Forschende der TU Darmstadt und des MIT entwickeln KI-Methoden zur Echtzeit-Überwachung von Lithium-Ionen-Batterien, um Brände und Ausfälle zu verhindern.
Lithium-Ionen-Batterien sind unverzichtbar für Elektrofahrzeuge und Energiespeichersysteme, aber ihre hohe Energiedichte birgt auch Risiken, wie etwa Überhitzung oder Brände. Forschende der TU Darmstadt und des Massachusetts Institute of Technology (MIT) haben nun ein System zur Überwachung von Lithium-Ionen-Batterien entwickelt, das die Sicherheit durch frühzeitige Fehlererkennung deutlich erhöht. Hierbei kommen maschinelle Lernmethoden zum Einsatz, die es ermöglichen, kleine, zeitliche Veränderungen in Batteriezellen aufzuspüren.
Lithium-Ionen-Batterien sind leistungsstark, jedoch anfällig für Schäden durch mechanische Einflüsse oder falsche Lagerung und Ladung. Neben der Überwachung des Batteriezustands ist auch der sichere Umgang entscheidend, um Risiken wie Brände zu minimieren. So sollten Batterien beispielsweise vor Hitze geschützt und nur mit geeigneten Ladegeräten geladen werden, um Überladung zu vermeiden.
Das von den Forscherteams entwickelte System kombiniert einfache physikalische Modelle mit maschinellem Lernen, um etwaige Fehler frühzeitig zu identifizieren. Die Methode basiert auf rekursiven Gauß-Prozessen, die es ermöglichen, Veränderungen in den Zellen zu erfassen und große Datenmengen effizient zu verarbeiten. Dadurch kann eine kontinuierliche Überwachung und Analyse in Echtzeit erfolgen.
Diese Forschungsarbeit trägt dazu bei, die Sicherheit von Batteriesystemen in Elektrofahrzeugen zu erhöhen und die Batterielebensdauer durch eine optimierte Überwachung zu verlängern. (ja)