Open Access

Elektrochemische Energiespeicher in Form von Batteriezellen nehmen in der nahen Zukunft für die Transformation zu einer nachhaltigen Energiewirtschaft eine entscheidende Rolle ein. Im Rahmen dieser Arbeit soll die effiziente und aussagekräftige Charakterisierung von Batteriezellen zum Thema sein. Dazu wird erläutert, wie für die Batteriearbeitsgruppe der Hochschule Offenburg eine neue Dateninfrastruktur aufgebaut wird. Gleichzeit wird thematisiert, auf welche Weise Batteriezellen charakterisiert werden können um zur Erstellung eines Äquivalentschaltkreismodells verwendet werden können. Am Ende der Arbeit stehen mit den neuen Methode einige ersten Ergebnisse für die erfolgreiche Umsetzung der Dateninfrastruktur sowie erste Ergebnisse für das neue Testverfahren für die Charakterisierung von Lithiumeisenphosphat-Batteriezellen.

Seit ihrer Markteinführung Anfang der neunziger Jahre spielen Lithium-Ionen-Batterie (LIB) eine wichtige Rolle in der Gesellschaft und Entwicklung neuer Technologien. Mit zunehmendem Bewusstsein für den Klimawandel wurde auch die Notwendigkeit erkannt, fossile Energieträger durch Alternativen zu ersetzen. Hierbei spielen LIB in einer Vielzahl von Anwendungen eine entscheidende Rolle. Zu finden sind sie sowohl im stationären Bereich wie z. B. Heimspeicher, als auch mobilen Anwendungen von der Armbanduhr bis hin zu Fähren. Neue Einsatzgebiete bedeuten dabei immer größer werdende Herausforderungen, die LIBn auf die jeweiligen Anforderungen abzustimmen. Mathematische Modelle spielen in der Forschung und Entwicklung von LIB einen elementaren Bestandteil. Mithilfe von numerischer Simulation wird das Verhalten der LIB nachgebildet, um ein besseres Verständnis für deren Verhalten zu bekommen. Diese Arbeit beschäftigt sich mit der Entwicklung, Parametrierung und experimentellen Validierung eines pseudo-3D (P3D) multiphysikalischen Modells einer kommerziellen 350 mAh Hochleistungs- (HP) Lithium-Ionen-Pouchzelle. Die LIB hat eine Graphitanode und eine Lithium-Kobaltoxid (LCO)/Lithium-Nickel-Kobalt-Aluminiumoxid (NCA) Mischkathode. Das Modell beschreibt die Transportprozesse auf den drei folgenden Skalen: Wärmetransport auf der Zellebene (Makroskala) – Massen- und Ladungstransfer auf der Elektrodenpaarebene (Mesoskala) – Massentransport im Aktivmaterial (Mikroskala). Mithilfe der Open-Source-Software Cantera zur Berechnung der chemischen Kinetik wird eine verallgemeinerte Beschreibung der elektrochemischen Vorgänge in der Mischelektrode entwickelt. Zum Ende der Modellerstellung kann eine sehr gute Übereinstimmung der Simulationsergebnisse mit galvanostatischen Lade-/Entlademessungen, elektrochemischen Impedanzspektroskopie (EIS) und Oberflächentemperaturmessungen über einen weiten Bereich von Betriebsbedingungen (0,05 C bis 10 C Ladung und Entladung, 5 °C bis 35 °C) gezeigt werden. Anschließend werden Methoden entwickelt, die Verluste, die in einer LIB während dem Betrieb entstehen, auf deren Ursachen zurückführen zu können. Die Verluste äußern sich in Überspannungen während der Lade und Entladevorgänge. Hierbei finden drei verschiedene Methoden ihre Anwendungen: (1) Aufteilung der Überspannungsbeiträge entsprechend ihrer Ursachen hinsichtlich der ohmschen Anteile sowie der Konzentrations- und Aktivierungsanteile der einzelnen Zellkomponenten. (2) Die partielle elektrochemische Impedanzspektroskopie zur Darstellung der verschiedenen Beiträge der EIS. (3) Sensitivitätsanalyse hinsichtlich globaler Kennwerte (Kapazität, Innenwiderstand und Impedanz) und der Überspannungen zur Bewertung des Einflusses der verschiedenen Zellparameter hinsichtlich der Simulationsergebnisse. Zum Abschluss wird der Zielkonflikt zwischen Energie und Leistung betrachtet, der insbesondere auch bei Elektrofahrzeugen eine Rolle spielt, da große Reichweiten (viel Energie) und möglichst kurze Ladezeiten (hohe Leistung) gefordert werden. Es wird gezeigt, dass Lithiumplating durch hohe Temperaturen oder durch die Verwendung des CCCPCV-Ladeprotokolls, mit einer Phase mit konstantem Anodenpotential, vermieden werden kann. Es wird eine spezifische Ladeleistung eingeführt und diese als das Verhältnis zwischen der entladenen Energie (bei langsamer Entladung) und der erforderlichen Ladezeit (bei schneller Ladung) quantifiziert. Die Wert weisen ein deutliches Optimum in Bezug auf die Elektrodendicke auf. Bei 35 °C wurde das Optimum mit einem Hochenergie-Elektrodendesign erreicht, das 23,8 Wh/(min·l) spezifische Ladeleistung bei 15,2 min Ladezeit (10 % bis 80 % SOC) und 517 Wh/l Entladeenergiedichte ergab. Durch die Analyse der verschiedenen Überspannungsbeiträge konnten wir zeigen, dass Elektrolyt-Transportverluste für die unzureichende Lade- und Entladeleistung von Zellen mit sehr dicken Elektroden hauptverantwortlich sind.

