Modellierung der Degradation von Elektrolysezellen

Summary

Beschreibung Reversible Festoxidzellen (rSOC) können wechselweise als Brennstoffzelle Strom erzeugen und im Elektrolysebetrieb Strom in Wasserstoff und Methan umwandeln. Damit eignen sie sich besonders für die Kopplung von Gas- und Stromnetz. Ihre Wirtschaftlichkeit hängt maßgeblich von der Lebensdauer der Zellen ab. In einem Verbundprojekt untersuchen wir gemeinsam mit einem Start-up die Degradation von Short-Stacks. Ziel ist ein physikalisch fundiertes Vorhersagemodell über die Stack-Spannung für mehrere Betriebsjahre. In dieser Arbeit wird die Degradation nicht als mittlerer Spannungsverlust beschrieben, sondern als zeitabhängige Veränderung physikalischer Modellparameter wie Aktivierungsenergien und Grenzstromdichten. Jeder Mechanismus wird durch eine Korrelation abgebildet, die von den Betriebsbedingungen (Temperatur, Stromdichte, Gaszusammensetzung, Betriebsmodus) abhängt. Das in Python implementierte Modell bildet die Grundlage für die Vorhersage der Langzeitdegradation von SOCs. Voraussetzungen • Kenntnisse in Elektrochemie & Reaktionstechnik • Solide Programmierkenntnisse in Python • Hilfreich: Mathematisches Verständnis von Optimierung

• HiWi-Stelle: Unterstützung bei der Durchführung und Analyse einer Regelungsmethode für das Freiformbiegen von Rundstäben

  HiWi · Lehrstuhl für Mikrotechnik und Medizingerätetechnik (TUM-ED)

• Degradation Modeling of Electrolysis Cells

  Thesis · Lehrstuhl für Energiesysteme (TUM-ED)

• Stress Concentration Handling in Topology Optimization for Lightweight Assemblies and Mechanical Connections

  Thesis · Lehrstuhl für Produktentwicklung und Leichtbau (TUM-ED)

• Computational Geometry for Topology-Optimized Assemblies and Mechanical Connections

  Thesis · Lehrstuhl für Produktentwicklung und Leichtbau (TUM-ED)

• Development of High-Performance Tools for Topology Optimization

  HiWi · Lehrstuhl für Produktentwicklung und Leichtbau (TUM-ED)

• Evaluating the Consistency of Language-to-Scenario Generators for Autonomous Driving Systems

  Thesis · Chair of Software Engineering