CN114325441A - 特定于设备地确定基于内阻的电池老化状态的方法和设备 - Google Patents

Abstract

本发明涉及一种用于确定设备中电池的基于内阻的老化状态的方法，具有以下步骤：借助于混合老化状态模型确定基于内阻的老化状态，其中混合老化状态模型包括物理老化模型和校正模型，其中物理老化模型基于电化学电池模型被构造为提供取决于电池的一个或多个运行变量的物理老化状态，其中以基于数据的方式将校正模型构造为将从一个或多个运行变量中导出的运行特征映射为校正变量，其中向物理老化状态施加校正变量以确定基于内阻的老化状态；借助于根据物理老化模型的内部状态和根据至少一个电池电流的变化过程建模的适配模型来确定建模的电池电压的变化过程，将建模的电池电压提供给物理老化模型，以根据建模的电池电压来确定物理老化状态。

Description

特定于设备地确定基于内阻的电池老化状态的方法和设备

技术领域

本发明涉及电池，特别是用于可电驱动机动车辆的电池，并且还涉及根据客户规范、制造商规范或设备规范基于内阻变化率确定老化状态的措施。

背景技术

可电驱动机动车辆通常通过车辆电池供应电能。车辆电池的老化状态在其使用寿命过程中显著减少，这导致最大存储容量下降。车辆电池的老化程度取决于车辆电池的各个负载。

在电池的情况下，老化状态是说明剩余电池容量或剩余电池电荷的关键变量。老化状态是电池自其投入运行（Begin of Life，寿命开始）以来的老化程度。可以将老化状态作为容量保持率（Capacity Retention Rate，SOHC）或根据变化率的内阻增加（SOHR）来说明。将容量保持率SOHC作为测量的瞬时容量与充满电的电池的初始容量的比值来说明。

内阻SOHR的相对变化随着电池的老化增加而增加。在确定依赖于内阻的老化状态时，规定了根据特定于电池的内阻值不同的方案来确定基于内阻的老化状态。因此，基于内阻的老化状态的说明明显取决于确定规则，这些确定规则可以特定于设备或特定于制造商地预给定。

发明内容

根据本发明，规定了根据权利要求1的用于确定电池的基于内阻的老化状态的方法和根据并列独立权利要求的对应设备。

在从属权利要求中说明了其他设计。

根据第一方面，规定了一种用于确定电池的基于内阻的老化状态的方法，具有以下步骤：

-借助于具有电化学老化模型和校正模型的混合老化状态模型确定基于内阻的老化状态，其中所述电化学老化模型被构造为提供取决于所述电池的一个或多个运行变量的物理老化状态，其中以基于数据的方式将所述校正模型构造为将从一个或多个运行变量中导出的运行特征映射为校正变量，其中向所述物理老化状态施加所述校正变量以确定基于内阻的老化状态，

-借助于根据所述物理老化模型的内部状态和根据至少一个电池电流的变化过程建模的适配模型来确定建模的电池电压的变化过程，

-将所述建模的电池电压提供给所述物理老化模型，以确定所述物理老化状态。

老化状态的确定可以基于电池的电子等效电路的内阻来进行。然而，电池的内阻特定于客户而不同地被定义，使得难以借助于相同的算法平台在这些不同定义上考虑基于内阻的老化状态。

可以借助于混合老化状态模型来确定电池的老化状态。所述混合老化状态规定了使用基于运行变量和电化学电池模型确定老化状态的物理老化模型。所述电化学电池模型基于一系列描述电化学平衡状态的微分方程来描述电池行为，并且通过大量内部状态表征电池状态。

此外，设置了基于数据的校正模型，该校正模型根据运行特征提供校正变量。所述运行特征是从电池的一个或多个运行变量的变化过程导出的，所述变化过程例如是电池电流的变化过程，以及特别是电池电压的变化过程、电池温度的变化过程和/或充电状态的变化过程。此外，可以基于物理老化模型的内部状态导出运行特征。所述校正变量被用于施加到所述物理老化状态以获得当前老化状态。

除了其他变量之外，电池的特征通常还在于电池的内阻，所述内阻是由为电池假设的等效电路得出的。取决于设备制造商以不同方式定义所述内阻的确定，使得基于此的老化状态说明明显取决于内阻确定的定义。

所述适配模型可以被构造为基于电子等效电路，根据电池电流变化过程基于微分方程来确定建模的电池电压的变化过程。

上述方法的思路是，除了运行变量外还向所述物理老化模型输送从适配模型中获得的建模的电池电压（建模的端子电压），所述建模的电池电压通过用电池等效电路的内阻值模拟运行变量而得出，所述内阻值是对应于特定于设备的定义而确定的。

可以规定，所述适配模型承担取决于至少一个内阻的建模的电池电压的变化过程，其中所述至少一个内阻由所述物理老化模型的一个或多个内部状态确定。

所述适配模型使用基于内阻及其在电池等效电路中的连接方式的简单电池模型，并根据确定所述内阻的方式来模拟对应的电池电压。例如，用于计算老化状态的内阻针对特定的恒定电流、在例如10秒的预给定持续时间内以及在例如T=25°C的特定电池温度时作为dU/dI预给定。这意味着在预给定的持续时间内在特定的恒定电流情况下确定特定的电压差，以确定对应的内阻。因此，对应于等效电路模型，确定内阻的类型代表对电池电压的影响，所述电池电压在所述老化状态模型中加以评估以确定所述老化状态。

因此，所述适配模型用于补偿电池内阻的不同类型的确定，使得可以始终使用混合老化状态模型的相同架构。

此外，为了使得所述老化状态模型能够为了确定内阻而考虑设备规范的说明在特定时间测量的电池老化状态的参考数据，可以基于所述参考数据来适配所述电化学老化模型，其方式是根据建模的老化状态与对应于所述参考数据的测量的老化状态之间的差异来适配所述物理老化模型的内部状态。

从而在测量老化状态时，可以根据建模的基于内阻的老化状态与测量的老化状态之间的差异来适配物理老化模型的内部状态中的至少一个。

此外可以规定，在存在足够的训练数据的情况下重新对基于数据的校正模型进行训练。

附图说明

下面基于附图更详细地解释实施方式。其中：

图1示出了说明用于确定特定于客户的基于内阻的老化状态的功能的框图；

图2示出了说明用于运行确定特定于客户的老化状态的老化状态模型的方法的流程图；以及

图3示出了电池的等效电路以说明内阻的互连。

具体实施方式

图1示出了老化状态模型1的示意框图，用于对应于一个或多个内阻的单独计算规范提供特定于设备的基于内阻的老化状态SOHR。

老化状态模型1以混合方式构建，并且基本上具有提供物理老化状态的物理老化模型2。为此使用电池的运行变量的变化过程，即电池电流I、电池电压U、电池温度T和充电状态SOC的变化过程作为输入变量。物理老化模型2被实施为电化学电池模型，并借助于微分方程来描述对应的电化学状态Z1、Z2、Z3...，例如层厚度（例如SEI厚度）、由于阳极/阴极副反应引起的可环化锂的变化、电解液快速消耗、电解液缓慢消耗、阳极中的活性材料损失、阴极中的活性材料损失等。物理老化模型2对应于电池运行变量的变化过程并根据内部电化学状态Z1、Z2、Z3...来说明物理老化状态SOHRph。

然而，由电化学模型提供的物理老化状态SOHR的模型值在特定状况下是不精确的，因此规定用校正变量k来校正所述模型值。为此设置了基于数据的校正模型3，该校正模型被构造为机器学习模型，例如高斯过程模型。校正模型3被训练为将运行特征M和物理老化状态SOHRph映射为校正变量k。

在校正块4中，用校正变量k来校正物理老化状态SOHRph，以输出基于内阻的老化状态SOHR。可以加法地、乘法地或以其他方式施加校正变量k。

在运行特征块中，从运行变量I、U、T、SOC以及老化模型2的内部电化学状态Z1、Z2、Z3...中导出运行特征M。

运行特征M与评估时间段有关。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）到几周（例如一个月）。所述评估时间段的常用值为一周。

所述运行特征可以包括例如与评估时间段相关的特征和/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，运行特征例如可以包括：电化学状态（层厚度、浓度、可环化锂、…）、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（特别是有关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）、累积总电荷(Ah)、充电过程中的平均容量增加（特别是对于电荷增加量高于总电池容量的一个阈值份额（例如20%）的充电过程而言）、最大微分容量（dQ/dU：电荷变化除以电池电压变化）等。

可以从运行特征中获得其他说明：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）确定的诸如充电周期和行驶周期的时间负载模式、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。

