CN111373274B - 用于确定电化学反应器状态的基于时序的递归方法 - Google Patents

用于确定电化学反应器状态的基于时序的递归方法 Download PDF

Info

Publication number
CN111373274B
CN111373274B CN201880075648.1A CN201880075648A CN111373274B CN 111373274 B CN111373274 B CN 111373274B CN 201880075648 A CN201880075648 A CN 201880075648A CN 111373274 B CN111373274 B CN 111373274B
Authority
CN
China
Prior art keywords
signal
electrochemical reactor
time
amplitude
estimation
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.)
Active
Application number
CN201880075648.1A
Other languages
English (en)
Other versions
CN111373274A (zh
Inventor
S·波法尔
D·里茨伯格
D·金德尔
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.)
AVL List GmbH
Original Assignee
AVL List GmbH
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 AVL List GmbH filed Critical AVL List GmbH
Publication of CN111373274A publication Critical patent/CN111373274A/zh
Application granted granted Critical
Publication of CN111373274B publication Critical patent/CN111373274B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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]
    • G01R31/3644Constructional arrangements
    • G01R31/3648Constructional arrangements comprising digital calculation means, e.g. for performing an algorithm
    • 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]
    • G01R31/382Arrangements for monitoring battery or accumulator variables, e.g. SoC
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R27/00Arrangements for measuring resistance, reactance, impedance, or electric characteristics derived therefrom
    • G01R27/28Measuring attenuation, gain, phase shift or derived characteristics of electric four pole networks, i.e. two-port networks; Measuring transient response
    • 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
    • Y02TCLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02T90/40Application of hydrogen technology to transportation, e.g. using fuel cells

Abstract

本发明涉及一种用于电化学反应器(1)状态确定的方法,具有以下步骤:运行电化学反应器(1)的电极部(2)以便由电极部(2)产生谐波电流信号和/或电压信号;基于模型估算该谐波电流信号和/或电压信号的振幅和/或相位,其中,基于所述估算来确定电化学反应器(1)的状态,其中,为了估算该谐波电流信号和/或电压信号的振幅和/或相位而采用基于时序的递归方法。本发明还涉及一种故障诊断系统(3)、一种计算机程序产品(5)以及一种存储机构(6)。

