Entwicklung diagnostischer Algorithmen in der Ladephase

Pressemitteilungen — 10, November 2021

Teilen Sie diesen Artikel

München, den 10. November 2021. Der Hochlauf der Elektromobilität bringt einen hohen Innovationsbedarf mit sich. AKKA Technologies, führender europäischer Anbieter auf dem Gebiet der Ingenieurberatung und F&E-Dienstleistungen für die Mobilitätsindustrie, freut sich, gemeinsam mit dem Lehrstuhl für Fahrzeugtechnik der Technischen Universität München (TUM) den Start des Forschungsprojekts Charge.COM zur „Entwicklung diagnostischer Ladeverfahren für gewerbliche Elektrofahrzeuge” bekannt zu geben.

Innovationscharakter

Das Konsortium beschäftigt sich dabei mit der Frage, wie der Batteriezustand von Elektrofahrzeugen im Rahmen des Ladevorgangs bestimmt werden kann. Lithium-Ionen-Batteriesysteme sind im Betrieb von Elektrofahrzeugen komplexen Alterungsmechanismen unterworfen.  Bei einer längeren Betriebszeit führt dies zu einer Reduzierung der zur Verfügung stehenden Energiemenge und damit Reduzierung der elektrischen Reichweite des Fahrzeugs. Gleichzeitig sorgen variierende Last- und Umgebungsbedingungen in verschiedenen Fahrzeugen für unterschiedliche Alterungsverhalten innerhalb einer Flotte. Insbesondere Betreiber gewerblicher Flotten stehen hier vor Herausforderungen, da die Routenwahl meist nicht durch den Fahrer erfolgt, sondern über einen Leitstand (Disposition) vorgegeben wird. Die Erfüllung der Reichweitenanforderungen einer zugewiesenen Route, wie beispielsweise einer Langstrecke in der Logistik oder einem ÖPNV-Einsatz durch das elektrische Flottenfahrzeug, ist damit nicht immer gewährleistet. Üblicherweise bestehen Flotten aus Fahrzeugen verschiedener Hersteller, die keine einheitliche Datenschnittstelle zur Übermittlung des Batteriezustands zur Verfügung stellen.

Forschungsvorhaben

Das Forschungsvorhaben adressiert den Bedarf nach einer fahrzeugunabhängigen Batteriediagnose im Zuge des Ladevorgangs, um Flottenbetreibern fahrzeugspezifisch und cloudbasiert Informationen über den Batteriezustand zur Fahrzeugdisposition zur Verfügung zu stellen. Die Projektpartner arbeiten hierzu über die Dauer von drei Jahren an der Entwicklung diagnostischer Algorithmen für Ladephasen von Elektrofahrzeugen, um durch erweiterte Ladekommunikationsprotokolle den Batteriezustand präzise zu bestimmen.

Diesbezüglich wird ein einzigartiges Prüffeld aufgebaut werden, welches durch Simulation verschiedener Batteriesysteme und Gesundheitszustände die Erprobung der Algorithmen im Hardware-in-the-Loop (HIL) Test anwendungsnah ermöglicht. Die so erfassten Daten über den aktuellen Fahrzeugzustand schaffen die Basis für die Anwendung von Methoden der predictive analytics, d.h. Vorhersagemodellen, aus denen Handlungsempfehlungen für den optimalen Einsatz von gewerblichen Fahrzeugen abgeleitet werden können.

Die Themen predicitve analytics und Ladekommunikationsstandards sind ein wichtiger Baustein im Aufbau eines neuen Mobilitäts-Ökosystems. Das Projekt Charge.COM trägt durch die Entwicklung von diagnostischen Ladeverfahren mit Hilfe Künstlicher Intelligenz und Cloud-Anbindung zur Digitalisierung der Ladeinfrastruktur und Planbarkeit des Einsatzes von Elektrofahrzeugen bei. Wir freuen uns auf eine gute und konstruktive Zusammenarbeit mit der TUM“, sagt Felix Jakob, Direktor AKKA Research in Deutschland.

 „Im Zuge des stetig wachsenden Angebots und der Modellvielfalt von unterschiedlichen Elektrofahrzeugen ist es insbesondere für Betreiber heterogener Fahrzeugflotten von großer Relevanz, den Fahrzeugstatus herstellerübergreifend vergleichen zu können. Das Projekt Charge.COM ermöglicht durch die Entwicklung eines KI-basierten diagnostischen Ladeverfahrens, den Zustand der Batterie, als teuerste Komponente in einem Elektrofahrzeug, fahrzeugunabhängig bewerten und den Einsatz der Elektrofahrzeuge effizienter gestalten zu können. Wir sind froh, AKKA Research als kompetenten Partner im Bereich der Ladeinfrastruktur zu haben und freuen uns auf eine spannende und produktive Zusammenarbeit.“ äußern sich Prof. Dr.-Ing. Markus Lienkamp, Lehrstuhlleitung FTM (TUM), und Thomas Kröger, Doktorand am FTM (TUM).

Das Forschungsprojekt wird unter dem Bayerischen Verbundforschungsprogramm (BayVP) im Rahmen der Förderlinie Digitalisierung – Informations- und Kommunikationstechnologien KI- Big Data im Sinne der Strategie Bayern Digital und der Hightech Agenda Bayern gefördert.

10 Nov 2021

.pdf — 331.55 KB

Entwicklung diagnostischer Algorithmen in der Ladephase

Download