DE102013000572A1 - Method for determining model parameters of electrochemical energy storage of e.g. electric vehicle, involves defining parameter record variant as new reference dataset to describe battery model and to determine maximum power of storage - Google Patents
Method for determining model parameters of electrochemical energy storage of e.g. electric vehicle, involves defining parameter record variant as new reference dataset to describe battery model and to determine maximum power of storage Download PDFInfo
- Publication number
- DE102013000572A1 DE102013000572A1 DE201310000572 DE102013000572A DE102013000572A1 DE 102013000572 A1 DE102013000572 A1 DE 102013000572A1 DE 201310000572 DE201310000572 DE 201310000572 DE 102013000572 A DE102013000572 A DE 102013000572A DE 102013000572 A1 DE102013000572 A1 DE 102013000572A1
- Authority
- DE
- Germany
- Prior art keywords
- parameter data
- current
- data set
- mess
- model
- 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.)
- Withdrawn
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]
- G01R31/389—Measuring internal impedance, internal conductance or related variables
-
- 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
-
- 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
- H02J7/0013—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries acting upon several batteries simultaneously or sequentially
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
Abstract
Description
Die Erfindung betrifft ein Verfahren und ein System zur Bestimmung der Modellparameter eines elektrochemischen Energiespeichers wie einer Batterie, insbesondere für Elektro- oder Hybridfahrzeuge, dessen dynamisches Verhalten im Betrieb durch ein elektrisches Referenzmodell beschrieben wird, zumindest umfassend eine Kapazität und einen damit verbundenen ersten Widerstand, die Parameter des Referenzmodells sind und in das Referenzmodell beschreibenden mathematischen Gleichungen miteinander verknüpft sind, wobei die Parameterwerte der Parameter gemeinsam einen Parameterdatensatz bilden und während des Betriebes des Energiespeichers an dessen aktuellen Zustand angepasst werden.The invention relates to a method and a system for determining the model parameters of an electrochemical energy storage such as a battery, in particular for electric or hybrid vehicles, the dynamic behavior is described in operation by an electrical reference model, at least comprising a capacitance and a first resistor associated therewith Parameters of the reference model are linked and in the reference model descriptive mathematical equations, wherein the parameter values of the parameters together form a parameter data set and adapted during operation of the energy storage device to its current state.
Bevorzugtes technisches Anwendungsgebiet des erfindungsgemäßen Verfahrens ist eine selbstadaptierende, prädikative Bestimmung der für eine vordefinierte Zeit zur Verfügung stehende, maximale Leistung des Energiespeichers. Dies spielt insbesondere bei Batterien eine entscheidende Rolle, deren Leistung von sogenannten Batteriemanagementsystemen (BMS) überwacht und prädiziert wird.The preferred technical field of application of the method according to the invention is a self-adapting, predicative determination of the maximum power of the energy store available for a predefined time. This plays a decisive role especially in batteries, whose performance is monitored and predicted by so-called battery management systems (BMS).
Jedes Batteriesystem eines Elektro- oder Hybridfahrzeuge besitzt ein derartiges Batteriemanagementsystem, welches zur Aufgabe hat, den Zustand der Batterie, insbesondere ihre Leistungsfähigkeit zu bestimmen bzw. für einen definierten Zeitraum zu prognostizieren. Dabei werden außerdem ihr Ladezustand, Alterungszustand und applikationsspezifische Zustände wie die verfügbare maximale Leistung bestimmt und diese Informationen einem übergeordneten Energiemanagementsystem zur Verfügung gestellt. Diese Aufgabe wird besonders dadurch erschwert, dass sich die charakteristischen Eigenschaften der Batterie während des Betriebs und über die Zeit aufgrund der Alterung signifikant ändern. Es ist deshalb von Vorteil, das Batteriemanagementsystem selbstadaptierend auszugestalten, um diese Änderungen nachverfolgen und bei der Leistungsberechnung berücksichtigen zu können.Each battery system of an electric or hybrid vehicle has such a battery management system, which has the task of the state of the battery, in particular to determine their performance or to forecast for a defined period. In addition, their state of charge, aging state and application-specific states such as the available maximum power are determined and this information is made available to a higher-level energy management system. This task is particularly complicated by the fact that the characteristic properties of the battery change significantly during operation and over time due to aging. It is therefore advantageous to design the battery management system self-adaptively in order to be able to track these changes and to be able to take these into account in the power calculation.
Da die Batteriezustände nicht direkt messbar sind, werden direkt zugängliche Batteriegrößen wie Strom, Spannung und Temperatur im laufenden Betrieb gemessen und entsprechende Algorithmen herangezogen, um daraus die gesuchten Batteriezustände zu bestimmen. In Elektro- und Hybridfahrzeugen gehört dazu insbesondere die Bestimmung der Leistungsfähigkeit der Batterie. Diese wird typischerweise als eine Vorhersage der maximalen Leistung definiert, die die Batterie für eine vordefinierte Zeit liefern kann.Since the battery conditions are not directly measurable, directly accessible battery sizes such as current, voltage and temperature are measured during operation and appropriate algorithms are used to determine the desired battery conditions. In electric and hybrid vehicles this includes in particular the determination of the performance of the battery. This is typically defined as a prediction of the maximum power that the battery can supply for a predefined time.
Die maximale Leistung ist von folgenden Faktoren abhängig:
- – Maximal zulässiger Strom. Für eine Batterie werden vom Hersteller die maximal zulässigen Ströme definiert. Diese können temperatur- und/oder zeitabhängig, d. h. abhängig von der Dauer der Strombelastung definiert sein.
- – Bei einer Strombelastung wird die Batterie geladen oder entladen. Dabei sinkt oder erhöht sich der Ladezustand. Der Ladezustand muss in bestimmten Grenzen gehalten werden, um ein Überladen bzw. Tiefentladen der Batterie zu vermeiden.
- – Maximal zulässige untere und obere Spannungsgrenzen an jeder Batteriezelle im Batteriepack. Beim Entladen einer Batterie sinkt deren Spannung, entsprechend erhöht sich diese bei einem Ladevorgang. Diese Spannungen müssen aus Sicherheitsgründen in bestimmten Grenzen gehalten werden.
- – Maximal zulässige Temperatur. Bei einer Strombelastung erwärmt sich die Batterie, darf sich jedoch nicht über die maximal zulässige Vorgabe des Herstellers bewegen.
- - Maximum permissible current. For a battery, the manufacturer defines the maximum permissible currents. These can be temperature- and / or time-dependent, ie defined depending on the duration of the current load.
- - At a current load, the battery is charged or discharged. The state of charge drops or increases. The state of charge must be kept within certain limits in order to avoid overcharging or over-discharging the battery.
- - Maximum permissible lower and upper voltage limits at each battery cell in the battery pack. When a battery is discharged, its voltage drops, and it increases accordingly during a charging process. For safety reasons, these voltages must be kept within certain limits.
- - Maximum permissible temperature. At a current load, the battery heats up, but must not exceed the maximum permissible specification of the manufacturer.
Die Herausforderung ist dabei immer die Berücksichtigung der Spannungsgrenzen, für die eine exakte Batteriespannung vorhergesagt werden muss. Als ein Referenzfall für die Bestimmung der maximal verfügbaren Leistung wird typischerweise ein Strompuls mit einer frei wählbaren Dauer Δt definiert. Ausgehend davon wird die Stromstärke I(t) gesucht, so dass die Batteriespannung bei der Belastung der Batterie mit diesem Strom nicht die vorgegebenen Grenzen überschreitet.The challenge is always the consideration of the voltage limits, for which an exact battery voltage must be predicted. As a reference case for the determination of the maximum available power, a current pulse with a freely selectable duration Δt is typically defined. Based on this, the current intensity I (t) is sought, so that the battery voltage does not exceed the predetermined limits when the battery is charged with this current.
Heutzutage werden verschiedene Verfahren verwendet, um die maximal verfügbare Leistung der Batterie im Betrieb vorherzusagen. Eine erste Möglichkeit ist die Verwendung statischer Kennfelder. Hier erfolgt eine Vermessung der Batterie in Labor beispielsweise mittels sogenannter HPPC Tests, welche die Leistungsfähigkeit der Batterie bei verschiedenen Bedingungen wie Ladezustand (State-of-Charge – SoC) und Temperatur bestimmen. Die Ergebnisse werden in einem Kennfeld, z. B. in Form einer Look-Up Tabelle oder approximiert durch eine oder mehrere Funktionen wie in dem
Eine bekannte Erweiterung der genannten ersten Möglichkeit besteht darin, das Kennfeld dynamisch zu gestalten. Das bedeutet, dass dieses Kennfeld im Betrieb kontinuierlich adaptiert wird. Jedes Mal, wenn die Batterie eine Leistung liefert und dabei die Spannungsgrenze erreicht wird, wird diese Leistung als maximale verfügbare Leistung definiert. Diese wird mit dem im Kennfeld gespeicherten Wert verglichen. Wird eine Abweichung festgestellt, erfolgt eine Anpassung des Werts im Kennfeld an die tatsächlich gemessene Leistung. Ein Nachteil adaptiver Kennfelder besteht darin, dass nur dann verlässliche Ergebnisse geliefert werden, wenn regelmäßig die maximale Leistung abgerufen wird, da nur dann die Möglichkeit einer Kennfeldadaptierung besteht. Das ist aber in meisten Anwendungen ein sehr seltenes Ereignis. Beispielsweise erreichen Elektrofahrzeuge die Leistungsgrenze nur nach einer längeren Beschleunigungsphase, die im Stadtverkehr so gut wie nie vorkommt. Ein weiterer Nachteil besteht darin, dass die Adaption des Kennfeldes nur in dem jeweiligen aktuellen Arbeitspunkt (Temperatur, Ladezustand, Stromstärke) stattfinden kann, da das Verfahren keine Information über die Grundeigenschaften der Batterie in Form eines Models etc. besitzt. Nachteilige Auswirkungen bei der Implementierung ergeben sich auch daher, dass das hinterlegte Kennfeld aus mehreren Dimensionen (SoC, Temperatur, Belastungsdauer, Stromstärke) besteht und auch höher aufgelöst werden muss, was zu einer großen Anzahl von Stützpunkten führt und dadurch zu einem großen Speicherbedarf auf dem Mikrocontroller.A known extension of said first option is to make the map dynamic. This means that this map is continuously adapted during operation. Each time the battery delivers power while reaching the voltage limit, that power is defined as the maximum available power. This is compared with the value stored in the map. If a deviation is detected, the value in the map is adjusted to the actually measured power. A disadvantage of adaptive maps is that reliable results are only delivered if the maximum power is regularly called up, since only then is the possibility of map adaptation possible. But this is a very rare event in most applications. For example, electric vehicles only reach the power limit after a longer acceleration phase, which almost never occurs in city traffic. Another disadvantage is that the adaptation of the map can take place only in the respective current operating point (temperature, state of charge, current), since the method has no information about the basic characteristics of the battery in the form of a model, etc. Another disadvantageous aspect of the implementation is that the stored characteristic map consists of several dimensions (SoC, temperature, load duration, current intensity) and must also be resolved higher, which leads to a large number of interpolation points and thus to a large storage requirement on the microcontroller.
Eine alternative Möglichkeit für die Leistungsprädikation ist die Verwendung von vereinfachten Batteriemodellen, welche bei einem vorgegebenen Strom die Spannung der Batterie nachmodellieren, siehe beispielsweise
Es sind verschiedene Techniken bekannt, diese Verfahren zu erweitern, insbesondere indem die Parameter des Batteriemodells während des Batteriebetriebes an den aktuellen Zustand der Batterie angepasst werden. Dieses Vorgehen liefert die vielversprechendsten Ergebnisse und bietet daher das beste Potential, weshalb es zurzeit als das aussichtsreichste Verfahren in sicherheitsrelevanten und anspruchsvollen Anwendungen eingesetzt wird. Die Genauigkeit des Verfahrens hängt vor allem davon ab, wie gut das Adaptionsverfahren die Modellparameter an den Zustand der Batterie anpasst. Zum anderem entscheidet die Komplexität des verwendeten Batteriemodells über die Genauigkeit.Various techniques are known to extend these methods, in particular by adapting the parameters of the battery model to the current state of the battery during battery operation. This approach provides the most promising results and therefore offers the best potential, which is why it is currently being used as the most promising method in safety-critical and demanding applications. The accuracy of the method depends primarily on how well the adaptation method adapts the model parameters to the state of the battery. On the other hand, the complexity of the battery model used determines the accuracy.
Einer der größten Nachteile bei den bisher eingesetzten Modellen ist allerdings die nicht berücksichtigte Stromabhängigkeit des Batteriewiderstandes. Die Leistungsgrenzen der Batterie werden vor allem bei großen Strömen und tieferen Temperaturen erreicht, weswegen die Stromabhängigkeit berücksichtigt werden sollte. In
Besonders verbreitet ist die Verwendung von Kalman-Filter basierten Techniken, siehe beispielhaft die Veröffentlichung „
Especially widespread is the use of Kalman filter based techniques, see for example the publication "
Das Kalman-Filter wurde zunächst nur für lineare Modelle entwickelt. Allerdings existieren heute auch entsprechende Erweiterungen wie Extended Kalman Filter oder Unscented Kalman Filter, die auf nichtlineare Modelle angepasst wurden. Solche Methoden approximieren jedoch nur die Nichtlinearität und konvergieren nur dann zuverlässig und stabil, wenn der Arbeitspunkt, in dem die Linearisierung stattfindet, sich langsam über die Zeit ändert. Da sich aber der Strom dynamisch sehr schnell ändert, kann die mit dem Strom zusammenhängende Nichtlinearität der Batterie so nicht berücksichtigt werden. Lediglich die Nichtlinearität zwischen Ruhespannung der Batterie und ihrem Ladezustand wird sinnvoll berücksichtigt. Sie ist jedoch für die Leistungsvorhersage kaum relevant. Außerdem wird die Annahme getroffen, dass die Störgrößen einschließlich der Modellungenauigkeit eine Gauss-Verteilung einnehmen, was allerdings eine idealisierte Approximation ist und in der Realität so nicht auftreten muss. Ein weiterer Nachteil des Kalman-Filters besteht darin, dass die Berechnung der entsprechenden Kalman-Gleichungen mit einem hohen Rechenaufwand verbunden ist. Hier müssen unter anderem auch Matrizen berechnet werden. Damit hängt auch eine geringe numerische Stabilität zusammen, wenn die Berechnung auf einem Mikrokontroller bei geringer Genauigkeit der Zahlendarstellung stattfinden muss.The Kalman filter was initially developed only for linear models. However, extensions such as Extended Kalman Filter or Unscented Kalman Filter have been adapted to nonlinear models. However, such methods only approximate the non-linearity and converge reliably and stably only when the operating point in which the linearization takes place changes slowly over time. However, since the current changes dynamically very rapidly, the nonlinearity of the battery associated with the current can not be taken into account. Only the non-linearity between the voltage at rest of the battery and its state of charge is meaningfully taken into account. She is however for the Performance forecast hardly relevant. In addition, it is assumed that the disturbances including the model inaccuracy assume a Gaussian distribution, which however is an idealized approximation and in reality does not have to occur in this way. Another disadvantage of the Kalman filter is that the calculation of the corresponding Kalman equations involves a high computation effort. Among other things, matrices must be calculated here. This is also associated with a low numerical stability, if the calculation must take place on a microcontroller with low accuracy of the number representation.
Eine weitere Technik neben den Kalman Filtern sind rekursive Last-Square Algorithmen (RLS), siehe beispielsweise
Auch eine direkte Bestimmung des Batteriewiderstandes aus Strom- und Spannungsänderungen ist alternativ zur Kalman-Filterung zu nennen, wie sie beispielsweise in
Es ist Aufgabe der vorliegenden Erfindung, ein einfaches und effektives Verfahren zur Bestimmung der aktuellen Parameter eines das dynamische Verhalten des Energiespeichers beschreibenden Modells respektive eine Anpassung der Parameter dieses Modells im laufenden Betrieb des Energiespeichers bereitzustellen, das für die sehr gute prädikative Bestimmung der maximal verfügbaren Leistung des Energiespeichers für eine vordefinierte Dauer (Δt) ausgehend von dem aktuellen Arbeitspunkt einsetzbar ist.It is the object of the present invention to provide a simple and effective method for determining the current parameters of a model describing the dynamic behavior of the energy store or adapting the parameters of this model during operation of the energy store, which is responsible for the very good predicative determination of the maximum available power of the energy store for a predefined duration (.DELTA.t) can be used starting from the current operating point.
Diese Aufgabe wird durch ein Verfahren nach Anspruch 1 gelöst. Vorteilhafte Weiterbildungen des Verfahrens sind in den Unteransprüchen angegeben.This object is achieved by a method according to
Erfindungsgemäß wird ein Verfahren zur Bestimmung der Modellparameter eines elektrochemischen Energiespeichers, insbesondere für Elektro- oder Hybridfahrzeuge, dessen dynamisches Verhalten im Betrieb durch ein elektrisches Referenzmodell beschrieben wird, zumindest umfassend eine Kapazität (C) und einen damit verbundenen ersten Widerstand (R1, R2), die Parameter (C, R1, R2) des Referenzmodells sind und in das Referenzmodell beschreibenden mathematischen Gleichungen miteinander verknüpft sind, wobei die Parameterwerte der Parameter (C, R1, R2) gemeinsam einen Parameterdatensatz bilden und während des Betriebes des Energiespeichers an dessen aktuellen Zustand angepasst werden, und wobei das Verfahren die folgenden Schritte umfasst:
- a. Verwendung eines initialen Parameterdatensatzes (Pstart) als Referenzparameterdatensatz (Pref) für das Referenzmodell,
- b. Messen des durch den Energiespeicher fließenden Stroms (Imess(t)) und der an diesem anliegenden Spannung (Umess(t)),
- c. Bildung einer Mehrzahl (N) an Parameterdatensatzvarianten (Pi, mit i = 1 bis N),
- d. Berechnung der sich aus dem Referenzmodell infolge eines fließenden Stroms (I(t)) ergebenden Überspannung (Umodell(Imess(t), Pi)) am Energiespeicher für jeden der Parameterdatensatzvarianten (Pi) unter Verwendung der aktuellen Strommesswerte (Imess(t)) und
- e. Berechnung einer Anfangsspannung (U0,Pi) aus der Differenz (U0,Pi = Umess(t) – Umodell(Imess(t), Pi)) dieser Überspannung (Umodell(Imess(t), Pi)) und der gemessenen Spannung (Umess(t)), wobei die Spannung (Uc,Pi(t)) über der Kapazität (C) für jede Parameterdatensatzvariante (Pi) gleich der Spannung (Uc,Pref(t)) über der Kapazität (C) gesetzt wird, die sich aus dem Referenzmodell bei der Verwendung des Referenzparameterdatensatzes (Pref) ergibt,
- f. erneutes Messen des durch den Energiespeicher fließenden Stroms (Imess(t)) und der an diesem anliegenden Spannung (Umess(t)) sowie
- g. erneute Berechnung der sich aus dem Referenzmodell (
1 ) für jede Parameterdatensatzvariante (Pi) ergebende Spannung (Uc,Pi(t)) über der Kapazität (C) und der Überspannung (Umodell(Imess(t), Pi)) am Energiespeicher, - h. Berechnung einer Abweichung (ΔQPi) zwischen der gemessenen Spannung (Umess(t)) und der Summe aus Überspannung (Umodell(Imess(t), Pi)) und Anfangsspannung (U0,Pi) für jeden der Parameterdatensatzvarianten (Pi) mittels einer Funktion, die umso größere Werte liefert, je höher die Differenz zwischen der gemessenen Spannung (Umess(t)) und der Summe aus Überspannung (Umodell(Imess(t), Pi)) und Anfangsspannung (U0,Pi) ist, und
- i. Wiederholung der Schritte f. bis h. so oft, bis zumindest eine zweite Bedingung erfüllt ist, wobei die jeweils neu berechnete Abweichung (ΔQPi) bei jeder Wiederholung der Schritte zu der zuvor berechneten Abweichung (QPi_alt) addiert wird (QPi_neu = QPi_alt + ΔQPi), und
- j. Bestimmung derjenigen Parameterdatensatzvariante (Pn, n ∊ [1...N]), die die kleinste Abweichung (QPi_neu neu = QPi_alt + ΔQPi) besitzt, wobei diese bestimmte Parameterdatensatzvariante (Pn) unmittelbar oder mittelbar als neuer Referenzparameterdatensatz (Pref) definiert wird.
- a. Use of an initial parameter data record (P start ) as a reference parameter data record (P ref ) for the reference model,
- b. Measuring the current flowing through the energy store (I mess (t)) and the voltage applied thereto (U mess (t)),
- c. Formation of a plurality (N) of parameter data set variants (P i , with i = 1 to N),
- d. Calculation of the overvoltage (U model (I mess (t), P i )) resulting from the reference model as a result of a flowing current (I (t)) at the energy store for each of the parameter data set variants (P i ) using the current current measured values (I mess (t)) and
- e. Calculation of an initial voltage (U 0, Pi ) from the difference (U 0, Pi = U mess (t) - U model (I mess (t), P i )) of this overvoltage (U model (I mess (t), P i )) and the measured voltage (U mess (t)), wherein the voltage (U c, Pi (t)) across the capacitance (C) for each parameter data set variant (P i ) equal to the voltage (U c, Pref (t )) is set above the capacity (C) resulting from the reference model when using the reference parameter data set (P ref ),
- f. again measuring the current flowing through the energy store (I mess (t)) and the voltage applied thereto (U mess (t)) and
- G. recalculation resulting from the reference model (
1 ) for each parameter data set variant (P i ) resulting voltage (U c, Pi (t)) over the capacitance (C) and the overvoltage (U model (I mess (t), P i )) at the energy storage, - H. Calculating a deviation (.DELTA.Q Pi) between the measured voltage (U mess (t)) and the sum of surge (U model (I mess (t), P i)) and initial voltage (U 0, Pi) (for each of the parameter data set variants P i ) by means of a function which delivers the greater values, the higher the difference between the measured voltage (U mess (t)) and the sum of overvoltage (U model (I mess (t), P i )) and initial voltage ( U 0, Pi ), and
- i. Repetition of steps f. until h. so often until at least a second condition is satisfied, wherein the respectively newly calculated deviation (ΔQ Pi ) is added to the previously calculated deviation (Q Pi_old ) at each repetition of the steps (Q Pi_new = Q Pi_old + ΔQ Pi ), and
- j. Determining the parameter data set variant (P n , n ε [1 ... N]) which has the smallest deviation (Q Pi_new new = QP i_old + ΔQ Pi ), this specific parameter data set variant (P n ) being used directly or indirectly as a new reference parameter data set ( P ref ) is defined.
Mit der im letzten Schritt gefundenen Parameterdatensatzvariante zur Implementierung des Referenzmodells ist dieses an das tatsächliche dynamische Verhalten des Energiespeichers angepasst worden, so dass Berechnungen anhand dieses Referenzmodells insbesondere zur prädikativen Bestimmung der für einen bestimmten Zeitraum zur Verfügung stehenden maximalen Leistung des Energiespeichers bestmögliche Ergebnisse liefern.With the parameter data set variant found in the last step for implementing the reference model, this has been adapted to the actual dynamic behavior of the energy store, so that calculations based on this reference model provide the best possible results, in particular for the predicative determination of the maximum power of the energy store available for a certain period of time.
Dabei ist ein besonderer Vorteil, dass die Adaption der Parameter während des Betriebes des Energiespeichers erfolgt, so dass alterungsbedingte, temperaturbedingte und/oder witterungsbedingte Eigenschaftsänderungen des Energiespeichers unmittelbar durch die Parameteranpassung im Referenzmodell berücksichtigt werden können.In this case, a particular advantage is that the adaptation of the parameters takes place during operation of the energy store, so that age-related, temperature-related and / or weather-related property changes of the energy store can be taken into account directly by the parameter adaptation in the reference model.
Im Gegensatz zu dem Verfahren mittels Kalman-Filter müssen hier keine aufwendigen Berechnungen, die hauptsächlich aus Matrizen-Operationen bestehen, durchgeführt werden. Dadurch ist die Umsetzung des erfindungsgemäßen Verfahrens auf einem Mikrocontroller gegeben.In contrast to the method using a Kalman filter, no complex calculations, which mainly consist of matrix operations, need to be carried out here. As a result, the implementation of the method according to the invention is given on a microcontroller.
Durch eine direkte Berechnung des Referenzmodells respektive der das Modell bildenden Gleichungen mit mehreren Parameterdatensätzen, d. h. mit den Parameterdatensatzvarianten (Pi), und die anschließende, direkte Auswahl einer der Parameterdatensatzvarianten (Pn), d. h. einer passenden Kombination variierter Parameterwerten konvergiert das erfindungsgemäße Adaptionsverfahren überaus stabil.By a direct calculation of the reference model or of the model-forming equations with a plurality of parameter data sets, ie with the parameter data set variants (P i ), and the subsequent, direct selection of one of the parameter data set variants (P n ), ie a suitable combination of varied parameter values, the inventive adaptation method converges greatly stable.
Der Energiespeicher kann eine Batterie mit einer oder mehreren Zellen sein. Es kann sich bei dem Energiespeicher aber auch um eine einzelne Zelle einer solchen Batterie handeln. Ferner kann das Verfahren für jede Zelle einer Batterie separat durchgeführt werden. Dabei bildet die Kapazität (C) des Referenzmodells die Doppelschichtkapazität der Batterie bzw. einer Zelle ab, der Widerstand (R1, R2) des Referenzmodells stellt den Innenwiderstand der Batterie dar. Alternativ kann der Energiespeicher ein Doppelschichtkondensator sein.The energy store may be a battery with one or more cells. However, the energy store can also be a single cell of such a battery. Further, the method may be performed separately for each cell of a battery. In this case, the capacitance (C) of the reference model reproduces the double-layer capacitance of the battery or a cell, the resistance (R 1 , R 2 ) of the reference model represents the internal resistance of the battery. Alternatively, the energy store can be a double-layer capacitor.
Vorzugsweise findet die Anpassung der Parameter (R1, R2, C) nur während eines Auswerteintervalls statt, welches dann initiiert wird, wenn zumindest eine der gemessenen Größen (Imess(t), Umess(t)) und/oder zumindest eine daraus berechnete veränderliche Größe (IC(t)) des Referenzmodells (M) eine erste Bedingung erfüllt. Zur Initiierung des Auswerteintervalls kann also entweder eine der beiden oder beide gemessenen Größen Strom und Spannung oder zumindest eine daraus berechnete veränderliche Größe des Referenzmodells verwendet werden. Als erste Bedingung kann beispielsweise verwendet werden, dass sich der gemessene Strom (Imess(t)) durch den Energiespeicher nur langsam ändert. Wird für die erste Bedingung die veränderliche Größe (IC(t)) herangezogen, kann deren Berechnung vor Schritt c. unter Verwendung des Referenzparameterdatensatzes (Pref) und der gemessenen Größen Strom (Imess(t)) und Spannung (Umess(t)) erfolgen.Preferably, the adaptation of the parameters (R 1 , R 2 , C) takes place only during an evaluation interval, which is initiated when at least one of the measured quantities (I mess (t), U mess (t)) and / or at least one variable variable (I C (t)) of the reference model (M) calculated from this satisfies a first condition. To initiate the evaluation interval, either one of the two or both measured quantities of current and voltage or at least one variable of the reference model calculated therefrom can be used. The first condition that can be used is, for example, that the measured current (I mess (t)) changes only slowly by the energy store. If the variable (I C (t)) is used for the first condition, its calculation before step c. using the reference parameter data set (P ref ) and the measured quantities current (I mess (t)) and voltage (U mess (t)).
Als veränderliche Größe kann der in der Kapazität (C) fließende Strom (IC(t)) verwendet werden, wobei dann bevorzugt die erste Bedingung derart ist, dass dieser Strom (IC(t)) innerhalb eines vorbestimmten Zeitraums im Verhältnis zum maximalen Strom (imax) durch den Energiespeicher klein ist. Dies bedeutet physikalisch, dass der Gradient der in der Kapazität gespeicherten Energie, d. h. die aktuelle Änderung der gespeicherten Energie über der Zeit, klein ist. Wenn der gesamte Batteriestrom konstant ist oder sich sehr langsam ändert, dann fließt er vor allem durch den Wiederstand, der parallel zur Kapazität im Referenzmodell ist. Die Spannung und damit die Energie in der Kapazität ändert sich dann nicht, wohl jedoch die gesamte Energie der Batterie, d. h. ihre Ruhespannung. Ist die genannte erste Bedingung erfüllt, wird dem Energiespeicher folglich Leistung entzogen.As a variable, the current flowing in the capacitance (C) (I C (t)) can be used, and then preferably the first condition is such that this current (I C (t)) within a predetermined period in relation to the maximum Current (i max ) through the energy storage is small. This means physically that the gradient of the energy stored in the capacitance, ie the current change in the stored energy over time, is small. If the total battery current is constant or changes very slowly, it flows primarily through the resistance, which is parallel to the capacitance in the reference model. The voltage and thus the energy in the capacity does not change then, but probably the total energy of the battery, ie its rest voltage. If the said first condition is met, power is thus withdrawn from the energy store.
Die Prüfung dieser ersten Bedingung kann beispielsweise dadurch erfolgen, dass geprüft wird, ob der Strom IC(t) in der Kapazität für einige Messwerte oder über einen vorgegebenen Zeitraum, beispielsweise eine oder mehrere Sekunden, unterhalb eines Grenzwerts liegt. Dieser Grenzwert ist eine festgelegte Auslegungskonstante und kann relativ zum maximalen Strom (imax) angegeben werden, beispielsweise mit 2% des Maximalstroms. Alternativ kann auch ein absoluter Grenzwert vorgegeben werden, beispielsweise 3A bis 5A, vorzugsweise 4A. The examination of this first condition can be carried out, for example, by checking whether the current I C (t) lies below a limit in the capacitance for a few measured values or over a predetermined period of time, for example one or more seconds. This limit is a fixed design constant and can be specified relative to the maximum current (i max ), for example, 2% of the maximum current. Alternatively, an absolute limit value can also be specified, for example 3A to 5A, preferably 4A.
Grundsätzlich kann ein beliebiges Modell als Referenzmodell des Energiespeichers verwendet werden, das die Impedanz des Energiespeichers beschreibt. Das Referenzmodell kann als elektrisches Ersatzschaltbild enthaltend eine Parallelschaltung aus der Kapazität (C) und dem ersten Widerstand (R2) grafisch veranschaulicht werden. Wird die Ruhespannung des Energiespeichers berücksichtigt, liegt in dem Ersatzschaltbild eine Spannungsquelle in Reihe mit der genannten Parallelschaltung. Ein genaueres Modell der Impedanz erhält man, wenn zusätzlich ein zweiter Widerstand (R1) betrachtet wird, der in Reihe zu der Parallelschaltung liegt. Da dieser zweite Widerstand (R1) bei moderaten und niedrigen Temperaturen deutlich kleiner als der erste Widerstand (R2) ist, kann auf den zweiten Widerstand (R1) verzichtet werden.In principle, any model can be used as reference model of the energy storage, which describes the impedance of the energy storage. The reference model may be graphically illustrated as an equivalent electrical circuit diagram including a parallel connection of the capacitance (C) and the first resistor (R 2 ). If the quiescent voltage of the energy store is taken into account, a voltage source is connected in series with said parallel circuit in the equivalent circuit diagram. A more accurate model of impedance is obtained by additionally considering a second resistor (R 1 ) in series with the parallel circuit. Since this second resistor (R 1 ) at moderate and low temperatures is significantly smaller than the first resistor (R 2 ), can be dispensed with the second resistor (R 1 ).
Es ist besonders vorteilhaft, wenn in dem Referenzmodell eine Stromabhängigkeit des ersten Widerstands (R2) berücksichtigt wird, d. h. der Parameterwert des ersten Widerstands (R2) nicht als konstant betrachtet wird, was für die Genauigkeit der darauf basierenden Leistungsvorhersage sehr wichtig ist. So kann der Parameterwert des ersten Widerstands (R2) in Abhängigkeit des durch ihn fließenden Stroms in einen stromabhängigen Widerstandswert (R2(I)) umgerechnet und dieser stromabhängige Widerstandswert (R2(I)) in dem Referenzmodell (1) für die verfahrensgemäßen Berechnungen verwendet werden. Allerdings werden bei der Verwendung des Stroms durch den ersten Widerstand (R2) die Berechnungen für die Leistungsvorhersage deutlich komplexer und komplizierter, weil diese nur iterativ und nicht durch eine geschlossene Formel berechnet werden müssten. Der erste Widerstand (R2) kann daher vereinfacht als vom Gesamtstrom (I(t)) durch den Energiespeicher abhängig modelliert werden, d. h. vom gemessenen Strom. Damit wird der Energiespeicher im Modell etwas schlechter abgebildet, aber immer noch gut genug, und das ermöglicht einfachere Berechnungen.It is particularly advantageous if in the reference model a current dependence of the first resistor (R 2 ) is taken into account, ie the parameter value of the first resistor (R 2 ) is not considered to be constant, which is very important for the accuracy of the power prediction based thereon. Thus, the parameter value of the first resistor (R 2 ) can be converted into a current-dependent resistance value (R 2 (I)) depending on the current flowing through it, and this current-dependent resistance value (R 2 (I)) in the reference model (1) for the method according to the invention Calculations are used. However, when using the current through the first resistor (R 2 ), the power prediction calculations become much more complex and complicated because they would only have to be calculated iteratively and not by a closed formula. The first resistor (R 2 ) can therefore be simplified as a function of the total current (I (t)) modeled by the energy storage, ie the measured current. This maps the energy storage in the model a little less well, but still good enough, allowing easier calculations.
Die Umrechnung bzw. Berücksichtigung der Stromabhängigkeit kann gemäß der Gleichung oder gemäß der Gleichung mit
- R2:
- stromunabhängiger Widerstandswert
- R2(I):
- stromabhängiger Widerstandswert
- a:
- wählbare Konstante
- kI:
- Stromfaktor
- I:
- gemessener Strom Imess(t) durch den Energiespeicher
- IB:
- Bezugsstromwert
- R 2 :
- current-independent resistance value
- R 2 (I):
- current-dependent resistance value
- a:
- selectable constant
- kI:
- power factor
- I:
- measured current I mess (t) through the energy storage
- I B :
- Reference current value
Der stromunabhängige Widerstandswert R2 ist dabei derjenige Parameterwert, der bei der Bildung der Mehrzahl an Parameterdatensatzvarianten (Pi) variiert wird. Im Gegensatz zu einem RLS Algorithmus mit Hochpassfilterung und mehreren Strombereichen zur Berücksichtigung der Stromabhängigkeit, wird die Stromabhängigkeit des Parameters R2 bei dem erfindungsgemäßen Verfahren durch eine empirische Formel (erste Gleichung) oder eine physikalisch begründete Formel (zweite Gleichung) berücksichtigt. Dadurch verfügt das Algorithmus über eine sehr gute Prädiktions- und Interpolationsfähigkeit für Ströme, die im Laufe der Parameteradaption bisher nicht oder sehr selten aufgetreten sind.The current-independent resistance value R 2 is the parameter value that is varied during the formation of the plurality of parameter data record variants (P i ). In contrast to a RLS algorithm with high-pass filtering and multiple current ranges to account for the current dependence, the current dependence of the parameter R 2 is taken into account in the inventive method by an empirical formula (first equation) or a physically justified formula (second equation). As a result, the algorithm has a very good prediction and interpolation capability for currents that have not or rarely occurred in the course of the parameter adaptation.
Der Stromfaktor kI ist eine mathematische Skalierungsgröße für die Stromabhängigkeit. In den beiden Gleichungen ist der Stromfaktor jeweils anders definiert. Er ist dimensionslos in der ersten Gleichung 1 und hat die Dimension [1/A] in der zweiten Gleichung. Entsprechend sind die Werte dann auch ganz unterschiedlich. Der Stromfaktor kann grundsätzlich als Konstante definiert werden. Da sich jedoch die Stromabhängigkeit mit der Betriebstemperatur und über die Lebensdauer der Batterie ändert, ist es von Vorteil, den Stromfaktor kI ebenfalls als variierbaren Parameter zu behandeln, der einen zusätzlichen Parameter des Referenzparameterdatensatzes (Pref) darstellt und der bei der Bildung der Mehrzahl (N) an Parameterdatensatzvarianten (Pi) ebenfalls variiert wird. Auf diese Weise kann auch die Stromabhängigkeit des zweiten Widerstands besser an die tatsächlichen elektrischen Eigenschaften des Energiespeichers angepasst werden. The current factor kI is a mathematical scaling variable for the current dependence. In both equations, the current factor is defined differently. It is dimensionless in the
Es kann des Weiteren vorgesehen sein, dass auch der Parameterwert des zweiten Widerstands (R1) in Abhängigkeit des durch den zweiten Widerstand (R1) fließenden Stroms in einen stromabhängigen Widerstandswert (R1(I)) gemäß einer der genannten Gleichungen umgerechnet wird und dieser stromabhängige Widerstandswert (R1(I)) in dem Referenzmodell verwendet wird. Auf diese Weise kann auch bei dem zweiten Widerstand (R1) eine Anpassung der Stromabhängigkeit an die tatsächlichen Eigenschaften des Energiespeichers erfolgen.It may further be provided that also the parameter value of the second resistor (R 1 ) is converted into a current-dependent resistance value (R 1 (I)) in accordance with one of the equations as a function of the current flowing through the second resistor (R 1 ), and this current-dependent resistance value (R 1 (I)) is used in the reference model. In this way, an adaptation of the current dependence to the actual properties of the energy store can also take place in the case of the second resistor (R 1 ).
Für eine unabhängige Betrachtung der Stromabhängigkeiten können für den ersten und den zweiten Widerstand (R1, R2) jeweils eine eigene Gleichung R(I) und/oder ein eigener Stromfaktor kIR1, kIR2 verwendet werden, der jeweils variiert werden kann. Hierdurch ergibt sich ein weitere Parameter kIR2, der ebenfalls zu variieren ist.For independent consideration of the current dependencies, a separate equation R (I) and / or a separate current factor kI R1 , kI R2 can be used for the first and the second resistor (R 1 , R 2 ), each of which can be varied. This results in a further parameter kI R2 , which is also to be varied.
Alternativ ist es jedoch auch möglich, für den ersten und den zweiten Widerstand (R1, R2) einen identischen Parameterwert R zu verwenden. Wird die Stromabhängigkeit des ersten Widerstands berücksichtigt, können für den ersten und den zweiten Widerstand zusätzlich oder alternativ auch identische Stromabhängigkeitsgleichungen, d. h. identische Gleichungen zur Berechnung der Stromabhängigkeit und ein identischer Stromfaktor kI verwendet werden. Auf diese Weise vereinfacht sich das Referenzmodell und es ist nur ein einziger Widerstandswert (R) zu variieren und hinsichtlich der Stromabhängigkeit bzw. hinsichtlich des Stromfaktors kI zu berücksichtigen.Alternatively, however, it is also possible to use an identical parameter value R for the first and the second resistor (R 1 , R 2 ). If the current dependence of the first resistor is taken into account, identical or different current dependency equations, ie identical equations for calculating the current dependency and an identical current factor kI, can additionally or alternatively be used for the first and the second resistor. In this way, the reference model is simplified and only a single resistance value (R) is to be varied and taken into account with regard to the current dependence or with regard to the current factor kI.
Der Stromfaktor (kI) kann bei jeder der beschriebenen Ausführungsvarianten für positive und negative Ströme (I(t)) unterschiedlich definiert sein. Hierdurch wird eine ungleiche Stromabhängigkeit für Lade- und Entladeströme (unsymmetrische Funktion in
Der initiale Parameterdatensatz (Pstart) enthält Startwerte für die Parameter (R1, R2, C, kI), die beispielsweise zuvor messtechnisch ermittelt und abgespeichert wurden. Auf eine hohe Genauigkeit dieser Startwerte kommt es hierbei nicht an, da die Parameterwerte ohnehin während des Betriebs des Energiespeichers angepasst werden. Somit kann es sich bei den Startwerten auch um grobe Schätzwerte handeln. Dies hat besondere Vorteile, da nicht mehr jeder Energiespeicher oder Energiespeichertyp zur Ermittlung der Startwerte getestet werden muss. Herstellungsbedingte Unterschiede der Parameterwerte bei Energiespeichern insbesondere desselben Typs wirken sich damit später nicht auf die Güte einer Leistungsprädiktion aus.The initial parameter data set (P start ) contains start values for the parameters (R 1 , R 2 , C, kI), which were previously determined and stored by measurement, for example. High accuracy of these starting values is not important since the parameter values are adjusted anyway during the operation of the energy store. Thus, the starting values may also be rough estimates. This has particular advantages, since it is no longer necessary to test each energy storage or energy storage type for determining the starting values. Manufacturing-related differences of the parameter values in energy stores of the same type in particular do not affect the quality of a performance prediction later.
Die Verwendung messtechnisch ermittelter oder geschätzter Startwerte für den Initialparameterdatensatz (Pstart) ist bei der erstmaligen Inbetriebnahme des Energiespeichers von Bedeutung, d. h. wenn das erfindungsgemäße Verfahren erstmalig ausgeführt wird. Ist das Verfahren bereits ausgeführt worden, ist es sinnvoll, die nach dem letzten Ausführen ausgewählten Parameterdatensatzvariante (Pn) als Initialparameterdatensatz (Pstart) für die nächste Ausführung des Verfahrens zu verwenden. Dies bedeutet, dass der initiale Parameterdatensatz (Pstart) der letzten, nach dem Auswerteintervall als Referenzdatensatz (Pref) ausgewählten Parameterdatensatzvariante (Pn) entspricht.The use of metrologically determined or estimated starting values for the initial parameter data set (P start ) is important when the energy store is first put into operation, ie when the method according to the invention is carried out for the first time. If the method has already been carried out, it makes sense to use the parameter data record variant (P n ) selected after the last execution as the initial parameter data record (P start ) for the next execution of the method. This means that the initial parameter data set (P start ) corresponds to the last parameter data set variant (P n ) selected as reference data record (P ref ) after the evaluation interval.
Die Bildung der Parameterdatensatzvarianten (Pi) kann auf verschiedene Art erfolgen. Beispielsweise kann jeweils wenigstens einer der Parameter (R1, R2, C, kI) des Referenzparameterdatensatzes (Pref) ein oder mehrmals variiert werden und daraus entsprechend eine Parameterdatensatzvariante (Pi) gebildet werden, bestehend aus der Variante des variierten Parameters (R1,i, R2,1, Ci, kIi) sowie den anderen Parametern (R1, R2, C, kI) des Referenzparameterdatensatzes Pref.The formation of the parameter data record variants (P i ) can take place in various ways. For example, in each case at least one of the parameters (R 1 , R 2 , C, kI) of the reference parameter data record (P ref ) can be varied one or more times and from this a parameter data set variant (P i ) can be formed, consisting of the variant of the varied parameter (R 1, i , R 2,1 , C i , k i ) and the other parameters (R 1 , R 2 , C, kI) of the reference parameter data set P ref .
Bei einer einfachen Parameteradaption braucht beispielsweise nur einer der Parameter variiert werden. Dies wird vor allem dann ausreichen, wenn bei einem der Parameter bekannt ist, dass er sich abhängig vom Betriebsfall (Ladezustand, Temperatur) und Alter stark ändert, wohingegen die übrigen Parameter annährend gleich bleiben. Auch könnte eine einzige Variation genügen, sofern bekannt ist, dass die der entsprechende Parameter ohnehin nur in eine Richtung ändert. So könnte beispielsweise bei der Kapazität C eine Variation nach unten, beispielsweise zwischen 1 und 10%, vorzugsweise 5% erfolgen: Ci = 0,95·C, mit i = 1. Daraus kann dann entsprechend eine Parameterdatensatzvariante (Pi) gebildet werden, bestehend aus dieser Variante des variierten Parameters Ci sowie den anderen, unveränderten Parametern des Referenzparameterdatensatzes Pref, P1 = (R1, R2, 0,95·C, kI).In a simple parameter adaptation, for example, only one of the parameters needs to be varied. This will be sufficient especially if one of the parameters is known to change significantly depending on the operating case (state of charge, temperature) and age, whereas the remaining parameters remain approximately the same. Also, a single variation could be sufficient, if it is known that the corresponding one Anyway changes parameters in one direction only. Thus, for example, in the case of the capacitance C, a variation downwards, for example between 1 and 10%, preferably 5%, could take place: C i = 0.95 * C, with i = 1. From this a parameter data set variant (P i ) can then be formed consisting of this variant of the varied parameter C i and the other, unchanged parameters of the reference parameter data set P ref , P 1 = (R1, R2, 0.95 · C, kI).
Dieses Vorgehen kann für die übrigen Parameter (R1, R2, kI) widerholt werden. So kann beispielsweise der erste Widerstand R2 um 2% erhöht, der zweite Widerstand R1 um 6% reduziert werden. Daraus können ebenfalls jeweils Parameterdatensatzvarianten Pi gebildet werden, bestehend aus dem variierten Parametern und den nicht veränderten Parametern des Referenzparameterdatensatzes: P2 = (1,02·R1, R2, C, kI), P3 = (R1, 0,94·R2, C, kI), usw.This procedure can be repeated for the other parameters (R1, R2, kI). So can be increased by 2%, for example, the first resistor R 2, the second resistor R 1 are reduced by 6%. From this also parameter data set variants P i can be formed in each case, consisting of the varied parameters and the unmodified parameters of the reference parameter data set: P 2 = (1.02 ×
Um mehr Parameterdatensatzvarianten Pi zu erhalten, und damit eine schnellere Konvergenz des Verfahrens zu erhalten, kann ein Parameter auch zwei oder mehr Mal variiert werden. So kann z. B. der erste Widerstand um +2%, +4% und +6% erhöht werden, so dass entsprechend weitere Parameterdatensatzvarianten Pi aus diesen Varianten und den übrigen Parametern des Referenzdatensatzes Pref erstellt werden können: P2 = (1,02·R1, R2, C, kI), P4 = (1,04·R1, R2, C, kI), P5 = (1,06·R1, R2, C, kI).In order to obtain more parameter data set variants P i , and thus to obtain a faster convergence of the method, a parameter can also be varied two or more times. So z. B. the first resistor by + 2%, + 4% and + 6% are increased, so that correspondingly further parameter data set variants P i can be created from these variants and the other parameters of the reference data set P ref : P 2 = (1.02 · R1, R2, C, kI), P 4 = (1.04 · R1, R2, C, kI), P5 = (1.06 · R1, R2, C, kI).
Um die Konvergenz des Verfahrens in jedem Fall zu gewährleisten, ist es sinnvoll, den Parameterwert (R1, R2, C, kI) des zu variierenden Parameters ausgehend von seinem Wert im Referenzparameterdatensatz Pref um einen Wert nach oben und einen Wert nach unten zu ändern. Dies kann insbesondere jedoch nicht zwingend um betraglich gleiche Werte erfolgen, beispielsweise ±1%, ±2% oder ±5%. In entsprechender Weise wie zuvor können dann Parameterdatensatzvarianten Pi aus diesen Varianten und den übrigen Parametern des Referenzdatensatzes Pref erstellt werden: P1 = (1,05·R1, R2, C, kI), P2 = (0,95·R1, R2, C, kI), P3 = (R1, 1,05·R2, C, kI), P3 = (R1, 0,95·R2, C, kI), usw. Die Höhe der Änderung ist auch hier empirisch und kann beispielsweise zischen 1% und 10% liegen.In order to ensure the convergence of the method in each case, it makes sense to increase the parameter value (R 1 , R 2 , C, kI) of the parameter to be varied by one value upwards and one value downwards, starting from its value in the reference parameter data set P ref to change. However, this can not be done in particular by the same values, for example ± 1%, ± 2% or ± 5%. In a corresponding manner as before, parameter data set variants P i can be created from these variants and the other parameters of the reference data set P ref : P 1 = (1.05 × R1, R2, C, kI), P 2 = (0.95 × R1 , R2, C, kI), P 3 = (R1, R2 1.05 ·, C, kI), P 3 = (R1, R2 0.95 *, C, kI), etc. the amount of change is here empirically and can hiss for example 1% and 10%.
Insgesamt ergeben sich für K Parameter des Referenzmodells und V Varianten jedes Parameters N = K·V Parameterdatensätze. Ein Vorteil ist dabei die geringe Anzahl der Parametersätze. Nachteilig ist allerdings, dass in jedem Optimierungsschritt die Korrelation zwischen Variationen mehreren Parameter nicht berücksichtigt wird, was zu langsamer Konvergenz und Instabilität führen kann.Overall, K parameters of the reference model and V variants of each parameter result in N = K * V parameter data sets. An advantage is the small number of parameter sets. The disadvantage, however, is that in each optimization step, the correlation between variations of several parameters is not taken into account, which can lead to slow convergence and instability.
Zur Bildung der Parameterdatensatzvarianten (Pi) kann deshalb vorzugsweise jeder der Parameter (R1, R2, C, kI) des Referenzparameterdatensatzes (Pref) jeweils ein oder mehrmals, insbesondere wie zuvor erläutert um einen Betrag nach oben und einen Betrag nach unten, variiert werden, wobei dann für jede Variante eines Parameters (R1,i, R2,i, Ci, kIi) jeweils eine Parameterdatensatzvariante (Pi) gebildet wird, bestehend aus dieser Variante des variierten Parameters (R1,i, R2,i, Ci, kIi) sowie anderen variierten Parametern (R1,i, R2,i, Ci, kIi). Auf diese Weise wird eine vollständige Permutation zwischen allen Varianten aller Parametervarianten gebildet, d. h. jede Parametervariante wird in einer Parameterdatensatzvariante mit einer Parametervariante eines anderen Parameters verknüpft. Insgesamt ergeben sich dann bei K Parametern des Referenzmodells und V Varianten N = VK Parameterdatensätze. Nachteilig ist hier zwar die große Anzahl entstehender Parameterdatensätzen. Diese kann jedoch durch Reduktion der Parameteranzahl verringert werden, beispielsweise indem für den ersten und den zweiten Widerstand identische Widerstandswerte, und gegebenenfalls eine identische Stromabhängigkeit verwendet wird. Vorteilhaft ist bei dieser permutationsbasierten Parameterdatensatzbildung aber, dass jede mögliche Permutation berücksichtigt und dadurch schnellere und stabile Konvergenz erreicht wird.For the formation of the parameter data record variants (P i ), therefore, preferably each of the parameters (R 1 , R 2 , C, kI) of the reference parameter data set (P ref ) may be one or more times, in particular as previously explained, by an amount upwards and an amount downwards can be varied, in which case a parameter data record variant (P i ) is formed for each variant of a parameter (R 1, i , R 2, i , C i , k i ), consisting of this variant of the varied parameter (R 1, i , R 2, i , C i , k i i ) and other varied parameters (R 1, i , R 2, i , C i , k i ). In this way, a complete permutation is formed between all variants of all parameter variants, ie each parameter variant is linked in a parameter data record variant with a parameter variant of another parameter. Overall, K parameters of the reference model and V variants N = V K result in parameter data records. The disadvantage here is indeed the large number of resulting parameter data sets. However, this can be reduced by reducing the number of parameters, for example, by using identical resistance values for the first and the second resistor, and possibly an identical current dependency. However, it is advantageous in this permutation-based parameter data record formation that every possible permutation is taken into account, thereby achieving faster and stable convergence.
Die Anzahl der Variationen eines der Parameter (R1,i, R2,i, Ci, kIi) und/oder der Grad der Variation muss/müssen während des Verfahrens nicht zwangsläufig fest sein. Vielmehr ist es von Vorteil, wenn die Anzahl und/oder der Grad in Abhängigkeit der Ergebnisse vorheriger Berechnungen dynamisch festgelegt wird. So kann beispielsweise die Variation eines Parameterwerts eines Parameters (R1,i, R2,i, Ci, kIi), der mehrmals nacheinander in Richtung größere oder kleinere Werte adaptiert wurde, im nächsten Auswerteintervalls in die entsprechende Richtung stärker gewählt werden, um eine beschleunigte Konvergenz zu dem tatsächlichen Wert zu ermöglichen.The number of variations of one of the parameters (R 1, i , R 2, i , C i , k i ) and / or the degree of variation need not necessarily be fixed during the process. Rather, it is advantageous if the number and / or the degree is determined dynamically depending on the results of previous calculations. Thus, for example, the variation of a parameter value of a parameter (R 1, i , R 2, i , C i , kI i ), which has been adapted several times successively in the direction of larger or smaller values, can be stronger in the next evaluation interval in the corresponding direction, to allow accelerated convergence to the actual value.
Die zweite Bedingung dient der Feststellung, ob das Auswerteintervall zu beenden ist. Als zweite Bedingung kann bei dem erfindungsgemäßen Verfahren vorzugsweise die Überprüfung verwendet werden, ob die Dauer des Auswerteintervalls eine vorgegebene Maximaldauer erreicht hat. Dann erst können genügend Informationen vorliegen, um die Abweichungen auswerten zu können. Die maximale Dauer kann eine Zeitangabe sein, beispielsweise zwischen 5 und 20 Sekunden, vorzugsweise ca. 10 Sekunden betragen. Alternativ kann die maximale Dauer durch Angabe der Anzahl der Wiederholungen der Schritte h., i. und j. ausgedrückt werden. In diesem Fall wird ein Zähler verwendet. Werden die Messwerte beispielsweise in 0,1 Sekunden Schritten erfasst, ergeben hundert Wiederholungen der Schritte eine maximale Dauer von ca. 10 Sekunden.The second condition is to determine if the evaluation interval is to be ended. As a second condition, in the method according to the invention, it is preferable to use the check as to whether the duration of the evaluation interval has reached a predetermined maximum duration. Only then can enough information be available to evaluate the deviations. The maximum duration may be a time indication, for example between 5 and 20 seconds, preferably about 10 seconds. alternative can determine the maximum duration by specifying the number of repetitions of steps h., i. and J. be expressed. In this case, a counter is used. If the measured values are recorded, for example, in 0.1 second steps, one hundred repetitions of the steps result in a maximum duration of approx. 10 seconds.
Zusätzlich oder alternativ kann als zweite Bedingung die Überprüfung verwendet werden, ob die Dauer des Auswerteintervalls eine vorgegebene Minimaldauer, beispielsweise zwischen 2 und 5 Sekunden, vorzugsweise 3 Sekunden, erreicht hat, und gleichzeitig die erste Bedingung für das Initiieren eines neuen Auswerteintervalls erfüllt ist. Denn auch wenn die Dauer des Auswerteintervalls nicht die maximale Dauer überschritten hat, jedoch eine minimale Dauer erreich hat und die Bedingung für das Starten der nächsten Intervalls erfüllt ist, d. h. insbesondere der aktuelle Strom in der Kapazität C des Referenzmodells in einem vordefinierten Zeitraum klein ist, kann der Auswerteintervall beendet und ausgewertet werden, weil dann direkt danach das neue Auswerteintervall gestartet werden kann.Additionally or alternatively, as a second condition, the check can be used as to whether the duration of the evaluation interval has reached a predetermined minimum duration, for example between 2 and 5 seconds, preferably 3 seconds, and at the same time the first condition for initiating a new evaluation interval is fulfilled. Even if the duration of the evaluation interval has not exceeded the maximum duration, but has reached a minimum duration and the condition for starting the next interval is fulfilled, d. H. In particular, the current in the capacitance C of the reference model is small in a predefined period of time, the evaluation interval can be terminated and evaluated, because then immediately after the new evaluation interval can be started.
Es ist des Weiteren von Vorteil, wenn Schritt j. nur dann durchgeführt wird, wenn die Änderung des Stroms (I(t)) durch den Energiespeicher im Auswerteintervall größer als ein vordefinierter Minimalwert (ΔImin) war. Dies bedeutet, dass das Auswerteintervall nach Schritt i. gegebenenfalls beendet aber nicht ausgewertet wird oder gegebenenfalls ausgewertet aber die Parameterdatensatzvariant Pn mit der kleinsten Abweichung nicht als neuer Referenzparameterdatensatz Pref übernommen wird, wenn in den Messwerten Imess(t), Umess(t) des aktuellen Intervalls nicht genug Informationen über die Batterieimpedanz vorliegt. Das ist vor allem dann der Fall, wenn die Stromänderung im Auswerteintervall kleiner als der vordefinierte Minimalwert (ΔImin) war. Daher sollte dieser vordefinierte Minimalwert (ΔImin) überschritten sein, wenn der aktuelle Referenzdatensatz Pref geändert wird.It is further advantageous if step j. is carried out only if the change in the current (I (t)) by the energy store in the evaluation interval was greater than a predefined minimum value (ΔI min ). This means that the evaluation interval after step i. if necessary, but not evaluated, or evaluated if necessary, but the parameter data set variant P n with the smallest deviation is not adopted as a new reference parameter data set P ref , if in the measured values I mess (t), U mess (t) of the current interval not enough information about the Battery impedance is present. This is especially the case when the current change in the evaluation interval was smaller than the predefined minimum value (ΔI min ). Therefore, this predefined minimum value (ΔI min ) should be exceeded when the current reference data set P ref is changed.
Alternativ oder kumulativ zu der vorgenannten Bedingung des Überschreitens eines vordefinierten Minimalwerts (ΔImin) für den Strom (I(t)) durch den Energiespeicher kann eine minimale vordefinierte Spannungsänderung (ΔUmin) für die Spannung an der Kapazität (C) oder für die gemessene Gesamtspannung (Umess(t)) gefordert werden. Die gemessene Gesamtspannung (Umess(t)) zu verwenden ist allerdings einfacher. Die beiden Minimalwerte ΔImin, ΔUmin müssen an die Eigenschaften des Messsystems (Quantisierungsgenauigkeit (Auflösung) bei den Messwerten) angepasst werden. Beispielsweise sollten die minimalen Änderungen etwa größer als das 10 bis 20-fache der Auflösung sein.Alternatively or cumulatively to the aforementioned condition of exceeding a predefined minimum value (ΔI min ) for the current (I (t)) by the energy store, a minimum predefined voltage change (ΔU min ) for the voltage at the capacitance (C) or for the measured Total voltage (U mess (t)) are required. However, using the measured total voltage (U mess (t)) is easier. The two minimum values ΔI min , ΔU min must be adapted to the properties of the measuring system (quantization accuracy (resolution) for the measured values). For example, the minimum changes should be greater than about 10 to 20 times the resolution.
Bei der Berechnung der Abweichung wird erfindungsgemäß eine Funktion verwendet, die umso größere Werte liefert, je höher die Differenz zwischen der gemessenen Spannung (Umess(t)) und der Summe aus Überspannung (Umodell(Imess(t), Pi)) und Anfangsspannung (U0,Pi) ist. Beispielsweise kann hier eine quadratische Abweichung verwendet werden, d. h. eine Funktion, bei der die Differenz quadriert wird. Dies hat den Vorteil, dass höhere Abweichungen stärker gewichtet werden. Alternativ könnte jedoch auch der Betrag der Differenz oder die Potenz 4 verwendet werden.In the calculation of the deviation, according to the invention, a function is used which delivers the greater the higher the difference between the measured voltage (U mess (t)) and the sum of overvoltage (U model (I mess (t), P i ) ) and initial voltage (U 0, Pi ). For example, a quadratic deviation can be used here, ie a function in which the difference is squared. This has the advantage that higher deviations are weighted more heavily. Alternatively, however, the amount of the difference or the
Gemäß einem anderen Aspekt des erfindungsgemäßen Verfahrens kann bei der Berechnung der Abweichung die Änderung der Ruhespannung (ΔOCV) des Energiespeichers berücksichtigt werden. Hierzu kann der gemessene Strom (Imess(t)) des Energiespeichers während des Auswerteintervalls integriert und die Änderung der Ruhespannung (ΔOCV) berechnet basierend auf diesem Intergral, bei der Bestimmung der quadratischen Abweichung (ΔQPi) zu der gemessenen Spannung Umess(t) addiert werden:
Das Integral (∫I(t)) stellt einen Amperestundenumsatz dar. ΔOCV(∫I(t)) beschreibt eine funktionale Abhängigkeit der Ruhespannung von diesem Amperestundenumsatz.The integral (∫I (t)) represents an ampere-hour conversion. ΔOCV (∫I (t)) describes a functional dependence of the rest voltage on this ampere-hour conversion.
Zur Ruhespannung sei folgendes erläutert: Die Gesamtspannung einer Batterie setzt sich aus der Ruhespannung (Spannung, wenn kein Strom fließt, engl: open circuit voltage (OCV)), einer sich langsam ändernden Diffusionsspannung und der Spannung über der Batterieimpedanz, die hier als Überspannung (Umodell(t))) bezeichnet wird, zusammen. Als Anfangsspannung wird im Sinne der vorliegenden Beschreibung die Summe aus Ruhespannung und Diffusionsspannung verstanden. Ein vollständiges Batteriemodell würde man demnach erhalten, wenn die in
Für eine Lithium-Ionen Batterie die Ruhespannung beträgt ca. 3,5 V im entladenen Zustand und 4,2 V im geladenen Zustand. Die Abhängigkeit der Ruhespannung von dem Ladezustand OCV(SoC) nennt man die Entladekurve. Diese ist durch die Batterietechnologie bedingt und kann im Labor vermessen werden. For a lithium-ion battery, the quiescent voltage is about 3.5 V in the discharged state and 4.2 V in the charged state. The dependence of the rest voltage on the state of charge OCV (SoC) is called the Entladekurve. This is due to the battery technology and can be measured in the laboratory.
Bisher wurde angenommen, dass die Ruhespannung in der Anfangsspannung (U0,Pi = Umess(t) – Umodell(Imess(t), Pi)) implizit enthalten ist und über die Dauer eines Auswerteintervalls konstant bleibt. De facto ändert sich diese aber geringfügig. Um dies zu berücksichtigen, kann aus einer Ruhespannungskurve, die beispielsweise im Labor gemessenen wurde und im Batteriemanagementsystem hinterlegt ist, die Änderung der Ruhespannung ΔOCV infolge der Änderung des Ladezustandes, welcher der Amperestundenumsatz/Batteriekapazität ist, bestimmt werden: ΔOCV = f(∫I(t)). Der Gleichungsbestandteil ΔOCV(∫I(t)) beschreibt damit eine funktionelle Abhängigkeit. Durch diese Berücksichtigung wird die Bestimmung genauer.Previously, it was assumed that the rest voltage in the initial voltage (U 0, Pi = U mess (t) - U model (I mess (t), P i )) is implicit and remains constant over the duration of an evaluation interval. In fact, this changes slightly. In order to take this into account, the change in the rest voltage ΔOCV as a result of the change in the state of charge, which is the ampere hourly charge / battery capacity, can be determined from a rest voltage curve, which has been measured, for example, in the laboratory and stored in the battery management system: ΔOCV = f (∫I ( t)). The equation component ΔOCV (∫I (t)) describes a functional dependence. This consideration makes the determination more accurate.
Zusätzlich oder alternativ zu den vorgenannten Weiterbildungen kann bei der Berechnung der Spannungsabweichung eine Gewichtung der jeweils neu berechneten Abweichung (ΔQPi) mit einem Gewichtungsfaktor (G) erfolgen, wobei die Abweichung (ΔQPi) erst dann zu der zuvor berechneten Abweichung (QPi_alt) addiert wird, (QPi = QPi + G·ΔQPi). Dieser Gewichtungsfaktor (G) steuert den Grad der Adaption. Insbesondere kann dieser Gewichtungsfaktor stromabhängig implementiert werden, insbesondere derart, dass er für größere. Ströme höher ist und für kleinere Ströme kleiner ist. In diesem Fall wird die Adaption so gesteuert, dass das Modell vor allem bei großen Strömen besser die Eigenschaften der Batterie nachbildet. Als Strom kann vorzugsweise der Gesamtstrom durch den Energiespeicher verwendet werden.In addition or as an alternative to the above-mentioned further developments, a weighting of the respectively newly calculated deviation (ΔQ Pi ) with a weighting factor (G) can take place during the calculation of the voltage deviation, the deviation (ΔQ Pi ) only then becoming the previously calculated deviation (Q Pi_old ). is added, (Q Pi = Q Pi + G · ΔQ Pi ). This weighting factor (G) controls the degree of adaptation. In particular, this weighting factor can be implemented depending on the current, in particular such that it is suitable for larger ones. Currents is higher and smaller for smaller currents. In this case, the adaptation is controlled so that the model emulates better the properties of the battery, especially at high currents. As a current, preferably the total current can be used by the energy storage.
Wie in Schritt j. des Verfahrens genannt, kann die gefundene Parameterdatensatzvariante (Pn) unmittelbar oder mittelbar als neuer Referenzparameterdatensatz (Pref) definiert werden. Unmittelbar bedeutet in diesem Zusammenhang, dass die bestimmte Parameterdatensatzvariante (Pn) direkt als neuer Referenzparameterdatensatz (Pref) definiert wird (Pref_neu = Pn).As in step j. called the method, the found parameter data set variant (P n ) can be defined directly or indirectly as a new reference parameter data set (P ref ). Immediately in this context means that the particular parameter data set variant (P n ) is defined directly as a new reference parameter data set (P ref ) (P ref_new = P n ).
Alternativ kann die bestimmte Parameterdatensatzvariante (Pn) durch eine Tiefpassfilterung mittelbar als neuer Referenzparameterdatensatz (Pref) definiert werden. Dies hat den Vorteil, dass die Vorgeschichte der Impedanz des Energiespeichers mit berücksichtigt wird und etwaige Fehler in der Parameterbestimmung über die Zeit geglättet werden. Vorzugsweise wird hierbei der alte Referenzparameterdatensatz (Pref,alt) mit einem Gewichtungsfaktor (k) multipliziert und die bestimmte Parameterdatensatzvariante (Pn) mit dem Komplement (1 – k) zu Eins dieses Gewichtungsfaktors (k) multipliziert. Die Summe aus den so gewichteten Parameterdatensätzen (Pref,alt, Pn) wird dann als neuer Referenzparameterdatensatz (Pref_neu = k·Pref_alt + (1 – k)·Pn) definiert. Der Gewichtungsfaktor (k) hat einen Wert zwischen null und eins. Für den Wert null (k = 0) ergibt sich die Ausführungsvariante, bei der die gefundene Parameterdatensatzvariante (Pn) unmittelbar als neuer Referenzparameterdatensatz (Pref) definiert wird.Alternatively, the specific parameter data set variant (P n ) can be indirectly defined by a low-pass filtering as a new reference parameter data record (P ref ). This has the advantage that the history of the impedance of the energy storage is taken into account and any errors in the parameter determination are smoothed over time. In this case, the old reference parameter data set (P ref, old ) is preferably multiplied by a weighting factor (k) and the specific parameter data record variant (P n ) multiplied by the complement (1-k) to one of this weighting factor (k). The sum of the thus weighted parameter data sets (P ref, old , P n ) is then defined as a new reference parameter data set (P ref_new = k * P ref_old + (1-k) * P n ). The weighting factor (k) has a value between zero and one. For the value zero (k = 0) results in the embodiment variant in which the found parameter data set variant (P n ) is defined directly as a new reference parameter data record ( Pref ).
Die Tiefpassfilterung kann für alle Parameter des Referenzparameterdatensatzes (Pref) gleich sein, d. h. dass für alle Parameter (R1,n, R2,n, Cn, kIn) der bestimmten Parameterdatensatzvariante (Pn) derselbe Gewichtungsfaktor (k) gilt. Dies vereinfacht die Berechnung und reduziert entsprechend die Rechenleistung. Um eine genauere Adaption der Parameter (R1, R2, C, kI) zu erhalten und jeweilige Konvergenz der Parametersuche sicherzustellen, ist es von Vorteil, die Tiefpassfilterung parameterspezifisch durchzuführen. Hierzu kann jedem Parameter (R1, R2, C, kI) ein eigener Gewichtungsfaktor (kX) zugeordnet werden. Vorzugsweise wird dann jeder Parameter (R1, R2, C, kI) des alten Referenzparameterdatensatz (Pref,alt) mit seinem Gewichtungsfaktor (kX) multipliziert und die Parameter (R1,n, R2,n, Cn, kIn) der bestimmten Parameterdatensatzvariante (Pn) mit dem Komplement (1 – kX) zu Eins des jeweiligen Gewichtungsfaktors (kX) multipliziert. Anschließend werden die jeweiligen Summen aus den so gewichteten Parametern ([R1, R1,n], [R2, R2,n], [C, Cn], [kI, kIn]) als Parameterwerte des neuen Referenzparameterdatensatz Pref_neu definiert.The low-pass filtering can be the same for all parameters of the reference parameter data set (P ref ), ie the same weighting factor (k) applies to all parameters (R 1, n , R 2, n , C n , k n ) of the particular parameter data set variant (P n ) , This simplifies the calculation and reduces the computing power accordingly. In order to obtain a more precise adaptation of the parameters (R 1 , R 2 , C, kI) and to ensure respective convergence of the parameter search, it is advantageous to carry out the low-pass filtering on a parameter-specific basis. For this purpose, each parameter (R 1 , R 2 , C, kI) can be assigned its own weighting factor (k X ). Preferably, then, each parameter (R 1, R 2, C, kI) of the old reference parameter data set (P ref, old) multiplied by its weighting factor (k X) and the parameters (R 1, n, R 2, n, C n, kI n ) of the determined parameter data set variant (P n ) is multiplied by the complement (1 - k X ) to one of the respective weighting factor (k X ). Subsequently, the respective sums of the parameters so weighted ([R 1 , R 1, n ], [R 2 , R 2, n ], [C, C n ], [kI, kI n ]) become parameter values of the new reference parameter data set P ref_neu defined.
Wie bereits angesprochen wurde, eignet sich das erfindungsgemäße Verfahren besonders für eine Anwendung im Rahmen einer prädikativen Bestimmung der für eine vordefinierte Zeit zur Verfügung stehende, maximale Leistung des Energiespeichers, wie sie insbesondere in Batteriemanagementsysteme implementiert sind, da hierfür ein zu jedem Zeitpunkt an den tatsächlichen Zustand des Energiespeichers angepasstes Referenzmodell besonders wichtig ist, um zuverlässige, genaue Prädiktionswerte zu liefern. Es wird daher die Verwendung des erfindungsgemäßen Verfahrens zur prädikativen Bestimmung der für eine vordefinierte Zeit zur Verfügung stehende maximale Leistung des Energiespeichers vorgeschlagen.As already mentioned, the method according to the invention is particularly suitable for use in the context of a predicative determination of the maximum power of the energy store available for a predefined time, as implemented in particular in battery management systems, since this is done at the actual time State of the energy storage adapted reference model is particularly important to provide reliable, accurate prediction values. It is therefore proposed to use the method according to the invention for the predicative determination of the maximum power of the energy store available for a predefined time.
Des Weiteren wird ein Batteriemanagementsystem zur selbstadaptierenden, prädikativen Bestimmung der für eine vordefinierte Zeit zur Verfügung stehenden, maximalen Leistung eines elektrochemischen Energiespeichers, insbesondere für Elektro- oder Hybridfahrzeuge, vorgeschlagen, umfassend Mittel zur Messung des durch den Energiespeicher fließenden Stroms (Imess(t)) und der an diesem anliegenden Spannung (Umess(t)) sowie einen Mikrocontroller, auf den ein Programm mit Instruktionen zur Durchführung des erfindungsgemäßen Verfahrens geladen ist.Furthermore, a battery management system is proposed for the self-adapting, predicative determination of the maximum power of an electrochemical energy store available for a predefined time, in particular for electric or hybrid vehicles, comprising means for the measurement the current flowing through the energy store (I mess (t)) and the voltage applied thereto (U mess (t)) and a microcontroller to which a program is loaded with instructions for carrying out the method according to the invention.
Weitere Vorteile und Merkmale des erfindungsgemäßen Verfahrens werden nachfolgend anhand eines Ausführungsbeispiels unter Verwendung der Figuren erläutert. Es zeigen:Further advantages and features of the method according to the invention are explained below with reference to an embodiment using the figures. Show it:
Der erste Widerstand R2, der zweite Widerstand R1, die Kapazität C und der Stromfaktor kI bilden Parameter des Ersatzschaltbildes, respektive des Modells, deren genaue Werte für die korrekte Beschreibung der Batterie entscheidend sind. Es ist bekannt, dass diese Parameter allesamt nicht konstant sind, sondern von der Temperatur der Batterie, von ihrem Ladezustand und von ihrem Alter abhängen. Daher können in einem komplexeren Modell auch alle Parameter stromabhängig und zusätzlich oder alternativ auch temperaturabhängig modelliert sein. Dies sei der Einfachheit halber hier jedoch vernachlässigt.The first resistor R 2 , the second resistor R 1 , the capacitance C and the current factor kI form parameters of the equivalent circuit diagram or of the model whose exact values are decisive for the correct description of the battery. It is known that these parameters are not all constant, but depend on the temperature of the battery, its state of charge and its age. Therefore, in a more complex model, all parameters can also be current-dependent and additionally or alternatively also temperature-dependent modeled. However, this is neglected here for the sake of simplicity.
Nachfolgend wird ein Batteriemanagementsystem betrachtet, das in einem Elektro- oder Hybridfahrzeug zur Überwachung der Batterie eingesetzt wird, um die maximale Leistung abzuschätzen, die die Batterie für einen zukünftigen Zeitraum liefern kann.
In einem ersten Schritt
Es schließen sich Schritte
Schritt
Zunächst wird die Startspannung der Batterie berechnet, die als Schätzung der Ruhespannung interpretiert werden kann):
First, the starting voltage of the battery is calculated, which can be interpreted as an estimate of the rest voltage):
Dann wird für den Entladefall die Differenz zu einer unteren Spannungsgrenze Umin und für den Ladefall zu einer oberen Spannungsgrenze Umax berechnet:
Danach werden jeweils mit einem beliebigen Iterationsverfahren (z. B. Newton-Raphson Suchverfahren [
Dabei sind Umax, Umin die vordefinierten Spannungsgrenzen, Umodell(ILAD,V, Δt) und Umodell(IELA,V, Δt) die aus dem Modell der Batterieimpedanz berechnete Spannungen, wenn entsprechend die Ströme ILAD,V und IELA,V über eine vordefinierte Dauer Δtpulse (in sec.) angelegt werden:
Schritt
Dabei sind SOCmax und SOCmin die vordefinierten SOC Grenzen in %, Cbat ist die Batteriekapazität in Ah, was nicht zu verwechseln ist mit der Doppelschichtkapazität C im Modell.Here, SOC max and SOC min are the predefined SOC limits in%, C bat is the battery capacity in Ah, which is not to be confused with the double-layer capacitance C in the model.
Schritt
ILAD,I und ILAD,I werden aus einem vorparametrierten Kennfeld in Abhängigkeit der Batterietemperatur bestimmt.step
I LAD, I and I LAD, I are determined from a pre-parameterized map as a function of the battery temperature.
Diese Schritte
In Schritt
Zunächst wird für den in Schritt
Für den in Schritt
Danach werden die gesuchte Ladespannung ULAD und die Entladespannung UELA mit der Berücksichtigung der in Schritt
Aus dem Produkt des jeweiligen Minimalstroms ILAD, IELA und der daraus entsprechend berechneten Spannungen kann ULAD, UELA wird schließlich die verfügbare Batterieleistung bei einem Ladevorgang PLAD = ULAD·ILAD und bei einem Entladevorgang berechnet PELA = UELA·IELA, Schritt
Beide Leistungsvorhersagen sind beim Fahren mit einem Elektro- oder Hybridfahrzeug relevant. Zwar wird die Batterie beim Fahren im Durschnitt stets entladen, jedoch kann sie durch rekuperatives Bremsen auch kurzzeitig geladen werden, um die kinetische Energie zurück zu gewinnen und nicht in konventionellem Bremsen zu vernichten. Für beide Vorgänge-Beschleunigung und Bremsen – muss deshalb vorhergesagt werden, welche maximale Batterieleistung zur Verfügung steht. Beides kann im nächsten Moment sporadisch vorkommen, weshalb auch beides parallel prädiktiert wird. Es gibt deshalb auch keine separaten Batterieparameter, nur ein Parametersatz beschreibt den jeweiligen aktuellen Zustand der Batterie.Both performance forecasts are relevant when driving with an electric or hybrid vehicle. Although the battery is always discharged when driving on average, but it can also be charged by recuperative braking for a short time to recover the kinetic energy and not to destroy in conventional braking. For both processes - acceleration and braking - it must therefore be predicted, which maximum battery power is available. Both can occur sporadically in the next moment, which is why both are predicted in parallel. There are therefore no separate battery parameters, only one parameter set describes the current state of the battery.
Die hier beschriebene Erfindung stellt eine Methode dar, wie die Schritte
Zu Beginn des Verfahrens, d. h. beim Startvorgang des Batteriemanagementsystems, wird das Batteriemodell M in Schritt
In Schritt
Die das Referenzmodell beschreibenden Modellgleichungen lauten: The model equations describing the reference model are:
Dabei kann der Stromfaktor kI einen Wert zwischen 0 und 0,5 und die Konstante a einen Wert zwischen 0,03 und 0,06 besitzen. IB entspricht der Batteriekapazität, die für Hybrid- oder Elektrofahrzeuge typischerweise zwischen 10 und 100 Ah liegt.The current factor kI can have a value between 0 and 0.5 and the constant a can have a value between 0.03 and 0.06. I B corresponds to the battery capacity, which is typically between 10 and 100 Ah for hybrid or electric vehicles.
Die Anpassung der Parameter findet in einem Auswerteintervall statt. Da zu Beginn eines Auswerteintervalls andere Rechenschritte durchgeführt werden als während des Intervalls und für die Berechnungen stets mit aktuelle Messwerte Imess(t), Umess(t) verwendet werden sollen, erfolgt zunächst in Block
Eine Anpassung der Parameter soll nur dann stattfinden, wenn sich die in allen Modellelementen, die Energie speichern können, gespeicherte Energie über die Zeit nur wenig ändert, d. h. die Änderung klein ist. Auf das Ersatzschaltbild/Referenzmodell M nach
Um die Berechnung des Modells für verschiedene Parametersätze zu starten, ist eine Anfangsschätzung der Spannung oder des Stroms auf/in den energiespeichernden Elementen des Models notwendig. Hier kann auch von einem „Initialisieren” des Modells gesprochen werden. Diese Schätzung ist wiederum notwendig für die Berechnung einer Anfangsspannung U0,Pi. Es ist essentiell, dass diese Anfangsspannung U0,Pi möglichst sehr genau berechnet wird, wie sie dann für den ganzen Auswerteintervall gilt.To start the calculation of the model for different sets of parameters, an initial estimate of the voltage or current on / in the energy-storing elements of the model is necessary. Here one can speak of an "initialization" of the model. This estimation is again necessary for the calculation of an initial voltage U 0, Pi . It is essential that this initial voltage U 0, Pi is calculated as accurately as possible, as it then applies to the entire evaluation interval.
Diese Schätzung ist umso genauer je weniger Spannung/Strom in den energiespeichernden Elementen zum Beginn der Berechnung schwanken. Im Allgemeinen bedeutet dies, dass nur eine kleine Schwankung der in diesen Elementen gespeicherten Energie vorliegt. Die Schätzung wird aus dem Referenzmodell M mit dem Referenzdatensatz Pref übernommen. Die höhere Genauigkeit bei langsamen Strom-/Spannungsänderungen folgt daraus, dass das Modell immer noch eine erhebliche Vereinfachung des realen dynamischen Batterieverhaltens ist, und dieses wird bei relativ langsamer Dynamik der Last besser nachgebildet, als bei sehr schneller Dynamik. Sobald das Modell initialisiert und die Anfangsspannung U0,Pi berechnet ist, darf die Dynamik der Last auch schnell sein, die Fehler kompensieren sich dann über das ganzen Auswerteintervall.This estimate is the more accurate the less voltage / current in the energy storage elements will vary at the beginning of the calculation. In general, this means that there is only a small variation in the energy stored in these elements. The estimate is taken from the reference model M with the reference data set P ref . The higher accuracy with slow current / voltage changes follows because the model is still a significant simplification of the real dynamic battery behavior, and this is simulated better at relatively slow load dynamics than at very fast dynamics. As soon as the model is initialized and the initial voltage U 0, Pi is calculated, the dynamics of the load may also be fast, the errors then being compensated over the entire evaluation interval.
An dieser Stelle sei angemerkt, dass je nach dem Fahrprofil und/oder Batterie ist der zeitliche Anteil mit der Bedingung „IC(t) = klein” bezogen auf die gesamte Fahrdauer sehr groß. D. h., dass diese Bedingung fast immer erfüllt ist. Anstelle der Verwendung dieser Bedingung als Kriterium für die Initiierung eines Auswerteintervalls kann also theoretisch auch – ohne Berücksichtigung einer Bedingung – jederzeit, wenn es notwendig ist, ein Auswerteintervall gestartet werden. Dies führt zwar ab und zu zu mehr Fehlern bei der Parameterbestimmung. Es kann aber immer noch im Durchschnitt brauchbare Ergebnisse liefern.At this point, it should be noted that depending on the driving profile and / or battery, the time proportion with the condition "I C (t) = small" in relation to the total driving time is very large. That is, this condition is almost always met. Instead of using this condition as a criterion for the initiation of an evaluation interval, it is also theoretically possible to start an evaluation interval at any time, if necessary, without considering a condition. Although this sometimes leads to more errors in the parameter determination. However, it can still provide useful results on average.
Es ist daher zweckmäßig, ein Auswerteintervall erst dann zu initiieren, wenn zumindest eine veränderliche Größe des Referenzmodells (M) eine erste Bedingung erfüllt. Als veränderliche Größe wird hier der Strom IC(t) durch die Kapazität C verwendet. Dieser muss über einen bestimmten Zeitraum die Bedingung erfüllen, klein zu sein. Der Zeitraum kann zwischen 0,5 s und 0,8 s betragen. Für die Bedingung kann ein Vergleich mit einem Grenzwert IC,grenz, beispielsweise ein Absolutwert, z. B. 4A erfolgen, oder mit einem in Relation zum Maximalstrom der Batterie stehenden Wert, beispielsweise 2% des Maximalstroms. Die Überprüfung dieser Bedingung ist Teil von Block
Im Rahmen des Blocks
Für I(t) ist der Messwert Imess(t) zu verwenden. UC(t) wird durch die iterative Lösung der Gleichung Gl. 4 im zeitdiskreten Bereich mit dem zeitdiskreten Schritt k zum Zeitpunkt tk mit dem Referenzparameterdatensatz Pref = (R1, R2, kI, C) wie folgt berechnet: For I (t) the measured value I mess (t) is to be used. U C (t) is determined by the iterative solution of Equation Eq. 4 is calculated in the time-discrete region with the time-discrete step k at time t k with the reference parameter data set P ref = (R 1 , R 2 , kI, C) as follows:
Wenn der Strom IC(t) durch die Kapazität C für den vorbestimmten Zeitraum unterhalb des Grenzwertes IC,grenz liegt, wird ein neues Auswerteintervall initiiert. Sofern dies nicht der Fall ist, wird das Verfahren bei Schritt
Wenn die erste Bedingung erfüllt ist, werden zunächst in Block
Für jede Variante des Parameters R1,i werden dann systematisch Parameterdatensatzvarianten Pi gebildet wird, bestehend aus der jeweiligen Variante des variierten Parameters R1,1 = 0,95·R1, R1,2 = 1·R1 und R1,3 = 1,05·R1 sowie den anderen (hier zunächst) unveränderten Parametern R2, C, kI des Referenzparameterdatensatzes Pref. Bei Nichtveränderung der anderen Parameter R2, C, kI ergeben sich bereits drei Parameterdatensatzvarianten Pi, i = 1 bis 3:
Wird dies auch für den ersten Widerstand R2 durchgeführt, erhält man für jede der drei Parameterdatensatzvarianten Pi, i = 1 bis 3, drei weitere Varianten, nämlich für 0,95·R2; 1·R2 und 1,05·R2, so dass insgesamt neun Parameterdatensatzvarianten Pi, i = 1 bis 9 entstehen:
Eine Variation kann nun für die Kapazität C sowie für den Stromfaktor kI ebenfalls vorgenommen werden. In Summe werden für diesen Beispielfall mit zwei Variationen (±5%) pro Parameter, was jeweils drei Varianten pro Parameter entspricht (±5% und unveränderter Parameter) dann 81 Parameterdatensatzvarianten Pi, i = 1 bis 81 erzeugt. Werden also alle K = 4 Parameter zweimal variiert, so dass insgesamt V = 3 Varianten pro Parameter entstehen, wird eine vollständige Permutation zwischen allen Varianten aller Parameter gebildet, aus der sich insgesamt N = 34 = 81 Parameterdatensatzvarianten Po ergeben.A variation can now also be made for the capacitance C and for the current factor kI. In sum, for this example case, with two variations (± 5%) per parameter, which corresponds to three variants per parameter (± 5% and unchanged parameters), then 81 parameter data set variants P i , i = 1 to 81 are generated. Thus, if all K = 4 parameters are varied twice, resulting in a total of V = 3 variants per parameter, a complete permutation is formed between all variants of all parameters, resulting in a total of N = 3 4 = 81 parameter data set variants P o .
Anschließend wird das Referenzmodell M für alle Parameterdatensatzvarianten Pi initialisiert, Schritt
Da die Gleichung Gl. 4 eine Differentialgleichung ist, muss diese rekursiv berechnet werden in Kombination mit Gleichung Gl. 3. Für die rekursive Berechnung wird stets das Ergebnis der letzten Berechnung benötigt. Zu Beginn erfordert dies also eine Initialisierung, d. h. eine Anfangsschätzung. Hierfür wird die Spannung UC(t) über der Kapazität C für jede Parameterdatensatzvariante Pi gleich der Spannung über der Kapazität C beim Referenzmodell M gesetzt, d. h. derjenigen Spannung, die sich rechnerisch aus dem Modell bei der Verwendung des Referenzparameterdatensatzes Pref ergibt: UC,Pi = UC,Pref. Diese Spannung UC,Pref wurde in Schritt
Danach wird für jeden Parametersatz Pi = (R1, R2, Ci, kIi) eine Anfangsspannung berechnet: U0,Pi = Umess – Umodell(Imess, Pi), mit Imess und Umess als aktuell gemessenen Batteriestrom und Batteriespannung. Die Anfangsspannung entspricht im Wesentlichen der Ruhespannung der Batterie, umfasst jedoch auch Diffusionsüberspannungen, die sich im Vergleich zu der Länge des Auswerteintervalls sehr langsam ändern. Umodell(Imess, Pi) ist die aus dem Referenzmodells (
Ist die Initialisierung des Referenzmodells M für alle Parameterdatensatzvarianten Pi erfolgt, wird das erfindungsgemäße Verfahren bei Schritt
Entsprechend erfolgt ein erneutes Messen des durch den Energiespeicher fließenden Stroms (Imess(t)) und der an diesem anliegenden Spannung (Umess(t)). Das Messen erfolgt in diskreten Zeitschritten von typischerweise 0,1 s. Dies bedeutet, dass alle 0,1 Sekunden neue Messwerte vorliegen. Die Schritte
Liegen die neuen Messwerte vor, wird das Referenzmodell M mit dem Referenzdatensatz Pref und den aktuellen Messwerten erneut berechnet, Schritt
Da ein Auswerteintervall zuvor in Schritt
Die Berechnung von UC,Pi(tk) erfolgt im zeitdiskreten Schritt k zum Zeitpunkt tk folgenderweise: The calculation of U C, Pi (t k ) takes place in time-discrete step k at time t k as follows:
Danach wird in Schritt
Die Schritte
Dies entspricht einer numerischen Integration der quadratischen Abweichung ΔQPi während der Dauer TAuswert des Auswerteintervalls.This corresponds to a numerical integration of the quadratic deviation ΔQ Pi during the duration T evaluation of the evaluation interval .
Nun wird geprüft, ob eine zweite Bedingung erfüllt ist, bei der für Auswerteintervall beendet werden kann, Schritt
Ist die zweite Bedingung nicht erfüllt, wie dies zu Beginn des Verfahrens stets der Fall ist, wird das Verfahren bei Schritt
Wenn die zweite Bedingung allerdings erfüllt ist, wird das Auswerteintervall beendet. Es wird dann diejenige Parameterdatensatzvariante Pn, n ∊ [1...N] mit dem kleinsten Wert für die quadratische Abweichung QPi_neu ausgewählt und als Referenzparameterdatensatz Pref für nächste Berechnungen herangezogen, Schritt
Nach der Auswahl eines des neuen Referenzparameterdatensatzes Pref wird das Verfahren bei Schritt
In einem nicht dargestellten Prüfungsschritt, der zwischen den Schritten
Die Überprüfung der Überschreitung des Minimalwerts ΔImin kann derart erfolgen, dass aus den Strommessungen Imess(t) zunächst der maximale Wert Imax und der minimale Wert Imin bestimmt wird. Verfahrensimplementiert kann hierzu der erste Strommesswerte als Imax und Imin gesetzt werden, woraufhin bei jedem nachfolgenden Messwert geprüft wird, ob der neue Messwert Imess(t) größer als der aktuelle Maximalwert Imax ist, wobei in diesem Fall der neue Messwert als neuer Maxmalwert Imax gesetzt wird, oder ob der neue Messwert Imess(t) kleiner als der aktuelle Minimalwert Imin ist, wobei in diesem Fall der neue Messwert als neuer Minimalwert Imin gesetzt wird. Am Ende des Auswerteintervalls wird dann die Differenz zwischen Maximal- und Minimalwert gebildet und geprüft, ob diese Differenz größer als der vordefinierte Minimalwert ΔImin (z. B. 20 A) ist, Imax – Imin > ΔImin. Ist dies der Fall hat sich der Strom I(t) ausreichend geändert, so dass genügend Informationen über die Batterieimpedanz in den Messwerten vorliegen. Nur in diesem Fall wird dann in Schritt
In entsprechender Weise kann in einem nicht dargestellten Schritt, der zwischen den Schritten
Anstelle des Modells in
Gemäß einer anderen Ausführungsvariante wird in dem letzten Schritt
Die Mischung erfolgt durch eine Tiefpassfilterung derart, dass der alte Referenzparameterdatensatz Pref_alt mit einem zwischen 0 und 1 liegenden Gewichtungsfaktor k multipliziert wird und die gefundene Parameterdatensatzvariante Pn mit einem dem Komplement von k zu 1 entsprechenden Gewichtungsfaktor, also 1 – k multipliziert wird. Die so gewichteten Parameterdatensätze werden dann addiert, so dass sich ergibt:
Wird beispielsweise k = 0,5 gewählt, erhält man eine Mittelwertbildung. Auf die beschriebene Weise kann der gesamte Referenzparameterdatensatz Pref gefiltert werden, oder k kann selektiv bzw. Parameterspezifisch angewendet werden, wobei dann für jeden Parameter ein entsprechender Gewichtungsfaktor kX mit X = R1, R2, C oder kI und 0 ≤ kX ≤ 1 existiert. Für kX = 0 kann die Filterung deaktiviert werden. Für kX = 1 kann der entsprechende Parameter sogar von der verfahrensgemäßen Anpassung ausgenommen werden. Allerdings ist letzteres nicht erforderlich, wenn in den Parameterdatensatzvarianten stets auch eine Variante mit unverändertem Parameter vorhanden ist.If, for example, k = 0.5 is chosen, averaging is obtained. In the described manner, the entire reference parameter data set P ref may be filtered, or k may be selectively or parameters specific be applied, in which case, for each parameter, a corresponding weighting factor k X with X = R 1, R 2, C or kI and 0 ≤ k X ≤ 1 exists. For k X = 0 the filtering can be deactivated. For k X = 1, the corresponding parameter can even be excluded from the adaptation according to the method. However, the latter is not required if a variant with unchanged parameter is always present in the parameter data record variants.
Wenn die Parameter R1, R2, C, kI des Referenzmodells M in
Aus den aktuellen Messwerten (Umess, Imess) wird mit Hilfe des Referenzmodells M und dem Referenzdatensatz Pref die Startspannung wie folgt berechnet: Ustart = Umess Umodell(Imess, Pref). Dann wird für den Entladefall die Differenz zu einer unteren Spannungsgrenze Umin und für den Ladefall zu einer oberen Spannungsgrenze Umax berechnet: ΔUELA = Ustart – Umin, ΔULAD = Umax – Ustart. Danach werden Ladestrom ILAD und Entladestrom IELA gesucht, so dass die resultierende Modellspannung Umodell(t) nach vorgegebener Zeit Δt für diese Ströme den berechneten Spannungsdifferenzen entspricht:
From the current measured values (U mess , I mess ), the starting voltage is calculated using the reference model M and the reference data set P ref as follows: U start = U meas U model (I mess , P ref ). Then, for the discharge case, the difference to a lower voltage limit U min and for the load case to an upper voltage limit U max is calculated: ΔU ELA = U start - U min , ΔU LAD = U max - U start . Thereafter charging current I LAD and discharge current I ELA are searched for, so that the resulting model voltage U model (t) after predetermined time Δt for these currents corresponds to the calculated voltage differences:
Die Suche nach diesen Strömen kann z. B. iterativ erfolgen, beispielsweise mit dem Newton-Raphson Suchverfahren [
Die Berechnung der Spannung im Schritt
Zunächst wird für den in Schritt
First, for the step in
Für den in Schritt
Danach werden die gesuchte Ladespannung ULAD und die Entladespannung UELA mit der Berücksichtigung der in Schritt
Das vorgeschlagene erfindungsgemäße Verfahren zur Adaption der Modellparameter in einem Batteriemanagementsystem bietet eine neuartige Methode, bei der das Batteriemodell mit mehreren Parametervarianten über bestimmte Zeitintervalle berechnet wird, um anschließend die beste Variante für weitere Berechnungen zu verwenden. Bisher wurden dafür nur Kalman-Filter basierte Techniken vorgestellt.The proposed method according to the invention for adapting the model parameters in a battery management system offers a novel method in which the battery model with several parameter variants is calculated over specific time intervals, in order subsequently to use the best variant for further calculations. So far, only Kalman filter based techniques have been introduced.
Hervorzuheben ist insbesondere, dass die Berechnung ausgehend von der aktuellen Batteriespannung bei gegebener Belastung (Umess, Imess) durchgeführt wird. Deswegen ist kein vollständiges Batteriemodell notwendig. Es wird lediglich ein Modell der Batterieimpedanz benötigt, welches das Verhalten der Batterie bei Stromänderungen im zu vorherzusagenden Zeitraum (typischerweise Δtpulse = 1...30 sec.) beschreibt. Bisher bekannte Algorithmen benötigen ein vollständiges Batteriemodell inkl. Ruhespannungsmodell mit Hysteresebestimmung etc. Ein Verzicht auf andere Teile des Batteriemodells (Ruhespannung, Hysterese, Diffusion) macht das Verfahren einfacher und genauer, weil die entsprechenden Überspannungen in Messdaten direkt beinhaltet sind und somit implizit berücksichtigt werden.It should be emphasized in particular that the calculation is carried out on the basis of the current battery voltage for a given load (U mess , I mess ). Therefore, a complete battery model is not necessary. It is only required a model of the battery impedance, which (typically .DELTA.t pulse = 1 ... 30 sec.) Describes the behavior of the battery in case of power changes to be predicted period. Previously known algorithms require a complete battery model including quiescent voltage model with hysteresis determination, etc. Abandoning other parts of the battery model (quiescent voltage, hysteresis, diffusion) makes the process simpler and more accurate because the corresponding overvoltages are directly included in measurement data and thus implicitly taken into account.
Die Vorhersage der maximal verfügbaren Leistung der Batterie in einem Elektrofahrzeug ist für einen sicheren Fahrbetrieb zwingend notwendig. Im folgenden Beispiel wird der oben beschriebene Algorithmus mit einem Impedanzmodell der Batterie gemäß
Ein typisches Belastungsprofil der Batterie eines Elektrofahrzeuges wird um Referenz-Strompulse erweitert, um eine deterministische Grundlage für quantitative Untersuchung der Genauigkeit des Algorithmus zu bilden.
Das Adaptionsverfahren wurde auf einem 16 Bit Mikrocontroller (Infineon XC2287, 80 MHz) umgesetzt. Die Software benötigt lediglich ca. 500 Byte RAM (ca. 1% des RAM Speichers) und ca. 11 kByte ROM (ca. 1,2% des ROM Speichers). Die Auslastung des Prozessors beträgt ca. 1,7%. Dieses Ergebnis bestätigt die Recheneffizienz des Algorithmus und zeigt die Anwendbarkeit auf kostengünstiger Hardware auf, unter anderem auch im Automobilbereich.The adaptation method was implemented on a 16-bit microcontroller (Infineon XC2287, 80 MHz). The software only needs about 500 bytes of RAM (about 1% of the RAM memory) and about 11 kbytes of ROM (about 1.2% of the ROM memory). The utilization of the processor is about 1.7%. This result confirms the computational efficiency of the algorithm and demonstrates its applicability to cost-effective hardware, including in the automotive industry.
ZITATE ENTHALTEN IN DER BESCHREIBUNG QUOTES INCLUDE IN THE DESCRIPTION
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.This list of the documents listed by the applicant has been generated automatically and is included solely for the better information of the reader. The list is not part of the German patent or utility model application. The DPMA assumes no liability for any errors or omissions.
Zitierte PatentliteraturCited patent literature
- US 7518375 B1 [0007] US 7518375 B1 [0007]
- WO 2005050810 [0009] WO 2005050810 [0009]
- US 7486079 B1 [0011] US 7486079 B1 [0011]
- DE 102009049320 A1 [0013, 0013] DE 102009049320 A1 [0013, 0013]
- US 6832171 [0014] US 6832171 [0014]
- DE 102009054547 A1 [0014] DE 102009054547 A1 [0014]
- US 6469512 B [0014] US 6469512 B [0014]
- US 2011/0172939 [0014] US 2011/0172939 [0014]
Zitierte Nicht-PatentliteraturCited non-patent literature
-
Gregory L. Plett, ”Extended Kalman filtering for battery management systems of LiPB-based HEV battery packs: Part 3. State and parameter estimation”, Journal of Power Sources, Band 134, Nr. 2, S. 277–292, 2004 [0011] Gregory L. Plett, "Extended Kalman filtering for battery management system of LIPB-based HEV battery packs:
Part 3. State and parameter estimation", Journal of Power Sources, Volume 134, No. 2, pp 277-292, 2004 [. 0011] - M. Urbain, S. Rael, B. Davat, and P. Desprez, ”State Estimation of a Lithium-Ion Battery Through Kalman Filter”, Juni 2007, S. 2804–2810 [0011] M. Urbain, S. Rael, B. Davat, and P. Desprez, "State Estimation of a Lithium Ion Battery Through Kalman Filter," June 2007, pp. 2804-2810 [0011]
- P. Deuflhard, Newton Methods for Nonlinear Problems. Affine Invariance and Adaptive Algorithms. Berlin: Springer, 2004 [0078] P. Deuflhard, Newton Methods for Nonlinear Problems. Affine Invariance and Adaptive Algorithms. Berlin: Springer, 2004 [0078]
- P. Deuflhard, Newton Methods for Nonlinear Problems. Affine Invariance and Adaptive Algorithms. Berlin: Springer, 2004 [0132] P. Deuflhard, Newton Methods for Nonlinear Problems. Affine Invariance and Adaptive Algorithms. Berlin: Springer, 2004 [0132]
Claims (28)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE201310000572 DE102013000572A1 (en) | 2013-01-15 | 2013-01-15 | Method for determining model parameters of electrochemical energy storage of e.g. electric vehicle, involves defining parameter record variant as new reference dataset to describe battery model and to determine maximum power of storage |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE201310000572 DE102013000572A1 (en) | 2013-01-15 | 2013-01-15 | Method for determining model parameters of electrochemical energy storage of e.g. electric vehicle, involves defining parameter record variant as new reference dataset to describe battery model and to determine maximum power of storage |
Publications (1)
Publication Number | Publication Date |
---|---|
DE102013000572A1 true DE102013000572A1 (en) | 2014-07-17 |
Family
ID=51014828
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE201310000572 Withdrawn DE102013000572A1 (en) | 2013-01-15 | 2013-01-15 | Method for determining model parameters of electrochemical energy storage of e.g. electric vehicle, involves defining parameter record variant as new reference dataset to describe battery model and to determine maximum power of storage |
Country Status (1)
Country | Link |
---|---|
DE (1) | DE102013000572A1 (en) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102014207485A1 (en) * | 2014-04-17 | 2015-10-22 | Robert Bosch Gmbh | Method for battery management and battery management system |
CN106291157A (en) * | 2015-06-10 | 2017-01-04 | 致茂电子(苏州)有限公司 | Battery simulating device |
WO2018001460A1 (en) * | 2016-06-28 | 2018-01-04 | Bayerische Motoren Werke Aktiengesellschaft | Method and device for estimating a voltage of a battery |
CN109074349A (en) * | 2016-02-29 | 2018-12-21 | 埃克萨公司 | Data are handled to characterize the thermal behavior of battery |
DE102019212762A1 (en) * | 2019-08-26 | 2021-03-04 | Hochschule für angewandte Wissenschaften München | Method for determining a power share, operating method, control unit, energy storage arrangement and power grid |
CN113297735A (en) * | 2021-05-24 | 2021-08-24 | 复旦大学 | Vulcanization resonance model of valve-regulated lead-acid storage battery |
CN114252770A (en) * | 2021-11-19 | 2022-03-29 | 东软睿驰汽车技术(沈阳)有限公司 | Method, device and system for detecting power of battery pack and electronic equipment |
WO2022189494A3 (en) * | 2021-03-10 | 2022-12-15 | TWAICE Technologies GmbH | Estimating characteristic values in rechargeable batteries |
DE102022200721A1 (en) | 2022-01-24 | 2023-07-27 | Volkswagen Aktiengesellschaft | Method for operating a battery system during a charging process |
US11835583B1 (en) | 2022-05-11 | 2023-12-05 | Univerza V Ljubljani | Computer-implemented method for diagnosing states of a battery |
EP4103427A4 (en) * | 2020-02-12 | 2024-03-20 | Karma Automotive Llc | Battery current limits estimation based on rc model |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6469512B2 (en) | 2000-01-12 | 2002-10-22 | Honeywell International Inc. | System and method for determining battery state-of-health |
US6832171B2 (en) | 2002-12-29 | 2004-12-14 | Texas Instruments Incorporated | Circuit and method for determining battery impedance increase with aging |
WO2005050810A1 (en) | 2003-11-20 | 2005-06-02 | Lg Chem, Ltd. | Method for calculating power capability of battery packs using advanced cell model predictive techniques |
US7486079B2 (en) | 2004-06-11 | 2009-02-03 | Nissan Motor Co., Ltd. | Available input-output power estimating device for secondary battery |
US7518375B2 (en) | 2005-03-04 | 2009-04-14 | Lg Chem, Ltd. | Method of estimating maximum output of battery for hybrid electric vehicle |
DE102009049320A1 (en) | 2009-10-14 | 2011-04-21 | Bayerische Motoren Werke Aktiengesellschaft | Method for determining and / or predicting the high-current capacity of a battery |
DE102009054547A1 (en) | 2009-12-11 | 2011-06-16 | Robert Bosch Gmbh | Method for determining inner resistance of cell of traction battery in e.g. hybrid vehicle, involves considering neutral voltage change of battery cell related to existing charging conditions of cell, before and after charging process |
US20110172939A1 (en) | 2010-01-08 | 2011-07-14 | Sandip Uprety | System and Method to Determine an Internal Resistance and State of Charge, State of Health, or Energy Level of a Rechargeable Battery |
US20110224928A1 (en) * | 2010-03-10 | 2011-09-15 | Gm Global Technology Operations, Inc. | Battery state estimator using multiple sampling rates |
-
2013
- 2013-01-15 DE DE201310000572 patent/DE102013000572A1/en not_active Withdrawn
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6469512B2 (en) | 2000-01-12 | 2002-10-22 | Honeywell International Inc. | System and method for determining battery state-of-health |
US6832171B2 (en) | 2002-12-29 | 2004-12-14 | Texas Instruments Incorporated | Circuit and method for determining battery impedance increase with aging |
WO2005050810A1 (en) | 2003-11-20 | 2005-06-02 | Lg Chem, Ltd. | Method for calculating power capability of battery packs using advanced cell model predictive techniques |
US7486079B2 (en) | 2004-06-11 | 2009-02-03 | Nissan Motor Co., Ltd. | Available input-output power estimating device for secondary battery |
US7518375B2 (en) | 2005-03-04 | 2009-04-14 | Lg Chem, Ltd. | Method of estimating maximum output of battery for hybrid electric vehicle |
DE102009049320A1 (en) | 2009-10-14 | 2011-04-21 | Bayerische Motoren Werke Aktiengesellschaft | Method for determining and / or predicting the high-current capacity of a battery |
DE102009054547A1 (en) | 2009-12-11 | 2011-06-16 | Robert Bosch Gmbh | Method for determining inner resistance of cell of traction battery in e.g. hybrid vehicle, involves considering neutral voltage change of battery cell related to existing charging conditions of cell, before and after charging process |
US20110172939A1 (en) | 2010-01-08 | 2011-07-14 | Sandip Uprety | System and Method to Determine an Internal Resistance and State of Charge, State of Health, or Energy Level of a Rechargeable Battery |
US20110224928A1 (en) * | 2010-03-10 | 2011-09-15 | Gm Global Technology Operations, Inc. | Battery state estimator using multiple sampling rates |
Non-Patent Citations (3)
Title |
---|
Gregory L. Plett, "Extended Kalman filtering for battery management systems of LiPB-based HEV battery packs: Part 3. State and parameter estimation", Journal of Power Sources, Band 134, Nr. 2, S. 277-292, 2004 |
M. Urbain, S. Rael, B. Davat, and P. Desprez, "State Estimation of a Lithium-Ion Battery Through Kalman Filter", Juni 2007, S. 2804-2810 |
P. Deuflhard, Newton Methods for Nonlinear Problems. Affine Invariance and Adaptive Algorithms. Berlin: Springer, 2004 |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102014207485A1 (en) * | 2014-04-17 | 2015-10-22 | Robert Bosch Gmbh | Method for battery management and battery management system |
CN106291157B (en) * | 2015-06-10 | 2019-02-19 | 致茂电子(苏州)有限公司 | Battery simulating device |
CN106291157A (en) * | 2015-06-10 | 2017-01-04 | 致茂电子(苏州)有限公司 | Battery simulating device |
CN109074349B (en) * | 2016-02-29 | 2023-11-10 | 达索系统西姆利亚公司 | Processing data to characterize thermal behavior of a battery |
CN109074349A (en) * | 2016-02-29 | 2018-12-21 | 埃克萨公司 | Data are handled to characterize the thermal behavior of battery |
WO2018001460A1 (en) * | 2016-06-28 | 2018-01-04 | Bayerische Motoren Werke Aktiengesellschaft | Method and device for estimating a voltage of a battery |
US11333710B2 (en) | 2016-06-28 | 2022-05-17 | Bayerische Motoren Werke Aktiengesellschaft | Method and device for estimating a voltage of a battery |
DE102019212762A1 (en) * | 2019-08-26 | 2021-03-04 | Hochschule für angewandte Wissenschaften München | Method for determining a power share, operating method, control unit, energy storage arrangement and power grid |
US11994561B2 (en) | 2020-02-12 | 2024-05-28 | Karma Automotive Llc | Battery current limits estimation based on RC model |
EP4103427A4 (en) * | 2020-02-12 | 2024-03-20 | Karma Automotive Llc | Battery current limits estimation based on rc model |
WO2022189494A3 (en) * | 2021-03-10 | 2022-12-15 | TWAICE Technologies GmbH | Estimating characteristic values in rechargeable batteries |
CN113297735B (en) * | 2021-05-24 | 2022-03-22 | 复旦大学 | Vulcanization resonance model of valve-regulated lead-acid storage battery |
CN113297735A (en) * | 2021-05-24 | 2021-08-24 | 复旦大学 | Vulcanization resonance model of valve-regulated lead-acid storage battery |
CN114252770B (en) * | 2021-11-19 | 2023-12-22 | 东软睿驰汽车技术(沈阳)有限公司 | Method, device and system for detecting power of battery pack and electronic equipment |
CN114252770A (en) * | 2021-11-19 | 2022-03-29 | 东软睿驰汽车技术(沈阳)有限公司 | Method, device and system for detecting power of battery pack and electronic equipment |
DE102022200721A1 (en) | 2022-01-24 | 2023-07-27 | Volkswagen Aktiengesellschaft | Method for operating a battery system during a charging process |
DE102022200721B4 (en) | 2022-01-24 | 2024-05-16 | Volkswagen Aktiengesellschaft | Method for operating a battery system during a charging process |
US11835583B1 (en) | 2022-05-11 | 2023-12-05 | Univerza V Ljubljani | Computer-implemented method for diagnosing states of a battery |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE102013000572A1 (en) | Method for determining model parameters of electrochemical energy storage of e.g. electric vehicle, involves defining parameter record variant as new reference dataset to describe battery model and to determine maximum power of storage | |
EP2487499B1 (en) | Real-time-capable battery cells simulation | |
EP1380849B1 (en) | Process for the determination of the available charge quantity of a storage battery and monitoring device | |
EP1774351B1 (en) | State and parameter estimator comprising an integral or differential portion for electrical energy stores | |
EP1150131B1 (en) | Method for determining the state of the charge and the capacity of an electric storage battery | |
EP2488885B1 (en) | Method for determining and/or predicting the maximum performance capacity of a battery | |
EP1429152B1 (en) | Method for predicting the internal resistance of a battery and a monitoring device for batteries | |
DE102006018208B4 (en) | A method and apparatus for detecting a charged state of a secondary battery based on a neural network calculation | |
DE10158029B4 (en) | Method for calculating the dynamic state of charge in a battery | |
EP1588176B1 (en) | Method and device for determining the charge that can be drawn from an energy accumulator | |
DE102016111547A1 (en) | Internal resistance estimation method for a secondary battery, output control method for a secondary battery, and a vehicle | |
DE102010062856A1 (en) | Method for determining operating parameters of a battery, battery management system and battery | |
DE102011017113B4 (en) | Method for determining state variables of an accumulator | |
DE102013221589A1 (en) | Method for determining the capacity of a battery cell | |
WO2017182497A1 (en) | Method and system for evaluating an electrochemical storage unit | |
DE102011054339A1 (en) | Adaptive slow variable current detection | |
DE102008041300A1 (en) | Method and device for determining the state of charge of a rechargeable battery | |
DE112014004166T5 (en) | Apparatus and method for estimating the life of an energy storage device and an energy storage system | |
DE102013206189A1 (en) | Determining a state of charge of a rechargeable battery | |
DE102008036159A1 (en) | Battery's charging condition determining method for use during driving of vehicle, involves determining value of quasi idle voltage, and determining condition of battery depending on value of idle voltage | |
DE102014220914A1 (en) | Method and device for determining an operating point-dependent resistance change factor and vehicle | |
EP2710391A2 (en) | Device and method for determining a state parameter of a battery | |
DE102014215769A1 (en) | Method for determining a resistance-related size of a battery cell | |
DE102013206896A1 (en) | Method for determining the state of charge of a battery | |
DE10328055A1 (en) | State quantity and parameter estimators with several partial models for an electrical energy storage |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R012 | Request for examination validly filed | ||
R016 | Response to examination communication | ||
R119 | Application deemed withdrawn, or ip right lapsed, due to non-payment of renewal fee |