CN114312479A - 机器特定地改善电池驱动机器中电池使用寿命的方法和装置 - Google Patents

Abstract

本发明涉及一种用于运行具有电池驱动的机器（4）的系统的计算机实现的方法，所述机器具有电池（41），所述方法具有以下步骤：‑连续提供（S1）所述电池（41）的运行变量；‑根据所提供的运行变量（F）的变化过程确定当前评估时间段的运行特征（M），其中所述运行特征（M）表征所述电池（41）在所述评估时间段内的使用；‑借助于老化状态模型确定（S5）一个或多个最大化压力的运行特征（M），向所述运行特征分配了所述电池（41）的对所述电池（41）的老化具有最强影响的压力因素；‑根据所确定的压力因素发信号通知（S13）在所述机器（4）中的措施。

Description

机器特定地改善电池驱动机器中电池使用寿命的方法和装置

技术领域

本发明涉及电池驱动的机器，特别是电动车辆或混合动力车辆，并且还涉及具有用于延长电池使用寿命的功能的管理方法和管理系统。

背景技术

电池驱动的机器的能量供应借助于电储能器，通常使用电池来进行。电池的老化状态在其使用寿命过程中显著变化，这引起存储容量的下降。老化程度取决于从电池使用的类型得出的压力因素。电池的个体负载取决于机器类型和/或用户的使用行为，并且对应地对老化状态的变化过程具有机器特定的影响。

用户感兴趣的变量是电池的剩余使用寿命，所述剩余使用寿命可以从当前老化状态中确定。这些说明使得用户能够长期规划电池的更换。

此外，虽然制造商对电池给出了使用寿命保证，但由于对应的电池使用压力，可能无法遵守所述使用寿命保证。

因此期望的是，如果可以识别出特殊的压力因素或如果必要时可以预见到不遵守使用寿命保证，则影响电池的使用以提高电池的使用寿命。

发明内容

根据本发明，设置了根据权利要求1的用于运行具有电池驱动的机器的系统以及用于提供机器特定地延长机器电池的使用寿命的措施的方法，所述机器具有电池，并且设置了根据并列独立权利要求的装置和具有中央单元和大量机器的系统。

在从属权利要求中说明了其他设计。

根据第一方面，设置了一种用于运行具有电池驱动的机器的系统的计算机实现的方法，所述机器具有电池，所述方法具有以下步骤：

-连续提供所述电池的运行变量；

-根据所提供的运行变量的变化过程确定当前评估时间段的运行特征或使用模式，其中所述运行特征表征所述电池在所述评估时间段内的使用；

-借助于老化状态模型确定一个或多个最大化压力的运行特征或使用模式，向所述运行特征或使用模式分配了所述电池的对所述电池的老化具有最强影响的压力因素；

-根据所确定的压力因素发信号通知在所述机器中的措施。

电池的老化状态通常不是直接测量的。这需要电池中的一系列传感器，这些传感器会使得这种电池的制造耗费并且会增加空间需求。此外，用于在机器中确定老化状态的汽车兼容方法尚未用于真实运行。因此，当前老化状态通常是借助于机器中的物理或经验老化模型来确定的。该物理老化状态模型在最坏情况下具有超过5%的模型偏差。由于物理老化模型的不准确，该物理老化模型也只能说明电池的瞬时老化状态。老化状态的预测特别是取决于电池的运行方式（例如取决于电荷流入和电荷流出的大小和数量）并且因而取决于运行行为和机器参数，从而会导致非常不准确的预测并且目前并未在机器中设置。

老化状态（SOH：State of Health）是用于说明剩余电池容量或剩余电池电荷的关键变量。老化状态可以作为容量保持率（Capacity Retention Rate，SOH-C）或作为内阻增加（SOH-R）来加以说明。容量保持率SOH-C作为测量的瞬时容量与完全充满的电池的初始容量的比值加以说明。内阻的相对变化SOH-R随着电池老化的增加而上升。

