DE102021202904A1 - Method for monitoring an energy store in a motor vehicle - Google Patents
Method for monitoring an energy store in a motor vehicle Download PDFInfo
- Publication number
- DE102021202904A1 DE102021202904A1 DE102021202904.3A DE102021202904A DE102021202904A1 DE 102021202904 A1 DE102021202904 A1 DE 102021202904A1 DE 102021202904 A DE102021202904 A DE 102021202904A DE 102021202904 A1 DE102021202904 A1 DE 102021202904A1
- Authority
- DE
- Germany
- Prior art keywords
- soh
- predicted
- age
- energy store
- dependent variable
- 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
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
- B60L3/0023—Detecting, eliminating, remedying or compensating for drive train abnormalities, e.g. failures within the drive train
- B60L3/0046—Detecting, eliminating, remedying or compensating for drive train abnormalities, e.g. failures within the drive train relating to electric energy storage systems, e.g. batteries or capacitors
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
- B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
- 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
-
- 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
- B60L2260/50—Control modes by future state prediction
-
- 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]
- G01R31/3644—Constructional arrangements
- G01R31/3647—Constructional arrangements for determining the ability of a battery to perform a critical function, e.g. cranking
Abstract
Die Erfindung betrifft ein Verfahren zum Überwachen eines Energiespeichers in einem Kraftfahrzeug, wobei der Energiespeicher (10) zumindest einen Verbraucher vorzugsweise für eine sicherheitsrelevante Fahrfunktionen versorgt, wobei zumindest eine alterungsabhängige Größe (SOH(tpred)) des Energiespeichers (10) für einen zukünftigen Zeitpunkt (tpred) prädiziert wird, wobei zumindest in Abhängigkeit der pädizierten alterungsabhängigen Größe (SOH(tpred)) bei einer bestimmten zugrundegelegten Belastung (42) des Energiespeichers (10) eine prädizierte Betriebsgröße (Upred) des Energiespeichers (10) prädiziert wird, wobei die prädizierte Betriebsgröße (Upred) des Energiespeichers (10) mit einem vorgebbaren Grenzwert, insbesondere eine Minimalanforderung wie das Erreichen einer Minimalspannung (UBattmin), verglichen wird, wobei die prädizierte alterungsabhängige Größe (SOH(tpred)) aus zumindest einer aktuellen und/oder einer vergangenen alterungsabhängigen Größe (SOH(t); SOH(t-1)) des Energiespeichers (10), insbesondere abgelei-tet aus einer Messung einer Messgröße (U, I, T) wie Spannung, Strom, Temperatur etc. des Energiespeichers (10), ermittelt wird.The invention relates to a method for monitoring an energy store in a motor vehicle, with the energy store (10) supplying at least one consumer, preferably for a safety-relevant driving function, with at least one age-dependent variable (SOH(tpred)) of the energy store (10) for a future point in time ( tpred) is predicted, a predicted operating variable (Upred) of the energy store (10) being predicted at least as a function of the predicted age-dependent variable (SOH(tpred)) given a specific underlying load (42) of the energy store (10), the predicted operating variable (Upred) of the energy store (10) with a predeterminable limit value, in particular a minimum requirement such as reaching a minimum voltage (UBattmin), is compared, with the predicted age-dependent variable (SOH(tpred)) being based on at least one current and/or past age-dependent variable (SOH(t); SOH(t-1)) of energy p eichers (10), in particular derived from a measurement of a measured variable (U, I, T) such as voltage, current, temperature, etc. of the energy store (10) is determined.
Description
Die Erfindung betrifft ein Verfahren zum Überwachen eines Energiespeichers in einem Kraftfahrzeug nach der Gattung des unabhängigen Anspruchs.The invention relates to a method for monitoring an energy store in a motor vehicle according to the generic type of the independent claim.
Stand der TechnikState of the art
Aus der
Der Erfindung liegt die Aufgabe zugrunde, die Vorhersage einer bestimmten Kenngröße des elektrischen Energiespeichers weiter zu vereinfachen. Diese Aufgabe wird gelöst durch die Merkmale des unabhängigen Anspruchs.The object of the invention is to further simplify the prediction of a specific parameter of the electrical energy store. This object is solved by the features of the independent claim.
