Fragen und Antworten:Optimieren von Lithium-Ionen-Akkus für extrem schnelles Laden

Dr. Tanvir Tanim und sein Team vom Idaho National Laboratory haben Lithium-Ionen-Batterien entwickelt, die an einer Ladestation am Straßenrand in 10 bis 15 Minuten aufgeladen werden können. Sie entwickelten einen maschinellen Lernalgorithmus, der unerwünschte Lithiumbeschichtungen erkennt, die unter diesen Bedingungen auftreten könnten.

Technische Informationen: Wie ist das Projekt gestartet?

Dr. Tanvir Tanim: Wir haben uns an dem Extremschnellladeprogramm beteiligt, das 2017 vom Department of Energy Vehicle Technology Office gesponsert wurde. Das Ziel war es, das Extremschnellladen (XFC) in Lithium-Ionen-Batterien zu ermöglichen – im Grunde 10 bis 15 Minuten Ladezeit um das EV-Aufladeerlebnis mit dem Betankungserlebnis von Benzinfahrzeugen vergleichbar zu machen. Das ist eine der wichtigsten Überlegungen für Verbraucher von Elektrofahrzeugen.

Für dieses Programm haben wir viele Lithium-Ionen-Batterien mit extrem schnellen Laderaten getestet. Wenn Sie diese Batterien mit hohen Raten aufladen, stoßen Sie auf viele Probleme – die Lithiumbeschichtung ist eines der wichtigsten. Batterien enthalten eine begrenzte Menge an Lithium, also möchten Sie nicht, dass es während des Ladens und Entladens verloren geht, Sie möchten, dass es von der Anode zur Kathode hin und her pendelt. Während des Schnellladens kann jedoch das recycelbare Lithium auf die Anodenoberfläche plattiert werden, was eine unerwünschte parasitäre Reaktion ist – das plattierte Lithium kann nicht zurückgewonnen werden – während des Entladens kann es nicht zur Kathode zurückkehren.

Es gibt andere Probleme mit der Beschichtung. Wenn Sie es nicht frühzeitig erkennen, wird es weiter passieren und könnte zu einem katastrophalen Ereignis führen. Beispielsweise könnte das plattierte Li eine dendritische Form annehmen und wie eine Nadel von der Anode wachsen und den Separator durchstechen, wodurch ein interner Kurzschluss entsteht.

Wir haben also viele Lithium-Ionen-Batterien getestet, Designänderungen vorgenommen und dann erneut getestet, um zu sehen, ob eine Lithiumbeschichtung auftritt. Zu diesem Zeitpunkt hatten wir jedoch keine gute Möglichkeit, die Beschichtung zu erkennen. Nach dem Testen rissen wir die Zelle auf, um zu sehen, ob eine Beschichtung vorhanden war, oder wir führten zusätzliche Nachtests durch. Wir hatten nicht wirklich eine solide elektrochemische Signatur-basierte Lithiumbeschichtungs-Erkennungsmethode, aber wir haben viel gelernt.

Dann beteiligten wir uns an einem anderen Programm namens physikbasiertes maschinelles Lernen, das ebenfalls vom DOE finanziert wird. Das Ziel dieses Programms bestand darin, auf künstlicher Intelligenz/maschinellem Lernen basierende Algorithmen zu entwickeln, um eine zuverlässige Vorhersage der Batterielebensdauer zu erhalten und die zugrunde liegenden Ursachen der Verschlechterung zu identifizieren. Bis zu diesem Zeitpunkt hatten wir viele Daten gesammelt und ein umfassendes Verständnis der verschiedenen Degradationsmodi und -mechanismen generiert. Wir dachten, da wir all diese Daten haben und elektrochemische Signaturen kennen, die sich auf die Lithiumbeschichtung beziehen, warum formulieren wir das nicht einfach in ein maschinelles Lernproblem. Wir könnten die elektrochemischen Signaturen verwenden, maschinelles Lernen einbringen und sehen, ob uns das dabei helfen könnte, eine Strategie zur Erkennung von Lithiumplattierungen zu entwickeln.

Eins führte zum anderen und wir kamen zu dem Schluss, dass dies eine sehr schöne Methode sein könnte, um Lithium-Plating frühzeitig zu erkennen, ohne die Zelle aufzureißen. Das Öffnen der Zelle und das Durchführen von Nachtests kostet Zeit, ist teuer und verzögert die Entwicklung des Batterielebenszyklus.

Technische Informationen: Ihre Methode bestand also darin, bestimmte elektrochemische Signaturen zu erkennen?

Tanim: Zu diesem Zeitpunkt hatten wir Tonnen von elektrochemischen Daten und ein gutes Verständnis der Physik dahinter. Wir identifizierten die wichtigsten elektrochemischen Signaturen, die auf die Lithiumbeschichtung zurückgeführt werden könnten. Dann liefen wir mit diesen Daten, brachten maschinelles Lernen hinein und lösten das Problem, das wir damals formuliert hatten.

Technische Informationen: Können Sie mir etwas darüber sagen, welche Arten von Daten Sie verwendet haben?

Tanim: Wir haben uns in erster Linie auf elektrochemische Daten konzentriert, weil Sie diese leicht erfassen können – tatsächlich suchen wir während der Tests immer nach elektrochemischen Signaturen, um Lebensdauer- und Leistungsprobleme in Lithium-Ionen-Batterien zu beschreiben. Typische Signaturen sind Spannung, Strom, Temperatur usw. Sie können diese Signaturen in verschiedene Sekundärvariablen umwandeln. Wir haben uns zum Beispiel die Trends der Entladekapazität und des Kapazitätsschwunds sowie deren Linearität oder Nichtlinearität angesehen. Auch die Ruhespannung am Ende des Ladevorgangs, die Spannung am Ende der Entladung und wie sie sich während des Zyklus ändern, und zusätzlich der Coulomb-Wirkungsgrad.

Technische Informationen: Was bedeutet Entladekapazität?

Tanim: Wenn Sie die Batterie benutzen, entziehen Sie ihr Energie, das nennen wir Entladung. Eines der Kapazitätsmaße sind Amperestunden.

Technische Informationen: Wie wäre es mit Kapazitätsschwund?

Tanim: Eine neue Batterie hat eine bestimmte Kapazität – sagen wir eine Amperestunde. Beim Radfahren wird diese Kapazität abnehmen. Der Kapazitäts- (oder Energie-)Schwund ist der Prozentsatz der Abnahme. Im Normalfall ist der Abnahmetrend ziemlich linear, insbesondere in den Anfangszyklen. Aber bei der Lithiumbeschichtung ist der Trend sehr nichtlinear – höhere Verblassungsrate am Anfang und weniger Verblassung später.

Die Lithiumbeschichtung kann unter verschiedenen Bedingungen erfolgen. Zusätzlich zum Schnellladen kann es vorkommen, wenn Sie einen Akku bei Minusgraden laden oder wenn der Akku alterungsbedingte Ungleichgewichtsprobleme aufweist. Die Signaturen sind möglicherweise nicht für alle diese Plattierungsbedingungen gleich empfindlich. Also haben wir die sensibelsten Signaturen für schnelles Laden identifiziert und sie dann verwendet, um unseren maschinellen Lernalgorithmus zu entwickeln.

Technische Informationen : Welche Signaturen haben Sie verwendet?

Tanim: Wir fanden heraus, dass die empfindlichsten Signaturen für schnelles Laden Trends in Bezug auf den linearen oder nichtlinearen Abfall der Zellenkapazität, die Ruhespannung am Ende des Ladevorgangs und den Coulomb-Wirkungsgrad waren.

Wir haben auch festgestellt, dass zwei markante Signaturen, von denen andere berichtet haben, dQ/dV und dV/dt, unter Schnellladebedingungen nicht sehr empfindlich waren, es sei denn, es gab sehr aggressive Plattierungssituationen.

Technische Informationen: Können Sie die Coulomb-Effizienz erklären?

Tanim: Der Coulomb-Wirkungsgrad ist das prozentuale Verhältnis der Entladekapazität dividiert durch die Ladekapazität.

Technische Informationen: Wie misst man den Kapazitätsschwund?

Tanim: Sie müssen einige Tests durchführen. Im Labormaßstab können wir beim Zyklus der Batterie einen bestimmten Zyklus auswählen, um ihre Lade- oder Entladekapazität zu messen. Aus Strom und Zeit können wir die Kapazität in Amperestunden errechnen. Wenn Sie nun denselben Vorgang wiederholen, während sich die Batterie verschlechtert, können Sie die Kapazität in einem gealterten Zustand ermitteln und daraus den prozentualen Abfall berechnen (den Kapazitätsabfall in Bezug auf den frischen Zustand).

Technische Informationen: Haben Sie mit verschiedenen Ladeprotokollen experimentiert?

Tanim: Um eine Lithiumbeschichtung zu vermeiden, können Sie das Batteriedesign auf verschiedene Weise modifizieren:Sie können Materialien ändern, Sie können das Elektrodendesign oder verschiedene andere Aspekte des Batteriedesigns ändern, z. B. den Elektrolyten.

Sie können auch die Betriebsbedingungen oder Ladeprofile ändern. Sie können beispielsweise verschiedene Ladeprotokolle ausprobieren und mit einer Baseline vergleichen. Anstelle von Konstantstrom/Konstantspannung können Sie beispielsweise mehrstufige oder andere Ladeprotokolle ausprobieren. Und Sie können auch die Temperatur ändern.

Unsere Methode zur Erkennung von Lithiumbeschichtungen ist unabhängig von Konstruktionsänderungen oder Ladeprotokollen anwendbar.

Technische Informationen: Wie sehen Sie die Umsetzung?

Tanim: Es gibt zwei Szenarien, in denen diese Methode einen wertvollen Beitrag leisten wird. Die erste ist für die Verwendung durch Forscher in einem Labor bestimmt. Diese Methode sagt uns schneller, ob unter den gegebenen Betriebsbedingungen eine Lithiumplattierung stattfindet oder nicht – wir müssen keine Zelle aufreißen oder andere Analysen nach dem Test durchführen. Nur die elektrochemische Signatur sagt uns, ob bei diesem speziellen Design und Betriebszustand eine Lithiumbeschichtung stattfindet. Das kann innerhalb von 10 bis 25 Zyklen erfolgen. Es lässt uns wissen, ob wir das Design der Batterien ändern müssen – das wollen wir so schnell wie möglich erkennen. Wir können dann zurückgehen, das Design wiederholen und den Test wiederholen, um zu sehen, ob wir uns in die richtige Richtung bewegen.

Elektrochemische Signaturen können mit einigen Modifikationen und weiterer Überprüfung auch in einem Batteriemanagementsystem an Bord eines Elektrofahrzeugs sowie in stationären Anwendungen, in denen Lithium-Ionen-Batterien verwendet werden, implementiert werden. OEMs oder Batteriehersteller sammeln bereits die meisten dieser Signaturen. Wenn wir sie als Grundlage verwenden, können wir, vielleicht nicht in einem frühen Lebenszyklus, vielleicht ein paar Jahre später, den Benutzer warnen, dass sich etwas geändert hat, obwohl die Batterie zu Beginn ihrer Lebensdauer in Ordnung war, und die Lithiumbeschichtung begonnen hat passieren. „Da es jetzt eine Lithiumbeschichtung gibt, ist dies eine frühe Warnung, dass Sie etwas gegen die Batterie unternehmen sollten.“

Technische Informationen: Können Sie raten, wie schnell dies kommerzialisiert werden könnte?

Tanim: Wir haben ein vorläufiges Patent darauf und arbeiten daran, das vollständige Patent sehr bald einzureichen. Wir suchen auch nach Möglichkeiten zur Zusammenarbeit, um es weiterzuentwickeln, und sehen großes Interesse von Privatunternehmen. Außerdem hat DOE einen Technologiekommerzialisierungsfonds, in dem wir mit anderen Privatunternehmen zusammenarbeiten und es weiter verbessern und für Onboard-Anwendungen demonstrieren können, aber ich möchte Ihnen keine besonderen Vermutungen anstellen.

Eine bearbeitete Version dieses Interviews erschien in der Dezemberausgabe 2021 der Tech Briefs.