کاربرد EIS در ارزیابی و پایش سلامت باتری‌های لیتیوم-یونی

با گسترش کاربرد باتری‌ها در وسایل نقلیه‌ی برقی، سامانه‌های ذخیره‌سازی انرژی و تجهیزات صنعتی، پایش وضعیت سلامت آن‌ها اهمیت حیاتی پیدا کرده است. در این مطالعه، برای بررسی وضعیت سلامت باتری[i] (SOH) باتری‌ها از طیف‌سنجی امپدانس الکتروشیمیایی[ii] (EIS) استفاده می‌شود. در این روش داده‌ها در بازه‌ی فرکانسی وسیع جمع‌آوری و با نمودارهای Nyquist و Bode  تحلیل می‌شوند تا تغییرات مؤلفه‌های داخلی باتری شامل مقاومت سری، مقاومت انتقال شارژ، خاصیت خازنی دولایه و انتشار یون لیتیوم شناسایی شوند. نتایج نشان می‌دهد که EIS ابزاری دقیق و قابل اعتماد برای پایش سلامت باتری در محیط‌های صنعتی است و می‌تواند به پیش‌بینی عمر مفید، تشخیص مشکلات داخلی و بهبود کارایی باتری‌ها کمک کند. رعایت دقت در دامنه‌ی سیگنال، تقسیم‌بندی فرکانسی و کنترل وضعیت شارژ و دما برای اطمینان از صحت داده‌ها ضروری است.

 مقدمه

امروزه باتری‌ها نقش مهمی در زندگی روزمره‌ی ما پیدا کرده‌اند؛ از تلفن‌های همراه و لپ‌تاپ‌ها گرفته تا خودروهای برقی و سامانه‌های ذخیره‌سازی انرژی در مقیاس بزرگ. با افزایش استفاده از این منابع انرژی، موضوع پایش و ارزیابی سلامت باتری‌ها اهمیت بیشتری پیدا کرده است. یکی از شاخص‌های کلیدی برای سنجش وضعیت عملکردی باتری، مفهومی به نام «وضعیت سلامت» یا SOH  است.

SOH  در واقع نشان می‌دهد که باتری تا چه اندازه از توان و ظرفیت اولیه‌ی خود را حفظ کرده است. با گذشت زمان و در اثر چرخه‌های شارژ و دشارژ مکرر، دما، و شرایط کاری نامناسب، عملکرد باتری افت می‌کند. دانستن میزان این افت نه‌تنها برای پیش‌بینی عمر باقی‌مانده باتری ضروری است، بلکه در افزایش ایمنی و بهبود کارایی کل سامانه نیز نقش تعیین‌کننده‌ای دارد.

برای اندازه‌گیری یا تخمین  SOH، روش‌های مختلفی وجود دارد. بعضی از آن‌ها بر پایه‌ی اندازه‌گیری پارامترهای ساده‌ی الکتریکی مثل مقاومت داخلی یا ظرفیت باقی‌مانده هستند، در حالی که روش‌های پیشرفته‌تر از مدل‌های معادل مداری یا حتی الگوریتم‌های یادگیری ماشین استفاده می‌کنند. در میان این روش‌ها، طیف‌سنجی امپدانس الکتروشیمیایی (EIS) به دلیل دقت بالا و توانایی آن در آشکارسازی تغییرات داخلی سلول باتری، توجه ویژه‌ای را به خود جلب کرده است.

در این مقاله ابتدا به اهمیت شناخت SOH و روش‌های متداول اندازه‌گیری آن پرداخته می‌شود، سپس روش EIS به‌عنوان رویکردی دقیق و تحلیلی برای ارزیابی سلامت باتری معرفی و بررسی خواهد شد.

روش‌های اندازه‌گیری SOH در صنعت

در صنعت، تعیین وضعیت سلامت باتری (SOH) به دلایل مختلفی اهمیت دارد؛ از پیش‌بینی عمر مفید و جلوگیری از خرابی‌های ناگهانی گرفته تا بهینه‌سازی عملکرد سامانه‌های انرژی. برای این کار، چند روش متداول و پرکاربرد وجود دارد که هرکدام مزایا و محدودیت‌های خاص خود را دارند.

  1. اندازه‌گیری ظرفیت باقی‌مانده[iii]

یکی از ساده‌ترین و رایج‌ترین روش‌ها، مقایسه‌ی ظرفیت فعلی باتری با ظرفیت اسمی اولیه‌ی آن است. این روش مستقیماً نشان می‌دهد که باتری چه درصدی از انرژی خود را حفظ کرده است. در عمل، این کار با شارژ کامل و سپس دشارژ باتری تا حد مشخص انجام می‌شود و با اندازه‌گیری جریان و زمان، ظرفیت محاسبه می‌گردد. مزیت این روش سادگی آن است، اما به دلیل نیاز به چرخه‌ی کامل شارژ و دشارژ، برای سامانه‌های عملیاتی دائمی همیشه مناسب نیست.

