⚡ electrical engineering

Design of an embedded hardware platform for cell-level diagnostics in commercial battery modules

Questo articolo presenta la progettazione e lo sviluppo di una piattaforma hardware integrata per il monitoraggio e il controllo non invasivo delle celle all'interno dei moduli della batteria Audi e-tron, consentendo diagnosi a livello di cella e valutazioni dello stato di salute senza smontare i moduli.

Autori originali: Gabriele Marini, Alessandro Colombo, Andrea Lanubile, William A. Paxton, Simona Onori

Pubblicato 2026-04-01

📖 4 min di lettura☕ Lettura da pausa caffè

CC BY 4.0

Autori originali: Gabriele Marini, Alessandro Colombo, Andrea Lanubile, William A. Paxton, Simona Onori

Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

Immagina di avere una batteria per un'auto elettrica (come l'Audi e-tron) come se fosse un orchestra di 108 musicisti (le celle della batteria) che suonano insieme per far muovere l'auto.

Il problema è che, dopo anni di concerti (uso), alcuni musicisti si stancano più degli altri, o suonano un po' stonati. Se il direttore d'orchestra (il sistema di gestione della batteria) non sa chi è stanco o chi è stonato, l'intera orchestra potrebbe fermarsi o suonare male, anche se la maggior parte dei musicisti sta ancora bene.

Di solito, per controllare i singoli musicisti, dovresti smontare l'orchestra, farli uscire dal palco e misurarli uno per uno. Ma questo è rischioso: potresti rovinare l'orchestra o farla arrabbiare (danneggiare la batteria).

Cosa hanno fatto gli autori di questo paper?
Hanno costruito un "orecchio magico" e un "regista intelligente" che possono ascoltare e controllare ogni singolo musicista senza dover smontare il palco.

Ecco come funziona, spiegato in modo semplice:

1. L'Orecchio Magico (Il Hardware)

Gli scienziati hanno creato una piccola scheda elettronica (chiamata M&BH) che si attacca alla batteria esterna.

Cosa fa: Ascolta la "voce" (la tensione) di ogni singolo gruppo di musicisti collegati in serie.
L'analogia: È come se avessi un microfono nascosto sotto ogni strumento nell'orchestra. Normalmente, senti solo il suono generale dell'orchestra, ma questo dispositivo ti permette di sentire se il violino numero 1 è stonato rispetto al violino numero 2, anche se sono tutti dentro la stessa scatola chiusa.

2. Il Regista Intelligente (Il Bilanciamento)

A volte, un musicista suona troppo forte o troppo piano rispetto agli altri. Questo crea squilibri.

Cosa fa: Il dispositivo ha un interruttore per ogni musicista. Se nota che uno sta "sforzando" troppo (ha troppa energia), gli dice: "Ehi, rallenta un attimo, scarica un po' di energia su un resistore (una sorta di dissipatore di calore) finché non sei allineato con gli altri".
L'analogia: Immagina che durante il concerto, se un musicista ha la voce troppo alta, il regista gli fa mettere un tappo alle orecchie o gli fa cantare più piano per un secondo, così che tutti tornino all'unisono. Questo evita che qualcuno si "rompa" per eccesso di stress.

3. La Diagnosi (Il Test)

Hanno preso 36 di queste "orchestre" (moduli) da un'Audi e-tron usata e le hanno messe alla prova in laboratorio.

Cosa hanno scoperto:
- Capacità: Hanno visto che in ogni modulo, c'è spesso un "musicista debole" (una cella che si scarica prima degli altri). Sorprendentemente, è spesso il primo musicista della fila (la prima cella) a essere il più debole.
- Resistenza: Hanno notato che il musicista che sta nel mezzo (la seconda cella) è sempre quello che "fatica" meno (ha meno resistenza elettrica). Probabilmente perché, essendo al centro, si scalda meglio o è più protetto rispetto a quelli ai bordi.
- Temperatura: Hanno capito che la temperatura gioca un ruolo enorme. Più fa caldo, più i musicisti suonano bene (bassa resistenza). Ma non potevano vedere la temperatura esatta di ogni singolo musicista, solo quella generale della scatola.

Perché è importante?

Oggi, quando le batterie delle auto elettriche finiscono la loro vita "da auto", vengono spesso riutilizzate per altre cose (come batterie per case o per l'industria).

Il problema: Se non sai quali sono i musicisti stonati, potresti mettere un'orchestra che sembra buona in realtà ha un musicista rotto che farà crollare tutto dopo un mese.
La soluzione: Questo nuovo dispositivo permette di fare un check-up completo e sicuro senza aprire la batteria. Puoi dire: "Ok, questo modulo è perfetto per l'uso in casa", oppure "Questo modulo ha un musicista debole, dobbiamo ripararlo o scartarlo".

In sintesi:
Hanno inventato un modo per fare la "radiografia" ai singoli componenti di una batteria complessa senza doverla smontare, garantendo che quando queste batterie vengono riutilizzate, siano sicure, affidabili e che nessuno dei loro "pezzi interni" sia nascosto o danneggiato. È un passo fondamentale per il riciclo e il futuro sostenibile delle auto elettriche.

Titolo: Progettazione di una piattaforma hardware embedded per la diagnostica a livello di cella in moduli batteria commerciali

1. Il Problema

L'invecchiamento e le prestazioni delle batterie agli ioni di litio (LIB) sono tipicamente studiate a livello di singola cella. Tuttavia, nei pacchi batteria reali, le celle sono assemblate in moduli e questi in pacchi. Una sfida critica è valutare l'eterogeneità interna (variazioni di capacità, resistenza e stato di salute) all'interno dei moduli senza doverli smontare.

Limitazione attuale: Le tecniche di test esistenti richiedono spesso lo smontaggio distruttivo dei moduli per accedere ai segnali delle singole celle, il che compromette l'integrità meccanica e termica del sistema e rende il processo costoso e non scalabile per applicazioni di "seconda vita" (riutilizzo).
Gap nella letteratura: Sebbene esistano studi su moduli costruiti in laboratorio o su configurazioni specifiche (es. Nissan Leaf con terminali aggiuntivi), manca una piattaforma hardware non invasiva capace di monitorare e bilanciare celle in serie all'interno di moduli commerciali standard (come quelli presenti nei veicoli elettrici moderni) senza aprire il contenitore.

2. Metodologia e Progettazione

Gli autori hanno sviluppato una soluzione end-to-end basata su un pacco batteria di un'auto elettrica Audi e-tron (95 kWh), composto da 36 moduli collegati in serie. Ogni modulo contiene 12 celle in configurazione 4P3S (4 paralleli per 3 serie).

A. Configurazione Sperimentale

Hardware di Test: Un ciclatore di batterie (Arbin LBT22013) e una camera termica controllata.
Piattaforma M&BH (Monitoring & Balancing Hardware): È stata progettata e costruita una scheda elettronica dedicata che si interfaccia con i connettori esterni del modulo (G-, C1+, C2+, C3+).
- Acquisizione Segnali: Utilizza un partitore resistivo per scalare le tensioni, filtri passa-basso RC per il rumore e un convertitore ADC (ADS1115) per digitalizzare le tensioni delle tre "celle" (dove ogni "cella" rappresenta un gruppo di 4 celle in parallelo). I dati vengono trasmessi al ciclatore via CAN a 10 Hz.
- Bilanciamento Passivo: Integra interruttori controllati da un microcontrollore (Raspberry Pi Pico) e resistori di scarica ( $R_b = 67.5 \Omega$ ). La strategia di controllo è "bang-bang": se la tensione di una cella supera la minima del gruppo di tre di più di una soglia ( $v_{th} = 2.5$ mV), l'interruttore si chiude per dissipare l'energia in eccesso, riducendo la differenza di tensione.
Profilo di Test:
- Test di Capacità: Scarica a C/3 per misurare la capacità e l'energia. Il bilanciamento è disattivato durante la scarica per osservare l'eterogeneità naturale.
- Test HPPC (Hybrid Pulse Power Characterization): Impulsi di corrente a diversi livelli di SOC (40%, 65%, 90%) e temperature (15°C, 25°C, 35°C) per stimare la resistenza interna.
- Caricamento CC-CV: Utilizzato per equalizzare le celle prima dei test diagnostici.