Offenbarung der ErfindungDisclosure of Invention
Dadurch, dass zur Ermittlung einer prädizierten Kenngröße des Energiespeichers lediglich auf zumindest eine prädizierte alterungsabhängige Größe des Energiespeichers zurückgegriffen wird, die nur auf zumindest einer aktuellen und/oder vergangenen alterungsabhängigen Größe basiert, insbesondere ohne Rückgriff auf ein aufwändiges Prognosemodell, das beispielsweise auf einem Belastungs-Belastbarkeitsmodell basiert, kann die Ermittlung der prädizierten Kenngröße vereinfacht werden. Damit kann der Rechenaufwand bzw. die benötigte Rechenleistung reduziert werden. Zudem erhöht sich die Genauigkeit und Robustheit der Vorhersage. Weiterhin kann die insbesondere für sicherheitskritische Anwendungen relevante Ausfallrate des Energiespeichers über prädiktive Wartung bzw. prädiktives Gesundheitsmanagement weiter reduziert und dessen Verfügbarkeit erhöht werden.Due to the fact that only at least one predicted age-dependent variable of the energy store is used to determine a predicted parameter of the energy store, which is only based on at least one current and/or past age-dependent variable, in particular without resorting to a complex prognosis model that is based, for example, on a load Based on a resilience model, the determination of the predicted parameter can be simplified. The computing effort and the required computing power can thus be reduced. In addition, the accuracy and robustness of the prediction increases. Furthermore, the failure rate of the energy store, which is particularly relevant for safety-critical applications, can be further reduced and its availability increased by means of predictive maintenance or predictive health management.
In einer zweckmäßigen Weiterbildung ist vorgesehen, dass eine Restlebensdauer des Energiespeichers zu dem Zeitpunkt erreicht wird, wenn die prädizierte Betriebsgröße den Grenzwert, insbesondere die Minimalanforderung erreicht. Damit lassen sich kritische Betriebssituationen frühzeitig erkennen und Gegenmaßnahmen wie prädiktive Wartung oder Ähnliches einleiten. Aufgrund der genaueren Prognose der Restlebensdauer können Wartungsintervalle präziser geplant bzw. mittels prädiktivem Energiemanagement verlängert und damit Wartungskosten reduziert werden, was insbesondere für Fahrzeugflottenbetreiber von Vorteil ist. Die Sicherheit des Fahrzeugs kann dadurch weiter erhöht werden.In an expedient development, it is provided that a remaining service life of the energy store is reached at the point in time when the predicted operating variable reaches the limit value, in particular the minimum requirement. This allows critical operating situations to be identified at an early stage and countermeasures such as predictive maintenance or the like to be initiated. Due to the more accurate forecast of the remaining service life, maintenance intervals can be planned more precisely or extended using predictive energy management, thus reducing maintenance costs, which is particularly advantageous for vehicle fleet operators. The safety of the vehicle can be increased further as a result.
In einer zweckmäßigen Weiterbildung ist vorgesehen, dass für die Ermittlung der prädizierten alterungsabhängigen Größe eine insbesondere exponentiell mit der zurückliegenden Zeit abnehmende Gewichtung zumindest der aktuellen und/oder zumindest der vergangenen alterungsabhängigen Größe vorgenommen wird. Gerade bei einer exponentiellen Gewichtung lässt sich der Speicherbedarf verringern, da für die Vorhersage nur der jeweils letzte Messwert gespeichert werden muss. Besonders bevorzugt wird für die Prädiktion der prädizierten alterungsabhängigen Größe die jeweils letzte alterungsabhängige Größe verwendet bzw. gespeichert.In an expedient development, it is provided that, in order to determine the predicted age-dependent variable, a weighting, which in particular decreases exponentially over the past time, is carried out on at least the current and/or at least the past age-dependent variable. The memory requirements can be reduced, especially with an exponential weighting, since only the last measured value has to be saved for the prediction. The last age-dependent variable in each case is particularly preferably used or stored for the prediction of the predicted age-dependent variable.
In einer zweckmäßigen Weiterbildung ist vorgesehen, dass zumindest ein Glättungsfaktor der prädizierten alterungsabhängigen Größe von einem Prädiktionsfehler der prädizierten Betriebsgröße und/oder der prädizierten alterungsabhängigen Größe abhängt. Gerade bei Anwendung eines funktionsbasierten Lebensendekriteriums ist eine weitere Verbesserung der Prognosegenauigkeit durch eine entsprechende Anpassung der Glättungsparameter in Abhängigkeit von einem Einschritt-Prädiktionsfehler möglich. Dadurch kann der Fehler zwischen extrapoliertem und quasi gemessenem Verlauf insbesondere der Betriebsgröße verringert und damit die Genauigkeit der Prognose der Restlebensdauer weiter erhöht werden.In an expedient development, it is provided that at least one smoothing factor of the predicted age-dependent variable depends on a prediction error of the predicted operating variable and/or the predicted age-dependent variable. Especially when using a function-based end-of-life criterion, a further improvement in the accuracy of the forecast is possible through a corresponding adjustment of the smoothing parameters as a function of a one-step prediction error. As a result, the error between the extrapolated and quasi-measured course, in particular of the operating variable, can be reduced and the accuracy of the forecast of the remaining service life can thus be further increased.
