Das bis März 2024 laufende Konsortialprojekt unter Leitung der Technischen Universität Darmstadt wird von der Europäischen Kommission unter dem Forschungs- und Innovationsprogramm Horizon 2020 mit 8 Mio. € gefördert.

Das beispiellose Konzept von »SIMBA« basiert auf der Integration eine Natrium-Metall-Anode in einer natriumfreien Baugruppenarchitektur, die einen hochporösen Träger auf der Anodenseite, einen Einionen-leitenden Komposit/Hybridpolymer-Elektrolyten und ein innovatives Kathodenmaterial umfasst. Diese neue Klasse von kostengünstigen Hochleistungsbatteriezellen soll weniger als 0,04 €/kWh/Ladezyklus kosten und damit eine Wettbewerbsfähigkeit gegenüber konkurrierenden Technologien wie Lithium-Ionen oder Redox-Flow-Batterien erreichen. Durch den Einsatz nachhaltiger Batteriematerialien sollen Versorgungsrisiken und -beschränkungen sowie Umweltbelastungen reduziert werden. 

Obwohl Natrium-Ionen-Batterien in vielerlei Hinsicht mit Lithium-Ionen-Batterien vergleichbar sind, gibt es noch wissenschaftliche und technische Herausforderungen, was das Verständnis der elektrochemischen Prozesse und Degradationsmechanismen, der Elektrode, des Festkörperelektrolyten und der Zellherstellung angeht.

Das Fraunhofer-Institut für Solare Energiesysteme ISE beteiligt sich an »SIMBA« mit der Entwicklung eines neuen Batteriemanagementsystems (BMS) für Natrium-Ionen-Batterien. Die Integration und Auswertung von Algorithmen zur Bestimmung des Ladezustands- und des Alterungszustands werden das Verständnis der Zellchemie und deren Alterungseffekte verbessern. Das Fraunhofer ISE wird hierzu die neuen Batterien charakterisieren, daraus Modelle ableiten und auf dieser Basis die Genauigkeit bei der Schätzung der Zustandsparameter erhöhen. Um die Forschung an zukünftigen BMS-Technologien zu intensivieren, arbeitet das Fraunhofer ISE darüber hinaus an der Integration eines intelligentes BMS in das Internet of Things (IoT). Dadurch können Messdaten, Alterungszustände und Wartungsinformationen direkt an den Benutzer oder Hersteller gesendet werden. Mit künstlicher Intelligenz gestützte Algorithmen können diese Informationen genutzt werden, um bessere Vorhersagen über den aktuellen Batteriezustand und die verbleibende nutzbare Lebensdauer zu treffen. Auf dieser Basis können Strategien für einen zuverlässigen Betrieb sowie zur Lebensdauersteigerung entwickelt werden.