zur Hauptnavigation springenzum Inhaltsbereich springen

BayWISS-Kolleg Mobility and Transport www.baywiss.de

PhD-Projects in the Joint Academic Partnership Mobilität und Verkehr

Zustands- und Parameterschätzung und Sensordatenfusion in intelligenten Batteriesystemen

Als Schlüsselelement der Elektromobilität beeinflusst der Lithium-Ionen-Energiespeicher die kundenrelevanten Kenngrößen Fahrzeugreichweite, Ladezeiten und Kosten. Gleichzeitig ist auch die Systemsicherheit von großer Wichtigkeit. Dem Batterie-Management-System kommt hierbei eine große Bedeutung zu – beispielsweise durch die Ladezustandsbestimmung des Batteriesystems. Vermehrt werden zudem intelligente Batteriesysteme Gegenstand der weltweiten Forschung, bei denen durch zellindividuelle Sensorik ein tieferer Blick in das Batteriesystem ermöglicht wird. Gleichzeitig erlauben es Leistungshalbleiterschalter die Topologie des Systems und damit den Strompfad dynamisch zu verändern. Damit wird der Energiespeicher zum mechatronischen System.

Im Rahmen meiner Forschungstätigkeit untersuche ich Online-Methoden zur Zustands- und Parameterschätzung von intelligenten Batteriesystemen. Hierbei liegt der Fokus auf robusten modellbasierten Verfahren, welche die spezifischen Eigenschaften intelligenter Batteriesysteme berücksichtigen und nutzen. Ziel ist es, insbesondere auch in Phasen geringer Systemanregung (z.B. während konstanter Fahrt auf der Autobahn oder während des Ladevorgangs) gute Schätzwerte zu erhalten. Hierbei können beispielsweise Schalthandlungen gezielt eigesetzt werden.

Die gewonnenen Modellinformationen lassen sich nutzen, um eine modellbasierte Sensordatenfusion zu realisieren. Dabei werden die Informationen der im System verteilten Sensoren von Strom und Spannung miteinander kombiniert, um eine höhere Messgenauigkeit zu erhalten. Umgekehrt können dann auch kostengünstige Sensoren die externen Anforderungen an die Messdaten im Batteriesystem erfüllen. Darüber hinaus erhöht die Sensordatenfusion die Zuverlässigkeit der Messungen durch die dem Konzept inhärente Redundanz.

MEMBER IN THE JOINT ACADEMIC PARTNERSHIP

since

Supervisor Technische Hochschule Ingolstadt:

Prof. Dr.-Ing. Christian Endisch

 

Forschungsschwerpunkte:

  • Lernfähige Batteriesysteme
  • Lernfähige Systeme, Künstliche Intelligenz, Systemidentifikation, Schätzverfahren
  • Innovative Fertigungs- und Prüftechnologien mit lernfähigen Systemen (Industrie 4.0, digitaler Produktentstehungsprozess, automatisierte Trajektorienplanung, flexible vorausschauende Maschinenbelegungsplanung)
  • Optimierungsstrategien, vernetzte Mobilität, prädiktive Betriebsstrategien

Mehr Informationen zu Prof. Dr.-Ing. Christian Endisch finden Sie auf der Website der TH Ingolstadt

Projects:

Publikationen

D. Schneider, B. Liebhart, C. Endisch, “Robustness and Reliability of Model-based Sensor Data Fusion in a Lithium-Ion Battery System,” in 2020 IEEE Conference on Control Technology and Applications (CCTA). 2020, doi:10.1109/CCTA41146.2020.

 

D. Schneider, U. Vögele, C. Endisch: „Model-based sensor data fusion of quasi-redundant current and voltage measurements in a lithium-ion battery module“, Journal of Power Sources 440 (2019) 227156, doi:10.1016/j.jpowsour.2019.227156.

 

Schneider, Dominik; Liebhart, Bernhard; Endisch, Christian (2021): Active state and parameter estimation as part of intelligent battery systems. In: Journal of Energy Storage 39, S. 102638. DOI: 10.1016/j.est.2021.102638.

 

Schneider, Dominik; Liebhart, Bernhard; Endisch, Christian (2021): Adaptive Variance Estimation of Sensor Noise within a Sensor Data Fusion Framework. In: 2021 IEEE International Instrumentation and Measurement Technology Conference (I2MTC) , DOI: 10.1109/I2MTC50364.2021.9459790

 

Dominik Schneider

Dominik Schneider

Technische Hochschule Ingolstadt

Coordinator

Get in touch. We look forward to your questions and ideas for our Joint Academic Partnership Mobility and Transportation.

Judith Demharter

Judith Demharter

Technische Hochschule Ingolstadt
Esplanade 10
85049 Ingolstadt

Telephone: +49 841 93483789
mobilitaet-verkehr.vk@baywiss.de