WO2022258235A1 - Verfahren zum überwachen eines energiespeichers in einem kraftfahrzeug - Google Patents
Verfahren zum überwachen eines energiespeichers in einem kraftfahrzeug Download PDFInfo
- Publication number
- WO2022258235A1 WO2022258235A1 PCT/EP2022/055670 EP2022055670W WO2022258235A1 WO 2022258235 A1 WO2022258235 A1 WO 2022258235A1 EP 2022055670 W EP2022055670 W EP 2022055670W WO 2022258235 A1 WO2022258235 A1 WO 2022258235A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- age
- dependent variable
- predicted
- service life
- determined
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000012544 monitoring process Methods 0.000 title claims abstract description 7
- 230000001419 dependent effect Effects 0.000 claims abstract description 125
- 230000032683 aging Effects 0.000 claims description 36
- 238000005259 measurement Methods 0.000 claims description 10
- 230000015556 catabolic process Effects 0.000 claims description 9
- 238000006731 degradation reaction Methods 0.000 claims description 9
- 238000004088 simulation Methods 0.000 claims description 6
- 238000000342 Monte Carlo simulation Methods 0.000 claims description 5
- 230000003442 weekly effect Effects 0.000 claims description 2
- 230000006870 function Effects 0.000 abstract description 14
- 206010011906 Death Diseases 0.000 description 55
- 238000004393 prognosis Methods 0.000 description 28
- 238000004364 calculation method Methods 0.000 description 13
- 238000011161 development Methods 0.000 description 9
- 230000018109 developmental process Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000004146 energy storage Methods 0.000 description 7
- 238000001514 detection method Methods 0.000 description 6
- 238000012423 maintenance Methods 0.000 description 5
- 230000010287 polarization Effects 0.000 description 4
- 101001033754 Homo sapiens Mediator of RNA polymerase II transcription subunit 31 Proteins 0.000 description 3
- 102100039122 Mediator of RNA polymerase II transcription subunit 31 Human genes 0.000 description 3
- 230000001965 increasing effect Effects 0.000 description 3
- 238000009826 distribution Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 239000002253 acid Substances 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- 238000007630 basic procedure Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000001976 improved effect Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000010972 statistical evaluation Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/392—Determining battery ageing or deterioration, e.g. state of health
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L3/00—Electric devices on electrically-propelled vehicles for safety purposes; Monitoring operating variables, e.g. speed, deceleration or energy consumption
- B60L3/12—Recording operating variables ; Monitoring of operating variables
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
- B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
- B60L58/16—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries responding to battery ageing, e.g. to the number of charging cycles or the state of health [SoH]
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L2200/00—Type of vehicles
- B60L2200/40—Working vehicles
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L2260/00—Operating Modes
- B60L2260/40—Control modes
- B60L2260/50—Control modes by future state prediction
Definitions
- the aging accelerated with increasing ambient temperature is taken into account via the temperature profile 48 weighted with an Arrhenius function 50, in particular the annual temperature profile, of the region in which the vehicle is operated.
- the output 45 of the multiplier 44 and the output size 51 of the Arrhenius function 50 are another multiplier 52 supplied.
- Its output variable 53 is the input variable for an adder 54.
- the output variable of the adder 54 is supplied to a summation point 56, to which an initial value SOHO of the age-dependent variable is supplied as a further variable.
- the corresponding reference curves of the age-dependent quantity SOH(t) result from adding up the aging rates calculated per day, beginning with the specified initial value SOHO.
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Power Engineering (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Testing Resistance To Weather, Investigating Materials By Mechanical Methods (AREA)
Abstract
Die Erfindung betrifft ein Verfahren zum Überwachen eines Energiespeichers in einem Kraftfahrzeug, wobei der Energiespeicher (10) zumindest einen Verbraucher vorzugsweise für eine sicherheitsrelevante Fahrfunktionen versorgt, wobei zumindest eine alterungsabhängige Größe (SOHest(t)) des Energiespeichers (10) für einen zukünftigen Zeitpunkt prädiziert wird, wobei zumindest in Abhängigkeit der pädizierten alterungsabhängigen Größe (SO-Hest) eine prädizierte Restlebensdauer (RULest) ermittelt wird, wobei zumindest ein Konfidenzintervall für die prädizierte Restlebensdauer (ΔRULest) bestimmt wird.
Description
Beschreibung
Titel
Verfahren zum Überwachen eines Energiespeichers in einem Kraftfahrzeug
Die Erfindung betrifft ein Verfahren zum Überwachen eines Energiespeichers in einem Kraftfahrzeug nach der Gattung des unabhängigen Anspruchs.
Stand der Technik
Aus der DE 102018220494 A1 ist bereits ein Verfahren zum Überwachen eines Energiespeichers in einem Bordnetz eines Kraftfahrzeugs bekannt, bei dem min destens eine aktuelle Betriebsgröße des Energiespeichers bestimmt wird und diese mindestens eine Betriebsgröße an ein Prognosemodell weitergegeben wird und dieses Prognosemodell aus dem aktuellen Wert für die mindestens eine Be triebsgröße zukünftige Werte bestimmt, wobei der zukünftige Wert an einen Spannungsprädiktor gegeben wird, der eine zu erwartende Minimalspannung des Energiespeichers für eine ausgewählte Funktion berechnet. Eine Batteriezu standserkennungssoftware bestimmt bzw. misst die aktuelle Kapazität und den Innenwiderstand der Batterie. Diese werden an ein Prognosemodell weitergege ben. Das Prognosemodell berechnet unter Zuhilfenahme von repräsentativen Lastkollektiven und über ein Belastungs-Belastbarkeitsmodell die zukünftigen Werte der Kapazität und des Innenwiderstands, die der Berechnung der zu er wartenden Minimalspannung zu Grunde gelegt werden.
Der Erfindung liegt die Aufgabe zugrunde, die Vorhersage einer bestimmten Kenngröße des elektrischen Energiespeichers weiter zu vereinfachen. Diese Aufgabe wird gelöst durch die Merkmale des unabhängigen Anspruchs.
Offenbarung der Erfindung
Dadurch, dass ein Konfidenzintervall für die prädizierte Restlebensdauer be stimmt wird, kann eine Aussage über die Güte der Vorhersage getroffen werden. Abhängig von der Güte der Vorhersage können entsprechende Gegenmaßnah men zielgerichtet eingeleitet werden. Weiterhin kann die insbesondere für sicher heitskritische Anwendungen relevante Ausfallrate des Energiespeichers über prädiktive Wartung bzw. prädiktives Gesundheitsmanagement weiter reduziert und die Verfügbarkeit erhöht werden.
In einer zweckmäßigen Weiterbildung ist vorgesehen, dass das Konfidenzinter vall für die prädizierte Restlebensdauer unter Verwendung einer Vielzahl, insbe sondere mehr als 2000, von Referenzverläufen der alterungsabhängigen Größe bestimmt wird. Dadurch können genauere Konfidenzintervalle der Prognose der Restlebensdauer ohne die Einschränkung theoretisch abgeleiteter Berechnungs formeln oder den Rückgriff auf umfangreiche Messdaten ermittelt werden. Auf grund der genaueren Konfidenzintervalle können Wartungsintervalle präziser ge plant bzw. mittels prädiktivem Energiemanagement verlängert werden, womit Wartungskosten reduziert werden, was insbesondere für Fahrzeug- Flottenbetreiber von Vorteil ist.
In einer zweckmäßigen Weiterbildung werden die Referenzverläufe der alte rungsabhängigen Größe durch vorab ermittelte charakteristische Messverläufe des Energiespeichers und/oder durch eine Simulation, insbesondere eine Monte Carlo Simulation, ermittelt. Dadurch können ohne größeren Aufwand relativ ge naue Prognosen der Restlebensdauer vorgenommen werden. Gerade in einer Vielzahl von Simulationen, die die Varianz der Einflussgrößen auf die Alterung des Energiespeichers in der Realität widerspiegeln, kann eine empirische Formel zur Berechnung des Konfidenzintervalls der prädizierten Restlebensdauer in Ab hängigkeit von einem insbesondere Einschritt-Prädiktionsfehler und einer prädi zierte Restlebensdauer abgeleitet werden. Dadurch vereinfacht sich die Berech nung weiter, besonders bevorzugt unter Verwendung einer Approximationsfor mel.
