Künstliche Intelligenz für höhere Batteriespeicher-Lebensdauer

Das Forschungsprojekt soll dabei helfen, dass Speicher zukünftig als  sogenannte Stromhändler agieren.
Bild: Varta

Gemeinsam mit namhaften Partnern entwickelt Varta 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, um die verfügbare Batteriekapazität optimal auszunutzen und zugleich die Batterie zu schonen. Das führe zu einer höheren Lebensdauer der Batterie, weniger Materialeinsatz und niedrigeren CO₂-Emissionen bei geringeren Kosten. Neben der Varta Storage GmbH als Koordinatorin sind an dem Forschungsprojekt, das noch bis Ende 2025 läuft, auch das Fraunhofer-Institut für Solare Energiesysteme ISE, die Novum engineering GmbH und die TWT GmbH 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 sowie 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. Im Rahmen des Forschungsprojekts wird künstliche Intelligenz (KI) genutzt, um im Zusammenspiel mit maschinellem Lernen Modelle des Nutzerverhaltens und der Batterie-Alterung zu entwickeln. 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.

Statt festen Regeln zu folgen, soll die KI für jeden Anwendungsfall die beste Strategie finden. „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.