invention
La présente invention concerne l'utilisation d'une méthode d'estimation de l'état interne d'un système électrochimique rechargeable (de type batterie) qui consiste notamment à estimer les caractéristiques de la batterie qui ne sont pas directement mesurables (modèle de référence). Il s'agira d'utiliser des mesures facilement obtenues par des moyens classiques pour reconstruire l'état interne de la batterie au moyen d'un modèle mathématique de la batterie qui peut de manière avantageuse être exécuté de façon synchrone au fonctionnement de la batterie elle-même (temps réel). En particulier la méthode permettra d'estimer l'état de charge (SoC), l'état de santé (SoH) et l'état thermique (T) d'une batterie électrochimique, qui sont les caractéristiques internes les plus intéressantes pour des applications concernant les véhicules hybrides et électriques.
Ladite méthode peut comprendre Ia dérivation du modèle de référence (modèle réduit) pour permettre une utilisation simplifiée, notamment pour le contrôle embarqué et la gestion d'énergie d'un véhicule hybride. L'invention concerne un système intelligent de gestion énergétique et thermique de la batterie pendant son fonctionnement.
Un autre objet de l'invention est un chargeur/déchargeur de batterie utilisant ladite méthode.
Ladite méthode peut en outre être utilisée dans un simulateur de l'état thermique d'un système électrochimique faisant partie du système de gestion.
Art antérieur La méthode d'estimation du SoC désignée par les termes "coulomb- counting" ou "book-keeping" est connue dans le domaine technique, mais elle conduit à des erreurs d'estimation en négligeant des phénomènes comme l'autodécharge.
La mesure de la tension à vide comme indicateur du SoC est également connue comme méthode. L'usage d'autres indicateurs, par exemple l'estimation d'une résistance interne, (brevets US6191590 Bl, EP1835297 Al) est une méthode également connue.
Ces deux dernières méthodes sont caractérisées par le fait que le SoC est préalablement associé à une ou plusieurs quantités mesurables ou facilement estimables, à travers des cartographies statiques ou des dépendances fonctionnelles analytiques. Pourtant, ces dépendances sont en réalité beaucoup plus compliquées que ce qui est normalement pris en compte dans le BMS, ce qui amène souvent à des erreurs dans l'estimation du SoC.
Une méthode potentiellement plus prometteuse est basée sur la mesure par spectroscopie d'impédance (SIE) d'une grandeur physique paramétrée par le SoC. Par exemple, la demande de brevet US 2007/0090843 propose de déterminer par SIE la fréquence f± associée à la transition capacitive/inductive. Une corrélation entre la fréquence f± et le SoC est présentée pour une batterie au plomb, ainsi que pour les batteries Ni-Cd et Ni- MH .
Une approche similaire à la précédente est basée sur la modélisation des spectres SIE par circuits électriques équivalents, dont les composants sont paramétrés par le SoC, comme décrit dans le brevet US6778913 B2 de la société Cadex Electronics qui permettent le développement d'un testeur de batteries automobiles Spectro CA-12 basé sur la spectroscopie d'impédance électrochimique à multifréquences pour le couple acide-plomb. Les spectres SIE sont approchés par des circuits électriques équivalents, et l'évolution des composants est paramétrée par le SoC. De même, le brevet US 6037777 de K. S. Champlin détermine l'état de charge et autres propriétés de batteries par la mesure des parties réelles et imaginaires de l'impédance / admittance complexe pour des batteries au plomb ou d'autres systèmes.
Une approche alternative se base sur des modèles mathématiques de batterie, afin d'utiliser des techniques d'estimation connues dans d'autres domaines. La demande de brevet US 2007/0035307 Al décrit notamment une méthode pour estimer les variables d'état et les paramètres d'une batterie à partir des données de service (tension U, courant I, T), utilisant un modèle mathématique de batteries. Le modèle mathématique est caractérisé par le fait qu'il comprend une pluralité de sous-modèles mathématiques, et permet une réponse plus rapide. Les sous-modèles sont des modèles de type circuit électrique équivalent, dit modèles RC, associés à des gammes de fréquences restreintes.
L'utilisation de modèles RC est décrite également dans le brevet
EP880710 (Philips), la description des phénomènes électrochimiques et physiques aux électrodes et dans l'électrolyte servant de support au développement du modèle RC, la température de la batterie étant simulée par le modèle, afin de gagner en précision, par rapport à une mesure externe.
Dans les modèles du type RC, le SoC est toujours introduit uniquement pour paramétrer d'autres variables. Il n'est aucunement fait mention du SoC lui-même comme variable électrochimique.
Une autre méthode d'estimation du SoC connue dans la littérature ([Gu,
White, etc.]) repose sur la description mathématique des réactions d'un système électrochimique. Le SoC est calculé à partir de variables d'état du système. Cette description s'appuie sur des bilans de matière, charge, énergie, ..,, ainsi que sur des corrélations semi-empiriques.
Description de l'invention
Résumé de l'invention
L'invention concerne l'utilisation d'une méthode d'estimation de l'état interne d'un système électrochimique rechargeable (de type batterie) dans laquelle : o on mesure au moins un signal d'entrée d'au moins un paramètre représentatif d'une quantité physique du système électrochimique rechargeable, o on établit un modèle de référence du système comprenant au moins : • une représentation mathématique de la cinétique des réactions électrochimiques ayant lieu aux interfaces entre chacune des électrodes et l'électrolyte, prenant en compte les concentrations d'interface ;
• une représentation électrique de l'accumulation spatiale des charges à chaque électrode,
• un bilan des charges dans chaque phase solide et dans la phase liquide (électrolyte),
• un bilan de matière dans toutes les phases du systèmes, - un bilan énergétique du système pour calculer la température de la batterie o on génère au moins un signal de sortie dérivé du calcul.
De manière avantageuse, on distingue la concentration interfaciale et la concentration locale C=f(x,t) pour chaque espèce active dans le système électrochimique. Avantageusement, on recueille comme signal de sortie le potentiel et/ou l'état de charge et/ou la température du système électrochimique.
Dans un mode de réalisation, on dérive le modèle de référence pour obtenir un modèle réduit du système en remplaçant la concentration locale par une concentration moyenne c = f(t) pour chaque espèce active dans chaque région du système électrochimique.
Avantageusement, dans la méthode utilisant le modèle réduit, on recueille comme signal de sortie l'état de santé du système électrochimique.
