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.


    Access

    Download


    Export, share and cite



    Title :

    Reinforcement Learning für kontinuierliches Lernen des optimalen Ladens einer Batterie


    Contributors:

    Publication date :

    2024-05-02


    Type of media :

    Patent


    Type of material :

    Electronic Resource


    Language :

    German


    Classification :

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



    Überwachen eines Batterie-Ladens

    POLI NINOS | European Patent Office | 2018

    Free access



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

    CHO JINKUK / CHOI YONG KAK / PARK IL KWON | European Patent Office | 2024

    Free access

    BATTERIEWÄRMEVERWALTUNG WÄHREND DES LADENS

    MATTMULLER STEPHENSON TYLER / VEJALLA DHANUNJAY / FERREL MARK J et al. | European Patent Office | 2019

    Free access