Lebenszyklusverlängerung von bestehenden und zukünftigen stationären Batteriespeichersystemen durch hybride Zustandsprognose

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)