Modellalapú akkumulátorkezelő rendszerek jelenlegi és következő generációs akkumulátorokhoz – Fizika világa

A gyorstöltést nagymértékben kutatják az elektromos járművek lítium-ion akkumulátorainak széles körű elterjedése érdekében. A nagy áramerősségű töltés azonban felgyorsít számos parazita reakciót, amelyek a sejt lebomlásához vezetnek, és befolyásolják annak élettartamát. Ezek a reakciók a lítiumkészlet elvesztéséhez, az aktív anyag elvesztéséhez és a sejt impedanciájának növekedéséhez vezetnek. Ezekre a mellékreakciókra példa a szilárd elektrolit interfázis (SEI) réteg növekedése, az átmeneti fémek oldódása és lerakódása, a lítiumbevonat és az oldószeres oxidáció. Ezek a mechanizmusok lebontják a sejtet és csökkentik ciklusidejét.

A fizikai alapú többléptékű akkumulátormodellek olyan egyenleteket oldanak meg, amelyek szabályozzák a cellán belüli töltés- és tömegegyensúlyt. Ezekkel a részletes matematikai modellekkel lehetővé válik az anyagdegradációs mechanizmusok tanulmányozása és a kapacitásveszteségre gyakorolt ​​hatásuk előrejelzése többféle működési körülmény között. Ezek a modellek felhasználhatók új akkumulátorok tervezésére, megfelelő anyagokkal és tervezési paraméterekkel, bármilyen célra alkalmasak.

Ami még kritikusabb, ezek a modellek integrálhatók akkumulátor-felügyeleti rendszerekkel (BMS), hogy szabályozzák a cella teljesítményét. Ezek a modellek felhasználhatók továbbá olyan új töltési protokollok tervezésére, amelyek biztonságos és optimális cellateljesítményt tesznek lehetővé, és megakadályozzák a cellaanyag-degradációt. A BMS figyeli és fenntartja a feszültséget, áramot és hőmérsékletet, valamint megbecsüli a cella belső állapotait. A modellalapú BMS-algoritmusok gyors kódokat igényelnek, amelyek valós időben megjósolhatják és megbecsülhetik az akkumulátor paramétereit, és szabályozhatják az akkumulátor teljesítményét különböző terhelések mellett.

Jelenleg a BMS egyenértékű áramköri modelleket valósít meg, amelyek nem megfelelően jósolják meg a cella teljesítményét különböző feltételek és tervezési paraméterek esetén. Ez a webinárium bemutatja a jelenlegi és a következő generációs akkumulátorok BMS modelljeinek áthelyezésére irányuló jelenlegi erőfeszítéseket.

Az előadást interaktív Q&A szekció követi.

Venkat Subramanian Ernest Dashiell Cockrell II. mérnökprofesszor a Texasi Egyetem Gépészmérnöki és Anyagtudományi Mérnöki Tanszékén, az Austini Egyetemen (UT). Prof. Subramanian a The Electrochemical Society megválasztott tagja, ahol az ECS Ipari Elektrokémiai és Elektrokémiai Mérnöki (IE&EE) osztályának választott elnöke, valamint választott műszaki szerkesztője volt. Emellett az AIChE 1e területének (elektrokémiai mérnöki terület) korábban megválasztott elnöke. Csoportja célja, hogy a világ vezető csoportja legyen a modellalapú akkumulátor-kezelő rendszerek (BMS) területén.

• SEO által támogatott tartalom és PR terjesztés. Erősödjön még ma.
• PlatoData.Network Vertical Generative Ai. Erősítse meg magát. Hozzáférés itt.
• PlatoAiStream. Web3 Intelligence. Felerősített tudás. Hozzáférés itt.
• PlatoESG. Autóipar / elektromos járművek, Carbon, CleanTech, Energia, Környezet, Nap, Hulladékgazdálkodás. Hozzáférés itt.
• BlockOffsets. A környezetvédelmi ellentételezési tulajdon korszerűsítése. Hozzáférés itt.
• Forrás: https://physicsworld.com/a/model-based-battery-management-systems-for-current-and-next-generation-batteries/