CN114072684A - 在服务器侧表征能重复充电的电池 - Google Patents

在服务器侧表征能重复充电的电池 Download PDF

Info

Publication number
CN114072684A
CN114072684A CN202080049249.5A CN202080049249A CN114072684A CN 114072684 A CN114072684 A CN 114072684A CN 202080049249 A CN202080049249 A CN 202080049249A CN 114072684 A CN114072684 A CN 114072684A
Authority
CN
China
Prior art keywords
battery
state
batteries
aging
operating
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
CN202080049249.5A
Other languages
English (en)
Inventor
迈克尔·鲍曼
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.)
Teais Technology Co ltd
Original Assignee
Teais Technology Co ltd
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 Teais Technology Co ltd filed Critical Teais Technology Co ltd
Publication of CN114072684A publication Critical patent/CN114072684A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/00032—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries characterised by data exchange
    • H02J7/00038—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries characterised by data exchange using passive battery identification means, e.g. resistors or capacitors
    • H02J7/00041—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries characterised by data exchange using passive battery identification means, e.g. resistors or capacitors in response to measured battery parameters, e.g. voltage, current or temperature profile
    • 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
    • B60L3/00—Electric devices on electrically-propelled vehicles for safety purposes; Monitoring operating variables, e.g. speed, deceleration or energy consumption
    • B60L3/12—Recording operating variables ; Monitoring of operating variables
    • 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]
    • 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
    • B60L58/24—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries for controlling the temperature of batteries
    • B60L58/26—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries for controlling the temperature of batteries by cooling
    • 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
    • B60L58/24—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries for controlling the temperature of batteries
    • B60L58/27—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries for controlling the temperature of batteries by heating
    • 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]
    • G01R31/3644—Constructional arrangements
    • G01R31/3648—Constructional arrangements comprising digital calculation means, e.g. for performing an algorithm
    • 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]
    • G01R31/371—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC] with remote indication, e.g. on external chargers
    • 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
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/0047—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with monitoring or indicating devices or circuits
    • H02J7/0048—Detection of remaining charge capacity or state of charge [SOC]
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/0047—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with monitoring or indicating devices or circuits
    • H02J7/005—Detection of state of health [SOH]
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Sustainable Energy (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Secondary Cells (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本发明公开了一种用于在服务器侧表征能重复充电的电池(91‑96)的方法，该方法包括：获得针对电池(91‑96)的容量和电池(91‑96)的阻抗的运行值；基于运行值：执行对电池(91‑96)的至少一个状态预测(181‑183)，其中，至少一个状态预测(181‑183)中的每个状态预测包括多次迭代(1099)，其中，在每次迭代(1099)中执行对电池(91‑96)的电气状态的和对电池(91‑96)的热状态的仿真并且基于此结果确定针对容量和阻抗的老化评估，其中，来自相应的状态预测(181‑183)的第一次迭代(1099)的老化评估用于在相应的状态预测(181‑183)的随后的第二次迭代(1099)中的仿真。

Description

在服务器侧表征能重复充电的电池
技术领域
本发明的不同的实施例涉及用于表征电池的技术。本发明的不同的实施例尤其涉及用于在服务器侧表征以获得预测间隔内的老化评估的技术。
背景技术
能重复充电的电池、例如电动车辆的动力电池，具有有限的使用寿命。例如，电池的所谓的健康状态(英文“state of health”，SOH)可能例如随着充电周期的变化随时间推移而降低。这可能是有问题的，例如与对应的电池驱动的设备的可靠的运行有关。SOH通常结合电池的容量和阻抗加以确定。
已知一些技术确定实际状态中电池的SOH。例如可以通过电池的电池管理系统(BMS)进行这种确定。然而，实际状态下电池的SOH对电池在未来的运行中能可靠使用到何种程度仅有部分说服力。
发明内容
因此需要改进用于表征能重复充电的电池的技术。特别是需要能提供有关电池的未来的运行的可靠信息的技术。
该目的由独立权利要求的特征实现。从属权利要求的特征定义了实施例。
用于在服务器侧表征能重复充电的电池的方法包括获得针对电池的容量以及针对电池的阻抗的评估值。此外，所述方法还包括基于这些评估值执行对电池的至少一个状态预测。在此，至少一个状态中的每一个状态预测均与电池的对应的运行边界条件相关联。此外，至少一个状态预测中的每一个状态预测均包括多次迭代。在此，在每次迭代中执行对电池的电气状态以及电池的热状态的仿真并且基于此结果确定针对容量和阻抗的老化评估。由相应的状态预测的第一次迭代得出的老化评估然后用于在相应的状态预测的随后的第二次迭代中的仿真。
计算机程序或计算机程序产品或计算机可读存储介质包括程序代码。这个程序代码可以由处理器加载和运行。这促使处理器执行用于在服务器侧表征能重复充电的电池的方法，其中，所述方法包括获得针对电池的容量以及针对电池的阻抗的评估值。此外，所述方法还包括基于这些评估值执行对电池的至少一个状态预测。在此，至少一个状态预测中的每一个状态预测与电池的相对应的运行边界条件相关联。此外，至少一个状态预测中的每个状态预测包括多次迭代。在此，在每次迭代中执行对电池的电气状态以及电池的热状态的仿真并且基于此结果确定了针对容量和阻抗的老化评估。由相应的状态预测的第一次迭代得出的老化评估然后用于在相应的状态预测的随后的第二次迭代中的仿真。
服务器包括处理器，处理器被配置成加载程序代码并且基于程序代码实施上文所说明的用于在服务器侧表征能重复充电的电池的方法。
上面提到的特征和接下来要说明的特征，不仅能以相应的明确阐述的组合使用，而且也能以其它组合或独立地使用，而不会脱离本发明的保护范围。
附图说明
图1示意性地示出了根据不同的示例的包括多个电池和一个服务器的系统；
图2示出了根据不同的示例的电池的细节；
图3示出了根据不同的示例的服务器的细节；
图4示意性地示出了示例性的方法的流程图；
图5示意性地示出了根据不同的示例的针对用于表征电池的多个状态预测的老化评估的结果；
图6是示例性的方法的流程图，其中，图6示出了根据不同示例与对电池的电气状态和热状态的仿真的一些细节；
图7示意性示出了根据不同的示例的电池的集体的运行配置；
图8示意性示出了根据不同的示例的电池的与事件相关的运行配置；
图9示意性示出了根据不同的示例的用于确定电池的阻抗和容量的运行值的方法；
图10示意性地示出了根据不同的示例的具有用于确定电池的阻抗的运行值的跳跃窗口的电流时间序列；
图11示意性示出了根据不同的示例的待机电压-电荷状态特征曲线以及对应的压缩。
具体实施方式
本发明的上述特性、特征和优点以及如何达到这些特性、特征和优点的方式，结合对借助附图更为详细地阐释的实施例的下列说明更易于清楚和明晰地理解。
接下来基于参考附图和优选的实施例更为详细地阐释本发明。附图中，相同的附图标记标注相同的或类似的元件。附图是本发明的不同的实施例的示意性的代表。在附图中示出的元件无需按正确比例示出。更确切地说，在附图中示出的不同的元件被这样重现，使得本领域技术人员能理解它们的功能和普遍用途。在附图中示出的在功能性的单元和元件之间的连接和联接也可以实现为间接的连接或联接。连接或联接可以有线或无线地实现。功能单元可以实现为硬件、软件或硬件与软件的组合。
接下来结合对能重复充电的电池的特征说明若干技术。在此所描述的技术可以与范围广泛的不同电池类型结合使用，例如与基于锂离子的电池结合使用、例如锂-镍-锰-氧化钴电池或锂-氧化锰电池使用。
在本文中所说明的电池可以用在不同的应用领域中，例如用在诸如机动车或无人机或如移动通信设备之类的便携式电子设备之类的设备中。也可以考虑的是，在此所说明的电池以静态储能器的形式使用。
在此所说明的技术使得能基于电池的状态预测表征电池。这意味着，可以预测未来一定的预测间隔内电池的状态。尤其可以在预测间隔内对电池的SOH进行老化评估。
作为通则，SOH随着电池的老化而下降。如果电池的容量减小和/或电池的阻抗增加，则老化可能加剧。
这个状态预测能以不同的方式使用。例如可以将状态预测的结果用于调整电池的运行。这样可以例如避免电池的过度老化。也可以备选或附加地基于预测性的状态确定查明电池的二次使用。例如可以确定，电池是否还适用于特定的使用或者必须退出流通。应用的另一个可能性涉及到根据状态预测对电池的有针对性的保养和/或维修。例如可以对那些预测SOH变差的电池进行保养或更换等。
作为通则，在本文中所述的状态预测技术可以在不同的层面上使用：在简单的实现方案中，状态预测可以在电池层面上进行，这就是说，可以横向跨越所有的电池块和电池的单体进行综合的老化评估。但在另一些例子中能以解析的方式对不同的电池块或甚至单独的电池块的单体进行状态预测。有时可以拆解电池并且清除单个电池块，同时继续使用其它的电池块。在一些例子中，可能需要电池块层面上的单独的状态预测。
在本文中说明的不同的示例可以至少部分在服务器侧实现。这意味着，与状态预测关联的逻辑的至少一部分可以在中央服务器上与电池或用电池运行的设备分开地执行。为此可以特别是在服务器和一个或多个电池管理系统之间建立起通信连接。通过在服务器上实现至少一部分逻辑，可以结合状态预测使用特别准确的和计算密集的模型和/或仿真。这使得能特别准确地执行状态预测。此外还可以例如结合机器学习的模型收集和使用一组电池的数据。
在本文中所说明的不同的示例可以在使用电池期间基于来自电池的测量数据执行状态预测。这意味着，尤其在电池的伴随SOH下降的生命周期内的特定的时间点上执行状态预测。电池于是可以处于现场应用中。这样的话尤其也可以考虑到电池的到目前为止的老化状态。这也使得能特别准确地执行预测性的状态确定。
图1示出了与系统80相关的一些方面。系统80包括与数据库82连接的服务器81。此外，系统80还包括在服务器81和多个电池91-96中的每个电池之间的通信连接49。通信连接49可以例如通过移动通信网络实现。
图1示例性地表明，电池91-96可以通过通信连接49将状态数据41发送给服务器81。例如可能的是，状态数据41表明相应的电池91-96的一个或多个运行值。状态数据41可以以事件驱动的方式或者根据预定的时间方案进行发送。
作为通则，运行值可以例如表明相应的电池91-96的SOH的实际值。例如，运行值因此可以表明相应的电池91-96的容量。运行值备选或附加地也可以表明相应的电池91-96的阻抗的实际值。但备选或附加地也可能的是，运行值表明相应的电池91-96的运行配置。例如，与事件相关的运行配置和/或集体的运行配置可以通过运行值表明。
图1也通过示例性示例示出，服务器81可以通过通信连接49将控制数据42发送给电池91-96。例如可能的是，控制数据42可以表明相应的电池91-96的未来的运行的一个或多个运行极限。在此例如可以考虑的是，基于人机显示确定这些运行极限。例如，控制数据可以指示针对相应的电池91-96的热管理(即例如冷却能力的选择)和/或相应的电池91-96的充电管理(即例如充电电流的极限)的一个或多个控制参数。服务器81因此可以通过使用控制数据42影响或控制电池91-96的运行。
此外，在图1中还针对每个电池91-96示意性地示出了相应的SOH 99。作为通则，电池91-96的SOH 99可以视实现方案而定包括一个或多个不同的特征参量。SOH 99的典型的特征参量可以例如是：电容量，这就是说，最大可能的储存电荷；和/或电阻抗，这就是说，作为电压和电流强度之比的电阻或交流电阻的频率响应。
接下来说明用于状态预测技术，所述技术使得能在电池91-96使用期间在预测间隔内预测每个电池91-96的SOH 99。这意味着，例如可以预测电阻抗和/或电容量。
图2示出了与电池91-96相关的一些方面。电池91-96与相应的设备69连接。这个设备通过来自相应的电池91-96的电能驱动。
电池91-96包括一个或多个管理系统61或者与一个或多个管理系统61相关，例如BMS或诸如车辆情况下的车载单元之类的其它控制逻辑。管理系统61可以例如通过软件在CPU上运行。备选或附加地，可以使用专用集成电路(ASIC)或现场可编程门阵列(FPGA)。电池91-96可以例如通过总线系统与管理系统61通信。电池91-96也包括通信接口62。管理系统61可以通过通信接口62与服务器81建立通信连接49。
在图2中管理系统61与电池91-96分开示出，但在其它示例中也可能的是，管理系统61是电池91-96的一部分。
此外，电池91-96包括一个或多个电池块63。每个电池块63典型地包括一些并联的和/或串联的电池单体。在那里可以储存电能。
通常，管理系统61可以依赖于一个或多个电池块63中的一个或多个传感器。例如，传感器可以测量至少一些电池单体中的电流和/或电压。传感器可以备选或附加地也结合至少一些电池单体测量其它参量，例如温度、体积、压力等。管理系统61然后可以被设置成，确定相应电池91-96的当前SOH99，或者可选地基于来自传感器的一个或多个这样测得的值确定各个电池块的当前SOH99，这就是说，例如确定电池的电容量和/或电阻抗并且以运行数据的形式发送给服务器81。管理系统61也可以被设置用于，实现相应的电池91-96的热管理和/或充电管理。结合热管理，管理系统61可以例如控制冷却和/或加热。结合充电管理，管理系统61可以例如控制充电率或放电深度。管理系统61因此可以设定相应的电池91-96的一个或多个运行边界条件。
图3示出了与服务器81相关的一些方面。服务器81包括处理器51以及存储器52。存储器52可以包括易失的存储元件和/或非易失的存储元件。此外，服务器81也可以包括通信接口53。处理器51可以通过通信接口53建立起与每个电池91-96和数据库82的通信连接49。服务器81还可以具有接口，以便与用户通信，例如也与电池91-96中其中一个电池的用户通信。这意味着，服务器81可以设置用于人机交互。
程序代码例如可以储存在存储器52中并且由处理器51加载。处理器51然后可以运行程序代码。程序代码的运行促使处理器51实施如结合本文中的不同的示例详细说明那样的一个或多个下列的过程：表征电池91-96；例如基于从对应的电池91-96通过通信链接作为状态数据40所接收到的运行值执行对一个或多个电池91-96的一个或多个状态预测；执行电池91-96的电气仿真；执行电池91-96的热仿真；基于一个或多个运行配置执行对电池的老化评估；将控制数据发送给电池91-96，例如以便设定运行边界条件；将对应的电池91-96的表征结果存储在数据库82中；基于对应的电池91-96的表征结果执行人机交互，例如以选择运行配置的运行极限等。
图4是示例性的方法的流程图。所述方法由服务器实施。所述方法用于在服务器侧表征电池。例如可能的是，根据图4的方法由服务器81的处理器51基于来自存储器52的程序代码实施(参看图3)。在图4中用虚线表示可选的方块。
首先在方块1001中获得有待表征的电池的一个或多个运行值。为此在方块1001中例如通过在电池和服务器之间的通信连接接收状态数据。
所述一个或多个运行值可以例如涉及电池的SOH。所述一个或多个运行值可以例如涉及到电池的容量和/或电池的阻抗。通常也可能的是，通过一个或多个运行值表明电池的运行的一个或多个另外的或其它的表征性的参量。例如在一些示例中可以通过所述运行值表明电流数据(例如时间序列)和/或电压数据(例如时间序列)。这意味着，运行值例如可以描述电池的电池块的一个或多个单体中的电流的时间变化曲线或者可以描述电池的电池块的一个或多个单体中的电压的时间变化曲线。例如，运行值也可以描述电池的一个或多个区域中的温度。运行值可以例如描述温度数据的对应的时间序列。备选或附加地也可能的是，运行值表明一个监控间隔内电池的一个或多个运行配置。
作为通则，运行配置可以例如描述针对电池的运行的下列表征性参量中的一个或多个参量：所使用的放电深度(英文“depth of discharge”)；平均的放电深度；所使用的充电率；所使用的放电率；运行中的典型的温度；充电过程的频率；放电过程的频率；在两个充电过程之间的持续时间；在两个放电过程之间的持续时间；等等。可以使用事件相关的运行配置和/或集体的运行配置。
紧接着在方块1002中执行对电池的一个或多个状态预测，以便表征这个电池。
倘若在方块1002中执行多个状态预测，那么这些状态预测可以与电池的运行的不同的边界条件相关联。在方块1002中考虑到的运行边界条件例如可以涉及到一个或多个下列要素：电池的热管理的控制参数和/或电池的充电管理的控制参数。运行边界条件通常可以确定电池运行的特定条件，所述条件与具体的运行配置分开，具体的运行配置例如通过使用与对应的电池相关联的相应的设备69确定(这就是说，例如负载、所提取的电荷、放电率、充电率、放电深度等)。
在方块1002中，所述一个或多个状态预测可以基于一种运行配置，该运行配置由针对相应的电池在监控间隔期间通过来自方块1001的运行值表明的运行配置推导出。例如可能的是，基于监控间隔期间对电池测量确定用于方块1002中的所述一个或多个状态预测的运行配置。这意味着，例如所测得的DOD和/或所测得的SOC周期和/或所测得的充电率等可以结合方块1002中的所述一个或多个状态预测使用。通过使用针对方块1002中的所述一个或多个状态预测的运行配置，可以实现特别可靠的或准确的状态预测，其中，所述运行配置面向监控间隔内对应的电池的具体的运行。
状态预测可以导致产生预测间隔内老化的时间变化曲线。这在图5中示出。
