Можно ли эффективно и безопасно повторно использовать аккумуляторы от электромобилей и какие технические и экономические проблемы необходимо решить? Этот вопрос находится в центре внимания исследовательского проекта «QuaLiProM», финансируемого Федеральным министерством образования и научных исследований Германии (BMBF). Междисциплинарная проектная группа поставила перед собой научную задачу — определить остаточную мощность и оставшийся срок службы использованных литий-ионных аккумуляторов неразрушающим, быстрым и безопасным способом. Их цель — обеспечить надёжный и экономически выгодный подход к вторичному использованию аккумуляторных батарей, прокладывая путь к повторному использованию аккумуляторов.
Литий-ионные аккумуляторы со временем разлагаются как при хранении, так и при эксплуатации. Это разложение проявляется в виде потери емкости и увеличении внутреннего сопротивления, что приводит к постепенному снижению выработки энергии и общей производительности. Работоспособное состояние батареи обычно определяется с помощью показателя состояния работоспособности (SoH), параметра, который описывает степень старения элемента относительно его исходного состояния.
Точное определение SoH имеет решающее значение для оценки производительности аккумулятора и прогнозирования оставшегося срока службы. Однако для этого необходимо решить ряд задач, которые в настоящее время решаются с помощью различных экспериментальных методов. Электрохимические измерения, такие как циклические испытания или электрохимическая импедансная спектроскопия, обычно используются для определения ключевых показателей, таких как остаточная ёмкость и внутреннее сопротивление состарившихся элементов. Однако эти методы имеют ограниченную ценность без привязки к начальным показателям новых элементов. Кроме того, такие методы требуют прямой электрический контакт с элементами, что делает их непригодными для быстрой диагностики. Более того, этот традиционный подход к тестированию предоставляет только информацию о глобальном состоянии ячейки, без возможности выявить локализованные дефекты или точки перегрева.
В отличие от этих традиционных методов, атомная магнитометрия предлагает революционный подход к быстрому, экономичному и точному определению состояния здоровья литий-ионных аккумуляторов с помощью квантовых датчиков на основе алмазов. В области исследований аккумуляторов уже было продемонстрировано, что этот метод позволяет точно измерять зависящую от условий намагниченность аккумуляторных элементов. В частности, квантовые датчики показали способность обнаруживать дефекты, примеси и уровень заряда. Основываясь на этих многообещающих результатах, проект «QuaLiProM» был направлен на разработку метода высокоскоростных измерений, объединяющего атомную магнитометрию с искусственным интеллектом. Цель состоит в том, чтобы классифицировать аккумуляторные элементы по их состоянию для промышленного применения.
Для разработки методики быстрого тестирования в рамках проекта «QuaLiProM» литий-ионные элементы подвергаются ускоренной деградации в ходе циклических испытаний на старение. Данные электрохимических измерений, собранные во время этих испытаний, служат базой для определения доминирующих механизмов старения. Регистрируя и оценивая эти данные, можно получить точное представление о состоянии и остаточном ресурсе элементов. Затем состаренные элементы питания дополнительно исследуются с помощью атомной магнитометрии. Квантовый датчик, используемый в этом методе тестирования, с высокой точностью измеряет магнитное поле элементов, наблюдая за вращением центра вакансии азота в алмазе. Этот дефект испускает различное количество световых частиц в зависимости от окружающего магнитного поля. Эти данные предоставляют ценную информацию о потенциальных аномалиях в элементах питания. Этот неразрушающий метод не требует длительных циклов зарядки и разрядки, что делает его очень подходящим для интеграции в процессы производства элементов питания, а также для вторичной переработки. Одна из основных целей проекта — масштабировать эту методологию с лабораторного уровня до промышленного.
Для анализа карт магнитного поля с помощью ИИ используются инновационные методы глубокого обучения для выявления характерных признаков, называемых «признаками работоспособности», которые демонстрируют чёткую корреляцию с показателем SoH ячеек. Эти признаки позволяют классифицировать ячейки в зависимости от их состояния старения, например, как здоровые, изношенные или дефектные. Основная цель — обнаружить изношенные, но всё ещё функциональные ячейки, которые больше не подходят для использования в электромобилях из-за недостаточной ёмкости. Разрабатывая индивидуальные стратегии повторного использования и изучая новые области применения в менее требовательных сферах, проект направлен на содействие устойчивому и ресурсосберегающему использованию аккумуляторных батарей. Кроме того, он направлен на ускорение их внедрения в промышленность.