DE102020212234A1 - Verfahren und Vorrichtung zur Bestimmung eines Alterungszustands eines elektrischen Energiespeichers unbekannten Typs mithilfe maschineller Lernverfahren - Google Patents
Verfahren und Vorrichtung zur Bestimmung eines Alterungszustands eines elektrischen Energiespeichers unbekannten Typs mithilfe maschineller Lernverfahren Download PDFInfo
- Publication number
- DE102020212234A1 DE102020212234A1 DE102020212234.2A DE102020212234A DE102020212234A1 DE 102020212234 A1 DE102020212234 A1 DE 102020212234A1 DE 102020212234 A DE102020212234 A DE 102020212234A DE 102020212234 A1 DE102020212234 A1 DE 102020212234A1
- Authority
- DE
- Germany
- Prior art keywords
- aging state
- trajectory
- aging
- function
- energy store
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000032683 aging Effects 0.000 title claims abstract description 94
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000010801 machine learning Methods 0.000 title description 2
- 230000036962 time dependent Effects 0.000 claims abstract description 8
- 238000013528 artificial neural network Methods 0.000 claims description 5
- 230000001186 cumulative effect Effects 0.000 claims description 4
- 238000007599 discharging Methods 0.000 claims description 2
- 238000012886 linear function Methods 0.000 claims description 2
- 230000000306 recurrent effect Effects 0.000 claims description 2
- 238000004590 computer program Methods 0.000 claims 1
- 238000004146 energy storage Methods 0.000 abstract description 5
- 230000006870 function Effects 0.000 description 19
- 230000006399 behavior Effects 0.000 description 5
- 230000014759 maintenance of location Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 2
- 229910012820 LiCoO Inorganic materials 0.000 description 1
- 229910010701 LiFeP Inorganic materials 0.000 description 1
- 229910014689 LiMnO Inorganic materials 0.000 description 1
- 229910015014 LiNiCoAlO Inorganic materials 0.000 description 1
- 229910013292 LiNiO Inorganic materials 0.000 description 1
- 229910012672 LiTiO Inorganic materials 0.000 description 1
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011234 economic evaluation Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000013213 extrapolation Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000015654 memory Effects 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
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
- B60L3/00—Electric devices on electrically-propelled vehicles for safety purposes; Monitoring operating variables, e.g. speed, deceleration or energy consumption
- B60L3/12—Recording operating variables ; Monitoring of operating variables
-
- 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
- B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
- B60L53/60—Monitoring or controlling charging stations
- B60L53/65—Monitoring or controlling charging stations involving identification of vehicles or their battery types
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- B60L2260/00—Operating Modes
- B60L2260/40—Control modes
- B60L2260/46—Control modes by self learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- 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
-
- 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
- Y02T10/7072—Electromobility specific charging systems or methods for batteries, ultracapacitors, supercapacitors or double-layer capacitors
-
- 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
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02T90/10—Technologies relating to charging of electric vehicles
- Y02T90/12—Electric charging stations
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Power Engineering (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Life Sciences & Earth Sciences (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Secondary Cells (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
Die Erfindung betrifft ein computerimplementiertes Verfahren zum Ermitteln einer Alterungszustandstrajektorie eines elektrischen Energiespeichers (2) eines Geräts (1), insbesondere eines elektrisch antreibbaren Kraftfahrzeugs, mit folgenden Schritten:- kontinuierliches Bereitstellen (S1) von Verläufen von Betriebsgrößen (F), die den Betrieb des bestimmten Energiespeichers (2) charakterisieren;- Ermitteln (S3) von Alterungszuständen basierend auf den Betriebsgrößen mithilfe eines empirischen Alterungszustandsmodells zu mehreren Zeitpunkten;- Parametrisieren (S4) einer Trajektorienfunktion zum Beschreiben der Alterungszustandstrajektorie abhängig von mehreren Alterungszustandspunkten, die jeweils einen ermittelten Alterungszustand abhängig von einer zeitabhängigen Bezugsgröße angeben,- Bereitstellen (S5) der Trajektorienfunktion.
Description
- Technisches Gebiet
- Die Erfindung betrifft netzunabhängig betriebene elektrische Geräte mit elektrischen Energiespeichern, insbesondere elektrisch antreibbare Kraftfahrzeuge, insbesondere Elektrofahrzeuge oder Hybridfahrzeuge, und weiterhin Maßnahmen zur Bestimmung eines Alterungszustands (SOH: State of Health) der elektrischen Energiespeicher. Weiterhin betrifft die Erfindung neben mobilen auch stationäre elektrische Energiespeicher.
- Technischer Hintergrund
- Die Energieversorgung von netzunabhängig betriebenen elektrischen Geräten und Maschinen, wie z.B. elektrisch antreibbaren Kraftfahrzeugen, erfolgt mithilfe von elektrischen Energiespeichern, in der Regel Gerätebatterien bzw. Fahrzeugbatterien. Diese liefern elektrische Energie zum Betrieb der Geräte. Als elektrischer Energiespeicher kommen jedoch auch Brennstoffzellen in Betracht.