图5示出了与电池、例如图1的电池91-96中的一个电池的老化相关的一些方面。在图5中则示出了SOH 99作为时间的函数。在监控间隔151期间，SOH99下降。例如能以如下方式测量SOH 99的这种下降，即，由对应的管理系统(参看图2，在那里示出了管理系统61)动用针对相应的电池的容量和阻抗的运行值。
然后在时间点155上通过执行对电池的多个状态预测181-183来表征电池。状态预测181-183作为结果提供了对电池老化的预测，这就是说，提供了预测间隔152期间的SOH99。由图5可知，SOH 99在不同的状态预测181-183之间变化，原因在于所使用的不同的运行边界条件。运行边界条件可以在充电和放电时的温度、开路充电状态、充电率和放电率、充电结束点和放电结束点、周期深度和/或平均的充电状态以及它们的组合方面有所不同。例如可能的是，在SOH99较轻微下降时作为预测间隔152期间时间的函数产生的状态预测181，与在SOH 99较强烈下降时作为预测间隔152期间时间的函数产生的状态预测183相比，采纳热管理的其它配置。电池的热管理例如可以通过主动冷却实现更低的运行温度作为状态预测181的运行边界条件。
在先前说明了一个示例，在该示例中，状态预测181-183与不同的运行边界条件相关联时，在其它例子中备选或附加也可能的是，改变针对多个状态预测的运行配置。例如可以将不同的状态预测与不同的DOD和/或不同的最大的SOC和/或不同的充电率等相关联。这意味着，可以改变电池运行的策略。
现在又参考图4：作为通则，能以不同的方式评估来自方块1002的所述一个或多个状态预测181-183的结果。
在一个示例中可能的是，基于来自方块1002的所述一个或多个状态预测的结果控制与相应的电池相关联的管理系统，参看方块1003。在这种相互关系下例如可能的是，执行方块1002中的多个状态预测并且将多个状态预测的对应的结果相互对比。然后可以基于结果的比较来控制管理系统。这可以例如在考虑到人机交互的情况下基于所述结果进行。例如可能的是，基于所述结果的比较确定控制数据(参看图1：控制数据42)并且将这些控制数据发送给管理系统。作为通则，可以设定相应的电池的运行的一个或多个不同的参数。例如可能的是，控制数据详细说明了电池的未来运行的一个或多个运行极限。备选或附加也可能的是，控制数据详细说明了针对电池的热管理和/或充电管理的一个或多个控制参数。通过一个或多个状态预测的结果的或通常对电池的表征的这种反馈，可以实现相应的电池的特别持久的运行。
接下来进一步阐释一些示例：例如可以这样来设置相应的电池的未来的运行的运行极限，使得电池仅较慢地老化，这就是说，SOH 99随着时间的变化仅缓慢地下降。例如可以考虑的是，将表征的结果通过合适的人机接口输出给相应的电池的用户。这可以例如通过网站完成，在网站上可以示出针对电池的不同的运行配置的状态预测。也可以考虑移动App。当表征的结果可用时，那么可以发出推送信息。用户然后可以选择其中一个电池配置并且紧接着可以相应调整相应的电池的未来的运行，以便借助运行边界条件实现所选择的运行配置。用户因此可以在考虑到预期的老化以及考虑到通过选择特定的运行配置引起的对电池运行的限制的情况下作出决定，在未来应当如何对电池充电。
例如，如果状态预测鉴别电池的由电池的特别强烈的老化引起的特定的运行边界条件时，那么可以通过恰当地定义运行极限将这些运行边界条件从电池的未来运行排除出去。这样的话可以例如通过恰当地控制运行补偿电池的制造误差等。例如可能的是，不同的状态预测与不同的运行边界条件相关联，即例如与针对热管理或充电管理的其它的运行参数(例如充电电流)相关联。然后可以通过针对不同的运行边界条件的选择的老化比较推断出，应当如何结合所述运行边界条件来选择运行极限，以避免过度老化。这种选择可以例如由用户完成，例如通过对服务器的前端调用或者其它人机接口。用户因此可以例如确定最大的充电电流，同时可以基于在此所说明的表征将这种选择对老化的影响反馈给用户。
在另一个例子中，如果在状态预测的范畴内鉴别电池的由电池的特别强烈的老化引起的特定的运行配置时，那么可以通过恰当地定义运行极限将这些运行边界条件从电池的未来运行排除出去。例如可能的是，将不同的状态预测与不同的运行配置相关联。然后可以将老化与不同的运行边界条件的选择进行比较，可以确定应当如何选择与所述运行配置相关的运行极限，以避免过度老化。接下来为此说明具体的示例：例如可以将具有静态的储能器的微型电网设置为能重复充电的太阳能系统。微型电网可以具有到主电网的接头并且操作所谓的高峰调节，这就是说，通过将能量馈入到主电网中缓和主电网的负载峰值(通常在夜间)。但静态的储能器的电池却在中午充电，因为那时太阳能系统的所产生的能量特别强烈。运行配置可以指的是电池的充电率和放电率。然后可以根据状态预测调整所述运行配置。这就是说，可以为微型电网确定不同的运行策略。在另一个示例中，可以为移动应用中的经电池运行的产品、例如电动汽车或电动公共汽车进行针对不同的充电策略的状态预测。基于此，可以在充电之前或充电期间调整电池的充电管理和/或热管理，以防止过度老化。
作为通则，可选也可以在确定控制数据时也考虑到用于电池的未来运行的一个或多个预定的使用范围。这意味着，尽管结合状态预测，一个或多个特定的运行范围被鉴别为对电池的老化特别有害，但基于预定的偏好，电池的运行并不能限制相应的运行范围。这些使用范围可能影响运行边界条件和/或运行配置。这样可以例如根据电池供电设备的类型，确保不会引发对功能的限制。
但无需在所有的示例中都将所述一个或多个状态预测的结果反馈到电池的运行中。就此而言，方块1003是可选的方块。
在一些示例中，备选或附加地也可能的是，将状态预测的结果储存在数据库中(参看图1：数据库82)，参看方块1004。例如，通过随后将预测间隔152期间实际的运行配置与一个或多个状态预测的所储存的结果进行比较，该存储将能够特别快速地确定电池的老化状态。例如，可以根据SOH 99还能不能实现电池的相应的使用而有针对性地选择电池的二次使用。此外，可以训练机器学习模型用于老化评估。
在一些例子中备选或附加地可能的是，将状态预测的结果例如通过合适的人机接口输出给用户。这样的话，用户可以例如恰当地干预电池的运行，以鉴于状态预测避免过度老化。可以由用户设置运行边界条件。
在方块1002中执行一个或多个状态预测可能需要较多的计算资源。这意味着，典型地担负起表征多个电池的任务的对应的服务器，可以根据一个或多个触发标准选择性地触发对一个或多个状态预测的执行(在时间点155，参看图5)：这样可以避免，不断执行新的状态预测。更确切地说，能以需求为导向来执行所述一个或多个状态预测。例如可能的是，服务器从与电池相关联的对应的管理系统重复地获得了监控间隔151内电池的(例如集体的或与事件相关的)运行配置。然后服务器可以监控随时间变化的运行配置的发展。这可能意味着，服务器将检查两个时间点之间运行配置的变化。根据这种监控然后可以选择性地触发执行至少一个状态预测。如果运行配置的一个或多个特性例如发生改变时，那么可以触发执行状态预测：基于这样的认识，即，在这种状况下特别可能由于状态配置的改变而存在对电池的老化状态的巨大影响。
但在其它的简单的实现方案中也可能的是，根据预定的时间表，例如以特定的重复率执行方块1002中的一个或多个状态预测等。
接下来结合图6中的流程图说明方块1002中所述一个或多个状态预测的示例性的执行方案。
图6是示例性的方法的流程图。根据图6的方法可以由服务器实施。例如可能的是，根据图6的方法由服务器81的处理器51基于来自存储器52的程序代码实施(参看图3)。
根据图6的方法用于电池健康的状态预测。如果要执行多个状态预测时，多次执行根据图6的方法。
在方块1011中，首先获得针对相应的电池的容量和阻抗的运行值。方块1011因此对应方块1001。这意味着，获取电池的SOH 99的当前值。这典型地基于由从与对应的电池相关联的相应的管理系统接收到的状态数据执行。这些运行值用于初始化状态预测。
然后执行方块1012-1014的多次迭代1099。不同的迭代1099在此对应状态预测的时间步长，这就是说，预测间隔152期间继续前进的时间。
在方块1012中，针对对应的迭代1099的相应的时间步长，首先借助对应的仿真模块进行对电池的电气状态的和电池的热状态的仿真。
在方块1012中，在考虑到电池的对应的运行边界条件的情况下进行仿真。这取决于相应的状态预测181-183。此外，可以假定电池运行的对应的运行配置。
电气仿真模块可以与热仿真模块耦合以仿真电气状态和热状态。
电气仿真模块可以使用电池的等效电路模型(ECM)。ECM可以包括电气组件(电阻、电感、电容)。ECM的组件参数可以例如借助带有电池的单体块的传输特性的表征性的频率范围的奈奎斯特图确定。通过在服务器81上的实现方案，可以将RC元件的数量选择得特别多，例如多于三个或四个。由此可以达到电气仿真的特别高的准确度。在此可以为单体块中的每个单体使用各一个ECM。
热仿真模型使得能确定时间的温度变化曲线和可选局部的温度。在此，可以考虑热源和散热片。可以考虑到周围环境的散热。针对发热模型的细节例如在D.Bernandi、E.Pawlikowski和J.Newman的《电池系统的一般能量平衡》(电化学社会期刊，1985年)中说明。可以使用针对局部的温度分布的分析性的或数值性的模型。可以考虑到热管理系统的影响。例如M.-S.Wu、K.H.Liu、Y.-Y.Wang和C.-C.Wan的《锂离子电池的散热设计》(能源杂志，第109卷，参考号1，第160-166页，2002年)。
基于此，然后在方块1013中执行老化评估，这就是说，基于电池的电气状态和热状态的仿真的结果确定了相应的时间步长内电池的容量和阻抗。
可以结合老化评估使用不同的技术。老化评估可以例如包括依据经验的老化模型和/或机器学习的老化模型。例如可以并行使用依据经验的老化模型和机器学习的老化模型并且然后将这两种老化模型的结果通过求平均值、例如加权求平均汇总在一起。
作为通则，依据经验的老化模型可以包括一个或多个依据经验确定的参数，所述参数使从方块1012的仿真获得的电池的运行配置与SOH 99的变差、例如容量的下降和/或阻抗的升高相关联。所述参数可以例如在实验室测量中确定。在J.Schmalstieg、S.
Figure BDA0003456333010000131
M.Ecker和D.U.Sauer的《基于Li(NiMnCo)O2的18650锂离子电池的整体老化模型》(能源期刊，257卷，第325-334页，2014年)中说明了示例性的依据经验的老化模型。
与此相反，机器学习的老化模型可以连续地基于由同一类型的不同电池获得的状态数据通过机器学习加以调整。例如可以使用人工神经网络，如卷积网络(英文为convolutional neural network，即卷积神经网络)。其它技术包括所谓的支持向量方法(英文为support vector machine，即支持向量机)。例如可以使用一组电池(参看图1：电池91-96)的数据来通过机器学习训练对应的算法。
不同的老化模型在此可以从方块1012中的仿真接收不同的输入。在一种变型方案中例如可能的是，基于在多次迭代1099中确定的仿真的电气状态和/或仿真的热状态确定针对电池的一个或多个仿真的、集体的运行配置(有时也称为负载谱)。这种集体的运行配置可以分别说明特定的运行点上电池的运行的频率。这意味着，集体的负载配置与直方图类似地量化了特定的运行点上电池运行的出现频率，但没有说明所述运行点上电池的运行顺序或特定的运行点上电池的运行的具体的时间点。图7示出了示例性的、仿真的、集体的运行配置500。图中针对在两个维度即放电深度(英文为depth of discharge，DOD)和充电状态(英文为state of charge，SOC)中定义的不同的运行点说明电池的运行的相应的频率509(以任意单位)。SOC说明了当前的电荷占电池的容量的百分比状态。但两个维度DOD-SOC在此仅是示例。可以结合用于老化评估的集体的运行配置观察的备选的维度例如包括：充电率；充电期间的温度；放电期间的温度；放电率；等等。也可能的是，为集体的运行配置设多于两个的维度，例如设三个或四个维度。
可以例如按日历或周期表明频率。在此可以使用不同的计数方法，例如峰值计数、超限计数、瞬时值计数、范围计数、范围对-平均值计数、雨流计数(例如参看DE102009006461A1)等。
例如在图7中通过加黑突出表明，在小的电荷状态下针对大的放电深度出现了电池的特别强烈的老化。
在另一种变型方案中，作为一个或多个仿真的、集体的运行配置的备选或除了一个或多个仿真的、集体的运行配置外，也可以结合一个或多个所使用的老化模型考虑到一个或多个与事件相关的运行配置。示例性的与事件相关的运行配置510结合图8示出。其示出了充电率、在电池端子之间的电压、以及与相应的电池的充电事件相关的温度的时间曲线。此外也示出了对应的平均值511。
在一些示例中可以想到的是，直接结合老化模型考虑到了表征事件的一个或多个参量(在图8中即充电率、电压和温度)的时间变化曲线；但也可以想到的是，考虑到了推导出的参量(在图8的例子中为平均值511)。在任何情况下，由图8的示例也可知，基于事件的运行配置的一个或多个参量没有与对应的运行点的频率相关联，而是涉及到了单独的各个事件。
可能的是，老化评估包括多个分量，例如第一模型分量和第二模型分量，第一模型分量作为输入接收一个或多个仿真的、集体的运行配置，第二模型分量作为输入接收一个或多个仿真的、事件相关的运行配置。然后通过考虑到这些不同的运行配置可以特别准确地设计老化评估。例如，在这种相互关系下可能的是，先是单独执行老化评估的不同的分量并且然后将老化评估的不同的分量的结果相互组合，以便获得老化评估的结果。
再次参考图6：紧接着在方块1014中检查，是否满足中断标准。倘若不是，那么针对预测间隔152内的下一个时间步长，这就是说针对下一次迭代1099重新执行方块1012。在此，使用在先前的迭代1099中确定的容量和阻抗，这就是说，在方块1012中的仿真相互建立。容量和阻抗的这种迭代的调整使得能实现特别准确的状态预测。
当满足方块1014中的中断标准时，结束状态预测。中断标准的示例包括：迭代1099的数量；预测间隔152的结束；超过或低于容量和/或阻抗的阈值；等等。
在许多示例中可能值得追求的是，方块1011中针对阻抗和容量的初始的运行值以特别高的准确度可用。结合图9，说明了一种示例性的技术，其实现了这一点。
图9是示例性的方法的流程图。图9的方法例如可以在设备侧在与电池关联的管理系统上执行。例如可能的是，根据图9的方法在根据图2的管理系统上实施。但也可以在服务器侧执行图9的方法。
根据图9的方法使得能基于测量数据特别准确地确定容量和阻抗。对应的实际值可以在正常运行期间现场确定。
首先，在方块1021中确定针对阻抗的运行值。这可以例如在使用ECM的情况下完成。例如，可以通过确定ECM的一个或多个组件的参数来确定阻抗的运行值。这意味着，例如可以确定ECM的R元件的电阻或者确定L元件的电感或C元件的电容。例如可能的是，基于针对电流和/或电压的时间序列确定运行值。
紧接着在方块1022中确定针对电容的运行值。这可以例如基于开路电压完成，如在M.Einhorn、F.V.Conte、C.ral和J.Fleig的《利用电荷状态和转移电荷进行锂离子电池单体的在线容量评估的方法》(IEEE工业应用汇刊，48卷，参考号2，736-741页，2012)。
紧接着例如通过对应的通信接口将在方块1021-1022中确定的运行值以状态数据的形式(参看图1：状态数据41)传输给服务器。就此而言，方块1023对应方块1001或1011。
图10结合例如根据图9的方块1021确定针对电池的阻抗的运行值示出了一些方面。结合图10的示例示出的对应的技术，可以例如在与电池相关联的局部的管理系统上实施(例如在根据图2的管理系统61上)。对应的评估的结果然后可以例如以状态数据41的形式传输给服务器81。这意味着，针对阻抗的运行值可以在设备侧在电池处确定。但也可以在服务器侧进行相应的确定。
图10示出了在电池的一个或多个单体内的电流的测量值的时间序列。基于电流的时间变化曲线(或者备选或附加地借助电压的和/或电池电气运行的其它特征参数的时间变化曲线)可以确定针对电池的阻抗的运行值。也可以考虑到热运行的一个或多个特征参量。
根据不同的示例，由此达到这一点，即，在图10的示例中在跳跃窗口711、712内从电流和/或电压的时间序列中提取出若干值。然后可以将一个或多个分析算法应用到针对每个跳跃窗口的所提取出的值上。例如，一个或多个分析算法可以用于跳跃窗口711内的值上并且一个或多个分析算法可以紧接着也用于跳跃窗口712内的值上。通过从连续的时间序列中提取出若干值，可以通过减少数据基础来实现实时处理。所述一个或多个分析算法可以顺序地和/或并行地根据特定的跳跃窗口711、712中提取出的值进行运算。然后针对不同的跳跃窗口711、712可以获得针对阻抗的候选值，所述候选值紧接着可以组合起来，以便获得对应的运行值。
这些技术基于这样的认识，即，经常能够从对应的数据的连续的时间序列中提取与阻抗特别相关的电流和/或电压的时间变化曲线。
特别可能的是，这样来确定一个或多个跳跃窗口711、712，使其包括相关数据。通常可以就一个或多个标准对电流数据和/或电压数据的时间序列的分析确定一个或多个跳跃窗口711、712。例如可以从下组中选出标准：放电操作的持续时间722；放电操作的电荷量；放电操作之前的静止阶段721；或也结合充电过程(取代放电过程)的一个或多个这种参数。
这些技术基于这样的认识，即，在车辆应用中，通常会在现场出现强烈起伏的和未定义的电流激励，而不是实验室参数化中使用的定义的豫驰时间和脉冲负载。为了允许结合阻抗运行值的确定仍然为ECM确定有意义的参数值，在窗口搜索过程中选出上述跳跃窗口711、712。在此，起始点例如是定义长度的环形缓存器。在此，该缓存器根据先进先出原则(FiFo)以采样率存储未经过滤的BMS的电流和电压测量值。在每个时间步长中，将整个环形缓存器与一组预定义的样本窗口相比较，这组样本窗口定义了标准。若某个区符合样本标准的窗口，那么就提取出了用于进一步分析的测量值。
对应的标准的示例包括：对参数确定来说，RC元件的初始值必须是已知的。若在足够长的时间段721内存在恒定不变的电流，那么可以确定ECM的对应的电阻。跳跃窗口711、712的开始因此应当在有尽可能恒定不变的电流的时间间隔721之后定义。跳跃窗口选择的第二个标准涉及到跳跃窗口711、712本身内电流和电压信号的动态。在此可能要注意的是，有待映射的动态效果(例如扩散)也通过电流负载被充分激发。若例如在行驶开始时在电池单体放松时选择有过小电荷流量的窗口，那么扩散效果可能表现得过弱并且对应的参数确定可能不合理。因此除了电流和电压外例如还考虑到了增量的电荷量。在具有明显的电流速率相关性的效果下，如电荷载体通过时，还应当鉴别尽可能阶梯状的电流跃变，以便能够正确排列参数的电流速率相关性。
图11结合例如按照图9的方块1022确定针对电池的容量的运行值示出了一些方面。结合图11的示例示出的对应的技术，可以例如在与电池关联的本地管理系统上实施(例如在根据图2的管理系统61上)。对应的评估的结果然后例如能以状态数据41的形式传输给服务器81。这意味着，针对阻抗的运行值可以在设备侧在电池处确定。但也可以在服务器侧进行对应的确定。
图11示出了随电荷状态(安培小时)变化的稳定电压(英文为“open circuitvoltage”，OCV，即开路电压)。电荷状态与SOC相关。OCV通过开路电压特征曲线与电荷状态相关。在图11中示出了两个开路电压751、752以及相关联的电荷状态761、762。电荷状态761、762在考虑到预定的特征曲线770的情况下确定。例如可以实现查看表。由两个电荷状态761、762的线性内插(在考虑到必要时压缩的特征曲线770-772的情况下)结合相关的电荷流量，就可以推断出电池的容量。
在本文中所说明的不同的示例中，可以确定针对特征曲线770的压缩因子，以便获得经压缩的特征曲线771、772。压缩因子根据对电池的不同于紧接着基于特定的容量执行的老化评估的另外的老化评估确定(这就是说，另外的老化评估不同于例如在根据图6的方块1013中的执行的老化评估)。另外的老化评估和基于确定的容量执行的老化评估可以彼此独立。这基于这样的认识，即，特征曲线770可以随老化状态而发生变化。
通常，不同的技术结合所述另外的老化评估通常可行。在一个示例中，例如可以考虑的是，结合锂离子电池监控嵌锂电位。嵌锂电位是例如电池的充电过程期间在dV/dQ曲线中的峰值。它们代表石墨阳极中嵌锂过程的不同的阶段的过渡。他们的高度和/或它们的间距表征电池的老化状态并且因此能在所述方法的范畴内使用。
本发明的前述实施方式的特征当然可以相互组合。所述特征预期可以不仅以所述组合使用，而且也能以其它组合或单独使用，而不会脱离本发明的范围。
例如可以描述与电池状态预测相关的不同的技术。这些技术也可以施加于电池的单独的块或电池的单体或单体组。
此外，还描述与对电池的表征和/或状态预测相关的技术。这些结果可以用于设定电池的未来的运行配置。可以考虑的是，这些结果可以通过合适的人机接口输出给电池的用户。然后使得用户能基于有关电池的状态的这些信息选择未来的运行配置。这与用于控制电池的人机交互相对应。

