用于对电池的老化状态进行预测的方法技术

本发明专利技术涉及一种用于对电池的老化状态进行预测的方法。此外，本发明专利技术涉及一种包括至少一个电池的车辆，根据所述按本发明专利技术的方法来预测所述电池的老化状态并且/或者借助于根据按本发明专利技术的方法所预测的老化状态来改进所述电池的老化特性。本发明专利技术也涉及一种预测系统，所述预测系统被设立用于实施所述按本发明专利技术的方法。法。法。

【技术实现步骤摘要】
【国外来华专利技术】用于对电池的老化状态进行预测的方法


[0001]本专利技术涉及一种用于对电池的老化状态进行预测的方法。
[0002]此外，本专利技术涉及一种包括至少一个电池的车辆，根据所述按本专利技术的方法来预测所述电池的老化状态并且/或者借助于根据按本专利技术的方法所预测的老化状态来改进所述电池的老化特性。
[0003]本专利技术也涉及一种预测系统，该预测系统被设立用于实施所述按本专利技术的方法。

技术介绍

[0004]电池的老化状态（SOH，英语：State of Health）取决于不同的影响因素。这些影响因素比如是流经电池的电流通过量、电池的充电及放电周期的数目和深度、电池的最大的充电及放电电流、用于电池的热回路、电池的运行温度、电池的荷电状态（SOC，英语：State of Charge）等等。因为所有这些因素以不同的形式和权重确定通常个别地运行的电池中的SOH数值，所以难以精确地确定这个数值。
[0005]文件WO 2019/017991 A1说明了一种用于机动车的电池管理系统，该电池管理系统包括用于对能充电的电池的状态进行估计的模型。

技术实现思路

[0006]提出一种用于对电池的老化状态进行预测的方法。
[0007]所述电池优选被构造为锂离子电池并且包括多个彼此串联或者并联的电池单池。
[0008]在此，首先提供所述电池的、与该电池的不同的使用属性相关的数据。所述电池的数据比如包括该电池的电压变化曲线、该电池的电流变化曲线以及该电池的运行温度变化曲线。当然，所述数据也能够包括表征电池的参量。所述表征电池的参量比如包括温度、充电电流、能量通过量、荷电状态或者状态的组合、像比如长时间高温下的高荷电状态。所述电池的表征电池的参量也包括电池的化学数据。“使用属性”尤其是指电池的负荷及充电属性。
[0009]随后将所述电池的数据传输给存储机构。在此，多个比较电池的数据被存储在所述存储机构中。在所述存储机构中也存储了所述比较电池的、优选与相应的比较电池的使用属性相关的老化状态数值和/或老化状态变化曲线。所述存储机构能够被分配给数据驱动的团体模型（Flottenmodell）。优选地，所述存储机构包括所述数据驱动的团体模型。在此借助于所述数据驱动的团体模型对在所述存储机构中所存储的数据进行处理和分析。
[0010]此后借助于电池
‑
参考模型按照所定义的时刻和/或所定义的事件来确定所述电池的老化状态数值。所述电池
‑
参考模型在此包括电池的数据、电池的老化状态数值和电池的使用属性之间的关系。优选在确定所述老化状态数值之前借助于预处理模型对所述电池的信号或者信号变化曲线进行预处理。
[0011]如果已知所述电池的表征电池的参量、像比如标签、用于机器学习的所测量的老化状态参考，则能够直接并且精确地借助于所述电池
‑
参考模型来计算老化状态数值。如果
存在标签，则所述电池
‑
参考模型就被制作为基于人工智能的模型。如果还不存在标签，则所述电池
‑
参考模型就相应于比如在车辆控制设备中所计算的数值。
[0012]在不知道所述电池的表征电池的参量的情况下，则能够比如借助于电池管理系统来计算所述电池的老化状态数值。这个由电池管理系统计算的老化状态数值而后用作用于电池
‑
参考模型的基础值并且与电池的表征电池的参量相关联，所述表征电池的参量是用于所述电池的老化程度的指标。
[0013]接下来根据电池的所确定的老化状态数值来形成所述电池的老化状态变化曲线。
[0014]此后确定所述电池的所预测的老化状态数值和/或所预测的老化状态变化曲线。在此能够借助于所形成的老化状态变化曲线的外插来确定所述电池的所预测的老化状态数值和/或所预测的老化状态变化曲线。
[0015]也能够借助于所形成的老化状态变化曲线与所查明的老化状态变化曲线的分配关系从所述比较电池的在存储机构中所存储的数据中确定所述所预测的老化状态数值和/或所预测的老化状态变化曲线，其中从所述比较电池的在存储机构中所存储的数据中查明多条老化状态变化曲线。所述查明工作能够借助于电池的负荷的聚类方案（英语：Clustering）、像比如最近邻启发学或者k
‑
均值
‑
算法考虑到不同的使用属性的老化状态变化曲线来实施。
[0016]为了确定所预测的老化状态数值和/或所预测的老化状态变化曲线，能够一起使用所形成的老化状态变化曲线的外插和分配关系。
[0017]优选实施所述电池的负荷预测。所述负荷预测比如能够在车辆的预测性的里程数据、车辆的导航数据和另外的来自车辆的控制设备的信息的基础上来实施。在此，能够借助于车
‑
对
‑
X
‑
通信、尤其是车
‑
对
‑
车
‑
通信来确定预测性的里程数据。用车
‑
对
‑
X/车
‑
通信来表示车辆与环境/车辆之间的信息和数据的交换，其具有的背景是提早地向驾驶员报告危急的和有危险的情况。
[0018]优选用电池的实际上的老化状态数值和/或实际上的老化状态变化曲线从由所述电池
‑
参考模型确定的实际上的老化状态数值中对该电池的所预测的老化状态数值和/或所预测的老化状态变化曲线进行调准。也能够用所述比较电池的、来自存储机构的所存储的老化状态数值和/或所存储的老化状态变化曲线对所述电池的所预测的老化状态数值和/或所预测的老化状态变化曲线进行调准，所述所存储的老化状态数值和/或所存储的老化状态变化曲线一方面外插相应的比较电池的个别的老化状态变化曲线并且另一方面借助于所述比较电池的统计上的分布来预测相对于老化状态数值的置信区间。优选实施所述两种调准。
[0019]优选所述电池
‑
参考模型被构造为基于人工智能的模型。但是也能够设想，所述电池
‑
参考模型被构造为物理模型、元模型或者数据模型，其能够是所述电池的综合特性曲线。当然，为了形成电池
‑
参考模型而能够使用多个上面所提到的模型。
[0020]优选根据所述比较电池的在存储机构中所存储的数据对所述电池
‑
参考模型进行调准。在不知道所述电池的表征电池的参量的情况下，能够根据所述电池的由电池管理系统计算的、用作用于电池
‑
参考模型的基础值的老化状态数值和所述比较电池的在存储机构中所存储的数据来使所述电池
‑
参考模型参数化。
[0021]优选为不同的预测范围“（Pr
ä
diktionshorizonte）”来确定所述电池的老化状态
数值。
[0022]“预测范围”比如可以是指与车辆的特定的最小数量的行驶周期相关联的特定的持续时间。由此，同样考虑到所述具有电流及温度负荷的电池的日历上的和周期性的老化。与本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.用于对电池的老化状态进行预测的方法，该方法包括以下步骤：
‑
提供所述电池的与该电池的不同的使用属性相关的数据；
‑
将所述数据传输给存储机构（240），在所述存储机构中存储、处理并且分析多个比较电池的数据；
‑
借助于电池
‑
参考模型（230）按照所定义的时刻和/或事件来确定所述电池的老化状态数值；
‑
根据确定的老化状态数值来形成所述电池的老化状态变化曲线；
‑
借助于所形成的老化状态变化曲线的外插并且/或者借助于所形成的老化状态变化曲线与所查明的老化状态变化曲线的配属关系从所述比较电池的在存储机构（240）中所存储的数据中确定所述电池的所预测的老化状态数值和/或所预测的老化状态变化曲线，其中从在所述存储机构（240）中所存储的数据中查明多条老化状态变化曲线。2.根据权利要求1所述的方法，其特征在于，所述电池
‑
参考模型（230）被构造为基于人工智能的模型。3.根据权利要求1或2所述的方法，其特征在于，根据所述比较电...

【专利技术属性】
技术研发人员：C，
申请(专利权)人：罗伯特，
类型：发明
国别省市：