User: Guest  Login
Original title:
Big Data Alterungsanalyse von Fahrzeugantriebsbatterien zur Klassifizierung für stationäre Anwendungen
Original subtitle:
Der Einfluss der Fahrweise auf die Battery Second Life Verwendung
Translated title:
Degradation of automotive lithium batteries during mobile and stationary load through big data analysis
Translated subtitle:
Analysis of the driving load in order to classify the most suitable second life application
Author:
Nguyen Thi, Tam Thanh
Year:
2019
Document type:
Dissertation
Faculty/School:
Fakultät für Elektrotechnik und Informationstechnik
Advisor:
Jossen, Andreas (Prof. Dr.)
Referee:
Jossen, Andreas (Prof. Dr.); Schmülling, Benedikt (Prof. Dr.)
Language:
de
Subject group:
ELT Elektrotechnik; VER Technik der Verkehrsmittel
Keywords:
Lithium-Ionen, Alterung, Elektrofahrzeug, Big Data, Second Life
Translated keywords:
lithium-ion, ageing, electric vehicle, big data, second life
TUM classification:
ELT 972d
Abstract:
Die vorliegende Dissertation beleuchtet den Betrieb von vollelektrischen Fahrzeugen. Fokus ist der daraus resultierende Einfluss der betrieblichen Belastung auf den Alterungsprozess der Lithium-Ionen Batterie. Die Batterielebensdauer kann durch die Zweitverwendung in einer stationären Anwendung mit milderem Lastprofil verlängert werden. Ziel der Arbeit ist deshalb die Ermittlung der geeignetsten Second Life Anwendungen. Mittels eines entwickelten Big Data Ansatzes wird die Batteriebelastung eine...     »
Translated abstract:
The aim of this doctoral thesis is to study the driving load on electric vehicles and the resulting effects on battery ageing. A developed big data approach allows to identify the driving behaviour of existing battery electric vehicles. A second life approach is more advisable with decreasing residual life, due to reduced stress on the pack. By taking into account the historical data, the concept therefore classifies a battery with the most suitable second life application, which allows the agre...     »
WWW:
https://mediatum.ub.tum.de/?id=1488578
Date of submission:
19.06.2019
Oral examination:
17.12.2019
File size:
8677456 bytes
Pages:
155
Urn (citeable URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20191217-1488578-1-6
Last change:
07.07.2020
 BibTeX