Vraag en antwoord:Lithium-ionbatterijen optimaliseren voor extreem snel opladen

Dr. Tanvir Tanim en zijn team van het Idaho National Laboratory hebben lithium-ionbatterijen ontworpen die in 10 tot 15 minuten kunnen worden opgeladen bij een laadstation langs de weg. Ze ontwikkelden een machine learning-algoritme dat ongewenste lithiumplating detecteert die onder deze omstandigheden zou kunnen optreden.

Tech Briefs: Hoe is het project begonnen?

Dr. Tanvir Tanim: We raakten betrokken bij het programma voor extreem snel opladen, dat in 2017 werd gesponsord door het Department of Energy Vehicle Technology Office. Het doel was om extreem snel opladen (XFC) in lithium-ionbatterijen mogelijk te maken - ongeveer 10 tot 15 minuten opladen of zo - om de EV-oplaadervaring vergelijkbaar te maken met de tankervaring van benzinevoertuigen. Dat is een van de belangrijkste overwegingen voor consumenten van elektrische voertuigen.

Voor dat programma testten we veel lithium-ionbatterijen met extreem hoge laadsnelheden. Wanneer u deze batterijen met hoge snelheden oplaadt, komt u veel problemen tegen - lithiumplating is een van de belangrijkste. Batterijen bevatten een eindige hoeveelheid lithium, dus je wilt niet dat het verloren gaat tijdens het opladen en ontladen, je wilt dat het heen en weer gaat van anode naar kathode. Tijdens snel opladen kan het herbruikbare lithium echter worden geplateerd op het anode-oppervlak, wat een ongewenste parasitaire reactie is - het geplateerde lithium kan niet worden teruggewonnen - tijdens ontlading kan het niet terugkeren naar de kathode.

Er zijn andere problemen met plating. Als je het niet vroeg opmerkt, zal het blijven gebeuren en kan dit leiden tot een catastrofale gebeurtenis. Het geplateerde Li kan bijvoorbeeld een dendritische vorm aannemen en als een naald uit de anode groeien en de separator doorboren, waardoor een interne kortsluiting ontstaat.

Dus we testten veel lithium-ionbatterijen, voerden ontwerpaanpassingen uit en testten vervolgens opnieuw om te zien of lithiumplating plaatsvond. Op dat moment hadden we echter geen goede manier om de beplating te detecteren. Na het testen scheurden we de cel open om te zien of er beplating was, of we zouden extra natesten doen. We hadden niet echt een solide elektrochemische op handtekeningen gebaseerde lithium-plating-detectiemethode, maar we leerden veel.

Toen raakten we betrokken bij een ander programma, genaamd physics-based machine learning, ook gefinancierd door DOE. Het doel van dat programma was om op kunstmatige intelligentie/machine learning gebaseerde algoritmen te ontwikkelen voor het verkrijgen van een betrouwbare projectie van de levensduur van de batterij, samen met het identificeren van de onderliggende oorzaken van degradatie. Tegen die tijd hadden we veel gegevens verzameld en een uitgebreid begrip van verschillende degradatiemodi en -mechanismen gegenereerd. We dachten, aangezien we al die gegevens hebben en we elektrochemische handtekeningen kennen die betrekking hebben op lithiumplating, waarom formuleren we dat niet gewoon in een machine-leerprobleem. We zouden de elektrochemische handtekeningen kunnen gebruiken, machine learning erin kunnen brengen en kijken of dat ons kan helpen een strategie te bedenken om lithiumplating te detecteren.

Van het een kwam het ander en we kwamen tot de conclusie dat dit een hele mooie methode zou kunnen zijn om lithiumplating vroegtijdig op te sporen, zonder de cel open te scheuren. Het openen van de cel en het achteraf testen kost tijd, is duur en vertraagt ​​de ontwikkeling van de levensduur van de batterij.

Tech Briefs: Dus uw methode was om bepaalde elektrochemische kenmerken te detecteren?

Tanim: Tegen die tijd hadden we tonnen elektrochemische gegevens en kregen we een goed begrip van de fysica erachter. We hebben de belangrijkste elektrochemische kenmerken geïdentificeerd die verband kunnen houden met lithiumplating. Toen gingen we met die gegevens aan de slag, brachten er machine learning in en losten het probleem op dat we toen hadden geformuleerd.

Tech Briefs: Kun je me iets vertellen over welke specifieke soorten gegevens je hebt gebruikt?

Tanim: We waren voornamelijk gefocust op elektrochemische gegevens omdat je deze gemakkelijk kunt verzamelen. Sterker nog, tijdens het testen zoeken we altijd naar elektrochemische handtekeningen om de levensduur en prestatieproblemen in lithium-ionbatterijen te beschrijven. Typische kenmerken zijn spanning, stroom, temperatuur, enzovoort. U kunt die handtekeningen omzetten in verschillende secundaire variabelen. We hebben bijvoorbeeld gekeken naar trends in ontlaadcapaciteit en capaciteitsvervaging, hun lineariteit of niet-lineariteit. Ook het einde van de laadrustspanning, het einde van de ontladingsspanning en hoe ze veranderen tijdens het fietsen, en bovendien de coulombefficiëntie.

Tech Briefs: Wat betekent ontlaadcapaciteit?

Tanim: Als je de batterij gebruikt, haal je er energie uit, dat noemen we ontlading. Een van de capaciteitsmetingen is ampère-uren.

Tech Briefs: Hoe zit het met capaciteitsvervaging?