- Der Alterungszustand eines Energiespeichers nimmt im Laufe seiner Lebensdauer zusehends ab, was sich in einer abnehmenden maximalen Speicherkapazität auswirkt. Ein Maß der Alterung des Energiespeichers hängt von einer individuellen Belastung des Energiespeichers, d. h. bei Fahrzeugbatterien von Kraftfahrzeugen vom Nutzungsverhalten eines Fahrers, externen Umgebungsbedingungen und vom Fahrzeugbatterietyp ab.
- Zwar kann mithilfe eines empirischen Alterungszustandsmodells der momentane Alterungszustand des Energiespeichers basierend auf historischen Betriebszustandsverläufen bestimmt werden, jedoch ist dieses Modell in bestimmten Situationen ungenau. Zudem hängt die Alterung des Energiespeichers von einer individuellen Belastung des Energiespeichers, d. h. vom Nutzungsverhalten eines Nutzers und vom Batterietyp ab. Die resultierende Ungenauigkeit des herkömmlichen Alterungszustandsmodells erschwert eine Prädiktion des Alterungszustandsverlaufs. Jedoch ist die Prädiktion des Verlaufs des Alterungszustands der Energiespeicher eine wichtige technische Größe, da mit ihr eine Restlebensdauerermittlung und eine wirtschaftliche Bewertung eines Restwerts des Energiespeichers möglich ist.
- Offenbarung der Erfindung
- Erfindungsgemäß sind ein Verfahren zum Ermitteln einer Alterungszustandstrajektorie eines elektrischen Energiespeichers zum Betreiben eines Geräts, insbesondere eines elektrisch antreibbaren Kraftfahrzeugs, abhängig von einem Alterungszustand einer Fahrzeugbatterie gemäß Anspruch 1, sowie eine Vorrichtung gemäß dem nebengeordneten Anspruch vorgesehen.
- Weitere Ausgestaltungen sind in den abhängigen Ansprüchen angegeben.
- Gemäß einem ersten Aspekt ist ein computerimplementiertes Verfahren zum Ermitteln einer Alterungszustandstrajektorie eines elektrischen Energiespeichers eines Geräts, insbesondere eines elektrisch antreibbaren Kraftfahrzeugs, vorgesehen, mit folgenden Schritten:
- - kontinuierliches Bereitstellen von Verläufen von Betriebsgrößen, die den Betrieb des bestimmten Energiespeichers charakterisieren;
- - Ermitteln von Alterungszuständen basierend auf den Betriebsgrößen mithilfe eines empirischen Alterungszustandsmodells zu mehreren Zeitpunkten;
- - Parametrisieren einer Trajektorienfunktion zum Beschreiben der Alterungszustandstrajektorie abhängig von mehreren Alterungszustandspunkten, die jeweils einen ermittelten Alterungszustand abhängig von einer zeitabhängigen Bezugsgröße angeben,
- - Bereitstellen der Trajektorienfunktion.
- Die Bestimmung des Alterungszustands wird bislang mit an einen bestimmten, vorbekannten Batterietyp angepassten Alterungszustandsmodellen vorgenommen. Für derartige Fahrzeugbatterien bekannten Batterietyps stehen ausreichend Batterieparameter und Batterie-Messsignale zur Verfügung, so dass die Bestimmung des Alterungszustands mithilfe eines dem Batterietyp zugeordneten Alterungszustandsmodells mit hinreichender Genauigkeit durchgeführt werden kann.
- Der Alterungszustand (SOH: state of health) ist die Schlüsselgröße zur Angabe einer verbleibenden Batteriekapazität oder verbleibende Batterieladung. Der Alterungszustand kann als Kapazitätserhaltungsrate (capacity retention rate, SOH-C) oder als Anstieg des Innenwiderstands (SOH-R) angegeben werden. Die Kapazitätserhaltungsrate SOH-C ist als Verhältnis der gemessenen momentanen Kapazität zu einer Anfangskapazität der vollständig aufgeladenen Batterie angegeben. Die relative Änderung des Innenwiderstands SOH-R steigt mit zunehmender Alterung der Batterie an.
- In künftigen elektrisch betreibbaren Kraftfahrzeugen können jedoch unterschiedlichste Batterietypen eingesetzt werden. So ist abzusehen, dass Elektrofahrzeuge auch mit Austauschbatterien betrieben werden, wobei unterschiedlichste Batterietypen unterschiedlicher Hersteller eingesetzt werden können. Diese stellen eine große Herausforderung an entsprechende den Batterietyp beschreibende Modelle, insbesondere an ein Alterungszustandsmodell, dar, da grundlegende Batterieparameter nicht bekannt sind. Die Batterieparameter hängen erheblich von der Zellchemie und von dem Aufbau und der Verschaltung der Batteriezellen ab und können sich daher von Batterietyp zu Batterietyp erheblich unterscheiden.
- Bereits mit herkömmlichen Modellen ist die Ermittlung des Alterungszustands einer Fahrzeugbatterie schwierig. Die Implementierung eines einfachen physikalischen oder empirischen Alterungszustandsmodells in einem Kraftfahrzeug unterliegt erheblichen Ungenauigkeiten, sodass die maximale Modellabweichung häufig 5 % nicht unterschreitet, da diese im Wesentlichen vom nutzungsindividuellen Betriebsverlauf abhängig ist. Bei unbekannten Typen von elektrischen Energiespeichern (Batterietypen und dergleichen), d.h. das elektrochemische Modell ist nicht bekannt, ist die Herausforderung zur modellbasierten Bestimmung des Alterungszustands noch größer, da in der Regel kein domänenspezifisches Wissen zur physikalischen Beschreibung, speziell der elektrochemischen Größen, verwendet werden kann. Zudem werden üblicherweise stark verrauschte bzw. unvollständige Daten verwendet, die durch unterschiedliche Lastprofile, wie z. B. bei einem Kraftfahrzeug Außentemperaturen, Strecken, gefahrene Streckenabschnitte und dergleichen, Nutzerprofile, wie beispielsweise Ladeverhalten, Häufigkeit eines Schnellladens, Fahrverhalten und dergleichen sowie weiterhin durch Seriensteuerung des elektrischen Energiespeichers beeinflusst werden.
- Bei Fahrzeugbatterien unbekannten Batterietyps sehen dabei entsprechende Batteriesteuersysteme je nach Hersteller vor, nur die gängigsten Betriebsgrößen, wie den momentanen Batteriestrom, die momentane Batteriespannung, die momentane Batterietemperatur und den aktuellen Ladezustand auszugeben. Während für bekannte Batterietypen weitere Batterieparameter in dem Batteriemanagementsystem oder in der Zentraleinheit zur Verfügung stehen, fehlen bei unbekannten Batterietypen alle Angaben zur Zellchemie und zum internen Aufbau der Batteriezellen, so dass eine Erkennung eines Batterietyps und eine Modellierung des Alterungszustands schwierig sind.
- Für unbekannte Batterietypen muss daher die Ermittlung des Alterungszustands zudem vollständig anhand von Betriebsgrößen erfolgen, die von dem entsprechenden Batteriesteuergerät bereitgestellt werden. Diese lassen in der Regel keinen tiefergehenden Einblick in die Zellchemie und den internen Aufbau der Fahrzeugbatterie zu.
- Es kann vorgesehen sein, dass die Bezugsgröße als eine verstrichene Lebensdauer seit Inbetriebnahme (Begin of Life), einem Ah-Durchsatz oder einer kumulierten Leistungsangabe des Geräts, wie eine gesamte zurückgelegte Wegstrecke eines Kraftfahrzeugs als Gerät, bereitgestellt wird.
- Das obige Verfahren sieht daher vor, abhängig von einem Verlauf von Betriebsgrößen ein empirisches Alterungszustandsmodell bereitzustellen, das eine verbesserter Bestimmung eines aktuellen und eines prädizierten Alterungszustands ermöglicht. Dazu wird eine Alterungszustandstrajektorie in Form einer Trajektorienfunktion aus einer Vielzahl von Messungen ermittelt, wobei die Trajektorienfunktion den Alterungszustand abhängig von einer zeitbasierten Bezugsgröße angibt-
- Es kann vorgesehen sein, dass das empirische Alterungszustandsmodell einen Alterungszustand abhängig von einer Ladungsänderung in einem Ladevorgang und/oder einem Entladevorgang bestimmt und/oder aus einer Innenwiderstandsbestimmung mithilfe einer Spannungsänderung bei einem bestimmten Batteriestromverlauf bestimmt.
- Weiterhin kann die Trajektorienfunktion eine lineare Funktion, eine Polynomialfunktion, ein datenbasiertes Modell, insbesondere ein Regressionsmodell, wie einen Gaußprozess, ein neuronales Netz oder ein rekurrentes neuronales Netz, umfassen.
- Es kann vorgesehen sein, dass der Energiespeicher zum Betrieb eines Geräts, wie einem Kraftfahrzeug, einem Pedelec, einem Fluggerät, insbesondere einer Drohne, einer Werkzeugmaschine, einem Gerät der Unterhaltungselektronik, wie ein Mobiltelefon, einem autonomen Roboter und/oder einem Haushaltsgerät verwendet wird.
- Gemäß einem weiteren Aspekt ist eine Vorrichtung zum Ermitteln einer Alterungszustandstrajektorie eines elektrischen Energiespeichers eines Geräts vorgesehen, insbesondere eines elektrisch antreibbaren Kraftfahrzeugs, mit folgenden Schritten:
- - kontinuierliches Bereitstellen von Verläufen von Betriebsgrößen, die den Betrieb des bestimmten Energiespeichers charakterisieren;
- - Ermitteln von Alterungszuständen basierend auf den Betriebsgrößen mithilfe eines empirischen Alterungszustandsmodells zu mehreren Zeitpunkten;
- - Parametrisieren einer Trajektorienfunktion zum Beschreiben der Alterungszustandstrajektorie abhängig von mehreren Alterungszustandspunkten, die jeweils einen ermittelten Alterungszustand abhängig von einer zeitabhängigen Bezugsgröße angeben,
- - Bereitstellen der Trajektorienfunktion.
- Figurenliste
- Ausführungsformen werden nachfolgend anhand der beigefügten Zeichnungen näher erläutert. Es zeigen:
-
1 eine schematische Darstellung eines Systems zur Bereitstellung von Betriebsgrößen von Fahrzeugbatterien von Fahrzeugen einer Fahrzeugflotte; -
2 ein Flussdiagramm zur Veranschaulichung eines Verfahrens zur Ermittlung einer Alterungszustandstrajektorie einer Fahrzeugbatterie in einem Kraftfahrzeug; und -
3 ein Diagramm zur Darstellung der Ermittlung einer Trajektorienfunktion aus einer Vielzahl von Alterungszustandspunkten. - Beschreibung von Ausführungsformen
- Im Folgenden wird das erfindungsgemäße Verfahren anhand von Fahrzeugbatterien als elektrischer Energiespeicher in einem Kraftfahrzeug als batteriebetriebenes Gerät beschrieben. Dieses Beispiel steht stellvertretend für eine Vielzahl von stationären oder mobilen Geräten mit netzunabhängiger Energieversorgung, wie beispielsweise Fahrzeuge (Elektrofahrzeuge, Pedelecs usw.), Anlagen, Werkzeugmaschinen, Haushaltsgeräte, loT-Geräte und dergleichen, die über eine entsprechende Kommunikationsverbindung (z. B. LAN, Internet) mit einer Zentraleinheit (Cloud) in Verbindung stehen.
-
1 zeigt ein Kraftfahrzeug 1 mit einer Fahrzeugbatterie 2 als wiederaufladbaren elektrischen Energiespeicher, einen elektrischen Antriebsmotor 3 und eine Steuereinheit 4 auf. - Mithilfe einer Sensorik 6 erfasst die Fahrzeugbatterie 2 Betriebsgrößen F die in der Steuereinheit 4 erfasst werden. Die Betriebsgrößen F können im Falle einer Fahrzeugbatterie 2 einen momentanen Batteriestrom, eine momentane Batteriespannung, eine momentane Batterietemperatur und einen momentanen Ladezustand (SOC: State of Charge) angeben, sowohl auch Pack-, Modul- und / oder Zellebene. Die Betriebsgrößen F werden in einem schnellen Zeitraster von 2 Hz bis 100 Hz erfasst.
- Aus den Verläufen der Betriebsgrößen F können in der Steuereinheit 4 Bezugsgrößen generiert werden, die zeitabhängige kumulierte Größen umfassen. In der Steuereinheit 4 soll basierend auf den Verläufen der Betriebsgrößen ein Alterungszustand mithilfe eines empirischen Alterungszustandsmodells ermittelt werden und eine Alterungszustandstrajektorie angegeben werden.
- Der Alterungszustand (SOH: State of Health) ist die Schlüsselgröße zur Angabe einer verbleibenden Batteriekapazität oder verbleibenden Batterieladung. Der Alterungszustand stellt ein Maß für die Alterung der Fahrzeugbatterie oder eines Batterie-Moduls oder einer Batterie-Zelle dar und kann als Kapazitätserhaltungsrate (Capacity Retention Rate, SOH-C) oder als Anstieg des Innenwiderstands (SOH-R) angegeben werden. Die Kapazitätserhaltungsrate SOH-C ist als Verhältnis der gemessenen momentanen Kapazität zu einer Anfangskapazität der vollständig aufgeladenen Batterie angegeben. Die relative Änderung des Innenwiderstands SOH-R steigt mit zunehmender Alterung der Batterie an.
- Die Alterungszustandstrajektorie gibt eine Zuordnung eines Alterungszustands bezogen auf die zeitabhängige Bezugsgröße an, wie z.B. die seit Inbetriebnahme (Begin of Life) verstrichene Lebensdauer der Fahrzeugbatterie 2 an. Weiterhin ist es denkbar, den Alterungszustand in Abhängigkeit weiterer insbesondere zeitabhängiger (kumulierten) Bezugsgrößen zu beschreiben, wie z.B. Ah-Durchsatz, gefahrene Kilometer, etc. Mit anderen Worten ist es möglich, basierend auf den Bezugsgrößen, die sich aus den Betriebsgrößenverläufen des Kraftfahrzeugs 1 ergeben, einen Alterungszustand der Fahrzeugbatterie 2 zu ermitteln.
- In
2 ist ein Flussdiagramm zur Veranschaulichung eines Verfahrens zum Betreiben eines elektrisch antreibbaren Kraftfahrzeugs 1 mit einer Fahrzeugbatterie durch Bereitstellung eines Alterungszustands einer Batterie unbekannten Batterietyps dargestellt. Das Verfahren wird in der Steuereinheit 4 oder in der geräte- bzw. fahrzeugexternen Zentraleinheit ausgeführt und ist dort vorzugsweise in Software implementiert. - In Schritt S1 werden in der Steuereinheit 4 die Verläufe der Betriebsgrößen F erfasst, die zur Ermittlung eines aktuellen Alterungszustands der Fahrzeugbatterie 2 entsprechend dem Alterungszustandsmodell verwendet werden. Die erfassten Verläufe können an eine Zentraleinheit gesendet werden-
- Die erfassten Verläufe von Betriebsgrößen F werden in Schritt S2 vorverarbeitet, indem eine Plausibilitätsprüfung und eine Ausreißerbereinigung durchgeführt werden. Dies kann in an sich bekannter Weise durch Filterverfahren vorgenommen werden. Dieser Schritt kann sowohl im individuellen Fahrzeug als auch in der Zentraleinheit, der Cloud, durchgeführt werden.
- In Schritt S3 wird den Verläufen der Betriebsgrößen, wie Batteriestrom und Ladezustand, mithilfe des empirischen Alterungszustandsmodells ein Alterungszustand ermittelt. Schritt S3 wird vorzugsweise in der Zentraleinheit, der Cloud ausgeführt. Grundsätzlich ist jedoch auch eine Ausführung direkt im Fahrzeug 1 denkbar. Die Ermittlung des Alterungszustands kann bei bestimmten vorgegebenen Betriebsbedingungen erfolgen, wie z.B. bei einem Ladevorgang. Das Alterungszustandsmodell kann einem einfachen vorgegebenen Alterungszustandsmodell entsprechen, das durch Ladungsmengenberechnung mithilfe der Betriebsgrößen einen Alterungszustand zuordnet. Hierbei wird über das Stromintegral die zugeführte Ladungsmenge berechnet. Die berechnete Ladungsmenge wird nun mithilfe einer Ladezustandsänderung per Projektionsverfahren auf eine geschätzte maximale Batteriekapazität abgebildet. Aus dieser maximalen Batteriekapazität kann nun mithilfe der nominalen Batteriekapazität der kapazitätsbasierte Alterungszustand (SOHC) der Fahrzeugbatterie 41 ermittelt werden.
- Die Berechnung des innenwiderstandsbasierten Alterungszustands erfolgt analog durch dU / dl Analysen zu gewissen Trigger-Bedingungen, wie einer Lastflanke bei Beginn eines Ladevorgangs. Die nominalen Werte (z.B. Batteriekapazität) sind hierzu können auf der Fahrzeug- oder Batteriespezifikation entnommen werden. Alternativ ist es auch möglich, die Nominalwerte datenbasiert zu erlernen.
- Die durch das empirische Alterungszustandsmodell bereitgestellten Modellwerte (Alterungszustandspunkte) für den Alterungszustand sind grundsätzlich jedoch ungenau und verrauscht, da die Ladezustandsdifferenz abhängig vom Ladeverhalten des Fahrers ist und auch stark verrauscht ist. Die Alterungszustandspunkte werden abhängig von der Bezugsgröße angegeben, die die verstrichene Lebensdauer, d.h. die Zeitdauer seit Inbetriebnahme (Begin of Life), einem gesamten Ah-Durchsatz oder der gefahrenen Wegstrecke entsprechen kann
- Da sämtliche Auswertungen zur Ermittlung des Alterungszustands für eine Fahrzeugbatterie 2 mit dem empirischen Alterungszustandsmodell seit Inbetriebnahme (Beginn of Life) vorhanden sind, werden nun alle verrauschten Alterungszustandspunkte (Alterungszustände zu bestimmten Zeitpunkten) an eine vorgegebene parametrisierbare Trajektorienfunktion in Schritt S4 gefittet, um den zeitlichen Verlauf der Alterungszustandspunkte zu glätten. Weiterhin ergibt sich so A Posteriori eine vollständige Alterungszustandstrajektorie. Die eignet sich zur Bestimmung des Alterungszustands zu jedem Zeitpunkt seit Inbetriebnahme. Dadurch kann das Rauschen der Angabe der Alterungszustände entlang des zeitlichen Verlaufs eliminiert werden.
