Methoden zum Debugging von Batteriedesigns

 (github.com/ionworks)
1 Punkte von GN⁺ 2024-07-29 | 1 Kommentare | Auf WhatsApp teilen
  • Das Design von Batterien ist ein „and“-Problem, bei dem Reichweite, Leistung, Sicherheit, Lebensdauer, Gewicht und Kosten miteinander in Konflikt stehen. Hohe Energiedichte und hohe Leistung gleichzeitig zu erfüllen ist schwierig, daher muss der Designraum per Simulation erkundet werden.
  • Beim Zelldesign gibt es viele Variablen wie Anode, Kathode, Elektrolyt, Separator, Dicke, Porosität, Partikelgröße und Formfaktor. Setzt man für 20 Variablen jeweils 3 Werte an, entstehen 3.486.784.401 Kombinationen.
  • Im Labor dauert es mindestens 1 Tag, ein einzelnes Zelldesign herzustellen und zu charakterisieren; beschleunigte Alterungstests können bis zu 1 Monat dauern. Die Kosten für Aufbau und Test eines neuen Design-Datenpunkts liegen grob bei $1000.
  • Anoden aus einer Graphit-Silizium-Mischung könnten Energiedichte und Leistung gleichzeitig verbessern, aber Silizium hat Probleme mit Spannungshysterese und Rissen bzw. Alterung durch eine Ausdehnung von etwa 80 % bei der Lithiierung.
  • PyBaMM führt mathematische Batteriemodellierung in Python aus und analysiert Spannungskomponenten, Konzentrationsverteilungen und Effekte der Partikelgröße. 6.500 Datenpunkte lassen sich auf einem einzelnen Kern in unter 2 Stunden und bei paralleler Berechnung in unter 1 Minute berechnen.

Das „and“-Problem im Batteriedesign

  • Batterien für Elektrofahrzeuge neigen dazu, entweder auf hohe Energiedichte oder auf hohe Leistung ausgelegt zu sein; beide Eigenschaften gleichzeitig zu erfüllen ist schwierig.
  • Packt man viele Batterien mit hoher Energiedichte ein, kann die Reichweite steigen, aber die Nennleistung bei der Beschleunigung ist geringer und die Systemverluste können so groß werden, dass Überhitzung entsteht.
  • Gegenmaßnahmen gegen Überhitzung führen oft zu einem überdimensionierten Kühlsystem, was Gewicht und Kosten erhöht.
  • Batterien, die bei hohen Temperaturen arbeiten, können ihre Kapazität schneller verlieren.
  • Beim Batteriedesign wirken neben Energie und Leistung auch Einschränkungen wie Sicherheit, Lebensdauer, Gewicht und Kosten gleichzeitig.
  • Bei Elektroflugzeugen ist dieses Problem noch größer.
    • Die für Start und Landung benötigte Spitzenleistung ist 10-mal höher als die für den Reiseflug benötigte Leistung.
    • Dadurch wird ein auf Leistung priorisiertes Design nötig, was zulasten von Reichweite oder Flugreichweite geht.

Warum das Versuchsdesign schnell explodiert

  • Batterieanbieter testen viele unterschiedliche Designs für verschiedene Einsatzzwecke, aber allein die Herstellung und vollständige Charakterisierung eines Designs dauert mindestens 1 Tag.
  • Zellen für beschleunigte Alterungstests können bis zu 1 Monat benötigen.
    • Die Zellen werden wiederholt stark geladen und entladen, und die Daten werden auf reale Fahrszenarien extrapoliert.
    • Da Alterungseffekte nichtlinear sind, ist die Übertragung von einem Szenario auf ein anderes nicht einfach.
  • Die Kosten, ein neues Batteriedesign auf Einzelzellebene herzustellen und zu testen, liegen bei ungefähr $1000.
  • Die Designvariablen stapeln sich über mehrere Ebenen.
    • Materialien: Anode, Kathode, Elektrolyt, Separator
    • Stellgrößen fester Materialien: Dicke, Porosität, Partikelgröße, Zusammensetzung von Mischmaterialien
    • Geometrische Faktoren: zylindrische, prismatische oder Pouch-Formfaktoren, Größen wie 18650, Anzahl der Tabs, Dicke der Stromableiter
    • Sicherheitselemente: Entlüftungskappe, zentraler Dorn
    • Auch die Elektrolytzusammensetzung kann verändert werden, was ein wichtiger Differenzierungsfaktor sein kann.
  • Selbst wenn man konservativ nur 20 Parameter verändert und für jeden nur drei Werte — Ausgangswert, hoher Wert, niedriger Wert — annimmt, entstehen 3^20 = 3.486.784.401 Kombinationen.
  • Selbst bei Parallelisierung über 1.000 Kanäle müsste jeder Kanal mehr als 1 Million Experimente durchführen; das würde mindestens 1 Million Tage dauern und die Kosten auf über $1B treiben.
  • Diese kombinatorische Explosion ist der Fluch der Dimensionalität und tritt in der Batterieentwicklung besonders stark auf.

Potenzial und Probleme von Siliziumanoden

  • Anoden aus einer Mischung von Graphit und Silizium sind Kandidaten, um hohe Leistung zu erhalten und gleichzeitig die Energiedichte zu steigern.
  • Silizium kann pro Volumeneinheit mehr Lithium aufnehmen und so die Zellkapazität erhöhen.
  • Die Anode ist die negative Elektrode der Zelle, und Lithium-Ionen werden in das Kristallgitter des aktiven Materials eingelagert.
    • Wenn sich die Konzentration der Lithium-Ionen ändert, schreitet die Lithiierung voran.
    • Dieser Vorgang ist ein elektrochemischer Prozess, der Elektronenübertragung erfordert und stattfindet, wenn Strom in die Zelle hinein- oder aus ihr herausfließt.

  • Spannungshysterese

    • Während Laden und Entladen ändert sich die Spannung, wenn sich Ionen in das Wirtsmaterial hinein- und aus ihm herausbewegen.
    • In Bereichen, in denen sich die Kristallstruktur in eine stabile Phase umwandelt, verläuft die Spannungsänderung langsamer.
    • Analysiert man das Leerlaufpotenzial und den Differentialwert dVdQ in Bezug auf Lithiierung oder Kapazität, lassen sich Rückschlüsse auf die inneren Materialien ziehen.
    • Kennt man das Material, kann man aus der Spannung den Ladezustand SoC vorhersagen.
    • Silizium weist Spannungshysterese auf, sodass sich selbst bei sehr langsamen Zyklen, zum Beispiel 1 Zyklus pro Tag, Lade- und Entladespannungspfad unterscheiden.
    • Coulomb Counting durch fortlaufende Integration des Stroms driftet mit der Zeit, wenn Sensoren ausfallen, die Genauigkeit niedrig ist oder systematische Fehler vorliegen.
    • Die Spannung kann als unmittelbare Momentaufnahme des Batteriezustands dienen, wird aber davon beeinflusst, wie weit das System vom Gleichgewicht entfernt ist, sowie von Temperatur, Alterung und Lade- bzw. Entladerichtung.

  • Ausdehnung und Rissbildung

    • Siliziumpartikel werden bei der Lithiierung etwa 80 % größer als im delithiierten Zustand.
    • Diese Ausdehnung erzeugt Spannungen im Partikel selbst, und wenn der Partikel zerbricht, funktioniert er möglicherweise nicht mehr als aktives Material.
    • Er kann auch das umgebende Wirtsmaterial beschädigen oder Verbindungen trennen, sodass der Bestand an aktivem Material schneller abnimmt und die Zellkapazität sinkt.
    • Kleinere Partikel können helfen, Spannungshysterese und Ausdehnungseffekte zu verringern.
    • Kleine Partikel erhöhen auch die aktive Oberfläche von Silizium pro Masseneinheit und können so verlustbehaftete batteriebezogene Reaktionen reduzieren.

Analyse von Spannung und internem Zustand mit PyBaMM

  • PyBaMM ist ein in Python geschriebenes Open-Source-Tool für Battery Mathematical Modelling.
  • Im Beispiel werden das Modell pybamm.lithium_ion.DFN() und die Parameter Chen2020 verwendet.
  • Die Versuchsbedingung besteht aus 20 Minuten Entladung mit 2C, gefolgt von 10 Minuten Ruhezeit.
  • In der Simulation ist zu sehen, dass sich die Spannung stark verändert, sobald die Entladung stoppt und die Ruhephase beginnt.