  1. اندازه‌گیری مقاومت داخلی[iv]

با گذشت زمان، مقاومت داخلی باتری افزایش می‌یابد و این تغییر می‌تواند شاخص خوبی برای تخمین SOH باشد. در این روش، جریان‌های کوتاه و دقیق به باتری اعمال می‌شود و ولتاژ پاسخ آن اندازه‌گیری می‌گردد تا مقاومت داخلی محاسبه شود. این روش سریع‌تر از اندازه‌گیری ظرفیت کامل است، اما ممکن است تحت تأثیر دما و شرایط کاری متفاوت، دقت آن کاهش یابد.

  1. مدلسازی معادل مداری[v]

این روش با استفاده از مدل‌های معادل الکتریکی که شامل مقاومت‌ها، خازن‌ها و منابع ولتاژ هستند، رفتار باتری را شبیه‌سازی می‌کند. با اندازه‌گیری ولتاژ و جریان و تطبیق آن با مدل، می‌توان پارامترهای داخلی باتری و در نهایت SOH را تخمین زد. مزیت این روش، دقت بالاتر و امکان پیش‌بینی روند افت سلامت باتری است، ولی نیاز به محاسبات پیچیده و داده‌های دقیق دارد.

  1. روش‌های داده‌محور و یادگیری ماشین[vi]

در سال‌های اخیر، با جمع‌آوری داده‌های عملیاتی باتری‌ها، روش‌های یادگیری ماشین برای تخمین SOH به کار گرفته شده‌اند. الگوریتم‌ها با استفاده از ویژگی‌هایی مانند ولتاژ، جریان، دما و تعداد چرخه‌ها، مدل‌های پیش‌بینی می‌سازند. این روش قابلیت پیش‌بینی دقیق و آنلاین را دارد، اما نیازمند داده‌های گسترده و تمیز برای آموزش مدل است.

  1. طیف‌سنجی امپدانس الکتروشیمیایی (EIS)
    EIS یک تکنیک و روش برحسب فرکانس است که با اعمال یک ولتاژ یا جریان سینوسی با دامنه‌ی ثابت و در یک بازه‌ی فرکانسی وسیع به باتری، پاسخ آن را اندازه گیری می‌کند. نتیجه‌ی این عملیات یک امپدانس مختلط است که به ما چگونگی رفتار مؤلفه‌های باتری در زمان های مختلف را نشان میدهد. این روش اطلاعات جامع و کاملی از رفتار باتری را به صورت ایمن جمع آوری میکند.

 

طیف‌سنجی امپدانس الکتروشیمیایی (EIS) و کاربرد آن

در تحقیقات اخیر برای تخمین دقیق  SOH، از  EIS استفاده کردیم، چرا که این روش امکان تحلیل جزئی و تفکیک مؤلفه‌های داخلی باتری از جمله مقاومت سری  (Rs)، مقاومت انتقال شارژ  (Rct)، خاصیت خازنی دولایه (Cdl) و انتشار یون لیتیوم در فرکانس پایین را فراهم می‌کند. در این روش داده‌ها معمولاً به صورت نمودار Nyquist و  Bode نمایش داده می‌شوند.

در اندازه‌گیری EIS، دو رویکرد اصلی وجود دارد. در روش Potentiostatic ، یک ولتاژ سینوسی کوچک در محدوده‌ی ۵ تا ۱۰ میلی‌ولت به باتری اعمال شده و جریان پاسخ آن ثبت می‌شود. روش دیگر، Galvanostatic  است که در آن جریان سینوسی کوچک (۱ تا ۱۰ میلی‌آمپر) اعمال شده و ولتاژ پاسخ اندازه‌گیری می‌گردد. در اغلب آزمایشگاه‌ها، به دلیل دقت و سهولت تحلیل، روش Potentiostatic ترجیح داده می‌شود.

تحلیل داده‌ها در EIS بر اساس طیف فرکانسی انجام می‌گیرد. در فرکانس‌های بالا (۱ kHz تا ۱۰۰ (kHz، مؤلفه‌هایی مانند مقاومت سری، وضعیت الکترولیت و کیفیت اتصال شناسایی می‌شوند و لازم است اثرات القایی سیم‌کشی نیز مد نظر قرار گیرد.

 در فرکانس‌های متوسط (۱ Hz تا ۱ kHz)، مقاومت انتقال شارژ و خاصیت خازنی دولایه غالب هستند و معمولاً به صورت المان فاز ثابت مدل می‌شوند. در فرکانس‌های پایین (۱ mHz تا ۱ Hz)، فرآیند انتشار یون لیتیوم در ذرات و منافذ الکترود مورد بررسی قرار می‌گیرد و هرگونه اختلال یا محدودیت در انتشار باعث افزایش امپدانس در این بازه می‌شود.

