Abschlussarbeit: Modellierung Brennstoffzellen-Stack (m/w/d)

Hintergrund

Mit der Entwicklung des ersten qualifizierten wasserstoff-elektrischen Antriebsstrangs für die Luftfahrt leitet H2FLY das Zeitalter des nachhaltigen Flugverkehrs ein. H2FLY blickt auf über ein Jahrzehnt Forschung, Entwicklung und Erprobung eines emissionsfreien Antriebssystems zurück. Das Herzstück des Antriebssystems bilden in Reihe geschaltete Brennstoffzellen. Dieser so genannte Stack generiert elektrische Energie aus grünem Wasserstoff.

Problembeschreibung

Valide und effiziente Modelle des Stacks sind ein zentrales Element einer modellbasierten Entwicklung von Brennstoffzellensystemen. Sie liefern wertvolle Einblicke in die komplexen elektrochemischen Prozesse, die Fluiddynamik und das thermische Verhalten innerhalb des Systems und ermöglichen eine fundierte Entscheidungsfindung in Bezug auf Komponentenauswahl, Systemintegration und Steuerungsstrategien. Modellbildung und Simulation dienen so der Beschleunigung der Entwicklung und Kommerzialisierung eines wasserstoff-elektrischen Antriebsstrangs für die Luftfahrt.

Deine Aufgaben

• Sichten, Einordnen und Bewerten veröffentlichter Arbeiten zur (modellbasierten, optimalen) Regelung von Brennstoffzellensystemen
• Sichten, Einordnen und Bewerten vorhandener Stack-Modelle
• Anforderungsbasierte Entwicklung eines mathematischen Simulationsmodells
• Berücksichtigung relevanter Phänomene wie Stofftransport, Wärmeübertragung und elektrochemischer Reaktionen
• Kombination physikalisch motivierten Ansätze mit datenbasierten Methoden
• Sensitivitätsanalyse Parameterschätzung durch Auswertung von Messdaten
• Ableiten von Entwurfsmodellen für regelungstechnische Aufgabenstellungen (bspw. Schätzung nicht direkt gemessener Zustände wie relativer Feuchte oder Temperaturverteilung)

• Erfolgreich abgeschlossenes Bachelorstudium oder Vordiplom in einer Ingenieurs- oder Naturwissenschaft
• Sehr gute Programmierkenntnisse in MATLAB und Python
• Erfahrung im Modellieren physikalischer und/oder chemischer Prozesse
• Idealerweise Kenntnisse in der datenbasierten Modellbildung und maschinellem Lernen

Schnall Dich an und starte mit uns durch. Wir freuen uns auf Deine Bewerbung!