EP4348282A1 - Verfahren und vorrichtung zum nicht-invasiven bestimmen einer batterie sowie batterie-managementsystem - Google Patents

Verfahren und vorrichtung zum nicht-invasiven bestimmen einer batterie sowie batterie-managementsystem

Info

Publication number
EP4348282A1
EP4348282A1 EP22727255.6A EP22727255A EP4348282A1 EP 4348282 A1 EP4348282 A1 EP 4348282A1 EP 22727255 A EP22727255 A EP 22727255A EP 4348282 A1 EP4348282 A1 EP 4348282A1
Authority
EP
European Patent Office
Prior art keywords
battery
time
period
relaxation
charging
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
EP22727255.6A
Other languages
English (en)
French (fr)
Inventor
Erik GOLDAMMER
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.)
Technische Universitaet Berlin
Original Assignee
Technische Universitaet Berlin
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 Technische Universitaet Berlin filed Critical Technische Universitaet Berlin
Publication of EP4348282A1 publication Critical patent/EP4348282A1/de
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/392—Determining battery ageing or deterioration, e.g. state of health
    • 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]
    • G01R31/385—Arrangements for measuring battery or accumulator variables
    • G01R31/387—Determining ampere-hour charge capacity or SoC
    • G01R31/388—Determining ampere-hour charge capacity or SoC involving voltage measurements
    • 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]
    • G01R31/389—Measuring internal impedance, internal conductance or related variables

