Im Projekt KI-M-Bat wird ein modulares Speicherkonzept sowie eine universelle KI-basierte Software-Steuerung für Batteriespeicher im Industrie- und Gewerbemaßstab entwickelt und erprobt. Das Konzept erlaubt einen effizienten und lebensdauer-optimalen Betrieb von Neu- und Gebraucht-Batterien. In der Software wird ein digitales Zwillingsmodell des Batteriesystems aufgebaut und darauf eine Steuerungsstrategie mittels maschinellen Lernens erprobt. Die Algorithmen werden in einem Hardware-Demonstrator validiert und als Open-Source-Code veröffentlicht.
Im Projekt wird ein modular konfigurierbares Batteriespeichersystem für den Einsatz in Gewerbe- und Industriebetrieben entwickelt, welches flexibel mit Neu- und Gebrauchtbatterien betrieben werden kann. Der Systemaufbau ermöglicht zudem eine äußerst hohe Wandlungseffizienz und kann durch eine auf künstlicher Intelligenz (KI)-basierte Software-Steuerung selbstlernend mit anwenderspezifischer Konfiguration und Applikation betrieben werden. Auf der Hardware-Seite soll mittels eines neuartigen Multi-Level-Wechselrichterkonzepts bzw. einer kaskadierten Ansteuerung der Leistungselektronik eine individuelle Ansteuerung und Kombination von Modulen bzw. Automotive-Batterien eines beliebigen Herstellers und Batteriealters ermöglicht werden. Eine mehrstufige Steuerung erlaubt die optimale Bedienung von aktuellen und zukünftig relevanten Anwendungsfällen zur Stabilisierung der Stromnetze. Die adaptive Leistungsaufteilung ermöglicht das Angleichen unterschiedlicher Lade- und Alterungszustände während des Betriebs. Die Ansteuerung des Systems erfolgt durch eine holistische Software-Toolkette: bestehende Software-Lösungen werden durch eine Machine-Learning gestützte Leistungs-Steuerstrategie und einen Digitalen Zwilling zur Abbildung des Batteriesystems ergänzt und gänzlich als "Open Source" für die Verwendung in Industrie und Gewerbe zur Verfügung gestellt. Durch den Aufbau und Feldbetrieb von zwei Demonstrator-Systemen werden die KI-basierten Strategien direkt erprobt und im Benchmark verglichen.
PhD student | Vivek Teja Tanjavooru |
---|---|
Research focus | Energie |
Duration | 2023-10-01 - 2026-09-30 |
Scientific supervisor HS Kempten. | Prof. Dr. Holger Hesse |
Institution | Forschungszentrum Allgäu |
Scientific supervisor (extern) | TUM School of Engineering and Design | Prof. Dr. rer. nat. Thomas Hamacher |