DE102013017059A1 - Method for detecting wear condition of accumulator in motor vehicle, involves determining wearing condition by model, in which virtual loading profiles are provided with operating value - Google Patents

Method for detecting wear condition of accumulator in motor vehicle, involves determining wearing condition by model, in which virtual loading profiles are provided with operating value Download PDF

Info

Publication number
DE102013017059A1
DE102013017059A1 DE201310017059 DE102013017059A DE102013017059A1 DE 102013017059 A1 DE102013017059 A1 DE 102013017059A1 DE 201310017059 DE201310017059 DE 201310017059 DE 102013017059 A DE102013017059 A DE 102013017059A DE 102013017059 A1 DE102013017059 A1 DE 102013017059A1
Authority
DE
Germany
Prior art keywords
accumulator
operating
state
model
motor vehicle
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Withdrawn
Application number
DE201310017059
Other languages
German (de)
Inventor
Muhammet Ariöz
Christof Nitsche
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Mercedes Benz Group AG
Original Assignee
Daimler AG
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Daimler AG filed Critical Daimler AG
Priority to DE201310017059 priority Critical patent/DE102013017059A1/en
Publication of DE102013017059A1 publication Critical patent/DE102013017059A1/en
Withdrawn legal-status Critical Current

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]
    • G01R31/392—Determining battery ageing or deterioration, e.g. state of health
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
    • B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
    • B60L58/12—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries responding to state of charge [SoC]
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
    • B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
    • B60L58/16—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries responding to battery ageing, e.g. to the number of charging cycles or the state of health [SoH]
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L2240/00—Control parameters of input or output; Target parameters
    • B60L2240/40—Drive Train control parameters
    • B60L2240/54—Drive Train control parameters related to batteries
    • B60L2240/545—Temperature
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L2240/00—Control parameters of input or output; Target parameters
    • B60L2240/40—Drive Train control parameters
    • B60L2240/54—Drive Train control parameters related to batteries
    • B60L2240/547—Voltage
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L2240/00—Control parameters of input or output; Target parameters
    • B60L2240/40—Drive Train control parameters
    • B60L2240/54—Drive Train control parameters related to batteries
    • B60L2240/549—Current
    • 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

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Power Engineering (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Secondary Cells (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)

Abstract

The method involves determining wearing condition by a model (16), in which virtual loading profiles (26,28,30) are provided with an operating value (Bv). A virtual output value (Uv) is calculated to each loading profile respectively on the basis of the model. A characteristic value (Ri,CAP) is determined for characterizing the wear condition of an accumulator (10) based on each virtual output value.

Description

Die Erfindung betrifft das Ermitteln eines Degradierungs- oder Verschleißzustandes eines elektrischen Akkumulators in einem Kraftfahrzeug während des Fahrbetriebs. Der Akkumulator ist insbesondere eine Traktionsbatterie. Der Verschleißzustand wird erfindungsgemäß mittels eines numerischen Modells geschätzt. Das Modell setzt betriebszustands-charakterisierende Größen des Akkumulators, wie Temperatur, Ladezustand sowie aktuelle und vergangene Batterieströme, mit zumindest einer vom Batteriezustand abhängigen elektrischen Ausgabegröße des Akkumulators, also z. B. der Ausgangsspannung, in einen funktionalen Zusammenhang.The invention relates to determining a Degradierungs- or wear state of an electric accumulator in a motor vehicle during driving. The accumulator is in particular a traction battery. The state of wear is estimated according to the invention by means of a numerical model. The model sets operational state-characterizing quantities of the accumulator, such as temperature, state of charge and current and past battery currents, with at least one dependent on the battery state electrical output of the accumulator, ie z. B. the output voltage, in a functional context.

Der Einsatz von Akkumulatoren als Traktionsbatterien in Hybridfahrzeugen oder rein elektrisch angetriebenen Fahrzeugen erfordert eine genaue Kenntnis des Verschleiß- oder Degradationszustandes des Akkumulators, um dessen Leistungsfähigkeit und Lebensdauer zu prognostizieren und die Leistungsanforderungen anzupassen. Die Erfindung ermöglicht demnach eine an den Verschleißzustand angepasste Betriebsstrategie und damit eine optimale Nutzung des Akkumulators über den gesamten Nutzungszeitraum. Zusätzlich können Akkumulatoren, die gewisse Anforderungsgrenzen unterschreiten, rechtzeitig erkannt und ausgetauscht werden. Damit können „Liegenbleiber” aufgrund starker Einzelzelldegradierung verhindert werden.The use of accumulators as traction batteries in hybrid vehicles or purely electrically driven vehicles requires a precise knowledge of the state of wear or degradation of the accumulator in order to predict its performance and service life and to adjust the performance requirements. The invention thus enables an operating strategy adapted to the state of wear and thus optimum use of the accumulator over the entire period of use. In addition, rechargeable batteries that fall below certain requirement limits can be detected and replaced in good time. Thus, "lying down" can be prevented due to strong single cell degradation.

Aufgrund der dynamischen Verhältnisse, d. h. der oft und schnell wechselndes Betriebszustände des Akkumulators durch den Boost- und den Rekuperationsbetrieb insbesondere in einem Hybridfahrzeug ist die Bestimmung der Degradationszustände aber schwierig. Die Informationen werden aktuell über einzelne Befundungsdiagnosen in Werkstätten gewonnen. Dort kann ein Akkumulator gezielt mit einem Belastungsprofil beaufschlagt werden, dass sich für die Bestimmung des Verschleißzustandes besonders gut eignet. Bei großen Fahrzeugstückzahlen ist dies aber unwirtschaftlich.Due to the dynamic conditions, d. H. the often and rapidly changing operating states of the accumulator by the boost and recuperation, especially in a hybrid vehicle, the determination of the degradation states is difficult. The information is currently obtained via individual diagnoses in workshops. There, an accumulator can be specifically applied with a load profile that is particularly well suited for the determination of the state of wear. For large numbers of vehicles but this is uneconomical.

Aus der DE 10 2005 020 821 A1 ist ein Verfahren zur bordeigenen Echtzeitdiagnose eines Brennstoffzellenstapels bekannt. Mittels beobachteter nicht-stationärer Daten, die während eines normalen Fahrbetriebs gewonnen wurden, werden Vermengungsvariablen eines adaptiven Modells ausgeschaltet, um sich stationären Kennlinien anzunähern, die aus einem Prüfstandtest hervorgegangen sind. So erhält man Funktionsbeziehungen, wie sie auch bei einem Werkstatttest bestehen würden. Mit dieser Diagnose für einen Brennstoffzellenstapel kann nicht der Verschleißzustand eines elektrischen Akkumulators ermittelt werden, insbesondere nicht dessen für den Verschleißzustand charakteristische elektrische Speicherkapazität.From the DE 10 2005 020 821 A1 a method for on-board real-time diagnosis of a fuel cell stack is known. Using observed non-stationary data obtained during normal driving, mixing variables of an adaptive model are turned off to approximate stationary characteristics resulting from a bench test. So you get functional relationships, as they would exist in a workshop test. With this diagnosis for a fuel cell stack, it is not possible to determine the state of wear of an electric accumulator, in particular its electrical storage capacity which is characteristic for the state of wear.

In der DE 10 2007 055 255 A1 ist das Ermitteln einer verbleibenden Ladungsmenge in einem elektrischen Energiespeicher eines Kraftfahrzeugs beschrieben. Es werden Ruhespannungsdifferenzen bei unterschiedlichen Betriebstemperaturen gemessen und daraus dann Multiplikatoren für eine Berechnung der Ladungsmenge aus einem Gesamtkapazität-Schätzwert gebildet. Der aktuelle Verschleißzustand des Energiespeichers kann aus der ermittelten Ladungsmenge aber nicht abgelesen werden.In the DE 10 2007 055 255 A1 is the determination of a remaining amount of charge in an electrical energy storage of a motor vehicle described. Quiescent voltage differences are measured at different operating temperatures and then multipliers for a calculation of the charge quantity from a total capacity estimated value are formed. The current state of wear of the energy storage can not be read from the calculated charge amount.

Der Erfindung liegt die Aufgabe zugrunde, die Degradierung eines Akkumulators eines Kraftfahrzeugs im Fahrbetrieb zu bestimmen.The invention has for its object to determine the degradation of a battery of a motor vehicle while driving.

Die Aufgabe wird durch das Verfahren gemäß Patentanspruch 1 sowie durch ein Kraftfahrzeug gemäß Patentanspruch 6 gelöst. Vorteilhafte Weiterbildungen der Erfindung sind durch die Unteransprüche gegeben.The object is achieved by the method according to claim 1 and by a motor vehicle according to claim 6. Advantageous developments of the invention are given by the dependent claims.

Bei dem erfindungsgemäßen Verfahren werden zum Ermitteln des Verschleißzustandes im Fahrbetrieb Messdatensätze ermittelt, von denen jeder einen beobachteten Betriebswert zumindest eine einen Betriebszustand des Akkumulators charakterisierende Betriebsgröße des Akkumulators sowie einen beobachteten Ausgabewert zumindest einer von dem aktuellen Betriebszustand abhängigen elektrischen Ausgabegröße umfasst. Die Messdatensätze können zu unterschiedlichen Messzeitpunkten und unabhängig vom jeweiligen Betriebszustand des Akkumulators ermittelt werden.In the method according to the invention, measurement data sets are determined for determining the state of wear during driving, each of which comprises an observed operating value of at least one operating state of the rechargeable battery characterizing an operating state of the rechargeable battery and an observed output value of at least one electrical output variable dependent on the current operating state. The measured data sets can be determined at different measuring times and independently of the respective operating state of the accumulator.

Mit allen Messdatensätzen wird ein numerisches Modell des Akkumulators trainiert oder adaptiert. Bevorzugt wird als das numerische Modell ein künstliches neuronales Netzwerk adaptiert. Durch die an sich bekannte Adaption von Modellparametern des Modells an die Messdatensätze wird erreicht, dass das Modell für alle Messdatensätze jeweils den zumindest einen beobachteten Betriebswert auf den zumindest einen beobachteten Ausgabewert abbildet. Das Modell wird dabei bevorzugt kontinuierlich oder zu vorbestimmten Zeitpunkten wiederholt adaptiert, wodurch es stets das Verhalten des Akkumulators in seinem aktuellen Verschleißzustand widerspiegelt.With all measurement datasets, a numerical model of the accumulator is trained or adapted. Preferably, as the numerical model, an artificial neural network is adapted. Due to the known adaptation of model parameters of the model to the measurement data sets, it is achieved that the model for each measurement data sets in each case maps the at least one observed operating value to the at least one observed output value. The model is thereby preferably adapted continuously or at predetermined times repeatedly, whereby it always reflects the behavior of the accumulator in its current state of wear.

Um dann den Verschleißzustand des Akkumulators tatsächlich zu ermitteln, wird nun das Modell genutzt. Es wird hierbei zumindest eines der beschriebenen Belastungsprofile vorgegeben. Jedes Belastungsprofil umfasst zumindest einen Betriebswert, der bei dem zu testenden Akkumulator eingestellt werden soll, um dessen Verschleißzustand zuverlässig ermitteln zu können. Es wird nun aber nicht der Akkumulator selbst, sondern nur das Modell mit dem Belastungsprofil beaufschlagt. Mit anderen Worten wird ein virtueller Testlauf mittels des Modells durchgeführt. Die hierzu vorgegebenen Belastungsprofile werden hier deshalb auch virtuelle Belastungsprofile bezeichnet. Die virtuellen Belastungsprofile enthalten insbesondere fest vorgegebene Temperaturverläufe (T), Ladezustandsverläufe (SOC – State of Charge) und/oder Stromverläufe (CUR – current), um eine dauerhafte Vergleichbarkeit zu garantieren.In order to actually determine the state of wear of the accumulator, the model is now used. In this case, at least one of the described load profiles is specified. Each load profile comprises at least one operating value which is to be set in the accumulator to be tested in order to reliably determine its state of wear. But it is now not the accumulator itself, but only the model loaded with the load profile. In other words, a virtual test run is done by means of the model carried out. The load profiles specified for this purpose are therefore also referred to here as virtual load profiles. In particular, the virtual load profiles contain predefined temperature profiles (T), state of charge (SOC) and / or current (CUR) current trends in order to guarantee long-term comparability.

Indem das Modell mit jedem virtuellen Belastungsprofil beaufschlagt wird, wird jeweils anhand des Modells zumindest ein virtueller Ausgabewert erzeugt. Diesen Ausgabewert würde aber auch der Akkumulator selbst in seinem aktuellen Verschleißzustand erzeugen, wenn er tatsächlich gemäß dem Belastungsprofil betrieben oder belastet würde. Dieser Testlauf des Akkumulators ist aber nun nicht nötigt. Auf der Grundlage jedes virtuellen Ausgabewerts wird zumindest ein den Verschleißzustand charakterisierender Kennwert des Akkumulators ermittelt. Bevorzugt wird als der zumindest eine Kennwert ein elektrischer Innenwiderstand des Akkumulators und/oder eine elektrische Speicherkapazität des Akkumulators ermittelt.By applying the model to each virtual load profile, at least one virtual output value is generated based on the model. However, this output value would also be generated by the accumulator itself in its current state of wear if it were actually operated or loaded in accordance with the load profile. But this test run of the accumulator is not necessary now. On the basis of each virtual output value, at least one characteristic of the accumulator which characterizes the state of wear is determined. Preferably, as the at least one characteristic value, an electrical internal resistance of the rechargeable battery and / or an electrical storage capacity of the rechargeable battery are determined.

Das erfindungsgemäße Verfahren weist den Vorteil auf, dass der aktuelle Ist-Verschleißzustand des Akkumulators zu jedem Zeitpunkt ermittelt werden kann, wodurch insbesondere aufwändige Befundungsdiagnosen in Werkstätten entfallen können.The method according to the invention has the advantage that the current actual state of wear of the rechargeable battery can be determined at any time, which makes it possible, in particular, to eliminate costly diagnostic findings in workshops.

Gemäß einer vorteilhaften Weiterbildung der Erfindung wird in Abhängigkeit von dem anhand des zumindest einen Kennwerts definierten Verschleißzustand eine das Einstellen der Betriebsgrößen bestimmende Betriebsstrategie für einen zukünftigen Betrieb des Akkumulators festgelegt. So können z. B. die Temperierung und/oder der Betriebstrom und/oder Nachladezeitpunkte in Abhängigkeit von dem Verschleißzustand geregelt werden.According to an advantageous development of the invention, a setting of the operating variables determining operating strategy for a future operation of the accumulator is determined in dependence on the state of wear defined on the basis of the at least one characteristic value. So z. B. the temperature and / or the operating current and / or reload times are regulated in dependence on the state of wear.

Die Umsetzung der Erfindung kann in einem Steuergerät eines Kraftfahrzeugs, vorzugsweise in einem Batteriesteuergerät der Hochvolt-Traktionsbatterie, erfolgen. Das Steuergerät weist ein adaptives numerisches Modell auf, welches einen funktionalen Zusammenhang zwischen zumindest einer einen Betriebszustand des Akkumulators charakterisierenden Betriebsgröße des Akkumulators und zumindest einer davon abhängigen elektrischen Ausgabegröße des Akkumulators beschreibt. Das Kraftfahrzeug ist dazu ausgelegt, eine Ausführungsform des erfindungsgemäßen Verfahrens durchzuführen.The implementation of the invention can be carried out in a control unit of a motor vehicle, preferably in a battery control unit of the high-voltage traction battery. The control unit has an adaptive numerical model which describes a functional relationship between at least one operating state of the rechargeable battery characterizing an operating state of the rechargeable battery and at least one electrical output variable of the rechargeable battery dependent thereon. The motor vehicle is designed to carry out an embodiment of the method according to the invention.

Das erfindungsgemäße Kraftfahrzeug ist bevorzugt als Kraftwagen, insbesondere als Personenkraftwagen, ausgestaltet. Der Akkumulator ist bevorzugt eine Hochvoltbatterie, die insbesondere als Traktionsbatterie ausgestaltet ist. Bei dem Akkumulator handelt es sich insbesondere um einen Li-Ionen-Akkumulator. Das erfindungsgemäße Kraftfahrzeug kann insbesondere einem Hybridantrieb oder einen rein elektrischen Antrieb aufweisen.The motor vehicle according to the invention is preferably designed as a motor vehicle, in particular as a passenger car. The accumulator is preferably a high-voltage battery, which is designed in particular as a traction battery. The accumulator is in particular a Li-ion accumulator. The motor vehicle according to the invention can in particular have a hybrid drive or a purely electric drive.

Die Erfindung ist im Folgenden anhand eines Ausführungsbeispiels erläutert. Dabei zeigt die einzige Figur ein Ablaufdiagramm einer Ausführungsform des erfindungsgemäßen Verfahrens.The invention is explained below with reference to an embodiment. The single figure shows a flowchart of an embodiment of the method according to the invention.

Das Ausführungsbeispiel stellt eine bevorzugte Ausführungsform der Erfindung dar.The embodiment represents a preferred embodiment of the invention.

Die Figur veranschaulicht fünf Schritte S1, S2, S3, S4, S5 eines Verfahrens zum Ermitteln eines Verschleißzustandes eines elektrischen Akkumulators 10 eines Kraftfahrzeugs 12. Der Akkumulator kann z. B. eine ganze Traktionsbatterie oder aber auch eine einzelne galvanische Zelle oder ein Teilverbund von galvanischen Zellen innerhalb der Traktionsbatterie sein. Bevorzugt ist der Akkumulator ein Li-Ionen-Akkumulator sein, der insbesondere VL6P-Zellen aufweisen kann.The figure illustrates five steps S1, S2, S3, S4, S5 of a method for determining a state of wear of an electric accumulator 10 of a motor vehicle 12 , The accumulator can z. B. be a whole traction battery or even a single galvanic cell or a subset of galvanic cells within the traction battery. The accumulator is preferably a Li-ion accumulator, which may in particular have VL6P cells.

In dem Schritt S1 findet durch ein Batteriesteuergerät 14 (ECU – Electronic Control Unit) eine Modellierung von Spannungsantworten des Akkumulators 10 mittels eines adaptiven numerischen Spannungsmodells 16 statt. Das Batteriesteuergerät 14 ermittelt von dem Akkumulator 10 Betriebswerte Bi, z. B. des Betriebsstroms CUR, des Ladezustands SOC und/oder der Betriebstemperatur T, sowie zugehörige von dem Akkumulator 10 ausgegebene Ausgabewerte Ui z. B. der Ausgabespannung U des Akkumulators 10.In step S1, a battery control device takes place 14 (ECU - Electronic Control Unit) a modeling of voltage responses of the accumulator 10 by means of an adaptive numerical voltage model 16 instead of. The battery control unit 14 determined by the accumulator 10 Operating values Bi, z. As the operating current CUR, the state of charge SOC and / or the operating temperature T, and associated from the accumulator 10 output values Ui z. B. the output voltage U of the accumulator 10 ,

Das Spannungsmodell 16 kann z. B. ein künstliches neuronales Netzwerk 18 umfassen. In der Figur sind beispielhaft von dem Netzwerk 18 zwei Schichten 20, 22 dargestellt. Die Schicht 20 kann z. B. insgesamt eine Anzahl I an künstlichen Neuronen oder Elementen E1, ..., Ei, ..., El umfassen, wobei die Auslassungspunkte „...” andeuten, dass noch weitere Elemente vorhanden sein können. Der Index i bildet einen Zähler. Die Schicht 22 kann z. B. das künstliche Neuron oder Element Ej aufweisen. Das Netzwerk 18 kann in den Schichten 20, 22 noch weitere Elemente und sogar auch noch weitere Schichten mit weiteren Elementen umfassen.The tension model 16 can z. B. an artificial neural network 18 include. In the figure are exemplary of the network 18 two layers 20 . 22 shown. The layer 20 can z. B. include a total of a number I of artificial neurons or elements E1, ..., Ei, ..., El, the ellipsis "..." indicate that more elements may be present. The index i forms a counter. The layer 22 can z. B. have the artificial neuron or element Ej. The network 18 can in the layers 20 . 22 even more elements and even more layers with other elements include.

Im Netzwerk 18 empfängt das Element Ej von den Elementen E1, ..., Ei, ..., El deren Ausgabewerte o1, ..., oi, ..., ol. Das Element Ej kann daraus eine gewichtete Summe berechnen, z. B. mit folgender Additionsfunktion mit Gewichtungsfaktoren wij:

Figure DE102013017059A1_0002
In the network 18 receives the element Ej from the elements E1, ..., Ei, ..., El whose output values o1, ..., oi, ..., ol. The element Ej can calculate therefrom a weighted sum, e.g. B. with the following addition function with weighting factors wij:
Figure DE102013017059A1_0002

Das Element Ej erzeugt aus der gewichteten Summe NETj einen eigenen Ausgabewert oj, z. B. mittels einer Transferfunktion f, d. h.: oj = f(NETj). The element Ej generates from the weighted sum NETj its own output value oj, z. B. by means of a transfer function f, ie: oj = f (NETj).

Eine Auswahl an Transferfunktionen ist aus dem Stand der Technik bekannt, z. B. die Arcus-Tangens-Funktion.A selection of transfer functions is known in the art, e.g. B. the arc tangent function.

Die Elemente E1, ..., Ei, ..., El der Schicht 20 können ihren jeweiligen Ausgabewert o1, ..., oi, ..., ol ebenfalls aus einer Additionsfunktion und einer Transferfunktion bilden. Dann kann die Eingabe für die gewichtete Summe z. B. die Ausgabe einer vorgelagerten Schicht sein. Falls aber die Schicht 20 die Eingangsschicht des Netzwerks 18 ist, kann die Eingabe ein Messdatensatz aus Betriebswerten Bi des Akkumulators 10 sein.The elements E1, ..., Ei, ..., El of the layer 20 may also form their respective output values o1, ..., oi, ..., ol from an addition function and a transfer function. Then the input for the weighted sum z. B. be the output of an upstream layer. But if the shift 20 the input layer of the network 18 is, the input can be a measurement data set of operating values Bi of the accumulator 10 be.

Der Ausgabewert oj kann z. B. einen Spannungswert einer Ausgabespannung U des Akkumulators sein. Durch Einstellen oder Adaptieren der Gewichtungsfaktoren wij in den Elementen des Netzwerks 18 kann der jeweils zu bestimmten, beobachteten Betriebswerten Bi erzeugte Ausgabewert oj an den jeweils tatsächlich beobachteten Spannungs- oder Ausgabewert Ui angeglichen werden. Hierdurch wird das Spannungsmodell 16 auf den Akkumulator 10 trainiert, d. h. die Spannungsantworten des im Einsatz befindlichen Akkumulators 10 werden durch das Spannungsmodell 16 nachgebildet.The output value oj can be z. B. be a voltage value of an output voltage U of the accumulator. By adjusting or adapting the weighting factors wij in the elements of the network 18 the output value oj generated in each case for particular observed operating values Bi can be adjusted to the voltage or output value Ui actually observed. This becomes the stress model 16 on the accumulator 10 trained, ie the voltage responses of the battery in use 10 be through the tension model 16 simulated.

In dem Schritt S2 wird ein Testdatensatz 24 für einen virtuellen Belastungstest des Akkumulators 10 bereitgestellt. Der Testdatensatz 24 kann z. B. ein Belastungsprofil 26 mit einem Verlauf eines Belastungsstroms CUR über der Zeit t, ein Belastungsprofil 28 mit einem Verlauf zu einem Ladezustand SOC und ein Belastungsprofil 30 zu einer Betriebstemperatur T umfassen.In step S2, a test data set 24 for a virtual load test of the accumulator 10 provided. The test record 24 can z. B. a load profile 26 with a course of a load current CUR over time t, a load profile 28 with a progression to a state of charge SOC and a load profile 30 to an operating temperature T include.

In dem Schritt S3 werden die Belastungsprofile 26, 28, 30 nacheinander oder zugleich in das Spannungsmodell 16 eingegeben, d. h. in das Spannungsmodell 16 werden nun virtuelle Betriebsgrößen Bv eingespeist. Das Spannungsmodell 16 gibt daraufhin einen zeitlichen Verlauf aus simulierten oder virtuellen Ausgabewerten Uv aus, der angibt, welche Ausgabespannung U der Akkumulator 10 in dem Belastungstest ausgeben würde.In step S3, the load profiles 26 . 28 . 30 successively or at the same time in the tension model 16 entered, ie in the stress model 16 Now virtual operating variables Bv are fed. The tension model 16 Thereupon, a time course from simulated or virtual output values Uv is output, which indicates which output voltage U of the accumulator 10 would spend in the stress test.

In dem Schritt S4 werden aus den virtuellen Ausgabewerten Uv genau wie auch bei einem Werkstatttest z. B. der Innenwiderstand Ri und/oder die elektrische Speicherkapazität CAP des Akkumulators 10 bestimmt. In dem Verfahren kann nun aber die Bestimmung dieser Kennwerte Ri, CAP des Akkumulators 10 durch das Batteriesteuergerät 14 während des Fahrbetriebs jederzeit durchgeführt werden.In the step S4 are from the virtual output values Uv as well as in a workshop test z. B. the internal resistance Ri and / or the electrical storage capacity CAP of the accumulator 10 certainly. In the method, however, it is now possible to determine these characteristic values Ri, CAP of the accumulator 10 through the battery control unit 14 be carried out at any time during the driving operation.

In dem Schritt S5 kann deshalb z. B. durch das Batteriesteuergerät 14 in Abhängigkeit von den Kennwerten Ri, CAP die Betriebsstrategie STRAT zugunsten z. B. der Lebensdauer des Akkumulators 10 geregelt werden.In step S5, therefore, z. B. by the battery control unit 14 depending on the characteristic values Ri, CAP the operating strategy STRAT in favor z. B. the life of the accumulator 10 be managed.

Durch die fahrzeugindividuelle Anpassung des Spannungsmodells 16, oder generell des erfindungsgemäß vorgesehenen Modells, an den tatsächlich eingesetzten Akkumulator 10 kann in vorteilhafter Weise auch eine Berücksichtigung von Bauteilstreuungen entfallen. Die Diagnoseergebnisse werden in vorteilhafter Weise auch durch Sensorrauschen nicht verfälscht, da das Sensorrauschen beim Bilden der Messdaten bereits mit in das Spannungsmodell 16 einfließt und damit kompensiert wird.Through the vehicle-specific adaptation of the voltage model 16 , or in general the model provided according to the invention, to the accumulator actually used 10 can advantageously account for a consideration of component scattering. The diagnostic results are not distorted in an advantageous manner by sensor noise, since the sensor noise in forming the measurement data already in the voltage model 16 flows in and is thus compensated.

Insgesamt ist durch das Beispiel gezeigt, wie der Zustand insbesondere eines Li-Ionen-Akkumulators insbesondere in Hybridfahrzeugen zu jedem Zeitpunkt bekannt sein kann, wodurch insbesondere rechtzeitige Wartungsarbeiten eingeleitet werden können. Dies kann z. B. in dem Kraftfahrzeug 10 dem Fahrer auch signalisiert werden. Es können auch die Betriebsstrategie an den Verschleißzustand des Akkumulators angepasst und lebensverlängernde Maßnahmen z. B. durch das Batteriesteuergerät 14 eingeleitet werden.Overall, it is shown by the example how the state, in particular of a Li-ion battery, in particular in hybrid vehicles can be known at any time, which in particular timely maintenance can be initiated. This can be z. B. in the motor vehicle 10 also be signaled to the driver. It can also adapted the operating strategy to the state of wear of the battery and life-prolonging measures z. B. by the battery control unit 14 be initiated.

BezugszeichenlisteLIST OF REFERENCE NUMBERS

1010
Akkumulatoraccumulator
1212
Kraftfahrzeugmotor vehicle
1414
BatteriesteuergerätBattery control unit
1616
Spannungsmodellvoltage model
1818
künstliches neuronales Netzwerkartificial neural network
2020
Schichtlayer
2222
Schichtlayer
2424
TestdatensatzTest record
2626
Belastungsprofilload profile
2828
Belastungsprofilload profile
3030
Belastungsprofilload profile
BiBi
Betriebswerteoperating values
Bvbv
virtuelle Betriebsgrößenvirtual farm sizes
CAPCAP
Speicherkapazitätmemory
E1, ..., Ei, ...El, EjE1, ..., egg, ... El, Ej
Elementeelements
II
Betriebsstromoperating current
NETjnetj
gewichtete Summeweighted sum
o1, ..., oi, ..., ol, ojo1, ..., oi, ..., ol, oj
Ausgabewerteoutput values
RiRi
Innenwiderstandinternal resistance
S1, S2, S3, S4, S5S1, S2, S3, S4, S5
Schrittesteps
SOCSOC
LadezustandSOC
STRATSTRAT
Betriebsstrategieoperating strategy
t t
ZeitTime
TT
Betriebstemperaturoperating temperatur
UU
Ausgabespannungoutput voltage
UiUi
Ausgabewerteoutput values
Uvuv
Ausgabewerteoutput values
tt
ZeitTime
TT
Betriebstemperaturoperating temperatur
UU
Ausgabespannungoutput voltage
UiUi
Ausgabewerteoutput values
Uvuv
Ausgabewerteoutput values
wijwij
Gewichtungsfaktorenweighting factors

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

  • DE 102005020821 A1 [0004] DE 102005020821 A1 [0004]
  • DE 102007055255 A1 [0005] DE 102007055255 A1 [0005]

Claims (6)

Verfahren zum Ermitteln eines Verschleißzustandes eines Akkumulators (10) in einem Kraftfahrzeug (12), wobei im Fahrbetrieb des Kraftfahrzeugs (10) Messdatensätze ermittelt werden, von denen jeder einen beobachteten Betriebswert (Bi) zumindest eine einen Betriebszustand des Akkumulators (10) charakterisierenden Betriebsgröße (CUR, SOC, T) des Akkumulators (10) sowie einen beobachteten Ausgabewert (Ui) zumindest einer von dem aktuellen Betriebszustand abhängigen elektrischen Ausgabegröße (U) umfasst, und wobei mit den Messdatensätzen ein numerisches Modell (16) des Akkumulators (10) derart adaptiert wird, dass das Modell (16) für alle Messdatensätze jeweils den zumindest einen beobachteten Betriebswert (Bi) auf den zumindest einen beobachteten Ausgabewert (Ui) abbildet, dadurch gekennzeichnet, dass der Verschleißzustand mittels des Modells (16) ermittelt wird, indem zumindest ein virtuelles, zumindest einen Betriebswert (Bv) umfassendes Belastungsprofil (26, 28, 30) vorgegeben wird und zu jedem Belastungsprofil (26, 28, 30) jeweils anhand des Modells (16) zumindest ein virtueller Ausgabewert (Uv) berechnet wird und insgesamt auf der Grundlage jedes virtuellen Ausgabewerts (Uv) zumindest ein den Verschleißzustand charakterisierender Kennwert (Ri, CAP) des Akkumulators (10) ermittelt wird.Method for determining a state of wear of a rechargeable battery ( 10 ) in a motor vehicle ( 12 ), while driving the motor vehicle ( 10 ) Measured data sets are determined, each of which has an observed operating value (Bi) at least one an operating state of the accumulator ( 10 ) characterizing operating variable (CUR, SOC, T) of the accumulator ( 10 ) and an observed output value (Ui) of at least one electrical output quantity (U) dependent on the current operating state, and wherein with the measured data sets a numerical model (Ui) 16 ) of the accumulator ( 10 ) is adapted such that the model ( 16 ) images the at least one observed operating value (Bi) on the at least one observed output value (Ui) for each measured data set, characterized in that the state of wear is determined by means of the model ( 16 ) is determined by at least one virtual load profile comprising at least one operating value (Bv) ( 26 . 28 . 30 ) and to each load profile ( 26 . 28 . 30 ) based on the model ( 16 ) at least one virtual output value (Uv) is calculated and, on the basis of each virtual output value (Uv), at least one characteristic value (Ri, CAP) of the accumulator characterizing the state of wear ( 10 ) is determined. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass als das numerische Modell (16) ein künstliches neuronales Netzwerk (18) adaptiert wird.Method according to claim 1, characterized in that as the numerical model ( 16 ) an artificial neural network ( 18 ) is adapted. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass durch das zumindest eine virtuelle Belastungsprofil (26, 28, 30) jeweils ein zeitlicher Verlauf aus Betriebswerten (Bv) zu zumindest einer der folgenden Betriebsgrößen vorgegeben wird: Belastungsstrom (CUR), Ladezustand (SOC), Betriebstemperatur (T).Method according to one of the preceding claims, characterized in that by the at least one virtual load profile ( 26 . 28 . 30 ) in each case a temporal progression from operating values (Bv) to at least one of the following operating variables is specified: load current (CUR), state of charge (SOC), operating temperature (T). Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass als der zumindest eine Kennwert (Ri, CAP) ein elektrischer Innenwiderstand (Ri) des Akkumulators (10) und/oder eine elektrische Speicherkapazität (CAP) des Akkumulators (10) ermittelt wird.Method according to one of the preceding claims, characterized in that as the at least one characteristic value (Ri, CAP) an internal electrical resistance (Ri) of the accumulator ( 10 ) and / or an electrical storage capacity (CAP) of the accumulator ( 10 ) is determined. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass in Abhängigkeit von dem anhand des zumindest einen Kennwerts (Rl, CAP) definierten Verschleißzustand eine das Einstellen der Betriebsgrößen (I, SOC, T) bestimmende Betriebsstrategie (STRAT) für einen zukünftigen Betrieb des Akkumulators (10) festgelegt wird.Method according to one of the preceding claims, characterized in that, depending on the wear state defined on the basis of the at least one characteristic value (Rl, CAP), an operating strategy (STRAT) determining the setting of the operating variables (I, SOC, T) for a future operation of the accumulator ( 10 ). Kraftfahrzeug (12) mit einem Steuergerät (14), dadurch gekennzeichnet, dass das Steuergerät (14) ein numerisches Modell (16) aufweist, welches einen funktionalen Zusammenhang zwischen zumindest einer einen Betriebszustand des Akkumulators (10) charakterisierenden Betriebsgröße (CUR, SOC, T) des Akkumulators (10) und zumindest einer davon abhängigen elektrischen Ausgabegröße (U) des Akkumulators (10) beschreibt, wobei das Kraftfahrzeug (12) dazu ausgelegt ist, ein Verfahren nach einem der vorhergehenden Ansprüche durchzuführen.Motor vehicle ( 12 ) with a control device ( 14 ), characterized in that the control unit ( 14 ) a numerical model ( 16 ), which has a functional relationship between at least one operating state of the rechargeable battery ( 10 ) characterizing operating variable (CUR, SOC, T) of the accumulator ( 10 ) and at least one dependent electrical output size (U) of the accumulator ( 10 ), wherein the motor vehicle ( 12 ) is adapted to perform a method according to any one of the preceding claims.
DE201310017059 2013-10-15 2013-10-15 Method for detecting wear condition of accumulator in motor vehicle, involves determining wearing condition by model, in which virtual loading profiles are provided with operating value Withdrawn DE102013017059A1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
DE201310017059 DE102013017059A1 (en) 2013-10-15 2013-10-15 Method for detecting wear condition of accumulator in motor vehicle, involves determining wearing condition by model, in which virtual loading profiles are provided with operating value

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE201310017059 DE102013017059A1 (en) 2013-10-15 2013-10-15 Method for detecting wear condition of accumulator in motor vehicle, involves determining wearing condition by model, in which virtual loading profiles are provided with operating value

Publications (1)

Publication Number Publication Date
DE102013017059A1 true DE102013017059A1 (en) 2014-07-24

Family

ID=51064143

Family Applications (1)

Application Number Title Priority Date Filing Date
DE201310017059 Withdrawn DE102013017059A1 (en) 2013-10-15 2013-10-15 Method for detecting wear condition of accumulator in motor vehicle, involves determining wearing condition by model, in which virtual loading profiles are provided with operating value

Country Status (1)

Country Link
DE (1) DE102013017059A1 (en)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019199219A1 (en) * 2018-04-09 2019-10-17 Scania Cv Ab Methods and control units for determining an extended state of health of a component and for control of a component
DE102019200812A1 (en) 2019-01-23 2020-07-23 Audi Ag Method for protecting a main function of a control device against a hindrance to its operation by a runtime error of a secondary function of the control device and control device, motor vehicle and vehicle battery
AT524131B1 (en) * 2021-04-20 2022-03-15 Aviloo Gmbh Determining the state of health of a vehicle battery
DE102021125478A1 (en) 2021-09-30 2023-03-30 TWAICE Technologies GmbH DETERMINATION OF AN AGING VALUE FOR BATTERIES USING CURRENT-VOLTAGE TIME SERIES IN TIME DOMAIN AND LOAD DOMAIN

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102005020821A1 (en) 2004-05-28 2005-12-22 Daimlerchrysler Ag Method for simplified real-time diagnosis using adaptive modeling
DE102007055255A1 (en) 2007-11-20 2009-05-28 Robert Bosch Gmbh Determining the capacity of electrical energy storage

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102005020821A1 (en) 2004-05-28 2005-12-22 Daimlerchrysler Ag Method for simplified real-time diagnosis using adaptive modeling
DE102007055255A1 (en) 2007-11-20 2009-05-28 Robert Bosch Gmbh Determining the capacity of electrical energy storage

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019199219A1 (en) * 2018-04-09 2019-10-17 Scania Cv Ab Methods and control units for determining an extended state of health of a component and for control of a component
DE102019200812A1 (en) 2019-01-23 2020-07-23 Audi Ag Method for protecting a main function of a control device against a hindrance to its operation by a runtime error of a secondary function of the control device and control device, motor vehicle and vehicle battery
AT524131B1 (en) * 2021-04-20 2022-03-15 Aviloo Gmbh Determining the state of health of a vehicle battery
AT524131A4 (en) * 2021-04-20 2022-03-15 Aviloo Gmbh Determining the state of health of a vehicle battery
DE102021125478A1 (en) 2021-09-30 2023-03-30 TWAICE Technologies GmbH DETERMINATION OF AN AGING VALUE FOR BATTERIES USING CURRENT-VOLTAGE TIME SERIES IN TIME DOMAIN AND LOAD DOMAIN
DE102021125478B4 (en) 2021-09-30 2023-11-02 TWAICE Technologies GmbH DETERMINATION OF AN AGING VALUE FOR BATTERIES WITH CURRENT-VOLTAGE TIME SERIES IN TIME DOMAIN AND LOAD DOMAIN

Similar Documents

Publication Publication Date Title
DE102012222650B4 (en) Optimizing system performance using information related to the health condition
DE102017208770B4 (en) Method for checking a battery condition and tester for checking a battery condition
DE102014212451A1 (en) Device and method for controlling a state of charge of an electrical energy storage
WO2013041656A2 (en) Control of a feedback of energy from a number of motor vehicle batteries into an energy network
DE102013010311A1 (en) Method for determining the state of individual battery cells of a high-voltage battery and system therefor
DE102013224509A1 (en) An electrical energy storage device and method of operating an electrical energy storage device
DE102013017059A1 (en) Method for detecting wear condition of accumulator in motor vehicle, involves determining wearing condition by model, in which virtual loading profiles are provided with operating value
DE112016002067T5 (en) Method and monitoring unit for monitoring a battery system
DE102022208932A1 (en) Method and device for the predictive diagnosis of a device battery of a technical device using a transformer model
DE102018132658A1 (en) Method for computer-aided evaluation of a measurement of an electrical variable in a high-voltage electrical system of a predetermined electrically driven motor vehicle
DE112016004858T5 (en) Vehicle-bound power supply device
DE102020214917A1 (en) Method for determining the state of health of an electrical energy store, computer program product and machine-readable storage medium
DE102020121612A1 (en) Method for determining a state of charge of a battery, battery and vehicle
WO2015106974A1 (en) Method for monitoring a battery
DE102008035663A1 (en) Method and device for operating a motor vehicle
DE102019107935A1 (en) Method for determining the condition of a rechargeable battery in a vehicle
DE102022203343A1 (en) Method and device for operating a system for detecting an anomaly in an electrical energy storage device for a device using machine learning methods
DE102014216378A1 (en) Method for the diagnosis of a cell network
DE102013017061A1 (en) Method for determining actual wear state of e.g. traction battery of e.g. passenger car, involves determining actual wear state as function of actual value and reference value of each output variable
DE102020215864A1 (en) Method and device for machine-specific improvement of the service life of a device battery in a battery-operated machine
DE102015204242A1 (en) Error analysis and / or optimization of a power plant network of a motor vehicle
DE102019108387A1 (en) Method for determining a load history of a vehicle, device and vehicle driven by an electric machine
DE102019006573A1 (en) Method for operating an electrical energy store of an at least partially electrically operated motor vehicle based on load data of the electrical energy store; as well as battery management system
DE102013201451A1 (en) Method for battery diagnosis for vehicle, involves determining efficiency factor, which allows assessment of battery status, where efficiency factor is calculated as solution of specific equation
AT525786B1 (en) Method for generating a virtual prototype of a vehicle battery

Legal Events

Date Code Title Description
R230 Request for early publication
R119 Application deemed withdrawn, or ip right lapsed, due to non-payment of renewal fee