Linking Calendar and Cycle Ageing in Lithium-Ion Batteries through Consistent Parameterisation of an Electrochemical-Thermal-Degradation Model

Diese Studie stellt einen konsistent parametrisierten elektrochemisch-thermischen Modellierungsrahmen vor, der mittels PyBaMM die Wechselwirkungen zwischen Kalender- und Zyklenalterung in NMC-Batterien analysiert und unter 81 verschiedenen Betriebsbedingungen Kapazitätsverlust, Gesundheitszustand sowie die Restlebensdauer präzise vorhersagt.

Das Wesentliche

🍌 Der Bananen-Hunger-Test: Wie Lithium-Ionen-Akkus altern

Stellen Sie sich vor, Sie haben eine Gruppe hungriger Affen und ein Haufen Bananen. Die Affen sind die Verschleißmechanismen in einem Akku, und die Bananen sind die Kapazität (die Energie), die der Akku speichern kann.

Die Frage, die sich die Forscher stellen, ist: Wie viele Bananen bleiben nach einem Jahr übrig? Und wer hat wie viele gegessen?

Das Problem ist: Es gibt nicht nur einen Affen. Es gibt verschiedene Arten von Affen (chemische Reaktionen), die je nach Stimmung (Temperatur), Hunger (Ladestand) und wie schnell sie fressen (Ladegeschwindigkeit) unterschiedlich viel essen.

Diese Studie ist wie ein super-detaillierter Simulator, der vorhersagt, wie schnell diese "Affen" die Bananen aufessen, damit wir wissen, wann der Akku "leer" ist – nicht nur heute, sondern in fünf Jahren.

🔋 Das Herzstück: Ein digitaler Zwilling

Die Forscher haben einen digitalen Zwilling eines echten Akkus (eines LG M50, wie er oft in E-Mobilität verwendet wird) im Computer erstellt. Dieser Zwilling ist kein einfaches Schaubild, sondern ein hochkomplexes Modell, das drei Dinge gleichzeitig berechnet:

1. Die Chemie: Was passiert im Inneren?
2. Die Hitze: Wie warm wird es?
3. Der Verschleiß: Wie schnell altern die Bauteile?

Sie haben diesen Simulator mit echten Daten aus dem Labor "gefüttert", damit er sich wie ein echter Akku verhält.

🦠 Die drei "Affen", die den Akku fressen

Im Inneren des Akkus gibt es drei Haupttäter, die die Lebensdauer verkürzen. Der Simulator schaut genau hin, wer gerade das meiste isst:

1. Der "Rost-Affe" (SEI-Wachstum):

   • Was ist das? Eine Schutzschicht auf dem Minuspol, die mit der Zeit dicker wird.
   • Wann ist er hungrig? Vor allem bei Hitze und wenn der Akku voll geladen ist. Er frisst langsam, aber stetig.
   • Analogie: Wie ein Rost an einem Auto, der bei feuchter Hitze schneller wächst.

2. Der "Eis-Affe" (Lithium-Plattierung):

   • Was ist das? Lithium lagert sich als Metall ab, statt in den Akku einzudringen. Das ist wie ein Stau im Verkehr.
   • Wann ist er hungrig? Bei Kälte und wenn man den Akku schnell lädt.
   • Analogie: Wenn Sie im Winter versuchen, schnell zu laufen, stolpern Sie eher. Die Lithium-Atome kommen nicht schnell genug in den Akku und bleiben draußen hängen.

3. Der "Bruch-Affe" (Verlust aktiver Materialien):

   • Was ist das? Die Partikel im Akku platzen durch den ständigen Druck (wie ein Ballon, der zu oft aufgeblasen wird).
   • Wann ist er hungrig? Bei starken Belastungen und Kälte.
   • Analogie: Wenn Sie ein Gummiband immer zu stark dehnen, reißt es irgendwann.

🌡️ Das große Experiment: 81 verschiedene Szenarien

Die Forscher haben ihren Simulator nicht nur einmal laufen lassen. Sie haben ihn 81 Mal mit unterschiedlichen Einstellungen getestet, um zu sehen, wie sich die Welt auf den Akku auswirkt.

Sie haben variiert:

• Temperatur: Kalt (10°C), Gemütlich (25°C), Heiß (40°C).
• Ladegeschwindigkeit: Langsam (0,1 C), Mittel (0,3 C), Schnell (1,0 C).
• Ladestand (SoC): Wie voll ist der Akku, wenn er steht? (10%, 60%, 100%).
• Entladungstiefe (DoD): Wie viel Energie wird pro Tag verbraucht? (50%, 70%, 90%).

Das Ergebnis war überraschend:
Man kann nicht einfach sagen: "Je heißer, desto schneller ist der Tod."

• Bei Hitze frisst der "Rost-Affe" (SEI) alles auf.
• Bei Kälte frisst der "Eis-Affe" (Plattierung) und der "Bruch-Affe" (Stress) alles auf.
• Manchmal führt ein schnellerer Ladevorgang zu einer längeren Lebensdauer, wenn er bedeutet, dass der Akku weniger Zeit hat, bei hoher Spannung zu "ruhen" (wo der Rost-Affe aktiv ist).

