วิธีดีบักการออกแบบแบตเตอรี่
(github.com/ionworks)- การออกแบบแบตเตอรี่เป็นปัญหาแบบ “and” ที่ระยะทางวิ่ง กำลังขับ ความปลอดภัย อายุการใช้งาน น้ำหนัก และต้นทุนขัดแย้งกันเอง และเนื่องจากเป็นเรื่องยากที่จะตอบโจทย์ทั้งพลังงานสูงและกำลังสูงพร้อมกัน จึงจำเป็นต้องสำรวจพื้นที่การออกแบบด้วยการจำลอง
- การออกแบบเซลล์มีตัวแปรมากมาย เช่น แอโนด แคโทด อิเล็กโทรไลต์ เซพาเรเตอร์ ความหนา ความพรุน ขนาดอนุภาค และฟอร์มแฟกเตอร์ หากมีตัวแปร 20 ตัว และแต่ละตัวมีค่าให้เลือก 3 ค่า จะเกิดชุดค่าผสม 3,486,784,401 แบบ
- ในห้องแล็บ การสร้างและระบุคุณลักษณะของการออกแบบเซลล์เดี่ยวอย่างน้อยต้องใช้เวลา 1 วัน ส่วนการทดสอบการเสื่อมสภาพแบบเร่งอาจใช้เวลาสูงสุด 1 เดือน และต้นทุนในการสร้างและทดสอบจุดข้อมูล 1 จุดสำหรับการออกแบบใหม่อยู่ที่ราว $1000
- แอโนดผสมกราไฟต์-ซิลิคอนมีศักยภาพในการปรับปรุงทั้งความหนาแน่นพลังงานและกำลังขับ แต่ซิลิคอนมีปัญหา ฮิสเทอรีซิสของแรงดัน และปัญหารอยแตก·การเสื่อมสภาพจากการขยายตัวราว 80% เมื่อเกิดลิทิเอชัน
- PyBaMM รันการสร้างแบบจำลองคณิตศาสตร์ของแบตเตอรี่ด้วย Python เพื่อวิเคราะห์องค์ประกอบแรงดัน การกระจายความเข้มข้น และผลของขนาดอนุภาค โดยสามารถลดการคำนวณจุดข้อมูล 6500 จุดให้เหลือน้อยกว่า 2 ชั่วโมงบนคอร์เดียว และน้อยกว่า 1 นาทีเมื่อคำนวณแบบขนาน
ปัญหาแบบ “and” ของการออกแบบแบตเตอรี่
- แบตเตอรี่รถยนต์ไฟฟ้ามักเอนเอียงไปทาง พลังงานสูง หรือ กำลังสูง อย่างใดอย่างหนึ่ง และยากที่จะตอบโจทย์ทั้งสองคุณสมบัติพร้อมกัน
- หากใส่แบตเตอรี่พลังงานสูงจำนวนมาก ระยะทางวิ่งอาจเพิ่มขึ้นได้ แต่กำลังขับตามพิกัดขณะเร่งจะต่ำ และการสูญเสียในระบบจะสูงขึ้นจนทำให้ร้อนเกินไปได้
- การรับมือกับความร้อนเกินทำให้ต้องออกแบบระบบระบายความร้อนเผื่อเกิน ซึ่งเพิ่ม น้ำหนักและต้นทุน
- แบตเตอรี่ที่ทำงานที่อุณหภูมิสูงอาจสูญเสียความจุเร็วขึ้น
- นอกจากพลังงานและกำลังขับแล้ว การออกแบบแบตเตอรี่ยังมีข้อจำกัดอื่น ๆ เช่น ความปลอดภัย อายุการใช้งาน น้ำหนัก และต้นทุนเข้ามาพร้อมกัน
- ในอากาศยานไฟฟ้า ปัญหานี้ยิ่งใหญ่ขึ้น
- กำลังสูงสุดที่ต้องใช้ในการขึ้นบินและลงจอดสูงกว่ากำลังที่ต้องใช้ในการบินเดินทาง 10 เท่า
- จำเป็นต้องออกแบบโดยให้ความสำคัญกับกำลังขับ จึงต้องแลกด้วยระยะทางหรือพิสัยบิน
เหตุผลที่การออกแบบการทดลองขยายตัวอย่างรวดเร็ว
- ซัพพลายเออร์แบตเตอรี่ทดสอบการออกแบบหลากหลายแบบให้เหมาะกับหลายการใช้งาน แต่การสร้างและระบุคุณลักษณะอย่างครบถ้วนของการออกแบบหนึ่งแบบใช้เวลาอย่างน้อย 1 วัน
- เซลล์ที่เป็นเป้าหมายของการทดสอบการเสื่อมสภาพแบบเร่งอาจใช้เวลาสูงสุด 1 เดือน
- ชาร์จและคายประจุเซลล์ซ้ำ ๆ อย่างหนัก แล้วนำข้อมูลไปประมาณค่าออกเป็นสถานการณ์การขับขี่จริง
- เนื่องจากผลของการเสื่อมสภาพเป็นแบบไม่เชิงเส้น กระบวนการย้ายจากสถานการณ์หนึ่งไปสู่อีกสถานการณ์หนึ่งจึงไม่ใช่เรื่องง่าย
- ต้นทุนในการสร้างและทดสอบการออกแบบแบตเตอรี่ใหม่หนึ่งแบบในระดับเซลล์เดี่ยวอยู่ที่ราว $1000
- ตัวแปรการออกแบบซ้อนกันอยู่หลายชั้น
- วัสดุ: แอโนด แคโทด อิเล็กโทรไลต์ เซพาเรเตอร์
- ค่าปรับแต่งวัสดุของแข็ง: ความหนา ความพรุน ขนาดอนุภาค องค์ประกอบของวัสดุผสม
- องค์ประกอบทางเรขาคณิต: ฟอร์มแฟกเตอร์ทรงกระบอก·ทรงปริซึม·พาวช์ ขนาดอย่าง 18650 จำนวนแท็บ ความหนาของตัวรวบรวมกระแส
- องค์ประกอบด้านความปลอดภัย: ฝาระบายแรงดัน แมนเดรลกลาง
- องค์ประกอบของอิเล็กโทรไลต์ก็อาจเปลี่ยนได้ และอาจเป็นจุดสร้างความแตกต่างสำคัญ
- แม้คิดแบบระมัดระวัง โดยเปลี่ยน 20 รายการ และให้แต่ละรายการมีเพียง 3 ค่า คือค่าเดิม·ค่าสูง·ค่าต่ำ ก็จะเกิดชุดค่าผสม 3^20 = 3,486,784,401 แบบ
- แม้ทำขนานด้วย 1000 ช่อง แต่ละช่องก็ยังต้องทดลองมากกว่า 1 ล้านครั้ง ใช้เวลาอย่างน้อย 1 ล้านวัน และต้นทุนเพิ่มเป็น มากกว่า $1B
- การระเบิดของชุดค่าผสมเช่นนี้คือ คำสาปแห่งมิติ และปรากฏอย่างรุนแรงเป็นพิเศษในการพัฒนาแบตเตอรี่
ศักยภาพและปัญหาของแอโนดซิลิคอน
- แอโนดที่ผสมกราไฟต์กับซิลิคอนเป็นตัวเลือกที่อาจมุ่งทั้งการรักษากำลังขับสูงและการเพิ่มความหนาแน่นพลังงานได้พร้อมกัน
- ซิลิคอนมีตำแหน่งรองรับลิเทียมต่อหน่วยปริมาตรมากกว่า จึงเพิ่มความจุของเซลล์ได้
- แอโนดคือขั้วลบของเซลล์ และลิเทียมไอออนจะถูกแทรกเข้าไปในโครงผลึกของวัสดุแอคทีฟ
- เมื่อความเข้มข้นของลิเทียมไอออนเปลี่ยนไป ลิทิเอชันจะดำเนินขึ้น
- กระบวนการนี้เป็นกระบวนการไฟฟ้าเคมีที่ต้องมีการถ่ายโอนอิเล็กตรอน และเกิดขึ้นเมื่อกระแสไฟฟ้าถูกจ่ายเข้าสู่หรือไหลออกจากเซลล์
-
ฮิสเทอรีซิสของแรงดัน
- ระหว่างการชาร์จและคายประจุ แรงดันจะเปลี่ยนไปเมื่อไอออนเคลื่อนที่เข้าออกวัสดุโฮสต์
- ในช่วงที่โครงสร้างผลึกเปลี่ยนเป็นเฟสที่เสถียร การเปลี่ยนแปลงแรงดันจะช้าลง
- หากวิเคราะห์ศักย์วงจรเปิดและ dVdQ ซึ่งเป็นค่าอนุพันธ์เทียบกับลิทิเอชันหรือความจุ จะสามารถประมาณวัสดุภายในได้
- หากทราบวัสดุ ก็สามารถทำนาย SoC หรือสถานะการชาร์จจากแรงดันได้
- ซิลิคอนมีฮิสเทอรีซิสของแรงดัน ทำให้เส้นทางแรงดันระหว่างการชาร์จและคายประจุแตกต่างกัน แม้ในรอบที่ช้ามาก เช่น 1 รอบต่อวัน
- การนับคูลอมบ์ที่สะสมกระแสอย่างต่อเนื่อง หากมีเซนเซอร์ล้มเหลว ความแม่นยำต่ำ หรือความคลาดเคลื่อนเชิงระบบ การทำนายจะค่อย ๆ drift ไปตามเวลา
- แรงดันสามารถใช้เป็นสแนปช็อตทันทีของสภาพแบตเตอรี่ได้ แต่ได้รับผลจากระยะห่างจากสมดุล อุณหภูมิ การเสื่อมสภาพ และทิศทางการชาร์จ·คายประจุ
-
การขยายตัวและรอยแตก
- อนุภาคซิลิคอนเมื่อเกิดลิทิเอชันจะใหญ่กว่าสถานะดีลิทิเอชันประมาณ 80%
- การขยายตัวสร้างความเค้นในตัวอนุภาคเอง และหากอนุภาคแตก ก็อาจไม่สามารถทำหน้าที่เป็นวัสดุแอคทีฟได้อีก
- นอกจากนี้ยังอาจทำให้วัสดุโฮสต์รอบข้างแตกหรือการเชื่อมต่อขาด ส่งผลให้ปริมาณวัสดุแอคทีฟลดลงเร็วขึ้นและความจุของเซลล์ลดลง
- การทำให้ออนุภาคเล็กลงช่วยลดฮิสเทอรีซิสของแรงดันและผลจากการขยายตัวได้
- อนุภาคขนาดเล็กยังเพิ่มพื้นที่ผิวแอคทีฟต่อหน่วยมวลของซิลิคอน ช่วยลดการสูญเสียที่เกี่ยวข้องกับปฏิกิริยาในแบตเตอรี่
วิเคราะห์แรงดันและสถานะภายในด้วย PyBaMM
- PyBaMM เป็นเครื่องมือโอเพนซอร์สสำหรับ Battery Mathematical Modelling ที่เขียนด้วย Python
- ตัวอย่างใช้โมเดล
pybamm.lithium_ion.DFN()และพารามิเตอร์Chen2020 - เงื่อนไขการทดลองประกอบด้วยการ คายประจุที่ 2C เป็นเวลา 20 นาที แล้ว พัก 10 นาที
- เมื่อหยุดคายประจุและเข้าสู่ช่วงพัก จะเห็นจากการจำลองว่าแรงดันเปลี่ยนแปลงอย่างมาก
-
การแยกองค์ประกอบแรงดัน
- PyBaMM สามารถแยกแรงดันออกเป็นองค์ประกอบ overvoltage หลายส่วนให้ดูได้
- ศักย์อุดมคติของสถานะการชาร์จหนึ่ง ๆ ที่สมดุลคือศักย์วงจรเปิดหรือ OCP
- การสูญเสียแรงดันที่เกิดขึ้นในกระบวนการที่ไม่อยู่ในสมดุลก็ถูกแยกออกมาด้วย
- สิ่งที่เห็นได้จากการจำลองมีดังนี้
- ส่วนใหญ่ของการเปลี่ยนแปลงแรงดันเซลล์คือการเปลี่ยนแปลงแรงดันวงจรเปิดตามลิทิเอชันหรือ SoC
- ทันทีที่กระแสหยุด overvoltage จากปฏิกิริยา ศักย์โอห์มมิกของอิเล็กโทรไลต์ และ overpotential โอห์มมิกของอิเล็กโทรดแทบจะหายไป
- overvoltage จากความเข้มข้นจะหายไปช้ากว่า แสดงว่าไอออนยังเคลื่อนที่ต่อในระบบแม้ไม่มีปฏิกิริยา
- ระหว่างการคายประจุ การสูญเสียจากความเข้มข้นของอิเล็กโทรไลต์อยู่ที่ประมาณ 100 mV ซึ่งมากพอสมควร แต่หายไปเร็วกว่าภายในวัสดุแอคทีฟมาก แสดงว่าการแพร่ในอิเล็กโทรไลต์ง่ายกว่า
การใช้โมเดลที่ตรวจสอบด้วยการเปลี่ยนขนาดอนุภาค
- เมื่อดูโปรไฟล์ความเข้มข้น จะพบว่าความเข้มข้นภายในอนุภาคแคโทดตามแนวรัศมียังไม่เท่ากัน
- ผลนี้แสดงว่าคุณสมบัติของอนุภาคแคโทดอาจส่งผลต่อพฤติกรรมการคลายแรงดันของเซลล์ระหว่างพัก
- รัศมีอนุภาคแคโทดเดิมในตัวอย่างคือ 5.22e-06 m
- เมื่อเปลี่ยนรัศมีอนุภาคแคโทดเป็น 3.0e-6 m แรงดันในสถานะพักจะราบเรียบเร็วขึ้น
- ขนาดอนุภาคที่เล็กทำให้ลิเทียมไอออนแพร่เข้าออกอนุภาคได้เร็วขึ้น ส่วนที่อนุภาคของแข็งฝั่งแคโทดมีส่วนต่อแรงดันระหว่างพักจึงคลี่คลายเร็วขึ้น
- กรณีนี้แสดงให้เห็นว่าโมเดลสามารถใช้ศึกษาผลของพารามิเตอร์หลายตัวต่อสมรรถนะแบตเตอรี่ได้
บทบาทของโมเดลคำนวณในการลดพื้นที่การทดลอง
- PyBaMM ยังมีตัวอย่าง การสร้างแบบจำลองฮิสเทอรีซิส ของแอโนดซิลิคอนด้วย
- การทดลองหนึ่งครั้งในการจำลองสามารถรันได้ภายในไม่กี่วินาที และโมเดลที่ง่ายกว่านั้นอาจรันได้ในระดับ ms
- Ragone plot ในตัวอย่างครอบคลุมการไล่ดูพารามิเตอร์ที่มักเปลี่ยนกัน และมี จุดข้อมูล 6500 จุด
- หากแต่ละการรันใช้เวลาน้อยกว่า 1 วินาที แม้รันตามลำดับบนคอร์เดียวก็ใช้เวลาน้อยกว่า 2 ชั่วโมง
- เมื่อใช้การคำนวณแบบขนาน สามารถลดการคำนวณเดียวกันให้เหลือ น้อยกว่า 1 นาที
- โค้ดที่รันได้อยู่ใน
how-to-debug-your-battery.ipynb
1 ความคิดเห็น
ความคิดเห็นจาก Hacker News
วิธีเปลี่ยนทีละปัจจัยแล้วเก็บสามจุดในครั้งเดียว เป็นตัวอย่างคลาสสิกของวิธีที่ไม่มีประสิทธิภาพซึ่งเรียนกันตั้งแต่วันแรกใน การออกแบบการทดลอง
โดยทั่วไปมันใกล้เคียงกับวิธีที่คนซึ่งไม่รู้วิธีที่ดีกว่า และแทบไม่มีการฝึกอบรมทางสถิติอย่างเป็นทางการ มักใช้กัน
ถ้าเป็นคนที่รู้การออกแบบการทดลองสมัยใหม่ทำ การปรับให้เหมาะสมคงไม่ต้องรันเป็นหลายพันล้านครั้ง ก่อนอื่นใช้การออกแบบแบบลำดับเพื่อคัดกรองปัจจัยสำคัญออกมา หรือก็คือใช้ หลักการพาเรโต ขั้นพื้นฐาน จากนั้นจึงปรับให้เหมาะสมด้วยการออกแบบพื้นผิวตอบสนองหรือโมเดลตัวแทนแบบ Gaussian process โดยปกติน่าจะใช้แค่หลักร้อยครั้ง หรืออย่างมากก็หลักพันครั้ง หนังสือ “Design and Analysis of Experiments” ของ Douglas C. Montgomery เป็นหนังสือเริ่มต้นที่ดี
บทความนี้ยังขยายได้อีกมากให้ครอบคลุมการปรับให้เหมาะสมที่เป็นไปได้ทั้งในแบตเตอรี่จริงและในโมเดล ขอบคุณที่แชร์ตำรา ประเด็นที่ควรเขียนให้ชัดกว่านี้คือ ในพื้นที่การออกแบบเล็ก ๆ แนวทางแบบนี้อาจไม่แย่ แต่แบตเตอรี่มีพื้นที่การออกแบบที่ใหญ่มหาศาล
จริง ๆ แล้วเคยร่วมเขียนบทความที่ใช้ปัญหา and เป็นตัวอย่างเพื่อไปถึง แนวหน้าพาเรโต อย่างเหมาะสม น่าจะน่าสนใจสำหรับคนที่เข้ามาในสาขานี้: https://www.sciencedirect.com/science/article/abs/pii/S03062... ถ้าต้องการ PDF ฉบับเต็มก็แชร์ให้ได้
การออกแบบการทดลองที่ Taguchi เสนอจะจัดพารามิเตอร์ที่ส่งผลต่อกระบวนการและระดับของพารามิเตอร์เหล่านั้นในรูปแบบ อาร์เรย์ตั้งฉาก ต่างจากการออกแบบแบบแฟกทอเรียลที่ต้องทดสอบทุกชุดค่าผสม วิธีของ Taguchi จะทดสอบคู่ของชุดค่าผสม จึงช่วยประหยัดเวลาและทรัพยากรโดยยังเก็บข้อมูลที่จำเป็นเพื่อระบุปัจจัยที่มีผลต่อคุณภาพผลิตภัณฑ์มากที่สุดได้ด้วยการทดลองจำนวนน้อยที่สุด
https://eng.libretexts.org/Bookshelves/Industrial_and_System...
ผมกำลังลองทำ เครื่องกำเนิดไฟฟ้าพลังงานแสงอาทิตย์ เองเพื่อเรียนรู้เทคโนโลยีแบตเตอรี่นิดหน่อย ชื่ออาจฟังไม่ดีนัก แต่มันใกล้เคียงกับของอย่าง Jackery หรือ Blue Yeti
ผมหาเซลล์ลิเธียมไอรอนฟอสเฟต 4 ก้อน, BMS, คอนโทรลเลอร์ชาร์จพลังงานแสงอาทิตย์ และชิ้นส่วนจิปาถะมาได้ ต้องเรียนรู้เรื่องการบาลานซ์เซลล์ การเดินสาย และอื่น ๆ ซึ่งเป็นโพรงกระต่ายที่ลึกจริง ๆ
ผมทำ แบตเตอรี่ 1.2kWh สำหรับใช้เดินตู้เย็นและไฟตอนตั้งแคมป์ และจบด้วยราคาต่ำกว่าครึ่งหนึ่งของสินค้าสำเร็จรูประดับเดียวกัน แน่นอนว่าใช้เวลาเรียนรู้ไปมหาศาล แต่นั่นถือว่าฟรี
หนึ่งในสิ่งที่ตระหนักแล้วน่าสนใจที่สุดคือ เมื่อก่อนผมประเมิน industrial design ต่ำเกินไปมาก แบตเตอรี่แพ็กมองเผิน ๆ ก็แค่กล่องสี่เหลี่ยมที่มีปลั๊กไฟไม่กี่ช่อง แต่การทำให้มันดูดีนั้นค่อนข้างยาก การเดินสายชิ้นส่วนภายในก็เป็นโจทย์ที่น่าสนใจเช่นกัน
ไม่ควรเชื่อค่ากระแสพิกัดที่เขียนบนป้ายชื่อมากนัก ควรหาอุปกรณ์ที่สามารถรับโหลดได้เพียงพอแล้วลองต่อจริง และตรวจสอบว่าแม้แต่บางส่วนของเซลล์ก็ไม่ร้อนจนเกินขีดจำกัดความร้อน
อีกอย่างคือ การกัดกร่อนของบัสบาร์ ถ้ามีความต้านทานเล็ก ๆ เกิดขึ้นที่จุดเชื่อมต่อจุดใดจุดหนึ่ง และขั้วนั้นร้อนพอ ปัญหาจะปะทุขึ้นได้ในพริบตา
สุดท้าย ฆาตกรตัวใหญ่ที่สุดของแบตเตอรี่แพ็กคือความเสียหายทางกายภาพ แม้จะเป็น LiFePO4 การยึดและปกป้องเซลล์ให้เพียงพอก็สำคัญมากจริง ๆ
นั่นทำให้ผมเคารพเทคโนโลยีแบตเตอรี่ขึ้นมาใหม่ และจนถึงตอนนี้แบตเตอรี่ก็ยังให้ความรู้สึกเหมือนกล่องเวทมนตร์ที่เข้าใจได้ยากอยู่บ้าง
ส่วนที่ภูมิใจที่สุดของโปรเจกต์คือ เราไม่มีเงินซื้ออุปกรณ์บันทึกแรงดัน/กระแสระดับสูง และกระแสก็ค่อนข้างสูง ผมเอาโวลต์มิเตอร์กับแอมมิเตอร์อนาล็อกมารัดกับแผ่นไม้อัดด้วยเคเบิลไท แล้วตั้งไม้ 2x4 ทำมุม 90 องศาเพื่อติดกล้อง จากนั้นก็ขี่ไปพร้อมถ่ายวิดีโอ และสามารถจับคู่เวลากับหน่วยอื่น ๆ ได้ ผมนั่งดูวิดีโอแล้วคัดลอกผลลัพธ์ลงสเปรดชีตด้วยมือ
มันไม่ได้เร็วหรือแม่นยำสูง แต่ใช้งานได้ดี และสำคัญที่สุดคืออยู่ในงบ
สิ่งที่จะน่าสนใจมากในอีกไม่กี่ปีข้างหน้าคือจำนวนการนำแบตเตอรี่จากรถยนต์มาใช้ซ้ำเป็นที่เก็บพลังงานสำหรับโครงข่ายไฟฟ้า หรือเป็นไฟสำรองในบ้านแบบการจัดชุดทำนองนี้จะเพิ่มขึ้น โดยทั่วไปแบตเตอรี่รถ EV จะถูกมองว่าหมดอายุเมื่อเหลือความจุ 80% ของความจุเดิม
