Das Projekt BattLifeBoost soll die Zustandsschätzung und die damit verbundene Lebensdauerabschätzung für Batteriesysteme verbessern. Dabei wird von den 4 Projektpartnern unter Berücksichtigung von vorhandenen Felddaten sowie der Anwendung von statistischen Methoden, maschineller Lernverfahren und den im Projekt entwickelten Zellalterungsmodell ein Systemalterungsmodell entwickelt, was eine deutlich verbesserte Prädiktion der noch möglichen Speicherlebensdauer ermöglicht. Neben der verbesserten Prognose der Batteriehaltbarkeit in vorgegebenen stationären Anwendungen wird zudem ein Modelltransfer auf bis dato nicht hinreichend parametrierte Batteriezellen untersucht. Abschließen werden die Projektergebnisse von allen Partnern ökonomisch und ökologisch bewertet. Dieses Teilprojekt fokussiert sich auf die State-of-Health (SOH) Bestimmung von stationären Energiespeichern. Dabei soll der SOH aus Felddaten von Heimspeichersystemen ermittelt und mittels Machine-Learning Algorithmen extrapoliert werden, um ein End-of-life (EOL) Datum bestimmen zu können. Aus den gewonnenen sowie geclusterten Daten sollen Degradationsparameter bestimmt und daraus ein SOH-Model entwickelt werden, um die Auswirkungen weiterer Lastprofile bzw. Anwendungsfelder auf die Lebensdauer abschätzen zu können. Mit den Ergebnissen soll die Überdimensionierung der Speicher sowie die Zeit für die notwendige Qualifizierung von Zellen verringert werden, wodurch sich wirtschaftliche und ökologische Vorteile wie die Reduktion des CO2-Fußabdrucks ergeben.
In diesem Vorhaben wird die Schlüsselkomponente zu einer netzdienlichen Langzeit-Energiespeicherlösung auf Basis von Malta’s Hochtemperatur-Wärmepumpen Strom- und Wärmespeichern (MHWS) entwickelt und das MHWS Einsatzpotential in Deutschland untersucht Die MHWS-Speichertechnologie stellt bei der Ausspeicherung gleichzeitig Strom und Wärme bereit, sodass die Elektrifizierung des Wärmesektors über Kraft-Wärmekopplung ebenfalls erfolgen kann. Ein wesentliches Ziel des Vorhabens ist die Kraftwerks-maßstäbliche Untersuchung neuer Flüssigsalz-Luft Wärmeübertrager als kritische MHWS-Komponente in der Testanlage für Wärmespeicherung in Salzschmelzen (TESIS) des DLR. Diese Untersuchung stellt einen sehr wichtigen Qualifikations-Schritt dar, das Wärmepumpen Strom- und Wärmespeicher Konzept zu Kraftwerksgröße hochzuskalieren und damit fossile Gaskraftwerke samt ihren Flexibilitäts- und Netzstabilisierungsdiensten in Zukunft zu ersetzen. Damit ebnet dieses Vorhaben den Weg, für die Energiewende in Deutschland, Europa und weltweit deutsche Turbomaschinen als Kernkomponente von Hochtemperatur-Wärmepumpen Strom- und Wärmespeichern einzusetzen. Der Schwerpunkt von Siemens Energy liegt in diesem Projekt auf der Ebene der Energiesystemintegration. Darin enthalten ist die technische und ökonomische Analyse des Speichers und des Wärmemarktes. Im Vergleich dazu werden weitere relevante Energiespeichertechnologien betrachtet.
InSpEE (INSPIRE) provides information about the areal distribution of salt structures (salt domes and salt pillows) in Northern Germany. Contours of the salt structures can be displayed at horizontal cross-sections at four different depths up to a maximum depth of 2000 m below NN. The geodata have resulted from a BMWi-funded research project “InSpEE” running from the year 2012 to 2015. The acronym stands for "Information system salt structures: planning basis, selection criteria and estimation of the potential for the construction of salt caverns for the storage of renewable energies (hydrogen and compressed air)”. Additionally four horizontal cross-section maps display the stratigraphical situation at a given depth. In concurrence of maps at different depths areal bedding conditions can be determined, e.g. to generally assess and interpret the spread of different stratigraphic units. Clearly visible are extent and shape of the salt structures within their regional context at the different depths, with extent and boundary of the salt structures having been the main focus of the project. Four horizontal cross-section maps covering the whole onshore area of Northern Germany have been developed at a scale of 1:500.000. The maps cover the depths of -500, -1000, -1500, -2000 m below NN. The four depths are based on typical depth requirements of existing salt caverns in Northern Germany, mainly related to hydrocarbon storage. The shapes of the structures show rudimentary information of their geometry and their change with depths. In addition they form the starting point for rock mechanical calculations necessary for the planning and construction of salt caverns for storage as well as for assessing storage potentials. The maps can be used as a pre-selection tool for subsurface uses. It can also be used to assess coverage and extension of salt structures. Offshore areas were not treated within the project. All horizontal cross-section maps were adjusted with the respective state geological survey organisations. According to the Data Specification on Geology (D2.8.II.4_v3.0) the content of InSpEE (INSPIRE) is stored in 15 INSPIRE-compliant GML files: InSpEE_GeologicUnit_Salt_structure_types.gml contains the salt structure types (salt domes and salt pillows), InSpEE_GeologicUnit_Salt_pillow_remnants.gml comprises the salt pillow remnants, InSpEE_GeologicUnit_Structure_building_salinar.gml represents the structural salinar(s), the four files InSpEE_Structural_outlines_500.gml, InSpEE_Structural_outlines_1000.gml, InSpEE_Structural_outlines_1500.gml and InSpEE_Structural_outlines_2000.gml represent the structural outlines in the corresponding horizontal cross-sections, the four files InSpEE_GeologicUnit_Cross_Section_500, InSpEE_GeologicUnit_Cross_Section_1000, InSpEE_GeologicUnit_Cross_Section_1500 and InSpEE_GeologicUnit_Cross_Section_2000 display the stratigraphical situation in the corresponding horizontal cross-sections and the four files InSpEE_GeologicStructure_500.gml, InSpEE_GeologicStructure_1000.gml, InSpEE_GeologicStructure_1500.gml and InSpEE_GeologicStructure_2000.gml comprise the relevant fault traces in the corresponding horizontal cross-sections. The GML files together with a Readme.txt file are provided in ZIP format (InSpEE-INSPIRE.zip). The Readme.text file (German/English) contains detailed information on the GML files content. Data transformation was proceeded by using the INSPIRE Solution Pack for FME according to the INSPIRE requirements.
Studie zur möglichen Realisierung eines klimaschonenden Elektroantriebs für ein Fahrgastschiff aus 100 Prozent erneuerbaren Energien und unter Einsatz eines Energiespeichers am Altmühlsee.
Das Ökosystem der Stromnetze ist auf dem Weg zu einem dezentralisierten Energieversorgungs- und Verteilungssystem. Haushalte können mit erneuerbaren Energiequellen wie Sonnenkollektoren oder Windgeneratoren, als verteilte Energieressourcen (DERs - Distributed Energy Resources) bezeichnet, unabhängig von den Stromanbietern operieren und Energie zurück an das Hauptnetz verkaufen. Für die Realisierung dieser Transformation des Stromnetzes wird eine kompetente Kommunikationsinfrastruktur benötigt. Die Einführung des Standards 5G in Mobilfunknetze erleichtert die Entwicklung zukünftiger Energieverwaltungslösungen. Weiterhin ermöglichen neue Technologien die Entwicklung intelligenter Algorithmen für die Steuerung zukünftiger Stromnetze. Hierzu gehören das Internet der Dinge (Internet of Things, IoT), Vernetzung über Mesh-Netzwerke zur Fernüberwachung des Netzstatus und die Künstliche Intelligenz (KI) für Management und Koordination. In Dymobat wird ein Single-User-Controller für die Verwaltung der einzelnen DERs auch unter Einsatz von privaten 5G-Netzwerken entwickelt. Anschließend wird eine zentrale Steuerungseinheit für die Synchronisierung und Optimierung des Netzbetriebs innerhalb einer kleinen Gruppe von DERs, einem Microgrid, entworfen. Die Kommunikation zwischen und innerhalb der DER soll mittels Mobilfunktechnologie erfolgen. Dabei soll die Energieoptimierung mittels KI-Algorithmen erfolgen und auch den Energietransport mit Fahrzeugen berücksichtigen. Die softwareseitige Integration der KI-Algorithmen und des Energiemanagementsystems in das Kommunikationssystem ist ein wesentlicher Bestandteil dieses Projektes. Die entwickelten Algorithmen werden virtuell in einem Testbed-Modell anhand von realen Eingangsparametern erprobt, optimiert und validiert. Im zweiten Schritt wird ein reales Testfeld konzipiert, installiert und die Leistungsfähigkeit der modellhaft erprobten Algorithmen in einer realen Testumgebung bewertet.