In einer weiteren zweckmäßigen Weiterbildung ist vorgesehen, dass zumindest ein Glättungsfaktor der prädizierten alterungsabhängigen Größe in Abhängigkeit von der Restlebensdauer angepasst wird, insbesondere indem mit zunehmender Restlebensdauer eine Glättung durch den Glättungsfaktor reduziert wird. Dadurch wird bei hoher geschätzter Restlebensdauer der globale bzw. langfristige Trend und bei Annäherung an das Lebensende der lokale bzw. kurzfristige Trend der Zeitverläufe der alterungsabhängigen Größen zur Vorhersage verwendet und somit die mittlere Genauigkeit der Prognose der Restlebensdauer über dem Prädiktionshorizont erhöht und deren Varianz verringert.A further expedient development provides that at least one smoothing factor of the predicted age-dependent variable is adapted as a function of the remaining service life, in particular by smoothing being reduced by the smoothing factor as the remaining service life increases. As a result, when the estimated remaining service life is high, the global or long-term trend and, when the end of life is approaching, the local or short-term trend of the time profiles of the aging-dependent variables is used for the prediction and thus the average accuracy of the prognosis of the Increased the remaining lifetime over the prediction horizon and reduced its variance.
In einer zweckmäßigen Weiterbildung ist vorgesehen, dass die prädizierte Betriebsgröße des Energiespeichers unter Verwendung eines Modells des Energiespeichers und/oder unter Verwendung eines Lastprofils ermittelt wird. Damit lässt sich individuell für jede Funktion die Funktionsfähigkeit besonders präzise ermitteln.In an expedient development, it is provided that the predicted operating variable of the energy store is determined using a model of the energy store and/or using a load profile. This allows the functionality to be determined individually for each function with particular precision.
In einer zweckmäßigen Weiterbildung ist vorgesehen, dass für die Prädiktion der prädizierten alterungsabhängigen Größe zumindest ein Level und/oder ein Trend der prädizierten alterungsabhängigen Größe ermittelt wird. Besonders bevorzugt ist hierbei vorgesehen, dass der Level in Abhängigkeit von einer aktuellen und/oder vergangenen alterungsabhängigen Größe und/oder in Abhängigkeit von einem Glättungsfaktor und/oder von einem zurückliegenden Level und/oder in Abhängigkeit von einem zurückliegenden Trend ermittelt wird und/oder dass der Trend in Abhängigkeit von einem aktuellen und/oder zurückliegenden Level und/oder einem weiteren Glättungsfaktor und/oder einen zurückliegenden Trend ermittelt wird. Damit lässt sich in besonders einfacher Art und Weise eine robuste und genaue Prädiktion erreichen.In an expedient development, it is provided that at least one level and/or a trend of the predicted age-dependent variable is determined for the prediction of the predicted age-dependent variable. It is particularly preferably provided that the level is determined as a function of a current and/or past aging-dependent variable and/or as a function of a smoothing factor and/or of a previous level and/or as a function of a previous trend and/or that the trend is determined as a function of a current and/or previous level and/or a further smoothing factor and/or a previous trend. A robust and accurate prediction can thus be achieved in a particularly simple manner.
In einer zweckmäßigen Weiterbildung ist vorgesehen, dass zumindest einer der Glättungsfaktoren über ein exponentielles Glättungsverfahren ermittelt wird. Dadurch erhöht sich die Genauigkeit und Robustheit des Verfahrens. Es lässt sich eine sanfte Adaption der Glättungsfaktoren erreichen.In an expedient development, it is provided that at least one of the smoothing factors is determined using an exponential smoothing method. This increases the accuracy and robustness of the method. A gentle adaptation of the smoothing factors can be achieved.
In einer zweckmäßigen Weiterbildung ist vorgesehen, dass zumindest einer der Glättungsfaktoren beeinflusst wird, indem eine solche alterungsabhängige Größe, die sich im aktuellen Arbeitspunkt des Energiespeichers stark auf die prädizierte Betriebsgröße auswirkt, zu einer stärkeren Anpassung herangezogen wird, insbesondere ausgedrückt durch einen Gradienten der prädizierten Betriebsgröße bezüglich der alterungsabhängigen Größe. Damit kann der Fehler zwischen prädiziertem und gemessenem Verlauf der Betriebsgrößen durch eine gezielte stärkere Anpassung des entsprechenden Verlaufs der Betriebsgrößen reduziert und damit die Prognose der Restlebensdauer genauer werden.In an expedient development, it is provided that at least one of the smoothing factors is influenced by such an aging-dependent variable, which has a strong effect on the predicted operating variable at the current operating point of the energy store, being used for greater adaptation, in particular expressed by a gradient of the predicted operating variable regarding the age-dependent size. In this way, the error between the predicted and measured course of the operating variables can be reduced by a targeted, stronger adjustment of the corresponding course of the operating variables, and the prognosis of the remaining service life can thus become more accurate.
