iBMS - Entwicklung eines intelligenten Batterie-Management-Systems zur Lebensdaueroptimierung einer Hochvoltbatterie; Teilvorhaben: Definition von System- und Betriebsgrenzen, Aufbau der Simulationsumgebung des elektrischen Antriebsstrangs und Realisierung des Batteriedemonstrators

Abstract

Das Projekt iBMS hatte die übergeordnete Zielsetzung, ein intelligentes Batterie-Management-System (BMS) zu entwickeln, das in der Lage ist, den aktuellen Zustand einer Hochvoltbatterie präzise zu erfassen und deren verbleibende Lebensdauer optimal zu prognostizieren. Im Zentrum der Aufgabenstellung stand die Entwicklung eines hybriden Ansatzes, der einerseits auf KI-basierten Echtzeitalgorithmen zur Zustandsdiagnose (z. B. zur Bestimmung von SOC – State of Charge, SOH – State of Health sowie der Zelltemperatur) beruht und andererseits einen Digitalen Zwilling einsetzt, um rechenintensive, physikalisch-mathematische Modelle für langfristige Vorhersagen zu realisieren. Ziel war es, die Betriebsstrategien der Batterie so zu optimieren, dass nicht nur die Sicherheit und Leistungsfähigkeit verbessert, sondern auch die Alterungsprozesse minimiert und somit Kosten sowie CO₂-Emissionen reduziert werden können. The overall objective of the iBMS project was to develop an intelligent battery management system (BMS) that is able to precisely detect the current condition of a high-voltage battery and optimally predict its remaining service life. The focus of the sub-project was the development of a hybrid approach that is based on AI-based real-time algorithms for condition diagnosis (e.g. for determining SoC – State of Charge, SoH – State of Health and cell temperature) on the one hand and uses a digital twin to realize computationally intensive, physical-mathematical models for long-term predictions on the other. The aim was to optimize the battery's operating strategies in such a way that not only safety and performance can be improved, but also aging processes can be minimized, thus reducing costs and CO₂ emissions.