Lebenszyklusverlängerung von bestehenden und zukünftigen stationären Batteriespeichersystemen durch hybride Zustandsprognose

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)