CN117261683A - 通过评估充电过程中的电池行为识别设备电池异常的方法和装置 - Google Patents

通过评估充电过程中的电池行为识别设备电池异常的方法和装置 Download PDF

Info

Publication number
CN117261683A
CN117261683A CN202310735492.8A CN202310735492A CN117261683A CN 117261683 A CN117261683 A CN 117261683A CN 202310735492 A CN202310735492 A CN 202310735492A CN 117261683 A CN117261683 A CN 117261683A
Authority
CN
China
Prior art keywords
battery
operating variable
threshold
cell
criticality
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
CN202310735492.8A
Other languages
English (en)
Inventor
M·克鲁恩德尔
C·西莫尼斯
P·克里施南
R·凯瑟尔
V·多格
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 CN117261683A publication Critical patent/CN117261683A/zh
Pending legal-status Critical Current

Links

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
    • B60L3/00—Electric devices on electrically-propelled vehicles for safety purposes; Monitoring operating variables, e.g. speed, deceleration or energy consumption
    • B60L3/0023—Detecting, eliminating, remedying or compensating for drive train abnormalities, e.g. failures within the drive train
    • B60L3/0046—Detecting, eliminating, remedying or compensating for drive train abnormalities, e.g. failures within the drive train relating to electric energy storage systems, e.g. batteries or capacitors
    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
    • G01R19/165—Indicating that current or voltage is either above or below a predetermined value or within or outside a predetermined range of values
    • G01R19/16533—Indicating that current or voltage is either above or below a predetermined value or within or outside a predetermined range of values characterised by the application
    • G01R19/16538—Indicating that current or voltage is either above or below a predetermined value or within or outside a predetermined range of values characterised by the application in AC or DC supplies
    • G01R19/16542—Indicating that current or voltage is either above or below a predetermined value or within or outside a predetermined range of values characterised by the application in AC or DC supplies for batteries
    • 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
    • H01M10/44—Methods for charging or discharging
    • 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]
    • 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]
    • G01R31/396—Acquisition or processing of data for testing or for monitoring individual cells or groups of cells within a battery

Landscapes

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

Abstract

本发明涉及用于监控技术设备的设备电池和通过评估设备电池在充电过程中的运行变量曲线识别异常电池状态的方法，具有步骤：提供设备电池的电池单池的至少一个运行变量的历史运行变量曲线；提供至少一个通过设备电池的电池管理系统预设的阈值和至少一个通过评估设备电池的电池模块预设的阈值；在充电过程期间评估历史运行变量曲线，根据至少一个运行变量超过至少一个阈值的程度并根据运行变量以确定的超过程度超过至少一个阈值的持续时间，获知异常事件并将其分类成关键性等级，如果至少一个运行变量在一时间段内超过至少一个阈值，就存在异常事件；确定历史运行变量曲线中与关键性等级相关的异常事件的频率，根据异常事件的频率，确定总体关键性。

Description

通过评估充电过程中的电池行为识别设备电池异常的方法和 装置
技术领域
本发明涉及电池运行的技术设备，且特别是涉及用于识别技术设备中的设备电池运行异常的方法。此外，本发明涉及用于识别设备电池中的异常并确定其关键性的方法。
背景技术
独立于电网运行的电气设备和机器，如可电驱动的机动车，其能量供应通常利用设备电池或车辆电池进行。这些电池为设备的运行提供电能。
设备电池在其使用寿命内并根据其负载或使用情况而退化。这种所谓的老化会导致最大功率或最大存储容量持续下降。老化状态对应于说明能量存储器老化的程度。根据惯例，新的设备电池可以具有100％的老化状态(关于其容量，SOH-C)，该老化状态在其使用寿命的过程中明显地减少。设备电池老化的程度(老化状态随时间的变化)取决于设备电池的个别负载，即在机动车的车辆电池的情况下取决于驾驶员的使用行为、外部环境条件和车辆电池类型。
为了监控设备电池，通常会连续检测运行变量数据，并评估由此产生的运行变量曲线。在设备电池具有大量电池单池的情况下，运行变量可以在单池层面(Zellebene)上进行检测。为了评估运行变量数据，特别是为了获知基于微分方程的模型中的老化状态，运行变量数据以相对较高的时间分辨率(采样率)进行采样，例如，在1至100Hz之间，并利用时间积分方法从中获知老化状态。
除了由老化引起的退化外，由于各种原因，设备电池中也会出现故障，这些故障可能导致设备电池加速老化或突然失效。设备电池和单个电池单池的这些失效和故障往往通过电池行为的变化提前通知，在某些情况下可以通过相应的询问被识别到。
为了提高设备电池的接受度，有必要确保其安全性、耐用性、性能和可靠运行。为此，仔细监控电池行为是很重要的。
除了确定老化状况外，检测设备电池的运行变量也能实现通过评估相应的运行变量数据来识别异常的电池状态。
发明内容
根据本发明提出一种根据权利要求1所述的通过评估在设备电池充电过程期间的运行变量曲线来识别异常电池状态的方法，以及一种相应的根据并列权利要求所述的装置。
有利的设计方案在从属权利要求中说明。
根据第一方面，提出一种用于监控技术设备的设备电池并用于通过评估在设备电池充电过程期间的运行变量曲线来识别异常电池状态的方法，具有下列步骤：
-提供设备电池的电池单池的至少一个运行变量的历史运行变量曲线；
-提供至少一个通过设备电池的电池管理系统所预设的阈值和至少一个通过评估设备电池的电池模型所预设的阈值；
-在充电过程期间评估历史运行变量曲线，方式为，根据至少一个运行变量中的相应的运行变量超过所述阈值中的至少一个阈值的程度(Maβ)，并根据相应的运行变量以所确定的超过程度超过相关的至少一个阈值的持续时间，获知异常事件并将其分类成关键性等级其中，如果至少一个运行变量在一时间段内超过所述阈值中的至少一个阈值，就存在异常事件；
-确定历史运行变量曲线中与关键性等级有关的异常事件的频率，
-根据关键性等级的频率，确定总体关键性。
此外，至少一个运行变量可以包括设备电池的至少一个电池单池的单池电流、单池电压和单池充电状态。
高的电流流入和流出设备电池的运行状态对于设备电池是特别负载的。特别是在快速充电过程中，设备电池经过较长的持续时间被加载高的充电电流，这决定性地导致了电池老化。此外，在快速充电过程期间的能量吞吐量很高，因此故障会迅速导致安全关键事件，甚至导致热失控。因此，有必要在快速充电过程期间密切监控运行变量并及时评估，以便提前识别出运行变量达到预期有关键事件的运行范围。这些运行范围可以由靠近电池的电池管理系统根据运行点来预设。然而，在实践中可能会发生违反这些极限的情况，因此到目前为止还不能轻易地评估在电池管理系统中被确定的违反极限的关键性。特别是，由电池管理系统预设针对单池电流、针对单池充电和针对单池电压的极限值，用于识别过充电事件。
除了在电池管理系统中实现此类事件的识别外，还可以使用另一种异常检测算法，该算法既可以在技术设备中实施，也可以在远离设备的中央单元中实施，并且该算法既使用由电池管理系统所预设的关于识别异常事件的标准，也使用可基于对从大量设备电池中获知的电池模型参数进行评估的其他标准。这些标准使故障事件的严重性能够得到更精确的识别，并在故障事件出现时采取相应的分级措施。
如果例如在充电过程中识别到多个设备电池中的异常，就可以对这些设备电池进行系统性故障检查，以便在电池过早老化甚至发生安全关键事件之前执行有针对性的原因研究或问题排除。
