Op modellen gebaseerde batterijbeheersystemen voor huidige en volgende generatie batterijen - Physics World

Er wordt uitgebreid onderzoek gedaan naar snelladen voor de wijdverbreide implementatie van lithium-ionbatterijen voor elektrische voertuigen. Opladen bij hoge stromen versnelt echter verschillende parasitaire reacties die leiden tot de afbraak van de cel, waardoor de levensduur ervan wordt beïnvloed. Deze reacties leiden tot verlies van lithiumvoorraad, verlies van actief materiaal en verhoogde impedantie in de cel. Voorbeelden van deze nevenreacties zijn onder meer de groei van de vaste-elektrolyt-interfaselaag (SEI), het oplossen en afzetten van overgangsmetalen, lithiumplatering en oxidatie van oplosmiddelen. Deze mechanismen degraderen de cel en verkorten de levensduur ervan.

Op fysica gebaseerde batterijmodellen met meerdere schaalniveaus lossen vergelijkingen op die de ladings- en massabalansen in de cel bepalen. Met behulp van deze gedetailleerde wiskundige modellen is het mogelijk om mechanismen voor materiaaldegradatie te bestuderen en hun impact op capaciteitsverlies onder verschillende bedrijfsomstandigheden te voorspellen. Deze modellen kunnen worden gebruikt om nieuwe batterijen te ontwerpen met de juiste materialen en ontwerpparameters die geschikt zijn voor elk bepaald doel.

Belangrijker nog is dat deze modellen kunnen worden geïntegreerd met batterijbeheersystemen (BMS) om de prestaties van de cel te controleren. Deze modellen kunnen verder worden gebruikt om nieuwe oplaadprotocollen te ontwerpen die veilige en optimale celprestaties mogelijk maken en degradatie van celmateriaal onderdrukken. Het BMS bewaakt en onderhoudt de spanning, stroom en temperatuur, en schat de interne toestanden van de cel. Modelgebaseerde BMS-algoritmen vereisen snelle codes die batterijparameters in realtime kunnen voorspellen en schatten en de prestaties van de batterij onder verschillende belastingen kunnen controleren.

Momenteel implementeert het BMS gelijkwaardige circuitmodellen die de prestaties van de cel onder verschillende omstandigheden en ontwerpparameters onvoldoende voorspellen. Dit webinar presenteert de huidige inspanningen om de modellen voor BMS te verplaatsen naar batterijen van de huidige en de volgende generatie.

Na de presentatie volgt een interactieve Q&A-sessie.

Venkat Subramanian is de Ernest Dashiell Cockrell II hoogleraar Engineering aan de afdeling Werktuigbouwkunde en Materiaalkunde van de Universiteit van Texas in Austin (UT). Prof. Subramanian is een gekozen fellow van The Electrochemical Society, waar hij heeft gediend als gekozen voorzitter van de ECS Industrial Electrochemistry and Electrochemical Engineering (IE&EE) Division, en gekozen tot technisch redacteur. Hij is ook verkozen tot voorzitter van Area 1e: (Elektrochemische Technologie) van de AIChE. Zijn groep wil de leidende groep ter wereld zijn op het gebied van modelgebaseerde batterijmanagementsystemen (BMS).

• Door SEO aangedreven content en PR-distributie. Word vandaag nog versterkt.
• PlatoData.Network Verticale generatieve AI. Versterk jezelf. Toegang hier.
• PlatoAiStream. Web3-intelligentie. Kennis versterkt. Toegang hier.
• PlatoESG. Automotive / EV's, carbon, CleanTech, Energie, Milieu, Zonne, Afvalbeheer. Toegang hier.
• BlockOffsets. Eigendom voor milieucompensatie moderniseren. Toegang hier.
• Bron: https://physicsworld.com/a/model-based-battery-management-systems-for-current-and-next-generation-batteries/