-
Technisches Gebiet
-
Die Erfindung betrifft Verfahren zur Diagnose von Gerätebatterien für technische Geräte, insbesondere Verfahren zur Diagnose von Gerätebatterien durch Anomaliedetektion und zum Auffinden von kritischen Fehlern.
-
Technischer Hintergrund
-
Die Energieversorgung von netzunabhängig betriebenen elektrischen Geräten und Maschinen, wie z. B. elektrisch antreibbaren Kraftfahrzeugen, erfolgt in der Regel mit Gerätebatterien bzw. Fahrzeugbatterien. Diese liefern elektrische Energie zum Betrieb der Geräte.
-
Gerätebatterien 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 kann eine neue Gerätebatterie einen Alterungszustand (bezüglich ihrer Kapazität, SOH-C) von 100 % aufweisen, der im Laufe seiner Lebensdauer zusehends abnimmt. Ein Maß der Alterung der Gerätebatterie (zeitliche Änderung des Alterungszustands) hängt von einer individuellen Belastung der Gerätebatterie, d. h. bei Fahrzeugbatterien von Kraftfahrzeugen vom Nutzungsverhalten eines Fahrers, externen Umgebungsbedingungen und vom Fahrzeugbatterietyp ab. Zudem können in Batteriezellen von Gerätebatterien neben dieser typischen zyklischen Alterung auch Fehler oder Fehlfunktionen auftreten.
-
In batteriebetriebenen technischen Geräten muss die ordnungsgemäße Funktionsweise der eingesetzten Gerätebatterie aus Sicherheitsgründen insbesondere bei hohen Energiedichten regelmäßig auf Fehler überwacht werden. Fällt eine Batteriezelle, eine Einheit aus mehreren Batteriezellen oder die gesamte Gerätebatterie aus, kann abhängig von dem aufgetretenen Fehler das technische Gerät funktionsunfähig werden und gegebenenfalls bei Fehlfunktionen, die zu einer starken Temperaturerhöhung führen, auch die Sicherheit des technischen Geräts und des Nutzers beeinträchtigt werden. Eine frühzeitige und zuverlässige Signalisierung von Anomalien von Batteriezellen einer Gerätebatterie ist daher erforderlich.
-
Um Gerätebatterien aus einer Vielzahl von Geräten zu überwachen, werden in der Regel Betriebsgrößendaten kontinuierlich erfasst und als Betriebsgrößenverläufe blockweise an eine geräteexterne Zentraleinheit übertragen. Zur Auswertung der Betriebsgrößendaten, insbesondere in physikalischen oder elektrochemischen Batteriemodellen, die auf Differentialgleichungen basieren, werden die Betriebsgrößendaten als Verläufe mit einer vergleichsweise hohen zeitlichen Auflösung (Abtastraten) von beispielsweise zwischen 1 und 100 Hz abgetastet und daraus mit einem Zeitintegrationsverfahren ein Batteriezustand ermittelt.
-
Das Bereitstellen der Betriebsgrößenverläufe in der Zentraleinheit ermöglicht beispielsweise die Nutzung und Anpassung eines elektrochemischen Batteriemodells für eine Vielzahl von Gerätebatterien mit gleichartigen Batteriezellen bzw. mit Zellen gleichartiger Zellchemie, so dass Batteriezustände ermittelt und überwacht werden können.
-
Die Druckschrift
WO2011/077540A1 offenbart eine Ausfallerkennungsvorrichtung für einen Batteriesatz mit mehreren in Reihe geschalteten Batteriezellen. Es sind mehrere Erkennungseinheiten vorgesehen, die jeweils den mehreren Batteriezellen zugeordnet sind, wobei jede dazu ausgelegt ist, eine Spannungsausgabe von einer ihr zugeordneten Batteriezelle mit einer vorbestimmten Maßstabsspannung zu vergleichen. Mithilfe eines Stromdetektors wird ein Strom der mehreren Batteriezellen erfasst, wobei die mehreren Erkennungseinheiten ein Ausfallerkennungssignal ausgeben, das angibt, ob der Batteriesatz beim elektrischen Entladen eine Batteriezelle aufweist, die eine Spannung ausgibt, die so verringert ist, dass sie unter der Maßstabsspannung liegt. Eine Ausfallüberwachungsvorrichtung dient zum Überwachen, ob ein Innenwiderstandsfehler aufgetreten ist, basierend auf dem Ausfallerkennungssignal und einem Wert des Stroms, wobei der Innenwiderstandsfehler angibt, dass eine der Batteriezellen einen Innenwiderstand aufweist, der so zunimmt, dass er über einem oberen Grenzwert liegt.
-
Die Druckschrift
CN 110350258 B offenbart eine Anomalieerkennung basierend auf einer Detektion einer Spannung und eines Stroms, einer Temperatur und einer Rauchinduktion.
-
Die Druckschrift
DE 10 2014 204 956 A1 bzw.
US2017/0082693 A1 offenbart ein Verfahren zur Erkennung von Anomalien einer Batteriezelle, wobei von einer Kurzschlusssensorik in einem Signal einer Klemmenspannung der Batteriezelle Ereignisse detektiert werden, welche in einem zeitlichen Abstand von Mikrosekunden aufeinander folgende Flanken aufweisen, und wobei von der Kurzschlusssensorik detektierte Ereignisse an ein Batteriemanagementsystem übertragen werden.
-
Die Druckschrift
US 2009/0128159 A1 offenbart ein Verfahren zum Erfassen von Anomalien für einen Batteriesatz, der eine Sekundärbatterie enthält, die aus mindestens einer Zelle und einer Spannungserfassungsschaltung zum Messen der Zellenspannung der Sekundärbatterie besteht, wobei die Zellenspannung gemessen wird und unter Verwendung der gemessenen Zellenspannung beurteilt wird, ob vordefinierte Anomalie-Beurteilungsbedingungen bezüglich eines internen Kurzschlusses der Zelle und einer Anomalie der Spannungserfassungsschaltung erfüllt sind, und wobei bestimmt wird, dass der interne Kurzschluss der Zelle und/der die Anomalie der Spannungserfassungsschaltung aufgetreten ist, wenn die Anomalie-Beurteilungsbedingungen erfüllt sind.
-
Die Druckschrift S. Saxena, M. Kang, Y. Xing and M. Pecht, „Anomaly Detection During Lithium-ion Battery Qualification Testing," 2018 IEEE International Conference on Prognostics and Health Management (ICPHM), 2018, pp. 1-6 offenbart ein Anomalieerkennungsverfahren basierend auf einer Erkennung eines Verlusts der Batteriekapazität.
-
Die meisten Verfahren des Standes der Technik basieren auf einer regelbasierten Auswertung von Messungen des Batteriemanagementsystems, um eine Anomalie festzustellen. Diese haben den Nachteil, dass sie in der Regel auf einem Vergleich von Standard-Messungen des Batteriemanagementsystems oder daraus abgeleiteten Werten mit einem normalen Bereich oder einem Anomalie-Schwellenwert basieren. Da die gemessenen Spannungen/Widerstände sind sehr empfindlich gegenüber Temperatur, SOC, Messrauschen und sogar gegenüber dem Lastzustand sind, ist es schwierig, einen zuverlässigen Vergleichswert für die Anomalieerkennung zu bestimmen. Zudem ist der Hardware-Aufwand bei den Lösungen des Stands der Technik aufwändig. Aufgrund der Varianz von Zelle zu Zelle, der unterschiedlichen Belastungsbedingungen, denen jede Zelle ausgesetzt ist, sowie des Zellen-Balancing, kann sich die anormale Zelle während des Betriebs des Fahrzeugs ändern.
-
Offenbarung der Erfindung
-
Erfindungsgemäß sind ein Verfahren zum Erkennen einer Anomalie in einer Gerätebatterie eines technischen Geräts gemäß Anspruch 1 sowie eine entsprechende Vorrichtung gemäß den nebengeordneten Ansprüchen vorgesehen.
-
Weitere Ausgestaltungen sind in den abhängigen Ansprüchen angesehen.
-
Gemäß einem ersten Aspekt ist ein Verfahren zum Erkennen eines kritischen Fehlers in einer Gerätebatterie basierend auf einer Auswertung von zeitlichen Betriebsgrößenverläufen einer Vielzahl von Gerätebatterien vorgesehen, mit folgenden Schritten:
- - Bereitstellen der Betriebsgrößenverläufe der Vielzahl von Gerätebatterien jeweils während eines vorgegebenen Lastmusters, das einen definierten zeitlichen Verlauf einer Lastgröße, insbesondere eines Batteriestroms, der Gerätebatterie angibt,
- - Erkennen mindestens einer der Gerätebatterien als auffällig abhängig von mindestens einem Anomaliekriterium, wobei das Anomaliekriterium ein Betriebsmerkmal in Bezug zu den entsprechenden Betriebsmerkmalen aller übrigen Gerätebatterien bewertet;
- - Erkennen der mindestens einen Gerätebatterie als fehlerhaft (Fehlererkennung) in einer Fehlererkennung, wenn die betreffende Gerätebatterie für eine vorbestimmte Anzahl von Auswertungen aufeinanderfolgender vorgegebener Lastmuster bezüglich jedes des mindestens einen Anomaliekriteriums als auffällig erkannt wurde;
- - Erkennen eines kritischen Fehlers einer bestimmten der Gerätebatterien abhängig von der Häufigkeitsverteilung der Anzahlen der Fehlererkennungen aller Gerätebatterien und abhängig von der Anzahl der Fehlererkennungen der bestimmten Gerätebatterie.
