用于借助机器学习方法运行提供设备的电储能器的预测的老化状态的系统的方法和装置制造方法及图纸

本发明专利技术涉及一种用于预测带有至少一个电化学的单元、特别是电池单体的电储能器的模型化的老化状态的计算机实现的方法，所述方法具有下列步骤：

【技术实现步骤摘要】
用于借助机器学习方法运行提供设备的电储能器的预测的老化状态的系统的方法和装置


[0001]本专利技术涉及一种电池供电运行的、带有电储能器的电气设备，特别是能电气驱动的机动车、特别是电动车辆或混动车辆，并且还涉及用于确定电储能器的老化状态（SOH：State of Health，即健康状态）的措施。此外，本专利技术除了移动式电储能器外也涉及静态的电储能器。

技术介绍

[0002]借助通常为设备电池或车辆电池的电储能器向用电池供电运行的电气的设备和电气的机械、如能电气驱动的机动车供能。电储能器提供电能以运行所述设备。但也考虑连同储氢料箱在内的燃料电池系统作为电储能器。
[0003]电储能器或能量转换器在它们的使用寿命内并且与它们的负荷或使用相关地退化。这种所谓的老化导致了最大功率容量或储存容量连续下降。老化状态对应用于说明储能器老化的尺度。按照惯例，全新的储能器具有100%的老化状态，老化状态在储能器的使用寿命期间明显下降。储能器老化的尺度（老化状态的时间变化）取决于储能器的个体的负荷，这就是说，在机动车的车辆电池中取决于驾驶员的使用行为、外部的环境条件和车辆电池类型。
[0004]虽然可以借助物理的老化状态模型基于历史的运行状态变化曲线确定储能器的瞬时老化状态，但这种模型在一定的状况下是不准确的。传统的老化状态模型的这种不准确定使得预测老化状态变化曲线变难。但预测储能器的老化状态的变化曲线是一个重要的技术参量，因为用该技术参量能经济实惠地判定储能器的剩余价值。

技术实现思路

[0005]按照本专利技术，规定了一种按照权利要求1所述的用于预测电储能器的老化状态的方法以及一种按照并列的权利要求所述的用于在能电气运行的设备中预测电储能器的老化状态的装置。
[0006]进一步的设计方案在从属权利要求中说明。
[0007]按照第一个方面，规定了一种用于预测带有至少一个电化学单元、特别是电池单体的电储能器的模型化的老化状态的计算机实现的方法，该方法具有下列步骤：
‑ꢀ
提供储能器的至少一个运行参量的变化曲线；
‑ꢀ
提供老化状态模型，该老化状态模型构造用于，根据储能器的至少一个运行参量的变化曲线直至在一个时间点上将针对该时间点的相应的老化状态分配给电化学的储能器；
‑ꢀ
根据使用模式生成至少一个运行参量从当前的时间点起到未来的人工的变化曲线，使用模式说明了储能器的瞬时使用的或瞬时运行的方式，因此预测了未来老化状态的变化曲线；
‑ꢀ
根据储能器的至少一个运行参量的到目前为止的变化曲线确定使用模式，其中，根据至少一个运行参量自最近的使用变动时间点起的变化曲线确定所述使用模式；其中，最近的使用变动时间点说明了这样一个时间点，在该时间点上最后发生了储能器的使用行为的变动；
‑ꢀ
根据至少一个运行参量的人工变化曲线预测老化状态。
[0008]按照本说明书，储能器包括设备电池、带有电化学的能量变动器（该能量变动器带有能量载体贮存器）的能量变动系统，如带有燃料电池和能量载体贮存器的燃料电池系统。
[0009]电储能器的、特别是设备电池的老化状态，通常不是直接测量的。这需要储能器内部的一系列传感器，这些传感器会使制造这种储能器变得成本高昂以及昂贵并且会扩大空间需求。此外，适合日常使用的用于在储能器中直接确定老化状态的测量方法还没有在市场上有售。因此通常借助在于储能器分开的控制器中的物理的老化模型求取电储能器的当前的老化状态。这种物理的老化状态模型在一定的状况下时不准确的并且通常具有直至超过5%的模型偏差。
[0010]此外，由于物理的老化模型的不准确性，这个老化模型可以还算准确地仅说明储能器的瞬时老化状态。预测老化状态会导致极为不准确的预测并且现在没法规定，所述预测尤其取决于储能器的运行方式、例如取决于设备电池中电荷流入和电荷流出的高度和量并且因此取决于使用行为和使用参数。
[0011]老化状态（SOH：State of Health，即健康状态）在设备电池中是用于说明剩余的电池容量或剩余的电池电荷的关键参量。在设备电池或电池模块或电池单体的情况下，老化状态可以指的是容量保持率（Capacity Retention Rate，SOH
‑
C，即容量保持率）。容量保持率SOH
‑
C指的是所测得的瞬时容量与完全充满电的电池的起始容量之比。老化状态备选可以指的是在设备电池的使用寿命开端时关于内阻的内阻的上升（SOH
‑
R）。内阻的相对变化SOH
‑
R随着电池越来越老化而上升。
[0012]很有希望的是这样一些方案，即，基于老化状态模型特定于用户和特定于使用地模型化和预测电储能器的老化状态，老化状态模型使用运行参量从开始运行的时间点的变化曲线，以便基于老化状态在开始运行的时间点上分别一个时步接一个时步地调整老化状态。这种老化状态模型可以纯粹基于数据地实现，但也可以实现为混合的、基于数据的老化状态模型。这种老化状态模型可以例如在中央单元（云）中实现并且借助与中央单元处于通信连接的不同设备的大量储能器的运行参量参数化或进行训练。
[0013]用于求取电储能器的老化状态的老化状态模型可以以混合的老化状态模型的形式、即物理的老化模型与基于数据的模型的组合的形式提供。在混合的模型中，可以借助物理的或电化学的老化模型求取物理的老化状态并且用修正值加载这个物理的老化状态，修正值特别是通过相加或相乘由基于数据的修正模型产生。物理的老化模型基于表征了非线性的微分方程组的电化学的状态的电化学的模型方程、连续地计算并且将这些电化学的状态为了作为SOH
‑
C和/或SOH
‑
R输出而映射到物理的老化状态上。计算可以典型地在云中例如每周实行一次。
[0014]此外，混合的基于数据的老化状态模型的修正模型可以用概率的或基于人工智能的回归模型、特别是高斯过程模型构造并且可以加以训练，以便修正通过物理的老化模型获得的老化状态。为此，因此存在老化状态的基于数据的修正模型来修正SOH
‑
C和/或至少
一个另外的修正模型来修正SOH
‑
R。高斯过程的可能的备选方案是另外的监督学习方法，如基于随机
‑
森林模型、AdaBoost模型、支持向量机或贝叶斯神经网络。
[0015]当应当求取储能器的剩下的剩余使用寿命并且根据保修条件或CO2车队规定评估这个剩余使用寿命，那么预测老化状态是有帮助的。为此可以连续地结合预定的使用模式询问基于数据的老化状态模型。为此从当前的时间点起需要连续地生成人工运行参量的时间变化曲线，依据用于对微分方程求解的时间积分方法的物理的老化模型需要所述时间变化曲线来模型化预测的老化状态。由此尤其从当前的时间点起确定了老化状态的预测的变化曲线。运行参量位置要么直接取决于所识别到的使用模式，要么基于从使用模式推导出的负荷参量的变化曲线产生，由所述负荷参量生成的所需的运行参量本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.用于预测带有至少一个电化学的单元、特别是电池单体的电储能器（41）的模型化的老化状态（SOH）的计算机实现的方法，所述方法具有下列步骤：
‑ꢀ
提供（S11）储能器（41）的至少一个运行参量（F）的变化曲线；
‑ꢀ
提供老化状态模型（9），所述老化状态模型构造用于，根据储能器（41）的至少一个运行参量（F）的直至一个时间点的变化曲线将针对所述时间点的对应的老化状态（SOH）分配给电化学的储能器（41），
‑ꢀ
根据说明了储能器（41）的瞬时使用的或瞬时运行的方式的使用模式（N）生成了从当前的时间点起直到未来的针对至少一个运行参量（F）的人工变化曲线，因此预测未来老化状态的变化曲线；
‑ꢀ
根据储能器（41）的至少一个运行参量（F）的到目前为止的变化曲线确定（S14）使用模式，其中，根据至少一个运行参量（F）从最近的使用变动时间点起的变化曲线确定使用模式（N）；其中，最近的使用变动时间点说明了这样一个时间点，在所述时间点上最后发生了储能器（41）的使用行为的变动；
‑ꢀ
根据至少一个运行参量（F）的人工变化曲线预测（S16）老化状态。2.按照权利要求1所述的方法，其中，为了确定所述老化状态的预测的变化曲线，用所述至少一个运行参量（F）的整个变化曲线加载老化状态模型，所述变化曲线包括所述至少一个运行参量（F）的到目前为止的变化曲线和所述至少一个运行参量（F）的人工变化曲线。3.按照权利要求1或2所述的方法，其中，根据所提供的使用模式（N）借助特别是基于数据的使用模式模型（10）生成了所述至少一个运行参量（F）的人工变化曲线。4.按照权利要求3所述的方法，其中，所述使用模式模型（10）构造用于，根据使用模式（N）的使用参数连续地输出所述至少一个运行参量（F）的变化曲线或至少一个负荷参量（L）的变化曲线，由负荷参量可以生成所述至少一个运行参量（F）。5.按照权利要求1至4中任一项所述的方法，其中，借助异常识别、特别是借助自动编码器确定所述使用变动时间点，其中，根据所述至少一个运行参量（F）从开始运行的时间点起或从最近的所确定的使用变动时间点起的变化曲线来训练所述异常识别，其中，在所述至少一个运行参量（F）的变化曲线中识别到异常时识别到使用变动时间点。6.按照权利要求5所述的方法，其中，当所述最近的使用变动时间点还落后于预先确定的持续时间时，将至少一个由所述至少一个运行参量（F）的变化曲线确定的运行特征（M）的超过了预定的梯度值的最近的梯度变化的时间点确定为使用变动时间点。7.按照权利要求6所述的方法，其中，所述使用变动时间点借助用于基于所述至少一个运行特征的梯度的变化曲线定义正常类的聚类方法确定。8.按照权利要求6至7中任一项所述的方法，其中，所述至少一个运行特征包括在评估时间段内取平均的特征和/或累积的特征和/或在整个到目前为止的使用寿命内求取的统计学特征并且特别包括：时间累积的行驶里程，通过老化状态标准化的Ah通过量、表征使用行为的累...

【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：