  • Zerlegung der Spannungskomponenten

    • PyBaMM kann die Spannung in mehrere Überspannungs-Komponenten aufteilen.
    • Im Gleichgewichtszustand ist das ideale Potenzial für einen bestimmten Ladezustand das OCP bzw. Leerlaufpotenzial.
    • Auch Spannungsverluste, die in Nichtgleichgewichtsprozessen entstehen, werden separat aufgeschlüsselt.
    • In der Simulation zeigt sich Folgendes:
    • Ein großer Teil der Zellspannungsänderung stammt von der Änderung der Leerlaufspannung durch Lithiierung bzw. SoC.
    • In dem Moment, in dem der Strom stoppt, verschwinden Reaktionsüberspannung, ohmsches Elektrolytpotenzial und ohmsche Elektrodenüberspannung fast vollständig.
    • Konzentrationsüberspannung verschwindet langsamer, was zeigt, dass sich Ionen im System auch ohne Reaktion weiter bewegen.
    • Während der Entladung beträgt der Verlust durch Elektrolytkonzentration etwa 100 mV und ist damit beträchtlich, verschwindet aber viel schneller als im aktiven Material, was auf leichtere Diffusion im Elektrolyten hindeutet.

Modellanwendung durch Veränderung der Partikelgröße

  • Die Konzentrationsprofile zeigen, dass die Konzentration im Inneren der Kathodenpartikel entlang des Radius noch nicht gleichmäßig ist.
  • Dieses Ergebnis zeigt, dass die Eigenschaften der Kathodenpartikel das Spannungsrelaxationsverhalten der Zelle während der Ruhephase beeinflussen können.
  • Der ursprüngliche Radius der Kathodenpartikel im Beispiel beträgt 5.22e-06 m.
  • Wird der Radius der Kathodenpartikel auf 3.0e-6 m geändert, wird die Spannung im Ruhezustand schneller flach.
  • Eine kleinere Partikelgröße ermöglicht eine schnellere Diffusion von Lithium-Ionen in die Partikel hinein und aus ihnen heraus, sodass sich der Beitrag der festen Kathodenpartikel zur Spannung während der Ruhephase schneller abbaut.
  • Dieser Fall zeigt, dass Modelle genutzt werden können, um den Einfluss verschiedener Parameter auf die Batterieleistung zu untersuchen.

Die Rolle von Rechenmodellen bei der Verkleinerung des Versuchsraums

  • PyBaMM enthält auch ein Beispiel zur Modellierung von Hysterese in Siliziumanoden.
  • Eine einzelne Simulation kann in wenigen Sekunden laufen, und einfachere Modelle können im Millisekundenbereich ausgeführt werden.
  • Das beispielhafte Ragone-Plot enthält 6.500 Datenpunkte, indem häufig veränderte Parameter durchlaufen werden.
  • Wenn jeder Lauf weniger als 1 Sekunde dauert, dauert auch eine sequentielle Ausführung auf einem einzelnen Kern weniger als 2 Stunden.
  • Mit paralleler Berechnung lässt sich dieselbe Rechnung auf unter 1 Minute verkürzen.
  • Ausführbarer Code steht in how-to-debug-your-battery.ipynb bereit.

Verwandte Beiträge

1 Kommentare

 
GN⁺ 2024-07-29
Meinungen auf Hacker News

  • Nur jeweils einen Faktor zu ändern und drei Punkte zu messen, ist eine klassische ineffiziente Methode, die man am ersten Tag der Versuchsplanung kennenlernt.
    Das ist eher eine Vorgehensweise von Leuten, die keine bessere Methode kennen und kaum formale Statistik-Ausbildung haben.
    Wenn jemand mit Kenntnis moderner Versuchsplanung daran gearbeitet hätte, wären für die Optimierung keine Milliarden Durchläufe nötig. Wenn man zuerst mit einem sequenziellen Design die wichtigen Faktoren herausfiltert, also im Grunde das Pareto-Prinzip anwendet, und danach mit Response-Surface-Design oder einem Gauß-Prozess-Surrogatmodell optimiert, reichen meist Hunderte, höchstens vielleicht Tausende Durchläufe. Douglas C. Montgomerys „Design and Analysis of Experiments“ ist ein guter Einstieg.

