[論文レビュー] Parameterising continuum level Li-ion battery models & the LiionDB database

Ange Wang, Simon E. J. O’Kane+10 more|arXiv (Cornell University)|Oct 19, 2021

Advanced Battery Technologies Research参考文献 210被引用数 4

ひとこと要約

本論文は、広く用いられているセルスケールの電気化学的挙動をシミュレートするためのフレームワークである、ドンリー＝フルーリー＝ニューマン（DFN）連続体レベルリチウムイオン電池モデルのパrameter化手法について包括的なレビューを提示する。本研究では、実験的に導かれたパrameterとそのメタデータを集約した検索可能でオープンアクセスのデータベース「LiionDB」を提案し、多様な電池化学組成および設計において一貫性があり再現可能で物理的に正確なモデルキャリブレーションを可能にする。

ABSTRACT

The Doyle-Fuller-Newman framework is the most popular physics-based continuum-level description of the chemical and dynamical internal processes within operating lithium-ion-battery cells. With sufficient flexibility to model a wide range of battery designs and chemistries, the framework provides an effective balance between detail, needed to capture key microscopic mechanisms, and simplicity, needed to solve the governing equations at a relatively modest computational expense. Nevertheless, implementation requires values of numerous model parameters, whose ranges of applicability, estimation, and validation pose challenges. This article provides a critical review of the methods to measure or infer parameters for use within the isothermal DFN framework, discusses their advantages or disadvantages, and clarifies limitations attached to their practical application. Accompanying this discussion we provide a searchable database, available at www.liiondb.com, which aggregates many parameters and state functions for the standard Doyle-Fuller-Newman model that have been reported in the literature.

研究の動機と目的

• 等温DFNモデルにおける正確で一貫性のあるパラメータ化という、信頼性の高い電池シミュレーションに不可欠な重要な課題に対処すること。
• DFNパラメータを抽出するために用いられる既存の実験的手法およびフィッティング技術における仮定、制限および手法的不整合を特定し、明確化すること。
• www.liiondb.com としての LiionDB を、完全な履歴情報とメタデータを備えた、中央集権的でコミュニティ主導のDFNモデルパラメータのリポジトリとして確立すること。
• パラメータ推定における誤差伝搬のリスクと同定可能性の問題を強調することで、モデルの頑健性を向上させること。
• 実験的条件およびモデルの仮定に基づいて適切なパラメータを選択するためのガイダンスを提供し、電池設計および分析における予測精度を向上させること。

提案手法

• 固体状態拡散率、イオン電導度、電極の多孔率などのDFNパラメータを推定するために用いられる、電気化学的インピーダンス分光法、ガルバノスタティック間欠的滴定法、およびマイクロ構造的測定を含む、実験的およびフィッティング手法の体系的レビュー。
• 主キーおよび外部キーの関係を有する、構造的で関係的なデータベーススキーマ（LiionDB）の開発。
• 入力範囲および温度範囲、熱的スケーリング、メモなどのメタデータを統合し、文脈に配慮したパラメータ使用を保証すること。
• パラメータの同定可能性を評価し、特定の実験から信頼性を持って抽出可能なパラメータを特定するために、次元なし化技術の適用。
• パラメータがその出典文献、材料、および実験手法にリンクされる多層型データモデルの採用により、トレーサビリティと相互比較の可能性を実現すること。
• コミュニティによる貢献、パラメータの検索およびフィルタリングを可能にするウェブインターフェース（www.liiondb.com）の実装。

実験結果

リサーチクエスチョン

• RQ1 固体状態拡散率、イオン電導度、電極の多孔率といったDFNモデルパラメータを測定または推定するための、最も信頼性が高く一貫性のある方法は何か？
• RQ2 電極の幾何形状や粒子形状といった実験的手法における仮定が、推定されたパラメータの正確さおよび移植可能性にどのように影響するか？
• RQ3 電気化学的活性表面積などの補助的測定における誤差が、DFNモデルの最終的なパラメータ推定値にどの程度まで伝搬されるか？
• RQ4 中央集権的かつキュレートされたデータベースは、研究コミュニティ全体における電池モデルのパラメータ化の再現性および一貫性をどの程度向上させ得るか？
• RQ5 特定の実験設定から、DFNフレームワーク内のどのパラメータが同定可能か？そして、これは効率的なモデルキャリブレーションを指導するためにどのように利用できるか？

主な発見

• DFNモデルは、物理的妥当性と計算効率のバランスが取れていることから、セルレベルの電池シミュレーションに強力かつ広く用いられているフレームワークのままである。
• 多くのDFNパラメータは方法依存性が強く、粒子の幾何形状や電極負荷条件といった実験的仮定に大きく依存し、その値が顕著に変動することがある。
• LiionDBデータベースには、出典文献、材料タイプ、測定方法、運用範囲を含む完全な履歴情報が備わった、キュレートされたDFNパラメータのコレクションが収録されている。
• 誤差伝搬は深刻な懸念事項であり、特に電極表面積の二次的推定に依存する固体状態拡散率のようなパラメータにおいて顕著である。
• 次元なし化により、1つの実験からすべてのDFNパラメータが同定可能であるとは限らないことが明らかになった。これは、複数の手法を組み合わせたキャリブレーション戦略の必要性を示唆している。
• LiionDBへのコミュニティ貢献を奨励しており、今後はデータベースの包括性および有用性が向上すると期待されている。