B. Metodi di Calcolo

Capacità ed Energia: Calcolate tramite integrazione della corrente e della potenza su una finestra di tensione comune definita iterativamente per tutti i moduli.
Resistenza Interna: Stimata dal salto di tensione ohmico durante gli impulsi di corrente HPPC, correggendo per la latenza di comunicazione (circa 100 ms) tra il sensore di corrente e l'ADC.
Modellazione: La dipendenza della resistenza dalla temperatura è modellata con una funzione parabolica.

3. Risultati Chiave

Lo studio ha analizzato tutti i 108 gruppi di celle (3 celle per modulo x 36 moduli) del pacco.

Eterogeneità di Capacità ed Energia:
- È stata rilevata una significativa variabilità tra le celle. La cella con la capacità più bassa (Cella n. 34) ha limitato la capacità dell'intero modulo.
- Pattern Intra-modulo: La Cella 1 (la prima nella serie del modulo) tende ad avere una capacità media leggermente inferiore e una varianza maggiore rispetto alle celle 2 e 3. In 16 moduli su 36, la Cella 1 è risultata la "più debole".
- Esiste una forte correlazione ( $\rho = 0.924$ ) tra capacità e energia scaricata a livello di modulo.
Eterogeneità della Resistenza Interna:
- La resistenza aumenta a SOC più bassi e temperature più basse.
- Pattern Strutturale: È emerso un pattern periodico chiaro: la Cella centrale (posizione 2) presenta sistematicamente una resistenza inferiore rispetto alle celle esterne (posizioni 1 e 3) a tutte le temperature testate.
- Ipotesi Termica: Sebbene le misurazioni superficiali del modulo mostrino gradienti termici minimi (< 1°C), la differenza di resistenza suggerisce l'esistenza di gradienti termici interni non rilevati dal case esterno, dove la cella centrale potrebbe operare a una temperatura leggermente più elevata.
Efficacia del Bilanciamento:
- La strategia di bilanciamento passivo è riuscita a mantenere le differenze di tensione entro la soglia di 2.5 mV durante le fasi di ricarica, prevenendo sovraccarichi e garantendo la sicurezza del test.

4. Contributi Principali

Piattaforma Hardware Non Invasiva: Prima implementazione nota di un sistema embedded a basso costo e basso consumo che permette il monitoraggio e il bilanciamento delle celle in serie all'interno di moduli commerciali senza smontaggio.
Metodologia di Diagnosi Quantitativa: Sviluppo di un protocollo rigoroso per estrarre metriche di stato di salute (SoH) a livello di cella (capacità, energia, resistenza) da dati di modulo, utilizzando finestre di tensione comuni per confronti equi.
Mappatura dell'Eterogeneità: Identificazione di pattern sistematici di degrado e comportamento all'interno dei moduli (es. la cella centrale ha meno resistenza, la prima ha spesso meno capacità), fornendo insight su come le variazioni si propagano dal livello cella a quello pacco.
Validazione su Dati Reali: Applicazione su un pacco batteria di un veicolo elettrico commerciale (Audi e-tron) con un ciclo di vita reale, rendendo i risultati direttamente applicabili all'industria.

5. Significato e Impatto

Questo lavoro è fondamentale per l'industria delle batterie, in particolare per:

Seconda Vita (Second-Life): Permette di valutare accuratamente lo stato dei moduli batteria usati prima del loro riutilizzo in applicazioni stazionarie (es. accumulo energetico), identificando e scartando i moduli con celle critiche senza distruggere il pacco.
Manutenzione e Qualificazione: Offre uno strumento per la qualificazione e lo smistamento (sorting) dei moduli, migliorando la sicurezza e l'efficienza dei pacchi batteria.
Progettazione Futura: I risultati sull'eterogeneità interna suggeriscono che i progettisti di moduli devono considerare meglio la gestione termica e le variazioni di produzione tra le celle in serie, poiché le differenze interne possono influenzare significativamente le prestazioni complessive.

In sintesi, il paper colma un vuoto tecnologico fornendo un metodo sicuro, non distruttivo e scalabile per "vedere" all'interno dei moduli batteria, trasformando la diagnostica da un processo distruttivo a uno strumento di analisi predittiva e di gestione del ciclo di vita.