    • Stimme völlig zu. Das ist einer der Bereiche, die PyBaMM nicht standardmäßig abdeckt.
      Der Artikel hätte deutlich erweitert werden können, um mögliche Optimierungen sowohl bei physischen Batterien als auch beim Modell zu behandeln. Danke fürs Teilen des Lehrbuchs. Der Punkt, den ich klarer hätte formulieren sollen: In einem kleinen Designraum kann dieser Ansatz durchaus brauchbar sein, aber bei Batterien ist der Raum enorm groß.
      Tatsächlich habe ich gemeinsam einen Aufsatz verfasst, der ein and-Problem als Beispiel nimmt und optimal die Pareto-Front erreicht. Für Leute, die in dieses Gebiet einsteigen, könnte das interessant sein: https://www.sciencedirect.com/science/article/abs/pii/S03062... Wenn jemand das vollständige PDF braucht, kann ich es teilen.
    • Bei der Versuchsplanung lohnt sich auch ein Blick auf die Taguchi-Optimierungsmethode.
      Die von Taguchi vorgeschlagene Versuchsplanung ordnet die Prozessparameter und ihre Stufen in orthogonalen Arrays an. Anders als bei faktoriellen Designs, bei denen alle Kombinationen getestet werden müssen, testet die Taguchi-Methode Kombinationspaare. So lassen sich mit minimalen Experimenten die Daten sammeln, die nötig sind, um die Faktoren zu bestimmen, die die Produktqualität am stärksten beeinflussen, und man spart Zeit und Ressourcen.
      https://eng.libretexts.org/Bookshelves/Industrial_and_System...
    • In Bereichen wie Batteriedesign dürfte es vermutlich schwierig sein, mehrere Faktoren mathematisch voneinander zu trennen. Das dürfte ziemlich nichtlinear sein.
    • Wenn „nur jeweils einen Faktor“ zu testen eine der ineffizientesten Methoden ist: Ist das dann nicht einfach ein Unit-Test?

  • Ich baue gerade selbst einen Solar-Generator, um ein wenig über Batterietechnik zu lernen. Der Name ist nicht besonders toll, aber gemeint ist eher so etwas wie Jackery oder Blue Yeti.
    Ich habe vier Lithium-Eisenphosphat-Zellen, ein BMS, einen Solar-Laderegler und allerlei Kleinteile besorgt. Ich musste Zell-Balancing, Verkabelung und Ähnliches lernen, und das war definitiv ein tiefes Rabbit Hole.
    Ich habe eine 1,2-kWh-Batterie gebaut, um beim Camping Kühlschrank und Beleuchtung zu betreiben, und bin bei weniger als der Hälfte des Preises eines vergleichbaren Fertigprodukts gelandet. Natürlich hat das Lernen enorm viel Zeit gekostet, aber die ist ja kostenlos.
    Eine der interessantesten Erkenntnisse war, dass ich Industrial Design früher stark unterschätzt habe. Ein Batteriepack sieht auf den ersten Blick nur wie eine rechteckige Kiste mit ein paar Steckdosen aus, aber es ansprechend aussehen zu lassen, war ziemlich schwierig. Auch die interne Verkabelung der Komponenten ist eine interessante Herausforderung.

