Вопросы и ответы: Продвижение дизайна литий-ионных батарей для 10-минутной быстрой зарядки

Доктор Танвир Таним и его команда в Национальной лаборатории Айдахо спроектировали литий-ионные батареи, которые могут заряжаться за 10–15 минут на дорожной зарядной станции. Они разработали алгоритм машинного обучения, который обнаруживает нежелательное литиевое нанослоение, которое может происходить при этих условиях.

Tech Briefs: Как начался проект?

Доктор Танвир Таним: Мы вовлечились в программу экстремально быстрой зарядки, спонсируемую Управлением транспортных технологий Министерства энергетики в 2017 году. Цель была обеспечить экстремально быструю зарядку (XFC) в литий-ионных батареях — 10–15 минут зарядки или около того — по сути, сделать опыт перезарядки ЭВ сравнимым с заправкой бензиновых автомобилей. Это одно из главных соображений для потребителей электромобилей.

Для этой программы мы тестировали много литий-ионных батарей на экстремально быстрых скоростях зарядки. Когда вы заряжаете эти батареи на высоких скоростях, вы сталкиваетесь со многими проблемами — литиевое нанослоение — одна из главных. Батареи содержат конечное количество лития, так что вы не хотите, чтобы оно терялось во время зарядки и разрядки, вы хотите, чтобы оно циклировало туда-сюда от анода к катоду. Во время быстрой зарядки, однако, циклируемое литий может оседать на поверхности анода, что является нежелательной паразитной реакцией — нанослоенное литий не может быть восстановлено — во время разрядки оно не может вернуться к катоду.

Есть другие проблемы с нанослоением. Если вы не обнаружите его рано, оно будет продолжаться и может привести к катастрофическому событию. Например, нанослоенное Li может принять дендритную форму и расти как игла от анода и может проколоть сепаратор, создавая внутреннее короткое замыкание.

Так что мы тестировали много литий-ионных батарей, делали модификации дизайна, затем перетестировали, чтобы увидеть, происходит ли литиевое нанослоение. В то время, однако, у нас не было хорошего способа обнаружить нанослоение. После тестирования мы разрывали ячейку, чтобы увидеть, было ли нанослоение, или делали дополнительные пост-тесты. У нас не было никакого твёрдого электрохимического подписи-основанного метода обнаружения литиевого нанослоения, но мы много учились.

Потом мы вовлечились в другую программу, называемую физикой-основанным машинным обучением, также финансируемой DOE. Цель для этой программы — разработать алгоритмы на основе искусственного интеллекта/машинного обучения для получения надёжной проекции срока службы батареи вместе с идентификацией корневых причин деградации. К тому времени у нас накопилось много данных и сформировалось комплексное понимание разных режимов и механизмов деградации. Мы подумали, раз у нас есть все эти данные, и мы знаем электрохимические сигнатуры, связанные с литиевым нанослоением, почему бы не сформулировать это в задачу машинного обучения. Мы могли бы использовать электрохимические сигнатуры, внедрить машинное обучение и посмотреть, может ли это помочь нам придумать стратегию обнаружения литиевого нанослоения.

Одна вещь привела к другой, и мы пришли к выводу, что это может быть очень хорошим методом для раннего обнаружения литиевого нанослоения без разрыва ячейки. Открытие ячейки и пост-тестирование занимает время, дорого и задерживает разработку жизненного цикла батареи.

Tech Briefs: Так что ваш метод был обнаружением определённых электрохимических сигнатур?

Таним: К тому времени у нас было тонны электрохимических данных, и мы получили хорошее понимание физики за этим. Мы идентифицировали ключевые электрохимические сигнатуры, которые могли быть связаны с литиевым нанослоением. Затем мы побежали с этими данными, внедрили машинное обучение и решили проблему, которую мы сформулировали в то время.

Tech Briefs: Можете ли вы рассказать что-то о том, какие именно виды данных вы использовали?

Таним: Мы были в основном фокусированы на электрохимических данных, потому что их можно собирать легко — на самом деле, во время тестирования мы всегда ищем электрохимические сигнатуры для описания проблем жизни и производительности в литий-ионных батареях. Типичные сигнатуры — напряжение, ток, температура и так далее. Вы можете конвертировать эти сигнатуры в разные вторичные переменные. Например, мы смотрели на тренды разрядной ёмкости и затухания ёмкости, их линейность или нелинейность. Также напряжение покоя в конце зарядки, напряжение в конце разрядки и как они меняются за циклы, и, кроме того, кулоновская эффективность.

Tech Briefs: Что означает разрядная ёмкость?

Таним: Если вы используете батарею, вы забираете энергию из неё, это то, что мы называем разрядкой. Один из мер ёмкости — ампер-часы.

Tech Briefs: А как насчёт затухания ёмкости?

Таним: Новая батарея имеет определённую ёмкость — скажем, один ампер-час. С циклированием эта ёмкость будет уменьшаться. Затухание ёмкости (или энергии) — это процент уменьшения. В нормальных случаях тренд уменьшения будет довольно линейным, особенно в начальных циклах. Но с литиевым нанослоением тренд очень нелинейный — более высокий темп затухания в начале и меньше затухания позже.

Литиевое нанослоение может происходить под разными условиями. Помимо быстрой зарядки, оно может происходить, если вы заряжаете батарею при субнулевой температуре, или если есть старения-связанные проблемы неравновесия в батарее. Сигнатуры могут не быть одинаково чувствительны для всех условий нанослоения. Так что мы идентифицировали наиболее чувствительные сигнатуры для быстрой зарядки и затем использовали их для разработки нашего алгоритма машинного обучения.

Tech Briefs: Какие сигнатуры вы использовали?

Таним: Мы обнаружили, что наиболее чувствительные сигнатуры для быстрой зарядки были трендами в том, как затухала ёмкость ячейки, линейно или нелинейно, напряжение покоя в конце зарядки и кулоновская эффективность.

Мы также обнаружили, что две заметные сигнатуры, о которых другие сообщали, dQ/dV и dV/dt, не были очень чувствительны под условиями быстрой зарядки, если только не было очень агрессивных ситуаций нанослоения.

Tech Briefs: Можете ли вы объяснить кулоновскую эффективность?

Таним: Кулоновская эффективность — это процентное отношение разрядной ёмкости, делённой на зарядную ёмкость.

Tech Briefs: Как вы измеряете затухание ёмкости?

Таним: Вам нужно сделать некоторое тестирование. В лабораторном масштабе, когда мы циклируем батарею, мы можем выбрать конкретный цикл для измерения его зарядной или разрядной ёмкости. Из тока и времени мы можем рассчитать ёмкость в ампер-часах. Теперь, если вы повторяете тот же процесс по мере деградации батареи, вы можете найти ёмкость в старом состоянии и оттуда рассчитать процент затухания (затухание ёмкости относительно свежего состояния).

Tech Briefs: Экспериментировали ли вы с разными протоколами зарядки?

Таним: Чтобы избежать литиевого нанослоения, можно модифицировать дизайн батареи разными способами: можно менять материалы, дизайн электродов или несколько других аспектов дизайна батареи, такие как электролит.

Можно также менять условия работы или профили зарядки. Например, можно пробовать разные протоколы зарядки и сравнивать их с базовой линией. Например, вместо постоянного тока/постоянного напряжения можно попробовать многошаговые или другие протоколы зарядки. И можно также менять температуру.

Наш метод обнаружения литиевого нанослоения будет применим независимо от любых изменений дизайна или протоколов зарядки.

Tech Briefs: Как вы видите реализацию этого?

Таним: Есть два сценария, которыми этот метод сделает ценный вклад. Первый — для использования исследователями в лаборатории. Этот метод быстрее скажет нам, происходит ли литиевое нанослоение при данных условиях работы — нам не нужно разрывать ячейку или делать любой другой пост-тест анализ. Просто электрохимическая сигнатура скажет нам, происходит ли литиевое нанослоение для этого конкретного дизайна и условия работы. Это можно сделать в течение 10–25 циклов. Это даёт нам знать, должны ли мы модифицировать дизайн батарей — мы хотим идентифицировать это как можно раньше. Мы можем затем вернуться, переработать дизайн и перетестировать, чтобы увидеть, движемся ли мы в правильном направлении.

Электрохимические сигнатуры, с некоторыми модификациями и дальнейшей верификацией, также могут быть реализованы в системе управления батареей на борту электромобиля, а также в стационарных приложениях, где используются литий-ионные батареи. OEM или производители батарей уже собирают большинство этих сигнатур. Используя их как базовую линию, мы можем, может быть, не в раннем жизненном цикле, может быть, через несколько лет, предупредить пользователя, что хотя батарея была хороша в начале своей жизни, что-то изменилось, и литиевое нанослоение начало происходить. «Поскольку теперь есть литиевое нанослоение, это раннее предупреждение, что вы должны сделать что-то с батареей».

Tech Briefs: Можете ли вы рискнуть предположить, как скоро это может быть коммерциализировано?

Таним: У нас есть предварительный патент на это и мы работаем над подачей полного патента очень скоро. Мы также ищем возможности сотрудничества для дальнейшей разработки и видим большой интерес от частных компаний. Также у DOE есть фонд коммерциализации технологий, где мы можем сотрудничать с другими частными промышленностями и дальнейшим улучшением и демонстрацией для бортового применения, но я не хочу давать вам никакое конкретное предположение.

Отредактированная версия этого интервью появилась в декабре 2021 выпуска Tech Briefs.