In einer zweckmäßigen Weiterbildung ist vorgesehen, dass zumindest einer der Glättungsfaktoren in Abhängigkeit von der Restlebensdauer des Energiespeichers beeinflusst wird, insbesondere durch eine exponentielle Abhängigkeit des Glättungsfaktors von einem Schätzwert der Restlebensdauer. Damit wird die Genauigkeit und Robustheit weiter erhöht.In an expedient development it is provided that at least one of the smoothing factors is influenced as a function of the remaining service life of the energy store, in particular by an exponential dependency of the smoothing factor on an estimated value of the remaining service life. This further increases the accuracy and robustness.
Besonders zweckmäßig erfolgt der Vergleich der prädizierten Betriebsgröße mit dem Grenzwert bei bestimmten weiteren Parametern wie vorgegebenem Ladezustand und/oder Temperatur. Dadurch werden bestimmte Mindestanforderungen zu definierten vergleichbaren Bedingungen erreicht.In a particularly expedient manner, the comparison of the predicted operating variable with the limit value is carried out for certain other parameters such as the specified state of charge and/or temperature. As a result, certain minimum requirements are met under defined, comparable conditions.
Besonders bevorzugt ist eine Vorrichtung eingerichtet zur Durchführung des Verfahrens, insbesondere zumindest Bestandteil eines Sensors, bevorzugt eines Batteriesensors, und/oder eines Steuergeräts eines Fahrzeugs, insbesondere ein Fahrzeugcomputer, Gateway, Energiemanagement-Steuergerät und/oder eines Rechners eines Cloud-Systems. Je nach Anwendungsfall und zur Verfügung stehender Rechnerleistung kann das Verfahren in der geeigneten Vorrichtung implementiert werden.A device is particularly preferably set up to carry out the method, in particular at least part of a sensor, preferably a battery sensor, and/or a control unit of a vehicle, in particular a vehicle computer, gateway, energy management control unit and/or a computer of a cloud system. Depending on the application and the computing power available, the method can be implemented in the appropriate device.
Weitere zweckmäßige Weiterbildungen ergeben sich aus weiteren abhängigen Ansprüchen und aus der Beschreibung.Further expedient developments result from further dependent claims and from the description.
Figurenlistecharacter list
Es zeigen
-
1 eine Implementierung der Vorhersage einer Kenngröße des Energiespeichers in einem Sensor, insbesondere Batteriesensor, -
2 eine Implementierung der Vorhersage einer Kenngröße des Energiespeichers in einem Fahrzeugcomputer, -
3 eine Implementierung der Vorhersage einer Kenngröße des Energiespeichers in einer Cloud, -
4 ein Ablaufdiagramm des erfindungsgemäßen Verfahrens, -
5 einen zeitabhängigen SOH-Verlauf für eine geglättete Kurve im Vergleich zur Messung sowie -
6 einen zeitabhängigen SOF-Verlauf, berechnet aus dem geglätteten SOH-Verlauf im Vergleich zur Messung.
-
1 an implementation of the prediction of a parameter of the energy store in a sensor, in particular a battery sensor, -
2 an implementation of the prediction of a parameter of the energy storage in a vehicle computer, -
3 an implementation of the prediction of a parameter of the energy storage in a cloud, -
4 a flowchart of the method according to the invention, -
5 a time-dependent SOH course for a smoothed curve compared to the measurement as well as -
6 a time-dependent SOF curve, calculated from the smoothed SOH curve compared to the measurement.
Ausführungsformen der ErfindungEmbodiments of the invention
Die Erfindung ist anhand von Ausführungsformen in den Zeichnungen schematisch dargestellt und wird nachfolgend unter Bezugnahme auf die Zeichnungen ausführlich beschrieben.The invention is shown schematically in the drawings using embodiments and is described in detail below with reference to the drawings.
Beispielhaft ist in dem Ausführungsbeispiel als möglicher Energiespeicher eine Batterie bzw. Akkumulator beschrieben. Alternativ können jedoch andere für diese Aufgabenstellung geeignete Energiespeicher beispielsweise auf induktiver oder kapazitiver Basis, Brennstoffzellen, Kondensatoren oder Ähnliches gleichermaßen Verwendung finden.A battery or accumulator is described as an example of a possible energy store in the exemplary embodiment. Alternatively, however, other energy storage devices suitable for this task can be based, for example, on inductive or kapa zitive base, fuel cells, capacitors or the like are equally used.