可以提出，至少一个通过设备电池的电池管理系统所预设的阈值包括：针对最大单池电流的BMS单池电流阈值、针对最大充电状态的BMS充电状态阈值和/或针对最大单池电压的BMS单池电压阈值，这些阈值特别是根据运行点来预设，且至少一个通过评估设备电池的电池模型所预设的阈值包括：单池电流阈值、充电状态阈值和/或单池电压阈值。
在快速充电过程期间特别是发生两个关键事件。如果电池电流超过了对于确定的时间点有效的阈值，就发生了过电流事件该阈值取决于设备电池的运行点和设备电池的最有限的电池单池，即经历了最大老化的电池单池。该阈值一方面可以由相关设备电池的电池管理系统确定，也可以由远离设备的中央单元中的电池模型确定。
为此，由制造商预设的阈值可以从设备电池的电池管理系统被传递到中央单元，以便在那里实施阈值比较。替代地，如果阈值是由中央单元中的电池模型确定的，则需要全局有效的电池模型用于计算该阈值。
过电流事件是由于超过了选定的阈值Imax而出现的，该阈值是根据运行点并根据最有限的电池单池定义的。如果电池管理系统没有预设针对电池电流的阈值，而是预设了功率极限Pmax，则可以如下进行基于电池组电压Upack的一种替代的定义：
Imax＞Pmax/Upack
由于超过了相关电流阈值而识别到的异常事件以直方图形式(与预设的数据样本有关，即一个采样值或平均的多个采样值)被中间存储在过电流直方图中。在超过单池电流的电流阈值的情况下，异常事件的强度基于ΔC率如下被确定：
其中，Cnom是以安培小时为单位的标称电池容量，特别是与老化状态有关，比如通过与容量相关的老化状态SOH-C相乘。直方图形式还考虑到了异常事件的持续时间，即单池电流或电池电流超过了相关电流阈值的持续时间。借助于过电流直方图，可以对异常事件进行汇总，可以是经过的较长的评估期，如几个月，也可以是设备电池的总的使用寿命。过电流直方图是通过将异常事件的强度和相应的异常事件在由强度等级所确定的异常强度范围内所持续的持续时间分配给关键性等级并相应地记录频率来创建的。得到了过电流直方图，其针对异常事件的强度范围(强度等级)和其持续时间显示了在预设的经历的时间段内的相应频率。
另一个异常事件可以是过充电事件过充电事件是在单池层面上定义的，当电池单池超过其充电状态上限和/或单池电压上限时就会发生。这两个标准是耦合的，但并不等同，因为由于单池电压的动态变化，在充电过程期间有可能超过稳态单池电压极限而不违反充电状态极限。然而，由于稳态单池电压极限通过开路电压特征曲线(OCV特征曲线)与充电状态极限相耦合，违反充电状态极限也意味着违反了单池电压极限。有两个稳态单池电压极限可以由电池管理系统和远离设备的中央单元中的电池模型来预设，还有两个充电状态极限可以在电池管理系统中并通过远离设备的中央单元中的电池模型来预设。这些都可以用来对过充电事件中的异常事件的总体关键性进行分类。
在此，所基于的充电状态阈值和电压阈值不仅可以静态地预设，而且在某些情况下还可以根据电池状态来预设。通过对事件的分类，可以在异常严重性和相应的异常事件不间断存在的持续时间方面对异常事件进行细分和汇总。
针对电池单池的充电状态极限被定义为100％，而通过电池管理系统提供的充电状态极限是由制造商或电池供应商提供的且可以与此不同地定义。此外，一般来说通常电池管理系统中的电压极限值(较高的最小单池电压和较低的最大单池电压)比由制造商(即在电池管理系统中)预设的电压极限值更严格。
通过中央单元中的电池模型所预设的针对电池单池的电压极限值可以通过分析大量的同类设备电池的场数据和已知的取决于老化状态的开路电压特征曲线来近似。
通过以直方图的形式展示异常事件，设备电池的总体关键性可以以简单的方式通过关键性等级的频率的加权和来获知。
可以提出，设备电池和/或技术设备根据总体关键性来运行，特别是发出警告信号，和/或调整运行参数，特别是减小最大充电电流。
根据另一方面，提出一种用于实施上面的方法的装置。
附图说明
下面参照附图更详细地阐述实施方式。其中：
图1示出了大量车辆的示意图，它们与中央单元处于连接中，在中央单元中执行异常识别；以及
图2示出了流程图，以说明用于识别车队车辆的车辆电池中的异常事件的方法。
具体实施方式
在下文中，借助大量机动车(作为同类设备)中的车辆电池(作为设备电池)来描述根据本发明的方法。为此，在远离设备的中央单元中运行异常识别方法，并用于异常检测。为此在中央单元中基于来自车队的车辆电池的运行变量，获知针对单池电流、单池电压和单池充电状态的阈值。
