Im Zuge der globalen Energiewende entwickeln sich neue Energietechnologien rasant. Redox-Flow-Batterien übernehmen aufgrund ihrer langen Lebensdauer und hohen Sicherheit eine wichtige Rolle in großflächigen Energiespeichersystemen. Für Redox-Flow-Batterien kann eine genaue Zustandsbewertung die Nutzungseffizienz der Batterie effektiv verbessern, ihre Lebensdauer verlängern und Netzkopplungsoperationen optimieren, wodurch die Zuverlässigkeit und Wirtschaftlichkeit des Energiemanagements insgesamt gesteigert wird. Diese Übersicht beschreibt den Forschungsstand zu Methoden der Schätzung des Ladezustands (SOC) und des Gesundheitszustands (SOH) in Redox-Flow-Speichersystemen, mit einem Schwerpunkt auf der Analyse mehrerer klassischer Bewertungsmethoden, einschließlich der Open-Circuit-Spannungsmethode, der Amperestunden-Integration, Algorithmen, die äquivalente Schaltkreismodelle mit Kalman-Filtern kombinieren, sowie kürzlich aufkommender datengetriebener Modelle basierend auf künstlicher Intelligenz. Die Vor- und Nachteile dieser Methoden werden eingehend diskutiert, wobei der Einfluss komplexer elektrochemischer Batterieprozesse und äußerer Umweltveränderungen auf die SOC- und SOH-Schätzungen hervorgehoben wird. Der wichtige zukünftige Entwicklungsweg für intelligente Redox-Flow-Batteriemanagementsysteme liegt in der Verbesserung der Genauigkeit der SOC- und SOH-Schätzung, der Reduzierung der Rechenkomplexität und der Erhöhung der Interpretierbarkeit von KI-Modellen.

Redox-Flow-Batterie;Ladezustand;Gesundheitszustand;Batteriemanagementsystem;äquivalentes Schaltkreismodell;künstliche Intelligenz