    • Zur Info: Günstige BMS haben oft keine Abschaltung fürs Laden bei niedrigen Temperaturen. Falls du das noch nicht getestet hast, solltest du es tun.
      Den auf dem Typenschild angegebenen Stromwerten sollte man ebenfalls nicht blind vertrauen. Man sollte ein Gerät finden, das ausreichend Last aufnehmen kann, die Last tatsächlich anlegen und prüfen, ob nicht auch nur ein Teil der Zellen so heiß wird, dass thermische Grenzwerte überschritten werden.
      Ein weiterer Punkt ist Korrosion an den Busbars. Wenn an einer der Verbindungen ein kleiner Widerstand entsteht und diese Klemme heiß genug wird, kann es sehr schnell Probleme geben.
      Und schließlich ist der größte Killer für Batteriepacks physische Beschädigung. Selbst bei LiFePO4 ist es wirklich wichtig, die Zellen ausreichend zu fixieren und zu schützen.
    • Für mein Abschlussprojekt im Maschinenbau habe ich bei einem elektrischen Skateboard die Bleiakkus durch Nickel-Metallhydrid-Akkus ersetzt. 2008 waren Lithiumbatterien mit einem Studentenbudget nicht bezahlbar.
      Dadurch habe ich Batterietechnik ganz neu respektieren gelernt, und Batterien fühlen sich für mich bis heute ein wenig wie unverständliche Zauberkisten an.
      Der Teil des Projekts, auf den ich am meisten stolz war: Wir hatten kein Geld für hochwertige Spannungs-/Strom-Logging-Ausrüstung, und die Ströme waren ziemlich hoch. Also habe ich ein Voltmeter und ein analoges Amperemeter mit Kabelbindern auf Sperrholz befestigt und ein 2x4-Holzstück im 90-Grad-Winkel aufgestellt, um eine Kamera daran zu befestigen. Damit bin ich gefahren und habe ein Video aufgenommen, sodass sich Zeit und andere Einheiten zuordnen ließen. Beim Anschauen des Videos habe ich die Ergebnisse manuell in eine Tabellenkalkulation übertragen.
      Es war weder schnell noch hochpräzise, aber es hat gut funktioniert und vor allem ins Budget gepasst.
    • Cool. Ich würde das auch gern ausprobieren, aber meine Hacking-Fähigkeiten stecken ziemlich stark im digitalen Bereich fest.
      Was in den nächsten Jahren wirklich spannend wird, ist, dass immer mehr Batterien aus Autos für Netzspeicher oder als Heimspeicher in solchen Konfigurationen wiederverwendet werden. Normalerweise gilt eine Elektroauto-Batterie als am Lebensende, wenn sie 80 % ihrer ursprünglichen Kapazität erreicht.
      Die Kapazität hängt aber auch davon ab, wie schnell man sie zyklisiert und in welchem Ladezustandsbereich man sie nutzt. Je größer das Ladezustandsfenster und je schneller die Zyklen, desto größer der Stress für die Batterie und desto höher die Verluste. Wenn man eine aus einem Auto entnommene Batterie in eine Box setzt und sie langsamer sowie in einem engeren Ladezustandsbereich zyklisiert, kann sie deutlich länger genutzt werden.
    • Ich habe fast dasselbe gebaut. Nur ohne Solar, dafür mit Wechselrichter und USB.
      Mich würde interessieren, welches Gehäuse du gewählt hast. Für mich war das der schwierigste Teil.
      Ich habe bei Amazon einen robusten Kunststoff-Munitionskoffer gekauft. In Europa war so etwas schwer zu finden.
      Für alle, die das ausprobieren möchten: Die YouTube-Videos von Will Prowse sind hervorragend. Bei einer normalen Batterie, also keinem Solar-Generator, dürfte Selbstbau heutzutage wohl nicht mehr günstiger sein. Man kann nämlich eine 1-kWh-LFP-12-V-Batterie für etwa 200 Dollar kaufen.
    • Wenn man es selbst baut, lernt man vieles, das normalerweise nicht geteilt wird. Diese Art von Arbeit erfordert ziemlich viel Aufwand, deshalb machen es die meisten gar nicht erst.

  • Wenn du an einem Energie-Profiling-Tool interessiert bist, das sich für die Entwicklung batteriebetriebener Hardware-Produkte nutzen lässt, kann ich das PPK II von Nordic Semiconductor sehr empfehlen.
    Für einen vernünftigen Preis bekommt man ein Hardware-Tool und ein Software-Kit, mit denen sich der tatsächliche Energieverbrauch ziemlich gut profilieren lässt. Selbst im Vergleich zu Tools, die eine Größenordnung mehr kosten, ist seine Fähigkeit, Leistungsprofile zu liefern, besser als erwartet. Wenn man ein batteriebetriebenes Hardware-Produkt entwickelt, ist so ein Tool unverzichtbar.
    Klingt vielleicht wie Werbung, ist es aber nicht. Ich habe keinerlei Verbindung zu Nordic Semiconductor. Es ist einfach ein gutes Tool, und in diesem Bereich gibt es kaum kosteneffiziente Alternativen, daher empfehle ich es gern.

