Charge.COM - Entwicklung diagnostischer Ladeverfahren für gewerbliche Elektrofahrzeuge

Ansprechpartner: Philip Bilfinger, M .Sc.

Problemstellung

Lithium-Ionen-Batteriesysteme sind im Betrieb von Elektrofahrzeugen komplexen Alterungsmechanismen unterworfen.  Bei einer längeren Betriebszeit führt dies zu einer Reduzierung der zur Verfügung stehenden Energiemenge und damit Reduzierung der elektrischen Reichweite des Fahrzeugs. Gleichzeitig sorgen variierende Last- und Umgebungsbedingungen in verschiedenen Fahrzeugen für unterschiedliche Alterungsverhalten innerhalb einer Flotte. Insbesondere Betreiber gewerblicher Flotten stehen hier vor Herausforderungen, da die Routenwahl meist nicht durch den Fahrer erfolgt, sondern über einen Leitstand (Disposition) vorgegeben wird. Die Erfüllung der Reichweitenanforderungen einer zugewiesenen Route, wie beispielsweise einer Langstrecke in der Logistik oder einem ÖPNV-Einsatz durch das elektrische Flottenfahrzeug, ist damit nicht immer gewährleistet. Üblicherweise bestehen Flotten aus Fahrzeugen verschiedener Hersteller, die keine einheitliche Datenschnittstelle zur Übermittlung des Batteriezustands zur Verfügung stellen.

Ziele des Vorhabens

Das Forschungsvorhaben adressiert den Bedarf nach einer fahrzeugunabhängigen Batteriediagnose im Zuge des Ladevorgangs, um Flottenbetreibern fahrzeugspezifisch und cloudbasiert Informationen über den Batteriezustand zur Fahrzeugdisposition zur Verfügung zu stellen. Die Projektpartner arbeiten hierzu über die Dauer von drei Jahren an der Entwicklung diagnostischer Algorithmen für Ladephasen von Elektrofahrzeugen, um durch erweiterte Ladekommunikationsprotokolle den Batteriezustand präzise zu bestimmen.

Diesbezüglich wird ein einzigartiges Prüffeld aufgebaut werden, welches durch Simulation verschiedener Batteriesysteme und Gesundheitszustände die Erprobung der Algorithmen im Hardware-in-the-Loop (HIL) Test anwendungsnah ermöglicht. Die so erfassten Daten über den aktuellen Fahrzeugzustand schaffen die Basis für die Anwendung von Methoden der predictive analytics, d.h. Vorhersagemodellen, aus denen Handlungsempfehlungen für den optimalen Einsatz von gewerblichen Fahrzeugen abgeleitet werden können.