🎢 Die Kurven des Lebens

Die Studie zeigt, dass die Lebensdauer eines Akkus nicht immer eine gerade Linie ist. Es gibt drei Arten, wie ein Akku altern kann:

1. Langsam und gleichmäßig: Wie ein alternder Mensch, der jeden Tag ein bisschen müde wird.
2. Linear: Ein konstanter Verfall.
3. Der "Knie-Effekt" (Super-linear): Plötzlich geht es bergab! Der Akku funktioniert lange gut, und dann bricht er plötzlich zusammen. Das passiert, wenn die Bedingungen (z. B. Kälte + Schnellladung) die "Affen" extrem anheizen.

💡 Was lernen wir daraus?

1. Keine pauschalen Antworten: Ein Akku, der heute 80% Kapazität hat, ist nicht unbedingt gleich alt wie ein anderer mit 80%. Einer könnte in 2 Jahren tot sein, der andere in 10. Es kommt darauf an, wie er benutzt wurde.
2. Der Kampf der Mechanismen: Manchmal hilft eine schnelle Ladung, weil sie verhindert, dass der Akku zu lange bei voller Spannung steht (wo der Rost-Affe aktiv ist). Das ist ein komplexes Tauziehen zwischen verschiedenen Verschleißarten.
3. Zukunftssicherheit: Mit diesem Simulator können Hersteller und Nutzer vorhersagen, wie lange ein Akku in einem E-Auto oder einer Solaranlage hält, bevor sie ihn überhaupt gebaut haben. Das spart Zeit und Geld.

Zusammenfassend:
Diese Arbeit ist wie ein Wetterbericht für die Zukunft Ihres Akkus. Sie sagt uns nicht nur, wie das Wetter heute ist, sondern wie sich verschiedene "Stürme" (Hitze, Kälte, Schnellladung) in den nächsten Jahren auf die "Ernte" (die Batteriekapazität) auswirken werden. Und das Beste: Alle Daten, die der Simulator berechnet hat, sind öffentlich verfügbar, damit andere Forscher ihre eigenen Modelle damit trainieren können.

Technische Zusammenfassung

1. Problemstellung

Die Vorhersage der Restlebensdauer (RUL) und des Gesundheitszustands (SoH) von Lithium-Ionen-Batterien (LIBs) ist eine komplexe Herausforderung. Die Degradation wird nicht durch einen einzelnen Mechanismus bestimmt, sondern durch das gekoppelte Zusammenspiel mehrerer Prozesse (z. B. SEI-Wachstum, Lithium-Plating, Verlust aktiven Materials), die stark von den Betriebsbedingungen abhängen.

• Herausforderung: Die Wechselwirkungen zwischen diesen Mechanismen variieren je nach C-Rate, Ruhe-SOC (State of Charge), Entladetiefe (DoD) und Temperatur.
• Lücke in der Literatur: Bisherige physikalische Modelle decken oft nur einzelne Alterungsmodi ab oder fehlen eine konsistente Parametrisierung, die sowohl kalendarische als auch zyklische Alterung unter verschiedenen Kombinationen von Betriebsbedingungen gleichzeitig abbilden kann. Experimentelle Studien, die alle diese Kombinationen abdecken, sind aufgrund des enormen Zeit- und Kostenaufwands unpraktisch.

2. Methodik

Die Autoren entwickelten einen physikbasierten elektrochemisch-thermischen Degradationsmodellansatz, der auf dem Doyle-Fuller-Newman (DFN) Modell (P2D) aufbaut und um Degradationsmechanismen sowie ein lumped-thermisches Modell erweitert wurde.

• Simulationsumgebung: Die Simulationen wurden mit PyBaMM (Python Battery Mathematical Modelling) durchgeführt.
• Batteriezelle: Das Modell wurde für eine LG M50 Zelle (NMC811 Kathode, Graphit/Si-Komposit-Anode) parametrisiert.
• Degradationsmechanismen: Das Modell integriert drei Hauptmechanismen:
  1. SEI-Wachstum (Solid-Electrolyte Interphase): Diffusions- und reaktionslimitiert, abhängig vom Überpotential und der Temperatur.
  2. Lithium-Plating: Irreversible Abscheidung von metallischem Lithium an der Anode (Butler-Volmer-Kinetik), begünstigt durch niedrige Temperaturen und hohe Ströme.
  3. Verlust aktiven Materials (LAM): Mechanischer Stress durch Konzentrationsgradienten in den Partikeln, der zu Rissen und Kapazitätsverlust führt.
• Parametrisierungsstrategie:
  • Die Parameter wurden nicht willkürlich gewählt, sondern basierend auf einer Degradationsmodus-Analyse (DMA) experimenteller Daten (referenziert aus Kirkaldy et al.) konsistent abgestimmt.
  • Ziel war es, das Verhalten der Zelle über einen weiten Bereich zu reproduzieren:
    • Bei hohen Temperaturen (40°C): Dominanz von SEI-Wachstum.
    • Bei normalen Temperaturen (25°C): Mischung aus SEI und leichtem LAM.
    • Bei niedrigen Temperaturen (10°C): Dominanz von Lithium-Plating und starkem LAM durch langsame Diffusion und hohe Spannungen.
  • Das Modell wurde so kalibriert, dass es bei Standardbedingungen (25°C) eine Lebensdauer von ca. 500 Zyklen bis zum Erreichen von 80% SoH vorhersagt.