    • Dieses Tool passt für Leute, die die Akkulaufzeit kleiner Geräte maximieren müssen.
      Für Gleichstromlasten mit höherer Leistung gibt es Hall-Effekt-Sensoren. Üblicherweise sind das Kunststoffgehäuse mit einer Öffnung, durch die man eine einzelne Hochstromleitung führt. Meist brauchen sie etwa 5 V Gleichstromversorgung und geben eine zur Stromstärke proportionale Spannung aus.
      Da sie das von der Leitung ausgehende Magnetfeld erfassen, ist keine direkte Verbindung nötig; sie eignen sich gut, wenn man hohe Ströme oder hohe Spannungen oder beides messen will. Manche haben eine geteilte Ringkonstruktion, sodass man den Sensor um eine vorhandene Leitung legen kann, ohne sie zu durchtrennen.
      Für Wechselstrom gibt es Stromwandler, die ähnlich installiert werden und für den erfassten Leitungsstrom einen kleinen Strom in festem Verhältnis ausgeben.
      Die tragbare Variante sind Zangenamperemeter für AC/DC, ein gängiges Werkzeug. Das sind alles standardisierte und preislich angemessene Geräte.
    • Das PPK II von Nordic Semiconductor sieht gut aus. Laut Produktseite kann es „Ströme von sub-uA bis 1 A messen und optional liefern“.
      Ich frage mich, ob jemand eine Empfehlung für ein ähnliches Gerät hat, das mehr als 1 A liefern kann.
    • Die Leute, die die Sensor Watch entwickeln, haben ebenfalls das Power Profiler Kit II verwendet, um den Stromverbrauch zu testen. Es sieht wirklich nach einem guten Gerät aus.
      https://www.nordicsemi.com/Products/Development-hardware/Pow...
      Wie schwer wäre es für jemanden ohne Elektronikkenntnisse, diese Hardware zu benutzen? Ich würde gern helfen und mir eins kaufen, bin bei Schaltungen aber praktisch Anfänger.
    • Gut zu wissen. Ich frage mich, ob du batteriebetriebene Hardware entwickelst.

  • Danke fürs Posten. PyBaMM ist wirklich gut gemacht. Ich habe es erstmals in einem Webinar eines konkurrierenden Julia-Pakets kennengelernt.
    Allerdings frage ich mich, wie viele Organisationen tatsächlich eigene Zellen für neue Produkte entwerfen. Und wie gut sind solche Pakete validiert? Ich weiß, dass es teuer ist und lange dauert, viele Batterie-Entladedaten zu bekommen.
    Vielleicht färbt meine eigene Erfahrung meine Sicht zu stark. Unter Batteriemodellierung verstehe ich eher Schaltungssimulatoren und nur Effekte, die nicht in den großen Toleranzen gewöhnlicher Batterien untergehen.
    Ein interessanter Bereich für detailliertere physikalische Modellierung scheint mir die Modellierung von langfristiger Alterung und Verschleiß bei Sekundärbatterien zu sein. Gibt es Tutorials oder Beispiele in diese Richtung?

    • Gute Frage. Wenn jemand im Labor neue Materialien entwickelt, dürften die physikbasierten Modelle in PyBaMM hilfreich sein.
      „Organisationen“ ist ein weiter Begriff, aber wenn du Unternehmen meinst, ist der Anteil unter allen Unternehmen, die in irgendeiner Weise mit Batterien zu tun haben, wahrscheinlich ziemlich klein. Der Wert dieser Unternehmen ist jedoch unverhältnismäßig groß. Man denke an große Autohersteller, Unternehmen in extremen Umgebungen wie der Luft- und Raumfahrt sowie Schwerindustrie-Unternehmen wie Fortescue, die Minen-Lkw elektrifizieren.
      Alle Unternehmen, die Zellen und Zellmaterialien herstellen und Zell-Design betreiben, können definitiv von physikalischer Modellierung profitieren. Die Validierung des Pakets ist recht solide, und PyBaMM enthält viele Verweise auf peer-reviewte Arbeiten. Die zahlenmäßige Validierung von Simulationen für eine bestimmte Zelle ist vermutlich eher schwach und ein echter Schmerzpunkt der Branche. ionworks versucht, dieses Problem zu lösen.

  • Ein Blogbeitrag darüber, wie man ein PyBaMM-Modell auf Basis kommerzieller Zellen parametrisiert, wäre interessant.
    Viele Batterieingenieure, die simulationsbasiertes Design betreiben, dürften ähnliche Prozesse wiederholen, um Parameter aus Literatur, X-ray usw. zu bestimmen.

  • Alle bauen ständig neue Blog-Plattformen und persönliche Blog-Seiten, dabei war GitHub von Anfang an die perfekte Lösung.

