EP4402496A1 - Batteriemesssystem - Google Patents

Batteriemesssystem

Info

Publication number
EP4402496A1
EP4402496A1 EP22786917.9A EP22786917A EP4402496A1 EP 4402496 A1 EP4402496 A1 EP 4402496A1 EP 22786917 A EP22786917 A EP 22786917A EP 4402496 A1 EP4402496 A1 EP 4402496A1
Authority
EP
European Patent Office
Prior art keywords
battery
unit
cell
measurement
measuring
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
EP22786917.9A
Other languages
English (en)
French (fr)
Inventor
Christoph Weber
Clemens VAN ZEYL
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.)
Heimdalytics GmbH
Original Assignee
Heimdalytics GmbH
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Heimdalytics GmbH filed Critical Heimdalytics GmbH
Publication of EP4402496A1 publication Critical patent/EP4402496A1/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]
    • G01R31/396—Acquisition or processing of data for testing or for monitoring individual cells or groups of cells within a battery
    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R23/00—Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
    • G01R23/02—Arrangements for measuring frequency, e.g. pulse repetition rate; Arrangements for measuring period of current or voltage
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R23/00—Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
    • G01R23/16—Spectrum analysis; Fourier analysis
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/3644—Constructional arrangements
    • G01R31/3648—Constructional arrangements comprising digital calculation means, e.g. for performing an algorithm
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
    • G01R31/3842—Arrangements for monitoring battery or accumulator variables, e.g. SoC combining voltage and current 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]
    • G01R31/385—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]
    • G01R31/392—Determining battery ageing or deterioration, e.g. state of health
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/092—Reinforcement learning
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00—Secondary cells; Manufacture thereof
    • H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
    • H01M10/4285—Testing apparatus
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02E60/10—Energy storage using batteries

Definitions

  • the invention relates to a battery cell measuring unit, a measuring unit arrangement, a battery measuring system, a use of the battery measuring system, an electrically operated means of transport, a stationary storage device, e.g. B. for grid frequency regulation or a microgrid memory, and a method for providing a measurement data set of a battery cell unit in a cell string of a battery for determining a state of the battery cell unit.
  • a stationary storage device e.g. B. for grid frequency regulation or a microgrid memory
  • the status of batteries e.g. batteries in a means of transport or in a stationary storage facility, is usually determined by monitoring cell voltages, currents and temperatures. This method is often imprecise because it does not take into account the complex behavior of the battery. Furthermore, age-related changes are not taken into account.
  • the battery can be removed and taken to a measuring stand to obtain a highly accurate status report. An impedance spectrum of the entire battery can then be determined there and compared with reference values. This procedure is cumbersome and expensive and is therefore carried out relatively infrequently. This then has the consequence, for example, that the current status is not constantly available and the expected service life is not sufficiently known. This can lead to dangerous situations, which is why batteries have to be replaced at regular intervals and spare batteries have to be kept on hand.
  • An object of the invention could therefore be to provide an improved system for determining the condition of a battery.
  • the object is solved by the subject matter of the independent patent claims.
  • Advantageous embodiments are the subject matter of the dependent claims, the following description and the figures.
  • the described embodiments relate in a similar way to the battery cell measuring unit, the measuring unit arrangement, the battery measuring system, the use of the battery measuring system, the electrically operated means of transport, the stationary memory and the method for providing a measurement data set of a battery cell unit in a cell string of a battery for determining a state the battery cell unit. Synergy effects may result from various combinations of embodiments, although they may not be described in detail.
  • a battery cell measuring unit is provided.
  • the measuring unit is set up to record measured variables of a battery cell unit in a cell string of a battery.
  • the measuring unit is also set up to record measured variables for determining a state of the battery cell unit during operation of the battery and to provide the measured variables determined as a measured data record to a battery control unit.
  • a measuring unit which e.g. B. detects physical or chemical variables that are suitable to describe a state of the battery or environmental conditions of the battery.
  • An essential property of the measuring unit is that it is set up to record the measured variables during the intended operation of the battery. This can be, for example, in the case of a means of transport while driving or flying. It is pointed out that the status of the battery system as a whole is not recorded by the measuring unit, but only the status of a battery cell unit. It is also possible to To capture the state of several cell units at the same time. This means that an essential point here is that those cell units for which no measurement is currently being carried out continue to be operational, so that the battery system is or can be in use through these cell units even during the measurement.
  • the battery cell units being measured are briefly decoupled from operational operation during the measurement, so that an exact measurement can be carried out without, for example, measuring currents or interference being discharged, as described in more detail in the following embodiments.
  • a state is, for example, a state of charge or a "health" state, or a physical or chemical property that may change with use of the battery or over time in general.
  • a battery cell unit is the smallest unit that can be measured “from the outside” in terms of voltage, i.e. the unit of cells that makes a common plus and minus pole accessible and thus represents the overall potential of the unit. As a rule, these are battery cells that are connected in parallel or also in series. A battery cell unit can thus have an energy storage element or a plurality of energy storage elements arranged in parallel or in series. The structure of the battery with battery cell units and cell strings is described below.
  • the measurement data set can also contain other values that the measuring unit calculates, for example, from the measured variables, such as impedance values.
  • the measurement data set does not necessarily contain all measured values.
  • the measured variables determined are made available to a battery control unit as a measurement data set.
  • the battery control unit controls the measurement, for example, and can evaluate the measurement data, as further explained below.
  • the measuring unit is also set up to record the following measured variables: an alternating current injected into the battery cell unit with different frequencies as a stimulus for determining an impedance spectrum, and a voltage and a phase relative to the injected alternating current as a voltage response for determining the impedance spectrum.
  • the measuring unit is also set up to store values of the measured variables recorded and/or values of the Provide the impedance spectrum with a time stamp and make it available to the battery control unit as a measurement data set.
  • the impedance spectrum can be determined by the measuring unit, which sends the determined or calculated values of the impedance spectrum to the battery control unit, or the measuring unit sends the raw data to the battery control unit, which then determines values of the impedance spectrum from the raw data received.
  • the impedance spectrum shows the impedance of the battery cell unit as a function of frequency.
  • Impedance can be represented as magnitude and phase or as real and imaginary parts.
  • the frequency range is between a few millihertz and a few kilohertz, for example.
  • a sinusoidal (also multi-sinusoidal) current excitation with an integer period is injected into each cell unit and the voltage response is measured with the help of a four-point measurement, for example.
  • the complex frequency spectrum of the impedance is obtained by Fourier transformation according to amount and phase (or also real and imaginary part value). Acquiring the AC current and voltage response for impedance spectroscopy is done by the measurement unit for the single battery cell unit.
  • the measuring unit is also set up to additionally record one or more of the following measured variables: temperature, pressure in the battery cell unit, chemical and physical parameters.
  • the overall state of the battery cell unit can thus be inferred from the individual physical and chemical states, which can influence, for example, a state of charge, a "health" state and/or the service life of the battery.
  • the measurement unit can also be set up to provide the measurement data set to the battery control unit wirelessly, e.g. according to a short-range radio standard, or wired, e.g. via Ethernet or a CAN bus.
  • a measuring unit arrangement with a plurality of measuring units described herein for a plurality of battery cell units in the battery has a DC bus connection with a plurality of cell strings arranged in parallel on this DC bus connection, each Cell string has one or more battery cell units connected in series. At least some of the cell strings each have one or more measuring units, which each record measured variables of a battery cell unit.
  • the one or more measuring units are set up to simultaneously acquire measured variables from battery cell units of the cell string and to organize the acquired measured variables as a measured data record for provision to the battery control unit.
  • the battery cell units can be a single cell or organized as cells connected in series and/or in parallel forming cell modules.
  • the number of measuring units can correspond to the number of battery cell units, so that, for example, each battery cell unit is assigned a measuring unit. However, it would also be possible for a number of battery cell units in a cell string to be assigned to a measuring unit. All battery cell units of a cell string are preferably measured simultaneously. This is important insofar as it allows measurements to be made, for example, in a switchable manner for each cell string, as will be described in more detail below, which shortens the measurement time. It is noted here that in this disclosure, a battery cell unit may include multiple cells, also referred to herein as energy storage elements. That is, a measuring unit injects current and measures values for a battery cell unit with several, e.g. 14 cells or energy storage elements. The energy storage elements are not further differentiated in this disclosure.
  • the cell strings end at one of their ends in a DC bus connection, which can be realized, for example, by a bus bar or cable connection, at which the battery voltage or the current from all connected cell strings is or is made available.
  • the measurement data can be organized, for example, as a measurement data record, which can contain, for example, a number of measurement variables and time parameters, which the measurement units transmit to the battery control unit.
  • a battery measurement system which has a measurement unit arrangement described herein with a plurality of measurement units arranged in at least one cell string, as well as a battery control unit and a current source for each measurement unit, which can also work as a sink.
  • Each of the Measuring units is assigned to at least one battery cell unit, and each of the measuring units is set up to send measurement data records to the battery control unit.
  • the battery control unit is set up to receive measurement data sets from measurement units of at least one cell string.
  • the current sources are each set up to inject a current charged with a frequency into the battery cell unit of the associated measuring unit.
  • each measuring unit is assigned a current source that injects a current into those battery cell units that are assigned to the measuring unit.
  • the current has a frequency.
  • the fact that the current has a frequency is to be understood here as meaning that it has at least one frequency or that it represents a superimposition or sequence of currents with different frequencies. The different frequencies can occur simultaneously or sequentially.
  • the current source can work as a source and as a sink. From this, the current can be modulated e.g. sinusoidally, i.e. with positive and negative amplitude as excitation.
  • the battery control unit is also equipped with a logic that also allows the execution of diagnostic functions.
  • the diagnostic functions are based on a model of a machine learning process.
  • the battery control unit receives the model or the values of the model parameters via a wireless interface or alternatively via a wired interface from a computing unit, as will be described in more detail below.
  • the logic may include hardware and/or software elements. It goes without saying that the battery control unit can have hardware such as processors, logic modules, program memories and registers, clock modules, etc., depending on its tasks.
  • the diagnostic functions relate in particular to characteristics of the inside of the battery, current statistics, etc.
  • diagnostic functions are the current state of charge or "State of Charge” (SoC), the State of Health (SoH), the temperature of the cell core or a default (recommended -) value for the forthcoming maximum power output/consumption of the battery system for protection and service life extension.
  • SoC state of Charge
  • SoH State of Health
  • the temperature of the cell core or a default (recommended -) value for the forthcoming maximum power output/consumption of the battery system for protection and service life extension.
  • the cell temperature can continue to be detected directly by a temperature sensor.
  • each cell string has a switch or a switchable converter for separating the cell string from the other cell strings, with only those measuring units providing measured variables and measured data sets that cell line are assigned.
  • the cell string in which measurements take place can be separated or decoupled from the DC bus connection and thus, for example, from the load, consumer or an energy source and from other cell strings.
  • the isolation can be done galvanically by a switch, e.g. a relay or by a semiconductor, e.g. a transistor in a converter, or by switching an impedance of the converter so that the cell string is only connected to the busbar with high resistance.
  • converter is synonymous with the term “converter”.
  • Examples of converters are DC/DC converters or DC/AC or AC/DC converters, where “DC” stands for direct current and “AC” for alternating current.
  • the battery cell units of a cell string or the battery cell units of a selection of cell strings are preferably measured at a time.
  • the other cell strings are isolated from this cell string with high resistance or alternatively galvanically. In this way, the current injected by the source/sink can flow fully into the cells connected to the measurement units of the string and avoid interference from other cell strings.
  • the cell strings can, for example, be "activated” while rotating for a measurement or separated from the direct current collector connection.
  • cell strings can also be measured in parallel without the cell strings influencing each other.
  • a bidirectional converter can be used so that the disconnected string can be reconnected to the DC busbar at any time, regardless of the charging status of the string.
  • the battery control unit is set up to generate a feature data record from the measurement data records of the measuring units, to impress a time stamp on the feature data record and to temporarily store the feature data record including the time stamp.
  • the characteristic data set can include, for example, impedance values at frequency support points, as well as current and voltage values, statistical information about measured current and voltage ranges, an SoC calculated by means of current integration over the time interval between the last measurement and the current measurement, a temperature, etc. included.
  • the battery measurement system has a local memory for storing the feature data records. Furthermore, the battery measuring system can have sensors for measuring a temperature of a battery cell unit in each case, or other sensors which, for example, record environmental parameters such as temperature, humidity, mechanical stress, etc. of the environment.
  • the battery measurement system has a computing unit and a communication interface, which can be, for example, local or wired, such as Ethernet, or wireless, such as WiFi, Bluetooth, LTE, 5G, radio, cloud, which are set up, the cached To transfer characteristic data sets to the computing unit, e.g. a server, wherein the computing unit is set up to receive the temporarily stored characteristic data sets and to calculate a model of a machine-learning system cyclically or dynamically on the basis of current characteristic data sets, the model providing diagnostic functions for each measuring unit, and the computing unit is also set up to transmit the model to the battery control unit via the communication interface.
  • a communication interface can be, for example, local or wired, such as Ethernet, or wireless, such as WiFi, Bluetooth, LTE, 5G, radio, cloud, which are set up, the cached To transfer characteristic data sets to the computing unit, e.g. a server, wherein the computing unit is set up to receive the temporarily stored characteristic data sets and to calculate a model of a machine-learning system cyclically or dynamic
  • the processing unit e.g. a cloud computer, a server or controller, stores all characteristic data records with a time stamp in a database. This creates a digital life/health record with which the most important features of the battery system can be seamlessly monitored. Even at this stage of the data situation, anomalies in the battery system can be detected at the cell unit level by simply checking range limits.
  • the cloud computer also makes it possible to train updated models using machine learning methods based on the most recent feature data sets (e.g. from the last 6 months).
  • diagnostic functions can thus be provided by the battery control unit, which are periodically updated. Examples of diagnostic functions are the current state of charge (SoC), the state of health (SoH), the temperature of the cell core or a default (recommended) value for the forthcoming maximum power output/consumption of the battery system for protection and life extension. In this case, it is not compulsory for all the diagnostic functions mentioned or provided to be provided by the model.
  • the function of the computing unit can be taken over by the battery control unit.
  • the communication interfaces and units are not required.
  • the battery measurement system is set up to disconnect the separated cell string for a short time for measurement, while the other cell strings continue to work according to regular operation of the battery.
  • Regular operation is understood to mean the operation of the cell according to its purpose, in contrast to a measuring operation. Regular operation can include drawing or supplying electricity, or even a rest phase.
  • the battery measurement system furthermore
  • Sensors that are set up to detect other environmental parameters, such as physical and chemical parameters, and a local memory that is set up to store the feature data sets and the detected other environmental parameters.
  • the model is a model according to a recurrent (encoder/decoder) neural network method of known or future type, a reinforcement learning method such as e.g. the Distributed Distributional/Deep Deterministic Policy Grading (D4DPG/DDPG) method and/or an ActorZ-critic method, where the reinforcement learning method uses a reward for learning within an environment model.
  • the model is an artificial intelligence model (e.g. a neural network) that is set up to generate time stamps from the feature data sets, respectively.
  • This embodiment describes the reward function for learning the SoC diagnostic model.
  • the agent of the neural network continuously estimates the future diagnosis variable SoC between 0..100%.
  • a difference value ASoC can thus also be estimated in each case between directly adjacent time stamps.
  • ASoC can thus assume values between -100% and 100%.
  • This ASoC value is also available in the Coulomb counter of the battery control unit (integration of the current value) as a measured variable as a very precise variable.
  • the comparison between the estimated ASoC and the measured ASoC values can be used in the environment model for evaluating/rewarding the "absolute SoC" diagnostic variable to be estimated. Since the SoC is technically limited between 0..100%, the learning procedure continuously improves not only the estimate of the ASoC, but also (indirectly) the estimate of the absolute SoC.
  • the model is an artificial intelligence model that is further set up to estimate a SoC state value, a SoH state value, a state value with regard to a temperature, a chemical and/or a physical property.
  • Artificial intelligence is also understood here to mean neural networks or machine learning.
  • the learning can also be supported by a simulation.
  • software running on a PC or laptop runs through a predefined, typical performance profile, for example of a forklift truck or another means of transport.
  • the power unit here has drivers that represent a power source and provide a charging current, or units that represent a load and draw the battery current.
  • the measurement data are sent to the computing unit in order to calculate the model or the values for the parameters of the model.
  • the model can be transferred to the battery control unit and used for real operation, e.g. of the means of transport, and thus for constant monitoring of the battery during operation.
  • a method for providing a measurement data set of a battery cell unit of a cell string of a battery for determining a state of the battery cell unit is provided, with the following steps:
  • a use of a battery measurement system presented here is provided in an electrically operated means of transport, a stationary storage of electrical energy, for e.g. grid frequency regulation or in a microgrid.
  • means of transport is understood here to mean, for example, motor vehicles, trains, boats and ships, airplanes, helicopters and the like.
  • an electrically operated means of transportation or a stationary storage of electrical energy which has a battery measurement system described here.
  • the generated models “live” and develop further with the individual operation of the battery system.
  • the model generation is therefore operated during operation and independently of the cell chemistry used and the installation situation as well as the cabling properties and thus independently of the contact resistance. Anomalies can be detected quickly and reliably in the battery control unit using the model and the diagnostic functions depicted therein. This can be done, for example, by simple checks of range limits in the battery system at the cell unit level.
  • an individual digital life and/or health record can be created and managed for each battery, with which the most important features of the battery system can be seamlessly monitored, for example by the processing unit storing the feature data records with a time stamp in a database accordingly.
  • the method may be performed, at least in part, by a computer program element executing on one or more processors.
  • the computer program element can be part of a computer program, but it can also be a whole program in itself.
  • the computer program element can be used to update an already existing computer program in order to arrive at the present invention.
  • the computer-readable medium can be considered to be a storage medium, such as a thumb drive, CD, DVD, data storage device, hard drive, or any other medium on which a program element as described above can be stored.
  • a computer program may be stored/distributed on any suitable medium, such as an optical storage medium or a semiconductor medium, supplied together with or as part of other hardware, but may also be distributed in other forms, for example over the Internet or other wired or wireless telecommunications systems be. Any reference signs in the claims should not be construed to limit the scope of the claims.
  • Fig. 1 A general overview of a battery measuring system
  • 3 shows a simplified circuit diagram for a battery system
  • 4 shows a diagram of impedance spectra of a battery cell unit at different points in time
  • Fig. 6 is a diagram of a measurement circuit in a measurement unit
  • Fig. 7 is a block diagram of an artificial intelligence
  • FIG. 8 shows a flow chart of a method for providing a measurement data set of a battery cell unit
  • FIG. 11 shows a block diagram with a test arrangement of the battery measuring system
  • FIG. 1 shows a block diagram with an overall overview of a battery measuring system 100, which has a battery control unit 104, a measuring unit arrangement 106 with measuring units, which are provided with reference symbols 213 and 218 in FIG.
  • the components mentioned can be individual devices or integrated into a housing.
  • the data connections can be wireless and/or wired.
  • each of the battery cell measuring units 213...218 of the measuring unit assembly 106 is connected to a battery cell unit 223...228.
  • the cell strings 202 and 204 with the battery cell units 223...225 or 226...228 are each connected at one of their ends to the DC busbar 240, which is connected to a load or consumer or a power generator (not shown). .
  • Each of the battery cell measuring units 213...218 detects measured variables such as current and voltage of the assigned battery cell unit 223...228 of a cell string 202, 204 of a battery during its operation. This allows you to record the condition of the battery cell units.
  • the state of the battery system 110 can thus be estimated through the entire arrangement 106 .
  • the measuring units 213 . . . 218 make the determined measured variables available to the battery control unit 104 shown in FIG. 1 as a characteristic data record with a time stamp.
  • the memory volume of the battery control unit 104 is large enough so that all measurement data obtained can also be temporarily stored over several days.
  • the battery control unit 104 controls the measurements and evaluates them, sending the measurement data to the computing unit 102 for the evaluation or parts of the evaluation.
  • the battery control unit 104 has, for example, a common radio interface such as WiFi, Bluetooth, LTE, 5G, etc.
  • the computing unit 102 is, for example, a cloud computer with high computing power and, in addition to one or more processing units 112 or controllers 112, has a memory 114 in which both the current feature data records and earlier feature data records are stored.
  • the computing unit 102 also houses artificial intelligence such as a neural network. The computing unit trains the neural network so that an up-to-date diagnostic model is obtained for each cell unit.
  • the battery control unit 104 cyclically receives the current diagnostic model for each cell unit via the radio interface from the cloud computer 102, which on the central battery control unit 104 based on current characteristic data sets important diagnostic functions such as the current state of charge (State of Charge, SoC), the state of health (State of Health ), the temperature of the cell core or a default value for the forthcoming maximum power output/consumption of the battery system for protection and service life extension.
  • the battery control unit 104 receives characteristic data records from measuring units 213...218 of at least one cell string 202, 204.
  • a cell string 202, 204 can have one or more battery cell units.
  • a battery cell unit in turn, can be a single cell or multiple cells connected in parallel or in series, so that the battery cell unit forms a module.
  • the battery cell units 223...225 of a cell string 202 are preferably measured simultaneously during a first period of time and the battery cell units 226...228 of a cell string 204 are measured simultaneously during a second period of time different from the first period of time. This avoids mutual interference in the cell strings 202, 204.
  • the capacity, in particular the storage and computing capacity of the battery control unit 104 and/or the computing unit 102 only part of the battery cell units 223...225 or can also be measured within a string and then another part.
  • Fig. 3 shows a simplified circuit diagram that shows a battery system 110 consisting of two strings 202, 204, each with a battery cell unit 223, 226, which in turn consists of three energy storage elements or cells 311, 312, 313 or 321, 322, 323, which are shown in are connected in series.
  • This decoupling can be done for example by a switch, such as a simple relay.
  • switches 331 and 332 are located, which can perform such a decoupling for each phase.
  • Electronic solutions such as transistors can also be used here.
  • a main contactor 333 with which the consumers/generators 340 in operation can be separated from the cell strings 202, 204 during the measurement, as well as a controlled voltage source 342 for displaying a variable standby current.
  • the cell strings 202, 204 each have their own DC/DC converter at the positive end, for example. This is e.g. This is the case, for example, in large stationary storage systems. These DC/DC converters actually ensure that the voltage levels between the strings can be "controlled” balanced. These can be used and switched in such a way that they act as "relays" 331 and 332, which isolates the strand to be measured from the other strands with high resistance. For example, this can be a DC/DC resonant converter so that the impedance can be controlled via the switching frequency, or a converter that can be used as a switch.
  • the source/sink 11 314 is part of the battery measuring unit 213, which in this example can spectroscopy the three energy storage elements 311, 312, 313 in series of the first string 202 at the same time.
  • the number of battery measuring units required per string is (N DIV K) + 1, where N is the number of energy storage elements per string, DIV is an integer division and K is the maximum number of energy storage elements on which per measuring unit 213...218 the voltages, the temperatures and the current from 11 314, and thus the impedance spectrum can be measured.
  • the resistance R2 326 and the capacitance C1 327 symbolize a possible load of the battery, which must be supplied by the unmeasured string 204 during the rod 202 impedance measurement. Impedances should only be measured by the battery measuring units when the cell units to be measured are "at rest", i. H. almost no current flows into or out of the cell units to be measured. These "rest phases" occur in many battery systems during normal operation with regard to the entire battery:
  • a forklift is briefly left by the driver so that he can pursue an order picking task.
  • a stationary storage system currently consumes or emits almost no electrical power if switching off/switching off a string continues to ensure the operation of the battery system.
  • a single string can be isolated for the measurement, as already described, which then has no current flow during the measurement or current drain.
  • the other cell strings can then be used to maintain a small current.
  • the strands can be measured in turn.
  • the measurement of the impedance spectrum can be interrupted immediately and the string via the associated switch, z. B. 331 or 332 back to the whole battery system can be switched on. In this way it is prevented that all strings maintain an almost identical state of charge even after the measurement.
  • the source/sink 11 314 can be operated with a single sinusoidal excitation with, for example, a frequency of 10 Hz, or with several sinusoidal currents of the same amplitude, which have different frequencies, for example in the range of 25 mHz...1.5 kHz.
  • the measuring time can be shortened by the simultaneous injection of several currents.
  • the sinusoidal excitation then follows according to the following series function:
  • a Fourier analysis can be performed to evaluate the current and/or voltage measurements for the impedance spectrum.
  • the Fourier analysis can be carried out in the battery control unit, for example, or already in the respective measuring units 213 ... 218. It is advantageous for the digital Fourier analysis if 02 ... cos are multiples of toi, epi , ... , cp 5 can then be optimized offline in such a way that the overall excitation has the smallest possible amplitude when the individual current components are superimposed. This ensures that the small-signal properties are met during the measurement. It can be mathematically proven, for example, that with an optimized choice of epi ,... , cp its total maximum amplitude of 2.3* lampi is not exceeded Without an optimized choice of epi ,... , cps the total amplitude could be a maximum of 5* lampi in the worst case.
  • the impedance can be evaluated with high precision using the fast Fourier transformation (FFT) digitally.
  • FFT fast Fourier transformation
  • DC components or "interfering frequencies” can be easily filtered out of the measured spectrum of the current and the cell voltages.
  • FIG. 4 shows an example diagram of impedance spectra of a battery cell unit calculated in the battery control unit with the real part (x-axis) and imaginary part (y-axis) of the impedance Z in ohms, according to the current and voltage values recorded by a measuring unit.
  • Each measurement point (frequency reference point) represents the impedance for a frequency that corresponds to the frequency of the injected current.
  • the spectrum represents the impedance spectra for three different points in time “Time 1”, “Time 2”, “Time 3”, which are shown in 4 are characterized by different geometric shapes of the measuring points.
  • the state of health and the state of charge of the battery cell unit can be inferred from the spectrum, for example by comparison with reference curves. Another possibility for estimating the state of health and the state of charge is the application of artificial intelligence, for example through neural networks, as described herein.
  • FIG. 5 shows an example diagram with impedance spectra of a number of battery cell units or cells of a string, which are accordingly based on the measurement of a number of measuring units.
  • the spectra are shown at three different points in time “Time 1”, “Time 2” and “Time 3”, which can be distinguished by the different geometric shapes of the measuring points. It can be seen that the "curves" of the different battery cell units behave similarly at one point in time, whereas the behavior at different points in time differs significantly.
  • Fig. 6 shows a simplified diagram of a measurement circuit 600 of a measurement unit 213...218.
  • the measurement is controlled by a microprocessor 602.
  • the microprocessor 602 outputs superimposed signals 604 of different frequencies, which are converted to analog 606 and reach a multiplexer 608 as superimposed sinusoidal currents.
  • the microprocessor 602 uses the channel signal 610 to select the cell or battery cell unit to be measured, into which the superimposed sinusoidal currents are injected, and the voltage of which is measured in response to the currents with a 4-point measurement 612 and is given differentially to a demultiplexer 614 .
  • the current to be injected at the multiplexer 608 is measured with the current sensor 614 and the current measurement is also passed to the demultiplexer 614 so that the microprocessor can query the measured current for the channel selected above and the measured associated voltage at the demultiplexer 614.
  • the voltage here is the sum of the individual voltages resulting from the injected superimposed sinusoidal currents. Both values are converted into a digital value by an analog-to-digital converter 616 and applied to a high-speed microcontroller interface of the microprocessor 602 as an input signal.
  • the microprocessor 602 can now send the values to the battery controller 104 and/or, if powerful enough, perform a Fourier analysis to obtain the impedance spectrum.
  • FIG. 7 shows a diagram of an artificial intelligence for estimating the state of charge and/or state of health of the battery cell units.
  • a possible implementation of machine learning methods are so-called actor/critic networks, which, for example, as Deep Deterministic Policy Grading (DDPG) procedures are implemented.
  • DDPG Deep Deterministic Policy Grading
  • the cloud computer 102 accesses several thousand feature data sets from the past (eg from the last 6 months to the present).
  • the cloud computer 102 creates a so-called “replay buffer” for this.
  • a feature data set consists of the time stamp, all measured impedance values of the recorded spectrum (typically within a few mHz and a few kHz), the average temperature of the battery cell unit, and a list of measured current and voltage values of the battery cell unit, e.g. over the past hour before the time stamp considered.
  • the amount of charge transferred in ampere-seconds [As] can be obtained for the last time stamp by integrating the sampled current value over time (Coulomb counting). Based on the nominal capacity of the battery cell units, a difference value of a recharged state of charge can be calculated as a percentage.
  • ZN Last complex impedance value of the cell unit at the last measured frequency support point (magnitude and phase or real and imaginary part)
  • T Mean temperature of cell unit
  • I25%/U25% Lower quartile of the measured current-Zvoltage values from the immediate past for f_meas(k)
  • Such a feature data set is already created in the central battery control unit and, if there is a radio connection to the cloud computer, transferred to the digital life record.
  • the agent 702 continuously estimates the target variable (here the absolute SoC£ S ([f meas (k)]) by not only using the arbitrarily chosen, k-th characteristic data set from the replay buffer with the characteristic data sets for the estimation , but also uses other characteristic data records, which are chronologically in the direct temporal past of the selected time stamp.
  • this direct temporal "proximity" is given for a number of characteristic data records (e.g. M pieces) whose time stamp is 8- 12 hours in the past to the selected time stamp Within these time differences, a very precise ASoC value is available as a difference value using the Coulomb Counting method.
  • the agent 702 estimates the SoC as an absolute variable based on the current agent model SoC£ S ([f meas (k)], SoC £ S ([f meas (k-1)], , SoC £ S ([f meas (kM)].
  • a calculation rule as shown in FIG. 10 can now be used to evaluate the “estimation quality” of a selected feature data record as a reward value.
  • the overall reward value determined in this way is a suitable measure for the fact that the individual absolute estimated values SoC Es t[tmeas(k)], SoC Es t[tmeas(k-1)], ... , SoC Es t[tmeas(kM )] must in most cases match the actual, absolute, but unknown SoC values for the available time stamps.
  • Another critic network is trained in the machine learning method, with which the future cumulative total reward of the actor network is estimated.
  • the network of critics thus supplies an estimate with which the "generalized quality" of the agent network can be evaluated.
  • FIG. 8 shows a flow chart of a method 800 for providing a measurement data set of a battery cell unit in a cell string of a battery for determining a state of the battery cell unit, having the steps:
  • recurrent neural network In another embodiment of artificial intelligence, so-called recurrent (encoder/decoder) networks can be used. Feedback between neurons in the same layer or in previous layers is also possible in a recurrent neural network.
  • the output layer of the neural network can e.g. B. the estimated difference value of the current measurement time t meas ( ⁇ ) to the previous measurement time fmeas(kl )
  • the topology of the network can be selected in such a way that SoC£ S ([f meas (k)], SoC£ S ([f meas (k-1)] are present as the previous neuron layer (hidden neurons).
  • the battery cell units can be cells connected in series and/or in parallel and, connected in series, form a battery module.
  • a battery consists of several battery modules connected in series, which form a battery string.
  • Several battery strings can be connected in parallel to increase the total capacity of the battery.
  • the condition is, for example, the state of health SoH as a ratio of the existing capacity to the nominal capacity of the cells and one aging-related parameter, for example the aging-related relevant impedance, which is a measure of the available power
  • learning can be divided into two phases: a first learning phase in which the status parameters of the battery cell units are measured directly. For example, for the first 500-800 battery modules, the capacity (Ah) and the aging impedance of each battery cell unit is measured directly. Although these measurements are relatively slow because the battery modules must be fully charged and discharged, they serve as the data basis for machine learning.
  • limit values or ranges for capacities and aging-related parameters can be defined that divide the condition into quality classes.
  • the various above-mentioned parameters such as impedance spectrum, temperature, etc., can be measured or determined and assigned to the areas and fed to the machine learning algorithm as learning input variables and target variables.
  • the machine learning algorithm thus learns the connection between the measurement parameters and capacity and aging-related parameter, so that no direct SoH determination has to be carried out in the second phase.
  • the state for example the SoH
  • the state is estimated indirectly through machine learning. This allows the status to be determined quickly.
  • the battery measuring system can be used operationally for provided battery modules both in the first learning phase and in the second learning phase.
  • a battery with 12 battery modules, each with 8 battery cell units is used in a vehicle, for example a used electric car, to provide energy.
  • the state of health SoH of the battery modules is unknown.
  • the battery management system of the used electric car does not show any errors on the battery side. It can be assumed that the battery has the same good properties across all battery modules with regard to the SoH and that they are functional for the operation of the electric car. At least two battery modules are selected first.
  • the SoH must be recorded directly, as shown in structure chart 1200 in FIG. 12 .
  • the relevant feature data sets are stored as a parameter set in a central database 1214, as already described above. For example, if the battery modules are not among the first 500-800 modules since the start of the battery measurement system, the SoH of the 2x8 cells is measured directly in accordance with the first learning phase. For this purpose, the battery modules are first charged to 100% SoC in step 1202 . Subsequently, in step 1204, the discharging process of the battery module is started.
  • step 1206 the relevant features/parameters for the machine learning method are measured at selected states of charge in step 1208 and the current is integrated in step 1210 to detect the amount of charge transferred.
  • Parameters for example for determining the impedance spectrum and other parameters as already described herein, are determined by measurements.
  • the direct measurements of the SoH of the two battery modules serve to check the equally good properties. For example, the SoH of all cell units is 90%.
  • the measurement data and measurement results are then made available to the machine learning program. Only the direct SoH measurement is used to assess the condition.
  • the machine learning program is used to estimate the SoH in step 1306, as shown in structured chart 1300 of FIG. A direct measurement of the SoH is no longer necessary for this, but after discharging/charging to the next suitable state of charge with the aim of a short measurement time in step 1302, only measurements in step 1304 to determine the impedance spectrum and other parameters that were recorded at a selected operating point .
  • the vehicle's battery is defective.
  • a battery cell unit within a battery module is defective or at least in an unsatisfactory state of health.
  • the state of health is determined as in the first example. If this shows that, for example, one battery cell unit has a SoH value of only 60%, while the remaining battery cell units have a SoH value of 90%, a request is triggered in the cloud with a selection of suitable used replacement modules with the same or at least of a comparable quality as the intact battery cells of the module or the battery cell units. Since the battery measuring system records all measured battery modules in a central database, it is possible to identify a suitable replacement module from an existing inventory.
  • the suitable used replacement module is balanced cell-by-cell with regard to their voltages in such a way that all battery cell units in the battery have the same voltage value. This means that after the replacement module has been installed, the repaired battery is in a balanced condition and can be used again immediately.
  • FIG. 11 shows a block diagram with an arrangement with which these tests can be carried out in the learning phases described.
  • Block 1102 represents a battery module 1102 with multiple battery cell units 1104.
  • the number of cell units 1104 is eight here, but can be more cells.
  • block 1106 represents the source/sink connected to the general AC power grid, which may supply, for example, up to 3.5 kW.
  • the source/sink 1106, which corresponds e.g. to the source/sink 331 in Fig. 3, converts the AC mains voltage into 2V to 60V or vice versa and thus allows selective charging/discharging of the entire battery module 1102 or of an individual battery cell unit 1104
  • other voltage sources can be available for the internal voltage supply of the battery measuring system.
  • Block 1108 represents, for example, the measuring unit 213 from FIG. 2 or the measuring unit shown in FIG.
  • Block 1110 represents, for example, a processing unit with the microprocessor 602 shown in FIG. 6.
  • the processing unit 1110 also has LAN, WLAN, USB and HDMI interfaces.
  • the battery or at least the modules 1102 that are subjected to the test can be placed in a thermal chamber so that they can be tested at defined temperatures, which can also be different.
  • the impedance spectrum is of this arrangement, as already described in detail herein.
  • the LAN or WLAN connections are used, for example, to transmit the measured parameters to a memory and to the machine learning program, to communicate with a control PC, to receive the diagnostic model, and to select the replacement modules.
  • a web server can also be provided via the WLAN/LAN connection as a user interface for controlling the battery measuring system and displaying the relevant data.
  • an HDMI interface is also available for connecting a display.
  • Input devices, external storage devices and other devices known to those skilled in the art can be connected to the USB interface.

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Manufacturing & Machinery (AREA)
  • Biomedical Technology (AREA)
  • Electrochemistry (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Chemical & Material Sciences (AREA)
  • General Chemical & Material Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Secondary Cells (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)
  • Tests Of Electric Status Of Batteries (AREA)

Abstract

Die Erfindung betrifft eine Batteriezellen-Messeinheit (213...218), die eingerichtet ist, Messgrößen einer Batteriezelleinheit (223...228) in einem Zellstrang (202, 204) einer Batterie zu erfassen. Die Messeinheit (213...218) ist weiterhin eingerichtet, während des Betriebs der Batterie Messgrößen für die Ermittlung eines Zustandes der Batteriezelleinheit (223...228) zu erfassen und die ermittelten Messgrößen als Messdatensatz einer Batteriesteuereinheit (104) bereitzustellen.

Description

Batteriemesssystem
Technisches Gebiet
Die Erfindung betrifft eine Batteriezellen-Messeinheit, eine Messeinheitenanordnung, ein Batteriemesssystem, eine Verwendung des Batteriemesssystems, ein elektrisch betriebenes Fortbewegungsmittel, ein stationärer Speicher, z. B. zur Netzfrequenzregulierung oder ein Microgrid-Speicher, und ein Verfahren zum Bereitstellen eines Messdatensatzes einer Batteriezelleinheit in einem Zellstrang einer Batterie für eine Ermittlung eines Zustands der Batteriezelleinheit.
Stand der Technik
Der Zustand von Batterien, z.B. Batterien eines Fortbewegungsmittels oder auch in einem stationären Speicher, wird gewöhnlicher Weise durch das Monitoren von Zellspannungen, -strömen und -temperaturen ermittelt. Dieses Verfahren ist oft ungenau, da in diesem nicht das komplexe Verhalten der Batterie berücksichtig wird. Des Weiteren bleiben auch alterungsbedingte Veränderungen unberücksichtigt. Um eine hochgenaue Zustandserfassung zu erhalten, kann die Batterie ausgebaut und in einen Messstand gebracht werden. Dort kann dann ein Impedanzspektrum der gesamten Batterie ermittelt werden und mit Referenzwerten verglichen werden. Diese Vorgehensweise ist umständlich und teuer und wird daher relativ selten durchgeführt. Dies hat dann auch beispielsweise die Konsequenz, dass der aktuelle Status nicht ständig verfügbar ist und die erwartete Lebensdauer nicht hinreichend bekannt ist. Dies kann zu gefahrbringenden Situationen führen, weshalb in regelmäßigen Abständen Batterien ausgetauscht werden müssen und Ersatzbatterien vorgehalten werden müssen.
Offenbarung der Erfindung
Eine Aufgabe der Erfindung könnte daher sein, ein verbessertes System zur Zustandsermittlung einer Batterie bereitzustellen. Die Aufgabe wird durch die Gegenstände der unabhängigen Patentansprüche gelöst. Vorteilhafte Ausführungsformen sind Gegenstand der abhängigen Ansprüche, der folgenden Beschreibung, sowie der Figuren.
Die beschriebenen Ausführungsformen betreffen in ähnlicher Weise die Batteriezellen- Messeinheit, die Messeinheitenanordnung, das Batteriemesssystem, die Verwendung des Batteriemesssystems, das elektrisch betriebene Fortbewegungsmittel, den stationären Speicher und das Verfahren zum Bereitstellen eines Messdatensatzes einer Batteriezelleinheit in einem Zellstrang einer Batterie für eine Ermittlung eines Zustands der Batteriezelleinheit. Synergieeffekte können sich aus verschiedenen Kombinationen der Ausführungsformen ergeben, obwohl sie möglicherweise nicht im Detail beschrieben werden.
Ferner ist zu beachten, dass alle Ausführungsformen der vorliegenden Erfindung, die ein Verfahren betreffen, in der beschriebenen Reihenfolge der Schritte ausgeführt werden können, jedoch muss dies nicht die einzige und wesentliche Reihenfolge der Schritte des Verfahrens sein. Die hier vorgestellten Verfahren können mit einer anderen Reihenfolge der offenbarten Schritte ausgeführt werden, ohne von der jeweiligen Verfahrensausführungsform abzuweichen, sofern im Folgenden nicht ausdrücklich etwas anderes angegeben ist.
Gemäß einem ersten Aspekt wird eine Batteriezellen-Messeinheit bereitgestellt. Die Messeinheit ist eingerichtet, Messgrößen einer Batteriezelleinheit in einem Zellstrang einer Batterie zu erfassen. Die Messeinheit ist weiterhin eingerichtet, während des Betriebs der Batterie Messgrößen für die Ermittlung eines Zustandes der Batteriezelleinheit zu erfassen und die ermittelten Messgrößen als Messdatensatz einer Batteriesteuereinheit bereitzustellen.
Somit wird eine Messeinheit bereitgestellt, die z. B. physikalische oder chemische Messgrößen erfasst, die geeignet sind, einen Zustand der Batterie oder Umgebungsbedingen der Batterie zu beschreiben. Eine wesentliche Eigenschaft der Messeinheit ist hierbei, dass sie eingerichtet, die Messgrößen während des zweckbestimmten Betriebs der Batterie zu erfassen. Dies kann zum Beispiel im Falle eines Fortbewegungsmittels während der Fahrt oder Flugs sein. Es wird darauf hingewiesen, dass durch die Messeinheit nicht der Zustand des Batteriesystems als Ganzes erfasst wird, sondern lediglich der Zustand einer Batteriezelleinheit. Es ist dabei auch möglich, den Zustand mehrerer Zelleinheiten gleichzeitig zu erfassen. Das heißt, ein wesentlicher Punkt hierbei ist, dass diejenigen Zelleinheiten, für die gerade keine Messung vorgenommen werden, weiterhin operativ sind, so dass das Batteriesystem durch diese Zelleinheiten auch während der Messung im Einsatz ist bzw. sein kann. Die in der Messung befindlichen Batteriezelleinheiten hingegen werden dabei während der Messung kurzzeitig vom operativen Betrieb abgekoppelt, so dass eine exakte Messung ohne z.B. Abfluss von Messströmen oder Interferenzen erfolgen kann, wie in den nachfolgenden Ausführungsformen genauer beschrieben.
Ein Zustand ist beispielsweise ein Ladezustand oder ein „Gesundheits-“ Zustand, oder eine physikalische oder chemische Eigenschaft, die sich durch die Nutzung der Batterie oder generell über die Zeit ändern kann. Eine Batteriezelleinheit ist die kleinste Einheit, die „von außen“ spannungstechnisch gemessen werden kann, also diejenige Einheit von Zellen, die einen gemeinsamen Plus und Minus-Pol zugänglich macht und damit das Gesamtpotential der Einheit darstellt. In der Regel handelt es sich dabei um parallelgeschaltete, oder aber auch um seriell geschaltete Batteriezellen. Eine Batteriezelleinheit kann somit ein Energiespeicherelement oder mehrere parallel oder seriell angeordnete Energiespeicherelemente aufweisen. Der Aufbau der Batterie mit Batteriezelleinheiten und Zellsträngen wird unten beschrieben.
Der Messdatensatz kann außer den gemessenen Größen noch weitere Werte enthalten, die die Messeinheit z.B. aus den Messgrößen berechnet, wie z.B. Impedanzwerte. Der Messdatensatz enthält nicht notwendigerweise alle gemessenen Werte.
Die ermittelten Messgrößen werden als Messdatensatz einer Batteriesteuereinheit bereitgestellt. Die Batteriesteuereinheit steuert beispielsweise die Messung und kann die Messdaten auswerten, wie nachfolgend weiter ausgeführt.
Gemäß einer Ausführungsform ist die Messeinheit weiterhin eingerichtet, folgende Messgrößen zu erfassen: Einen in die Batteriezelleinheit injizierten Wechselstrom mit unterschiedlichen Frequenzen als Anregung für eine Bestimmung eines Impedanzspektrums, und eine Spannung und eine Phase relativ zum injizierten Wechselstrom als Spannungsantwort für die Bestimmung des Impedanzspektrums. Hierbei ist die Messeinheit ferner eingerichtet, Werte der erfassten Messgrößen und/oder Werte des Impedanzspektrums mit einem Zeitstempel zu versehen und als Messdatensatz der Batteriesteuereinheit bereitzustellen.
Die Bestimmung des Impedanzspektrums kann durch die Messeinheit erfolgen, die die bestimmten bzw. berechneten Werte des Impedanzspektrums an die Batteriesteuereinheit sendet, oder die Messeinheit sendet die Rohdaten an die Batteriesteuereinheit, die dann aus den empfangenen Rohdaten Werte des Impedanzspektrums bestimmt.
Das Impedanzspektrum bildet die Impedanz der Batteriezelleinheit in Abhängigkeit der Frequenz ab. Die Impedanz kann als Betrag und Phase oder als Realteil und Imaginärteil dargestellt werden. Der Frequenzbereich liegt beispielsweise zwischen wenigen Millihertz und wenigen Kilohertz. Dabei wird eine sinusförmige (auch multisinusförmige) Stromanregung mit ganzzahliger Periode in jede Zelleinheit injiziert und mit Hilfe z.B. einer Vierpunktmessung die Spannungsantwort gemessen. Durch Fourier-Transformation erhält man das komplexe Frequenzspektrum der Impedanz nach Betrag und Phase (oder auch Real- und Imaginärteilwert). Das Erfassen des Wechselstroms und der Spannungsantwort für die Impedanzspektroskopie wird durch die Messeinheit für die einzelne Batteriezelleinheit vorgenommen.
Gemäß einer Ausführungsform ist die Messeinheit weiterhin eingerichtet, zusätzlich einen oder mehrere der folgenden Messgrößen zu erfassen: Temperatur, Druck in der Batteriezelleinheit, chemische und physikalische Parameter.
Auf den Gesamtzustand der Batteriezelleinheit kann somit durch die einzelnen physikalischen und chemischen Zustände geschlossen werden, die beispielsweise einen Ladezustand, einen „Gesundheits-“ Zustand und/oder die Lebensdauer der Batteriebeeinflussen können.
Die Messeinheit kann weiterhin eingerichtet sein, den Messdatensatz der Batteriesteuereinheit drahtlos z.B. gemäß einem Kurzreichweiten-Funkstandard oder drahtgebunden, z.B. über Ethernet oder einen CAN-Bus bereitzustellen.
Gemäß einem weiteren Aspekt wird eine Messeinheitenanordnung mit einer Vielzahl von hierin beschriebenen Messeinheiten für eine Vielzahl von Batteriezelleinheiten in der Batterie bereitgestellt. Die Batterie weist eine Gleichstrom-Sammelverbindung mit mehreren an dieser Gleichstrom-Sammelverbindung parallel angeordneten Zellsträngen auf, wobei jeder Zellstrang ein oder mehrere in Serie geschaltete Batteriezelleinheiten aufweist. Zumindest ein Teil der Zellstränge weist jeweils eine oder mehrere Messeinheiten auf, die jeweils Messgrößen einer Batteriezelleinheit erfassen. Die eine oder mehreren Messeinheiten sind eingerichtet, Messgrößen von Batteriezelleinheiten des Zellstrangs gleichzeitig zu erfassen und die erfassten Messgrößen für die Bereitstellung für die Batteriesteuereinheit als Messdatensatz zu organisieren.
Die Batteriezelleinheiten können eine einzelne Zelle sein oder als in Serie und/oder parallel geschaltete Zellen organisiert sein, die Zellmodule bilden.
Die Anzahl der Messeinheiten kann dabei der Anzahl der Batteriezelleinheiten entsprechen, so dass beispielsweise jeder Batteriezelleinheit eine Messeinheit zugeordnet ist. Es wäre aber auch möglich, dass mehrere Batteriezelleinheiten eines Zellstrangs einer Messeinheit zugeordnet sind. Vorzugsweise werden alle Batteriezelleinheiten eines Zellstrangs gleichzeitig gemessen. Dies ist insofern von Bedeutung, als dass dadurch Messungen z.B. schaltbar pro Zellstrang vorgenommen werden können, wie weiter unten noch ausführlicher beschrieben wird, wodurch die Messzeit verkürzt wird. Es sei hier angemerkt, dass in dieser Offenbarung eine Batteriezelleinheit mehrere Zellen, die hierin auch als Energiespeicherelemente bezeichnet werden, enthalten kann. Das heißt, eine Messeinheit injiziert Strom und misst Werte für eine Batteriezelleinheit mit mehreren, z.B. 14. Zellen bzw. Energiespeicherelementen. Die Energiespeicherelemente werden in dieser Offenbarung nicht weiter unterschieden.
Die Zellstränge enden an einem ihrer Enden an einer Gleichstrom-Sammelverbindung, die beispielsweise durch eine Stromsammelschiene oder Kabelverbindung realisiert sein kann, an der die Batteriespannung bzw. der Strom aus allen angeschlossenen Zellsträngen zur Verfügung steht, bzw. zur Verfügung gestellt wird.
Die Messdaten können z.B. als Messdatensatz, der z.B. mehrere Messgrößen sowie Zeitparameter enthalten kann, organisiert sein, die die Messeinheiten an die Batteriesteuereinheit übertragen.
Gemäß einem weiteren Aspekt wird ein Batteriemesssystem bereitgestellt, das eine hierein beschriebene Messeinheitenanordnung mit einer Vielzahl von in mindestens einem Zellstrang angeordneten Messeinheiten aufweist, sowie eine Batteriesteuereinheit und jeweils eine Stromquelle für jede Messeinheit, die auch als Senke arbeiten kann. Jede der Messeinheiten ist mindestens einer Batteriezelleinheit zugeordnet, und jede der Messeinheiten ist eingerichtet, Messdatensätze an die Batteriesteuereinheit zu senden. Die Batteriesteuereinheit ist eingerichtet, Messdatensätze von Messeinheiten mindestens eines Zellstrangs zu empfangen. Die Stromquellen sind jeweils eingerichtet, um einen mit einer Frequenz beaufschlagten Strom in die Batteriezelleinheit der zugeordneten Messeinheit zu injizieren.
In anderen Worten ist jeder Messeinheit eine Stromquelle zugeordnet, die einen Strom in diejenigen Batteriezelleinheiten injiziert, die der Messeinheit zugeordnet sind. Der Strom weist dabei eine Frequenz auf. Dass der Strom eine Frequenz aufweist, ist hierbei so zu verstehen, dass er mindestens eine Frequenz aufweist bzw. dass er eine Überlagerung oder Sequenz von Strömen mit unterschiedlichen Frequenzen darstellt. Die verschiedenen Frequenzen können gleichzeitig oder nacheinander auftreten. Die Stromquelle kann als Quelle und als Senke arbeiten. Daraus kann der Strom z.B. sinusförmig, also mit positiver und negativer Amplitude als Anregung moduliert werden.
Die Batteriesteuereinheit ist weiterhin mit einer Logik ausgestattet, die auch die Ausführung von Diagnosefunktionen erlaubt. Die Diagnosefunktionen basieren auf einem Modell eines Maschinenlernverfahrens. Die Batteriesteuereinheit empfängt das Modell, bzw. die Werte der Modellparameter über eine Drahtloslosschnittstelle, oder alternativ über eine drahtgebundene Schnittstelle von einer Recheneinheit, wie nachfolgend genauer beschrieben wird. Die Logik kann Hardware- und/oder Softwareelemente enthalten. Es versteht sich, dass die Batteriesteuereinheit entsprechend ihrer Aufgaben über Hardware wie Prozessoren, Logikbausteine, Programmspeicher und Register, Uhrbausteine etc. verfügen kann. Die Diagnosefunktionen betreffen insbesondere Merkmale des Inneren der Batterie, Stromstatistiken, etc. Beispiele für Diagnosefunktionen sind der aktuelle Ladezustand oder „State of Charge“ (SoC), der State of Health (SoH), die Temperatur des Zellkerns oder auch ein Vorgabe-(empfehlungs-) wert für die kommende maximale LeistungsabgabeZ-aufnahme des Batteriesystems zur Schonung und Lebensdauerverlängerung. Es müssen hierbei nicht zwangsweise alle gennannten oder bereitgestellten Diagnosefunktionen durch das Modell bereitgestellt werden. Beispielsweise kann die Zelltemperatur weiterhin direkt durch einen Temperatursensor erfasst werden.
Gemäß einer Ausführungsform weist jeder Zellstrang einen Schalter oder einen schaltbaren Wandler zur Abtrennung des Zellstrangs von den anderen Zellsträngen auf, wobei nur diejenigen Messeinheiten Messgrößen und Messdatensätze bereitstellen, die diesem Zellstrang zugeordnet sind.
Somit kann der Zellstrang, in welchem Messungen erfolgen, von der Gleichstrom- Sammelverbindung und damit z.B. von der Last, Verbraucher oder einer Energiequelle und von anderen Zellsträngen getrennt bzw. abgekoppelt werden. Die Abtrennung kann galvanisch durch einen Schalter, z.B. ein Relais oder durch einen Halbleiter, z.B. einem Transistor in einem Konverter, erfolgen oder durch Schalten einer Impedanz des Konverters, so dass der Zellstrang nur noch hochohmig an die Stromschiene angeschlossen ist.
Der Begriff „Wandler“ ist gleichzusetzen mit dem Begriff „Konverter“. Beispiele von Wandlern sind DC/DC-Wandler oder DC/AC- bzw. AC/DC- Wandler, wobei „DC“ für Gleichstrom steht und „AC“ für Wechselstrom.
In anderen Worten werden bevorzugt zu einem Zeitpunkt nur die Batteriezelleinheiten eines Zellstrangs gemessen oder die Batteriezelleinheiten einer Auswahl an Zellsträngen. Die anderen Zellstränge werden hochohmig oder alternativ galvanisch von diesem Zellstrang getrennt. Auf diese Weise kann der von der Quelle/Senke injizierte Strom vollständig in die an den Messeinheiten des Strangs verbundenen Zellen fließen und Störungen aus anderen Zellsträngen vermieden. Die Zellstränge können beispielsweise rotierend für eine Messung „aktiviert“ werden bzw. von der Gleichstrom-Sammelverbindung getrennt werden.
Durch die Isolierung aufgrund der hohen Impedanzen der Konverter können alternativ auch Zellstränge parallel gemessen werden, ohne dass sich die Zellstränge gegenseitig beeinflussen. Des Weiteren kann ein bidirektional arbeitender Konverter dazu genutzt werden, dass der getrennte Strang jederzeit wieder an die Gleichstrom-Sammelverbindung angekoppelt werden kann, unabhängig von Ladezustand des Strangs.
Gemäß einer Ausführungsform ist die Batteriesteuereinheit eingerichtet, aus den Messdatensätzen der Messeinheiten jeweils einen Merkmalsdatensatz zu generieren, dem Merkmalsdatensatz einen Zeitstempel aufzuprägen und den Merkmalsdatensatz einschließlich dem Zeitstempel zwischenzuspeichern.
Der Merkmalsdatensatz kann neben dem Zeitstempel beispielsweise Impedanzwerte an Frequenzstützstellen, sowie Strom- und Spannungswerte, statistische Angaben über gemessene Strom- und Spannungsbereiche, einen SoC, mittels einer Stromintegration über das Zeitintervall zwischen der letzten Messung und der aktuellen Messung berechnet wird, eine Temperatur, etc. enthalten.
Zum Speichern der Merkmalsdatensätze weist das Batteriemesssystem einen lokalen Speicher auf. Ferner kann das Batteriemesssystem Sensoren zur Messung einer Temperatur jeweils einer Batteriezelleinheit aufweisen oder weitere Sensoren, die beispielsweise Umgebungsparameter wie Temperatur, Feuchtigkeit, mechanischen Stress, etc. der Umgebung erfassen.
Gemäß einer weiteren Ausführungsform weist das Batteriemesssystem eine Recheneinheit und eine Kommunikationsschnittstelle auf, die beispielsweise eine lokale oder drahtgebundene, wie Ethernet, sein kann, oder eine drahtlose wie z.B. WiFi, Bluetooth, LTE, 5G, Funk, Cloud, die eingerichtet sind, die zwischengespeicherten Merkmalsdatensätze an die Recheneinheit, z.B. einen Server, zu übertragen, wobei die Recheneinheit eingerichtet ist, die zwischengespeicherten Merkmalsdatensätze zu empfangen und zyklisch bzw. dynamisch auf Basis aktueller Merkmalsdatensätze ein Modell eines maschinenlernenden Systems zu berechnen, wobei das Modell jeweils für jede Messeinheit Diagnosefunktionen bereitstellt, und die Recheneinheit weiterhin eingerichtet ist, das Modell über die Kommunikationsschnittstelle an die Batteriesteuereinheit zu übertragen.
Die Recheneinheit, z.B. ein Cloud-Computer, ein Server oder Controller, speichert alle Merkmalsdatensätze mit Zeitstempel in einer Datenbank. Damit entsteht eine digitale Lebens-ZGesundheitsakte, mit welcher die wichtigsten Merkmale des Batteriesystems lückenlos überwacht werden können. Bereits in diesem Stadium der Datenlage können durch simple Prüfungen von Bereichsgrenzen Anomalien im Batteriesystem auf der Zelleinheitsebene erkannt werden. Durch den Cloud Computer ist es des Weiteren möglich, auf Basis der letzten aktuellen Merkmalsdatensätzen (z. B. aus den letzten 6 Monaten) aktualisierte Modelle mit Hilfe von maschinellen Lernverfahren zu trainieren.
Das heißt, dass die Recheneinheit das Modell regelmäßig trainiert und das daraus resultierende Modell wieder an die Batteriesteuereinheit zurücksendet. Die Batteriesteuereinheit gibt dann die aktuellen Merkmalsdatensätze in das Modell hinein. Somit können von der Batteriesteuereinheit wichtige Diagnosefunktionen bereitgestellt werden, welche periodisch aktualisiert werden. Beispiele für Diagnosefunktionen sind der aktuelle Ladezustand oder „State of Charge“ (SoC), der State of Health (SoH), die Temperatur des Zellkerns oder auch ein Vorgabe-(empfehlungs-) wert für die kommende maximale LeistungsabgabeZ-aufnahme des Batteriesystems zur Schonung und Lebensdauerverlängerung. Es müssen hierbei nicht zwangsweise alle gennannten oder bereitgestellten Diagnosefunktionen durch das Modell bereitgestellt werden.
Im Falle, dass die Batteriesteuereinheit eine ausreichende Rechenkapazität und einen ausreichenden Speicherplatz, insbesondere um die Historie der Batteriezelleinheiten zu speichern, aufweist, kann die Funktion der Recheneinheit von der Batteriesteuereinheit übernommen werden. Die Kommunikationsschnittstellen und -Einheiten entfallen in diesem Fall.
Gemäß einer Ausführungsform ist das Batteriemesssystem eingerichtet, den abgetrennten Zellstrang für eine kurze Zeit zum Messen abzutrennen, während die anderen Zellstränge gemäß einem regulären Betrieb der Batterie Weiterarbeiten.
Das heißt, dass der zu messende Zellstrang für eine kurze Zeit zum Messen abgeschaltet wird, während die anderen Stränge zum regulären Betrieb der Batterie Weiterarbeiten können, anstatt die Messung nach einer langen Relaxationszeit von Stunden durchführen zu müssen. Unter „regulärem Betrieb“ ist hierbei der Betrieb der Zelle gemäß ihrer Bestimmung zu verstehen, im Gegensatz zu einem Messbetrieb. Der reguläre Betrieb kann dabei eine Entnahme oder eine Zuführung von Strom, oder auch eine Ruhephase enthalten.
Gemäß einer Ausführungsform weist das Batteriemesssystem weiterhin
Sensoren auf, die zum Erfassen weiterer Umgebungsmessgrößen, wie beispielsweise physikalische und chemische Messgrößen, eingerichtet sind, sowie einen lokalen Speicher, der zum Speichern der Merkmalsdatensätze und der erfassten weiteren Umgebungsmessgrößen eingerichtet ist.
Weitere Umgebungsmessgrößen sind zum Beispiel Umgebungstemperatur, Luftfeuchtigkeit, etc.
Gemäß einer Ausführungsform ist das Modell ein Modell gemäß einem Verfahren eines Rekurrenten (Encoder/Decoder) Neuronale Netzwerkes bekannter oder zukünftiger Art, einem bestärkenden Lernverfahren wie z. B. das Distributed Distributional/Deep Deterministic Policy Grading (D4DPG/DDPG)-Verfahren und/oder einem AktorZ-Kritiker- Verfahren ist, wobei das bestärkende Lernverfahren zum Lernen innerhalb eines Umgebungsmodells eine Belohnung verwendet. Gemäß einer Ausführungsform ist das Modell ein Modell der künstlichen Intelligenz (z. B. eines neuronalen Netzwerks), das eingerichtet ist, jeweils unter Verwendung der Zeitstempel aus den Merkmalsdatensätzen zu generieren.
Diese Ausführungsform beschreibt die Belohnungsfunktion für das Erlernen des SoC- Diagnosemodells. Der Agent des Neuronalen Netzwerks schätzt fortlaufend die zukünftige Diagnosegröße SoC zwischen 0..100%. Zwischen direkt benachbarten Zeitstempeln kann damit auch jeweils ein Differenzwert ASoC geschätzt werden. ASoC kann damit Werte zwischen -100% und 100% annehmen. Dieser ASoC-Wert steht auch im Coulombcounter der Batteriesteuereinheit (Integration des Stromwertes) als gemessene Größe als sehr genaue Größe zur Verfügung. Der Vergleich zwischen den geschätzten ASoC und den gemessenen ASoC - Werten kann in dem Umgebungsmodell zur Bewertung/Belohnung der zu schätzende Diagnosegröße „Absolut-SoC“ verwendet werden. Da der SoC technisch zwischen 0..100% begrenzt ist, verbessert das Lernverfahren fortlaufend nicht nur die Schätzung des ASoC, sondern auch (indirekt) die Schätzung des absoluten SoC.
Gemäß einer Ausführungsform ist das Modell ein Modell der künstlichen Intelligenz, das weiterhin eingerichtet ist, einen SoC-Zustandswert, einen SoH-Zustandswert, einen Zustandswert hinsichtlich einer Temperatur, einer chemischen und/oder einer physikalischen Eigenschaft zu schätzen.
Unter künstlicher Intelligenz werden hier auch neuronalen Netzwerke oder maschinelles Lernen verstanden.
In einer Variante kann das Lernen auch durch eine Simulation unterstützt werden. Hierbei fährt beispielsweise eine auf einem PC oder Laptop laufende Software ein vordefiniertes, typisches Leistungsprofil z.B. eines Gabelstaplers oder eines anderen Fortbewegungsmittels durch. Die Leistungseinheit weist hierbei Treiber auf, die eine Leistungsquelle darstellen und einen Ladestrom bereitstellen, oder Einheiten, die eine Last darstellen, und den Batteriestrom aufnehmen. Die Messdaten werden wie bereits beschrieben an die Recheneinheit geschickt, um das Modell, bzw. die Werte für die Parameter des Modells, zu berechnen. Nach der Lernphase kann das Modell an die Batteriesteuereinheit übertragen werden und die für den realen Betrieb z.B. des Fortbewegungsmittels und damit zur ständigen Überwachung der Batterie während des Betriebs eingesetzt werden. Gemäß einem weiteren Aspekt wird ein Verfahren zum Bereitstellen eines Messdatensatzes einer Batteriezelleinheit eines Zellstrangs einer Batterie für eine Ermittlung eines Zustands der Batteriezelleinheit bereitgestellt, mit folgenden Schritten:
Erfassen von Messgrößen der Batteriezelleinheit während des Betriebs der Batterie; Bereitstellen der erfassten Messgrößen als Messdaten für eine Batteriesteuereinheit zur Ermittlung eines Zustandes der Batteriezelleinheit durch ein zuvor trainiertes Modell einer künstlichen Intelligenz.
Gemäß einem weiteren Aspekt wird eine Verwendung eines hier vorgestellten Batteriemesssystems in einem elektrisch betriebenen Fortbewegungsmittel, einem stationären Speicher elektrischer Energie, für z.B. die Netzfrequenzregulierung oder in einem Microgrid bereitgestellt.
Unter dem Begriff Fortbewegungsmittel werden hier z.B. Kraftfahrzeuge, Züge, Boote und Schiffe, Flugzeuge, Hubschrauber und dergleichen verstanden.
Gemäß einem weiteren Aspekt wird ein elektrisch betriebenes Fortbewegungsmittel oder ein stationärer Speicher elektrischer Energie bereitgestellt, das ein hier beschriebenes Batteriemesssystem aufweist.
Man kann somit sagen, dass die generierten Modelle „leben“ und sich mit dem individuellen Betrieb des Batteriesystems weiterentwickeln. Die Modellgeneration wird daher im laufenden Betrieb und unabhängig von der verwendeten Zellchemie und der Einbausituation sowie der Verkabelungseigenschaften und damit unabhängig von den Übergangswiderständen betrieben. Anomalien können durch das Modell und den darin abgebildeten Diagnosefunktionen in der Batteriesteuereinheit schnell und zuverlässig erkannt werden. Dies kann z.B. durch simple Prüfungen von Bereichsgrenzen im Batteriesystem auf der Zelleinheitsebene erfolgen. Weiterhin kann für jede Batterie eine individuelle digitale Lebens- und/oder Gesundheitsakte, mit welcher die wichtigsten Merkmale des Batteriesystems lückenlos überwacht werden können, erstellt und geführt werden, indem beispielsweise die Recheneinheit die Merkmalsdatensätze mit Zeitstempel in einer Datenbank entsprechend speichert.
Das Verfahren kann zumindest in Teilen durch ein Computerprogrammelement durchgeführt werden, das auf einem oder auf mehreren Prozessoren ausgeführt wird. Das Computerprogrammelement kann Teil eines Computerprogramms sein, es kann jedoch auch ein ganzes Programm für sich sein. Beispielsweise kann das Computerprogrammelement verwendet werden, um ein bereits vorhandenes Computerprogramm zu aktualisieren, um zur vorliegenden Erfindung zu gelangen.
Das computerlesbare Medium kann als ein Speichermedium angesehen werden, wie beispielsweise ein USB-Stick, eine CD, eine DVD, ein Datenspeichergerät, eine Festplatte oder ein beliebiges anderes Medium, auf dem sich ein Programmelement wie oben beschrieben befinden kann gelagert.
Andere Variationen der offenbarten Ausführungsformen können vom Fachmann bei der Durchführung der beanspruchten Erfindung durch das Studium der Zeichnungen, der Offenbarung und der beigefügten Ansprüche verstanden und ausgeführt werden. In den Ansprüchen schließt das Wort "umfassend" andere Elemente oder Schritte nicht aus, und der unbestimmte Artikel "ein" oder "eine" schließt eine Vielzahl nicht aus. Ein einzelner Prozessor oder eine andere Einheit kann die Funktionen mehrerer Gegenstände oder Schritte erfüllen, die in den Ansprüchen aufgeführt sind. Die bloße Tatsache, dass bestimmte Maßnahmen in voneinander abhängigen Ansprüchen angegeben sind, bedeutet nicht, dass eine Kombination dieser Maßnahmen nicht vorteilhaft genutzt werden kann. Ein Computerprogramm kann auf einem geeigneten Medium wie einem optischen Speichermedium oder einem Halbleitermedium, das zusammen mit oder als Teil einer anderen Hardware geliefert wird, gespeichert / verteilt werden, kann aber auch in anderen Formen, beispielsweise über das Internet oder andere drahtgebundene oder drahtlose Telekommunikationssysteme verteilt sein. Bezugszeichen in den Ansprüchen sollten nicht so ausgelegt werden, dass sie den Umfang der Ansprüche begrenzen.
Kurze Beschreibung der Zeichnungen
Im Folgenden werden Ausführungsbeispiele der Erfindung anhand der schematischen Zeichnungen näher erläutert. Hierbei zeigt
Fig. 1 Eine Gesamtübersicht eines Batteriemesssystems,
Fig. 2 ein Blockdiagramm eines Batteriesystems,
Fig. 3 ein vereinfachtes Schaltungsdiagramm für ein Batteriesystem, Fig. 4 ein Diagramm von Impedanzspektren einer Batteriezelleinheit zu verschiedenen Zeitpunkten,
Fig. 5 ein Diagramm von Impedanzspektren zu verschiedenen Zeitpunkten und verschiedener Batteriezelleinheiten,
Fig. 6 ein Diagramm einer Messschaltung in einer Messeinheit,
Fig. 7 ein Blockdiagram einer künstlichen Intelligenz,
Fig. 8 ein Flussdiagramm eines Verfahrens zum Bereitstellen eines Messdatensatzes einer Batteriezelleinheit,
Fig. 9 eine Tabelle mit einem Beispiel eines Merkmaldatensatzes,
