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

Dit artikel presenteert een consistent geparameteriseerd elektrochemisch-thermisch degradatiemodel in PyBaMM dat de interactie tussen SEI-groei, lithiumplating en actief materiaalverlies analyseert om de levensduur en staat van gezondheid van NMC-batterijen onder diverse kalender- en cyclische verouderingsomstandigheden nauwkeurig te voorspellen.

De kern

Titel: De Bananen, de Apen en de Batterij: Hoe we de levensduur van je accu voorspellen

Stel je voor dat je een groep hongerige apen voor een hoop bananen zet. Je vraagt: "Hoeveel bananen zijn er over na een uur?" en "Wie eet er hoeveel?" Het antwoord is lastig te voorspellen. Het hangt af van de stemming van de apen, hoe hongerig ze zijn en hoe ze met elkaar omgaan.

Dit artikel vergelijkt lithium-ionbatterijen (zoals in je elektrische auto of telefoon) met die bananen. De "apen" zijn hier de onzichtbare chemische processen binnenin de batterij die langzaam de energie "opeten". De vraag is: Hoe lang gaat je batterij mee, en welke van die 'apen' is er schuldig aan de slijtage?

Hier is een simpele uitleg van wat de onderzoekers hebben gedaan, vertaald naar alledaagse taal:

1. De Grote Uitdaging: Een Complexe Dans

Batterijen gaan niet zomaar stuk. Er gebeuren van alles tegelijk:

• De "Huid" (SEI): Er vormt zich een dun laagje op de binnenkant van de batterij, net als een korst op brood. Dit kost energie.
• De "Stolp" (Lithium-plating): Soms stopt het lithium niet waar het moet zijn, maar vormt het een soort metaalstolp. Dit is gevaarlijk en kost capaciteit.
• De "Krassen" (Actief materiaal verlies): Door het in- en uitspannen van de deeltjes in de batterij (als een elastiekje dat steeds uitgerekt wordt), ontstaan er micro-scheurtjes.

Deze processen beïnvloeden elkaar. Als het koud is, gedraagt de ene "aap" zich anders dan als het warm is. Als je de batterij snel oplaadt (hoge C-rate), gedraagt een andere "aap" zich weer anders.

2. De Oplossing: Een Digitale Tweeling

Omdat het onmogelijk is om duizenden batterijen in de echte wereld te testen onder elke denkbare situatie (kou, hitte, snel laden, langzaam rijden), hebben de onderzoekers een virtuele batterij gebouwd in de computer.

Ze gebruikten een heel gedetailleerd model (een soort "digitale tweeling") van een specifieke batterij (de LG M50). Ze hebben dit model zo nauwkeurig ingesteld dat het zich precies zo gedraagt als een echte batterij in de echte wereld. Ze keken naar data van echte batterijen om hun "recept" (de parameters) te perfectioneren.

3. Het Grote Experiment: 81 Verschillende Scenario's

De onderzoekers lieten hun virtuele batterij 81 verschillende levenslopen doormaken. Ze veranderden vier dingen:

1. Temperatuur: Koud (10°C), Gematigd (25°C) of Heet (40°C).
2. Hoe vaak je rijdt/laadt: Langzaam of heel snel.
3. Hoe vol de batterij is als hij rust: Bijvoorbeeld altijd 100% vol laten staan, of maar halfvol.
4. Hoe diep je hem leegrijdt: Ga je tot 50% leeg of tot 90% leeg?

4. De Verassende Resultaten

Wat ze ontdekten, is dat er geen één antwoord is op de vraag "hoe lang gaat mijn batterij mee?". Het hangt volledig af van hoe je hem gebruikt:

• De "Koude" Valstrik: Bij koude temperaturen (10°C) en diepe ontlading (90%) gaat de batterij sneller stuk door de "stolpen" (lithium-plating) en de krassen in het materiaal. Het is alsof de batterij in de winter harder moet werken en sneller versleten raakt.
• De "Hete" Ovens: Bij hoge temperaturen (40°C) en als je de batterij altijd 100% vol laat staan, gaat hij stuk door de "korst" (SEI) die te snel groeit. Het is alsof je de batterij in een hete oven laat staan; hij veroudert snel door de hitte.
• De "Gouden Middenweg": Als je de batterij niet te heet houdt, niet te koud, en hem niet altijd 100% vol laat staan, gaat hij het langst mee.

