功率表

可充电电池的混合脉冲功率表征测试的物理信息设计

可充电电池的行业标准诊断方法，例如混合动力汽车的混合脉冲功率表征（HPPC）测试，提供了一些健康状况（SOH）的迹象，但缺乏指导协议设计并确定降级机制的物理基础。我们为HPPC测试开发了基于物理学的理论框架，该框架能够准确确定多孔电极模拟中电池降解的特定机制。我们表明，电压脉冲通常比电流脉冲更可取，因为电压分辨线性化更快地量化了降低而无需牺牲精度或在测量过程中允许态度的显着变化。此外，从电极动力学尺度的差异中发现了电荷 /放电脉冲之间的不对称信息增益。我们演示了使用富含镍的阴极和石墨阳极的模拟锂离子电池上的物理信息的HPPC方法。通过物理知识的HPPC进行多变量优化，可以迅速确定与阳极处降解现象相关的动力学参数，例如固体电解质相间相（SEI）生长（SEI）生长和锂板，以及在阴极中，例如氧化诱导的阳离子疾病。如果通过实验验证了HPPC测试的标准电压协议，则可以通过为电池降解的可解释的机器学习提供新的电化学特征来加快电池SOH评估和加速材料设计的关键作用。©2024作者。由IOP Publishing Limited代表电化学学会出版。[doi：10.1149/1945-7111/ad4394]这是根据Creative Commons Attribution 4.0许可（CC by，http://creativecommons.org/licenses/ by/4.0/）分发的开放式访问文章，如果原始工作适当地引用了原始作品，则可以在任何媒介中不受限制地重复使用工作。