Die Zukunft der E-Mobilität ist da

Mit den erheblichen Fortschritten bei den Lithium-Ionen-Batterien in den letzten zehn Jahren ist der Übergang zur Elektromobilität unaufhaltsam, und schon bald werden Elektro- und Hybridelektrofahrzeuge alle bestehenden Personen- und Nutzfahrzeuge ersetzen. Dieser Schritt wurde bereits von vielen OEMs bestätigt, die in ihren Fahrplänen erklären, dass sie innerhalb dieses Jahrzehnts vollelektrische Marken werden wollen.

Trotz der Fortschritte auf der Ebene der Chemie, die die Kosten und die Energiedichte der Batteriepacks verbessern und damit diese Technologie breiter einsetzbar machen, müssen noch viele Herausforderungen bewältigt werden, um die Vorteile dieser Technologie in den Endprodukten nutzbar zu machen; sie müssen sicher, effizient und über einen langen Zeitraum hinweg zuverlässig funktionieren. Auf der Zellebene besteht die größte Herausforderung darin, sicherzustellen, dass die Zelle innerhalb ihrer sicheren Grenzen arbeitet, während gleichzeitig versucht wird, die Sicherheitsspannen zu minimieren, um die Vorteile der hohen Energiedichte zu erhalten. Auf der Ebene des Akkupacks besteht die größte Herausforderung darin, sicherzustellen, dass alle Zellen in einer harmonisierten Weise arbeiten, so dass sie sich die Leistungslast gleichmäßig teilen und eine homogene Degradation erfahren. Diese Herausforderungen werden durch den Einsatz des Batteriemanagementsystems (BMS) bewältigt.

 

Batterie-Management-Systeme (BMS)

Das BMS überwacht und steuert das Laden/Entladen von Batterien. Es sorgt dafür, dass die Rest-Energie der Batterie optimal genutzt wird, die Batterie nicht tiefentladen oder überladen wird und die Ladezustände der einzelnen Zellen ausgeglichen sind. Kurz gesagt, die Leistung der Batterie in Bezug auf Haltbarkeit, nutzbare Energiedichte und Ladegeschwindigkeit hängt von der Leistung der einzelnen Zellen und des BMS ab. Die Schlüsselkomponente, die die Leistung des BMS bestimmt, ist seine Software, die folgende Funktionen ausführt komplexe Funktionen wie die Schätzung des Ladezustands und des Gesundheitszustands. Diese beiden Funktionen allein sind sehr nützlich, um den optimalen Betrieb des Batteriesatzes zu einem bestimmten Zeitpunkt zu gewährleisten, geben aber keinen Einblick/keine Vorhersage darüber, wie schnell sich die Batterie abbauen wird (verbleibende Nutzungsdauer), was mit der massenhaften technologischen Anpassung zu einer Schlüsselfrage wird, auf die Zelllieferanten, Erstausrüster und Kunden eine Antwort erhoffen.

 

Die Herausforderung: Schätzung der verbleibenden Nutzungsdauer (RUL)

Die RUL der Batterie hängt davon ab, wie die Batterie seit ihrer Herstellung verwendet wurde. Dies hängt neben vielen anderen Faktoren in hohem Maße von der Fahrweise und den Nutzungsmustern des Endkunden, den Umgebungstemperaturen, denen der Akku ausgesetzt ist, den Ladegewohnheiten usw. ab. Der Vergleich des Verhaltens des Akkus mit im Labor ermittelten Zyklusdaten reicht nicht aus, um ein wahrheitsgetreues Bild zu vermitteln, da die realen Nutzungsprofile und Betriebsbedingungen komplex sind und in der Regel nicht im Voraus bekannt sind, bevor der Akku in Betrieb genommen wird.

Aus diesem Grund sind die vorhandenen Akkus oft unnötig überdimensioniert, damit sie länger halten, und die BMS der aktuellen Produktion sind konservativ kalibriert, was wiederum die Lebensdauer der Batterie über die erwartete Garantiedauer des Fahrzeugs, die in der Regel 10 Jahre beträgt, bewahrt. Darüber hinaus begrenzen BMS die Batterieladung, selbst wenn eine schnellere Ladung möglich ist und dem Fahrzeugnutzer erhebliche Vorteile bringen kann. Es wäre daher von erheblichem Nutzen, wenn die RUL der Batterie genau geschätzt werden könnte. Die Einführung der RUL in die BMS-Software wird zweifellos die Batterieleistung und die Erfahrungen der Fahrzeugbesitzer verbessern. Diese Vorteile werden wahrscheinlich durch neue Techniken in den Bereichen maschinelles Lernen, künstliche Intelligenz (Automotive Safe AI®), Cloud-Anwendungen und physikalisch basierte Batteriemodelle, die in Steuerungssystemen für Kraftfahrzeuge eingebettet sind, erzielt, an denen derzeit nur sehr wenige Unternehmen arbeiten.

 

Verbessertes Management - Kombination von physikalisch basierten Modellen und maschinellem Lernen

Eatron, ein schnell wachsendes britisches Unternehmen, das sich dafür einsetzt, "softwaredefinierte Fahrzeuge" für Erstausrüster auf der ganzen Welt Wirklichkeit werden zu lassen, nutzt seine physikalisch basierten Modellierungstechniken und sein Fachwissen im Bereich der künstlichen Intelligenz (AutomotiveSafeAI®), um die Restnutzungsdauer der Batterie genau vorherzusagen. Diese Steuerungstechnik ersetzt statische Nachschlagetabellen durch ein eingebettetes, dynamisches Softwaremodell des Batteriesystems und kombiniert dieses Modell mit fortschrittlichen Techniken des maschinellen Lernens (ML) in einer hybriden Edge/Cloud-Konfiguration, die das Herzstück des BMS-Produkts von Eatron, BMStar®, darstellt.

Can Kurtulus, CTO von Eatron, zieht einen Vergleich zwischen diesem neuen Ansatz für RUL und BMS und den Verbesserungen bei Gewicht und Haltbarkeit von Fahrzeugen. "In anderen Bereichen des Fahrzeugdesigns haben genaue digitale Simulationen dazu beigetragen, die Notwendigkeit von Überkonstruktionen zu beseitigen", sagt er. "Dadurch konnten Kosten und Gewicht in einem positiven Kreislauf gesenkt werden. 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 werden, nicht nur während der Konstruktionsphase."

 

Ein BMS am Rande, verbunden mit der Cloud

Die eingebetteten Softwarekomponenten in Eatrons BMStar® arbeiten am Rand und sind so konzipiert, dass sie ein Cloud-Pendant mit integrierter Konnektivität und Analytik haben. Diese ermöglichen Over-the-Air-Updates (OTA) und kontinuierliche und adaptive Softwareverbesserungen, um eine überlegene Leistung und Zuverlässigkeit über die gesamte Lebensdauer der Fahrzeuge zu erreichen. Dieser Ansatz maximiert die Kundenvorteile wie Schnellladung und Reichweite bei gleichzeitiger Einhaltung der Garantie- und Lebensdauerziele. Der bilaterale Datenaustausch ermöglicht die Aktualisierung von Modellparametern im BMS, was zu einer verbesserten Echtzeit-Zustandsabschätzung im Fahrzeug führt, während die Batterie altert. In Zusammenarbeit mit der Warwick Manufacturing Group (WMG) hat Eatron im Rahmen der Faraday Battery Challenge Fördermittel für das Projekt COBRA (Cloud/Onboard Battery Remaining useful life Algorithm) erhalten.

 

Cloud/Onboard Battery Remaining Useful Life Algorithms (COBRA) Projekt

Im Rahmen des COBRA-Projekts wurden neue Algorithmen entwickelt, mit denen die Restnutzungsdauer (RUL) einer Batterie für Elektrofahrzeuge (EV) geschätzt werden kann. Die Finanzierung durch die Faraday Battery Challenge, die seit 2017 britische Batterieunternehmen dabei unterstützt, Batterien herzustellen, die kostengünstiger und effizienter sind, sich schneller aufladen und leicht recycelt werden können, hat das Projekt um 12 Monate vorangebracht.

Dieses innovative Projekt kombiniert fortschrittliche Batteriealterungsmodelle, die von der WMG (Warwick Manufacturing Group) entwickelt wurden, mit dem eigenen, auf maschinellem Lernen basierenden Ansatz von Eatron Technologies zur Schätzung der Restnutzungsdauer (RUL), der auf bestehenden internen Forschungs- und Entwicklungsarbeiten beruht. Die Technologie wurde bis zu einem Grad an Benutzerfreundlichkeit, Zuverlässigkeit und Reife verfeinert, der Batterieherstellern und -integratoren das nötige Vertrauen gibt, um eine Masseneinführung zu ermöglichen, und hat bereits eine große Nachfrage von potenziellen Kunden erfahren.

Das Projekt COBRA wird von einem Team sehr erfahrener Ingenieure durchgeführt, die über eine langjährige Erfahrung in der Bereitstellung modernster Software- und Systemlösungen für Elektrifizierungsprojekte im Automobilsektor verfügen:

• Entwicklung eines einheitlichen, auf Physik und maschinellem Lernen basierenden Ansatzes für die Schätzung der Batterielebensdauer mit einer hohen Genauigkeit von über 90 %.
• Integration einer entwickelten Lösung in BMS-Hardware in Automobilqualität.
• Integration einer Lösung in cloudbasierte Plattformen für Flottenbetriebsdienste.

Das COBRA-Projekt bietet die Möglichkeit, als Erster einen genauen RUL-Algorithmus auf den Markt zu bringen, der in ein reales BMS implementiert werden kann. Die modulare Struktur der Technologieplattform von Eatron ermöglicht eine schnelle, flexible Konfiguration neuer Anwendungen zu einem Preis, der für Programme mit geringen Stückzahlen gut geeignet ist.

Wenn Sie sich Eatron anschließen möchten, um im globalen Kampf für die Umwelt zu helfen, indem Sie EV's für Flottenbetreiber und Fahrer auf der ganzen Welt praktischer machen, dann kontaktieren Sie uns bitte über info@eatron.com oder füllen Sie das untenstehende Formular aus.

 

Krzysztof Slosarczyk, Produktmanager für BMS @Eatron Technologies