Description

用于确定电化学反应器状态的基于时序的递归方法
技术领域
本发明涉及一种用于确定电化学反应器状态的方法。本发明还涉及一种用于这种类型电化学反应器的状态确定的故障诊断系统、一种用于状态确定的计算机程序产品以及一种带有存储于其上的计算机程序产品的存储机构。
背景技术
从现有技术中知道了借助信号分析来监测电化学反应器如燃料电池系统。在此情况下,至少基本形成电化学反应器的电极部例如燃料电池系统的燃料电池单元堆可以被加载谐波的或周期性的电流信号和电压信号,在这里,接着读取由此造成的周期性响应信号。基于响应信号,现在可以推断出电化学反应器状态。这样的状态确定可以被理解为一种阻抗频谱法。
为了分析响应信号,知道了所谓的THDA方法(总谐波失真分析)。在这种方法的范围内常见的是执行快速傅里叶变换(FFT),以执行电化学反应器内的谐波干扰噪声的振幅估算且由此能判断出电化学状态。但该方法的缺点是,例如由电化学反应器内的阀引起的干扰噪声为此不足以与因加载而产生的响应信号区分开。FFT无法区分这种干扰噪声与响应信号。干扰噪声在频谱内还造成附加峰值或信号尖峰和扭曲失真。如果响应信号现在处于被干扰噪声扭曲的频率范围内,则干扰噪声的和响应信号的振幅叠加。可能无法区分在规定的频率点处所估算的振幅是源于干扰噪声还是源于响应信号。信号分析时的不精确性因此可能导致相应不准确的电化学反应器状态判断。
发明内容
本发明的任务是,至少部分考虑前述的问题。特别是,本发明的任务是提供一种方法、一种故障诊断系统、一种计算机程序产品以及一种存储机构,用于很可靠且尽量精确地确定电化学反应器状态。
前述任务通过权利要求书来完成。特别是,前述任务通过根据权利要求1的方法、根据权利要求10的故障诊断系统、根据权利要求12的计算机程序产品以及根据权利要求13的存储机构完成。本发明的其它优点来自从属权利要求、说明书和附图。在此,关于用于确定电化学反应器状态的方法所描述的特征和细节显然也与本发明的故障诊断系统相关地是适用的,反之亦然,因此关于对各自发明方面的公开内容总是将相互参照或可相互参照。
根据本发明的第一方面,提供一种电化学反应器的状态确定方法。该方法具有以下步骤:
-运行电化学反应器的电极部以由电极部产生谐波电流信号和/或电压信号,和
-基于模型来估算谐波电流信号和/或电压信号的振幅和/或相位,其中,依据所述估算来确定电化学反应器的状态,
其中,为了估算谐波电流信号和/或电压信号的振幅和/或相位而采用基于时序的递归方法。
即,根据本发明,第一次未使用迄今常见的FFT来估算振幅和/或相位。代替FFT的使用,一种借助基于时序的递归方法的全新方法担起了重任。由此可以对具有不同于加载信号的起源的可变信号实现信号分析。另外,基于时序的递归方法尤其对在此优选的线上方法有利,因为它们不同于FFT地不需要引起延迟的所谓加窗功能(“Windowing”)。
借助基于时序的递归方法,可以实现干扰信号的隔离,由此又允许更精确详细地分析周期性或谐波的电流信号和/或电压信号,由此允许相应更好的电化学反应器状态分析。所产生的周期性或谐波的电流信号和/或电压信号是激振响应。尤其优选地,借助本发明方法并依据模型来估算谐波电流和电压信号的振幅和相位。
作为本发明方法的应用例子,由此可以确定装有电解质(其遵循与Naflon相同的工作原理)的电化学反应器是否处于干透状态或漫浸状态和/或识别出物质贫化如燃料贫瘠。
递归方法在此是指构造性的和/或持续更新的方法。更新最好按照或利用每个新测量值进行,其可能表示依据电流信号和/或电压信号来确定的中间值。基于时序的方法因此是一种动态方法。不同于例如在FFT时(此时只在例如2048个数值的数值列末尾输出估算)的情况,在本发明的递归方法中如前所述地按照或利用每个新测量值发生更新。因此,本发明的方法适用于以线上方式、即与此相关地无延迟且无需在测量窗持续时间范围内求均值地处理测得数据。因为本发明方法以递归方式工作,故基于在先值来估算当前值;递归方法类似于执行外插。但原则上也可以利用本发明方法来线下处理数据。
基于时序的递归方法最好借助线性数学模型执行。通过该线性数学模型来描绘由叠加谐波基础信号构成的响应信号。线性数学模型原则上可以针对所有技术系统至少在规定工作点附近的区域内被找到。由此可以做到快速简单地取得所需数据,用以估算谐波电流信号和电压信号的振幅和/或相位。因此,“基于模型的估算”可以是指数学估算、特别是采用线性数学模型的估算。
状态确定以基于信号的故障诊断方法的形式来执行。对于基于时序的递归方法,尤其采用基于观察者的估算方法。它们在本发明范围内的广泛研究中已经导致很精确的分析数据。电极部最好是指带有阳极部和阴极部的燃料电池单元堆。为了产生具有谐波信号分量的电流信号和/或电压信号(响应信号),可以用电混合信号(电流混合信号或电压混合信号)激振电极部。该混合信号由直流分量和交流分量共同组成。电流信号或电压信号的交流分量由一个或多个不一定必须是正弦形的周期性信号组成。但是,周期性激振也可以通过其它方式进行,例如通过声音激振。原则上,加载信号是预定的激振或是由运行环境所加载的激振,这一点是微不足道的。原则上激振模式也无需是已知的或不随时间而变化,因为该方法可以通过使用FFT算法来扩展。通过激振,获得相应的电压信号和电流信号,其具有有着相应特定频率的谐波函数振幅。
特别是执行本发明的方法以估算电化学反应器内的干扰噪声的振幅。状态确定可以是指确定电化学反应器的运行状态和/或健康状态或老化状态。所述方法尤其被用于电化学反应器如燃料电池、电池或电解池。
此外要指出的是,在电化学反应器领域中采用基于时序的递归方法来滤掉干扰噪声原则上是已知的。但是,借助这种方法所过滤的信号先前并未如本发明所提出的那样被用作测量结果。而且,由此才实现谐波电流响应和/或电压响应的振幅和/或相位的很精确估算,电化学反应器状态由此又可以被相应精确地确定。
根据本发明的一个改进方案而可行的是,该基于时序的递归方法具有卡尔曼滤波。即,为了估算谐波电流信号和电压信号的振幅和/或相位而采用或者说执行卡尔曼滤波。在采用卡尔曼滤波的情况下,在本发明范围内的研究中已经可以确定就估算而言的很精确的分析结果。通过卡尔曼滤波,尤其能可靠确定该电化学反应器内的动态参数例如像压力、温度或速度。为此,通过本发明的方法来估算测量信号的信号分量(这是谐波函数)。基于谐波分量,可以通过规定的关系来推断反应器内状态(例如干透、漫浸和/或燃料贫瘠)和/或还有其它参数。卡尔曼滤波也可以在引入用于参数时间演变的动态模型时被考虑用于参数确定。在采用卡尔曼滤波的情况下,最好使用通过卡尔曼滤波获得的测量结果以及过程噪声协方差矩阵来调整(调优)或改善滤波。由此可以实现在参数调优时的更高自由度,由此又可以对每个单独谐波估算进行个别加权。卡尔曼滤波还可以被设置参数,以便更好地滤掉电流信号和/或电压信号中的未知干扰噪声。
还可行的是,在本发明方法中,基于时序的递归方法具有多次并行进行的卡尔曼滤波。在广泛研究中已经证明,由此可以提高估算时的精度,因此就并行运行方式而言的更高成本是完全合理的。在此情况下,最好按照不同的性能将多个卡尔曼滤波器初始化。
在根据本发明的方法中还可行的是,该基于时序的递归方法具有RLS方法。即,为了估算谐波电流信号和电压信号的振幅和/或相位而采用或者说执行RLS方法。RLS方法是指递归最小二乘法或者采用递归最小二乘算法的方法。在采用RLS方法情况下,在本发明范围内的研究中也可以确定与估算相关的很精确的分析结果。在RLS方法情况下最好仅采用单独标量或遗忘系数,以调优所述参数和/或算法。通过所述特别是仅唯一的(易解读)调优参数,可以实现用于无干扰测量的快速调优。但较低的自由度通常可能导致在干扰情况下至少无法以简单的方式提取响应信号。
根据本发明的另一个方法变型,为了状态确定而采用测量部件,该测量部件的固有噪声在估算期间被调节至超过-80dBV。尤其优选的是,为了状态确定而采用如下的测量部件,其固有噪声在估算期间尽量低于-60dBV。-80dBV这一极限意味着低到足以取得具有说服力的结果,但仍无需造成过高的或成本密集的测量部件支出。
还可能有利的是,在本发明的方法中在估算期间至少有时执行快速傅里叶变换以便定位用以发生估算的频率范围。“至少有时”在本发明范围内特别是指至少以定期间隔。但所述估算可以有利地连续执行。通过补充FFT,可以有目的地且由此相应有说服力地执行所述估算。补充的FFT还导致有利的已知频率更新。这是在初始频率未知情况下使用扩展滤波器和复杂的非线性模型之间的有利折中方案。如果激振频率是已知的,线性模型就足以用于精确估算。这种线性模型仅需要低的计算成本。但如果不知道激振频率或遭遇所谓的“漂移”,则现在变化的频率导致了非线性模型。由此可以仅在一个步骤中多次通过例如扩展(扩充)式卡尔曼滤波器(或其它非线性估算方法)实现振幅、相位和频率的同时估算,但随之而来的是更高的计算支出和有可能无法线上工作。
有利的是,在对谐波电流信号和/或电压信号的振幅和/或相位完成估算之后分析其余信号分量。在通过基于时序的递归方法(例如RLS方法或KF方法)确定了预定的谐波分量之后,还是可能剩下其它的或残余的信号分量。其随后被继续分析以便推导出关于运行状态的附加信息。
还可能有利的是,在线上故障诊断方法的范围内执行该状态确定。电化学反应器例如被设计成燃料电池系统、尤其是PEM燃料电池系统或低温燃料电池系统。即,根据本发明,燃料电池系统的状态可以被相应确定。此外,也可以将电化学反应器设计成电解池或电池。
根据本发明的另一个方面,提出一种用于确定电化学反应器状态的故障诊断系统。该故障诊断系统具有估算装置,其用于基于模型估算电化学反应器的电极部的谐波电流信号和/或电压信号的振幅和/或相位,用于电化学反应器的状态确定,其中,该估算装置为了估算该谐波电流信号和/或电压信号的振幅和/或相位而配置和设计成采用一种基于时序的递归方法。为此,本发明的故障诊断系统带来与关于本发明方法所明确描述的一样的优点。
此外,在本发明的故障诊断系统中可行的是,它配置和设计用于根据如前所详述的方法确定状态。因此,该估算装置可以配置和设计用于采用如前所述的卡尔曼滤波和/或RLS方法。
此外,本发明提供一种计算机程序产品,其存储在存储机构上且配置和设计用于执行如前所述的方法。另外,提供一种存储机构,在其上存储有这种计算机程序产品。因此,本发明的计算机程序产品以及存储机构也带来前面表明的优点。
计算机程序产品能以采用任何合适编程语言例如像JAVA或C++的计算机可读指令码形式实现。计算机程序产品可以被存储在计算机可读存储机构如数据盘、可更换式驱动器、易失型或非易失型存储器或内置式存储器/处理器上。指令码可以如此编程计算机或其它可编程设备例如故障诊断系统的控制装置,即,执行期望功能。此外,可以在网络例如像互联网中提供该计算机程序产品,其可以根据需要由用户从网络下载。该计算机程序产品不仅可以借助计算机程序即软件、还可借助一个或多个专用电路即硬件或者以任何混合形式即借助软件部分和硬件部分来实现。
附图说明
改进本发明的其它措施来自以下对如图示意性所示的本发明各不同实施例的说明。包含结构细节和空间布置在内的来自权利要求书、说明书或附图的所有特征和/或优点不仅可能单独地、也可能在各种不同组合中对本发明是重要的,附图分别示意性示出:
图1示出用于说明本发明的故障诊断系统的电路框图,
图2示出用于说明根据本发明的一个实施方式的方法的流程图,
图3示出用于说明根据一个本发明实施方式的方法的流程图,该方法用于具有未知的或随时间而变的激振的系统,
图4示出用于说明根据一个本发明实施方式的方法的流程图,该方法用于具有多变的或可变的显著动态响应特性的系统,
图5a示出一个曲线图,用于说明在根据本发明的估算与借助FFT的估算之间的在干扰试验环境中的测量质量差异,
图5b示出图5a的局部,
图6示出另一曲线图,用于说明在根据本发明的估算和借助FFT的估算之间的在干扰试验环境中的测量质量差异,
图7a和7b示出用于说明在根据本发明的谐波估算和借助FFT的估算之间的差异的曲线图。
具体实施方式
在图1中以电路框图形式示意性示出一种根据本发明的用于确定电化学反应器1状态的故障诊断系统3。故障诊断系统3具有估算装置4,其用于基于模型估算电化学反应器1的电极部2的谐波电流信号和电压信号的振幅和/或相位,用于电化学反应器1的状态确定,其中,该估算装置为了估算该谐波电流信号和电压信号的振幅和/或相位而被配置和设计成采用一种基于时序的递归方法。图1所示的电化学反应器1应该以电池单元堆形式构成(如电池堆),其例如可以是移动应用的组成部分。
图1所示的故障诊断系统3还具有存储机构6连带存储于其上的计算机程序产品5。计算机程序产品被配置和设计用于执行如下所详述的方法。
参见如图2所示的流程图,现在将说明一种用于电化学反应器1的状态确定的方法。在第一步骤S1中,首先运行电化学反应器1的电极部2,此时向其加载谐波电流信号或电压信号。在第二步骤S2中,通过电流加载或电压加载而由电极部2产生相应谐波电压信号或电流信号(响应信号)。接着,在第三步骤S3中将对谐波电流信号或电压信号或者响应信号的振幅和相位执行基于模型的估算,在这里,基于所述估算来确定电化学反应器1的状态。为了估算该谐波电流信号和电压信号的振幅和相位,采用基于时序的递归方法。所述方法被用在外部激振频率已知之时。在此,电极部2的响应性能是静态的。相关谐波信号的频率是已知的。
为了状态确定而采用测量部件,其中,该测量部件的固有噪声在估算期间被调节到超过-80dBV。在线上故障诊断方法的范围内执行状态确定。
在估算装置的另一个实施方式中,将FFT算法与所述基于时序的递归方法组合。这在图3中被示出。在此,电极部2除了已知的激振频率外还以未知频率或变化频率被激振。所提出的递归滤波方法在其典型加载中未包含待检信号的当前频谱的分析。但是,必须在滤波器参数设置时说明要分析的谐波分量的频率;这在激振频率和典型响应特性已知的情况下是容易实现的。但如果加载频率和/或响应信号频率改变,则必须线上确定各自频谱。借助FFT的频谱线上计算此时不是各自振幅高度的定量(易出错)计算,而是对电化学反应器1状态监测无意义的频移信号分量(谐波信号分量)的频率确定。在此情况下需要连续确定信号频率位置以实现振幅估算和相位估算的参数设置。
图4示出具有相关振幅和相位的显著动态特性的另一个应用场合,在这里,用不同配置的估算装置来并行估算所述相位和振幅。
卡尔曼滤波和RLS方法都在现有技术中基本上被像这样公开并因此不用详尽描述以免不必要的说明。接着,因此仅示出了针对卡尔曼滤波的以及RLS方法的方法阶段所选的例子。
使用RLS方法:
依据谐波信号之和来估算信号:
(1)
Figure BDA0002503588200000081
(2)
Figure BDA0002503588200000082
(3)
Figure BDA0002503588200000083
(4)
Figure BDA0002503588200000084
针对时间k+1时的新值将回归元矩阵和信号矢量分割:
(5)
Figure BDA0002503588200000085
进一步执行最小二乘估算的递归变型:
(6)
Figure BDA0002503588200000091
(7)
Figure BDA0002503588200000092
此时采用标量λ来相比于旧数据对新数据的权重进行加权,即,调优或提升响应能力。
使用卡尔曼滤波:
在本例子中存在包含未知参数的动态模型,在这里,假定该参数仅缓慢变化,在此,存在随机过程噪声(w(k))。随机过程噪声容许参数的时不变估算。根据(8)的噪声过程因此是主要的。
(8)
Figure BDA0002503588200000093
此时除了测量噪声的协方差外,过程噪声的协方差矩阵也是卡尔曼滤波器的调优参数。
(9)
E{w(k)Tw(k)}=Q
在此,E{w(k)Tw(k)},是期望值,Q是过程噪声的协方差矩阵。
(101
Figure BDA0002503588200000094
(11)
Figure BDA0002503588200000095
该系统图与在先所示的RLS方法时相似,在这里,卡尔曼滤波増益在采用作为调优参数的过程噪声协方差和测量噪声协方差的情况下被确定。但是,方程式(1)被扩增(线性)干扰项,由此允许干扰噪声的滤除。过程噪声在卡尔曼滤波器的情况下是主要的,因为假定的过程噪声的协方差是起决定作用的调优参数,其尤其是也实现干扰信号和响应信号的隔离。卡尔曼滤波器调优中的额外自由度容许响应信号和干扰信号的校准和加权。
参见图5a、图5b和图6,示出了借助卡尔曼滤波对谐波振幅A的估算B与采用FFT的估算D之间的差异。在所示曲线图中绘制出随时间(以秒计)而变的振幅。如结合图5a和5b(在图5b中示出根据图5a的局部)中的曲线图所看到地,采用卡尔曼滤波的估算B比采用FFT的估算D明显地更接近具有谐波振幅A的当前信号。在图5a和5b中示出了FFT的固有估算偏差(泄漏效应),其通过卡尔曼滤波被阻止。与此不同,在根据图4的例子中在FFT中未出现泄漏效应,因为激振频率与FFT的一频率格点重合。但这已在图6的例子中人工产生;实际上,出现这种情况基本上是几乎不可能的。可以再次看到卡尔曼滤波相比于FFT的更快速收敛。
图7a和7b示出在嘈杂环境中借助卡尔曼滤波的新方法(图7b)相比于已知的单纯FFT方法(图7a)的强力表现,在这里,干扰信号已被隔离。
本发明除了所示的实施方式外还允许其它的设计原理。即,本发明不应被视为局限于所示的实施方式。
附图标记列表
1 电化学反应器
2 电极部
3 故障诊断系统
4 估算装置
5 计算机程序产品
6 存储机构
A 当前信号
B 采用RLS方法的估算
C 采用卡尔曼滤波的估算
D 采用FFT的估算

Claims (13)

1.一种用于电化学反应器(1)的状态确定的方法,具有以下步骤:
-运行该电化学反应器(1)的电极部(2)以便由该电极部(2)产生谐波电流信号和/或电压信号,和
-基于模型估算该谐波电流信号和/或电压信号即响应信号的振幅和/或相位,其中,基于所述估算来确定该电化学反应器(1)的状态,
其特征是,为了估算该谐波电流信号和/或电压信号即该响应信号的振幅和/或相位而采用基于时序的递归方法;
该基于时序的递归方法借助线性数学模型执行,以及通过该线性数学模型描绘由叠加谐波基础信号构成的该响应信号;
该基于时序的递归方法是指构造性的和/或持续更新的方法,按照或利用每个新测量值发生更新,和过滤掉干扰噪声信号;
通过该基于时序的递归方法所过滤的干扰噪声信号被用作测量结果,用于估算该谐波电流信号和/或电压信号即该响应信号的振幅和/或相位。
2.根据权利要求1的方法,其特征是,该基于时序的递归方法具有卡尔曼滤波。
3.根据权利要求1或2的方法,其特征是,该基于时序的递归方法具有多次并行运行的卡尔曼滤波。
4.根据权利要求1或2的方法,其特征是,该基于时序的递归方法具有RLS方法。
5.根据权利要求1或2的方法,其特征是,为了状态确定而采用测量部件,并且该测量部件的固有噪音在所述估算期间被调节至超过-80dBV。
6.根据权利要求1或2的方法,其特征是,在所述估算期间至少有时执行快速傅里叶变换(FFT)以定位发生所述估算的频率范围。
7.根据权利要求1或2的方法,其特征是,在线上故障诊断方法的范围内执行所述状态确定。
8.根据权利要求1或2的方法,其特征是,在对该谐波电流信号和/或电压信号的振幅和/或相位完成所述估算之后,继续分析其余信号分量。
9.根据权利要求1或2的方法,其特征是,该电化学反应器是燃料电池系统。
10.根据权利要求9的方法,其特征是,该电化学反应器是PEM燃料电池系统。
11.一种用于电化学反应器(1)的状态确定的故障诊断系统(3),具有估算装置(4),其用于基于模型估算该电化学反应器(1)的电极部(2)的谐波电流信号和/或电压信号即响应信号的振幅和/或相位,用于电化学反应器(1)的状态确定,其特征是,该估算装置为了估算该谐波电流信号和/或电压信号即该响应信号的振幅和/或相位而被配置和设计成采用基于时序的递归方法;
该基于时序的递归方法借助线性数学模型执行,以及通过该线性数学模型描绘由叠加谐波基础信号构成的该响应信号;
该基于时序的递归方法是指构造性的和/或持续更新的方法,按照或利用每个新测量值发生更新,和过滤掉干扰噪声信号;
通过该基于时序的递归方法所过滤的干扰噪声信号被用作测量结果,用于估算该谐波电流信号和/或电压信号即该响应信号的振幅和/或相位。
12.一种故障诊断系统(3),其配置和设计用于按照根据权利要求1至10之一的方法进行状态确定。
13.一种存储机构(6),具有存储于其上的计算机程序产品(5),该计算机程序产品被配置和设计用于执行根据权利要求1至10之一的方法。
CN201880075648.1A 2017-11-27 2018-11-27 用于确定电化学反应器状态的基于时序的递归方法 Active CN111373274B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
ATA50983/2017 2017-11-27
ATA50983/2017A AT520558B1 (de) 2017-11-27 2017-11-27 Rekursives, zeitreihenbasiertes Verfahren zur Zustandsermittlung eines elektrochemischen Reaktors
PCT/AT2018/060277 WO2019100096A1 (de) 2017-11-27 2018-11-27 Rekursives, zeitreihenbasiertes verfahren zur zustandsermittlung eines elektrochemischen reaktors

Publications (2)

Publication Number Publication Date
CN111373274A CN111373274A (zh) 2020-07-03
CN111373274B true CN111373274B (zh) 2022-08-05

Family

ID=64664548

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201880075648.1A Active CN111373274B (zh) 2017-11-27 2018-11-27 用于确定电化学反应器状态的基于时序的递归方法

Country Status (6)

Country Link
US (1) US11275117B2 (zh)
JP (1) JP2021504721A (zh)
CN (1) CN111373274B (zh)
AT (1) AT520558B1 (zh)
DE (1) DE112018005703A5 (zh)
WO (1) WO2019100096A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP4311868A1 (de) * 2022-07-27 2024-01-31 Primetals Technologies Germany GmbH Effizienter betrieb einer elektrolyseanlage

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6002238A (en) * 1998-09-11 1999-12-14 Champlin; Keith S. Method and apparatus for measuring complex impedance of cells and batteries
CN1758066A (zh) * 2004-10-07 2006-04-12 Avl里斯脱有限公司 用于监控燃料电池堆工作状态的方法
JP2007333494A (ja) * 2006-06-14 2007-12-27 Shikoku Electric Power Co Inc 蓄電池の劣化診断方法および劣化診断装置
CN101653048A (zh) * 2007-03-30 2010-02-17 朗姆研究公司 Rf供电电极上的dc电压控制的方法和设备
CN102132162A (zh) * 2008-07-02 2011-07-20 倍加福公司 作为局部腐蚀指示器的电化学噪声
WO2012115734A1 (en) * 2011-01-19 2012-08-30 Geneva Cleantech Inc. Methods and apparatus for power factor correction and reduction of distortion in and noise in a power supply delivery network
CN105911334A (zh) * 2016-04-19 2016-08-31 国网上海市电力公司 一种谐波阻抗未知条件下的谐波电流估计方法
CN106645929A (zh) * 2016-09-30 2017-05-10 国网江苏省电力公司电力科学研究院 一种改进的电动汽车充电非线性负荷谐波电能计量方法

Family Cites Families (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE19934055C2 (de) * 1999-07-19 2001-06-13 Siemens Ag Verfahren zum Ermitteln von Amplitude und Phasenwinkel eines einem Strom oder einer Spannung eines elektrischen Energieversorgungsnetzes entsprechenden Meßsignals
US6835478B2 (en) * 2002-06-11 2004-12-28 General Electric Company Method and apparatus for fuel cell system fault detection
US6959249B2 (en) * 2003-12-02 2005-10-25 General Motors Corporation Load following algorithm for a fuel cell based system
US7348082B2 (en) * 2004-02-05 2008-03-25 General Motors Corporation Recursive Kalman filter for feedback flow control in PEM fuel cell
US7670697B2 (en) * 2004-08-19 2010-03-02 Robert Bosch Gmbh Fuel cell system with fuel cell unit having means for storing or dispensing electrical energy
EP1691438A1 (en) * 2005-02-15 2006-08-16 Paul Scherer Institut Fast locally resolved electrochemical impedance spectroscopy in polymer electrolyte fuel cells
US7675293B2 (en) * 2006-05-04 2010-03-09 Battelle Energy Alliance, Llc Method and apparatus for in-situ characterization of energy storage and energy conversion devices
AT508307B1 (de) * 2010-06-24 2015-01-15 Avl List Gmbh Verfahren zur bestimmung eines zustands von zellen einer energiespeichervorrichtung
US8706333B2 (en) * 2011-06-28 2014-04-22 Ford Global Technologies, Llc Nonlinear observer for battery state of charge estimation
EP2841956B1 (en) * 2012-04-27 2019-02-13 California Institute of Technology An imbedded chip for battery applications
KR20140085802A (ko) * 2012-12-27 2014-07-08 현대자동차주식회사 연료전지 스택의 상태 진단을 위한 임피던스 측정 방법 및 시스템
US10222426B2 (en) * 2013-06-14 2019-03-05 Hrl Laboratories, Llc Double-pulse technique for on-line diagnostics of electrochemical systems
EP2816366A1 (en) * 2013-06-18 2014-12-24 VITO NV (Vlaamse Instelling voor Technologisch Onderzoek NV) Monitoring charge stored in a battery
DE102013213982A1 (de) * 2013-07-17 2015-03-12 Bayer Materialscience Ag Verfahren und System zur Überwachung der Funktionsfähigkeit von Elektrolysezellen
KR101708885B1 (ko) * 2013-10-14 2017-02-21 주식회사 엘지화학 혼합 양극재를 포함하는 이차 전지의 상태 추정 장치 및 그 방법
DE102013111870A1 (de) * 2013-10-28 2015-04-30 Sma Solar Technology Ag Wechselrichter und Detektionsverfahren für einen Wechselrichter zur Erkennung eines Netzfehlers
US10038207B2 (en) * 2014-01-30 2018-07-31 Nissan Motor Co., Ltd. Fuel cell system
US10408880B2 (en) * 2014-08-19 2019-09-10 Fca Us Llc Techniques for robust battery state estimation
JP6510836B2 (ja) * 2015-03-03 2019-05-08 株式会社フジクラ 燃料電池システム
US10436845B2 (en) * 2016-03-01 2019-10-08 Faraday & Future Inc. Electric vehicle battery monitoring system

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6002238A (en) * 1998-09-11 1999-12-14 Champlin; Keith S. Method and apparatus for measuring complex impedance of cells and batteries
CN1758066A (zh) * 2004-10-07 2006-04-12 Avl里斯脱有限公司 用于监控燃料电池堆工作状态的方法
JP2007333494A (ja) * 2006-06-14 2007-12-27 Shikoku Electric Power Co Inc 蓄電池の劣化診断方法および劣化診断装置
CN101653048A (zh) * 2007-03-30 2010-02-17 朗姆研究公司 Rf供电电极上的dc电压控制的方法和设备
CN102132162A (zh) * 2008-07-02 2011-07-20 倍加福公司 作为局部腐蚀指示器的电化学噪声
WO2012115734A1 (en) * 2011-01-19 2012-08-30 Geneva Cleantech Inc. Methods and apparatus for power factor correction and reduction of distortion in and noise in a power supply delivery network
CN105911334A (zh) * 2016-04-19 2016-08-31 国网上海市电力公司 一种谐波阻抗未知条件下的谐波电流估计方法
CN106645929A (zh) * 2016-09-30 2017-05-10 国网江苏省电力公司电力科学研究院 一种改进的电动汽车充电非线性负荷谐波电能计量方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于EIS的锂电池模型研究;唐殊;《中国优秀高级论文全文数据库工程科技Ⅱ辑》;20160315;C042-1833 *

Also Published As

Publication number Publication date
WO2019100096A1 (de) 2019-05-31
AT520558A4 (de) 2019-05-15
CN111373274A (zh) 2020-07-03
AT520558B1 (de) 2019-05-15
JP2021504721A (ja) 2021-02-15
US11275117B2 (en) 2022-03-15
DE112018005703A5 (de) 2020-07-16
US20200386818A1 (en) 2020-12-10

Similar Documents

Publication Publication Date Title
Liebhart et al. Passive impedance spectroscopy for monitoring lithium-ion battery cells during vehicle operation
JP6195905B2 (ja) 燃料電池スタックの臨界運転状態を測定する方法
RU2328753C2 (ru) Устройство и способ для оценки уровня заряженности батареи с использованием нейронной сети
CN111323705A (zh) 基于鲁棒递归最小二乘的电池参数辨识方法及系统
RU2626231C1 (ru) Способ диагностики технического состояния и оценки остаточного ресурса электромеханического агрегата с асинхронным двигателем
US11255916B2 (en) Method and device for monitoring a stable convergence behavior of a Kalman filter
US11143705B2 (en) Method and device for detecting battery cell states and battery cell parameters
KR101930646B1 (ko) 이차 미분 전압곡선을 이용한 배터리 용량 추정 장치 및 방법
CN110609973A (zh) 一种用于流量测量的卡尔曼滤波方法
Burgess Valve regulated lead acid battery float service life estimation using a Kalman filter
CN111373274B (zh) 用于确定电化学反应器状态的基于时序的递归方法
Ritzberger et al. Online estimation of the electrochemical impedance of polymer electrolyte membrane fuel cells using broad-band current excitation
US20190369605A1 (en) System and method of determining processing condition
CN107991536B (zh) 一种频域介电响应测试的温度校正方法及设备
CN114729967A (zh) 用于估计储能器的状态的方法
Hallemans et al. Operando electrochemical impedance spectroscopy and its application to commercial Li-ion batteries
CN111971200A (zh) 用于确定电池的老化状态的方法、计算机程序、存储装置、控制设备和车辆
Dolenc et al. Hybrid approach to remaining useful life prediction of solid oxide fuel cell stack
Astafev Measurements and analysis of electrochemical noise of Li-Ion battery
KR102054050B1 (ko) 배터리의 충전 상태를 추정하는 방법 및 배터리 관리 장치
Jaworski et al. Application of multiblock and hierarchical PCA and PLS models for analysis of AC voltammetric data
Mänken et al. Automatic data curation and analysis pipeline for electrochemical impedance spectroscopy measurements conducted on solid oxide cell stacks
KR20190077384A (ko) 기술 시스템을 진단하기 위한 방법
US7474927B2 (en) Method for optimizing control parameters
US6236950B1 (en) Automatic stencil generation system and method

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
GR01 Patent grant
GR01 Patent grant