CN108351387A - 用于以计算机辅助方式确定电化学储能器的参数的方法 - Google Patents
用于以计算机辅助方式确定电化学储能器的参数的方法 Download PDFInfo
- Publication number
- CN108351387A CN108351387A CN201680067328.2A CN201680067328A CN108351387A CN 108351387 A CN108351387 A CN 108351387A CN 201680067328 A CN201680067328 A CN 201680067328A CN 108351387 A CN108351387 A CN 108351387A
- Authority
- CN
- China
- Prior art keywords
- measurement data
- data set
- accumulator
- measurement
- parameter
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
- G01R31/3842—Arrangements for monitoring battery or accumulator variables, e.g. SoC combining voltage and current measurements
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/389—Measuring internal impedance, internal conductance or related variables
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明涉及用于以计算机辅助方式确定电化学储能器(ES)的参数的方法,其中处理多个时间上相继的具有相应的所分配的测量时刻的测量数据组(M1,M2,M3)和储能器(ES)的预定模型(MOD)。相应的测量数据组包括:储能器(ES)的端子电压(U(t))的电压测量值、储能器(ES)的充电电流或放电电流形式的通过电流(I(t))的电流测量值和储能器(ES)的充电状态(SOC(t))的充电测量值。在所述方法中规定基于预定模型(MOD)的至少一个线性方程组(GS)的方程参数。该规定借助多个第一测量数据组(M1)和/或借助多个第二测量数据组(M2)和/或借助多个第三测量数据组来进行,在所述多个第一测量数据组的情况下储能器(ES)的温度(T)是基本上相同大小的,所述多个第二测量数据组是在相继的测量时刻处具有在所述相继的测量时刻处的通过电流(I(t))的电流跃变的测量数据组对,在所述多个第三测量数据组的情况下通过电流(I(t))基本为零。最后,通过求解所述至少一个线性方程组来为所述电化学储能器(ES)确定标称静止电压(U0nom)和电压因子(dU0)。
Description
技术领域
本发明涉及一种以计算机辅助方式确定电化学储能器的参数的方法。
背景技术
为了能够经济地运行电化学储能器,有必要在未来的特定时间跨度内预测储能器的行为。为此需要电化学储能器的特定参数,这些参数通常难以确定。
通常,储能器的制造商已知电化学储能器的重要参数。但是在此情况下,这通常涉及制造商的内部技术知识,制造商不希望公开该内部技术知识。此外,即使由制造商公布特定参数也具有缺点,即这些参数总是涉及特定的储能器类型,而并不涉及特定的储能器样本。因此可能出现这样的情况,即特定的电化学储能器的行为与在型号规范中所说明的行为不同。这可能例如由制造条件中的波动得出。
发明内容
本发明的任务是,通过容易的方式确定电化学储能器的有说服力的(aussagekräftig)参数。
该任务通过独立权利要求来解决。本发明的扩展方案在从属权利要求中定义。
根据本发明的方法确定电化学储能器的参数,其中术语电化学储能器应以宽泛的方式来理解并且尤其可以包括任何类型的电池。电化学储能器优选地是用于缓存发电设施或者电网中的能量、例如用于缓存由诸如光伏设施或风力发电设施的再生发电设施产生的能量的储能器。
在根据本发明的方法中,处理多个时间上相继的测量数据组。这些测量数据组可以在执行方法之前就已经被确定,但是数据测量本身也可以是方法的组成部分。多个测量数据组的相应测量数据组对于所分配的测量时刻包括以下测量值:
储能器的端子电压的测量电压值、储能器的充电电流或放电电流形式的通过电流的测量电流值以及储能器的充电状态的充电状态测量值。
另外在特定实施形式中,在相应的测量数据组中还包含在所分配的测量时刻的电化学储能器的温度。
在根据本发明的方法中,处理储能器的预定模型,其中该模型描述取决于储能器的充电状态和通过电流的端子电压。该预定模型包括以下不确定的参数(即,至少部分要由根据本发明的方法来确定并且因此首先是所述模型中的变量的参数):
标称静止电压,其表示在预定的充电状态值(例如完全充电的50%)时在没有通过电流情况下的储能器的静止电压;电压因子,其是取决于充电状态的端子电压项的一部分;以及储能器的内阻,其是取决于通过电流的端子电压项的一部分。
在根据本发明的方法的范围内,借助多个第一测量数据组和/或第二测量数据组和/或第三测量数据组来规定至少一个线性方程组的方程参数。第一至第三测量数据组(如果存在的话)中的每一个从所述多个测量数据组中选择。在此为第一至第三测量数据组(如果存在的话)中的每一个分配自己的线性方程组,其方程参数被确定。根据本发明,在第一测量数据组的情况下,储能器的温度是基本上相同大小的。而所述第二测量数据组是在相继的测量时刻处具有在所述相继的测量时刻处的通过电流(即,对应的测量电流值)的电流跃变(Stromsprung)的测量数据组对。所述第三测量数据组的特点在于,这些测量数据组中的通过电流(即,对应的测量电流值)基本为0。
在规定了对应的方程参数之后,通过求解所述至少一个线性方程组来确定上面已经定义的标称静止电压和上面已经定义的电压因子。
根据本发明的方法具有以下优点:通过易于采集的电化学储能器的测量值,可以以标称静止电压和电压因子的形式确定所述电化学储能器的有说服力的参数。所确定的参数在此特定于为其采集对应的测量数据组的储能器。借助所述标称静止电压和电压因数,可以以本身已知的方式推断出储能器的运行状态或其使用寿命。
在根据本发明的方法的一个特别优选的变型中,电化学储能器的预定模型基于以下方程式:
其中t是时间;
其中U(t)是端子电压;
其中U0nom是标称静止电压;
其中dU0是电压因子;
其中p是预定的充电状态值;
其中SOC(t)是充电状态;
其中R(T,SOC(t))是内阻;
其中T是温度;
其中I(t)是通过电流。
上述模型本身从现有技术中是已知的,并且非常适合于描述电化学储能器的行为。
在一个特别优选的实施形式中,在储能器的预定模型中,所述内阻由第一函数和第二函数的乘积来描述,其中所述第一函数取决于储能器的温度并且第二函数取决于储能器的充电状态。第一函数在此是未知的,而第二函数是预定的。在一个优选的变型中,使用所谓的浴缸形轮廓(Badewannenprofil)作为第二函数,如下面将更详细描述的那样。
在另一个变型中,借助所述第一测量数据组(即,在相同的温度时)来规定所述线性方程组或所述线性方程组之一的方程参数。具有所规定的方程参数的所述线性方程组如下:
A * x = B
其中
,
其中i1,i2和i3是三个第一测量数据组的相应的测量时刻;
其中T是在第一测量数据组时的温度;
其中R1是第一函数;
其中R2是第二函数。
该方程组可以用本身已知的方法通过形成矩阵A的逆来求解。
在根据本发明的方法的另一变型中,其中又借助于所述第一测量数据组来规定所述线性方程组或所述线性方程组之一的方程参数,在所述方法的自动模式中自动化地确定所述第一测量数据组(M1)。在此,所述第一测量数据组基于容差值从所述多个测量数据组中选择,其中当两个测量数据组的温度彼此相差小于预先确定的容差值时,这两个测量数据组的温度被分类为相同的。优选地,自动化的选择被构造为使得所述第一测量数据组的测量时刻彼此具有最大可能的时间间隔。由此确保了为上述线性方程组获得数值稳定的解。
在根据本发明的方法的另一变体中,借助于第二测量数据组规定所述线性方程组或所述线性方程组之一的方程参数,其中具有所规定的方程参数的线性方程组如下:
A * x = B
其中
,
其中i1是来自在相继的测量时刻的第一对测量数据组的测量时间,并且i2是来自在相继的测量时刻的另一第二对测量数据组的测量时间;
其中R(i1)是在测量时刻i1的内阻并且被确定为在第一对测量时刻处的端子电压(即,对应的电压测量值)的差值与在第一对测量时刻处的通过电流(即,对应的电流测量值)的差值的商;
其中R(i2)是在测量时刻i2处的内阻并且被确定为在第二对测量时刻处的端子电压(即,对应的电压测量值)的差值与在第二对测量时刻处的通过电流(即,对应的电流测量值)的差值的商。
该方程组可以用本身已知的方法通过形成矩阵A的逆来求解。
在根据本发明的方法的另一变型中,借助所述第二测量数据组来规定所述线性方程组或所述线性方程组之一的方程参数,其中在所述方法的自动模式中基于电流阈值自动化地从多个测量数据组中选择所述第二测量数据组。在此,当从一个测量数据组到时间上的下一个测量数据组的通过电流(即,对应的电流测量值)超过预先确定的电流阈值时,存在电流跃变。自动化的选择优选地被构造为使得选择这样的测量数据组对,所述测量数据组对具有在所述对的充电状态测量值中最大可能的差值。
在根据本发明的方法的另一变体中,借助于第三测量数据组规定所述线性方程组或所述线性方程组之一的方程参数。在此,具有所规定的方程参数的线性方程组如下:
A * x = B
其中
其中i1,i2,...,in是第三测量数据的相应的测量时刻。
该方程组可以用本身已知的方法通过形成矩阵A的伪逆(Pseudoinverse)求解。
在本发明的一个优选实施例中,其中借助所述第三测量数据组来规定所述线性方程组或所述线性方程组之一的方程参数,在所述方法的自动模式中基于电流阈值自动化地从多个测量数据组中获得所述第三测量数据组,其中当通过电流(即,对应的电流测量值)小于预先确定的电流阈值时,存在零通过电流。自动化的选择优选地被构造为使得选择具有充电状态测量值中最大可能的差值的第三测量数据组,由此又确保了方程组的数值稳定的解。
在根据本发明的方法的另一个变型中,除了标称静止电压和电压因子之外还确定上面定义的第一函数的对应的函数参数,即确定了内阻对温度的依赖性。在此使用在根据本发明的方法的范围内所确定的标称静止电压和电压因子来确定所述函数参数。在此,第一函数优选如下:
其中T是储能器的温度;
其中aR,bR和cR是函数参数。
在根据本发明的方法的一个优选变型中,在函数参数的上述确定的情况下并入在不同温度时的三个测量数据组。优选地选择其温度具有最大可能的间隔的测量数据组作为来自多个测量数据组的所述三个测量数据组。由此确保了函数参数的数字稳定的确定。
作为上述自动模式的替代或附加于上述自动模式地,在本发明的范围内必要时还可以使用手动模式来选择第一和/或第二和/或第三测量数据组。根据该模式,提供用户界面并且通过用户在用户界面处指定来选择对应的测量数据组。
除了上述方法之外,本发明还涉及一种用于以计算机辅助方式确定电化学储能器的参数的设备,其中该设备包括计算单元,该计算单元被设置用于执行根据本发明的方法或根据本发明的方法的一个或多个优选的变型。
此外,本发明包括具有存储在机器可读载体上的程序代码的计算机程序产品,所述程序代码用于当程序代码在计算机上实施时执行根据本发明的方法或根据本发明的方法的一个或多个优选的变型。
本发明此外还涉及一种具有程序代码的计算机程序,所述程序代码用于当程序代码在计算机上实施时执行根据本发明的方法或根据本发明的方法的一个或多个优选的变型。
附图说明
下面参考附图详细描述本发明的实施例。
在附图中:
图1示出了电化学储能器的示意图,所述电化学储能器的参数用根据本发明的方法的实施形式来确定;
图2示出了阐明根据本发明方法的一个变型的基本步骤的流程图;
图3示出了表示第二函数的示例的图,所述第二函数取决于储能器的充电状态并且是储能器的内阻的项; 和
图4和图5示出了阐明根据本发明方法的一个变型具有电流跃变的测量数据组的选择的图。
具体实施方式
以下按照电池形式的电化学储能器来描述本发明的实施形式。这种储能器在图1中示出并用ES表示。端子电压U(t)以电池的正极和负极的形式位于所示的端子处,其中变量t在下文中表示时间。在这里描述的实施形式中,电池正在被充电,使得充电电流I(t)流入电池。电池具有取决于电池的当前充电状态SOC和温度的时间上可变的内阻R(t)。另外,电池具有静止电压U0(SOC),其是没有充电电流时的电池电压并且取决于充电状态SOC。在下面描述的实施形式中,在此考虑在预定充电状态SOC时的标称静止电压U0nom,该预定充电状态为例如完全充电状态的50%。
如上所述,在下面描述的变型中,考虑具有充电电流I(t)的电池的充电运行。充电电流在此定义为正值。尽管如此,以下实施形式也可以类似地用于电池在放电时的运行,其中在这种情况下电流I(t)表示具有负号的放电电流。
根据本发明方法的这里描述的变型的目的是:基于已经在不同测量时间在电池处确定或测量的多个测量数据组来确定电池的有说服力的参数。必要时测量的过程也可以是这里所述方法的一部分。
确定电池在相应测量时间的以下测量值:
- 电池的充电电流I(t);
- 电池的端子电压U(t);
- 电池的温度T;
- 电池的充电状态SOC。
然后借助多个这样的测量数据组来确定上面已经提到的标称静止电压U0nom以及电压因子dU0。 该电压因子描述了取决于电池充电状态的端子电压变化的线性关系,如下面进一步描述的那样。
本发明的以下阐述的所有变型都基于用于描述端子电压U(t)的以下模型:
(1)。
在此,U0nom表示在预定的充电状态值p时的标称静止电压,所述预定的充电状态值在一个优选变型中处于完全充电的50%。变量dU0是上面已经提到的电压因子,并且R表示电池的内阻。另外,I(t)表示正充电电流,并且SOC(t)表示充电状态。
在下文中描述三个不同的实施形式来说明可以如何基于本发明来确定参数U0nom和dU0。为了改善测量精度,在此可以根据可用的测量值单独地使用各个变量,或者必要时也可以以组合形式使用各个变量。
图2示出了阐明下面描述的实施形式的基本方法步骤的图。方法的根据步骤S1的起点是多个时间上相继的测量数据,其中根据所使用的变型,考虑在相同温度值时的第一测量数据M1、在出现的电流跃变时的第二测量数据M2、或在充电电流基本为0时的第三测量数据M3。所有这些测量数据都是从原始测量数据中选择的。下面描述的方法中的每一种方法都使用由上述方程式(1)描述的端子电压的预定模型MOD,该等式再次在图2中再现以用于说明目的。在此模型的基础上并且考虑到对应的测量数据组,然后在步骤S2中规定线性方程组GS的方程参数。随后,利用已知方法在步骤S3中求解该方程组GS,由此获得电池的对应参数U0nom和dU0。
根据本发明的也称为温度方法的第一变型,基于第一测量数据组M1获得参数U0nom和dU0数据组。这些第一测量数据组的所有测量值基本上在电池的相同温度时确定。对于温度法,用于描述端子电压U(t)的上述方程式(1)被描述如下:
(2)。
在此,内阻R(T,SOC(t))以本身已知的方式被描述为纯粹取决于温度的第一函数R1(T)和纯粹取决于充电状态的第二函数R2(SOC)的乘积。第二函数是预定的,并且事先已经根据经验被确定。在图3中示出了第二函数的曲线走向的示例。该函数在此按照所谓的浴缸形轮廓的方式伸展。根据该轮廓,该函数在直至大约10%的小SOC值时首先线性下降,并且然后恒定地伸展直至到大约90%的SOC值。随后,函数再次线性上升。在上面的方程式(2)中,对于测量数据组的每个时刻i,U(i)、SOC(i)和I(i)是已知的。由于第二函数R2(i)也假定为已知,所以保留三个未知变量U0nom、dU0以及R1(T)。
如已经提到的那样,现在考虑具有基本上相同的储能器温度T的第一测量数据组。在此,在对应的时刻(i1,i2,i3)利用对应的温度T确定三个这样的测量数据组。这可以自动进行,如在下面更详细地解释的那样。必要时还可以提供用户界面,通过该用户界面用户规定具有相同温度的对应的测量数据组。通过考虑这三个测量数据组,于是可以构建3阶的线性方程组 ,其中适用:
(3)。
随后以本身已知的方式通过确定A的逆求解该方程组,即确定:
。
由此获得电池参数U0nom和dU0。
下面描述如何能够根据本发明的一个变型从测量数据组中自动地确定具有相同温度的这样的三个(第一)测量数据组。
在步骤1中,规定温差Teps的容差值。
在步骤2中,对应的第一测量数据组的目标温度Tt被设置到现存测量数据组的所有温度的最小温度Tmin。
在步骤3中,确定具有以下温度条件的n≥3个测量时刻:
。
如果不能找到三个这样的测量时刻,则目标温度Tt提高d_Temp(Tt = Tt + d_Temp)并且重复步骤3,并且最大直到达到Tt = Tmax。如果找到n≥3个时刻,则跳到步骤4。
在步骤4中,检查n个测量时刻中的一些是否彼此相邻。如果是这种情况,则保留各组相邻测量时刻的单个测量时刻并且删除该组的其余测量时刻。这是必要的,因为相邻的测量时刻可导致上面的矩阵A变得数值不稳定,因为该矩阵A不再具有3阶。在这种情况下,变量x不再能被确定。在删除测量时刻之后,跳到下一个步骤5。
在步骤5中,首先检查在删除相邻测量时刻之后是否还存在至少三个测量时刻。如果是这种情况,则找到合适的一组测量时刻(i1,i2,...,in),并且跳到步骤6。如果不是这种情况,则目标温度Tt以增量d_Temp(Tt = Tt + d_Temp)提高,并且返回到步骤3。
在步骤6中,从具有相同温度的测量时刻组(i1,i2,...,in)中选择撑开最大时间差的那些指标,即从中选择i1,in作为指标以及选择与(i1 + in)/ 2相邻的附加指标。
