KI2L: Echtzeiterkennung von gesundheitszustandsrelevanten Prozessen in Lithiumionenbatterien durch KI-gestützte Charakterisierung zur ressourceneffizienten Erschließung des Nachnutzungspotenzials

Duration: From 01/01/2023 to 12/31/2025

Als wichtigste Kenngröße für die Zustandserfassung von Lithiumionenbatterien wird derzeit die unter spezifizierten Vorgaben bestimmte Entladekapazität der zu analysierenden Energiespeicher eingesetzt. Mit fortschreitender Alterung der Batterien ist dieses Vorgehen aufgrund einsetzender nichtli-nearer Effekte in verstärktem Maß fehlerbehaftet und zudem zeitaufwändig. Besonders bei der Rea-lisierung von Re-Use-Szenarien für vorgealterte Batteriezellen sind schnelle Charakterisierungsmethoden, intelligente Entscheidungshilfen für konkrete Nachnutzungspotenziale sowie automatisierte Demontageprozessschritte für den Austausch defekter Speicherbestandteile unerlässlich. Im vorliegenden Forschungsvorhaben sollen sowohl neuwertige als auch vorgealterte Lithiumionenbatteriezellen widerstandselektrisch analysiert sowie mit einem optischen Temperatur- und Deh-nungsfeldmesssystem auf Modulebene ausgestattet werden. Mittels forcierter Degradationsexperimente werden mithilfe der Zustandssensorik in Echtzeit Änderungen der Zellstatusparameter präzise erfasst, die in einer Alterungsvorgangsdatenbank nach den Qualitätsvorgaben der Distributed Ledger-Technologie gespeichert und für das Anlernen eines Neuronalen Netzwerkes verwendet werden. Mit diesem besteht die Möglichkeit im realen Speicherbetrieb sicherheitskritische Degrada-tionsvorgänge im Zellinneren frühzeitig vor Eintritt einer Schädigung zu erkennen und mit dem Bat-teriemanagementsystem zu kommunizieren. Bei Eintritt irreversibler Alterung werden betreffende Zellen somit identifiziert und können beim Übergang vom ersten in den zweiten Lebenszyklus durch ein nichtschädigendes Trennen der Ableiterverbindung mittels Laserprozessierung aus der Verschaltung herausgelöst werden. Dies ermöglicht eine effiziente Ausnutzung des Energiespeicherpotenzials der Batterie und führt zu einem zustandsangepassten Weiterbetrieb der Zellen in weniger beanspruchenden Anwendungen. Hierbei werden die Kriterien einer Kreislaufwirtschaft und Res-sourcenschonung in besonderer Weise berücksichtigt und erfüllt.

BMBF
Funding code / Order number:
03XP0499B
Funder / Client:
  • Bundesministerium für Bildung und Forschung
Partner:
Institut für Schweißtechnik und Trennende Fertigungsverfahren, TU Clausthal
Fraunhofer Heinrich-Hertz-Institut (HHI), Goslar (Projektkoordination)
AIM Systems GmbH, St. Ingbert
Plastic Omnium e-power GmbH, Salzgitter
intuitive.ai GmbH, Hamburg
EoT Labs GmbH, Berlin
Project management: