Feature Engineering aus CCCV (Teil-)Ladungen für eine State-of-Health Korrelationsanalyse von Lithium-Ionen Zellen

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

In dieser Studienarbeit sollen für zwei Datensätze unterschiedlicher Zellchemien (LFP & NCA) Features extrahiert werden, welche über eine Korrelationsanalyse in den Kontext der Alterung gesetzt werden sollen. Die Datensätze werden jeweils vom Lehrstuhl gestellt und sollen zunächst tiefgreifend analysiert werden. Dabei sollen generische Features aus der CCCV Ladung extrahiert werden, welche mit der Alterung in Relation stehen. Besonderes Augenmerk ist auch darauf zu legen, wie mit unterschiedlichen Teilladungen umgegangen werden kann, da in der Anwendung Elektrofahrzeuge oft nicht vollständig geladen werden. Im Rahmen der Arbeit soll eine Feature Engineering Pipeline in Python umgesetzt werden. Dazu gehört die Feature Extraktion, Datenreinigung und Filterung, weitere Preprocessing Schritte und die Berechnung der Pearson, Spearman und Distance Korrelation. Eine Sensitivitätsanalyse durch den Vergleich der verschiedenen Korrelationsberechnungen soll einen Überblick über die Aussagekraft der Features aufzeigen. Abschließend sollen die Ergebnisse in übersichtlicher Form dokumentiert werden.

Folgende Arbeitspakete umfasst die zu vergebende Studienarbeit:

  • Literaturrecherche zum Thema Li-Ionen Batterien, Feature Engineering & den Methoden der Korrelationsberechnung
  • Einarbeit und Visualisierung der Daten
  • Extraktion generischer Features aus den CCCV (Teil-)Ladungen
  • Vergleichen von Merkmalen innerhalb eines Datensatzes und zwischen Datensätzen
  • Implementierung der Feature Engineering Pipeline (Python+Git)
  • Identifikation & Gewichtung wichtiger Features anhand der Korrelation mit der Batteriealterung
  • Reflexion und Diskussion der Ergebnissen
  • Ausarbeitung und Dokumentation der einzelnen Arbeitsschritte in übersichtlicher Form
Voraussetzungen
  • Interesse an Elektromobilität & Li-Ionen Batterien
  • Interesse an Feature Engineering & Korrelationsberechnungen
  • Gute Programmierkenntnisse in Python
  • Idealerweise Vorkenntnisse mit NumPy, SciPy & Pandas
  • 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