Entwicklung intelligenter Formieranlagen zur Optimierung und Diagnose von Zelleigenschaften

Die ersten Lade- und Entladezyklen einer Lithium-Ionen-Batterie während der Formierung haben einen entscheidenden Einfluss auf die Performance, Alterung und Sicherheit. Aufgrund des niedrigen Potentials der negativen Elektrode wird der Elektrolyt zersetzt und bildet dabei die passivierende Solid-EIectrolyte-Interphase (SEI). Mit den Prozessparametern der Formierung sollen die strukturellen und morphologischen Eigenschaften der SEI kontrolliert eingestellt werden, um die Zelleigenschaften und Prozessdauer positiv zu beeinflussen. Dabei besteht die SEI-Schicht aus mehreren Phasen, welche insgesamt die Eigenschaften bestimmen. Es existieren nur vereinzelt Studien zum Einfluss der Prozessparameter wie Temperatur, Stromdichte, Spannungsprofile und diverser Materialien. Eine systematische Untersuchung und Diskussion des Einflusses der Prozessparameter während der Formierung fehlt. Dabei hat die Wahl der Formierstrategie einen entscheidenden Einfluss auf die SEI-Schichtmorphologie und damit auf Zelleigenschaften, wie z.B. die Alterungseigenschaften. Es gibt bereits erste Modellierungsansätze zur Berücksichtigung der SEI-Schicht als homogene Schicht oder als Multiskalenmodellierung auf Basis der Monte Carlo Methode zur Simulation der Schichtstruktur. Nachteilig an solchen Modellen ist jedoch eine komplexe und aufwendige Modellparametrierung und oftmals nicht direkt validierbare Ergebnisse. Konventionelle molekular-dynamische Modelle sind auf sehr kurze Zeitskalen begrenzt und können daher nicht für Simulationen von technisch relevanten Prozesszeiten eingesetzt werden. Im Gegensatz dazu ermöglichen physikalische Ersatzschaltbildmodelle mit intrinsischen Zustandsinformationen die Simulation und Prädiktion von internen Zelleigenschaften.

Außerdem können solche Modelle auch dazu genutzt werden, um die maximalen Betriebsgrenzen während der Formierung zu bestimmen, welche keine schädliche Degradationseffekte hervorrufen.
Bevor die Formierung beginnen kann, müssen die Elektroden und der Separator bereits ausreichend mit Elekrolyt durchtränkt sein, welches durch lange Benetzungszeiten von bis zu 24 h realisiert wird. Die Elektrolytbenetzung erfolgt in der Regel mehrstufig und führt mit herkömmlichen Standard-Formierprozeduren zu Prozesszeiten von bis zu sieben Tagen. Mithilfe von experimentellen Anpassungen durch Erhöhung der Stromrate, Reduzierung der Anzahl von Formierzyklen oder Verringerung der Entladeladetiefe nach initialer Ladung wurden kürzere Formierzeiten von ca. 26 h, 21 h und 14 h erreicht, ohne die Zellqualität dabei negativ zu beeinträchtigen. Die Prozesszeiten sind dabei vom verwendeten Zellmaterial und Zellformat abhängig und bilden die Bandbreite des aktuellen Stands der Wissenschaft und das Effizienzsteigerungspotenzial ab. Aufgrund der langen Durchlaufzeiten sowie hohen Prozess- und Anlagenkosten bietet die intelligente
Optimierung der Formierung z.B. über sequentielles Lernen oder Modelle mit Unsicherheitsquantifizierung eine exzellente Forschungsthematik für dieses Projekt. Im Rahmen des Projektes InForm sollen durch KI-gestützte live-Prozessoptimierung und mittels physiko-chemischer Batteriemodelle Prozesszeiten verkürzt, Zelleigenschaften gezielt verbessert und prädiktive Diagnosemethoden von Zelleigenschaften entwickelt werden. Die Kombination von physiko-chemischen Modellen und KI zur optimierten Formierung von Zelleigenschaften ist bisher nicht Gegenstand von Veröffentlichungen oder Forschungsprojekten gewesen. Zelleigenschaften sollen durch adaptive Formierprozeduren gezielt eingestellt und auf Prozessschwankungen in den vorgelagerten Prozessen der Zell- und Elektrodenherstellung verändert werden. Dazu ist ein tiefergehendes Prozessverständnis notwendig, dass mit der konventionellen Messtechnik nicht erfasst wird. Dieses Verständnis soll durch neue, außerhalb der Prozesskette erfolgende Untersuchungen bzgl. neuer Messmethoden und Automatisierung unternommen werden, damit aussagekräftige Modelle zum Verhalten der Zellcharakteristika erstellt werden können. Eine optimierte Formierung mit kürzeren Durchlaufzeiten und höherer Qualität könnte für die Produktion von Batterien am Industriestandort Deutschland einen deutlichen Wettbewerbsvorteil verschaffen.