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.
