- News
Präsentation Masterarbeiten BFH-Zentrum Energiespeicherung 2021
16.08.2021 Intelligent gesteuerte Ladestationen für Elektroautos, ein Brennstoffzellenprüfstand, der auch Elektrolysezellen testen kann, Stromoberschwingungen in elektrischen Verteilnetzen oder die Entwicklung zuverlässiger Methoden zur Lebensdauervorhersage von Batterien: Am 11. August haben Student*innen des Master of Science in Engineering sowie Mitarbeitende im Umfeld des BFH-Zentrum Energiespeicherung ihre Arbeiten zu diesen Themen im Switzerland Innovation Park Biel-Bienne (SIPBB) präsentierten.
Die Masterarbeiten entstanden im Rahmen des BFH-Zentrums Energiespeicherung. Hier finden Sie weitere Informationen dazu:
Zusammenfassungen der Präsentationen
Brennstoffzellenprüfstand 2.0 (deutsch) | Marc Studer, Hydrogen Lab
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
Stromoberschwingungen in Verteilnetzen (deutsch) | Tyler Bacciarini, Power Grids Lab
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
EV – Smart Charging, Optimiertes Betriebsmanagement für EV-Ladestationen (deutsch) | David Zurflüh, PV Lab
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
Cloud Based Battery Management Systems using Big Data and Machine Learning (englisch) | Prathyusha Nerella, Battery and Storage Systems Lab
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
