Früherkennung macht Batterien sicherer
TU Darmstadt und MIT entwickeln Methoden zur Überwachung mit Maschinellem Lernen
30.10.2024 von Findeisen / Schaeffer / sip
Die sichere Nutzung von Lithium-Ionen-Batterien, wie sie in Elektroautos und stationären Speichersystemen verwendet werden, hängt entscheidend von der Überwachung ihres Zustands und der frühzeitigen Fehlererkennung ab. Fehler in einzelnen Batteriezellen können zu ernsten Problemen wie Bränden führen. Um dies zu verhindern, haben Forschende der TU Darmstadt und des Massachusetts Institute of Technology (MIT) neue Methoden zur Analyse und Überwachung von Batterien mit Ansätzen des Maschinellen Lernens entwickelt.

Das Team aus Joachim Schaeffer, Eric Lenz und Professor Rolf Findeisen vom der TU Darmstadt hat zusammen mit den Gruppen von Professor Richard Braatz und Professor Martin Bazant am MIT einen Ansatz entwickelt, der einfache physikalische Modelle und maschinelles Lernen kombiniert. Mithilfe sogenannter rekursiver Gauß-Prozesse können sie zeitliche und betriebsbedingte Veränderungen in Batteriezellen erkennen. Diese rekursiven Methoden lassen sich in Echtzeit anwenden und sind in der Lage, auch große Datenmengen effizient zu verarbeiten, was eine kontinuierliche Online-Überwachung von Batteriesystemen ermöglicht. Institut für Automatisierungstechnik und Mechatronik
Für ihre Forschung konnten die Wissenschaftler auf einen einzigartigen Datensatz zurückgreifen: Ein Forschungspartner stellte anonym Daten von 28 Batteriesystemen zur Verfügung, die wegen Problemen an den Hersteller zurückgeschickt wurden. Der Datensatz umfasst über 133 Millionen Datenreihen von 224 Batteriezellen und ist einer der ersten seiner Art, der öffentlich zugänglich gemacht wurde.
Die Ergebnisse der methodischen Entwicklungen und Analysen, die soeben in der renommierten Zeitschrift „“ erschienen sind, bestätigen, dass oft nur eine Zelle eines gesamten Batteriesystems auffällig wird und das System beeinträchtigt. Diese Erkenntnisse tragen dazu bei, besser zu verstehen, wie Batterien altern und unter welchen Bedingungen sie versagen. Die Methoden ermöglichen es, Batterien zukünftig kontinuierlich zu überwachen und somit die Sicherheit zu erhöhen. Cell Reports Physical Science
, Doktorand am Joachim Schaeffer am Fachbereich Elektrotechnik und Informationstechnik der TU Darmstadt und am MIT, wurde für die im Rahmen des Projekts entstandenen, öffentlich zugänglichen Daten mit dem Fachgebiet Control and Cyber Physical Systems ausgezeichnet. Aus über 70 Einreichungen wurden zehn Preisträger ausgewählt. MIT Open Data Prize
Immer aktuell informiert mit spannenden News vom etit-Campus: Folge uns auf Instagram!
Empfohlener externer Content
Wir haben für Sie einen externen Inhalt von Instagram ausgewählt und möchten Ihnen diesen hier zeigen. Dazu müssen Sie ihn mit einem Klick einblenden. Mit einem weiteren Klick können Sie den externen Inhalt jederzeit ausblenden.
Ich bin damit einverstanden, dass mir externe Inhalte von Instagram angezeigt werden. Dadurch ist es möglich, dass personenbezogene Daten an Drittplattformen übermittelt werden. Weitere Informationen finden Sie in unserer Datenschutzerklärung.