上述方法使用基于中央单元中的基于数据或混合（物理+基于数据）的老化状态模型对电储能器的老化状态进行的用户和机器特定的预测。可以借助于所评估的批量数据来创建该老化状态模型。

上述方法规定，根据所述机器的用户特定的运行确定对所述电池的老化具有最大影响的压力因素。由此可以根据所述压力因素确定可以尽可能减缓所述电池的老化的措施，以由此用尽可能少并且因而用户更可接受的限制来延长所述电池的剩余使用寿命。

本说明书意义上的压力因素给电池带来压力，并导致所述电池老化得更厉害。运行特征确定了代表典型的机器特定行为（例如早上的频繁快速充电）的使用模式。压力因素从所述使用模式中导出，即在该示例中是：低温下的高电流，这导致LI电镀并由此导致老化。因此，压力因素基于对老化的已知影响链。

原则上可以通过预测电池的老化状态，特别是借助于合适的基于批量数据的基于数据的老化状态模型来确定何时达到老化状态的目标值或达到为零的剩余使用寿命。这可以向用户发信号通知以促使该用户更换电池。关于剩余使用寿命的说明也有助于确定是否对应于制造商说明遵守了所保证的电池总使用寿命。

特别地，困难在于预给定对电池使用寿命的保证而没有考虑用户特定的压力因素。从而用户可以通过不同的使用对电池施加或多或少的压力，由此显著影响了电池的老化。从而只能有保留地给出诸如在特定时间段（例如八年）内老化状态降低到安装时刻容量的80%的预给定的保证。

上述方法使得可以通过提供特定的措施来延长电池的使用寿命。特别地，可以向用户建议适用于延长电池的使用寿命的措施。此外，存在将电池的保证承诺与措施建议的遵守绑定的可能性。

所述措施建议是在考虑用户的典型使用模式的条件下对应于以下压力因素的选择而建议的，所述压力因素的变化可能对老化状态的变化具有最大的影响。从而这使得可以温和地干预用户的使用习惯，因为这些措施仅涉及用户的使用模式或使用习惯的一个或几个方面。由此可以特别好地接受所建议的措施。

典型的使用模式是通过批量分析得出和评估的。一个或多个最大化压力的运行特征的确定在机器外部的中央单元中进行，在所述中央单元中实现所述老化状态模型，所述老化状态模型特别是基于大量机器的批量数据而创建的。

此外，可以将一个或多个最大化压力的运行特征的目标值确定为一个或多个最大化压力的运行特征的以下值，在该值的情况下如果运行特征的变化过程保持不变则电池的老化保证恰好仍然达到电池的预给定最小使用寿命。

特别地，可以根据所确定的一个或多个最大化压力的运行特征和所述一个或多个最大化压力的运行特征的相应目标值来分配要发信号通知的措施。

可以规定，所述一个或多个最大化压力的运行特征的确定仅考虑分配给措施接受集合中的措施的那些运行特征，其中从措施接受集合中去除发信号通知的未被用户实施一次或多次的措施。

此外，所述一个或多个最大化压力的运行特征的确定可以通过以下方式执行，即，借助于所述老化状态模型来确定老化状态在所述运行特征上的归一化梯度，其中选择归一化梯度最高的运行特征作为最大化压力的运行特征。

此外，可以将特定机器的电池的运行变量传送到机器外部的中央单元，其中确定当前评估时间段的运行特征和确定一个或多个最大化压力的运行特征的步骤在所述中央单元中执行，其中将所述一个或多个最大化压力的运行特征传送到所述特定机器。

根据另一方面，设置了一种用于运行具有电池的电池驱动的机器的装置，其中所述装置被构造为：

-连续提供所述电池的运行变量；

-根据所提供的运行变量的变化过程确定当前评估时间段的运行特征，其中所述运行特征表征所述电池在所述评估时间段内的使用；

-借助于老化状态模型确定一个或多个最大化压力的运行特征，向所述运行特征分配了所述电池的对所述电池的老化具有最强影响的压力因素；

-根据所确定的压力因素发信号通知在所述机器中的措施。

根据另一方面，设置了一种具有中央处理单元和大量机器的系统，其中每个机器包括上述装置。

可以规定，所述中央单元被构造为执行运行特征的确定和所述一个或多个最大化压力的运行特征的确定。

附图说明

下面基于附图更详细地解释实施方式。其中：

图1示出了用于基于批量数据提供车辆电池的驾驶员和车辆特定的负载变量的系统的示意图；

图2示出了混合老化状态模型的功能结构的示意图；

图3示出了说明用于用信号通知运行机动车辆的措施的方法的流程图；以及

图4示出了在不同频率的快速充电循环时的老化状态的变化过程的图示，以确定在优化驾驶员接受度的同时延长车辆电池的使用寿命的措施。

具体实施方式

下面基于在作为电池驱动机器的大量机动车辆中以车辆电池作为电池来描述根据本发明的方法。在这些机动车辆中，可以在控制单元中为相应的车辆电池实现基于数据的老化状态模型。可以在中央单元中连续地基于来自车队的车辆电池的运行变量来更新或再训练所述老化状态模型。

上面的示例代表了大量具有独立于电网的能量供应的固定或移动电池驱动机器，例如车辆（电动车辆、电动助力车等）、设施、机床、家用电器、IOT设备、建筑能量供应装置、特别是无人机的飞行器、自主机器人和特别是移动电话的娱乐电子设备等等，它们经由对应的通信连接（例如LAN、互联网）与中央单元（云）连接。

图1示出了用于在中央单元2中收集车队数据以创建老化状态模型的系统1。所述老化状态模型用于确定机动车辆中的电储能器的老化状态。图1示出了具有多个机动车辆4的车队3。

在图1中更详细地示出了机动车辆4之一。每个机动车辆4都具有作为可再充电的电储能器的车辆电池41、电驱动马达42和控制单元43。控制单元43与通信模块44连接，该通信模块适合于在相应的机动车辆4和中央单元2（所谓的云）之间传输数据。

机动车辆4将运行变量F发送到中央单元2，所述运行变量至少说明车辆电池的老化状态所依赖的变量。在车辆电池的情况下，运行变量F可以说明瞬时电池电流、瞬时电池电压、瞬时电池温度和瞬时充电状态（SOC：State of Charge），以及电池包层面、模块层面和/或电池单元层面。运行变量F以2Hz到100Hz的快速时间栅格被检测并且可以以未压缩和/或压缩的形式定期地传输到中央单元2。例如，时间序列可以以10分钟到多个小时的间隔成块地传输到中央单元2。

可以在中央单元2中或在其他实施方式的情况下在相应的机动车辆4中就已经从运行变量F生成涉及评估时间段的运行特征。为了确定老化状态，所述评估时间段可以是几个小时（例如6小时）到多周（例如一个月）。所述评估时间段的常用值为一周。

运行特征可以包括例如涉及评估时间段的特征和/或累积的特征和/或在整个迄今为止的使用寿命期间确定的统计变量。特别地，所述运行特征例如可以包括：电化学状态（层厚、浓度、可环化锂等）、关于充电状态变化过程、温度、电池电压、电池电流的直方图数据（特别是涉及关于充电状态的电池温度分布、关于温度的充电电流分布和/或关于温度的放电电流分布的直方图数据）、累积的总电荷(Ah)、充电过程（特别是对于电荷增加高于总电池容量的一定阈值份额（例如20%）的充电过程而言）中的平均容量增加、最大微分容量（dQ/dU：电荷变化除以电池电压变化）等。

可以从表征驾驶员的运行行为的个体运行特征中获得其他说明：诸如充电周期和行驶周期的时间负载模式——由使用模式（例如在大电流强度时的快速充电或强加速或带回收的制动过程）确定、车辆电池的使用时间、运行时间期间累积的电荷和运行时间期间累积的放电、最大充电电流、最大放电电流、充电频率、平均充电电流、平均放电电流、充电和放电时的功率吞吐量、（特别是平均）充电温度、充电状态的（特别是平均）分散度等。

所述运行变量以以下方式给定，即可以在未来时刻通过已知的基于数据的外推方法（例如自回归模型，例如ARMA或ARIMA模型）来更新所述运行变量并且由此可以用于预测所预测的老化状态，所述已知的基于数据的外推方法对负载的趋势和周期性进行建模。

附加地，可以将环境变量作为所述运行变量的一部分发送到中央单元2或在那里检测或确定环境变量，其中所述环境变量说明了关于机动车辆4的环境和/或机动车辆4环境的交通和/或天气状况的信息。所述环境变量可以包括以下变量中的一个或多个：交通数据、关于预测的行驶路线上的交通量的说明、天气数据和所述机动车辆的位置。

可以在中央单元2中实现老化状态模型，该老化状态模型特别是基于数据的或者被构造为具有物理模型和基于数据的校正模型的混合老化状态模型。所述老化状态模型可以定期地，即在相应的评估持续时间结束后用于基于运行变量和/或运行特征确定车辆电池41的瞬时老化状态。换句话说，可以基于从车队3的机动车辆4之一的运行变量变化过程得出的运行特征来确定所涉及车辆电池41的老化状态。

此外，运行特征可以例如通过线性或非线性外推或借助于预测模型确定车辆电池41的未来老化状态。运行变量，即电池电流、电池电压、充电状态和电池温度的变化过程也可以用作预测模型的输入变量并且对应地被外推。

此外，可以从所述运行特征中识别出评估时间段的压力因素，每个压力因素都会对车辆电池造成特定的负载，例如快速充电循环的数量、由于高车辆加速度或高车速导致的高放电电流、低温和高温时的高电流负载、频繁放电至放电结束电压（例如20%的低SoC）以及其他代表高负载并可能导致车辆电池41快速老化的压力因素。

可以基于车队3中车辆4的车辆电池41的详细测量来训练中央单元2中的老化状态模型。为此，通过确定相应车辆电池41的实际老化状态来实现用于所述老化状态模型的训练数据。例如，容量保持率（SOH-C）可以通过测量电池在从完全放电状态到完全充电状态的充电循环期间的总电荷消耗来加以确定。因此，在中央单元2中存在基于数据的老化模型可用，该基于数据的老化模型适用于确定车队3中机动车辆4的车辆电池41的实际老化状态，并且适用于通过更新未来评估时间段中的运行特征来预测老化状态。

图2以示例的方式示意性地示出了以混合方式构建的基于数据的老化状态模型9的实施方式的功能结构。老化状态模型9包括物理老化模型5和校正模型6。它们从特征提取块8基于运行变量F的时间序列获得当前评估时间段的运行特征M。替代地，运行变量F也可以直接进入物理老化状态模型5，该物理老化状态模型优选实施为电化学模型并且借助于非线性微分方程描述对应的电化学状态，如活性材料的层厚、由于阳极/阴极副反应引起的可环化锂的变化、电解质的缓慢消耗而导致固体电解质界面（SEI边界层）的构建、阳极活性材料的损失、阴极活性材料的损失等。

物理老化模型5对应于电池单元和电池单元化学的电化学模型。该模型根据运行特征M确定内部物理电池状态，以便以容量保持率(SOH-C)的形式和/或作为内阻增加率(SOH-R)来提供基于物理的老化状态。

然而，老化状态SOH的通过所述电化学模型提供的模型值在特定状况下是不准确的，并且因此规定使用校正变量k来校正这些模型值。校正变量k由基于数据的校正模型6提供，该校正模型借助于来自车队3的车辆4的训练数据集加以训练。

