Datenbasierte Detektion von Batteriefehlern

Lithium-Ionen-Batterien (LIB) sind das Herzstück vieler Anwendungen – von Smartphones und Laptops über Elektrofahrzeuge bis hin zu stationären Energiespeichersystemen. Obwohl die Technologie grundsätzlich sehr sicher ist, entsteht durch die große Verbreitung und die hohe Anzahl an Zellen statistisch ein relevantes Fehlerrisiko. Mögliche Folgen reichen von Überhitzung und Überladung über Fehlfunktionen bis hin zu Bränden. Daher ist eine frühzeitige Erkennung und Behebung potenzieller Probleme entscheidend, um Sicherheit, Effizienz, Lebensdauer und Wirtschaftlichkeit der Batterien zu erhöhen.

Mit steigender Nachfrage nach zuverlässigen und sicheren Energiespeicherlösungen wächst auch der Bedarf an wirksamen Diagnose- und Überwachungssystemen. Zwar existieren bereits viele Methoden zur Fehlererkennung, diese sind jedoch häufig sehr spezifisch und lassen sich nur eingeschränkt auf die Vielfalt realer Einsatzfälle übertragen.

Hier setzt Detect Batt an: Das Projekt vergleicht verschiedene Detektionsmethoden mithilfe eines standardisierten Klassifizierungsschemas und entwickelt einen „Präzedenz-Batterie-Abuse-Versuch“, um die Wirksamkeit unter realistischen Bedingungen zu bewerten – sowohl in lastfreien als auch belasteten Betriebszuständen mobiler und stationärer Speicher. Neben einer möglichst niedrigen Ansprechschwelle werden Kriterien wie Kosten, Anwendbarkeit, Sensitivität, Rechenaufwand und Verfügbarkeit berücksichtigt. Zudem wird untersucht, wie die Methoden mit geeigneter Sensorik in ein Batteriesystem integriert und die Datenverarbeitung über das Batteriemanagementsystem oder ein System mit begrenzter lokaler Rechenkapazität umgesetzt werden kann. Ergebnis ist eine Prüfvorschrift zur standardisierten Bewertung von Detektions- und Überwachungsmethoden für elektrochemische Energiespeicher (am Beispiel von LIB).