CN109075397A - 用于寿命优化地使用电化学蓄能器的方法和设备 - Google Patents

用于寿命优化地使用电化学蓄能器的方法和设备 Download PDF

Info

Publication number
CN109075397A
CN109075397A CN201680084616.9A CN201680084616A CN109075397A CN 109075397 A CN109075397 A CN 109075397A CN 201680084616 A CN201680084616 A CN 201680084616A CN 109075397 A CN109075397 A CN 109075397A
Authority
CN
China
Prior art keywords
accumulator
equipment
service life
input parameter
aging
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
Application number
CN201680084616.9A
Other languages
English (en)
Inventor
K.马杰夫斯基
M.赛登施万茨
R.芬克
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.)
Siemens AG
Original Assignee
Siemens AG
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 Siemens AG filed Critical Siemens AG
Publication of CN109075397A publication Critical patent/CN109075397A/zh
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00—Secondary cells; Manufacture thereof
    • H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
    • H01M10/44—Methods for charging or discharging
    • H01M10/443—Methods for charging or discharging in response to temperature
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00—Secondary cells; Manufacture thereof
    • H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
    • 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]
    • G01R31/392—Determining battery ageing or deterioration, e.g. state of health
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00—Secondary cells; Manufacture thereof
    • H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
    • H01M10/44—Methods for charging or discharging
    • Y—GENERAL 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02E60/10—Energy storage using batteries

Landscapes

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

Abstract

本发明涉及一种用于寿命优化地使用电化学蓄能器的方法和设备。本发明要求保护一种用于寿命优化地使用电化学蓄能器的方法，其中，根据可受所述蓄能器的充电和/或放电过程影响的温度以及能量吞吐量以非线性函数（NF）形式表达所述蓄能器的循环老化，其特征在于，为了确定所述循环老化，在用于划分可被预给定的使用计划时间段的可被预给定的时间步长中的每一个时间步长中线性地逼近所述非线性函数并且将所述非线性函数用于计算用于所述蓄能器的使用的、寿命优化的使用计划。

Description

用于寿命优化地使用电化学蓄能器的方法和设备
技术领域
本发明涉及用于寿命优化地使用电化学蓄能器的一种方法和一种设备。
此外，本发明涉及一种计算机程序产品和一种计算机可读的介质。
背景技术
为了确定能量系统中的电化学蓄能器的寿命和与此相关的经济效益，应考虑蓄能器的老化。
蓄能器、诸如电池允许，在时间上解耦电能的产生和消耗：如果能量在低负荷时间（有利地）可供使用，则应对蓄能器充电。如果在高负荷时间能量仅仅借助成本耗费可供使用，则应对蓄能器放电。因为这样的可充电和可放电的蓄能器的购置是成本昂贵的（当前超过每千瓦时100欧元）并且这样的蓄能器经受化学老化过程，所以所述蓄能器的避免耗费和节约资源的运行或使用是有意义的，以便尽可能使其老化延期。可以在根据日历的（也即纯时间上的）和循环的（也即与运行相关的）老化之间进行区分。除了能量吞吐量之外，在循环老化中，电池温度是主影响因子。充电和放电过程导致温度升高，其中，在蓄能器的充电和/或放电过程中在分子层面上应消除激活能量。温度对老化的影响通过阿伦尼乌斯定律来量化并且可以例如在温度升高10度时产生多于两倍那么快的老化。与温度相关的因子f（T）通过阿伦尼乌斯定律来给定：
。
在其中，激活能量Ea和通用的气体常量R是已知的参数，其中，所述参数取决于蓄能器化学并且必要时通过实验来确定，并且T是单位为开尔文的温度。
在DE 102015205171.4中，已经提出一种用于对电化学蓄能器充电或放电的方法，所述电化学蓄能器的老化行为通过其放电深度（DoD）的描述来建模。
应在与时间相关的能量负荷和与此相关的成本以及电池老化之间进行权衡，其中，应注意物理边界以及所得的温度变化过程。
在许多应用中，借助数学方法优化电池使用或蓄能器使用的运转控制。在此尤其可以使用混合整数线性规划（MILP）的方法。
线性优化致力于线性目标函数在一集合上的优化，该集合通过线性的等式和不等式限制。线性优化是（混合）整数线性优化（MILP）的解决方法的基础。所谓的Solver（解题器）诸如CPLEX、Gurobi是用于专门的数学计算机程序的综合名称，所述数学计算机程序可以在数值上解决数学的优化问题。
对于基于MILP的用于电池的寿命优化的使用计划的方案，目前为止大多利用非常强地简化的电池模型，以便减少所出现的优化问题的复杂性（例如见[1]）。但是，电池建模中的简化——所述简化要么完全忽视老化动态性要么不充分地简化老化动态性——经常导致在电池的预测性能与实际性能之间的关于寿命和由此引起的成本的大的差异。
发明内容
本发明的任务是，实现一种相对于所提到的现有技术改进的用于寿命优化地使用电化学蓄能器的方法或技术，其中，应考虑蓄能器的能量负荷时间和老化。
所述任务通过独立权利要求来解决。有利的扩展方案是从属权利要求的主题。
本发明要求保护一种用于寿命优化地或资源消耗优化地使用电化学蓄能器的方法，其中，根据可受所述蓄能器的充电和/或放电过程影响的温度（T）以及能量吞吐量（ΔΕ）以非线性函数形式表达所述蓄能器的循环老化，其特征在于，为了确定所述循环老化，在用于划分可被预给定的使用计划时间段的可被预给定的时间步长中的每一个时间步长中线性地逼近所述非线性函数并且将所述非线性函数用于计算用于所述蓄能器的使用的、寿命优化的使用计划。
资源消耗优化涉及资源“蓄能器”，其中，较少的资源消耗通常随之带来蓄能器的提高的寿命。
与一开始提到的专利申请——在所述专利申请中将大的充电周期分成小的充电周期——不同，本发明辨识合适的用于充电/放电的时间步长。两个所提到的方案可以相互补充并且相互独立地应用。对于本发明，一开始提到的放电深度不起作用。
本发明有助于，在考虑与温度相关的循环老化的情况下确定蓄能器的充电和放电时间段和在此使用的电功率，使得最大化蓄能器的寿命并且因此也最大化蓄能器的经济效益。这通过用于蓄能器的循环老化行为的根据能量吞吐量和温度的线性逼近法模型来实现。循环老化的非线性的非凸动态性的根据温度和能量吞吐量的线性逼近法非常好地反映蓄能器中的通过实验证实的老化过程。所产生的模型可以集成到用于复杂应用的混合整数线性优化工具中。
相对于一开始提到的方法，本发明具有实际老化动态性的更好的逼近和与此相关的运行成本的优点。参考一开始提到的非线性模型的直接使用，根据本发明的方案在复杂的然而运行时间关键的应用中提供强烈改进的性能，所述应用具有关于运行时间的计划优化。
