"Früherkennung von Batteriefehlern: Neue maschinelle Lernmethoden steigern die Sicherheit von Lithium-Ionen-Akkus"
Früherkennung macht Lithium-Ionen-Batterien sicherer: Fortschritte durch maschinelles Lernen
Die sichere Nutzung von Lithium-Ionen-Batterien, die in Elektrofahrzeugen und stationären Energiespeichersystemen eingesetzt werden, hängt entscheidend von der Überwachung des Zustands und der frühen Fehlersuche ab. Fehler in einzelnen Batteriezellen können schwerwiegende Folgen haben, einschließlich Brände. Daher ist es von größter Bedeutung, innovative Ansätze zur Verbesserung der Sicherheit dieser Technologie zu entwickeln.
Neue Ansätze zur Batteriewachsamkeit
Forschende der Technischen Universität Darmstadt und des Massachusetts Institute of Technology (MIT) haben neuartige Methoden zur Analyse und Überwachung von Batterien entwickelt, die physikalisch fundierte Ansätze mit maschinellem Lernen kombinieren. Das Team, bestehend aus Joachim Schaeffer, Eric Lenz und Professor Rolf Findeisen von der TU Darmstadt sowie den Gruppen von Professor Richard Braatz und Professor Martin Bazant am MIT, hat ein Verfahren entwickelt, das es ermöglicht, zeitabhängige und betriebliche Veränderungen in Batteriezellen zu erkennen.
Das Herzstück dieser Methode sind rekursive Gaußprozesse, die in der Lage sind, große Datenmengen in Echtzeit zu verarbeiten. Diese Fähigkeit ermöglicht eine kontinuierliche Online-Überwachung von Batteriesystemen in der Zukunft.
Einzigartige Datensätze für die Forschung
Für diese Forschung konnte das Team auf einen einzigartigen Datensatz zurückgreifen: Ein Forschungspartner stellte anonymisierte Daten von 28 Batteriesystemen zur Verfügung, die aufgrund von Problemen an den Hersteller zurückgegeben wurden. Dieser Datensatz enthält über 133 Millionen Datenzeilen von 224 Batteriezellen und ist einer der ersten seiner Art, der öffentlich zugänglich gemacht wurde.
Die Ergebnisse der methodischen Entwicklungen und Analysen, die kürzlich in der Fachzeitschrift Cell Reports Physical Science veröffentlicht wurden, zeigen, dass oft nur eine einzige Zelle in einem Batteriesystem abnormale Verhaltensweisen aufweist. Dies kann jedoch Auswirkungen auf das gesamte System haben. Diese Erkenntnisse tragen zu einem besseren Verständnis darüber bei, wie Batterien altern und unter welchen Bedingungen sie versagen.
Auszeichnung für Datenöffnung
Joachim Schaeffer, Doktorand im Labor für Regelungstechnik und cyber-physikalische Systeme an der TU Darmstadt und am MIT, wurde für die während des Projekts produzierten offenen Daten mit dem MIT Open Data Prize ausgezeichnet. Von über 70 Einsendungen wurden zehn Preisgewinner ausgewählt, wobei die Bedeutung von Transparenz und Zugänglichkeit in der Forschung hervorgehoben wurde.
Fazit: Die Zukunft der Batteriesicherheit
Die neu entwickelten Methoden ermöglichen eine kontinuierliche Überwachung von Batterien, was die Sicherheit erheblich erhöhen kann. Durch die frühe Erkennung von Anomalien in einzelnen Zellen können potenzielle Sicherheitsrisiken rechtzeitig identifiziert und entsprechende Maßnahmen ergriffen werden. Angesichts der wachsenden Verbreitung von Lithium-Ionen-Batterien in verschiedenen Anwendungen ist der Fortschritt in der Überwachung und Datenauswertung nicht nur entscheidend für die Sicherheit der Verbraucher, sondern auch für die Optimierung der gesamten Technologie.
Für weitere Informationen über diese bedeutenden Fortschritte in der Sicherheitsforschung von Batteriesystemen besuchen Sie die Studie unter: Gaussian Process-Based Online Health Monitoring and Fault Analysis of Lithium-Ion Battery Systems From Field Data.
Durch solche innovativen Ansätze, die sowohl physikalisches Wissen als auch moderne maschinelle Lerntechniken nutzen, können wir zunehmend sicherere und effizientere Batteriesysteme entwickeln, die den Anforderungen der Zukunft gerecht werden.