WO2026008274A1 - Verfahren zur erhöhung der lebensdauer einer brennstoffzelle - Google Patents

Verfahren zur erhöhung der lebensdauer einer brennstoffzelle

Info

Publication number
WO2026008274A1
WO2026008274A1 PCT/EP2025/066500 EP2025066500W WO2026008274A1 WO 2026008274 A1 WO2026008274 A1 WO 2026008274A1 EP 2025066500 W EP2025066500 W EP 2025066500W WO 2026008274 A1 WO2026008274 A1 WO 2026008274A1
Authority
WO
WIPO (PCT)
Prior art keywords
vehicle
parameters
learning model
deep learning
duration
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
PCT/EP2025/066500
Other languages
English (en)
French (fr)
Inventor
Philipp THOREY
Thomas Wolf
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.)
Daimler Truck Holding AG
Original Assignee
Daimler Truck AG
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 Daimler Truck AG filed Critical Daimler Truck AG
Publication of WO2026008274A1 publication Critical patent/WO2026008274A1/de
Pending legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • B60L50/00—Electric propulsion with power supplied within the vehicle
    • B60L50/50—Electric propulsion with power supplied within the vehicle using propulsion power supplied by batteries or fuel cells
    • B60L50/70—Electric propulsion with power supplied within the vehicle using propulsion power supplied by batteries or fuel cells using power supplied by fuel cells
    • B60L50/71—Arrangement of fuel cells within vehicles specially adapted for electric 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
    • 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
    • B60L50/00—Electric propulsion with power supplied within the vehicle
    • B60L50/50—Electric propulsion with power supplied within the vehicle using propulsion power supplied by batteries or fuel cells
    • B60L50/75—Electric propulsion with power supplied within the vehicle using propulsion power supplied by batteries or fuel cells using propulsion power supplied by both fuel cells and batteries
    • 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]
    • 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
    • B60L58/30—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling fuel cells
    • B60L58/31—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling fuel cells for starting of fuel cells
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M8/00—Fuel cells; Manufacture thereof
    • H01M8/04—Auxiliary arrangements, e.g. for control of pressure or for circulation of fluids
    • H01M8/04298—Processes for controlling fuel cells or fuel cell systems
    • H01M8/043—Processes for controlling fuel cells or fuel cell systems applied during specific periods
    • H01M8/04302—Processes for controlling fuel cells or fuel cell systems applied during specific periods applied during start-up
    • 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
    • B60L2200/36—Vehicles designed to transport cargo, e.g. trucks
    • 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
    • B60L2240/00—Control parameters of input or output; Target parameters
    • B60L2240/10—Vehicle control parameters
    • B60L2240/12—Speed
    • 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
    • B60L2240/00—Control parameters of input or output; Target parameters
    • B60L2240/40—Drive Train control parameters
    • B60L2240/42—Drive Train control parameters related to electric machines
    • B60L2240/421—Speed
    • 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
    • B60L2240/00—Control parameters of input or output; Target parameters
    • B60L2240/40—Drive Train control parameters
    • B60L2240/42—Drive Train control parameters related to electric machines
    • B60L2240/423—Torque
    • 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
    • B60L2240/00—Control parameters of input or output; Target parameters
    • B60L2240/60—Navigation input
    • B60L2240/62—Vehicle position
    • B60L2240/622—Vehicle position by satellite navigation
    • 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
    • B60L2240/00—Control parameters of input or output; Target parameters
    • B60L2240/70—Interactions with external data bases, e.g. traffic centres
    • 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
    • B60L2240/00—Control parameters of input or output; Target parameters
    • B60L2240/80—Time limits
    • 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
    • B60L2250/00—Driver interactions
    • B60L2250/14—Driver interactions by input of vehicle departure time
    • 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
    • B60L2250/00—Driver interactions
    • B60L2250/20—Driver interactions by driver identification
    • 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
    • B60L2260/20—Drive modes; Transition between modes
    • B60L2260/22—Standstill, e.g. zero speed
    • 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
    • B60L2260/20—Drive modes; Transition between modes
    • B60L2260/26—Transition between different drive modes
    • 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
    • B60L2260/46—Control modes by self learning
    • 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
    • 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
    • B60L2260/58—Departure time prediction

