Direkt zum Inhalt springen
login.png Login join.png Register    |
de | en
MyTUM-Portal
Technical University of Munich

Technical University of Munich

Sitemap > Bulletin Board > Diplomarbeiten, Bachelor- und Masterarbeiten > Forschungspraxis / Abschlussarbeit: Temperaturschätzung für Batteriezellen mit Impedanzspektroskopie
up   Back to  News Board    previous   Browse in News  next    

Forschungspraxis / Abschlussarbeit: Temperaturschätzung für Batteriezellen mit Impedanzspektroskopie

21.09.2021, Diplomarbeiten, Bachelor- und Masterarbeiten

In modernen Elektrofahrzeugen werden Batteriesysteme verwendet, die aus vielen Lithium-Ionenzellen aufgebaut sind. Um die Betriebssicherheit zu gewährleisten, müssen die Temperaturen der Zellen überwacht werden. Stand der Technik ist, dass dafür ein gewisser Teil der Zellen mit Temperatursensoren ausgestattet ist. Die Sensoren werden üblicherweise an den Zellpolen oder dem Zellgehäuse angebracht. An dieser Methode ist problematisch, dass die Temperatur im Kern der Zelle um einige Kelvin von der Gehäusetemperatur nach oben abweichen kann und sich dynamischer ändert. Für den zuverlässigen Betrieb der Zelle im thermischen Grenzbereich, wie z. B. beim Schnellladen oder bei Spitzenlasten, ist daher ein thermisches Modell notwendig, mithilfe dessen von der Gehäuse- auf die Kerntemperatur geschlossen werden kann. Eine direktere Bestimmung der Kerntemperatur ist vorteilhaft. Dafür könnten beispielsweise Temperatursensoren in die Zelle eingebaut werden, was sich bisher aber als schwierig erweist. Stattdessen wurde gezeigt, dass das Messverfahren der Impedanzspektroskopie dafür geeignet ist.

Auf dem Gebiet der Temperaturschätzung wurden bei uns bereits mehrere Arbeiten durchgeführt. Im Rahmen dieser Arbeit soll ein Verfahren konzipiert und implementiert werden, das anhand des Impedanzspektrums einer Zelle deren Kerntemperatur bestimmt. Aus der wissenschaftlichen Literatur sind bereits verschiedene Konzepte bekannt. Unserer Ansicht nach sind die Möglichkeiten aber bei weitem noch nicht ausgeschöpft, denn Machine Learning hält hier noch weit mehr Ansätze bereit. Für die Validierung des entwickelten Verfahrens stehen Datensätze aus vorhergehenden Experimenten sowie Messinstrumente mit verschiedenen Eigenschaften zur Verfügung, mit denen eigene Experimente an verschiedenen Zelltypen durchgeführt werden können.

Die Arbeit findet in der Forschungsgruppe Elektromobilität und Lernfähige Systeme (ELS) im Kontext eines laufenden Kooperationsprojekts mit der AUDI AG in Ingolstadt statt. Sie wird von Prof. Endisch vom Lehrstuhl für elektrische Antriebssysteme und Leistungselektronik (EAL) betreut. Es besteht grundsätzlich die Möglichkeit eine Forschungspraxis mit einer anschließenden Masterarbeit zu kombinieren. Studenten erwartet bei uns eine erstklassige Betreuung durch unsere wissenschaftlichen Mitarbeiter und eine sinnstiftende Tätigkeit. Dafür erwarten wir überdurchschnittliche Leistungen und Engagement, die Fähigkeit zur eigenverantwortlichen kreativen Forschungs- und Entwicklungsarbeit sowie Lernbereitschaft und -fähigkeit.

Erforderliche Qualifikationen
- Sehr gute Leistungen in einem ingenieurwissenschaftlichen Studiengang
- Fähigkeit zur eigenverantwortlichen kreativen Forschungs- und Entwicklungsarbeit
- Lernbereitschaft und -fähigkeit

Nützliche Kenntnisse
- MATLAB
- Parameterschätzung
- Machine Learning

Kontakt: Prof. Dr.-Ing. Christian Endisch – els.eal@ei.tum.de

Todays events

no events today.

Calendar of events