An innovative methodology to estimate the parameters of a lithium-ion battery physical model

The growth of the electric vehicle (EV) market is leading to an increasing number of aged lithium-ion batteries (LIB) that are retired after their end of life in EVs. Nevertheless, these LIBs still retain a useful capacity that can be exploited in less demanding applications. To enable the reuse of such batteries, it is important to measure their state of health and the remaining lifetime. The purpose of this work is to define an innovative methodology for the estimation of the physical parameters of a lithium-ion battery, through the use of an electrochemical-thermal model. The values of the physical parameters can be then linked to the effects of aging. The first activity is an experimental campaign on pristine and aged commercial battery samples, where three diagnostic techniques are used: capacity tests, relaxation tests, and electrochemical impedance spectroscopies (EIS). We understood how each technique can highlight in different ways the effects of degradation on LIBs, and all of them have proven to be valid tools for the parameter estimation, especially if combined together. The second activity is a one-factor-at-time sensitivity analysis of the LIB physical model, where the three diagnostic techniques are simulated in a variety of operative conditions and 28 model parameters are varied within sensible ranges defined by a literature review. The result is a classification of the model parameters according to the sensitivity of the model outputs to their variations. From this analysis, we formulated an experimental methodology that balanced the amount of information obtainable for the parameter estimation and the tests' duration. Finally, the methodology is implemented and tested with a Particle Swarm Optimization (PSO) fitting algorithm. Two simulated datasets and one experimental dataset obtained from a 2.6 Ah commercial battery sample are used for the calibration and validation of the methodology. The results show how the estimated parameters reproduce the battery behavior in conditions not included in the training dataset, and how this methodology can be a stepping stone for the formulation of a full diagnostic procedure for aged LIBs.

La crescita del mercato dei veicoli elettrici sta rendendo disponibile un grande numero di batterie agli ioni di litio invecchiate, ritirate dopo la fine della loro vita utile nei veicoli elettrici. In realtà, queste batterie possiedono ancora una capacità residua che può essere sfruttata per applicazioni meno impegnative. Per permetterne il riuso, è importante misurare il loro stato di salute e la vita utile rimanente. L'obiettivo di questo lavoro è definire una metodologia innovativa per la stima dei parametri fisici di una batteria agli ioni di litio, attraverso l'uso di un modello elettrochimico e termico. I valori dei parametri fisici possono essere poi associati agli effetti dell'invecchiamento. La prima attività è una campagna sperimentale su batterie commerciali nuove e invecchiate, nella quale tre tecniche di diagnostica sono utilizzate: test di capacità, test di rilassamento e spettroscopie elettrochimiche di impedenza (EIS). Si è capito come ogni tecnica può evidenziare in modi diversi gli effetti della degradazione sulle batterie agli ioni di litio, e tutte e tre si sono dimostrate validi strumenti per la stima dei parametri, specialmente se combinate assieme. La seconda attività è un'analisi di sensitività one-factor-at-time del modello fisico della batteria, dove le tre tecniche di diagnostica sono simulate in molte condizioni operative, e 28 parametri del modello sono variati in un range definito da un'analisi di letteratura. Il risultato è una classificazione dei parametri a seconda della sensitività dei risultati del modello a una loro variazione. Da questa analisi, si è formulata una metodologia sperimentale che bilancia la quantità di informazioni ottenibili per la stima dei parametri e la durata dei test. Infine, la metodologià è implementata e testata con un algoritmo di fitting Particle Swarm Optimization (PSO). Due dataset simulati e un dataset sperimentale ottenuto da una batteria commerciale da 2.6 Ah sono utilizzati per la calibrazione e la validazione della metodologia. I risultati mostrano come i parameteri stimati riproducono il comportamento della batteria in condizioni non comprese nel dataset di allenamento, e come questa metodologia può essere un passo fondamentale per la formulazione di una procedura di diagnostica completa per batterie agli ioni di litio invecchiate.