Bei dem Ausführungsbeispiel gemäß
Das Ausführungsbeispiel gemäß
In
In
Das nachfolgend beschriebene Verfahren nutzt zur Prädiktion der zu erwartenden Restlebensdauer RUL ein bestimmtes Extrapolationsverfahren zur linearen Extrapolation von Größe bzw. Level L und Trend T der gemessenen Zeitverläufe der alterungsabhängigen Größen SOH des Energiespeichers 10 wie beispielsweise Kapazität Co und/oder Innenwiderstand Ri bis zum Erreichen eines vorgebbaren bzw. vorgegebenen Lebensende-Kriteriums (EOL), um die Restlebensdauer RUL zu bestimmen. Dieses Lebensende-Kriterium kann beispielsweise über einen Grenzwert UBattmin abgebildet werden, wenn beispielsweise bestimmte Betriebsgrößen U bzw. prädizierte Betriebsgrößen Upred des Energiespeichers 10 gewisse Mindestwerte nicht mehr erreichen. Besonders bevorzugt nutzt das Verfahren das sogenannte „Double Exponential Smoothing“ oder auch als „Holt's Linear Trend Method“ bekannte Verfahren zur linearen Extrapolation der gemessenen Zeitverläufe. Hierbei werden die Glättungsfaktoren a, β in Abhängigkeit der Restlebensdauer RUL bzw. eines Schätzwerts der Restlebensdauer RUL kontinuierlich angepasst. Die Anpassung erfolgt in der Art, dass bei hoher geschätzter Restlebensdauer RUL zur Vorhersage stark geglättete Zeitverläufe der alterungsabhängigen Größen SOH verwendet werden. Die Glättung wird mit Annäherung an das Lebensende EOL kontinuierlich reduziert. Dadurch wird bei hoher geschätzter Restlebensdauer RUL der globale bzw. langfristige Trend T und/oder bei Annäherung der geschätzten Restlebensdauer RUL an das Lebensende EOL der lokale bzw. kurzfristige Trend T der Zeitverläufe der alterungsabhängigen Größen SOH zur Vorhersage der prädizierten alterungsabhängige Größe SOHpred verwendet. Damit erhöht sich die mittlere Genauigkeit der Prognose der Restlebensdauer RUL über dem Prädiktionshorizont, während deren Varianz verringert wird.To predict the expected remaining service life RUL, the method described below uses a specific extrapolation method for the linear extrapolation of size or level L and trend T of the measured time curves of the age-dependent sizes SOH of the
Bei Anwendung eines Lebensende-Kriteriums EOL, welches auf dem Funktionszustand SOF des Energiespeichers 10 basiert, kann eine weitere Verbesserung der Prognosegenauigkeit durch eine Anpassung der Glättungsfaktoren a, β in Abhängigkeit von einem sogenannten Einschritt-Prädiktionsfehler insbesondere der SOF-Prädiktion erreicht werden. Dadurch kann der Fehler zwischen extrapoliertem und quasi gemessenem SOF-Verlauf verringert und damit die Genauigkeit der Prognose der Restlebensdauer RUL weiter erhöht werden.When using an end-of-life criterion EOL, which is based on the functional state SOF of the
Die Eingangsgrößen des Verfahrens sind gemessene bzw. geschätzte Zeitverläufe, die den Energiespeicher 10 beschreiben, wie beispielsweise aktueller State of Health (=SOH(t)) bzw. alterungsabhängige Größe bzw. diese beschreibende Größen wie Kapazität C0, Innenwiderstand Ri, Polarisationen, etc. des betrachteten Energiespeichers 10, die z. B. von der Zustandserkennung 13 des Sensors 12, insbesondere Batteriesensors, kontinuierlich ermittelt werden.The input variables of the method are measured or estimated time curves that describe the
Mithilfe der Zeitreihenvorhersage werden auf Basis vergangener und aktueller Eingangsgrößen SOH(t-1), SOH(t) altersabhängige Größen für einen zukünftigen Zeitpunkt tpred = t + RUL berechnet (SOH(tpred)), Block 40.Using the time series prediction, age-dependent variables for a future point in time tpred=t+RUL are calculated on the basis of past and current input variables SOH(t-1), SOH(t) (SOH(tpred)), block 40.