Lithium-ion batteries exhibit a complex, nonlinear and dynamic voltage behaviour. Modelling their slow dynamics is a challenge due to the multiple potential causes involved. We present here a neural equivalent circuit model for lithium-ion batteries including slow voltage dynamics. The model uses an equivalent circuit with voltage source, series resistor, and diffusion element. The series resistance is parameterized using neural networks. The diffusion element is based on a discretized form of Fickian diffusion, parameterized using a neural network and learnable parameters. It is flexible to represent not only Warburg behaviour, but also resistor-capacitor-type dynamics. Mathematically, the resulting model is given by a differential–algebraic equation system combining ordinary and neural differential equations. Therefore, the model combines concepts of both physical theory (white-box model) and artificial intelligence (black-box model) to a combined framework (grey-box model). We apply this approach to a lithium iron phosphate based lithium-ion battery cell. The experimental voltage behaviour during constant-current cycles as well as the dynamics during pulse tests are well reproduced by the model. Only at very high and very low states of charge the simulation significantly deviates from experiments, which might result from insufficient training data in these regions.

Der vorliegende Bericht dokumentiert die Arbeiten und Ergebnisse des Forschungsprojekts GaIN – Gewinnbringende Partizipation der mittelständischen Industrie am Energiemarkt der Zukunft (Laufzeit 01.12.2019 bis 30.11.2022), das vom Bundesministerium für Wirtschaft und Klimaschutz „BMWK“ unter den Kennzeichen 03EI6019E gefördert wurde. Das Ziel des Projektes bestand darin, durch die Digitalisierung der (mittelständischen) Industrie die Unternehmen zu befähigen aktiv gewinnbringend am volatilen Energiemarkt der Zukunft zu partizipieren.

This paper provides a comprehensive overview of approaches to the determination of isocontours and isosurfaces from given data sets. Different algorithms are reported in the literature for this purpose, which originate from various application areas, such as computer graphics or medical imaging procedures. In all these applications, the challenge is to extract surfaces with a specific isovalue from a given characteristic, so called isosurfaces. These different application areas have given rise to solution approaches that all solve the problem of isocontouring in their own way. Based on the literature, the following four dominant methods can be identified: the marching cubes algorithms, the tessellation-based algorithms, the surface nets algorithms and the ray tracing algorithms. With regard to their application, it can be seen that the methods are mainly used in the fields of medical imaging, computer graphics and the visualization of simulation results. In our work, we provide a broad and compact overview of the common methods that are currently used in terms of isocontouring with respect to certain criteria and their individual limitations. In this context, we discuss the individual methods and identify possible future research directions in the field of isocontouring.