上述例子代表了大量具有独立于电网的固定或移动设备，如车辆(电动车、脚踏车等)、设施、工具机、家用电器、物联网设备等，它们通过相应的通信链路(如局域网(LAN)、互联网)与设备外部的中央单元(云)连接。
图1显示了系统1，用于在中央单元2中收集车队的车队数据，以执行异常识别方法。异常识别方法用于识别异常，并在机动车中的车辆电池的电池单池的充电运行中与关键性相关地对异常进行分级。图1示出了具有多个机动车4的车队3。
图1中详细示出了机动车4中的一个。机动车4分别具有车辆电池41、电驱动马达42和控制单元43。控制单元43与通信装置44连接，通信装置适合于在各自的机动车4和中央单元2(所谓的云)之间传递数据。
车辆电池43具有大量电池单池45，它们应根据下面描述的方法在异常方面被监控。车辆电池41借助于电池管理系统46被监控和运行。电池管理系统46提供BMS阈值，鉴于该阈值，可以在充电过程中识别异常事件。因此，电池管理系统46提供BMS单池电流阈值Imax作为最大单池电流和BMS单池电压阈值作为最大单池电压以及BMS单池充电状态阈值作为最大充电状态。
控制单元43特别是被构造用于以较高的时间分辨率，例如1至50Hz之间，如10Hz，检测针对选定的、可选的或所有电池单池45的数据，并经由通信装置44将这些数据传输到中央单元2。
机动车4将运行变量F发送到中央单元2，这些运行变量至少说明了描述电池单池45状态的变量。在车辆电池41的情况下，运行变量F可以针对电池单池中的每个电池单池说明瞬时单池电流、瞬时单池电压、瞬时单池充电状态(SOC：State of Charge)。
运行变量F在0.1Hz至50Hz的快速时间网格中被检测作为运行变量曲线，并可以定期以未压缩和/或压缩的形式被传递到中央单元2。例如，时间序列可以在使用压缩算法的情况下以10分钟到几小时的间隔被分块地传递到中央单元2，以达到最小化至中央单元2的数据流量的目的。
中央单元2具有数据处理单元21，在数据处理单元中可以实施下面描述的方法，以及数据库22，用于存储数据点、模型参数、状态等。
在中央单元2中实现异常识别方法，该方法接收来自车辆4的运行变量曲线，并针对每个车辆4或每个车辆电池41评估运行变量曲线，以识别充电过程期间的异常并评估其关键性。
除了由车辆电池至少针对电池单池中的一部分所提供的运行变量曲线之外，还可以向中央单元2传输相应的由制造商预设的阈值，用于识别充电过程期间的异常。阈值可以例如包括BMS单池电流阈值、BMS充电状态阈值和BMS单池电压阈值，它们分别与要监控的车辆电池41有关地被传递到中央单元2。这些阈值都是在相关车辆电池41的电池管理系统46中根据由制造商预设的算法根据运行点所获知的，并且可以相应地在中央单元2中被考虑用于异常识别。
随后在中央单元2中实施借助图2的流程图所描述的用于异常识别和异常评估的方法。该方法可以在预定的评估时间点利用针对车辆电池41的电池单池45中的每个电池单池的历史运行变量曲线来执行。
在步骤S1中，由配属于车辆电池41中的每个车辆电池的每个电池管理系统46传输BMS单池电流阈值、BMS充电状态阈值和BMS单池电压阈值。这些阈值可以由制造商预设且取决于运行点，并且可以针对各个电池单元的老化状态和其他参数，例如单池温度等。
在步骤S2中，连续检测到的车辆电池41的运行变量曲线被传输到中央单元2，或从中央单元2的存储器中被提取。运行变量曲线在单池层面上提供，以便针对每个电池单池45至少以时间段的方式执行运行变量的监控。运行变量可以包括电池单池电流、电池单池电压和单池充电状态等。
在步骤S3中，检查是否已经发生了充电过程。这可以通过评估流动的电池电流的正负号来识别。特别是，针对最小持续时间流入车辆电池41的电流流量可以被识别为充电过程。如果识别到已经开始充电过程(选择：是)，则该方法继续进行步骤S4，否则就跳回到步骤S2。充电过程的特点是流入车辆电池41中的充电电流。
在步骤S4中，在充电过程期间监控充电电流，并创建或更新用于检测过电流事件的过电流直方图。当监控到的单池电流I超过了单池电流阈值Imax时，就发生了过电流事件。过电流直方图说明了在单池电流I的高度方面在强度等级内的过电流事件(异常事件)类别的频率，以及在相关的强度等级内的过电流事件在时间持续范围内的持续时间。强度等级可以借助过电流程度I-Imax或数据样本(单池电流的一个采样值或多个采样值的平均值)期间的标称电荷差
ΔC＝(I-Imax)/Cnom
来确定，该标称电荷差针对单池电流I的高度和单池电流阈值Imax。Cnom对应的是当前老化状态下的单池标称容量。过电流大小或电荷差ΔC被划分成强度等级，其例如被定义在0-5％Cnom、5-10％Cnom之间等等。过电流事件可以借助造成电荷差的强度等级和过电流程度或所造成的电荷差保持在相应强度等级内的持续时间范围来表征。更新过电流直方图，方式为，针对每个由过电流程度或电荷差的确定的强度等级和相关的(由过电流程度或电荷差保持在相关的强度等级范围内的持续时间所确定的)强度等级的相应持续时间范围确定的异常事件，用相应的(由强度等级和持续时间范围所定义的)关键性等级来增加频率。
因此，在识别到过电流事件后，可以根据过电流事件在时间上先后经过的强度范围，将多个条目设置到过电流直方图中。
过电流直方图可以针对历史运行变量曲线所经历的确定时间段或针对历史运行变量曲线的整个使用寿命(即自试运行以来)来创建和汇总。
单池电流阈值Imax可以作为由电池管理系统46预设的BMS单池电流阈值，也可以基于中央单元2中的电池模型来确定，该电池模型基于大量车辆电池41的运行变量曲线已经被获知。电池电流阈值Imax可以在中央处理单元2中例如根据车辆电池41的当前工作状态通过电化学电池模型来计算。
随后，在步骤S5中，借助历史运行变量曲线，检查是否发生了过充电事件。当一个电池单池超过了充电状态阈值和/或单池电压阈值Imax时，过充电事件就在电池单池45的层面上来定义。
充电状态阈值和单池电压阈值Imax可以由电池管理系统特别是根据操作点被预设为BMS充电状态阈值CSoC，max，BMS和BMS单池电压阈值Vmax，BMS，此外，基于模型所获知的充电状态阈值CSoC，max，cell和单池电压阈值Vmax，cell可以通过中央单元2预设。
BMS充电状态阈值CSoC，max，BMS是由电池管理系统输出的实际充电状态值＜100％。
基于模型所获知的充电状态阈值CsoC，max，cell根据定义对应于100％。
BMS单池电压阈值Vmax，BMS对应于在BMS充电状态阈值CSoC，max，BMS下来自单池的开路电压特征曲线(Open Circuit Voltage，OCV)的值。开路电压特征曲线(OCV特征曲线)可以以本身已知的方式从大量车辆4的运行变量曲线的评估中确定，且特别是可以说明取决于车辆电池41老化状态的用于展示充电状态的开路终端电压的曲线。
单池电压阈值Vmax，cell对应于在BMS充电状态阈值CsoC，max，cell下来自单池的开路电压特征曲线(Open Circuit Voltage，OCV)的值。
根据下面给出的表格，当单池充电状态或单池电压(一个数据样本，即一个样本值或时间上先后跟随的几个样本值的平均值)超过阈值中的至少一个阈值时，可以确定出不同的过充电事件。在存在过充电事件的情况下，可以根据下列条件将事件的关键性分类成强度等级。
创建或更新过充电直方图，利用过充电直方图，根据由预设的运行范围所确定的强度等级和在充电过程中对于相应的关键性的条件持续存在的过充电持续时间内的过充电事件存在的频率，将划分成等级的过充电事件(异常事件)进行汇总。如上文针对过电流直方图所描述的那样，过充电事件可以根据强度等级和持续时间范围来表征，在此持续时间范围期间单池电压和单池电量保持在相应的强度等级内。更新过充电直方图，方式为，针对通过确定的强度等级和相关强度等级的(通过单池电压和单池电量保持在相关强度等级范围内的持续时间确定的)相应持续时间范围所确定的每个事件，将事件的频率增加相应的(通过强度等级和持续时间范围所定义的)关键性等级。
得到了过电流直方图和过充电直方图。现在可以在步骤S6中评估直方图，以确定异常的总体关键性。因此，可以根据由过电流直方图和过充电直方图中的相应关键性等级所说明的异常事件的频率，通过对电池单池中的每个电池单池的频率进行加权求和来确定总体关键性。各个关键性等级的加权系数可以根据相关异常事件被归入哪种严重程度来预设。
因此，在步骤S7中总体关键性的汇总值可用于识别是否必须对将来的充电过程或对车辆的运行采取措施。
自总体关键性的预先确定的第一值起，可以首先进行警告，并要求进入车间。此外，自总体关键性的预先确定的第二值起，可以调整运行参数，例如，(在过流事件的情况下)可以将最大充电电流乘以预设系数＜1，或(在过充电事件的情况下)可以减少最大允许的单池充电状态。此外，自总体关键性的预先确定的第三值起，也可以建议更换电池或单个模块。

