Modellbaserade batterihanteringssystem för nuvarande och nästa generations batterier – Physics World

Modellbaserade batterihanteringssystem för nuvarande och nästa generations batterier – Physics World

Gå med i publiken för ett livewebinar kl. 6 BST/1 EDT den 2 augusti 2023 och utforska batterihanteringssystem för nuvarande och nästa generations batterier

Vill du delta i detta webinar?

Modellbaserade batterihanteringssystem för nuvarande och nästa generations batterier – Physics World PlatoBlockchain Data Intelligence. Vertikal sökning. Ai.

Snabbladdning forskas hårt för den utbredda implementeringen av litiumjonbatterier för elfordon. Men laddning vid höga strömmar accelererar flera parasitreaktioner som leder till nedbrytning av cellen, vilket påverkar dess livslängd. Dessa reaktioner leder till förlust av litiumlager, förlust av aktivt material och ökad impedans i cellen. Exempel på dessa sidoreaktioner inkluderar tillväxten av fast-elektrolyt-interfasskiktet (SEI), övergångsmetallupplösning och avsättning, litiumplätering och lösningsmedelsoxidation. Dessa mekanismer försämrar cellen och minskar dess livslängd.

Fysikbaserade flerskaliga batterimodeller löser ekvationer som styr laddningen och massbalansen i cellen. Med hjälp av dessa detaljerade matematiska modeller är det möjligt att studera materialnedbrytningsmekanismer och förutsäga deras inverkan på kapacitetsförlust under flera driftsförhållanden. Dessa modeller kan användas för att designa nya batterier med lämpliga material och designparametrar som passar för alla ändamål.

Mer kritiskt är att dessa modeller kan integreras med batterihanteringssystem (BMS) för att kontrollera cellens prestanda. Dessa modeller kan vidare användas för att designa nya laddningsprotokoll som möjliggör säker och optimal cellprestanda och undertrycker cellmaterialnedbrytning. BMS övervakar och upprätthåller spänning, ström och temperatur och uppskattar cellens interna tillstånd. Modellbaserade BMS-algoritmer kräver snabba koder som kan förutsäga och uppskatta batteriparametrar i realtid och styra batteriets prestanda under olika belastningar.

För närvarande implementerar BMS ekvivalenta kretsmodeller som otillräckligt förutsäger cellens prestanda för olika förhållanden och designparametrar. Detta webbseminarium presenterar de nuvarande ansträngningarna att flytta modellerna för BMS för nuvarande och nästa generations batterier.

Efter presentationen följer en interaktiv frågestund.

Vill du delta i detta webinar?

Modellbaserade batterihanteringssystem för nuvarande och nästa generations batterier – Physics World PlatoBlockchain Data Intelligence. Vertikal sökning. Ai.

Venkat Subramanian är Ernest Dashiell Cockrell II professor i teknik vid avdelningen för maskinteknik och materialvetenskap, vid University of Texas i Austin (UT). Prof. Subramanian är en vald stipendiat i The Electrochemical Society, där han har fungerat som en vald ordförande för ECS Industrial Electrochemistry and Electrochemical Engineering (IE&EE) Division, och vald teknisk redaktör. Han är också en tidigare vald ordförande för område 1e: (elektrokemisk teknik) av AIChE. Hans grupp har som mål att vara världens ledande koncern inom modellbaserade batterihanteringssystem (BMS).

Modellbaserade batterihanteringssystem för nuvarande och nästa generations batterier – Physics World PlatoBlockchain Data Intelligence. Vertikal sökning. Ai.
Modellbaserade batterihanteringssystem för nuvarande och nästa generations batterier – Physics World PlatoBlockchain Data Intelligence. Vertikal sökning. Ai.
Modellbaserade batterihanteringssystem för nuvarande och nästa generations batterier – Physics World PlatoBlockchain Data Intelligence. Vertikal sökning. Ai.
Modellbaserade batterihanteringssystem för nuvarande och nästa generations batterier – Physics World PlatoBlockchain Data Intelligence. Vertikal sökning. Ai.

Tidsstämpel:

Mer från Fysikvärlden