Estimating the state of health of lithium-ion batteries for laboratory and fleet data

Abstract

With the increase of new admissions of battery electric vehicles also the used market for these vehicles becomes more relevant. For this market the remaining capacity of the battery pack is of high relevance, as it is subject to a natural aging process and the most expensive component of a battery electric vehicle. The estimation of this capacity is however not easily achievable, especially if no distinct measuring procedure should be used.The aim of this thesis is a method to estimate the remaining capacity of a battery using vehicle fleet data as well as laboratory data. Especially the low data resolution of the vehicle fleet data possesses a significant challenge. Therefore, a data-based approach is chosen that relies on the principle of regression and considers individual charging sessions for the estimation. The method is implemented for laboratory tested cell data as well as fleet data of a real vehicle. Different implementation possibility are realised and compared against each other. The results of the thesis show the applicability of this method for laboratory cell data as well as vehicle fleet data.Beside this data-based method also a model-based method to estimate the capacity of the aforementioned laboratory data is also implemented. This model-based method extends an electrochemical battery model to account for common aging mechanisms and is parametrized for the laboratory data. The results show the good applicability of the method for the laboratory data. However, also the high processing demand and requirement of high data resolution for the parametrization are demonstrated.

Mit dem Anstieg von neu zugelassenen batterieelektrischen Fahrzeugen gewinnt auch der Gebrauchtwagenmarkt für diese an Bedeutung. Hierbei ist besonders die restliche Kapazität des Batteriepakets, welches einem natürlichen Alterungsprozess unterliegt, auf Grund seines hohen Preises von großer Wichtigkeit. Eine Bestimmung dieser Kapazität ist jedoch nicht einfach möglich, besonders wenn sie ohne ein gesondertes Messprozedere auskommen soll. Das Ziel dieser Arbeit ist eine Methode zur Schätzung der restlichen Kapazität, die sowohl auf Flottendaten als auch auf Labordaten anwendbar ist. Dabei stellt insbesondere die niedrige zeitliche Auflösung der Flottendaten eine große Herausforderung dar. Hierfür wird eine datenbasierte Herangehensweise genutzt, deren Grundprinzip auf dem Verfahren der Regression beruht und einzelne Ladevorgänge einbezieht, um eine Kapazitätsschätzung zu ermöglichen. Dieses Verfahren wird sowohl für laborgetestete Zelldaten als auch für Flottendaten eines realen Fahrzeugs implementiert. Dabei ergeben sich unterschiedliche Realisierungsmöglichkeiten, welche betrachtet und miteinander verglichen werden. Anhand der in der Arbeit präsentierten Ergebnisse wird gezeigt, dass eine Kapazitätsschätzung sowohl für Labordaten als auch für Flottendaten möglich ist. Neben der datenbasierten Methode zur Kapazitätsschätzung wird in dieser Arbeit auch eine modelbasierte Methode für die zuvor genannten Labordaten implementiert. Dafür wird ein elektrochemisches Batteriemodel um Alterungseffekte erweitert und auf die Zelldaten parametriert. Dabei zeigen die Ergebnisse eine sehr gute Anwendbarkeit für die Labordaten. Die hohen Anforderungen an die Rechenleistung und die zeitliche Auflösung der Daten zeigen jedoch die Beschränkungen des Verfahrens.