3. Schlüsselbeiträge

• Konsistente Parametrisierung: Entwicklung eines Modells, das Degradationsmechanismen über verschiedene Temperatur-, SOC- und C-Rate-Bereiche hinweg konsistent verknüpft, ohne dass die Parameter für jede Bedingung neu angepasst werden müssen.
• Umfassende Szenarien-Simulation: Durchführung von Simulationen für 81 Kombinationen von Betriebsbedingungen (3 Temperaturen × 3 C-Raten × 3 Ruhe-SOCs × 3 DoDs) sowie 9 Fälle für kalendarische Alterung.
• Mechanistische Einblicke: Quantifizierung des Beitrags jedes Degradationsmechanismus (SEI, Plating, LAM) zur Gesamtkapazitätsminderung unter spezifischen Bedingungen.
• Offene Daten: Bereitstellung der gesamten simulierten Datensätze (SoH, RUL, interne Degradationszustände) zur Weiterverwendung für datengetriebene Modelle.

4. Ergebnisse

Die Simulationen deckten ein breites Spektrum an Alterungsverhalten auf:

• Vorhersage der Lebensdauer: Die Zykluslebensdauer bis zum Erreichen von 75% SoH variierte stark zwischen 0,8 und 14 Jahren, abhängig von den Betriebsbedingungen.
• Verlaufstypen der Kapazitätsminderung: Je nach Nutzungsprofil zeigten die Zellen:
  • Sub-linearen Verlauf (sanfter Betrieb).
  • Linearen Verlauf (moderate Bedingungen).
  • Super-linearen Verlauf (beschleunigte Alterung/Knie-Effekt), insbesondere bei aggressivem Betrieb.
• Wettbewerb zwischen kalendarischer und zyklischer Alterung:
  • Bei hohen Temperaturen (40°C) und hohem Ruhe-SOC (100%) dominiert die kalendarische Alterung (SEI-Wachstum). Hier kann eine Zelle mit geringerer Entladetiefe (50% DoD) schneller altern als eine mit hoher Entladetiefe (90% DoD), da die kürzere Zykluszeit mehr Ruhezeit bei hohem SOC bedeutet.
  • Bei niedrigen Temperaturen (10°C) dominiert die zyklische Alterung (LAM und Plating). Hier führt eine höhere Entladetiefe (90% DoD) zu einer schnelleren Alterung als eine niedrigere (50% DoD).
• Einfluss der Parameter:
  • Temperatur: Hohe Temperaturen beschleunigen SEI-Reaktionen; niedrige Temperaturen fördern Plating und mechanischen Stress.
  • Ruhe-SOC: Ein hoher Ruhe-SOC beschleunigt die kalendarische Alterung signifikant, besonders bei hohen Temperaturen.
  • C-Rate: Hohe C-Raten fördern Plating bei niedrigen Temperaturen, haben aber bei hohen Temperaturen weniger Einfluss auf die Lebensdauer, da die Diffusion dort schneller ist.

5. Bedeutung und Fazit

Dieses Werk schließt eine wichtige Lücke zwischen experimentellen Daten und physikalischen Modellen.

• Validität: Es zeigt, dass ein physikbasiertes Modell, das auf DMA-Daten parametrisiert ist, in der Lage ist, komplexe, nicht-lineare Wechselwirkungen zwischen Alterungsmechanismen vorherzusagen, die rein empirische Modelle oft übersehen.
• Anwendung: Die Ergebnisse unterstreichen, dass SoH und RUL nicht auf eine einzelne Betriebsbedingung verallgemeinert werden können. Ein Zellenmanagement-System (BMS) muss die spezifische Kombination aus Temperatur, SOC und Lastprofil berücksichtigen, um genaue Vorhersagen zu treffen.
• Zukunft: Die bereitgestellten Daten dienen als wertvolle Trainingsgrundlage für „Physics-Informed Machine Learning"-Modelle, um die Vorhersagegenauigkeit in Echtzeitanwendungen zu verbessern, ohne aufwendige neue Experimente durchführen zu müssen.

Zusammenfassend demonstriert die Studie, wie eine konsistente Parametrisierung von elektrochemisch-thermischen Modellen genutzt werden kann, um das komplexe Verhalten von Lithium-Ionen-Batterien unter realen, variierenden Betriebsbedingungen präzise abzubilden.