small_accure-logo-RGB-1200.png

ACCURE Battery Intelligence GmbH

small_BMFTR_de_Web_RGB_gef_durch.jpg

Bundesministerium für Bildung und Forschung

Bundesministerium für Bildung und Forschung
Referat 511: Neue Werkstoffe, Nanotechnologie; KIT

Bundesministerium für Bildung und Forschung
Referat 523: Werkstoffinnovationen, Batterie; Hereon, KIT

Bundesministerium für Bildung und Forschung
Referat 525: Batterieforschung; KIT

Referat 525: Batterieforschung; KIT

Bundesministerium für ­Forschung, Technologie und Raumfahrt Referat 525: Batterieforschung; KIT

Bundesministerium für ­Forschung, Technologie und Raumfahrt

large_Batterie2020_Logo_RGB.jpg

medium_Batterie2020_Logo_RGB.jpg

small_Batterie2020_Logo_RGB.jpg

thumbnail_Batterie2020_Logo_RGB.jpg

Batterie2020_Logo_RGB.jpg

Logo Batterie 2020 RGB Web

Um die Lebensdauer von gealterten und benutzten Batterien von Elektrofahrzeugen (EV) in einer möglichen Zweitnutzung (Second Life) zu maximieren, ist es entscheidend, die Hauptfaktoren zu verstehen, welche die Degradationsmechanismen beeinflussen und den Kapazitätsverlust bestimmen. Der Erhalt eines detaillierten Einblicks in die elektrochemischen Reaktionen, die in den Batteriezellen auftreten, ermöglicht die Implementierung eines sicheren und zuverlässigen Einsatz- und eines wirtschaftlich tragfähigen Geschäftsmodells für Second-Life-Batterien, bei dem je nach Batteriestadium die am besten geeigneten Anwendungsfälle ausgewählt werden können. Die Werterhaltung und die verlängerte Nutzungsphase der EV-Batterien spielen eine zentrale Rolle in der Umsetzung einer Kreislaufwirtschaft in der Wertschöpfungskette der Batterien und der Nachhaltigkeit der Elektromobilität.

Das Unternehmen betteries AMPS GmbH und die TU Berlin sind bestrebt, ein umfassendes Alterungsmodell basierend auf physikbasierten elektrochemischen Modellen gekoppelt mit einem Machine-learning-Modell zusammen zu entwickeln. Damit soll es möglich werden, die Alterungskurve von Batterien vorherzusagen und sie entsprechend zu betreiben, um die zweite Lebensdauer zu maximieren.

Die Arbeitsschwerpunkte sind:
•  Aufbau einer Datenbank und Machine Learning
    •  Datenbank für Batterie-Alterungsmechanismen-Analyse
    •  Beschaffung von Second-Life-Modulen und Vermessung auf Systemebene
    •  Hybrid physikbasiertes- / Machine-learning-Modell
•  Elektrochemische Charakterisierung und Modellierung
    •  Elektrochemische Charakterisierung von Zellen und Modulen
    •  Öffnung von Zellen für Alterungsanalyse
    •  Physikalisch-chemische Modellierung 
    •  Simulation von Impedanzspektren

Die Durchführung dieses Forschungsprojekts wird es dem Unternehmen ermöglichen, schnell und datenbasiert die neue Generation von EV-Batterien in die Second-Life-Wertschöpfungskette einzuführen. Eine verlängerte Nutzungsphase der Batterien mit einer Anwendung im Second Life, die weniger hohe Anforderungen stellt als Elektrofahrzeuge, spielt sowohl für die Umsetzung einer zirkulären Wirtschaft als auch aus ökonomischer und gesellschaftlicher Perspektive eine bedeutende Rolle.