Claims (10)

1.一种用于监控技术设备(4)的设备电池(41)和通过评估设备电池(41)在充电过程期间的运行变量曲线来识别异常电池状态的方法，具有下列步骤：
-提供(S2)所述设备电池(41)的电池单池(45)的至少一个运行变量的历史运行变量曲线；
-提供(S1)至少一个通过所述设备电池(41)的电池管理系统(46)所预设的阈值和至少一个通过评估所述设备电池(41)的电池模型所预设的阈值；
-在充电过程期间评估历史运行变量曲线，方式为，根据至少一个运行变量中的相应的运行变量超过所述阈值中的至少一个阈值的程度，并根据相应的运行变量以所确定的超过程度超过相关的至少一个阈值的持续时间，获知异常事件并将其分类成关键性等级，其中，如果至少一个运行变量在一时间段内超过所述阈值中的至少一个阈值，就存在异常事件；
-确定(S4、S5)所述历史运行变量曲线中的与所述关键性等级相关的异常事件的频率，
-根据所述关键性等级中的异常事件的频率，确定(S6)总体关键性。
2.根据权利要求1所述的方法，其中，所述至少一个通过所述设备电池(41)的电池管理系统(BMS)(46)所预设的阈值包括：BMS单池电流阈值、BMS充电状态阈值和/或BMS单池电压阈值，所述阈值特别是根据运行点来预设，且所述至少一个通过评估所述设备电池(41)的电池模型所预设的阈值包括：单池电流阈值、充电状态阈值和/或单池电压阈值。
3.根据权利要求1至2中任一项所述的方法，其中，考虑针对至少两个运行变量的关键性等级的频率来确定总体关键性。
4.根据权利要求1至3中任一项所述的方法，其中，所述总体关键性根据所述关键性等级的频率的预设的加权和来确定。
5.根据权利要求1至4中任一项所述的方法，其中，所述至少一个运行变量包括所述设备电池(41)的至少一个电池单池(45)的单池电流、单池电压和单池充电状态。
6.根据权利要求1至5中任一项所述的方法，其中，所述设备电池(41)和/或所述技术设备(4)根据总体关键性来运行，特别是发出警告信号，和/或调整运行参数，特别是减小最大充电电流。
7.根据权利要求1至6中任一项所述的方法，其中，通过针对预设的最小持续时间到所述设备电池(41)中的电流流量来识别所述充电过程。
8.一种用于执行根据权利要求1至7中任一项所述的方法的装置。
9.一种计算机程序产品，包括指令，在由至少一个数据处理装置实施所述指令时，所述指令使所述数据处理装置实施实施根据权利要求1至7中任一项所述的方法。
10.一种机器可读的存储介质，包括指令，在通过至少一个数据处理装置实施所述指令时，所述指令使所述数据处理装置实施实施根据权利要求1至7中任一项所述的方法。
CN202310735492.8A 2022-06-21 2023-06-20 通过评估充电过程中的电池行为识别设备电池异常的方法和装置 Pending CN117261683A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102022206170.5 2022-06-21
DE102022206170.5A DE102022206170A1 (de) 2022-06-21 2022-06-21 Verfahren und Vorrichtung zum Erkennen einer Anomalie einer Gerätebatterie durch Auswerten von Batterieverhalten während Ladevorgängen