为了确定经过校正的老化状态SOH_m，物理老化模型5和优选实施为高斯过程模型的校正模型6的输出SOH，k相互加载。特别地，这些输出可以在求和块7中相加或相乘（未示出），以获得在当前评估时间段的经过校正的老化状态SOH_m。

所述基于数据的老化状态模型的其他设计同样是可能的，例如所述基于数据的老化状态模型可以被构造为基于概率回归模型或基于人工智能的回归模型（特别是高斯过程模型，或贝叶斯神经网络）的非混合、纯基于数据的模型。所述基于数据的老化状态模型被训练为从通过当前评估时间段的当前运行特征M确定的运行特征点提供老化状态SOH，其中在特征提取块8中基于运行变量F的时间序列确定所述运行特征。

图3示出了说明用于确定延长车辆电池使用寿命的措施的方法的流程图，所述措施特别是有助于在已经受压的车辆电池41中实现预给定的额定使用寿命的措施。

可以在中央单元2中为车队3的每个机动车辆4执行该方法。替代地，如果在机动车辆4中实现老化状态模型，则该方法也可以在机动车辆4中执行。为此，向中央单元2给出每个评估时间段的运行变量的时间序列以及机动车辆4的车辆电池41的老化状态的对应变化过程。替代地，如果在机动车辆4中设置了对应的老化状态模型，则也可以在所述机动车辆中执行下面描述的方法。

在步骤S1中，在当前评估时间段内从特定的车辆4接收运行变量F。可以从存储在中央单元2中的运行变量F的时间序列中提取运行特征。借助于所述老化状态模型，可以基于所述运行特征和最近确定的老化状态来确定车辆电池41的当前老化状态。

在步骤S2中检查是否已经达到额定老化状态，该额定老化状态对应于车辆电池41的使用寿命结束。所述额定老化状态例如可以是80%的SOH-C。该说明对应于在投入运行时刻（寿命开始）可用的电池容量的80％的车辆电池41容量。如果在当前时间步长中识别出当前老化状态说明车辆电池41的更高剩余容量（二选一：否），则该方法继续步骤S3。如果在步骤S2中确定已经达到或低于额定老化状态（二选一：是），则该方法结束。

在步骤S3中，为未来的评估时间段预测老化状态的变化过程。这可以借助于基于数据的老化状态模型来执行，例如通过外推运行变量和/或运行特征或以其他方式预测运行特征的发展以及分别基于在前一时间步长达到的老化状态为后续的未来评估时间段连续计算老化状态。此外，同样可以根据季节来考虑未来的评估时间段的环境变量，特别是在涉及电池温度的预测方面。

同样可以想到基于运行变量的时间变化过程来预测老化状态变化过程的其他方法，例如通过将车辆电池的老化状态的过去变化过程与车队3的其他车辆4的记录在中央单元2中的老化变化过程进行比较，所述其他车辆的车辆电池41已经达到使用寿命结束。

所述预测例如可以一直执行到达到说明车辆电池41的使用寿命结束的标准为止。例如，在每次计算出后续评估时间段的老化状态后，可以借助于一种标准来检查电池容量是否大于初始电池容量的80%。

在步骤S4中，基于老化状态的预测的变化过程来检查在车辆电池41的预给定最小使用寿命到期之前是否达到预给定的额定老化状态。所述最小使用寿命与所述额定老化状态一起说明了可以合理地使用车辆电池41的时间段。例如，通用的预给定对应于最早在八年后达到初始容量的80%的额定老化状态。该检查可以从车辆电池41的当前年龄与直到达到额定老化状态的评估时间段数量之总和来确定车辆电池41的总使用寿命。

如果在步骤S4中确定未达到最小使用寿命（二选一：是），则该方法继续步骤S5，否则（二选一：否）跳回到步骤S1，并且不需要对驾驶员给出操作建议。

在步骤S5中，通过分析老化状态模型来识别导致车辆电池41老化的压力因素。

使用所述老化模型可以评估压力因素对特定电池老化具有哪些影响。这允许制定优化问题，以适配或优化涉及其压力因素的使用模式，从而实现期望的老化行为。例如，这种压力因素可以是快速充电循环的数量、高温下的大电流、非常高充电状态（>最大充电状态的80%）或非常低充电状态（<最大充电状态的20%）时的充电和放电循环的数量等。这些压力因素可以通过考虑从运行变量中导出的一个或多个运行特征来得到。

压力因素在投入运行前从实验室测量已知。然而，也可以基于运行特征将从批量数据中出现的关于老化迹象加强的显眼情况识别为对应的压力因素。压力因素直接从所述老化模型中得到，即例如从混合老化状态模型中校正模型（高斯过程）的运行特性中得到。

压力因素通常以运行特征之一为特征。换句话说，压力因素是使电池加强老化的运行特征。

在步骤S6中确定影响最大的压力因素。这可以借助于所述老化模型通过求解优化问题来进行，即例如通过根据确定所述压力因素的每个运行特征来导出老化状态的变化过程。老化状态的时间变化与确定压力因素的运行特征的时间变化之商越大，分配给相应运行变量的压力因素的影响就越大。在选择压力因素时可以规定，仅考虑存在于压力因素接受集合中的那些压力因素。如下文更详细描述的，如果分配给压力因素的措施已通过驾驶员的行为考虑一次、多次或仅部分考虑，则可以从接受集合中排除这些压力因素以选择影响力最大的压力因素。

可以使用所述老化状态模型来评估压力因素对车辆电池41老化的影响。替代地，在压力因素从实验室测量中已知的情况下可以确定对老化行为的影响强度。这可以通过加权因子或分类（强/中/弱）来进行。

例如，频繁的快速充电可能是一种压力因素。该压力因素对车辆电池41老化的影响可以基于模型地加以确定，例如使用混合老化模型来加以确定。替代地，该压力因素对车辆电池41老化的影响可以通过评估时间段内老化状态的变化与该评估时间段内快速充电的频率之商来加以确定。

在步骤S7中，可以为所确定的影响力最大的压力因素分配分配给所涉及压力因素的最大化压力的运行特征的测试值，所述测试值优选地对应于所涉及的最大化压力的运行特征的最佳可能值。所涉及的最大化压力的运行特征的最佳可能值对应于在针对车辆电池老化的运行特征方面最温和的值。

现在，在步骤S8中对应于步骤S1和S2中的过程基于以下假设对老化状态的变化过程进行预测，即，在针对未来的评估时间段保持和更新其余运行特征的情况下，最大化压力的运行特征采取所述测试值，并且确定达到或低于所述额定老化状态的持续时间。

在步骤S9中如下检查由此得到的剩余使用寿命或总使用寿命：即是否达到车辆电池41的最小使用寿命。如果在步骤S9中确定不再达到最小使用寿命（二选一：否），则该方法继续步骤S11，否则（二选一：是）在步骤S10中通过优化使用模式来递增所述测试值并且因此借助于所述老化模型隐含地朝着使车辆电池41经历更高老化负载的方向改变所述压力因素，并且该方法继续步骤S8。在频率的情况下，将增量选择为整数，而在电变量的情况下，将增量的绝对值选择得足够小，使得为了推荐一种措施而足够精确地确定最大化压力的运行特征的程度是可能的。

在步骤S11中，检查所述测试值是否对应于初始假定的测试值。如果是这种情况（二选一：是），则确定不再能够达到车辆电池41的最小使用寿命，并且该方法结束。否则（二选一：否）该方法继续步骤S12。

