Projektbeschreibung

Im Verbundprojekt „Lebensdaueroptimierte Multi-Use Speichersysteme – Storage MultiApp“ wird ein technisch und ökonomisch optimierter Betrieb von Batteriespeichersystemen für Industrieanwendungen untersucht: Als „Enabling technology“ für Schnelladesäulen an Autobahnen, Photovoltaik-Mieterstromkonzepte oder zur Verbesserung der Netzstabilität sind industrielle Batteriespeichersysteme (CSS) ein entscheidender Baustein der bevorstehenden Energiewende. 

Ein bewährter Ansatz zur Ertragsoptimierung ist es, den Speicher für mehrere Anwendungen zu nutzen (z.B.: Photovoltaik-Eigenverbrauch + BHKW Optimierung + Peak Shaving). Der Einfluss dieser „Multi-Use“ Ansätze auf die Alterung der Energiespeicher ist jedoch weitgehend unbekannt. In der Praxis wird daher häufig eine Überdimensionierung der Speichersysteme veranschlagt, die wiederum bis zu 20 % der Systemkosten betragen kann.

Ziel des Forschungsprojekts „Storage MultiApp“ ist die Entwicklung eines digitalen Zwillings, der moderne Zellalterungsmodelle, Batteriehardware und Betriebsführungsstrategien koppelt, um eine langfristige Alterungsprognose für Industriespeichersysteme (CSS) zu ermöglichen. Das Hauptziel des Teilprojektes der Hochschule Kempten mit dem Titel „Entwicklung und Erprobung von Optimierungsverfahren für den Multi-Use Speicherbetrieb“ liegt im Aufbau eines mehrstufigen Optimierungssystems, das 

1. aktuelle Energiemarktdaten und regulatorische Randbedingungen für den Einsatz von CSS berücksichtigt, 
2. die Unsicherheit von Last- und Erzeugungsprognosen berücksichtigt und eine gegenüber Prognosefehlern robuste Speicherbetriebsweise berechnet und 
3. auf dem Demonstrationssystem des Industriepartners Varta Storage implementierbar ist.

Im Teilprojekt werden zunächst aktuelle Energiemarktdaten sowie in Deutschland relevante Anwendungsfälle für den Einsatz von Gewerbespeichersystemen identifiziert und mittels techno-ökonomischer Analyse bewertet. Anschließend wird ein Optimierungsprogramm in mehreren Ausbaustufen entwickelt, das zum einen den Betrieb des Speichers parallel in mehreren Anwendungsfällen erlaubt und außerdem mit unsicherheitsbehafteten Prognosedaten und komplexen Batteriemodellen operieren kann. Dazu werden Methoden der gemischt ganzzahligen linearen Optimierung, der stochastischen Optimierung und des maschinellen Lernens eingesetzt. Die so ermittelten Steuerstrategien werden abschließend für die Implementierung in einem Demonstrationssystem übergeben.

Die Verbundkoordinaton liegt bei Dr. Benjamin Achzet der VARTA Storage GmbH.

Projektleitung

Prof. Dr. Holger Hesse

holger.hesse[at]hs-kempten.de

Projektdauer

01.11.2022 - 31.10.2025

Projektpartner

Technische Universität München
VARTA Storage GmbH
TWT GmbH Science & Innovation
TWAICE Technologies GmbH

Projektförderung

Bundesministerium für Wirtschaft und Klimaschutz

Förderprogramm

Energieforschungsprogramm der Bundesregierung

Addressierte SDGs (Sustainable Development Goals)

Projektbeschreibung

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.