In einer zweckmäßigen Weiterbildung ist vorgesehen, dass das Konfidenzinter vall für die prädizierte Restlebensdauer in Abhängigkeit von einem Maß für einen
Prädiktionsfehler zwischen der prädizierten alterungsabhängigen Größe und der tatsächlichen alterungsabhängigen Größe ermittelt wird. Da gerade gegen Le bensende die Prognosen immer genauer werden, wird über diesen Einflussfaktor die Güte der Prädiktion der Restlebensdauer weiter erhöht.
Besonders zweckmäßig wird die prädizierte alterungsabhängige Größe in Ab hängigkeit von der tatsächlichen alterungsabhängigen Größe, die in Abhängigkeit von einer Messung zum ist einer charakteristischen Größe des Energiespeichers generiert wird, ermittelt. Dadurch werden die im laufenden Betrieb tatsächlich auftretenden Daten für die weitere Prädiktion der Restlebensdauer zu Grunde gelegt, sodass sich die Prädiktion weiter verbessert. Besonders bevorzugt wird die prädizierte Restlebensdauer dann erreicht, wenn die prädizierte alterungsab hängige Größe einen bestimmten Grenzwert erreicht. Damit lassen sich durch geeignete Vorgaben des Grenzwerts gewünschte Mindestanforderungen leicht abbilden.
In einer zweckmäßigen Weiterbildung ist vorgesehen, dass das Konfidenzinter vall für die prädizierte Restlebensdauer unter Verwendung der Approximations formel berechnet wird und hierzu zumindest die prädizierte Restlebensdauer und/oder eine Standardabweichung des Prädiktionsfehlers zwischen der prädi zierten alterungsabhängigen Größe und der tatsächlichen alterungsabhängigen Größe als Eingangsgröße für die Approximationsformel verwendet wird bzw. werden. Durch diese Berücksichtigung erhöht sich die Güte der Vorhersage wei ter.
In einer zweckmäßigen Weiterbildung ist vorgesehen, dass eine Approximations formel für das Konfidenzintervall für die alterungsabhängige Größe in Abhängig keit von einer basierend auf zumindest einem Referenzwert der alterungsabhän gigen Größe prädizierten Restlebensdauer und/oder in Abhängigkeit von einem Maß für einen Prädiktionsfehler, insbesondere Standardabweichung, eines Prä diktionsfehlers, zwischen der prädizierten alterungsabhängigen Größe und einem Referenzwert der alterungsabhängigen Größe ermittelt wird. Die insbesondere simulierten Referenzverläufe der alterungsabhängigen Größe bilden somit eine zahlreiche Datenbasis für die offline-Erstellung der Approximationsformel, die die online-Ermittlung der Prädiktion weiter vereinfacht.
In einer zweckmäßigen Weiterbildung ist vorgesehen, dass anhand von Abwei chungen bzw. Fehlern bei der Bestimmung der alterungsabhängigen Größe zum Zeitpunkt der prädizierten Restlebensdauer bezogen auf die alterungsabhängige Größe zum Lebensende und/oder in Abhängigkeit von einem Konfidenzlevel zu mindest ein Histogramm erstellt wird zur Ermittlung der Konfidenzintervallgren zen der alterungsabhängigen Größe zum Lebensende zur weiteren Verwendung in der Approximationsformel. Damit können entsprechende Messreihen abhängig von dem jeweils gewünschten Konfidenzlevel für die Bestimmung der Approxi mationsformel zur Verfügung gestellt werden.
In einer zweckmäßigen Weiterbildung ist vorgesehen, dass für die Bestimmung der Approximationsformel die prädizierte Restlebensdauer jeweils basierend auf Referenzwerten der alterungsabhängigen Größe zu unterschiedlichen Zeitpunk ten prädiziert wird und/oder für die unterschiedlichen Zeitpunkte jeweils ein Prä diktionsfehler, insbesondere eine Standardabweichung eines Prädiktionsfehlers, zwischen der prädizierten alterungsabhängigen Größe und dem Referenzwert der alterungsabhängigen Größe ermittelt wird. Damit können gerade anhand der Simulationsdaten unterschiedliche Zeitpunkte, die repräsentativ sind für spätere Verläufe, der Ermittlung der Approximationsformel zu Grunde gelegt werden. Dadurch verbessern sich die späteren Prädiktionen der Restlebensdauer.
In einer zweckmäßigen Weiterbildung ist vorgesehen, dass die Referenzverläufe der alterungsabhängigen Größe über ein Degradationsmodell bestimmt werden. Über ein solches Modell lassen sich besonders realistisch die zu erwartenden Belastungssituationen des Energiespeichers simulieren, sodass besonders reali tätsnahe Referenzverläufe der alterungsabhängigen Größe erzeugt werden kön nen. Die Qualität der Prädiktion der Restlebensdauer kann sich somit weiter ver bessern.
Weitere zweckmäßige Weiterbildungen ergeben sich aus weiteren abhängigen Ansprüchen und aus der Beschreibung.
Kurze Beschreibung der Zeichnungen
Es zeigen
Figur 1 ein Blockschaltbild für eine Offline-Bestimmung der Approximationsfor mel des Konfidenzintervalls einer alterungsabhängigen Größe, insbe sondere Gesundheitszustand SOH,
Figur 2 ein Blockschaltbild der Online-Berechnung des Konfidenzintervalls der Restlebensdauer bei einem auf der alterungsabhängigen Größe basie renden Lebensende-Kriterium,
Figur 3 ein Blockschaltbild für eine Offline-Bestimmung der Approximationsfor mel des Konfidenzintervalls einerweiteren alterungsabhängigen Größe, insbesondere Funktionszustand SOF,
Figur 4 ein Blockschaltbild der Online-Berechnung des Konfidenzintervalls der Restlebensdauer bei einem auf der weiteren alterungsabhängigen Grö ße basierenden Lebensende-Kriterium,
Figur 5 ein Vergleich der berechneten Konfidenzintervalle der Restlebensdauer mit der Referenz für ein bestimmtes Konfidenzlevel,
Figur 6 ein Schema des Degradationsmodells.
Ausführungsformen der Erfindung
Die Erfindung ist anhand von Ausführungsformen in den Zeichnungen schema tisch dargestellt und wird nachfolgend unter Bezugnahme auf die Zeichnungen ausführlich beschrieben.
Beispielhaft ist in dem Ausführungsbeispiel als möglicher Energiespeicher 10 ei ne Batterie bzw. Akkumulator beschrieben. Alternativ können jedoch andere für diese Aufgabenstellung geeignete Energiespeicher beispielsweise auf induktiver oder kapazitiver Basis, Brennstoffzellen, Kondensatoren oder Ähnliches gleich ermaßen Verwendung finden.
Zur Berechnung der Konfidenzintervalle von Lebensdauerprognosen elektrischer Energiespeicher 10 wird üblicherweise ein Einschritt-Prädiktionsfehler, d.h. der Vorher-
sagefehler bis zum nächsten gemessenen Sample T (z.B. 1 Tag) der alterungsabhän gigen Größen (SOH) wie Kapazität oder Innenwiderstand bis zum Lebensende bzw. End of Life (EOL) Zeitpunkt extrapoliert (-> Mehrschritt SOH-Prädiktionsfehler).
Z.B. erhält man bei Annahme normalverteilter und unkorrelierter Einschritt SOH- Prädiktionsfehler mit der Standardabweichung oSOH1 für den m-Schritt SOH- Prädiktionsfehler: oSOHm = Vm * oSom
Mit m = RUL erhält man den geschätzten SOH Prädiktionsfehler bei Lebensende EOL: oSOHRUL = VRUL * OSOHI
Für einen gegebenen Konfidenzlevel von z.B. 95% ergibt sich damit das SOH Kon fidenzintervall bei Lebensende EOL: ÄSOHEOL = +/-1 .96*OSOHRUL
Das Konfidenzintervall bzgl. der Restlebensdauer RUL erhält man daraus durch Berechnung der RUL Prognose an den Intervallgrenzen der SOH Prädiktion, also z.B. für die EOL-Bedingungen SOHEOL= 80% +/- |ÄSOHEOL|.
Mit nachfolgendem Vorgehen können genauere Konfidenzintervalle der Progno se der Restlebensdauer RUL für elektrische Energiespeicher 10 erreicht werden.
