Batteriemanagement-Systeme Eine neue Phase bei der Intelligenz von Akkussystemen

Anbieter zum Thema

Texas Instruments Deutschland GmbH

ET System electronic GmbH

TRACO ELECTRONIC GMBH

ISH Ingenieursozietät GmbH

Der seit Juli 2026 gültige chinesische GB-Standard 38031 verlangt, dass Akkusätze nach Einsetzen des thermischen Durchgehens mindestens zwei Stunden weder Feuer fangen noch explodieren dürfen. Um diese Norm einzuhalten, ist es zwingend notwendig, vermehrt in die Zellen hineinzublicken.

Moderne Akkusysteme müssen ihre gespeicherte Energie sicher und verlässlich bereitstellen, ob in Elektrofahrzeugen oder Netzspeichern, auch wenn letztere bis zu 20 Jahre im Einsatz sind. EV-Akkus wiederum werden im Laufe ihrer Einsatzdauer durch die vielen Ladezyklen und wechselnden Temperaturen ebenfalls stark beansprucht.

Konventionellen Batteriemanagement-Systemen (BMS), die sich auf die Messung von Spannung, Strom und Temperatur beschränken, bleiben die elektrochemischen Veränderungen im Innern der einzelnen Akkuzellen verborgen. Sie können außerdem nur reagieren und nicht proaktiv wirken, denn etwaige Beeinträchtigungen der Zellen werden erst bemerkt, wenn sie sich durch Strom-, Spannungs- oder Temperaturänderungen bemerkbar machen.

Besonders kritisch ist dies beim so genannten thermischen Durchgehen. Diese Kettenreaktion kann mit einem internen elektrochemischen Vorgang beginnen, der unter Umständen nicht mehr zu stoppen ist, wenn er von externen Temperatursensoren registriert wird. Der seit Juli 2026 gültige chinesische GB-Standard 38031 verlangt, dass Akkusätze nach Einsetzen des thermischen Durchgehens mindestens zwei Stunden weder Feuer fangen noch explodieren dürfen. Um diese Norm einzuhalten, ist es zwingend notwendig, vermehrt in die Zellen hineinzublicken.

Die elektrochemische Impedanzspektroskopie (IES) analysiert die Reaktion einer Akkuzelle auf kleine elektrische Signale über mehrere Frequenzen hinweg. Indem sie auswertet, wie sich die Impedanz einer Zelle als Funktion der Signalfrequenz ändert, gibt sie Aufschluss über den Lade- und Gesundheitszustand sowie die Temperatur der Zelle und erkennt frühe Anzeichen eines thermischen Durchgehens. Gerade diese Früherkennung macht den Unterschied zwischen einem beherrschbaren Phänomen und einem kritischen Vorfall aus, der die Sicherheit gefährden, Betriebsunterbrechungen verursachen oder irreparable Schäden am System hervorrufen kann.

Messungen dieser Art waren jahrzehntelang nur mit speziellen Labormessgeräten möglich, aber mittlerweile können sie in jede Zelle eingebaut werden – ohne zusätzliche Sensoren oder teures Redesign. Während Strom-, Spannungs- und Temperaturmessungen weiter unerlässlich bleiben, kommt mit EIS ein ergänzender Schutz hinzu, um äußerlich nicht erkennbare Veränderungen aufzudecken.

Liegen Informationen über den internen Zustand der einzelnen Zellen vor, wird das Batteriemanagement zum Teil eines umfassenderen Ökosystems, das zu mehr Sicherheit, Zuverlässigkeit und Leistungsfähigkeit beiträgt. Für Automobilhersteller und Tier-1-Zulieferer wird dies umso wichtiger, da die EV-Plattformen auf höhere Spannungen und immer mehr Zellen umgestellt werden. Der Chipsatz EIS mit dem Batteriemonitor BQ79826Z-Q1 ist deshalb mit einer integrierten EIS-Messeinheit ausgestattet, die für die hohen Zellenzahlen von 400- und 800-V-Architekturen ausgelegt ist. Bild 1 verdeutlicht die Einbindung des Batteriemonitors in die BMS-Architektur.

In stationären Energiespeichersystemen, deren Nutzungsdauer zwischen 15 und 20 Jahre betragen kann, machen es Echtzeit-Einblicke in die inneren Vorgänge der Zellen möglich, Instandhaltungsmaßnahmen effektiver zu planen. Kombiniert mit aktivem Cell Balancing, tragen EIS-Daten dazu bei, die Energie in Echtzeit auf große Zellenbestände zu verteilen, um die Effektivität und Leistungsfähigkeit zu optimieren.

Das traditionelle Batteriemanagement, das lediglich auf Fehlfunktionen reagieren konnte, wird zusehends durch ein vorausschauendes Batteriemanagement verdrängt. Die EIS-Daten werden dazu über lange Zeit aufgezeichnet und von eigens darauf eingelernten Machine-Learning-Modellen auf Impedanzmuster untersucht, die auf bevorstehende Probleme hindeuten. Per KI lässt sich somit ein fundiertes Verständnis des jeweiligen Akkusatzes gewinnen, auf dessen Basis bessere Entscheidungen und schnellere Aktionen möglich sind, die die Systeme sicherer und zuverlässiger machen. (kr)

* Wenjia Liu ist Vice President and General Manager of Battery Management Solutions bei Texas Instruments in Dallas / USA.

(ID:50926070)