    • Genau. Alles, was man braucht, ist ein README und ein Python-Paket, das GIFs erstellen kann.
      Für unser BattBot-Projekt haben wir diese Funktion in PyBaMM eingebaut: https://github.com/pybamm-team/BattBot
      Das wurde von einem großartigen GSOC-Studenten entwickelt, der jetzt am CERN arbeitet.

  • Der Text ist extrem knapp. Es geht kaum darum, meinen Akku zu debuggen, oder um einen bestimmten Akku, sondern eher um das Profiling allgemeiner Batterien mit ein paar probabilistischen und qualitativen Messungen.
    Zum Beispiel lautet die Anforderung pybamm=24.1.
    https://github.com/pybamm-team/PyBaMM

    • Schade, dass es knapp wirkte. Es war als kurze Einführung gedacht, und ich hatte gehofft, dass alle, die es auch nur ein wenig interessant oder für ihr Problem relevant finden, die ausführlicheren Beispiele von PyBaMM lesen würden.
      Falls es dich interessiert: Silizium-Anoden sind nur eines der Materialien, an denen aktiv zur Verbesserung von Batterien geforscht wird. Der heilige Gral ist Lithium-Metall ohne jegliches Wirtsmaterial auf der Anodenseite. Das könnte die ultimative Energiedichte liefern, ist bisher aber größtenteils nicht erfolgreich kommerzialisiert worden.
    • Nimmt pybamm.Experiment solche Anweisungen in natürlicher Sprache entgegen? Parst ein LLM das in eine stärker strukturierte Form?
      „Eine Stunde lang mit 1C laden, unter ein Lagerfeuer legen, mit 1000C entladen und Marshmallows rösten“

  • Der Artikel war interessant, aber ich bin nicht sicher, ob das Wort Debug hier passt. Ich dachte, es ginge darum, Software- oder Elektronikfehler zu debuggen, durch die sich Laptop- oder Autobatterien zu schnell entladen.
    Der Titel hätte eher „Wie man die Auswahl einer Batterie für den eigenen Einsatzzweck modelliert“ oder „Trade-offs beim Batteriedesign verstehen“ lauten können.

    • Berechtigter Einwand. Ich habe das wohl etwas frei verwendet. Ich neige dazu, Programmierbegriffe in den Alltag zu übertragen.
      Gemeint war eher, zu verstehen, warum etwas nicht optimal ist.

  • Ist diese Bibliothek so weit parametrisiert, dass sie auch mit anderen Elektrolytsystemen wie Natriumbatterien funktioniert? Und wie sieht es mit Flow-Batterien aus? Bei zwei Flüssigkeiten mit einer Membran dazwischen dürften Risse ja kein so großes Problem sein.
    Oder zumindest mit Blei-Säure-Batterien? Anders gesagt: Ist das hier „Lithium-Debugging“?

    • Die in PyBaMM standardmäßig enthaltenen Modelle können auf Natriumbatterien und Blei-Säure-Batterien angewendet werden. Also das vollständige Doyle-Fuller-Newman-Modell oder vereinfachte Single-Particle-Modelle.
      Bei Flow-Batterien müsste man die erzwungene Konvektion auf beiden Seiten der Separator-Membran modellieren, daher wäre wahrscheinlich die Implementierung eines neuen Modells nötig, und PyBaMM unterstützt das.
      Ich weiß, dass PyBaMM ein relativ modulares Modellierungssystem hat, bin mir aber nicht sicher, wie die implementierten Modelle aufgeteilt sind.
    • PyBaMM ist technisch gesehen chemieunabhängig, aber es stimmt auch, dass die meisten Beispiele für Lithium-Ionen gedacht sind.
      Natrium-Ionen sollten gut möglich sein, weil die physikalischen Vorgänge im Grunde gleich sind und nur die Zahlen anders. Flow-Batterien sind etwas kniffliger, weil einige wichtige Prozesse wie Konvektion hinzukommen müssen.
      Es gibt auch Beispiele für Blei-Säure-Batterien. PyBaMM hat tatsächlich mit Blei-Säure-Batterien angefangen, als Valentin promovierte: https://sites.google.com/view/valentinsulzer/publications

  • Falls dich die Leistungsanforderungen der elektrischen Luftfahrt interessieren, die im Artikel nur angedeutet und nicht vertieft werden: Dieses Open-Access-Paper ist hervorragend: https://pubs.acs.org/doi/full/10.1021/acsenergylett.8b02195