[发明专利]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

权利要求书

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、表征使用行为的累积的直方图数据、特别是充电状态或温度、增量电荷、电化学的状态和/或电荷量。

9.按照权利要求1至8中任一项所述的方法，其中，所述老化状态模型（9）是基于数据的，并且其中，所述老化状态模型（9）构造成混合模型并且包括：物理的老化模型（5），其基于电化学的模型方程并且构造用于输出物理的老化状态（SOHph）；和特别是形式为回归模型的基于数据的、能训练的修正模型（6）、优选高斯过程，其中，修正模型（6）被训练用于，修正物理的老化状态（SOHph）并且特别是伴随量化的不确定性提供经修正的物理的老化状态作为模型化的老化状态（SOH）。