CN113752903A - 可再充电的电池的退化状态的成本低廉且精确的求取 - Google Patents

可再充电的电池的退化状态的成本低廉且精确的求取 Download PDF

Info

Publication number
CN113752903A
CN113752903A CN202110613273.3A CN202110613273A CN113752903A CN 113752903 A CN113752903 A CN 113752903A CN 202110613273 A CN202110613273 A CN 202110613273A CN 113752903 A CN113752903 A CN 113752903A
Authority
CN
China
Prior art keywords
degradation
state
battery
time
true
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
CN202110613273.3A
Other languages
English (en)
Inventor
C·沃尔
A·G·库普奇克
C·西莫尼斯
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.)
Robert Bosch GmbH
Original Assignee
Robert Bosch 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 Robert Bosch GmbH filed Critical Robert Bosch GmbH
Publication of CN113752903A publication Critical patent/CN113752903A/zh
Pending legal-status Critical Current

Links

Images

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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
    • B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
    • B60L58/16—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries responding to battery ageing, e.g. to the number of charging cycles or the state of health [SoH]
    • 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]
    • G01R31/392—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
    • H01M10/425—Structural combination with electronic components, e.g. electronic circuits integrated to the outside of the casing
    • 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
    • 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
    • H01M10/48—Accumulators combined with arrangements for measuring, testing or indicating the condition of cells, e.g. the level or density of the electrolyte
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L2240/00—Control parameters of input or output; Target parameters
    • B60L2240/40—Drive Train control parameters
    • B60L2240/54—Drive Train control parameters related to batteries
    • B60L2240/545—Temperature
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L2240/00—Control parameters of input or output; Target parameters
    • B60L2240/40—Drive Train control parameters
    • B60L2240/54—Drive Train control parameters related to batteries
    • B60L2240/547—Voltage
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L2240/00—Control parameters of input or output; Target parameters
    • B60L2240/40—Drive Train control parameters
    • B60L2240/54—Drive Train control parameters related to batteries
    • B60L2240/549—Current
    • 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]
    • G01R31/374—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC] with means for correcting the measurement for temperature or ageing
    • 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
    • H01M10/425—Structural combination with electronic components, e.g. electronic circuits integrated to the outside of the casing
    • H01M2010/4271—Battery management systems including electronic circuits, e.g. control of current or voltage to keep battery in healthy state, cell balancing
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M2220/00—Batteries for particular applications
    • H01M2220/20—Batteries in motive systems, e.g. vehicle, ship, plane
    • 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
    • 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
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/70—Energy storage systems for electromobility, e.g. batteries

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Manufacturing & Machinery (AREA)
  • Chemical & Material Sciences (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Electrochemistry (AREA)
  • General Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Power Engineering (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Secondary Cells (AREA)

Abstract

本发明涉及一种用于求取可再充电的电池的真实的退化状态的近似和/或预测的方法，其具有下述步骤：•提供退化状态的对于在过去的时间点以测量技术求取的值的在预先给定的时间步长中被离散的时间序列；•提供经过训练的隐马尔科夫模型、HMM，其根据真实的退化状态指出：——在以测量技术求取的情况下，以哪种概率观察到退化状态的哪个值并且——以哪种概率多长时间地保持该真实的退化状态，并且/或者该真实的退化状态在下一时间步长中以哪种概率转移到哪个更差的退化状态中；•由所观察的时间序列和HMM求取所述真实的退化状态在过去的最可能的走势，所述走势与所观察的时间序列一致；•由最可能的走势分析所寻找的近似和/或预测。

