DE102021208170A1 - Method and device for data completion of operating variable profiles of electrical energy storage devices in the event of missing profile data - Google Patents

Method and device for data completion of operating variable profiles of electrical energy storage devices in the event of missing profile data Download PDF

Info

Publication number
DE102021208170A1
DE102021208170A1 DE102021208170.3A DE102021208170A DE102021208170A1 DE 102021208170 A1 DE102021208170 A1 DE 102021208170A1 DE 102021208170 A DE102021208170 A DE 102021208170A DE 102021208170 A1 DE102021208170 A1 DE 102021208170A1
Authority
DE
Germany
Prior art keywords
variable
operating variable
operating
state
data gap
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
DE102021208170.3A
Other languages
German (de)
Inventor
Christian Simonis
Christoph Woll
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Robert Bosch GmbH
Original Assignee
Robert Bosch GmbH
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Robert Bosch GmbH filed Critical Robert Bosch GmbH
Priority to DE102021208170.3A priority Critical patent/DE102021208170A1/en
Priority to CN202210897677.4A priority patent/CN115684935A/en
Publication of DE102021208170A1 publication Critical patent/DE102021208170A1/en
Pending 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]
    • G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Secondary Cells (AREA)

Abstract

Die Erfindung betrifft ein computer-implementiertes Verfahren zum Vervollständigen eines Betriebsgrößenverlaufs (F) eines bestimmten elektrischen Energiespeichers (41) zum Bestimmen eines Zustands des Energiespeichers (41) basierend auf Betriebsgrößenverläufen, mit folgenden Schritten:- Bereitstellen (S1, S2) eines Betriebsgrößenverlaufs mit einer Datenlücke, wobei zumindest die Verläufe einer ersten Betriebsgröße und einer zweiten Betriebsgröße zwischen einem Anfangszeitpunkt (t0) der Datenlücke und einem Endzeitpunkt (t1) der Datenlücke fehlen oder unplausibel sind;- Ermitteln (S6, S7, S8) von geschätzten Verläufen der ersten Betriebsgröße (I) und der zweiten Betriebsgröße (SOC) abhängig von einem Anfangswert (I0, SOC0) der ersten und der zweiten Betriebsgröße zu dem Anfangszeitpunkt und einem Endwert (I1, SOC1) der ersten und der zweiten Betriebsgröße (I, SOC) zu dem Endzeitpunkt;- Bestimmen eines Zustands des bestimmten Energiespeichers (41) abhängig von den geschätzten Verläufen der ersten Betriebsgröße (I) und der zweiten Betriebsgröße (SOC).The invention relates to a computer-implemented method for completing an operating variable curve (F) of a specific electrical energy store (41) to determine a state of the energy store (41) based on operating variable curves, with the following steps: - Providing (S1, S2) an operating variable curve with a Data gap, wherein at least the curves of a first operating variable and a second operating variable between a start time (t0) of the data gap and an end time (t1) of the data gap are missing or implausible;- determining (S6, S7, S8) of estimated curves of the first operating variable ( I) and the second performance variable (SOC) depending on an initial value (I0, SOC0) of the first and second performance variable at the start time and a final value (I1, SOC1) of the first and second performance variable (I, SOC) at the end time; - Determining a state of the specific energy store (41) depending on the estimated curves d he first company variable (I) and the second company variable (SOC).

Description

Technisches Gebiettechnical field

Die Erfindung betrifft Verfahren zur Vervollständigung von Zeitreihen von Betriebsgrößen eines elektrischen Energiespeichers bei auftretenden Datenlücken. Die Erfindung betrifft weiterhin die Nutzung von Daten aus einer Vielzahl von Energiespeichern zur Schätzung von fehlenden Abschnitten von Betriebsgrößenverläufen.The invention relates to a method for completing time series of operating variables of an electrical energy store when data gaps occur. The invention also relates to the use of data from a large number of energy storage devices for estimating missing sections of performance variable profiles.

Technischer HintergrundTechnical background

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 entsprechend ihrer gespeicherten Ladungsmenge und können durch Zufuhr von elektrischer Energie wieder aufgeladen werden.The power supply of mains-independent electrical devices and machines such. B. electrically driven motor vehicles, using electrical energy storage devices, usually device batteries or vehicle batteries. These provide electrical energy to operate the devices according to the amount of charge they have stored and can be recharged by supplying electrical energy.

Elektrische Energiespeicher bzw. Energiewandler degradieren über ihre Lebensdauer und abhängig von deren Belastung bzw. Nutzung. Diese sogenannte Alterung führt zu einer kontinuierlich abnehmenden maximalen Leistungs- bzw. Speicherkapazität. Der Alterungszustand entspricht einem Maß zur Angabe der Alterung von Energiespeichern. Gemäß der Konvention weist ein neuer Energiespeicher einen Alterungszustand in Bezug auf seine verfügbare Kapazität von 100% auf, der im Laufe seiner Lebensdauer zusehends abnimmt. Ein Maß der Alterung des Energiespeichers (zeitliche Änderung des Alterungszustands) hängt von einer individuellen Belastung des Energiespeichers, d. h. bei Fahrzeugbatterien von Kraftfahrzeugen vom Nutzungsverhalten eines Fahrers, externen Umgebungsbedingungen und vom Fahrzeugbatterietyp ab.Electrical energy stores or energy converters degrade over their service life and depending on their load or use. This so-called aging leads to a continuously decreasing maximum performance and storage capacity. The aging state corresponds to a measure of the aging of energy storage devices. According to convention, a new energy storage device has an aging status in relation to its available capacity of 100%, which progressively decreases over the course of its lifetime. A measure of the aging of the energy store (change in the state of aging over time) depends on an individual load on the energy store, i. H. in vehicle batteries of motor vehicles on the usage behavior of a driver, external environmental conditions and the vehicle battery type.

Mithilfe von physikalischen bzw. elektrochemischen Alterungszustandsmodellen kann der aktuelle Zustand des als Gerätebatterie ausgebildeten Energiespeichers insbesondere zur Ermittlung des Alterungszustands basierend auf historischen Betriebsgrößenverläufen insbesondere ausgehend von dem Zeitpunkt der Inbetriebnahme (Alterungszustand = 100% SOH-C) bestimmt werden. Jedoch benötigt dieses Modell Betriebsgrößenverläufe aller maßgeblichen Größen, wie Batteriestrom, Batterietemperatur, Ladezustand und Batteriespannung.With the help of physical or electrochemical aging state models, the current state of the energy store designed as a device battery can be determined, in particular to determine the aging state based on historical operating variable curves, in particular starting from the time of commissioning (aging state=100% SOH-C). However, this model requires operating variable curves of all relevant variables, such as battery current, battery temperature, state of charge and battery voltage.

Zur Ermittlung eines aktuellen internen Zustands des Energiespeichers in einem Gerät können Betriebsgrößen des Energiespeichers aufgezeichnet und zur Auswertung an eine geräteexterne Zentraleinheit übertragen werden. Dabei können aufgrund von Fehlübermittlungen, Störungen und dergleichen kurzzeitige Lücken in den Verläufen der Betriebsgrößen entstehen, so dass die Ermittlung des internen Zustands des betreffenden Energiespeichers nicht ohne weiteres möglich ist.In order to determine a current internal state of the energy store in a device, operating variables of the energy store can be recorded and transmitted to a device-external central unit for evaluation. In this case, short-term gaps in the curves of the operating variables can arise as a result of faulty transmissions, faults and the like, so that it is not readily possible to determine the internal state of the energy store in question.

Offenbarung der ErfindungDisclosure of Invention

Erfindungsgemäß sind ein computerimplementiertes Verfahren zum Bereitstellen von zeitlichen Verläufen von Betriebsgrößen eines elektrischen Energiespeichers zur Ermittlung eines Zustands des Energiespeichers gemäß Anspruch 1 sowie eine entsprechende Vorrichtung gemäß dem nebengeordneten Anspruch vorgesehen.According to the invention, a computer-implemented method for providing time profiles of operating variables of an electrical energy storage device for determining a state of the energy storage device according to claim 1 and a corresponding device according to the independent claim are provided.

Weitere Ausgestaltungen sind in den abhängigen Ansprüchen angegeben.Further developments are specified in the dependent claims.

Gemäß einem ersten Aspekt ist ein Verfahren zum Vervollständigen eines Betriebsgrößenverlaufs eines bestimmten elektrischen Energiespeichers zum Bestimmen eines Zustands des Energiespeichers basierend auf Betriebsgrößenverläufen vorgesehen, mit folgenden Schritten:

  • - Bereitstellen eines Betriebsgrößenverlaufs mit einer Datenlücke, wobei zumindest die Verläufe einer ersten Betriebsgröße und einer zweiten Betriebsgröße zwischen einem Anfangszeitpunkt der Datenlücke und einem Endzeitpunkt der Datenlücke fehlen oder unplausibel sind;
  • - Ermitteln von geschätzten Verläufen der ersten Betriebsgröße und der zweiten Betriebsgröße abhängig von einem Anfangswert der ersten und der zweiten Betriebsgröße zu dem Anfangszeitpunkt und einem Endwert der ersten und der zweiten Betriebsgröße zu dem Endzeitpunkt;
  • - Bestimmen eines Zustands des bestimmten Energiespeichers abhängig von den geschätzten Verläufen der ersten Betriebsgröße und der zweiten Betriebsgröße.
According to a first aspect, a method is provided for completing an operating variable curve of a specific electrical energy store for determining a state of the energy store based on operating variable curves, with the following steps:
  • - Providing an operating variable curve with a data gap, wherein at least the curves of a first operating variable and a second operating variable between a start time of the data gap and an end time of the data gap are missing or implausible;
  • - Determination of estimated curves of the first performance variable and the second performance variable depending on an initial value of the first and the second performance variable at the start time and a final value of the first and the second performance variable at the end time;
  • - Determination of a state of the specific energy store depending on the estimated curves of the first operating variable and the second operating variable.

Weiterhin kann der Zustand einem Alterungszustand entsprechen, der basierend auf einem Differentialgleichungs-System per Zeitintegrationsverfahren abhängig von mindestens dem ersten und dem zweiten Betriebsgrößenverlauf, insbesondere seit Inbetriebnahme (BoL) des bestimmten Energiespeichers, bestimmt wird.Furthermore, the state can correspond to an aging state, which is determined based on a differential equation system using a time integration method as a function of at least the first and the second operating variable profile, in particular since the specific energy store was commissioned (BoL).

Energiespeicher im Sinne dieser Beschreibung umfassen Speicher für elektrische Energie, die bei einem Entladevorgang elektrische Energie abgeben und während eines Ladevorgangs elektrische Energie aufnehmen können.Energy storage devices within the meaning of this description include storage devices for electrical energy, which emit electrical energy during a discharging process and can absorb electrical energy during a charging process.

Der Zustand insbesondere der Alterungszustand des Energiespeichers kann beispielsweise durch ein physikalisches Alterungsmodell basierend auf elektrochemischen Modellgleichungen ermittelt werden. Die Berechnung des physikalischen Alterungsmodells basiert auf einem Zeitintegrations-Verfahren zur Lösung eines Differentialgleichungs-Systems. Die elektrochemischen Modellgleichungen charakterisieren elektrochemische Zustände eines nichtlinearen Differentialgleichungs-Systems. Die elektrochemischen Zustände werden fortlaufend basierend auf zeitlichen Verläufen der Betriebsgrößen berechnet und können auf den physikalischen Alterungszustand abgebildet werden, als SOH-C und/oder als SOH-R.The state, in particular the aging state of the energy store, can be determined, for example, by a physical aging model based on electrochemical model equations become. The calculation of the physical aging model is based on a time integration method to solve a differential equation system. The electrochemical model equations characterize electrochemical states of a nonlinear differential equation system. The electrochemical states are continuously calculated based on the temporal progression of the operating variables and can be mapped to the physical aging state as SOH-C and/or as SOH-R.

Da in dem Differentialgleichungs-System per Zeitintegrationsverfahren die Gleichungen für die physikalischen Alterungszustände gelöst werden, ist es notwendig, dass die Eingänge des elektrochemischen Alterungsmodells als vollständige Zeitreihe vorliegen. Diese können z. B. Batterietemperatur, Batteriestrom, Batteriespannung sowie den Ladezustand umfassen.Since the equations for the physical aging states are solved in the differential equation system using time integration methods, it is necessary for the inputs of the electrochemical aging model to be available as a complete time series. These can e.g. B. include battery temperature, battery current, battery voltage and the state of charge.

Die Berechnung des Zustands des Energiespeichers mithilfe des elektrochemischen Modells kann vorzugsweise geräteextern stattfinden, da diese sehr rechenaufwendig ist und häufig die geforderte Verarbeitungsleistung in den oder hardware-nah an den batteriebetriebenen Geräten nicht ausreicht oder aus Kostengründen nicht vorgehalten werden soll. Weiterhin kann das elektrochemische physikalische Alterungsmodell von Zeit zu Zeit (z. B. alle 6 Monate) basierend auf neu generierten Labels in einer geräteexternen Zentraleinheit (Cloud) mithilfe von Daten einer Vielzahl von Energiespeichern neu parametriert werden.The calculation of the state of the energy store using the electrochemical model can preferably take place external to the device, since this is very computationally intensive and the required processing power in or hardware-related to the battery-operated devices is often insufficient or should not be kept available for cost reasons. Furthermore, the electrochemical physical aging model can be reparameterized from time to time (e.g. every 6 months) based on newly generated labels in a device-external central unit (cloud) using data from a large number of energy storage devices.

Beim Erfassen und beim Übertragen von kontinuierlichen Betriebsgrößenverläufen eines elektrischen Energiespeichers an eine auswertende Zentraleinheit kommt es aufgrund von vielfältigen Ursachen, wie z. B. bei Konnektivitätsproblemen wie beispielsweise durch eine Störung der Netzkommunikation, gelegentlich zu kurzzeitigen Lücken im Datenstrom einer oder mehrerer der Betriebsgrößen. Da kontinuierliche Verlaufsdaten der Betriebsgrößen zur Ermittlung eines internen Zustands des Energiespeichers, wie beispielsweise einem Alterungszustand, notwendig sind, sind Betriebsgrößenverläufe mit solchen zeitlichen Datenlücken zunächst nicht auswertbar.When capturing and transmitting continuous operating variable profiles of an electrical energy storage device to an evaluating central unit, there are a variety of causes, such as B. in the case of connectivity problems such as a disruption in network communication, occasional short-term gaps in the data stream of one or more of the operating variables. Since continuous history data of the operating variables are necessary to determine an internal state of the energy store, such as an aging state, operating variable courses with such temporal data gaps cannot initially be evaluated.

Diesbezüglich ist es notwendig, den zeitlichen Verlauf der Betriebsgrößen in den auftretenden Datenlücken zu füllen bzw. zu rekonstruieren, um das verwendete physikalische Alterungsmodell zur Ermittlung eines aktuellen oder künftigen Alterungszustands betreiben zu können. Dadurch können die Robustheit und Genauigkeit des modellierten Zustands des Energiespeichers signifikant erhöht werden. Das obige Verfahren ermöglicht eine Vervollständigung des zeitlichen Verlaufs der mindestens einen für die Ermittlung des Alterungszustands benötigten Betriebsgröße, insbesondere der Batterietemperatur, des Batteriestroms, der Batteriespannung und des Ladezustands einer Gerätebatterie als Energiespeicher.In this regard, it is necessary to fill or reconstruct the time course of the operating variables in the data gaps that occur in order to be able to operate the physical aging model used to determine a current or future aging state. As a result, the robustness and accuracy of the modeled state of the energy store can be significantly increased. The above method makes it possible to complete the time profile of the at least one operating variable required for determining the state of health, in particular the battery temperature, the battery current, the battery voltage and the state of charge of a device battery as an energy store.

Zwar ist es grundsätzlich möglich, die Betriebsgrößenverläufe durch Interpolation, meist durch lineare Interpolation, zu vervollständigen, jedoch führt dies bei einigen Betriebsgrößen, insbesondere bei Berechnungen, für die in Differentialgleichungsmodell Speichergrößen bestimmt werden oder Teil einer solchen Berechnung sind, nur zu unzureichenden Nachbildungen des internen Zustands des Energiespeichers oder verfälscht die Zustandsermittlung erheblich. Insbesondere benötigt ein Alterungszustandsmodell für einen elektrischen Energiespeicher, insbesondere eine Gerätebatterie, kontinuierliche Verlaufsdaten über Betriebsgrößen, wie Batterietemperatur, Batteriestrom, Batteriespannung und einen Ladezustand. Tritt zum Beispiel eine Lücke der Verlaufsdaten bei einer Fahrzeugbatterie eines Fahrzeugs zu Beginn des Stillstands bzw. an einem Haltesignal auf und setzt die Datenaufzeichnung erst wieder während oder nach dem Losfahren ein, so entspräche die Linearisierung des Batteriestroms von I = 0 A zu beispielsweise I = 50 A nicht dem tatsächlichen Verlauf und würde eine fehlerhafte Ermittlung der Alterung während dieses Zeitraums nach sich ziehen.Although it is fundamentally possible to complete the operating variable curves by interpolation, mostly by linear interpolation, this only leads to insufficient simulations of the internal one for some operating variables, especially calculations for which memory values are determined in the differential equation model or are part of such a calculation State of the energy store or falsifies the state determination significantly. In particular, an aging state model for an electrical energy store, in particular a device battery, requires continuous history data on operating variables such as battery temperature, battery current, battery voltage and a state of charge. If, for example, there is a gap in the historical data of a vehicle battery at the beginning of standstill or at a stop signal and data recording only starts again during or after driving off, the linearization of the battery current from I = 0 A would correspond to I = , for example 50 A does not correspond to the actual course and would result in an incorrect determination of the aging during this period.

Das obige Verfahren sieht dazu vor, bei kurzzeitigen Datenlücken die fehlenden Abschnitte der Betriebsgrößenverläufe so zu ersetzen, dass ein möglichst geringer Fehler bei der Zustandsermittlung des elektrischen Energiespeichers besteht. Eine Datenlücke im Sinne dieser Erfindung liegt vor, wenn für einen kurzfristigen Zeitabschnitt, wie beispielsweise ein Zeitabschnitt zwischen 1 s und 10 s, keine oder unplausible Verlaufsdaten einer Betriebsgröße vorliegen. Unplausible Verlaufsdaten können beispielsweise bei einem Ausreißer vorliegen, bei dem üblicherweise nur sehr wenige aufeinanderfolgende Erfassungszeitpunkte einen erheblich von vorhergehenden und nachfolgenden Werten abweichende Werte aufweisen, und werden verworfen. Solche Ausreißer können in dem Verlauf der betreffenden Betriebsgröße durch eine Interpolation leicht korrigiert werden.In the case of short-term data gaps, the above method provides for the missing sections of the operating variable curves to be replaced in such a way that there is as little error as possible when determining the state of the electrical energy store. A data gap in the sense of this invention is present when no or implausible historical data of an operating variable is available for a short period of time, such as a period of time between 1 s and 10 s. Implausible history data can be present, for example, in the case of an outlier, in which usually only very few consecutive acquisition times have values that deviate significantly from previous and subsequent values, and are discarded. Such outliers can easily be corrected by interpolation in the course of the operating variable in question.

Es kann jedoch auch der Fall auftreten, bei der während einer Zeitdauer, die über die Zeitdauer eines Ausreißers hinausgeht, fehlerhafte Daten erkannt werden oder keine Daten zum Verlauf einer Betriebsgröße vorliegen. Je nach Betriebsgröße können dann unterschiedliche Verfahren angewendet werden. Beispielsweise kann bei einer Temperaturgröße, wie beispielsweise einer Batterietemperatur, aufgrund der beschränkten Dauer der Datenlücke für die Batterietemperatur als Betriebsgröße die betreffenden Temperaturwerte durch Interpolation des Temperaturwerts vor und des Temperaturwerts nach der Datenlücke bestimmt werden.However, the case can also occur in which erroneous data is recognized during a period of time that exceeds the period of an outlier, or no data on the development of an operating variable is available. Depending on the size of the company, different methods can then be used. For example, with a temperature variable, such as a battery temperature, due to the limited duration of the data gap for the battery temperature as an operating variable relevant temperature values can be determined by interpolating the temperature value before and the temperature value after the data gap.

Bei einer dynamischeren Betriebsgröße, wie beispielsweise dem Batteriestrom, führt ein Auffüllen von fehlenden Verlaufsdaten durch Interpolation zu fehlerhaften Zustandsbestimmungen, wie einer fehlerhaften Bestimmung eines Alterungszustands durch eine fehlerhafte Berücksichtigung der Alterung während des Zeitraums der Datenlücke. Gemäß dem obigen Verfahren kann jedoch eine Belastung durch den unbekannten Verlauf des Batteriestroms während der Datenlücke aus einem Ladezustand vor und nach der festgestellten Datenlücke des Batteriestroms bestimmt werden.For a more dynamic operating variable, such as battery current, filling in missing history data by interpolation leads to erroneous state determinations, such as erroneously determining a state of health by erroneously considering aging during the data gap period. However, according to the above method, a load due to the unknown history of the battery current during the data gap can be determined from a state of charge before and after the detected data gap of the battery current.

Das obige Verfahren betrifft den Fall, dass zwei voneinander abhängige, sich schnell ändernde Betriebsgrößen während einer Datenlücke nicht vorliegen. Für den Fall einer Gerätebatterie können diese Betriebsgrößen einem Batteriestrom und einem Ladezustand der Gerätebatterie entsprechen. Das Verfahren sieht zunächst eine lineare Interpolation einer ersten der Betriebsgrößen, wie des Batteriestroms, zwischen einem Anfangszeitpunkt der Datenlücke und einem Endzeitpunkt der Datenlücke vor. Dazu wird die erste Betriebsgröße linear zwischen dem Anfangswert des Anfangszeitpunkts und dem Endwert des Endzeitpunkts der Datenlücke interpoliert und daraus ein wahrscheinlicher Verlauf einer zweiten der Betriebsgrößen bestimmt. Da der erste und der zweite Betriebsgrößenverlauf voneinander abhängen, wird der Verlauf der zweiten Betriebsgröße dabei ausgehend von dem Anfangswert der zweiten Betriebsgröße zu einem Anfangszeitpunkt der Datenlücke, insbesondere durch ein integratives Verfahren, ermittelt. Neben dem Verlauf der zweiten Betriebsgröße während der Datenlücke erhält man den modellierten Endwert der zweiten Betriebsgröße zu dem Endzeitpunkt der Datenlücke.The above procedure applies to the case that two interdependent, rapidly changing operating variables are not available during a data gap. In the case of a device battery, these operating variables can correspond to a battery current and a state of charge of the device battery. The method initially provides for a linear interpolation of a first of the operating variables, such as the battery current, between a start time of the data gap and an end time of the data gap. For this purpose, the first performance variable is interpolated linearly between the initial value at the start time and the final value at the end time of the data gap, and a probable course of a second performance variable is determined therefrom. Since the first and the second performance variable profile are dependent on one another, the profile of the second performance variable is determined starting from the initial value of the second performance variable at the start of the data gap, in particular using an integrative method. In addition to the course of the second operating variable during the data gap, the modeled final value of the second operating variable at the end of the data gap is obtained.

Ausgehend von einem Unterschied zwischen dem modellierten Wert der zweiten Betriebsgröße zum Endzeitpunkt und dem tatsächlichen Wert der zweiten Betriebsgröße zum Endzeitpunkt wird nun der zunächst lineare Verlauf der ersten Betriebsgröße zwischen dem Anfangszeitpunkt und dem Endzeitpunkt modifiziert. Die Modifizierung wird so vorgenommen, dass der Betrag des Zeitintegrals der ersten Betriebsgröße während der Datenlücke vergrößert oder verkleinert wird, so dass der resultierende modellierte Wert des Endzeitpunkts der zweiten Betriebsgröße dem tatsächlichen Wert der zweiten Betriebsgröße zu dem Endzeitpunkt entspricht. Dazu kann die Änderung des Verlaufs der ersten Betriebsgröße während der Datenlücke iterativ angepasst werden. Zudem kann der Verlauf der ersten Betriebsgröße während der Datenlücke noch geglättet werden, um negative Einflüsse bei der Zustandsbestimmung aufgrund von nicht stetigen Verläufen der ersten Betriebsgröße zu vermeiden.Based on a difference between the modeled value of the second performance variable at the end time and the actual value of the second performance variable at the end time, the initially linear course of the first performance variable between the start time and the end time is modified. The modification is made such that the amount of the time integral of the first performance variable is increased or decreased during the data gap, so that the resulting modeled value of the end time of the second performance variable corresponds to the actual value of the second performance variable at the end time. For this purpose, the change in the course of the first farm size can be iteratively adjusted during the data gap. In addition, the course of the first operating variable can still be smoothed out during the data gap in order to avoid negative influences when determining the status due to non-steady courses of the first operating variable.

Die iterative Annäherung des modellierten Werts der zweiten Betriebsgröße zum Endzeitpunkt der Datenlücke kann durch ein geeignetes numerisches Optimierungsverfahren, wie beispielsweise Regula-Falsi- oder Newton-Raphson-Verfahren, bestimmt werden. Die so ermittelten Betriebsgrößenverläufe während der Datenlücke können nun den vorhandenen Betriebsgrößenverläufen hinzugefügt werden und zur Modellierung des Batteriezustands verwendet werden.The iterative approximation of the modeled value of the second operating variable at the end time of the data gap can be determined using a suitable numerical optimization method, such as the Regula-Falsi or Newton-Raphson method. The operating variable curves determined in this way during the data gap can now be added to the existing operating variable curves and used to model the battery condition.

Das obige Verfahren hat den Vorteil, dass in einfacher Weise Datenlücken von Betriebsgrößenverläufen mit real möglichen Betriebsgrößenverläufen gefüllt werden können, so dass eine möglichst geringe Fehlermittlung eines internen Zustands bei Verwendung einer kontinuierlichen Zustandsermittlung auf Basis von auf Betriebsgrößenverläufen basierenden Modellen erreicht wird, wie z. B. System-Modelle, wie Ersatzschaltbild-Modelle, welche die nichtlineare Stromabhängigkeit des Systems über Butler-Volmer-Gleichungen beschreiben.The above method has the advantage that data gaps in the course of operating variables can be filled in a simple manner with courses of operating variables that are actually possible, so that the lowest possible incorrect determination of an internal state is achieved when using a continuous determination of the state on the basis of models based on the courses of operating variables, such as e.g. B. System models, such as equivalent circuit models, which describe the non-linear current dependency of the system using Butler-Volmer equations.

Es kann vorgesehen sein, dass der erste Betriebsgrößenverlauf durch Vorgabe eines angenommenen ersten Betriebsgrößenverlaufs und insbesondere eine nachfolgende Anpassung des ersten Betriebsgrößenverlaufs zur Minimierung eines Unterschieds zwischen einem modellierten Endwert der zweiten Betriebsgröße und einem tatsächlichen Endwert der zweiten Betriebsgröße bestimmt wird.It can be provided that the first operating variable curve is determined by specifying an assumed first operating variable curve and in particular a subsequent adjustment of the first operating variable curve to minimize a difference between a modeled final value of the second operating variable and an actual final value of the second operating variable.

Weiterhin kann vorgesehen sein, dass der erste Betriebsgrößenverlauf durch Vorgabe eines angenommenen ersten Betriebsgrößenverlaufs bestimmt wird, wobei der angenommene erste Betriebsgrößenverlauf innerhalb der Datenlücke in diskretisierte zeitliche Stützstellen unterteilt wird und wobei mithilfe eines iterativen Optimierungs-Algorithmus der resultierende modellierte Endwert der zweiten Betriebsgröße einem tatsächlichen Endwert der zweiten Betriebsgröße angenähert wird.Furthermore, it can be provided that the first operating variable curve is determined by specifying an assumed first operating variable curve, the assumed first operating variable curve being divided into discretized time reference points within the data gap and the resulting modeled final value of the second operating variable being an actual final value using an iterative optimization algorithm the second operating size is approximated.

Insbesondere kann die Anpassung des ersten Betriebsgrößenverlaufs durch Einfügen einer Plateauphase einer bestimmten Dauer und eines bestimmten Werts der ersten Betriebsgröße vorgenommen werden.In particular, the adaptation of the first performance variable profile can be undertaken by inserting a plateau phase of a specific duration and a specific value of the first performance variable.

Gemäß einer Ausführungsform kann der angenommene erste Betriebsgrößenverlauf einem ersten Betriebsgrößenverlauf eines Zeitabschnitts eines Verlaufs der ersten Betriebsgröße eines ausgewählten weiteren Energiespeichers entsprechen, wobei die Dauer des Zeitabschnitts der Dauer der Datenlücke entspricht, und wobei der weitere Energiespeicher entsprechend einer maximalen Ähnlichkeit zu dem bestimmten Energiespeicher ausgewählt wird.According to one embodiment, the assumed first performance variable profile can correspond to a first performance variable profile of a time segment of a profile of the first performance variable of a selected further energy store, the duration of the period corresponding to the duration of the data gap, and the further energy store corresponding to a maximum similar ability to the specific energy storage is selected.

Gemäß einem weiteren Aspekt ist eine Vorrichtung zum Vervollständigen eines Betriebsgrößenverlaufs eines elektrischen Energiespeichers zum Bestimmen eines Zustands des Energiespeichers basierend auf Betriebsgrößenverläufen vorgesehen, wobei die Vorrichtung ausgebildet ist zum:

  • - Bereitstellen eines Betriebsgrößenverlaufs mit einer Datenlücke, wobei zumindest die Verläufe einer ersten Betriebsgröße und einer zweiten Betriebsgröße zwischen einem Anfangszeitpunkt der Datenlücke und einem Endzeitpunkt der Datenlücke fehlen oder unplausibel sind;
  • - Ermitteln von geschätzten Verläufen der ersten Betriebsgröße und der zweiten Betriebsgröße abhängig von einem Anfangswert der ersten und der zweiten Betriebsgröße zu dem Anfangszeitpunkt und einem Endwert der ersten und der zweiten Betriebsgröße zu dem Endzeitpunkt;
  • - Bestimmen eines Zustands des Energiespeichers abhängig von den geschätzten Verläufen der ersten Betriebsgröße und der zweiten Betriebsgröße.
According to a further aspect, a device is provided for completing an operating quantity curve of an electrical energy store in order to determine a state of the energy store based on operating quantity curves, the device being designed for:
  • - Providing an operating variable curve with a data gap, wherein at least the curves of a first operating variable and a second operating variable between a start time of the data gap and an end time of the data gap are missing or implausible;
  • - Determination of estimated curves of the first performance variable and the second performance variable depending on an initial value of the first and the second performance variable at the start time and a final value of the first and the second performance variable at the end time;
  • - Determining a state of the energy store depending on the estimated curves of the first operating variable and the second operating variable.

Figurenlistecharacter list

Ausführungsformen werden nachfolgend anhand der beigefügten Zeichnungen näher erläutert. Es zeigen:

  • 1 eine schematische Darstellung eines Systems zur Bereitstellung von fahrer- und fahrzeugindividuellen Betriebsgrößen zur Bestimmung einer Zustandsgröße einer Fahrzeugbatterie in einer Zentraleinheit;
  • 2 ein Flussdiagramm zur Veranschaulichung eines Verfahrens zum Bestimmen von künstlichen Betriebsgrößenverläufen während einer Datenlücke in den zeitlichen Verläufen der Betriebsgrößen eines Fahrzeugs;
  • 3a - 3c Diagramme zur Veranschaulichung der Schritte zur Rekonstruktion der Betriebsgrößenverläufen des Batteriestroms und des Ladezustands;
  • 4 ein Flussdiagramm zur Veranschaulichung eines Verfahrens zur Auswahl eines zeitlichen Verlaufs von Betriebsgrößen während einer detektierten Datenlücke.
Embodiments are explained in more detail below with reference to the accompanying drawings. Show it:
  • 1 a schematic representation of a system for providing driver and vehicle-specific operating variables for determining a state variable of a vehicle battery in a central unit;
  • 2 a flowchart to illustrate a method for determining artificial operating variable profiles during a data gap in the time profiles of the operating parameters of a vehicle;
  • 3a - 3c Diagrams to illustrate the steps for reconstructing the performance variable curves of the battery current and the state of charge;
  • 4 a flowchart to illustrate a method for selecting a time profile of operating variables during a detected data gap.

Beschreibung von AusführungsformenDescription of Embodiments

Im Folgenden wird das erfindungsgemäße Verfahren anhand von Fahrzeugbatterien als elektrische Energiespeicher in einer Vielzahl von Kraftfahrzeugen als gleichartige Geräte beschrieben. Die Kraftfahrzeuge stehen mit einer fahrzeugexternen Zentraleinheit in Kommunikationsverbindung, sodass Betriebsgrößen an die Zentraleinheit von jedem der Fahrzeuge an die Zentraleinheit übertragen werden können. Ein Batteriemodell, insbesondere in Form eines Alterungszustandsmodells, wird in der Zentraleinheit betrieben und zur Zustandsbestimmung, insbesondere zur Alterungsberechnung und Alterungsprädiktion eingesetzt.The method according to the invention is described below using vehicle batteries as electrical energy stores in a large number of motor vehicles as devices of the same type. The motor vehicles are in communication with a vehicle-external central unit, so that operating variables can be transmitted to the central unit from each of the vehicles. A battery model, in particular in the form of an aging status model, is operated in the central unit and used to determine the status, in particular to calculate and predict aging.

Das obige Beispiel steht stellvertretend für eine Vielzahl von stationären oder mobilen Geräten mit netzunabhängiger Energieversorgung durch einen Energiespeicher, wie beispielsweise Fahrzeuge (Elektrofahrzeuge, Pedelecs usw.), Anlagen, Werkzeugmaschinen, Haushaltsgeräte, IOT-Geräte und dergleichen, die über eine entsprechende Kommunikationsverbindung (z. B. LAN, Internet) mit einer geräteexternen Zentraleinheit (Cloud) in Verbindung stehen. The above example is representative of a large number of stationary or mobile devices with grid-independent energy supply from an energy storage device, such as vehicles (electric vehicles, pedelecs, etc.), systems, machine tools, household appliances, IOT devices and the like, which can be connected via a corresponding communication link (e.g B. LAN, Internet) are connected to a device-external central unit (cloud).

1 zeigt ein System 1 zum Sammeln von Flottendaten in einer Zentraleinheit 2 zur Erstellung und zum Betrieb sowie zur Auswertung eines Alterungszustandsmodells. Das Alterungszustandsmodell dient zur Bestimmung eines Alterungszustands eines elektrischen Energiespeichers, wie z. B. einer Fahrzeugbatterie, in einem Kraftfahrzeug. 1 zeigt eine Fahrzeugflotte 3 mit mehreren Kraftfahrzeugen 4. 1 shows a system 1 for collecting fleet data in a central unit 2 for the creation and operation as well as for the evaluation of an aging model. The aging state model is used to determine an aging state of an electrical energy store such. B. a vehicle battery in a motor vehicle. 1 shows a vehicle fleet 3 with several motor vehicles 4.

Eines der Kraftfahrzeuge 4 ist in 1 detaillierter dargestellt. Die Kraftfahrzeuge 4 weisen jeweils eine Fahrzeugbatterie 41 als wiederaufladbaren elektrischen Energiespeicher, einen elektrischen Antriebsmotor 42 und eine Steuereinheit 43 auf. Die Steuereinheit 43 ist mit einem Kommunikationsmodul 44 verbunden, das geeignet ist, Daten zwischen dem jeweiligen Kraftfahrzeug 4 und einer Zentraleinheit 2 (einer sogenannten Cloud) zu übertragen.One of the motor vehicles 4 is in 1 shown in more detail. The motor vehicles 4 each have a vehicle battery 41 as a rechargeable electrical energy store, an electric drive motor 42 and a control unit 43 . The control unit 43 is connected to a communication module 44 which is suitable for transmitting data between the respective motor vehicle 4 and a central unit 2 (a so-called cloud).

Die Kraftfahrzeuge 4 senden an die Zentraleinheit 2 die Betriebsgrößen F, die zumindest Größen angeben, welche den Alterungszustand der Fahrzeugbatterie 41 beeinflussen. Die Betriebsgrößen F können im Falle einer Fahrzeugbatterie Zeitreihen eines Batteriestroms, einer Batteriespannung, einer Batterietemperatur und eines Ladezustands (SOC: State of Charge) umfassen, sowohl auf Pack-, Modul- und/oder Zellebene. Die Betriebsgrößen F werden in einem schnellen Zeitraster von 1 Hz bis 100 Hz erfasst und können in unkomprimierter und/oder komprimierter Form regelmäßig bzw. blockweise an die Zentraleinheit 2 übertragen werden.The motor vehicles 4 send the operating variables F to the central unit 2, which indicate at least variables which influence the aging state of the vehicle battery 41. In the case of a vehicle battery, the operating variables F can include time series of a battery current, a battery voltage, a battery temperature and a state of charge (SOC: State of Charge), both at pack, module and/or cell level. The operating variables F are recorded in a rapid time frame of 1 Hz to 100 Hz and can be transmitted to the central processing unit 2 regularly or in blocks in uncompressed and/or compressed form.

Weiterhin können die Zeitreihen der Betriebsgrößen unter Ausnutzung von Kompressions-Algorithmen zwecks Minimierung des Datenverkehrs zur Zentraleinheit 2 im Abstand von mehreren Stunden bis zu mehreren Tagen blockweise an die Zentraleinheit 2 übertragen werden.Furthermore, the time series of the operating variables can be transmitted in blocks to the central unit 2 at intervals of several hours up to several days, using compression algorithms for the purpose of minimizing the data traffic to the central unit 2 .

Die Zentraleinheit 2 weist eine Datenverarbeitungseinheit 21, in der das nachfolgend beschriebene Verfahren teilweise ausgeführt werden kann, und eine Datenbank 22 zum Speichern von Verläufen der Betriebsgrößen F aller Fahrzeuge 4 der Fahrzeugflotte 3 auf.The central unit 2 has a data processing unit 21 in which the method described below can be carried out in part, and a database 22 for storing the history of the operating variables F of all vehicles 4 in the vehicle fleet 3 .

In der Zentraleinheit 2 kann beispielhaft ein physikalisches bzw. elektrochemisches Alterungszustandsmodell implementiert sein. Das Alterungszustandsmodell kann regelmäßig, d. h. z. B. nach Ablauf der jeweiligen Auswertungszeitdauer, verwendet werden, um basierend auf den zeitlichen Verläufen der Betriebsgrößen (jeweils seit Inbetriebnahme der jeweiligen Fahrzeugbatterie) einen Alterungszustand der betreffenden Fahrzeugbatterie 41 zu ermitteln.By way of example, a physical or electrochemical aging state model can be implemented in the central unit 2 . The state of health model can be regularly, i. H. e.g. B. after the end of the respective evaluation period, are used to determine an aging state of the vehicle battery 41 in question based on the time profiles of the operating variables (in each case since the respective vehicle battery was put into operation).

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.The state of health (SOH: State of Health) is the key variable for indicating a remaining battery capacity or remaining battery charge. The aging state is a measure of the aging of the vehicle battery or a battery module or a battery cell and can be specified as a capacity retention rate (SOH-C) or as an increase in internal resistance (SOH-R). The capacity retention rate SOH-C is given as a ratio of the measured instantaneous capacity to an initial capacity of the fully charged battery. The relative change in internal resistance SOH-R increases as the battery ages.

Bei dem zugrunde liegenden physikalischen Alterungsmodell handelt es sich um ein nichtlineares, mathematisches Modell, das auf Differenzialgleichungen basiert. Ein solches Modell ist aus dem Stand der Technik bekannt und ermöglicht es, durch Auswerten der Differenzialgleichungen durch Zustandsfortschreibung basierend auf den Betriebsgrößenverläufen (seit dem Inbetriebnahmezeitpunkt, bis zu dem zu betrachteten Zeitpunkt) einen jeweiligen physikalischen Alterungszustand zu bestimmen. Das Auswerten des physikalischen Alterungsmodells des Alterungszustandsmodells mit Betriebsgrößenverläufen, insbesondere seit Lebensdauerbeginn der Gerätebatterie, führt dazu, dass sich ein interner Zustand des Gleichungssystems der physikalischen Differenzialgleichungen einstellt, der einem physikalischen internen Zustand der Gerätebatterie entspricht.The underlying physical aging model is a non-linear, mathematical model based on differential equations. Such a model is known from the prior art and makes it possible to determine a respective physical aging state by evaluating the differential equations by updating the state based on the performance of the operating variables (from the time of commissioning to the point in time under consideration). The evaluation of the physical aging model of the aging state model with operating variable profiles, in particular since the beginning of the service life of the device battery, results in an internal state of the system of equations of the physical differential equations being set, which corresponds to a physical internal state of the device battery.

Da das physikalische Alterungsmodell auf physikalischen und elektrochemischen Gesetzmäßigkeiten basiert, sind die Modellparameter des physikalischen Alterungsmodells Größen, die physikalische Eigenschaften angeben, wie z. B. ein Gleichgewichtspotenzial für eine Anodennebenreaktion, einen Transferkoeffizienten für die Anodennebenreaktion mit einem ersten Elektrolyten, einen Anodenpolarisationsfaktor, eine SEI Leitfähigkeit, eine Abscheidungsrate, ein Gleichgewichtspotenzial für eine Kathodennebenreaktion, eine Nebenreaktionsrate an der Kathode, einen stromabhängigen Koeffizienten des mechanischen Stresses in dem aktiven Material der Anode, eine Gewichtung für den Kapazitätsverlust aufgrund Verlust von aktivem Material.Since the physical aging model is based on physical and electrochemical laws, the model parameters of the physical aging model are quantities that specify physical properties, such as e.g. B. an equilibrium potential for an anode side reaction, a transfer coefficient for the anode side reaction with a first electrolyte, an anode polarization factor, an SEI conductivity, a deposition rate, an equilibrium potential for a cathode side reaction, a side reaction rate at the cathode, a current-dependent coefficient of mechanical stress in the active material the anode, a weighting for the loss of capacity due to loss of active material.

2 zeigt eine schematische Darstellung eines Verfahrens zum Bereitstellen von zeitlichen Verläufen von Betriebsgrößen bei Auftreten von kurzfristigen Datenlücken. Das Verfahren wird vorzugsweise in der Datenverarbeitungseinrichtung der Zentraleinheit 2 ausgeführt. 2 shows a schematic representation of a method for providing time profiles of operating variables when short-term data gaps occur. The method is preferably carried out in the data processing device of the central unit 2 .

In Schritt S1 werden kontinuierlich zeitliche Verläufe von Betriebsgrößen der Fahrzeugbatterien 41 von den Fahrzeugen 4 empfangen. Die Betriebsgrößen F umfassen vorzugsweise die Batterietemperatur, der Batteriestrom, eine Klemmenspannung und ein Ladezustand. Die zeitlichen Verläufe der Betriebsgrößen werden vorzugsweise blockweise insbesondere komprimiert übertragen und in geeigneter Weise gespeichert.In step S1 , time curves of operating variables of the vehicle batteries 41 are continuously received by the vehicles 4 . The operating variables F preferably include the battery temperature, the battery current, a terminal voltage and a state of charge. The time curves of the operating variables are preferably transmitted in blocks, in particular in compressed form, and stored in a suitable manner.

In Schritt S2 werden die jeweils aktuellsten Daten hinsichtlich des Auftretens einer Datenlücke für eine oder mehrere der Betriebsgrößen überprüft. Die Überprüfung erfolgt entsprechend für zeitliche Dauern von Datenlücken, die als kurzfristig anzusehen sind, insbesondere Datenlücken von zwischen 0,5 s und 10 s, vorzugsweise von nicht mehr als 5 s. Eine Datenlücke wird festgestellt, wenn für mindestens eine der Betriebsgrößen für den Zeitraum der Datenlücke keine oder keine gültigen Werte vorliegen. Datenlücken oder unplausible Datenwerte für einen Zeitraum weniger als ein vorgegebener Mindestzeitschwellenwert von z. B. 0,5 s werden dabei als Ausreißer gewertet und nicht als eine Datenlücke im Sinne dieser Erfindung angesehen. Eine Datenlücke größer als ein vorgegebener Maximalzeitschwellenwert ist für das nachfolgend beschriebene Verfahren zu lange und sollte daher nicht aus Gründen des wahrscheinlichen Fehlers bei der Anwendung der resultierenden Betriebsgrößenverläufe durch das entsprechende Modell angewendet werden.In step S2, the most recent data are checked with regard to the occurrence of a data gap for one or more of the operating variables. The check is carried out accordingly for durations of data gaps that are to be regarded as short-term, in particular data gaps of between 0.5 s and 10 s, preferably not more than 5 s. A data gap is determined if for at least one of the operating variables for the period there are no or no valid values in the data gap. Data gaps or implausible data values for a period less than a predetermined minimum time threshold of e.g. B. 0.5 s are evaluated as outliers and not regarded as a data gap within the meaning of this invention. A data gap greater than a specified maximum time threshold is too long for the method described below and should therefore not be used for reasons of probable error when applying the resulting performance variable curves through the corresponding model.

Wird in Schritt S2 festgestellt, dass eine Datenlücke für eine dynamische Betriebsgröße, wie beispielsweise den Batteriestrom und den Ladezustand, vorliegt, (Alternative: Ja), so wird das Verfahren mit Schritt S3 fortgesetzt, anderenfalls (Alternative: Nein) wird zu Schritt S1 zurückgesprungen.If it is determined in step S2 that there is a data gap for a dynamic operating variable, such as the battery current and the state of charge, (alternative: yes), the method continues with step S3, otherwise (alternative: no) the system jumps back to step S1 .

In Schritt S3 wird bei Nichtvorliegen der Batterietemperatur während der Datenlücke der Verlauf der Batterietemperatur durch Interpolation eines Werts der Batterietemperatur zu einem Anfangszeitpunkt der Datenlücke zu einem Wert der Batterietemperatur zu einem Endzeitpunkt der Datenlücke linear interpoliert. Dies ist für kurzzeitige Datenlücken zulässig, da die Batterietemperatur nur geringen Schwankungen unterworfen ist.In step S3, if the battery temperature is not present during the data gap, the course of the battery temperature becomes a value of the battery temperature by interpolating a value of the battery temperature at a starting point in time of the data gap temperature is linearly interpolated at an end time of the data gap. This is permissible for brief data gaps, since the battery temperature is only subject to minor fluctuations.

In Schritt S4 wird überprüft, ob während der Datenlücke nur einer der beiden Betriebsgrößen, der Batteriestrom oder der Ladezustand, nicht verfügbar ist. Ist dies der Fall (Alternative: Nein), wird das Verfahren mit Schritt S5 fortgesetzt, andernfalls (Alternative: Ja) wird festgestellt, dass beide Betriebsgrößen, der Batteriestrom I und der Ladezustand SOC, für den Zeitraum der Datenlücke nicht vorliegen, und das Verfahren wird mit Schritt S6 fortgesetzt.In step S4, it is checked whether only one of the two operating variables, the battery current or the state of charge, is not available during the data gap. If this is the case (alternative: no), the method continues with step S5, otherwise (alternative: yes) it is determined that both operating variables, the battery current I and the state of charge SOC, are not available for the period of the data gap, and the method proceeds to step S6.

In Schritt S5 kann bei Vorliegen des Verlaufs des Batteriestroms I durch Ladungsintegration der Verlauf des Ladezustands während der Datenlücke ermittelt werden. Bei Vorliegen des Verlaufs des Ladezustands kann durch dessen Ableitung der Verlauf des Batteriestroms I während der Datenlücke ermittelt werden. Anschließend wird zu Schritt S1 zurückgesprungen.In step S5, the course of the state of charge during the data gap can be determined by charge integration if the course of the battery current I is present. If the course of the state of charge is available, the course of the battery current I during the data gap can be determined by deriving it. Then it jumps back to step S1.

Wird in Schritt S4 festgestellt, dass sowohl der Batteriestrom I als auch der Ladezustand SOC während der Datenlücke nicht vorliegen, so wird in Schritt S6 zunächst ein möglicher Verlauf des Batteriestroms I zwischen dem Wert I0 zu einem Anfangszeitpunkt der Datenlücke und dem Wert I1 zu einem Endzeitpunkt der Datenlücke angenommen. Der mögliche Verlauf kann beispielsweise einem linearen Verlauf entsprechen, wie beispielsweise in 3a dargestellt ist. Alternativ kann auch ein anderer stetiger oder nicht stetiger Verlauf angenommen werden.If it is determined in step S4 that both the battery current I and the state of charge SOC are not available during the data gap, a possible course of the battery current I between the value I 0 at the start of the data gap and the value I 1 is shown in step S6 an end time of the data gap is assumed. The possible curve can, for example, correspond to a linear curve, such as in 3a is shown. Alternatively, another continuous or non-continuous profile can also be assumed.

Weiterhin kann die Rekonstruktion des Stromsignals unter Zuhilfenahme eines Batterie-System-Modells erfolgen, welches eingangsseitig Temperatur und Strom als Input erhält und ausgangsseitig Spannung und Ladezustand als Output bereitstellt. Vorzugsweise umfasst das Modell Butler-Volmer-Gleichungen zur Charakterisierung der nichtlinearen Stromabhängigkeit des Systems. Das Temperatur-Signal liegt nach Schritt S3 interpoliert vor. Folglich kann durch Optimierung des Strom-Signals als Zeitreihe eine Rekonstruktion erfolgen, sodass das rekonstruierte Signal zu den Beobachtungen nach der Signal-Lücke maximal plausibel ist.Furthermore, the current signal can be reconstructed with the help of a battery system model, which receives temperature and current as input on the input side and provides voltage and state of charge as output on the output side. Preferably, the model includes Butler-Volmer equations to characterize the non-linear current dependence of the system. The temperature signal is interpolated after step S3. Consequently, by optimizing the current signal as a time series, a reconstruction can be carried out so that the reconstructed signal is maximally plausible for the observations after the signal gap.

Der angenommene Verlauf des Batteriestroms wird durch das Batterie-Systemmodell während der Datenlücke durch Integration in einen Ladungszustandsverlauf und so in eine entsprechende Ladungsänderung in Schritt S7 umgesetzt, und es kann daraus ein Verlauf des Ladezustands SOC der Fahrzeugbatterie 41 ausgehend von einem Anfangs-Ladezustandswert SOC0 zu einem Anfangszeitpunkt t0 der Datenlücke bestimmt werden. Die Ladezustandswerte ergeben sich aus der zeitlichen Integration der Batteriestromwerte während der Datenlücke ausgehend von dem bekannten Anfangs-Ladezustandswert SOC0. Dieser Verlauf wird also ausgehend von dem Anfangs-Ladezustandswert SOC0 zu dem Anfangszeitpunkt t0 der Datenlücke fortgeschrieben, so dass man einen modellierten End-Ladezustandswert SOC1' zu einem Endzeitpunkt t1 der Datenlücke erhält, welcher maßgeblich das Kriterium zur Lösung des Optimierungsproblems charakterisiert.The assumed course of the battery current is converted by the battery system model during the data gap through integration into a state of charge course and thus into a corresponding change in charge in step S7, and a course of the state of charge SOC of the vehicle battery 41 can be derived from this, starting from an initial state of charge value SOC 0 can be determined at a start time t0 of the data gap. The state of charge values result from the time integration of the battery current values during the data gap based on the known initial state of charge value SOC 0 . This curve is therefore updated starting from the initial state of charge value SOC 0 at the start time t0 of the data gap, so that a modeled end state of charge value SOC 1 'at an end time t1 of the data gap is obtained, which significantly characterizes the criterion for solving the optimization problem.

In Schritt S8 wird überprüft, ob die Differenz zwischen dem modellierten End-Ladzustandswert SOC1' zu einem Endzeitpunkt der Datenlücke und dem tatsächlichen End-Ladezustandswert SOC1 zu dem Endzeitpunkt t1 der Datenlücke, die in 3b veranschaulicht ist, einen vorgegebenen Schwellenwert unterschreitet. Ist dies der Fall (Alternative: Ja), wird das Verfahren mit Schritt S9 fortgesetzt, andernfalls (Alternative: Nein) wird das Verfahren mit Schritt S10 fortgesetzt.In step S8, it is checked whether the difference between the modeled final state of charge value SOC 1 'at an end point in time of the data gap and the actual final state of charge value SOC 1 at the end point in time t1 of the data gap in 3b is illustrated falls below a predetermined threshold. If this is the case (alternative: yes), the method continues with step S9, otherwise (alternative: no) the method continues with step S10.

In Schritt S9 werden die zuletzt ermittelten Verläufe des Batteriestroms und des Ladezustands während der Datenlücke verwendet, um die Betriebsgrößenverläufe in der Datenlücke zu ergänzen. Die vervollständigten Betriebsgrößenverläufe können nun für die Bestimmung eines Zustands, insbesondere des Alterungszustands SOH ausgewertet werden. Die vervollständigten Verläufe können nun in Schritt S11 zur Ermittlung eines Zustands der Fahrzeugbatterie, insbesondere eines Alterungszustands verwendet werden und das Verfahren entsprechend beendet werden.In step S9, the curves of the battery current and the state of charge last determined during the data gap are used to supplement the performance variable curves in the data gap. The completed operating variable curves can now be evaluated to determine a state, in particular the aging state SOH. The completed curves can now be used in step S11 to determine a state of the vehicle battery, in particular an aging state, and the method can be terminated accordingly.

Es wird in Schritt S10 ein Optimierungsverfahren ausgeführt, das das Ziel hat, die Differenz durch den modellierten End-Ladezustandswert SOC1' zu einem Endzeitpunkt der Datenlücke und einem tatsächlichen End-Ladezustandswert SOC1 zu einem Endzeitpunkt t1 der Datenlücke zu minimieren. Als mögliche Optimierungsverfahren kommen numerische Optimierungsverfahren, wie Regula-Falsi- und Newton-Raphson-Verfahren, in Betracht.In step S10, an optimization method is carried out which aims to minimize the difference between the modeled final state of charge value SOC 1 ′ at an end time of the data gap and an actual final state of charge value SOC 1 at an end time t1 of the data gap. Numerical optimization methods such as Regula-Falsi and Newton-Raphson methods come into consideration as possible optimization methods.

Mithilfe eines Optimierungsverfahrens wird nun die die Differenz durch den modellierten End-Ladezustandswert SOC1' zu einem Endzeitpunkt der Datenlücke und dem tatsächlichen End-Ladezustandswert SOC1 zu einem Endzeitpunkt t1 der Datenlücke, wie es in 3c veranschaulicht ist, minimiert. Während des Optimierungsverfahren wird unter Zuhilfenahme des Batterie-Systemmodells eine Änderung des angenommenen Verlaufs des Batteriestroms während der Datenlücke so vorgenommen, dass sich der modellierte End-Ladezustandswert SOC1' zu dem Endzeitpunkt der Datenlücke an den tatsächlichen End-Ladezustandswert SOC1 zu dem Endzeitpunkt der Datenlücke annähert. Vorzugsweise wird, sofern verfügbar, auch die gemessene Batteriespannung zur Plausibilisierung des Systemmodells herangezogen.Using an optimization method, the difference between the modeled final state of charge value SOC 1 'at an end time of the data gap and the actual final state of charge value SOC 1 at an end time t1 of the data gap, as shown in 3c is illustrated, minimized. During the optimization process, with the help of the battery system model, the assumed course of the battery current during the data gap is changed in such a way that the modeled final state of charge value SOC 1 'at the end time of the data gap approaches the actual final state of charge value SOC 1 at the end time of the approaching data gap. Preferably, if available, also the measured battery voltage used to check the system model for plausibility.

Wird anfänglich von einem linearen Verlauf des Batteriestroms während der Datenlücke ausgegangen, so kann eine Manipulation des Verlaufs des Batteriestroms durch Einfügen eines oder mehrerer konstanten Plateaus des Batteriestroms mit variabler zeitlicher Dauer einer solchen Plateauphase in den Verlauf des Batteriestroms erreicht werden.If a linear progression of the battery current during the data gap is initially assumed, the progression of the battery current can be manipulated by inserting one or more constant plateaus of the battery current with a variable duration of such a plateau phase in the progression of the battery current.

Dies wird vorzugsweise so durchgeführt, dass während der Datenlücke diskretisierte Stützstellen des Stromsignals, beispielsweise zwischen 10 und 100, wie z. B. 50 Strom-Stützstellen, welche jeweils einem Zeitpunkt innerhalb der Datenlücke zugeordnet sind, iterativ innerhalb des Bereichs des Batteriestroms zwischen dem Wert des Batteriestroms I0 zu einem Anfangszeitpunkt der Datenlücke und dem Wert des Batteriestroms I1 zu einem Endzeitpunkt der Datenlücke optimiert werden. Der Optimierungs-Algorithmus terminiert, wenn bei hinreichender Annäherung von SOC1' und SOC1 das rekonstruierte Stromsignal hinsichtlich der Änderungen der Stützstellen konvergiert. Dies kann z. B. über die Norm des rekonstruierten Batteriestromverlaufs mit Grenzwertabgleich bewertet werden.This is preferably carried out in such a way that, during the data gap, discretized support points of the current signal, for example between 10 and 100, such as e.g. B. 50 current reference points, each of which is assigned to a point in time within the data gap, iteratively within the range of the battery current between the value of the battery current I 0 at the start of the data gap and the value of the battery current I 1 at the end of the data gap. The optimization algorithm terminates when the reconstructed current signal converges with regard to the changes in the interpolation points given sufficient approximation of SOC 1 ' and SOC 1 . This can e.g. B. can be evaluated using the standard of the reconstructed battery current curve with limit value comparison.

Von einem Anfangszeitpunkt t0 der Datenlücke zu dem Anfangszeitpunkt der Plateauphase und von dem Endzeitpunkt der Plateauphase zu dem Endzeitpunkt t1 der Datenlücke kann der Verlauf des angenommenen Batteriestroms entweder modellbasiert oder alternativ linear interpoliert werden. Die Plateauphase kann durch Parameter, die ihren Anfangszeitpunkt und ihre Dauer angeben, vollständig definiert werden. Je nach Positionierung eines solchen Plateaus mit definierter Stromhöhe und zeitlicher Dauer kann eine entsprechende Verschiebung des modellierten Ladezustandswerts zu einem Endzeitpunkt der Datenlücke erhöht oder erniedrigt werden.From a start time t0 of the data gap to the start time of the plateau phase and from the end time of the plateau phase to the end time t1 of the data gap, the course of the assumed battery current can be either model-based or alternatively linearly interpolated. The plateau phase can be fully defined by parameters specifying its onset and duration. Depending on the positioning of such a plateau with a defined current level and duration, a corresponding shift in the modeled state of charge value can be increased or decreased at an end time of the data gap.

So kann beispielsweise zum Verringern des modellierten Ladezustandswerts SOC1' der Kurvenverlauf des angenommenen Batteriestroms zunächst ein Plateau mit einem konstanten Batteriestrom, der beispielsweise dem Batteriestrom I0 zu dem Anfangszeitpunkt der Datenlücke entspricht, für eine bestimmte Zeitdauer angenommen werden und zwischen dem Batteriestromwert zum Zeitpunkt des Endes der Plateauphase bis zu dem Endzeitpunkt der Datenlücke insbesondere linear interpoliert werden.For example, to reduce the modeled state of charge value SOC 1 ', the curve of the assumed battery current can first assume a plateau with a constant battery current, which corresponds, for example, to the battery current I0 at the start of the data gap, for a specific period of time and between the battery current value at the time of the end the plateau phase up to the end time of the data gap are interpolated in particular linearly.

Wie in 3c dargestellt kann sich so ein Verlauf des Batteriestroms ergeben, der eine anfängliche Plateauphase aufweist und dann im Wesentlichen linear zu dem End-Batteriestrom I1 zu einem Endzeitpunkt der Datenlücke ansteigt. Dadurch kann bei ansteigendem Batteriestrom (positive Differenz zwischen dem End-Batteriestrom zu dem Endzeitpunkt der Datenlücke und dem Anfangs-Batteriestrom zu dem Anfangszeitpunkt der Datenlücke) während der Datenlücke der modellierte End-Ladezustandswert SOC1' erhöht werden. Analog kann bei ansteigendem Batteriestrom während der Datenlücke durch Vorsehen einer Plateauphase am Ende der Datenlücke der modellierte End-Ladezustandswert SOC1' verringert werden.As in 3c As shown, a course of the battery current can result that has an initial plateau phase and then increases essentially linearly with respect to the end battery current I 1 at an end time of the data gap. As a result, with increasing battery current (positive difference between the final battery current at the end of the data gap and the initial battery current at the start of the data gap) the modeled final state of charge value SOC 1 ′ can be increased during the data gap. Similarly, when the battery current increases during the data gap, the modeled final state of charge value SOC 1 ′ can be reduced by providing a plateau phase at the end of the data gap.

Entsprechend kann bei sinkendem Batteriestrom (negative Differenz zwischen dem End-Batteriestrom zu dem Endzeitpunkt der Datenlücke und dem Anfangs-Batteriestrom zu dem Anfangszeitpunkt der Datenlücke) während der Datenlücke der modellierte End-Ladezustandswert SOC1' verringert werden, indem eine anfängliche Plateauphase vorgesehen wird. Analog kann bei ansteigendem Batteriestrom während der Datenlücke durch Vorsehen einer Plateauphase am Ende der Datenlücke der modellierte End-Ladezustandswert SOC1' erhöht werden.Correspondingly, when the battery current falls (negative difference between the final battery current at the end time of the data gap and the initial battery current at the start time of the data gap) the modeled final state of charge value SOC 1 ' can be reduced during the data gap by providing an initial plateau phase. Similarly, when the battery current rises during the data gap, the modeled final state of charge value SOC 1 ′ can be increased by providing a plateau phase at the end of the data gap.

Das Optimierungsverfahren dient zum Auswählen der Parameter für die Plateauphase, um den Verlauf des Batteriestroms anzupassen.The optimization procedure is used to select the plateau phase parameters to adjust the battery current curve.

Der angepasste Verlauf des Batteriestroms wird dann in Schritt S6 für eine nächste Iteration als angenommener Verlauf des Batteriestroms berücksichtigt.The adjusted course of the battery current is then taken into account in step S6 for a next iteration as an assumed course of the battery current.

In einer alternativen Ausführungsform kann anstelle des anfänglichen linearen Verlaufs des Batteriestroms während der Datenlücke auch ein Verlauf des Batteriestroms aus Stromverläufen einer Vielzahl von Fahrzeugbatterien abgeleitet werden, wenn während der Datenlücke der bestimmten Fahrzeugbatterie ein Verlauf der Batteriespannung vorliegt. Dazu können die Betriebsgrößenverläufe aus einer Vielzahl von Fahrzeugbatterien hinsichtlich ähnlicher Betriebsgrößenverläufe bezüglich der Batterietemperatur, des Ladezustands und des Alterungszustands analysiert und ausgewählt werden. Die Vorgehensweise wird nachfolgend anhand des Flussdiagramms der 4 näher erläutert.In an alternative embodiment, instead of the initial linear battery current profile during the data gap, a battery current profile may be derived from current profiles of a plurality of vehicle batteries if a battery voltage profile is present during the data gap of the particular vehicle battery. For this purpose, the operating variable curves from a large number of vehicle batteries can be analyzed and selected with regard to similar operating variable curves with regard to the battery temperature, the state of charge and the aging state. The procedure is described below using the flow chart 4 explained in more detail.

Mit anderen Worten, es kann nach dem Feststellen einer Datenlücke einer bestimmten Fahrzeugbatterie ein Verlauf des Batteriestroms ausgewählt werden, der einem mittleren Verlauf des Batteriestroms für ausgewählte Verläufe des Batteriestroms von weiteren Fahrzeugbatterien für einen Erfassungszeitraum entspricht, der die zeitliche Dauer der Datenlücke aufweist.In other words, after a data gap of a specific vehicle battery has been determined, a course of the battery current can be selected that corresponds to an average course of the battery current for selected courses of the battery current of other vehicle batteries for a detection period that has the duration of the data gap.

Dazu werden die vollständigen zeitlichen Verläufe der Betriebsgrößen für alle übrigen Fahrzeugbatterien 41 durchsucht, um Fahrzeugbatterien mit einem ähnlichen Zustand, die für eine der Datenlücke entsprechende Zeitdauer einen möglichen Betriebsgrößenverlauf aufweisen bzw. aufgewiesen haben, zu identifizieren und auszuwählen. Dabei werden in Schritt S21 Zeitabschnitte von vollständigen Betriebsgrößenverläufen analysiert und für jeden Zeitabschnitt einen entsprechenden Anfangs-Ladezustand zu einem Anfangszeitpunkt des Zeitabschnitts und einen End-Ladezustand zu dem Endzeitpunkt des Zeitabschnitts, die mittlere Batterietemperatur während des betreffenden Zeitabschnitts und den aus den Betriebsgrößenverläufen bis zu dem Anfangszeitpunkt des Zeitabschnitts abgeleiteten Alterungszustand ermittelt und als Datenpunkt bestimmt. Das Ermitteln der Datenpunkte umfasst insbesondere auch historische Zustände der Fahrzeugbatterien zu vergangenen Zeitpunkten.For this purpose, the complete time curves of the operating variables for all other vehicle batteries 41 are searched for vehicle batteries with a similar condition, which show or have shown a possible course of operating variables for a period of time corresponding to the data gap, and to select them. In step S21, time periods of complete performance variable profiles are analyzed and, for each time period, a corresponding initial state of charge at a start time of the time period and a final charge level at the end time of the time period, the average battery temperature during the relevant time period and the one from the performance variable profiles up to the Determined initial time of the period derived aging condition and determined as a data point. The determination of the data points also includes, in particular, historical states of the vehicle batteries at past points in time.

Der sich in entsprechender Weise bestimmte Datenpunkt der bestimmten Fahrzeugbatterie, für die eine Datenlücke vorliegt, wird mit den Datenpunkten der weiteren Fahrzeugbatterien, die wie oben beschrieben ermittelt worden sind, in Schritt S22 verglichen.The correspondingly determined data point of the specific vehicle battery for which there is a data gap is compared in step S22 with the data points of the other vehicle batteries that have been determined as described above.

Das Auffinden von möglichen Betriebsgrößenverläufen erfolgt durch Ermitteln der Ähnlichkeiten zwischen dem bestimmten Datenpunkt und den Datenpunkten der weiteren Fahrzeugbatterien, beispielsweise durch Auswerten von euklidischen Abständen insbesondere bezüglich charakteristischen Merkmalen der Verläufe, insbesondere mithilfe eines Schwellenwertvergleichs. Man erhält eine Auswahl von Fahrzeugbatterien und einen jeweiligen Zeitpunkt der Betriebsgrößenverläufe, der einem Anfangs-Zeitpunkt des entsprechenden Zeitabschnitts entspricht. Damit liegen ausgewählte reale Betriebsgrößenverläufe für Zeitabschnitte vor, die eine Dauer aufweisen, die der Dauer der Datenlücke entsprechen.Possible operating variable profiles are found by determining the similarities between the specific data point and the data points of the other vehicle batteries, for example by evaluating Euclidean distances, in particular with regard to characteristic features of the profiles, in particular using a threshold value comparison. A selection of vehicle batteries and a respective point in time of the performance variable curves are obtained, which corresponds to a starting point in time of the corresponding time segment. This means that selected real operating variable curves are available for periods of time that have a duration that corresponds to the duration of the data gap.

Liegt ein Batteriespannungsverlauf der bestimmten Fahrzeugbatterie während der Datenlücke vor, so kann in Schritt S23 derjenige Verlauf des Batteriestroms aus den ausgewählten Betriebsgrößenverläufen ausgewählt werden, dessen zugehöriger Verlauf der Batteriespannung zu dem Batteriespannungsverlauf der bestimmten Fahrzeugbatterie am ähnlichsten ist. Zur Bestimmung der Ähnlichkeit können die Faltungsoperationen oder eine Kreuzkorrelation verwendet werden und maximiert werden, um die höchste Ähnlichkeit zu bestimmen. In der Regel führt die so vorgenommene Auswahl des Verlaufs des Batteriestroms zu einer sehr guten Anpassung an den End-Ladezustand der Datenlücke, so dass eine weitere Iteration nicht notwendig ist.If there is a battery voltage profile of the specific vehicle battery during the data gap, in step S23 that profile of the battery current can be selected from the selected operating variable profiles whose associated battery voltage profile is most similar to the battery voltage profile of the specific vehicle battery. The convolution operations or a cross-correlation can be used to determine the similarity and maximized to determine the highest similarity. As a rule, the selection of the course of the battery current made in this way leads to a very good adaptation to the final state of charge of the data gap, so that a further iteration is not necessary.

Alternativ kann ausgehend von dem so angenommenen Stromverlauf nun, wie oben beschrieben, der Verlauf des bestimmten Batteriestroms modifiziert werden, um den resultierenden Wert des modellierten End-Ladezustands zu dem Endzeitpunkt der Datenlücke an den tatsächlichen End-Ladezustand zu dem Endzeitpunkt der Datenlücke anzunähern.Alternatively, based on the current curve assumed in this way, the curve of the determined battery current can now be modified, as described above, in order to approximate the resulting value of the modeled final state of charge at the end time of the data gap to the actual final state of charge at the end time of the data gap.

Claims (11)

Computer-implementiertes Verfahren zum Vervollständigen eines Betriebsgrößenverlaufs (F) eines bestimmten elektrischen Energiespeichers (41) zum Bestimmen eines Zustands des Energiespeichers (41) basierend auf Betriebsgrößenverläufen, mit folgenden Schritten: - Bereitstellen (S1, S2) eines Betriebsgrößenverlaufs mit einer Datenlücke, wobei zumindest die Verläufe einer ersten Betriebsgröße und einer zweiten Betriebsgröße zwischen einem Anfangszeitpunkt (t0) der Datenlücke und einem Endzeitpunkt (t1) der Datenlücke fehlen oder unplausibel sind; - Ermitteln (S6, S7, S8) von geschätzten Verläufen der ersten Betriebsgröße (I) und der zweiten Betriebsgröße (SOC) abhängig von einem Anfangswert (I0, SOC0) der ersten und der zweiten Betriebsgröße zu dem Anfangszeitpunkt und einem Endwert (11, SOC1) der ersten und der zweiten Betriebsgröße (I, SOC) zu dem Endzeitpunkt; - Bestimmen (S9) eines Zustands des bestimmten Energiespeichers (41) abhängig von den geschätzten Verläufen der ersten Betriebsgröße (I) und der zweiten Betriebsgröße (SOC).Computer-implemented method for completing an operating variable curve (F) of a specific electrical energy store (41) for determining a state of the energy store (41) based on operating variable curves, with the following steps: - Providing (S1, S2) an operating variable curve with a data gap, wherein at least the curves of a first operating variable and a second operating variable between a start time (t0) of the data gap and an end time (t1) of the data gap are missing or implausible; - Determination (S6, S7, S8) of estimated curves of the first operating variable (I) and the second operating variable (SOC) depending on an initial value (I0, SOC0) of the first and the second operating variable at the start time and an end value (11, SOC1 ) the first and the second operating variable (I, SOC) at the end time; - Determining (S9) a state of the specific energy store (41) depending on the estimated curves of the first operating variable (I) and the second operating variable (SOC). Verfahren nach Anspruch 1, wobei der Zustand einem Alterungszustand (SOH) entspricht, der basierend auf einem Differentialgleichungs-System per Zeitintegrationsverfahren abhängig von mindestens dem ersten und dem zweiten Betriebsgrößenverlauf, insbesondere seit Inbetriebnahme (BoL) des bestimmten Energiespeichers (41), bestimmt wird.procedure after claim 1 , wherein the state corresponds to an aging state (SOH), which is determined based on a differential equation system using a time integration method as a function of at least the first and the second operating variable profile, in particular since the specific energy store (41) was put into operation (BoL). Verfahren nach Anspruch 1 oder 2, wobei der erste und der zweite Betriebsgrößenverlauf voneinander abhängen, wobei insbesondere die Abhängigkeit des ersten und des zweiten Betriebsgrößenverlaufs modellbasiert im Ermitteln von geschätzten Verläufen abbildbar ist.procedure after claim 1 or 2 , wherein the first and the second performance variable curve depend on each other, wherein in particular the dependency of the first and the second performance variable curve can be mapped in a model-based manner in the determination of estimated curves. Verfahren nach einem der Ansprüche 1 bis 3, wobei der bestimmte Energiespeicher (41) einer Gerätebatterie entspricht, wobei der erste Betriebsgrößenverlauf einem Batteriestrom (I) und der zweite Betriebsgrößenverlauf einem Ladezustand (SOC) entsprechen.Procedure according to one of Claims 1 until 3 , wherein the specific energy store (41) corresponds to a device battery, the first operating variable curve corresponding to a battery current (I) and the second operating variable curve corresponding to a state of charge (SOC). Verfahren nach einem der Ansprüche 1 bis 4, wobei der erste Betriebsgrößenverlauf durch Vorgabe eines angenommenen ersten Betriebsgrößenverlaufs und insbesondere durch eine nachfolgende Anpassung des ersten Betriebsgrößenverlaufs zur Minimierung eines Unterschieds zwischen einem modellierten Endwert der zweiten Betriebsgröße zu einem Endzeitpunkt der Datenlücke und einem tatsächlichen Endwert der zweiten Betriebsgröße bestimmt wird.Procedure according to one of Claims 1 until 4 , wherein the first operating variable course by specifying an assumed first operating variable course and in particular by a subsequent adjustment of the first operating variable course minimizing a difference between a modeled end value of the second operating variable at an end time of the data gap and an actual end value of the second operating variable is determined. Verfahren nach einem der Ansprüche 1 bis 4, wobei der erste Betriebsgrößenverlauf durch Vorgabe eines angenommenen ersten Betriebsgrößenverlaufs bestimmt wird, wobei der angenommene erste Betriebsgrößenverlauf innerhalb der Datenlücke in diskretisierte zeitliche Stützstellen unterteilt wird und wobei mithilfe eines iterativen Optimierungs-Algorithmus der resultierende modellierte Endwert der zweiten Betriebsgröße (SOC1') einem tatsächlichen Endwert (SOC1) der zweiten Betriebsgröße angenähert wird.Procedure according to one of Claims 1 until 4 , wherein the first performance variable is determined by specifying an assumed first performance variable, wherein the assumed first performance variable within the data gap is divided into discretized time points and using an iterative optimization algorithm, the resulting modeled final value of the second performance variable (SOC 1 ') an actual Final value (SOC 1 ) of the second operating variable is approximated. Verfahren nach Anspruch 5, wobei die Anpassung des ersten Betriebsgrößenverlaufs durch Einfügen einer Plateauphase einer bestimmten Dauer und eines bestimmten Werts der ersten Betriebsgröße vorgenommen wird.procedure after claim 5 , wherein the adjustment of the first performance variable profile is performed by inserting a plateau phase of a specific duration and a specific value of the first performance variable. Verfahren nach einem der Ansprüche 5 bis 7, wobei der angenommene erste Betriebsgrößenverlauf einem ersten Betriebsgrößenverlauf eines Zeitabschnitts eines Verlaufs der ersten Betriebsgröße eines ausgewählten weiteren Energiespeichers entspricht, wobei die Dauer des Zeitabschnitts der Dauer der Datenlücke entspricht, und wobei der weitere Energiespeicher entsprechend einer maximalen Ähnlichkeit zu dem bestimmten Energiespeicher (41) ausgewählt wird.Procedure according to one of Claims 5 until 7 , wherein the assumed first performance variable profile corresponds to a first performance variable profile of a time segment of a profile of the first performance variable of a selected further energy storage device, the duration of the time segment corresponding to the duration of the data gap, and the further energy storage device being selected according to a maximum similarity to the specific energy storage device (41). becomes. Vorrichtung zum Vervollständigen eines Betriebsgrößenverlaufs eines elektrischen Energiespeichers (41) zum Bestimmen eines Zustands des Energiespeichers (41) basierend auf Betriebsgrößenverläufen, wobei die Vorrichtung ausgebildet ist zum: - Bereitstellen eines Betriebsgrößenverlaufs mit einer Datenlücke, wobei zumindest die Verläufe einer ersten Betriebsgröße und einer zweiten Betriebsgröße zwischen einem Anfangszeitpunkt der Datenlücke und einem Endzeitpunkt der Datenlücke fehlen oder unplausibel sind; - Ermitteln von geschätzten Verläufen der ersten Betriebsgröße und der zweiten Betriebsgröße abhängig von einem Anfangswert der ersten und der zweiten Betriebsgröße zu dem Anfangszeitpunkt und einem Endwert der ersten und der zweiten Betriebsgröße zu dem Endzeitpunkt; - Bestimmen eines Zustands des Energiespeichers abhängig von den geschätzten Verläufen der ersten Betriebsgröße und der zweiten Betriebsgröße.Device for completing an operating variable curve of an electrical energy store (41) for determining a state of the energy store (41) based on operating variable curves, the device being designed for: - Providing an operating variable curve with a data gap, wherein at least the curves of a first operating variable and a second operating variable between a start time of the data gap and an end time of the data gap are missing or implausible; - Determination of estimated curves of the first performance variable and the second performance variable depending on an initial value of the first and the second performance variable at the start time and a final value of the first and the second performance variable at the end time; - Determining a state of the energy store depending on the estimated curves of the first operating variable and the second operating variable. Computerprogrammprodukt umfassend Befehle, die bei der Ausführung des Programms durch mindestens eine Datenverarbeitungseinrichtung diese veranlassen, die Schritte des Verfahrens nach einem der Ansprüche 1 bis 8 auszuführen.Computer program product comprising instructions which, when the program is executed, cause at least one data processing device to carry out the steps of the method according to one of the Claims 1 until 8th to execute. Maschinenlesbares Speichermedium, umfassend Befehle, die bei der Ausführung durch mindestens eine Datenverarbeitungseinrichtung diese veranlassen, die Schritte des Verfahrens nach einem der Ansprüche 1 bis 8 auszuführen.Machine-readable storage medium, comprising instructions which, when executed by at least one data processing device, cause the latter to carry out the steps of the method according to one of Claims 1 until 8th to execute.
DE102021208170.3A 2021-07-29 2021-07-29 Method and device for data completion of operating variable profiles of electrical energy storage devices in the event of missing profile data Pending DE102021208170A1 (en)

Priority Applications (2)

Application Number Priority Date Filing Date Title
DE102021208170.3A DE102021208170A1 (en) 2021-07-29 2021-07-29 Method and device for data completion of operating variable profiles of electrical energy storage devices in the event of missing profile data
CN202210897677.4A CN115684935A (en) 2021-07-29 2022-07-28 Method and device for supplementing data of a distribution of operating variables of an electrical energy store

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE102021208170.3A DE102021208170A1 (en) 2021-07-29 2021-07-29 Method and device for data completion of operating variable profiles of electrical energy storage devices in the event of missing profile data

Publications (1)

Publication Number Publication Date
DE102021208170A1 true DE102021208170A1 (en) 2023-02-02

Family

ID=84890145

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102021208170.3A Pending DE102021208170A1 (en) 2021-07-29 2021-07-29 Method and device for data completion of operating variable profiles of electrical energy storage devices in the event of missing profile data

Country Status (2)

Country Link
CN (1) CN115684935A (en)
DE (1) DE102021208170A1 (en)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE112016000834T5 (en) 2015-02-19 2017-11-30 Mitsubishi Electric Corporation DEVICE FOR ASSESSING A BATTERY STATUS
US20200011932A1 (en) 2018-07-05 2020-01-09 Nec Laboratories America, Inc. Battery capacity fading model using deep learning
WO2021099102A1 (en) 2019-11-20 2021-05-27 Dekra Automobil Gmbh Method for determining a state value of a traction battery

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE112016000834T5 (en) 2015-02-19 2017-11-30 Mitsubishi Electric Corporation DEVICE FOR ASSESSING A BATTERY STATUS
US20200011932A1 (en) 2018-07-05 2020-01-09 Nec Laboratories America, Inc. Battery capacity fading model using deep learning
WO2021099102A1 (en) 2019-11-20 2021-05-27 Dekra Automobil Gmbh Method for determining a state value of a traction battery

Also Published As

Publication number Publication date
CN115684935A (en) 2023-02-03

Similar Documents

Publication Publication Date Title
DE102020206592A1 (en) Method and device for operating an electrically drivable motor vehicle as a function of a predicted state of aging of an electrical energy store
DE102020215297A1 (en) Method and device for operating a system for providing predicted aging states of electrical energy stores for a device using machine learning methods
DE102020212299A1 (en) Method and device for operating a system for providing predicted aging states of electrical energy stores for a device using machine learning methods
DE102008053344A1 (en) Adaptive filter algorithm for estimating the age of a battery
EP3974246A1 (en) Method and apparatus for robust prediction of the aging behavior of an energy storage device in a battery operated machine
DE102021203868A1 (en) Method and device for operating a system for providing an electrochemical battery model for a device battery for a device
DE102021203729A1 (en) Method and device for operating a system for providing predicted aging states of electrical energy stores using reconstructed time series signals using machine learning methods
DE102020215890A1 (en) Method and device for predicting an aging state of an energy storage system
DE102022202882A1 (en) Method and device for providing a predicted aging state of a device battery based on a predicted usage pattern
DE102021203865A1 (en) Method and device for evaluating a relative aging condition of a device battery on the basis of a device group-based series variance of the device batteries
DE102020212282A1 (en) Method and device for parameterizing an electrochemical battery model for a battery based on data from a large number of batteries
DE102022200008A1 (en) Method and system for efficiently monitoring battery cells of a device battery in a device-external central unit using a digital twin
DE102021204014A1 (en) Method and device for providing an aging state model for determining current and predicted aging states of electrical energy stores using transfer learning using machine learning methods
DE102017200548B4 (en) Method for determining a current characteristic curve for an electrochemical energy store, motor vehicle and server supplying a motor vehicle
DE102020212293A1 (en) Method and device for determining the state of charge of a battery in a battery-operated machine
DE102020212236A1 (en) Method and device for operating a system for providing aging states of electrical energy storage devices for a large number of devices using machine learning methods
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
DE102021213948A1 (en) Method and device for providing a data-based state of health model for determining a state of health of an electrical energy store for a device using machine learning methods
DE102021208170A1 (en) Method and device for data completion of operating variable profiles of electrical energy storage devices in the event of missing profile data
DE102022202111A1 (en) Method and device for detecting a critical anomaly in a device battery based on machine learning methods
DE102021208340A1 (en) Method and device for providing a calculated and predicted state of health of an electrical energy store with a state of health model determined using machine learning methods and active learning methods
DE102021205879A1 (en) Method and device for operating a system for providing predicted aging states of electrical energy stores for a device using machine learning methods
DE102020214180A1 (en) Method and device for determining a state variable of an electrical energy store
DE102020211988A1 (en) Method and device for determining the state of charge of a battery in an electrically drivable motor vehicle
DE102021209054A1 (en) Method and device for data completion of operating variable profiles of electrical energy storage devices in the event of missing profile data

Legal Events

Date Code Title Description
R163 Identified publications notified