Startseite > Power > Energiespeicher > Welche Ladezustands- Bestimmung eignet sich für LiFePO4/Li4Ti5O12 ?

Akkus

Welche Ladezustands- Bestimmung eignet sich für LiFePO4/Li4Ti5O12 ?

19. Dezember 2013, 13:28 Uhr | Von Prof. Dr. Jonny Dambrowski

▶ Diesen Artikel anhören

Fortsetzung des Artikels von Teil 3

Methoden des Soft Computing

Soft-Computing-Methoden zur Ladezustandsbestimmung arbeiten vielfach als selbstlernende Funktionsapproximatoren - durch Training mit verschiedenen Entladekennlinien und Regeln. Als Eingangsdaten können Klemmspannung U_Kl, Entladeschlusspannung U_LS, der Klemmstrom I_KL, die Impedanz R_i, die Zellen-oder Umgebungstemperatur T_Zelle bzw. T_U dienen. Der Ladezustand SOC ist die Ausgangsgröße. In rekursiv implementierten Verfahren dient zusätzlich auch der Ladezustand des vorhergehenden Zeitschrittes als Eingangsgröße (Bild 12).

Als universelle Verfahren sind Soft-Computing-Methoden unabhängig von der chemischen Zusammensetzung und Bauart des Speichers. Sie sind robust gegenüber Störungen in den Eingangsdaten und benötigen nur wenig bis gar kein Wissen über die Interna eines Akkus. Von wesentlicher Bedeutung ist jedoch ihre intrinsische Anwendbarkeit auf nichtlineare, dynamische Systeme. Darüber hinaus können sie auf Mikrocontrollern implementiert werden und lassen sich in Batteriemanagementsystemen integrieren.

Nachteilig ist jedoch, dass eine große Menge an Trainingsdaten oder Expertenwissen für alle im Betrieb der Anwendung auftretenden Zustände benötigt wird. Eine Extrapolation auf Bereiche außerhalb der trainierten Betriebszustände ist nicht möglich, weshalb für einen erfolgreichen Einsatz dieser Verfahren langwierige und aufwendige Trainingszyklen durchlaufen werden müssen.

Eines der größten - und in den meisten Fällen auch mathematisch noch ungeklärten - Probleme von Soft-Computing-Methoden ist die Sicherstellung der Konvergenz an sich. Selbst wenn die Konvergenz auf die Trainingsdaten erreicht werden kann, so bleibt unklar, mit welcher Geschwindigkeit dies geschieht. Die wenigen Beweise, die hierzu existieren, formulieren sehr einschränkende Voraussetzungen, die in der Praxis sehr schwierig bzw. aufwendig nachzuweisen sind.

Durch Kombination mehrerer Verfahren, die Wissen aus dem Speicher extrahieren, z.B. Systemtheorie oder Fuzzy-Expertenwissen, lassen sich die Trainingszeiten erheblich reduzieren. Methoden des Soft Computing sind also prinzipiell für die SOC-Bestimmung an LFP/LTO-Akkus geeignet. Hierzu sind jedoch noch vertiefende Forschungsarbeiten notwendig.

Erste Erkenntnisse sind wegweisend

Die Analyse der bei Blei- und Li-Ionen-Akkus etablierten Verfahren zur Ladezustandsbestimmung zeigt, dass die sehr häufig eingesetzte Ruhespannungsmethode sich nicht für LFP/LTO-Akkus eignet. Gleiches gilt für die auf dem ohmschen Innenwiderstand basierenden Verfahren zur SOC-Bestimmung. Auch eine Kombination der U₀-Methode (SOC_V) mit Ah-Bilanzierung (SOC_Ah) und der anschließenden affinen Kombination SOC = (1 − w) SOC_Ah + w SOC_V und Gewichtsfaktor w → [0, 1], wie sie vielfach in den Publikationen [17, 18] u.v.a. anzutreffen ist, scheidet aus.

Ebenso ungeeignet ist der bei Bleiakkus eingesetzte Hybridalgorithmus aus Innenwiderstandsmessung (SOC_R) zusammen mit einer Ah-Bilanzierung (SOC_Ah) und einem Kalmanfilter, das den Gewichtungsfaktor w in der affinen Kombination SOC = (1 − w) SOC_Ah + w SOC_R in jedem Zeitschritt justiert [1]. Gleichwohl konkrete Ansätze zur Ladezustandsbestimmung bei LFP/LTO-Zellen in Gestalt der Ah-Bilanzierung und der EIS angegeben wurden, ist jedoch zu betonen, dass diese noch in weiteren Forschungsarbeiten vertieft werden müssen.

Die dem Aufsatz zugrundeliegende Forschungsarbeit entstand mit freundlicher Unterstützung der Deutronic Elektronik GmbH.