Die Alterung von Batteriespeichern 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.
Unser kostenloser Newsletter: alle Informationen rund um die solare Energiewende im Abo!
Im Rahmen von Longer nutzt der Konzern Varta nun KI, um im Zusammenspiel mit maschinellem Lernen Modelle des Nutzerverhaltens und der Batterie-Alterung zu entwickeln. Die Programme werden dazu auf Feldtest-Geräten des Heimspeichers Vartawall implementiert. „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 quasi als Stromhändler agieren und damit Energiekosten weiter senken sowie das Stromnetz aktiv entlasten“, erklärt Benjamin Achzet von Varta Storage. Dafür seien aber Speichersysteme mit höherer Zyklenstabilität nötig.
Neue Generation des individuellen Batterie-Managements
Das Forschungsprojekt Longer, das noch bis Ende 2025 läuft, soll dabei helfen, Speicher für die neuen Aufgaben fit zu machen. Neben der Varta Storage als Koordinator sind daran auch das Fraunhofer ISE, Novum Engineering und TWT GmbH Science & Innovation beteiligt. Die KI soll nach dem Projekt in Speichern von Varta eingesetzt werden.
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. Er ist spezialist für Batteriealterung bei Nvum Engineering. Der Vorteil: Ein solches, auf künstlicher Intelligenz basiertes Batterie-Management, kann die Kapazität der Batterie also optimal nutzen und zugleich ihre Lebensdauer maximieren.
Die beste Strategie statt Regeln
Im Rahmen von Longer werden zudem Simulationsmodelle der Speicher genutzt, um die KI-basierte Betriebsstrategie zielführend und effizient zu testen und validieren. "Effiziente Simulationsmethoden oder 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 GmbH Science & Innovation.
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 vom Fraunhofer ISE. (nhp)
Weitere aktuelle News:
KI beschleunigt Zertifizierung
Stromspeicher-Inspektion: Lithiumakkus im Vergleich klar im Vorteil
