Verbundprojekt ESPRIT (LuFo VI-3): Realtime-Modellbibliothek und Werkzeugverbund zur Modellerstellung und Datenassimilation - Bericht zum Teilvorhaben 20M2207D

Abstract

Mit dem Teilvorhaben verfolgte TLK das Ziel, eine echtzeitfähige Modellbibliothek sowie Softwaretools zur Erstellung digitaler Zwillinge von Brennstoffzellensystemen zu entwickeln. Im Fokus standen hybride Modelle und Echtzeit-Datenassimilation, die den Einsatz echtzeitfähiger Modelle als virtuelle Sensoren ermöglichen. Aus früheren Projekten (Phymos, AUTO GEN) lagen erste Erfahrungen mit datenbasierten und hybriden Ansätzen vor. Deren konkrete Übertragbarkeit auf Brennstoffzellensysteme war jedoch noch nicht nachgewiesen und wurde deshalb im ESPRIT Projekt als zentrale Aufgabe definiert. Dabei konnte auf eine bestehende TLK-Modellbibliothek aufgebaut werden, die im Projekt SKAiB u.a.um detaillierte Abbildungen der Halbzellenreaktionen mittels Mixed Potential Ansätzen erweitert worden war. Im Rahmen des Teilvorhabens wurde ein BZ-Stapelmodell weiterentwickelt und ein Python basiertes Tool für Realtime-Simulationen geschaffen. Die Echtzeitfähigkeit des physikbasierten und mit Messdaten kalibrierten Modells konnte erfolgreich demonstriert werden. Darüber hinaus ermöglicht das Tool Live-Simulationen am Prüfstand, bei denen das Modell als virtueller Sensor agiert. Ergänzend wurde ein Python-Werkzeug für Gauß-Prozess-Regressionen (GPR) zur Kennfelderstellung und Modellreduktion entwickelt sowie eine in C implementierte GPR-Prädiktionsfunktion zur Nutzung in Modelica. Die im Projekt entwickelten Methoden und Werkzeuge erlauben die effiziente Erstellung rechenzeitoptimierter und echtzeitfähiger Brennstoffzellenmodelle mit hoher Vorhersagekraft. Durch ihre generalisierbare Struktur lassen sich die Modellbibliothek und Softwaretools auf eine Vielzahl technischer Systeme übertragen und bieten TLK-Thermo breite Anwendungsmöglichkeiten – von Luftfahrt und Mobilität über Direct Air Capture und Elektrolyse bis hin zu Redox Flow Batterien und weiteren thermischen Energiesystemen. With this subproject, TLK pursued the goal of developing a real-time capable model library and software tools for creating digital twins of fuel cell systems. The focus was on hybrid models and real-time data assimilation, which enable the use of real-time capable models as virtual sensors. Initial experience with data-based and hybrid approaches was available from previous projects (Phymos, AUTO GEN); but their specific transferability to fuel cell systems had not yet been proven and was therefore defined as a central task in the ESPRIT project. The project was able to build on an existing TLK model library, which had been expanded in the SKAiB project i.a. to include detailed representations of half-cell reactions using mixed potential approaches. As part of the subproject, a fuel cell stack model was further developed and a Python-based tool for real-time simulations was created. The real-time capability of the physics-based model, calibrated with measurement data, was successfully demonstrated. In addition, the tool enables live simulations on the test bench, in which the model acts as a virtual sensor. In addition, a Python tool for Gaussian process regressions (GPR) was developed for characteristic map creation and model reduction, as well as a GPR prediction function implemented in C for use in Modelica. The methods and tools developed in the project enable the efficient creation of computationally optimized and real-time capable fuel cell models with high predictive power. Thanks to their generalizable structure, the model library and software tools can be transferred to a wide range of technical systems and offer TLK-Thermo a broad range of applications – from aviation and mobility to direct air capture and electrolysis to redox flow batteries and other thermal energy systems.