Definitions

  • the invention relates to a method for increasing the service life of a fuel cell used to provide electrical drive energy in a vehicle, according to the type defined in more detail in the preamble of claim 1.
  • WO 2022/214170 A1 describes a procedure in which the vehicle's downtime is estimated in order to determine, based on this estimated downtime, whether such an air-to-air start should be accepted or whether it should be prevented by repeated hydrogen injection.
  • the application is specifically aimed at use in trucks, so that the driver's prescribed rest periods can be taken into account when estimating the downtime.
  • Fuel cell system in a vehicle This essentially involves a start/stop system, in which hydrogen typically continues to be supplied as long as a longer stop is not expected.
  • US 2015/0099200 A1 describes a cold start preparation for a fuel cell system, which essentially aims to prevent freezing.
  • the object of the inventive method is to achieve an improvement in the estimation of the expected downtime in order to achieve an optimized estimation of whether an air/air start is acceptable or not.
  • the method according to the invention uses an estimation of the expected downtime of the vehicle. Like the prior art, the method takes into account various parameters that consider legal driving time regulations and longer downtimes of foreseeable duration.
  • driver-related data from a past period of time until the vehicle is switched off are used, and the parameters and the personal data are combined.
  • Driver-related data can be used as input for a deep learning model to estimate downtime.
  • the deep learning model is trained using fleet data that utilizes parameters from vehicles currently in the field.
  • data from other vehicles in the field within a fleet can also be used to train the deep learning model and thus improve the accuracy of the estimation.
  • the parameters used can include, in particular, engine speed, vehicle speed, engine torque, and/or fuel level.
  • the operating condition of each vehicle in the fleet can be determined, whereby, according to a very advantageous further development, the length of expected driving and rest times is determined as average values for the vehicles in the fleet based on the determined operating condition and the legal guidelines for driving and working hours and is used for the vehicle under consideration.
  • the personal driver-related data can include, in particular, sensor data from a past period of 14 days in order to determine the length of individual breaks and the total driving time within this period. Furthermore, the total driving time can be determined and the length of the past rest periods can be ranked accordingly. This allows for a distinction between weekly rest periods, Daily rest periods and driving time breaks are possible. All this data can then be provided as input to the deep learning model to enable a comparatively accurate prediction of the expected downtime.
  • Figure 1 shows several boxes, each describing the acquisition and provision of data and/or the evaluation of data or the training of a deep learning model.
  • box number 1 symbolizes the collection of data from vehicles currently in the field.
  • relevant parameters are recorded to determine the operating status of each vehicle. These parameters include, in particular, engine speed, vehicle speed, engine torque, and fuel level.
  • This data, collected in box number 1, is then transferred to boxes numbered 2 and 3.
  • Box 2 is used to determine break patterns by identifying characteristic driving profiles based on the operating status.
  • box 3 based on the determined operating status and taking into account the relevant legal guidelines for driving and working hours—typically the corresponding EU directive in the applicant's area of operation—an estimate of the length of driving and rest periods is calculated, and average values are determined.
  • the data generated from boxes 2 and 3 are then fed into a deep learning model in box 4, which uses this aggregated data for training.
  • the appropriate deep learning model is trained with this data either in the vehicle itself or in a data center connected to it via a communication link.
  • the system now checks in box number 5 whether the current vehicle, for which the standstill time is to be estimated, is parked. This means that the parking brake is activated and the electric vehicle's drive readiness is deactivated.
  • the tachograph status can also be evaluated so that a change to the pause state can be detected.
  • the driver's social data for the past 14 days is determined in box 6. This includes the length of individual breaks and the sum of all driving times over the last 14 days. The total driving time is also calculated. The length of the past rest periods is then categorized to differentiate between weekly rest periods, daily rest periods, and driving time interruptions.
  • This data is then provided as input to the trained deep learning model. Box 7 is then supplied with this data from boxes 5 (as a trigger) and 6 to the deep learning model in box 4, which has been trained with the data from boxes 1, 2, and 3. In box 7, the data is processed by the deep learning model, which then provides an estimate of the expected duration of the stop. The deep learning model indicates which values are considered likely based on the input data from boxes 5 and 6, so that ultimately the probabilities of the expected downtime durations can be included in the decision.
  • Box 8 the outputs of the deep learning model from Box 7, taking into account the probability that the length of the interruption is accurate, determine the starting value for the downtime. This predicted or estimated downtime value is then fed into Box 9, which defines the operating strategy for the fuel cell based on the estimated downtime.
  • box 9 which now, based on the length of this determined, highly probable expected downtime, with reference to Degradation effects and hydrogen consumption for maintaining operational capability necessitate a decision between two methods, one that extends the service life of the fuel cell system and improves the preservation of the fuel cells, and in particular the membranes and catalysts. These two options are then illustrated in boxes 10 and 11.
  • Box 10 is intended to symbolize the air-to-air start. If the system is stationary for a predetermined duration of, for example, 18 hours or more, it is completely shut down and all valves for hydrogen supply and air intake/exhaust, if present, are closed. The system is then largely left to its own devices. Depending on the system's tightness, more or less air, and therefore oxygen, enters the anode area, so that upon restarting, an air-to-air start can be assumed. However, maintaining operational readiness for such a long estimated downtime would require a comparatively large amount of hydrogen by constantly refueling, which would increase emissions and negatively impact hydrogen consumption and ultimately the vehicle's range.
  • Box 11 represents the alternative hydrogen replenishment strategy. For shorter standby times, for example, 18 hours or less, the cathode side, and thus the valves for air intake and exhaust, are closed. At defined intervals, a specific amount of hydrogen is added to the system, maintaining a hydrogen atmosphere on the anode side throughout the entire standby period. This prevents the air-to-air start described earlier, and the fuel cell can be restarted without affecting its lifespan. ...

Landscapes

  • Engineering & Computer Science (AREA)
  • Sustainable Energy (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Power Engineering (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Chemical & Material Sciences (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Electrochemistry (AREA)
  • General Chemical & Material Sciences (AREA)
  • Manufacturing & Machinery (AREA)
  • Fuel Cell (AREA)

Abstract

Die Erfindung betrifft ein Verfahren zur Erhöhung der Lebensdauer einer Brennstoffzelle, welche zur Bereitstellung von elektrischer Antriebsenergie in einem Fahrzeug eingesetzt wird, wozu beim Abstellen des Fahrzeugs eine voraussichtliche Stillstandsdauer abgeschätzt wird, anhand welcher entschieden wird, ob ein Luft/Luft-Start in Kauf genommen oder eine zyklische Wasserstoffnachdosierung initiiert wird, wobei die voraussichtliche Stillstandsdauer anhand von verschiedenen Parametern abgeschätzt wird, welche gesetzliche Fahrzeitregelungen und Stillstandszeiten vorhersehbarer Dauer berücksichtigen. Das erfindungsgemäße Verfahren ist dadurch gekennzeichnet, dass die Parameter zusammen mit persönlichen fahrerbezogenen Daten aus einer vorgegebenen Zeitspanne vor dem Abstellen des Fahrzeugs als Eingabeparameter für ein Deep-Learning-Modell zur Abschätzung der Stillstanddauer verwendet werden.