在步骤7中检验Tt <Tmax是否适用。如果是这种情况,则返回到步骤3,以便找到附加的合适的测量时刻组。否则,只要找到了至少一组测量时刻,该方法就结束。如果不能找到这样的一组,则容差值Teps提高并且返回到步骤2。
在刚执行的迭代之后,可能存在更多组的合适的测量时刻,并且因此可能存在第一测量时刻组。在这种情况下,识别出导致数值最稳定的矩阵A的那个组。为此,为相同温度的三个测量时刻的每个组计算矩阵A的第二列和第三列的方差。然后从第二列和第三列中确定具有最大方差总和的那个测量时刻组。然后为该最佳的对应测量时刻组确定矩阵A和B并且确定矢量x以及因此参数U0nom和dU0。
在这里描述的方法的第二变型中(该第二变型称为电流跃变方法),U0nom以及dU0的确定在时间上相邻的测量数据组之间出现的电流跃变处进行。
又考虑用于端子电压的以下模型:
(4)。
在此,内阻R(t)又由第一和第二函数描述如下:
在上面的方程式(4)中,对于每个测量时刻i,参量U(i)、SOC(i)和I(i)是已知的。 因此只有三个未知变量U0nom、dU0和R(i)。
现在使用这样的事实:在发生电流I(t)的突然的电流跃变(即,大的电流变化)的测量时刻,温度T以及充电状态SOC不会显着变化。因此,电流跃变之前和之后的内阻R(t)可以假定为恒定的并且可以基于以下方程式来确定:
。
在此,i表示电流跃变之前的测量时刻,并且i + 1表示电流跃变之后的测量时刻。因此,在对应的电流跃变处的内阻R(i)也是已知的,并且只有U0nom和dU0保持为未知变量。
在这里描述的电流跃变方法中,现在在测量数据组中识别两个电流跃变,并且基于此定义线性方程组A * x = B,其中适用:
(6)。
在此,i1表示电流跃变的相邻测量时刻的测量时刻,并且i2表示另一电流跃变的相邻测量时刻的测量时刻。
然后通过确定A的逆来确定上面的方程组(6),即确定:
。
通过这种方式又获得电池参数dU0和U0nom。
下面描述了如何能够从测量数据组中自动选择对应的电流跃变。
在步骤1中,对计数器c = 0初始化。
在步骤2中,根据现存的测量数据组确定充电电流的最大分布,即确定。
在步骤3中,确定初始阈值因子f(例如f = 0.3)。如果以下条件适用,则在此针对两个相继的测量时刻i和i + 1识别电流跃变:
(7)。
在步骤4中,以测量时刻i = 1开始检验是否满足根据方程式(7)的上述条件。如果是这种情况,则确定出合适的电流跃变。随后,计数器c增加并且存储对应的时刻i。最后,以i = i + 1继续,并且重复步骤4直到所有的测量数据组都已经经历过。
在步骤5中检验是否确定了至少两个电流跃变。如果是这种情况,则跳到步骤6。如果不是这种情况,则减小阈值因子f(例如,f = 0.9 * f)并且返回到步骤4,直到找到了c≥2个电流跃变或直到阈值因子f降至最小值以下(例如fmin = 0.05)。在f <fmin的情况下,没有找到足够的电流跃变并且算法结束。
在步骤6中,从各个电流跃变(即,各个电流跃变的成对的相继测量时刻)中选择如下电流跃变:对于这些电流跃变来说电池的充电状态值之间的差值为最大。这通过从所确定的电流跃变中选择如下两个电流跃变来进行:对于这两个电流跃变来说充电状态为最大的和最小的。由此考虑到,具有基本相同充电状态的两个测量时刻可能会导致矩阵A在数值上不稳定。在这种情况下,A不能用于计算上述向量x并且因此不能用于计算U0nom和dU0。
在步骤7中,然后借助上述方程组(6)确定U0nom和dU0。
图4和图5示出了两个图,这两个图再现了刚刚描述的用于自动选择电流跃变的算法的结果。图4在此表示随时间t(即,相继的测量时刻)变化的电流值I,而图5再现了在来自图4的测量时刻处的对应的SOC值。在此,通过各图中的两个直角显示出用算法识别出的电流跃变。如从图4和图5的比较中可以看出的那样,选择对其来说SOC差值最大的电流跃变作为所述两个电流跃变。
作为刚刚描述的电流跃变的数学确定的替代方案,必要时还可以再次提供用户界面,通过该用户界面用户可以交互地在测量数据组中规定电流跃变。例如为此可以再现电流的当前电流曲线走向,使得该用户可以例如通过鼠标来选择那些要被作为电流跃变来处理的点。
下面描述本发明的用于确定U0nom和dU0的第三变型。在该变型中,考虑其中电流I(t)基本为0的测量数据组。因此,用于端子电压U(t)的上述方程式(1)可以简化如下:
(8)。
在该变型中,确定具有基本为0的电流的n≥2个测量时刻(如果存在的话),并且随后从n个线性方程式中定义如下方程组:
A * x = B,
其中:
(9)。
该方程组被求解,其中为此确定A的伪逆,即向量x被确定如下:
。
在该变型中,需要至少两个测量时刻,但也可以使用更大的数量。测量时刻的数量越大,算法就越稳健。
以下描述如何自动确定对应的电流值为0的测量时刻。然而可替换地,这些测量时刻也可以通过用户界面手动指定。
在步骤1中,从测量数据组中确定这样的测量时刻i,对于所述测量时刻i而言适用| I(i)| < I阈值。根据构型可以适当地规定参量 I阈值(例如1e-4)。然后将找到的测量时刻作为电流值为0的测量时刻处理。如果在步骤1中未找到至少两个测量时刻,则不能执行该用于确定电池参数的方法,并且算法结束。
如果要确定多个这样的测量时刻,则在步骤2中从这些测量时刻中选择具有最小SOC值和最大SOC值的测量时刻。这又导致最佳的数值稳定性。
随后在步骤3中,从电流值为0的测量时刻组中除去具有在已经被选择的测量时刻附近的SOC值的那些测量时刻。通过这种方式,为了确定电池参数,搜寻其SOC值与已经被选择的测量时刻具有大间距的那些测量时刻。
在根据本发明的方法的进一步构型中(该构型可以与用于确定dU0和U0nom的上述变型中的每一种进行组合),还确定用于描述上述第一函数R1(t)的参数。这里假定可以通过参数aR、bR和cR来描述该第一函数,其中R1(t)如下:
(10)。
内阻R因此由以下方程式来表示:
(11)。
第二函数R2(SOC)又是已知的并且可以例如通过上述浴缸形轮廓来表示。
为了确定参数aR、bR和cR,选择具有不同温度值T(i1)、T(i2)、T(i3)的三个测量时刻(i1,i2,i3)。测量时刻(i1,i2,i3)可以例如从测量数据组中随机选择。然而,测量随时可优选地以这样的方式选择,即温度T(i1)、T(i2)、T(i3)彼此具有最大可能的间距。为了实现这一点,将测量数据组中具有所有温度的最小值和最大值的测量时刻确定为测量时刻i1和i3。然后大致将最小温度和最大温度之间的平均温度值规定为另一个测量时刻i2,即以下适用:
。
通过使用上面的方程式(4)和(5),对于对应的测量时刻i,第一函数可以被写为如下:
(12)。
在该方程式中,U(i)、SOC(i)和I(i)是已知的。另外,恒定参数U0nom和dU0是已知的,因为它们已经用上述方法之一被确定了。例如通过上述的浴缸形轮廓表示的R2同样是已知的。
现在根据上述方程式(12)为三个所选择的测量时刻确定参量R1(T(i1))、R1(T(i2))和R1(T(i3))。随后,使用以下算法来查找参数aR、bR和cR(在此使用以下缩写:T(i1)=T1,T(i2)= T2,T(i3)= T3)。
计算辅助变量。
随后,利用用于找到零点的方法(例如牛顿搜寻法)来求解以下方程式:
(13)。
通过这种方式获得参数bR。
然后从中可以如下地确定参数aR和cR:
(14)。
如能看出的那样,上述关系 以非线性方式模拟温度依赖性。尽管如此,在此只要参数bR非常小,也描述了线性关系。在实际温度依赖性几乎是线性的情况下,利用这里描述的方法基于非常小的bR值检测到这一点。
前面描述的本发明的实施形式具有一系列优点。尤其是,电化学储能器的重要参数以标称静止电压和电压因子的形式确定,而不使用特定的测量协议。更确切地说,仅需存在足够数量的在电池运行期间已经采集的测量数据组。此外,该方法必要时还能够确定电池内阻的温度依赖性。
在本发明的范围内,可以使用三种不同的方案来确定电池参数。必要时(例如,在数据嘈杂的情况下)可以将这些不同方案的结果相互组合,以便相互验证和改进估计结果。
本发明的方法不要求具有特定参数值的特别的初始化。此外,所述方法可以全自动地运行,其中在这种情况下对应的测量数据组也被自动选择。尽管如此,测量数据组的交互选择也可以替代地或附加地由用户通过用户界面来执行。
利用根据本发明的方法不针对特定电池类型来确定电池参数,而是单独地针对正在使用的单个电池确定电池参数。特别地,可以通过本身已知的方法利用这些参数来预测总使用寿命、预期的能量损失、直到替换为止的预期时刻等等。通过这种方式,根据本发明的方法为电池在其运行持续时间期间的基于模型的规划和优化提供了重要的结果。
Claims (15)
1.用于以计算机辅助方式确定电化学储能器(ES)的参数的方法,
其中处理多个时间上相继的测量数据组(M1,M2,M3),其中针对所分配的测量时刻的各测量数据组(M1,M2,M3)包括以下测量值:
储能器(ES)的端子电压(U(t))的电压测量值、储能器(ES)的充电电流或放电电流形式的通过电流(I(t))的电流测量值、和储能器(ES)的充电状态(SOC(t))的充电状态测量值;
其中对储能器(ES)的预定模型(MOD)进行处理,所述模型描述取决于充电状态(SOC(t))和通过电流(I(t))的端子电压(U(t)),其中预定模型(MOD)包括以下不确定的参数:
标称静止电压(U0nom),其表示在预定的充电状态值(p)时在没有通过电流(I(t))情况下的储能器(ES)的静止电压;电压因子(dU0),其是取决于充电状态(SOC(t))的端子电压(U(t))项的一部分;以及储能器(ES)的内阻(R(T,SOC)),其是取决于通过电流(I(t))的端子电压(U(t))项的一部分;
其中在该方法中执行以下步骤:
- 借助多个第一测量数据组(M1)和/或借助多个第二测量数据组(M2)和/或借助多个第三测量数据组来规定基于预定模型(MOD)的至少一个线性方程组(GS)的方程参数,在所述多个第一测量数据组的情况下储能器(ES)的温度(T)是基本上相同大小的,所述多个第二测量数据组(M2)是在相继的测量时刻处具有在所述相继的测量时刻处的通过电流(I(t))的电流跃变的测量数据组对,在所述多个第三测量数据组的情况下通过电流(I(t))基本为零;
- 通过求解所述至少一个线性方程组来确定所述标称静止电压(U0nom)和电压因子(dU0)。
2.根据权利要求1所述的方法,其中储能器(ES)的预定模型(MOD)基于以下方程式:
其中t是时间;
其中U(t)是端子电压;
其中U0nom是标称静止电压;
其中dU0是电压因子;
其中p是预定的充电状态值;
其中SOC(t)是充电状态;
其中R(T,SOC(t))是内阻;
其中T是温度;
其中I(t)是通过电流。
3.根据权利要求1或2所述的方法,其中,在所述预定模型(MOD)中,所述内阻(R(T,SOC))由第一函数和第二函数的乘积来描述,其中所述第一函数取决于储能器(ES)的温度(T)并且第二函数取决于储能器(ES)的充电状态(SOC(t)),并且其中第一函数是未知的并且第二函数是预定的。
4.根据权利要求2和3所述的方法,其中借助所述第一测量数据组(M1)来规定所述线性方程组(GS)或所述线性方程组(GS)之一的方程参数,并且具有规定的方程参数的所述线性方程组(GS)如下:
A * x = B
其中
其中i1,i2和i3是三个第一测量数据组(M1)的相应的测量时刻;
其中T是在第一测量数据组(M1)时的温度;
其中R1是第一函数;
其中R2是第二函数。
5.根据前述权利要求之一所述的方法,其中,借助于所述第一测量数据组(M1)来规定所述线性方程组(GS)或所述线性方程组(GS)之一的方程参数,并且在所述方法的自动模式中基于容差值自动化地从多个测量数据组(M1,M2,M3)中选择所述第一测量数据组(M1),其中当两个测量数据组的温度(T)彼此相差小于预先确定的容差值时,这两个测量数据组的温度(T)被分类为相同的,其中自动化的选择优选地被构造为使得所述第一测量数据组(M1)的测量时刻彼此具有最大可能的时间间隔。
6.根据前述权利要求之一结合权利要求2所述的方法,其中借助于第二测量数据组(M2)规定所述线性方程组(GS)或所述线性方程组(GS)之一的方程参数,并且具有所规定的方程参数的线性方程组如下:
A * x = B
其中
其中i1是来自在相继的测量时刻的第一对测量数据组的测量时间,并且i2是来自在相继的测量时刻的另一第二对测量数据组的测量时间;
其中R(i1)是在测量时刻i1的内阻(R(T,SOC))并且被确定为在第一对测量时刻处的端子电压(U(t))的差值与在第一对测量时刻处的通过电流的差值的商;
其中R(i2)是在测量时刻i2处的内阻(R(T,SOC))并且被确定为在第二对测量时刻处的端子电压(U(t))的差值与在第二对测量时刻处的通过电流(I(t))的差值的商。
7.根据前述权利要求之一所述的方法,其中,借助所述第二测量数据组(M2)来规定所述线性方程组(GS)或所述线性方程组(GS)之一的方程参数,并且在所述方法的自动模式中基于电流阈值自动化地从多个测量数据组(M1,M2,M3)中选择所述第二测量数据组(M2),其中当从一个测量数据组到时间上的下一个测量数据组的通过电流超过预先确定的电流阈值时存在电流跃变,其中自动化的选择优选地被构造为使得选择具有在充电状态测量值中最大可能的差值的测量数据组对。
8.根据前述权利要求之一结合权利要求2所述的方法,其中借助于第三测量数据组(M3)规定所述线性方程组(GS)或所述线性方程组(GS)之一的方程参数,并且具有所规定的方程参数的线性方程组(GS)如下:
A * x = B
其中
其中i1,i2,...,in是第三测量数据的相应的测量时刻。
9.根据前述权利要求之一所述的方法,其中,借助所述第三测量数据组(M3)来规定所述线性方程组(GS)或所述线性方程组(GS)之一的方程参数,并且在所述方法的自动模式中基于电流阈值自动化地从多个测量数据组(M1,M2,M3)中选择所述第三测量数据组(M3),其中当通过电流(I(t))小于预先确定的电流阈值时,存在零通过电流(I(t)),其中自动化的选择优选地被构造为使得选择具有充电状态测量值中最大可能的差值的第三测量数据组(M3)。
10.根据前述权利要求之一结合权利要求3所述的方法,其中通过一个或多个函数参数来描述所述第一函数,所述一个或多个函数参数在使用所确定的标称静止电压(U0nom)和所确定的电压因子(dU0)的情况下来确定,其中第一函数优选如下:
其中T是储能器(ES)的温度;
其中aR,bR和cR是函数参数。
11.根据权利要求10所述的方法,其中在不同温度(T)的三个测量数据组在确定所述一个或多个函数参数时并入,其中优选地选择其温度具有最大可能的间隔的测量数据组作为来自多个测量数据组的所述三个测量数据组(M1,M2,M3)。
12.根据前述权利要求之一所述的方法,其中提供用户界面,并且在所述方法的手动模式中通过用户在所述用户界面处的指定来选择所述第一和/或第二和/或第三测量数据组(M1,M2,M3)。
13.用于以计算机辅助方式确定电化学储能器(ES)的参数的设备,包括计算单元,该计算单元被设置用于执行前述权利要求之一所述的方法。
14.计算机程序产品,具有存储在机器可读载体上的程序代码,所述程序代码用于当所述程序代码在计算机上实施时执行根据权利要求1至12之一所述的方法。
15.具有程序代码的计算机程序,所述程序代码用于当所述程序代码在计算机上实施时执行根据权利要求1至12之一所述的方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102015222683.2A DE102015222683B4 (de) | 2015-11-17 | 2015-11-17 | Verfahren zum rechnergestützten Ermitteln von Parametern eines elektrochemischen Energiespeichers |
DE102015222683.2 | 2015-11-17 | ||
PCT/EP2016/069226 WO2017084780A1 (de) | 2015-11-17 | 2016-08-12 | Verfahren zum rechnergestützten ermitteln von parametern eines elektrochemischen energiespeichers |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108351387A true CN108351387A (zh) | 2018-07-31 |
Family
ID=56694140
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201680067328.2A Pending CN108351387A (zh) | 2015-11-17 | 2016-08-12 | 用于以计算机辅助方式确定电化学储能器的参数的方法 |
Country Status (9)
Country | Link |
---|---|
US (1) | US10877101B2 (zh) |
EP (1) | EP3356834B1 (zh) |
CN (1) | CN108351387A (zh) |
AU (1) | AU2016357168B2 (zh) |
CL (1) | CL2018001307A1 (zh) |
CO (1) | CO2018005176A2 (zh) |
DE (1) | DE102015222683B4 (zh) |
ES (1) | ES2781333T3 (zh) |
WO (1) | WO2017084780A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102015222683B4 (de) | 2015-11-17 | 2018-06-21 | Siemens Aktiengesellschaft | Verfahren zum rechnergestützten Ermitteln von Parametern eines elektrochemischen Energiespeichers |
DE102016224380B4 (de) * | 2016-12-07 | 2018-10-18 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren und Steuereinheit zur Ermittlung des Zustands eines Energiespeichers |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130006455A1 (en) * | 2011-06-28 | 2013-01-03 | Ford Global Technologies, Llc | Nonlinear observer for battery state of charge estimation |
CN103733081A (zh) * | 2011-04-21 | 2014-04-16 | 罗伯特·博世有限公司 | 一种用于确定蓄电池的最大可用的恒定电流的方法 |
CN103941191A (zh) * | 2014-03-26 | 2014-07-23 | 海博瑞恩电子科技无锡有限公司 | 一种储能装置综合管理的方法及储能装置 |
CN104569691A (zh) * | 2015-01-27 | 2015-04-29 | 华北电力科学研究院有限责任公司 | 多类型储能系统的参数检测方法以及系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5303528B2 (ja) | 2010-09-16 | 2013-10-02 | カルソニックカンセイ株式会社 | フィルタによるパラメータ推定装置 |
DE102015222683B4 (de) | 2015-11-17 | 2018-06-21 | Siemens Aktiengesellschaft | Verfahren zum rechnergestützten Ermitteln von Parametern eines elektrochemischen Energiespeichers |
-
2015
- 2015-11-17 DE DE102015222683.2A patent/DE102015222683B4/de active Active
-
2016
- 2016-08-12 AU AU2016357168A patent/AU2016357168B2/en not_active Ceased
- 2016-08-12 CN CN201680067328.2A patent/CN108351387A/zh active Pending
- 2016-08-12 WO PCT/EP2016/069226 patent/WO2017084780A1/de active Application Filing
- 2016-08-12 EP EP16753339.7A patent/EP3356834B1/de active Active
- 2016-08-12 ES ES16753339T patent/ES2781333T3/es active Active
- 2016-08-12 US US15/775,841 patent/US10877101B2/en active Active
-
2018
- 2018-05-15 CL CL2018001307A patent/CL2018001307A1/es unknown
- 2018-05-17 CO CONC2018/0005176A patent/CO2018005176A2/es unknown
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103733081A (zh) * | 2011-04-21 | 2014-04-16 | 罗伯特·博世有限公司 | 一种用于确定蓄电池的最大可用的恒定电流的方法 |
US20130006455A1 (en) * | 2011-06-28 | 2013-01-03 | Ford Global Technologies, Llc | Nonlinear observer for battery state of charge estimation |
CN103941191A (zh) * | 2014-03-26 | 2014-07-23 | 海博瑞恩电子科技无锡有限公司 | 一种储能装置综合管理的方法及储能装置 |
CN104569691A (zh) * | 2015-01-27 | 2015-04-29 | 华北电力科学研究院有限责任公司 | 多类型储能系统的参数检测方法以及系统 |
Non-Patent Citations (2)
Title |
---|
ALA AL-HAJ HUSSEIN ET AL.: "An Overview of Generic Battery Models", 《2011 IEEE POWER AND ENERGY SOCIETY GENERAL MEETING》 * |
YUJIE WANG ET AL.: "A method for state-of-charge estimation of Li-ion batteries based on multi-model switching strategy", 《APPLIED ENERGY》 * |
Also Published As
