用于预测电池运行的设备中设备电池的老化状态的方法和装置与流程

1.本发明涉及电池运行的机器，例如可电驱动机动车，尤其是电动车辆或混合动力车辆，还涉及用于确定用于电池运行的机器的电能存储器的老化状态（soh：state of health（健康状态））的措施。


背景技术：

2.电池运行的机器和设备、例如尤其是可电驱动机动车的供电借助于设备电池、例如车辆电池来进行。这为机器系统的运行提供电能。设备电池的老化状态在其使用寿命的过程中明显恶化，这导致最大存储容量下降。设备电池的老化程度取决于设备电池的个体负载，即用户的使用行为和设备电池的类型。
3.尽管可以借助于物理老化模型基于历史运行参量进程来确定当前老化状态，但该模型通常非常不精确。传统老化模型的这种不准确性使得难以预测老化状态进程。然而，设备电池能量存储器的老化状态的进程的预测是重要的技术参量，因为利用其可以对设备电池的剩余值进行经济的评估。


技术实现要素：

4.根据本发明，提供一种根据权利要求1所述的用于确定电池运行的机器、尤其是可电驱动机动车中的设备电池的经预测的老化状态的方法以及根据并列独立权利要求的一种装置和一种电池运行的机器。
5.在从属权利要求中给出了进一步的构造方案。
6.根据第一方面，提供了一种用于确定电池运行的机器、尤其是可电驱动机动车中的设备电池的经预测的老化状态的计算机实现的方法，具有以下步骤：
‑ꢀ
通过多个连续的可参数化的进程函数提供用于时间上的老化状态进程的老化状态进程模型，所述老化状态进程说明自设备电池启动起设备电池的老化状态的进程，所述进程函数分别说明老化时间点的时间段上的老化状态，其中进程函数在初始被参数化；
‑ꢀ
检测多个数据点，所述数据点分别说明老化状态和与相应的老化状态相关联的老化时间点，以用于说明从设备电池的启动开始设备电池的老化；
‑ꢀ
根据进程函数的相应时间段中的所确定的数据点来适配多个可参数化的进程函数中的一个或多个的至少一个参数，以便对相关的进程函数参数化；
‑ꢀ
根据参数化的进程函数，适配其余可参数化的进程函数中的至少一个进程函数的至少一个参数，对于所述其余可参数化的进程函数的时间段来说不存在数据点；
‑ꢀ
根据经适配的进程函数来提供老化状态进程模型。
7.为了能够预测设备电池的老化状态，需要提供合适的老化状态进程模型。老化状态进程模型说明设备电池与设备电池的老化时间点有关的老化状态。老化时间点说明从设备电池的启动时间点开始设备电池的老化。
8.然而，老化状态进程模型必须基于经验值，即创建设备电池的老化状态的经测量的进程，所述设备电池例如在实验室中或者可替换地在现场已经达到其使用寿命结束。这通常在一段时间之后、尤其是在几年之后才是这种情况，尤其是当涉及新电池类型时。
9.为了能够在尚不存在对相同类型的现有设备电池的老化状态进程的完整检测或者只存在少量相关数据时也实现对设备电池的老化状态的长期预测，不能应用传统的老化状态模型，尤其是按习惯基于数据的老化状态模型。
10.上述方法使得能够借助于函数老化状态进程基于在设备电池启动后的较短时间段之后就已经描绘出的老化状态进程来预测老化状态。因此也可以使用所述老化状态进程来从老化状态和相对应的老化时间点来核实所确定的数据点并且由此能够实现对设备电池的退化行为的监控。
11.老化状态进程被细分成多个进程函数，这些进程函数描述了一条 s 曲线，该曲线基本上对应于设备电池的可能的老化进程。在小的老化时间点的情况下，s 曲线具有带有正曲率的急剧下降进程，对于中等老化时间点来说具有基本上准线性的进程，并且对于较大的老化时间点来说具有带有负曲率的急剧下降进程。s 曲线分段地由启动时间点之后的第一时间段中的非线性进程函数、紧接第一时间段的第二时间段中的线性函数和紧接第二时间段的第三时间段中的另一非线性函数组成。老化时间点的时间段的进程函数被统一成老化状态进程模型，其说明老化状态进程。
12.整个老化状态进程的进一步进程已经通过基于数据点适配进程函数被确定，所述数据点的老化时间点接近启动时间点。由此，这种经适配的老化状态模型使得能够连续地更精确地预测相关设备电池的剩余使用寿命或老化状态的实际进程。此外，能够实现，在更广泛的数据情况下通过从车队数据中学习来不断改进预测模型和相关的进程函数。
13.各个时间段中的进程函数是可参数化的函数，它们基于已经从设备电池获得的数据点被适配。函数进程以基于规则的方式相互关联，尤其是通过进程参量或其一阶时间导数的连续性条件，即在函数段之间的过渡处没有跳跃并且老化状态进程模型的进程是单调的。因此在时间段中适配函数进程的参数时，过渡可以移动到分别在后的时间段的函数进程，使得其参数相对应地从最初预先给定的或之前确定的参数出发来被适配。由此，连续地进行老化状态进程模型的适配。
14.因此基于老化状态进程模型，可以预测达到特定老化状态的时间点，尤其是设备电池的寿命结束或设备电池的剩余使用寿命，其中已经能够在早期阶段尽可能地考虑非线性。
15.替代地或附加地，可以对设备电池在老化时间点的老化状态与老化状态进程模型针对该老化时间点的模型化的老化状态进行比较，其中用信号通知大于预先给定的阈值的偏差。
16.此外，该方法可以全部或部分地在设备外部的中央单元中实施，该中央单元与大量电池运行的机器通信。
17.老化状态进程模型可以具有两个或三个进程函数，其中第一进程函数具有正曲率，并且最后一个进程函数具有负曲率，使得总体上呈现s形进程。
18.此外，其余可参数化进程函数中的至少一个的至少一个参数的适配可以进行为，使得实现彼此相邻的进程函数之间的连续过渡。除了进程参量的连续过渡之外，曲线梯度
在分段函数的过渡处也还是连续的。
19.尤其是，其余进程函数中的至少一个的至少一个参数的适配可以包括偏移移动。
20.此外，可以借助于经验的、物理的、电化学的、基于数据的或混合的老化状态模型根据电池运行的机器的运行参量来执行对数据点数量的检测。
21.根据另一方面，提供了一种用于确定电池运行的机器、尤其是可电驱动机动车中的设备电池的经预测的老化状态的装置，所述装置被构造用于：
‑ꢀ
通过多个连续的可参数化的进程函数提供用于时间上的老化状态进程的老化状态进程模型，所述老化状态进程说明自设备电池启动起设备电池的老化状态的进程，所述进程函数分别说明老化时间点的时间段上的老化状态，其中进程函数在初始被参数化；
‑ꢀ
检测多个数据点，所述数据点分别说明老化状态和与相应的老化状态相关联的老化时间点，以用于说明从设备电池的启动开始设备电池的老化；
‑ꢀ
根据进程函数的相应时间段中的所确定的数据点来适配多个可参数化的进程函数中的一个或多个进程函数的至少一个参数，以便对相关的进程函数参数化；
‑ꢀ
根据参数化的进程函数，适配其余可参数化的进程函数中的至少一个进程函数的至少一个参数，对于所述其余可参数化的进程函数的时间段来说不存在数据点；
‑ꢀ
根据经适配的进程函数来提供老化状态进程模型。
附图说明
22.下面参考附图更详细地解释实施方式。其中：图1示出了用于将关于车队中车辆的车辆电池运行的驾驶员和车辆个体的运行参量提供给中央单元的系统的示意图；图2示出了流程图，用于阐明借助于基于数据的老化状态模型来确定机动车中的车辆电池的经预测的老化状态进程的方法；和图3示出了具有用于示例性数据点的三个进程函数的老化状态进程模型的图示。
具体实施方式
23.下面根据在作为电池运行的设备或电池运行的机器的机动车中的作为设备电池的车辆电池来描述根据本发明的方法。该示例代表了大量具有独立于网络的供电的固定或移动的电池运行的机器和设备，例如车辆（电动车辆、电动助力车等）、设施、机床、家用电器、iot设备、建筑供电、飞机（尤其是无人机）、自主机器人和娱乐电子设备（尤其是手机等），它们经由相对应的通信连接（例如 wlan/lan、互联网（例如 5g））与中央单元（云）连接。
24.图1示出了用于在中央单元2中收集车队数据以创建和运行以及评估老化状态模型的系统1。老化状态模型用于确定机动车中的车辆电池的老化状态。图1示出了具有多辆机动车4的车队3。在中央单元2中，基于车队数据，对车队3的相应机动车4的车辆电池的老化状态的进程进行预测。
25.在图1中更详细地示出了机动车4之一。机动车4分别具有作为可再充电电能存储器的车辆电池41、电驱动马达42和控制单元43。控制单元43与通信模块44连接，该通信模块适合于在相应的机动车4和中央单元2（所谓的云）之间传输数据。控制单元43与传感器单元
45连接，该传感器单元45具有一个或多个传感器以便连续检测运行参量。
26.机动车4将运行参量f发送到中央单元2，所述运行参量至少说明车辆电池的老化状态所依赖的参量。在车辆电池41的情况下，运行参量f可以说明当前电池电流、当前电池电压、当前电池温度和当前充电状态（soc：state of charge（充电状态）），以及封装级、模块级和/或电池单元级。运行参量f以2hz到100hz的快速的时间栅格被检测并且可以以未压缩和/或压缩的形式有规律地传输到中央单元2。例如，时间序列可以以10分钟到几小时的间隔成块地传输到中央单元2。
27.根据运行参量 f 可以在中央单元 2 中或在其他实施方式中甚至已经在相应的机动车 4 中生成与评估时间段相关的运行特征。为了确定老化状态，评估时间段可以为几个小时（例如 6 小时）到几周（例如一个月）。评估时间段的常见值为一周。
28.中央单元2具有数据处理单元21和数据库22，在该数据处理单元中可以实施下面描述的方法，并且该数据库用于存储车队3的多个车辆4的车辆电池41的老化状态与分别所属的老化时间点。
29.健康状态 （soh: state of health）是说明剩余电池容量或剩余电池电荷的关键参量。老化状态表示车辆电池或电池模块或电池单元的老化的量度并且可以作为容量保持率（capacity retention rate，soh-c）或作为内阻增加（soh-r）来给出。容量保持率 soh-c 作为所测量的当前容量与完全充电的电池的初始容量的比例来给出。内阻 soh-r 的相对变化随着电池老化的增加而增加。
30.在中央单元2中实施老化状态模型，该老化状态模型尤其是完全或部分基于数据的。老化状态模型可以有规律地、即在相应的评估持续时间期满之后被使用，以便基于运行参量或其他运行特征的时间进程以本身公知的方式确定车辆电池41的当前老化状态。老化状态可以例如基于电化学模型或另外的模型依据所接收到的运行参量f来为车辆电池41中的每一个车辆电池来确定。
31.替代地，具有所实施的老化状态模型的电池控制设备47可以设置在车辆电池41中。该电池控制设备已经可以在车辆电池 41 中确定老化状态 soh 并提供该老化状态soh用于传送到中央单元 2。
32.老化状态被分配给相关车辆电池41的老化时间点并且因此用于创建老化状态进程的数据点。换言之，可以基于由车队3的机动车4之一的运行参量进程得出的运行特征来确定相关车辆电池41的老化状态。
33.图2中示出了阐明用于在中央单元中确定老化状态进程模型的方法的流程图。老化状态进程模型示例性地由三个彼此相邻的进程函数构成，其分别在最初被参数化。进程函数分别映射老化时间点 t 上的老化状态 soh。示例性地，在图3中示出具有针对示例性数据点的分段地三个进程函数的可能的老化状态进程模型。
34.在步骤s1中，由车队3提供来自多个车辆电池41的各一个老化状态soh和所属的老化时间点的数据点。老化状态soh一方面可以由车队3的车辆的车辆电池41的电池控制设备47提供给中央单元2，或者另一方面可以在中央单元2中基于相对应的老化状态模型从运行参量f中创建。
35.在中央单元2中，在步骤s2中，基于数据点的老化时间点的时间顺序，从相应的老化时间点t=0（即最近的老化时间）出发确定车辆电池41的启动，并且在第一时间段中根据
示例性模型函数连续地确定第一进程函数。为此，根据顺序选择数据点集合，并通过拟合对模型函数参数化，从而确定参数 a1、a2、a3，其中预先给定的边界条件适用。这些对参数的初始假设源自专家/领域知识或源自该方法对具有可类比的设备电池的车队数据的先前应用。提到的参数可以通过从车队数据中学习来后验地改进。通常选择 a3，从而 soh（启动时间）= 1。
36.在步骤s3中，确定第一过渡时间点t1，在该第一过渡时间点第一进程函数具有在绝对值方面小于预先给定的第一梯度阈值的梯度。第一梯度阈值也表示可参数化的值，该值可以在方法的进一步进程中通过从车队数据中学习来后验地改进。
37.第一梯度阈值可以通过优化方法从完整的老化轨迹中确定，所述完整的老化轨迹由直到相关车辆电池的使用寿命结束的老化状态值的数据点得出，其中优化方法的目标标准对应于由数据点形成的老化状态轨迹与老化状态进程模型之间的偏差的最小化。
38.在步骤s4中检查，在第一过渡时间点t1之前的时间段中是否还存在没有被考虑用于拟合步骤s2的第一进程函数的数据点。如果是这种情况（二选一：是），则跳回到步骤 s2，并且将直到先前确定的第一过渡时间点的所有数据点都考虑为数据点集合。否则（二选一：否），该方法继续步骤s5。
39.在步骤s5中检查，在第一过渡时间点之后是否还存在其他的数据点。如果是这种情况（二选一：是），则该方法继续步骤s6。否则（二选一：否），该方法继续步骤s20。
40.在步骤s6中，基于数据点从第一过渡时间点t1出发的时间顺序来确定这些数据点并且在第一时间段之后的第二时间段中根据示例性的模型函数连续地确定第二进程函数。为此，根据从第一过渡时间点 t1 出发的顺序选择数据点集合，并通过拟合对模型函数参数化，从而确定参数 b1、b2。对于参数 b1 的初始假设源自专家/领域知识或源自该方法对具有可类比的能量存储器系统的车队数据的先前应用。参数b1可以通过从车队数据中学习被后验地改进。参数b2由进程参量的所需连续性条件或优选地还有进程参量的梯度得出。为此，以这样的方式选择b1和b2，使得至少在两个进程函数之间的第一过渡时间点t1处在f1和f2的一阶导数中存在连续性。
41.在步骤s7中检查，第二进程函数是否具有在绝对值方面超过第二梯度阈值的梯度。如果是这种情况（二选一：是），则在步骤s8中将最早考虑的数据点的老化时间假定为第二过渡时间点t2并且该方法继续步骤s9。否则（二选一：否）该方法继续步骤s15。第二梯度阈值表示可参数化的值，该值可以在方法的进一步进程中通过从车队数据中学习来被后验地改进。
42.第二梯度阈值可以通过进一步优化方法从完整的老化轨迹中被确定，所述完整的老化轨迹由直至相关车辆电池的使用寿命结束的老化状态值的数据点得出，其中优化方法的目标标准对应于由数据点形成的老化状态轨迹与老化状态进程模型之间的偏差的最小化。
43.在步骤s9中检查，其他数据点是否存在。如果是这种情况（二选一：是），则在步骤
s10中通过利用自第二过渡时间点t2起的老化时间点拟合到数据点来确定第三进程函数的参数。例如，第三进程函数可以假设形式。
44.对于参数 c2、c3 的初始假设源自专家/领域知识或源自该方法对具有可类比的能量存储器系统的车队数据的先前应用。所述初始假设可以通过从车队数据中学习来被后验地改进。参数 c1 从所需的连续性条件中得出。优选地以这样的方式选择c2和c3，使得至少在两个进程函数之间的第二过渡时间点t2处在f2和f3的一阶导数中存在连续性。
45.如果在步骤s9中明确不存在另外的数据点，则在步骤s11中通过偏移移动对第三进程函数进行适配，使得在第二进程函数和第三进程函数之间的过渡是连续的。
46.在步骤s9中，利用自第二过渡点t2起的数据点对第三进程函数f3进行参数化。
47.在步骤s10中，现在存在通过三个进程函数确定的老化状态进程模型。
48.在步骤s15中检查，是否存在另外的数据点。如果是这种情况（二选一：是），则在步骤 s16 中增大数据点的集合并且跳回步骤 s6。否则（二选一：否）该方法继续步骤s17。
49.在步骤s17中，第三初始参数化的进程函数以这样的方式适配于最后确定的第二进程函数，使得在第二和第三进程函数之间实现连续和单调的过渡。这可以通过对第三进程函数的梯度适配、例如通过适配参数 c2 来实现。
50.在步骤s20中，第二初始参数化的进程函数以这样的方式适配于最后确定的第一进程函数，使得在第一和第二进程函数之间实现连续和单调的过渡。然后将第三初始参数化的进程函数以这样的方式适配于经适配的第二进程函数。这可以通过对第二进程函数的梯度适配、例如通过适配参数 b1并且然后对第三进程函数的梯度适配、例如通过适配参数 c2来实现。
51.老化状态进程模型在步骤s21中由函数进程得出，所述老化状态进程模型可用于计算老化状态、预测老化状态以及用于确定剩余使用寿命或用于各个车辆电池41的老化状态的核实。
52.因此在步骤s22中，例如，可以对车辆电池的老化状态与通过老化状态进程模型所预测的老化状态的偏差进行比较，并且高于预先给定阈值的偏差可以指示车辆电池41的突然老化。在有利的构造方案中还检查，t1和t2是否代表所考虑的其他车队电池的典型行为。因此，包含在 t1 和 t2 中的信息可用于使用寿命监控以及用于评估能量存储器的健康。可以在车队背景中识别非典型的老化进程。