Perguntas e Respostas: Avançando o Design de Baterias de Íon-Lítio para Carregamento Rápido de 10 Minutos

Dr. Tanvir Tanim e sua equipe no Laboratório Nacional de Idaho projetaram baterias de íon-lítio que podem ser carregadas em 10 a 15 minutos em uma estação de carregamento à beira da estrada. Eles desenvolveram um algoritmo de aprendizado de máquina que detecta revestimento de lítio indesejável que poderia ocorrer sob estas condições.

Tech Briefs: Como o projeto começou?

Dr. Tanvir Tanim: Nos envolvemos com o programa de carregamento ultra-rápido extremo, que foi patrocinado pelo Escritório de Tecnologia de Veículos do Departamento de Energia em 2017. O objetivo era permitir carregamento ultra-rápido extremo (XFC) em baterias de íon-lítio — carregamento de 10 a 15 minutos ou mais — basicamente para tornar a experiência de recarga de VE comparável à experiência de reabastecimento de veículos a gasolina. Essa é uma das principais considerações para consumidores de veículos elétricos.

Para esse programa, estávamos testando muitas baterias de íon-lítio em taxas de carregamento extremamente rápidas. Quando você carrega essas baterias em altas taxas, encontra muitos problemas — revestimento de lítio é um dos principais. Baterias contêm uma quantidade finita de lítio, então você não quer que ele se perca durante carregamento e descarregamento, você quer que ele cicli de volta e forth do ânodo para o cátodo. Durante carregamento rápido, no entanto, o lítio ciclável pode ser revestido na superfície do ânodo, que é uma reação parasita indesejável — o lítio revestido não pode ser recuperado — durante a descarga, não pode retornar ao cátodo.

Existem outros problemas com revestimento. Se você não detectá-lo cedo, ele continuará acontecendo e pode resultar em um evento catastrófico. Por exemplo, o Li revestido pode assumir uma forma dendrítica e crescer como uma agulha do ânodo e pode perfurar o separador, criando um curto-circuito interno.

Então, estávamos testando muitas baterias de íon-lítio, fazendo modificações de design, então retestando para ver se o revestimento de lítio estava acontecendo. Naquele momento, no entanto, não tínhamos uma boa maneira de detectar o revestimento. Após o teste, rasgaríamos a célula para ver se havia revestimento, ou faríamos testes pós-adicionais. Não tínhamos realmente nenhum método sólido de detecção de revestimento de lítio baseado em assinaturas eletroquímicas, mas estávamos aprendendo muito.

Então nos envolvemos em um programa diferente, chamado aprendizado de máquina baseado em física, também financiado pelo DOE. O objetivo para aquele programa era desenvolver algoritmos baseados em inteligência artificial/aprendizado de máquina para obter uma projeção confiável da vida da bateria junto com a identificação das causas raiz subjacentes da degradação. Naquele momento, havíamos coletado muitos dados e gerado uma compreensão abrangente de diferentes modos e mecanismos de degradação. Pensamos, já que temos todos esses dados, e conhecemos assinaturas eletroquímicas que se relacionam com revestimento de lítio, por que não formular isso em um problema de aprendizado de máquina. Poderíamos usar as assinaturas eletroquímicas, trazer aprendizado de máquina para isso, e ver se isso poderia nos ajudar a criar uma estratégia para detectar revestimento de lítio.

Uma coisa levou a outra, e chegamos à conclusão de que isso poderia ser um método muito bom para detectar revestimento de lítio cedo, sem rasgar a célula. Abrir a célula e fazer testes pós leva tempo, é caro e atrasa o desenvolvimento do ciclo de vida da bateria.

Tech Briefs: Então, seu método era detectar certas assinaturas eletroquímicas?

Tanim: Naquele momento, tínhamos toneladas de dados eletroquímicos e ganhamos uma boa compreensão da física por trás disso. Identificamos as assinaturas eletroquímicas chave que poderiam ser relacionadas de volta ao revestimento de lítio. Então corremos com esses dados, trouxemos aprendizado de máquina para isso, e resolvemos o problema que formulamos naquele momento.

Tech Briefs: Poderia me dizer algo sobre que tipos particulares de dados você usou?

Tanim: Estávamos focados principalmente em dados eletroquímicos porque você pode coletá-los facilmente — na verdade, durante os testes sempre procuramos assinaturas eletroquímicas para descrever problemas de vida e desempenho em baterias de íon-lítio. Assinaturas típicas são tensão, corrente, temperatura, e assim por diante. Você pode converter essas assinaturas em diferentes variáveis secundárias. Por exemplo, olhamos para tendências de capacidade de descarga e fade de capacidade, sua linearidade ou não linearidade. Também, a tensão de repouso de fim de carga, tensão de fim de descarga e como elas mudam ao longo do ciclismo, e além disso, eficiência coulômbica.

Tech Briefs: O que significa capacidade de descarga?

Tanim: Se você está usando a bateria, você está tirando energia dela, isso é o que chamamos de descarga. Uma das medidas de capacidade é ampère-horas.