Definitions

  • the invention relates to a method and a device for non-invasively determining a battery and a battery management system.
  • Non-invasive investigation methods are required to gain a comprehensive understanding of the underlying aging mechanisms of batteries and thus enable design optimization.
  • the non-invasive methods for online diagnostics are required to quantify changes in battery parameters such as capacity and impedance. Based on the parameters, the available energy and power can be estimated and potential risks during operation can be identified in good time.
  • the impedance of the batteries can be measured using electrochemical impedance spectroscopy (EIS) (see Schmitt et al., Journal of Power Sources, vol. 353, pp. 183-194, 2017, doi: 10.1016/j.jpowsour.2017.03.090).
  • EIS electrochemical impedance spectroscopy
  • a distribution function of time constants (Distribution of Relaxation Times (DRT)) can be determined using EIS measurement data.
  • the number of dominant electrochemical processes of LIB and their time constants and polarization contributions were quantified by analyzing the DRT (see for example Hahn et al., Batteries, vol. 5, no. 2, p. 43, 2019, doi: 10.3390/ batteries5020043).
  • the changes in the time constants and polarization contributions during the aging of the batteries examined were also reproduced using the DRT.
  • a major disadvantage of the EIS is the lack of general availability in online applications, which is why further DRT analyzes are limited to laboratory tests.
  • the necessary sinusoidal excitations for an EIS cannot usually be generated in online applications.
  • the measurement of the low-frequency impedance requires long measurement times and low signal amplitudes and can therefore not be implemented under operating conditions and with commercially available measurement electronics (cf. Alavi et al., Journal of Power Sources, vol. 288, pp. 345-352, 2015, doi: 10.1016/j.jpowsour.2015.04.099).
  • But even under laboratory conditions, maintaining the stationary state and current drift is becoming increasingly critical when measuring lower frequencies (cf. Klotz et al., Electrochimica Acta, vol. 56, no. 24, pp. 8763-8769, 2011, doi : 10.1016/j.electacta.2011.07.096).
  • the measurement duration increases sharply and ranges from several hours for frequencies in the millihertz range to several days for frequencies in the micro
  • time domain data of current and voltage curves can be evaluated for dynamic battery excitations in order to determine the impedance of the LIB and other battery types.
  • Calculating from time-domain data is generally faster than measuring impedance directly, since time-domain excitations involve multiple frequencies being excited simultaneously.
  • a higher frequency resolution can also be realized on the basis of time domain data, which is of particular interest with regard to DRT.
  • DRT based on frequency domain data
  • the problem to be solved is no longer underdetermined.
  • Zou et al. Journal of Power Sources, vol. 390, pp. 286-296, 2018, doi: 10.1016/j.jpowsour.2018.04.033 gives an overview of the possibilities of calculating the impedance using time domain data.
  • Time domain data resulting from pulse measurements can be brought into the frequency domain using a Fast Fourier Transform (FFT) and then the impedance in the frequency domain can be calculated.
  • FFT Fast Fourier Transform
  • the excitation of a pulse is non-periodic.
  • a window function must be used for the transformation, which in turn generates an offset of the signal.
  • ESB equivalent circuit diagram
  • the DRT has been determined based on the impedance.
  • direct measurement of the impedance using EIS is not possible in connection with online applications and, at low frequencies, is extremely time-consuming and subject to inaccuracies, even under laboratory conditions.
  • the indirect determination of the impedance (via FFT or ESB) based on the evaluation of time domain data after current or voltage pulses leads to additional inaccuracies and requires an individual definition of a model for different cell chemistries and types (for ESB).
  • the document US 2015 / 0 081 237 A1 relates to a hybrid model for determining the state of charge of lithium batteries, which includes both a physical model and an empirical or data-driven model.
  • the physical model is an electrochemical model based on the properties and structure of the battery materials and describes dynamic electrochemical reactions.
  • the empirical model uses Coulomb counting and a relaxation filter and a Kalman filter for adaptive compensation of the system parameters.
  • Document CN 112415415A relates to a battery life diagnostic method based on low temperature ambient measurement.
  • the battery life diagnostic method is used to detect a degradation level of a lithium ion battery to be detected and includes the following steps: 1) Cooling the lithium ion Battery; 2) performing an electrochemical I impedance spectroscopy test on the lithium ion battery; 3) acquiring an electrochemical impedance spectrum of the battery; 4) calculating the electrochemical impedance spectrum of the battery using the relaxation time distribution to obtain a polarization distribution diagram of time constants in the interface polarization process; 5) according to the polarization distribution diagram of the time constant of the interface polarization process, correspondingly identifying four interface polarization processes in the battery according to the central time constant; 6) detecting the interface resistance of each interface polarization process; and 7) detecting the degree of attenuation of each interface polarization process of the cathode and the anode of the lithium-ion battery according to the interface resistance and completing the battery life diagnosis.
  • the object of the invention is to specify a method and a device for non-invasively determining a battery, with which the battery can be characterized using parameters.
  • a method and a device for non-invasively determining a battery according to independent claims 1 and 12 are created for the solution. Furthermore, a battery management system according to independent claim 13 is created. Configurations are the subject of dependent subclaims.
  • a method for non-invasively determining or characterizing a battery including: providing a battery; Charging the battery with a constant current having a constant current value for a charging period; Measuring a relaxation behavior of the battery using a measuring device during a relaxation period after the end of charging for a measurement period, with time-resolved voltage measurement values for a battery voltage of the battery being recorded for the duration of the measurement period and the battery being free of a current load or a current load on the battery at most is 5 percent of the constant current value; and determining a distribution function for time constants from the time-resolved recorded voltage measurement values, wherein for peaks of the distribution function a position on the time axis corresponds to a time value of a time constant and an area under the curve to a polarization contribution correspond to one of the time constant associated electrochemical processes in the battery.
  • a device for non-invasively determining or characterizing a battery which has a data processing device which is set up to receive time-resolved voltage measurement values for a battery voltage of a battery, the time-resolved voltage measurement values indicating a relaxation behavior of the battery; and measured by a measuring device during a relaxation period after the end of charging the battery with a constant current having a constant current value, for a measuring period during which the battery is free of a current load or a current load on the battery is at most 5 percent of the constant current amounts to.
  • the device is set up to determine a distribution function for time constants from the measured voltage values recorded in a time-resolved manner, with a position on the time axis corresponding to a time value of a time constant for peaks in the distribution function and an area under the curve to a polarization contribution of an electrochemical process associated with the time constant match in the battery.
  • the measuring device for measuring the time-resolved voltage measurement values indicating the relaxation behavior of the battery can optionally be part of the battery management system or formed separately therefrom.
  • the time-resolved voltage measurement values are transmitted from the measuring device to the data processing device in order to be processed by the latter in order to determine the distribution function for the time constants.
  • the battery management system can be part of a management system which is assigned to an electric vehicle or a stationary energy store.
  • the method and apparatus enable direct determination of the distribution function for the time constants from time domain data for non-invasive characterization or investigation (determination).
  • the measurement can include the following: measurement of the relaxation behavior in a first measurement period, with first voltage measurement values being recorded in a time-resolved manner; and measuring the relaxation behavior in a second measurement period, which is within the Relaxation period relates to a later period than the first measurement period, with the second voltage measurement values being recorded in a time-resolved manner; the first measured voltage values with a first time resolution and the second measured voltage values with a second time resolution, which is lower than the first time resolution, being provided for determining the distribution function by means of measured value preprocessing.
  • the temporal resolution of the first measured voltage values can correspond to a sampling period of the measuring device.
  • the sampling period of the measuring device indicates the time interval between successive measuring points in time-resolved measuring.
  • the temporal resolution of the second measured voltage values can correspond to at least ten times the sampling period of the measuring device used for the first measured voltage values.
  • the temporal resolution of the second voltage measurement values can be a multiple of the sampling period, for example 10 to 100 times.
  • the first measurement period can begin with a beginning of the relaxation period.
  • the measurement period can be at least as long as the time value of a maximum time constant.
  • the measurement period can be a multiple of the time value of the greatest time constant, for example 2 to 5 times.
  • the second measurement period can be at least as long as the time value of the greatest time constant.
  • the second measurement period can be a multiple of the time value of the largest time constant, for example 2 to 5 times.
  • the measuring period can correspond to at least ten times a time value of the sampling period of the measuring device used in time-resolved measuring.
  • the first measurement period can correspond to a multiple of the time value of the sampling period, for example 20 to 100 times.
  • a lithium-ion battery can be provided as the battery.
  • a vehicle battery that supplies energy to an electric drive in an electric vehicle can be provided as the battery.
  • the battery can be provided as a stationary energy store.
  • the battery can be charged as part of recharging the vehicle battery.
  • the vehicle battery can be recharged at a charging station, for example a charging station.
  • the measured voltage values can be recorded in a time-resolved manner by means of a control system of the electric vehicle for the vehicle battery arranged in the electric vehicle.
  • the following can also be provided in the method: providing battery model data in a data processing device, which represent a battery model with model parameters and model processes for the battery; providing distribution function data in the data processing device which indicate the determined distribution function for the time constants; Determining an association between the battery model data and the distribution function data and determining battery parameters which indicate at least one of the following battery properties: aging status, a diffusion process in the battery, battery capacity, battery impedance, available battery power and state of charge of the battery.
  • the data processing device can be provided by a vehicle management system of the electric vehicle.
  • the information relating to the state of the battery obtained as part of the determination of the battery can be taken into account by the vehicle management system when controlling functions of the electric vehicle.
  • the data processing device can be formed separately from the electric vehicle, for example in a central server device, to which the measured voltage values recorded in a time-resolved manner are transmitted for processing and evaluation by means of wireless data communication.
  • the central server device can be part of a vehicle fleet management system, for example. The method and the device enable the non-invasive determination or characterization of parameters of the battery and the electrochemical processes taking place therein, with changes in the parameters during operation of the battery being able to be understood. The identification of the parameter curves allows conclusions to be drawn about the degradation mechanisms taking place and thus enables the optimization of operating strategies and future battery design.
  • FIG. 1 shows a schematic representation of an arrangement for measuring a relaxation behavior of a battery
  • FIG. 2 shows a graphical representation of a simulated voltage profile of a battery over time
  • FIG. 3 shows a graphic representation for comparing a distribution function for time constants (DRT) from EIS and evaluation of the relaxation behavior of the battery; and
  • FIG. 4 shows a graphical representation for the development of the DRT from time domain data over aging of the battery.
  • DRT time constants
  • FIG. 1 shows a schematic representation of an arrangement for determining or characterizing a relaxation behavior of a battery 1 by means of a measuring device 2.
  • the measuring device 2 is used to measure a measuring voltage Umeas, which indicates the terminal voltage of the battery 1.
  • Ri denotes the internal resistance of the battery
  • L/ocv denotes the open circuit voltage of the battery.
  • the relaxation behavior of the battery 1 is measured by means of the measuring device 2, with time-resolved voltage measurement values for the battery voltage being recorded.
  • a constant current load takes place beforehand.
  • Such a load scenario occurs in battery-operated vehicles (electric vehicles), for example in connection with a charging process.
  • polarization contributions and time constants for dynamic battery processes can then be determined.
  • the DRT is determined by means of a reconstruction of the voltage profile using a series connection of the RC elements 3 .
  • the voltage profile is only reconstructed during the relaxation phase. In this phase, the overvoltages built up during the previous constant current load gradually decrease and thus lead to a change in the cell voltage.
  • the resulting DRT with peaks 20 is shown in the lower graph.
  • the area under a peak in the DRT corresponds to the polarization contribution of an electrochemical process during relaxation in the battery 1 and the position of the peak (position of the maximum) corresponds to the time constant associated with the respective electrochemical process.
  • a method for non-invasively determining or characterizing a battery is explained in more detail below.
  • the number of RC elements for the reconstruction of the signal must correspond to a multiple of the number of processes.
  • ⁇ 20 or more RC elements per decade should be used.
  • the known analytical methods for the online parameterization of a corresponding ESB are limited to a few RC elements. Therefore, the least squares method is used to approximate the parameters by means of iterative calculation.
  • the pre-charging corresponds to the overvoltage components caused by electrochemical processes.
  • the overvoltage components cannot be estimated at all or only very imprecisely during a realistic load profile (e.g. during a driving cycle of an electric vehicle) due to the high dynamics.
  • the current load cannot be specified arbitrarily and the overvoltage components can thus be specifically influenced, but is dependent on the application.
  • the calculation can also be done using this equation if the cell is relaxed before charging. So that the method can also be used for faster charging methods (e.g. DC fast charging in electric vehicles) or smaller charging strokes, the equation must be expanded so that excitations occurring before charging are also taken into account:
  • I Cycie corresponds to the mean value of the current during the load scenario / driving cycle prior to charging. This can be determined from the battery management's continuously running ampere-hour counts. The duration of the load scenario / driving cycle t cycie can also be recorded. t cycie is initialized with zero after the end of the last relaxation phase, the duration of which is >4 T max . If such a relaxation phase is longer than 4 T max ago, an initialization with zero at 4 T max seconds before the start of the charging process is sufficient. By simulating the voltage of the LIB in the e-vehicle in realistic driving cycles (e.g.
  • n corresponds to the number of measurement data used to solve the optimization problem.
  • the measurement data used are pre-processed. A detailed description of the procedure required for this is given in the following section.
  • U sim represents the vector of the modeled voltages:
  • the voltage at a certain point in time t is calculated as follows:
  • U ok must be calculated according to equation (2) or (3).
  • the voltage curve after load drop u meas (t) is evaluated for the derivation of the DRT. Since purely ohmic behavior cannot be modeled using RC elements, the influence of the internal resistance of the cell/battery on the voltage response in the event of a load drop should not be taken into account. Therefore, only stress values that were recorded at least one time step after the load drop should be included in the evaluation.
  • the no-load voltage U ocv must be subtracted from the measured voltage values so that only the overvoltages that have developed as a result of dynamic processes are evaluated.
  • the last measured voltage value u meas (t max ) corresponds approximately to the open-circuit voltage.
  • the necessary minimum duration of the relaxation phase until the resting voltage is approached to less than 5 millivolts must be determined cell-specifically. For large format LIB, the duration ranges from about 1 to about 4 hours. With smaller cells, the necessary duration is shorter.
  • Equation (7) is simplified to:
  • the number of available measured values in the time domain is higher than the number of RC elements or parameters R k to be determined.
  • min ⁇ ] k ) ⁇ is therefore an overdetermined system.
  • the overdetermined system of equations (4) is solved with the help of the Tikhonov regularization, whereby in principle other methods can of course also be used.
  • the parameters R k are known by solving the optimization problem.
  • the DRT can be set up together with the previously defined, characteristic time constants rk (cf. FIG. 2).
  • rk characteristic time constants
  • Polarization contributions and time constants of the occurring electrochemical processes can be quantified.
  • the introduced method also makes it possible to identify processes with very large time constants, such as diffusion processes in the electrodes, and their parameters.
  • the specific parameters can be used to adapt the battery/cell model stored in the battery management system (BMS) to the current aging status of the battery during operation.
  • BMS battery management system
  • the available power of the battery/cell can be predicted more precisely in the online application and changes in the cell dynamics (caused by aging) can be taken into account.
  • the processes identified using DRT can be assigned to the individual electrodes.
  • correlations between the parameters of the electrode (active surface, active mass, electrode capacity) and the polarization contributions and time constants of the processes can be identified in laboratory tests.
  • the changes in the polarization contributions and time constants during operation identified with the method introduced can thus be assigned to the respective electrodes and allow conclusions to be drawn about the aging condition / parameters of the individual electrodes.
  • the capacitance of the individual electrodes significantly influences the total capacitance of LIB.
  • an estimate of the available total capacity can be made in addition to the power.
  • the risk of lithium plating occurring increases.
  • the method introduced it is therefore potentially possible to detect an increased risk of lithium plating and the operating limits can be adjusted accordingly (e.g. reducing the maximum permissible charging current).
  • the large-format cells frequently used in the automotive motive area and in stationary storage only have very low impedances.
  • Excitations in the range of ⁇ 0.1 C in combination with the measurement electronics available in online applications, lead to a signal-to-noise ratio (SNR) of less than 1. But even under laboratory conditions, the SNR becomes a limiting factor when measuring very low frequency ranges due to the correspondingly low suggestions to be selected.
  • SNR signal-to-noise ratio
  • the stress relaxation after charging an electric vehicle can be evaluated for the presented method.
  • the charging rates available today and the associated excitations can be in excess of 1 C and are expected to increase further as fast charging develops.
  • the underlying measurement method and the analysis method described can thus be used in current online applications without the installation of improved sensors and leads to an SNR that is improved by a factor of 10 or more.
  • Another advantage is the simultaneous excitation of different frequencies in the time domain.
  • the impedance for all frequencies must be measured sequentially one after the other. Depending on the setting, how many frequencies are measured per decade, this leads to measurement times of several hours for frequencies > 1 mHz up to several days for frequencies in the microhertz range. Accordingly, the DRT can only be specified for the measured frequency range of the impedance.
  • the DRT when evaluating the relaxation with a duration of just over 1 h, the DRT can be determined for frequencies > 1 mHz and for frequencies in the microhertz range with a duration of several hours to one day. The determination of the DRT in the laboratory for low frequencies is thus significantly accelerated and made possible in the first place in online applications.
  • the resolution of the underlying time domain data for the DRT is in principle only limited by the sampling rate. With a sampling rate of 1-10 Hz, this leads to a resolution of over 1000 associated measured values per decade for the DRT in the millihertz range. With the EIS, on the other hand, 8 to 16 measured values per decade are usually limited in order to ensure a tolerable measurement duration. In the DRT derived from frequency domain data, fewer processes tend to be identified at low frequencies because some peaks do not emerge due to the poorer resolution of the underlying measurement data. At this point it must be pointed out that in online applications, due to the limited computing and storage capacity, the resolution of the measurement data should be reduced during interpolation. However, 50 or more measured values per decade, which can be used to derive the DRT using time domain data, are still realistic.
  • each ESB element is assigned to a physical-chemical process. Changes in the parameters of the ESB elements that occur over time then allow conclusions to be drawn about the influence of aging on the associated processes. A suitable ESB must be determined individually for each cell chemistry and cell format. In addition, the dynamic behavior of the batteries can change significantly with aging and the ESB is therefore no longer suitable for modeling the behavior.
  • the technology proposed here for non-invasive determination of the battery is suitable for identifying polarization contributions and time constants of the processes involved, regardless of the battery technology and the condition of the battery.
  • processes can be identified and quantified that only occur as the battery ages and that were not known beforehand.
  • LIB large-format pouch cell
  • the cell was charged with 0.5 C by 20% SOC and then not loaded for four hours. Stress relaxation was recorded for the first 6 seconds at a sampling rate of 2 MHz. The initial sampling rate was chosen to be correspondingly high so that higher-frequency charge transfer processes can also be recorded and the results can be compared with the EIS measurement in this frequency range.
  • the sampling rate was reduced to 1 Hz and the voltage was recorded over the remaining 4 hours of the relaxation phase.
  • the DRT was derived from the measured stress curve during relaxation. EIS measurements were then carried out. A galvanostatic excitation with an amplitude of 0.05 C was set and the impedance was measured in the range from 50 kHz to 0.5 mHz. The cell temperature was kept constant during the experiment and the state of charge during the relaxation phase corresponded to the state of charge during the EIS. The DRT was then derived using the frequency domain data. Both calculated distributions of the time constants (DRT) are compared in FIG.
  • the DRT obtained from time domain data shows a comparatively better resolution of the processes.
  • the DRT based on frequency domain data only displays a single process for time constants between 10 and 1000 s.
  • the DRT derived from time domain data shows the existence of three different processes.
  • time constants that are an order of magnitude higher can be resolved.
  • the EIS measurement would take longer than a day.
  • the technology proposed here can be used for online diagnosis of the battery in an electric vehicle or in a stationary application, as well as for aging tests in the laboratory.
  • the method can be integrated into a battery management system (BMS) without the need for hardware adjustments. Due to the determined polarization contributions and time constants of the diffusion processes, aging mechanisms and changes in the cell dynamics can be recognized in good time and the operating parameters can be optimized accordingly. Since the solid-state diffusion processes depend on the state of charge of the battery or the electrodes, the parameters determined can also be used to determine the state of the battery. In addition, the specific parameters can be used for online parameterization of the battery models stored in the BMS.
  • the analysis method can be used to accelerate the duration of investigations into low-frequency processes and their change over aging and to achieve better resolution of the measurement data available for DRT for low-frequency processes. If correspondingly high sampling rates are available, higher-frequency processes, such as charge transfer processes, can also be investigated using the method.

Landscapes

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

Abstract

Die Offenbarung betrifft ein Verfahren zum nicht-invasiven Bestimmen einer Batterie, mit Bereitstellen einer Batterie (1); Laden der Batterie mit einem Konstantstrom, der einen Konstant- stromwert aufweist, für einen Ladezeitraum; Messen eines Relaxationsverhaltens der Batterie mittels einer Messeinrichtung (2) während eines Relaxationszeitraums nach Ende des Ladens für einen Messzeitraum, wobei für die Dauer des Messzeitraums zeitaufgelöst Spannungsmesswerte für eine Batteriespannung der Batterie erfasst werden und die Batterie frei von einer Strombelastung ist oder eine Strombelastung der Batterie (1) höchstens 5 Prozent des Konstantstromwerts beträgt; und Bestimmen einer Verteilfunktion für Zeitkonstanten aus den zeitaufgelöst erfassten Spannungsmesswerten, wobei für Peaks der Verteilfunktion eine Position auf der Zeitachse einem zeitlichen Wert einer Zeitkonstante und eine Fläche unter der Kurve einem Polarisationsbeitrag eines der Zeitkonstanten zugeordneten elektrochemischen Prozesses in der Batterie (1) entsprechen. Weiterhin sind eine Vorrichtung zum nicht-invasiven Bestimmen einer Batterie sowie ein Batterie-Managementsystem geschaffen.

Description

Verfahren und Vorrichtung zum nicht-invasiven Bestimmen einer Batterie sowie Batterie-Managementsystem
Die Erfindung betrifft ein Verfahren und eine Vorrichtung zum nicht-invasiven Bestimmen einer Batterie sowie ein Batterie-Managementsystem.
Hintergrund
Für den Umstieg auf erneuerbare Energie ist der Einsatz von Energiespeichersystemen not wendig. So müssen Schwankungen bei der Energieerzeugung durch Windkraft oder Photo- voltaik ausgeglichen werden, um Leistung jederzeit Bedarfsgerecht bereitstellen zu können. Darüber hinaus werden Energiespeicher für die Elektrifizierung des Verkehrs benötigt. In der Elektromobilität sind batterieelektrische Fahrzeuge am verbreitetsten, wobei sich hier wiede rum Lithium-Ionen-Batterien (LIB) aufgrund der vergleichsweise hohen Energie- und Leis tungsdichte durchgesetzt haben. In Elektrofahrzeugen und stationären Energiespeicher für die Netzstabilisierung werden große Batterien benötigt und stellen daher den Hauptkostenfaktor in diesen Anwendungen dar. Zudem sind die Batterien funktions- und sicherheitsrelevant. Dementsprechend sind die Anforderungen an Zuverlässigkeit und Lebensdauer hoch.
Nicht-invasive Untersuchungsmethoden werden benötigt, um ein umfassendes Verständnis über die zugrundeliegenden Alterungsmechanismen von Batterien zu erlangen und so Desig noptimierungen zu ermöglichen. Darüber hinaus sind die nicht-invasiven Methoden für die On linediagnose erforderlich, um Änderungen der Batterieparameter, wie Kapazität und Impe danz, zu quantifizieren. Anhand der Parameter können die verfügbare Energie und Leistung abgeschätzt und potentielle Risiken während des Betriebes rechtzeitig identifiziert werden.
In aktuellen Untersuchungen konnte anhand der kontinuierlichen Bestimmung der kinetischen Parameter (Impedanz) von LIB in zahlreichen Untersuchungen elektrochemische Prozesse und Alterungsmechanismen nachvollzogen und teilweise quantifiziert werden. Verglichen mit der Messung der Zellkapazität oder der Aufnahme der Ruhespannung, ist die Messung des dynamischen Verhaltens der Batterien deutlich weniger zeitaufwendig ( vgl. zum Beispiel Pas- tor-Fernändez et al., Journal of Power Sources, vol. 360, pp. 301-318, 2017, doi: 10.1016/j.jpowsour.2017.03.042).
In einer Laborumgebung kann mittels elektrochemische Impedanzspektroskopie (EIS) die Im pedanz der Batterien gemessen werden (vgl. Schmitt et al. , Journal of Power Sources, vol. 353, pp. 183-194, 2017, doi: 10.1016/j.jpowsour.2017.03.090). Für LIB kann eine Verteilfunk tion von Zeitkonstanten (engl. Distribution of Relaxation Times (DRT)) anhand von EIS-Mess- daten bestimmt werden. Die Anzahl von dominanten elektrochemischen Prozesse von LIB sowie deren Zeitkonstanten und Polarisationsbeiträge wurden mittels Analyse der DRT quan tifiziert (vgl. zum Beispiel Hahn et al., Batteries, vol. 5, no. 2, p. 43, 2019, doi: 10.3390/batte- ries5020043). Auch die Änderungen der Zeitkonstanten und Polarisa-tionsbeiträge während der Alterung der untersuchten Batterien wurden anhand der DRT nachvollzogen.
Ein großer Nachteil der EIS ist die fehlende generelle Verfügbarkeit in Onlineanwendungen, weshalb weiterführende DRT Analysen auf Laboruntersuchungen beschränkt sind. Die not wendigen sinusförmigen Anregungen für eine EIS können in Onlineanwendungen regelmäßig nicht erzeugt werden. Insbesondere die Vermessung der niederfrequenten Impedanz bedingt lange Messzeiten und geringe Signalamplituden und ist daher unter Betriebsbedingungen und mit marktüblicher Messelektronik nicht umzusetzen (vgl. Alavi et al., Journal of Power Sources, vol. 288, pp. 345-352, 2015, doi: 10.1016/j.jpowsour.2015.04.099). Aber auch unter Labor bedingungen wird bei der Vermessung tieferer Frequenzen die Einhaltung des stationären Zu standes sowie die Stromdrift zunehmend kritisch (vgl. Klotz et al., Electrochimica Acta, vol. 56, no. 24, pp. 8763-8769, 2011 , doi: 10.1016/j.electacta.2011.07.096). Die Messdauer steigt zu dem stark an und liegt für Frequenzen im Millihertzbereich bei mehreren Stunden bis hin zu mehreren Tagen für Frequenzen im Mikrohertzbereich.
Alternativ können die Zeitbereichsdaten von Strom- und Spannungsverläufen bei dynami schen Anregungen der Batterie ausgewertet werden, um die Impedanz der LIB und anderer Batterietypen zu bestimmen. Die Berechnung anhand von Zeitbereichsdaten ist generell schneller als die direkte Messung der Impedanz, da bei Anregungen im Zeitbereich mehrere Frequenzen simultan angeregt werden. Somit kann anhand von Zeitbereichsdaten auch eine höhere Frequenzauflösung realisiert werden, die insbesondere hinsichtlich der DRT von Inte resse ist. Im Gegensatz zur DRT anhand von Frequenzbereichsdaten ist das zu lösende Prob lem nicht mehr unterdeterminiert. In Zou et al. (Journal of Power Sources, vol. 390, pp. 286- 296, 2018, doi: 10.1016/j.jpowsour.2018.04.033) ist eine Übersicht zu den Möglichkeiten der Berechnung der Impedanz anhand von Zeitbereichsdaten gegeben. Zeitbereichsdaten, die aus Pulsmessungen hervorgehen, können mittels einer schnellen Fourier-Transformation (FFT) in den Frequenzbereich gebracht werden und anschließend kann die Impedanz im Fre quenzbereich kalkuliert werden. Die Anregung eines Pulses ist jedoch nicht-periodisch. Daher muss eine Fensterfunktion für die Transformation genutzt werden, die wiederum einen Offset des Signales erzeugt.
Um zusätzliche Fehlerquellen zu vermeiden, erfolgt in vielen Fällen alternativ zur FFT die Pa rametrierung eines vorab gewählten Ersatzschaltbild- (ESB) Modelles anhand der Zeitbe reichsdaten (vgl. Karger et al., Journal of Energy Storage, vol. 32, p. 101818, 2020, doi: 10.1016/j.est.2020.101818). Das ESB wird so gewählt, dass das Impedanzverhalten der Bat terie wiedergegeben werden kann. Das Hauptproblem bei der Wahl des ESB ist, dass es für jeden Batterietyp und jede Zellchemie individuell gewählt werden muss. Nur so kann auch ein semi-empirischer Ansatz verfolgt und ESB-Elemente physikalisch sinnvoll den ablaufenden elektrochemischen Prozessen zugeordnet werden. Zudem kann sich die Impedanz der Batte rien mit der Alterung und damit auch das dynamische Verhalten im Zeitbereich stark ändern. Daher bedarf es Vorkenntnisse über die beteiligten elektrochemischen Prozesse sowie über das Alterungsverhalten, um ein passendes Modell zu wählen.
Die DRT wird bisher anhand der Impedanz bestimmt. Die direkte Messung der Impedanz mit tels EIS ist in Verbindung mit Onlineanwendungen jedoch nicht möglich und bei tiefen Fre quenzen auch unter Laborbedingungen äußert zeitaufwendig und mit Ungenauigkeiten behaf tet. Die indirekte Bestimmung der Impedanz (über FFT oder ESB) anhand der Auswertung von Zeitbereichsdaten nach Strom- bzw. Spannungsimpulsen führt zu zusätzlichen Ungenauigkei ten und erfordert eine individuelle Definition eines Modelles für verschiedene Zellchemien und -typen (bei ESB).
Das Dokument US 2015 / 0 081 237 A1 betrifft ein Hybridmodell zur Bestimmung des Lade zustands von Lithiumbatterien, das sowohl ein physikalisches Modell als auch ein empirisches oder datengesteuertes Modell umfasst. Das physikalische Modell ist ein elektrochemisches Modell, das auf den Eigenschaften und der Struktur der Batteriematerialien basiert und dyna mische elektrochemische Reaktionen beschreibt. Das empirische Modell verwendet Coulomb- Zählung und einen Relaxationsfilter sowie einen Kalman-Filter zur adaptiven Kompensation der Systemparameter.
Das Dokument CN 112415415A bezieht sich auf ein Batterielebensdauer-Diagnoseverfahren basierend auf einer Niedertemperatur-Umgebungsmessung. Das Batterielebensdauer-Diag noseverfahren wird zum Erfassen eines Schwächungsgrads einer zu erfassenden Lithium- lonen-Batterie verwendet und umfasst die folgenden Schritte: 1) Kühlen der Lithium-Ionen- Batterie; 2) Durchführen eines elektrochemischen I pedanzspektroskopietests an der Li- thium-lonen-Batterie; 3) Erfassen eines elektrochemischen Impedanzspektrums der Batterie; 4) Berechnen des elektrochemischen Impedanzspektrums der Batterie unter Verwendung der Relaxationszeitverteilung, um ein Polarisationsverteilungsdiagramm von Zeitkonstanten in dem Grenzflächenpolarisationsprozess zu erhalten; 5) gemäß dem Polarisationsverteilungs diagramm der zeitkonstante des Grenzflächen-Polarisationsprozesses, entsprechendes Iden tifizieren von vier Grenzflächen-Polarisationsvorgängen in der Batterie gemäß der zentralen Zeitkonstante; 6) Erfassen des Grenzflächenwiderstands jedes Grenzflächenpolarisationspro zesses; und 7) Erfassen des Dämpfungsgrades jedes Grenzflächenpolarisationsprozesses der Kathode und der Anode der Lithium-Ionen-Batterie gemäß dem Grenzflächenwiderstand und Abschließen der Batterielebensdauerdiagnose.
Zusammenfassung
Aufgabe der Erfindung ist es, ein Verfahren und eine Vorrichtung zum nicht-invasiven Bestim men einer Batterie anzugeben, mit denen die Batterie anhand von Parametern charakterisiert werden kann.
Zur Lösung ist ein Verfahren und eine Vorrichtung zum nicht-invasiven Bestimmen einer Bat terie nach den unabhängigen Ansprüchen 1 und 12 geschaffen. Weiterhin ist ein Batterie- Managementsystem nach dem nebengeordneten Anspruch 13 geschaffen. Ausgestaltungen sind Gegenstand von abhängigen Unteransprüchen.
Nach einem Aspekt ist ein Verfahren zum nicht-invasiven Bestimmen oder Charakterisieren einer Batterie geschaffen, bei dem Folgendes vorgesehen ist: Bereitstellen einer Batterie; La den der Batterie mit einem Konstantstrom, der einen Konstantstromwert aufweist, für einen Ladezeitraum; Messen eines Relaxationsverhaltens der Batterie mittels einer Messeinrichtung während eines Relaxationszeitraums nach Ende des Ladens für einen Messzeitraum, wobei für die Dauer des Messzeitraums zeitaufgelöst Spannungsmesswerte für eine Batteriespan nung der Batterie erfasst werden und die Batterie frei von einer Strombelastung ist oder eine Strom belastung der Batterie höchstens 5 Prozent des Konstantstromwerts beträgt; und Be stimmen einer Verteilfunktion für Zeitkonstanten aus den zeitaufgelöst erfassten Spannungs messwerten, wobei für Peaks der Verteilfunktion eine Position auf der Zeitachse einem zeitli chen Wert einer Zeitkonstante und eine Fläche unter der Kurve einem Polarisationsbeitrag eines der zeitkonstanten zugeordneten elektrochemischen Prozesses in der Batterie entspre chen.
Nach einem weiteren Aspekt ist eine Vorrichtung zum nicht-invasiven Bestimmen oder Cha rakterisieren einer Batterie geschaffen, welche eine Datenverarbeitungseinrichtung aufweist, die eingerichtet ist, zeitaufgelöste Spannungsmesswerte für eine Batteriespannung einer Bat terie zu empfangen, wobei die zeitaufgelösten Spannungsmesswerte ein Relaxationsverhalten der Batterie anzeigen; und mittels einer Messeinrichtung während eines Relaxationszeitraums nach Ende eines Ladens der Batterie mit einem Konstantstrom, der einen Konstantstrom wert aufweist, für einen Messzeitraum gemessen werden, während dessen die Batterie frei von einer Strom belastung ist oder eine Strombelastung der Batterie höchstens 5 Prozent des Kon stantstroms beträgt. Weiterhin ist die Vorrichtung eingerichtet, aus den zeitaufgelöst erfassten Spannungsmesswerten eine Verteilfunktion für Zeit-konstanten zu bestimmen, wobei für Peaks der Verteilfunktion eine Position auf der Zeitachse einem zeitlichen Wert einer Zeitkon stante und eine Fläche unter der Kurve einem Polarisationsbeitrag eines der Zeitkonstanten zugeordneten elektrochemischen Prozesses in der Batterie entsprechen.
Weiterhin ist ein Batterie-Managementsystem mit der Vorrichtung zum nicht-invasiven Bestim men einer Batterie geschaffen. Die Messeinrichtung zum Messen der Relaxationsverhalten der Batterie anzeigenden zeitaufgelösten Spannungsmesswerte kann wahlweise Teil des Bat terie-Managementsystems oder getrennt hiervon gebildet sein. Die zeitaufgelösten Span nungsmesswerte werden von der Messeinrichtung an die Datenverarbeitungseinrichtung übertragen, um von dieser zum Bestimmen der Verteilfunktion für die Zeitkonstanten verarbei tet zu werden.
Das Batterie-Managementsystem kann Teil eines Managementsystems, welches einem Elekt rofahrzeug oder einem stationären Energiespeicher zugeordnet ist.
Das Verfahren und die Vorrichtung ermöglichen zum nicht-invasiven Charakterisieren oder Untersuchen (Bestimmen) eine direkte Bestimmung der Verteilfunktion für die Zeitkonstanten aus Zeitbereichsdaten.
Das Messen kann Folgendes umfassen: Messen des Relaxationsverhaltens in einem ersten Messzeitraum, wobei hierbei erste Spannungsmesswerte zeitaufgelöst erfasst werden; und Messen des Relaxationsverhaltens in einem zweiten Messzeitraum, welcher innerhalb des Relaxationszeitraums einen späteren Zeitraum als der erste Messzeitraum betrifft, wobei hier bei zweite Spannungsmesswerte zeitaufgelöst erfasst werden; wobei mittels einer Messewert- vorverarbeitung die ersten Spannungsmesswerte mit einer ersten Zeitauflösung und die zwei ten Spannungsmesswerte mit einer zweiten Zeitauflösung, die geringer als die erste Zeitauf lösung ist, für das Bestimmen der Verteilfunktion bereitgestellt werden.
Die zeitliche Auflösung der ersten Spannungsmesswerte kann einer Abtastperiode der Mess einrichtung entsprechen. Die Abtastperiode der Messeinrichtung gibt den zeitlichen Abstand zwischen aufeinanderfolgenden Messzeitpunkten beim zeitaufgelösten Messen an. Die zeit liche Auflösung der zweiten Spannungsmesswerte kann wenigstens dem Zehnfachen der für die ersten Spannungsmesswerte verwendeten Abtastperiode der Messeinrichtung entspre chen. Die zeitliche Auflösung der zweiten Spannungsmesswerte kann ein Vielfaches der Ab tastperiode betragen, zum Beispiel das 10- bis 100-fache.
Der erste Messzeitraum kann mit einem Anfang des Relaxationszeitraums beginnen.
Der Messzeitraum kann wenigstens so lang sein wie der zeitliche Wert einer größten Zeitkon stante. Der Messzeitraum kann ein Vielfaches des zeitlichen Werts der größten Zeitkonstante betragen, zum Beispiel das 2- bis 5-fache. In einer Ausgestaltung kann der zweite Messzeit raum wenigstens so lang sein wie der zeitliche Wert der größten Zeitkonstante. Der zweite Messzeitraum kann ein Vielfaches des zeitlichen Werts der größten Zeitkonstante betragen, zum Beispiel das 2- bis 5-fache.
Der Messzeitraum kann wenigstens dem Zehnfachen eines zeitlichen Werts der beim zeitauf gelösten Messen angewendeten Abtastperiode der Messeinrichtung entsprechen. In einer Ausgestaltung kann der erste Messzeitraum einem Vielfachen des zeitlichen Wertes der Ab tastperiode entsprechen, zum Beispiel das 20- bis 100-fache.
Als Batterie kann eine Lithium-Ionen-Batterie bereitgestellt werden.
Als Batterie kann eine in einem Elektrofahrzeug einen elektrischen Antrieb energiespeisende Fahrzeugbatterie bereitgestellt werden. Alternativ kann die Batterie als stationärer Energie speicher bereitgestellt sein. Das Laden der Batterie kann im Rahmen einer Wiederaufladung der Fahrzeugbatterie ausge führt werden. Zum Beispiel kann die Wederaufladung der Fahrzeugbatterie an Ladestation ausgeführt werden, beispielweise einer Ladesäule.
Die Spannungsmesswerte können mittels eines Steuersystems des Elektrofahrzeugs für die im Elektrofahrzeug angeordnete Fahrzeugbatterie zeitaufgelöst erfasst werden.
Bei dem Verfahren kann weiterhin Folgendes vorgesehen sein: Bereitstellen von Batteriemo delldaten in einer Datenverarbeitungseinrichtung, die ein Batteriemodell mit Modellparametern und Modellprozessen für die Batterie darstellen; Bereitstellen von Verteilfunktionsdaten in der Datenverarbeitungseinrichtung, welche die bestimmte Verteilfunktion für die Zeitkonstanten anzeigen; Bestimmen einer Zuordnung zwischen den Batteriemodelldaten und den Verteil funktionsdaten und Bestimmen von Batterieparametern, welche zumindest eine der folgenden Batterieeigenschaften anzeigen: Alterungszustand, einen Diffusionsprozess in der Batterie, Batteriekapazität, Batterieimpedanz, verfügbare Batterieleistung und Ladezustand der Batte rie.
Die Datenverarbeitungseinrichtung kann mittels eines Fahrzeug-Managementsystems des Elektrofahrzeugs bereitgestellt sein. Die im Rahmen der Bestimmung der Batterie gewonne nen Informationen betreffend den Zustand der Batterie können von dem Fahrzeugmanage mentsystem bei der Steuerung von Funktionen des Elektrofahrzeugs berücksichtigt werden. Ein erhöhter Polarisationsbeitrag eines Diffusionsprozesses an der Anode bei gealterter Bat terie führt zum Beispiel zu einer Zunahme der Verluste in der Batterie. Bei Anpassung einer zulässigen Stromgrenze durch das Fahrzeug-Management kann eine Überhitzung der Batterie vermieden werden. Mit der Änderung der Parameter eines Diffusionsprozesses an der Anode kann auch der Verlust von Aktivmasse an der Anode korreliert und damit die Gefahr von Li- thium-Plating frühzeitig detektiert werden.
Alternativ kann die Datenverarbeitungseinrichtung getrennt von Elektrofahrzeug gebildet sein, zum Beispiel in einer zentralen Servereinrichtung, an welche die zeitaufgelöst erfassten Span nungsmesswerte zur Verarbeitung und Auswertung mittels drahtloser Datenkommunikation übermittelt werden. Die zentrale Servereinrichtung kann beispielsweise Teil einen Fahrzeug- flotten-Managementsystems sein. Das Verfahren und die Vorrichtung ermöglichen das nicht-invasiven Bestimmen oder Charak terisierung von Parametern der Batterie sowie der hierin ablaufenden elektrochemischen Pro zesse, wobei Änderungen der Parameter während des Betriebes der Batterie nachvollzogen werden können. Die Identifikation der Parameterverläufe lässt Rückschlüsse auf ablaufende Degradationsmechanismen zu und ermöglicht somit die Optimierung von Betriebsstrategien und zukünftigem Batteriedesign.
Die vorangehend im Zusammenhang mit dem Verfahren erläuterten Ausgestaltungen können in Verbindung mit der Vorrichtung zum nicht-invasiven Bestimmen einer Batterie entsprechend vorgesehen sein.
Beschreibung von Ausführunqsbeispielen
Nachfolgend werden weitere Ausführungsbeispiele unter Bezugnahme auf Figuren einer Zeichnung näher erläutert. Hierbei zeigen:
Fig. 1 eine schematische Darstellung einer Anordnung für eine Messung eines Relaxations verhaltens einer Batterie;
Fig. 2 eine grafische Darstellung für einen simulierten Spannungsverlauf einer Batterie über der Zeit;
Fig. 3 eine grafische Darstellung zum Vergleich einer Verteilfunktion für Zeitkonstanten (DRT) aus EIS und Auswertung des Relaxationsverhaltens der Batterie; und Fig. 4 eine grafische Darstellung für die Entwicklung der DRT aus Zeitbereichsdaten über Alterung der Batterie.
Fig. 1 zeigt eine schematische Darstellung einer Anordnung für eine Bestimmung oder Cha rakterisierung eines Relaxationsverhaltens einer Batterie 1 mittels einer Messeinrichtung 2. Die Messeinrichtung 2 dient dem Messen einer Messspannung Umeas, die die Klemmspannung der Batterie 1 anzeigt. Beim Bestimmen von Parametern für die Batterie 1 auf Basis der für einen Messzeitraum zeitaufgelöst erfassten Spannungsmesswerte werden dynamische Über spannungsanteile Udyn mittels mehrerer RC-Glieder 3 modelliert, die mit jeweils einen Wider stand Rm und einen Kondensator Cm (mit A = 1 , ... , m , m > 1) aufweisen. In Fig. 1 bezeichnen Ri den Innenwiderstand der Batterie und L/ocvdie Ruhespannung der Batterie.
Nach dem die Batterie 1 mittels eines Konstantstroms für die Dauer eines Ladezeitraumes aufgeladen wurde, wird nach dem Ende des Ladezeitraums, sei es unmittelbar im Anschluss oder zeitversetzt hierzu, das Relaxationsverhalten der Batterie 1 mittels der Messeinrichtung 2 gemessen, wobei zeitaufgelöst Spannungsmesswerte für die Batteriespannung erfasst wer den.
Es ist vorgesehen, die Verteilfunktion für Zeitkonstanten (DRT) aus zeitaufgelöst erfassten Spannungsmesswerten während einer Relaxationsphase einer Batterie zu bestimmen. Vorher findet eine Konstantstrom-Belastung statt. Solch ein Belastungsszenario tritt in batteriebetrie benen Fahrzeugen (Elektrofahrzeugen) zum Beispiel in Verbindung mit einem Ladevorgang auf. Basierend auf Analyse der DRT können dann Polarisationsbeiträge und Zeitkonstanten für dynamische Prozesse der Batterie bestimmt werden.
Im Unterschied zu der bei Lithium-Ionen-Batterien (LIB) bekannten Bestimmung der DRT an hand von Impedanzdaten, wird die DRT mittels Rekonstruktion des Spannungsverlaufes unter Verwendung einer Reihenschaltung der RC-Glieder 3 bestimmt. Um keinen überlagerten Ein fluss der sich bei Ladung oder Entladung verändernden Ruhespannung der Batterie 1 (zum Beispiel Lithium-Ionen-Zellen) zu haben, ist bevorzugt vorgesehen, den Spannungsverlauf nur während der Relaxationsphase zu rekonstruieren. In dieser Phase bauen sich die während der vorangegangen Konstantstrom- Belastung aufgebauten Überspannungen allmählich ab und führen damit zu einer Änderung der Zellspannung.
Die Verteilfunktion ergibt sich mittels Aufträgen der ohmschen Widerständen R der für die Re konstruktion notwendigen RC-Glieder 3 über die zugehörigen, charakteristischen Zeitkonstan ten der RC-Glieder (t = RC).
In Fig. 2 ist im oberen Graph ein simulierte Spannungsverlauf einer als Lithium-Ionen-Zelle ausgebildeten Batterie während einer konstanten Anregung (t < Os) und einer anschließenden Relaxationsphase (t > Os) dargestellt. Ebenfalls ist der Verlauf des mittels der RC-Glieder 3 rekonstruierten Spannungssignals für die Relaxationsphase (t > Os) gegeben.
Im unteren Graph ist die resultierende DRT mit Peaks 20 dargestellt. Die Fläche unter einem Peak in der DRT entspricht dem Polarisationsbeitrag eines elektrochemischen Prozesses während der Relaxation in der Batterie 1 und die Position des Peaks (Stelle des Maximums) der dem jeweiligen elektrochemischen Prozess zugeordneten Zeitkonstante. Im Folgenden wird ein Verfahren zum nicht-invasiven Bestimmen oder Charakterisieren einer Batterie näher erläutert.
Optimierungsproblem
Damit die Auflösung der DRT hoch genug ist, um die auftretenden Peaks und damit die betei ligten Prozesse sowie deren Parameter identifizieren zu können, muss die Anzahl an RC-Glie- dern für die Rekonstruktion des Signales einem Vielfachen der Anzahl der Prozesse entspre chen. Für LIB sollten ~20 oder mehr RC-Glieder pro Dekade verwendet werden. Die bekann ten analytischen Methoden für die Onlineparametrierung eines entsprechenden ESB sind da gegen auf wenige RC-Glieder beschränkt. Daher wird die Methode der kleinsten Quadrate verwendet, um die Parameter mittels iterativer Berechnung annähern zu können.