แต่ความจุก็ขึ้นอยู่กับว่ามันถูก cycle เร็วแค่ไหน และใช้ใน ช่วงสถานะการชาร์จ แบบใดด้วย ยิ่งหน้าต่างสถานะการชาร์จกว้าง และ cycle เร็วเท่าไร แบตเตอรี่ก็ยิ่งเครียดมากขึ้นและสูญเสียมากขึ้น ถ้าเอาแบตเตอรี่ที่ถอดจากรถมาใส่กล่อง แล้ว cycle ให้ช้าลงและอยู่ในช่วงสถานะการชาร์จที่แคบลง ก็จะใช้งานได้นานกว่ามาก
อยากรู้ว่าเลือกเคสแบบไหน ส่วนตัวผมว่านั่นเป็นส่วนที่ยากที่สุด
ผมซื้อเคสกล่องกระสุนพลาสติกแข็งจาก Amazon ในยุโรปหายาก
ถ้าใครอยากลองทำ วิดีโอ YouTube ของ Will Prowse ดีมาก ถ้าเป็นแบตเตอรี่ทั่วไป ไม่ใช่เครื่องกำเนิดไฟฟ้าพลังงานแสงอาทิตย์ ทุกวันนี้ทำเองคงไม่ได้ถูกกว่าแล้ว เพราะซื้อ แบตเตอรี่ LFP 12V 1kWh ได้ในราคาประมาณ 200 ดอลลาร์
หากสนใจ เครื่องมือทำโปรไฟล์พลังงาน ที่ใช้ได้ในการพัฒนาผลิตภัณฑ์ฮาร์ดแวร์ที่ขับเคลื่อนด้วยแบตเตอรี่ ขอแนะนำ PPK II ของ Nordic Semiconductor อย่างยิ่ง
ในราคาที่สมเหตุสมผล คุณจะได้ทั้งเครื่องมือฮาร์ดแวร์และชุดซอฟต์แวร์ที่ทำโปรไฟล์การใช้พลังงานจริงได้ค่อนข้างดี แม้เทียบกับเครื่องมือที่แพงกว่าอีกหนึ่งหลัก ความสามารถในการให้โปรไฟล์กำลังก็เกินคาด ถ้าคุณกำลังออกแบบผลิตภัณฑ์ฮาร์ดแวร์ที่ทำงานด้วยแบตเตอรี่ เครื่องมือแบบนี้จำเป็นมาก
อาจฟังเหมือนโฆษณา แต่ไม่ใช่เลย ผม/ฉันไม่ได้เกี่ยวข้องกับ Nordic Semiconductor เลย แค่มันเป็นเครื่องมือที่ดี และในด้านนี้แทบไม่มีตัวเลือกที่คุ้มค่า จึงยินดีแนะนำ
สำหรับโหลดกระแสตรงกำลังสูงกว่านั้น มีเซนเซอร์ Hall effect โดยปกติจะเป็นเคสพลาสติกที่มีรู แล้วให้สายไฟกระแสสูงเส้นหนึ่งลอดผ่านรูนั้น ส่วนใหญ่ต้องใช้ไฟเลี้ยงกระแสตรงราว 5V และจะส่งออกแรงดันที่แปรผันตามกระแส
เพราะตรวจจับสนามแม่เหล็กจากสายไฟ จึงไม่ต้องต่อเชื่อมโดยตรง และเหมาะสำหรับวัดกระแสสูงหรือแรงดันสูง หรือทั้งสองอย่าง บางรุ่นเป็นโครงสร้างวงแหวนแยกชิ้น ทำให้ติดตั้งครอบสายไฟเดิมได้โดยไม่ต้องตัดสาย
สำหรับกระแสสลับมี หม้อแปลงกระแส วิธีติดตั้งคล้ายกัน และจะส่งออกกระแสขนาดเล็กในอัตราส่วนคงที่ต่อกระแสในสายที่ตรวจจับได้
รุ่นพกพาคือแคลมป์มิเตอร์วัดกระแส AC/DC ซึ่งเป็นเครื่องมือที่พบได้ทั่วไป ทั้งหมดเป็นของมาตรฐานและราคาก็สมเหตุสมผล
อยากรู้ว่ามีคำแนะนำอุปกรณ์คล้ายกันที่จ่ายได้มากกว่า 1A หรือไม่
https://www.nordicsemi.com/Products/Development-hardware/Pow...
สำหรับคนที่แทบไม่รู้เรื่องอิเล็กทรอนิกส์ ฮาร์ดแวร์นี้จะใช้งานยากแค่ไหน? อยากช่วยเลยคิดจะซื้อสักตัว แต่เรื่องวงจรนี่แทบเป็นมือใหม่เลย
ขอบคุณที่โพสต์ PyBaMM ทำออกมาได้ดีจริง ๆ ผม/ฉันรู้จักครั้งแรกจากเว็บบินาร์ของแพ็กเกจคู่แข่งฝั่ง Julia
แต่ก็สงสัยว่าในทางปฏิบัติ มีองค์กรสักกี่แห่งที่ออกแบบเซลล์ของตัวเองสำหรับผลิตภัณฑ์ใหม่จริง ๆ แล้วแพ็กเกจแบบนี้ได้รับการตรวจสอบความถูกต้องมากแค่ไหน? รู้ว่าการได้ข้อมูลการคายประจุแบตเตอรี่จำนวนมากนั้นแพงและใช้เวลานาน
ประสบการณ์ของผม/ฉันอาจทำให้มุมมองเอนเอียงเกินไปก็ได้ โมเดลแบตเตอรี่ที่ผม/ฉันนึกถึงคือการใช้ตัวจำลองวงจร และรวมเฉพาะผลกระทบที่ไม่ถูกกลบด้วยค่าความคลาดเคลื่อนขนาดใหญ่ของแบตเตอรี่ทั่วไป
ดูเหมือนขอบเขตที่การทำโมเดลฟิสิกส์ละเอียดกว่าจะน่าสนใจคือ การทำโมเดลการเสื่อมสภาพระยะยาวและการสึกหรอ ของแบตเตอรี่ชาร์จซ้ำได้ มีบทเรียนหรือ examples แนวนี้ไหม?
คำว่าองค์กรกว้างมาก แต่ถ้าหมายถึงบริษัท สัดส่วนเมื่อเทียบกับบริษัททั้งหมดที่เกี่ยวข้องกับแบตเตอรี่ไม่ทางใดก็ทางหนึ่งก็คงค่อนข้างน้อย แต่คุณค่าของบริษัทเหล่านั้นกลับใหญ่เกินสัดส่วนมาก ให้นึกถึงผู้ผลิตรถยนต์รายใหญ่ บริษัทที่ทำงานกับสภาพแวดล้อมสุดขั้วอย่างอากาศยานและอวกาศ รวมถึงบริษัทเครื่องจักรกลหนักอย่าง Fortescue ที่ทำให้รถบรรทุกเหมืองเป็นไฟฟ้า
ทุกบริษัทที่ทำเซลล์และวัสดุของเซลล์ รวมถึงออกแบบเซลล์ ย่อมได้ประโยชน์จากการทำโมเดลฟิสิกส์แน่นอน การตรวจสอบความถูกต้องของแพ็กเกจถือว่าค่อนข้างแข็งแรง และ PyBaMM ก็มีการอ้างอิงบทความที่ผ่าน peer review จำนวนมาก การตรวจสอบตัวเลขจำลองของเซลล์เฉพาะรุ่นอาจยังอ่อนกว่า และเป็นจุดเจ็บปวดจริงของอุตสาหกรรม ionworks กำลังพยายามแก้ปัญหานี้อยู่
ถ้ามีบล็อกโพสต์เกี่ยวกับการ กำหนดพารามิเตอร์ โมเดล PyBaMM โดยอิงจากเซลล์เชิงพาณิชย์ น่าจะน่าสนใจ
วิศวกรแบตเตอรี่จำนวนมากที่ทำงานออกแบบบนฐานการจำลองน่าจะต้องทำกระบวนการคล้าย ๆ กันซ้ำ ๆ ในการกำหนดพารามิเตอร์จากเอกสารวิชาการ, X-ray ฯลฯ
หลังจากนั้นก็มีบทความรีวิวในหัวข้อนี้ออกมาด้วย: https://iopscience.iop.org/article/10.1088/2516-1083/ac692c/...
ถ้าต้องการแนวทางที่ใกล้ภาคปฏิบัติมากขึ้น ก็มีเครื่องมือโอเพนซอร์สสำหรับการกำหนดพารามิเตอร์โมเดลด้วย: https://github.com/pybop-team/PyBOP และ https://github.com/paramm-team/pybamm-param
ทุกคนยังคงสร้างแพลตฟอร์มบล็อกและเว็บบล็อกส่วนตัวใหม่ ๆ กันต่อไป แต่จริง ๆ แล้ว GitHub เป็นคำตอบที่สมบูรณ์แบบมาตั้งแต่แรกแล้ว
เราใส่ฟังก์ชันนี้เข้าไปใน PyBaMM เพื่อโปรเจกต์ BattBot ของเรา: https://github.com/pybamm-team/BattBot
สิ่งนี้ทำโดยนักศึกษา GSOC ฝีมือยอดเยี่ยมที่ตอนนี้ทำงานอยู่ที่ CERN
บทความกระชับมาก ๆ เนื้อหาไม่ได้พูดถึงการดีบักแบตเตอรี่ของผมหรือแบตเตอรี่เฉพาะรุ่นมากนัก แต่ใกล้เคียงกับการทำโปรไฟล์แบตเตอรี่ทั่วไปด้วยการวัดเชิงความน่าจะเป็นและเชิงคุณภาพบางอย่างมากกว่า
เช่น requirement คือ
pybamm=24.1https://github.com/pybamm-team/PyBaMM
ถ้าสนใจ ขั้วลบซิลิคอน เป็นเพียงหนึ่งในวัสดุที่กำลังถูกวิจัยอย่างจริงจังเพื่อปรับปรุงแบตเตอรี่เท่านั้น ส่วนจอกศักดิ์สิทธิ์คือ ลิเทียมเมทัล ที่ไม่มีวัสดุโฮสต์อยู่ฝั่งขั้วลบเลย มันให้ความหนาแน่นพลังงานได้ถึงขีดสุด แต่โดยทั่วไปแล้วยังไม่ประสบความสำเร็จในเชิงพาณิชย์
pybamm.Experimentรับคำสั่งภาษาธรรมชาติแบบนี้เลยหรือ? หรือว่า LLM จะพาร์สสิ่งนี้ให้อยู่ในรูปแบบที่มีโครงสร้างมากขึ้น?“ชาร์จที่ 1C เป็นเวลา 1 ชั่วโมง วางไว้ใต้กองไฟ แบตเตอรี่ที่ 1000C แล้วเอาไปย่างมาร์ชเมลโลว์”
บทความน่าสนใจ แต่ไม่แน่ใจว่าคำว่า ดีบัก ในที่นี้เหมาะหรือเปล่า ผมนึกว่าจะเป็นบทความเกี่ยวกับการดีบักบั๊กในซอฟต์แวร์หรือวงจรอิเล็กทรอนิกส์ที่ทำให้แบตเตอรี่โน้ตบุ๊กหรือรถยนต์หมดเร็วเกินไป
ชื่อน่าจะใกล้เคียงกับ “วิธีจำลองการเลือกแบตเตอรี่ให้เหมาะกับการใช้งานของผม” หรือ “ทำความเข้าใจ trade-off ในการออกแบบแบตเตอรี่” มากกว่า
เจตนาคือพยายามทำความเข้าใจว่าทำไมบางอย่างถึงไม่เหมาะที่สุด
ไลบรารีนี้ถูก parameterize มากพอที่จะใช้กับระบบอิเล็กโทรไลต์อื่น ๆ อย่าง แบตเตอรี่โซเดียม ได้ไหม? แล้ว flow battery ล่ะ? ถ้าเป็นของไหลสองชนิดที่มีเยื่อกั้นอยู่ตรงกลาง รอยแตกก็ดูไม่น่าจะเป็นปัญหาใหญ่ขนาดนั้น
หรืออย่างน้อยใช้กับแบตเตอรี่ตะกั่ว-กรดได้ไหม? สรุปว่านี่คือ “ดีบักลิเทียม” หรือเปล่า?
สำหรับ flow battery น่าจะต้อง implement โมเดลใหม่ เพราะต้องจำลอง การพาความร้อนแบบบังคับ ทั้งสองฝั่งของตัวคั่น และ PyBaMM ก็รองรับเรื่องนี้
ผมรู้ว่า PyBaMM มีระบบ modeling ที่ค่อนข้างเป็นโมดูลาร์ แต่ไม่แน่ใจว่าโมเดลที่ implement ไว้ถูกแบ่งอย่างไร
โซเดียมไอออนน่าจะทำได้แน่นอน เพราะปรากฏการณ์ทางฟิสิกส์แทบเหมือนกัน ต่างกันแค่ตัวเลข ส่วน flow battery จะยุ่งยากขึ้นเล็กน้อย เพราะต้องเพิ่มกระบวนการสำคัญบางอย่าง เช่น การพาความร้อน
มีตัวอย่างแบตเตอรี่ตะกั่ว-กรดรวมอยู่ด้วย จริง ๆ แล้ว PyBaMM เริ่มต้นจากแบตเตอรี่ตะกั่ว-กรดตอน Valentin ทำปริญญาเอก: https://sites.google.com/view/valentinsulzer/publications
ถ้าสนใจ requirement ด้านสมรรถนะของ การบินไฟฟ้า ซึ่งในบทความมีแค่บอกเป็นนัยและไม่ได้ลงลึก เปเปอร์ open access ฉบับนี้ยอดเยี่ยมมาก: https://pubs.acs.org/doi/full/10.1021/acsenergylett.8b02195