Verbundvorhaben: HIBRAIN- Holistische Methode eines kombinierten daten- und modellbasierten Elektrodendesigns unterstützt durch künstliche Intelligenz; Teilvorhaben: Optimale Versuchsplanung und Modellentwicklung
Zeitraum
2022-01-01 – 2024-12-31
Bewilligte Summe
275.744,13 EUR
Ausführende Stelle
Förderkennzeichen
03ETE039A
Leistungsplansystematik
Elektromobilität - Lithium-basierte Batterien [EA2611]
Verbundvorhaben
Zuwendungsgeber
Bundesministerium für Wirtschaft und Klimaschutz (BMWK.IIB5)
Projektträger
Forschungszentrum Jülich GmbH (PT-J.ESN5)
Förderprogramm
Energie
Die virtuelle Entwicklung neuer Batterien ist eines der Ziele des langfristigen Forschungsplans BATTERY 2030+ der Europäischen Kommission. Ein wesentlicher Teil davon ist der Entwurf neuer Elektroden, der bereits durch Modellierung und Simulation unterstützt wird, aber der experimentelle Teil ist in Bezug auf Zeit und Kosten immer noch dominant. Um die Kosten und den Zeitaufwand für die Entwicklung neuer Elektrodengenerationen zu senken, muss das virtuelle Design noch vorausschauender werden. Daher muss ein neues Niveau der Modellgenauigkeit erreicht und ein neues Analysewerkzeug entwickelt werden, das experimentelle und simulierte Daten angemessen kombinieren kann. Ziel des HiBRAIN-Projekts ist es daher, einen ganzheitlichen Ansatz zu entwickeln, der die Integration von künstlicher Intelligenz (KI) zur Optimierung des Elektrodendesigns beinhaltet. Die dafür notwendige umfangreiche Datenbasis soll vor allem durch modellbasierte Simulationen generiert werden, die durch gezielt erhobene experimentelle Daten unterstützt werden. Der Vergleich und die Bewertung der Modellierungsansätze ist für das Endziel des Projekts von wesentlicher Bedeutung. In diesem Teilprojekt wird der Vergleich zwischen verschiedenen Modellansätzen durch einen optimalen Versuchsplan unterstützt, der zu zwei Zwecken durchgeführt wird. Zum einen müssen experimentelle Daten gewonnen werden, um die Modellparameter durch ein inverses Problem zu schätzen. Auf der anderen Seite werden die Daten zum Vergleich verschiedener Modellansätze verwendet. Die optimale Versuchsplanung wird auf einer Sensitivitätsanalyse der Modellparameter beruhen. Es werden Versuchsaufbauten identifiziert, die für die zu schätzenden Modellparameter oder für den Modellvergleich besonders informativ sind (z. B. informativere Frequenzen in der elektrochemischen Impedanzspektroskopie).