Forschungsschwerpunkte
Anwendung von maschinellem Lernen (ML) zur datengetriebenen Alterungsmodellierung in der PEM-Wasserelektrolyse
- Rein datengetriebene Alterungsvorhersage mittels Deep Learning
- Physics-informed ML zur Steigerung der Vorhersagegenauigkeit und Interpretierbarkeit
- Untersuchung von Explainable AI (XAI)-Ansätzen zur Identifikation von Alterungsstressoren
Werdegang
| seit 2021 | Wissenschaftlicher Mitarbeiter am Institut für elektrische Energiesysteme an der Leibniz Universität Hannover |
| 2018-2021 | Studium M. Sc. Maschinenbau, Leibniz Universität Hannover
|
| 2013-2018 | Studium B. Sc. Maschinenbau, Leibniz Universität Hannover
|
Publikationen und Projekte
-
Publikationen (Hier klicken)
Zeige Ergebnisse 1 - 3 von 3
Predicting future polarization curves from operating data: Machine learning-based investigation of degradation modeling concepts for PEM water electrolysis. / Woelke, Janis; Rex, Alexander; Eckert, Christoph et al.
in: Energy and AI, Jahrgang 21, 100547, 09.2025.Publikation: Beitrag in Fachzeitschrift › Artikel › Forschung › Peer-Review
Cross-Method Overview of Fleet-Based Machine Health Estimation and Prediction: A Practical Guide for Industrial Applications. / Yan, Xuqian; Woelke, Janis; Bensmann, Boris et al.
in: IEEE ACCESS, Jahrgang 13, 10.04.2025, S. 60131-60147.Publikation: Beitrag in Fachzeitschrift › Übersichtsarbeit › Forschung › Peer-Review
Machine learning in proton exchange membrane water electrolysis: A knowledge-integrated framework. / Chen, Xia; Rex, Alexander; Woelke, Janis et al.
in: Applied energy, Jahrgang 371, 123550, 01.10.2024.Publikation: Beitrag in Fachzeitschrift › Artikel › Forschung › Peer-Review
-
Forschungsprojekte (Hier klicken)
Zeige Ergebnisse 1 - 1 von 1
SEGIWA: Serienproduktion von Elektrolyseuren im Gigawatt-Bereich: Serienproduktion von Elektrolyseuren im Gigawatt-Bereich; Teilvorhaben: FleetTwin-LUH
Hanke-Rauschenbach, R. (Projektleiter*in (Principal Investigator))
1 Mai 2021 → 30 Sept. 2025
Projekt: Forschung
Abstract: Siemens Energy entwickelt, baut und vermarket PEM-basierte Wasserelektrolyseure. In SEGIWA sollen Grundlagen erarbeitet werden, die Serien-Silyzers300 Serie von der manuellen Fertigung in die Serienfertigung in Richtung Gigawattausbau zu überführen. Im Sinne der nationalen Wasserstoffstrategie soll somit ein reibungsarmer Markthochlauf erreicht werden. Konzepte zur Skalierung der Elektrolyseurproduktion im industriellen Maßstab unterstützen diesen Hochlauf. Die akademischen Partner entwickeln Methoden zur Prozesskontrolle und zur Qualitätssicherung. Alternativen zu Katalysatoren und Membranen werden betrachtet und ggf. in die Serienproduktion überführt. MES, Automatisierung, produktionsbegleitende Online Analytik und der digitale Zwilling bilden Kernarbeitspakete.
Gegenstand des vorliegenden Teilvorhabens sind die Beiträge des Partners LUH zum SEGIWA-Arbeitspaket 4 "De-Risking durch Digitale Integration der Wertschöpfungskette". Hauptfokus der geplanten Arbeiten liegt dabei auf der wissenschaftlichen Begleitung der Entwicklung des sog. FleetTwins, einem digitalen Zwilling, mit dessen Hilfe die kontinuierliche Analyse der Betriebsdaten der, im Rahmen der Serienproduktion erstellten, zahlreichen Kundenanlagen möglich sein soll und auf diese Weise eine Feedback-Schleife aus dem Feld sowohl in die Produktion als auch in die Entwicklung und das Engineering etabliert werden kann.