为了线性化与两个自变量（温度和能量吞吐量）的非线性关联性，通过一个或多个平面逼近非线性函数，所述一个或多个平面可以是一个或多个切平面。在此，可以规定平面的数目。用于使用蓄能器的使用计划时间段例如可以预先给定为24小时。可预给定的时间步长通常是离散的。例如，使用计划时间段可以划分成1小时或2小时的时间步长，其中，时间步长可以由用户来预给定。时间步长可以在时间上等距。
作为输入参量，所述蓄能器的最大的充电功率和/或最大的放电功率可以进入所述逼近法的计算中，其中，不应超出作为阈值的所述输入参量。作为另外的输入参量，所述蓄能器的最小温度和最大温度可以进入到所述逼近法的计算中，其中，不应低于并且不应超出作为阈值的所述输入参量。
本发明的另一方面设置用于寿命优化地或资源消耗优化地使用电化学蓄能器的设备，其中，可以根据可受所述蓄能器的充电和/或放电过程影响的温度以及能量吞吐量以非线性函数形式表达所述蓄能器的循环老化，其中，所述设备被设计用于，为了确定所述循环老化，在用于划分可被预给定的使用计划时间段的可被预给定的时间步长中的每一个时间步长中线性地逼近所述非线性函数并且将所述非线性函数用于计算用于所述蓄能器的使用的、寿命优化的使用计划。
所述设备可以设置用于执行上述方法的机构和/或单元或装置和/或模块，其可以分别按硬件和/或按固件和/或按软件构造或者构造为计算机程序或计算机程序产品。
所述设备可以如以上描述的方法相应地扩展。
这样的设备可以是能量系统或能量设施。蓄能器可以是能量系统的或设施的一部分。
此外，设施可以通过以下设施类型之一来表征。对此的示例是：
- 能量产生设施，以及
- 能量网络。
本发明的另一方面是一种计算机程序产品或一种计算机程序，其具有用于当在以上所述的设备中或在所述设备的机构中实施所述计算机程序（产品）时执行以上所述方法的机构。所述计算机程序或计算机程序产品可以存储在计算机可读的介质上。所述计算机程序或计算机程序产品可以以通常的编程语言（例如C++、Java）来创建。处理装置可以包括市场上常见的具有相应的输入、输出和存储机构的计算机或服务器。所述处理装置可以集成在所述设备中或其机构中。
附图说明
本发明的另外的优点、细节和扩展方案由以下结合附图对实施例的描述得出。其中：
图1示出阿伦尼乌斯定律的图解；
图2示出具有值k=4的线性逼近法；
图3示出具有k=100的线性逼近法；
图4示出在k=4的情况下逼近误差的示图；
图5示出在k=100的情况下逼近误差的示图；
图6a、6b、6c在示例场景中示出所假设的能量成本和报酬作为时间序列；以及
图7a、7b、7c示出相应的充电/放电功率、温度和由循环老化引起的成本。
具体实施方式
根据温度T和能量吞吐量ΔΕ，蓄能器（在此以电池为例）的循环老化动态性可以如下建模（见[2]）：
循环老化系数=
借助参数c1和c2，可以根据电池的具体结构型式来匹配非线性的模型函数。这些参数大多通过实验来估计。
在图1中示出阿伦尼乌斯定律，其中，当激活能量Ea=32000[J/mol]以及参考温度Tref=293.15[K]时，在图1中的曲线图的x轴上绘出单位为开尔文[K]的温度，并且在y轴上绘出阿伦尼乌斯因子。
蓄能器、例如电池的循环老化（以在以开尔文为单位的温度T的情况下每小时和每千瓦充电/放电功率的欧元为单位）可以通过以下公式来量化，
，
其中，Aref是在参考温度Tref的情况下每千瓦时的电池老化成本。所述常量Aref可以通过由电池的以欧元为单位的购置成本和在恒定的温度Tref的情况下直至寿命结束时的以千瓦时为单位的能量吞吐量的商来计算。此外，M=Ea/R是阿伦尼乌斯定律中的激活能量和通用气体常量的商。该商通常通过在两个不同的温度的情况下测量老化来确定。
因为能量吞吐量ΔΕ是功率P和时间步长Δt的乘积，所以借助（1）由（0）得出，循环老化系数可以表示为：
电池的另外的输入参量是电池的单位为千瓦的最大的充电功率Pmax,充电或放电功率Pmax,放电，其不应被超出。此外，温度变化过程应不离开Tmin至Tmax的所允许的范围。该区间包含Tref。为了在电池使用的寿命与成本优化的计划中考虑公式（2），选择预测视界H，预测视界典型地是24小时并且分解成N个合适的彼此相继的时间间隔。第n个时间间隔的长度应是Δtn。对于这些时间间隔中的每一个，存在电力价格预测Kn，单位为每千瓦时欧元。
现在应借助线性模型来逼近用于循环老化的非线性模型（2），该非线性模型可以对于离散的时间步长来指定。每个时间步长或时间间隔中的老化可以通过非线性函数根据相应的功率点Pn以及温度Tn来表达。为了线性化与两个自变量的非线性关联性，使用平面-逼近法。在图2和3中示出非线性模型函数NF。
在使用混合整数线性规划（MILP）的情况下，可以对能量系统的行为建模，以便最小化成本耗费。借助MILP可以在相对短的运行时间内找到具有非常好的结果品质的解决方案。
本MILP-模型仅仅可以被视为可能的示例性的表达式并且不是对所述方法的限制。
MILP-程序的步骤可以迭代地执行，并且当达到预先规定的时间界限或结果品质时可以实现程序中断。
在所提出的模型中，对于每个时间间隔n∈{1，...，N}，充电/放电功率通过电池的温度Tn和变量Pn来给定。
Pn的正值表示电池的充电，负值表示放电。现在，为了在此考虑循环老化，对于每个时间间隔产生附加的电池成本变量Cn，并且累加为成本函数的总和C1+C2+...+CN。这些成本变量中的每一个为以下形式的条件所决定：对于所有k
。
这些条件确保，逼近地模拟并且在成本计算方面考虑阿伦尼乌斯定律（1）。
不等式（3a）描述通过充电引起的循环老化成本，并且，（3b）描述用于放电的循环老化成本。这些条件（3a）和（3b）中的每一个表示作为在时间步长n中循环老化成本的下界的平面并且是线性的。在此，k经历整数从0到K的范围，其中，K是所述方法的参数并且典型地具有在0和10之间的值。
对于k=0，设置a0,n=0，b0,n=0，C0,n=Δtn*A（Tref）以及a՝0,n=0，b՝0,n=0，c՝0,n=Δtn*A（Tref）。在图2和3中以E1或E1՝表示的这些基本平面确保，与温度无关地至少计数在参考温度下的相应成本。因此，该模型包含在参考温度下与温度无关的老化成本的特殊情况。
对于k≥1，借助另外的不等式对在温度升高情况下的老化成本的增加建模：对于k∈{1，...，K+1}，设置Tapp,k=Tmin+（Tmax-Tmin）*（k-1）/K。不等式（2a）中的系数ak,n、bk,n、ck,n现在可以如此被确定，使得所有点（P，T，C）的通过平面等式C=ak,n+bk,n*T+ck,n*P限定的平面在点（Pmax,充电，Tapp,k，Δtn*Pmax,充电*A（Tapp,k））处是函数Δtn*P*A（T）的切平面并且延伸通过点（0，Tmax，0）。类似地，不等式（3b）中的系数a'k,n、b'k,n、c'k,n可以如此被确定，使得所有点（P，T，C）的通过平面等式C=a՝k,n+b՝k,n*T-c՝k,n*P限定的平面在点（Pmax,放电，Tapp,k，Δtn*Pmax,放电*A（Tapp,k））处是函数Δtn*P*A（T）的切平面并且延伸通过点（0，Tmax，0）。切平面在图2中以E2至E6来表示并且在图3中以E2՝、E3՝来表示。
以下应用是可能的：在所述应用中，蓄能器、诸如电池的循环老化成本（英语：Cyclic Aging Costs）的正确包括是用于寿命优化的并且成本最优的运行计划或使用计划的决定性因子。这尤其在所谓的智能能量网（智能电网）和蓄能器的范畴内起作用。
下面描述一种示例场景，所述示例场景说明在强烈简化的智能电网应用中在计划电池使用时考虑循环老化成本，但不限于该示例或该应用。考虑24小时的时间视界，在该时间视界中，连接到电网上的电池可以从电网获得能量或者将能量馈入电网。为此，应付成本（英语：costs）或者支付报酬（英语：Reward）。所假设的成本和报酬作为时间序列在图6c中示出。看出，能量在低负荷时间、例如在夜间是有利的并且在高负荷时间在日间是不利的。用于寿命优化地控制电池使用的MILP-程序充分利用这些事实。在夜间，以电流对电池充电并且在白天将电流又馈入到电网中（见图6a中的功率设置点和图6b中的电池能量）。
图7a、7b和7c示出相应的充电/放电功率（图7a）、温度（图7b）和循环老化成本（图7c），其基于线性化的模型来计算。
尽管细节上通过所描述的优选的实施例详细说明和描述了本发明，但本发明不受所公开的示例限制并且可以由本领域技术人员由此导出其他变型，而不离开本发明的保护范围。
参考：
[1] G.G. Mosbi，C. Bovo，A. Berizzi：Optimal Operational Planning for PV-Wind-Diesel-Battery Microgrid，IEEE Eindhoven PowerTech，2015
[2] J. Wang，P . Liu，J . Hicks-Garner，E . Sherman，S . Soukiazian，M.Verbrugge，H . Tataria，J. Musser，P . Finamore：Cycle-Life Model for Graphite-LiFePO4 Cells，Journal of Power Sources 196 2011，pp . 3942 - 3948

Claims (16)

1.一种用于寿命优化地使用电化学蓄能器的方法，其中，根据可受所述蓄能器的充电和/或放电过程影响的温度以及能量吞吐量以非线性函数（NF）形式表达所述蓄能器的循环老化，其特征在于，为了确定所述循环老化，在用于划分可被预给定的使用计划时间段的可被预给定的时间步长中的每一个时间步长中线性地逼近所述非线性函数并且将所述非线性函数用于计算用于所述蓄能器的使用的、寿命优化的使用计划。
2.根据上一权利要求所述的方法，其特征在于，通过一个或多个平面（E1，...，E6；Ε1'，...，Ε3'）线性地逼近所述非线性函数。
3.根据上一权利要求所述的方法，其特征在于，规定用于所述逼近法的平面的数目。
4.根据权利要求2或3所述的方法，其特征在于，所述平面中的至少一个是切平面。
5.根据以上权利要求中任一项所述的方法，其特征在于，借助整数线性规划来计算所述寿命优化的使用计划。
6.根据以上权利要求中任一项所述的方法，其特征在于，所述蓄能器的最大的充电功率和/或最大的放电功率作为输入参量进入所述逼近法的计算中，其中，不应超出作为阈值的所述输入参量。
7.根据以上权利要求中任一项所述的方法，其特征在于，作为输入参量，所述蓄能器的最小温度和最大温度进入到所述逼近法的计算中，其中，不应低于并且不应超出作为阈值的所述输入参量。
8.一种用于寿命优化地使用电化学蓄能器的设备，其中，所述蓄能器的循环老化能够根据可受所述蓄能器的充电和/或放电过程影响的温度以及能量吞吐量以非线性函数（NF）形式表达，其中，所述设备被设计用于，为了确定所述循环老化，在用于划分可被预给定的使用计划时间段的可被预给定的时间步长中的每一个时间步长中线性地逼近所述非线性函数并且将所述非线性函数用于计算用于所述蓄能器的使用的、寿命优化的使用计划。
9.根据上一权利要求所述的设备，其特征在于，所述非线性函数可通过一个或多个平面（E1，...，E6；Ε1'，...，Ε3'）来逼近。
10.根据上一权利要求所述的设备，其特征在于，所述平面的数目是可规定的。
11.根据权利要求9或10所述的方法，其特征在于，所述平面中的至少一个是切平面。
12.根据以上权利要求中任一项所述的设备，其特征在于，所述线性逼近法能够借助整数线性规划来计算。
13.根据以上权利要求中任一项所述的设备，其特征在于，所述蓄能器的最大的充电功率和/或最大的放电功率作为输入参量进入所述逼近法的计算中，其中，不应超出作为阈值的所述输入参量。
14.根据以上权利要求中任一项所述的设备，其特征在于，作为输入参量，所述蓄能器的最小温度和最大温度进入到所述逼近法的计算中，其中，不应低于并且不应超出作为阈值的所述输入参量。
15.一种计算机程序，其具有用于当在根据以上设备权利要求中任一项所述的设备上或在所述设备的机构中实施所述计算机程序时执行根据以上方法权利要求中任一项所述的方法的机构。
16.一种计算机可读的介质，其包括指令，当在合适的处理装置或根据以上设备权利要求中任一项所述的设备上或在所述设备的一个或多个机构上实施所述指令时促使计算机或所述设备或所述机构实施根据以上方法权利要求中任一项所述的方法。
CN201680084616.9A 2016-04-14 2016-04-14 用于寿命优化地使用电化学蓄能器的方法和设备 Pending CN109075397A (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/EP2016/058281 WO2017178057A1 (de) 2016-04-14 2016-04-14 Verfahren und vorrichtung für den lebensdauer-optimierten einsatz eines elektro-chemischen energiespeichers

Publications (1)

Publication Number Publication Date
CN109075397A true CN109075397A (zh) 2018-12-21

Family

ID=55809091

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201680084616.9A Pending CN109075397A (zh) 2016-04-14 2016-04-14 用于寿命优化地使用电化学蓄能器的方法和设备

Country Status (6)

Country Link
US (1) US11108094B2 (zh)
CN (1) CN109075397A (zh)
AU (1) AU2016403117B2 (zh)
BR (1) BR112018071029A2 (zh)
DE (1) DE112016006741A5 (zh)
WO (1) WO2017178057A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110780201A (zh) * 2019-12-02 2020-02-11 苏州易来科得科技有限公司 一种电池最高耐受温度的确定方法
CN111856283A (zh) * 2019-04-24 2020-10-30 株式会社日立制作所 电池评价系统、电池评价方法以及程序

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE112016007012A5 (de) 2016-07-28 2019-03-07 Siemens Aktiengesellschaft Verfahren und Vorrichtung für den lebensdauer-optimierten Einsatz eines elektro-chemischen Energiespeichers
US11069926B1 (en) * 2019-02-14 2021-07-20 Vcritonc Alpha, Inc. Controlling ongoing battery system usage via parametric linear approximation
DE102022107492B3 (de) 2022-03-30 2023-05-17 Bayerische Motoren Werke Aktiengesellschaft Verfahren zum Abschätzen einer Bauteillebensdauer und Kraftfahrzeug
DE102022128693A1 (de) 2022-10-28 2024-05-08 Bayerische Motoren Werke Aktiengesellschaft Bidirektionales Laden eines Elektrofahrzeugs

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102009024422A1 (de) * 2009-06-09 2011-01-13 Continental Automotive Gmbh Verfahren zur Abschätzung der Lebensdauer eines Energiespeichers
CN102135603A (zh) * 2010-01-21 2011-07-27 财团法人工业技术研究院 电池循环寿命估测装置
US20120169292A1 (en) * 2010-12-31 2012-07-05 Stmicroelectronics (Tours) Sas Circuit for Protecting a Thin-Layer Battery
DE102014215309A1 (de) * 2014-08-04 2016-02-04 Siemens Aktiengesellschaft Ermittlung eines Alterungszustandes eines elektrischen Energiespeichers
CN105319515A (zh) * 2015-11-18 2016-02-10 吉林大学 锂离子电池荷电状态和健康状态联合估算方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AT515034B1 (de) 2013-10-31 2016-04-15 Bakosch Georg Vorrichtung zur Ansteuerung elektrischer Energiespeicher

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102009024422A1 (de) * 2009-06-09 2011-01-13 Continental Automotive Gmbh Verfahren zur Abschätzung der Lebensdauer eines Energiespeichers
CN102135603A (zh) * 2010-01-21 2011-07-27 财团法人工业技术研究院 电池循环寿命估测装置
US20120169292A1 (en) * 2010-12-31 2012-07-05 Stmicroelectronics (Tours) Sas Circuit for Protecting a Thin-Layer Battery
DE102014215309A1 (de) * 2014-08-04 2016-02-04 Siemens Aktiengesellschaft Ermittlung eines Alterungszustandes eines elektrischen Energiespeichers
CN105319515A (zh) * 2015-11-18 2016-02-10 吉林大学 锂离子电池荷电状态和健康状态联合估算方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
JOHN WANG ET.AL.: "Cycle-life model for graphite-LiFePO4 cells", 《JOURNAL OF POWER SOURCES》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111856283A (zh) * 2019-04-24 2020-10-30 株式会社日立制作所 电池评价系统、电池评价方法以及程序
CN110780201A (zh) * 2019-12-02 2020-02-11 苏州易来科得科技有限公司 一种电池最高耐受温度的确定方法

Also Published As

Publication number Publication date
DE112016006741A5 (de) 2018-12-27
WO2017178057A1 (de) 2017-10-19
US11108094B2 (en) 2021-08-31
US20210218076A1 (en) 2021-07-15
BR112018071029A2 (pt) 2019-02-12
AU2016403117B2 (en) 2020-02-27
AU2016403117A1 (en) 2018-11-01

Similar Documents

Publication Publication Date Title
CN109075397A (zh) 用于寿命优化地使用电化学蓄能器的方法和设备
Huang et al. Modeling and multi-objective optimization of a stand-alone PV-hydrogen-retired EV battery hybrid energy system
Maheshwari et al. Optimizing the operation of energy storage using a non-linear lithium-ion battery degradation model
Choi et al. Machine learning-based lithium-ion battery capacity estimation exploiting multi-channel charging profiles
Arya et al. Distributed generation planning using differential evolution accounting voltage stability consideration
EP2871742A1 (en) Strategic modeling for economic optimization of grid-tied energy assets
JP5537304B2 (ja) 情報処理装置およびそのプログラム
KR102008922B1 (ko) 신재생에너지와 부하의 불확실성을 고려한 마이크로그리드의 가상등가부하변동밴드 적용에 의한 단순화된 강인최적운영 시스템 및 그 방법
US20120310608A1 (en) Method for Scheduling Power Generators Based on Optimal Configurations and Approximate Dynamic Programming
US11193984B2 (en) Method and device for the service life-optimized usage of an electrochemical energy store
Mian Qaisar A proficient Li-ion battery state of charge estimation based on event-driven processing
US20150268643A1 (en) Quantifying the Impact of Constraints on a Grid-Tied Microgrid Using Optimal Control
Yun et al. Lithium-ion battery packs formation with improved electrochemical performance for electric vehicles: experimental and clustering analysis
Bockrath et al. State of charge estimation using recurrent neural networks with long short-term memory for lithium-ion batteries
Dieulot et al. Economic supervisory predictive control of a hybrid power generation plant
KR101619335B1 (ko) 대용량 배터리 에너지 저장 시스템의 피크 쉐이빙 운영방법
Abdollahi et al. Battery health degradation and optimal life management
CN112801374B (zh) 模型训练方法、用电负荷预测方法、装置及设备
Sowe et al. Model-informed battery current derating strategies: Simple methods to extend battery lifetime in islanded mini-grids
Fan et al. Rule-based health-aware power sharing for a multi-unit battery energy storage system
Raj et al. Analysis of unit commitment problem through Lagrange relaxation and priority listing method
US20210194259A1 (en) Method for determining parameters of a simplified model of an energy storage system, control method using such a model and associated device
US10877101B2 (en) Method for determining parameters of an electrochemical energy store in a computer-aided manner
CN110061493B (zh) 一种储能系统储能容量的确定方法及系统
CN105634050A (zh) 充电系统及其控制方法

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
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20181221