- Dies ist beispielsweise in der Darstellung der
3 gezeigt.3 zeigt einen Verlauf des Alterungszustands über der Zeit, wobei die Kreuze durch das Alterungszustandsmodell bestimmt Alterungszustände zu bestimmten Zeitpunkten angeben. Die Trajektorienabschnitte T1 entsprechend einer gefitteten Trajektorienfunktion und geben die für das Fahrzeug 1 ermittelte geglättete Alterungszustandstrajektorie abhängig von den Alterungszustandspunkten, die für das bestimmte Fahrzeug bestimmt worden sind, an. Schritt S4 wird vorzugsweise in der Zentraleinheit 2, der Cloud ausgeführt. Grundsätzlich ist jedoch auch eine Ausführung direkt im Fahrzeug denkbar, wenn ein hinreichend großer Speicher zu historischen Informationen vorgesehen ist. - Diese Trajektorienfunktion stellt im einfachsten Fall ein lineares Modell dar und kann nun in die Zukunft extrapoliert werden, um künftige Alterungszustände zu schätzen. Im Allgemeinen wird ein nichtlineares datenbasiertes Modell verwendet. So existieren beispielsweise LiFeP-Batteriezellen, LiTiO-, LiCoO-, LiNiO-, LiMnO, LiNiCoAlO-, LiNiCoMnO-Batteriezellen und weitere, für welche mit diesem allgemeinen Ansatz eine Alterungszustandsbestimmung möglich ist.
- Neben nichtlinearen datenbasierten Modellen sind speziell Machine-Learning-Verfahren, insbesondere Regressionsmodelle, gut geeignet, die in Schritt S3 berechneten SOH-Werte zu fitten. Supervised-Learning-Verfahren, wie Gaußprozesse oder Neuronale Netze, speziell unter Zuhilfenahme von LSTM (long short-term memory) Techniken, können hierzu eingesetzt werden.
- In Schritt S5 kann die Trajektorienfunktion zur Extrapolation und somit zur Prädiktion des Alterungszustands verwendet werden. Dadurch ist es beispielsweise möglich, eine Restlebensdauer bzw. eine Restnutzungsdauer durch Bestimmen eines Erreichens eines vorgegebenen Grenz-Alterungszustands zu ermitteln. Die berechneten Ergebnisse, wie aktueller SOH und Restlebensdauer können von der Cloud an das Fahrzeug übertragen werden. Weiterhin kann auch die aktualisierte Parametrierung der Trajektorienfunktion an das Fahrzeug übertragen werden.
Claims (12)
- Computerimplementiertes Verfahren zum Ermitteln einer Alterungszustandstrajektorie eines elektrischen Energiespeichers (2) eines Geräts (1), insbesondere eines elektrisch antreibbaren Kraftfahrzeugs, mit folgenden Schritten: - kontinuierliches Bereitstellen (S1) von Verläufen von Betriebsgrößen (F), die den Betrieb des bestimmten Energiespeichers (2) charakterisieren; - Ermitteln (S3) von Alterungszuständen basierend auf den Betriebsgrößen mithilfe eines empirischen Alterungszustandsmodells zu mehreren Zeitpunkten; - Parametrisieren (S4) einer Trajektorienfunktion zum Beschreiben der Alterungszustandstrajektorie abhängig von mehreren Alterungszustandspunkten, die jeweils einen ermittelten Alterungszustand abhängig von einer zeitabhängigen Bezugsgröße angeben, - Bereitstellen (S5) der Trajektorienfunktion.
- Verfahren nach
Anspruch 1 , wobei ein Alterungszustand für den Energiespeicher (2) abhängig von der Alterungszustandstrajektorie signalisiert wird. - Verfahren nach einem der
Ansprüche 1 bis2 , wobei ein prädizierter Alterungszustand für den Energiespeicher (2) abhängig von der Alterungszustandstrajektorie signalisiert wird. - Verfahren nach einem der
Ansprüche 1 bis3 , wobei eine Restlebensdauer anhand der Trajektorienfunktion bestimmt wird. - Verfahren nach einem der
Ansprüche 1 bis4 , wobei die Bezugsgröße als eine verstrichene Lebensdauer seit Inbetriebnahme (Begin of Life), einem Ah-Durchsatz oder einer kumulierten Leistungsangabe des Geräts (1), wie eine gesamte zurückgelegte Wegstrecke eines Kraftfahrzeugs als Gerät, bereitgestellt wird. - Verfahren nach einem der
Ansprüche 1 bis4 , wobei das empirische Alterungszustandsmodell einen Alterungszustand abhängig von einer Ladungsänderung in einem Ladevorgang und/oder einem Entladevorgang bestimmt und/oder aus einer Innenwiderstandsbestimmung mithilfe einer Spannungsänderung bei einem bestimmten Batteriestromverlauf bestimmt. - Verfahren nach einem der
Ansprüche 1 bis6 , wobei die Trajektorienfunktion eine lineare Funktion, eine Polynomialfunktion, ein datenbasiertes Modell, insbesondere ein Regressionsmodell, einen Gaußprozess, ein neuronales Netz oder ein rekurrentes neuronales Netz, umfasst. - Verfahren nach einem der
Ansprüche 1 bis7 , wobei der Energiespeicher (2) zum Betrieb eines Geräts (1), wie einem Kraftfahrzeug, einem Pedelec, einem Fluggerät, insbesondere einer Drohne, einer Werkzeugmaschine, einem Gerät der Unterhaltungselektronik, wie ein Mobiltelefon, einem autonomen Roboter und/oder einem Haushaltsgerät verwendet wird. - Verfahren nach einem der
Ansprüche 1 bis8 , wobei das Ermitteln (S3) von Alterungszuständen basierend auf den Betriebsgrößen und das Parametrisieren (S4) de Trajektorienfunktion in einer geräteexternen Zentraleinheit ausgeführt wird, wobei die Trajektorienfunktion, insbesondere deren Funktionsparameter, an das Gerät (1) übertragen werden. - Vorrichtung zum Ermitteln einer Alterungszustandstrajektorie eines elektrischen Energiespeichers (2) eines Geräts (1), insbesondere eines elektrisch antreibbaren Kraftfahrzeugs, mit folgenden Schritten: - kontinuierliches Bereitstellen von Verläufen von Betriebsgrößen (F), die den Betrieb des bestimmten Energiespeichers (2) charakterisieren; - Ermitteln von Alterungszuständen basierend auf den Betriebsgrößen (F) mithilfe eines empirischen Alterungszustandsmodells zu mehreren Zeitpunkten; - Parametrisieren einer Trajektorienfunktion zum Beschreiben der Alterungszustandstrajektorie abhängig von mehreren Alterungszustandspunkten, die jeweils einen ermittelten Alterungszustand abhängig von einer zeitabhängigen Bezugsgröße angeben, - Bereitstellen der Trajektorienfunktion.
- Computerprogrammprodukt umfassend Befehle, die bei der Ausführung des Programms durch mindestens eine Datenverarbeitungseinrichtung diese veranlassen, die Schritte des Verfahrens nach einem der
Ansprüche 1 bis9 auszuführen. - Maschinenlesbares Speichermedium, umfassend Befehle, die bei der Ausführung durch mindestens eine Datenverarbeitungseinrichtung diese veranlassen, die Schritte des Verfahrens nach einem der
Ansprüche 1 bis9 auszuführen.
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102020212234.2A DE102020212234A1 (de) | 2020-09-29 | 2020-09-29 | Verfahren und Vorrichtung zur Bestimmung eines Alterungszustands eines elektrischen Energiespeichers unbekannten Typs mithilfe maschineller Lernverfahren |
US17/486,507 US20220097550A1 (en) | 2020-09-29 | 2021-09-27 | Method and Apparatus for Determining a State of Health of an Electrical Energy Store of Unknown Type by Using Machine Learning Methods |
CN202111143248.XA CN114325438A (zh) | 2020-09-29 | 2021-09-28 | 借助机器学习方法确定未知类型的电能存储器的老化状态的方法和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102020212234.2A DE102020212234A1 (de) | 2020-09-29 | 2020-09-29 | Verfahren und Vorrichtung zur Bestimmung eines Alterungszustands eines elektrischen Energiespeichers unbekannten Typs mithilfe maschineller Lernverfahren |
Publications (1)
Publication Number | Publication Date |
---|---|
DE102020212234A1 true DE102020212234A1 (de) | 2022-03-31 |
Family
ID=80624336
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE102020212234.2A Pending DE102020212234A1 (de) | 2020-09-29 | 2020-09-29 | Verfahren und Vorrichtung zur Bestimmung eines Alterungszustands eines elektrischen Energiespeichers unbekannten Typs mithilfe maschineller Lernverfahren |
Country Status (3)
Country | Link |
---|---|
US (1) | US20220097550A1 (de) |
CN (1) | CN114325438A (de) |
DE (1) | DE102020212234A1 (de) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112083736B (zh) * | 2020-08-11 | 2023-07-25 | 广东电网有限责任公司电力科学研究院 | 一种无人机跟踪方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019057871A1 (de) | 2017-09-22 | 2019-03-28 | Robert Bosch Gmbh | Verfahren zum überwachen mindestens einer komponente eines kraftfahrzeugs |
US20190315237A1 (en) | 2018-04-13 | 2019-10-17 | Honeywell International Inc. | Calculate lifetime of a battery based on battery use data from multiple network connected electric vehicles |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10180460B1 (en) * | 2012-04-20 | 2019-01-15 | Motiv Power Systems, Inc. | Performing active interrogation of battery packs in situ to obtain precise SOC and SOH estimates |
US10162401B1 (en) * | 2015-09-29 | 2018-12-25 | Amazon Technologies, Inc. | Measuring battery degradation |
JP7170587B2 (ja) * | 2019-05-28 | 2022-11-14 | 本田技研工業株式会社 | 管理装置、管理方法、およびプログラム |
-
2020
- 2020-09-29 DE DE102020212234.2A patent/DE102020212234A1/de active Pending
-
2021
- 2021-09-27 US US17/486,507 patent/US20220097550A1/en active Pending
- 2021-09-28 CN CN202111143248.XA patent/CN114325438A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019057871A1 (de) | 2017-09-22 | 2019-03-28 | Robert Bosch Gmbh | Verfahren zum überwachen mindestens einer komponente eines kraftfahrzeugs |
US20190315237A1 (en) | 2018-04-13 | 2019-10-17 | Honeywell International Inc. | Calculate lifetime of a battery based on battery use data from multiple network connected electric vehicles |
Also Published As
Publication number | Publication date |
---|---|
CN114325438A (zh) | 2022-04-12 |
US20220097550A1 (en) | 2022-03-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE102020206592A1 (de) | Verfahren und Vorrichtung zum Betreiben eines elektrisch antreibbaren Kraftfahrzeugs abhängig von einem prädizierten Alterungszustands eines elektrischen Energiespeichers | |
DE102013208046B4 (de) | Schätzvorrichtung für einen Batterieladezustand, die einen robusten H∞-Beobachter verwendet | |
WO2020224724A1 (de) | Server-seitige charakterisierung von wiederaufladbaren batterien | |
DE102020215297A1 (de) | Verfahren und Vorrichtung zum Betreiben eines Systems zum Bereitstellen von prädizierten Alterungszuständen von elektrischen Energiespeichern für ein Gerät mithilfe von maschinellen Lernverfahren | |
DE10325751A1 (de) | Vorrichtung und Verfahren zur Berechnung eines Verschlechterungsgrades für eine Batterie | |
DE102019111976A1 (de) | Kapazitätsbestimmung bei Batterien | |
DE102020212299A1 (de) | Verfahren und Vorrichtung zum Betreiben eines Systems zum Bereitstellen von prädizierten Alterungszuständen von elektrischen Energiespeichern für ein Gerät mithilfe von maschinellen Lernverfahren | |
DE102020215201A1 (de) | Verfahren und Vorrichtung zur Vorhersage eines Alterungszustands einer Gerätebatterie in einem batteriebetriebenen Gerät | |
DE102020214389A1 (de) | Verfahren und Vorrichtung zur Bestimmung eines Alterungszustands einer Gerätebatterie unbekannten Typs für ein batteriebetriebenes elektrisches Gerät | |
AT524131A4 (de) | Ermittlung des Gesundheitszustands einer Fahrzeugbatterie | |
WO2016012196A1 (de) | Verfahren zum betreiben einer sekundärbatterie | |
DE102019126245A1 (de) | System und Verfahren zur Bestimmung des Funktionszustandes und/oder Gesundheitszustandes einer elektrischen Batterie | |
EP3978306A1 (de) | Verfahren und vorrichtung zur maschinenindividuellen verbesserung der lebensdauer einer batterie in einer batteriebetriebenen maschine | |
DE102020212234A1 (de) | Verfahren und Vorrichtung zur Bestimmung eines Alterungszustands eines elektrischen Energiespeichers unbekannten Typs mithilfe maschineller Lernverfahren | |
DE102021204014A1 (de) | Verfahren und Vorrichtung zum Bereitstellen eines Alterungszustandsmodells zur Ermittlung von aktuellen und prädizierten Alterungszuständen von elektrischen Energiespeichern mithilfe von Transfer-Lernen mithilfe maschineller Lernverfahren | |
DE102020215890A1 (de) | Verfahren und Vorrichtung zur Vorhersage eines Alterungszustands eines Energiespeicher-Systems | |
DE102022203343A1 (de) | Verfahren und Vorrichtung zum Betreiben eines Systems zum Erkennen einer Anomalie eines elektrischen Energiespeichers für ein Gerät mithilfe von maschinellen Lernverfahren | |
DE102022202111A1 (de) | Verfahren und Vorrichtung zum Erkennen einer kritischen Anomalie in einer Gerätebatterie basierend auf maschinellen Lernverfahren | |
DE102022200007A1 (de) | Verfahren und Vorrichtung zum Erlernen einer Parametrisierung eines Alterungsmodells und Bereitstellen eines Alterungszustands für eine Gerätebatterie anhand einer parametrierten Leerlaufspannungs-Kennlinie | |
DE102020212293A1 (de) | Verfahren und Vorrichtung zur Ladezustandsbestimmung einer Batterie in einer batteriebetriebenen Maschine | |
DE102021203868A1 (de) | Verfahren und Vorrichtung zum Betreiben eines Systems zum Bereitstellen eines elektrochemischen Batteriemodells für eine Gerätebatterie für ein Gerät | |
DE102021203729A1 (de) | Verfahren und Vorrichtung zum Betreiben eines Systems zum Bereitstellen von prädizierten Alterungszuständen von elektrischen Energiespeichern unter Nutzung von rekonstruierten Zeitreihensignalen mithilfe von maschinellen Lernverfahren | |
DE102020212282A1 (de) | Verfahren und Vorrichtung zur Parametrisierung eines elektrochemischen Batteriemodells für eine Batterie basierend auf Daten von einer Vielzahl von Batterien | |
WO2021170476A1 (de) | Verfahren zum bestimmen eines alterungszustands mindestens eines elektrochemischen energiespeichers | |
DE102020215864A1 (de) | Verfahren und Vorrichtung zur maschinenindividuellen Verbesserung der Lebensdauer einer Gerätebatterie in einer batteriebetriebenen Maschine |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R163 | Identified publications notified |