【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] ...
【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...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。