Het meest interessante: Soms gaat een batterij die je sneller oplaadt en dieper leegrijdt, langer mee dan een batterij die je langzaam gebruikt, maar die je altijd 100% vol laat staan! Dit komt omdat de "rusttijd" (waar de batterij op 100% staat) soms meer schade doet dan het rijden zelf.

5. Wat betekent dit voor jou?

De onderzoekers hebben een model gemaakt dat kan voorspellen:

• Hoe gezond je batterij is (SoH): Is hij nog 80% goed of al 50%?
• Hoe lang hij nog meegaat (RUL): Gaat hij nog 2 jaar of 10 jaar mee?
• Wat er precies stuk gaat: Is het de korst, de krassen of de stolpen?

Ze ontdekten dat batterijen op drie manieren kunnen "sterven":

1. Langzaam en geleidelijk (als je voorzichtig bent).
2. Stabiel en rechtlijnig (bij normaal gebruik).
3. Plotseling en snel (als je hem te hard gebruikt; dit noemen ze de "knie" in de grafiek, waar de batterij ineens snel stukgaat).

Conclusie

Dit onderzoek is als een waarzegger voor batterijen. Het laat zien dat je niet zomaar kunt zeggen: "Mijn batterij gaat 10 jaar mee." Het hangt af van je gedrag. Als je je batterij in de winter niet te diep leegrijdt en hem in de zomer niet altijd 100% vol laat staan, kun je je batterijleven flink verlengen.

De onderzoekers hebben al hun data en modellen online gezet, zodat andere wetenschappers en ingenieurs dit kunnen gebruiken om nog betere batterijen te bouwen en slimme systemen te maken die je vertellen hoe je je batterij het beste moet behandelen.

Technische samenvatting

Probleemstelling

Het nauwkeurig voorspellen van de resterende levensduur (RUL) en de staat van gezondheid (SoH) van lithium-ionbatterijen (LIBs) is een complexe uitdaging. De degradatie wordt veroorzaakt door gekoppelde mechanismen (zoals SEI-groei, lithium-plating en verlies van actief materiaal) die sterk afhankelijk zijn van de gebruiksomstandigheden: C-rate, rust-SoC (State of Charge), diepte van ontlading (DoD) en temperatuur.
Bestaande modellen hebben vaak moeite om deze interacties consistent te parametriseren over verschillende gebruiksscenario's heen. Experimenteel onderzoek om alle mogelijke combinaties van gebruiksomstandigheden te testen is onpraktisch vanwege de enorme tijdsinvestering en kosten. Er is een behoefte aan een fysiek gebaseerd model dat de competitie tussen kalmeringsveroudering (calendar ageing) en cyclische veroudering (cyclic ageing) kan simuleren en de onderliggende degradatiemechanismen kwantificeert.

Methodologie

De auteurs hebben een geavanceerd elektrochemisch-thermisch-degradatiemodel ontwikkeld en geïmplementeerd met behulp van PyBaMM (Python Battery Mathematical Modelling).

1. Modelbasis: Het model is gebaseerd op het Doyle-Fuller-Newman (DFN) model (P2D), aangevuld met een lumped thermisch model en specifieke degradatiemechanismen.
2. Degradatiemechanismen: Drie hoofdmechanismen zijn gekoppeld:
   • SEI-groei (Solid-Electrolyte Interphase): Een reactie-gedreven en diffusie-gedreven mechanisme aan de negatieve elektrode.
   • Lithium-plating: Irreversibele afzetting van lithium aan de anode, afhankelijk van de overpotentiaal en temperatuur.
   • Verlies van Actief Materiaal (LAM): Veroorzaakt door mechanische spanningen door concentratiegradiënten in de deeltjes tijdens het cyclen.
3. Parametrisatie-strategie:
   • Het model is geparametriseerd voor een LG M50-cel (NMC811 kathode, composiet anode).
   • De parameters zijn afgestemd (tuned) op basis van Degradation Mode Analysis (DMA) data uit experimenten van Kirkaldy et al. [53].
   • Het doel was om consistentie te bereiken: bij hoge temperaturen (40°C) moet SEI-groei domineren; bij lage temperaturen (10°C) moet lithium-plating en LAM domineren; bij kamertemperatuur (25°C) een mix van beide.
4. Simulatiescenario's:
   • Kalmeringsveroudering: 9 combinaties van temperatuur (10°C, 25°C, 40°C) en rust-SoC (30%, 60%, 100%) over een periode van 12 maanden.
   • Gecombineerde veroudering: 81 unieke combinaties van temperatuur, C-rate (0.1C, 0.3C, 1.0C), rust-SoC (10%, 60%, 100%) en DoD (50%, 70%, 90%). Het gebruiksscenario simuleert een elektrische tweewieler (1 cyclus per dag, de rest van de dag rust).

Belangrijkste Bijdragen

• Consistente Parametrisatie: Het artikel biedt een raamwerk om degradatiemechanismen consistent te parametriseren op basis van DMA-data, waardoor het model betrouwbaar is over een breed spectrum aan gebruiksomstandigheden.
• Koppeling van Verouderingsmodi: Het is een van de eerste werken dat een P2D-model gebruikt om de complexe interactie en competitie tussen kalmerings- en cyclische veroudering in één simulatie te tonen.
• Gedetailleerde Inzichten in Mechanismen: Het model levert niet alleen SoH-voorspellingen, maar splitst ook de capaciteitsverlies bijdragen op per mechanisme (SEI, plating, LAM).
• Open Data: De volledige dataset voor alle 81 cyclische gevallen, 9 kalmeringsgevallen en 3 standaardcycli is beschikbaar gesteld voor het trainen van data-gedreven modellen.

Resultaten

1. Voorspelde Levensduur: De gesimuleerde cyclische levensduur varieert sterk, van 0,8 tot 14 jaar om te bereiken dat de SoH daalt tot 75%, afhankelijk van de gebruiksomstandigheden.
2. Niet-lineaire Gedrag: Het model toont aan dat capaciteitsdaling sub-lineair, lineair of super-lineair (versneld/knie-type) kan verlopen, puur gebaseerd op de gebruiksomstandigheden.
3. Competitieve Effecten:
   • Temperatuur en DoD: Bij hoge temperaturen (25°C en 40°C) en hoge rust-SoC (100%) domineert kalmeringsveroudering (SEI-groei). Curieus genoeg leidt dit soms tot snellere degradatie bij een lagere DoD (50%) dan bij een hogere DoD (90%), omdat de cyclus bij 50% DoD korter duurt en de cel dus langer rust (en degradeert via kalmering) bij 100% SoC.
   • Lage Temperatuur: Bij 10°C is kalmeringsveroudering minimaal. Hier domineert cyclische degradatie door lithium-plating en mechanische spanning (LAM). Bij 10°C leidt een hogere DoD (90%) tot snellere degradatie dan bij 50% DoD.
4. Invloed van Rust-SoC: Een lagere rust-SoC (bijv. 10% of 60%) verhoogt de levensduur aanzienlijk, vooral bij hoge temperaturen, omdat het de SEI-groei tijdens rustperioden onderdrukt.
5. Mechanisme-dominantie:
   • 40°C: Dominantie van SEI-verlies (hoge weerstandstoename).
   • 10°C: Dominantie van Lithium-plating en LAM door trage lithiumdiffusie en hoge interne spanningen.

Betekenis en Conclusie

Dit onderzoek benadrukt dat er geen universele "one-size-fits-all" relatie bestaat tussen gebruiksomstandigheden en batterijlevensduur. De interactie tussen gekoppelde degradatiemechanismen is te complex om te generaliseren zonder een fysiek gebaseerd model.

De belangrijkste implicaties zijn:

• Batterijbeheersystemen (BMS): Voor een nauwkeurige RUL-voorspelling moet een BMS rekening houden met de specifieke combinatie van temperatuur, C-rate en rust-SoC, en niet alleen met het totale aantal cyclen.
• Ontwerp en Integratie: De inzichten helpen bij het optimaliseren van batterijpakketten en gebruiksscenario's (bijv. vermijden van hoge rust-SoC bij hoge temperaturen) om de levensduur te verlengen.
• Validatie: Het model biedt een solide basis voor toekomstige validatie met experimentele data en kan dienen als "ground truth" voor het trainen van snellere, data-gedreven modellen.

Kortom, het artikel levert een robuust, fysiek gebaseerd raamwerk dat de kloof tussen theoretische modellering en experimentele degradatieanalyse dicht, en biedt kwantitatieve inzichten in hoe gebruiksomstandigheden de interne chemie van een batterij beïnvloeden.