Dieses Teilprojekt fokussiert sich auf die State-of-Health (SOH) Bestimmung von stationären Energiespeichern. Dabei soll der SOH aus Felddaten von Heimspeichersystemen ermittelt und mittels Machine-Learning Algorithmen extrapoliert werden, um ein End-of-life (EOL) Datum bestimmen zu können. Aus den gewonnenen sowie geclusterten Daten sollen Degradationsparameter bestimmt und daraus ein SOH-Model entwickelt werden, um die Auswirkungen weiterer Lastprofile bzw. Anwendungsfelder auf die Lebensdauer abschätzen zu können.

Mit den Ergebnissen soll die Überdimensionierung der Speicher sowie die Zeit für die notwendige Qualifizierung von Zellen verringert werden, wodurch sich wirtschaftliche und ökologische Vorteile wie die Reduktion des CO2-Fußabdrucks ergeben.

Quelle: https://www.enargus.de/pub/bscw.cgi/?op=enargus.eps2&q=%2201257292/1%22&v=10&id=30904975 (jüngster Zugriff: 13.06.2024)

sonnen GmbH

Bundesministerium für Wirtschaft und Energie



Bundesministerium für Wirtschaft und Klimaschutz

Bundesministerium für Wirtschaft und Klimaschutz
Referat IIB5: Energieeffizienz: Kommunikation, Energieberatung, Produkte

Referat IIB5: Energieeffizienz: Kommunikation, Energieberatung, Produkte

Bundesministerium für Wirtschaft und Energie Referat IIB5: Energieeffizienz: Kommunikation, Energieberatung, Produkte

Bundesministerium für Wirtschaft und Energie

Bestimmung, Prädiktion und Modellierung des SOHs basierend auf Felddaten

Das Projekt BattLifeBoost soll die Zustandsschätzung und die damit verbundene Lebensdauerabschätzung für Batteriesysteme verbessern. Dabei wird von den 4 Projektpartnern unter Berücksichtigung von vorhandenen Felddaten sowie der Anwendung von statistischen Methoden, maschineller Lernverfahren und den im Projekt entwickelten Zellalterungsmodell ein Systemalterungsmodell entwickelt, was eine deutlich verbesserte Prädiktion der noch möglichen Speicherlebensdauer ermöglicht. Neben der verbesserten Prognose der Batteriehaltbarkeit in vorgegebenen stationären Anwendungen wird zudem ein Modelltransfer auf bis dato nicht hinreichend parametrierte Batteriezellen untersucht. Abschließen werden die Projektergebnisse von allen Partnern ökonomisch und ökologisch bewertet.

Quelle: https://www.enargus.de/pub/bscw.cgi/?op=enargus.eps2&q=%2201257292/1%22&v=10&id=30904975 (jüngster Zugriff: 13.06.2024)

Lebenszyklusverlängerung von bestehenden und zukünftigen stationären Batteriespeichersystemen durch hybride Zustandsprognose

small_PTJ-Logo_Horizontal_Schutzraum_RGB.png

Arbeitseinheit ESI4: Systemintegration erneuerbarer Energien

Projektträger Jülich Arbeitseinheit ESI4: Systemintegration erneuerbarer Energien

Projektträger Jülich

PTJ-Logo_Horizontal_Schutzraum_RGB.png

[verbundprojekt]

[Verbundprojekt]

Der EES forscht im Verbundprojekt an der physiko-chemischen Alterungsmodellierung. Hierzu wird der Fokus vorerst auf die Entwicklung physiko-chemischer Alterungsgleichungen der im Projekt betrachteten Zelle gelegt. Die Alterungsgleichungen werden auf Basis eines umfangreichen Datenschatzes einer dem Projekt vorangegangen Laborstudie parametriert und validiert. Darauf aufbauend wird eine Methode zur hybriden Parametrierung von physiko-chemischen Alterungsmodellen entwickelt, welche die vorangegangene, labordatengetriebene Parametrierung mit realen Felddaten verknüpft.
Ziel ist ein unabhängiges Alterungsmodell basierend auf physikalisch-chemischem Verständnis, das das Alterungsverhalten der Zelle in beliebigen, von den Parametrierungs- und Felddaten abweichenden Belastungsszenarien korrekt nachbilden kann. Das entwickelte Modell wird anschließend für Bewertungen des Einflusses unterschiedlicher Belastungsszenarien auf die Restlebensdauer herangezogen, bspw. der zusätzlichen Nutzung von Heimspeichern in netzdienlichen Anwendungen.

