Die Abkehr von fossilen Brennstoffen als Energieträger für mobile Anwendungen zur Verminderung von Treibhausgasen führt zu spannenden Fragen: Wie können gewohnte und komfortable Energieträger ersetzt werden? Wie werden diese "gewonnen"? Grüner Wasserstoff bietet als umweltfreundlicher Energieträger eine Lösung für aktuelle Problemstellungen. Mittels Brennstoffzelle betriebene elektrische Fahrzeuge (siehe Abbildung) ermöglichen große Reichweiten, schnelle Betankung, effiziente Energienutzung und darüber hinaus annähernd CO₂-freien Betrieb gewährleisten. Der benötigte Wasserstoff kann z.B. durch Sonnen- oder Windenergie gewonnen und anschließend für nachhaltige Mobilität genutzt werden.

Doch gerade die Nutzung einer Brennstoffzelle im Mobilitätssektor mit den üblichen hohen dynamischen Leistungsanforderungen stellt hier eine große Herausforderung dar. Häufig wechselnde Lasten sorgen bei Brennstoffzellen, insbesondere bei nicht optimaler Regelung, zu schneller Alterung, welche zu Leistungsminderung, Effizienzverschlechterung oder Ausfall des Systems führen kann. Daher gilt es zu erforschen, welche Kriterien und Beschränkungen eingehalten und vom Regelkonzept berücksichtigt werden müssen. Erschwert wird dies durch den Umstand, dass viele relevante Größen wie Temperatur innerhalb der Zelle nur mit großem Aufwand oder gar nicht messbar sind.

Daher beschäftigen wir uns am Institut mit der Verwendung modellbasierter virtueller Sensoren, welche über mathematische Verfahren Zustände schätzen können und somit Einblick in sonst verborgene Zusammenhänge geben. Darüber hinaus ist es wichtig die Modellkomplexität für die Regelung zu beachten, da Echtzeitanforderungen im realen Betrieb nicht verletzt werden dürfen.

Forschungsthemen an unserem Institut

Die eben genannten Problemstellungen werden unter anderem an unserem Institut behandelt. Dabei werden verschiedenste Regelkonzepte wie modellprädiktive Regelung oder flachheitsbasierte Ansätze angewendet und Vor- und Nachteile analysiert. Für den Reglerentwurf maßgeblich entscheidend ist darüber hinaus auch die Modellstruktur. Hierbei verwenden wir Brennstoffzellen-Modelle verschiedener Komplexitätsstufen, von 0-dimensionalen Lumped-Parameter Modell bis zu räumlich aufgelösten mehrdimensionalen Simulationsmodellen. Um die Echtzeitanforderungen auch bei den rechenaufwändigen Modellen zu gewährleisten, werden verschiedene mathematische Modellreduktionsverfahren eingesetzt.

Diese können sowohl daten-, als auch modellbasiert sein. Zu guter Letzt spielen auch Zustandsschätzer eine große Rolle, welche den Einsatz als Echtzeitsystem ermöglichen. Neben (beschränkten) Kalman-Filter werden auch optimierungsbasierende Schätzer verwendet. Bei unserer Forschung arbeiten wir eng mit akademischen und industriellen Partnern zusammen, um durch die Verknüpfung verschiedenster Kompetenzen gemeinsam an effizienten und langlebigen Brennstoffzellen zu arbeiten.

Veröffentlichungen

Vrlić, Martin, Daniel Ritzberger, and Stefan Jakubek. "Model-predictive-control-based reference governor for fuel cells in automotive application compared with performance from a real vehicle, öffnet eine externe URL in einem neuen Fenster" Energies 14, no. 8 (2021): 2206.

Böhler, Lukas, Daniel Ritzberger, Christoph Hametner, and Stefan Jakubek. "Constrained extended Kalman filter design and application for on-line state estimation of high-order polymer electrolyte membrane fuel cell systems, öffnet eine externe URL in einem neuen Fenster" international journal of hydrogen energy 46, no. 35 (2021): 18604-18614.

Vrlić, Martin, and Stefan Jakubek. "Degradation Avoiding Start Up and Shut Down of Fuel Cell Stacks for Automotive Application Using Two Plant Model Predictive Control, öffnet eine externe URL in einem neuen Fenster" In 2021 6th International Conference on Smart and Sustainable Technologies (SpliTech), pp. 1-6. IEEE, 2021.

Vrlić, Martin, Daniel Ritzberger, and Stefan Jakubek. "Efficient and life preserving power tracking control of a proton exchange membrane fuel cell using model predictive control, öffnet eine externe URL in einem neuen Fenster" In 2020 SICE International Symposium on Control Systems (SICE ISCS), pp. 77-84. IEEE, 2020

Vrlić, Martin, Daniel Ritzberger, and Stefan Jakubek. "Safe and Efficient Polymer Electrolyte Membrane Fuel Cell Control Using Successive Linearization Based Model Predictive Control Validated on Real Vehicle Data, öffnet eine externe URL in einem neuen Fenster" Energies 13, no. 20 (2020): 5353.

Ritzberger, Daniel, Christoph Hametner, and Stefan Jakubek. "A real-time dynamic fuel cell system simulation for model-based diagnostics and control: Validation on real driving data, öffnet eine externe URL in einem neuen Fenster" Energies 13, no. 12 (2020): 3148.

Forschungsprojekte unseres Instituts

• AlpeDHues
• FC-IMPACT
• PROTECT
• CDL Fuel Cell Research

Kontakt