Description

可再充电的电池的退化状态的成本低廉且精确的求取
技术领域
本发明涉及尤其用于至少部分地电驱动的车辆的可再充电的电池的退化状态的监测和预估。
背景技术
在充电时，可再充电的电池将来自外部的供给的电能量转换成化学的能量。相反在放电时，所述化学的能量被转换成电能量，所述电能量馈电外部的负载件。特别地，在至少部分地电驱动的车辆、如纯电池电车辆或者混合动力车辆中的牵引电池的情况下，通常取出所存储的能量的显著的部分，并且该部分稍后又被充电。
当前的电化学的电池经受退化过程。随着增加的运行持续时间并且尤其随着增加的完成的充电和放电循环的数量，可用的容量下降。在此，该老化过程主要依赖于使用特征和运行条件。因此例如已知的是：在一些用户的手中的蓄电池运行的智能电话提供良好的服务很多年，而在另外的用户的手中，蓄电池证实为首先发生故障的损耗部件。
由EP2852848B1已知一种用于确定电池的模型的动力学的参数的方法。基于该模型能够求取退化状态、SOH（健康状态）。
发明内容
在本发明的范围中，改进了一种用于求取对于可再充电的电池的真实的退化状态的近似和/或预测的方法。
在该方法中提供了退化状态的对于在过去的时间点以测量技术求取的值的在预先给定的时间步长中被离散的时间序列。
在此，对于“以测量技术求取”应当理解为带有随后的分析的测量值的各个检测，所述分析为退化状态提供度量。所述退化状态能够以很多种方式近似地确定。因此直接提供退化状态的值的传感器不是必需的。
例如根据电荷量能够求取退化状态的所观察的值，所述电荷量在所述电池从第一端电压充电到第二、更高的端电压上时释放到电池中。用于车辆的牵引电池的典型的电池单池能够例如从3V的端电压开始被充电到其4.2V的充电结束电压上。而后，能够借助于“库伦计数”、比方说通过流动到电池中的电流的积分求取释放到所述电池中的电荷量。所述电池能够吸收的电荷越多，则其还可用的容量越大，并且其退化状态越好。
退化状态的所观察的值根据持续时间来求取，在所述持续时间中，所述电池的端电压在以预先给定的负荷加载的情况下从第一值下降到第二、更低的值上。所述端电压保持在所述第二、更低的值之上越久，则容量越大并且其退化状态越好，由所述容量所述电池给负载馈电。
例如在所述电池的放电期间也能够检测所述电池的端电压的、放电电流的以及充电状态的时间序列。而后，根据退化状态的物理的模型从该时间序列中能够求取退化状态的所观察的值。在此附加地，还能够尤其例如在放电期间检测在电池中的温度，并且能够在所述物理的模型中考虑该温度。通常，所提到的参量尤其可供在至少部分地电驱动的车辆上使用。
在此示例性的所提到的方法、即也如用于以近似的方式确定退化状态的所有另外的方法一样在所求取的近似的精确度方面被下述精确度限制，能够以所述精确度来检测分别使用的测量值。然而，安装在车辆上的测量仪器通常刚好更确切地说被设计用于电系统的每时每刻的运行状态的短期的监测，相对于用于退化状态的长期的监测来说。对于后者的目的，测量数据有时相对不确定并且消失。应用高品质的测量仪器是昂贵的，并且还不会确保任意地提高精确度，因为对于测量而言，在车辆的电系统中在狭窄的空间上存在大量的干扰源。
因此，在所述方法的范围中规定：借助于经过训练的隐马尔科夫模型、HMM来改善精确度。基于观察，HMM能够实现关于不可直接测量的“隐藏的”（隐式的）变量的概率结论，所述变量的概率依赖于该“隐藏的”变量的状态。在此应用中，应当得到关于其结论的“隐藏的”变量是所述电池的真实的退化状态，并且退化状态的以测量技术求取的值反映了所述观察。
在此，所述观察原则上在预先给定的时间步长中时间离散。该时间步长的扫描（Raster）能够尤其与这样的时间步长的扫描叠合，在所述扫描中也离散化退化状态的以测量技术求取的值。然而这不是强制地必需的。所述退化状态本身也离散化，例如以从对于新的电池而言100%下降直至对于应该进行更换的电池而言70%的百分比的形式。
经过训练的HMM根据真实的退化状态指出：在以测量技术求取的情况下，以哪种概率观察到退化状态的哪个值。该概率能够例如构成所谓的“观察矩阵”。用于以测量技术求取的物理的模型简化地越强烈，并且所使用的测量值越不确定，则退化状态的以测量技术求取的值围绕真实的退化状态越分散。因此，在所述观察矩阵中，能够尤其体现出关于用于以测量技术求取退化状态的物理的模型的和关于所使用的测量值的不确定性的预知。