还设置了内阻确定块6，其从物理老化模型中检测内部状态Z1、Z2、Z3并根据合适的计算规则R1=f(Z1, Z2, Z3...) 和R2=g(Z1, Z2, Z3...)将这些内部状态换算为内阻R1和R2，所述内阻在所述电池的电子等效电路中表征所述电池。换算函数g()、f()可以作为参数化的多项式函数、作为基于数据的函数模型等设置。所述换算基于电阻R1、R2与状态Z1、Z2、Z3之间的关系是线性的假设。描述该线性关系的参数可以用训练数据予以拟合。

物理老化模型2被构造为获得电池的运行变量的变化过程，所述运行变量特别是电池电流、电池电压、电池温度以及当前充电状态。为了也将老化状态模型的结构用于老化状态SOHR的其他类型的计算，现在借助于适配模型7规定，对电池电压U_m进行建模，该电池电压考虑了对基于内阻的老化状态的变化了的计算。

为此，将在内阻块6中确定的内阻R1、R2输送到适配模型7，该适配模型包含基于电池的电子等效电路的电池模型。所述电池模型使用电池的电子等效电路的结构以根据运行变量I、U、T、SOC的变化过程并且根据当前老化状态SOHR对电池电压U_m的变化过程建模，所述电池电压代替所述运行变量中的测量的电池电压U（端子电压）。这种电池等效电路在图3中示意性地用理想的电压源V、内阻R1、R2和电容C示出。可以设置其他RC元件。由此运行物理老化模型2，使得确定对应于变化了的设备规范适配的物理老化状态SOHRph。

这使得可以将混合老化状态模型1用于对关于基于内阻的老化状态SOHR进行老化状态确定的各种要求。

如果从电池运行中获得老化状态的参考数据，则将所述参考数据用于适配物理老化模型的内部状态Z1、Z2、Z3...。参考数据对应于测量的老化状态，所述老化状态尽可能直接在其测量之后用于适配物理老化模型2。

物理老化模型2的适配对应地逐步进行

Z1←Z1+ε1∙(SOHR-SOHR_mess),

Z2←Z2+ε2∙(SOHR-SOHR_mess),

Z3←Z3+ε3∙(SOHR-SOHR_mess),

...

其中SOHR_mess对应于所述参考数据中测量的老化状态。ε₁、ε₂、ε₃对应于用于适配物理老化模型2的内部状态Z1、Z2、Z3...的权重和学习率。这通过内阻块6导致适配模型7中的内阻R1、R2也被改变，以使建模的电池电压U_m的计算与变化了的内阻R1、R2相适配。总的来说，内阻R1和R2是电化学老化模型的结果，补充了基于数据的模型校正。

下面基于图2的流程图更详细地描述用于运行老化状态模型1的方法。该方法在电池控制设备中执行并且在那里以硬件和/或软件实现。

在步骤S1中检测电池的运行变量I、T、SOC，即电池电流、电池温度以及当前充电状态。

在步骤S2中在适配模型7中使用这些运行变量，以确定建模的电池电压U_m。这是基于预给定的内阻R1、R2并借助于本身已知的电池模型的微分方程进行的，该电池模型可以将电池电流I、充电状态SOC以及电池温度T映射为电池电压U_m。

在步骤S3中将运行变量I、T、SOC、建模的电池电压U_m和当前老化状态SOHR输送给物理老化模型2。物理老化模型2借助于电化学微分方程来确定电池的平衡状态以对物理老化状态SOHRph建模。

此外，在步骤S4中在运行特征块5中从运行变量I、U、T、SOC生成运行特征，将这些运行特征输送给校正模型3。此外，将物理老化模型2的内部状态Z1、Z2、Z3输送到运行特征块5，所述内部状态同样用于确定运行特征。

根据所述运行特征以及物理老化状态SOHRph，在步骤S5中在校正模型3中确定校正变量k，所述校正变量在校正块4中被施加到物理老化状态SOHRph以获得当前老化状态SOHR。

在步骤S6中将当前老化状态SOHR提供给适配模型，以对应于当前老化状态连续地确定电池电压。

在步骤S7中，从内部状态Z1、Z2、Z3、...导出在适配模型7中用于对电池电压U_m建模的内阻R1和R2。

在步骤S8中，检查是否存在参考数据。所述参考数据包括在电池中测量的老化状态SOH_mess。如果测量的老化状态SOH_mess与当前老化状态SOHR的偏差超过预给定阈值（二选一：是），则该方法继续步骤S9，否则（二选一：否）跳转回到步骤S1。

在步骤S9中，对物理老化模型的内部状态Z1、Z2、Z3进行适配，特别是根据上述规则进行适配，然后该方法继续步骤S10。

在步骤S10中，例如基于阈值与训练数据集的数量的比较，检查是否有足够的训练数据可用于重新训练校正模型。如果是这种情况（二选一：是），则该方法继续步骤S11，否则跳转回到步骤S1。

在步骤S11中，用新的训练数据来更新或进一步训练校正模型3，其中所述训练数据包括在不同评估时间段的一系列训练数据集。这些训练数据集对应于将测量的老化状态分配给作为物理老化模型2的运行特征和内部状态的组合的运行特征点。然后跳转回到步骤S1。

Claims (10)

1.用于确定设备中电池的基于内阻的老化状态（SOHR）的方法，具有以下步骤：

-借助于混合老化状态模型（1）确定所述基于内阻的老化状态（SOHR），其中所述混合老化状态模型（1）包括物理老化模型（2）和校正模型，其中所述物理老化模型（2）基于电化学电池模型被构造为提供取决于所述电池的一个或多个运行变量（I、T、U、SOC）的物理老化状态（SOHRph），其中以基于数据的方式将所述校正模型（3）构造为将从一个或多个运行变量（I、T、U、SOC）中导出的运行特征映射为校正变量，其中向所述物理老化状态（SOHRph）施加所述校正变量（k）以确定所述基于内阻的老化状态，

-借助于根据所述物理老化模型（2）的内部状态和根据至少一个电池电流（I）的变化过程建模的适配模型（7）来确定建模的电池电压（U_m）的变化过程，

-将建模的电池电压（U_m）提供给所述物理老化模型（2），以根据所述建模的电池电压（U_m）来确定所述物理老化状态（SOHR）。

2.根据权利要求1所述的方法，其中，所述适配模型（7）被构造为基于电子等效电路，根据电池电流变化过程基于微分方程来确定所述建模的电池电压（U_m）的变化过程。

3.根据权利要求1或2所述的方法，其中，所述适配模型（7）承担取决于至少一个内阻（R1，R2）的建模的电池电压（U_m）的变化过程，其中所述至少一个内阻（R1，R2）由所述物理老化模型（2）的一个多个内部状态确定。

4.根据权利要求1至3中任一项所述的方法，其中，在测量老化状态时，根据所述建模的基于内阻的老化状态（SOHR）与测量的老化状态之间的差异来适配所述物理老化模型（2）的至少一个内部状态。

5.根据权利要求1至4中任一项所述的方法，其中，在存在足够的训练数据的情况下对基于数据的校正模型（3）进行训练。

6.根据权利要求1至5中任一项所述的方法，其中，所述方法在中央单元中执行，所述设备向所述中央单元提供所述运行变量的变化过程。

7.根据权利要求1至6中任一项所述的方法，其中，具有特定电池的所述设备对应于机动车辆、电动助力车、特别是无人机的飞机、机床、物联网设备、自主机器人和/或家用电器。

8.用于确定电池的基于内阻的老化状态的设备，具有以下步骤：

-借助于混合老化状态模型（1）确定所述基于内阻的老化状态（SOHR），其中所述混合老化状态模型（1）包括物理老化模型（2）和校正模型，其中所述物理老化模型（2）基于电化学电池模型被构造为提供取决于所述电池的一个或多个运行变量（I、T、U、SOC）的物理老化状态（SOHRph），其中以基于数据的方式将所述校正模型（3）构造为将从一个或多个运行变量（I、T、U、SOC）中导出的运行特征映射为校正变量，其中向所述物理老化状态（SOHRph）施加所述校正变量（k）以确定所述基于内阻的老化状态，

-借助于根据所述物理老化模型（2）的内部状态和根据至少一个电池电流（I）的变化过程建模的适配模型（7）来确定建模的电池电压（U_m）的变化过程，

-将建模的电池电压（U_m）提供给所述物理老化模型（2），以根据所述建模的电池电压（U_m）来确定所述物理老化状态（SOHR）。

9.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7中任一项所述的方法的步骤。

10.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7中任一项所述的方法的步骤。

Images