Es werden Verfahren und Systeme zum Optimieren des Ladens einer Batterie offenbart. Batteriezustandssensoren werden verwendet, um ein Anodenüberpotenzial einer Batterie mehrmals während mehrerer Ladezyklen zu bestimmen. In einer ersten Phase wird ein Reinforcement-Learning-Modell (z. B. ein Akteur-Kritiker-Modell) mit Belohnungen trainiert, die während jedes Ladezyklus der Batterie vergeben werden, um das Training zu optimieren. Das Reinforcement-Learning-Modell kann die Gesundheitszustandscharakteristiken der Batterie über die Ladezyklen bestimmen, und in einer zweiten Phase wird das Reinforcement-Learning-Modell entsprechend erweitert. Während dieser Erweiterung wird das Reinforcement-Learning-Modell mit Belohnungen trainiert, die auf einer Ladezyklus-zu-Ladezyklus-Basis vergeben werden, wobei Belohnungen nach Betrachtung der Ladeoptimierung nach Abschluss jedes Ladezyklus vergeben werden. Es werden Befehle zum Laden einer Feldbatterie basierend auf dem erweiterten Reinforcement-Learning-Modell gegeben, assoziierte Gesundheitszustandscharakteristiken der Feldbatterie werden bestimmt und das Reinforcement-Learning-Modell wird entsprechend weiter erweitert.

    Methods and systems of optimizing battery charging are disclosed. Battery state sensors are used to determine anode overpotential of a battery multiple times during multiple charge cycles. In a first phase, a reinforcement learning model (e.g., actor-critic model) is trained with rewards given throughout each charge cycle of the battery to optimize training. The reinforcement learning model can determine state-of-health characteristics of the battery over the charge cycles, and in a second phase, the reinforcement learning model is augmented accordingly. During this augmentation, the reinforcement learning model is trained with rewards given on a charge cycle-by-cycle basis, wherein rewards are given after looking at the charging optimization after the conclusion of each charge cycle. Commands are given to charge an on-field battery based on the augmented reinforcement learning model, associated state-of-health characteristics of the on-field battery are determined, and the reinforcement learning model is further augmented accordingly.


    Zugriff

    Download


    Exportieren, teilen und zitieren



    Titel :

    Reinforcement Learning für kontinuierliches Lernen des optimalen Ladens einer Batterie


    Beteiligte:
    RAVI NIKHIL (Autor:in) / EVANS JARED (Autor:in) / THOMPSON JEFFREY KEATING (Autor:in) / KLEIN REINHARDT (Autor:in) / KROENER CHRISTOPH (Autor:in)

    Erscheinungsdatum :

    02.05.2024


    Medientyp :

    Patent


    Format :

    Elektronische Ressource


    Sprache :

    Deutsch


    Klassifikation :

    IPC:    G06N COMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS , Rechnersysteme, basierend auf spezifischen Rechenmodellen / G01R Messen elektrischer Größen , MEASURING ELECTRIC VARIABLES / B60L PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES , Antrieb von elektrisch angetriebenen Fahrzeugen



    Überwachen eines Batterie-Ladens

    POLI NINOS | Europäisches Patentamt | 2018

    Freier Zugriff

    Verfahren und System zum Steuern eines Ladens einer Batterie für ein Hybrid-Elektrofahrzeug

    CHO JINKUK / CHOI YONG KAK / PARK IL KWON | Europäisches Patentamt | 2024

    Freier Zugriff

    STEUEREINHEITEN, SYSTEME UND VERFAHREN ZUM BOOSTEN DES LADENS EINER BATTERIE MIT NETZUNABHÄNGIGEN ENERGIEQUELLEN

    BAHEI-ELDIN KHALED / YIU DEIDRE | Europäisches Patentamt | 2023

    Freier Zugriff


    BATTERIEWÄRMEVERWALTUNG WÄHREND DES LADENS

    MATTMULLER STEPHENSON TYLER / VEJALLA DHANUNJAY / FERREL MARK J et al. | Europäisches Patentamt | 2019

    Freier Zugriff