此外，所述经过训练的HMM根据各个真实的退化状态指出：该真实的退化状态在下一时间步长中以哪种概率转移到哪个更差的退化状态中。替代地或者也在与此组合中，所述经过训练的HMM能够指出：例如以分布的形式，以哪种概率多长时间地保持所述真实的退化状态。该概率能够例如构成“过渡矩阵”。因此，在所述过渡矩阵中能够体现出退化的动力学。此外，在那里由所提及的模型能够体现出例如预知、同样地如例如边界条件，所述退化是不可逆转的并且单调地推进。也就是说，通过良好的处理能够最大限度地保持所述电池的当前的退化状态，但是所述电池不再从已经遭受的退化中被恢复。
由退化状态的以测量技术求取的值的观察的时间序列和HMM来求取真实的退化状态在过去的最可能的走势，所述走势与观察的时间序列一致。由该最可能的走势分析所寻找的近似。替代地或者也在与此组合中，所提及的最可能的走势的推断也能够提供对于未来的退化状态的预测。该任务在某种程度上类似于在数据载体的读取时的错误纠正，其中能够“翻转”一个或者另外的位。因此，还能够尤其例如利用用于错误纠正的维特比算法来求取所述真实的退化状态的最可能的走势。
在使用所述HMM之前，可选地能够以任意的方式平滑、过滤或者以其他的方式预处理退化状态的所观察的值的时间序列。
已知：通过使用所述HMM能够不仅仅抑制所使用的物理的模型的不精确性的以及测量值的不确定性的影响。更确切地说，所述方法还提供了这样的信息：在所述电池的当前的运行条件下，所述电池是否还良好地操作并且还长时间运转，或者所述电池是否被“电池-折磨者”使用，其促使所述电池损耗。因此，能够尤其例如对下述情况响应：对于未来的时间点所求取的对于真实的退化状态的预测满足预先给定标准，直至该未来的时间点的时间段被评估作为所述电池的剩余的可用的寿命。
在车辆中的牵引电池中刚好存在很多可能性，如能够延缓、阻止或者刚好有利于所述退化。因此，例如当所述电池经常被深度地放电时，或者当其在高的温度的情况下被获取高的电流时，这对所述电池不太好。
因此，即使在类似的行驶功率的情况下，所述电池的退化状态能够例如非常不均质地分布在一队电驱动的车辆的内部。对于未来的预测能够实现：在这样的时间点确切地采取牵引电池更换，在所述时间点所述更换实际上是必要的。因为所述牵引电池能够是在电驱动的车辆处的最昂贵的部件，过早的更换花费很多钱。反之，延迟的更换能够导致：所述车辆必须被搁置并且以昂贵费用被拖走。当前还未规定：在现场通过救援服务更换所述牵引电池。
如前述解读那样，所述电池的以测量技术求取的退化状态的不确定性尤其依赖于所使用的测量值的不确定性和所述物理的模型。所述物理的模型决定了测量值的单个不确定性到所求取的退化状态的整个不确定性的传播。为了应用在前述所说明的方法中，已经能够在HMM的训练中考虑到这一点。因此，为了该应用，本发明还提供了一种用于训练HMM的方法。
在该方法中，提供大量的电池在其使用期间的真实的退化状态的走势的时间序列。该时间序列例如能够在电驱动的车辆上被记录，并且被实时地传递到云中，或者以定期的间隔读取到工厂中。能够尤其例如以测量技术、例如在实验室中在最佳的条件的情况下求取所述真实的退化状态。为此，直接提供所述退化状态的值的传感器不是必需的；例如关于所述电池的容量损耗的测量是足够的。例如，在测试车辆中或者在模拟的使用的范围中能够以确定的间隔测量运行的电池。
只须唯一一次性地投入针对训练HMM的成本。随后，能够在批量生产中多次从该HMM中受益。
因此，在所述方法的范围中提供物理的模型，所述模型将所述电池的至少端电压的、放电电流的以及充电状态的测量值映射到退化状态的值上。
在考虑物理的模型所使用的测量值的测量所带有的测量技术的不确定性的情况下，根据真实的退化状态来求取：在以测量技术求取测量值和使用物理的模型的情况下，以哪种概率观察到所述退化状态的哪个值。由此，能够构成前述所提及的观察矩阵。
在考虑真实的退化状态的走势的情况下求取：以哪种概率多长时间地保持该真实的退化状态，并且/或者该真实的退化状态在下一时间步长中以哪种概率转移到哪个更差的退化状态中。
该概率依赖于当前的退化状态，但是也依赖于带有已经所提到的和其他的压力因素的所述电池的当前的负载，所述压力因素有害于所述电池的寿命。因此，除了所述电池的真实的退化状态之外，也能够将该压力因素考虑作为HMM的其他的“隐藏的”变量。而后，所述HMM的当前的状态不再仅仅通过所述真实的退化状态来表征，而是还通过所述压力因素来表征。以这种方式能够尤其在状态之间指出不同于零的过渡概率，所述状态通过不同的真实的退化状态、但是相同的压力因素来表征。也就是说，对于压力因素的很多种不同的情况能够分别收集并且在前述所提及的过渡矩阵的训练过程中聚集下述信息：在维持该压力因素的情况下退化多快速地进一步推进。而后，真实的退化状态的最可能的走势的前述所提及的求取即不仅提供了该真实的退化状态本身，而且还提供了分别存在的压力因素。而后，能够以可行的方式限定或者甚至精确地求取出什么确切地导致了所观察到的退化，因此，在未来能够避免比方说操作错误。
如前述解读那样，所述物理的模型能够使得所述退化状态附加地依赖于在所述电池中的至少一个温度。
所述方法能够尤其完全地或者部分地在软件中实现。因此，本发明还涉及一种带有机器可读的指令的计算机程序，当在一个或者多个计算机上实施所述指令时，所述指令为此驱动所述一个或者多个计算机实施所说明的方法中的一个方法。下载产品使通过数据网络可传递的、即可被数据网络的用户下载的、数字的产品，所述产品能够例如在用于及时的下载的在线商店中被提供。
此外，计算机能够配备带有计算机程序、机器可读的数据载体或者下载产品。
附图说明
此外，改善本发明的措施以下与本发明的优选的实施例的说明一起根据附图被更详细地示出。其中：
图1示出了用于求取电池1的退化的近似和/或预测2a的方法100的实施例；
图2示出了真实的退化2的示例性的最可能的走势2*，其基于所述退化的给定的测量技术的观察2b；
图3示出了用于训练应用在方法100中的HMM 4的方法200的实施例。
具体实施方式
图1是所述方法100的实施例的示意性的流程图。在步骤105中选择至少部分地电驱动的车辆1的牵引电池。
在步骤110中提供退化状态的对于在过去的时间点以测量技术求取的值2b的在预先给定的时间步长中被离散的时间序列3。在步骤120中提供HMM 4，其将真实的退化状态2以及可选地还有对该退化状态起作用的、不可直接测量的压力因素与概率关联，所述退化的确定的值2b被观察到，或者真实的退化状态2以确定方式被改变。基于此，在步骤130中，求取真实的退化状态2在过去的最可能的走势2*，所述走势与观察的时间序列3一致。在此，能够尤其按照块131使用维特比算法。
在步骤140中，由所述最可能的走势2*分析所寻找的近似和/或预测2a。当对于未来的时间点的所述预测2a满足预先给定的标准150（真实值1）时，直至该未来的时间点的时间段在步骤160被评估作为所述电池1的剩余的可用的寿命6。
在框110之内说明了一些示例性的可能性：能够如何求取所述退化的以测量技术求取的值2b的时间序列3。
按照块111，根据电荷量能够求取退化状态的所观察的值2b，所述电荷量在所述电池1从第一端电压充电到第二、更高的端电压上时释放到电池1中。
按照块112，根据持续时间能够求取退化状态的所观察的值2b，在所述持续时间中，所述电池1的端电压在以预先给定的负荷加载的情况下从第一值下降到第二、更低的值上。
按照块113，在所述电池1的放电期间能够检测所述电池1的端电压5a的、放电电流5b的以及充电状态5c的时间序列。按照块113a还能够检测电池5的温度5d。
按照块114，根据退化状态的物理的模型5从测量参量5a-5c的时间序列中能够求取退化状态的所观察的值2b。按照块114a，在此也还能够考虑所述温度5d。
图2示例性地示出了：能够如何基于所述电池1的退化的以测量技术观察的值2b的时间序列3求取真实的退化2的最可能的走势2*。
示例性地示出的曲线a反映了所述退化的时间走势，所述时间走势仅仅对应于所述电池1的缓慢的老化。该时间走势仅仅与所述时间序列3的较少的值2b一致，因此不太可信的。
示例性地示出的曲线b反映了所述退化的时间走势，所述时间走势对应于所述电池1的非常快速的老化。该时间走势同样地仅仅与所述时间序列3的较少的值2b一致，因此同样地不太可信的。
真实的退化2的基于HMM 4所求取的最可能的走势2*与当前的所观察的值2b最好地一致。该走势2*不仅仅为从所述电池1在时间t0时的开始运转直至当前的时间点tA的各个过去的时间提供了对于真实的退化2的近似2a。更确切地说，该近似2a对于超过当前的时间tA的未来的时间tF无缝地过渡到预测中。
图3示出了用于训练HMM 4的所述方法200的实施例。类似于在图1中步骤105，在步骤205中选择车辆的牵引电池作为电池1。
在步骤210中，为大量的这类的电池提供真实的退化状态2的时间序列2c。在步骤220中提供物理的模型5，所述模型将所述电池1的至少端电压5a的、放电电流5b的以及充电状态5c的测量值映射到退化状态的值2b上。
在步骤230中，在考虑该测量值5a-5c的测量所带有的测量技术的不确定性Δ的情况下，根据真实的退化状态2来求取：在以测量技术求取测量值和使用物理的模型的情况下，以哪种概率观察到所述退化状态的哪个值2b。
在步骤240中，在考虑真实的退化状态2的走势的情况下求取：对于哪个时间t以哪种概率多长时间地保持该真实的退化状态2，并且/或者该真实的退化状态在下一时间步长中以哪种概率转移到哪个更差的退化状态2'中。
在步骤230和240中所求取的信息表征了所述HMM 4。

Claims (13)

1.一种用于求取可再充电的电池（1）的真实的退化状态（2）的近似和/或预测（2a）的方法（100），其具有下述步骤：
• 提供（110）退化状态的对于在过去的时间点以测量技术求取的值（2b）的在预先给定的时间步长中被离散的时间序列（3）；
• 提供（120）经过训练的隐马尔科夫模型、HMM（4），其根据真实的退化状态（2）指出：
——在以测量技术求取的情况下，以哪种概率观察到退化状态的哪个值（2b）并且
——以哪种概率多长时间地保持该真实的退化状态（2），并且/或者该真实的退化状态在下一时间步长中以哪种概率转移到哪个更差的退化状态（2'）中；
• 由所观察的时间序列（3）和HMM（4）求取（130）所述真实的退化状态（2）在过去的最可能的走势（2*），所述走势与观察的时间序列（3）一致；
• 由最可能的走势（2*）分析（140）所寻找的近似和/或预测（2a）。
2.根据权利要求1所述方法（100），其中，根据电荷量求取（111）退化状态的所观察的值（2b），所述电荷量在所述电池（1）从第一端电压充电到第二、更高的端电压上时释放到电池（1）中。
3.根据权利要求1至2中任一项所述的方法（100），其中，根据持续时间求取（112）退化状态的所观察的值（2b），在所述持续时间中，所述电池（1）的端电压在以预先给定的负荷加载的情况下从第一值下降到第二、更低的值上。
4.根据权利要求1至3中任一项所述的方法（100），其中，在所述电池（1）的放电期间检测（113）所述电池（1）的端电压（5a）的、放电电流（5b）的以及充电状态（5c）的时间序列，并且其中，根据退化状态的物理的模型（5）从该时间序列中求取（114）退化状态的所观察的值（2b）。
5.根据权利要求4所述的方法（100），其中，附加地在放电期间检测（113a）在电池（1）中的至少一个温度（5d）的时间序列，并且其中，在所述物理的模型（5）中考虑（114a）该温度。
6.根据权利要求1至5中任一项所述的方法（100），其中，利用维特比算法（131）求取所述真实的退化状态（2）的最可能的走势（2*）。
7.根据权利要求1至6中任一项所述的方法（100），其中，在对下述情况的响应中：对于未来的时间点所求取的对真实的退化状态（2）的预测（2a）满足预先给定的标准（150），直至该未来的时间点的时间段被评估（160）作为所述电池（1）的剩余的可用的寿命（6）。
8.一种用于训练隐马尔科夫模型、HMM（4）的方法（200），为了应用在所述方法（100）中，其具有下述步骤：
• 提供（210）大量的电池（1）在其使用期间的真实的退化状态（2）的走势的时间序列（2c）；
• 提供（220）物理的模型（5），所述模型将所述电池（1）的至少端电压（5a）的、放电电流（5b）的以及充电状态（5c）的测量值映射到退化状态的值（2b）上；
• 在考虑该测量值（5a-5c）的测量所带有的测量技术的不确定性（Δ）的情况下，根据真实的退化状态（2）来求取（230）：在以测量技术求取测量值和使用物理的模型的情况下，以哪种概率观察到所述退化状态的哪个值（2b）；
• 在考虑真实的退化状态（2）的走势的情况下求取（240）：以哪种概率多长时间地保持该真实的退化状态（2），并且/或者该真实的退化状态在下一时间步长中以哪种概率转移到哪个更差的退化状态（2'）中。
9.根据权利要求8所述的方法（100），其中，物理的模型（5）附加地使得退化状态（2b）依赖于在所述电池（1）中的至少一个温度（5d）。
10.根据权利要求1至9中任一项所述的方法（100、200），其中，选择（105、205）至少部分地电驱动的车辆的牵引电池作为电池（1）。
11.一种计算机程序，其包含机器可读的指令，当在一个或者多个计算机上实施所述指令时，所述指令为此驱动所述一个或者多个计算机实施根据权利要求1至10中任一项所述的方法（100、200）。
12.一种带有根据权利要求11所述计算机程序的机器可读的数据载体。
13.一种计算机，其配备有根据权利要求11所述的计算机程序和/或根据权利要求12所述的机器可读的数据载体和/或下载产品。
CN202110613273.3A 2020-06-03 2021-06-02 可再充电的电池的退化状态的成本低廉且精确的求取 Pending CN113752903A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102020206915.8 2020-06-03
DE102020206915.8A DE102020206915B3 (de) 2020-06-03 2020-06-03 Verfahren zur Ermittlung einer Näherung und/oder Prognose für den wahren Degradationszustand einer wiederaufladbaren Batterie und Verfahren zum Trainieren eines Hidden-Markov-Modells für den Einsatz in dem Verfahren zur Ermittlung einer Näherung und/oder Prognose

Publications (1)

Publication Number Publication Date
CN113752903A true CN113752903A (zh) 2021-12-07

Family

ID=75728551

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110613273.3A Pending CN113752903A (zh) 2020-06-03 2021-06-02 可再充电的电池的退化状态的成本低廉且精确的求取

Country Status (4)

Country Link
US (1) US20210382115A1 (zh)
EP (1) EP3919925B1 (zh)
CN (1) CN113752903A (zh)
DE (1) DE102020206915B3 (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102021208227A1 (de) 2021-07-29 2023-02-02 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren und Vorrichtung zum Bereitstellen einer Gesamttrajektorie eines Alterungszustands aus mehreren Alterungszustandsverläufen eines elektrischen Energiespeichers
DE102021128800A1 (de) 2021-11-05 2023-05-11 Dr. Ing. H.C. F. Porsche Aktiengesellschaft Verfahren zum Ermitteln eines Alterungszustands zumindest einer Zelle einer Batterie
DE102022208929A1 (de) 2022-08-29 2024-02-29 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren und Vorrichtung zum Ermitteln eines Alterungszustands einer Gerätebatterie in einem technischen Gerät mittels Edge Computing
DE102022208932A1 (de) 2022-08-29 2024-02-29 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren und Vorrichtung zur prädiktiven Diagnose einer Gerätebatterie eines technischen Geräts mithilfe eines Transformer-Modells
DE102023200585B4 (de) 2023-01-25 2024-09-26 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren und Vorrichtung zur prädiktiven Diagnose einer Gerätebatterie eines technischen Geräts mithilfe eines Trace-Graph-Modells
CN115954992B (zh) * 2023-03-14 2023-05-23 银河航天(西安)科技有限公司 基于马尔科夫链的蓄电池过放保护方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006057468A1 (en) * 2004-11-29 2006-06-01 Lg Chem, Ltd. Method and system for battery state and parameter estimation
US20130311115A1 (en) 2012-05-16 2013-11-21 Robert Bosch Gmbh Battery System and Method with Parameter Estimator
US9553465B2 (en) * 2014-04-21 2017-01-24 Palo Alto Research Center Incorporated Battery management based on internal optical sensing
US10090695B2 (en) * 2014-08-29 2018-10-02 Fairchild Semiconductor Corporation Optimized current pulse charging apparatus and method employing increasing clamp reference voltages and decreasing current pulses
KR102343967B1 (ko) 2014-12-04 2021-12-28 삼성전자주식회사 배터리의 상태를 추정하는 방법 및 장치
DE102018116472A1 (de) * 2018-07-06 2020-01-09 Torqeedo Gmbh Verfahren, Computerprogrammprodukt und Prognosesystem zur Bestimmung der Lebensdauer einer Antriebsbatterie eines Fahrzeugs, insbesondere eines Boots
CN210120206U (zh) * 2019-07-05 2020-02-28 深圳市普禄科智能检测设备有限公司 电子电池装置

Also Published As

Publication number Publication date
DE102020206915B3 (de) 2021-07-22
EP3919925A1 (de) 2021-12-08
US20210382115A1 (en) 2021-12-09
EP3919925B1 (de) 2024-07-10

Similar Documents

Publication Publication Date Title
CN113752903A (zh) 可再充电的电池的退化状态的成本低廉且精确的求取
US11644515B2 (en) Method and device for operating an electrically drivable motor vehicle depending on a predicted state of health of an electrical energy store
US12034319B2 (en) Server-side characterization of rechargeable batteries
US10001528B1 (en) Battery deterioration degree estimating apparatus and estimating method
KR20160000317A (ko) 배터리의 상태 정보를 학습 및 추정하는 장치 및 방법
US9476947B2 (en) Method for ascertaining operating parameters of a battery, battery management system, and battery
US11201489B2 (en) System and method for fast charging of lithium-ion batteries
US11982720B2 (en) Method and battery management system for ascertaining a state of health of a secondary battery
US11821959B2 (en) Method for estimating state of health of a battery
US11675017B2 (en) Method and apparatus for device-specific determination of an internal-resistance based state of health of a battery
CN114609524A (zh) 运行提供电储能器的预测老化状态的系统的方法和装置
CN112904208A (zh) 用于估计电池单元的开路电压的方法和系统
US11835589B2 (en) Method and apparatus for machine-individual improvement of the lifetime of a battery in a battery-operated machine
US11656293B2 (en) Method and apparatus for parameterizing an electrochemical battery model for a battery based on data from a plurality of batteries
CN114578248A (zh) 用于预测电池运行的设备中设备电池的老化状态的方法和装置
US20230184840A1 (en) Method and Apparatus for Providing an Aging State for a Device Battery Having Correction of State Observations on the Basis of Systematic State and Environmental Influences
US20240077538A1 (en) Method and Device for Initially Preparing an Aging State Model for Energy Storage Means Based on Active Learning Algorithms and Time-Discounted Information Evaluation
US20230324463A1 (en) Method and Apparatus for Operating a System for Detecting an Anomaly of an Electrical Energy Store for a Device by Means of Machine Learning Methods
US11912159B2 (en) Method and device determining the state of charge of a battery in an electrically drivable motor vehicle
CN116381498A (zh) 学习老化模型的参数化并依据开路电压特性曲线来提供设备电池组的健康状态的方法和装置
CN106199432B (zh) 确定可再充电电池老化状态的方法及可再充电电池系统
CN114545269A (zh) 用于确定电储能器的状态变量的方法和装置
WO2023171119A1 (ja) 状態診断装置および状態診断システム
US20220169148A1 (en) Method and Apparatus for Predicting a State of Health of a Device Battery in a Battery-operated Device
US20220097550A1 (en) Method and Apparatus for Determining a State of Health of an Electrical Energy Store of Unknown Type by Using Machine Learning Methods

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