Neuronale Netzwerke zur Zustandsüberwachung von Batterien - NeuroBatt

Abstract

Das Ziel dieses Projektvorhabens ist es, durch eine systematische Testung von Lithium-Ionen-Batterien mit integrierter optischer Sensorik mittels zyklischer und kalendarischer Alterungstests sowie dynamischer Impedanzspektroskopie eine Datenbasis zu generieren, um ein KI-gestütztes Prognosetool zur Zustandsbestimmung und Lebensdauervorhersage von elektrischen Energiespeichern zu entwickeln und zu evaluieren. Im Rahmen des Projekts NeuroBatt wurde ein innovatives System zur von Lithium-Ionen-Batterien entwickelt. Durch die Kombination von optischen Sensoren und neuronalen Netzwerken konnte eine präzise Überwachung von Temperatur- und Volumenänderungen auf Einzelzellenebene realisiert werden. Die im Projekt entwickelten faseroptischen Sensoren wurden erfolgreich in Batterieeinzelzellen und -module integriert, wodurch eine Echtzeitüberwachung und frühzeitige Erkennung von Degradationsprozessen ermöglicht wurde. Diese Technologie stellt einen bedeutenden Fortschritt in der Batteriemanagementsystem-Technologie dar und trägt zur Erhöhung der Sicherheit und Effizienz von Lithium-Ionen-Batterien bei. Zudem wurde ein Demonstratormodul geschaffen, das als Präsentationsplattform für potenzielle Anwender dient und die praktische Anwendbarkeit dieser fortschrittlichen Überwachungstechnologie verdeutlicht. Das Projekt leistet damit einen wichtigen Beitrag zur sicheren und nachhaltigen Nutzung von Energiespeichern und unterstützt die erfolgreiche Umsetzung der Energiewende. Datei-Upload durch TIB The objective of this project is to create a database by subjecting lithium-ion batteries with integrated optical sensors to systematic testing through the implementation of cyclic and calendar ageing tests and dynamic impedance spectroscopy. This will facilitate the development and evaluation of an AI-supported forecasting tool for the accurate determination of the condition and prediction of the service life of electrical energy storage systems. As part of the NeuroBatt project, an innovative system for monitoring the condition of lithium-ion batteries was developed. By combining optical sensors with neural networks, precise monitoring of temperature and volume changes at the single-cell level was achieved. The fiber-optic sensors developed in the project were successfully integrated into individual battery cells and modules, enabling real-time monitoring and early detection of degradation processes. This technology represents a significant advancement in battery management system technology and contributes to the increased safety and efficiency of lithium-ion batteries. Additionally, a demonstrator module was created, serving as a presentation platform for potential users and illustrating the practical applicability of this advanced monitoring technology. The project thus makes an important contribution to the safe and sustainable use of energy storage systems and supports the successful implementation of the energy transition.