배터리 노화를 마스터하는 방법

배터리 열화 모델은 셀이 시간과 사용에 따라 용량과 출력을 어떻게 잃는지 예측합니다. 상관 모델은 측정 데이터를 피팅하여 데이터가 존재하는 조건에서 작동합니다. 물리 기반 열화 모델은 열화 메커니즘을 규명하므로, 테스트하지 않은 조건에서도 열화된 셀을 시뮬레이션할 수 있습니다. 그러나 목표는 단순히 열화를 모델링하는 것이 아닙니다. 목표는 열화 문제 없이 완성된 배터리 시스템을 가능한 한 빨리 양산 승인하는 것입니다. 진술의 유효 기간만큼 테스트를 진행할 수 없기 때문에, 테스트와 모델의 조합만이 이를 가능하게 합니다. 그래서 Batemo의 접근 방식은 테스트와 모델링을 결합합니다.

사이클 노화는 충전과 방전으로 인해 발생합니다. 캘린더 노화는 셀이 정지 상태에 있는 동안 발생하며, 온도, 충전 상태 및 시간에 따라 달라집니다. 하루 대부분을 정지 상태로 사용하는 제품에서는 캘린더 노화가 지배적일 수 있습니다. 하나에 도움이 되는 운용 전략이 항상 다른 하나에도 도움이 되는 것은 아니기 때문에, 테스트 계획은 두 가지 모두를 포함해야 합니다.

열화 테스트는 예측하려는 마모를 셀이 실제로 겪어야 하기 때문에 수개월, 때로는 수년이 걸립니다. 가속 테스트는 기간을 단축하지만 조건이 달라집니다. 일반적인 테스트 매트릭스는 6개월 이내에 테스트를 완료하려 하지만, 이로 인한 고유한 문제가 발생합니다. 속도를 높이기 위해 Batemo의 열화 데이터베이스를 통한 초기 추정치를 즉시 제공하며, Batemo는 결과를 맥락에 맞게 해석할 수 있도록 지원합니다. 이를 바탕으로 테스트를 제안하고 테스트와 모델 간의 최적 연결을 구축하여 양산 승인에 더 빨리 도달할 수 있도록 합니다.

신중하게 사용해야 합니다. 상관관계 기반 방법은 데이터가 피팅된 범위에서만 정확합니다. 실제로 필요한 범위는 대개 데이터 범위를 벗어납니다. 물리적 프로세스를 기반으로 구축된 모델은 테스트된 지점 외부에서도 의미 있는 결과를 제공합니다. 핵심 시나리오는 반드시 테스트를 통해 검증해야 하며, 그 외의 방법은 신뢰할 수 없습니다.

여섯 가지 요인이 중요합니다. 온도 범위, 높은 충전 상태 유지 시간, 방전 깊이, 충전율, 방전율, 사이클 횟수입니다. 이 페이지의 계산기는 귀사의 운영 전략에 따라 각 요인의 노화 위험도를 매우 낮음에서 매우 높음까지 평가합니다. 이는 수명 예측이 아닌 스크리닝으로, 어떤 요인을 먼저 살펴봐야 하는지 알려줍니다.

검증된 198개 셀에 걸쳐 모델의 중앙값 편차는 검증 실험 대비 0.8 %입니다. Batemo는 모델에 대해 보증을 제공합니다. 더 정확한 배터리 셀 모델을 제시해 주신다면 전액 환불해 드립니다. 모든 모델의 정확도는 이 웹사이트의 각 셀 페이지에 공개되며, 모든 모델에 대해 검증 조건 하의 정확도를 상세히 보여주는 Excel 보고서를 제공합니다.