Fig. 10 eine Tabelle mit einem Beispiel und einer Erläuterung einer Berechnungsvorschrift zur Bewertung der „Schätzqualität“ eines ausgewählten Merkmalsdatensatzes,
Fig. 11 ein Blockdiagramm mit einer Testanordnung des Batteriemesssystems,
Fig. 12 ein illustriertes Struktogramm zur direkten Messung des SoH,
Fig. 13 ein illustriertes Struktogramm zur Schätzung des SoH.
Einander entsprechende Teile sind in allen Figuren mit den gleichen Bezugszeichen versehen.
Ausführunqsformen
Fig. 1 zeigt ein Blockdiagramm mit einer Gesamtübersicht eines Batteriemesssystems 100, das eine Batteriesteuereinheit 104, eine Messeinheitenanordnung 106 mit Messeinheiten, die in Fig. 1 beispielhaft mit Referenzzeichen 213 und 218 versehen sind, sowie eine Recheneinheit 102 aufweist. Die genannten Komponenten können einzelne Geräte sein oder in ein Gehäuse integriert sein. Die Datenverbindungen können drahtlos und/oder drahtgebunden sein. Wie in Fig. 2 dargestellt, ist jede der Batteriezellen-Messeinheiten 213...218 der Messeinheitenanordnung 106 mit einer Batteriezelleinheit 223...228 verbunden. Die Zellstränge 202 und 204 mit den Batteriezelleinheiten 223...225 bzw. 226...228 sind jeweils an einem ihrer Enden mit der Gleichstrom-Sammelverbindung 240 verbunden, die mit einer Last oder Verbraucher bzw. einem Stromerzeuger verbunden ist (nicht eingezeichnet).
Jede der Batteriezellen-Messeinheiten 213...218 erfasst Messgrößen wie Strom und Spannung der zugeordneten Batteriezelleinheit 223...228 eines Zellstrangs 202, 204 einer Batterie während dessen Betriebs. Sie können dadurch den Zustand der Batteriezelleinheiten erfassen. Durch die gesamte Anordnung 106 kann somit der Zustand des Batteriesystems 110 abgeschätzt werden. Die Messeinheiten 213...218 stellen die ermittelten Messgrößen als Merkmalsdatensatz mit Zeitstempel der in Fig. 1 dargestellten Batteriesteuereinheit 104 bereit. Das Speichervolumen der Batteriesteuereinheit 104 ist ausreichend groß, so dass alle gewonnenen Messdaten auch über mehrere Tage zwischengespeichert werden können. Die Batteriesteuereinheit 104 steuert die Messungen und wertet sie aus, wobei sie für die die Auswertung bzw. Teile der Auswertung die Messdaten an die Recheneinheit 102 sendet. Zum Senden der Daten und Steuersignale zwischen der Messeinheitenanordnung 106 und der Batteriesteuereinheit 104 bzw. der Batteriesteuereinheit 104 und der Recheneinheit 102 weisen die beteiligten Komponenten 102, 104, 106 drahtlose oder drahtgebundene Kommunikationseinheiten und -Schnittstellen auf. Die Batteriesteuereinheit 104 verfügt z.B. über eine gängige Funkschnittstelle wie z.B. WiFi, Bluetooth, LTE, 5G, etc.
Die Recheneinheit 102 ist beispielsweise ein Cloud-Computer mit hoher Rechenleistung und weist neben einer oder mehreren Prozessierungseinheiten 112 bzw. Controllern 112 einen Speicher 114 auf, in dem sowohl die aktuellen Merkmalsdatensätze als auch frühere Merkmalsdatensätze gespeichert sind. Die Recheneinheit 102 beherbergt ferner künstliche Intelligenz wie z.B. ein neuronales Netzwerk. Die Recheneinheit trainiert das neuronale Netz, so dass ein aktuelles Diagnosemodell für jede Zelleinheit erhalten wird. Die Batteriesteuereinheit 104 erhält über die Funkschnittstelle vom Cloud Computer 102 zyklisch das aktuelle Diagnosemodell für jede Zelleinheit, das auf der zentralen Batteriesteuereinheit 104 auf Basis aktueller Merkmalsdatensätzen wichtige Diagnosefunktionen wie z.B. den aktuellen Ladezustand (State of Charge, SoC), den Gesundheitszustand (State of Health), die Temperatur des Zellkerns oder auch einen Vorgabewert für die kommende maximale LeistungsabgabeZ-aufnahme des Batteriesystem zur Schonung und Lebensdauerverlängerung bereitstellen kann.. Die Batteriesteuereinheit 104 empfängt Merkmalsdatensätze von Messeinheiten 213...218 mindestens eines Zellstrangs 202, 204. Ein Zellstrang 202, 204 kann ein oder mehrere Batteriezelleinheiten aufweisen. Eine Batteriezelleinheit wiederum kann eine einzelne Zelle oder mehrere parallel oder seriell geschaltete Zellen sein, so dass die Batteriezelleinheit ein Modul bildet. Vorzugsweise werden die Batteriezelleinheiten 223...225 eines Zellstrangs 202 gleichzeitig während einer ersten Zeitspanne gemessen und die Batteriezelleinheiten 226...228 eines Zellstrangs 204 gleichzeitig während einer zweiten Zeitspanne unterschiedlich von der ersten Zeitspanne. Hierdurch werden gegenseitige Störungen in den Zellsträngen 202, 204 vermieden. Je nach Kapazität, insbesondere Speicher- und Rechenkapazität der Batteriesteuereinheit 104 und/oder der Recheneinheit 102 kann auch innerhalb eines Stranges erst ein Teil der Batteriezelleinheiten 223...225 bzw. gemessen werden und danach ein weiterer Teil.
Fig. 3 zeigt ein vereinfachtes Schaltungsdiagramm, das ein Batteriesystem 110 bestehend aus zwei Strängen 202, 204 mit jeweils einer Batteriezelleinheit 223, 226, die wiederum aus jeweils drei Energiespeicherelementen oder Zellen 311 , 312, 313 bzw. 321 , 322, 323, die in Reihe geschaltet sind, bestehen.
Diese Entkopplung kann beispielsweise durch einen Schalter, wie beispielsweise ein einfaches Relais erfolgen. In Fig. 3 sind Schalter 331 und 332 eingezeichnet, die eine solche Entkopplung für jeden Strang vornehmen können. Hierbei können auch elektronische Lösungen, wie z.B. Transistoren zum Einsatz kommen. Weiterhin ist in Fig. 3 ein Hauptschütz 333 eingezeichnet, mit dem die betriebenen Verbraucher / Erzeuger 340 während der Messung von den Zellsträngen 202, 204 getrennt werden können, sowie eine gesteuerte Spannungsquelle 342 zur Darstellung eines veränderlichen Standby-Stroms.
In einer speziellen Ausführungsform weisen die Zellstränge 202, 204 zum Beispiel am positiven Ende einen jeweils über einen eigenen DC/DC-Wandler auf. Dies ist z. B. in stationären Großspeichern der Fall. Diese DC/DC-Wandler sorgen eigentlich dafür, dass die Spannungsniveaus zwischen den Strängen „kontrolliert“ ausgeglichen werden können. Diese können so eingesetzt und geschaltet werden, dass sie als „Relais“ 331 und 332 fungieren, das den zu messenden Strang von den übrigen Strängen hochohmig trennt. Beispielsweise kann dies ein DC/DC-Resonanzkonverter sein, so dass die Impedanz über die Schaltfrequenz gesteuert werden kann, oder ein Konverter, der als Schalter verwendet werden kann. Die Quelle/Senke 11 314 ist Bestandteil der Batteriemesseinheit 213, welche in diesem Beispiel die drei Energiespeicherelemente 311 , 312, 313 in Reihe des ersten Stranges 202 gleichzeitig spektroskopieren kann.
Die Anzahl der notwendigen Batteriemesseinheiten pro Strang beträgt (N DIV K) + 1 , wobei N die Anzahl der Energiespeicherelemente pro Strang ist, DIV eine ganzzahlige Division ist und K die Maximalanzahl an Energiespeicherelementen, an denen pro Messeinheit 213...218 die Spannungen, die Temperaturen und der Strom aus 11 314, und damit das Impedanzspektrum gemessen werden können.
Beispiel: N=30 Energiespeicherelemente pro Strang; K=12 Messeingänge in der Messeinheit, so dass (30 DIV 12) + 1 = 3 Messeinheiten.
Der Widerstand R2 326 und die Kapazität C1 327 symbolisieren eine mögliche Last der Batterie, die während der Impedanzmessung des Stanges 202 von dem nicht gemessenen Strang 204 versorgt werden muss. Impedanzen sind von den Batteriemesseinheiten sinnvoll nur dann zu messen, wenn sich die zu messenden Zelleinheiten in „Ruhe“ befinden, d. h. es fließt nahezu kein Strom in die zu messenden Zelleinheiten hinein oder heraus. Diese „Ruhephasen“ kommen bezüglich der gesamten Batterie in vielen Batteriesystemen während des normalen Betriebes vor:
1) Ein Elektroauto parkt oder steht an der Ampel.
2) Ein Gabelstapler wird kurzzeitig vom Fahrer verlassen, damit er einer Kommissionieraufgabe nachgehen kann.
3) Ein stationärer Speicher nimmt aktuell nahezu keine elektrische Leistung auf oder gibt diese ab, wenn das Ab/Wegschalten eines Strangs den Betrieb des Batteriesystems weiterhin gewährleistet.
In anderen stationären Systemen, wie z.B. Frequenzregulierung, Microgrids, etc., wo ein ständiger Strom, evtl, sogar ein konstanter Stromfluss aufrechterhalten werden muss, kann wie bereits beschrieben, ein einzelner Strang für die Messung isoliert werden, der dann während der Messung keinen Stromzufluss oder Stromabfluss aufweist. Zur Aufrechterhaltung eines kleinen Stroms können dann die anderen Zellstränge herangezogen werden. In diesem Fall können die Stränge der Reihe nach gemessen werden. Im Falle von plötzlich auftretenden großen Leistungsanforderungen, welche einen Schwellwert überschreiten, kann die Messung des Impedanzspektrums sofort unterbrochen werden und der Strang über den zugeordneten Schalter, z. B. 331 oder 332 wieder an das gesamte Batteriesystem zugeschaltet werden. Auf diese Weise wird verhindert, dass alle Stränge auch nach der Messung einen nahezu gleichen Ladezustand beibehalten.
Die Quelle/Senke 11 314 kann mit einer einzelnen sinusförmigen Anregung mit z.B. einer Frequenz von 10 Hz betrieben werden, oder mit mehreren sinusförmigen Strömen gleicher Amplitude, die unterschiedliche Frequenzen aufweisen, beispielsweise im Bereich von 25 mHz ... 1 ,5 kHz. Durch die gleichzeitige Einprägung mehrerer Ströme kann die Messzeit verkürzt werden. Beispielsweise wird die Impedanz pro Frequenzdekade an folgenden Stützstellen gleichzeitig gemessen: fi = 25 mHz, f2 = 50 mHz, fs = 75 mHz, f4 = 125 mHz und fs = 200 mHz. Die sinusförmige Anregung folgt dann gemäß folgender Reihenfunktion:
I Anregung = lampl [ Si U (co it + epi) + Sin(c02t + Cp 2) + . . . + Sin(c05t + Cp 5) ] , WObei C0i = 2 7t fi
Für die Auswertung der Strom- und/oder Spannungsmessungen für das Impedanzspektrum kann eine Fourieranalyse durchgeführt werden. Die Fourieranalyse kann beispielsweise in der Batteriesteuereinheit durchgeführt werden, oder bereits in den jeweiligen Messeinheiten 213 ... 218. Für die digitale Fourieranalyse ist es vorteilhaft, wenn 02... cos jeweils Vielfache von toi sind, epi ,... , cp 5 können dann offline so optimiert werden das (Anregung insgesamt bei der Überlagerung der einzelnen Stromkomponenten eine möglichst kleine Amplitude aufweist. Dadurch kann sichergestellt werden, dass während der Messung die Kleinsignaleigenschaften erfüllt werden. Es kann z. B. mathematisch bewiesen werden, dass bei einer optimierten Wahl von epi ,... , cp seine Gesamtmaximalamplitude von 2,3* lampi nicht überschritten wird. Ohne eine optimierte Wahl von epi ,... , cps könnte die gesamte Amplitude im schlechtesten Fall maximal 5* lampi betragen.
Durch die Wahl von konkreten Frequenzstützstellen kann die Auswertung der Impedanz durch die schnelle Fourier-Transformation (FFT) auf dem digitalen Wege hochgenau erfolgen. Gleichanteile bzw. „Störfrequenzen“ lassen sich aus dem gemessenen Spektrum des Stroms und der Zellspannungen leicht herausfiltern.
Fig. 4 zeigt ein Beispieldiagramm von in der Batteriesteuereinheit berechneten Impedanzspektren einer Batteriezelleinheit mit Realteil (x-Achse) und Imaginärteil (y-Achse) der Impedanz Z in Ohm, gemäß den von einer Messeinheit erfassten Strom- und Spannungswerten. Jeder Messpunkt (Frequenzstützstelle) stellt die Impedanz für eine Frequenz dar, die der Frequenz des injizierten Stroms entspricht. Das Spektrum stellt die Impedanzspektren für drei verschiedene Zeitpunkte „Zeit 1“, „Zeit 2“, „Zeit 3“ dar, die in Fig. 4 durch unterschiedliche geometrische Formen der Messpunkte gekennzeichnet sind. Aus dem Spektrum kann auf den Gesundheitszustand und den Ladezustand der Batteriezelleinheit beispielsweise durch Vergleich mit Referenzkurven geschlossen werden. Eine weitere Möglichkeit zur Schätzung des Gesundheitszustands und des Ladezustandes, ist die Anwendung von künstlicher Intelligenz beispielsweise durch neuronale Netze, wie hierin beschrieben.
Fig. 5 zeigt ein Beispieldiagramm mit Impedanzspektren mehrerer Batteriezelleinheiten bzw. Zellen eines Stranges, die entsprechend auf der Messung mehrerer Messeinheiten basieren. Auch hier sind wieder die Spektren zu drei unterschiedlichen Zeitpunkten „Zeit 1“, „Zeit 2“, „Zeit 3“ dargestellt, die durch verschiedene geometrische Formen der Messpunkte unterscheidbar sind. Es ist zu erkennen, dass sich die „Kurven“ der verschiedenen Batteriezelleinheiten zu einem Zeitpunkt ähnlich verhalten, wohingegen sich das Verhalten zu unterschiedlichen Zeitpunkten deutlich unterscheidet.
Fig. 6 zeigt ein vereinfachtes Diagramm einer Messschaltung 600 einer Messeinheit 213 ... 218. Die Messung wird durch einen Mikroprozessor 602 gesteuert. Der Mikroprozessor 602 gibt überlagerte Signale 604 unterschiedlicher Frequenz aus, die analoggewandelt 606 und als überlagerte Sinusströme zu einem Multiplexer 608 gelangen. Der Mikroprozessor 602 wählt über das Kanalsignal 610 die zu messenden Zelle oder Batteriezelleinheit aus, in die die überlagerten Sinusströme injiziert werden, und deren Spannung als Reaktion auf die Ströme mit einer 4-Punkte-Messung 612 erfasst wird und differentiell an einen Demultiplexer 614 gegeben wird. Der zu injizierende Strom am Multiplexer 608 wird mit dem Stromsensor 614 gemessen und die Strommessung ebenfalls zu dem Demultiplexer 614 geleitet, so dass der Mikroprozessor den gemessenen Strom für den oben ausgewählten Kanal und die gemessene zugehörige Spannung am Demultiplexer 614 abfragen kann. Die Spannung ist hierbei die Summe der Einzelspannungen, die sich aus den injizierten überlagerten Sinusströmen ergibt. Beide Werte werden durch einen Analog-Digital Wandler 616 in einen digitalen Wert gewandelt und an eine schnelle Mikrocontroller-Schnittstelle des Mikroprozessors 602 als Eingangssignal angelegt. Der Mikroprozessor 602 kann nun die Werte an die Batteriesteuereinheit 104 senden, und/oder, falls er leistungsfähig genug ist, eine Fourier-Analyse durchführen, um das Impedanzspektrum zu erhalten.
Fig. 7 zeigt ein Diagramm einer künstlichen Intelligenz zur Schätzung des Lade- und/oder Gesundheitszustand der Batteriezelleinheiten. Eine mögliche Ausführung von Maschinellen Lernverfahren sind sogenannte Aktor-/Kritiker-Netzwerke, die beispielsweise als Deep Deterministic Policy Grading (DDPG)-Verfahren implementiert sind. Exemplarisch soll hier der Trainingsvorgang auf dem Cloud Computer 102 für die Erzeugung des individuellen SoC einer Zelleinheit erläutert werden.
Der Cloud Computer 102 greift auf mehrere tausend Merkmalsdatensätze aus der Vergangenheit (z. B. aus den letzten 6 Monaten bis zur Gegenwart) zurück. Dafür legt der Cloud Computer 102 einen sogenannten „Replaybuffer“ an. Ein Merkmalsdatensatz besteht aus dem Zeitstempel, allen gemessenen Impedanzwerten des erfassten Spektrums (typisch innerhalb weniger mHz und weniger kHz), der mittleren Temperatur der Batteriezelleinheit, sowie eine Liste von gemessenen Strom- und Spannungswerten der Batteriezelleinheit z.B. über die vergangene Stunde vor dem betrachteten Zeitstempel. Des Weiteren kann zum letzten Zeitstempel die umgeladene Ladungsmenge in Ampere-Sekunden [As] gewonnen werden, indem der abgetastete Stromwert über der Zeit integriert wird (Coulomb-Counting). Bezogen auf die Nennkapazität der Batteriezelleinheiten kann daraus ein Differenzwert eines umgeladenen Ladezustandes in Prozent berechnet werden.
Anmerkung: In vielen BMS wird die Coulomb-Counting Methode zu Bestimmung des absoluten SoC verwendet. Diese wird jedoch mit zunehmender Zeitdauer immer ungenauer wegen der Integrationsverfahrens, das z.B. auch systematische Messfehler wie z.B. Offsets nicht kompensieren kann.
Fig. 9 zeigt eine Tabelle mit einem Beispiel eines Merkmalsdatensatzes. Dabei bedeuten: t_meas(k) Zeitstempel des betrachteten, k-ten, erfassten Merkmalsdatensatz
Z1 : Erster komplexer Impedanzwert der Zelleinheit bei der ersten gemessenen Frequenzstützstelle (Betrag und Phase oder Real- und Imaginärteil)
ZN: Letzte komplexer Impedanzwert der Zelleinheit bei der letzten gemessenen Frequenzstützstelle (Betrag und Phase oder Real- und Imaginärteil)
T: Mittlere Temperatur der Zelleinheit
I25%/U25%: Unteres Quartil der gemessenen Strom-ZSpannungswerte aus der unmittelbaren Vergangenheit zu f_meas(k)
I75%/U75%: Oberes Quartil der gemessenen Strom-ZSpannungswerte aus der unmittelbaren Vergangenheit zu f_meas(k)
Differenz SoC zum vorangegangenen erfassten Zeitstempel. Dieser kann mit Hilfe einer Stromintegration über der Zeit einfach ermittelt werden (Stichwort: Coulomb-Counting, welche in jedem BMS implementiert ist)
Ein solcher Merkmalsdatensatz wird bereits im zentralen Batteriesteuergerät angelegt und im Falle einer Funkverbindung zum Cloud Computer in die digitale Lebensakte übertragen.
In dem Lernverfahren einer Energiespeichereinheit schätzt der Agent 702 fortlaufend die Zielgröße (hier den absoluten SoC£S([fmeas(k)]), indem er aus dem Replaybuffer mit den Merkmalsdatensätzen nicht nur den willkürlich gewählten, k-ten Merkmalsdatensatz zur Schätzung heranzieht, sondern auch weitere Merkmalsdatensätze nutzt, welche sich chronologisch in der direkten zeitlichen Vergangenheit zum gewählten Zeitstempel befinden. In der Regel ist diese direkte zeitliche „Nähe“ für eine Anzahl von Merkmalsdatensätzen (z. B. M Stück) gegeben, deren Zeitstempel um 8-12 Stunden in der Vergangenheit zum gewählten Zeitstempel liegen. Innerhalb dieser Zeitdifferenzen liegt mittels der Coulomb Counting-Methode ein sehr genauer ASoC-Wert als Differenzwert vor.
Für alle Zeitstempel (also aus dem gewählten k-ten und aus den 8-12-stündigen Vergangenheit liegenden) schätzt der Agent 702 jeweils den SoC als absolute Größe auf Basis des aktuellen Agentenmodells SoC£S([fmeas(k)], SoC£S([fmeas(k-1)], , SoC£S([fmeas(k-M)].
Diese Schätzergebnisse können dazu genutzt, um in einer Modellumgebung 704 einen Gesamtbelohnungswert (s. Fig. 7 „Belohnung“) für den geschätzten SoCEst[tmeas(k)] festzulegen.
Zur Bewertung der „Schätzqualität“ eines ausgewählten Merkmalsdatensatzes als Reward- Wert kann nun beispielsweise eine wie in Fig. 10 gezeigte Berechnungsvorschrift eingesetzt werden.
Der auf diese Weise bestimmte Gesamtrewardwert ist ein geeignetes Maß dafür, dass die einzelnen absoluten Schätzwerte SoCEst[tmeas(k)], SoCEst[tmeas(k-1)], ... , SoCEst[tmeas(k-M)] in den meisten Fällen mit den tatsächlich vorliegenden, absoluten, jedoch unbekannten SoC-Werten zu den vorliegenden Zeitstempeln übereinstimmen müssen.
Zusätzlich wird in dem maschinellen Lernverfahren ein weiteres hier nicht dargestelltes Kritiker-Netzwerk trainiert, mit dem der zukünftige kumulierte Gesamtreward des Aktornetzwerkes geschätzt wird. Das Kritikernetzwerk liefert damit eine Schätzgröße, mit welcher die „verallgemeinerte Güte“ des Agentennetzwerkes bewertet werden kann.
Fig. 8 zeigt ein Flussdiagramm eines Verfahrens 800 zum Bereitstellen eines Messdatensatzes einer Batteriezelleinheit in einem Zellstrang einer Batterie für eine Ermittlung eines Zustands der Batteriezelleinheit, aufweisend die Schritte:
Erfassen 802 von Messgrößen der Batteriezelleinheit während des Betriebs der Batterie;
Bereitstellen 804 der erfassten Messgrößen als Messdaten für eine Batteriesteuereinheit zur Ermittlung eines Zustandes der Batteriezelleinheit.
In einer anderen Ausführungsform der künstlichen Intelligenz können sogenannte Rekurrente (Encoder/Decoder) Netzwerke zum Einsatz kommen. In einem rekurrenten neuronalen Netz sind auch Rückkopplungen zwischen Neuronen der gleichen Schicht oder vorangegangener Schichten möglich.
In einer solchen Lösung kann die Outputschicht des neurolen Netzwerks z. B. der geschätzte Differenzwert des aktuellen Messzeitpunktes tmeas(\<) zum Vorgänger- Messzeitpunkt fmeas(k-l )
ASoCEst [fmeasfK)] — SOÖEst [tmeas(k)]- SOÖEst [fmeas(k-1 )] sein. Dieser liegt als tatsächliche gemessene Größe immer zum Zeitpunkt fmeas(k-1) immer vor.
Die Topologie des Netzwerkes kann so gewählt werden, dass SoC£S([fmeas(k)], SoC£S([fmeas(k- 1)] als Vorgängerneuronenschicht (Hidden Neurons) vorliegen.
Wie bereits erwähnt, können die Batteriezelleinheiten in Serie und/oder parallel geschaltete Zellen sein und bilden in Reihe geschaltet ein Batteriemodul. Eine Batterie besteht aus mehreren in Reihe geschalteten Batteriemodulen, die einen Batteriestrang bilden. Zur Erhöhung der Gesamtkapazität der Batterie können mehrere Batteriestränge parallelgeschaltet werden.
Im Folgenden wird beschrieben, wie der Zustand der Batteriezelleinheiten in solchen Batteriemodulen und damit auch der Zustand der gesamten Batterie geschätzt werden kann, wie eine Datengrundlage für das Maschinenlernen während des Testens geschaffen werden kann und wie ein Batteriemodul mit einer oder mehreren schwachen Zellen wiederhergestellt werden kann. Der Zustand ist beispielsweise der Gesundheitszustand SoH (engl.: „State of Health“) als Verhältnis von vorhandener Kapazität zur Nennkapazität der Zellen sowie einer alterungsbedingten Kenngröße z, B. der alterungsbedingten relevanten Impedanz, die ein Maß für die verfügbare Leistung darstellt
Zur Schaffung der Datengrundlage kann das Lernen in zwei Phasen eingeteilt werden: eine erste Lernphase, in der eine direkte Messung der Zustandsparameter der Batteriezelleinheiten erfolgt. Beispielsweise wird für die ersten 500-800 Batteriemodule die Kapazität (Ah) und die alterungsbedingte Impedanz jeder Batteriezelleinheit direkt gemessen. Diese Messungen sind zwar relativ langsam, da die Batteriemodule vollständig geladen und entladen werden müssen, jedoch dienen sie als Datengrundlage für das Maschinenlernen.
Beispielsweise können Grenzwerte oder Bereiche für Kapazitäten und alterungsbedingte Kenngrößen festgelegt werden, die den Zustand in Güteklassen einteilt. Gleichzeitig bzw. innerhalb des Testlaufs, können die verschiedenen o.g. Parameter, wie Impedanzspektrum, Temperatur etc., gemessen bzw. bestimmt werden und den Bereichen zugeordnet werden, und dem Maschinenlernalgorithmus als Lern-Eingangsgrößen und Zielgröße zugeführt werden. Der Maschinenlernalgorithmus lernt somit den Zusammenhang zwischen den Messparametern und Kapazität und alterungsbedingter Kenngröße, so dass in der zweiten Phase keine direkte SoH-Bestimmung durchgeführt werden muss.
In der zweiten Phase wird der Zustand, beispielsweise der SoH somit indirekt durch das Maschinenlernen geschätzt. Dies erlaubt eine schnelle Bestimmung des Zustands.
Somit ist das Batteriemesssystem sowohl in der erste Lernphase als auch in der zweiten Lernphase operativ für verseh a Itete Batteriemodule einsetzbar.
Der Ablauf zur Schaffung der Datengrundlage für das Maschinenlernen und der Beurteilung des Zustandes der Zellen in einer ersten und einer zweiten Lernphase wird im Folgenden anhand zweier Beispiele erläutert. In einem ersten Beispiel wird in einem Fahrzeug, beispielsweise ein gebrauchter Elektro-PKW, eine Batterie mit 12 Batteriemodulen mit jeweils 8 Batteriezelleinheiten für die Energiebereitstellung verwendet. Der Gesundheitszustand SoH der Batteriemodule sei unbekannt. Das Batteriemanagementsystem des gebrauchten Elektroautos weist batterieseitig keine Fehler auf. Es ist davon auszugehen, dass die Batterie über alle Batteriemodule in Bezug auf den SoH gleich gute und für den Betrieb des Elektroautos funktionsfähige Eigenschaften besitzt. Es werden zunächst mindestens zwei Batteriemodule ausgewählt. Liegt noch kein ausreichend großer Trainingsdatensatz als Messparameter für den Batteriezelltyp vor, so muss der SoH, wie im Struktogramm 1200 in Fig. 12 gezeigt, direkt erfasst werden. Während dieses Messvorganges werden die relevanten Merkmalsdatensätze als Parametersatz wie bereits oben geschrieben in einer zentralen Datenbank 1214 gespeichert. Gehören beispielsweise die Batteriemodule nicht zu den ersten 500-800 Modulen seit Start des Batteriemesssystems, wird entsprechend der ersten Lernphase der SoH der 2x8 Zellen direkt gemessen. Hierfür werden zunächst in Schritt 1202 die Batteriemodule auf 100% SoC aufgeladen. Anschließend wird in Schritt 1204 der Entladevorgang des Batteriemoduls gestartet. Solange die Entladeschlussspannung nicht erreicht ist, Schritt 1206, werden in Schritt 1208 an gewählten Ladezuständen die relevanten Merkmale/Parameter für das maschinelle Lernverfahren gemessen und in Schritt 1210 der Strom zur Erfassung der umgeladenen Ladungsmenge integriert. Es werden Parameter, z.B. zur Bestimmung des Impedanzspektrums und weitere wie hierin bereits beschriebene Parameter, durch Messungen bestimmt. Nach Erreichen der Entladeschlussspannung wird in Schritt 1212 die aktuelle Kapazität in Ah und der relevanten Impedanz (=SoH) bestimmt. Die direkten Messungen des SoH der beiden Batteriemodule dienen hierbei zu Überprüfung der gleich guten Eigenschaften. Zum Beispiel beträgt der SoH aller Zelleinheiten 90%. Die Messdaten und Messergebnisse werden schließlich dem Maschinenlernprogramm zur Verfügung gestellt. Zur Beurteilung des Zustandes wird also lediglich die die direkte SoH- Messung verwendet.
Wurden dem Maschinenlernprogramm hingegen bereits Messdaten und Messergebnisse von zum Lernen notwendigen 500-800 Modulen zur Verfügung gestellt, wird das Maschinenlernprogramm verwendet, um in Schritt 1306 den SoH abzuschätzen, wie im Struktogramm 1300 der Fig. 13 dargestellt. Hierzu ist keine direkte Messung des SoH mehr notwendig, sondern nach dem Entladen/Laden auf den nächsten geeigneten Ladezustand mit dem Ziel einer kurzen Messzeit in Schritt 1302 lediglich in Schritt 1304 Messungen zur Bestimmung des Impedanzspektrums sowie weiterer Parameter, die zu einem gewählten Betriebspunkt erfasst wurden.
Wenn in dem ersten Beispiel ein ausreichender SoH-Wert für alle Batteriezelleinheiten, beispielsweise 90%, geschätzt bzw. bestimmt worden ist, wird beispielsweise ein Qualitätszertifikat ausgestellt, und die Module können in dem Fahrzeug verwendet werden. ln einem zweiten Beispiel sei die Batterie des Fahrzeugs defekt. Beispielsweise sei eine Batteriezelleinheit innerhalbeines Batteriemoduls defekt oder zumindest in einem ungenügenden Gesundheitszustand. Die Bestimmung des Gesundheitszustands erfolgt wie im ersten Beispiel. Ergibt diese, dass beispielsweise eine Batteriezelleinheit einen SoH-Wert von lediglich 60% aufweist, während die restlichen Batteriezelleinheiten einen SoH-Wert von 90% aufweisen, wird eine Anfrage in die Cloud ausgelöst, die mit einer Auswahl geeigneter gebrauchter Austauschmodule mit der gleichen oder zumindest einer vergleichbaren Qualität wie die intakten Batteriezellen des Moduls, bzw. der Batteriezelleinheiten antwortet. Da das Batteriemesssystem alle gemessenen Batteriemodule in einer zentralen Datenbank erfasst, besteht damit die Möglichkeit, ein geeignetes Austauschmodul aus einem angelegten Bestand zu identifizieren.
Das geeignete gebrauchte Austauschmodul wird vor der Integration in die defekte Batterie zellweise bzgl. ihrer Spannungen so ausgeglichen (gebalanced), dass alle Batteriezelleinheiten der Batterie die gleichen Spannungswert aufweisen. Damit befindet sich die reparierte Batterie nach dem Einbau des Austauschmoduls in einem ausbalancierten Zustand und kann sofort wieder genutzt werden.
Fig. 11 zeigt ein Blockdiagramm mit einer Anordnung, mit der diese Tests in den beschriebenen Lernphasen durchgeführt werden können. Block 1102 stellt ein Batteriemodul 1102 mit mehreren Batteriezelleinheiten 1104 dar. Die Anzahl der Zelleinheiten 1104 ist hier acht, kann aber mehr Zellen betragen. Block 1106 stellt z.B. die Quelle/Senke dar, die mit dem allgemeinen Wechselspannungsnetz verbunden ist, das beispielsweise bis zu 3,5 kW liefern kann. Die Quelle/Senke 1106, die z.B. der Quelle/Senke 331 in Fig. 3 entspricht, wandelt die AC-Netzspannungen in 2V bis 60V bzw. umgekehrt und erlaubt damit wahlweise das gezielte Laden/Entladen des gesamten Batteriemoduls 1102 oder auch einer einzelnen Batteriezelleinheit 1104. Zusätzlich können noch weitere Spannungsquellen für die interne Spannungsversorgung des Batteriemesssystems zur Verfügung stehen. Block 1108 stellt z.B. die Messeinheit 213 aus Fig. 2 bzw. die in Fig. 6 gezeigte Messeinheit dar, die über einen Bus mit beispielsweise 13 Leitungen - entsprechend der Anzahl an
Batteriezelleinheiten 1104 - mit dem Batteriemodul 1102 verbunden ist. Block 1110 stellt z.B. eine Prozessierungseinheit mit dem in Figur 6 gezeigten Mikroprozessor 602 dar. Die Prozessierungseinheit 1110 weist weiterhin LAN-, WLAN-, USB - und HDMI- Schnittstellen auf. Die Batterie bzw. zumindest die Module 1102, die dem Test unterzogen werden, können in eine Thermalkammer gestellt werden, so dass sie unter definierten, auch unterschiedlichen Temperaturen getestet werden können. Das Impedanzspektrum wird mit dieser Anordnung, wie hierin bereits ausführlich beschrieben, bestimmt. Die LAN bzw. WLAN Verbindungen dienen beispielsweise zur Übertragung der gemessenen Parameter zu einem Speicher und zu dem Maschinenlernprogramm, zur Kommunikation mit einem SteuerPC, zum Empfang des Diagnosemodells, und zur Auswahl der Austauschmodule. Ferner kann über die WLAN/LAN-Verbindung auch ein Webserver als Nutzerinterface zur Steuerung des Batteriemesssystems und Darstellung der relevanten Daten bereitgestellt werden. Alternativ seht auch eine HDMI-Schnittstelle zum Anschluss eines Displays zur Verfügung. An die USB-Schnittstelle können Eingabegeräte, externe Speicher, und sonstige dem Fachmann bekannte Geräte angeschossen werden.

Claims

- 26 - Ansprüche
1 . Batteriezellen-Messeinheit (213...218), wobei die Messeinheit (213...218) zur Erfassung von Messgrößen einer Batteriezelleinheit (223...228) in einem Zellstrang (202, 204) mit einer Vielzahl von Batteriezelleinheit einer Batterie eingerichtet ist, wobei die Messeinheit (213...218) weiterhin eingerichtet ist, während des Betriebs der Batterie Messgrößen für die Ermittlung eines Zustandes der Batteriezelleinheit (223...228) zu erfassen und die ermittelten Messgrößen als Messdatensatz einer Batteriesteuereinheit (104) bereitzustellen.
2. Messeinheit (213...218) nach Anspruch 1 , wobei die Messeinheit (213...218) weiterhin eingerichtet ist, folgende Messgrößen zu erfassen: einen in die Batteriezelleinheit (223...228) injizierten Wechselstrom mit unterschiedlichen Frequenzen als Anregung für eine Bestimmung eines Impedanzspektrums; und eine Spannung und eine Phase relativ zum injizierten Wechselstrom als Spannungsantwort für eine Bestimmung des Impedanzspektrums; wobei die Messeinheit (213...218) weiterhin eingerichtet ist, Werte der erfassten Messgrößen und/oder Werte des Impedanzspektrums mit einem Zeitstempel zu versehen und als Messdatensatz der Batteriesteuereinheit (104) bereitzustellen.
3. Messeinheit (213...218) nach Anspruch 1 oder 2, wobei die Messeinheit (213...218) weiterhin eingerichtet ist, zusätzlich einen oder mehrere der folgenden Messgrößen zu erfassen: Temperatur, Druck in der Batteriezelleinheit (223...228), chemische und physikalische Parameter.
4. Messeinheitenanordnung (106) mit einer Vielzahl von Messeinheiten (213...218) nach einem der Ansprüche 1 bis 3 für eine Vielzahl von Batteriezelleinheiten (223...228) in der Batterie, wobei die Batterie eine Gleichstrom-Sammelverbindung (240) mit mehreren parallel daran angeordneten Zellsträngen mit jeweils einer oder mehreren in Serie geschalteten Batteriezelleinheiten (223...228) aufweist; wobei zumindest ein Teil der Zellstränge (202, 204) jeweils eine oder mehrere Messeinheiten (213...218) aufweist, die jeweils Messgrößen einer Batteriezelleinheit (223...228) erfassen, wobei die eine oder mehrere Messeinheiten (213...218) eines Zellstrangs eingerichtet sind, Messgrößen einer Batteriezelleinheit (223...228) in dem Zellstrang (202, 204) gleichzeitig zu erfassen und die erfassten Messgrößen für die Bereitstellung für die Batteriesteuereinheit (104) als Messdatensatz zu organisieren.
5. Batteriemesssystem, aufweisend eine Messeinheitenanordnung (106) nach dem vorhergehenden Anspruch mit einer Vielzahl von in mindestens einem Zellstrang (202, 204) angeordneten Messeinheiten (213...218); eine Batteriesteuereinheit (104); und eine Stromquelle für jede Messeinheit, die auch als Senke arbeiten kann; wobei jeder der Messeinheiten (213...218) mindestens einer Batteriezelleinheit (223...228) zugeordnet ist und jede der Messeinheiten (213...218) eingerichtet ist, Messdatensätze an die Batteriesteuereinheit (104) zu senden; die Batteriesteuereinheit (104) eingerichtet ist, Messdatensätze von Messeinheiten (213...218) mindestens eines Zellstrangs zu empfangen; und die Stromquellen jeweils eingerichtet sind, um einen mit einer Frequenz beaufschlagten Strom in die Batteriezelleinheit (223...228) der zugeordneten Messeinheit (213...218) zu injizieren.
6. Batteriemesssystem (100) nach Anspruch 5, wobei jeder Zellstrang (202, 204) einen Schalter oder einen schaltbaren Wandler zur Abtrennung des Zellstrangs von den anderen Zellsträngen aufweist, wobei nur diejenigen Messeinheiten (213...218) eingerichtet sind, Messgrößen und Messdatensätze bereitzustellen, die diesem Zellstrang (202, 204) zugeordnet sind.
7. Batteriemesssystem (100) nach einem der Ansprüche 5 oder 6, wobei die Batteriesteuereinheit (104) eingerichtet ist, aus den Messdatensätzen der Messeinheiten (213...218) jeweils einen Merkmalsdatensatz zu generieren, dem Merkmalsdatensatz einen Zeitstempel aufzuprägen und den Merkmalsdatensatz einschließlich dem Zeitstempel zwischenzuspeichern.
8. Batteriemesssystem (100) nach einem der Ansprüche 5 bis 7, aufweisend weiterhin eine Recheneinheit (102) und eine Kommunikationsschnittstelle, die eingerichtet sind, die zwischengespeicherten Merkmalsdatensätze an die Recheneinheit (102) zu übertragen, wobei die Recheneinheit (102) eingerichtet ist, die zwischengespeicherten Merkmalsdatensätze zu empfangen und zyklisch ein Modell eines maschinenlernenden Systems zu berechnen, wobei das Modell jeweils fürjede Messeinheit (213...218) auf Basis aktueller Merkmalsdatensätze Diagnosefunktionen bereitstellt, und die Recheneinheit (102) weiterhin eingerichtet ist, das Modell über die Kommunikationsschnittstelle an die Batteriesteuereinheit (104) zu übertragen.
9. Batteriemesssystem (100) nach einem der Ansprüche 6 bis 8, wobei das Batteriemesssystem eingerichtet ist, den abgetrennten Zellstrang für eine kurze Zeit zum Messen abzutrennen, während die anderen Zellstränge gemäß einem regulären Betrieb der Batterie Weiterarbeiten.
10. Batteriemesssystem (100) nach einem der Ansprüche 5 bis 9, weiterhin aufweisend Sensoren, die zum Erfassen weiterer Umgebungsmessgrößen eingerichtet sind, sowie einen lokalen Speicher, eingerichtet zum Speichern der Merkmalsdatensätze und der erfassten weiteren Umgebungsmessgrößen.
11 . Batteriemesssystem (100) nach einem der Ansprüche 8 bis 10, wobei das Modell ein Modell der künstlichen Intelligenz (neuronalen Netzwerks) ist, das eingerichtet ist, jeweils unter Verwendung der Zeitstempel aus den Merkmalsdatensätzen ein Diagnosemodell zu generieren.
12. Batteriemesssystem (100) nach einem der Ansprüche 8 bis 11 , wobei das Modell ein Modell gemäß einem Verfahren eines Rekurrenten Neuronalen Netzwerkes, einem bestärkenden Lernverfahren und/oder einem AktorZ-Kritiker-Verfahren ist, wobei das bestärkende Lernverfahren zum Lernen innerhalb eines Umgebungsmodells eine Belohnung verwendet.
13. Batteriemesssystem (100) nach einem der Ansprüche 8 bis 12, wobei das Modell ein Modell der künstlichen Intelligenz (neuronalen Netzwerks) ist, das weiterhin eingerichtet ist, einen Ladezustand- (State of charge, SoC) Zustandswert, einen Gesundheitszustand- (State of Health, SoH-) Zustandswert, einen Zustandswert hinsichtlich einer Temperatur, einer chemischen und/oder einer physikalischen Eigenschaft zu schätzen.
14. Verfahren (800) zum Bereitstellen eines Messdatensatzes einer Batteriezelleinheit (223...228) in einem Zellstrang (202, 204) einer Batterie für eine Ermittlung eines Zustands der Batteriezelleinheit (223...228), aufweisend die Schritte:
Erfassen (802) von Messgrößen der Batteriezelleinheit (223...228) während des - 29 -
Betriebs der Batterie;
Bereitstellen (804) der erfassten Messgrößen als Messdaten für eine Batteriesteuereinheit (104) zur Ermittlung eines Zustandes der Batteriezelleinheit (223...228) durch ein zuvor trainiertes Modell einer künstlichen Intelligenz.
15. Verwendung eines Batteriemesssystems (100) nach einem der Ansprüche 5 bis 13 in einem elektrisch betriebenen Fortbewegungsmittel oder einem stationären Speicher elektrischer Energie.
16. Elektrisch betriebenes Fortbewegungsmittel oder stationärer Speicher elektrischer
Energie, aufweisend ein Batteriemesssystem (100) nach einem der Ansprüche 5 bis 13.
EP22786917.9A 2021-09-16 2022-09-16 Batteriemesssystem Pending EP4402496A1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102021210298.0A DE102021210298A1 (de) 2021-09-16 2021-09-16 Batteriemesssystem
PCT/EP2022/075813 WO2023041727A1 (de) 2021-09-16 2022-09-16 Batteriemesssystem

Publications (1)

Publication Number Publication Date
EP4402496A1 true EP4402496A1 (de) 2024-07-24

Family

ID=83689721

Family Applications (1)

Application Number Title Priority Date Filing Date
EP22786917.9A Pending EP4402496A1 (de) 2021-09-16 2022-09-16 Batteriemesssystem

Country Status (12)

Country Link
US (1) US20240377471A1 (de)
EP (1) EP4402496A1 (de)
JP (1) JP2024536787A (de)
KR (1) KR20240115226A (de)
CN (1) CN118382816A (de)
AU (1) AU2022346190A1 (de)
CA (1) CA3231626A1 (de)
CL (1) CL2024000779A1 (de)
DE (1) DE102021210298A1 (de)
IL (1) IL311494A (de)
MX (1) MX2024003324A (de)
WO (1) WO2023041727A1 (de)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20230336017A1 (en) * 2022-03-28 2023-10-19 Iontra Inc System and method of time-series analysis of noisy appearing signals for battery charging
EP4506765B1 (de) * 2023-08-07 2025-09-24 Siemens Aktiengesellschaft Modul zur sequenziellen datenerfassung mit integrierter ki-auswertung
DE102023127456A1 (de) * 2023-10-09 2025-04-10 Bayerische Motoren Werke Aktiengesellschaft Verfahren, System, Computerprogramm und computerlesbares Speichermedium zum Ermitteln einer Zustandsinformation eines Energiespeichers eines Fahrzeugs
AT527911B1 (de) * 2024-02-16 2025-08-15 Avl List Gmbh Verfahren zum Bestimmen eines Alterungszustands und/oder eines Innenwiderstands einer Batterie
DE102024108042A1 (de) 2024-03-20 2025-09-25 Jungheinrich Aktiengesellschaft Batterie für ein Flurförderzeug mit einem Batteriemanagementsystem
US20250306116A1 (en) * 2024-03-29 2025-10-02 Cox Automotive, Inc. System and methods for determining a status of an electrochemical energy storage device
WO2026010288A1 (ko) * 2024-07-03 2026-01-08 주식회사 엘지에너지솔루션 배터리 진단 장치 및 그 방법
KR20260043200A (ko) * 2024-09-24 2026-03-31 주식회사 엘지에너지솔루션 배터리 팩의 버스바 체결 및 배터리 셀간 용접 상태 관리 장치 및 검사 방법
CN119561182B (zh) * 2024-10-21 2025-08-15 合肥工业大学 一种锂电池安全优化快速充电控制方法
CN120064947B (zh) * 2025-04-27 2025-07-29 湖南恩智测控技术有限公司 基于星运算-a3c的电池模拟器电路健康评估方法

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8648602B2 (en) * 2011-06-01 2014-02-11 Nxp B.V. Battery impedance detection system, apparatus and method
DE102013218081A1 (de) 2013-09-10 2015-03-12 Robert Bosch Gmbh Batteriemoduleinrichtung und Verfahren zur Bestimmung einer komplexen Impedanz eines in einer Batteriemoduleinrichtung angeordneten Batteriemoduls
US10209314B2 (en) * 2016-11-21 2019-02-19 Battelle Energy Alliance, Llc Systems and methods for estimation and prediction of battery health and performance
US11691518B2 (en) * 2017-07-21 2023-07-04 Quantumscape Battery, Inc. Predictive model for estimating battery states
DE102017218588A1 (de) 2017-10-18 2019-04-18 Bayerische Motoren Werke Aktiengesellschaft Detektion kritischer Betriebszustände in Lithiumionenzellen
DE102019111979A1 (de) 2019-05-08 2020-11-12 TWAICE Technologies GmbH Charakterisierung von wiederaufladbaren Batterien
JP7205410B2 (ja) 2019-07-26 2023-01-17 株式会社デンソー 電池監視装置
DE102019126245A1 (de) 2019-09-30 2021-04-01 Dr. Ing. H.C. F. Porsche Aktiengesellschaft System und Verfahren zur Bestimmung des Funktionszustandes und/oder Gesundheitszustandes einer elektrischen Batterie
US11519969B2 (en) * 2020-01-29 2022-12-06 Dynexus Technology, Inc. Cross spectral impedance assessment for cell qualification
CN112289385B (zh) * 2020-09-17 2022-08-09 西南交通大学 大功率质子交换膜燃料电池电堆电化学阻抗谱预测方法

Also Published As

Publication number Publication date
CA3231626A1 (en) 2023-03-23
DE102021210298A1 (de) 2023-03-16
CN118382816A (zh) 2024-07-23
KR20240115226A (ko) 2024-07-25
AU2022346190A1 (en) 2024-04-11
WO2023041727A4 (de) 2023-05-11
JP2024536787A (ja) 2024-10-08
MX2024003324A (es) 2024-06-19
WO2023041727A1 (de) 2023-03-23
IL311494A (en) 2024-05-01
US20240377471A1 (en) 2024-11-14
CL2024000779A1 (es) 2024-10-04

Similar Documents

Publication Publication Date Title
EP4402496A1 (de) Batteriemesssystem
EP3766120B1 (de) Charakterisierung von lithium-plating bei wiederaufladbaren batterien
DE112021004896T5 (de) System und Verfahren zur Anomaliedetektion und Schätzung der Gesamtkapazität einer Batterie
WO2020224724A1 (de) Server-seitige charakterisierung von wiederaufladbaren batterien
EP4168813B1 (de) Bestimmung eines alterungszustands eines energiespeichers
DE102017103617A1 (de) Verfahren zur Abschätzung des Alterungszustands eines Batteriesystems
WO2020109108A1 (de) Verfahren zum überwachen eines energiespeichers in einem bordnetz
DE102015203789A1 (de) Batteriemodell mit Robustheit gegenüber cloud-spezifischen Kommunikationsproblemen
DE102021203729A1 (de) Verfahren und Vorrichtung zum Betreiben eines Systems zum Bereitstellen von prädizierten Alterungszuständen von elektrischen Energiespeichern unter Nutzung von rekonstruierten Zeitreihensignalen mithilfe von maschinellen Lernverfahren
DE102016115867A1 (de) Funktionsbeurteilung und Redundanz einer Messung der Batteriesatzspannung eines Elektro- oder Hybridfahrzeugs
WO2021069232A1 (de) Verfahren zur parameterschätzung in einem impedanz-modell einer lithiumionenzelle
DE102007061130A1 (de) Verfahren und Vorrichtung zur Überwachung einer elektrischen Energiespeichereinrichtung
DE102022200008A1 (de) Verfahren und System zum effizienten Überwachen von Batteriezellen einer Gerätebatterie in einer geräteexternen Zentraleinheit mithilfe eines digitalen Zwillings
DE102020215201A1 (de) Verfahren und Vorrichtung zur Vorhersage eines Alterungszustands einer Gerätebatterie in einem batteriebetriebenen Gerät
EP2531869A1 (de) Vorrichtung und verfahren zur bestimmung eines bereichs einer batteriekennlinie
DE102019111976A1 (de) Kapazitätsbestimmung bei Batterien
DE112018004979T5 (de) Batterienutzungsüberwachung mit hoher Abdeckung
DE102013217451A1 (de) Verfahren zur Datenübertragung in einem Batteriemanagementsystem
DE102019217538A1 (de) Verfahren und systeme zur durchführung von diagnoseprozessen mit verringerter verarbeitungszeit
DE102021212689A1 (de) Verfahren und Vorrichtung zum Bereitstellen eines prädizierten Alterungszustands einer Gerätebatterie basierend auf einem prädizierten Nutzungsmuster
DE102017201485A1 (de) Verfahren und Anordnung zum Bestimmen des Ladekapazitäts- und des Gesundheitszustands eines elektrischen Energiespeichers
DE102022211063A1 (de) Controller zum Abschätzen charakteristischer Parameter einer Batterie und Verfahren dafür
DE102019205663B4 (de) Verfahren und Vorrichtung zur Überwachung und Überprüfung eines Stromversorgungssystems eines Kraftfahrzeugs
DE102017115766A1 (de) Verfahren und System zum Betreiben einer Speichereinheit
WO2016012196A1 (de) Verfahren zum betreiben einer sekundärbatterie

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: 20240308

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

RAP3 Party data changed (applicant data changed or rights of an application transferred)

Owner name: HEIMDALYTICS GMBH

DAV Request for validation of the european patent (deleted)
DAX Request for extension of the european patent (deleted)