21.07.2026 – Forscher der Hochschule München wollen mit Hilfe von digitalen Zwillingen die Resilienz von Batteriegroßspeichern erhöhen. Hierzu soll ein neues Computermodell frühzeitigere Fehlerdiagnosen ermöglichen.
Gängige Batteriegroßspeicher müssen Megawatt an elektrischer Leistung aufnehmen und über tausende von Ladungs- und Entladungszyklen hinweg zuverlässig arbeiten. Eine zentrale Voraussetzung hierfür ist, dass die zehntausenden von Lithium-Ionen-Zellen – die zu Modulen gebündelt und zu Packs zusammengefasst werden – innerhalb bestimmter Spannungsgrenzen funktionieren. Normalerweise überwachen Batteriemanagementsysteme, ob Grenzwerte, beispielsweise für Temperatur oder Spannung, verletzt werden. Sobald solche Schwellenwerte überschritten werden, droht ein Störfall und der betreffende Speicher muss schlimmstenfalls abgeschaltet werden.
(v.l.n.r) Promovend Alexander Reiter und Professor Oliver Bohlen von der Hochschule für angewandte Wissenschaften München forschen zur Resilienz von Batteriegroßspeichern. (Bild: Hochschule für angewandte Wissenschaften München)
Um solche Fehlerereignisse im Vorfeld schneller antizipieren zu können, entwickeln Forscher der Hochschule München (HM) ein neues Computermodell für Batteriegroßspeicher: Mit Hilfe eines digitalen Zwillings sollen sich während des Betriebs Fehler an einzelnen Zellen detektieren und somit Störungen prognostizieren lassen – lange bevor absolute Grenzwerte verletzt werden und ein Ausfall des ganzen Systems droht.
„Auf der Ebene der einzelnen Zellen kündigen sich Systemausfälle schon sehr früh an“, erklärt Alexander Reiter, Promovend der HM. „Allerdings ist eine tatsächliche messtechnische Überprüfung einzelner Zellen im Betrieb nur bedingt möglich, weswegen hier häufig zu Simulationsmodellen gegriffen wird. Ein solches Simulationsmodell für jede einzelne Zelle im System zu rechnen, wäre allerdings viel zu aufwändig“, so Reiter weiter.
Prognostizierbare Störungen
An dieser Stelle soll der Einsatz eines digitalen Zwillings Abhilfe schaffen, indem er die Abweichungen vom erwarteten durchschnittlichen Verhalten der Zellen sichtbar macht. Hierzu wird im ersten Schritt ein Modell mit den technischen Parametern des Herstellers und Charakterisierungsmessungen am System kalibriert – beispielsweise der Zahl der Zellen und Module, der Kapazität und dem Innenwiderstand sowie den zu erwartenden Streuungen der Parameter. Auf Basis dieser Daten lässt sich dann eine statistische Verteilungskurve errechnen, die anzeigt, wie sich die Zellen im Betrieb verhalten müssten.
Der digitale Zwilling durchläuft nun in Echtzeit die gleichen Lade- und Entladezyklen wie der reale Speicher und klärt dabei permanent ab, ob das tatsächliche Verhalten, zum Beispiel die Verteilung der Zellspannungen, mit der zuvor berechneten Verteilungskurve übereinstimmt. „Mit Hilfe dieser Modelle können wir die Abweichung von Einzelzellen von ihrem statistisch erwartbaren Verhalten darstellen“, betont Reiter. Ausfälle einzelner Zellen lassen sich somit schneller erkennen und drohende Störungen werden prognostizierbar – was die Zahl der Gesamtsystemausfälle mindern sollte, da frühzeitig Gegenmaßnahmen ergriffen werden können. (cp)
Beitragsbild: (Symbolbild) Anatoly Repin / stock.adobe.com