Description

Verfahren zur Erhöhung der Lebensdauer einer Brennstoffzelle
Die Erfindung betrifft ein Verfahren zur Erhöhung der Lebensdauer einer Brennstoffzelle, welche zur Bereitstellung von elektrischer Antriebsenergie in einem Fahrzeug eingesetzt wird, nach der im Oberbegriff von Anspruch 1 näher definierten Art.
Prinzipiell ist es so, dass bei Brennstoffzellen ein entscheidender Einfluss auf die Lebensdauer der Brennstoffzelle darin liegt, wie eine Brennstoffzelle nach einer Stillstandsphase wieder gestartet wird. Der sogenannte Luft/Luft-Start, welcher auch mit dem englischen Begriff Air-2-Air-Start bezeichnet wird, liegt immer dann vor, wenn sowohl auf der Kathodenseite als auch auf der Anodenseite Luft vorliegt. Beim Starten der Brennstoffzelle wird die Luft auf der Anodenseite durch einströmenden Wasserstoff verdrängt, mit dem Nachteil, dass eine Luft/Wasserstoff-Front durch die Anode geschoben wird, entlang welcher durch die Potenzialunterschiede zur luftgefüllten Kathode der Katalysator der Anodenseite oxidieren kann. Dadurch geht Katalysatormaterial verloren und es verringert sich die Lebensdauer der Brennstoffzelle.
Aus diesem Grund beschreibt die WO 2022/214170 A1 ein Verfahren, bei welchem eine Stillstandsdauer des Fahrzeugs abgeschätzt wird, um anhand der abgeschätzten Stillstandsdauer festzulegen, ob ein solcher Luft/Luft-Start in Kauf genommen werden soll, oder ob durch eine immer wiederkehrende Nachdosierung von Wasserstoff verhindert werden soll. Die Anmeldung ist dabei insbesondere auf den Einsatz in Lastkraftwagen gerichtet, sodass bei der Abschätzung der Stillstandsdauer unter anderem die vorgeschriebenen Pausenzeiten des Fahrers mitberücksichtigt werden können.
Der Nachteil des dort beschriebenen Verfahrens liegt in der relativ groben Abschätzung der Stillstandsdauer, welche zu hohen Ungenauigkeiten und damit letztlich zu unnötig vielen Luft/Luft-Starts führt. Dies kann sich negativ auf die Lebensdauer der Brennstoffzelle auswirken.
Die DE 102009 036 199 A1 beschreibt ein Verfahren zum Betreiben eines
Brennstoffzellensystems in einem Fahrzeug. Dabei geht es im Wesentlichen um ein Start/Stopp-System, bei welchem jedoch typischerweise Wasserstoff weiterhin zugeführt wird, solange nicht von einem längeren Stopp auszugehen ist.
Ferner beschreibt die US 2015/0099200 A1 eine Kaltstartvorbereitung für ein Brennstoffzellensystem, wobei es hier im Wesentlichen darum geht, ein Einfrieren zu verhindern.
Zum weiteren Stand der Technik kann außerdem auf die WO 2024/017463 A1 verwiesen werden. Diese beschreibt den Einsatz eines Deep-Learning-Modells, welches gemäß der genannten internationalen Veröffentlichung im Wesentlichen für eine Vorhersage des Gesundheitszustands (State of Health) der Brennstoffzelle eingesetzt wird.
Ausgehend von dem zuerst genannten Stand der Technik ist es die Aufgabe des erfindungsgemäßen Verfahrens eine Verbesserung der Abschätzung der voraussichtlichen Stillstandsdauer zu erreichen, um so eine optimierte Abschätzung, ob ein Luft/Luft-Start in Kauf genommen wird oder nicht, zu erzielen.
Erfindungsgemäß wird diese Aufgabe durch ein Verfahren mit den Merkmalen im Anspruch 1 gelöst. Vorteilhafte Ausgestaltungen und Weiterbildungen ergeben sich aus den hiervon abhängigen Unteransprüchen.
Das erfindungsgemäße Verfahren nutzt ähnlich wie der eingangs zuerst genannte Stand der Technik eine Abschätzung der voraussichtlichen Stillstandsdauer des Fahrzeugs. Das Verfahren berücksichtigt ähnlich wie dieser Stand der Technik verschiedene Parameter, welche die gesetzlichen Fahrzeitregelungen und längere Stillstandszeiten vorhersehbarer Dauer berücksichtigen.
Erfindungsgemäß ist es nun so, dass zusätzlich zu diesen Parametern persönliche fahrerbezogene Daten aus einer zurückliegenden Zeitspanne bis zum Abstellen des Fahrzeugs zur Verwendung kommen, und dass die Parameter und die persönlichen fahrerbezogenen Daten als Eingabe für ein Deep-Learning-Modell eingesetzt werden, um damit die Stillstandsdauer abzuschätzen.
Dieser Einsatz eines Deep-Learning-Modells bietet dabei einen entscheidenden Vorteil bei der Genauigkeit der Abschätzung der zu erwartenden Stillstandsdauer.
Besonders bevorzugt kann dabei über das Deep-Learning-Modell eine Mustererkennung erfolgen, sodass anhand charakteristischer Verhaltensmuster des Fahrers zusätzlich zu absehbaren en und gesetzlichen Vorschriften die Länge der zu erwartenden Stillstandsdauer präzisiert werden kann.
