- Batterietechnik Porsche Engineering entwickelt digitalen Zwilling der Hochvoltbatterie
- Kombination aus Modellen und Felddaten
- KI-Algorithmen trainieren
- Erste Funktion
- Blick in die Zukunft
Batterietechnik Porsche Engineering entwickelt digitalen Zwilling der Hochvoltbatterie
Die Batterie gilt als wichtigste Komponente eines Elektrofahrzeugs. Nicht nur in puncto Kapazität und damit Reichweite, sondern auch, weil sie den Restwert eines Stromers erheblich beeinflussen. Um Aufschluss darüber zu geben, wie Batteriezellen und -systeme altern und welchen Einfluss das Nutzungsverhalten auf ihre Lebensdauer hat, arbeitet Porsche Engineering an einem digitalen Zwilling.
Um die Hochvoltbatterie von Elektrofahrzeugen zu optimieren, verfolgt Porsche Engineering den Ansatz des digitalen Zwillings. „Wir müssen verstehen, wie sich die Zellen langfristig im Feld verhalten – ohne auf langjährige Erfahrungen wie beim Verbrenner zurückgreifen zu können“, erklärt Dr. Joachim Schaper, Leiter KI und Big Data bei Porsche Engineering. Hier kommt der digitale Zwilling ins Spiel: Die digitale Repräsentation der Batterie verhält sich exakt wie das Original und gibt Aufschluss über den zu erwartenden Alterungsprozess. Außerdem lässt sie sich nutzen, um Lebensdauer und Leistung der Batterie zu verbessern. KI-Experten von Porsche Engineering an den Standorten Deutschland und Tschechien arbeiten darum mit Hochdruck am digitalen Batteriezwilling.
Kombination aus Modellen und Felddaten
Um einen Digitalen Zwilling der Batterie zu erschaffen, sieht man ein modulares, skalierbares Framework zur Integration bestehender und zukünftiger Modellkomponenten vor. Grundlage ist ein Performance-Modul, das das elektrische Verhalten der Batterie vereinfachend beschreibt und auf Ansätzen wie dem Resistor-Capacitor-Modell aufbauen kann. Hinzu kommt ein komplexeres elektrochemisches Modell, das die Interaktion zwischen Anode, Kathode und Elektrolyt simuliert. Mit dem thermischen Modell wiederum lässt sich vorausschauen, wie die Batterie auf Kälte oder Wärme reagiert.
KI-Algorithmen trainieren
Mithilfe der Felddaten werden KI-Algorithmen darauf trainiert, Muster im Nutzungsverhalten der Kunden zu erkennen. Beispielsweise können Temperatur- oder Spannungsabweichungen in einzelnen Zellen Anzeichen für einen frühzeitigen Verschleiß und Anomalien sein. Allerdings kann eine künstliche Intelligenz nur das erkennen, wozu auch eine Datenbasis im Feld vorliegt. Aussagen zu langfristigen Alterungseffekten kann sie nicht treffen, weil kaum ein Stromer auf der Straße älter als vier Jahre ist. Deshalb kombiniert das Unternehmen Methoden der künstlichen Intelligenz mit bestehen modellbasierten Bausteine.
Erste Funktion
Aus der Arbeit am digitalen Batteriezwilling ist eine erste Funktion hervorgegangen: Die Repair Prediction basiert auf einem Machine-Learning-Algorithmus, der die Batteriedaten überwacht und bei Anzeichen von Verschleiß oder Anomalien warnt.
Blick in die Zukunft
Fernziel ist, nicht nur einen generellen Digital Battery Twin zu erschaffen, sondern auch eine digitale Repräsentanz individueller Fahrzeugbatterien. Sie könnte in der Cloud laufen und auf Wunsch Hinweise geben, wie der Nutzer mit seinem Verhalten die Lebensdauer der Batterie verlängern kann, ohne dass die Fahrleistung leidet. Einige Faktoren, die sich positiv auf die Haltbarkeit auswirken, sind bekannt: Der Ladezustand (State of Charge, SoC) sollte konstant zwischen 30 und 70 Prozent gehalten und extreme Außentemperaturen vermieden werden.
Denkbar ist sogar, mithilfe des digitalen Doppelgängers in Zukunft das Fahrzeug zu personalisieren. Ein Beispiel, die Porsche Engineering dabei nennt, ist die Analyse des Fahrstils und die Anpassung der BMS-Parameter darauf., um den Verschleiß zu reduzieren. Des Weiteren könnten digitale Zwilling zukünftig wichtige Erkenntnisse für die Entwicklung neuer Batterien liefern – über die Automobilindustrie hinaus. (se)