Volle kracht vooruit met lithium-ion batterijbeheer

Lithium-ijzerfosfaat (LFP)-batterijen winnen snel terrein in toepassingen als elektrische voertuigen en grootschalige energieopslag voor netstabilisatie. De technologie geldt als een duurzamer alternatief voor kobaltgebaseerde lithium-ionvarianten, dankzij beter beschikbare en minder belastende grondstoffen. Toch blijft het batterijbeheer achter bij deze ontwikkeling.

De huidige modellen voor batterijbeheer en integratie met hernieuwbare energiebronnen zijn grotendeels gebaseerd op concepten uit de jaren ’90. Ze steunen sterk op empirische aannames en vereenvoudigde benaderingen van batterijgedrag.

Dat leidt tot beperkingen in nauwkeurigheid, vooral onder dynamische omstandigheden zoals snelle laad- en ontlaadcycli. In toepassingen waar betrouwbaarheid cruciaal is – zoals netbalancering of elektrisch transport – vormt dat een groeiend knelpunt.

Bottom-up modelleren op nanoschaal

Een nieuwe benadering door Pierfrancesco Ombrini van de TU/Delft doorbreekt deze beperkingen door het probleem fundamenteel anders aan te pakken. In plaats van het gedrag van de batterij als geheel te modelleren, wordt de elektrode beschreven als een netwerk van elektrisch gekoppelde nanodeeltjes.

Deze bottom-up methode maakt het mogelijk om het gedrag van de batterij direct af te leiden uit fysische en elektrochemische processen op de kleinste schaal. Daarmee ontstaat een model dat niet afhankelijk is van empirische fitparameters, maar gebaseerd is op gevalideerde kinetiek.

Voorspelbaar gedrag na piekbelasting

Een belangrijk voordeel van deze aanpak is de mogelijkheid om batterijgedrag nauwkeurig te voorspellen op basis van de laad- en ontlaadgeschiedenis.

Dat is relevant in situaties waarin batterijen kort na piekgebruik opnieuw moeten presteren. In traditionele modellen wordt vaak overschat hoeveel vermogen direct beschikbaar is. Het nieuwe model laat zien dat interne dynamiek – zoals ionverdeling en spanningsgradiënten – deze prestaties tijdelijk kan beperken.

Verklaring voor temperatuurgevoeligheid

De nieuwe modellering biedt ook inzicht in bekende, maar onvoldoende begrepen fenomenen. Zo verklaart het waarom LFP-batterijen minder goed presteren bij lage temperaturen.

Op nanoschaal beïnvloeden temperatuurafhankelijke kinetische processen de snelheid waarmee lithium-ionen zich door het materiaal bewegen. Dit effect werkt door op systeemniveau en kan leiden tot merkbare prestatieverliezen, bijvoorbeeld in elektrische voertuigen tijdens winterse omstandigheden.

Van uren rekenen naar realtime simulatie

Naast nauwkeurigheid biedt de methode ook een aanzienlijk rekenvoordeel. Waar traditionele simulaties uren in beslag nemen, levert deze aanpak resultaten binnen circa 30 seconden.

Dat opent de deur naar realtime toepassingen, zoals:

• geavanceerde batterijmanagementsystemen (BMS)
• predictive maintenance
• dynamische optimalisatie van energieopslag

Impuls voor de energietransitie

De combinatie van fysisch onderbouwde modellen en snelle rekentijden maakt deze aanpak breed inzetbaar. Niet alleen voor huidige LFP-batterijen, maar ook voor toekomstige batterijchemieën en architecturen.

Daarmee ontstaat een krachtig instrument voor engineers die werken aan energieopslag, elektrificatie en netstabiliteit. Betrouwbaarder batterijbeheer betekent immers efficiënter gebruik van opslagcapaciteit – en dat is essentieel voor een energiesysteem dat steeds sterker leunt op hernieuwbare bronnen.

De stap van empirisch modelleren naar fysisch gedreven simulatie markeert daarmee een duidelijke koerswijziging. Voor batterijbeheer betekent dat: volle kracht vooruit.

⚠️ Geen vacatures gevonden.