Identification of lithium-ion-battery-cells based on physically interpretable models for battery state estimation during vehicle operation

Final Report Abstract

Das Batterie-Management System ist die Schlüsselkomponente in einem leistungsfähigen elektrifizierten Antriebsstrang. Neben sicherheitsrelevanten Aspekten sorgt ein effektives Batteriemanagement für eine gute Ausnutzung der Batterie sowie für eine lange Lebensdauer, wodurch auch der Anteil der Batteriekosten am Gesamtfahrzeug gesenkt werden kann. Für die Wirksamkeit des Batterie-Management Systems ist dabei vor allem entscheidend, dass anstelle eines phänomenologisch detektierten Alterungszustands ein leistungsfähiges Modell existiert, das (1) aktuelle und (2) physikalisch motivierte Modellparameter berücksichtigen kann. Um dieses Ziel zu erreichen sollen im vorliegenden Forschungsvorhaben parametrische Methoden zur Online-Schätzung aktueller Modellparameter mit einem experimentell parametrierten Grey Box Modell kombiniert werden. Das zu entwickelnde Parameterschätzverfahren operiert dabei, im Gegensatz zu aktuellen Schätzverfahren, auf einem fraktionalen, impedanz-basierten Modell der Batterie, dass durch seine Komplexität entsprechende Rückschlüsse auf physikalische Prozesse erlaubt. Jene wiederum werden mit Hilfe eines neu zu entwickelnden Verfahrens identifiziert, das die Idee der an Brennstoffzellen erfolgreich eingesetzten „Verteilung der Relaxationszeiten“ (DRT) aufgreift und durch ein neu zu entwickelndes Verfahren der „Verteilung der differentiellen Kapazität“ (DDC) ergänzt. Die regelungstechnische Kompetenz des IRS sowie die Kompetenzen des IAM-WET auf dem Gebiet der Impedanzspektroskopie und deren physikalischer Interpretation ergänzen sich bei diesem Vorhaben optimal.

Publications

• Impedance based time-domain modeling of lithium-ion batteries: Part I. Journal of Power Sources 379 (2018), S. 317–327
  Gantenbein, S., Weiss, M., Ivers-Tiffée, E.
  
• „Cascaded Fractional Kalman Filtering for State and Current Estimation of Large-Scale Lithium-Ion Battery Packs“, Chinese Control and Decision Conference (CCDC) (2018) 5071-5078
  M. Kupper, J. Brenneisen, O. Stark, S. Hohmann
  
• „Fractional Extended and Unscented Kalman Filtering for State of Charge Estimation of Lithium-Ion Batteries“, American Control Conference (ACC) (2018) 3855-3862
  M. Kupper, C. Funk, M. Eckert, S. Hohmann
  
• „Verfahren zur Charakterisierung des Niederfrequenzverhaltens von Lithium-Ionen-Batterien“, IAM-WET, Karlsruher Institut für Technologie (KIT), 2017
  Michael Schönleber
  
• Capacity Fade in Lithium-Ion Batteries and Cyclic Aging over Various State-of-Charge Ranges. Sustainability 11 (2019), S. 6697
  Gantenbein, S., Schönleber, M., Weiss, M., Ivers-Tiffée, E.
  
• „Controllability and Energy-Optimal Control of Time-Variant Fractional Systems“, 57th IEEE Conference on Decision and Control (CDC) (2019) 4607-4612
  M. Eckert, K. Nagatou, F. Rey, O. Stark, S. Hohmann
  
• „Current and State of Charge Estimation of Lithium- Ion Battery Packs Using Distributed Fractional Extended Kalman Filters“, IEEE Conference on Control Technology and Applications (CCTA) (2019), 462-469
  M. Kupper, A. Creutz, O. Stark, S. Hohmann
  
• „Impedanzbasierte Modellierung von Lithium-Ionen-Zellen und deren Degradationsverhalten“, IAM-WET, Karlsruher Institut für Technologie (KIT), 2019
  Sophia Gantenbein
  
• „Online Parameter Identification of a Fractional Order Model“, 57th IEEE Conference on Decision and Control (CDC) (2019) 2303-2309
  O. Stark, M. Kupper, S. Krebs, S. Hohmann
  
• „Solution of Time-Variant Fractional Differential Equations With a Generalized Peano-Baker Series“, IEEE Control Systems Letters (2019) 79-84
  M. Eckert, K. Nagatou, F. Rey, O. Stark, S. Hohmann
  
• „Unknown input kalman filtering for linear discretetime fractional order systems with direct feedthrough“, European Control Conference (ECC) (2019), 1848-1853
  M. Kupper, M. Pfeifer, S. Krebs, S. Hohmann
  
• „Verteilte Zustandsschätzung fraktionaler Systeme und ihre Anwendung auf Lithium- Ionen Batteriesysteme“, IRS, Karlsruher Institut für Technologie (KIT), 2019
  M. Kupper
  
• „Bias-free Parameter Identification for Non-Commensurable Fractional Systems“, 19th European Control Conference (ECC) (2020)
  O. Stark, M. Pfeifer, S. Krebs, S. Hohmann
  
• „Computation of Orders of a Commensurable Fractional Order Model“, 58th IEEE Conference on Decision and Control (CDC) (2020) 784-790
  O. Stark, M. Kupper, S. Krebs, S. Hohmann