Publications (1)

Publication Number Publication Date
CN117261683A true CN117261683A (zh) 2023-12-22

Family

ID=88975195

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310735492.8A Pending CN117261683A (zh) 2022-06-21 2023-06-20 通过评估充电过程中的电池行为识别设备电池异常的方法和装置

Country Status (2)

Country Link
CN (1) CN117261683A (zh)
DE (1) DE102022206170A1 (zh)

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130297244A1 (en) 2011-02-28 2013-11-07 Mitsubishi Heavy Industries, Ltd. Secondary battery lifetime prediction apparatus, battery system and secondary battery lifetime prediction method
KR102247052B1 (ko) 2014-07-21 2021-04-30 삼성전자주식회사 배터리의 이상 상태를 감지하는 장치 및 방법

Also Published As

Publication number Publication date
DE102022206170A1 (de) 2023-12-21

Similar Documents

Publication Publication Date Title
CN111038291B (zh) 一种电动汽车充电故障智能诊断系统及方法
JP6635743B2 (ja) 蓄電池保全装置、及び、蓄電池保全方法
CN109116242B (zh) 一种动力电池的数据处理方法和装置
CN109116254B (zh) 一种动力电池功率状态估算功能测试方法和装置
KR102368324B1 (ko) 충전케이블의 온도값을 이용한 전기자동차 충전기 이상상태 모니터링 장치
CN108646183B (zh) 一种电池组中电池故障诊断方法
CN110940921A (zh) 基于修正方差的锂离子电池串的多故障诊断方法及系统
CN113687234B (zh) 电池异常识别方法、装置、设备、介质及程序产品
CN114204626B (zh) 充电控制方法及相关设备
US20230384393A1 (en) Battery Cell Diagnosing Apparatus and Method
CN116664015A (zh) 一种智能充电桩管理系统及其方法
CN115718258A (zh) 电池故障检测
CN117214757A (zh) 锂离子电池及电池组健康度预测方法
WO2022016862A1 (zh) 用于监控电池组健康状况的方法和系统
US20230280406A1 (en) Verfahren und Vorrichtung zum Erkennen einer kritischen Anomalie in einer Gerätebatterie basierend auf maschinellen Lernverfahren
KR20230161377A (ko) 배터리 진단 장치, 배터리 진단 방법, 배터리 팩 및 자동차
CN117261683A (zh) 通过评估充电过程中的电池行为识别设备电池异常的方法和装置
CN115219932A (zh) 用于评价设备电池组的相对老化状态的方法和装置
CN116794540A (zh) 一种电池性能预判方法、装置及存储介质
CN113335068A (zh) 故障诊断方法、装置、电子设备和可读存储介质
CN116420087B (zh) 多电芯电池组中的电芯的电流测试
CN116593902B (zh) 基于铁锂电池的性能参数融合成ai模型的故障诊断方法
US20240019498A1 (en) Method and Apparatus for Detecting a Self-Discharge Fault of a Device Battery, as well as Determining a Criticality of a Detected Self-Discharge Fault
KR102684286B1 (ko) 배터리 진단 장치, 배터리 진단 방법, 배터리 팩 및 자동차
CN117517993B (zh) 基于电芯性能评估的车辆电池能量智能管理方法及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication