Lebensdauerschätzung von Lithium Ionen Zellen aus CCCV (Teil-)Ladungen mittels Deep Learning Methoden

Institut
Lehrstuhl für Fahrzeugtechnik
Typ
Semesterarbeit / Masterarbeit /
Inhalt
theoretisch /  
Beschreibung

In dieser Studienarbeit soll eine datenbasierte SOH Schätzung für zwei Datensätze unterschiedlicher Zellchemien (LFP & NCA) untersucht werden. Die Datensätze werden jeweils vom Lehrstuhl gestellt und sollen zunächst tiefgreifend analysiert werden. Dabei sollen generische Features aus der CCCV Ladung entnommen werden, um damit Deep Learning Modelle zu trainieren. Besonderes Augenmerk ist auch darauf zu legen, wie mit unterschiedlichen Teilladungen umgegangen werden kann. Im Rahmen der Arbeit soll in Python eine Deep Learning Pipeline umgesetzt werden. Dazu gehört die Datenreinigung und Filterung, das Feature Engineering, weitere Preprocessing Schritte und die Modellierung von Deep Learning Methoden, wie Neuronalen Netzen & LSTMs. Eine Sensitivitätsanalyse durch das variieren verschiedener Parameter soll einen Überblick über die Robustheit der Ansätze aufzeigen. Abschließend sollen die Ergebnisse in übersichtlicher Form dokumentiert werden.

Folgende Arbeitspakete umfasst die zu vergebende Studienarbeit:

  • Literaturrecherche zum Thema Batteriezustandsbestimmung & SOH Estimation
  • Einarbeit und Visualisierung der Daten
  • Extraktion generischer Features aus den CCCV (Teil-)Ladungen
  • Vergleichen von Merkmalen innerhalb eines Datensatzes und zwischen Datensätzen
  • Konzeptionierung einer Deep Learning Pipeline ausgehend von den bereitgestellten Datensätzen
  • Implementierung der Pipeline (Python+Git) und Training der Modelle, um den SOH zu schätzen
  • Gegenüberstellen der Prädiktionsqualität der Modelle
  • Auswertung der Ergebnisse anhand von aussagekräftigen Kriterien und Metriken
  • Ausarbeitung und Dokumentation der einzelnen Arbeitsschritte in übersichtlicher Form
  • Reflexion und Diskussion der Ergebnissen
Voraussetzungen
  • Interesse an Elektromobilität & Li-Ionen Batterien
  • Interesse an Künstlicher Intelligenz und Deep Learning
  • Gute Programmierkenntnisse in Python
  • Vorerfahrung mit Machine Learning
  • Selbständige und gründliche Arbeitsweise
  • Sehr gute Deutsch- oder Englischkenntnisse 
Tags
FTM Studienarbeit, FTM EV, FTM EV Powertrain, FTM Bilfinger
Möglicher Beginn
sofort
Kontakt
Philip Bilfinger, M. Sc.
Raum: MW 3511
philip.bilfingertum.de
Ausschreibung