Anschließend wird mittels eines Prädiktors 44, insbesondere eines SOF-Prädiktors, auf Basis eines mathematischen Modells 49 des Energiespeichers 10 die prädizierte Betriebsgröße Upred des Energiespeichers 10 wie beispielsweise der zu erwartende Spannungseinbruch bzgl. eines vorgegebenen anwendungsspezifischen Lastprofils wie beispielsweise ein Stromlastprofil ILoad(t) (Block 42) berechnet und damit geprüft, ob bei dem prädizierten Alterungszustand bzw. prädizierte alterungsabhängige Größe SOH(tpred) und vorgegebenem Ladezustand SOC0 und Temperatur TBatt0 ein für die Anwendung geforderter Grenzwert wie beispielsweise eine Mindestspannung UBattmin unterschritten wird. Hierbei kann beispielsweise auf ein Ersatzschaltbild bzw. Modell 49 des Energiespeichers 10 zurückgegriffen werden unter Verwendung bestimmter Betriebsgrößen wie Strom I, Spannung U, Temperatur T sowie Zustandsgrößen wie beispielsweise die Ruhespannung, die Konzentrationspolarisation, die Durchtrittspolarisation der verschiedenen Elektroden etc. sowie entsprechende Parameter (beispielsweise Innenwiderstand Ri, Ersatzkapazität C0, Widerstand und Kapazität der Säurediffusion bzw. Widerstand und Kapazität der Doppelschicht der Elektroden etc..Then, by means of a
Mittels einer Nullstellensuchmethode wie z.B. Newton- oder Sekantenverfahren wird dann iterativ die Lösung tpred der nichtlinearen Gleichung
Die Zeitreihenvorhersage gemäß Block 40 erfolgt wie nachfolgend beschrieben. Zur Vorhersage einer prädizierten alterungsabhängigen Größe SOH(tpred) auf Basis aktueller und vergangener alterungsabhängiger Größen SOH(t-1), SOH(t) wird ein spezielles Glättungsverfahren, insbesondere das sogenannte Double Exponential Smoothing Verfahren, verwendet, das Level L und Trend T der gemessenen SOH(t) Verläufe mittels nachfolgender Gleichungen bestimmt und damit zukünftige prädizierte alterungsabhängige Größen SOH(tpred) linear extrapoliert:The time series prediction according to block 40 is carried out as described below. A special smoothing method, in particular the so-called double exponential smoothing method, is used to predict a predicted age-dependent variable SOH(tpred) on the basis of current and past age-dependent variables SOH(t-1), SOH(t), the level L and trend T of the measured SOH(t) curves are determined using the following equations and thus future predicted age-dependent variables SOH(tpred) are linearly extrapolated:
Level (L) Update (des SOH-Werts bzw. der alterungsabhängigen Größe):
- Yt: SOH Messwert zum Zeitpunkt t
- Ŷt : SOH Vorhersagewert zum Zeitpunkt t
- α : Glättungsfaktor für den Level L
- β : Glättungsfaktor für den Trend T 1-Schritt Vorhersagewert:
- Y t : SOH measured value at time t
- Ŷ t : SOH predicted value at time t
- α : smoothing factor for level L
- β : smoothing factor for the trend T 1-step predicted value:
Nachfolgend wird die Berechnung der Glättungsfaktoren α und β in Block 40 beschrieben. Entscheidend für die Genauigkeit und Robustheit des Verfahrens ist die geeignete Wahl der Glättungsfaktoren α und β. Hier wurde beispielhaft der Ansatz des Smooth Transition Exponential Smoothing (STES) nach James W. Taylor gewählt, da dieser stabilere Vorhersagen erlaubt. STES ermöglicht eine sanfte Adaption der Glättungsfaktoren α, β in Abhängigkeit einer Transitionsvariablen Vt, die i.d.R. als Funktion des Einschritt-Prädiktionsfehlers vorgegeben wird.The calculation of the smoothing factors α and β in
Berechnung der Glättungsfaktoren gemäß STES:
Vt: Transitionsvariable
et: Einschrittvorhersagefehler
Empirische Konstanten mit a2,b2 < 0Calculation of the smoothing factors according to STES:
V t : transition variable
e t : one-step prediction error
Empirical constants with a 2 ,b 2 < 0
Verbesserte RUL-Prognosegenauigkeit bei SOF EOL-KriteriumImproved RUL forecast accuracy on SOF EOL criterion
Bei Anwendung eines SOF EOL-Kriteriums (funktionsspezifische Belastung lload(t)) wird der Ermittlung die prädiktiven Betriebsgröße Upred zu Grunde gelegt und mit einem Grenzwert, beispielsweise Mindestspannung Ubattmin, verglichen wie in Block 44, 46 beispielhaft beschrieben) kann die Prognosegenauigkeit durch nachfolgende Erweiterung der Transitionsvariablen um einen zusätzlichen additiven Term erhöht werden:
Der zusätzliche Term bewirkt, dass alterungsabhängige Größen SOH, die sich im aktuellen Arbeitspunkt der Batterie bzw. des Energiespeichers 10 stark auf den prädizierten SOF-Wert bzw. die prädizierte Betriebsgröße Upred auswirken, ausgedrückt durch den SOF-Gradient bzgl. SOH, zu einer stärkeren Anpassung der Glättungsfaktoren a, β beitragen und damit der Fehler zwischen prädiziertem und „gemessenem“ SOF-Verlauf bzw. Betriebsgröße U durch gezielte stärkere Anpassung des entsprechenden Verlaufs der alterungsabhängigen Größe SOH reduziert und damit die RUL-Prognose genauer wird (vgl.
