Des jumeaux numériques pour améliorer la durée de vie des cellules de batterie sodium-ion et solide

Digital twins for lifetime enhancement of sodium ion and solid-state battery cells

• Auteur / Autrice : Imelda Cardenas sierra
• Direction : Alejandro Franco, Martin Petit
• Type : Projet de thèse
• Discipline(s) : Chimie-Chimie Informatique et Théorique-25DCH3
• Date : Inscription en doctorat le 11/01/2024
• Etablissement(s) : Amiens
• Ecole(s) doctorale(s) : Sciences, Technologie, Santé
• Partenaire(s) de recherche : Laboratoire : LRCS - Laboratoire de Réactivité et de Chimie des Solides

Mots clés

Mots clés libres

Sodium ion batteries

Batteries tout solide

Jumeaux numériques

Solid state batteries

Sodium ion batteries

Digital twins

Résumé

Les batteries sodium-ion et à semi-conducteurs comptent parmi les technologies post-lithium les plus intéressantes pour le stockage électrochimique de l'énergie. Dans le cas des cellules de batterie sodium-ion (SIB), les électrodes sont constituées d'un matériau actif, d'un additif de carbone et d'un liant, tandis que dans le cas d'une batterie à semi-conducteurs (SSB), les cellules sont constituées d'un matériau actif, d'un additif de carbone, d'un liant et d'un électrolyte solide (polymère et/ou céramique). Les performances et la durabilité de ces dispositifs dépendent fortement de la microstructure de l'électrode, c'est-à-dire de la manière dont les matériaux sont organisés spatialement au sein du volume de l'électrode. Cette organisation spatiale implique différents types d'interfaces entre les matériaux, conduisant à différentes limitations électrochimiques, de transport et mécaniques. Les performances et la durabilité de ces cellules dépendent également des conditions de cycle (décharge-charge) qui peuvent déclencher des mécanismes de dégradation (électro)chimiques et mécaniques conduisant à une perte de capacité. Dans l'état de l'art, l'optimisation des conditions de cyclage des SIB et SSB se fait par des approches d'essais et d'erreurs ou de plans d'expériences, qui s'avèrent inefficaces en termes de coût et de temps. Ce poste de doctorat, dans le cadre du projet BATMAN (financé dans le cadre du programme de recherche « PEPR Batteries »), vise à développer, valider et démontrer un jumeau numérique de la fonction des cellules SIB et SSB. Un tel jumeau numérique sera capable de prédire l'impact des conditions de fonctionnement (par exemple, taux C, fenêtre de tension, température) sur les indicateurs de performance (par exemple, évanouissement de capacité, pannes mécaniques dans le cas SSB) au niveau de la cellule. Ce jumeau numérique sera soutenu par des modèles d'apprentissage automatique alimentés par des données générées par des simulations informatiques du fonctionnement des cellules basées sur des modèles basés sur la physique d'ordre réduit et des modèles résolus en 3D utilisant les microstructures d'électrodes générées par des simulations de fabrication réalisées par un autre doctorant. Ces derniers modèles basés sur la physique prendront en compte les aspects de dégradation chimique et seront utilisés pour simuler le comportement de la batterie sur plusieurs cycles jusqu'à sa durée de vie complète. L'optimisation bayésienne sera utilisée en plus des modèles d'apprentissage automatique, afin d'optimiser les conditions de cyclage afin d'améliorer la durée de vie lors des cycles de charge-décharge. Les résultats obtenus seront comparés aux caractérisations expérimentales réalisées dans d'autres projets PEPR.

Sodium ion and solid-state batteries are among the most interesting post-lithium technologies for electrochemical energy storage. In the case of sodium ion battery (SIB) cells, electrodes are composites made of active material, carbon additive and binder, while in the case of solid-state battery (SSB) cells are made of active material, carbon additive, binder and a solid (polymeric and/or ceramic) electrolyte. The performance and durability of these devices strongly depend on the electrode microstructure, i.e. on the way the materials are spatially organized within the electrode volume. This spatial organization imply different types of interfaces between the materials, leading to different electrochemical, transport and mechanical limitations. The performance and durability of these cells also depend on the (discharge-charge) cycling conditions which might trigger (electro-)chemical and mechanical degradation mechanisms leading to capacity fade. In the state of the art, the optimization of the cycling conditions of SIBs and SSBs is made by trial and error or design of experiments approaches, which are inefficient in terms of cost and time. This PhD position, in the context of the BATMAN project (funded through the “PEPR Batteries” Research Program), aims at developing, validating and demonstrating a digital twin of the function of SIB and SSB cells. Such a digital twin will be able to predict the impact of operating conditions conditions (e.g. C-rate, voltage window, temperature) on performance indicators (e.g. capacity fade, mechanical failures in the SSB case) at the cell level. Such digital twin will be supported by machine learning models informed with data generated by computational simulations of cell operation based on reduced-order physics-based models and 3D-resolved models using the electrode microstructures generated by manufacturing simulations carried out by another PhD student. The latter physics-based models will account for chemical degradation aspects and will be used to simulate battery behavior from several cycles to full lifetime. Bayesian Optimization will be used on top of the machine learning models, in order to optimize the cycling conditions to enhance lifetime upon charge-discharge cycling. The obtained results will be compared to experimental characterizations carried out in other PEPR projects.