Der Batteriespezialist Varta entwickelt im Forschungsprojekt „Longer“ ein Batterie-Management auf Basis von maschinellem Lernen und künstlicher Intelligenz (KI). Es soll die typischen Betriebsweisen von Heimspeichern und deren Wirkung auf die Batterie präziser abbilden als heutige Software. Neben Varta Storage sind daran auch das Fraunhofer-Institut für Solare Energiesysteme ISE, Novum Engineering und TWT Science & Innovation beteiligt.
Die Alterung von Batterie-Speichern hängt stark von der Zahl und Tiefe der Ladezyklen ab, aber auch von vielen anderen Faktoren wie Lade- und Entladeleistung und Umgebungstemperatur. Weil sowohl die Vorgänge in der Batterie als auch das Nutzerverhalten sehr komplex sind, ist die Alterung mit herkömmlichen Methoden schwierig abzuschätzen und muss individuell betrachtet werden.
Benjamin Achzet, Research Coordinator der Varta Storage: „Heute absolvieren Batterie-Heimspeicher in der Regel 200 bis 300 Vollladezyklen pro Jahr und werden fast ausschließlich zur Speicherung von Solarstrom genutzt. In Zukunft wird der Heimspeicher zusätzlich als ‚Stromhändler‘ agieren und damit Energiekosten weiter senken sowie das Stromnetz aktiv entlasten.“
Lebensdauer von Batteriespeichern – Modelle für Batterie-Alterung
Dafür sind aber Speichersysteme mit höherer Zyklen-Stabilität nötig. Im Rahmen des Forschungsprojektes Longer nutzt Varta Künstliche Intelligenz, um im Zusammenspiel mit maschinellem Lernen Modelle des Nutzerverhaltens und der Batterie-Alterung zu entwickeln. Die Programme werden dazu auf Feldtest-Geräten des Heimspeichers Varta.wall implementiert.
Die KI soll nicht nur die Lastgänge in Gebäuden präzise analysieren, sondern auch lernen, wie die Batterie in einer bestimmten Situation wirklich entladen oder geladen werden sollte, um auf Dauer effizient zu arbeiten.
„Die KI lernt im Feldversuch eigenständig, wie sich ein bestimmtes Lastprofil auf den Zustand der Batterie, den State of Heath, auswirkt. Mit der Zeit kann sie den State-of-Health auch vorhersagen. Das erlaubt im nächsten Schritt eine vorausschauende Steuerung“, sagt Jens Haupt, Spezialist für Batteriealterung bei Novum Engineering. Ein solches, auf künstlicher Intelligenz basiertes Batterie-Management, kann die Kapazität der Batterie also optimal nutzen und zugleich ihre Lebensdauer maximieren.
Im Rahmen von Longer werden außerdem Simulationsmodelle der Speicher genutzt, um die KI-basierte Betriebsstrategie zielführend und effizient zu testen und validieren. „Effiziente Simulationsmethoden bzw. digitale Zwillinge erlauben eine Validierung nicht nur in vertretbaren Zeiten, sondern auch das Testen von Grenzszenarien, die in Labor aufwendig zu realisieren sind“, erläutert Alejandro Cárdenas, Simulationsexperte bei TWT Science & Innovation.
Für jeden Anwendungsfall die beste Strategie
Statt festen Regeln zu folgen, findet die KI für jeden Anwendungsfall die beste Strategie. „Typische Ertrags- und Verbrauchsmuster kennt die KI bereits und verfeinert sie ständig durch maschinelles Lernen. So kommt für jedes Haus ein angepasstes Energie- und Batterie-Management heraus. Je nach den persönlichen Wünschen maximiert es den Eigenverbrauch, minimiert die CO2-Emissionen oder optimiert die Wirtschaftlichkeit“, sagt Arne Groß, Softwareexperte am Fraunhofer ISE.
Die KI soll nach dem Projekt in Varta-Speichern eingesetzt werden. Varta will mit Hilfe der Technologie seine Speicher kontinuierlich verbessern, um perspektivisch einen Speicher mit lebenslanger Garantie anbieten zu können. (eve)