Figur 1 zeigt ein ein Blockschaltbild für eine Offline-Bestimmung der Approxima tionsformel eines Konfidenzintervalls ASOHEOL einer alterungsabhängigen Größe zum Lebensende EOL, insbesondere Gesundheitszustand SOH, bei vorgegebe nem bzw. vorgebbarem Konfidenzlevel 24. Hierzu ist ein Block 14 wie beispiels weise ein Degradationsmodell 14 vorgesehen, in dem eine Vielzahl (n > 2000) von n verschiedenen Referenzverläufen SOH(t) der alterungsabhängigen Größe SOH hinterlegt ist. Die Referenzverläufe SOH(t) der alterungsabhängigen Größe werden beispielsweise durch eine Simulation erhalten, insbesondere durch eine Monte Carlo Simulation. Der Erhalt wird später beispielhaft in Verbindung mit Fi gur 6 beschrieben. Alternativ können die Referenzverläufe SOH(t) jedoch auf an dere Art und Weise zur Verfügung gestellt werden, beispielsweise unter Verwen dung zahlreicher für den Energiespeicher 10 spezifischer Messverläufe. Die cha rakteristischen Verläufe der alterungsabhängigen Größe SOH(t) könnten bei spielsweise anhand von Messreihen auf Prüfständen oder über reale Messwert verläufe vergleichbarer Energiespeicher 10 gewonnen werden. Wesentlich ist je-
doch, eine entsprechend große Anzahl n (z.B. n > 2000) solcher Referenzverläu fe SOH(t) zur Verfügung zu stellen, um die nachfolgende statistische Auswertung durchführen zu können. Mithilfe des Blocks 14 wird eine Vielzahl von für den je weiligen Energiespeicher 10 charakteristischer Referenzverläufe SOH(t) für eine Prognose 16 einer Restlebensdauer RUL des Energiespeichers 10 generiert bzw. zur Verfügung gestellt.
Die Prognose 16 schätzt bzw. prädiziert die prädizierte Restlebensdauer RU- Lest(t) bei verschiedenen Vorhersagezeitpunkten t. Außerdem ermittelt die Prog nose 16 eine Standardabweichung Csom(t) der Einschritt-Prädiktion bis zu diesen Zeitpunkten t.
Die Prognose 16 der Restlebensdauer RUL bedient sich eines bestimmten Le bensende-Kriteriums (EOL-Kriterium), das dann gegeben ist, wenn die prädizier te alterungsabhängige Größe SOHest einen bestimmten Grenzwert SOHEOL er reicht. Dieser Grenzwert SOHEOL könnte beispielsweise darin bestehen, dass die alterungsabhängige Größe SOH lediglich 80 % eines Startwerts SOHO wie bei spielsweise bei einem neuen Energiespeicher 10 erreicht, was als Lebensende EOL definiert wird. Außerdem ermittelt die Prognose 16 die prädizierte alte rungsabhängige Größe SOHest(t), die beispielsweise auf einem Modell des Energiespeichers 10 beruht.
Als Eingangsgrößen der Prognose 16 fungieren bei Figur 1 die zahlreichen Refe renzverläufe der alterungsabhängigen Größe SOH(t) wie in Block 14 abgespei chert, vorzugsweise zu unterschiedlichen Zeitpunkten tO, t1, t2 für unterschiedli che Referenzverläufe SOH1(t), SOH2(t), ...SOHn(t). Die zugehörigen Referenz werte der alterungsabhängigen Größe SOH1(tO), SOH2(tO),...SOHn(tO), SOH1(t1), SOH2(t1), SOHn(t1) werden der Prognose 16 als Eingangsgrößen zugeführt wie in Figur 1 gezeigt. Diese Referenzwerte dienen der Simulation der tatsächlichen altersabhängigen Größe SOHist(t), wie diese im Onlinebetrieb, also während des realen Fahrzeugbetriebs, gemäß Figur 2 später derselben Progno se 16 zugeführt werden.
Mit diesen Eingangsgrößen, nämlich den jeweiligen Referenzwerten der alte rungsabhängigen Größe SOHn(t) zu unterschiedlichen Zeitpunkten (t= tO, t1 ,
t2,...tm) und gegebenenfalls mit den diesen Zeitpunkten vorausgehenden Refe renzwerten der alterungsabhängigen Größen SOHn prädiziert die Prognose 16 die prädizierte alterungsabhängige Größe bzw. den zeitlichen Verlauf der prädi- zierten alterungsabhängigen Größe SOHest(t). Der Verlauf der prädizierten alte rungsabhängigen Größe SOHest(t) startet jeweils zu den unterschiedlichen Zeit punkten (tO, t1 , t2, t ) in die Zukunft. Dies kann nun für jeden der n Referenzver läufe der alterungsabhängigen Größe SOHn(t) erfolgen. Somit stehen abhängig von der Anzahl m der unterschiedlichen Zeitpunkte also m prädizierte Verläufe der alterungsabhängigen Größe SOHnpred(t) für jeden der Referenzverläufe SOH(t) zur Verfügung.
Erreicht die prädizierte alterungsabhängige Größe SOHest(t) den mit dem Le bensende EOL korrespondierenden Grenzwert SOHEOL, SO definiert dieser Zeit punkt die prädizierte Restlebensdauer RU Lest des Energiespeichers 10. Alterna tiv könnte auch immer zum nächsten Zeitpunkt (beispielsweise für den nächsten Tag) die zugehörige prädizierte alterungsabhängige Größe SOHest(T+1) ermittelt und/oder mit dem Grenzwert SOHEOL verglichen werden. Solange der Grenzwert SOHEOL noch nicht erreicht ist, wird der nächste Vorhersagezeitpunkt t1 (t1 = tO + T) mit dem zugehörigen Referenzwert SOH(t1) herangezogen und mit dem Grenzwert SOHEOL verglichen. Dies erfolgt so lange, bis der Referenzwert SOH(t) den Grenzwert erreicht. Der entsprechende Zeitpunkt t ist das Lebensende t = EOL. Alternativ kann der Vergleich abgebrochen werden, wenn beispielsweise ein bestimmter Konfidenzzeitraum erreicht ist, beispielsweise 100 Tage, für den erfahrungsgemäß noch zuverlässige Vorhersagen möglich sind oder weil der Nutzer nicht an noch weitern in die Zukunft reichenden Informationen, die sich zudem durch hohe Unsicherheit auszeichnen, interessiert ist.
Parallel dazu wird nun für jeden Referenzverlauf SOH(t) zu jedem der m unter schiedlichen Zeitpunkten als Eingangsgröße die entsprechende Prognose der Restlebensdauer RULest(t) durchgeführt, insbesondere für jeden nächsten Vor hersagezeitpunkt t.
Damit stehen also für die n > 2000 Referenzverläufe der altersabhängigen Größe SOHist(t) unter Verwendung der Prognose 16 n prädizierte Restlebensdauern
RULest(t) jeweils zu m unterschiedlichen Zeitpunkten, also m*n prädizierte Rest lebensdauern RULest zur Verfügung.
Außerdem wird für vorzugsweise jede der prädizierten Restlebensdauer RULest ein Maß für einen Prädiktionsfehler ermittelt. Bei diesem Maß kann wie einleitend ausgeführt für den Fall eines normalverteilten und unkorrelierten Prädiktionsfeh lers beispielsweise die Standardabweichung OSOH bzw. bei einem Einschritt- Prädiktionsfehler die Standardabweichung Osom herangezogen werden. Damit wird berücksichtigt, dass eine Prognose ausgehend von einem Zeitpunkt t2, der bereits dem erwarteten Lebensende EOL nahe kommt, mit höherer Genauigkeit erfolgt als eine Prognose zu einem Zeitpunkt tO, der noch sehr weit von dem er warteten Lebensende EOL entfernt ist.
Der Prädiktionsfehler, insbesondere ein Einschritt-Prädiktionsfehler wird bezogen auf das nächste Zeitintervall T (beispielsweise ein Tag oder eine sonstige geeig nete Größe) der alterungsabhängigen Größe SOH ermittelt. Zum Zeitpunkt tO wird für den zu betrachtenden Referenzverlauf der alterungsabhängigen Größe SOH(t) der jeweilige zugehörige Referenzwert SOH(tO) ermittelt als Eingangs größe der Prognose 16 für die Prädiktion der nächsten prädizierten alterungsab hängigen Größe SOHest(tO+T). Im nächsten Schritt wird für den Zeitpunkt tO+T der zugehörige Referenzwert SOH(tO+T) der entsprechenden Kurve in Block 14 ermittelt, quasi als simulierter Istwert. Der Einschritt-Prädiktionsfehler ÄSOH(tO) ermittelt sich, indem die Differenz gebildet wird zwischen der prädizierten alte rungsabhängigen Größe SOHest(tO+T) zum prädizierten Zeitpunkt to+T und dem zugehörigen Referenzwert SOH(tO+T) zum Zeitpunkt tO+T wie in Block 14 abge legt. Dies erfolgt für jeden der n Referenzwerte SOH(tO+T) und/oder für jeden der gegebenenfalls unterschiedlichen Startzeitpunkte tO, t1, t2. Aus den n*m Ein- schritt-Prädiktionsfehlern ÄSOH(tO, t1, t2) wird die zugehörige Standardabwei chung oSOH1(tO) des Einschritt-Prädiktionsfehlers ermittelt. Für jeden nächsten Zeitschritt t1 , t2 nach Verstreichen der Zeitspanne T (t1-t0 bzw. t2-t1) wird gege benenfalls der zugehörige Einschritt-Prädiktionsfehler ÄSOH(t) und/oder die zu gehörige Standardabweichung oSOH1(t) des Einschritt-Prädiktionsfehlers aktua lisiert.
Weiterhin kann eine Extrapolation des Einschritt-Prädiktionsfehlers in die Zu kunft, insbesondere bis zum Zeitpunkt der Restlebensdauer RUL bzw. Lebens ende EOL erfolgen.
Außerdem wird die von der Prognose 16 prädizierte Restlebensdauer RULest(t) dem Degradationsmodell 14 wieder als Eingangsgröße zur Verfügung gestellt. Daraus wird die zugehörige alterungsabhängige Größe zum Zeitpunkt der Rest laufzeit SOH(RULest(t)) ermittelt. Block 14 stellt die zugehörige alterungsabhän gige Größe zum Zeitpunkt der Restlaufzeit SOH(RULest(t)) einem Summations punkt 20 zur Verfügung. Im Summationspunkt 20 wird die Differenz gebildet aus der alterungsabhängigen Größe zum Zeitpunkt der Restlaufzeit SOH(RULest(t)) und dem Grenzwert SOHEOL. Die Differenz ist ein Maß für den Fehler der alte rungsabhängigen Größe ÄSOHEOL zum Lebensende EOL. Für die unterschiedli chen n Referenzverläufe der alterungsabhängigen Größe SOH(t) und hierbei un terschiedliche m Zeitpunkte tO, t1, t2 der Prädiktion als Basis für die Bestimmung der prädizierten Restlaufzeit RU Lest bilden die Datenbasis für das Erstellen ent sprechender Fehler-Histogramme 22.
Mit Hilfe der Referenzverläufe SOH(t) der alterungsabhängigen Größe wird ein Prädiktionsfehler der alterungsabhängigen Größe ÄSOHEOL der Prognose 32 der Restlebensdauer RUL zum Lebensende EOL (end of life) für die Vorhersagezeit punkte t bestimmt. Dazu werden für jeden Vorhersagezeitpunkt aus einem zuge hörigen Histogramm 22 der kumulativen Wahrscheinlichkeit des Prädiktionsfeh lers bei Lebensende EOL und einem gegebenen Konfidenzlevel 24 (beispiels weise 95 %) die zugehörigen Percentile (beispielsweise 2,5 % und 97,5 %) an den Konfidenzintervallgrenzen abgelesen.
Der Prädiktionsfehler ÄSOHEOL als Ausgangsgröße der Histogramme 22 wird dem Block 18 zur Bestimmung der Approximationsformel für das Konfidenzinter vall ÄSOHEOLest zugeführt. Abhängig vom jeweiligen Konfidenzlevel 24 (bei spielsweise 95 %, 97 % etc.) können über die Häufigkeitsverteilung der entspre chenden ÄSOHEOL Fehler die zugehörigen Grenzen des Konfidenzintervalls ÄSOHEOLdem Block 18 zur Verfügung gestellt werden.
Der auf diese Weise ermittelte Verlauf der Konfidenzintervallgrenzen der Prädik tion der alterungsabhängigen Kenngröße SOH über die Restlebensdauer RUL kann durch nachfolgende empirische Formel in Abhängigkeit der Standardabwei chung OSOHI des Einschritt-Prädiktionsfehlers approximiert werden:
ÄSOHEOLest = ai* RULest32 * OSOHI
Die Parameter a1 und a2 werden beispielsweise mittels Optimierungsverfahren bestimmt und können für obere und untere Intervallgrenze auch unterschiedlich sein. Über diese Kurve wird der Zusammenhang zwischen dem Konfidenzinter vall ÄSOHEOL , der prädizierten Restlebensdauer RULest und der Standardab weichung Csomfür den Einschritt-Prädiktionsfehler für die Vielzahl der Messwerte in einfacher Art und Weise hergestellt.
Figur 2 zeigt ein Blockschaltbild zur Online-Berechnung des Konfidenzintervalls der prädizierten Restlebensdauer ÄRULest, wobei die Restlebensdauer RUL an hand der prädizierten alterungsabhängigen Größe SOHest bestimmt wird. Ent sprechend Figur 2 kann online auf Basis der in Block 18 gemäß Figur 1 offline ermittelten Approximationsformel für jeden Vorhersagezeitpunkt t das Konfiden zintervall der prädizierten Restlebensdauer ÄRULest aus dem Konfidenzintervall der alterungsabhängigen Größe ÄSOHEOL der Prädiktion der alterungsabhängi gen Größe SOH zum Lebensende EOL bestimmt werden.
Der Sensor 12 erfasst charakteristische Messwerte U, I, T des Energiespeichers 10 und ermittelt daraus die tatsächliche alterungsabhängige Größe SOHist(t). Daraus bestimmt die Prognose 16 den prädizierten Verlauf der alterungsabhän gigen Größe SOHest(t). Dies kann beispielsweise unter Rückgriff auf ein Modell des Energiespeichers 10 erfolgen. Der prädizierte Verlauf der alterungsabhängi gen Größe SOHest(t) wird mit einem Grenzwert SOHEOL verglichen, der das Le bensende EOL definiert. Zu dem Zeitpunkt, zu dem der prädizierte Verlauf der al terungsabhängigen Größe SOHest(t) den Grenzwert SOHEOL erreicht, ist das Le bensende RUL erreicht. Anschließend wird ein Konfidenzintervall für die prädi zierte Restlebensdauer ÄRULest ermittelt. Das Vorgehen wird nachfolgend näher erläutert.
Schematisch dargestellt ist ein Energiespeicher 10. Ein Sensor 12 erfasst be stimmte Messgrößen des Energiespeichers 10 wie Strom I, Spannung U, Tempe ratur T. In dem Sensor 12 ist beispielsweise eine Zustandserkennung realisiert.
Über die Zustandserkennung kann unter Rückgriff auf die erfassten Messwerte I, U, T zumindest eine alterungsabhängige Größe SOH, SOF des Energiespeichers 10 bzw. ein zeitlicher Verlauf der (zurückliegenden) alterungsabhängigen Größe SOHist(t), SOFist(t) ermittelt werden. Beispielsweise wird die aktuelle alterungs abhängige Größe des Energiespeichers 10 als SOH (State of Health bzw. Ge sundheitszustand) ermittelt. Als alterungsabhängige Größen SOH des Energie speichers 10 können beispielsweise der Innenwiderstand Ri, die Kapazität CO, Durchtrittspolarisation oder Ähnliches verwendet werden. Die alterungsabhängi gen Größen SOH zeichnen sich dadurch aus, dass diese sich abhängig von dem Alter des Energiespeichers 10 verändern. Die alterungsabhängigen Größen SOH können bevorzugt über die Messgrößen U, I, T durch den Sensor 12 erfasst und über die Zustandserkennung berechnet werden. Vorzugsweise arbeitet die Zu standserkennung kontinuierlich. Die von dem Sensor 12 zur Verfügung gestellte tatsächliche alterungsabhängige Größe SOHist(t) wird unter Umständen zusam men mit anderen Prognose-oder Diagnosegrößen über eine Kommunikations schnittstelle (ein Bussystem wie beispielsweise LIN, CAN) an übergeordnete nicht dargestellte Systeme zur Weiterverarbeitung übermittelt, beispielsweise zum Zweck einer prädiktiven Wartung und/oder eines prädiktiven bzw. vorbeu genden Gesundheitsmanagements des Energiespeichers 10.
Die tatsächliche alterungsabhängige Größe SOHist(t) wie vom Sensor 12 oder einer sonstigen Einrichtung ermittelt wird der Prognose 16 der Restlebensdauer RUL und/oder einer Berechnung 26 des Konfidenzintervalls der Restlebensdauer ÄRULest zugeführt. Die Prognose 16 der Restlebensdauer RUL ist identisch mit der in Verbindung mit Figur 1 beschriebenen Prognose 16. Im Unterschied zu Fi gur 1 jedoch wird anstelle eines Referenzverlaufs einer alterungsabhängigen Größe SOH(t) aus dem Prognosemodell 14 nun die tatsächliche alterungsab hängige Größe SOHist(t) basierend auf den Messgrößen U I T des Sensors 12 als Eingangsgröße verwendet.
In der Prognose 16 wird der zukünftige, prädizierte Verlauf der alterungsabhän gigen Größe SOHest(t) ermittelt. Der prädizierte Verlauf der alterungsabhängigen Größe SOHest(t) wird mit einem das Lebensende EOL repräsentierenden Grenzwert der alterungsabhängigen Größe SOHEOL verglichen. Das Lebensende EOL ist dann erreicht, wenn die prädizierte alterungsabhängige Größe SOHest
einen bestimmten Grenzwert SOHEOL erreicht, bei dem ein ordnungsgemäßer Betrieb des Energiespeichers 10 nicht mehr zuverlässig gewährleistet werden kann. Die Prognose 16 stellt neben der Restlebensdauer RULest auch die Stan dardabweichung oSOH1(t) der Einschritt-Prädiktion für die Berechnung 26 des Konfidenzintervalls ÄRULest für die Restlebensdauer zur Verfügung. Die Berech nung 26 greift auf die in Figur 1 offline ermittelte Approximationsformel zurück.
Zur Ermittlung der Standardabweichung des Einschritt-Prädiktionsfehlers oSOH1 wird auf lediglich den jeweils letzten Wert der alterungsabhängigen Größe, die prädiziert wurde für den Zeitpunkt tO (SOHpre(tO)), und den aktuellen Istwert der alterungsabhängigen Größe SOHist(tO) zum Zeitpunkt tO zurückgegriffen. Der Rückgriff auf lediglich den Einschritt-Prädiktionsfehler oSOH1 vereinfacht das Verfahren und reduziert den Speicherbedarf. Die Funktionsweise der Prognose 16 gemäß Figur 1 entspricht derjenigen nach Figur 2. Lediglich die Eingangsgrö ßen unterscheiden sich. Während bei Figur 1 simulierte oder offline ermittelte ty pische Verläufe der alterungsabhängigen Größe SOH(t) als Eingangsgrößen für die Prognose 16 verwendet werden, greift gemäß Figur 2 die Prognose 16 auf die tatsächlichen Werte der alterungsabhängigen Größe SOHist(t) wie sie an hand der Messwerte U, I, T und eine Zustandserkennung des Sensors 12 online bereitgestellt werden.
Mit den nun zur Verfügung stehenden Größen der prädizierten Restlebensdauer RULest, dem Einschritt-Prädiktionsfehler oSOH1 bzw. der zugehörigen Stan dardabweichung des Einschritt-Prädiktionsfehlers oSOH1 sowie dem tatsächli chen Istwert der alterungsabhängigen Größe SOHist(t) wie vom Sensor 12 zur Verfügung gestellt erfolgt die Berechnung 26 des Konfidenzintervalls der Restle bensdauer ÄRU Lest. Hierbei wird besonders bevorzugt auf die in Verbindung mit Figur 1 erläuterte ermittelte Formel zurückgegriffen:
ÄSOHEOLest =
(RULest hoch
Das Konfidenzintervall der prädizierten Lebensdauer ÄRULest wird aus der geschätzten Fehlertoleranz des SOH bei EOL ÄSOHEOLest berechnet, indem die RUL-Prognose (Block 16 wiederverwendet in Block 26) unter Berücksictigung dieser Toleranz im EOL- Kriterium: SOH = SOHEOL +/- ÄSOHEOLest getrennt für obere und untere Toleranzgren ze berechnet wird. Dabei können, wie auch schon im Text beschrieben obere und un-
tere SOHEOL Toleranzgrenze unterschiedlich sein (unterschiedliche Parametrierung der Approximationsformel).
Bei der in Block 18 offline bzw. vor dem Normalbetrieb durchgeführten Bestimmung der Approximationsformel für das Konfidenzintervall ist ein bestimmtes Konfidenzlevel 24 (beispielsweise 95 %) eingeflossen. Die entsprechenden Parameter a1, a2 wurden in diesem Block18 bereits offline für dieses Konfidenzlevel 24 bestimmt. Abhängig von diesem Konfidenzlevel 24 werden über die obige Formel die Konfidenzintervallgrenzen SOH = SOHEOL +/- ASOHEOLest bestimmt. Abhängig für die jeweiligen Konfidenzinter vallgrenzen der alterungsabhängigen Größen können über die Verwendung der prädi- zierten alterungsabhängigen Größen SOHest an den jeweiligen Konfidenzintervall grenzen die zugehörigen Restlebensdauer-Konfidenzintervallgrenzen ÄRULest ermittelt werden. Insbesondere die untere Konfidenzintervallgrenze für die Restlebensdauer RUL kann nun als Grenzwert verwendet werden, bei dessen Erreichen gewisse Maß nahmen wie beispielsweise Aktivierung eines Warnhinweises, Aufsuchen einer Werk statt oder ähnliches eingeleitet werden. Block 26 verwendet die RUL-Prognose von Block 16 zur Berechnung der RUL-Toleranzen. Entsprechend wird auch hierfür als In put SOHist benötigt.
Über Block 26 wird also die Güte der Prognose der prädizierten Restlebensdauer RU- Lest abgeschätzt. Die Güte der Prognose repräsentiert sich durch die entsprechenden Konfidenzintervallgrenzen. Generell gilt: je geringer die prädizierte Restlebensdauer RULest, desto genauer wird die Vorhersage dieser prädizierten Restlebensdauer, so mit wird das Konfidenzintervall der Restlebensdauer ÄRULest, innerhalb dessen eine bestimmte Vorhersage der Restlebensdauer RUL zu einem bestimmten Konfidenzlevel 24 möglich ist, kleiner. Dies wird auch durch die oben beschriebene Formel entspre chend abgebildet.
Das Ausführungsbeispiel gemäß den Figuren 3 und 4 unterscheidet sich darin, dass als (weitere) alterungsabhängige Größe der Funktionszustand SOF (State of Function) anstelle des Gesundheitszustands SOH verwendet wird. Das prinzi pielle Vorgehen unterscheidet sich jedoch nicht. Bei Anwendung eines SOF EOL-Kriteriums (funktionsspezifische Belastung wird der Ermittlung einer prädik-
tiven Betriebsgröße wie beispielsweise eine Bordnetzspannung oder ähnliches zu Grunde gelegt) wird eine geeignete Betriebsgröße mit einem Grenzwert, bei spielsweise eine Mindestspannung Ubattmin, verglichen.
Wiederum ist das Degradationsmodell 14 bzw. der Block 14vorgesehen, in dem eine Vielzahl (n>= 2000) von Referenzverläufen SOH (t) der alterungsabhängi gen Größe SOH hinterlegt sind. Beispielsweise durch eine Simulation, insbeson dere durch eine Monte Carlo Simulation, des Degradationsmodells 14 wird eine Vielzahl zufälliger Referenzverläufe SOH(t) für eine Prognose 32 eine Restle bensdauer RUL des Energiespeichers 10 generiert. Als Lebensende (EOL) - Kriterium wird nun jedoch der Funktionszustand SOF herangezogen als Basis der Ermittlung der prädizierten Restlebensdauer RU Lest. Die Prognose 32 schätzt bzw. prädiziert die prädizierte Restlebensdauer RU Lest bei verschiede nen Vorhersagezeitpunkten t. Außerdem ermittelt die Prognose 32 eine Stan dardabweichung OsoHi(t) der Einschritt-Prädiktion bis zu diesen Zeitpunkten t.
Die Eingangsgrößen des Prädiktors 28 für die weitere alterungsabhängige Größe SOF sind gemessene bzw. geschätzte Zeitverläufe, die den Energiespeicher 10 beschreiben, wie beispielsweise aktueller State of Health (=SOH(t)) bzw. alte rungsabhängige Größe bzw. diese beschreibende Größen wie Kapazität C0, In nenwiderstand Ri, Polarisationen, etc. des betrachteten Energiespeichers 10, die z.B. von der Zustandserkennung des Sensors 12, insbesondere Batteriesensors, kontinuierlich ermittelt werden. In dem Prädiktor28 ist beispielsweise ein mathe matisches Modell des Energiespeichers 10 hinterlegt. Der Prädiktor 28 ermittelt beispielsweise eine prädizierte Betriebsgröße des Energiespeichers 10 wie bei spielsweise den zu erwartenden Spannungseinbruch bzgl. eines vorgegebenen anwendungsspezifischen Lastprofils wie beispielsweise ein Stromlastprofil.
Es wird unter Verwendung der prädizierten Betriebsgröße des Energiespeichers 10 geprüft, ob beispielsweise für bestimmte Rahmenbedingungen für die über das Lastprofil beschriebene Anwendung ein geforderter Grenzwert wie bei spielsweise eine Mindestspannung unterschritten wird bzw. wann dieser Grenz wert unterschritten wird. Der Zeitpunkt des Unterschreitens des Grenzwerts defi niert dann die prädizierte Restlebensdauer RU Lest bei dem durch den Grenzwert für die jeweilige Funktion definierten Lebensende (EOL) - Kriterium.
Bei dem Ersatzschaltbild bzw. Modell des Energiespeichers 10 wie unter Um ständen im Prädiktor 28 realisiert können bestimmte Betriebsgrößen wie Strom I, Spannung U, Temperatur T sowie Zustandsgrößen wie beispielsweise die Ruhe spannung, die Konzentrationspolarisation, die Durchtrittspolarisation der ver schiedenen Elektroden etc. sowie entsprechende Parameter (beispielsweise In nenwiderstand Ri, Ersatzkapazität CO, Widerstand und Kapazität der Säurediffu sion bzw. Widerstand und Kapazität der Doppelschicht der Elektroden etc.) ver wendet werden.
Als Ausgangsgröße des Prädiktors 28 gelangt die weitere alterungsabhängige Größe SOF(RULest) zum prädizierten Zeitpunkt der Restlebensdauer an den Summationspunkt 20. Im Summationspunkt 20 wird die Differenz aus der weite ren alterungsabhängigen Größe SOF(RULest) zum prädizierten Zeitpunkt der Restlebensdauer und der weiteren alterungsabhängigen Größe SOF zum Le bensende als entsprechender Fehler einem weiteren Histogramm 30 zugeführt. Aus den Histogrammen 30 der Prädiktionsfehler der weiteren alterungsabhängi gen Größe SOF zum Lebensende (EOL)-Zeitpunkt wird nachfolgende empirische Formel in Abhängigkeit der Standardabweichung OSOFI des Einschritt- Prädiktionsfehlers der weiteren alterungsabhängigen Größe SOF abgeleitet:
ÄSOFEOLest = bl* RULestb2 * OsOF1
Die Parameter b1 und b2 können auch hier beispielsweise durch Optimierungs verfahren bestimmt werden und für obere und untere Intervallgrenze unterschied lich sein.
Entsprechend Figur 4 kann damit das Konfidenzintervall zu jedem Vorhersage zeitpunkt t online durch Berechnung einer entsprechenden Prädiktion der prädi zierten Restlebensdauer RU Lest an den Grenzen des Konfidenzintervalls der weiteren alterungsabhängigen Größe SOF berechnet werden. Wiederum ermit telt der Sensor 12 aus den Messgrößen U, I, T des Energiespeichers 10 Verläufe der alterungsabhängigen Größe, insbesondere des Gesundheitszustands SOH (t). Die alterungsabhängige Größe SOH gelangt zum einen an die Prognose 32, deren Lebensende (EOL)-Kriterium SOFEoi_auf der weiteren alterungsabhängi-
gen Größe SOF basiert. Die Prognose 32 schätzt bzw. prädiziert die prädizierte Restlebensdauer RU Lest bei verschiedenen Vorhersagezeitpunkten t. Außerdem ermittelt die Prognose 32 eine Standardabweichung Osom(t) der Einschritt- Prädiktion bis zu diesen Zeitpunkten t. Diese Größen gelangen an die Berech nung 36 des Konfidenzintervalls für die Restlebensdauer ÄRULest(t). Die Be rechnung 36 greift auf die gemäß Block 34 der Figur 3 offline ermittelte Approxi mationsformel zurück:
SOF = SOFEOL +/- ÄSOFEOLest mit
ÄSOFEOLest = bl* RU Lestb2 * OsOF1
Figur 5 zeigt ein Beispiel für die mittels der empirischen formelberechneten Kon fidenzintervall im Vergleich zur Referenz aus der Monte Carlo Simulation für ein Konfidenzlevel 28 von 95 % zusammen mit dem Median der geschätzten Restle bensdauer des prädizierten Verlaufs der Restlebensdauer RU Lest. Die beschrie benen Formeln approximieren die Referenzwerte sehr gut. So ist die Restle bensdauer RUL in Tagen auf der x-Achse, die Konfidenzintervallgrenzen in Ta gen auf der y-Achse aufgetragen. Kurve 1 beschreibt die Referenz- Restlebensdauer RUL, Kurve 2 den Median der prädizierten Restlebensdauer RUL, Kurve 3 prädizierte Restlebensdauer RU Lest bei einem Konfidenzlevel von 2,5 % in Tagen, Kurve 4 die prädizierte Restlebensdauer RULest bei einem Kon fidenzlevel von 97,5 % in Tagen, Kurve 5 die (tatsächliche) Restlebensdauer RUL bei einem Konfidenzlevel von 2,5 % in Tagen sowie Kurve 6 die (tatsächli che) Restlebensdauer RUL bei einem Konfidenzlevel von 97,5 % in Tagen.
Figur 6 offenbart ein Blockschaltbild des Rechenschemas des Degradationsmo dells 14 zur Bereitstellung einer geeigneten Datenbasis in Block 14 für elektri sche Energiespeicher 10 zur Generierung zufälliger Referenzverläufe SOH(t) der alterungsabhängigen Größe, insbesondere Gesundheitszustand SOH des Ener giespeichers 10.
Zunächst werden pro Sample-Schritt (beispielsweise pro Tag) normalverteilte Al terungsraten 40 in einem für den Typ des Energiespeichers 10 bei Fahrzeugnut zung realistischen Bereich basierend auf Messdaten und/oder Expertenwissen generiert (Schritt 1). In Block 40 der Figur 6 wird die tägliche Alterungsrate (bei-
spielsweise zwischen 0-1%/Tag bzw. pdf(ÄSOH/Tag) in einer Halb- Normalverteilung dargestellt.
Die in dem ersten Schritt zufällig generierte Alterungsrate 40 wird für eine gleich verteilte Zeitdauer von beispielsweise 1-7 Tagen festgehalten, um so Phasen mit stärkerer bzw. geringerer absoluter Alterung zu erzeugen (Block 42; 2. Schritt). In Block 42 der Figur 6 wird die Zeitdauer der konstanten Alterungsrate (beispiels weise zwischen 0-1%/Tag bzw. pdf(ÄSOH/Tag) in einer Gleichverteilung darge stellt.
Die nutzungsbedingte Alterung durch Vorgabe eines Nutzungsprofils 46, insbe sondere Wochennutzungsprofil 46 mit Angabe der prozentualen Fahrzeug-und damit Energiespeichernutzung pro Wochentag berücksichtigt (beispielsweise 100 % für Taxibetrieb oder 10 % für Pendler) und mit der Alterungsrate 42 des jewei ligen Tages multipliziert, insbesondere unter Verwendung des Multiplizierers 44.
Die mit zunehmender Umgebungstemperatur beschleunigte Alterung wird über das mit einer Arrhenius-Funktion 50 gewichtete Temperaturprofil 48, insbesonde re Jahrestemperaturprofil, der Region, in der das Fahrzeug betrieben wird, be rücksichtigt. Die Ausgangsgröße 45 des Multiplizierers 44 und die Ausgangsgrö ße 51 der Arrhenius-Funktion 50 werden einem weiteren Multiplizierer 52 zuge führt. Dessen Ausgangsgröße 53 ist die Eingangsgröße für einen Summierer 54. Die Ausgangsgröße des Summierers 54 wird einem Summationspunkt 56 zuge führt, dem darüber hinaus ein Initialwert SOHO der alterungsabhängigen Größe als weitere Größe zugeführt wird. Die entsprechenden Referenzverläufe der alte rungsabhängigen Größe SOH(t) ergeben sich durch Aufsummieren der pro Tag berechneten Alterungsraten beginnend mit dem vorgegebenen Initialwert SOHO.
