Da un punto di vista tecnico i sistemi di gestione delle batteria sono particolarmente recenti e hanno trovato nella improvvisa “ascesa” delle auto elettriche (in particolare quelle ibride, ma non solo) una fonte di richiesta e spinta in termini economici e di ricerca. Per questo motivo si stanno effettuando numerosi test prova in modo da verificare la bontà di quanto sviluppato a livello teorico, e di rendere il tutto commercializzabile.
Infatti la sfida è data dalla capacità di implementare algoritmi più complessi ed accurati, già ora presenti a livello sperimentale, in grado di supportare gli stress caratteristici di un funzionamento in un ambiente reale e non controllato come quello dei laboratori di ricerca.
La debolezza degli algoritmi non è l’unica sfida in atto, in quanto la diffusione dell’accumulo elettro-chimico per i servizi di rete ha imposto una maggior accuratezza e capacità di gestione dei dispositivi, in quanto la complessità del SdA e la necessità di assicurare prestazioni ottimizzate rappresentano un nuovo sviluppo nel settore.
Un nuovo filone di ricerca, nel campo delle auto elettriche con possibile interesse per i servizi di re-te, è il Prognostics and Health Management (PHM). L’algoritmo rappresenta una strategia costituita da particolari tecnologie e metodologie basate sulla raccolta dati in real-time (tra cui SOC, SOH e SOL), consentendo quindi al sistema di prendere le migliori decisioni riguardanti la gestione della batteria ed il controllo di possibili criticità specifiche risultanti dall’elaborazione dei dati.
Per quanto riguarda l’impossibilità di “verificare” le reazioni interne e le variazioni di carico, si sta pensando di combinare una tecnologia di regressione con con un modello state-space. L’utilizzo di un approccio con regressione consente di utilizzare i dati estrapolati durante i test in laboratorio per creare una curva di deperimento della specifica batteria, per poi essere confrontata istante per istante con i dati ottenuti in real time e creare una predizione dello stato complessivo del sistema [12].
Questo è solo un esempio particolarmente semplice ma efficace e facilmente implementabile, esisto-no tuttavia algoritmi più complessi in fase di studio, che, una volta resi implementabili, assicureranesisto-no prestazioni particolarmente elevate, dando ulteriore spinta all’utilizzo dei sistemi di accumulo nelle applicazioni ad alta potenza ed energia.
Capitolo 5
Modellistica
La continua ricerca di nuove soluzioni atte ad incrementare le prestazioni dello storage va di pari passo con lo sviluppo di una modellistica che sia in grado di simularne le dinamiche interne, in modo da fornire una “previsione” dello stato fisico e delle grandezze elettriche caratteristiche al variare delle condizioni di lavoro. L’utilità che può avere un modello equivalente è determinante per una serie di ragioni:
• consente di verificare il comportamento di una batteria durante una simulazione del servizio che le sarà richiesto poi nella pratica. Questo permette di determinare, innanzitutto, se la tipologia di accumulo scelta è la migliore, inoltre evidenzia le possibili problematiche nate dall’interazione di due o più sistemi. Infine, benchè possa essere trascurato, consente di effettuare dei test di verifica delle prestazioni senza dover spostare lo storage (che in molti casi è particolarmente ingombrante);
• i modelli estremamente precisi (ovvero, come vedremo, quelli elettrochimici), forniscono un supporto notevole nella fase di ricerca ed ottimizzazione dei materiali e delle configurazioni geometriche;
• la stima dello stato fisico e delle grandezze elettriche caratteristiche, non solo istante per istante ma anche come previsione di possibili cicli di lavoro, è determinante nell’effettuare una corr-retta gestione della batteria mediante il BMS, che sfruttando tali dati consente di ottimizzare le prestazioni e, al contempo, garantire modalità di funzionamento che ne preservino l’integrità.
Figura 5.1: Schema logico generalmente adottato per la creazione di un modello che supporti lo sviluppo
5.1. MODELLI ELETTROCHIMICI
Una volta evidenziata l’importanza nello svilluppo di un modello equivalente, è necessario sottolineare come tale processo segua una serie di passaggi logici al fine di ottimizzare il risultato conseguito, evi-tando che il modello sviluppato risulti impossibile da implementare e contemporaneamente fornendo indicazioni utili per lo studio della batteria stessa. Di seguito si fornisce un’estensione dei passaggi de-scritti in figura5.1, i quali risultano essere necessari al fine di garantire il mutuo supporto tra il modello e lo sviluppo tecnologico della batteria:
• identificazione dei parametri essenziali coinvolti nella cinetica del processo;
• modellizzazione del capacity fading;
• identificazione di possibili processi sconosciuti;
• incremento della vita cambiando le condizioni operative;
• incremento della vita cambiando le proprietà dei materiali attivi;
• incremento della densità di energia modificando i parametri progettuali;
• utilizzo di un elettrolita che migliori le performance;
• elaborazione di un estimatore di stato;
• realizzazione di un modello predittivo di controllo che comprenda la stima in real time del SOC e SOH;
• miglioramento dei protocolli di simulazione per ottimizzare il tempo di simulazione.
In letteratura sono presenti numerosi modelli che si sono sviluppati nel corso degli ultimi decenni, in quanto, come detto in precedenza, possono essere creati per scopi ampiamente diversi tra loro. Esistono infatti modelli interamente basati sulla descrizione dei fenomeni chimico-fisici caratteristici dei processi di carica/scarica, i quali risultano estremamente precisi ma presentano tempi di calcolo elevati e neces-sitano di una conoscenza particolarizzata della struttura interna e dei materiali usati. Viceversa, esistono modelli facilmente implementabili a partire da scarse informazioni inziali che però forniscono dati poco precisi.
In generale si può dire che, ad oggi, è impossibile ottenere una modellizzazione accurata senza intro-durre difficoltà computazionali, come è impossibile il viceversa. Per questo motivo è indispensabile conoscere al meglio i pro e i contro dei principali modelli, in modo da poter utilizzare il più funzionale in base all’utilizzo previsto [13].
Benchè i modelli siano estremamente numerosi e vari, essi possono essere catalogati nelle seguenti quattro categorie: • Modelli elettrochimici; • Modelli analitici; • Modelli stocastici; • Modelli circuitali.
5.1 Modelli elettrochimici
Questa tipologia di modello si pone l’obiettivo di incorporare la cinetica elettrochimica ed i fenomeni di trasporto interni alla cella in modo da ottenere una previsione accurata del comportamento della batteria. Di seguito vengono riportati i principali modelli in ordine crescente di complessità.
CAPITOLO 5. MODELLISTICA
Figura 5.2: Rappresentazione di una cella in un modello P2D
5.1.1 Single-Particle Model (SPM)
Rappresenta un modello che descrive, in via semplificata, i fenomeni di diffusione ed intercalazione riferiti ad una singola particella, considerando il catodo e l’anodo come una semplice espansione della particella in questione fino al raggiungimento della medesima superficie esterna. In questo modo ven-gono trascurati gli effetti del potenziale e della concentrazione tra le particelle interne agli elettrodi. Per queste considerazioni il modello viene simulato velocemente, ma solo sotto strette condizioni, come ridotte correnti di scarica ed elettrodi di piccolo spessore.
5.1.2 Ohmic porous-electrode model
In questo caso l’evoluzione comporta la presa in considerazione del potenziale sia degli elettrodi sia dell’elettrolita, trascurando però la variazione spaziale della concentrazione. Inoltre il modello permette una rappresentazione lineare, di tafel ed esponenziale della cinetica delle particelle, con l’aggiunta di alcuni particolari fenomeni come la dipendenza della conducibilità dalla porosità degli elettrodi.
5.1.3 Pseudo-Two-Dimensional Model (P2D)
Questo modello risulta essere un’espansione del precedente considerando, in aggiunta, la diffusione in tutti gli elementi attivi della cella e la cinetica descritta da Butler-Volmer. Come riportato in figura5.2, il modello descrive il comportamento interno degli elettrodi, dell’elettrolita, del separatore e dei collettori di corrente basandosi sulla teoria a soluzione concentrata.
Si possono ottenere stime della concentrazione e del potenziale dell’elettrolita, degli elettrodi e del se-paratore con simulazioni che vanno dai pochi secondi ai diversi minuti.
Può essere utilizzato come riferimento per ulteriori sviluppi diretti all’ottenimento di una migliore rappresentazione dei fenomeni interni [13].