Tanim: Een nieuwe batterij heeft een bepaalde capaciteit, laten we zeggen een ampère-uur. Met fietsen gaat dat vermogen afnemen. Capaciteit (of energie) fade is het percentage van afname. In normale gevallen zal de dalingstrend vrij lineair zijn, vooral in de eerste cycli. Maar met lithiumplating is de trend erg niet-lineair - hogere mate van vervaging aan het begin en minder vervaging later.

Lithiumplating kan onder verschillende omstandigheden plaatsvinden. Naast snelladen kan het gebeuren als u een batterij oplaadt bij een temperatuur onder het vriespunt, of als er verouderingsgerelateerde onbalansproblemen in de batterij zijn. De handtekeningen zijn mogelijk niet even gevoelig voor al die plateringsomstandigheden. Dus hebben we de meest gevoelige handtekeningen voor snel opladen geïdentificeerd en deze vervolgens gebruikt om ons machine learning-algoritme te ontwikkelen.

Tech Briefs : Wat zijn de handtekeningen die je hebt gebruikt?

Tanim: We ontdekten dat de meest gevoelige kenmerken voor snel opladen trends waren in de manier waarop de celcapaciteit vervaagde, lineair of niet-lineair, de rustspanning aan het einde van de lading en de coulombefficiëntie.

We ontdekten ook dat twee prominente handtekeningen die anderen hebben gemeld, dQ/dV en dV/dt, niet erg gevoelig waren onder snellaadomstandigheden, tenzij er sprake was van zeer agressieve plating-situaties.

Tech Briefs: Kun je de coulombefficiëntie uitleggen?

Tanim: Coulombefficiëntie is de procentuele verhouding van de ontlaadcapaciteit gedeeld door de laadcapaciteit.

Tech Briefs: Hoe meet je capaciteitsvervaging?

Tanim: Je moet wat testen doen. Op laboratoriumschaal kunnen we, wanneer we de batterij laten fietsen, een bepaalde cyclus kiezen om de laad- of ontlaadcapaciteit te meten. Uit stroom en tijd kunnen we de capaciteit in ampère-uren berekenen. Als u nu hetzelfde proces herhaalt terwijl de batterij achteruitgaat, kunt u de capaciteit vinden in een verouderde staat en van daaruit kunt u het percentage vervagen berekenen (de capaciteit neemt af ten opzichte van de verse staat).

Tech Briefs: Heb je geëxperimenteerd met verschillende oplaadprotocollen?

Tanim: Om lithiumplating te voorkomen, kunt u het ontwerp van de batterij op verschillende manieren wijzigen:u kunt van materiaal veranderen, u kunt het ontwerp van de elektrode wijzigen of verschillende andere aspecten van het batterijontwerp, zoals de elektrolyt.

U kunt ook de bedrijfsomstandigheden of laadprofielen wijzigen. U kunt bijvoorbeeld verschillende oplaadprotocollen uitproberen en deze vergelijken met een baseline. In plaats van constante stroom/constante spanning kunt u bijvoorbeeld meerstaps- of andere oplaadprotocollen proberen. En je kunt ook de temperatuur wijzigen.

Onze methode voor het detecteren van lithiumplating is van toepassing ongeacht eventuele ontwerpwijzigingen of oplaadprotocollen.

Tech Briefs: Hoe ziet u dat dit wordt uitgevoerd?

Tanim: Er zijn twee scenario's waarbij deze methode een waardevolle bijdrage zal leveren. De eerste is voor gebruik door onderzoekswetenschappers in een laboratorium. Deze methode zal ons sneller vertellen of er onder de gegeven bedrijfsomstandigheden lithiumplating plaatsvindt of niet - we hoeven geen cel open te scheuren of een andere analyse na de test uit te voeren. Alleen de elektrochemische handtekening zal ons vertellen of lithiumplating plaatsvindt voor dit specifieke ontwerp en deze bedrijfsconditie. Dat kan binnen 10 tot 25 cycli. Het laat ons weten of we het ontwerp van de batterijen moeten aanpassen - dat willen we zo snel mogelijk vaststellen. We kunnen dan teruggaan, het ontwerp herhalen en de test opnieuw doen om te zien of we in de goede richting gaan.

Elektrochemische handtekeningen kunnen, met enige aanpassing en verdere verificatie, ook worden geïmplementeerd in een batterijbeheersysteem aan boord van een elektrisch voertuig en in stationaire toepassingen waar lithium-ionbatterijen worden gebruikt. OEM's of batterijfabrikanten verzamelen al de meeste van deze handtekeningen. Als we ze als basis gebruiken, kunnen we, misschien niet in een vroege levenscyclus, misschien een paar jaar later, de gebruiker waarschuwen dat hoewel de batterij aan het begin van zijn leven in orde was, er iets is veranderd en dat lithiumplating is begonnen te gebeuren. "Aangezien er nu lithium-plating is, is dit een vroege waarschuwing dat u iets aan de batterij moet doen."

Tech Briefs: Kunt u raden hoe snel dit op de markt kan worden gebracht?

Tani: We hebben hier een voorlopig patent op en we werken eraan om het volledige patent zeer binnenkort in te dienen. We zijn ook op zoek naar samenwerkingsmogelijkheden om het verder te ontwikkelen en we zien veel interesse van particuliere bedrijven. DOE heeft ook een fonds voor de commercialisering van technologie waar we kunnen samenwerken met andere particuliere industrieën en het verder kunnen verbeteren en demonstreren voor toepassingen aan boord, maar ik wil u geen specifieke gissing geven.

Een bewerkte versie van dit interview verscheen in de Tech Briefs van december 2021.