Quelle: https://www.epe.ed.tum.de/ees/forschungsprojekte/battlifeboost/ (jüngster Zugriff: 13.06.2024)

small_TUM_Logo_extern_mt_EN_RGB_j_fb10dc76fe.jpg

Technische Universität München

Presse und Medien

Datengetriebene Physikochemische Alterungsmodellierung von Lithium-Ionen-Batterien

Lehrstuhl für Elektrische Energiespeichertechnik

Technische Universität München Lehrstuhl für Elektrische Energiespeichertechnik

Frau  Veronika Vachenauer

Im Teilprojekt „Statistische und Machine-Learning basierte Methoden zur Alterungsbestimmung" werden zunächst literaturbekanntere Modelle zur Alterung von Batteriezellen um statistische Informationen aus Labordaten erweitert und im Folgenden aus unterschiedlichen Modellansäten in ein Gesamtmodel hybridisiert. Dabei spielt die Abbildung von Modellunsicherheiten und Parameter-Variationen eine zentrale Rolle – methodisch werden neben statistischen Verfahren insbesondere auch Techniken des maschinellen Lernens eingesetzt. Eine anwendungsorientierte Analyse von ökonomischen und ökologischen Parametern in unterschiedlichen Use-Cases sowie eine Simulation des Alterungsverhaltens in Second-Life / Zero-Life Anwendungsfällen auf Basis der entwickelten Alterung-Prognose-Modelle rundet das Teilprojekt ab.

Im ersten Arbeitspaket werden zunächst die Anforderungen und Datenschnittstellen festgelegt, sowie geeignete Lastprofile für die folgenden Simulationen ausgewählt.

Das dritte Arbeitspaket dient zur Schaffung einer Basis für die Abschätzung der Lebensdauererwartung. Dabei fokussiert sich das Projektteam der Hochschule Kempten auf die Erweiterung eines literaturbekannten semi-empirischen Alterungsmodells um eine Berücksichtigung der Prognoseunsicherheit. Das Modell wird mit Hilfe vorhandener Labordaten parametriert, die Modellgüte in Abhängigkeit von Eingabedaten bewertet und im Anschluss als Open-Source Code zur Verfügung gestellt.

Im folgenden Arbeitspaket entwickelt der Industriepartner Sonnen ein Machine-Learning basiertes Systemalterungsmodell alleinig auf Basis von Felddaten. Die HS Kempten übernimmt eine Analyse der Prognosegüte. Auf Basis von Nullhypothesentests wird die Ausfallwahrscheinlichkeit von Feldsystemen aufgrund fortschreitender Alterung bewertet.

Im für die HS Kempten zentralen Arbeitspaket werden die verschiedenen Modellierungsansätze in BattLifeBoost auf Systemebene verglichen und zu einem Gesamtmodell zusammengeführt. Zunächst leitet die Hochschule aus dem im AP3 entwickelten Zellalterungsmodell ein Systemalterungsmodell ab. Die die drei zuweilen entwickelten Modelle zur Systemalterung werden in einem Benchmark unter verschiedenen Szenarien verglichen und in einem folgenden Schritt hybridisiert. Das resultierende Gesamtmodell soll unabhängig vom Anwendungsszenario eine bestmögliche Performance ermöglichen. Weiterhin wird eine Übertragung der bestehenden Modellierungsansätze hin zu einer Alterungsbewertung von neuen, noch unzureichend parametrierten Batteriezellen vorgenommen.

Im abschließenden Arbeitspaket übernimmt die Hochschule Kempten eine Bewertung der Alterungsauswirkung bei einer Belastungsänderung während dem Speicherbetrieb, also z.B. eine zusätzliche Bedienung von netzdienlichen Anwendungen zusätzlich zum Heimspeicherbetrieb. Ebenso werden "Second-Life" und "Zero-Life" Konzepte untersucht, also eine vorgelagerte oder nachgelagerte Nutzung von Automotive Batteriepacks in der stationären Anwendung.

Quelle: https://forschung.hs-kempten.de/de/forschungsprojekt/529-battlifeboost (jüngster Zugriff: 13.06.2024)

small_Logo Hoschule Kempten transparenzen-4farbig.png

Hochschule für angewandte Wissenschaften Kempten

Abteilung Hochschulkommunikation

Statistische und Machine-Learning basierte Methoden zur Alterungsbestimmung

Herr Prof. Dr. Holger Hesse

Prof. Dr.

small_BMWGroupNext_BMW_MINI_RR_GB_Black-Colour_RGB.png

Bayerische Motoren Werke AG

Pressclub Deutschland

Produktlebenszyklus HVS: Anforderungen an Automotive Speicher mit nachgelagertem 2nd Life

Duration	01/10/2023 - 30/09/2026
Executing unit	sonnen
City	Wildpoldsried
Amount of funding	226.865,00 €
Total budget	no information
Sponsor	BMWE

Project

BattLifeBoost

Lebenszyklusverlängerung von bestehenden und zukünftigen stationären Batteriespeichersystemen durch hybride Zustandsprognose

Content description of the sub-project

Detailed description

Challenges and goals

Utilization of the results and contribution to energy storage

Project management as

sonnen GmbH

sonnen GmbH

Funding

This project is part of the joint project

BattLifeBoost

Other sub-projects of the joint project

Sub-project 2

Duration:

Funding code:

Lehrstuhl für Elektrische Energiespeichertechnik

Sub-project 3

Duration:

Funding code:

Hochschule für angewandte Wissenschaften Kempten

Sub-project 4

Duration:

Funding code:

Abteilung ZI-13 Forschungsförderung

Sub-project lead

sonnen GmbH

Sub-project manager

Joint-project management

sonnen GmbH

Joint-project coordinator