Modellbasierte Batteriemanagementsysteme für Batterien der aktuellen und nächsten Generation – Physics World

Für den flächendeckenden Einsatz von Lithium-Ionen-Batterien für Elektrofahrzeuge wird intensiv an der Schnellladung geforscht. Das Laden mit hohen Strömen beschleunigt jedoch mehrere parasitäre Reaktionen, die zur Verschlechterung der Zelle und damit zur Beeinträchtigung ihrer Lebensdauer führen. Diese Reaktionen führen zum Verlust des Lithiumbestands, zum Verlust von aktivem Material und zu einer erhöhten Impedanz in der Zelle. Beispiele für diese Nebenreaktionen sind das Wachstum der Festelektrolyt-Interphasenschicht (SEI), die Auflösung und Abscheidung von Übergangsmetallen, die Lithiumplattierung und die Lösungsmitteloxidation. Diese Mechanismen bauen die Zelle ab und verkürzen ihre Zyklenlebensdauer.

Physikbasierte Multiskalen-Batteriemodelle lösen Gleichungen, die die Ladungs- und Massenbilanzen innerhalb der Zelle regeln. Mithilfe dieser detaillierten mathematischen Modelle ist es möglich, Materialabbaumechanismen zu untersuchen und deren Auswirkungen auf den Kapazitätsverlust unter verschiedenen Betriebsbedingungen vorherzusagen. Diese Modelle können verwendet werden, um neue Batterien mit geeigneten Materialien und Designparametern zu entwerfen, die für jeden bestimmten Zweck geeignet sind.

Noch wichtiger ist, dass diese Modelle in Batteriemanagementsysteme (BMS) integriert werden können, um die Leistung der Zelle zu steuern. Diese Modelle können außerdem zur Entwicklung neuartiger Ladeprotokolle verwendet werden, die eine sichere und optimale Zellleistung ermöglichen und die Verschlechterung des Zellmaterials unterdrücken. Das BMS überwacht und hält Spannung, Strom und Temperatur aufrecht und schätzt die internen Zustände der Zelle. Modellbasierte BMS-Algorithmen erfordern schnelle Codes, die Batterieparameter in Echtzeit vorhersagen und schätzen sowie die Leistung der Batterie unter verschiedenen Belastungen steuern können.

Derzeit implementiert das BMS Ersatzschaltkreismodelle, die die Leistung der Zelle für verschiedene Bedingungen und Designparameter nur unzureichend vorhersagen. In diesem Webinar werden die aktuellen Bemühungen vorgestellt, die Modelle für BMS für Batterien der aktuellen und nächsten Generation zu verschieben.

An die Präsentation schließt sich eine interaktive Q&A-Runde an.

Venkat Subramanian ist Ernest Dashiell Cockrell II-Professor für Ingenieurwissenschaften am Fachbereich Maschinenbau und Materialwissenschaften der University of Texas in Austin (UT). Prof. Subramanian ist ein gewähltes Mitglied der Electrochemical Society, wo er als gewählter Vorsitzender der Abteilung für industrielle Elektrochemie und Elektrochemie (IE&EE) des ECS sowie als gewählter technischer Redakteur fungierte. Er ist außerdem ein früher gewählter Vorsitzender des Bereichs 1e: (Elektrochemische Technik) der AIChE. Seine Gruppe strebt danach, die weltweit führende Gruppe für modellbasierte Batteriemanagementsysteme (BMS) zu sein.

• SEO-gestützte Content- und PR-Distribution. Holen Sie sich noch heute Verstärkung.
• PlatoData.Network Vertikale generative KI. Motiviere dich selbst. Hier zugreifen.
• PlatoAiStream. Web3-Intelligenz. Wissen verstärkt. Hier zugreifen.
• PlatoESG. Automobil / Elektrofahrzeuge, Kohlenstoff, CleanTech, Energie, Umwelt, Solar, Abfallwirtschaft. Hier zugreifen.
• BlockOffsets. Modernisierung des Eigentums an Umweltkompensationen. Hier zugreifen.
• Quelle: https://physicsworld.com/a/model-based-battery-management-systems-for-current-and-next-generation-batteries/