Projektleitung

Prof. Dr. Holger Hesse

holger.hesse[at]hs-kempten.de

Projektdauer

01.03.2023 - 28.02.2026

Projektpartner

Stabl Energy GmbH
FENECON GmbH
Technische Universität München

Projektförderung

Bayerische Forschungsstiftung

Förderprogramm

Bayerische Forschungsstiftung

Addressierte SDGs (Sustainable Development Goals)

Projektbeschreibung

Im Teilprojekt „Statistische und Machine-Learning basierte Methoden zur Alterungsbestimmung" werden zunächst literaturbekanntere Modelle zur Alterung von Batteriezellen um statistische Informationen aus Labordaten erweitert und im Folgenden aus unterschiedlichen Modellansäten in ein Gesamtmodel hybridisiert. Dabei spielt die Abbildung von Modellunsicherheiten und Parameter-Variationen eine zentrale Rolle – methodisch werden neben statistischen Verfahren insbesondere auch Techniken des maschinellen Lernens eingesetzt. Eine anwendungsorientierte Analyse von ökonomischen und ökologischen Parametern in unterschiedlichen Use-Cases sowie eine Simulation des Alterungsverhaltens in Second-Life / Zero-Life Anwendungsfällen auf Basis der entwickelten Alterung-Prognose-Modelle rundet das Teilprojekt ab.

Arbeitspakete mit Beteiligung der HS-Kempten:
Im ersten Arbeitspaket werden zunächst die Anforderungen und Datenschnittstellen festgelegt, sowie geeignete Lastprofile für die folgenden Simulationen ausgewählt.

Das dritte Arbeitspaket dient zur Schaffung einer Basis für die Abschätzung der Lebensdauererwartung. Dabei fokussiert sich das Projektteam der Hochschule Kempten auf die Erweiterung eines literaturbekannten semi-empirischen Alterungsmodells um eine Berücksichtigung der Prognoseunsicherheit. Das Modell wird mit Hilfe vorhandener Labordaten parametriert, die Modellgüte in Abhängigkeit von Eingabedaten bewertet und im Anschluss als Open-Source Code zur Verfügung gestellt.

Im folgenden Arbeitspaket entwickelt der Industriepartner Sonnen ein Machine-Learning basiertes Systemalterungsmodell alleinig auf Basis von Felddaten. Die HS Kempten übernimmt eine Analyse der Prognosegüte. Auf Basis von Nullhypothesentests wird die Ausfallwahrscheinlichkeit von Feldsystemen aufgrund fortschreitender Alterung bewertet.

Im für die HS Kempten zentralen Arbeitspaket werden die verschiedenen Modellierungsansätze in BattLifeBoost auf Systemebene verglichen und zu einem Gesamtmodell zusammengeführt. Zunächst leitet die Hochschule aus dem im AP3 entwickelten Zellalterungsmodell ein Systemalterungsmodell ab. Die die drei zuweilen entwickelten Modelle zur Systemalterung werden in einem Benchmark unter verschiedenen Szenarien verglichen und in einem folgenden Schritt hybridisiert. Das resultierende Gesamtmodell soll unabhängig vom Anwendungsszenario eine bestmögliche Performance ermöglichen. Weiterhin wird eine Übertragung der bestehenden Modellierungsansätze hin zu einer Alterungsbewertung von neuen, noch unzureichend parametrierten Batteriezellen vorgenommen.

Im abschließenden Arbeitspaket übernimmt die Hochschule Kempten eine Bewertung der Alterungsauswirkung bei einer Belastungsänderung während dem Speicherbetrieb, also z.B. eine zusätzliche Bedienung von netzdienlichen Anwendungen zusätzlich zum Heimspeicherbetrieb. Ebenso werden "Second-Life" und "Zero-Life" Konzepte untersucht, also eine vorgelagerte oder nachgelagerte Nutzung von Automotive Batteriepacks in der stationären Anwendung.

Projektleitung

Prof. Dr. Holger Hesse

holger.hesse[at]hs-kempten.de

Projektdauer

01.10.2023 - 30.09.2026

Projektpartner

BMW AG
Sonnen GmbH
Technische Universität München

Projektträger

Foschungszentrum Jülich GmbH

Projektförderung

Bundesministerium für Wirtschaft und Klimaschutz

Förderprogramm

Energieforschungsprogramm der Bundesregierung

Addressierte SDGs (Sustainable Development Goals)