Masterand*in Modellbasierte Zustandsbestimmung von Energiespeichern in der Elektromobilität

Das Fraunhofer-Institut für Betriebsfestigkeit und Systemzuverlässigkeit LBF in Darmstadt arbeitet mit Industrie und Forschung auf nationaler und internationaler Ebene an führender Stelle. Die Forschungsaufgaben des Instituts orientieren sich an konkreten Fragestellungen im Bereich der Betriebsfestigkeit, Systemzuverlässigkeit, Adaptronik und Kunststoffe.

Sicherheit und Zuverlässigkeit von elektrischen Mobilitätsträgern sind für die Kundenakzeptanz von großer Bedeutung und gleichwertig zu Reichweite, Komfort und Preis. Sicherheit und Zuverlässigkeit müssen daher von Anfang an in der Produktentwicklung berücksichtigt werden. In der Gruppe "Systemzuverlässigkeit - Future Mobility" forschen wir an der Entwicklung und Anwendung experimenteller und numerischer Verfahren zur Validierung und Gestaltung der Systemzuverlässigkeit komplexer Systeme der Elektromobilität zu Land und Luft. Im Zentrum unserer Arbeiten stehen die Validierung und Entwicklung elektrischer Batteriespeicher.
 

Ab sofort sucht die Gruppe „Systemzuverlässigkeit Future Mobility", für den Standort Darmstadt-Kranichstein, eine*n Masterand*in.

Elektrostraßenfahrzeuge nutzen elektrochemische Energiespeicher, die aus einer Vielzahl von Einzelzellen aufgebaut werden. Bei den heute dominierenden Lithium-Ionen Sekundärzellen erfolgen die Lade- und Entladevorgänge durch (De‑)Interkalationsprozesse, die in Abhängigkeit einer Vielzahl von Parametern zunehmend weniger reversibel verlaufen und schließlich zu unerwünschten Alterungszuständen führen.

Das Fraunhofer LBF forscht und arbeitet daher an Alterungsmodellen für Energiespeicher in mobilen Systemen, um die in der Nutzung auf einen Energiespeicher wirkenden elektrischen, thermischen und mechanischen Einflüsse computerbasiert zu analysieren und hinsichtlich Alterung bewerten zu können. Zustandsbewertung und Alterungsprognose solcher Energiespeicher machen z. B. den Zugriff auf große Datenmengen aus der betrieblichen Nutzung, die Anwendung von Methoden des maschinellen Lernens sowie die Integration von Expertenwissen in das Modell notwendig.

Ziel der Arbeit ist die Entwicklung eines strukturierten Datenverarbeitungs- und analyseverfahrens, das auf die rechenzeiteffiziente Behandlung von Zeitreihen und daraus abgeleiteter Größen ausgerichtet ist, um Abhängigkeiten und Wechselwirkungen unterschiedlicher physikalischer Domänen im Hinblick auf elektrochemische Energiespeicher zu beschreiben. Die genaue Festlegung des Schwerpunkts der Arbeit erfolgt nach Rücksprache.