عوامل فرسایش باتری اثر مستقیم بر مؤلفه‌های EIS دارند. مقاومت سری با کیفیت سطح تماس و رسانایی الکترولیت رابطه دارد و افزایش آن نشان‌دهنده تلفات اهمی است. مقاومت انتقال شارژ تحت تأثیر رشد لایه‌ی SEI و کاهش یون‌های لیتیوم قرار دارد و با افت ظرفیت باتری رابطه‌ی مستقیم دارد. خاصیت خازنی دولایه نیز با کاهش یون‌های لیتیوم و فضای مرتبط کاهش می‌یابد و محدودیت در انتشار لیتیوم، امپدانس فرکانس پایین را افزایش می‌دهد.

برای اندازه‌گیری دقیق  EIS، لازم است باتری پیش از اعمال سیگنال، استراحت کافی داشته باشد تا به وضعیت پایدار برسد؛ این زمان بسته به اندازه باتری بین ۳۰ تا ۱۲۰ دقیقه است. همچنین، وضعیت شارژ باتری تاثیر قابل توجهی بر نتایج دارد، بنابراین بهتر است اندازه‌گیری در یک مقدار ثابت )معمولاً ۵۰٪( SOH  انجام شود. بازه‌ی فرکانسی استاندارد برای این اندازه‌گیری از ۱۰۰ kHz تا ۱ mHz است، اما در شرایطی که زمان اندازه‌گیری محدود باشد، می‌توان محدوده‌ی فرکانسی و نقاط اندازه‌گیری در فرکانس پایین را کاهش داد.

در انجام  EIS، رعایت نکات ایمنی و محدودیت‌ها اهمیت بالایی دارد EIS. به شدت به وضعیت شارژ (SOC) و دما حساس است و تغییرات کوچک در این پارامترها می‌تواند نتایج را به شدت تغییر دهد؛ بنابراین اندازه‌گیری باید در دما و وضعیت شارژ ثابت انجام شود. علاوه بر این، عوامل محیطی و تجهیزات، از جمله خاصیت القایی سیم‌کشی، نوع کانکتورها و ثبات سلول‌ها، می‌توانند بر داده‌های EIS تأثیر بگذارند و باید کنترل شوند.

نتیجه‌گیری

در این مطالعه، برای تخمین دقیق SOH باتری‌ها از طیف‌سنجی امپدانس الکتروشیمیایی (EIS) استفاده شد. استفاده از EIS  به دلیل توانایی آن در تفکیک مؤلفه‌های داخلی باتری و بررسی رفتار مقاومت سری، مقاومت انتقال شارژ، خاصیت خازنی دولایه و انتشار یون لیتیوم، امکان ارزیابی دقیق و کمی سلامت باتری را فراهم می‌کند. داده‌های جمع‌آوری‌شده در نمودارهای  Nyquist  و  Bodeتحلیل می‌شوند تا تغییرات ناشی از فرسایش، افت ظرفیت و محدودیت‌های انتقال شارژ به طور کمّی شناسایی شوند.

تحلیل طیف فرکانسی نشان می‌دهد که هر بازه‌ی فرکانسی اطلاعات متفاوتی از باتری ارائه می‌دهد: فرکانس‌های بالا نمایانگر وضعیت اتصال و مقاومت سری، فرکانس‌های متوسط مربوط به انتقال شارژ و رفتار خازنی دولایه و فرکانس‌های پایین نمایانگر فرآیند انتشار یون لیتیوم است. رعایت دقت در دامنه‌ی سیگنال، تقسیم‌بندی فرکانسی و کنترل شرایط شارژ و دما، برای اطمینان از صحت داده‌ها ضروری است.

به‌طور کلی، نتایج نشان می‌دهد که EIS یک ابزار قدرتمند و قابل اعتماد برای تخمین SOH در محیط‌های صنعتی است و امکان پایش پیشرفته، پیش‌بینی عمر مفید و تشخیص مشکلات داخلی باتری‌ها را فراهم می‌کند. استفاده‌ی سیستماتیک از این روش می‌تواند به بهبود ایمنی، افزایش کارایی و مدیریت بهتر چرخه عمر باتری‌ها در کاربردهای صنعتی کمک شایانی کند.

 

[i][i] State of Health
[ii] Electrochemical impedance spectroscopy
[iii] Capacity-Based Methods
[iv] Internal Resistance / Impedance Methods
[v] Equivalent Circuit Models
[vi] Data-Driven / Machine Learning Methods

2
0
کپی شد

مطالب مرتبط

معرفی محصولات

نظرات کاربران

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *