Die Weiterentwicklung der Technologien zur Speicherung sekundärer chemischer Energie ist ein wichtiger Baustein in der Automobilindustrie, um die Vision eines emissionsfreien Antriebs zu verwirklichen. Neben der Entwicklung neuer chemischer Gemische für eine höhere Leistungsdichte und Haltbarkeit müssen auch fortschrittliche Algorithmen für Batteriemanagementsysteme und globale Energieverteilungsstrategien entwickelt werden, die auf eingebetteten Systemen implementiert und mit Cloud-Diensten verbunden werden können. Ziel dieser Systeme ist es, eine zuverlässige und genaue Schätzung der aktuellen und zukünftigen Leistungsverfügbarkeit zu liefern und den Batteriezustand zu überwachen. Dies ist bei Hochleistungs-Lithium-Ionen-Batteriezellen besonders herausfordernd aufgrund ihres nichtlinearen Verhaltens und da keine zerstörungsfreien Methoden zur direkten Messung ihrer Hauptmerkmale und -zustände zur Verfügung stehen. In diesem Forschungsbereich wurde ein nichtlineares Modelica-basiertes Batteriemodell für die rekursive Online-Ladezustandsschätzung (state of charge, SOC) entwickelt. Dieser Ansatz bietet einen guten Kompromiss zwischen Modellierungsgenauigkeit und Echtzeitanforderungen, zum Beispiel geringe Systemordnung und Minimierung der Anzahl (nicht)linearer Subsysteme. Sowohl der SOC (siehe Abbildung unten) als auch der Fahrzeugpositionsschätzalgorithmus wurden unter Verwendung der DLR-Kalman-Filter-Bibliothek erfolgreich implementiert und anschließend im Rahmen des ROboMObil-Projekts parametrisiert und getestet.