Это связано с тем, что это повлияет на производительность батареи, прошедшей повторный срок службы, после ее повторного использования. В своем последнем отчете по этой теме «Батареи, прошедшие повторный срок службы, для электромобилей 2023-2033» компания IDTechEx анализирует различные методы, используемые заинтересованными сторонами для моделирования и оценки важных параметров производительности отработанных батарей электромобилей.
Основные тесты батарей, которые обычно проводятся, включают проверку состояния здоровья (SOH), внутреннего импеданса и остаточного срока службы (RUL). RUL — это оценка времени, оставшегося до того, как батарея выйдет из строя. Для большинства батарей электромобилей первого срока службы это соответствует 70-80% емкости к концу срока службы. Батареи с высокими показателями SOH и RUL и низким внутренним импедансом лучше всего подходят для использования после окончания срока службы.
В число ключевых заинтересованных сторон, которые будут проводить эти испытания, входят предприятия по переработке отработанных батарей и специалисты по диагностике батарей, разрабатывающие модели производительности. Стартапы, разрабатывающие эти модели, могли бы предоставлять данные о производительности батарей существующим предприятиям по переработке. В будущем производители автомобилей смогут использовать эти технологии для соблюдения таких правил, как Европейский паспорт батарей, который потребует от производителей предоставлять информацию о состоянии батарей предприятиям по переработке.
Для расчета остаточного срока службы (RUL) батарею необходимо подвергнуть циклам зарядки/разрядки, а затем экстраполировать кривую деградации ее емкости до порога отказа. Длительная циклическая зарядка/разрядка занимает много времени и приводит к старению батареи. Кроме того, после определенного количества циклов деградация перестает быть линейной, что снижает точность теста. Поэтому необходимы более точные и быстрые альтернативные методы оценки RUL.
Эти подходы включают в себя методы, основанные на данных, такие как машинное обучение (МО), адаптивная фильтрация и стохастические методы обработки данных, а также моделирование на основе физических принципов. Например, калифорнийский стартап ReJoule разрабатывает решения для управления и классификации батарей и предлагает технологию, которая сочетает МО с электрохимической импедансной спектроскопией и методами статистического моделирования. Индийский стартап Oorja Energy сочетает в себе как методы, основанные на физических принципах, так и методы, основанные на данных. В его прикладную физическую модель добавляются ограниченные экспериментальные данные, а для получения точного результата используются алгоритмы МО. Преимущество заключается в экономии времени по сравнению с разработкой модели, основанной исключительно на физических принципах.
Как методы, основанные на данных, так и методы, основанные на физических принципах, имеют свои преимущества и недостатки, представляя собой компромисс между скоростью и точностью моделирования. Методы машинного обучения (МО) могут быстро моделировать характеристики большого количества батарей, хотя они могут быть склонны к переобучению и ограничены определенными архитектурами батарей. В будущем чисто физические модели могут стремиться к независимости от химического состава батарей. Это принесет пользу многим заинтересованным сторонам в упрощенной сортировке больших объемов списанных батарей электромобилей, независимо от их конструкции. Однако моделирование батарей на основе физических принципов невероятно сложно, поскольку требует знания всех традиционных материалов и свойств для полного моделирования различных аспектов батареи. Многие материалы, используемые в батарее, являются инженерными, что затрудняет определение таких факторов, как пористость анода, без предоставления производителем батарей этих спецификаций автомобильному OEM-производителю или разработчику моделей. Поэтому разработка физических моделей может быть трудоемкой, поскольку разработчикам моделей может потребоваться самостоятельно рассчитывать и понимать эти специфические для батареи показатели.
Для компаний, занимающихся восстановлением батарей, важно быстро и точно измерять производительность и остаточный срок службы (RUL) отработанных батарей электромобилей. В настоящее время большинство диагностических инструментов разрабатывают модели на основе данных, иногда дополненные другими методами с использованием гибридного подхода к моделированию. Это краткосрочное решение для пользователей, которые хотят узнать, пригодны ли отработанные батареи электромобилей для повторного использования. Однако моделирование на основе данных по-прежнему ограничено определенными архитектурами батарей, что ограничивает его коммерческую жизнеспособность, если оно несовместимо с отработанными батареями электромобилей, используемыми компанией по восстановлению. Очевидно, что для преодоления этого препятствия и обеспечения лучшей технологической совместимости в больших масштабах необходима большая стандартизация батарей электромобилей и/или разработка моделей, не зависящих от типа батареи.
Для получения дополнительной информации о тестировании и моделировании характеристик отработанных батарей электромобилей см. новый отчет IDTechEx «Аккумуляторы электромобилей второго срока службы 2023-2033». Отчет содержит дополнительную информацию по следующим вопросам: нормативно-правовая база для аккумуляторов второго срока службы, развитие технологий производства батарей, технико-экономический анализ аккумуляторов второго срока службы, деятельность ключевых игроков, а также 10-летние прогнозы рынка аккумуляторов второго срока службы (ГВт·ч установленной мощности) и доступности аккумуляторов для электромобилей.
Автор: Конрад Николс, технологический аналитик компании IDTechEx
