Technoeconomic Analysis of Domestically Manufactured L(M)FPmaterials and Packs
Notice bibliographique
Résumé
There is an increased focus on offering low-cost, locally manufactured batteries for electric vehicle and grid storage applications. Lithium-ion battery manufacturing in the United States is currently dominated by nickel-based oxide chemistries partly because they have high energy densities, which lead to long range electric vehicles and lightweight consumer electronics. The one downside of nickel-containing materials is a high cost due to the price of nickel, cobalt (which is used in most materials), and lithium (where only up to 80% is active). Batteries made of phosphate-based cathode active materials – i.e., lithium iron phosphate (LiFePO 4 , LFP) and lithium iron/manganese phosphate (LiMn x Fe 1-x PO 4 , LMFP) – can potentially meet cost demands due to the low price of iron and manganese and their near-100% utilization of lithium. However, the cost and opportunities for domestically manufactured, phosphate-based materials and batteries are difficult to assess since these materials are typically manufactured overseas. This work seeks to estimate the cost of U.S. manufactured L(M)FP cathode active materials using two different production pathways: carbothermal and hydrothermal. Two pathways are investigated to provide insight into the undeveloped L(M)FP manufacturing sector in the U.S. and to provide sensitivities and ranges for the expected costs. Both pathways are modeled using a suite of technoeconomic models at Roland Berger and Argonne National Laboratory to translate the price of raw materials into cathode active material (CAM) costs when manufactured at scale within the United States. These costs are used to study the tradeoffs and opportunities for L(M)FP battery packs when compared to the leading competitive chemistry: lithium nickel manganese cobalt oxide (NMC). Case studies are conducted using the Battery Performance and Cost (BatPaC) Model at Argonne National Laboratory to translate the CAM costs into pack costs. The case studies assume electric vehicle packs with fixed volumes and demonstrate the tradeoffs and challenges of adopting phosphate active materials. This study provides insight into the main cost drivers and design considerations that increase the viability of U.S. manufactured L(M)FP packs.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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 ».