Eine verbesserte künstliche Intelligenz ermöglicht eine längere Lebensdauer der Batterien, eine höhere Energiedichte und eine höhere Ladegeschwindigkeit. Experten von Eatron Technologies erklären.

Nach zwei Jahrzehnten bedeutender Fortschritte bei der Entwicklung von Batterien für Elektrofahrzeuge (EV) versprechen Innovationen weiterhin eine höhere Batterieleistung, Sicherheit, schnelleres Laden, Langlebigkeit und Haltbarkeit. Ein Bereich, in dem neue Überlegungen angestellt werden, sind Batteriemanagementsysteme (BMS), die künstliche Intelligenz (KI) als Mittel zum Zweck einsetzen. Oder genauer gesagt, eine neue Dimension der KI, so Dr. Umut Genc, Geschäftsführer von Eatron Technologies, einem britischen Unternehmen, das sich auf intelligente Software für elektrische und autonome Fahrzeuge spezialisiert hat.

"Wir definieren [es] als physikbasierte Modellierung mit selektiver KI", sagte er. "Es ist wichtig, die Grenzen der KI zu verstehen. Erstens benötigt ein KI-System eine beträchtliche Menge an Speicher und Rechenleistung, was die Kosten und den Energieverbrauch erhöht. Zweitens befindet sich die KI noch im Anfangsstadium ihrer Anwendung, so dass sie oft als nicht risikolos angesehen wird. Jedes unternehmenskritische System, das ausschließlich von KI abhängig ist, lässt sich derzeit nur schwer nach Automobilstandards validieren", erklärte Genc.

Die Lösung sei für beide Herausforderungen dieselbe, beginnend mit dem Verständnis des Wertes, den die KI für die Ziele bringt. Der technische Direktor von Eatron, Can Kurtulus, betonte, wie wichtig es ist, dass die OEMs erkennen, dass es in der Batteriechemie für einige Zeit keine großen Fortschritte geben wird. Daher müssen viele Verbesserungen bei der Haltbarkeit, der nutzbaren Energiedichte und der Ladegeschwindigkeit durch ein verbessertes Batteriemanagement erreicht werden.

Kurtulus sagte, er glaube, dass der Schlüssel in der Anwendung von physikalisch basierter Software liege - Kontrollsysteme mit eingebetteten Systemmodellen. Dies ist eine Steuerungstechnik, bei der Nachschlagetabellen durch ein eingebettetes Softwaremodell des Systems ersetzt werden.

"In anderen Bereichen des Fahrzeugdesigns haben genaue digitale Simulationen dazu beigetragen, dass kein Over-Engineering mehr nötig ist. Dadurch konnten Kosten und Gewicht in einem 'positiven Kreislauf' gesenkt werden", sagte er. "Unser Ansatz für das BMS ist ähnlich, mit dem Unterschied, dass wir das Modell in das Steuersystem jedes Batteriesatzes einbetten und es während der gesamten Lebensdauer des Fahrzeugs in Echtzeit anwenden, nicht nur in der Konstruktionsphase, also etwas mehr als herkömmliche KI-Technologie."

Erstmals für EV-Diagnose

Mit der Unterstützung eines ungenannten deutschen Tier-1-Zulieferers und Ingenieurteams in Großbritannien und der Türkei betrafen die ersten Produktionsprogramme von Eatron Fahrwerksmanagementsysteme und automatisierte Fahrerassistenzsysteme nach SAE Level 2. Aber BMS ist inzwischen zu einem wichtigen F&E-Programm geworden. Die unmittelbaren Vorteile, die für die selektiven AI-Anwendungen von Eatron geltend gemacht werden, sind die geringere Notwendigkeit, die Batterie übermäßig zu spezifizieren, um die Haltbarkeit zu schützen und somit die Garantiekosten zu senken.

"Die größten Einflüsse auf die Lebensdauer der Batterie sind derzeit das Ladezustandsfenster: wie nah an der Vollladung und der Tiefentladung die Batterie sein darf, und dann die Ladegeschwindigkeit", sagte Kurtulus. "In den heutigen Produktionssystemen werden Gewährleistungsansprüche minimiert, indem das BMS so kalibriert wird, dass die Batterie nicht bis zur vollen Kapazität aufgeladen wird, dass sie sich nie einer Tiefentladung nähert, auch wenn das Fahrzeug nur wenige Kilometer von einer Ladestation entfernt ist, und dass die Schnellladefähigkeit immer eingeschränkt wird."

Eine Innovation von Eatron ist die Verwendung seiner physikalisch basierten Modellierungstechniken zur Vorhersage der Restnutzungsdauer (RUL) der Batterie. Das Unternehmen geht davon aus, dass es der erste Anbieter von Produktionstechnologien sein wird, der diese Funktion für Lithium-Ionen-EV-Batterien anbietet. Es will auch der erste sein, der den Fahrzeugherstellern die Möglichkeit bietet, eine RUL-Anzeige in die Fahrzeugdiagnose einzubauen.

Genc wies darauf hin, dass die wichtigsten Vorteile der selektiven KI voll zum Tragen kommen, wenn das BMS mit der Cloud verbunden ist. "Die Vorhersage der RUL wird es dem Fahrzeughersteller ermöglichen, Over-the-Air-Kalibrierungs-Updates herauszugeben, die den Kundennutzen maximieren, wie z. B. schnelles Laden und Reichweite", so Genc, "während er gleichzeitig sicher sein kann, dass die Garantie- und Haltbarkeitsziele erfüllt werden.

Je mehr Daten analysiert werden, desto mehr lernt die KI; die Vorhersagen werden genauer und die Vorteile fließen automatisch in die Entscheidungsfindung ein. Es besteht auch die Möglichkeit, dass der Fahrzeughersteller neue Funktionen hinzufügt, die zusätzliche Vorteile für die Besitzer bringen. Zum Beispiel gibt es derzeit keine Möglichkeit für den Käufer eines Gebrauchtwagens, die RUL der Batterie eines E-Fahrzeugs zu bestimmen.

"Insbesondere für Fuhrparks bedeutet die Möglichkeit, die RUL zu verwalten und zu validieren, einen erheblichen Mehrwert, wenn sie ihre Fahrzeuge entsorgen wollen. Eine RUL-Anzeige im Armaturenbrett könnte eingebaut werden", so Genc. Amedeo Bianchimano, Business Development Director bei Eatron, fügte hinzu: "Durch die Kombination von KI und einer Verbindung zur Cloud wird die Batteriemanagement-Software eine viel wichtigere Rolle spielen, nicht nur als Werkzeug zur Maximierung der Eigenschaften von E-Fahrzeugen, sondern auch beim Angebot von Garantiemanagement und zusätzlichen Software-Services."

Detailliertere Prognosen
Eatron hat ein gemeinsames Forschungsprojekt mit der britischen Warwick Manufacturing Group (WMG), einer Abteilung der University of Warwick, ins Leben gerufen, um die BMS-Entwicklung auf detailliertere Prognosen auszuweiten. Derzeit kann das System Probleme mit den Batteriezellen nur erkennen, wenn sie auftreten (in der Regel nicht mehr als ein paar Sekunden vor dem Ausfall), und den Batteriesatz abschalten oder in den Limp-Home-Modus versetzen.

Ziel der Forschung mit WMG ist es, eine Innovation in der Diagnostik zu verfeinern, die es Eatron ermöglicht, zellbezogene Probleme sinnvollerweise vor einem Ausfall zu erkennen - und zwar nicht wie heute üblich Sekunden vorher, sondern bis zu mehreren Monaten vor einem Ausfall.

"Mit dieser Technologie, die in ein Akkupaket eingebettet ist, kann die Chemie viel härter betrieben werden", betonte Kurtulus. "Das ist schon seit vielen Jahren ein Ziel, aber bisher war dafür eine erhebliche zusätzliche Hardwarekomplexität erforderlich. Unser Ansatz wendet maschinelles Lernen auf die etablierte Signalverarbeitungstheorie an, um die diagnostische Eigenschaft vom Rauschen zu isolieren, und das ohne zusätzliche Komponenten."

Zu den von Eatron genannten Vorteilen für den Fahrzeugbesitzer gehören auch BMS-Kalibrierungen, die eine größere Reichweite und ein schnelleres Aufladen ermöglichen und gleichzeitig das Risiko verringern, mit einem liegengebliebenen Fahrzeug am Straßenrand stehen zu bleiben", so Genc. "Unser Ansatz besteht darin, ein robustes System mit bewährten modellbasierten Steuerungstechnologien zu entwickeln und dann sorgfältig KI dort einzubauen, wo sie für spezifische Berechnungen benötigt wird. Das Batteriezustandsmanagement ist nur der Ausgangspunkt. Das wirklich Spannende ist, was als nächstes kommt!"

Referenz: https://www.sae.org/news/2021/03/battery-management-systems-use-selective-ai