Neue Steuerungsstrategie verlängert Lebensdauer von E-Auto-Batterien
Ein bahnbrechendes Energiemanagementsystem, das Wavelet-Transformation und Fuzzy-Control miteinander kombiniert, hat in einer aktuellen Studie beeindruckende Fortschritte bei der Leistung und Haltbarkeit von Lithium-Ionen-Batterien in Elektrofahrzeugen (EVs) nachgewiesen. Entwickelt von Forschern der Liaoning University of Technology, zielt die neue Steuerungsstrategie darauf ab, die jeweiligen Stärken von Lithium-Batterien und Supercaps optimal zu nutzen, um die Leistungsverteilung zu optimieren, den Spitzenstrom zu reduzieren und die Lebensdauer der Batterie spürbar zu verlängern, ohne dabei die Fahrzeugdynamik zu beeinträchtigen.
Die Studie, geleitet von Jiangkun Shi, Caiying Shen und Xin Chen, stellt einen neuartigen Echtzeit-Steuerungsansatz für hybride Energiesysteme vor, die Lithium-Ionen-Batterien mit Supercaps kombinieren. Diese Konfiguration adressiert eine der zentralen Herausforderungen im EV-Engineering: die Alterung von Batterien durch häufige, hohe Leistungsanforderungen während Beschleunigung, Rekuperation und plötzlichen Lastwechseln. Herkömmliche reine Batteriesysteme sind diesen transienten Lasten besonders ausgesetzt, was zu einer beschleunigten chemischen Alterung und einer verkürzten Gesamtlebensdauer führt.
Der entscheidende Innovationsbeitrag des Forschungsteams liegt in seiner zweischichtigen Steuerungsarchitektur. Kernstück ist ein Echtzeit-Wavelet-Transformationsalgorithmus, der die gesamte vom Fahrzeug benötigte Leistung in hochfrequente und niederfrequente Komponenten zerlegt. Hochfrequente Transienten, wie sie beispielsweise bei abrupter Beschleunigung oder beim starken Bremsen entstehen, werden an den Supercap geleitet, der sich durch eine hohe Effizienz beim Absorbieren und Abgeben kurzer Energiepulse auszeichnet. Gleichzeitig übernimmt die Lithium-Batterie die stetigen, niederfrequenten Leistungsanforderungen und arbeitet somit in einem stabileren und effizienteren Bereich.
Diese Signaltrennung wird durch einen mehrstufigen Haar-Wavelet-Zerlegungsprozess erreicht, der sowohl auf Genauigkeit als auch auf Rechengeschwindigkeit optimiert wurde. Das System verwendet einen sogenannten Sliding-Window-Mechanismus, um eine Echtzeitreaktionsfähigkeit zu gewährleisten. Die Fensterlänge wurde nach umfangreichen Tests unter dem New European Driving Cycle (NEDC) auf 32 Datenpunkte festgelegt. Fünf Zerlegungsstufen wurden gewählt, um die Filterwirkung zu maximieren und sicherzustellen, dass die schädlichsten hochfrequenten Stromspitzen effektiv von der Batterie abgeleitet werden.
Die reine Wavelet-basierte Filterung allein kann jedoch den Ladezustand (SOC – State of Charge) der Energiespeicher nicht berücksichtigen – ein entscheidender Faktor für die Zuverlässigkeit und Langlebigkeit des Systems. Um diese Limitation zu überwinden, integrierten die Forscher einen Fuzzy-Logik-Regler, der die Leistungsverteilung dynamisch basierend auf den Echtzeit-SOC-Werten von Batterie und Supercap anpasst. Diese hybride Steuerungsstrategie stellt sicher, dass der Supercap innerhalb eines sicheren SOC-Bereichs (über 50 %) operiert, um eine Tiefentladung zu verhindern und gleichzeitig seine Fähigkeit, Transienten zu puffern, zu maximieren.
Der Fuzzy-Regler verwendet ein Mamdani-Typ-System mit sorgfältig gestalteten Zugehörigkeitsfunktionen für die Eingangsvariablen, darunter die Fahrzeugleistungsanforderung, der SOC der Batterie und der SOC des Supercaps. Separate Regelwerke steuern den Fahrbetrieb und den Bremsmodus, wodurch das System während rekuperativer Bremsvorgänge die Aufladung des Supercaps priorisieren kann. Dies verbessert nicht nur die Effizienz der Energie-Rückgewinnung, sondern schützt auch die Lithium-Batterie vor Hochstrom-Ladeimpulsen, die zur Lithium-Plattierung und zur Kapazitätsminderung beitragen.
Zur Validierung der Wirksamkeit ihres Ansatzes erstellten die Wissenschaftler ein umfassendes Fahrzeugmodell mit Hilfe der Software MATLAB/Simulink und ADVISOR. Es enthielt detaillierte Darstellungen der Batterie, des Supercaps, des bidirektionalen Gleichstromwandlers (DC/DC) und der Antriebskomponenten. Das Modell wurde mit realen Fahrzeugparametern kalibriert, darunter Leermasse, Luftwiderstandsbeiwert, Rollwiderstand, Stirnfläche und Motorleistung. Die Simulationen wurden unter dem NEDC-Fahrzyklus durchgeführt, einem standardisierten Testverfahren, das in der Automobilforschung weit verbreitet ist.
Die Simulationsresultate offenbarten bemerkenswerte Verbesserungen der Batterieleistung. Im Vergleich zu einem konventionellen System mit einer einzelnen Lithium-Batterie verringerte die hybride Konfiguration unter der Wavelet-Fuzzy-Steuerungsstrategie den maximalen Entladestrom um 20,68 %. Diese Reduktion führt direkt zu geringerem thermischen Stress und reduzierten Alterungsraten innerhalb der Batteriezellen. Unter Verwendung eines etablierten Batterielebensdauermodells, das Temperatur, Entladestrom und Zyklentiefe berücksichtigt, errechneten die Forscher, dass das hybride System die Lebensdauer der Batterie um 16,74 % gegenüber dem gleichen Fahrzyklus verlängerte.
Weitere Analysen zeigten, dass während Hochleistungsphasen – etwa bei starker Beschleunigung zum Zeitpunkt 1.120 Sekunden im NEDC-Zyklus – der Supercap den Großteil der transienten Last übernahm und über 92 A lieferte, während die Batterie nur 20 A bereitstellte. Dieser sogenannte „Peak-Shaving“-Effekt war während des gesamten Tests konsistent und bestätigte die Fähigkeit des Reglers, flache Batteriestromprofile auch unter aggressiven Fahrbedingungen aufrechtzuerhalten.
Neben der Verbesserung der Batterielebensdauer steigerte die Strategie auch die gesamte Energieeffizienz. Indem Hochleistungstransienten an den Supercap abgeleitet wurden – der eine überlegene Lade- und Entladeeffizienz bei hohen Strömen aufweist – minimierte das System resistive Verluste im Batteriepack. Die Simulationen zeigten, dass der Supercap Leistungsanforderungen bis zu 46 kW bewältigte, während die Batterie in einem konservativeren Bereich von 0–29 kW operierte, hauptsächlich während der gleichmäßigen Fahrt.
Um die Simulationsergebnisse zu verifizieren, konstruierte das Forschungsteam eine verkleinerte experimentelle Plattform. Der Prüfstand umfasste ein 24-Zellen-Lithium-Eisenphosphat-(LFP-)Batteriemodul, eine serielle Verbindung zweier 48-V/165-F-Supercap-Module, einen 20-kW-bidirektionalen DC/DC-Wandler und einen programmierbaren Lastsimulator. Die in Simulink entwickelten Steuerungsalgorithmen wurden auf einen RapidECU-Echtzeitcontroller übertragen, was eine präzise Ausführung der Wavelet-Fuzzy-Logik-Strategie unter realen elektrischen Bedingungen ermöglichte.
Die experimentellen Ergebnisse spiegelten die Simulationsresultate eng wider. Unter NEDC-ähnlichen Fahrbedingungen verringerte das Hybridsystem den Spitzenbatteriestrom um 20,85 %, von 34,05 A in der Einzelbatteriekonfiguration auf 26,95 A im Verbundsystem. Der Batterielebensdauerverlust, gemessen anhand kumulativer Alterungsmetriken, sank von 8,96 % auf 7,54 %, was eine Verbesserung der Langlebigkeit um 15,86 % darstellt. Diese Ergebnisse bestätigen die Robustheit und praktische Anwendbarkeit der Steuerungsstrategie über verschiedene Skalen und Betriebsumgebungen hinweg.
Eine der bemerkenswertesten Leistungen der Studie war die erfolgreiche Aufrechterhaltung des SOC des Supercaps innerhalb eines sicheren Betriebsfensters. Während des gesamten Testzyklus blieb die Spannung des Supercaps – die direkt mit dem SOC korreliert – über 53 V (ca. 58 % der vollen Ladung), selbst nachdem er hohe Ströme während Beschleunigungsphasen geliefert hatte. Während rekuperativer Bremsvorgänge priorisierte die Steuerung die Aufladung des Supercaps, wodurch die Spannung am Ende des Zyklus auf 64 V anstieg. Dieses dynamische Balancing demonstriert die Intelligenz der Fuzzy-Regelungsschicht beim Management des Energieflusses basierend auf den Echtzeit-Bedingungen des Systems.
Die Implikationen dieser Forschung reichen über die Laborleistung hinaus. Durch die signifikante Reduzierung der Batteriealterung könnte die vorgeschlagene Strategie die Gesamtbetriebskosten für Elektrofahrzeuge senken. Der Batteriewechsel ist eine der teuersten Wartungsmaßnahmen für EVs, und eine Verlängerung der Pack-Lebensdauer um fast 17 % könnte sich über die Lebensdauer eines Fahrzeugs hinweg in Tausende von Euro an Einsparungen niederschlagen. Darüber hinaus tragen langlebigere Batterien zur verbesserten Nachhaltigkeit bei, indem sie die Häufigkeit ressourcenintensiver Produktions- und Recyclingprozesse verringern.
Aus Sicht des Systemdesigns bietet die in dieser Studie verwendete halbaktive Topologie – bei der der Supercap über einen bidirektionalen DC/DC-Wandler parallel zur Batterie geschaltet ist – ein praktisches Gleichgewicht zwischen Leistung und Komplexität. Im Gegensatz zu passiven Parallelkonfigurationen, die allein auf der Impedanzanpassung basieren, ermöglicht die aktive Steuerung eine präzise Leistungsverteilung. Und im Gegensatz zu vollaktiven Systemen mit komplexen Multi-Wandler-Architekturen bleibt diese Konfiguration kosteneffektiv und für die Massenproduktion skalierbar.
Die Kombination aus Wavelet-Transformation und Fuzzy-Logik stellt eine anspruchsvolle, aber pragmatische Lösung für eine langjährige Herausforderung im EV-Energiemanagement dar. Die Wavelet-Analyse liefert die mathematische Strenge für eine genaue Signaltrennung, während die Fuzzy-Logik Anpassungsfähigkeit und Resilienz gegenüber unsicheren oder nichtlinearen Systemverhalten bietet. Zusammen bilden sie ein synergistisches Regelungsframework, das traditionelle regelbasierte oder reine Optimierungsansätze übertrifft.
Obwohl die aktuelle Studie sich auf den NEDC-Zyklus konzentrierte, sind die zugrunde liegenden Prinzipien auf eine Vielzahl von Fahrbedingungen anwendbar, darunter städtischer Stop-and-Go-Verkehr, Autobahnfahrt und gemischte Fahrprofile. Zukünftige Arbeiten könnten die Leistung der Strategie unter anspruchsvolleren Testzyklen wie dem WLTP oder mit realen Fahrdaten untersuchen. Zusätzlich könnte das Regelungssystem für Plug-in-Hybrid-Elektrofahrzeuge (PHEVs) oder Brennstoffzellen-Elektrofahrzeuge (FCEVs) angepasst werden, wo ähnliche Herausforderungen beim Leistungspuffern bestehen.
Eine weitere vielversprechende Richtung ist die Integration von maschinellem Lernen, um die Fuzzy-Regelbasis weiter zu verfeinern oder die Wavelet-Parameter in Echtzeit zu optimieren. Adaptive Regelungssysteme, die aus Fahrerverhalten und Routencharakteristiken lernen, könnten die Effizienz noch weiter steigern, indem sie die Leistungsverteilung an individuelle Nutzungsmuster anpassen.
Trotz ihres Erfolgs räumt die Studie bestimmte Limitationen ein. Das Fehlen direkter Batteriealterungsmessungen in der experimentellen Phase bedeutet, dass die Verbesserungen der Lebensdauer abgeleitet und nicht direkt beobachtet wurden. Zukünftige Versionen der Testplattform könnten fortgeschrittene Diagnoseverfahren wie Impedanzspektroskopie oder Kapazitätsminderungs-Tracking beinhalten, um tiefere Einblicke in die langfristigen Alterungsmechanismen zu erhalten.
Zudem verglich die Forschung die Wavelet-Fuzzy-Strategie nicht mit anderen fortgeschrittenen Steuerungsmethoden wie der modellprädiktiven Regelung (MPC) oder dem Verstärkenden Lernen. Solche Vergleiche wären hilfreich, um die relativen Vor- und Nachteile verschiedener Ansätze zu ermitteln und die zukünftige Entwicklung in diesem Bereich zu leiten.
Dennoch stellt die Arbeit einen bedeutenden Beitrag zum sich wandelnden Landschaft des Energiemanagements für Elektrofahrzeuge dar. Sie demonstriert, dass intelligente Steuerungsstrategien erhebliche Leistungssteigerungen erzielen können, ohne grundlegende Änderungen an der Batteriechemie oder der Fahrzeugarchitektur vornehmen zu müssen. Während die Batteriekosten weiterhin eine zentrale Hürde für die EV-Akzeptanz darstellen, werden Strategien, die die Komponentenlebensdauer verlängern und die Energieausnutzung verbessern, entscheidend sein, um die Elektromobilität zugänglicher und nachhaltiger zu machen.
Die Ergebnisse unterstreichen auch die Bedeutung interdisziplinärer Forschung für die Fortentwicklung der nachhaltigen Mobilität. Indem Theorien der Signalverarbeitung (Wavelet-Transformationen), Regelungstechnik (Fuzzy-Logik) und elektrochemische Modellierung (Batterielebensdauerprognose) kombiniert wurden, konnte das Team eine ganzheitliche Lösung entwickeln, die mehrere Aspekte des Problems gleichzeitig adressiert.
Für die Automobilindustrie bietet diese Forschung einen klaren Weg zu langlebigeren und effizienteren elektrischen Antriebssträngen. Während die Batteriekosten eine zentrale Barriere für die EV-Akzeptanz bleiben, werden Strategien, die die Komponentenlebensdauer verlängern und die Energieausnutzung verbessern, entscheidend sein, um die Elektromobilität zugänglicher und nachhaltiger zu machen.
Zusammenfassend lässt sich sagen, dass die von Shi, Shen und Chen an der Liaoning University of Technology entwickelte Wavelet-Transformations-Fuzzy-Regelungsstrategie einen großen Schritt nach vorn im Management hybrider Energiesysteme darstellt. Indem sie hochfrequente Leistungsanforderungen effektiv isoliert und den Energiefluss zwischen Batterie und Supercap intelligent verwaltet, erzielt das System signifikante Reduktionen der Batteriebelastung und beachtliche Gewinne bei der Langlebigkeit. Die Wirksamkeit wurde sowohl durch Simulation als auch durch physische Experimente nachgewiesen, was beweist, dass fortschrittliche Regelungsalgorithmen greifbare Vorteile in realen automobilen Anwendungen liefern können.
Jiangkun Shi, Caiying Shen, Xin Chen, Liaoning University of Technology, Chinese Journal of Automotive Engineering, DOI: 10.3969/j.issn.2095‒1469.2024.01.02