Gemäß einer außerordentlich günstigen Weiterbildung des erfindungsgemäßen Verfahrens ist es dabei vorgesehen, dass das Deep-Learning-Modell mittels Flottendaten trainiert wird, welche Parameter von aktuell im Feld befindlichen Fahrzeugen nutzen. Neben den Daten des eigenen Fahrzeugs und den fahrerbezogenen Daten seines Fahrers können also auch die Daten weiterer im Feld befindlicher Fahrzeuge einer Fahrzeugflotte, sei es der Fahrzeugflotte eines bestimmten Herstellers, der Fahrzeugflotte einer Spedition oder eines Speditionsverbands oder dergleichen, genutzt werden, um das Deep-Learning-Modell zu trainieren und damit die Qualität der Abschätzung zu verbessern. Die dabei genutzten Parameter können insbesondere die Motordrehzahl, die Geschwindigkeit, das Motordrehmoment und/oder den Tankfüllstand umfassen.
Anhand dieser Parameter lässt sich nun ein Betriebszustand des jeweiligen Fahrzeugs der Fahrzeugflotte ermitteln, wobei gemäß einer sehr vorteilhaften Weiterbildung anhand des ermittelten Betriebszustands und der gesetzlichen Richtlinien für Fahrt- und Arbeitszeiten die Länge von zu erwartenden Fahrt- und Ruhezeiten als Durchschnittswerte für die Fahrzeuge in der Fahrzeugflotte ermittelt und für das zu betrachtende Fahrzeug herangezogen werden.
Die persönlichen fahrerbezogenen Daten können dabei gemäß einer sehr vorteilhaften Weiterbildung insbesondere die Sensordaten einer zurückliegenden Zeitspanne von insbesondere 14 Tagen umfassen, um so die länge einzelner Pausen sowie die Summe aller Fahrzeiten innerhalb dieser Zeitspanne zu bestimmen. Ferner lässt sich die Gesamtfahrzeit bestimmen sowie die Länge der zurückliegenden Ruhezeiten entsprechend ordnen. Damit wird eine Unterscheidung zwischen Wochenruhezeit, Tagesruhezeit und Lenkzeitunterbrechungen möglich. All diese Daten lassen sich dann als Eingangsgrößen dem Deep-Learning-Modell zur Verfügung stellen, um anhand dieser Daten eine vergleichsweise exakte Vorhersage der zu erwartenden Stillstandsdauer ermöglicht. Anhand der Wahrscheinlichkeiten, mit welchen diese Stillstanddauern in bestimmten erfassten Situationen des Fahrzeugs eintreten, lässt sich dann einfach und effizient entscheiden, ob ein Luft/Luft-Start in Kauf genommen werden soll, oder ob über eine Wasserstoffnachdosierung, in an sich bekannter Art und Weise, die Betriebsbereitschaft aufrecht erhalten wird, um einen solchen für die Brennstoffzelle schädlichen Luft/Luft-Start in jedem Fall zu vermeiden.
Weitere vorteilhafte Ausgestaltungen des erfindungsgemäßen Verfahrens ergeben sich auch anhand des Ablaufdiagramms, welches nachfolgend unter Bezugnahme auf die Figur näher beschrieben ist.
Die einzige beigefügte Figur zeigt dabei ein Ablaufidagramm zur Umsetzung des erfindungsgemäßen Verfahrens in einem konkreten Ausführungsbeispiel.
In der Darstellung der Figur 1 sind nun mehrere Kästen zu erkennen, welche jeweils die Erfassung und Bereitstellung von Daten und/oder die Auswertung von Daten bzw. das Trainieren eines Deep-Learning-Modells entsprechend beschreiben.
Rechts oben ist mit dem mit 1 bezeichneten Kasten die Erfassung von Daten von aktuell im Feld befindlichen Fahrzeugen symbolisiert, wobei hier entsprechende Parameter erfasst werden, um den Betriebszustand des jeweiligen Fahrzeugs zu ermitteln. Diese Parameter umfassen insbesondere die Motordrehzahl, die Geschwindigkeit des Fahrzeugs, das Motordrehmoment und den Tankfüllstand des Fahrzeugs. Diese so in dem mit 1 bezeichneten Kasten erfassten Daten gelangen dann parallel zu den beiden mit 2 und 3 bezeichneten Kästen. Im Kasten 2 werden Muster für Pausen ermittelt, indem charakteristische zeitliche Fahrprofile anhand des Betriebszustands ermittelt werden. Im Kasten 3 wird anhand des ermittelten Betriebszustands und unter Berücksichtigung der jeweiligen gesetzlichen Richtlinie für Fahrt- und Arbeitszeiten, im Bereich des Umfelds der Anmelderin typischerweise die entsprechende EU-Richtlinie, eine Abschätzung der Länge von Fahrt- und Ruhezeiten ermittelt und es werden Durchschnittswerte hiervon gebildet. Diese aus den Kästen 2 und 3 generierten Daten fließen dann im Kasten 4 in ein Deep- Learning-Modell ein, welches die so zusammengefassten Daten zum Training nutzt. Im Fahrzeug selbst oder in einem mit diesem über eine Kommunikationsverbindung in Kontakt stehenden Rechenzentrum wird das passende Deep-Learning-Modell also mit diesen Daten trainiert.
Nun wird in dem mit 5 bezeichneten Kasten festgestellt, ob das aktuelle Fahrzeug, für welches die Abschätzung der Stillstandsdauer erfolgen soll, abgestellt wird. Dies bedeutet, dass die Parkbremse aktiviert und die Fahrbereitschaft des elektrischen Fahrzeugs deaktiviert wird. Auch der Zustand des Tachographen kann ausgewertet werden, sodass ein Wechsel in den Pausenzustand erkannt werden kann.
In einem solchen Fall werden nun in dem mit 6 bezeichneten Kasten die Sozialdaten des Fahrers der zurückliegenden 14 Tage ermittelt. Dabei wird die Länge einzelner Pausen sowie die Summe aller Fahrzeiten der letzten 14 Tage bestimmt. Außerdem wird die Gesamtfahrzeit bestimmt. Die Länge der zurückliegenden Ruhezeiten wird dann geordnet, sodass eine Unterscheidung zwischen Wochenruhezeit, Tagesruhezeit und Lenkzeitunterbrechungen getroffen werden kann. Diese Daten werden dann als Eingangsgrößen dem trainierten Deep-Learning-Modell zur Verfügung gestellt. Dem mit 7 bezeichneten Kasten werden nun also diese Daten aus den Kästen 5, als auslösender Trigger, und 6 dem Deep-Learning-Modell des Kastens 4 zur Verfügung gestellt, welches mit den Daten aus den Kästen 1, 2 und 3 trainiert worden ist. Im Kasten 7 erfolgt dann eine Verarbeitung der Daten über das Deep-Learning-Modell, welches als Ergebnis eine Aussage über die Dauer der zu erwartenden Standzeit liefert. Dazu gibt das Deep- Learning-Modell an, welche Werte anhand der Vorgabedaten aus den Kästen 5 und 6 als wie wahrscheinlich anzusehen sind, sodass letztlich die Wahrscheinlichkeiten der zu erwartenden Stillstandsdauern in die Entscheidung einbezogen werden können.
Im Kasten 8 wird nun anhand der Ausgänge des Deep-Learning-Modells aus dem Kasten 7 unter Einbezug der Wahrscheinlichkeit, dass die Länge der Fahrtunterbrechung zutreffend ist, entschieden, von welchem Wert der Stillstandsdauer ausgegangen wird. Dieser Wert der vorhergesagten bzw. abgeschätzten Stillstandsdauer fließt dann in den mit 9 bezeichneten Kasten ein, welcher die Betriebsstrategie für die Brennstoffzelle anhand der abgeschätzten Stillstandsdauer festlegt.
Im Kasten 9, in welchem nun anhand der Länge dieser ermittelten mit hoher Wahrscheinlichkeit zu erwartenden abgeschätzten Stillstandsdauer mit Bezug auf Degradationseffekte und den Verbrauch von Wasserstoff für das Aufrechterhalten der Betriebsfähigkeit eine Entscheidung zwischen zwei Verfahren getroffen wird, welche die Lebensdauer des Brennstoffzellensystems verlängert und den Erhalt der Brennstoffzellen, und hier insbesondere der Membranen und der Katalysatoren, verbessert. Diese beiden Möglichkeiten selbst sind dann in den mit 10 und 11 bezeichneten Kästen dargestellt.
Der Kasten 10 soll dabei den Luft/Luft-Start symbolisieren. Bei einer Standzeit mit einer vorgegebenen Dauer von beispielsweise 18 Stunden oder mehr wird das System komplett abgeschaltet und alle Ventile für die Wasserstoffzufuhr und die Zu- bzw. Abfuhr von Luft werden, sofern vorhanden, geschlossen. Das System wird dann weitgehend sich selbst überlassen. Je nach Dichtheit des Systems gelangt nun mehr oder weniger Luft und damit Sauerstoff in den Bereich der Anode, sodass bei der Wiederinbetriebnahme hier von einem Luft/Luft-Start auszugehen ist. Allerdings würde bei derart langen abgeschätzten Stillstandsdauer die Aufrechterhaltung der Betriebsbereitschaft durch ein ständiges Nachdosieren von Wasserstoff vergleichsweise viel Wasserstoff benötigen, was einerseits Emissionen erhöht und andererseits den Wasserstoffverbrauch und damit letztlich die Reichweite des Fahrzeugs negativ beeinflusst.
Der mit 11 bezeichnete Kasten steht dann für die alternative Strategie der Wasserstoffnachdosierung. Bei einer Standzeit mit einer kürzeren Dauer, hier also beispielsweise 18 Stunden oder weniger, wird die Kathodenseite und damit die Ventile für die Zu- und Abfuhr von Luft geschlossen. In definierten Zeiträumen wird eine festgelegte Menge an Wasserstoff in das System gegeben, sodass auf der Anodenseite also die Wasserstoffatmosphäre über die gesamte Standzeit aufrechterhalten wird. Hierdurch wird der eingangs beschriebene Luft/Luft-Start verhindert und die Brennstoffzelle kann ohne eine Beeinträchtigung der Lebensdauer wieder gestartet werden.

Claims

Patentansprüche
1. Verfahren zur Erhöhung der Lebensdauer einer Brennstoffzelle, welche zur Bereitstellung von elektrischer Antriebsenergie in einem Fahrzeug eingesetzt wird, wozu beim Abstellen des Fahrzeugs eine voraussichtliche Stillstandsdauer abgeschätzt wird, anhand welcher entschieden wird, ob ein Luft/Luft-Start in Kauf genommen oder eine zyklische Wasserstoffnachdosierung initiiert wird, wobei die voraussichtliche Stillstandsdauer anhand von verschiedenen Parametern abgeschätzt wird, welche gesetzliche Fahrzeitregelungen und Stillstandszeiten vorhersehbarer Dauer berücksichtigen, dadurch gekennzeichnet, dass die Parameter zusammen mit persönlichen fahrerbezogenen Daten aus einer vorgegebenen Zeitspanne vor dem Abstellen des Fahrzeugs als Eingabeparameter für ein Deep-Learning-Modell zur Abschätzung der Stillstanddauer verwendet werden.
2. Verfahren nach Anspruch 1 , dadurch gekennzeichnet, dass über das Deep-Learning-Modell eine Mustererkennung erfolgt.
3. Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass das Deep-Learning-Modell mittels Flottendaten trainiert wird, welche Parameter von aktuell im Feld befindlichen Fahrzeugen umfassen.
4. Verfahren nach Anspruch 3, dadurch gekennzeichnet, dass als Parameter von aktuell im Feld befindlichen Fahrzeugen deren Motordrehzahl, Geschwindigkeit, Motordrehmoment und/oder Tankfüllstand genutzt werden.
5. Verfahren nach Anspruch 3 oder 4, dadurch gekennzeichnet, dass anhand der ermittelten Betriebszustände der Flottenfahrzeuge und einer gesetzlichen Richtlinie für Fahrt- und Arbeitszeiten die Länge von Fahrt- und Ruhezeiten als Durchschnittswerte ermittelt werden, welche dann zum Training des Deep-Learning-Modells genutzt werden.
6. Verfahren nach einem der Ansprüche 1 bis 5, dadurch gekennzeichnet, dass die persönlichen fahrerbezogenen Daten Sozialdaten einer zurückliegenden Zeitspanne umfassen, anhand welcher die Länge einzelner Pausen sowie die Summe aller Fahrzeiten in dieser Zeitspanne zusammen mit der Gesamtfahrzeit bestimmt wird.
7. Verfahren nach Anspruch 6, dadurch gekennzeichnet, dass die in der Zeitspanne erfassten Ruhezeiten geordnet werden, um eine Unterscheidung zwischen Wochenruhezeit, Tagesruhezeit und Lenkzeitunterbrechung treffen zu können.
PCT/EP2025/066500 2024-07-02 2025-06-13 Verfahren zur erhöhung der lebensdauer einer brennstoffzelle Pending WO2026008274A1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102024118642.9A DE102024118642A1 (de) 2024-07-02 2024-07-02 Verfahren zur Erhöhung der Lebensdauer einer Brennstoffzelle
DE102024118642.9 2024-07-02

Publications (1)

Publication Number Publication Date
WO2026008274A1 true WO2026008274A1 (de) 2026-01-08

Family

ID=96230181

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2025/066500 Pending WO2026008274A1 (de) 2024-07-02 2025-06-13 Verfahren zur erhöhung der lebensdauer einer brennstoffzelle

Country Status (2)

Country Link
DE (1) DE102024118642A1 (de)
WO (1) WO2026008274A1 (de)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102009036199A1 (de) 2009-08-05 2011-02-17 Daimler Ag Verfahren zum Betreiben eines Brennstoffzellensystems in einem Fahrzeug
US20110087389A1 (en) * 2009-10-09 2011-04-14 Gm Global Technology Operations, Inc. Standby mode for optimization of efficiency and durability of a fuel cell vehicle application
US20150099200A1 (en) 2013-10-07 2015-04-09 Ford Global Technologies, Llc Freeze preparation for a fuel cell system
WO2022214170A1 (en) 2021-04-07 2022-10-13 Volvo Truck Corporation A system and method for controlling a fuel cell energy system of a vehicle
DE102022004321A1 (de) * 2022-11-21 2023-01-05 Mercedes-Benz Group AG Verfahren zur Verbrauchsschätzung von Elektrofahrzeugen und dessen Verwendung zum Ermitteln einer Navigationsroute
WO2024002464A1 (en) * 2022-06-27 2024-01-04 Volvo Truck Corporation A method of counteracting degradation of a fuel cell system of a vehicle
WO2024017463A1 (en) 2022-07-19 2024-01-25 Volvo Truck Corporation Controlling freeze protection for a fuel cell vehicle

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102009036199A1 (de) 2009-08-05 2011-02-17 Daimler Ag Verfahren zum Betreiben eines Brennstoffzellensystems in einem Fahrzeug
US20110087389A1 (en) * 2009-10-09 2011-04-14 Gm Global Technology Operations, Inc. Standby mode for optimization of efficiency and durability of a fuel cell vehicle application
US20150099200A1 (en) 2013-10-07 2015-04-09 Ford Global Technologies, Llc Freeze preparation for a fuel cell system
WO2022214170A1 (en) 2021-04-07 2022-10-13 Volvo Truck Corporation A system and method for controlling a fuel cell energy system of a vehicle
WO2024002464A1 (en) * 2022-06-27 2024-01-04 Volvo Truck Corporation A method of counteracting degradation of a fuel cell system of a vehicle
WO2024017463A1 (en) 2022-07-19 2024-01-25 Volvo Truck Corporation Controlling freeze protection for a fuel cell vehicle
DE102022004321A1 (de) * 2022-11-21 2023-01-05 Mercedes-Benz Group AG Verfahren zur Verbrauchsschätzung von Elektrofahrzeugen und dessen Verwendung zum Ermitteln einer Navigationsroute

Also Published As

Publication number Publication date
DE102024118642A1 (de) 2026-01-08

Similar Documents

Publication Publication Date Title
EP3915163A1 (de) Verfahren und schaltungsanordnung zum einstellen einer betriebsstrategie für ein brennstoffzellensystem
DE102012224450B4 (de) Verfahren und System zum Steuern eines Ladens einer Batterie für ein Hybrid-Elektrofahrzeug
DE102013211543A1 (de) Verfahren zum alterungs- und energieeffizienten Betrieb insbesondere eines Kraftfahrzeugs
WO2013135343A1 (de) Verfahren und vorrichtung zum ermitteln und anzeigen einer restreichweite eines kraftwagens sowie kraftwagen mit einer vorrichtung zum ermitteln und anzeigen einer restreichweite
WO2015197483A1 (de) Vorrichtung und verfahren zur regelung eines ladezustands eines elektrischen energiespeichers
DE102014108172A1 (de) Steuerung für ein wasserablassventil einer brennstoffzelle mit fahrzeugneigungskompensation
DE102012213382A1 (de) Kriechsteuervorrichtung und Verfahren für ein Hybrid-Fahrzeug
DE102012222538A1 (de) Vorrichtung und verfahren zum erzeugen von luftdruck in einem umweltfreundlichen fahrzeug
EP2652717B1 (de) Verfahren zur bestimmung eines zustands eines verbrennungsmotors eines fahrzeugs mit weiterem motor sowie entsprechende vorrichtung und fahrzeug
WO2017186628A1 (de) Verfahren zum steuern einer energiespeichereinrichtung eines mild-hybrid-kraftfahrzeugs sowie ladezustandssteuereinrichtung für ein mild-hybrid-kraftfahrzeug
WO2021144070A1 (de) Verfahren zum initiieren eines regenerationsprozesses
EP3061147A1 (de) Verfahren beim herunterfahren zur startvorbereitung eines brennstoffzellensystems
DE102015225296A1 (de) System und Verfahren zum Regeln der LDC-Spannung eines Hybridfahrzeugs
DE102008060954B4 (de) Verfahren zur Regelung bzw. Steuerung des Ladezustands eines elektrischen Energiespeichers eines Hybridfahrzeugs
WO2019154846A1 (de) Verfahren zur detektion der luftgüte einer brennstoffzelle
WO2026008274A1 (de) Verfahren zur erhöhung der lebensdauer einer brennstoffzelle
DE102014220895B4 (de) Motorsteuerung für ein Fahrzeug
WO2011134580A1 (de) Verfahren zur regelung des energiemanagements eines brennstoffzellensystems
DE102022109753A1 (de) Verfahren und Steuereinrichtung zum Bestimmen, ob in einem Energiespeicher eine bestimmte Mindestenergiemenge gespeichert ist oder nicht
DE102017219478A1 (de) Verfahren und System zur Reduzierung der Aufnahme von Schadstoffen aus der Umgebungsluft
DE102021205510A1 (de) Verfahren zum Betreiben eines Fahrzeugs mit einer Brennkraftmaschine und einem Automatikgetriebe
DE102014225763A1 (de) Schubbetriebssteuerungsvorrichtung in einem Automatikgetriebefahrzeug
DE102024117696A1 (de) Verfahren zur prognose der restnutzungsdauer
WO2008034752A2 (de) Verfahren zur bestimmung eines betriebszustands eines energiespeichers
DE102016010137A1 (de) Verfahren zur Erfassung der Schadstoffbelastung einer Brennstoffzelle und zum Betreiben einer Brennstoffzelle

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: 25734574

Country of ref document: EP

Kind code of ref document: A1