| dc.description.abstract | For å motverke klimaendringane, utvikle teknologi og senke kostnadar, så har ei rekkje elektriske ferjer vore sett i drift langs den norske kysten. Litium-ion batteri er teknologien som vert nytta til å lagre energi om bord i desse fartøya. Fleire av desse batteria har vore nytta i mange år, og har dermed blitt belasta både med omsyn på tal syklar og tid, noko som har ført til at kapasiteten til batteria har blitt redusert. Dette er difor ei dagsaktuell utfordring for ferjeselskapa.
Hovudmålet med denne oppgåva var i lys av denne utfordringa, å undersøkje korleis levetida til litium-ion batteri som er nytta om bord i ferjer kan aukast. Gode føringar på dette vil både kunne senke utgifter og spare miljøet. Med riktig strategi kan batteri nyttast lengre, og dermed redusere ressursbruken på både resirkulering og produksjon. Generelle løysingar kan også vere med å påverke mot ei aukande marin elektrifisering, noko som kan skape store miljøgevinstar.
Gruppa modellerte difor litium-ion batteri, og korleis desse aldrar ved hjelp av open kjeldekode programvara PyBaMM, som tilbyr ein unik fleksibilitet. Batteri modellen er skild frå parametrane, og fysiske modellar som skildrar kvar sin del av batterifysikken kan veljast etter behov. Vidare har brukarar kontroll over diskretisering og løysingsprogram. Det vart gjennomført ein studie på batteri modellane, som er implementert i PyBaMM. Denne studien viste at dei raske batteri modellane gav samanliknbare resultat med den tyngre Doyle-Fuller-Newman modellen. For å tilnærme reell og framtidig ferjedrift vart eit NMC-811 parameter sett valt. Den konstruert batteri modellen nytta desse parametrane saman med modellane for aldring som er implementert i PyBaMM. På denne måten blei kapasitetstapet som følgje av SEI, «lithium plating» og tap av aktivt materiale teke høgde for. Studiar på både parametrar, grid oppløysing og toleranse blei også gjennomført slik at dei mest føremålstenlege innstillingane blei nytta i simuleringane.
Byggjinga av batteri modellen var ein tidkrevjande prosess. PyBaMM er ei relativt ung programvare, og det kan difor vere utfordrande å finne svar på problem. Grunnen til dette er at eit redusert tal løysingar eksisterer på nettet, samanlikna med eldre programvare. Så vidt forfattarane er kjend, så er også dette den fyrste prosjekt oppgåva som nyttar PyBaMM ved NTNU. Forfattarane har difor konstruert metode, diskusjon, resultat og vedlegg slik at ein skal kunne setje seg inn i PyBaMM på ein effektiv måte. Ei rekkje forklaringar, og løysingar på problem er presentert. Tanken er at dette kan leggje til rette for god vitskap med PyBaMM.
Dei fyrste resultata som blei produsert var ikkje foreinleg med litteraturen, det var dermed tydeleg at ei feilsøking måtte gjennomførast. Dette løyste éin av to kjende problem, då det vart stadfesta at SEI modellen «interstitial-diffusion limited» bør nyttast. I tillegg til dette vart ei rekkje moglege problem utelukka, forfattarane har staka ut nokre steg vidare mot å avdekke løysinga på det siste problemet under vidare arbeid.
Det mest interessante resultatet i denne oppgåve er truleg forslaget til ei optimal SoC verdi algoritme. Ved bruk av denne algoritmen har det blitt vist at kapasitetstapet kan bli redusert, samanlikna med ei statisk SoC sykling. Resultatet må bli vidare bekrefta ved å gjennomføre fleire syklar, metoden for SoC sykling må også vidare validerast. PyBaMM utviklarane har skapt eit kraftig verktøy, som truleg vil føre til stor vitskapleg verdi. Programmet var tidkrevjande å setje seg inn i, men definitivt det riktige valet for denne oppgåva, då det gav ei djupare forståing for både batteri, aldring og modellering. | |
| dc.description.abstract | In order to counteract climate change, develop technologies, and reduce costs, a number of electric ferries have been put into service along the Norwegian coastline. Onboard these vessels, lithium-ion batteries are used as the means of storing energy. In many ferries, these batteries have been in use for years. Hence, they have had to withstand both time and cycling. Consequently, their capacity has gradually faded. For ferry companies, this presents a challenge. In light of this challenge, the principal objective of this thesis was to improve the lifetime of lithium-ion batteries on board ferries. A good approach to this can both reduce expenses and preserve the environment. If the correct strategy is used, batteries can be used for a prolonged period of time. This reduces the use of resources on production and recycling. A general solution can also help enable an increase in marine electrification, which can have a significant positive impact on the environment.
Therefore, the group used PyBaMM, an open-source tool that offers unique flexibility to model lithium-ion batteries and their ageing. In PyBaMM, the battery models are separated from the parameters, and physical models that describe their own unique part of the battery physics can be selected as required. Users can also control the discretisation and solver. A study on the battery models which are implemented in PyBaMM was conducted. According to this study, the fast battery models gave results comparable to those of the more complex Doyle-Fuller-Newman model. To approximate real and future ferry operations, an NMC-811 parameter set was selected. The constructed battery model used these parameters and all the ageing models, which are implemented in PyBaMM. With this approach, capacity loss from SEI, lithium plating, and loss of active material could be accounted for. A mesh refinement study and solver tolerance refinement study were conducted to ensure that the most appropriate simulation settings were used.
The process of building a custom battery model was time-consuming. As PyBaMM is a relatively young software, it can be difficult to find solutions to some problems. Compared to the older software, there are fewer solutions available online. Additionally, to the best of the authors' knowledge, this is the first project report that uses PyBaMM at NTNU. Therefore, the authors constructed methods, discussions, results, and appendices, in a manner such that readers are able to be familiarised with PyBaMM effectively. Several explanations and solutions to issues are also provided. This was intended to facilitate future scientific work with PyBaMM.
The initial results were not aligned with the literature, it then became evident that troubleshooting was required. This process resolved one of the two known issues, as it was affirmed that the «interstitial-diffusion limited» SEI submodel should be used. Additionally, a number of possible problems were ruled out, and the authors have outlined some possible next steps toward identifying the solution to the last problem.
The most significant result in this thesis is the proposal of an optimal SoC value algorithm. Compared to static SoC cycling, it has been shown to decrease capacity loss. More cycles are needed to confirm these results. The SoC cycling method also needs to be validated. The PyBaMM developers have created a powerful tool that could provide significant scientific value. In spite of the program being time consuming to become familiar with, it proved to be the most suitable, as it provided a deeper appreciation of both batteries, ageing and modelling. | |
