Der sichere und effiziente Betrieb moderner Batteriesysteme erfordert ein tiefes Verständnis der ablaufenden elektrochemischen Prozesse. Im Projekt „Digitale Zwillinge für verteiltparametrische Systeme" entwickeln wir virtuelle Abbilder von Batteriezellen, die deren Verhalten mithilfe mathematischer Modelle und realer Messdaten präzise nachbilden.

Im Fokus steht die Entwicklung reduzierter Modelle, die aus komplexen, räumlich aufgelösten Beschreibungen der Zellprozesse hervorgehen. Ziel ist es, die Modellkomplexität so weit zu reduzieren, dass eine Echtzeitberechnung auf Batteriemanagementsystemen möglich wird, während die physikalische Abbildungsgenauigkeit weitestgehend erhalten bleibt.

Auf Basis dieser Modelle entwickeln wir prädiktive Funktionen für den Betrieb: Beim Schnellladen kann die Zellspannung im Voraus berechnet werden, sodass kritische Zustände frühzeitig erkannt und Ladeprofile entsprechend angepasst werden können. Ergänzend liefern modellbasierte Zustandsgrößen wie Batterieladezustand (State of Charge) und Batteriegesundheitszustand (State of Health) eine robuste Online-Schätzung der verfügbaren Kapazität. So wird Alterung quantifizierbar und kann durch angepasste Betriebsstrategien aktiv begrenzt werden.

Digitale Zwillinge unterstützen damit intelligente Lade- und Betriebsstrategien sowie eine verbesserte Zustandsüberwachung im Feld, mit dem Ziel, Lebensdauer und Sicherheit von Batteriesystemen langfristig zu verbessern.

Brennstoffzellen und Elektrolyseure sind zentrale Bausteine zukünftiger Energiesysteme. Ihre Lebensdauer wird maßgeblich von alterungsbedingten Schädigungsmechanismen bestimmt, deren frühzeitige Erkennung entscheidend für einen dauerhaft zuverlässigen Betrieb ist. Moderne Überwachungskonzepte ermöglichen es, solche Prozesse in Echtzeit zu erfassen und dadurch den Verschleiß der Zellen zu reduzieren.

Viele dieser Schädigungsmechanismen hängen jedoch stark vom räumlichen Ort und den lokalen Betriebsbedingungen innerhalb der Zellen ab. Da Messungen im Inneren elektrochemischer Systeme technisch kaum möglich sind und sich Sensoren meist nur an den äußeren Systemgrenzen platzieren lassen, bleiben interne Vorgänge weitgehend verborgen.

Genau hier setzen Zustandsbeobachter an: Sie nutzen die verfügbaren Messdaten und kombinieren sie mit hochauflösenden Computermodellen, um – im Sinne eines digitalen Zwillings – die nicht direkt messbaren inneren Zustände präzise nachzubilden. Auf dieser Grundlage lassen sich schädigungsrelevante Größen und der aktuelle Gesundheitszustand der Brennstoff- oder Elektrolysezelle zuverlässig bestimmen. Dies ermöglicht eine adaptive Betriebsführung, die die Energieeffizienz steigert und die Lebensdauer der Systeme auch unter dynamischen Einsatzbedingungen deutlich verlängert.

Die Extrusion zählt neben dem Spritzguss und dem Kalandrieren zu den wichtigsten formgebenden Verfahren in der Elastomerindustrie. Sie ermöglicht die Herstellung einer breiten Palette von Produkten, beispielsweise Industrieschläuchen, Dichtungen oder Handläufen. Die Produktqualität hängt dabei maßgeblich von den inneren Zuständen im Extruder ab, insbesondere von der Entwicklung der Massetemperatur entlang der Schnecke. In der Regel sind diese inneren Zustände bei der Extrusion jedoch nicht direkt messbar, um sie zugänglich zu machen werden daher mathematische Modelle des Prozesses benötigt.

Die ausgeprägte Kopplung der rheologischen, thermischen und strömungsmechanischen Prozesse führt dazu, dass hochauflösende Simulationen des Extrusionsprozesses mit einem erheblichen Rechenaufwand verbunden und daher meist nicht echtzeitfähig sind. Durch den Einsatz geeigneter Modellreduktionsmethoden können aus diesen komplexen Modellen jedoch echtzeitfähige Ersatzmodelle abgeleitet werden.

In Kombination mit online verfügbaren Prozessmessdaten bilden diese reduzierten Modelle die Grundlage für einen digitalen Zwilling des Extrusionsprozesses. Durch die Kombination dieser Modelle mit Echtzeit-Messdaten können Abweichungen der simulierten Größen laufend korrigiert werden, indem Differenzen zwischen gemessenen und modellierten Größen zur Aktualisierung von Zuständen und Parametern herangezogen werden. Der digitale Zwilling ermöglicht damit nicht nur die Rekonstruktion nicht direkt messbarer innerer Zustände, sondern auch prädiktive Analysen, eine zustandsbasierte Prozessführung sowie die frühzeitige Erkennung von Abweichungen oder Störungen.