Nach dem Zweiten Weltkrieg führte ein Wirtschaftsboom dazu, dass die Amerikaner eine Rekordzahl von Autos kauften (was zu einer erheblichen Umweltverschmutzung führte). Heute gibt es energieeffizientere Fahrzeuge – wie Hybrid- und Elektrofahrzeuge – und ein weiterer “Boom” ist im Gange, diesmal für autonome Fahrzeuge (AVs). Auch hier ist die Umweltbelastung ein Thema, aber auf eine andere Art und Weise: Es gibt eine Debatte darüber, ob selbstfahrende Autos Hybridmotoren haben sollten, um den Gewinn zu maximieren, oder reine Elektromotoren, um die Umweltbelastung zu minimieren.
Sollten autonome Fahrzeuge Hybrid- oder Elektrofahrzeuge sein?
Stellen Sie sich eine Zukunft vor, in der jeder im Straßenverkehr ein selbstfahrendes Kraftfahrzeug benutzt. Das klingt stark nach einer Folge der futuristischen Netflix®-Fernsehserie Black Mirror, oder? Und nun stellen Sie sich vor, dass diese autonomen Fahrzeuge schmutzige Abgase ausstoßen und regelmäßig zum Tanken an die Tankstelle müssen. Das ist so anachronistisch, als würde man ein Smart Home mit den neuesten Gadgets aus dem Internet der Dinge ausstatten, nur um es dann mit einem Modem aus den Neunzigern mit dem Internet zu verbinden.
Autonome Fahrzeuge werden jetzt und zukünftig nicht rein fossil angetrieben. Die zentrale Frage ist aber, ob nur vollelektrische selbstfahrende Kraftfahrzeuge hergestellt werden sollten oder ob auch selbstfahrende Kraftfahrzeuge mit Hybridmotoren produziert werden können. Für jede Seite gibt es Argumente.
Ein Elektrofahrzeug wird an einer Ladestation aufgeladen. Bild von Santeri Viinamäki – Eigene Arbeit. Lizenziert unter CC BY-SA 4.0, über Wikimedia Commons.
Auf der einen Seite gehen viele Hersteller, die selbstfahrende Autos entwickeln, davon aus, dass diese – zumindest anfangs – vor allem für Fahrgemeinschaften eingesetzt werden, wie Taxis ohne Fahrer. Ein Hybridmotor, der Gas- und Elektroantrieb kombiniert, ermöglicht es den Autos, mehr Zeit auf der Straße zu verbringen (und Geld zu verdienen), als in einer Garage aufzuladen.
Auf der anderen Seite befürchten einige Autofirmen und Umweltorganisationen, dass sich die Umweltverschmutzung exponentiell vervielfachen würde, da diese Fahrzeuge wahrscheinlich nonstop Fahrgäste befördern und Lieferungen durchführen würden.
In jedem Fall müssen die Akkus von Elektrofahrzeugen für das autonome Fahren optimiert werden, wobei Faktoren wie Batterieleistung und Degradation berücksichtigt werden müssen. Mit der Software COMSOL Multiphysics® und dem Battery Design Module können Wissenschaftler und Ingenieure Akkusysteme sowohl für hybride als auch für vollelektrische autonome Fahrzeuge untersuchen und designen.
Akkudesigns mit optimaler Leistungsabgabe
Autonome Fahrzeuge enthaltengrundsätzlich mehr elektronische Komponenten als konventionelle Autos. Neben dem Auto selbst (sowie dessen Beleuchtung, Alarmanlage und Infotainmentsystem) enthalten selbstfahrende Kraftfahrzeuge Navigationssysteme sowie Erkennungs- und Entfernungsmessgeräte. Ein hoher Stromverbrauch bedeutet, dass die Akkus schneller entladen werden als normal. Akkus für selbstfahrende Kraftfahrzeuge müssen so konzipiert sein, dass sie länger halten und mehr Leistung abgeben, damit sie mit dem Energiebedarf Schritt halten können.
Batteriemanagementsysteme
Sowohl bei Hybrid- als auch bei reinen Elektrofahrzeugen ist das Batteriemanagementsystem (BMS) ein äußerst wichtiger Designfaktor. Durch die genaue Überwachung der Batterieaktivität maximiert das BMS die Energieabgabe, die Lebensdauer und die Sicherheit. Die Modellierung eines Lithium-Ionen-Akkus unter isothermen Bedingungen kann Ihnen dabei helfen, Faktoren zu analysieren, die bei der Entwicklung eines BMS wichtig sind, darunter:
- Spannung
- Polarisation (Spannungsabfall)
- Innenwiderstand
- Ladezustand (SOC)
- Entladungsrate
Betrachten Sie ein Modell eines 1D-Lithium-Ionen-Akkus aus Graphit und Lithiummanganoxid (LMO), einem kostengünstigen und thermisch stabilen Brennstoffzellenmaterial, aus den Standardeinstellungen der Materialbibliothek im Battery Design Module..
