HealthBatt – effiziente und integrierte Sensorik für intelligente, nachhaltige und sichere Batteriesysteme

Im Projekt HealthBatt wird ein Multi-Sensoransatz entwickelt, um Belastungsprofile in Batteriespeichern ganzheitlich erfassen und auswerten zu können. Durch die Kombination aus Schadensanalysen und KI-gestützter Datenauswertung können die Lebensdauer von Batteriesystemen verlängert und die Nutzungssicherheit im Überlastfall erhöht werden.

Gegenwärtige Batterie-Management-Systeme in elektrifizierten Fahrzeugen nutzen meist nur thermische und elektrische Messdaten zur Erfassung des Zustands von Batteriespeichern. Um zusätzliche Belastungen, wie Stöße, mechanische Schwingungen sowie Feuchtigkeit, berücksichtigen und die Lebensdauer von Batteriesystemen genauer abschätzen zu können, wird im Forschungsprojekt HealthBatt ein ganzheitliches Sensorikkonzept entwickelt.

Projektziel

Mit diesem neuen Multi-Sensoransatz, Schadensanalysen und einer intelligenten Datenauswertung können die Lebensdauer der Batteriespeicher besser abgeschätzt, unerwartete Ausfälle vermindert und eine nachgelagerte Anwendung (Second-Life-Anwendung) als stationäres System ermöglicht werden.

Füge- und Integrationskonzept

Durch einen minimalen Platzbedarf und eine automatisierbare Anbindung der Sensorik soll die Integration sowohl in Neuentwicklungen als auch in bestehende Produkte ermöglicht werden. Als berührungsloses und größtenteils wartungsfreies Werkzeug wird das iwb den Einsatz des Laserstrahlschweißens zur mechanischen sowie elektrischen Anbindung der Batteriezellen und Sensorkomponenten in das Speichergehäuse untersuchen. Mit einer innovativen Prozessüberwachung und kollaborierender Robotik wird ein umfassendes Integrationskonzept für die Sensorik der Projektpartner erarbeitet.

Schadensanalysen und Datenverarbeitung

Die durch die Sensorik in Feldtests erfassten Belastungshistorien werden im Anschluss durch das iwb mit den ermittelten Schädigungen der Batteriespeicher ausgewertet und es wird versucht Korrelationen zu identifizieren. Aufgrund der Menge und Komplexität der Sensordaten werden für die Lebensdauerabschätzung KI-basierte Modelle eingesetzt, die beispielsweise bereits in der Zustandsüberwachung von Getriebekomponenten qualifiziert wurden. Die Verknüpfung dieser Modelle erfolgt in Form eines Digitalen Zwillings in einem gesicherten Cloud-System, um einen zuverlässigen Zugriff auf die Auswertelogik zu gewährleisten. Dieses Batteriespeicher-Modell ermöglicht die Auswertung des Zustands des Speichersystems anhand der Belastungshistorie und eine Abschätzung der Restlebensdauer. Letzteres erleichtert die Entscheidung zu einer potentiellen Weiterverwendung, wie beispielsweise in stationären Energiespeichern für häusliche Photovoltaik-Anlagen.

Danksagung

Das Projekt HealthBatt (Förderkennzeichen 16BZF346D) wird vom Bundesministerium für Wirtschaft und Klimaschutz (BMWK) gefördert und in Zusammenarbeit mit der VARTA Storage GmbH, der Infineon Technologies AG und der Fraunhofer-Institute Silicatforschung (ISC) und Elektronische Mikrosysteme und Festkörper-Technologien (EMFT) bearbeitet. Die Autoren bedanken sich beim BMWK für die Förderung.

Projektdetails