Population Balance Model of Formation and Growth of Solid Electrode Interphase in Lithium Ion Batteries
Notice bibliographique
Résumé
We develop a physical-statistical model for formation and growth of the solid electrolyte interphase (SEI) in the negative electrode of Li ion batteries. During charging/discharging cycles, the SEI layer forms via a reaction between lithium ions, electrons and solvent molecules. The growth of the SEI layer leads to capacity fade and an increase of the ion transport resistance. In addition, SEI growth decreases the total porosity. Our statistical modeling framework employs the Fokker-Planck theory and it uses a statistical particle density distribution function as input. Structure-changing processes at the particle level transform this statistical distribution, causing changes in battery performance, e.g. capacity fade and power fade. The present study focuses on the impact of SEI formation, explored within this modeling framework. To this end, we have formulated a set of kinetic and transport equations. The solution of the statistical model reveals a broadening of the initial statistical distribution of SEI thicknesses and a growth of the average thickness of SEI increases from 47 nm to 80 nm at 25 oC and C/2 charge rate after 1000 cycles. This results in a 5% reduction of the battery capacity as shown in Fig.1. The statistical model of SEI formation is used to perform a multi-objective optimization to find a set of optimized battery design parameters, which lead to minimizing the capacity loss and maximizing the power density. In this optimization, the weight between capacity loss minimization and power density maximization can be adjusted as desired, as shown in Fig. 2. Figure 1
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».