Eine schematische Darstellung der wichtigsten Komponenten eines BMS für Elektrofahrzeuge.
Das Akkumodell besteht aus vier Bereichen:
- Negative poröse Elektrode
- Separator
- Positive poröse Elektrode
- Elektrolyt
Mit dem Modell können Sie Eingaben testen, um zu sehen, wie sie sich auf die Gesamtleistung des Akkus auswirken. Zu diesen Faktoren gehören die anfängliche Zellenspannung, die Batteriekapazität, die Dicke des Separators und der Elektroden sowie der Ladezustand der Zelle (SOC), d. h. der Prozentsatz der verbleibenden Ladung im Akku eines Elektro- oder Hybridfahrzeugs, analog zum Stand der Tankanzeige in einem treibstoffbetriebenen Fahrzeug.
Fahrzyklus
Fahrzeuge arbeiten nach einem bestimmten Fahrzyklus, in dem die wechselnde Temperatur und Spannung der Akkus überwacht wird. Der Fahrzyklus teilt dem BMS den SOC-Wert der Batterie mit, d. h. wie voll der Akku ist. Daraufhin stoppt ein Steuergerät die Entladung (wenn der Akku leer ist) oder die Ladung (wenn der Akku voll ist).
Das 1D-Modell kann um eine thermische Analyse erweitert werden, um eine Fahrzyklusüberwachungdurchzuführen. Betrachten wir eine Akkuzelle, die einem Fahrzyklus für ein Hybridfahrzeug unterzogen wird.
Schematische Darstellung der wichtigsten Komponenten eines BMS und eines Fahrzyklus.
Ingenieure können den Fahrzyklus eines Lithium-Ionen-Akkus simulieren, um seine Leistung vorherzusagen, schwer zu messende Parameter zu analysieren oder experimentelle Ergebnisse zu validieren. Einige der Faktoren, die den Betriebszyklus eines Akkus beeinflussen, sind:
- Innenwiderstand und Polarisierung in jedem Teil der Akkuzelle
- SOC der Zelle
- SOC der einzelnen Elektrodenmaterialien
- Lokale Temperatur
- Materialien
Die Stromlast kann aus externen Fahrzyklusdaten in das Modell importiert werden, z. B. aus der Zeit im Verhältnis zur C-Rate (der Entladungsrate eines Akkus im Verhältnis zu seiner maximalen Kapazität). In diesem Fall entsprechen die importierten Daten Werten, die typisch für ein Hybrid-Elektrofahrzeug sind. Die Analyse kann Ihnen viel über den Fahrzyklus eines Akkus verraten, einschließlich der Zellenspannung, des elektrischen Potenzials und der Gesamtpolarisierung. Es ist auch möglich, den SOC der Zelle und der Elektroden bei Belastung (sowie die Temperatur) während des Fahrzyklus zu bestimmen.
Der Fahrzyklus (links) und die Simulationsergebnisse, die die Zellspannung im Verlauf des Fahrzyklus zeigen (rechts).
Die Ergebnisse dieses Beispiels zeigen, dass der Fahrzyklus für diese Art von Akkudesign geeignet ist. Sie zeigen auch, dass das Wärmemanagement verbessert werden könnte, damit der Akku längere Fahrzyklen bewältigen kann. Wie wir im nächsten Abschnitt erörtern werden, wird sich die Optimierung des Fahrzyklus von selbstfahrenden Kraftfahrzeugen auf ihren Erfolg auf dem Markt für Verbrauchertransporte auswirken.
Auswertung Leistung vs. Energie
Anhand der Entladerate lässt sich feststellen, ob ein Akku für den vorgesehenen Zweck geeignet ist. Es gibt zwei Möglichkeiten: energieoptimiert und leistungsoptimiert. Energieoptimierte Akkus haben eine große Kapazität und können somit viel Energie bereitstellen, aber nur unter relativ niedrigen Stromlasten, was sie zu einer guten Wahl für den Einsatz in tragbaren elektronischen Geräten macht. Für Hybrid- und Elektrofahrzeuge sind leistungsoptimierte Akkus die bessere Wahl. Diese Akkus haben eine relativ geringe Kapazität, aber eine hohe Stromlast; sie können zum Beispiel mit sehr hohen Strömen aufgeladen werden.
Um auf das 1D-Lithium-Ionen-Akkumodell zurückzukommen, können Sie eine Auswertung von Leistung vs. Energie durchführen, um die Leistungsfähigkeit des Akkus zu bestimmen. Die Simulation untersucht unter verschiedenen Stromlasten die Entladung des Akkus aus dem voll geladenen Zustand und die Aufladung aus dem voll entladenen Zustand.
Zellenspannung bei verschiedenen Entladeströmen (links) und ein Ragone-Diagramm für die beiden verschiedenen Arten von Akkuzellen (rechts).
Die Ergebnisse zeigen die Zellenspannung während der verschiedenen Stromlasten und können zum Vergleich der Energie- und Leistungsabgabe des Akkudesigns verwendet werden. Das Ragone-Diagramm (oben rechts) zeigt die Auswirkungen der Batteriechemie und der Entladungsrate auf die Kapazität des Akkus.
Modellierung der Akkudegradation in der COMSOL®-Software
Der Übergang zum autonomen Fahren wird nicht über Nacht erfolgen. Viele Innovatoren gehen davon aus, dass selbstfahrende Kraftfahrzeuge, wenn sie erstmals auf den Markt kommen, in Form von Mitfahrgelegenheiten und nicht als Einzelfahrzeuge für eine einzelne Person oder Familie angeboten werden. Logischerweise bedeutet dies, dass jedes selbstfahrende Kraftfahrzeug in der Flotte eines Ride-Sharing-Unternehmens von etwa zehn Fahrern pro Tag statt von einem genutzt werden wird und rund um die Uhr statt während der Arbeitszeit einer Person in Betrieb ist.
Die Verwendung von selbstfahrenden Kraftfahrzeugen hauptsächlich für Mitfahrgelegenheiten wird dazu führen, dass die Autobatterien viel schneller verschleißen als die von normalen Fahrzeugen für Einzelhaushalte. An dieser Stelle kommt die Analyse des Kapazitätsverlusts ins Spiel.
Kapazitätsverlust
Akkus unterliegen sowohl einem Kapazitäts- als auch einem Leistungsverlust, aber es gibt einen Unterschied. Leistungsverlust ist die verringerte Akkuspannung bei einer bestimmten Entladerate. Kapazitätsverlust ist der Verlust an Akkukapazität, unabhängig von der Stromstärke.
Zellspannung während des Entladezyklus (links) und Akkukapazität über den gesamten Zyklus (rechts).
Die verschiedenen Zellmaterialien, aus denen ein Akku besteht, sowie die verschiedenen Kombinationen zwischen ihnen verursachen unterschiedliche Alterungsraten und können den Prozess und damit den Verlust der Akkukapazität sogar beschleunigen. Zu den Faktoren, die die Alterung und den Abbau von Akkuzellen beeinflussen, gehören:
- Phase des Lastzyklus
- Potential
- Lokale Konzentration
- Temperatur
- Richtung des Stroms
Durch die Durchführung einer zeitabhängigen Analyse eines Akkus während des Zyklus ist es möglich, die Spannung während der Entladung zu ermitteln und die Kapazität sowohl mit der gesamten akkumulierten Zykluszeit als auch mit der Gesamtzahl der Zyklen zu vergleichen. Es ist auch möglich, den Elektrolytvolumenanteil und den Potentialabfall in der Deckschicht (SEI) in Abhängigkeit von der Zyklenzahl und dem lokalen SOC an den Separator-Elektroden-Grenzen zu analysieren. (Die SEI verleiht den Elektrolyten Isolierung und Leitfähigkeit.) Diese Faktoren können bei der Entwicklung von Akkus helfen, die für den langfristigen und konstanten Einsatz in selbstfahrenden Kraftfahrzeugen optimiert sind.
Nächste Schritte
Klicken Sie auf die Schaltfläche unten, um Details zu den speziellen Funktionen für die Modellierung von Akkus und Brennstoffzellen im Battery Design Module zu erhalten.
Zusätzliche Ressourcen
- Lesen Sie mehr über die Entwicklung energieeffizienter autonomer Fahrzeuge:
- Probieren Sie die Tutorial-Modelle aus, die in diesem Blogbeitrag vorgestellt werden:
Netflix ist eine eingetragene Marke von Netflix, Inc.
Kommentare (0)