ELeBa – Evolutionäre Lernverfahren für effiziente Batteriealterungs-Simulationen
Ziel dieses Projekts ist die massive Beschleunigung der Computersimulation von Alterungsprozessen von Batterien. Dazu kommen Methoden des maschinellen Lernens in der Steuerung des Verfahrens zur Lösung linearer Gleichungssysteme zum Einsatz. Dies ermöglicht die Nutzung effizienter Lösungsverfahren, ohne Einbußen in puncto Robustheit hinnehmen zu müssen. Die damit verbundenen Effizienzsteigerungen beschleunigen nicht nur bisherige Simulationen erheblich, sie ermöglichen in der Praxis auch eine wesentliche Verbesserung der Modellgenauigkeit.
Das Projekt wird gemeinsam mit dem Fraunhofer IEE durchgeführt (BaSiS Battery Simulation Studio) und wird gefördert durch das Fraunhofer Forschungszentrum Maschinelles Lernen im Fraunhofer Cluster of Excellence Cognitive Internet Technologies.
Weitere Informationen zu der lernenden Steuerung und ihrer Anwendung finden Sie hier.
Laufzeit: 10/2020 – 06/2021