运行预警系统以识别设备的电蓄能器的错误的方法和装置制造方法及图纸

本发明专利技术涉及用于确定技术设备(4)中电蓄能器(41)的行为错误的计算机实现的方法，具有步骤：

【技术实现步骤摘要】
运行预警系统以识别设备的电蓄能器的错误的方法和装置


[0001]本专利技术涉及具有电蓄能器的不依赖于电网来运行的电气设备，尤其是可电驱动的机动车辆，尤其是电动车辆或混合动力车辆，并且本专利技术还涉及用于识别出电蓄能器的异常的措施。

技术介绍

[0002]借助于电蓄能器（通常为设备电池组或车辆电池组）而对不依赖于电网来运行的电气设备和机器、诸如能电驱动的机动车辆进行能量供给。它们提供电能以用于运行设备。然而，作为电蓄能器也考虑包括氢储槽（Wasserstofftank）在内的能量转换器、诸如燃料电池系统。
[0003]电蓄能器或能量转换器随着其使用寿命并且根据其负载或使用而退化。这种所谓的老化导致最大功率或存储容量连续降低。老化状态对应于用于说明蓄能器的老化的度量。按照惯例，新蓄能器所具有的老化状态、例如 SOH
‑
C，即关于其容量而言的老化状态为100%，所述老化状态在其使用寿命的过程中明显地衰退。因此，老化状态的较低值说明了较高老化度量。蓄能器的老化的度量（老化状态在时间上的变化）取决于蓄能器的个别负载、也即在机动车辆的车辆电池组的情况下取决于驾驶员的使用行为、外部周围环境条件和车辆电池组类型。

技术实现思路

[0004]根据本专利技术，提供了一种根据权利要求1的用于确定电蓄能器的行为异常的方法和一种根据并列独立权利要求的用于确定在能够以电气方式运行的设备中的电蓄能器的行为异常的装置。
[0005]在从属权利要求中说明了其他设计方案。
[0006]根据第一方面，提出一种用于确定技术设备(4)中电蓄能器的行为错误的计算机实现的方法，所述方法具有以下步骤：
‑ꢀ
检测电蓄能器的至少一个运行参量的运行参量变化过程（Betriebsgr
öß
enverlauf）；
‑ꢀ
根据所述电蓄能器的所述至少一个运行参量的运行参量变化过程确定至少一个运行特征；
‑ꢀ
用所输送的输入参量向量评估变分自动编码器（Variational Autoencoder），以便确定在潜在状态空间中的分布中的偏差度量或重构误差（Rekonstruktionsfehler），其中该输入参量向量包括来自至少一个运行特征的运行特征点；
‑ꢀ
根据所述偏差度量或所述重构误差以及还根据预给定的误差阈值而识别出错误；
‑ꢀ
以信号通知所述错误。
[0007]本说明书意义上的蓄能器包括设备电池组、具有带有能量载体储备的电化学能量
转换器的能量转换器系统、诸如具有燃料电池和能量载体储备的燃料电池系统。
[0008]为了确定老化状态，连续地检测在大量设备中的蓄能器的运行参量并且在中央单元中进行评估。这些运行参量可以包括瞬时蓄能器电流、瞬时蓄能器电压、瞬时蓄能器温度和/或瞬时蓄能器充电状态。根据上述方法，还可以通过基于设备外部的中央单元中或相关设备中的运行参量变化过程的附加评估来识别出蓄能器异常。
[0009]电蓄能器的、尤其是设备电池组的老化状态通常并不被直接测量。这可能需要在蓄能器内部的一系列传感器，这些传感器使得这种蓄能器的制造变得成本密集且复杂并且可能增大空间需求。此外，在市面上还并没有用于直接确定蓄能器中的老化状态的适合日常使用的测量方法可用。因此，通常借助于与该蓄能器分开的中央单元中的物理老化模型而确定电蓄能器的当前老化状态。
[0010]由于物理老化模型的所述不精确性，该物理老化模型只能够还算精确地说明蓄能器的瞬时老化状态。尤其是取决于蓄能器运行方式的、诸如在设备电池组情况下取决于电荷流入和电荷流出的数量和大小的并且因此取决于使用行为和使用参数的对于老化状态的预测会导致非常不精确的预测并且目前并未得以设置。
[0011]在设备电池组的情况下，老化状态（SOH：State of Health（健康状态））是用于说明剩余电池组容量或剩余电池组电荷的关键参量。所述老化状态代表针对设备电池组老化的度量。在设备电池组或电池组模块或电池组电池的情况下，所述老化状态可以作为容量保持率（Capacity Retention Rate，SOH
‑
C）而加以说明。所述容量保持率SOH
‑
C作为所测量的瞬时容量与完全充满的电池组的初始容量的比例而加以说明。替代地，所述老化状态作为相对于在设备电池组的使用寿命开始时的内阻而言的内阻增加（SOH
‑
R）而加以说明。内阻的相对变化SOH
‑
R随着电池组老化的增加而增大。
[0012]非常值得期望的是如下方案：提供基于老化状态模型而对电蓄能器的负载分布（Lastprofil）以及伴随的老化状态进行用户个别的和使用个别的建模和预测，其中该老化状态模型使用从投入运行的时间点开始的运行参量的变化过程，以便从投入运行时间点时的老化状态出发分别逐个时间步地适配所述老化状态。该老化状态模型可以是纯基于数据的，但是也可以被实现为基于数据的混合老化状态模型。这种老化状态模型例如可以在中央单元（云）中得以实现并且借助于与该中央单元处于通信连接的不同设备的大量蓄能器的运行参量而得以参数化或得以训练。
[0013]用于确定电蓄能器的老化状态的老化状态模型能够以混合老化状态模型的形式、也即以物理老化模型与基于数据的模型的组合的形式被提供。在混合模型的情况下，可以借助于物理的或电化学的老化模型而确定物理老化状态并且对所述物理老化状态施加（beaufschlagen mit）修正值，尤其是通过加法或乘法而施加该修正值，其中该修正值由基于数据的修正模型得出。所述物理老化模型基于电化学的模型方程，这些模型方程表征非线性微分方程组的电化学状态、持续地对其进行计算并且为了输出而将其映射到所述物理老化状态，作为SOH
‑
C和/或SOH
‑
R。这些计算可以典型地在云中例如每周一次地被执行。
[0014]此外，所述基于数据的混合老化状态模型的修正模型可以利用基于数据的概率回归模型或基于人工智能的回归模型、尤其是高斯过程模型而被构造并且可以被训练用于对通过所述物理老化模型所获得的老化状态进行修正。对此，因此存在用于修正所述SOH
‑
C的老化状态的基于数据的修正模型，和/或存在至少一个另外的用于修正所述SOH
‑
R的老化状
态的基于数据的修正模型。对于高斯过程的可能替代方案是其他的监督式学习方法，例如随机森林模型、AdaBoost模型、支持向量机或贝叶斯（Bayes
’
schen）神经网络。
[0015]修正模型被构造用于，基于运行特征确定修正参量，所述运行特征是基于信号处理通过提取特征由其中一个或多个设备电池组的运行参量变化过程所确定的，所述运行特征还可以包括物理模型的微分方程组的其中一个或多个内部电化学状态。尤其是，所述至少一个运行特征可以由电蓄能器的至少一个运行参量的运行参量变化过程所确定，以作为聚合（aggregiert本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.用于确定技术设备(4)中电蓄能器(41)的行为错误的计算机实现的方法，所述方法具有以下步骤：
‑ꢀ
检测(S1)所述电蓄能器(41)的至少一个运行参量的运行参量变化过程；
‑ꢀ
根据所述电蓄能器(41)的所述至少一个运行参量的运行参量变化过程(F)确定(S2)至少一个运行特征(M)；
‑ꢀ
用所输送的输入参量向量(x) 评估 (S3) 变分自动编码器 (50)，以便确定在潜在状态空间中的分布中的偏差度量或重构误差，其中所述输入参量向量 (x) 包括来自所述至少一个运行特征 (M) 的运行特征点 (M)；
‑ꢀ
根据所述偏差度量或所述重构误差以及还根据预给定的误差阈值而识别出（S4，S5）错误；
‑ꢀ
以信号通知(S7)所述错误。2.根据权利要求1所述的方法，其中，所述至少一个运行特征(M)根据所述电蓄能器(41)的所述至少一个运行参量的运行参量变化过程作为聚合参量而被确定。3.根据权利要求1或2所述的方法，其中，基于允许的预给定假正概率确定预给定的误差阈值，其中所述假正概率说明相对极限值：最大允许多少份额的评估导致误识别的错误, 其中频率分布函数根据在可用训练数据集的评估中重构误差的特定值（或值范围）或潜在状态空间中的分布的偏差度量的特定值（或值范围）的出现频率而加以确定，其中所述误差阈值作为所述重构误差或所述潜在状态空间中的分布的偏差度量的如下值而得出，其中所述值小于一定数目的训练数据集的重构误差或偏差度量，其中所述一定数目的训练数据集相应于所有可用训练数据集中的如下份额，所述份额与预给定的假正概率相应。4.根据权利要求1或2所述的方法，其中在存在有蓄能器(41)中的错误的现场数据之后，可以基于由无错误的蓄能器(41)的训练数据集得出的假正频率分布和假负频率分布确定预给定的误差阈值。5.根据权利要求1至4中任一项所述的方法，其中，如果所述潜在状态空间中的分布的偏差度量或所述重构误差超过所述误差阈值，则识别出错误。6.根据权利要求1至5中任一项所述的方法，其中，只有在满足存在错误的合理性条件的情况下才以信号通知所述错误。7.根据权利要求6所述的方法，其中，所述合理性条件包括：将所述蓄能器(41)的运行特征点的一个或多个运行特征(M)与所述一个或多个运行特征的相应平均值进行比较，如果所述一个或多个运行特征(M)其中至少之一超过相应平均值，则对错误检验合理性。8.根据权利要求1至7中任一项所述的方法，其中所述方法在相应设备(4)中执行，其中特别是所述变分自动编码器(50)在设备外部被定期重新训练，并且所述变分自动编码器...

【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：