Tech Briefs: E quanto ao fade de capacidade?

Tanim: Uma bateria nova tem uma certa capacidade — digamos um ampère-hora. Com ciclismo, essa capacidade vai diminuir. Fade de capacidade (ou energia) é a porcentagem de diminuição. Em casos normais, a tendência de diminuição será bastante linear, particularmente nos ciclos iniciais. Mas com revestimento de lítio, a tendência é muito não linear — taxa de fade mais alta no início e menos fade depois.

O revestimento de lítio pode ocorrer sob diferentes condições. Além de carregamento rápido, pode ocorrer se você carregar uma bateria em temperatura sub-zero, ou se houver problemas de desequilíbrio relacionados ao envelhecimento na bateria. As assinaturas podem não ser igualmente sensíveis para todas essas condições de revestimento. Então, identificamos as assinaturas mais sensíveis para carregamento rápido e então as usamos para desenvolver nosso algoritmo de aprendizado de máquina.

Tech Briefs: Quais são as assinaturas que você usou?

Tanim: Descobrimos que as assinaturas mais sensíveis para carregamento rápido eram tendências em como a capacidade da célula estava desvanecendo, linear ou não linearmente, tensão de repouso de fim de carga, e eficiência coulômbica.

Também descobrimos que duas assinaturas proeminentes que outros relataram, dQ/dV e dV/dt, não eram muito sensíveis sob condições de carregamento rápido, a menos que houvesse situações de revestimento muito agressivas.

Tech Briefs: Pode explicar eficiência coulômbica?

Tanim: Eficiência coulômbica é a razão percentual da capacidade de descarga dividida pela capacidade de carga.

Tech Briefs: Como você mede fade de capacidade?

Tanim: Você tem que fazer alguns testes. Em escala de laboratório, quando ciclamos a bateria, podemos escolher um ciclo particular para medir sua capacidade de carga ou descarga. De corrente e tempo, podemos calcular a capacidade em ampère-horas. Agora, se você repetir o mesmo processo conforme a bateria degrada, você pode encontrar a capacidade em um estado envelhecido e a partir daí calcular a porcentagem de fade (o fade de capacidade em relação ao estado fresco).

Tech Briefs: Vocês experimentaram com diferentes protocolos de carregamento?

Tanim: Para evitar revestimento de lítio, você pode modificar o design da bateria de diferentes maneiras: pode mudar materiais, pode mudar design de eletrodo ou vários outros aspectos do design da bateria, como o eletrólito.

Você também pode mudar as condições de operação ou perfis de carregamento. Por exemplo, pode tentar diferentes protocolos de carregamento e compará-los a uma linha de base. Por exemplo, em vez de corrente constante/tensão constante, pode tentar multi-etapas ou outros protocolos de carregamento. E também pode mudar a temperatura.

Nosso método para detectar revestimento de lítio será aplicável independentemente de quaisquer mudanças de design ou protocolos de carregamento.

Tech Briefs: Como você vê isso sendo implementado?

Tanim: Existem dois cenários pelos quais este método fará uma contribuição valiosa. O primeiro é para uso por cientistas de pesquisa em laboratório. Este método nos dirá mais rapidamente se, sob as condições dadas de operação, o revestimento de lítio está acontecendo ou não — não temos que rasgar uma célula ou fazer qualquer outra análise pós-teste. Apenas a assinatura eletroquímica nos dirá se o revestimento de lítio está acontecendo para este design particular e condição de operação. Isso pode ser feito dentro de 10 a 25 ciclos. Nos permite saber se devemos modificar o design das baterias — queremos identificar isso o mais rápido possível. Podemos então voltar, reiterar o design, e refazer o teste para ver se estamos indo na direção certa.

Assinaturas eletroquímicas, com alguma modificação e verificação adicional, também podem ser implementadas em um sistema de gerenciamento de bateria a bordo de um veículo elétrico, bem como em aplicações estacionárias onde baterias de íon-lítio são usadas. OEMs ou fabricantes de baterias já coletam a maioria dessas assinaturas. Usando-as como linha de base, podemos, talvez não no início do ciclo de vida, talvez alguns anos adiante, alertar o usuário que embora a bateria estivesse bem no início de sua vida, algo mudou, e o revestimento de lítio começou a acontecer. “Como agora há revestimento de lítio, este é um aviso precoce de que você deve fazer algo sobre a bateria.”

Tech Briefs: Poderia arriscar um palpite sobre quão cedo isso poderia ser comercializado?

Tanim: Temos uma patente provisória sobre isso e estamos trabalhando em submeter a patente completa muito em breve. Também estamos procurando oportunidades de colaboração para desenvolvê-lo ainda mais e estamos vendo muito interesse de empresas privadas. Além disso, o DOE tem um fundo de comercialização de tecnologia onde podemos colaborar com outras indústrias privadas e melhorá-lo ainda mais e demonstrá-lo para aplicações a bordo, mas não quero dar nenhum palpite particular.

Uma versão editada desta entrevista apareceu na edição de dezembro de 2021 da Tech Briefs.