L'invention concerne un système de gestion intelligent d'une batterie électrochimique comprenant o un moyen d'entrée connecté à un moyen de mesure sur la batterie pour recevoir une valeur d'entrée d'au moins un paramètre représentatif d'une quantité physique de la batterie; o un moyen de traitement pour générer au moins un signal de sortie d'au moins une caractéristique calculée par la méthode utilisant le modèle réduit. o un moyen d'information/commande pour présenter des informations sur la quantité physique de la batterie et/ou commander la charge/décharge et/ou le refroidissement de la batterie en réponse au signal de sortie du moyen de traitement et/ou de comparaison.
De préférence, le moyen de traitement comprend un filtre récursif. Ledit système de gestion est utilisable pour le contrôle embarqué et la gestion d'énergie d'un véhicule hybride.
L'invention concerne également un chargeur/déchargeur de batterie comprenant ledit système de gestion.
L'invention concerne également un simulateur de l'état thermique d'une batterie utilisant ladite méthode et faisant partie du système de gestion intelligent. Description détaillée de l'invention
Description des figures
Les figures 1 à 8 illustrent l'invention à titre non limitatif et sont relatives à une batterie Ni-MH, bien que le modèle selon l'invention puisse être appliqué à tout système électrochimique.
La figure 1 est une représentation schématique d'une cellule de batterie NiMH, où MH-el désigne l'électrode négative poreuse à base d'hydrure métallique, Ni-el l'électrode positive poreuse à base de Nickel, ReG le compartiment réserve de gaz, Sep le séparateur isolant électriquement les deux électrodes, Col les collecteurs de courant, et x la direction prévalente. Pour garantir la conduction ionique entre les deux électrodes lorsque il y a un flux de courant, les électrodes et le séparateur sont imprégnés d'une solution alcaline concentrée. Le gaz (oxygène) qui peut se libérer pendant la charge de la batterie se concentre dans un espace commun au dessus des cellules.
La figure 2 représente un schéma possible du modèle qui est utilisé dans la méthode, où les sigles ont la signification suivante :
EBV: Equations de Butler-Volmer, équ. (4)-(8) (cinétique des réactions électrochimiques);
(1) : I, (2) : J1,
(3): J2, (4): J3, (5): J4;
BCh: bilan de charge; (6) : ΔΦpos, (7) : ΔΦneg;
BMa: bilan de matière; (8): cn, (9): cm/ (10): p0; (11): V, (12): q;
Ech: état de charge; BEn: bilan d'énergie, (13): T.
Le courant aux bornes de la cellule est considéré comme une entrée du modèle, tandis que la tension est une de ses sorties. Les signaux d'entrée, courant et température, sont représentatifs de quantités physiques mesurées sur la batterie. Des moyens de traitement basés sur les équations de Butler Volmer, le bilan des charges, le bilan de matière et le bilan énergétique calculent l'état de la batterie sur la base des signaux d'entrée et génèrent des signaux de sortie dérivés du calcul, comme le potentiel, l'état de charge et la température.
La figure 3 représente un exemple de courbes d'estimation du SoC associées obtenues par intégration du courant (pointillé gras) et par utilisation des modèles suivant l'invention, le modèle réduit (trait pointillé fin) et le modèle de référence (trait plein gras).
La figure 4 représente un schéma du filtre de Kalman qui est appliqué à une cellule électrochimique selon la méthode de l'invention, avec X: état interne calculé par l'estimateur, U: entrée , Y: sortie, F: variation de l'état interne selon le modèle.
La figure 5 représente un schéma de fonctionnement de l'algorithme d'estimation du SoC, avec Sph: système physique, M: modèle, FNL: filtre non linéaire, Est: estimateur, U: entrées mesurées, Y: sorties mesurées, Ye: sorties calculées par le modèle, Xe: état interne calculé par l'estimateur, F: variation de l'état interne selon le modèle, L: gain en sortie du filtre non linéaire.
La figure 6 est un schéma de fonctionnement d'un simulateur de véhicule hybride utilisant la méthode d'estimation des caractéristiques internes selon l'invention.
Les figures 7a et 7b montrent un exemple de courbes de charges / décharges à différents régimes de courant et à température ambiante ; a) charge IC, créneau IC; b) charge IC, créneau 1OC Courbe en trait pointillé : modèle réduit suivant l'invention ; courbe en trait plein : modèle de référence suivant l'invention.
La figure 8 montre un exemple d'une courbe de spectroscopie d'impédance électrochimique simulée à partir de la méthode utilisée dans l'invention, représentant la partie imaginaire de l'impédance Imag(Z) en fonction de la partie réelle de l'impédance Real(Z).
Développement d'un modèle de référence
Description mathématique des cinétiques électrochimiques
Des réactions électrochimiques ont lieu aux interfaces entre les électrodes et l'électrolyte. L'électrode positive est le siège de réactions électrochimiques de réduction des espèces oxydantes, pendant la décharge, alors que l'électrode négative est le siège de réactions d'oxydation des espèces réductrices. La cinétique des réactions électrochimiques peut être décrite par les équations de Butler-Volmer, dont la forme générale pour la réaction générique "z" est
(1)
Jz = Jo,z {exp [aa>zK(ΔΦ. - Ueg,z)] - exp [-ac>zK(ΔΦz - Ueg,z)]}
,'Eajs ( I 1 exp ' ' '
R \ T T0 dans laquelle Jz est la densité de courant de transfert de charge, Jz0 est la densité de courant d'échange, ΔΦZ est la différence de potentiel entre la phase solide (électrode) et l'électrolyte, Ueq,z est le potentiel d'équilibre de la réaction, αz est un facteur de symétrie (différent pour l'électrode positive, indice "c", et l'électrode négative, indice "a"), tandis que K est une fonction de la température T (K = F / RT), et Ea,z est l'énergie d'activation.
Dans le cas d'une batterie NiMH, les espèces actives sont l'oxyhydroxyde de Nickel NiOOH, l'hydroxyde de nickel Ni(OH)2, l'hydrure métallique MH, l'oxygène O2 partiellement dissous dans l'électrolyte en équilibre avec la phase gazeuse. Les réactions électrochimiques à l'électrode positive sont, pendant la décharge,
NiOOH+H2O+e- = Ni(OH)2+OH"
(2) 0.5O2+H2O+e- = 2OH' tandis qu'à l'électrode négative,
MH+OH- = H2O+e"+M
(3) 2OH" = 0.5O2+H2O+2e'
En appliquant l'équation (1) aux quatre réactions (2)-(3), avec z=l,...4, on obtient
J1 (t)
-^ [-R- [T - T0)) ' Mt) = J3)o • ( (. (\ -c≥^y • (-^ • e°-B-κ-*W- (6) m,ref / \Ce,ref J
_P-O.5-UΓ-J73 (O \ . 1 exp ^_3 / 1 J il
• exp #α,4 / 1 β V^ T0
dans lesquelles Cn est la concentration des protons dans l'électrode positive (hydroxyde de nickel), ce est la concentration de l'électrolyte i.e. des ions OH", C0 est la concentration de l'oxygène dans l'électrode négative et la même variable barrée est la concentration interfaciale d'oxygène, en équilibre avec la phase gazeuse, cm est la concentration de l'hydrogène dans l'électrode négative (matériau métallique), tandis que les indices "ref" et "max" se réfèrent aux valeurs de référence et maximales, respectivement ; enfin μ représente l'ordre de réaction. Les surpotentiels ηz sont définis comme ηi(t) = ΔΦpos(t)-Ueq,ref,i(t) η2(t) = ΔΦpos(t)-Ueq,ref,2(t)
(8) η3(t) = ΔΦneg(t)-Ueq,ref,3(t) η4(t) = ΔΦneg(t)-Ueq,ref,4(t) où ΔΦp0S et ΔΦneg sont les différences de potentiel solide-liquide à l'électrode positive et négative, respectivement. Des expressions pour Ueq,ref,i, Ueq,ref,2, Ueq,ref,3 et Ueq,ref,4 en fonction de la température sont connues. Par exemple, on connaît
Ueq,ref,l = ^ 177^((«-"D 1) ++ tf Ul ++ F(T--^T0 f
(8a) ou θ est le SoC, ki une constante et Ui est caractérisé par sa dérivée par rapport à la température T. Pareillement, on connaît les paramétrisations pour z = 2,...,4.
Bilan des charges
Selon la figure 2, les équations cinétiques (4)-(7) sont couplées aux équations qui décrivent les bilans de masse et de charge dans les phases solide et liquide. Dans la phase liquide (électrolyte), la conservation de la masse de l'espèce "i" s'écrit
ew*jj_U _VW,(t) + «,(«) O)
où q est la concentration, Nj la densité de flux de matière, R\ le taux de conversion de matière, tandis que ε(k) est la porosité de la région "k" de la cellule (k=l pour l'électrode positive, k=2 pour le séparateur, k=3 pour l'électrode négative). Le flux de matière est classiquement séparé en trois contributions, migration, diffusion et convection, pour lesquelles des corrélations existent classiquement. La convection est souvent négligée et donc le flux de matière s'écrit
JVi(t) = -^AVc(E) - |tc(*) (10)
où D1 est le coefficient de diffusion, t|° le coefficient de transfert (seulement pour les espèces ioniques), ie la densité de courant dans la phase liquide, tandis que F est la constante de Faraday. Le taux de conversion est lié aux réactions électrochimiques
^) = Z) ^r0M J*(*) (H)
où κι,z est le coefficient stoechiométrique de l'espèce "i" dans la réaction "z" et a(k) est la surface spécifique d'interface dans la région "k".
La conservation de la charge dans la phase liquide s'écrit A^ = -VΦβ(t) - ^ (l - 1_ + ≥Φ) Vln(/±(cc)ce(i)) (12)
où cw est la concentration du solvant, K la conductivité ionique de l'électrolyte, Φe le potentiel de la phase liquide et f une fonction de ce. Le gradient de la densité de courant est lié aux courants de transfert :
Les équations précédentes sont particularisées pour l'électrolyte, considérant que, pour la neutralité électrique, la concentration de KOH est égale à celle des ions OH". Connaissant le taux de conversion pour les ions OH" calculé par
l'équation (11) comme et en considérant aussi l'équation (10), l'équation (9) de conservation de l'espèce OH" , s'écrit
Pour l'espèce oxygène, le taux de conversion est évalué classiquement comme
Ro (t) — Ro,e<](t) + -Tp 0 k — 2 (15) et l'équation (9) devient :
e^^r = eS" vc^v^(*)) + ^(*) de)
Les équations (12)-(14), (16) constituent un système de quatre équations avec quatre variables ce, C0 Φe et ie. Les équations sont différentielles aux dérivées partielles dans le domaine x, comme illustré dans la figure 1. La résolution de ce système nécessite des conditions aux limites appropriées. Les conditions aux limites pour les deux espèces OH" et oxygène sont déterminées par la continuité aux interfaces entre les électrodes et le séparateur, ainsi que par la condition de flux nul aux extrémités de la cellule (collecteurs de courant). Aux collecteurs, le courant dans la phase liquide est également nul, parce que le courant total de la cellule I passe uniquement par la phase solide. En résumant,
VCe(t) = 0, VCo(t) = 0, VΦe(t) = 0, !β= 0, x = {0,L} (17) et ie(t) = I(t) / A(k) à X=I1 et X=I2, si A(k) est la surface géométrique de la région "k".
L'équation qui substitue la (12) pour la phase solide est is(t) = -σ(k)(l-ε(k))VΦs(t) (18) où is est la densité de courant dans la phase solide, laquelle est aussi liée au courant par un bilan global de charge sur la cellule is(t) + ie (t) = I(t), σ(k) est la conductivité dans la région "k", et Φs est le potentiel dans la phase solide.
Bilan de matière
La conservation de matière est couplée selon la figure 2 aux termes de densité de courant résultant des équations (4)-(7). Pour la conservation de matière dans la phase solide, plusieurs approches ont été présentées dans l'art antérieur. L'approche pseudo-bidimensionelle considère la phase solide comme une macro-particule de géométrie sphérique ou cylindrique, immergée dans l'électrolyte. La conservation des protons (qui représentent le nickel) ou de l'hydrogène atomique (qui représente l'hydrure métallique) s'écrit
% (*) - n, y2t. (t] dt - v^*hW ( 19)
dans laquelle Dh est le coefficient de diffusion de l'hydrogène. À l'interface avec l'électrolyte, ce qui correspond à un rayon r=R, le bilan de matière s'écrit -^v^W|rt. M (2o)
dans laquelle l'indice j est attribué à la fois au nickel, avec la densité de courant Ji, et à l'hydrure métallique, avec la densité de courant J3.
La méthode utilisée dans l'invention distingue concentration locale c(x,t) et concentration interfaciale dans le modèle de référence. Les concentrations d'interface çm et çn sont utilisées au lieu des concentrations moyennes dans les équations de Butler-Volmer (4) et (6). Les concentrations d'interface sont calculées par l'approximation suivante qui remplace l'équation (20):
cΛQ - cAQ F∑>m (20')
où lse est une longueur d'interface et D(i) le coefficient de diffusivité de l'espèce. Pour la phase gazeuse, on ajoute une variable cg(t), représentant la concentration de l'oxygène. Sa variation s'écrit
(20a) dcΛt) ≈_ -_L∑ f, RR, o,eg dV
V ga J Jvv
dans laquelle V est le volume de la phase liquide, où de l'oxygène est généré, et R0,eg est par exemple calculé pour chaque zone "k" par la
Ro,egm (t) = X(δo(i) - co(k) (*)) (20b)
où K est un coefficient de transport de masse interfacial. La concentration interfaciale est co(t) = H' • cg(t) = H • po(t) (20c)
où H est la constante de Henry et HT=RTH.
Bilan thermique La température de la cellule peut être calculée comme sortie du bilan d'énergie, d'après la figure 2. D'une part le flux de chaleur interne φgen généré par l'activité de la cellule est donné par :
*w(t) = ∑ Λ (*) (u«,.,Λ*) - A{Z) - v{t)i® (2°d)
où le terme (Ueq,ref,z-V) peut être associé aux pertes irréversibles pour chaque réaction électrochimique z, tandis que le terme de génération réversible T dUeq,ref,z/dT est directement lié aux variations d'entropie dues aux réactions électrochimiques. D'autre part le flux transféré vers l'ambiant à température Ta, φtra est donné par la loi de Fourier :
ψtra(t) = hAcelι(T(t) - Ta) (2θΘ)
où h est un coefficient de transfert thermique associée aux phénomènes de convection et radiation, et Aceιι est la surface de la cellule. Le flux thermique net à travers la batterie, φ, peut être facilement calculé comme différence entre les flux internes et externes, i.e. φ =φgen - φtra- La quantité de chaleur stockée dans la batterie, obtenue par intégration du flux de chaleur dans le temps, permet de calculer la température de la batterie suivant les relations :
McMCp—^- = φge.n {t) - ψlra(t)
où Cp est la capacité thermique spécifique de la cellule et Mceιι sa masse.
Représentation électrique de l'accumulation des charges aux électrodes dans le modèle de référence
En prenant en compte l'accumulation des charges aux électrodes, la méthode utilisée dans l'invention étend le domaine de validité des équations (4) et (6) aux cas non-stationnaires, où des effets capacitifs aux interfaces solide-liquide sont importants comme par exemple l'"effet double couche". L'équation (4) devient où C(i) est la capacité de double couche de l'électrode 1 (par exemple le nickel). La fonction f représente le terme de droite de l'équation (4)
De la même manière, l'équation (6) devient :
où C(3) est la capacité de double couche de l'électrode 3 (par exemple MH). La fonction g représente le terme de droite de l'équation (6).
Développement d'un modèle réduit
Le système d'équations décrit précédemment se présente comme un système différentiel aux dérivées partielles. Les contraintes imposées par les capacités de calcul normalement disponibles à bord d'un véhicule ne permettent pas de résoudre un tel type de système en temps réel. Pour cette raison, la méthode utilisée dans l'invention prévoit la dérivation d'un modèle d'ordre réduit, mais encore basé sur les équations (l)-(20). Pour dériver ce modèle, on doit faire l'hypothèse que les concentrations des espèces et les autres variables sont homogènes dans chacune des quatre régions de la cellule de batterie (approximation homogène zéro- dimensionnelle). Pour la concentration de l'électrolyte, cela s'écrit où V(k) et c(k) sont le volume et la concentration de la région "k". Les taux de variation des concentrations c(k) sont donnés par les équations suivantes : dc{1) N0 - N1 a(1) dt — + -ττ- (yi + J2j>
Hi) F dC{2) _ N18 - N2a ι-y∑\ dt I12) dc{3) N2 - N3 Ω(3) ( j , τ s
dans lesquelles toutes les variables ont été explicitées sauf les épaisseurs l(k) des trois régions et les flux de matière aux interfaces entre les régions adjacentes Ni, I=O,...3. Ces derniers s'écrivent à partir de l'équation (10) et des conditions aux limites (17) :
If
N0 = O5 N1 = --= -
FA11) *
N1, = N2s = J-, (23)
Λ{2)
N l yo2 — — — — r-, — Λ? = — 0 u.
Par conséquent, l'équation (21) s'écrit
dc(, 1 R(I)Ad)Q(I) It°_ l{3)Ama(3) It0 I
€clt = V [ F (Jl + 2) + ~Y + F ( 3 + 4) ~ "P-J ' (24)
( mais, en tenant compte de l'équation (13), l'équation (24) est visiblement équivalente à :
e dt (24a) donc la concentration de l'électrolyte, dans l'approximation homogène dite zéro-dimensionnelle (0-d), est une constante. La conservation des espèces solides représentatives des électrodes MH et nickel s'écrit dans la méthode 0-d à partir des équations (19)-(20) en négligeant la diffusion, C25) dcn 1_ Ji Ç2β) dt y(1) F
où r est le rayon de la macro-particule représentant l'hydrure métallique, et y(1) l'épaisseur du substrat actif qui encercle la macro-particule cylindrique représentant le nickel.
La méthode utilisée dans l'invention distingue concentration moyenne de la région c(t) et concentration interfaciale dans le modèle réduit. Les concentrations d'interface c.m et çn sont utilisées au lieu des concentrations moyennes dans les équations de Butler-Volmer (4) et (6). Les concentrations d'interface sont calculées, comme dans le modèle de référence, par l'approximation suivante qui remplace l'équation (20):
C» {t) ~ C-W FOm (20')
où lse est une longueur d'interface et D(i) le coefficient de diffusivité de l'espèce.
La concentration de l'oxygène dans la phase gazeuse s'écrit comme suit en utilisant les équations (19a)-(19c) et en faisant l'hypothèse que la concentration dans la phase liquide est toujours en équilibre quasi-statique avec sa valeur d'interface :
«(1)^2 (t) k = l (27a)
C0(k) (t) = C0(t) + 0 fc= 2
AFKtr
laquelle est une équation algébrique implicite à résoudre itérativement ou avec d'autres méthodes connues (relaxation, etc.). Dans les modèles Od connus, la dépendance (27a) est toujours négligée, et les équations de Butler-Volmer (4)-(7) sont calculées en fonction du c0 barré et donc de la pression directement. Pour la conservation de la charge, les équations (12)-(13), donnent dans l'approximation 0-d : amιm (J1 + J2 ) + α(3)/(3) (J3 + J4 )
== 00 (28)
K
En toute rigueur, cette équation n'est valide que dans des conditions stationnaires, alors qu'elle est couramment utilisée dans l'art antérieur dans des conditions non stationnaires.
Représentation électrique de l'accumulation des charges aux électrodes
En prenant en compte l'accumulation des charges aux électrodes, la méthode utilisée dans l'invention étend le domaine de validité de l'équation (28) aux cas non-stationnaires, où des effets capacitifs aux interfaces solide-liquide sont importants comme par exemple T'effet double couche". L'équation (28) se sépare donc en deux équations, chacune valable pour une des électrodes,
où Cdi est la capacité de double couche, laquelle peut changer de valeur entre les deux électrodes.
Le modèle 0-d est complété par un bilan global du potentiel électrique sur la cellule :
V(t) = AΦpoa(t) - ΔΦ,Jβa (*) + Mintl{t) (30)
dans laquelle V est la tension aux bornes de la cellule, et Rint est la résistance interne de la cellule, résultant des conductivités des phases solide et liquide. En résumé, le modèle réduit de la méthode utilisée dans l'invention comprend les équations (4)-(8), (25)-(27), (29)-(30), soit un total de 15 équations, pour les 15 variables 3lr ..., J4, ηi, •--, n*, cm, Cn, p0, ΔΦpos, ΔΦneg, V, T. Les autres grandeurs apparaissant dans les équations qui constituent la méthode sont traitées comme des paramètres à calibrer. Une formulation spéciale est attribuée au paramètre Ueq,rer,i apparaissant dans la première relation des équations (8). Cette valeur est connue dans l'art antérieur pour être potentiellement différente entre les cas de décharge et de charge de la cellule. Par exemple, dans le cas de batteries NiMH, l'expérience montre un effet d'hystérésis entre charge et décharge. Cet effet est avantageusement pris en compte dans la méthode utilisée dans l'invention, avec les équations suivantes
-£ = (<7e9lre/,l,oo ~ Ueq,ref,l) ' K[I) \I\
Estimation de l'état de charge selon l'invention
Définition de l'état de charge selon l'invention
L'état de charge de la cellule dans la méthode utilisée dans l'invention, q(t), est donné par la concentration d'une des espèces réactives, en particulier par Cn dans l'exemple d'une batterie de type Ni-MH,
«(*) = — ; (32)
Ce calcul se distingue nettement du calcul connu dans l'art antérieur dit "coulomb counting", qui donne
dg(t) = _£(*)_ (32a)
et conduit aux différents résultats illustrés sur la figure 3. La relation entre cπ/maχ et Qmax est donnée par
L'estimation de q s'appuie donc sur l'estimation de Cn, alors que cette variable n'est pas directement mesurable à partir d'une batterie, en particulier à bord du véhicule.
Présentation du filtre récursif
La méthode utilise avantageusement un filtre récursif pour estimer l'état du système dynamique à partir des mesures disponibles, dont un schéma est proposé sur la figure 4. Des caractéristiques notoires de ce problème d'estimation sont le fait que les mesures sont affectées par du bruit, et le fait que le système modélisé selon la méthode est fortement non-linéaire. Un filtre récursif utilisé de préférence dans la méthode sera le filtre de Kalman étendu connu par l'Homme de l'art.
Selon le modèle de la méthode, le vecteur d'état de la cellule électrochimique de batterie (figure 4) s'écrit x = {cn, cm, p0, ΔΦpos, ΔΦneg, T}, dont la première composante est liée a l'état de charge à estimer par l'équation (32). Les mesures disponibles sont la tension aux bornes de la cellule et la température de la batterie, qui représentent la sortie y du modèle, et le courant I aux bornes qui représente l'entrée u du modèle. Selon la méthode connue du filtre récursif, les équations du modèle sont réorganisées en x = f(x, u) (34) y = h(x, u)
Algorithme d'estimation du SoC
La méthode prévoit alors une étape (M dans la figure 5) où le modèle fournit le vecteur des variations f (F dans la figure 5) et la sortie calculée y (Ye dans la figure 5) selon l'équation (34). Ensuite, ces deux variables sont manipulées par une deuxième étape (Est dans la figure 5) qui reconstruit l'état Xe à partir de F, Ye, et de la mesure Y. L'algorithme d'estimation utilise ainsi la sortie d'une troisième étape (FNL dans la figure 5) qui fournit la variable L en fonction de l'état reconstruit, des caractéristiques du système électrochimique (selon le modèle de la méthode) et des caractéristiques du bruit qui affecte les mesures. L'étape FNL peut être réalisée avec une méthode connue par l'Homme de l'art, par exemple le filtre de Kalman étendu.
Le modèle réduit représente directement l'état de charge comme une variable d'état du modèle. Au contraire, les méthodes connues utilisent des modèles dits "à circuit électrique équivalent", où l'état de charge n'est pas une variable dynamique du modèle, mais une variable exogène, en fonction de laquelle d'autres variables dynamiques ou statiques sont paramétrées. On comprend qu'un système de gestion d'une batterie électrochimique (BMS) utilisant la méthode suivant l'invention pour estimer les caractéristiques non mesurables de la batterie à partir des mesures couramment disponibles fournira en sortie une information plus fiable et plus précise.
Estimation de l'état de santé selon l'invention
Le modèle réduit selon l'invention est basé sur des paramètres physiques du système, et non déjà sur des paramètres globaux équivalents comme les modèles RC connus dans l'art antérieur. Cette propriété facilite l'estimation du vieillissement et donc de l'état de santé de la batterie.
En fait, les méthodes utilisées pour l'estimation de l'état de charge, qui se basent sur des observateurs d'état, peuvent être étendues pour comprendre une adaptation lente des paramètres du modèle. Cette extension est connue dans l'art antérieur pour plusieurs applications différentes. Dans le cas de l'invention, les mêmes signaux qui circulent dans la Figure 4 peuvent être utilisés aussi pour cette extension adaptative.
Les variations estimées des paramètres du modèle réduit serviront à détecter d'éventuelles variations macroscopiques dans le comportement de la batterie, et donc des altérations de ses performances, ce qui est communément entendu comme "vieillissement". La reconnaissance et la quantification du vieillissement, à travers les variations relatives des paramètres, donne l'estimation recherchée de l'état de santé. Autres utilisations des modèles de la méthode Simulateur de batterie
Le modèle de référence est aussi utile comme aide au dimensionnement des chaînes de traction pour véhicules hybrides. Un exemple de simulateur de véhicule hybride intégrant un modèle de batterie est donné figure 6. Typiquement, ces applications n'ont pas besoin de modèles de simulation capables de tourner en temps réel, même si une certaine rapidité de calcul est toujours souhaitable. Le modèle de référence (modèle 1-D) de la méthode utilisée dans l'invention peut simuler le comportement dynamique d'une batterie de traction plus efficacement et fidèlement que des modèles de type circuit électrique équivalent, et ainsi il peut être utilisé dans un simulateur de batterie. En particulier, le modèle de référence électrochimique peut servir à tester "hors-ligne" l'efficacité de l'estimateur en ligne (qui utilise le modèle 0-d réduit selon l'invention) et pour en calibrer les paramètres, en les adaptant à la batterie spécifique sous examen.
Le modèle de référence comme le modèle réduit de la méthode utilisée dans l'invention peuvent calculer les variations dans le temps de toutes les variables électrochimiques internes de la batterie, et en particulier de l'état de charge. Comme l'entrée des modèles est le courant aux bornes de la batterie, les cas simulés dépendent du choix de cette dernière variable. Par exemple, on peut représenter une charge ou une décharge contrôlée à courant constant, ou à courant variable selon un profil fixé, ou encore à courant variable en fonction de la tension. Ce dernier cas est représentatif des conditions de sollicitation de la batterie dans un véhicule, où le courant imposé à la batterie dépend de la tension, selon les caractéristiques des composants électriques associés (électronique de puissance, moteur(s) électrique(s), etc.). Des résultats typiques du simulateur de batterie utilisant les modèles suivant l'invention sont présentés sur la figure 7. Simulateur de spectroscopie d'impédance
Les modèles de la méthode d'estimation selon l'invention (modèle de référence et modèle réduit) permettent également de reproduire les essais expérimentaux de spectroscopie d'impédance, afin de prévoir les relations entre ces mesures et l'état de charge interne de la batterie. L'équation (30) est alors modifiée pour tenir compte des effets inductifs dus aux connections entre les cellules et avec les terminaux.
V(t) (30')
Cette potentialité de la méthode utilisée dans l'invention est illustrée sur la figure 8.
Simulateur de l'état thermique
La présence du bilan d'énergie dans le modèle réduit et dans le modèle de référence de la méthode utilisée dans l'invention permet de simuler l'évolution thermique du système. Par conséquence, la méthode utilisée dans l'invention peut ainsi servir pour le dimensionnement de la batterie et la validation des systèmes de gestion thermique, qui doivent nécessairement équiper la batterie elle-même. En fait, les flux thermiques générés et la température de la batterie sont des variables d'entrée pour ces systèmes, qui ont pour but le réglage de ces flux et de cette température autour des valeurs admissibles.
La représentation des transitoires thermiques permet ainsi de synthétiser et valider les stratégies de contrôle et optimisation associés aux systèmes de gestion thermiques. Ces stratégies peuvent ainsi profiter de la présence d'un modèle réduit pendant leur utilisation en ligne, pour avoir des estimations de certaines variables qui ne sont pas mesurables (températures dans de points spécifiques, flux thermiques, etc.), ou qui sont mesurables, mais avec des temps de réponse des capteurs associés trop lents.

Claims

REVENDICATIONS
1. Système de gestion intelligent d'une batterie électrochimique comprenant : a) un moyen d'entrée connecté à un moyen de mesure sur la batterie pour recevoir une valeur d'entrée d'au moins un paramètre représentatif d'une quantité physique de la batterie ; b) un moyen de traitement et/ ou de comparaison pour générer au moins un signal de sortie d'au moins une caractéristique calculée par une méthode d'estimation de l'état interne de ladite batterie électrochimique, comprenant l'établissement d'un modèle de référence permettant de calculer les variations dans le temps de toutes les variables électrochimiques internes de la batterie, et la dérivation dudit modèle de référence en remplaçant la concentration locale par une concentration moyenne c=f(t) pour chaque espèce active dans chaque région de la batterie électrochimique pour obtenir un modèle réduit de ladite batterie électrochimique, ledit modèle de référence comprenant : o une représentation mathématique de la cinétique des réactions électrochimiques ayant lieu aux interfaces entre chacune des électrodes et l'électrolyte, prenant en compte les concentrations d'interface ; o une représentation électrique de l'accumulation spatiale des charges à chaque électrode ; o un bilan des charges dans chaque phase solide et dans la phase liquide (électrolyte) ; o un bilan de matière dans toutes les phases du systèmes distinguant la concentration interfaciale et la concentration locale C=f(x,t) pour chaque espèce active ; o un bilan énergétique du système pour calculer la température de la batterie. c) un moyen d'information/commande pour présenter des informations sur la quantité physique de la batterie et/ou commander la charge/décharge et/ou le refroidissement de la batterie en réponse au signal de sortie du moyen de traitement et/ou de comparaison.
2. Système de gestion selon la revendication 1 dans lequel on recueille comme signal de sortie l'état de santé de la batterie électrochimique.
3. Système de gestion selon l'une des revendications précédentes dans lequel on recueille comme signal de sortie le potentiel de la batterie électrochimique.
4. Système de gestion selon l'une des revendications précédentes dans lequel on recueille comme signal de sortie l'état de charge de la batterie électrochimique.
5. Système de gestion selon l'une des revendications précédentes dans lequel on recueille comme signal de sortie la température de la batterie électrochimique.
6. Système de gestion selon l'une des revendications précédentes dans lequel le moyen de traitement comprend un filtre récursif.
7. Système de gestion selon l'une des revendications précédentes pour le contrôle embarqué et la gestion d'énergie d'un véhicule hybride.
8. Système de gestion selon l'une des revendications précédentes comprenant un moyen de simulation de l'état thermique de la batterie.
9. Chargeur/déchargeur de batterie comprenant le système de gestion selon l'une des revendications 1 à 8.
EP09738296A 2008-03-28 2009-03-27 Systeme de gestion intelligent d'une batterie électrochimique Withdrawn EP2274631A1 (fr)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR0801709A FR2929410B1 (fr) 2008-03-28 2008-03-28 Methode pour estimer les caracteristiques non mesurables d'un systeme electrochimique
PCT/FR2009/000339 WO2009133262A1 (fr) 2008-03-28 2009-03-27 Systeme de gestion intelligent d'une batterie électrochimique

Publications (1)

Publication Number Publication Date
EP2274631A1 true EP2274631A1 (fr) 2011-01-19

Family

ID=39941424

Family Applications (2)

Application Number Title Priority Date Filing Date
EP09733770A Withdrawn EP2274630A2 (fr) 2008-03-28 2009-03-27 Méthode pour estimer les caractéristiques non mesurables d'un système électrochimique
EP09738296A Withdrawn EP2274631A1 (fr) 2008-03-28 2009-03-27 Systeme de gestion intelligent d'une batterie électrochimique

Family Applications Before (1)

Application Number Title Priority Date Filing Date
EP09733770A Withdrawn EP2274630A2 (fr) 2008-03-28 2009-03-27 Méthode pour estimer les caractéristiques non mesurables d'un système électrochimique

Country Status (5)

Country Link
US (2) US8532945B2 (fr)
EP (2) EP2274630A2 (fr)
JP (2) JP2011521402A (fr)
FR (1) FR2929410B1 (fr)
WO (2) WO2009133262A1 (fr)

Families Citing this family (52)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9851414B2 (en) 2004-12-21 2017-12-26 Battelle Energy Alliance, Llc Energy storage cell impedance measuring apparatus, methods and related systems
US10379168B2 (en) 2007-07-05 2019-08-13 Battelle Energy Alliance, Llc Apparatuses and methods for testing electrochemical cells by measuring frequency response
FR2941053B1 (fr) * 2009-01-15 2013-08-30 Peugeot Citroen Automobiles Sa Dispositif et procede d'estimation rapide de l'etat de charge d'une batterie d'un engin a moteur, a partir d'equations non lineaires
FR2949565B1 (fr) * 2009-09-02 2012-12-21 Inst Francais Du Petrole Methode amelioree pour estimer les caracteristiques non mesurables d'un systeme electrochimique
US8467984B2 (en) * 2009-09-30 2013-06-18 Battelle Energy Alliance, Llc Systems, methods and computer readable media for estimating capacity loss in rechargeable electrochemical cells
US8346495B2 (en) * 2010-04-22 2013-01-01 Battelle Energy Alliance, Llc Systems, methods and computer-readable media to model kinetic performance of rechargeable electrochemical devices
US8521497B2 (en) 2010-06-03 2013-08-27 Battelle Energy Alliance, Llc Systems, methods and computer-readable media for modeling cell performance fade of rechargeable electrochemical devices
FR2974922B1 (fr) * 2011-05-04 2013-04-26 IFP Energies Nouvelles Procede optimise de gestion thermique d'un systeme electrochimique de stockage
CN102419422B (zh) * 2011-08-19 2014-03-12 奇瑞汽车股份有限公司 一种荷电状态的估计方法
US9625532B2 (en) 2011-10-10 2017-04-18 Battelle Energy Alliance, Llc Method, system, and computer-readable medium for determining performance characteristics of an object undergoing one or more arbitrary aging conditions
KR101282687B1 (ko) * 2011-11-07 2013-07-05 현대자동차주식회사 차량용 배터리 상태 예측 방법
JP5798067B2 (ja) 2012-03-13 2015-10-21 プライムアースEvエナジー株式会社 二次電池の状態推定装置
US9058038B2 (en) * 2012-03-29 2015-06-16 GM Global Technology Operations LLC Method and system for predicting vehicle battery health using a collaborative vehicle battery health model
CN102749588B (zh) * 2012-06-20 2015-03-11 南京航空航天大学 基于蓄电池soc和soh的故障诊断方法
US9182449B2 (en) * 2012-10-12 2015-11-10 GM Global Technology Operations LLC Method and system for estimating battery capacity in a vehicle
FR3006450B1 (fr) * 2013-06-04 2015-05-22 Renault Sa Procede pour estimer l'etat de sante d'une cellule electrochimique de stockage d'energie electrique
CN103399278B (zh) * 2013-07-31 2016-03-23 清华大学 电池单体的容量和荷电状态的估计方法
US10300806B2 (en) 2013-10-09 2019-05-28 Ford Global Technologies, Llc Vehicle and method for controlling a battery in a vehicle
US9132745B1 (en) * 2014-03-17 2015-09-15 Ford Global Technologies, Llc Frequency based battery model parameter estimation
US9784780B2 (en) * 2014-03-24 2017-10-10 Ford Global Technologies, Llc Battery simulator with variable current capacity
US10288691B2 (en) * 2014-06-05 2019-05-14 Ford Global Technologies, Llc Method and system for estimating battery model parameters to update battery models used for controls
US9581988B2 (en) 2014-06-05 2017-02-28 Ford Global Technologies, Llc Method and system for battery state of charge estimation
CN105223505A (zh) * 2014-06-30 2016-01-06 北京瑞龙鸿威科技有限公司 基于嵌入式系统控制的蓄电池模拟器
CN105183934B (zh) * 2015-07-15 2018-09-07 盐城工学院 一种基于参数校正器的串联型电池系统建模方法
US10769236B2 (en) * 2015-07-20 2020-09-08 University Of Washington Battery models, systems, and methods using robust fail-safe iteration free approach for solving differential algebraic equations
US10345384B2 (en) 2016-03-03 2019-07-09 Battelle Energy Alliance, Llc Device, system, and method for measuring internal impedance of a test battery using frequency response
US10656233B2 (en) 2016-04-25 2020-05-19 Dynexus Technology, Inc. Method of calibrating impedance measurements of a battery
CN107145649A (zh) * 2017-04-24 2017-09-08 北京长城华冠汽车科技股份有限公司 电动汽车动力电池的冷却液控制参数的确定方法
JP6889401B2 (ja) * 2017-09-25 2021-06-18 トヨタ自動車株式会社 アルカリ二次電池の状態推定装置
CN108169682B (zh) * 2017-12-14 2020-02-21 江苏大学 一种基于气液动力学模型的锂离子电池soc精确估算方法
KR102634816B1 (ko) 2017-12-21 2024-02-07 삼성전자주식회사 배터리의 전하 균형을 탐지하는 배터리 모니터링 장치 및 방법
DE102018108738A1 (de) * 2018-04-12 2019-10-17 Volkswagen Aktiengesellschaft Verfahren zur Ermittlung eines Alterungszustandes einer Batterie, Computerprogramm, Speichermittel, Steuergerät und Fahrzeug
CN108845270B (zh) * 2018-07-11 2021-01-05 国网江西省电力有限公司电力科学研究院 磷酸铁锂动力电池梯次利用的全寿命周期成本估算方法
CN113574402A (zh) * 2019-01-24 2021-10-29 西门子股份公司 使用电池孪生体来监测电池状态的方法和系统
US11054481B2 (en) 2019-03-19 2021-07-06 Battelle Energy Alliance, Llc Multispectral impedance determination under dynamic load conditions
WO2020223630A1 (fr) 2019-05-02 2020-11-05 Dynexus Technology, Inc. Signal chirp d'excitation amélioré pour mesure d'impédance à large bande
US12000902B2 (en) 2019-05-02 2024-06-04 Dynexus Technology, Inc. Multispectral impedance determination under dynamic load conditions
CN111055722B (zh) * 2019-12-20 2023-11-17 华为技术有限公司 一种预估充电时间的方法,装置及存储介质
US11422102B2 (en) 2020-01-10 2022-08-23 Dynexus Technology, Inc. Multispectral impedance measurements across strings of interconnected cells
US11519969B2 (en) 2020-01-29 2022-12-06 Dynexus Technology, Inc. Cross spectral impedance assessment for cell qualification
JP7305574B2 (ja) * 2020-02-03 2023-07-10 株式会社日立製作所 電池制御装置、エネルギーマネジメントシステム
WO2021157943A1 (fr) 2020-02-07 2021-08-12 Samsung Electronics Co., Ltd. Procédé et système d'amélioration de l'état de santé de batteries rechargeables
CN112706655B (zh) * 2021-01-22 2021-09-07 黄淮学院 基于智能物联网的新能源汽车能源均衡控制方法及系统
EP4194870B1 (fr) * 2021-12-07 2024-10-16 Volvo Truck Corporation Procédé et système pour déterminer une durée de vie utile restante d'une batterie
US12224611B2 (en) 2021-12-14 2025-02-11 Sustainable Energy Technologies, Inc. Supercapacitor to electrochemical hybrid system
US12296717B2 (en) 2021-12-17 2025-05-13 Sustainable Energy Technologies, Inc. Intelligent hybrid power system for electrical vehicles
WO2023129614A1 (fr) * 2021-12-30 2023-07-06 Sustainable Energy Technologies, Inc. Supercondensateur pour système hybride électrochimique à capacité d'auto-décharge intelligente
WO2023129741A1 (fr) * 2021-12-30 2023-07-06 Sustainable Energy Technologies, Inc. Supercondensateur pour système hybride électrochimique à capacité de test de batterie électrochimique
US20230211677A1 (en) * 2021-12-30 2023-07-06 Sustainable Energy Technologies, Inc. Supercapacitor to electrochemical hybrid top-off system
WO2023129522A2 (fr) 2021-12-30 2023-07-06 Sustainable Energy Technologies, Inc. Supercondensateur pour système hybride électrochimique ayant une capacité de sécurité à sécurité intégrée
WO2023129616A1 (fr) 2021-12-30 2023-07-06 Sustainable Energy Technologies, Inc. Système hybride supercondensateur-électrochimique ayant une capacité de gestion de batterie de supercondensateur
CN116819341B (zh) * 2023-07-04 2024-11-01 上海玫克生储能科技有限公司 一种锂电池加速参数辨识方法、系统及电子设备

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1998022830A2 (fr) 1996-11-21 1998-05-28 Philips Electronics N.V. Systeme de gestion de batterie et simulateur de batterie
DE19725204C1 (de) * 1997-06-14 1999-04-08 Megamos F & G Sicherheit Vorrichtung und Verfahren zur Überwachung des Ladezustands einer Batterie
US6037777A (en) * 1998-09-11 2000-03-14 Champlin; Keith S. Method and apparatus for determining battery properties from complex impedance/admittance
US20020120906A1 (en) * 2000-07-17 2002-08-29 Lei Xia Behavioral modeling and analysis of galvanic devices
US6778913B2 (en) * 2002-04-29 2004-08-17 Cadex Electronics Inc. Multiple model systems and methods for testing electrochemical systems
US7518339B2 (en) * 2003-01-30 2009-04-14 Robert Bosch Gmbh State variable and parameter estimator comprising several partial models for an electrical energy storage device
DE10345057B4 (de) * 2003-09-26 2005-09-15 Rheinisch-Westfälisch-Technische Hochschule Aachen Verfahren und Vorrichtung zur Bestimmung des Ladezustandes einer Batterie
JP5058814B2 (ja) * 2004-11-29 2012-10-24 エルジー・ケム・リミテッド バッテリーの状態及びパラメーターの推定システム及び方法
JP4638251B2 (ja) * 2005-02-07 2011-02-23 富士重工業株式会社 バッテリの管理装置
JP4874633B2 (ja) * 2005-11-16 2012-02-15 トヨタ自動車株式会社 二次電池の充放電制御装置
EP1835297B1 (fr) 2006-03-14 2012-10-31 National University of Ireland, Galway Procédé et dispositif de détermination des caractéristiques d'une batterie inconnue
JP4265629B2 (ja) * 2006-08-01 2009-05-20 トヨタ自動車株式会社 二次電池の充放電制御装置およびそれを搭載したハイブリッド車両
KR100823507B1 (ko) * 2006-08-29 2008-04-21 삼성에스디아이 주식회사 배터리 관리 시스템 및 그 구동방법
JP4802945B2 (ja) * 2006-08-31 2011-10-26 トヨタ自動車株式会社 二次電池の制御システムおよびそれを搭載したハイブリッド車両
JP2008058278A (ja) * 2006-09-04 2008-03-13 Toyota Motor Corp 二次電池の内部状態推定装置、二次電池の内部状態推定方法、プログラム、および記録媒体

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See references of WO2009133262A1 *

Also Published As

Publication number Publication date
JP2011519118A (ja) 2011-06-30
FR2929410A1 (fr) 2009-10-02
WO2009133262A1 (fr) 2009-11-05
JP2011521402A (ja) 2011-07-21
EP2274630A2 (fr) 2011-01-19
FR2929410B1 (fr) 2010-04-09
US8487628B2 (en) 2013-07-16
WO2009130405A3 (fr) 2009-12-10
US20110060565A1 (en) 2011-03-10
US20110060539A1 (en) 2011-03-10
US8532945B2 (en) 2013-09-10
WO2009130405A2 (fr) 2009-10-29

Similar Documents

Publication Publication Date Title
EP2274631A1 (fr) Systeme de gestion intelligent d&#39;une batterie électrochimique
EP2293090A2 (fr) Méthode améliorée pour estimer les caractéristiques non mesurables d&#39;un système électrochimique
EP2434304B1 (fr) Système et procédé de diagnostic in situ de batteries par spectroscopie d&#39;impédance électrochimique
EP3857639B1 (fr) Procede et dispositif de mesure en temps reel et in situ des donnees thermodynamiques d&#39;une batterie (enthalpie et entropie)
FR2956486A1 (fr) Methode de diagnostic in situ de batteries par spectroscopie d&#39;impedance electrochimique
EP2233937B1 (fr) Procédé de détermination de l&#39;état de santé d&#39;une batterie
EP2705380A1 (fr) Procede optimise de gestion thermique d&#39;un système electrochmique de stockage
EP2293091A2 (fr) Méthode pour simuler le comportement thérmique d&#39;un système électrochimique
US11187755B2 (en) Apparatus and method for estimating SOC of battery
WO2015086952A1 (fr) Evaluation de la quantite d&#39;energie dans une batterie de vehicule automobile
Kuchly et al. Li-ion battery SOC estimation method using a neural network trained with data generated by a P2D model
Zhao et al. A study on half‐cell equivalent circuit model of lithium‐ion battery based on reference electrode
EP2775313A1 (fr) Procédé de détermination de la capacité résiduelle d&#39;une batterie
FR3044424A1 (fr) Dispositif portatif de diagnostic d&#39;une batterie de traction de type li-ion et methode mettant en œuvre un tel dispositif
Lai et al. A novel modeling methodology for hysteresis characteristic and state-of-charge estimation of LiFePO4 batteries
FR2947637A1 (fr) Procede de calibration d&#39;un accumulateur electrochimique
EP3004905A1 (fr) Procédé pour estimer l&#39;état de santé d&#39;une cellule électrochimique de stockage d&#39;énergie électrique
Sabatier Fractional order models for electrochemical devices
JP7612124B2 (ja) モデルパラメータ推定装置およびモデルパラメータ推定方法
FR2965361A1 (fr) Procede d&#39;estimation de l&#39;etat de sante d&#39;une batterie d&#39;un vehicule et vehicule mettant en oeuvre un tel procede
Chen et al. A novel model for estimation of the discharge ohm internal resistance of lithium‐ion battery combining the temperature and different state‐of‐charge segments
Zhang et al. Online State-of-Health Estimation for Electric Vehicle Battery Based on Deep Transfer Learning
FR2958044A1 (fr) Procede d&#39;estimation de l&#39;etat de charge et de l&#39;etat de sante d&#39;un systeme electrochimique
FR3045218A1 (fr) Determination de parametres d&#39;un modele dynamique pour une cellule electrochimique de batterie
FR3098921A1 (fr) Estimation du SoH d’un élément électrochimique

Legal Events

Date Code Title Description
PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

17P Request for examination filed

Effective date: 20101028

AK Designated contracting states

Kind code of ref document: A1

Designated state(s): AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HR HU IE IS IT LI LT LU LV MC MK MT NL NO PL PT RO SE SI SK TR

AX Request for extension of the european patent

Extension state: AL BA RS

RIN1 Information on inventor provided before grant (corrected)

Inventor name: SAUVANT-MOYNOT, VALERIE

Inventor name: SCIARRETTA, ANTONIO

DAX Request for extension of the european patent (deleted)
STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE APPLICATION IS DEEMED TO BE WITHDRAWN

18D Application deemed to be withdrawn

Effective date: 20141001