Forschungsprojekt für Second-Life-Verwendung von Lithium-Ionen-Batterien
Innerhalb des vom Bundesministerium für Bildung und Forschung (BMBF) geförderten Forschungsprojekts, an dem u.a. das Fraunhofer-Institut für Fertigungstechnik und Angewandte Materialforschung IFAM, die Friedrich-Alexander-Universität Erlangen-Nürnberg sowie die Firma Industrial Dynamics beteiligt sind, hat sich ein interdisziplinäres Projektteam Fragen angenommen wie etwa: Ist es möglich, gebrauchte Batterien aus Elektrofahrzeugen effizient und sicher weiterzuverwenden? Oder: Welche technischen und wirtschaftlichen Hürden müssen dabei überwunden werden? Darauf aufbauend hat sich „QuaLiProM“ das wissenschaftliche Ziel gesetzt, die Bestimmung der Restleistung und Lebensdauer gebrauchter Lithium-Ionen-Batterien zerstörungsfrei, schnell und sicher durchzuführen, sodass eine zuverlässige und wirtschaftlich rentable Zweitanwendung ermöglicht wird.
Lithium-Ionen-Batterien verlieren über die Jahre an Speicherkapazität, entsprechend wird die Leistung mit der Zeit geringer. Der Gesundheitszustand einer Batterie wird üblicherweise über den State-of-Health (SoH) definiert, der die alterungsbedingte Zustandsänderung einer Zelle im Verhältnis zu ihrem Ursprungszustand beschreibt. Die Ermittlung des SoH ist ein zentraler Faktor bei der Beurteilung der Leistungsfähigkeit und Lebensdauer von Batterien.
Zur SoH-Ermittlung von Batterien wurden bislang experimentelle Methoden wie beispielsweise Kapazitätstests, elektrochemischer Impedanzspektroskopie oder Lebensdauertests durchgeführt im Gegensatz dazu setzt das „QuaLiProM“-Projekt auf Quantenmagnetometrie. Diese bereits in der Batterieforschung eingesetzte Methode ermöglicht die schnelle, kostengünstige und präzise Bestimmung des Gesundheitszustandes von Batteriezellen. Mithilfe dieses Verfahrens kann die zustandsabhängige Magnetisierung einer Batteriezelle genau bestimmt werden. Dabei können Defekte, Verunreinigungen und der Ladungszustand mithilfe von Quantensensoren detektiert werden.
Das „QuaLiProM“-Projekt kombiniert nun Quantenmagnetometrie und Künstliche Intelligenz, um eine Hochgeschwindigkeitsmessmethode zu entwickeln, die eine Klassifizierung von Zellen anhand ihres Gesundheitszustands in industriellen Anwendungen ermöglichen soll. Zur Entwicklung dieser Schnelltestmethodik werden Lithium-Ionen-Zellen mithilfe von zyklischen Alterungstests einer forcierten Degradation unterzogen.
Die mithilfe der Alterungstests in definierte Alterungszustände überführten Batteriezellen werden anschließend quantenmagnetisch untersucht. Der Quantensensor misst das Magnetfeld der Zellen mit hoher Präzision, indem er den Spin eines speziellen Defekts in einem Diamanten beobachtet, der je nach Magnetfeld unterschiedlich viele Lichtteilchen aussendet. Auf diese Weise werden Magnetfeldmappings erzeugt, die wertvolle Informationen über mögliche Anomalien der Batteriezellen liefern.
Diese zerstörungsfreie Methodik erfordert keine zeitaufwändigen Lade- und Entladezyklen und ist somit sowohl für den Einsatz in der Zellproduktion als auch im Recycling- oder Upcycling-Prozess geeignet. Der nun anstehende Transfer der Methodik von der Laborebene auf die industrielle Skala stellt eines der Hauptziele des Projekts dar.
Zur KI-basierten Analyse der Magnetfeldmappings werden innovative Deep-Learning-Verfahren eingesetzt, um charakteristische Merkmale, sogenannte Healthy Features, zu identifizieren, die eine eindeutige Korrelation zum Alterungszustand der Zellen aufweisen. Diese Features werden zur Klassifizierung von Zellen anhand ihres Gesundheitszustands herangezogen, wie z. B. gesund, degradiert oder defekt. Auf diese Weise sollen insbesondere degradierte, aber noch funktionstüchtige Zellen identifiziert werden, die aufgrund zu geringer Kapazität nicht mehr für den Einsatz in Elektrofahrzeugen geeignet sind. Durch die Entwicklung geeigneter Upcycling-Strategien und die Erforschung neuer Second-Life-Anwendungen in weniger anspruchsvollen Bereichen zielt das Projekt darauf ab, die nachhaltige und ressourceneffiziente Nutzung von Batteriezellen zu fördern und einen Transfer in die Industrie zu beschleunigen.
0 Kommentare