Nella presente attività è stata realizzata un’analisi preliminare dello stato dell’arte delle tecniche diagnostiche per il degrado delle batterie agli ioni di litio, individuando la spettroscopia di impedenza (EIS) come metodica ottimale rispetto a ICA e DVA. È stato sviluppato un algoritmo in ambiente Python, basato su un modello circuitale equivalente (ECM), che consente l'elaborazione e l'analisi automatizzata di una grande quantità di dati sperimentali di EIS per la quantificazione dei fenomeni di degrado tramite la loro associazione ai parametri dell’ECM. È stato creato un dataset contenente spettri EIS a differenti livelli di invecchiamento di celle agli ioni di litio, integrato con la relativa quantificazione dei fenomeni di degrado per le varie celle. Tale attività fornisce la base per lo sviluppo di nuovi modelli diagnostici, avendo anche integrato un approccio di machine learning in collaborazione con UNIME, in linea con i risultati attesi.

Report sulla mappatura dei fenomeni di invecchiamento di celle soggette a differente condizione operativa a sostegno dello sviluppo del tool di identificazione dello SOH (RE 35/25)

Salvatore Gianluca Leonardi;Giovanni Lucà Trombetta;Davide Aloisio;Gioacchino Musico';Francesco Salmeri;Samuele Di Novo;Nico Randazzo;Giovanni Brunaccini;Francesco Sergi
2025

Abstract

Nella presente attività è stata realizzata un’analisi preliminare dello stato dell’arte delle tecniche diagnostiche per il degrado delle batterie agli ioni di litio, individuando la spettroscopia di impedenza (EIS) come metodica ottimale rispetto a ICA e DVA. È stato sviluppato un algoritmo in ambiente Python, basato su un modello circuitale equivalente (ECM), che consente l'elaborazione e l'analisi automatizzata di una grande quantità di dati sperimentali di EIS per la quantificazione dei fenomeni di degrado tramite la loro associazione ai parametri dell’ECM. È stato creato un dataset contenente spettri EIS a differenti livelli di invecchiamento di celle agli ioni di litio, integrato con la relativa quantificazione dei fenomeni di degrado per le varie celle. Tale attività fornisce la base per lo sviluppo di nuovi modelli diagnostici, avendo anche integrato un approccio di machine learning in collaborazione con UNIME, in linea con i risultati attesi.
2025
Istituto di Tecnologie Avanzate per l'Energia - ITAE
Rapporto intermedio di progetto
Fenomeni di invecchiamento, Batterie al litio, LAM, LLI, CL, Incremental Capacity, Differential Voltage, EIS
File in questo prodotto:
File Dimensione Formato  
RE 35.25.pdf

solo utenti autorizzati

Descrizione: Report di progetto
Tipologia: Altro materiale allegato
Licenza: NON PUBBLICO - Accesso privato/ristretto
Dimensione 4.21 MB
Formato Adobe PDF
4.21 MB Adobe PDF   Visualizza/Apri   Richiedi una copia

I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.14243/558722
Citazioni
  • ???jsp.display-item.citation.pmc??? ND
  • Scopus ND
  • ???jsp.display-item.citation.isi??? ND
social impact