ELTOBATT – Methodenentwicklung zur Opt. von Batteriemodellen unter Verwendung von Modellreduktion u. „space mapping“ Techniken

Der immer mehr in den Vordergrund kommende Umweltschutzgedanke sowie gesundheitsgefährdender
Schadstoffausstoß von herkömmlichen Verbrennungsmotoren führt zur Entwicklung alternativer
Antriebe. Hier unterscheidet man prinzipiell zwischen rein batteriebetriebenen Fahrzeugen
und hybriden Varianten meist in Kombination mit einem Verbrennungsmotor. Beide Typen benötigen
entsprechend Hochleistungs- oder Hochenergiebatterien um die Energie für die Fortbewegung und
für die Versorgung der Fahrzeugfunktionen speichern und bereitstellen zu können. Die aktuellen
Batterien genügen den steigenden Anforderungen in Bezug auf Lebensdauer, Einbaugröße und
Reichweite jedoch nicht im erforderlichen Maße.
Dieses Projekt beabsichtigt einen Beitrag zur Erfüllung dieser Anforderungen zu leisten. Dazu
beschäftigt man sich mit der Modellierung von Batterien und darauf aufbauend mit der Optimierung
selbiger. Existierende Modelle, die kalendarische Alterung und thermische Effekte abbilden, sind
äußerst komplex, und haben den Nachteil, dass sie nur sehr aufwendig – wenn überhaupt verifizierbar
sind (meist nur für eine Zellchemie z.B. Lithium-Eisenphosphat). Die Optimierung auf Batterieebene
(Parameteridentifikation) und auf Antriebsstrangebene (Simulation von Elektromaschine,
Leistungselektronik, Batterie und ggf. Verbrennungsmotor) für einfache statische oder quasistatische
Modelle kann ebenfalls nur so exakt sein wie die Modelle selbst. Aussagen über Kraftstoffeinsparung,
thermisches Management oder Leistungsfluss sind direkt von Modellgüte und Modellgenauigkeit abhängig.
Die Verwendung umfangreicher elektrochemischer Alterungsmodelle in einer
Optimierungsschleife ist aufgrund der vielen Parameter aus Konvergenzsicht auch als kritisch zu
werten.
Ziel dieses Projektes ist es vorhandene elektrochemische Batteriemodelle (System partieller
Differentialgleichungen) in Hinblick auf thermisches Verhalten zu erweitern. Darauf aufbauend soll
dann eine Optimierungsmethode für Batterien von Elektro- und Hybridfahrzeugen entwickelt werden
um sie für vorgegeben fahrsituations- und fahrstreckenabhängige Lastzyklen Fahrweisen und –zyklen)
auszulegen. Komplexe Batteriemodelle werden unter Einsatz von Methoden der Modellreduktion
(Proper Orthogonal Decomposition, POD) schneller lösbar gemacht. Dann wird die Surrogate Model
Optimierung (basierend auf der Space Mapping Technik) benutzt um die Batterie den Anforderungen
und Restriktionen entsprechend auszulegen. Die Modelle werden durch elektrische und elektrochemische
Messungen für verschiedene Zellchemien (Lithium-Eisenphosphat und Lithium-Nickel-Kobalt-
Oxid )validiert um die Realität entsprechend abzubilden.
Als Ergebnis steht am Ende dieses Projektes ein elektrochemisches Batteriemodell (PDEs), das
sowohl das elektrochemische als auch das thermische Verhalten abbildet. Es entsteht auch ein
reduziertes Modell, das einfacher und schneller berechnet werden kann. Durch den neuen Optimierungsansatz
ergibt sich eine Methode um Batterien für den Einsatz in Elektround Hybridfahrzeugen
optimal auszulegen. Diese Methode ist schließlich mit entsprechender Adaption auch auf andere
nichtlineare Modelle (PDEs) anwendbar.