Um das Optimierungsproblem im Zeitbereich lösen zu können, muss die Vorladung der RC- Glieder 3 zum Zeitpunkt des Lastabfalls U0 bekannt sein (Anzahl der RC-Glieder = m).
Die Vorladung entspricht den durch elektrochemische Prozesse bedingten Überspanungsan teilen. Die Überspannungsanteile können während eines realistischen Belastungsprofiles (zum Beispiel während eines Fahrzyklus eines Elektrofahrzeuges) aufgrund der hohen Dyna mik gar nicht bzw. nur sehr ungenau abgeschätzt werden. Im Gegensatz zu Laborbedingun gen kann die Strombelastung auch nicht beliebig vorgegeben und die Überspannungsanteile damit gezielt beeinflusst werden, sondern ist durch die Anwendung bedingt ist.
Bei Ladezeiten größer des Vierfachen der größten zu untersuchenden Zeitkonstante rmax (zum Beispiel bei E-Fahrzeug ein- bis dreiphasiges Laden über ICCB-Kabel oder Wandla destationen über mehrere Stunden) kann der Einfluss von vor der Ladung stattfindender An regungen auf die Vorladung der RC-Glieder 3 vernachlässigt werden. Spannungsbeiträge zur Vorladung die bspw. durch einen vorangegangenen Fahrzyklus bedingt sind, sind nach Ab schluss des Ladevorganges auf unter 2% des ursprünglichen Wertes gefallen. Die Berech nung der Vorladung kann damit allein anhand des Ladestromes Icp sowie der Ladedauer tcp berechnet werden:
Die Berechnung kann ebenfalls mittels dieser Gleichung erfolgen, wenn die Zelle vor der La dung relaxiert ist. Damit die Methode auch bei schnelleren Ladeverfahren (zum Beispiel DC- Schnellladung im E-Fahrzeug) oderauch kleineren Ladehübe angewendet werden kann, muss die Gleichung insofern erweitert werden, dass auch vor der Ladung stattfindende Anregungen berücksichtigt sind:
ICycie entspricht dem Mittelwert des Stromes während des vor der Ladung vorangegangenen Belastungsszenarios / Fahrzykluses. Dieser ist kann anhand der durchgehend laufenden Am perestundenzählungen des Batteriemanagements bestimmt werden. Ebenso kann die Dauer des Belastungsszenarios / Fahrzykluses tcycie erfasst werden. Mit Null initialisiert wird tcycie nach Beendigung der letzten Relaxationsphase, deren Dauer > 4 Tmax ist. Falls eine solche Relaxationsphase länger als 4 Tmax her ist, ist eine Initialisierung mit Null bei 4 Tmax Sekun den vor Beginn des Ladevorganges ausreichend. Anhand der Simulation der Spannung von LIB im E-Fahrzeug bei realistischen Fahrzyklen (zum Beispiel FUDS) konnte festgestellt wer- den, dass die, für die eingeführte Methode, notwendige Dauer des Ladevorganges mit kon stantem Strom von 4 Tmax auf Tmax herabgesetzt wird, wenn Gleichung (3) verwendet wird. Das Verfahren kann so alltagstauglich im E-Fahrzeug eingesetzt werden, da entsprechende Ladungen mit anschließender Relaxation der Batterie häufig Vorkommen. Die Werte der Widerstände Rk und die Kapazitäten Ck der RC-Glieder 3 sind so gewählt, dass die Abweichungen zwischen dem modellierten Spannungsverlauf usim(t) sowie dem gemes senen Verlauf ureiax(t) minimiert werden. Die Methode der kleinsten Quadrate führt zu folgen dem Optimierungsproblem fc, fc)}:
2
J — 11 Usim - U, relax (4) Wobei Ureiax den Vektor der Spannungsmessdaten darstellt:
Die Zahl n entspricht der Anzahl der für die Lösung des Optimierungsproblems verwendeten Messdaten. Die verwendeten Messdaten sind vorverarbeitet. Eine detaillierte Beschreibung für das dafür notwendige Vorgehen wird im folgenden Abschnitt gegeben. Usim stellt den Vek tor der modellierten Spannungen dar:
Wobei sich die Spannung zu einem bestimmten Zeitpunkt t wie folgt berechnet:
Je nach Ladedauer bzw. vorangegangenen Belastungsszenario ist Uo k gemäß Gleichung (2) oder (3) zu berechnen.
Vorverarbeitunq von Messdaten
Der Spannungsverlauf nach Lastabfall umeas(t ) wird für die Ableitung der DRT ausgewertet. Da rein ohmsches Verhalten nicht durch RC-Glieder modelliert werden kann, sollte der Ein fluss des Innenwiderstandes der Zelle / Batterie auf die Spannungsantwort bei Lastabfall nicht berücksichtigt werden. Es sind daher nur Spannungswerte in die Auswertung mit einzubezie hen, die mindestens einen Zeitschritt nach dem Lastabfall aufgezeichnet wurden.
Zudem muss die Ruhespannung Uocv von den gemessenen Spannungswerten subtrahiert werden, damit nur die aufgrund von dynamischen Prozessen ausgebildeten Überspannungen ausgewertet werden. Unter der Annahme einer nahezu vollständig relaxierten Zelle (Batterie) am Ende der aufgezeichneten Relaxationsphase entspricht der zuletzt gemessene Span nungswert umeas(tmax ) ungefähr der Ruhespannung. Für die dynamischen Überspannungs anteile udyn(t ) gilt somit näherungsweise: Die notwendige Mindestdauer der Relaxationsphase bis zu einer Annäherung auf weniger als 5 Millivolt an die Ruhespannung muss zellspezifisch ermittelt werden. Für großformatige LIB liegt die Dauer im Bereich von etwa 1 bis etwa 4 Stunden. Bei kleineren Zellen ist die notwen dige Dauer geringer.
Zu Beginn der Relaxationsphase tragen alle elektrochemischen Prozesse zu Änderungen der Überspannungsanteile bei. Mit Fortschreiten der Relaxation sind jedoch nur noch Prozesse mit größeren Zeitkonstanten relevant. Zudem sinkt das Signal zu Rausch Verhältnis aufgrund der sich verringernden Überspannung udyn(t ) während der Relaxation kontinuierlich. Mittels Interpolation werden aus udyn(t ) entlang der logarithmischen Zeitachse gleichverteilte Span nungswerte ureiax(t ) bestimmt. Dadurch werden die Messwerte zu Beginn der Relaxations phase höher gewichtet.
Definition von Zeitkonstanten
Mit Erhöhung der Anzahl der RC-Glieder erhöht sich die Anzahl der zu bestimmenden Para meter und damit die notwendige Rechenleistung für die Lösung des Problems. Wie bei der DRT anhand von Frequenzbereichsdaten üblich ist daher für die Parameterschätzung die Zeit konstanten rk = RkCk festzulegen, um das Optimierungsproblem zu linearisieren (vgl. hierzu Hahn et al., Batteries, vol. 5, no. 2, p. 43, 2019, doi: 10.3390/batteries5020043). Gleichung (7) vereinfacht sich damit zu:
Und äquivalent dazu vereinfachen sich auch die Gleichungen (2) und (3) für die Berechnung von Uo k\ bzw.
In Anbetracht der Natur elektrochemischer Prozesse wird dabei eine äquidistante Verteilung der Zeitkonstanten entlang einer logarithmischen Skala angenommen. Die notwendige Anzahl an zu bestimmenden RC-Glieder für eine DRT über mehrere Dekaden wird so auf ein Minimum beschränkt (>20 pro Dekade). Durch die Linearisierung und die Annahme von logarithmisch verteilten Zeitkonstanten lässt sich der Rechenaufwand signifikant senken. Eine Lösung des Optimierungsproblems ist somit auf einem Mikrocontroller bzw. im Rahmen einer Onlinean wendung möglich. Die untere Grenze der beobachtbaren Zeitkonstanten ist durch die maxi male Abtastrate und die obere Grenze durch die Dauer des Relaxationsprozesses tmax be grenzt. Die kleinste Zeitkonstante Tmin und die größte Tmax sind entsprechend festzulegen:
T-min — ^sample /p [22]
Im Gegensatz zur DRT Bestimmung anhand von Frequenzbereichsdaten liegt im Zeitbereich die Anzahl der verfügbaren Messwerte höher als die Anzahl der zu bestimmenden RC-Glieder bzw. Parameter Rk. Bei dem Optimierungsproblem min{] k)} handelt es sich daher um ein überbestimmtes System. Mit Hilfe der Tikhonov Regularisierung wird das überbestimmte Glei chungssystem (4) gelöst, wobei prinzipiell natürlich auch andere Methoden verwendet werden können.
Evaluierung der Verteilfunktion für die Zeitkonstanten (DRT)
Mittels Lösung des Optimierungsproblems sind die Parameter Rk bekannt. Zusammen mit den vorher festgelegten, charakteristischen Zeitkonstanten rk kann die DRT aufgestellt werden (vgl. Fig. 2). Durch Bestimmung der Position der auftretenden Peaks, sowie der Fläche unter den Peaks, können, wie aus der Literatur bekannt (vgl. zum Beispiel Hahn et al., Batteries, vol. 5, no. 2, p. 43, 2019, doi: 10.3390/batteries5020043). Polarisationsbeiträge sowie Zeitkon stanten der auftretenden elektrochemischen Prozesse quantifiziert werden. Durch die einge führte Methode sind insbesondere auch Prozesse mit sehr großen Zeitkonstanten, wie Diffu sionsprozesse in den Elektroden, sowie deren Parameter identifizierbar. Die bestimmten Parameter (Polarisationsbeiträge, Zeitkonstanten) können zum einen genutzt werden, um das im Batterie-Managementsystem (BMS) hinterlegte Batterie- / Zellmodell auf den aktuellen Alterungszustand der Batterie während des Betriebes anzupassen. Dadurch kann die verfügbare Leistung der Batterie / Zelle in der Onlineanwendung genauer prognosti ziert und dabei (durch Alterung bedingte) Änderungen in der Zelldynamik berücksichtigt wer den.
Anhand von zellspezifischen Vorstudien unter Laborbedingungen können die mittels der DRT identifizierten Prozesse den einzelnen Elektroden zugeordnet werden. In Laboruntersuchgen können zudem Korrelationen zwischen den Parametern der Elektrode (Aktive Oberfläche, Ak tivmasse, Elektrodenkapazität) und den Polarisationsbeiträgen und Zeitkonstanten der Pro zesse identifiziert werden. Die, mit der eingeführten Methode identifizierten, Änderungen der Polarisationsbeiträge sowie Zeitkonstanten während des Betriebes können somit den jeweili gen Elektroden zugeordnet werden und lassen Rückschlüsse auf den Alterungszustand / Pa rameter der einzelnen Elektroden zu.
Die Kapazität der Einzelelektroden beeinflusst maßgeblich die Gesamtkapazität von LIB. Mit der eingeführten Methode kann daher neben der Leistung auch eine Abschätzung über die verfügbare Gesamtkapazität getroffen werden. Mit Abnahme der Kapazität der Anode steigt das Risiko für auftretendes Lithium-Plating. Mit der eingeführten Methode ist es daher poten tiell möglich ein gestiegenes Risiko von Lithium-Plating zu detektieren und die Betriebsgrenzen können entsprechend angepasst werden (zum Beispiel Verringerung des maximal zulässigen Ladestromes).
Die Ableitung der DRT anhand der Spannungsrelaxation bzw. Zeitbereichsdaten weist einige Vorteile gegenüber der bekannten Bestimmung der DRT basierend auf EIS-Messdaten auf:
Zum einen sind keine sinusförmigen Anregungen notwendig, sondern Phasen mit einer kon stanten Strom belastung und anschließender Relaxation der Zellen. Da solche Belastungspro file in realen Anwendung (zum Beispiel bei Ladung eines Elektrofahrzeuges) Vorkommen, ist der Einbau zusätzlicher Hardware nicht notwendig, um die entsprechenden Profile realisieren zu können. Des Weiteren muss bei der EIS die Anregung insbesondere bei der Vermessung des nieder frequenten Impedanzverhaltens begrenzt werden, um die Stationarität nicht zu verletzten. An regungen die einer C-Rate von max. 0,1 C entsprechen (C-Rate = Strom / Nominalkapazität) bewirken bereits eine Änderung des Ladezustandes von ±0,9 % bei der Vermessung der Im pedanz bei 1 mHz und ±8,8 % bei 100 uHz. Insbesondere die im Auto Motive Bereich und bei stationären Speichern häufig eingesetzten großformatigen Zellen weißen nur sehr geringen Impedanzen auf. Anregungen im Bereich von <0,1 C führen hier im Zusammenspiel mit der in Onlineanwendungen verfügbaren Messelektronik zu einem Signal zu Rausch Verhältnis (SNR) von unter 1. Aber auch unter Laborbedingungen wird bei der Vermessung von sehr tiefen Frequenzbereichen das SNR zu einem limitierenden Faktor aufgrund der entsprechend niedrig zu wählenden Anregungen. Für das vorgestellte Verfahren kann, wie bereits erörtert, die Spannungsrelaxation nach der Ladung eines Elektrofahrzeuges ausgewertet werden. Die heute verfügbaren Laderaten und die damit verbundenen Anregungen können über 1 C liegen und werden mit der Weiterentwicklung der Schnellladung voraussichtlich weiter ansteigen. Das zugrundliegende Messverfahren und die beschriebene Analysemethode kann damit ohne den Einbau verbessert Sensorik in derzeitigen Onlineanwendungen eingesetzt werden und führt zu einem um den Faktor 10 oder größer verbesserten SNR.
Ein weiterer Vorteil bietet die simultane Anregung verschiedener Frequenzen im Zeitbereich. Bei der EIS muss die Impedanz für alle Frequenzen sequentiell nacheinander vermessen wer den. Je nach Einstellung wie viele Frequenzen pro Dekade vermessen werden, führt das zu Messzeiten von mehreren Stunden für Frequenzen > 1 mHz bis hin zu mehreren Tagen für Frequenzen im Mikrohertzbereich. Die DRT kann entsprechend nur für den vermessenen Fre quenzbereich der Impedanz angegeben werden. Im Gegensatz dazu kann bei der Auswertung der Relaxation mit einer Zeitdauer knapp über 1 h die DRT für Frequenzen > 1 mHz und bei einer von Dauer von mehreren Stunden bis einem Tag bereits für Frequenzen im Mikrohertz bereich bestimmt werden. Die Bestimmung der DRT im Labor für tiefe Frequenzen wird damit erheblich beschleunigt und in Onlineanwendungen überhaupt erst ermöglicht.
Die Auflösung der zu Grunde liegenden Zeitbereichsdaten für die DRT wird zudem prinzipiell nur durch die Abtastrate eingeschränkt. Bei einer Abtastrate von 1-10 Hz führt das zu einer Auflösung von über 1000 zugehörigen Messwerten pro Dekade für die DRT im Millihertzbe reich. Bei der EIS wird sich dagegen meist auf 8 bis 16 Messwerte pro Dekade beschränkt, um eine verträgliche Messdauer zu gewährleisten. In der DRT abgeleitet aus Frequenzbe reichsdaten können dadurch tendenziell weniger Prozesse bei tiefen Frequenzen identifiziert werden, da einige Peaks aufgrund der schlechteren Auflösung der zugrundeliegenden Mess daten nicht hervortreten. An dieser Stelle muss darauf hingewiesen werden, dass in Online anwendungen, aufgrund der beschränkten Rechen- und Speicherkapazität, die Auflösung der Messdaten bei der Interpolation reduziert werden sollte. Realistisch sind allerdings immer noch 50 oder mehr Messwerte pro Dekade, die für die Ableitung der DRT anhand von Zeitbereichs daten genutzt werden können.
Es verschiedene Ansätze für die Untersuchung und der Zustandsbestimmung von Batterien anhand von Pulsauswertungen bekannt. Hierzu gehören auch Verfahren, die onlinefähig sind. Bei diesen Verfahren wird ein vordefiniertes ESB angenommen, und die Parameter werden anhand der Spannungsantwort bei bekanntem Stromprofil bestimmt. Für die Onlineparamet rierung der ESB-Modelle wurden analytische Methoden vorgeschlagen (vgl. Karger et al., Journal of Energy Storage, vol. 32, p. 101818, 2020, doi: 10.1016/j.est.2020.101818), die al lerdings nur eine sehr begrenzte Anzahl an ESB-Elementen zulassen und daher die Vielzahl an auftretenden Prozessen nicht wiederspiegeln können. Komplexere ESB-Modelle werden mittels iterativ numerischen Lösungsmethoden parametriert. Die festzulegenden Anfangs werte erfordern allerding Vorkenntnisse über die elektrochemischen Prozesse und ihre unge fähren Zeitkonstanten und Polarisationsbeiträgen.
Wird ein semi-empirische Ansatz verfolgt wird jedes ESB-Element einem physikalisch-chemi schen Prozess zugeordnet. Mit der zeit auftretende Änderungen der Parameter der ESB-Ele- mente lassen dann Schlussfolgerungen auf den Einfluss der Alterung auf die zugeordneten Prozesse zu. Ein passendes ESB muss für jede Zellchemie sowie für jedes Zellformat indivi duell ermittelt werden. Hinzukommt, dass sich das dynamische Verhalten der Batterien über die Alterung maßgeblich ändern kann und das ESB somit nicht mehr für die Modellierung des Verhaltens geeignet ist.
Die hier vorgeschlagene Technologie zum nicht-invasiven Bestimmen der Batterie eignet sich unabhängig von der Batterietechnologie sowie dem Zustand der Batterie, Polarisationsbei träge sowie Zeitkonstanten der beteiligten Prozesse zu identifizieren. Außerdem können Pro zesse identifiziert und quantifiziert werden, die erst mit Alterung der Batterie auftreten und vorab noch nicht bekannt waren. Für die experimentelle Validierung des Verfahrens wurden an einer großformatigen Pouch- Zelle (LIB) aus dem Auto Motive Bereich sowohl Pulsmessungen als auch die EIS durchge führt. Dafür wurde die Zelle mit 0.5 C um 20 % SOC aufgeladen und anschließend für vier Stunden nicht belastet. Die Spannungsrelaxation wurde in den ersten 6 Sekunden mit einer Abtastrate von 2 MHz aufgezeichnet. Die anfängliche Abtastrate wurde entsprechend hoch gewählt, damit auch höherfrequente Ladungsdurchtrittsprozesse erfasst werden können und die Ergebnisse mit der EIS-Messung in diesem Frequenzbereich verglichen werden kann. Nach den 6 Sekunden wurde die Abtastrate auf 1 Hz reduziert und die Spannung über die restlichen 4 h der Relaxationsphase aufgezeichnet. Anhand des gemessenen Spannungsver laufes während der Relaxation wurde die DRT abgeleitet. Anschließend wurden EIS-Messun- gen durchgeführt. Dabei wurde eine galvanostatische Anregung mit einer Amplitude von 0.05 C eingestellt und die Impedanz im Bereich von 50 kHz bis 0.5 mHz vermessen. Die Zell temperatur wurde während des Experimentes konstant gehalten und der Ladezustand wäh rend der Relaxationsphase entsprach dem Ladezustand bei der EIS. Anschließend wurde die DRT anhand der Frequenzbereichsdaten abgeleitet. In Fig. 3 werden beide berechneten Ver teilungen der Zeitkonstanten (DRT) gegenübergestellt.
Es zeigt sich das für Zeitkonstanten unter 2 s (bzw. Frequenzen über 80 mHz) mit beiden Me thoden insgesamt vier Prozesse identifiziert werden können. Die Auflösung der DRT aus Zeit bereichsdaten ist doppelt so hoch, daher können die Höhen der Peaks in einer DRT nicht direkt mit denen in der anderen DRT verglichen werden. Für die Berechnung der Polarisati onsbeiträge der identifizierten Prozesse werden alle Beiträge innerhalb eines Peaks addiert. Bei Vergleich der berechneten Beiträge aus beiden DRT zeigt sich, dass die Werte für die jeweiligen Peaks in derselben Größenordnung liegen. Prozesse in diesem Frequenzbereich werden dem Ladungsdurchtritt zugeordnet (vgl. Hahnet al., Batteries, vol. 5, no. 2, p. 43, 2019, doi: 10.3390/batteries5020043). Gemäß der Butler-Volmer-Gleichung sind für diese Prozesse aufgrund der unterschiedlichen Anregungen bei EIS und Spannungsrelaxation leichte Abwei chungen zwischen den Zeitkonstanten und Polarisationsbeiträgen beider DRT zu erwarten (vgl. Kindermann et al., Electrochimica Acta, vol. 185, pp. 107-116, 2015, doi: 10.1016/j.electacta.2015.10.108).
Für Zeitkonstanten > 10 s zeigt die aus Zeitbereichsdaten gewonnene DRT eine vergleichs weise bessere Auflösung der Prozesse. Die auf Frequenzbereichsdaten basierende DRT zeigt nur einen einzelnen Prozess an für Zeitkonstanten zwischen 10 und 1000 s. Im Gegensatz dazu zeigt die aus Zeitbereichsdaten abgeleitet DRT die Existenz von drei verschiedenen Pro zessen. Außerdem können um eine Größenordnung höhere Zeitkonstanten aufgelöst werden. Für eine Auflösung ähnlich großer Zeitkonstanten würde die EIS-Messung länger als einen Tag in Anspruch nehmen. Mit diesem Experiment konnte nachgewiesen werden, dass die ein geführte Methode vorteilhaft sein kann, um Prozesse mit großen Zeitkonstanten, wie bspw. der Festkörperdiffusion zu untersuchen. Die Methode kann ebenfalls genutzt werden, um die Polarisationsbeiträge für Frequenzen über 1 Hz zu untersuchen, bedingt dann aber hoher Ab tastraten, wie sie üblicherweise nur unter Laborbedingungen verfügbar sind.
Alterungsuntersuchung
Im Rahmen einer Alterungsuntersuchung wurden mehrere Zellen der bereits im vorangegan gen Experiment genutzten LIB unter festdefinierten Bedingungen zyklisiert. In regelmäßigen Abständen wurde die Zyklisierung unterbrochen und die im vorherigen Kapitel beschriebenen Messungen (EIS sowie Pulsmessung) durchgeführt. Die Abtastrate für die Aufzeichnung der Spannungsrelaxation wurde dabei unter Beachtung der Rahmenbedingungen in Onlinean wendungen auf maximal 10 Hz begrenzt. Anhand der aus der Spannungsrelaxation abgelei teten DRT konnten signifikante Steigerungen der Polarisationsbeiträge von niederfrequenten Prozessen (Festkörperdiffusion) über die Alterung der Zellen festgestellt werden. Die aus den EIS-Messdaten gewonnene DRT zeigte, aufgrund der Beschränkung auf höhere Frequenzen, dagegen keinen starken Anstieg der Polarisationsbeiträge bei tiefen Frequenzen. In Fig. 4 ist die aus Zeitbereichsdaten abgeleitete DRT über die Alterung der Zellen gegeben.
Es konnte eine Korrelation zwischen den ermittelten Polarisationsbeitrag der Festkörperdiffu sion und der Kapazität der Anode sowie der Gesamtkapazität der untersuchten Zellen abge leitet werden. Die gefundenen Korrelationen erlauben eine Abschätzung der Zell- sowie der Anodenkapazität, zum Beispiel im Onlinebetrieb, und liefern einen Indikator für ein gestiege nes Risiko von Lithium-Plating.
Das hier vorgeschlagene Technik kann sowohl für die Onlinediagnose der Batterie im Elektro fahrzeug oder in einer stationären Anwendung, als auch für Alterungsuntersuchungen im La bor verwendet werden. Für die Onlinediagnose kann die Methode in ein Batterie-Managementsystem (BMS) integriert werden, ohne dass Anpassungen an der Hardware notwendig sind. Durch die ermittelten Po larisationsbeiträge und Zeitkonstanten der Diffusionsprozesse können ablaufende Alterungs mechanismen und Änderungen in der Zelldynamik rechtzeitig erkannt und die Betriebspara- meter entsprechend optimiert werden. Da die Festkörperdiffusionsprozesse abhängig vom La dezustand der Batterie bzw. der Elektroden sind, können die ermittelten Parameter darüber hinaus für die Zustandsbestimmung der Batterie genutzt werden. Zudem können die bestimm ten Parameter für eine Online-Parametrierung der im BMS hinterlegten Batteriemodelle ver wendet werden.
Unter Laborbedingungen kann die Analysemethode angewendet, um die Dauer von Untersu chungen über niederfrequente Prozesse und deren Änderung über die Alterung zu beschleu nigen und eine bessere Auflösung der für die DRT verfügbaren Messdaten für niederfrequente Prozesse zu erreichen. Wenn entsprechend hohe Abtastraten verfügbar sind, können zudem auch höherfrequente Prozesse, wie Ladungsdurchtrittsprozesse, mit der Methode untersucht werden.
Die in der vorstehenden Beschreibung, den Ansprüchen sowie der Zeichnung offenbarten Merkmale können sowohl einzeln als auch in beliebiger Kombination für die Verwirklichung der verschiedenen Ausführungen von Bedeutung sein.

Claims

Ansprüche
1. Verfahren zum nicht-invasiven Bestimmen einer Batterie, mit
- Bereitstellen einer Batterie (1);
- Laden der Batterie mit einem Konstantstrom, der einen Konstantstromwert aufweist, für einen Ladezeitraum;
- Messen eines Relaxationsverhaltens der Batterie mittels einer Messeinrichtung (2) während eines Relaxationszeitraums nach Ende des Ladens für einen Messzeitraum, wobei für die Dauer des Messzeitraums
- zeitaufgelöst Spannungsmesswerte für eine Batteriespannung der Batterie erfasst werden und
- die Batterie frei von einer Strombelastung ist oder eine Strombelastung der Batte rie (1) höchstens 5 Prozent des Konstantstromwerts beträgt; und
- Bestimmen einer Verteilfunktion für Zeitkonstanten aus den zeitaufgelöst erfassten Spannungsmesswerten, wobei für Peaks der Verteilfunktion eine Position auf der Zeitachse einem zeitlichen Wert einer Zeitkonstante und eine Fläche unter der Kurve einem Polarisationsbeitrag eines der Zeitkonstanten zugeordneten elektrochemi schen Prozesses in der Batterie (1) entsprechen.
2. Verfahren nach Anspruch 1 , dadurch g e ke n n ze i c h n e t, dass das Messen Folgen des umfasst:
- Messen des Relaxationsverhaltens in einem ersten Messzeitraum, wobei hierbei erste Spannungsmesswerte mit zeitaufgelöst erfasst werden; und
- Messen des Relaxationsverhaltens in einem zweiten Messzeitraum, welcher inner halb des Relaxationszeitraums einen späteren Zeitraum als der erste Messzeitraum betrifft, wobei hierbei zweite Spannungsmesswerte zeitaufgelöst erfasst werden; wobei mittels einer Messewertvorverarbeitung die ersten Spannungsmesswerte mit ei ner ersten Zeitauflösung und die zweiten Spannungsmesswerte mit einer zweiten Zeit auflösung, die geringer als die erste Zeitauflösung ist, für das Bestimmen der Verteil funktion bereitgestellt werden.
3. Verfahren nach Anspruch 2, dadurch g e ke n n z e i c h n e t, dass der erste Messzeit raum mit einem Anfang des Relaxationszeitraums beginnt.
4. Verfahren nach mindestens einem der vorangehenden Ansprüche, dadurch g e ke n n z e i c h n e t, dass der Messzeitraum wenigstens so lang ist wie der zeitliche Wert einer größten Zeitkonstante.
5. Verfahren nach mindestens einem der vorangehenden Ansprüche, dadurch gekenn zeichnet, dass der Messzeitraum wenigstens dem Zehnfachen eines zeitlichen Werts einer Abtastperiode der Messeinrichtung (2) entspricht.
6. Verfahren nach mindestens einem der vorangehenden Ansprüche, dadurch gekenn zeichnet, dass als Batterie (1) eine Lithium-Ionen-Batterie bereitgestellt wird.
7. Verfahren nach mindestens einem der vorangehenden Ansprüche, dadurch gekenn zeichnet, dass als Batterie (1) eine in einem Elektrofahrzeug einen elektrischen An trieb energiespeisende Fahrzeugbatterie bereitgestellt wird.
8. Verfahren nach Anspruch 7, dadurch gekennzeichnet, dass das Laden der Batte rie (1) im Rahmen einer Wiederaufladung der Fahrzeugbatterie ausgeführt wird.
9. Verfahren nach Anspruch 7 oder 8, dadurch gekennzeichnet, dass die Span nungsmesswerte mittels eines Steuersystems des Elektrofahrzeugs für die im Elektro fahrzeug angeordnete Fahrzeugbatterie zeitaufgelöst erfasst werden.
10. Verfahren nach mindestens einem der vorangehenden Ansprüche, gekennzeich- n e t durch
- Bereitstellen von Batteriemodelldaten in einer Datenverarbeitungseinrichtung, die ein Batteriemodell mit Modellparametern und Modellprozessen für die Batterie (1) dar stellen;
- Bereitstellen von Verteilfunktionsdaten in der Datenverarbeitungseinrichtung, welche die bestimmte Verteilfunktion für die Zeitkonstanten anzeigen;
- Bestimmen einer Zuordnung zwischen den Batteriemodelldaten und den Verteilfunk tionsdaten und
- Bestimmen von Batterieparametern, welche zumindest eine der folgenden Batterie eigenschaften anzeigen: Alterungszustand, einen Diffusionsprozess in der Batterie, Batteriekapazität, Batterieimpedanz, verfügbare Batterieleistung und Ladezustand der Batterie (1).
11. Verfahren nach Anspruch 10, soweit auf Anspruch 9 rückbezogen, dadurch gekenn zeichnet, dass die Datenverarbeitungseinrichtung mittels eines Fahrzeug-Manage mentsystems des Elektrofahrzeugs bereitgestellt ist.
12. Vorrichtung zum nicht-invasiven Bestimmen einer Batterie, mit einer Datenverarbei tungseinrichtung, die eingerichtet ist,
- zeitaufgelöste Spannungsmesswerte für eine Batteriespannung einer Batterie (1) zu empfangen, wobei
- die zeitaufgelösten Spannungsmesswerte ein Relaxationsverhalten der Batterie (1) anzeigen; und
- mittels einer Messeinrichtung (2) während eines Relaxationszeitraums nach Ende eines Ladens der Batterie (1) mit einem Konstantstrom, der einen Konstantstrom- wert aufweist, für einen Messzeitraum gemessen werden, während dessen die
Batterie (1) frei von einer Strombelastung ist oder eine Strombelastung der Batterie (1) höchstens 5 Prozent des Konstantstromwerts beträgt; und
- aus den zeitaufgelöst erfassten Spannungsmesswerten eine Verteilfunktion für Zeit konstanten zu bestimmen, wobei für Peaks der Verteilfunktion eine Position auf der Zeitachse einem zeitlichen Wert einer Zeitkonstante und eine Fläche unter der Kurve einem Polarisationsbeitrag eines der Zeitkonstanten zugeordneten elektrochemi schen Prozesses in der Batterie (1) entsprechen.
13. Batterie-Managementsystem, mit einer Vorrichtung zum nicht-invasiven Bestimmen ei ner Batterie (1) nach Anspruch 12.
EP22727255.6A 2021-05-25 2022-05-19 Verfahren und vorrichtung zum nicht-invasiven bestimmen einer batterie sowie batterie-managementsystem Pending EP4348282A1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102021113456.0A DE102021113456A1 (de) 2021-05-25 2021-05-25 Verfahren und Vorrichtung zum nicht-invasiven Bestimmen einer Batterie sowie Batterie-Managementsystem
PCT/DE2022/100383 WO2022247991A1 (de) 2021-05-25 2022-05-19 Verfahren und vorrichtung zum nicht-invasiven bestimmen einer batterie sowie batterie-managementsystem

Publications (1)

Publication Number Publication Date
EP4348282A1 true EP4348282A1 (de) 2024-04-10

Family

ID=81928022

Family Applications (1)

Application Number Title Priority Date Filing Date
EP22727255.6A Pending EP4348282A1 (de) 2021-05-25 2022-05-19 Verfahren und vorrichtung zum nicht-invasiven bestimmen einer batterie sowie batterie-managementsystem

Country Status (3)

Country Link
EP (1) EP4348282A1 (de)
DE (1) DE102021113456A1 (de)
WO (1) WO2022247991A1 (de)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102023001210B4 (de) * 2023-03-29 2024-11-28 Mercedes-Benz Group AG Verfahren zur Bestimmung der Alterung einer Batterieeinzelzelle sowie Verfahren zur Steuerung einer Batterie
US12613286B2 (en) 2024-01-22 2026-04-28 Garrett Transportation I Inc. System and method for battery parameter recharacterization
DE102024205784B4 (de) 2024-06-21 2026-04-23 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren und Vorrichtung zur Bestimmung eines Alterungszustands einer Gerätebatterie anhand eines Spannungsverlaufs während einer Relaxationsphase
CN119986404B (zh) * 2025-04-14 2025-07-11 广东电网有限责任公司佛山供电局 锂电池一致性分选方法、装置、存储介质及计算机设备

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150081237A1 (en) 2013-09-19 2015-03-19 Seeo, Inc Data driven/physical hybrid model for soc determination in lithium batteries
DE102018216518A1 (de) * 2018-09-26 2020-03-26 Rheinisch-Westfälische Technische Hochschule (Rwth) Aachen Verfahren und Vorrichtung zur Diagnose von Batteriezellen
CN112415415B (zh) 2020-11-02 2022-02-18 同济大学 一种基于低温环境测量的电池寿命诊断方法

Also Published As

Publication number Publication date
DE102021113456A1 (de) 2022-12-01
WO2022247991A1 (de) 2022-12-01

Similar Documents

Publication Publication Date Title
DE102019121461B3 (de) Simulation einer Batterie
EP4348282A1 (de) Verfahren und vorrichtung zum nicht-invasiven bestimmen einer batterie sowie batterie-managementsystem
DE102013103921B4 (de) Temperaturmesssystem für Zellen in einem Batteriepack sowie ein Verfahren zum Bestimmen der Temperatur von Zellen in einem Batteriepack
DE102014214010B4 (de) Vorrichtung zur Schätzung von Batterie-Leerlaufspannung auf Basis von transienten Widerstandseffekten
WO2020064932A1 (de) Verfahren und vorrichtung zur diagnose von batteriezellen
DE69927058T2 (de) Gerät und verfahren zur erfassung von kennzeichnenden parametern von ladungsspeichern
DE102017103617A1 (de) Verfahren zur Abschätzung des Alterungszustands eines Batteriesystems
DE102017218715A1 (de) Bestimmung von SOC und Temperatur einer Lithiumionenzelle mittels Impedanzspektroskopie
DE102018216518A1 (de) Verfahren und Vorrichtung zur Diagnose von Batteriezellen
EP1664814A1 (de) Verfahren und vorrichtung zur bestimmung des ladezustandes einer batterie
DE112009001553T5 (de) Verfahren zur Batteriekapazitätsschätzung
DE102015107930A1 (de) Schätzung und Ausgleich von Batteriemessungen
EP4441514B1 (de) Verfahren zur modellbasierten abschätzung der impedanz einer galvanischen zelle einer sekundärbatterie und dessen verwendung sowie batteriezellenüberwachungsvorrichtung und fahrzeug
DE102021125478B4 (de) Bestimmung eines alterungswerts für batterien mit strom-spannungs-zeitreihen in zeitdomäne und belastungsdomäne
DE102023118719A1 (de) Verfahren zum Bestimmen eines Innenwiderstands einer Batteriezelle einer Energiespeichervorrichtung für ein elektrisch antreibbares Kraftfahrzeug, Computerprogramm und/oder computerlesbares Medium, Datenverarbeitungsvorrichtung, elektrisch antreibbares Kraftfahrzeug, Ladesäule
Astafev The measurement of electrochemical noise of a Li-ion battery during charge-discharge cycling
DE102018216517A1 (de) Verfahren und Vorrichtung zur Diagnose von Batteriezellen
DE102022200007A1 (de) Verfahren und Vorrichtung zum Erlernen einer Parametrisierung eines Alterungsmodells und Bereitstellen eines Alterungszustands für eine Gerätebatterie anhand einer parametrierten Leerlaufspannungs-Kennlinie
Kulkarni et al. Novel low-complexity model development for Li-ion cells using online impedance measurement
DE102014219807A1 (de) Verfahren und Vorrichtung zur Prüfung einer Funktionsfähigkeit eines Stromsensors und Fahrzeug
DE102018108184A1 (de) Verfahren und Einrichtung zur Bestimmung des Zustands eines Akkumulators sowie Computerprogramm
EP4184189A1 (de) Computergestütztes verfahren zum bestimmen eines kapazitätsverlusts eines batteriespeichers, computerprogrammprodukt und batteriespeicher
DE102019200506A1 (de) Messanordnung, Kraftfahrzeug und Verfahren zum Bestimmen einer komplexen Impedanz
DE102013203809B4 (de) Verfahren und Vorrichtung zum Bestimmen einer elektrischen Kapazität einer Energiespeichereinheit
DE102022129314A1 (de) Verfahren und Vorrichtung zur Bestimmung von Kapazität, Innenwiderstand und Leerlaufspannungskurve einer Batterie

Legal Events

Date Code Title Description
STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: UNKNOWN

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE INTERNATIONAL PUBLICATION HAS BEEN MADE

PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: REQUEST FOR EXAMINATION WAS MADE

17P Request for examination filed

Effective date: 20231211

AK Designated contracting states

Kind code of ref document: A1

Designated state(s): AL AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HR HU IE IS IT LI LT LU LV MC MK MT NL NO PL PT RO RS SE SI SK SM TR

DAV Request for validation of the european patent (deleted)
DAX Request for extension of the european patent (deleted)
STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: EXAMINATION IS IN PROGRESS

17Q First examination report despatched

Effective date: 20260216