Forschungsprojekt: Entwicklung des Future-Load-Models zur Lastkollektiv-Prädiktion

Als Teil eines prädiktiven Diagnosemodels dient das Future Load Model zur Vorhersage zukünftiger Belastungen (Zeitseriendaten), welche die Restlebensdauer der Bleisäurebatterie maßgeblich beeinflussen. Hierzu werden zunächst vergangene Sensordaten der Batterie gespeichert und mittels unüberwachten Machine-Learning-Methoden zu repräsentativen Belastungsfällen gruppiert. Anschließend wird ein Rückgekoppeltes-Neuronales-Netz (RNN) basierend auf einem sog. langen Kurzzeitgedächtnis (LSTM) trainiert und zur Vorhersage zukünftiger Signaldaten genutzt. Die nun vorhergesagten Daten werden durch einen Klassifikator, z. B. Random Forest, den repräsentativen Lastfällen zugeordnet. Durch die Streuung der Datenpunkte innerhalb eines Belastungsfalls werden die Vertrauensbereiche der prädizierten Signaldaten abgeleitet. Nun kann die Restlebensdauer anhand der zukünftigen Belastungen berechnet werden.

> zur detaillierten Projektbeschreibung (.pdf)