Sistemas de gestión de baterías basados ​​en modelos para baterías actuales y de próxima generación – Physics World

La carga rápida se investiga mucho para la implementación generalizada de baterías de iones de litio para vehículos eléctricos. Sin embargo, la carga a altas corrientes acelera varias reacciones parásitas que conducen a la degradación de la celda, lo que afecta su vida útil. Estas reacciones conducen a la pérdida del inventario de litio, pérdida de material activo y aumento de la impedancia en la celda. Los ejemplos de estas reacciones secundarias incluyen el crecimiento de la capa de interfase de electrolito sólido (SEI), la disolución y deposición de metales de transición, el recubrimiento de litio y la oxidación del solvente. Estos mecanismos degradan la célula y reducen su ciclo de vida.

Los modelos de baterías multiescala basados ​​en la física resuelven las ecuaciones que gobiernan los balances de carga y masa dentro de la celda. Usando estos modelos matemáticos detallados, es posible estudiar los mecanismos de degradación del material y predecir su impacto en la pérdida de capacidad bajo varias condiciones de operación. Estos modelos se pueden utilizar para diseñar nuevas baterías con materiales apropiados y parámetros de diseño adecuados para cualquier propósito dado.

Más importante aún, estos modelos se pueden integrar con sistemas de gestión de batería (BMS) para controlar el rendimiento de la celda. Estos modelos se pueden utilizar además para diseñar protocolos de carga novedosos que permitan un rendimiento celular seguro y óptimo, y supriman la degradación del material celular. El BMS monitorea y mantiene el voltaje, la corriente y la temperatura, y estima los estados internos de la celda. Los algoritmos BMS basados ​​en modelos requieren códigos rápidos que puedan predecir y estimar los parámetros de la batería en tiempo real y controlar el rendimiento de la batería bajo diferentes cargas.

Actualmente, el BMS implementa modelos de circuitos equivalentes que predicen de manera inadecuada el desempeño de la celda para diversas condiciones y parámetros de diseño. Este seminario web presenta los esfuerzos actuales para mover los modelos de BMS para baterías actuales y de próxima generación.

Una sesión interactiva de preguntas y respuestas sigue a la presentación.

Venkat Subramaniano es profesor de ingeniería Ernest Dashiell Cockrell II en el Departamento de Ingeniería Mecánica e Ingeniería de Ciencias de los Materiales de la Universidad de Texas en Austin (UT). El Prof. Subramanian es miembro electo de The Electrochemical Society, donde se desempeñó como presidente electo de la División de Ingeniería Electroquímica e Ingeniería Electroquímica Industrial (IE&EE) de ECS, y como editor técnico electo. También es ex presidente electo del Área 1e: (Ingeniería Electroquímica) del AIChE. Su grupo aspira a ser el grupo líder mundial en sistemas de gestión de baterías (BMS) basados ​​en modelos.

• Distribución de relaciones públicas y contenido potenciado por SEO. Consiga amplificado hoy.
• PlatoData.Network Vertical Generativo Ai. Empodérate. Accede Aquí.
• PlatoAiStream. Inteligencia Web3. Conocimiento amplificado. Accede Aquí.
• PlatoESG. Automoción / vehículos eléctricos, Carbón, tecnología limpia, Energía, Ambiente, Solar, Gestión de residuos. Accede Aquí.
• Desplazamientos de bloque. Modernización de la propiedad de compensaciones ambientales. Accede Aquí.
• Fuente: https://physicsworld.com/a/model-based-battery-management-systems-for-current-and-next-generation-batteries/