Eine Verbesserte RUL-Prognosegenauigkeit durch Restlebensdauer-abhängige Anpassung der Glättungsfaktoren α, β wird wie nachfolgend beschrieben erreicht. Bei großer angenommener Restlebensdauer RUL ist eine Prognose der Restlebensdauer RUL auf Basis lokaler Trends T der alterungsabhängigen GrößeSOH bzw. lokaler SOH Trends, d.h. schwach bzw. ungeglätteter Verläufe der alterungsabhängigen Größe SOH(t) nicht sinnvoll, da dies zu großer Varianz der durch lineare Extrapolation ermittelten Werte der Restlebensdauer RUL führt. Andererseits ist der lokale Trend L der alterungsabhängigen Größe bzw. der lokale SOH Trend T nahe Lebensende EOL entscheidend für eine genaue Bestimmung der Restlebensdauer RUL. Eine Restlebensdauer-abhängige Glättung der gemessenen SOH(t) Verläufe führt daher zu einer Verbesserung von Genauigkeit und Robustheit der Prognose der Restlebensdauer RUL über dem Prädiktionshorizont wie in
Nachfolgend werden ein Verfahren und eine Anordnung zur Vorhersage der Restlebensdauer RUL elektrischer Energiespeicher 10 beschrieben. Die Anpassung der Glättungsfaktoren α, β erfolgt abhängig vom RUL Schätzwert RULest :
Der RUL Schätzwert RULest wird aus den bei zwei verschiedenen Zeitpunkten t1, t2 mithilfe des SOF-Prädiktors 44 berechneten prädizierten Spannungen Upred(SOH(t1)), Upred(SOH(t2)) linear extrapoliert.
Voraussetzung ist, dass gilt: Upred(t2) - Upred(t1) << 0 für t2 > t1 . Hier wurde t1=0 und t2=t gewählt.The RUL estimated value RUL est is linearly extrapolated from the predicted voltages U pred (SOH(t 1 )), U pred (SOH(t 2 )) calculated at two different times t 1 , t 2 using the
The prerequisite is that: U pred (t 2 ) - U pred (t 1 ) << 0 for t 2 > t 1 . Here t 1 =0 and t 2 =t was chosen.
Durch die Festlegung einer exponentiellen Abhängigkeit der Glättungsfaktoren a, β vom Schätzwert der Restlebensdauer RULest wird der Einfluss der Restlebensdauer RUL auf die Glättungsfaktoren α, β auf einen Bereich nahe EOL begrenzt. Die Parameter der Funktionen für die Glättungsfaktoren α, β können z.B. durch Optimierungsverfahren mit dem Ziel minimaler Varianz des RUL-Prognosefehlers aus bis EOL gemessenen SOH(t)-Verläufen bestimmt werden.By defining an exponential dependence of the smoothing factors a, β on the estimated value of the remaining service life RULest, the influence of the remaining service life RUL on the smoothing factors α, β is limited to a range close to EOL. The parameters of the functions for the smoothing factors α, β can be determined, for example, by optimization methods with the aim of minimal variance of the RUL forecast error from SOH(t) curves measured up to EOL.
Ergibt Abfrage 46, dass die Restlebensdauer RUL erreicht wurde, so können in Block 50 Gegenmaßnahmen eingeleitet werden. So können entsprechende Warnhinweise an den Fahrer, Fahrzeugbetreiber, Werkstätte oder Ähnliches generiert werden. Eine prädiktive Wartung könnte eingeleitet werden. Auch können bestimmte sicherheitsrelevanten Funktionen gesperrt bzw. nicht mehr zugelassen werden. Ebenfalls wäre das Einleiten entsprechender Gegenmaßnahmen wie beispielsweise das Anfahren des nächsten Parkplatzes, ein Halt am Seitenstreifen etc. bei besonders gravierenden Fehlern möglich.If
Das beschriebene Verfahren eignet sich insbesondere zur Überwachung von Energiespeichern 10 für sicherheitsrelevante Anwendungen wie beispielsweise für die Versorgung sicherheitsrelevanter Verbraucher in einem Kraftfahrzeug insbesondere beim autonomen Fahren. Die Verwendung ist jedoch hierauf nicht eingeschränkt.The method described is particularly suitable for monitoring
ZITATE ENTHALTEN IN DER BESCHREIBUNGQUOTES INCLUDED IN 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 documents cited by the applicant was 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 PatentliteraturPatent Literature Cited
- DE 102018220494 A1 [0002]DE 102018220494 A1 [0002]
Claims (15)
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102021202904.3A DE102021202904A1 (en) | 2021-03-24 | 2021-03-24 | Method for monitoring an energy store in a motor vehicle |
CN202210304896.7A CN115123021A (en) | 2021-03-24 | 2022-03-24 | Method and device for monitoring an energy store in a motor vehicle |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102021202904.3A DE102021202904A1 (en) | 2021-03-24 | 2021-03-24 | Method for monitoring an energy store in a motor vehicle |
Publications (1)
Publication Number | Publication Date |
---|---|
DE102021202904A1 true DE102021202904A1 (en) | 2022-09-29 |
Family
ID=83192684
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE102021202904.3A Pending DE102021202904A1 (en) | 2021-03-24 | 2021-03-24 | Method for monitoring an energy store in a motor vehicle |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN115123021A (en) |
DE (1) | DE102021202904A1 (en) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102018220494A1 (en) | 2018-11-28 | 2020-05-28 | Robert Bosch Gmbh | Method for monitoring an energy store in an electrical system |
-
2021
- 2021-03-24 DE DE102021202904.3A patent/DE102021202904A1/en active Pending
-
2022
- 2022-03-24 CN CN202210304896.7A patent/CN115123021A/en active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102018220494A1 (en) | 2018-11-28 | 2020-05-28 | Robert Bosch Gmbh | Method for monitoring an energy store in an electrical system |
Also Published As
Publication number | Publication date |
---|---|
CN115123021A (en) | 2022-09-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2488885B1 (en) | Method for determining and/or predicting the maximum performance capacity of a battery | |
EP1590679B1 (en) | State variable and parameter estimator comprising several partial models for an electrical energy storage device | |
DE102015222979A1 (en) | Apparatus and method for calculating a degree of deterioration | |
EP1952169B1 (en) | Method for determining storage battery operating conditions | |
DE102011119060A1 (en) | Dynamic estimation of battery capacity | |
DE102008039576A1 (en) | Adaptive battery estimator and method | |
DE102017103617A1 (en) | Method for estimating the aging state of a battery system | |
DE102017128901A1 (en) | An apparatus and method for predicting a lifetime of a fuel cell and vehicle system having the same | |
EP3489703A1 (en) | Method for determining a current charge level of a battery, battery assembly and motor vehicle | |
EP3414582A1 (en) | Method and system for evaluating an electrochemical storage unit | |
DE102014220913B4 (en) | Method and device for determining a change in resistance of an energy storage device and vehicle | |
DE102017206071A1 (en) | SYSTEM AND METHOD FOR DETERMINING A CONDITION OF A VEHICLE BATTERY | |
DE102016220860A1 (en) | Method, apparatus and system for evaluating a traction battery | |
DE102021202904A1 (en) | Method for monitoring an energy store in a motor vehicle | |
DE102018127253B4 (en) | Method for determining the remaining life of an electrical fuse | |
EP2484004B1 (en) | Method for protecting a motor vehicle generator from overheating | |
DE102015226076A1 (en) | Method and apparatus for determining a temperature of a component in a mechatronic system | |
DE102018204227A1 (en) | Device and method for monitoring a DC link capacitor and electric power converters | |
DE102018200145A1 (en) | Method for detecting an internal short circuit in a first electrical energy storage unit of an electrical energy store | |
DE10328055A1 (en) | State quantity and parameter estimators with several partial models for an electrical energy storage | |
EP2815246B1 (en) | Method for determining a current, battery management unit, battery and motor vehicle | |
DE102020213771A1 (en) | Method for monitoring an energy source in an on-board network | |
DE102019126136A1 (en) | Method and device for determining temperature information describing a temperature of a resistance temperature sensor, inverter, vehicle and computer program | |
DE102022107492B3 (en) | Method for estimating a component lifetime and motor vehicle | |
WO2022258235A1 (en) | Method for monitoring an energy store in a motor vehicle |