-
Gerätebatterien für energieintensive Anwendungen weisen häufig eine Vielzahl von Batteriezellen auf. Batteriezellen sind elektrisch verschaltet und können so hohe Ströme und hohe Spannungen für den Betrieb des technischen Geräts bereitstellen. Um die Sicherheit des Betriebs des technischen Geräts und seiner Nutzer zu gewährleisten, sieht obiges Verfahren vor, eine Anomalie in der Gerätebatterie oder in den Batteriezellen der Gerätebatterie festzustellen. Dies ermöglicht es, rechtzeitig Gegenmaßnahmen zu ergreifen oder Warnungen an den Nutzer auszugeben, so dass dieser sich ggfs. aus einer Gefahrenreichweite der Gerätebatterie begeben kann. Das Verfahren sieht vor, Betriebsgrößenverläufe der einzelnen Batteriezellen der Gerätebatterie auszuwerten. Dies erfolgt vorzugsweise in einer gerätefernen Zentraleinheit, um Ressourcen in dem technischen Gerät einzusparen.
-
Zur Anomalieerkennung werden Betriebsgrößenverläufe während einer Zeitdauer mit einem vorgegebenen Lastmuster erfasst. Das Lastmuster gibt beispielsweise für die Zeitdauer einen Verlauf eines Batteriestroms vor. Das Lastmuster ist beispielsweise während eines Aufladevorgangs genau anhand des Ladeprofils bekannt, so dass sich eine Zeitdauer während einer Aufladephase besonders für die folgende Auswertung einer Anomalieerkennung eignet.
-
Die erfassten Betriebsgrößenverläufe umfassen die Zellspannungen der Batteriezellen, den Batteriestrom auf Modulebene sowie die Batterietemperatur. Die Betriebsgrößenverläufe werden gefiltert und ausreißerbereinigt, um Ausreißer zu entfernen, unsynchronisierte Punkte zu entfernen und Datenlücken aufzufüllen.
-
Basierend auf den Betriebsgrößenverläufen, die während der Zeitdauer des vorgegebenen Lastmusters erfasst werden, werden nun mindestens ein Betriebsmerkmal identifiziert und nach einem jeweiligen Anomaliekriterium bewertet.
-
Weiterhin kann das mindestens eine Anomaliekriterium zumindest eines der folgenden umfassen:
- - eine Auswertung einer Zellenspannung nach einem definierten Lastsprung des vorgegebenen Lastmusters in Bezug zu den Zellenspannungen aller Gerätebatterien nach dem definierten Lastsprung des vorgegebenen Lastmusters,
- - eine Auswertung des Extremwerts des Quotienten der Ladungsdifferenz und der Spannungsdifferenz in Bezug zu den Extremwerten der Quotienten der Ladungsdifferenzen und der Spannungsdifferenzen aller Gerätebatterien; und
- - eine Auswertung der Temperaturdifferenz einer Batterietemperatur zwischen dem Zeitpunkt des Beginns des Lastmusters und dem Ende des Lastmusters in Bezug auf die Temperaturdifferenzen der Batterietemperaturen aller Gerätebatterien zwischen dem Zeitpunkt des Beginns des Lastmusters und dem Ende des Lastmusters.
-
So kann beispielsweise das mindestens eine Anomaliekriterium die Zellenspannungen der Batteriezellen, den Extremwert des Quotienten dQ/dU und eine Temperaturdifferenz der Batterietemperatur vor und nach dem Durchlaufen des Lastmusters als Betriebsmerkmale auswerten.
-
Vorzugsweise werden die obigen drei Anomaliekriterien und ggfs. weitere Anomaliekriterien gemeinsam bewertet.
-
Die Auswertung der Anomaliekriterien erfolgt basierend auf der Häufigkeitsverteilung der Betriebsmerkmale über eine Vielzahl von Gerätebatterien in einer Zentraleinheit. Dazu wird die Häufigkeitsverteilung der jeweiligen Betriebsmerkmale über alle Gerätebatterien bestimmt.
-
Gerätebatterien können nun entsprechend jedem der Betriebsmerkmale durch die Anomaliekriterien als auffällig klassifiziert werden, wobei das Verhalten der Vielzahl von Gerätebatterien das Bewertungsmaß vorgibt. So können anomale Gerätebatterien mithilfe eines Clustering-Verfahrens, wie z.B. DBSCAN, k-means usw., jeweils basierend auf einem Betriebsmerkmal der einzelnen Gerätebatterien erkannt werden. Weiterhin können die auffälligen Gerätebatterien durch Auswertung der Kurtosis und/oder Skewness bezüglich einer angenommenen Normalverteilung erkannt werden. Weiterhin können diejenigen Gerätebatterien, deren Betriebsmerkmalswert für ein Betriebsmerkmal unter und/oder über einem jeweiligen Betriebsmerkmalsschwellenwert liegt, der durch einen unteren Quantilwert und/oder einem oberen Quantilwert angegeben sein kann, als anomale Gerätebatterien gekennzeichnet werden.
-
Man erhält somit für jede Gerätebatterie und für jedes zugeordnete Betriebsmerkmal eine Angabe, ob die betreffende Gerätebatterie bezüglich des überprüften Betriebsmerkmals auffällig ist, d.h. ein anomales Verhalten aufweist, oder nicht.
-
Nun werden diejenigen Gerätebatterien, die durch das Anwenden der Anomaliekriterien bezüglich aller Betriebsmerkmale und für eine vorgegebene (Mindest-) Anzahl von aufeinanderfolgenden Überprüfungen als auffällig erkannt worden sind, identifiziert und dadurch als fehlerhaft erkannt. Die Erkennung dieser Gerätebatterien als fehlerhaft entsprechen Fehlererkennungen. Die Fehlererkennungen werden für jede Gerätebatterie durchgeführt, so dass sich über die Vielzahl der Gerätebatterien eine Verteilung der Häufigkeiten der Fehlererkennungen ergibt.
-
Es kann vorgesehen sein, dass das Erkennen eines kritischen Fehlers der bestimmten der Gerätebatterien abhängig von einer Schwellenanzahl der Fehlererkennungen durchgeführt wird, die sich aus der Häufigkeitsverteilung der Anzahlen der Fehlererkennungen aller als fehlerhaft festgestellter Gerätebatterien ergibt. Insbesondere kann die Schwellenanzahl durch einen vorgegebenen Quantilwert wie z.B. ein 95%-Quantil bestimmt werden.
-
Weiterhin kann das Erkennen des kritischen Fehlers der bestimmten der Gerätebatterien abhängig von einem Überschreiten eines Spannungsdifferenz-Schwellenwerts der maximalen Spannungsdifferenz der Zellenspannungen zu einer durchschnittlichen Zellenspannung erkannt werden, wobei sich der Spannungsdifferenz-Schwellenwert aus der Häufigkeitsverteilung der maximalen Spannungsdifferenzen aller als fehlerhaft festgestellter Gerätebatterien ergibt.
-
Entsprechend ergibt sich über alle Gerätebatterien eine Häufigkeitsverteilung der maximalen Spannungsdifferenzen zwischen den einzelnen Zellenspannungen (maximale oder minimale Zellenspannung) zu einer durchschnittlichen Zellenspannung aller Batteriezellen und insbesondere vor dem Anwenden eines Balancing-Verfahrens. Insbesondere bei hohen Abweichungen der durchschnittlichen Zellenspannung und der einzelnen Zellenspannungen ist die Kritikalität der gefundenen Anomalie höher als bei geringeren Spannungsdifferenzen.
-
Es ergibt sich über alle Gerätebatterien eine Häufigkeitsverteilung der Anzahl der Fehlererkennungen und weiterhin eine Häufigkeitsverteilung der maximalen Spannungsdifferenzen insbesondere über alle als fehlerhaft erkannten Gerätebatterien. Die Gerätebatterien, deren Anzahl der Fehlererkennungen eine bestimmte Schwellenanzahl übersteigt, und deren maximale Spannungsdifferenz den bestimmten Spannungsdifferenz-Schwellenwert übersteigt, werden als fehlerhaft erkannt und eine entsprechende Warnung an den Nutzer signalisiert oder Maßnahmen ergriffen, die den Betrieb der entsprechenden Gerätebatterie steuern.
-
Beispielsweise können die bestimmte Schwellenanzahl und/oder der bestimmte Spannungsdifferenz-Schwellenwert durch eine jeweils vorgegebene Quantilgrenze, beispielsweise der Grenze eines Quantils, z.B. des 95 %-Quantils, bezüglich der jeweiligen Häufigkeitsverteilung bestimmt werden. Die Quantilgrenze kann beispielsweise durch einen Hersteller der Batteriezellen vorgegeben werden.
-
Das obige Verfahren ermöglicht es somit, durch Berücksichtigen von einem oder mehreren Anomaliekriterien und einer Auswertung basierend auf den Ergebnissen der Fehlererkennungen in einer Vielzahl von Gerätebatterien und für mindestens ein Betriebsmerkmal diejenigen Gerätebatterien zu identifizieren, die in kritischem Maße fehlerhaft sind und zu einer Warnung an den Nutzer und/oder zu einer Einschränkung des Betriebs des technischen Geräts führen müssen. Die Referenz, wann eine Anomalieerkennung als eine kritische Anomalie eingeschätzt werden soll, wird dabei durch die Betriebsverhalten der Gerätebatterien der Vielzahl von Geräten vorgegeben.
-
Kurzbeschreibung der Zeichnungen
-
Ausführungsformen werden nachfolgend anhand der beigefügten Zeichnungen näher erläutert. Es zeigen:
- 1 eine schematische Darstellung eines Systems zur Durchführung einer Anomalieerkennung von Gerätebatterien einer Vielzahl von Fahrzeugen einer Fahrzeugflotte;
- 2 ein Flussdiagramm zur Veranschaulichung eines Verfahrens zum Erkennen von fehlerhaften Gerätebatterien;
- 3a bis 3c ein Lastmuster für einen Ladevorgang als Referenz zur Überprüfung von Anomaliekriterien und eine sich ergebende Häufigkeitsverteilung der Betriebsmerkmalswerte basierend auf dem jeweiligen Anomaliekriterium; und
- 4a und 4b Häufigkeitsverteilungen der Fehlererkennungsanzahlen der fehlerhaften Fahrzeugbatterien bzw. der Häufigkeitsverteilung der maximalen Spannungsdifferenzen der Batteriezellen der fehlerhaften Fahrzeugbatterien.
-
Beschreibung von Ausführungsformen
-
Im Folgenden wird das erfindungsgemäße Verfahren anhand von Fahrzeugbatterien als Gerätebatterien in einer Vielzahl von Kraftfahrzeugen als gleichartige Geräte beschrieben. Dazu werden Betriebsgrößenverläufe in der Zentraleinheit empfangen und dort ausgewertet. In der Zentraleinheit wird dazu eine Auswertung von Anomaliekriterien vorgenommen.
-
Das obige Beispiel steht stellvertretend für eine Vielzahl von stationären oder mobilen Geräten mit netzunabhängiger Energieversorgung, 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.
-
1 zeigt ein System 1 zum Sammeln von Flottendaten in einer Zentraleinheit 2 zur Durchführung eines Verfahrens zur Überwachung der Funktion der Fahrzeugbatterien und zur Erkennung von Anomalien. 1 zeigt eine Fahrzeugflotte 3 mit mehreren Kraftfahrzeugen 4.
-
Eines der Kraftfahrzeuge 4 ist in 1 detaillierter dargestellt. Die Kraftfahrzeuge 4 weisen jeweils eine Fahrzeugbatterie 41 mit Batteriezellen 45, einen elektrischen Antriebsmotor 42 und eine Steuereinheit 43 auf. Die Steuereinheit 43 ist mit einer Kommunikationseinrichtung 44 verbunden, die geeignet ist, Daten zwischen dem jeweiligen Kraftfahrzeug 4 und einer Zentraleinheit 2 (einer sogenannten Cloud) zu übertragen.
-
Die Steuereinheit 43 ist insbesondere ausgebildet, um Betriebsgrößen der Fahrzeugbatterie 41 mit einer hohen zeitlichen Auflösung, wie beispielsweise zwischen 1 und 50 Hz, wie z. B. 10 Hz, zu erfassen und diese über die Kommunikationseinrichtung 44 an die Zentraleinheit 2 zu übermitteln.
-
Die Kraftfahrzeuge 4 senden an die Zentraleinheit 2 die Betriebsgrößen F, die zumindest Größen angeben, welche den Betrieb der Fahrzeugbatterie kennzeichnen. Die Betriebsgrößen F können im Falle einer Fahrzeugbatterie einen momentanen Batteriestrom, eine momentane Batteriespannung, eine momentane Batterietemperatur und einen momentanen Ladezustand (SOC: State of Charge) angeben, sowohl auf Pack-, Modul- und/oder Zellebene. Die Betriebsgrößen F werden in einem schnellen Zeitraster von 0,1 Hz bis 50 Hz als Betriebsgrößenverläufe erfasst und können in unkomprimierter und/oder komprimierter Form regelmäßig an die Zentraleinheit 2 übertragen werden. Beispielsweise können die Zeitreihen unter Ausnutzung von Kompressions-Algorithmen zwecks Minimierung des Datenverkehrs zur Zentraleinheit 2 im Abstand von 10 min bis zu mehreren Stunden blockweise an die Zentraleinheit 2 übertragen werden.
-
Die Zentraleinheit 2 weist eine Datenverarbeitungseinheit 21, in der ein Teil des nachfolgend beschriebenen Verfahrens ausgeführt werden kann, und eine Datenbank 22 zum Speichern von Betriebsgrößenverläufen und dergleichen auf. Die Zentraleinheit 2 ist ausgebildet, um die Betriebsgrößenverläufe zu empfangen und eine Anomalieerkennung für jede der in Verbindung stehenden Fahrzeugbatterie auszuführen.
-
In 2 ist ein Flussdiagramm eines in der Zentraleinheit 2 ausgeführten Verfahrens zum Erkennen von fehlerhaften Fahrzeugbatterien 41 dargestellt. Das Verfahren basiert auf der Auswertung einer Vielzahl von Fahrzeugbatterien 41 von Fahrzeugen 4, die Verläufe von Betriebsgrößen, wie Zellenspannung aller Batteriezellen, ein Batteriestrom, einer Batterietemperatur und eines Ladezustands zumindest während eines vorgegebenen bekannten Lastmusters an die Zentraleinheit 2 übermitteln.
-
Die Betriebsgrößen werden in Schritt S1 empfangen und in Schritt S2 wird überprüft, ob ein vorgegebenes Lastmuster für eine vorbestimmte Zeitdauer, von z.B. zwischen 5 min und 30 min, vorzugsweise für 10 min, vorliegt.
-
Das Lastmuster ist vorgegeben und kann beispielsweise einem Lastmuster bei einem Aufladevorgang der Fahrzeugbatterie 41 mit einem vorgegebenen Ladeprofil entsprechen. Das Lastmuster sollte für alle Fahrzeuge 4 bzw. Fahrzeugbatterien 41 identisch sein, so dass vergleichbare Erkennungen von Anomalien in Batteriezellen entsprechend den Anomaliekriterien vorgenommen werden können. Das Durchlaufen des Ladeprofils kann entsprechend separat signalisiert werden oder durch Überwachen der Betriebsgrößenverläufe jeder der Fahrzeugbatterien 41 für die betreffende Fahrzeugbatterie 41 festgestellt werden. Das Lastmuster wird hierin als zeitlicher Verlauf des Batteriestroms angenommen.
-
Wird das vorgegebene Lastmuster in den Betriebsgrößenverläufen zumindest einer Fahrzeugbatterie 41 für die vorbestimmte Zeitdauer erkannt (Alternative. Ja), so wird das Verfahren mit Schritt S3 fortgesetzt. Andernfalls wird zu Schritt S1 zurückgesprungen.
-
In Schritt S3 werden die Betriebsgrößenverläufe entsprechend gefiltert, einer Ausreißererkennung unterworfen und/oder Datenlücken gefüllt, entsprechend an sich bekannter Verfahren.
-
In Schritt S4 werden nun für jede Fahrzeugbatterie 41, für die das Vorliegen eines vorgegebenen Lastmusters erkannt worden ist, ein oder mehrere Anomaliekriterien jeweils basierend auf einem Betriebsmerkmal, das aus den Betriebsgrößenverläufen des vorgegebenen Lastmusters abgeleitet wird, überprüft.
-
Zunächst werden als Beispiel für ein Anomaliekriterium die Zellenspannungen aller Batteriezellen 45 aller Fahrzeugbatterien 41 (bei denen das vorgegebene Lastmuster festgestellt worden ist) nach einem oder mehreren bestimmten Lastsprüngen S erfasst und jeweils für jeden der bestimmten Lastsprünge eine Häufigkeitsverteilung der Häufigkeiten H der resultierenden Zellenspannungen Ucell ermittelt. Entsprechende Häufigkeitsverteilungen H sind beispielsweise in dem Lastmuster der 3a für zwei Lastsprünge S dargestellt. Insbesondere werden die Zellenspannungen Ucell unmittelbar nach einer Erhöhung des Batteriestroms während eines Ladevorgangs gemäß einem vorgegebenen Ladeprofil erfasst. Es ergibt sich für jeden bestimmten Lastsprung eine Häufigkeitsverteilung H der Zellenspannungen aller Fahrzeugbatterien 41.
-
Als weiteres Beispiel für die Auswertung eines Anomaliekriteriums kann ein Extremwert des Quotienten dQ/dU in einer Konstantstromphase des bestimmten Lastmusters, wie in 3b dargestellt, für jede Fahrzeugbatterie 41 (jedes Mal, wenn das bestimmte Lastmuster festgestellt worden ist) erfasst werden. Der Extremwert dQ/dU kann entsprechend für alle betreffenden Fahrzeugbatterien 41 ermittelt werden und in einer entsprechenden Häufigkeitsverteilung H der festgestellten Werte ausgewertet werden.
-
Weiterhin kann eine Temperaturdifferenz ΔT der Batterietemperatur vor und nach dem Durchlaufen des vorgegebenen Lastmusters der Fahrzeugbatterien 41 (jedes Mal, wenn das bestimmte Lastmuster festgestellt worden ist) ermittelt und über alle Fahrzeugbatterien 41 mithilfe einer Häufigkeitsverteilung ausgewertet werden, wie in 3c gezeigt. Die Temperaturdifferenzen ΔT können entsprechend für alle Fahrzeugbatterien 41 ermittelt werden und in einer entsprechenden Häufigkeitsverteilung der festgestellten Werte ausgewertet werden.
-
Die Häufigkeitsverteilungen H werden in Schritt S5 nun separat ausgewertet, beispielsweise hinsichtlich Abweichungen von dem durchschnittlichen Verhalten aller Fahrzeugbatterien 41 der Flotte 3. Die Auswertung betrifft jedes der betrachteten Betriebsmerkmale entsprechend einem Anomaliekriterium, um eine Fahrzeugbatterie 41 als auffällig zu identifizieren, wenn jedes der Anomaliekriterien erfüllt ist. Dadurch können auffällige Fahrzeugbatterien 41 hinsichtlich jedes Betriebsmerkmals detektiert und identifiziert werden. Hierzu können beispielsweise Cluster-Algorithmen, wie beispielsweise DBSCAN, K-Means Clustering und dergleichen, bezüglich der Betriebsmerkmale der Anomaliekriterien verwendet werden.
-
Auch können Verfahren zum Detektieren von fehlerhaften Fahrzeugbatterien durch Kurtosis und Steigung der Häufigkeitsverteilungen, wie beispielsweise durch eine Isolation-Forest-Analyse, verwendet werden.
-
Eine auffällige Fahrzeugbatterie hinsichtlich eines oder mehrerer der Betriebsmerkmale kann auch dadurch erkannt werden, wenn ein oder mehrere dem jeweiligen Betriebsmerkmal zugeordnete Betriebsmerkmalsschwellenwerte durch das betreffende Betriebsmerkmal über- und/oder unterschritten werden. Der jeweilige Betriebsmerkmalsschwellenwert ergibt sich aus einer Quantilbetrachtung der entsprechenden Häufigkeitsverteilung H, die dem entsprechenden Betriebsmerkmal zugeordnet ist. Beispielsweise kann für einen unteren Schwellenwert des betreffenden Betriebsmerkmals ein unterer Quantilwert von z.B. 5%-Quantil, und/oder für den oberen Schwellenwert des betreffenden Betriebsmerkmals ein oberer Quantilwert von z.B. 95%-Quantil definiert werden.
-
Die Betriebsmerkmalsschwellenwerte können auch basierend auf der Häufigkeitsverteilung entsprechend einer erwarteten Fehlerrate des Batterieherstellers vorgegeben werden.
-
Eine fehlerhafte Fahrzeugbatterie 41 wird nun in Schritt S6 dadurch erkannt, wenn diese in einer vorbestimmten Anzahl aufeinanderfolgenden Überprüfungen für alle Betriebsmerkmale entsprechend der vorgegebenen Anomaliekriterien als auffällig erkannt wird. Für jede der so erkannten fehlerhaften Fahrzeugbatterien 41 wird ein Fehlerzähler für jede Erkennung als eine fehlerhafte Fahrzeugbatterie 41 inkrementiert.