在步骤S12中，所述测试值对应于通过对应地选择所涉及的最大化压力的运行特征而恰好不再达到车辆电池41的最小使用寿命的值。因此，最大化压力的运行特征的值对应地朝着车辆电池41的更小负载的方向递增地改变（对应于上面选择的增量绝对值），以获得运行特征的目标值。

在步骤S13中，现在借助于分配模型将措施分配给所涉及的最大化压力的运行特征及其目标值，并且将该措施发信号通知给机动车辆的驾驶员。

通过这种方式可以始终向驾驶员建议影响力最大的措施以延长车辆电池41的使用寿命。由此例如可以向在高电池温度下频繁地在快速充电站为其车辆电池41充电的驾驶员建议减少快速充电过程来作为措施，而不是通过限制电流来减小功率，因为该驾驶员主要在城市交通中开车。例如，在图4中作为快速充电频率SLZ的压力因素示例性地针对不同的频率示出了车辆电池41的老化状态SOH的变化过程。在此示出了用于从在当前时刻T_akt达到的SOH值出发通过增加快速充电频率的测试值来确定达到预给定的最小使用寿命所需要的快速充电循环SLZ数量的过程。在这里，从每月10个快速充电循环减少到2个快速充电循环是给驾驶员的操作建议，因为由此可以达到最小使用寿命。

在相反的情况下，其中驾驶员主要以高速和高电池温度在高速公路上行驶并且由此车辆电池41老化得更快，可以向该驾驶员建议减小功率，因为这是对电池老化的最大影响因素，而不是减少驾驶员很少进行的快速充电循环。

虽然压力因素可以涉及运行特征或由运行特征导出的变量，例如运行特征梯度或运行变量积分，但这些措施可以直接影响运行特征的变化，并由此减小由于对应的压力因素而导致的车辆电池老化。从而快速充电过程的频率例如通过措施建议可以直接与快速充电循环数量的减少相关联。但是，如果确定压力因素是车辆电池通常在非常高的温度下充电，则建议的措施可以是将充电时间更改为夜间的时间段。

代替向驾驶员发信号通知措施，这些措施必要时可以在车辆中自动实施，例如通过限制充电过程时的电流消耗或限制最大放电电流。

在步骤S14中可以针对先前的评估时间段和先前的措施确定驾驶员是否没有考虑或仅部分考虑在步骤S13中分别建议的措施。这可以通过将分配给所建议的措施的运行特征与为此确定的该运行特征的目标值进行比较来进行。如果在随后的评估时间段中一次或多次确定发信号通知朝着对应目标值的方向适配所述运行特征的措施没有导致达到所述目标值（二选一：是），则在步骤S15中可以从接受集合中减少分配给所述运行特征的压力因素，使得不再向驾驶员建议对应的措施。否则该方法继续步骤S1。

通过上述过程特别是实现了：向仅部分考虑所建议的措施的驾驶员（即如上例中所示，快速充电循环并没有减少到两个，而是每个月只减少到四个快速充电循环SLZ）提供其他措施，以便可以实现达到最小使用寿命的目标。因此，多种措施的组合同样可以导致目标，其中考虑驾驶员对各种措施的接受度。

特别地，只有在多次确定发信号通知朝着对应目标值的方向适配所述运行特征的措施没有导致达到所述目标值之后，才能从接受集合中减少分配给所述运行特征的压力因素。如果驾驶员仅部分遵循建议，例如“减少快速充电循环”，则必要时可以在下一个时间段内向驾驶员提供其他相同的建议，即还是进一步减少快速充电循环的数量，实际上激励驾驶员更加注意电池地操作。相反，在下一个时间段内向驾驶员提供的还进一步减少快速充电循环的数量的其他建议大概率不被驾驶员接受，如果他事先完全忽视了该建议的话。因此，作为下一个措施，可以提供基于下一个影响力最大或影响力第二大的压力因素的建议，使得驾驶员可以在其接受范围内实施对延长车辆电池使用寿命的影响最大的对应措施。

Claims (13)

