Aufgabenbeschreibung

Motivation

Die genaue und zuverlässige Ermittlung des Ladezustandes (SOC) einer Batterie ist eines der wichtigsten Themen der Batterieforschung. Der Ladezustand ist nicht direkt messbar und muss mithilfe von Algorithmen geschätzt werden. Eine genauere Schätzung verhindert eine Überdimensionierung der Batterie bzw. ermöglicht eine effizientere und sichere Nutzung der realen Kapazität, womit sie auch einen direkten Einfluss auf die Wirtschaftlichkeit der Batterie hat. Dazu werden in der Literatur zahlreiche Schätzungsalgorithmen auf Basis künstlicher Intelligenz vorgestellt.

Zu den wichtigsten Methoden zählen unter anderem die Klassen von künstlichen neuronalen Netzen (KNN) wie z. B. Feed-Forward Neural Network (FFNN), Recurrent Neural Network (RNN), Long Short Term Memory (LSTM) Network etc.

Aufgabenstellung

Ziel dieser Arbeit ist die Entwicklung eines KNN zur Schätzung des Ladezustandes (SOC) von Lithium-Ionen-Batterien. Hierzu wird zuerst unterschiedliche KNN-Architekturen bewertet und die ausgewählte KNN-Architektur in Matlab/Simulink implementiert. Im Weiteren wird der implementierte Algorithmus anhand der vorhandenen Testdaten trainiert und validiert. Schließlich wird der Algorithmus auf einen FPGA mit realen Zellen evaluiert.

Im Einzelnen umfasst die Arbeit folgende Punkte:

• Literaturrecherche
• Auswahl und Implementierung der KNN-Architektur
• Training und Validierung des Algorithmus
• Evaluierung des Algorithmus auf FPGA