Publication number | Publication date |
---|---|
CO2018005176A2 (es) | 2018-10-10 |
ES2781333T3 (es) | 2020-09-01 |
DE102015222683B4 (de) | 2018-06-21 |
WO2017084780A1 (de) | 2017-05-26 |
AU2016357168B2 (en) | 2019-07-11 |
US10877101B2 (en) | 2020-12-29 |
EP3356834A1 (de) | 2018-08-08 |
AU2016357168A1 (en) | 2018-05-31 |
CL2018001307A1 (es) | 2018-09-14 |
DE102015222683A1 (de) | 2017-05-18 |
US20180328997A1 (en) | 2018-11-15 |
EP3356834B1 (de) | 2020-02-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Reniers et al. | Improving optimal control of grid-connected lithium-ion batteries through more accurate battery and degradation modelling | |
JP7317484B2 (ja) | リチウムイオン電池の容量低下と寿命予測のためのデータ駆動モデル | |
JP5936711B2 (ja) | 蓄電デバイスの寿命予測装置及び蓄電デバイスの寿命予測方法 | |
Lujano-Rojas et al. | Operating conditions of lead-acid batteries in the optimization of hybrid energy systems and microgrids | |
US11336104B2 (en) | Method of performing a state of health estimation for a rechargeable battery energy storage system | |
JP5739788B2 (ja) | 充放電計画立案システムおよび充放電計画立案方法 | |
Li et al. | Study of battery modeling using mathematical and circuit oriented approaches | |
WO2014128902A1 (ja) | 二次電池の劣化診断方法およびそれを用いた装置 | |
Jiang et al. | Butler-Volmer equation-based model and its implementation on state of power prediction of high-power lithium titanate batteries considering temperature effects | |
CN109061483A (zh) | 电池健康状态的检测方法、装置、存储介质和处理器 | |
CN107632272A (zh) | 一种基于电芯内部温度预测的动力电池放电荷电状态精确估计方法 | |
CN106885994B (zh) | 基于恒压充电片段的锂电池剩余寿命快速检测法 | |
CN115684947A (zh) | 电池模型构建方法及电池劣化预测装置 | |
US20180123347A1 (en) | Distributed electricity storage system, power control method, and program | |
CN110133515B (zh) | 电池剩余能量确定方法及其装置 | |
Bockrath et al. | State of charge estimation using recurrent neural networks with long short-term memory for lithium-ion batteries | |
KR101882127B1 (ko) | 축전 시스템 및 특성 파라미터의 추정 방법 | |
CN110118937A (zh) | 自适应预测模型的蓄电池荷电状态边缘计算优化检测方法 | |
CN108351387A (zh) | 用于以计算机辅助方式确定电化学储能器的参数的方法 | |
CN115684956A (zh) | 用于电池存储器寿命估计的方法、设备和计算机程序产品 | |
Chaoui et al. | State-of-charge and state-of-health prediction of lead-acid batteries with genetic algorithms | |
Gallo et al. | Testing protocols for battery characterization | |
CN111308351B (zh) | 低温环境动力电池soc估计方法、存储介质和设备 | |
CN111060833A (zh) | 一种动力电池组soh值的估算方法 | |
Freitas et al. | Lifetime estimation technique for lead-acid batteries |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
AD01 | Patent right deemed abandoned | ||
AD01 | Patent right deemed abandoned |
Effective date of abandoning: 20210115 |