Batteriemodellierungsansätze für Zweitens

BOSTON, 7. Juni 2023 /PRNewswire/ -- Batterieleistungstests sind ein wichtiger Teil des Marktes für Second-Life-Batterien für Elektrofahrzeuge. Wiederaufbereiter werden bestrebt sein, die leistungsstärksten EV-Batterien in ihren endgültigen Second-Life-Systemen zu verwenden, beispielsweise in stationären Speichersystemen oder Elektromobilitätsanwendungen mit geringerem Stromverbrauch. Während Wiederaufbereiter Überlegungen im Zusammenhang mit Beschaffungs-, Demontage- und Wiedermontageverfahren berücksichtigen müssen, ist es auch wichtig, die Leistung der ausgemusterten Elektrofahrzeugbatterien zu verstehen. Dies liegt daran, dass die Leistung der endgültigen Second-Life-Batterie nach der Wiederverwendung beeinträchtigt wird. In ihrem neuesten Bericht zum Thema „Second-life Electric Vehicle Batteries 2023-2033“ analysiert IDTechEx die verschiedenen Methoden, die Spieler verwenden, um wichtige Leistungsparameter ausgemusterter Elektrofahrzeugbatterien zu modellieren und abzuschätzen.

Zu den wichtigsten Batterietests, die normalerweise durchgeführt werden, gehören Tests des Zustandszustands (SOH), der internen Impedanz und der verbleibenden Nutzungsdauer (RUL). RUL ist eine Schätzung der verbleibenden Zeit, bevor eine Batterie zum ersten Mal unter einen Ausfallschwellenwert fällt. Bei den meisten Erstlebensbatterien für Elektrofahrzeuge beträgt die End-of-Life-Kapazität 70–80 %. Für Second-Life-Anwendungen wären Batterien mit einem hohen SOH- und RUL-Wert und einer niedrigen Innenimpedanz am besten geeignet.

Zu den wichtigsten Interessenvertretern, die diese Tests durchführen würden, gehören Wiederverwendungsbetriebe für Second-Life-Batterien und Batteriediagnostiker, die Leistungsmodelle entwickeln. Start-ups, die diese Modelle entwickeln, könnten Wiederverwendern auf dem aktuellen Markt Informationen zur Batterieleistung liefern. Zukünftig könnten Automobil-OEMs diese Technologien nutzen, um Vorschriften wie den Batteriepass in der EU einzuhalten, der von OEMs verlangt, Informationen zum Batteriezustand an einen Wiederverwender weiterzugeben.

Um RUL zu berechnen, müsste eine Batterie einem Zyklus unterzogen und ihre Kapazitätsabbaukurve auf den Ausfallschwellenwert extrapoliert werden. Längeres Radfahren ist zeitaufwändig und altert die Batterie. Darüber hinaus verläuft der Abbau nach einer bestimmten Anzahl von Zyklen nicht mehr linear, was die Genauigkeit des Tests verringert. Daher besteht ein Bedarf an alternativen, genaueren und schnelleren Methoden zur Schätzung des RUL.

Zu diesen Ansätzen gehören datengesteuerte Techniken wie maschinelles Lernen (ML), adaptive Filter- und stochastische Prozessmethoden oder physikbasierte Modellierung. Das kalifornische Start-up ReJoule entwickelt beispielsweise Batteriemanagement- und Bewertungstechnologielösungen und verfügt über eine Technologie, die ML mit elektrochemischer Impedanzspektroskopie und statistischen Modellierungstechniken kombiniert. Ein indisches Start-up, Oorja Energy, kombiniert sowohl physikbasierte als auch datengesteuerte Techniken. Ihrem angewandten Physikmodell werden begrenzte experimentelle Daten hinzugefügt und ML-Algorithmen werden verwendet, um ein genaues Ergebnis zu erzielen. Der Vorteil hierbei ist die Zeitersparnis gegenüber der Entwicklung eines rein physikbasierten Modells.

Sowohl datengesteuerte als auch physikbasierte Methoden haben ihre Vor- und Nachteile und stellen ein Gleichgewicht zwischen Modellierungsgeschwindigkeit und Genauigkeit dar. Mit ML-Methoden können diese die Leistung einer großen Menge von Batterien schnell modellieren, obwohl sie anfällig für Überanpassungen sein können und auf bestimmte Batteriearchitekturen beschränkt sind. In Zukunft könnten rein physikbasierte Modelle darauf abzielen, unabhängig von der Batteriechemie zu sein. Dies würde mehreren Beteiligten Vorteile für die optimierte Einstufung großer Mengen ausgemusterter Elektrofahrzeugbatterien bieten, unabhängig vom Design. Allerdings ist die physikbasierte Batteriemodellierung unglaublich komplex, da alle herkömmlichen Materialien und Eigenschaften bekannt sein müssen, um verschiedene Aspekte einer Batterie vollständig zu modellieren. Viele der in einer Batterie verwendeten Materialien sind technische Materialien, und daher ist es schwierig, Faktoren wie die Anodenporosität zu kennen, ohne dass ein Batteriehersteller solche Spezifikationen anschließend einem Automobil-OEM oder einem Modellbauer zur Verfügung stellt. Daher kann die Entwicklung physikbasierter Modelle zeitaufwändig sein, da Modellierer diese spezifischen Batteriemetriken möglicherweise selbst berechnen und verstehen müssen.

Für Wiederaufbereiter ist es wichtig, die Leistung ausgemusterter Elektrofahrzeugbatterien und den RUL schnell und genau zu messen. Derzeit entwickeln die meisten Diagnostiker datengesteuerte Modelle, die manchmal durch andere Techniken über einen hybriden Modellierungsansatz ergänzt werden. Dies dient als kurzfristige Lösung für Wiederverwender, die die Eignung ausgedienter Elektrofahrzeugbatterien für Second-Life-Anwendungen untersuchen möchten. Allerdings ist die datengesteuerte Modellierung in der Regel immer noch auf bestimmte Batteriearchitekturen beschränkt, was ihre kommerzielle Realisierbarkeit einschränkt, wenn sie nicht mit den ausgemusterten EV-Batterien eines Wiederaufbereiters kompatibel ist. Es besteht eindeutig Bedarf an einer stärkeren Standardisierung von Elektrofahrzeugbatterien und/oder der Entwicklung batterieunabhängiger Modelle, um dieses Hindernis zu überwinden und eine bessere Technologiekompatibilität in größerem Maßstab zu ermöglichen.

Weitere Überlegungen zum Testen und Modellieren der Leistung ausgemusterter Elektrofahrzeugbatterien finden Sie im neuen Bericht von IDTechEx „Second-life Electric Vehicle Batteries 2023-2033“. Der Bericht enthält weitere Informationen zu den folgenden Informationen: Regulierungsumfeld für Second-Life-Geräte, Entwicklungen in der Batterietechnologie, technologisch-ökonomische Analyse von Second-Life-Batterien, Aktivitäten wichtiger Akteure und 10-Jahres-Prognosen für den Second-Life-Markt (installierte GWh) und Elektrofahrzeugbatterien Verfügbarkeit.

Über IDTechEx

IDTechEx unterstützt Sie bei Ihren strategischen Geschäftsentscheidungen durch seine Forschungs-, Abonnement- und Beratungsprodukte und hilft Ihnen, von neuen Technologien zu profitieren. Für weitere Informationen wenden Sie sich bitte an [email protected] oder besuchen Sie www.IDTechEx.com.

Bilder herunterladen: https://www.dropbox.com/scl/fo/ihuqpnmkq5neguu5cr16o/h?dl=0&rlkey=mfpjsmz8yvn91li6881bbm4ff

Medienkontakt:

Lucy RogersVertriebs- und Marketingadministratorin [email protected] +44(0)1223 812300

Social-Media-Links:

Twitter: www.twitter.com/IDTechEx LinkedIn: www.linkedin.com/company/IDTechEx Facebook: www.facebook.com/IDTechExResearch

Foto: https://mma.prnewswire.com/media/2095665/IDTechEx_BMS_data.jpgLogo: https://mma.prnewswire.com/media/478371/4072742/IDTechEx_Logo.jpg

Sehen Sie sich Originalinhalte an, um Multimedia herunterzuladen: https://www.prnewswire.com/news-releases/battery-modeling-approaches-for-second-life-applications-discussed-by-idtechex-301845226.html

QUELL-IDTechEx