1.用于运行具有电池驱动的机器（4）的系统的计算机实现的方法，所述机器具有电池（41），所述方法具有以下步骤：

-连续提供（S1）所述电池（41）的运行变量；

-根据所提供的运行变量（F）的变化过程确定当前评估时间段的运行特征（M），其中所述运行特征（M）表征所述电池（41）在所述评估时间段内的使用；

-借助于老化状态模型确定（S5）一个或多个最大化压力的运行特征（M），向所述运行特征分配了所述电池（41）的对所述电池（41）的老化具有最强影响的压力因素；

-根据所确定的压力因素发信号通知（S13）在所述机器（4）中的措施。

2.根据权利要求1所述的方法，其中所述运行特征（M）的确定和/或所述一个或多个最大化压力的运行特征（M）的确定在机器外部的中央单元（2）中进行，在所述中央单元中实现所述老化状态模型，所述老化状态模型特别是基于大量机器（4）的批量数据而创建的。

3.根据权利要求1或2所述的方法，其中将所述一个或多个最大化压力的运行特征（M）的目标值确定为所述一个或多个最大化压力的运行特征（M）的以下值，在该值的情况下如果所述运行特征（M）的变化过程保持不变则所述电池（41）的老化保证恰好仍然达到所述电池（41）的预给定最小使用寿命。

4.根据权利要求3所述的方法，其中根据所确定的一个或多个最大化压力的运行特征（M）和相应的目标值来分配要发信号通知的措施。

5.根据权利要求1至4中任一项所述的方法，其中所述一个或多个最大化压力的运行特征的确定仅考虑分配给措施接受集合中的措施的那些运行特征（M），其中从措施接受集合中去除发信号通知的未被用户实施一次或多次的措施。

6.根据权利要求1至5中任一项所述的方法，其中所述一个或多个最大化压力的运行特征的确定通过以下方式执行，即，借助于所述老化状态模型来确定所述老化状态在所述运行特征（M）上的归一化梯度，其中选择归一化梯度最高的运行特征（M）作为最大化压力的运行特征。

7.根据权利要求1至6中任一项所述的方法，其中将特定机器（4）的电池的运行变量（F）传送到机器外部的中央单元（2），其中确定当前评估时间段的运行特征（M）和确定一个或多个最大化压力的运行特征的步骤在所述中央单元（2）中执行，其中将所述一个或多个最大化压力的运行特征（M）传送到所述特定机器（4）。

8.根据权利要求1至7中任一项所述的方法，其中所述电池驱动的机器（4）是机动车辆、电动助力车、特别是无人机的飞行器、机床、诸如移动电话的娱乐电子设备、自主机器人和/或家用电器。

9.用于运行具有电池（41）的电池驱动的机器（4）的装置，其中所述装置被构造为：

-连续提供所述电池（41）的运行变量；

-根据所提供的运行变量的变化过程确定当前评估时间段的运行特征，其中所述运行特征表征所述电池（41）在所述评估时间段内的使用；

-借助于老化状态模型确定一个或多个最大化压力的运行特征，向所述运行特征分配了所述电池（41）的对所述电池（41）的老化具有最强影响的压力因素；

-根据所确定的压力因素发信号通知在所述机器（4）中的措施。

10.具有中央单元和大量机器（4）的系统，其中每个机器（4）包括根据权利要求9所述的装置。

11.根据权利要求10所述的系统，其中所述中央单元（2）被构造为执行运行特征（M）的确定和一个或多个最大化压力的运行特征（M）的确定。

12.包括指令的计算机程序产品，当所述程序由至少一个数据处理装置执行时，所述指令促使所述至少一个数据处理装置执行根据权利要求1至8中任一项所述的方法的步骤。

13.机器可读存储介质，包括指令，所述指令当由至少一个数据处理装置执行时促使所述至少一个数据处理装置执行根据权利要求1至8中任一项所述的方法的步骤。

Images