-
Für alle zuvor als zumindest einmalig erkannten fehlerhaften Fahrzeugbatterien 41 werden die Fehlererkennungsanzahlen entsprechend in einer Häufigkeitsverteilung ausgewertet.
-
In 4a erkennt man die Häufigkeiten der Fehlererkennungen von fehlerhaften Fahrzeugbatterien 41 in einer Häufigkeitsverteilung.
-
Weiterhin kann in Schritt S7 ein kritischer Fehler erkannt werden, wenn für eine Fahrzeugbatterie 41 eine Anzahl von Fehlererkennungen erkannt wird, die eine vorgegebene Schwellenanzahl übersteigt, wobei die Schwellenanzahl aus der Häufigkeitsverteilung der Anzahlen der Fehlererkennungen aller als fehlerhaft festgestellter Gerätebatterien abgeleitet wird. Insbesondere kann die Schwellenanzahl durch einen vorgegebenen Quantilwert wie z.B. ein 95%-Quantil bestimmt werden.
-
Zusätzlich kann als Kriterium für das Vorliegen eines kritischen Fehlers der Fahrzeugbatterie 41 eine Auswertung einer maximalen Spannungsdifferenz erfolgen. Dazu wird für die überprüfte Fahrzeugbatterie 41 eine maximale Spannungsdifferenz der Zellenspannungen von einer durchschnittlichen Zellenspannung ermittelt und gegen einen vorgegebenen Spannungsdifferenz-Schwellenwert überprüft. Ein kritischer Fahler wird erkannt, wenn die maximale Spannungsdifferenz den vorgegebenen Spannungsdifferenz-Schwellenwert übersteigt.
-
Der Spannungsdifferenz-Schwellenwert kann sich aus der Häufigkeitsverteilung der maximalen Spannungsdifferenzen aller als fehlerhaft festgestellter Fahrzeugbatterien 41 ergeben. Die Häufigkeitsverteilung kann nun über alle fehlerhaften Fahrzeugbatterien durch den beschriebenen Schwellenwertvergleich ausgewertet werden, wie in 4b gezeigt ist.
-
Der vorgegebene Schwellenwert kann durch einen vorgegebenen Quantilwert wie z.B. ein 95%-Quantil, aus der Häufigkeitsverteilung bestimmt werden.
-
Insbesondere sollte die betragsmäßige Spannungsdifferenz zwischen einem Mittelwert der Zellenspannungen der Batteriezellen der entsprechenden Fahrzeugbatterie 41 und der maximalen und/oder minimalen Zellenspannungen, insbesondere der fehlerhaften Batteriezellen, vorgenommen werden, bevor ein Balancing-Vorgang ausgeführt wird.
-
Es werden nun in Schritt S8 diejenigen Fahrzeugbatterien 41 identifiziert, die sowohl in der Häufigkeitsverteilung bezüglich der Anzahl der Fehlererkennungen als auch in der Häufigkeitsverteilung bezüglich der maximalen Spannungsdifferenz oberhalb des jeweils vorgegebenen Schwellenwerts liegen.
-
Sind beide Kriterien erfüllt, werden die betreffenden Fahrzeugbatterien 41 als Fahrzeugbatterien mit einem kritischen Fehler erkannt und in Schritt S9 eine entsprechende Warnung an den Nutzer des Fahrzeugs mit der entsprechenden Fahrzeugbatterie 41 bzw. die Nutzer der Fahrzeuge mit den entsprechenden Fahrzeugbatterien 41 ausgegeben und/oder der Betrieb der entsprechenden Fahrzeugbatterie 41 eingeschränkt.
-
ZITATE ENTHALTEN IN DER BESCHREIBUNG
-
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
-
Zitierte Patentliteratur
-
- WO 2011/077540 A1 [0007]
- CN 110350258 B [0008]
- DE 102014204956 A1 [0009]
- US 2017/0082693 A1 [0009]
- US 2009/0128159 A1 [0010]
-
Zitierte Nicht-Patentliteratur
-
- S. Saxena, M. Kang, Y. Xing and M. Pecht, „Anomaly Detection During Lithium-ion Battery Qualification Testing,“ 2018 IEEE International Conference on Prognostics and Health Management (ICPHM), 2018, pp. 1-6 [0011]