Claims (16)

1.一种用于在服务器侧表征能重复充电的电池(91-96)的方法，该方法包括：
-获得针对电池(91-96)的容量和电池(91-96)的阻抗的运行值，
-基于运行值：执行对电池(91-96)的至少一个状态预测(181-183)，
其中，至少一个状态预测(181-183)中的每个状态预测包括多次迭代(1099)，
其中，在每次迭代(1099)中执行对电池(91-96)的电气状态的和对电池(91-96)的热状态的仿真并且基于此结果确定针对容量和阻抗的老化评估，
其中，来自相应的状态预测(181-183)的第一次迭代(1099)的老化评估用于在相应的状态预测(181-183)的随后的第二次迭代(1099)中的仿真。
2.根据权利要求1所述的方法，其中，所述至少一个状态预测(181-183)中的每个状态预测与所述电池(91-96)的对应的运行边界条件相关联，
其中，所述至少一个状态预测(181-183)包括与不同的运行边界条件相关联的多个状态预测(181-183)，
其中，所述方法还包括：
-将所述多个状态预测(181-183)的结果进行比较，并且
-基于结果的比较：确定用于与所述电池(91-96)相关联的管理系统(61)的控制数据(42)以及将控制数据(42)发送给管理系统(61)。
3.根据权利要求2所述的方法，
其中，所述控制数据(42)表明下组中的一个或多个要素：针对所述电池(91-96)的未来的运行的一个或多个运行极限(552)，其中，所述运行极限(552)与所述电池(91-96)的一个或多个运行边界条件或运行配置相关联；针对所述电池(91-96)的热管理的控制参数；和针对所述电池(91-96)的充电管理的控制参数。
4.根据权利要求3所述的方法，
其中，还基于针对未来的运行的预定的使用范围(551)确定所述控制数据(42)。
5.根据权利要求1至4中任一项所述的方法，
其中，所述运行边界条件涉及下列要素中的一个或多个要素：所述电池(91-96)的热管理的控制参数；和所述电池(91-96)的充电管理的控制参数。
6.根据前述权利要求中任一项所述的方法，
其中，所述至少一个状态预测(181-183)中的每个状态预测与所述电池(91-96)的对应的运行配置相关联。
7.根据前述权利要求中任一项所述的方法，所述方法还包括：
-基于在所述至少一个状态预测(181-183)的多次迭代(1099)中进行仿真的电气状态和/或进行仿真的热状态：确定针对所述电池(91-96)的一个或多个仿真的集体的运行配置(500)，所述运行配置分别说明了在特定的运行点中所述电池(91-96)的运行的频率，和
-可选将所述一个或多个仿真的集体的运行配置(500)用于所述迭代(1099)中的老化评估。
8.根据前述权利要求中任一项所述的方法，所述方法还包括：
-基于在所述至少一个状态预测(181-183)的至少一次迭代(1099)中进行仿真的电气状态和/或进行仿真的热状态：确定针对所述电池(91-96)的一个或多个仿真的、与事件相关的运行配置(510)，和
-可选将一个或多个仿真的、与事件相关的运行配置(510)用于在所述迭代(1099)中的老化评估。
9.根据权利要求7和8所述的方法，
其中，在所述迭代(1099)中的老化评估包括基于所述一个或多个仿真的集体的运行配置的第一分量，
其中，在所述迭代(1099)中的老化评估包括基于所述一个或多个仿真的、与事件相关的运行配置的第二分量，
其中，所述方法还包括：
-将所述老化评估的第一分量的和所述老化评估的第二分量的结果组合起来。
10.根据前述权利要求中任一项所述的方法，
其中，在所述迭代(1099)中的所述老化评估使用依据经验的老化模型和机器学习的老化模型中的至少一个老化模型。
11.根据前述权利要求中任一项所述的方法，所述方法还包括：
-确定针对阻抗的运行值，
其中，确定针对阻抗的运行值包括：
-从所述电池(91-96)的电流-电压数据的时间序列提取出针对一个或多个跳跃窗口(711、712)的值，
-针对每个跳跃窗口(711、712)：将分析算法应用于提取出的值以在使用等效电气电路模型的情况下确定针对阻抗的对应的侯选值，并且
-将与多个跳跃窗口(711、712)相关联的侯选值组合起来以获得运行值。
12.根据权利要求11所述的方法，所述方法还包括：
-基于关于一个或多个标准(721、722)的电流-电压数据的时间序列的分析确定所述一个或多个跳跃窗口(711、712)，
其中，一个或多个标准选自：放电过程的持续时间；放电过程的电荷量；放电过程之前的静止阶段(721)；充电过程的持续时间；和充电过程的电荷量。
13.根据前述权利要求中任一项所述的方法，所述方法还包括：
-确定针对容量的运行值，
其中，确定针对容量的运行值包括：
-确定在第一部分放电状态下的第一开路电压和第二部分放电状态下的第二开路电压，
-确定在第一部分放电状态和第二部分放电状态之间的电荷流量，
-基于预定的特征曲线：针对所述第一开路电压确定所述电池(91-96)的充电状态(761)，
-基于预定的特征曲线：针对所述第一开路电压确定所述电池(91-96)的第二充电状态(762)，
-基于第一电荷状态、第二电荷状态和所述电荷流量确定容量，并且
-基于对所述电池(91-96)的另一次老化评估确定特征曲线的压缩因子。
14.根据权利要求13所述的方法，所述方法还包括：
-基于对所述电池(91-96)的嵌锂电位的监控执行所述另一次老化评估。
15.根据前述权利要求中任一项所述的方法，所述方法还包括：
-从与所述电池(91-96)相关联的管理系统(61)获得所述电池(91-96)在监控间隔(151)内的运行配置，
-监控所述运行配置的发展，和
-基于对所述发展的监控触发执行所述至少一个状态预测(181-183)。
16.根据前述权利要求中任一项所述的方法，所述方法还包括：
-从与所述电池(91-96)相关联的管理系统(61)获得所述电池(91-96)在监控间隔(151)内的运行配置，
其中，所述至少一个状态预测(181-183)基于所述电池(91-96)的运行配置。
CN202080049249.5A 2019-05-08 2020-05-07 在服务器侧表征能重复充电的电池 Pending CN114072684A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
DE102019111979.0 2019-05-08
DE102019111979.0A DE102019111979A1 (de) 2019-05-08 2019-05-08 Charakterisierung von wiederaufladbaren Batterien
PCT/DE2020/100380 WO2020224724A1 (de) 2019-05-08 2020-05-07 Server-seitige charakterisierung von wiederaufladbaren batterien

