Technische Hochschule Ingolstadt Forschungsbericht 2019

Institute
39
Lernfähige Batteriesysteme
Die Batterie stellt eine Kernkomponente im elektrischen Antriebsstrang mit
einem erheblichen Forschungs- und Entwicklungs-Bedarf sowie Potential
dar. Ein Batteriesystem besteht meist aus mehreren hundert Zellen, um die
angestrebte Kapazität und Spannung zu erreichen. Mit dem Trend zu höheren
Energiedichten wird die Überwachung der Sicherheit und die Gewährleistung
der Lebensdauer von Batteriesystemen immer wichtiger und stellt neue
Herausforderungen an das Batteriemanagementsystem. Unerlässlich hierfür
ist eine genaue Kenntnis jeder einzelnen Zelle hinsichtlich des Zustandes.
In der Forschungsgruppe ELS werden seit 2016 Lithium-Ionen-Batterien
in Bezug auf die Elektromobilität intensiv untersucht. Dabei liegt der Fokus
vor allem bei der Anwendung innovativer Software, Elektronik und Künstlicher
Intelligenz zur Parameteridentifikation und Zustandsschätzung auf dem
Batteriemanagementsystem, mit dem Ziel, die Sicherheit und die Zuverlässigkeit
der Batteriesysteme zu erhöhen. Dazu verfügt die ELS-Gruppe über
State-of-the-Art-Equipment und tiefgreifende Expertise zur Evaluierung und
Alterung von Li-Ionen-Zellen und Modulen.
Ziel des Projektes Lernfähige Batteriesysteme ist eine verlässliche
prädiktive Zustandsbestimmung, die einhergeht mit einer Vorhersage von
Lebensdauer und Leistungsfähigkeit über geeignete Modelle.
Prof. Dr.-Ing. Christian Endisch
Forschungsprofessor
Forschungsgruppe Elektromobilität,
lernfähige Systeme (ELS)
Dr. Lidiya Komsiyska
Technologiefeldleiterin Institut
für Innovative Mobilität
Dr. Meinert Lewerenz
Technologiefeldleiter Institut
für Innovative Mobilität
Lithium-Ionen-Batterie, Sensorik und Diagnostik, Datenanalyse mit Künstlicher Intelligenz.
Quelle: THI
Project Adaptive Battery Systems
Since 2016, the research group ELS has been conducting
intensive investigations on lithium-ion batteries for
electric vehicles. The research is focused on applications
of innovative software, electronics, and artificial intelligence
for parameter identification and state estimation of
battery systems. The goal of ELS is an increase in safety
and reliability of these batteries. To accomplish this goal,
ELS employs state-of-the-art equipment as well as broad
expertise in the evaluation and ageing of Li-ion cells and
modules.
The goal of the Learning Battery Systems research project
is to realize a reliable battery state estimation along
with lifespan and performance prediction using elaborate
models.