Schnelles Laden ist ein wichtiges Unterscheidungsmerkmal für Erstausrüster, aber die Vermeidung von Lithiumplattierungen bleibt eine grundlegende Herausforderung bei der Entwicklung von Lithium-Ionen-Batteriesystemen. Sie kann zu Kapazitätsverlusten und schweren Sicherheitsrisiken führen. Unser neuestes Whitepaper erklärt, wie die Modellierung des Anodenpotenzials Lithiumplattierungsrisiken verhindern kann.
Schnelles Laden ist für die Einführung von E-Fahrzeugen von entscheidender Bedeutung, erhöht aber das Risiko von Lithiumablagerungen. Lithiumplattierung tritt auf, wenn sich Lithium als Metall auf der Anode ablagert, anstatt richtig in das Elektrodenmaterial einzulagern . Dies kann zu Kapazitätsverlusten, Leistungseinbußen und ernsthaften Sicherheitsrisiken wie internen Kurzschlüssen und thermal runaway.
Eine der größten Herausforderungen bei der Verhinderung von Lithiumplattierungen besteht darin, dass sie in einem Vollzellenaufbau nicht direkt gemessen werden können. Stattdessen verlassen sich Batterieingenieure auf indirekte Indikatoren und umfangreiche experimentelle Tests, was die genaue Festlegung von sicheren Ladeprotokollen erschwert.
Bei TWAICE haben wir uns dieser Herausforderung mit unserem neuesten Anodenpotenzial-Simulationsmodell gestellt . Es ermöglicht eine schnelle und zuverlässige Vorhersage der Lithiumbeschichtung zur Optimierung von Ladestrategien.
Wir haben dieses Thema in unserem neuesten Whitepaper eingehend untersucht, in dem wir die Mechanik der Lithiumbeschichtung erläutern und zeigen, wie die Modellierung des Anodenpotenzials Schnellladeprotokolle optimieren kann.
Das Whitepaper beschreibt:
Melden Sie sich für die nächste Live-Gruppendemo an und erfahren Sie, wie TWAICE Ihren BESS-Betrieb verändern kann. In nur 30 Minuten erhalten Sie eine Demo der wichtigsten Funktionen und Anwendungsfälle und können sich mit unseren Produktexperten in einer Live-Fragestunde austauschen.
Marie Sayegh ist seit 2023 Technical Solutions Engineer bei TWAICE. Sie hat einen Abschluss in Elektrotechnik und Elektronik von der libanesischen Universität und einen Doktortitel von der Technischen Universität von Compiègne, Frankreich, in Zusammenarbeit mit Safran Electrical & Power (früher Zodiac Aerospace). Sie verfügt über mehr als 10 Jahre Erfahrung in der Modellierung und Prüfung von Batterien und in der Entwicklung von Algorithmen für Batteriemanagementsysteme, insbesondere von Zustandsindikatoren wie Lade- und Gesundheitszustand.
Alexander Karger ist Batterie- und Machine-Learning-Ingenieur bei TWAICE, wo er an der Entwicklung modernster Batteriemodelle für das elektrische, thermische und Alterungsverhalten arbeitet. Gleichzeitig promoviert er am Lehrstuhl für Elektrische Energiespeichertechnik von Prof. Dr.-Ing. Andreas Jossen an der Technischen Universität München (TUM) und publiziert regelmäßig seine neuesten Erkenntnisse. Er hat einen Master in Luft- und Raumfahrttechnik und studierte an der TUM und der Universität Stuttgart. Seine Karriere umfasst Erfahrungen bei Porsche und GE Aviation. Er ist seit 2019 bei TWAICE tätig, ursprünglich um seine Masterarbeit abzuschließen.
(1).webp)
%20(1).webp)
.webp)