Publications (1)

Publication Number Publication Date
CN114072684A true CN114072684A (zh) 2022-02-18

Family

ID=70779401

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202080049249.5A Pending CN114072684A (zh) 2019-05-08 2020-05-07 在服务器侧表征能重复充电的电池

Country Status (5)

Country Link
US (1) US20220239122A1 (zh)
EP (1) EP3966579A1 (zh)
CN (1) CN114072684A (zh)
DE (1) DE102019111979A1 (zh)
WO (1) WO2020224724A1 (zh)

Families Citing this family (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210028476A (ko) * 2019-09-04 2021-03-12 삼성전자주식회사 배터리 충전 장치 및 방법
DE102019125375A1 (de) * 2019-09-20 2021-03-25 TWAICE Technologies GmbH Zustandswert für wiederaufladbare Batterien
US20210349155A1 (en) 2020-05-07 2021-11-11 Zitara Technologies, Inc. Battery analysis system and method
DE102020117609B8 (de) 2020-07-03 2022-11-03 TWAICE Technologies GmbH Verarbeitung von Zustandsdaten einer Batterie zur Alterungsschätzung
DE102020008120A1 (de) 2020-07-03 2022-03-24 TWAICE Technologies GmbH Verarbeitung von Zustandsdaten einer Batterie zur Alterungsschätzung
DE102020008113A1 (de) 2020-07-03 2022-04-07 TWAICE Technologies GmbH Verarbeitung von zustandsdaten einer batterie zur alterungsschätzung
DE102021105784A1 (de) 2021-03-10 2022-09-15 TWAICE Technologies GmbH Abschätzung von Kenngrößen bei wiederaufladbaren Batterien
AT524131B1 (de) * 2021-04-20 2022-03-15 Aviloo Gmbh Ermittlung des Gesundheitszustands einer Fahrzeugbatterie
EP4341713A1 (en) * 2021-05-20 2024-03-27 Ariel Scientific Innovations Ltd. Real time sizing tool using generic modeling of energy storage system
EP4099036B1 (de) 2021-05-31 2023-10-04 Novum engineerING GmbH Simulation eines leistungsverhaltens eines energiespeichers
DE102021210298A1 (de) 2021-09-16 2023-03-16 Heimdalytics GmbH Batteriemesssystem
DE102021125478B4 (de) * 2021-09-30 2023-11-02 TWAICE Technologies GmbH Bestimmung eines alterungswerts für batterien mit strom-spannungs-zeitreihen in zeitdomäne und belastungsdomäne
WO2023059652A1 (en) 2021-10-04 2023-04-13 Zitara Technologies, Inc. System and method for battery management
DE102021213057A1 (de) 2021-11-19 2023-05-25 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren zum Betreiben einer Nutzerschnittstelle zum Auswählen einer Ladestrategie für eine Gerätebatterie und zum Betrieb der Gerätebatterie sowie eine Nutzerschnittstelle
EP4184189A1 (de) * 2021-11-23 2023-05-24 Siemens Aktiengesellschaft Computergestütztes verfahren zum bestimmen eines kapazitätsverlusts eines batteriespeichers, computerprogrammprodukt und batteriespeicher
WO2023107710A2 (en) 2021-12-09 2023-06-15 Zitara Technologies, Inc. System and method for determining a battery condition
US20230195846A1 (en) * 2021-12-22 2023-06-22 Arm Limited Forecast revision
DE102022202084A1 (de) 2022-03-01 2023-09-07 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren und Vorrichtung zum Anpassen von Modellparametern eines elektrochemischen Batteriemodells einer Gerätebatterie während eines Ladevorgangs
US20240160171A1 (en) * 2022-11-14 2024-05-16 Fluence Energy, Llc Systems and methods for managing capacity of an energy storage system

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102009006461A1 (de) * 2009-01-28 2009-09-24 Daimler Ag Verfahren zur Ermittlung von Beanspruchungsdaten einer Batterie, insbesondere einer Fahrzeugbatterie
KR102177721B1 (ko) * 2014-03-20 2020-11-11 현대모비스 주식회사 배터리팩 열화 상태 추정 장치 및 방법
EP3159708B1 (de) * 2015-10-19 2022-05-04 Robert Bosch GmbH Verfahren zum bestimmen eines alterungszustandes einer batterie, verfahren zum steuern einer batterie und betriebsvorrichtung
DE102016107528A1 (de) * 2016-04-22 2017-10-26 CTC cartech company GmbH Verfahren und System zur Bewertung einer elektrochemischen Speichereinheit
US11691518B2 (en) * 2017-07-21 2023-07-04 Quantumscape Battery, Inc. Predictive model for estimating battery states
AU2018331966B2 (en) * 2017-09-14 2023-10-26 Abb Schweiz Ag Method and system for controlling a rechargeable battery
CN108279383B (zh) * 2017-11-30 2020-07-03 深圳市科列技术股份有限公司 电池寿命预测方法、电池数据服务器及电池数据处理系统

Also Published As

Publication number Publication date
DE102019111979A1 (de) 2020-11-12
WO2020224724A1 (de) 2020-11-12
EP3966579A1 (de) 2022-03-16
US20220239122A1 (en) 2022-07-28

Similar Documents

Publication Publication Date Title
CN114072684A (zh) 在服务器侧表征能重复充电的电池
Chen et al. A new state-of-health estimation method for lithium-ion batteries through the intrinsic relationship between ohmic internal resistance and capacity
Dong et al. Dynamic Bayesian network-based lithium-ion battery health prognosis for electric vehicles
Hentunen et al. Time-domain parameter extraction method for thévenin-equivalent circuit battery models
KR102215450B1 (ko) 배터리의 상태 정보를 학습 및 추정하는 장치 및 방법
KR102343967B1 (ko) 배터리의 상태를 추정하는 방법 및 장치
US20200150185A1 (en) Method for approximating algorithms for fast charging li-ion batteries based on electrochemical battery models
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
US20190346513A1 (en) Determining a state of health of a battery and providing an alert
US10830821B2 (en) Methods and apparatus for battery power and energy availability prediction
US20090109046A1 (en) Adaptive Filter Algorithm for Estimating Battery State-of-Age
JP7497432B2 (ja) バッテリー性能予測
CN101535827A (zh) 用于在电池非平衡时确定电池的荷电状态的设备和方法
CN104956233A (zh) 电池状态推断装置
US20210173012A1 (en) Method and system for estimation of open circuit voltage of a battery cell
CN113189495B (zh) 一种电池健康状态的预测方法、装置及电子设备
CN113728242A (zh) 对可充电电池中的析锂进行表征
Zhang et al. Battery state estimation with a self-evolving electrochemical ageing model
US20220373609A1 (en) State Value for Rechargeable Batteries
Li et al. Real-time estimation of lead-acid battery parameters: A dynamic data-driven approach
CN105634051A (zh) 电池余量预测装置以及电池组
US11515578B2 (en) Apparatus and application for predicting performance of battery
CN110806540B (zh) 电芯测试数据处理方法、装置、系统和存储介质
CN116047300A (zh) 用以预测电池的特性参数的控制器及其方法
US20220166075A1 (en) Method for Enhancing a Battery Module Model of a Battery Module Type

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