Data-Driven Degradation monitoring and prediction of BATteries for Maritime ApplicatioNs

Die maritime Schifffahrt setzt für den Antrieb zunehmend auf Lithium-Ionen-Batterien. Kapazität und abrufbare Leistung dieser Batterien verringern sich mit der Alterung schleichend. Für die Betriebssicherheit ist es jedoch essenziell, die verfügbare Energie jederzeit verlässlich zu kennen.

Bisherige Verfahren zur SOH-Bestimmung basieren auf jährlichen Kapazitätstests, die zeitaufwendig und durch lange Hafenaufenthalte kostenintensiv sind. Zudem ist unklar welche Aussage die Messung für die realen Betriebsprofile hat. Gleichzeitig sind die zugrunde liegenden Alterungsmechanismen komplex und anwendungsabhängig. Der maritimen Branche stehen im Alltag keine zertifizierten, praxisnahen, datenbasierten Modelle der Batteriesysteme zur Verfügung.

Ziel des Teilvorhabens war die Bereitstellung von experimentellen Alterungsdaten verschiedener Batteriezellen sowie die Unterstützung bei der Entwicklung einer belastbaren, daten- und modellbasierten Zustandsbestimmung (SOH) für Lithium-Ionen-Batterien in maritimen Anwendungen.

Es wurden Betriebsdaten realer Schiffsbatteriesysteme systematisch erfasst, standardisiert, qualitätsgesichert und analysiert sowie elektrische, thermische und alterungsrelevante Zellparameter experimentell bestimmt. Darauf aufbauend wurden phänomenologische und Ersatzschaltbildmodelle aufgebaut, parametrisiert und validiert, um hochrepräsentative synthetische Betriebsdaten für die Entwicklung, das Training und die Validierung von SOH- und RUL-Algorithmen zu generieren.

Angestrebt wurde eine hochgenaue, onlinefähige SOH-Bestimmung als Ersatz der jährlichen Messung und als Baustein für RUL-Prognosen, prädiktive Wartung und optimierte Betriebsstrategien.

Zur Zielerreichung wurden zunächst umfangreiche Betriebsdaten maritimer Batteriesysteme gesammelt, bereinigt, standardisiert und hinsichtlich Messfehlern sowie Datenlücken analysiert. Parallel führte das Fraunhofer ISE systematische Lebensdauertests an mehreren Zelltypen durch (kalendarische und zyklische Alterung) und bestimmte elektrische, thermische und alterungsrelevante Kennwerte, inkl. OCV-Kurven und Innenwiderstandsentwicklung. Darauf aufbauend wurden phänomenologische Modelle und präzise Ersatzschaltbildmodelle entwickelt, parametrisiert und validiert. Mit den Daten konnten verschiedene KI-Methoden evaluiert werden. Durch die Modellierung konnte das Fraunhofer ISE gezielt ein analytisches Vorgehen identifizieren und demonstrieren, das von Corvus Energy adaptiert und erfolgreich zum Einsatz gebracht wurde. 

Quelle: Fraunhofer-Institut für Solare Energiesysteme ISE (01.09.2026)