A Data-Driven Fleet Service: State of Health Forecasting of Lithium-Ion Batteries
Die Dissertation von Dr.-Ing. Friedrich von Bülow beschäftigt sich mit der Vorhersage des Gesundheitszustands (State of Health, SOH) von Lithium-Ion Batterien mithilfe von Machine Learning Modellen. Dabei liegt der Fokus auf der Anwendung im praktischen Kontext von Batteriesystemen in batterieelektrische Fahrzeuge (BEVs) unter Nutzung von Flotten-Betriebsdaten.
Wir haben Friedrich zu seiner Dissertation befragt:
In welchem Kontext ist deine Dissertation entstanden? Welche Projekte oder anderen Faktoren haben deine Dissertation besonders beeinflusst?
Meine Dissertation ist als Industriepromotion im Rahmen des Volkswagen Doktorandenprogramms bei der Group Innovation des Volkswagen Konzerns entstanden. Dieses industriell-automobile Umfeld des Volkswagen Konzerns hat die Motivation der Dissertation und die Forschungsfragen direkt beeinflusst. So waren die Gespräche mit den Kollegen aus den verschiedenen Konzern-Marken wichtig. Deshalb war ein zentralen Faktor meiner Dissertation von Anfang die Anwendbarkeit der Methodik in der Praxis. Auch die Zusammenarbeit und der Austausch mit den anderen Doktoranden und Alumni des VW Doktorandenprogramms sowie der weiteren Konzern-Marken hat meine Arbeiten positiv voran gebracht. Schließlich vervollständigte das TMDT dieses vielfältige Ökosystem aus verschiedenen Fachbereichen und Perspektiven.
Welchen Beitrag leistet deine Arbeit zum Forschungsfeld?
Mein Ziel war es die Betriebsdaten von batterieelektrischen Fahrzeugflotten nutzbar zu machen, um Aussagen über das Alterungsverhalten der Batterien unter realer Fahrzeugnutzung zu ermöglichen.
Meine Arbeit fokussiert sich darauf Daten von Batteriesystem aus dem realen Flottenbetrieb zu verwenden. Diese unterscheiden sich charakteristisch von Labordaten einzelner Batteriezellen hinsichtlich Datenvolumen und -variabilität, die bislang in der Forschung meist verwendet werden. Außerdem sollte das Modell auch in der Praxis von z.B. Flottenmanagern einer batterieelektrischen Fahrzeugflotte verwendet werden können, die den Alterungszustand der Batterien ihrer Fahrzeuge vorhersagen und den Flotten-Betrieb bezüglich der Batteriealterung optimieren wollen.
Wie geht es nun für dich und das Thema weiter?
Die Ergebnisse meiner Dissertation wurden von den relevanten Fachabteilungen in verschiedenen Konzern-Marken aufgegriffen und haben dort Einfluss in die weitere Entwicklung gefunden. Insgesamt widmen sich in dem Forschungsgebiet mehr und mehr Arbeiten der Nutzung von realen Flottendaten, sodass hier noch einige Fortschritte zu erwarten sind. Viele Fragen z.B. zum kontinuierlichen Weitertrainieren der Modelle mit neuen Daten (Continual Learning) sind noch offen. Auch werden neue Entwicklungen der Batterie-Technologie wie neue Batterie-Chemien und- packvarianten zu berücksichtigen sein.
Ich freue mich darauf bei Volkswagen weiter mit Fahrzeugdaten und darauf basierenden daten-getriebenen Fahrzeugfunktionen und -services arbeiten zu können.
