1.2 - Field Data optimized Lifetime Prediction of Li-Ion Batteries in EV Fleets
- Event
- iCCC2026 - iCampus Cottbus Conference
2026-05-05 - 2026-05-07
Cottbus - Band
- Vorträge
- Chapter
- Condition Monitoring
- Author(s)
- T. Lehmann - Fraunhofer IVI, Dresden
- Pages
- 36 - 41
- DOI
- 10.5162/iCCC2026/1.2
- ISBN
- 978-3-910600-10-2
- Price
- free
Abstract
Lithium-Ionen-Batterien (Li-Ion) bilden die Grundlage moderner Energiespeichersysteme, insbesondere auch in Elektrofahrzeugen (EV). Während Labortests eine gezielte Charakterisierung des Batterieverhaltens ermöglichen, bietet die Analyse von Felddaten eine Bewertung des Verhaltens in der Praxis. Beispielsweise können Degradationsmuster und die Betriebseffizienz unter verschiedenen Fahrbedingungen bestimmt werden. Diese Studie untersucht Methoden zur Erfassung, Verarbeitung und Interpretation von Felddaten von Li-Ionen-Batterien, die in EV-Flotten eingesetzt werden. Der Schwerpunkt liegt auf dem Vergleich von Methoden zur Vorhersage des Gesundheitszustands (State-of-Health, SOH). Diese reichen von einfachen Ladungszyklen-Zählungen bis hin zu Algorithmen des maschinellen Lernens, die die während des Betriebs beobachteten Degradationseffekte berücksichtigen. Diese Studie basiert auf der Auswertung von 44 Elektrobussen, die in mehreren Städten im Einsatz sind. Dies ermöglicht die Bewertung unterschiedlicher Operationsbedingungen. Die Ergebnisse unterstreichen die Bedeutung von Felddaten für die Verbesserung der SOH-Schätzung. Damit geht eine Erhöhung der Zuverlässigkeit, Sicherheit und Leistung von Batterien in Elektrofahrzeugflotten einher. Dies ebnet auch den Weg für intelligentere Flottenmanagementsysteme mit optimierten Routenplanungs- und Ladestrategien.