i2Batman

Intelligent, individual battery management using spectroscopy and machine learning

Das i2Batman Projekt hat es sich zur Aufgabe gemacht, die Vorteile von Machine-Learning (ML) Algorithmen zu nutzen, um die Lebensdauer der Lithium-Ion Zellen von elektrisch betriebenen Fahrzeugen zu verlängern. Dabei soll eine Künstliche Intelligenz (KI) mit genügend Live-Daten versorgt werden, um zuverlässig Veränderungen der Zelle durch Alterung zu erkennen und gleichzeitig die Lade- und Entladeprotokolle entsprechend einer Maximierung der Lebensdauer anzupassen.

Eine beliebte Methode zur Analyse von Lithium-Ion Zellen ist die Elektrochemische Impedanz Spektroskopie, kurz EIS. Hierbei wird die Zelle mit periodischen Signalen verschiedener Frequenzen angeregt und mit Hilfe der Antwort des Systems ein Impedanzspektrum berechnet.

Die Realisierung einer solchen Messung, beispielsweise während der Fahrt eines Elektroautos, ist aufgrund der langen Messzeit nicht möglich. Daher werden im Laufe des Projekts stochastische Anregungsmethoden entwickelt, welche eine in-operando Impedanzanalyse des Systems ermöglichen sollen.