Ergibt Abfrage 46, dass die Restlebensdauer RUL erreicht wurde, so können in Block 50 Gegenmaßnahmen eingeleitet werden. So können entsprechende Warnhinweise an den Fahrer, den Fahrzeugbetreiber, die Werkstätte etc. gene riert werden. Eine prädiktive Wartung könnte eingeleitet werden. Auch können bestimmte sicherheitsrelevanten Funktionen gesperrt bzw. nicht mehr zugelas sen werden. Ebenfalls wäre das Einleiten entsprechender Gegenmaßnahmen
wie beispielsweise das Anfahren des nächsten Parkplatzes, ein Halt am Seiten streifen etc. bei besonders gravierenden Fehlern möglich.
Das beschriebene Verfahren eignet sich insbesondere zur Überwachung von Energiespeichern 10 für sicherheitsrelevante Anwendungen wie beispielsweise für die Versorgung sicherheitsrelevanter Verbraucher in einem Kraftfahrzeug ins besondere beim autonomen Fahren. Die Verwendung ist jedoch hierauf nicht eingeschränkt.
Claims
1. Verfahren zum Überwachen eines Energiespeichers in einem Kraftfahrzeug, wobei der Energiespeicher (10) zumindest einen Verbraucher vorzugsweise für eine sicherheitsrelevante Fahrfunktionen versorgt, wobei zumindest eine alterungsabhängige Größe (SOHest(t)) des Energiespeichers (10) für einen zukünftigen Zeitpunkt prädiziert wird, wobei zumindest in Abhängigkeit der pädizierten alterungsabhängigen Größe (SOHest) eine prädizierte Restle bensdauer (RULest) ermittelt wird, dadurch gekennzeichnet, dass zumindest ein Konfidenzintervall für die prädizierte Restlebensdauer (ÄRULest) be stimmt wird.
2. Verfahren nach Anspruch 1 , dadurch gekennzeichnet, dass das Konfidenzin tervall für die prädizierte Restlebensdauer (ÄRULest) unter Verwendung einer Vielzahl, insbesondere mehr als 2000, von Referenzverläufen der alterungs abhängigen Größe (SOH(t)) bestimmt wird.
3. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekenn zeichnet, dass die Referenzverläufe der alterungsabhängigen Größe (SOH(t) durch vorab ermittelte charakteristische Messverläufe des Energiespeichers (10) und/oder durch eine Simulation, insbesondere eine Monte Carlo Simula tion, ermittelt werden.
4. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekenn zeichnet, dass das Konfidenzintervall für die prädizierte Restlebensdauer (ÄRULest) unter Verwendung einer Approximationsformel bestimmt wird.
5. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekenn zeichnet, dass das Konfidenzintervall für die prädizierte Restlebensdauer (ÄRULest) in Abhängigkeit von einem Maß für einen Prädiktionsfehler zwi schen der prädizierten alterungsabhängigen Größe (SOHest(t)) und der tat sächlichen alterungsabhängigen Größe (SOHist(t)) bestimmt wird, wobei die tatsächliche alterungsabhängige Größe (SOHist(t)) insbesondere in Abhän-
gigkeit von einer Messung zumindest einer charakteristischen Größe (U, I, T) des Energiespeichers (10) ermittelt wird, und/oder einer Standardabweichung (OSOHI) eines Prädiktionsfehlers zwischen der prädizierten alterungsabhängi gen Größe (SOHist(t)) und der tatsächlichen alterungsabhängigen Größe (SOHist(t)) bestimmt wird.
6. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekenn zeichnet, dass die prädizierte alterungsabhängige Größe (SOHest(t)) in Ab hängigkeit von der tatsächlichen alterungsabhängigen Größe (SOHist(t)), die in Abhängigkeit von einer Messung zumindest einer charakteristischen Größe (U, I, T) des Energiespeichers (10) generiert wird, ermittelt wird.
7. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekenn zeichnet, dass die prädizierte Restlebensdauer (RULest) dann erreicht wird, wenn die prädizierte alterungsabhängige Größe (SOHest) einen bestimmten Grenzwert (SOHEOL) erreicht.
8. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekenn zeichnet, dass das Konfidenzintervall für die prädizierte Restlebensdauer (ÄRULest) unter Verwendung der Approximationsformel berechnet wird und hierzu zumindest die prädizierte Restlebensdauer (RULest(t)) und/oder eine Standardabweichung des Prädiktionsfehlers zwischen der prädizierten alte rungsabhängigen Größe (SOHest(t)) und der tatsächlichen alterungsabhän gigen Größe (SOHist(t)) als Eingangsgröße für die Approximationsformel verwendet wird bzw. werden.
9. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekenn zeichnet, dass eine Approximationsformel für das Konfidenzintervall für die alterungsabhängige Größe (ÄSOHest) in Abhängigkeit von einer basierend auf zumindest einem Referenzwert der alterungsabhängigen Größe (SOH(t)) prädizierten Restlebensdauer (RULest) und/oder in Abhängigkeit von einem Maß für einen Prädiktionsfehler, insbesondere Standardabweichung eines Prädiktionsfehlers, zwischen der prädizierten alterungsabhängigen Größe (SOHest(tO)) und einem Referenzwert der alterungsabhängigen Größe (SOH(tO)) ermittelt wird.
10. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekenn zeichnet, dass anhand von Abweichungen bzw. Fehlern bei der Bestimmung der alterungsabhängigen Größe zum Zeitpunkt der prädizierten Restlebens dauer (SOH(RULest(t)) bezogen auf die alterungsabhängige Größe (SOHEOL) zum Lebensende (EOL) und/oder in Abhängigkeit von einem Konfidenzlevel (24) zumindest ein Histogramm (22, 30) erstellt wird zur Ermittlung der Kon fidenzintervallgenzen der alterungsabhängigen Größe (ÄSOHEOL) zum Le bensende (EOL) zur weiteren Verwendung in der Approximationsformel.
11. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekenn zeichnet, dass für die Bestimmung der Approximationsformel die prädizierte Restlebensdauer (RU Lest) jeweils basierend auf Referenzwerten der alte rungsabhängigen Größe (SOH(tO, t1, t2)) zu unterschiedlichen Zeitpunkten (tO, t1, t2) prädiziert wird und/oder für die unterschiedlichen Zeitpunkte (tO, t1, t2) jeweils ein Prädiktionsfehler, insbesondere Standardabweichung eines Prädiktionsfehlers, zwischen der prädizierten alterungsabhängigen Größe (SOHest(tO)) und der Referenzgröße (SOH(tO)) ermittelt wird.
12. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekenn zeichnet, dass das Konfidenzintervall für die prädizierte Restlebensdauer (ÄRULest) unter Verwendung nachfolgender Approximationsformel bestimmt wird:
Konfidenzintervallgrenzen der alterungsabhängigen Größe zum Lebensende (ÄSOHEOLest ) = ai* (prädizierte Restlebensdauer (RULest)) a2 * Standardabweichung des Prädiktionsfehlers (Osom), mit a1, a2 als vorab zu bestimmende Parameter.
13. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekenn zeichnet, dass die Referenzverläufe der alterungsabhängigen Größe (SOH(t)) über ein Degradationsmodell (14) bestimmt werden.
14. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekenn zeichnet, dass das Degradationsmodell (14) die Vielzahl von Referenzverläu fen der alterungsabhängigen Größe (SOH (t)) generiert in Abhängigkeit von einer Alterungsrate (40) und/oder in Abhängigkeit einer Zeitdauer einer kon stanten Alterungsrate (42) und/oder in Abhängigkeit eines Nutzungsprofils
(46), insbesondere wöchentliches Nutzungsprofil und/oder in Abhängigkeit eines Temperaturprofils (48), insbesondere Jahrestemperaturprofil, und/oder in Abhängigkeit einer Alterungsfunktion (50), insbesondere eine temperatur abhängige Alterungsfunktion (50) wie eine Arrhenius-Funktion.
15. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekenn zeichnet, dass aus den zuvor generierten Alterungsraten (40) Alterungsraten (42) für eine gleichverteilte Zeitdauer, insbesondere im Tages-Bereich, er zeugt werden und/oder dass eine nutzungsbedingte Alterung erzeugt wird un- ter Verwendung eines Nutzungsprofils (46) des Energiespeichers (10), insbe sondere zur Angabe der prozentualen Nutzung des Energiespeichers (10) pro Wochentag und/oder dass die nutzungsbedingte Alterung (45) erzeugt wird durch Multiplikation der Alterungsrate (42) mit konstanter Zeitdauer, ins besondere Tage, und dem Nutzungsprofil (46) und/oder dass die nutzungs- bedingte Alterung (45) temperaturabhängig korrigiert wird, insbesondere un ter Verwendung eines Temperaturprofils (48) und/oder einer temperaturab hängigen Alterungsfunktion (50), insbesondere Arrhenius-Funktion, insbe sondere durch Multiplikation der nutzungsbedingten Alterung (45) mit einer Ausgangsgröße (51) der temperaturabhängigen Alterungsfunktion (50) und/oder dass ein Referenzverlauf (SOH(t)) der alterungsabhängigen Größe durch Aufsummieren der pro Zeiteinheit berechneten Alterungsraten (53) er folgt, insbesondere beginnend mit einem Initialwert (SOHO).
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202280041277.1A CN117546033A (zh) | 2021-06-10 | 2022-03-07 | 用于监控机动车中的储能器的方法 |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| DE102021205872.8A DE102021205872A1 (de) | 2021-06-10 | 2021-06-10 | Verfahren zum Überwachen eines Energiespeichers in einem Kraftfahrzeug |
| DE102021205872.8 | 2021-06-10 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| WO2022258235A1 true WO2022258235A1 (de) | 2022-12-15 |
Family
ID=80780663
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| PCT/EP2022/055670 WO2022258235A1 (de) | 2021-06-10 | 2022-03-07 | Verfahren zum überwachen eines energiespeichers in einem kraftfahrzeug |
Country Status (3)
| Country | Link |
|---|---|
| CN (1) | CN117546033A (de) |
| DE (1) | DE102021205872A1 (de) |
| WO (1) | WO2022258235A1 (de) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109617153A (zh) * | 2018-11-22 | 2019-04-12 | 中国矿业大学 | 一种矿用锂电池管理系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102018220494A1 (de) | 2018-11-28 | 2020-05-28 | Robert Bosch Gmbh | Verfahren zum Überwachen eines Energiespeichers in einem Bordnetz |
-
2021
- 2021-06-10 DE DE102021205872.8A patent/DE102021205872A1/de active Pending
-
2022
- 2022-03-07 CN CN202280041277.1A patent/CN117546033A/zh active Pending
- 2022-03-07 WO PCT/EP2022/055670 patent/WO2022258235A1/de active Application Filing
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109617153A (zh) * | 2018-11-22 | 2019-04-12 | 中国矿业大学 | 一种矿用锂电池管理系统 |
Non-Patent Citations (3)
| Title |
|---|
| BRESSEL MATHIEU ET AL: "Fuel cell remaining useful life prediction and uncertainty quantification under an automotive profile", IECON 2016 - 42ND ANNUAL CONFERENCE OF THE IEEE INDUSTRIAL ELECTRONICS SOCIETY, IEEE, 23 October 2016 (2016-10-23), pages 5477 - 5482, XP033033502, DOI: 10.1109/IECON.2016.7793300 * |
| KORDESTANI MOJTABA ET AL: "Failure Prognosis and Applications-A Survey of Recent Literature", IEEE TRANSACTIONS ON RELIABILITY, IEEE SERVICE CENTER, PISCATAWAY, NJ, US, vol. 70, no. 2, 17 September 2019 (2019-09-17), pages 728 - 748, XP011859689, ISSN: 0018-9529, [retrieved on 20210607], DOI: 10.1109/TR.2019.2930195 * |
| LIAO LINXIA ET AL: "Review of Hybrid Prognostics Approaches for Remaining Useful Life Prediction of Engineered Systems, and an Application to Battery Life Prediction", IEEE TRANSACTIONS ON RELIABILITY, IEEE SERVICE CENTER, PISCATAWAY, NJ, US, vol. 63, no. 1, 1 March 2014 (2014-03-01), pages 191 - 207, XP011541305, ISSN: 0018-9529, [retrieved on 20140227], DOI: 10.1109/TR.2014.2299152 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117546033A (zh) | 2024-02-09 |
| DE102021205872A1 (de) | 2022-12-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP2948785B1 (de) | Verfahren zur ermittlung eines regelungstechnischen beobachters für den soc | |
| EP1429152B1 (de) | Verfahren zur Vorhersage des Innenwiderstands einer Speicherbatterie und Überwachungseinrichtung für Speicherbatterien | |
| EP1231476B1 (de) | Verfahren und Anordnung zur Bestimmung des Alterungszustands einer Batterie | |
| EP2488885B1 (de) | Verfahren zur bestimmung und/oder vorhersage der maximalen leistungsfähigkeit einer batterie | |
| EP1120663B1 (de) | Verfahren zur Bestimmung des Ladezustandes von Akkumulatoren | |
| EP2122428B1 (de) | Verfahren und system zur ermittlung von zuverlässigkeitsparametern einer technischen anlage | |
| DE102018103827A1 (de) | Lagerverwaltungssystem mit funktionen für das ausführen von lagerverwaltung und vorbeugender instandhaltung | |
| WO2020109108A1 (de) | Verfahren zum überwachen eines energiespeichers in einem bordnetz | |
| WO2017182497A1 (de) | Verfahren und system zur bewertung einer elektrochemischen speichereinheit | |
| DE102008009970A1 (de) | Batteriemanagementsystem | |
| WO2020216530A1 (de) | Verfahren zum bestimmen von restnutzungszyklen, restnutzungszyklusbestimmungsschaltung, restnutzungszyklusbestimmungsvorrichtung | |
| WO2022017984A1 (de) | Verfahren zum prädizieren einer restlebensdauer von fahrzeugbatterien einer flotte elektrischer fahrzeuge | |
| DE102020215201A1 (de) | Verfahren und Vorrichtung zur Vorhersage eines Alterungszustands einer Gerätebatterie in einem batteriebetriebenen Gerät | |
| DE102017213510A1 (de) | Verfahren und Vorrichtung zum Erzeugen eines maschinellen Lernsystems, und virtuelle Sensorvorrichtung | |
| DE102019126245A1 (de) | System und Verfahren zur Bestimmung des Funktionszustandes und/oder Gesundheitszustandes einer elektrischen Batterie | |
| EP4001938A1 (de) | Computergestütztes verfahren zum bestimmen von zustandsgrössen eines batteriespeichers und batteriespeicher | |
| DE102020200051A1 (de) | Verfahren zum Bestimmen von Restnutzungszyklen, Restnutzungszyklusbestimmungsschaltung, Restnutzungszyklusbestimmungsvorrichtung | |
| WO2022258235A1 (de) | Verfahren zum überwachen eines energiespeichers in einem kraftfahrzeug | |
| DE102022107492B3 (de) | Verfahren zum Abschätzen einer Bauteillebensdauer und Kraftfahrzeug | |
| DE102020214180A1 (de) | Verfahren und Vorrichtung zum Bestimmen einer Zustandsgröße eines elektrischen Energiespeichers | |
| WO2012025188A1 (de) | Verfahren zur vorhersage der durch einen elektrochemischen energiespeicher an einen verbraucher abgebbaren leistung | |
| EP4184189A1 (de) | Computergestütztes verfahren zum bestimmen eines kapazitätsverlusts eines batteriespeichers, computerprogrammprodukt und batteriespeicher | |
| DE102021202904A1 (de) | Verfahren zum Überwachen eines Energiespeichers in einem Kraftfahrzeug | |
| DE102022202084A1 (de) | Verfahren und Vorrichtung zum Anpassen von Modellparametern eines elektrochemischen Batteriemodells einer Gerätebatterie während eines Ladevorgangs | |
| DE102021208340A1 (de) | Verfahren und Vorrichtung zum Bereitstellen eines berechneten und prädizierten Alterungszustands eines elektrischen Energiespeichers mit einem mithilfe von maschinellen Lernverfahren und Active Learning-Methoden ermittelten Alterungszustandsmodell |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| 121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 22710591 Country of ref document: EP Kind code of ref document: A1 |
|
| WWE | Wipo information: entry into national phase |
Ref document number: 202280041277.1 Country of ref document: CN |
|
| NENP | Non-entry into the national phase |
Ref country code: DE |