Ansätze zur Simulation des Verhaltens und der Alterung von Batterien in verschiedenen Kontexten

Über dieses Webinar:

Batterien werden in verschiedenen Anwendungen mit sehr unterschiedlichen Anforderungen und vielen verschiedenen Umweltbedingungen eingesetzt. Die Vorhersage des Batterieverhaltens mit unterschiedlichen Zellchemien und Formaten unter dem Einfluss dieser Parameter ist eine Herausforderung.

Daher gibt es verschiedene individuelle Ansätze für Batteriesimulationen. Die Kombination einiger dieser Einzelansätze kann einen starken Einfluss auf die Gesamtleistung des Modells haben. In diesem Webinar werden wir die Vorteile von semi-empirischen und maschinellen Lernmodellen sowie deren Kombination beleuchten - wir nennen dies ein Hybridmodell.

Folgende Fragen werden erörtert:

• Warum brauchen wir Batteriemodelle?
• Was sind die Vor- und Nachteile der verschiedenen Ansätze?
• Wie können Felddaten in die Modelle einbezogen werden? Welche Vorteile bietet das hybride TWAICE-Modell gegenüber traditionellen Ansätzen?