Penuaan merupakan proses yang tak terelakkan akibat reaksi samping yang terdapat pada semua perangkat elektrokimia, termasuk sel baterai. Proses ini dapat mengakibatkan perubahan signifikan pada kapasitas dan resistansi perangkat seiring waktu, sehingga harus dipertimbangkan baik dalam fase tata letak sistem (misalnya, perlunya penambahan kapasitas awal) maupun dalam fase operasi sistem (misalnya, penyesuaian daya maksimum yang diizinkan untuk pengiriman sel).
Faktanya, berbeda dengan aplikasi yang tidak terlalu menuntut pada perangkat portabel, penggunaan baterai Lithium besi Fosfat yang menguntungkan pada aplikasi stasioner memerlukan pemahaman dan pemodelan terperinci tentang degradasi baterai: Aplikasi yang berlangsung lama dan menuntut akan menyebabkan penurunan kinerja dan kapasitas sistem penyimpanan dan dapat memengaruhi kasus bisnis secara keseluruhan secara signifikan melalui peningkatan biaya operasional (OPEX) dan khususnya biaya penggantian yang tinggi akibat degradasi.
Pemantauan Status Kesehatan (SOH) baterai oleh BMS lanjutan merupakan hal yang umum dilakukan untuk mengukur evolusi degradasi baterai yang berkelanjutan, yang mengakibatkan penurunan kapasitas dan peningkatan resistansi internal (yang terkait dengan penurunan kinerja daya puncak). Kapasitas baterai yang tersisa dapat dikaitkan dengan nilai nominalnya yang diperoleh dalam keadaan baru/bekas dalam kondisi uji standar. Berdasarkan peraturan transportasi dan persyaratan daya minimum spesifik aplikasi, indikator penggantian SOH (Standard Replacement Cap) telah ditetapkan. Dalam otomotif, SOH replace cap = 0,8 seringkali diterapkan, tetapi untuk aplikasi stasioner dan khususnya dalam konteks konsep masa pakai baterai kedua (second-life concept), nilai yang lebih rendah telah diusulkan.
Meskipun telah dipelajari selama bertahun-tahun dengan upaya berkelanjutan, kita tahu bahwa masa hidup LFP jauh lebih unggul dibandingkan
VRLA
, tetapi masih memahami dan memodelkan masa hidup
LFP
merupakan bidang penelitian yang berkelanjutan.
Dalam lingkungan yang menantang, jika pengguna tidak mengikuti petunjuk pengoperasian dari pabriknya, atau jika kualitas baterai dan BMS tidak memenuhi standar, maka berbagai mekanisme degradasi termasuk dekomposisi elektrolit, pembentukan lapisan pasif, keretakan partikel, dan pelarutan material aktif dapat ditangani secara individual pada level material dan sel baterai yang sering kali menyebabkan peningkatan resistansi, penurunan retensi kapasitas, dan/atau peningkatan risiko kondisi baterai yang tidak aman.
Pendekatan analisis dan pemodelan konvensional didasarkan pada pengujian baterai yang ekstensif dan menghasilkan model empiris yang seringkali kompatibel dengan pendekatan Model Sirkuit Ekuivalen (ECM) untuk penentuan kinerja sistem. Dengan pemahaman yang lebih baik tentang mekanisme kehilangan internal sel, semakin banyak model semi-empiris dan fisik yang telah dikembangkan dan berhasil digunakan untuk pemodelan sel. Baru-baru ini, Model Fisika-Kimia (PCM) non-empiris semakin diminati. Meskipun penggunaan model PCM untuk prediksi penuaan memungkinkan pemahaman yang lebih rinci tentang mekanisme kehilangan internal sel dan cara mengatasinya, masih menjadi tantangan terbesar untuk menemukan parameterisasi yang valid dari model tersebut dan untuk menskalakan model internal sel ke tingkat aplikasi yang relevan dari sistem baterai secara keseluruhan.
Dengan meningkatnya kemampuan pencatatan dan pengelolaan data, pendekatan berbasis data pada tingkat sistem penyimpanan juga semakin diminati akhir-akhir ini. Meskipun kemampuan pendekatan-pendekatan baru ini telah meningkat, masih diyakini bahwa untuk simulasi perilaku penuaan sistem penyimpanan penuh,
Sistem penyimpanan baterai LFP
atau baterai otomotif, akurasi tinggi dari model sel baterai tunggal sangatlah penting. Berbagai pendekatan menunjukkan kekuatan dan kekurangan masing-masing, dan tabel di bawah ini merangkum beberapa indikator untuk perbandingan sekilas.
|
Mendekati
|
Kekuatan
|
Tantangan
|
|
Model Fisika-Kimia (PCM)
|
Pemahaman presisi tinggi tentang mekanisme internal
|
Upaya komputasi yang tinggi Parameterisasi menantang
|
|
Model Empiris dan Semi-Empiris
|
Akurasi yang dapat diterima Upaya komputasi rendah
|
Wawasan terbatas tentang degradasi internal sel
|
|
Model Analisis dan Pendekatan Berbasis Data
|
Pemodelan langsung pada tingkat paket layak dilakukan
|
Jumlah data yang besar diperlukan
|
Selalu Melebihi
Baterai LFP
Dibuat menggunakan teknologi tercanggih dan pengujian yang presisi. BMS canggih dan ramah pengguna yang terintegrasi juga membantu memulihkan dan menganalisis SOH, SOC, dan informasi baterai lainnya, serta melindunginya dari segala risiko dan kegagalan. Hal ini memastikan usia baterai tetap terkontrol untuk memastikan keandalan pengoperasian.