Präsentation Masterarbeiten des BFH-Zentrums Energiespeicherung

Absolvent*innen des Master of Science in Engineering präsentieren Ihre Master-Thesen im Bereich Energiespeicherung.

11.08.2021, 15.00-17.45 Uhr – Hybride Durchführung: Switzerland Innovation Park Biel/Bienne (Auditorium im EG) und online

Steckbrief

  • Startdatum 11.08.2021, 15.00-17.45 Uhr
  • Ort Hybride Durchführung: Switzerland Innovation Park Biel/Bienne (Auditorium im EG) und online

Programm

15.00 – 15.10 Uhr

Begrüssung: Prof. Michael Höckel

15.10 – 15.40 Uhr

Brennstoffzellenprüfstand 2.0 (deutsch)
Marc Studer (Hydrogen Lab)

15.45 – 16.15 Uhr

Stromoberschwingungen in Verteilnetzen (deutsch)
Tyler Bacciarini (Power Grids Lab)

16.15 – 16.30 Uhr

Pause

16.30 – 17.00 Uhr

EV – Smart Charging, Optimiertes Betriebsmanagement für EV-Ladestationen (deutsch)
David Zurflüh (PV Lab)

17.05 – 17.35 Uhr

Cloud Based Battery Management Systems using Big Data and Machine Learning (englisch)
Prathyusha Nerella (Battery and Storage Systems Lab)

17.35 – 17.45 Uhr

Zusammenfassung und Schlusswort: Prof. Dr. Andrea Vezzini

Die Präsentationen erfolgen in deutscher oder englischer Sprache.

Der Zeitplan wird genau eingehalten und interessierte Zuschauer können auch nur Teile der Übertragung mitverfolgen.

Die Präsentationen dauern jeweils 25 Minuten, gefolgt von 5 Minuten Fragen, welche vom Dozenten moderiert werden.

Über die F&A-Funktion haben die Teilnehmer*innen die Möglichkeit, Fragen zu stellen. Der Dozent wählt daraus Fragen aus, welche von den Student*innen beantwortet werden. Da die Zeit für Fragen auf 5 Minuten begrenzt ist, können Fragen im Nachgang auch direkt per Mail gestellt werden.

Zusammenfassungen der Präsentationen

Um die Entwicklung von Wasserstoffsystemen zu verbessern, wurde der Brennstoffzellenprüfstand der BFH auf den neusten Stand der Technik gebracht. Das System wurde mit neuen Komponenten ergänzt, so dass nicht nur Brennstoffzellen, sondern auch Elektrolysezellen getestet werden können. Die Plattform ist auf einem Raspberry Pi aufgebaut und mit Python programmiert. Das neue System bietet eine flexible Grundlage für zukünftige Projekte und Erweiterungen.

Betreuer: Prof. Michael Höckel

An das Stromnetz werden immer mehr nicht-lineare Lasten angeschlossen. Die von diesen Lasten erzeugten Stromoberschwingungen können erhebliche Auswirkungen auf die Spannung und die Netzelemente verursachen. Die Langzeitmessungen eines Verteilnetzbetreibers wurden im Hinblick auf Stromoberschwingungen im Detail analysiert. Darüber hinaus hat ein anderer Netzbetreiber einen stark verzerrten Strom in einer Mittelspannungsleitung gemessen, der durch Stromoberschwingungen verursacht wurde. Basierend auf drei Messkampagnen im Mittelspannungs- und Niederspannungsnetz konnten die Auswirkungen auf das Niederspannungsnetz untersucht und die Quellen dieser Verzerrungen identifiziert werden.

Betreuer: Prof. Michael Höckel

Mit dem rasanten Zubau von Photovoltaikanlagen (PV-Anlagen) und dem stark wachsenden Markt für Elektroautos steigt auch das Bedürfnis nach intelligent gesteuerten Ladestationen, um das Stromnetz nicht zu überlasten. Am Campus Tiergarten der BFH in Burgdorf wurden seit Dezember 2020 drei PV-Anlagen und drei Ladestationen mit Netzanalysatoren ausgestattet, mit dem Ziel, die PV-Energieproduktion und die Ladeprozesse besser aufeinander abzustimmen. In dieser Arbeit wurden Konzepte zur intelligenten Steuerung der Anlagen erarbeitet und die erfassten Messdaten von sechs Monaten analysiert.

Betreuer: Prof. Urs Muntwyler

The development of reliable lifetime prediction methods for Battery Management Systems (BMS) requires better State of Health (SOH) estimation methods to understand the degradation mechanism in electric batteries. Data Driven Methods (DDMs) use machine learning models like regression models, Support Vector Machine (SVM) or deep learning models like Recurrent Neural Network (RNN) to estimate the SOH of a battery. Drive cycle data from e-bikes, containing various battery usage features, can be used in DDMs to predict the SOH of batteries and understand the battery behavior to enhance the battery performance.

Betreuer: Prof. Dr. Andrea Vezzini

Anmeldung Teilnahme vor Ort