Ein beliebtes Sprichwort in der Datenanalyse lautet, dass Sie nur das kontrollieren können, was Sie messen können. Für Forscher des National Renewable Energy Laboratory (NREL) ist eine präzise und genaue Messung entscheidend, um Lithium-Ionen-Batterien (Li-Ionen) zu verstehen und zu optimieren.
Lithium-Ionen-Batterien sind überall, von persönlichen Geräten bis hin zu Elektrofahrzeugen und stationären Speichersystemen, die den Übergang zu erneuerbarer Energieerzeugung unterstützen, indem sie negative Auswirkungen auf das Netz abschwächen. Um dem sich ändernden Energiebedarf gerecht zu werden, konzentrieren sich die Forscher darauf, die Leistung, Sicherheit und Energiedichte von Li-Ionen-Batterien zu verbessern.
Ein jüngster Durchbruch des NREL und der Universität Ulm bringt Forschern die Möglichkeit, Batteriematerialien zu messen und zu analysieren. Die Forschung, veröffentlicht in npj Computermaterialien, erzeugte künstlich die repräsentative Architektur eines Li-Ionen-Elektrodenpartikels mit Subpartikel-Korndetails. Diese erste künstliche Elektrode ihrer Art wird es Forschern ermöglichen, das Modell zu manipulieren, um Möglichkeiten für Verbesserungen des Batteriedesigns zu bewerten.
„Dieser Durchbruch ermöglicht es NREL, eine Einzelpartikel-Charakterisierung für Li-Ionen-Zellen durchzuführen“, sagte Donal Finegan, ein NREL-Energiespeicherforscher und wissenschaftlicher Mitarbeiter, der das Projekt leitete. „Wir wissen, dass die Morphologie und Orientierung der Körner innerhalb der Zelle die Geschwindigkeitsleistung und Lebensdauer der Elektrode stark beeinflussen kann. Mit diesem Modell können wir die physikalischen Bedingungen bewerten, die zu verbesserten Batterien führen.“
Das Unsichtbare verstehen
Eine der größten Herausforderungen in der Li-Ionen-Forschung ist der mikroskopische Maßstab der Arbeit; kleine Details haben oft große Auswirkungen auf die Akkuleistung. Keine vorhandene Technik ermöglicht es Forschern, Subpartikel-Informationen zu messen, die für das Verständnis des Verhaltens von Lithium-Ionen-Batterien von wesentlicher Bedeutung sind. Seit Jahren haben die Forscher am NREL die Grenzen der spezialisierten Bildgebungsfähigkeiten erweitert, um das Verständnis der Strukturen auf der Ebene von Li-Ionen-Elektroden zu verbessern, aber diese Werkzeuge waren bisher nicht in der Lage, ein vollständiges Bild der Subpartikeldetails zu liefern.
„Mikroskopietechniken erfordern immer einen Kompromiss“, sagte Finegan. „Zum Beispiel übersehen Werkzeuge, die die Partikelmorphologie messen, aufgrund systematischer Einschränkungen wichtige Informationen über die chemischen Eigenschaften oder die Kristallstruktur. Wir haben festgestellt, dass es keine Möglichkeit gibt, alle benötigten Informationen an einem Ort zu erhalten.“
Um diese Verständnislücke zu schließen, wurde ein multiskaliger, multimodaler Bildgebungsansatz verwendet, um das künstliche Li-Ionen-Elektrodenmodell zu generieren, das letztendlich zwei der bestehenden fortschrittlichen Fähigkeiten von NREL zusammenführt. Die Forscher verwendeten eine Röntgen-Nano-Computertomographie, um die Morphologie der äußeren Form des Partikels zu erfassen. Für die interne Kornverteilung verwendeten die Forscher die Elektronenrückstreubeugung (FIB-EBSD) mit fokussiertem Ionenstrahl, um hochauflösende Subpartikelinformationen zu erfassen.
Die Sprache der Mikroskopie
Dieses Projekt ist nicht das erste Mal, dass NREL Mikroskopietechniken kombiniert, um das Batterieverhalten genauer zu untersuchen. Die Energiespeicherforscher von NREL nutzen oft den neuesten Stand der Technik Röntgendiagnostikfunktionen die Zusammensetzung von Batteriematerialien zu untersuchen. Während sich die bisherige Forschung jedoch auf bildgebende Ergebnisse konzentrierte, verwendete dieses Projekt eine komplizierte Charakterisierung, um Datenströme zusammenzuführen.
„Das Zusammenführen von Datenströmen ist keine triviale Aufgabe“, sagte Finegan. „Die Mikroskopie selbst ist hochspezialisiert, und jedes dieser Werkzeuge gibt Daten auf seine Weise aus. Um dieses Modell zu generieren, war unser Team damit beauftragt, die Informationen aus jeder Datenquelle nicht nur zu charakterisieren, sondern sie anschließend in ein völlig neues Format zu übersetzen.“
Frühe Analysen mit dem künstlichen Modell haben Forschern bereits zu einem besseren Verständnis der physikalischen Bedingungen verholfen, die beeinflussen, wie sich Lithium durch die Elektrode und um die Kristalle bewegt. Die Sub-Partikel-Details aus diesem Modell helfen bei der Analyse der Reise eines Ions und werden in die Forschung einfließen, die darauf abzielt, Batterien zu entwickeln, die extremen Schnellladebedingungen ohne beschleunigte Verschlechterung standhalten können.
Dies ist jedoch nur der Anfang für das künstliche Modell von NREL. Zukünftige Forschung wird Techniken des maschinellen Lernens anwenden, um Daten schneller zu erfassen und zu übersetzen, was zu qualitativ hochwertigeren Modellen und noch besseren Erkenntnissen führt, um in Zukunft bessere Batterien zu bauen.
Erfahren Sie mehr über NRELs Energiespeicher und Transport und Mobilität Forschung.
Artikel mit freundlicher Genehmigung von Nationales Labor für erneuerbare Energien.
Schätzen Sie die Originalität von CleanTechnica? Ziehen Sie in Erwägung, CleanTechnica-Mitglied, Unterstützer, Techniker oder Botschafter zu werden – oder ein Förderer von Patreon.
