Der Markt wächst rasant: Immer mehr Großspeicher gehen in Betrieb, um überschüssigen Strom, den Solarpaneele und Windräder erzeugen, zu speichern und bei Bedarf wieder ins Netz einzuspeisen, oder auch um Personen- und Lastkraftwagen beziehungsweise Züge oder Schiffe klimaneutral zu betreiben.
Die Anforderungen an solche Batteriegroßspeicher sind hoch. Sie müssen Mega- mitunter auch Gigawatt an elektrischer Leistung aufnehmen und über tausende von Ladungs- und Entladungszyklen hinweg zuverlässig arbeiten. Die Voraussetzung hierfür ist, dass Zehntausende von Lithium-Ionen-Zellen – die zu Modulen gebündelt und zu Packs zusammengefasst werden – innerhalb bestimmter Spannungsgrenzen funktionieren.
Digitaler Zwilling erkennt Fehler und Störungen
„Übliche Batteriemanagementsysteme, die zur Steuerung und Überwachung von Batteriegroßspeichern eingesetzt werden, geben Aufschluss darüber, ob Grenzwerte, beispielsweise für Temperatur oder Spannung, verletzt werden. Wenn dies der Fall ist, muss der Speicher umgehend abgeschaltet werden“, berichtet Alexander Reiter. Der Maschinenbauer entwickelt in seiner Dissertation an der Hochschule München (HM) ein Computermodell für Batteriegroßspeicher. Mit Hilfe dieses Digitalen Zwillings lassen sich während des Betriebs Fehler an einzelnen Zellen detektieren und Störungen prognostizieren – lange bevor die absoluten Grenzwerte verletzt werden und ein Ausfall des ganzen Systems zu massiven wirtschaftlichen Einbußen führt.
„Auf der Ebene der einzelnen Zellen kündigen sich Systemausfälle schon sehr früh an“, sagt Reiter. „Allerdings ist eine tatsächliche messtechnische Überprüfung einzelner Zellen im Betrieb nur bedingt möglich, weswegen hier häufig zu Simulationsmodellen gegriffen wird. Ein solches Simulationsmodell für jede einzelne Zelle im System zu rechnen, wäre allerdings viel zu aufwändig.“
Störungen werden prognostizierbar
Mit dem Digitalen Zwilling lassen sich Abweichungen vom erwarteten durchschnittlichen Verhalten der Zellen sichtbar machen. „Wir nutzen für die Fehlersuche statistische Verfahren“, erklärt der Forscher. Das Modell wird im ersten Schritt mit den technischen Parametern des Herstellers und Charakterisierungsmessungen am System kalibriert – beispielsweise der Zahl der Zellen und Module, der Kapazität und dem Innenwiderstand sowie den zu erwartenden Streuungen der Parameter. Auf Basis dieser Daten lässt sich dann eine statistische Verteilungskurve errechnen, die anzeigt, wie sich die Zellen im Betrieb verhalten müssten.
Der Digitale Zwilling durchläuft nun in Echtzeit die gleichen Lade- und Entladezyklen wie der reale Speicher und klärt dabei permanent ab, ob das tatsächliche Verhalten, zum Beispiel die Verteilung der Zellspannungen, mit der zuvor berechneten Verteilungskurve übereinstimmt. „Mit Hilfe dieser Modelle können wir die Abweichung von Einzelzellen von ihrem statistisch erwartbaren Verhalten darstellen“, betont Reiter. Ausfälle einzelner Zellen lassen sich auf diese Weise schnell erkennen – Störungen werden prognostizierbar.
Schutz vor Systemausfällen in der Schifffahrtsbranche
„Die Methode ist einfach und direkt umsetzbar“, betont HM-Professor Oliver Bohlen, Leiter des Forschungsbereichs Elektrische Energiespeicher an der Hochschule München. Der Forschungspartner Everllence der unter anderem Speichersysteme in der hybriden Schifffahrt einsetzt, profitiere unmittelbar von den Forschungsergebnissen: „Das Unternehmen kann auf der Basis dieser Methoden bestehende Verfahren zur frühzeitigen Erkennung von Fehlern weiter verbessern, um Systemausfällen im Betrieb vorzubeugen.
