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.