Construyendo mejores baterías: arquitectura para el almacenamiento de energía

¡Compártelo!

Un adagio popular en el análisis de datos es que solo se puede controlar lo que se puede medir. Para los investigadores del Laboratorio Nacional de Energía Renovable (NREL), la medición precisa y exacta es crucial para comprender y optimizar las baterías de iones de litio (Li-ion).

Las baterías de iones de litio están en todas partes, desde dispositivos personales hasta vehículos eléctricos y sistemas de almacenamiento estacionarios que respaldan la transición a la generación de energía renovable al mitigar los impactos negativos de la red. Para satisfacer las cambiantes necesidades de energía, los investigadores se centran en mejorar el rendimiento, la seguridad y la densidad de energía de las baterías de iones de litio.

Un avance reciente de NREL y la Universidad de Ulm avanza la forma en que los investigadores miden y analizan los materiales de la batería. La investigación, publicada en Materiales computacionales npj, generó artificialmente la arquitectura representativa de una partícula de electrodo de iones de litio con detalle de grano de subpartícula. Este electrodo artificial, el primero en su tipo, permitirá a los investigadores manipular el modelo para evaluar oportunidades de mejoras en el diseño de la batería.

“Este avance permite a NREL realizar la caracterización de una sola partícula para las células de iones de litio”, dijo Donal Finegan, investigador de almacenamiento de energía de NREL y científico de planta que lidera el proyecto. “Sabemos que la morfología y la orientación de los granos dentro de la celda pueden afectar en gran medida el rendimiento de la velocidad y la vida útil del electrodo. Con este modelo, podemos evaluar las condiciones físicas que conducen a baterías mejoradas “.

Entendiendo lo invisible

Uno de los mayores desafíos en la investigación de iones de litio es la escala microscópica del trabajo; los pequeños detalles suelen tener un gran impacto en el rendimiento de la batería. Ninguna técnica existente permite a los investigadores medir la información de las subpartículas que sea integral para comprender el comportamiento de las baterías de iones de litio. Durante años, los investigadores de NREL han superado los límites de las capacidades de imágenes especializadas para mejorar la comprensión de las estructuras a nivel de electrodos de iones de litio, pero estas herramientas hasta ahora no han podido ofrecer una imagen completa de los detalles de las subpartículas.

“Las técnicas de microscopía siempre requieren una compensación”, dijo Finegan. “Por ejemplo, las herramientas que miden la morfología de partículas pasan por alto información vital sobre las propiedades químicas o la estructura cristalina debido a limitaciones sistemáticas. Nos hemos dado cuenta de que no hay forma de obtener toda la información que necesitamos en un solo lugar “.

Para abordar esta brecha en la comprensión, se utilizó un enfoque de imágenes multimodal y multiescala para generar el modelo de electrodo de iones de litio artificial, que finalmente fusionó dos de las capacidades avanzadas existentes de NREL. Los investigadores utilizaron nano tomografía computarizada de rayos X para capturar la morfología de la forma exterior de la partícula. Para la distribución de grano interna, los investigadores utilizaron difracción por retrodispersión de electrones por haz de iones enfocados (FIB-EBSD) para capturar información de subpartículas de alta resolución.

El lenguaje de la microscopía

Este proyecto no es la primera vez que NREL combina técnicas de microscopía para ver más de cerca el comportamiento de la batería. Los investigadores de almacenamiento de energía de NREL a menudo aprovechan el estado de la técnica Capacidades de diagnóstico por rayos X para examinar la composición de los materiales de la batería. Sin embargo, donde la investigación anterior se centró en resultados de imágenes, este proyecto utilizó una caracterización complicada para fusionar flujos de datos.

“Combinar flujos de datos no es una tarea trivial”, dijo Finegan. “La microscopía en sí es altamente especializada y cada una de estas herramientas genera datos a su manera. Para generar este modelo, a nuestro equipo se le encomendó no solo caracterizar la información de cada fuente de datos, sino también traducirla a un formato completamente nuevo “.

El análisis inicial con el modelo artificial ya ha proporcionado a los investigadores una mayor comprensión de las condiciones físicas que afectan la forma en que el litio viaja a través del electrodo y alrededor de los cristales. Los detalles de las subpartículas de este modelo ayudan a analizar el viaje de un ión e informarán la investigación dirigida a desarrollar baterías que puedan soportar condiciones de carga extremadamente rápidas sin una degradación acelerada.

Aún así, esto es solo el comienzo del modelo artificial de NREL. La investigación futura aplicará técnicas de aprendizaje automático para adquirir y traducir datos más rápido, lo que conducirá a modelos de mayor calidad e incluso mayores conocimientos para construir mejores baterías en el futuro.

Más información sobre NREL almacen de energia y transporte y movilidad investigar.

Artículo cortesía de Laboratorio Nacional de Energías Renovables.

.
Y eso es todo por ahora, volvemos a vernos una nueva vez. ¡Hasta la próxima!

¡Compártelo!

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *