Comment déboguer la conception d’une batterie

 (github.com/ionworks)
1 points par GN⁺ 2024-07-29 | 1 commentaires | Partager sur WhatsApp
  • La conception d’une batterie est un problème de type « et » où autonomie, puissance, sécurité, durée de vie, poids et coût entrent en conflit ; comme il est difficile de satisfaire à la fois une énergie élevée et une puissance élevée, il faut explorer l’espace de conception par simulation
  • La conception d’une cellule comporte de nombreuses variables — anode, cathode, électrolyte, séparateur, épaisseur, porosité, taille des particules, facteur de forme — et 20 variables avec 3 valeurs chacune donnent 3 486 784 401 combinaisons
  • En laboratoire, créer et caractériser une conception de cellule unique prend au minimum 1 jour, et les tests de vieillissement accéléré peuvent prendre jusqu’à 1 mois ; le coût de construction et de test d’un point de données pour une nouvelle conception est estimé à environ 1 000 $
  • Une anode mixte graphite-silicium peut potentiellement améliorer à la fois la densité énergétique et la puissance, mais le silicium pose des problèmes d’hystérésis de tension et de fissuration/vieillissement dus à une expansion d’environ 80 % lors de la lithiation
  • PyBaMM exécute en Python la modélisation mathématique des batteries afin d’analyser les composantes de tension, les distributions de concentration et l’effet de la taille des particules ; 6 500 points de données peuvent être traités en moins de 2 heures sur un seul cœur, et en moins d’une minute avec du calcul parallèle

Le problème du « et » dans la conception des batteries

  • Les batteries de véhicules électriques tendent à privilégier soit une énergie élevée, soit une puissance élevée, et il est difficile de satisfaire simultanément ces deux caractéristiques
  • Ajouter beaucoup de batteries à haute énergie peut augmenter l’autonomie, mais leur puissance nominale est faible lors de l’accélération et les pertes système plus importantes peuvent provoquer une surchauffe
  • La réponse à la surchauffe conduit à surdimensionner le système de refroidissement, ce qui augmente le poids et le coût
  • Une batterie fonctionnant à haute température peut perdre sa capacité plus rapidement
  • Au-delà de l’énergie et de la puissance, la conception d’une batterie est aussi soumise à des contraintes de sécurité, de durée de vie, de poids et de coût
  • Dans les avions électriques, ce problème est encore plus important
    • La puissance de pointe nécessaire au décollage et à l’atterrissage est 10 fois supérieure à celle requise en croisière
    • Il faut donc une conception priorisant la puissance, au détriment de l’autonomie ou de la portée

Pourquoi la conception expérimentale explose rapidement

  • Les fournisseurs de batteries testent diverses conceptions adaptées à plusieurs usages, mais créer et caractériser complètement une conception prend au minimum 1 jour
  • Les cellules soumises à des tests de vieillissement accéléré peuvent prendre jusqu’à 1 mois
    • Les cellules sont fortement cyclées en charge/décharge, puis les données sont extrapolées à des scénarios de conduite réels
    • Comme les effets du vieillissement sont non linéaires, le passage d’un scénario à un autre n’est pas simple
  • Le coût de fabrication et de test d’une nouvelle conception de batterie, pour une seule cellule, est d’environ 1 000 $
  • Les variables de conception s’empilent sur plusieurs niveaux
    • Matériaux : anode, cathode, électrolyte, séparateur
    • Paramètres des matériaux solides : épaisseur, porosité, taille des particules, composition des matériaux mélangés
    • Éléments géométriques : facteurs de forme cylindrique, prismatique ou pouch, tailles comme 18650, nombre de languettes, épaisseur du collecteur de courant
    • Éléments de sécurité : cap de ventilation, mandrin central
    • La composition de l’électrolyte peut aussi varier, et c’est là que peuvent apparaître des différenciations importantes
  • Même en restant prudent, si l’on modifie 20 éléments et que chacun ne prend que 3 valeurs — valeur d’origine, valeur haute, valeur basse — on obtient 3^20 = 3 486 784 401 combinaisons
  • Même avec 1 000 canaux en parallèle, chaque canal devrait mener plus d’un million d’expériences, ce qui prendrait au minimum un million de jours et porterait le coût à plus de 1 Md$
  • Cette explosion combinatoire est la malédiction de la dimension, et elle se manifeste particulièrement fortement dans le développement des batteries

Potentiel et problèmes des anodes au silicium

  • Une anode mélangeant graphite et silicium est une candidate susceptible de maintenir une puissance élevée tout en améliorant la densité énergétique
  • Le silicium offre davantage de sites capables d’accueillir le lithium par unité de volume, ce qui peut augmenter la capacité de la cellule
  • L’anode est l’électrode négative de la cellule, et les ions lithium s’insèrent dans le réseau cristallin du matériau actif
    • Lorsque la concentration en ions lithium change, la lithiation progresse
    • Ce processus est électrochimique et nécessite un transfert d’électrons ; il se produit lorsque du courant est fourni à la cellule ou en est extrait

  • Hystérésis de tension

    • Pendant la charge et la décharge, la tension varie à mesure que les ions entrent et sortent du matériau hôte
    • Dans les plages où la structure cristalline passe à une phase stable, la variation de tension ralentit
    • L’analyse du potentiel en circuit ouvert et de la dérivée par rapport à la lithiation ou à la capacité, dVdQ, permet d’inférer les matériaux internes
    • Si l’on connaît le matériau, on peut prédire l’état de charge SoC à partir de la tension
    • Le silicium présente une hystérésis de tension : même avec des cycles très lents, par exemple 1 cycle par jour, les trajectoires de tension en charge et en décharge diffèrent
    • Le comptage coulombien, qui intègre continûment le courant, voit ses prédictions dériver dans le temps en cas de défaillance de capteur, de faible précision ou d’erreur systématique
    • La tension peut servir d’instantané de l’état de la batterie, mais elle dépend de l’écart à l’équilibre, de la température, du vieillissement et du sens charge/décharge

  • Expansion et fissuration

    • Lorsqu’elles sont lithiées, les particules de silicium deviennent environ 80 % plus volumineuses qu’à l’état délithié
    • Cette expansion crée des contraintes dans la particule elle-même, et si la particule se fracture, elle peut cesser de fonctionner comme matériau actif
    • Elle peut aussi fissurer le matériau hôte environnant ou rompre des connexions, ce qui réduit plus rapidement l’inventaire de matériau actif et diminue la capacité de la cellule
    • Réduire la taille des particules contribue à limiter l’hystérésis de tension et les effets d’expansion
    • Les petites particules augmentent aussi la surface active par unité de masse de silicium, ce qui aide à réduire les pertes liées aux réactions de la batterie

Analyser la tension et l’état interne avec PyBaMM

  • PyBaMM est un outil open source de Battery Mathematical Modelling écrit en Python
  • L’exemple utilise le modèle pybamm.lithium_ion.DFN() et les paramètres Chen2020
  • Les conditions expérimentales consistent en une décharge à 2C pendant 20 minutes, suivie de 10 minutes de repos
  • La simulation permet d’observer une forte variation de tension lorsque la décharge s’arrête et que la phase de repos commence

  • Décomposition des composantes de tension

    • PyBaMM permet de décomposer la tension en plusieurs composantes de surtension
    • À l’équilibre, le potentiel idéal pour un état de charge donné est le potentiel en circuit ouvert, ou OCP
    • Les pertes de tension qui apparaissent hors équilibre sont également décomposées
    • La simulation montre les points suivants
    • Une grande partie de la variation de tension de la cellule provient de l’évolution de la tension en circuit ouvert selon la lithiation ou le SoC
    • Au moment où le courant s’arrête, la surtension de réaction, le potentiel ohmique de l’électrolyte et la surtension ohmique des électrodes disparaissent presque
    • La surtension de concentration disparaît plus lentement, ce qui indique que les ions continuent de se déplacer dans le système même en l’absence de réaction
    • Pendant la décharge, la perte de concentration dans l’électrolyte est importante, environ 100 mV, mais elle disparaît beaucoup plus vite qu’à l’intérieur du matériau actif, ce qui montre que la diffusion est plus facile dans l’électrolyte

Utilisation du modèle via la modification de la taille des particules

  • Les profils de concentration montrent que la concentration à l’intérieur des particules de cathode n’est pas encore uniforme dans la direction radiale
  • Ce résultat indique que les propriétés des particules de cathode peuvent influencer le comportement de relaxation de la tension pendant le repos de la cellule
  • Le rayon initial des particules de cathode dans l’exemple est de 5.22e-06 m
  • Lorsque le rayon des particules de cathode est modifié à 3.0e-6 m, la tension s’aplanit plus rapidement au repos
  • Une plus petite taille de particules permet aux ions lithium de diffuser plus rapidement vers l’intérieur et l’extérieur des particules, de sorte que la contribution des particules solides de cathode à la tension pendant le repos se résorbe plus vite
  • Ce cas montre que le modèle peut servir à étudier l’influence de plusieurs paramètres sur les performances d’une batterie

Le rôle des modèles de calcul pour réduire l’espace expérimental

  • PyBaMM propose aussi un exemple de modélisation de l’hystérésis des anodes au silicium
  • Une expérience de simulation unique peut s’exécuter en quelques secondes, et des modèles plus simples peuvent s’exécuter à l’échelle de la milliseconde
  • Le Ragone plot de l’exemple balaie des paramètres fréquemment modifiés et inclut 6 500 points de données
  • Si chaque exécution prend moins d’une seconde, une exécution séquentielle sur un seul cœur prend moins de 2 heures
  • Avec du calcul parallèle, le même calcul peut être ramené à moins d’une minute
  • Le code exécutable se trouve dans how-to-debug-your-battery.ipynb

À lire aussi

1 commentaires

 
GN⁺ 2024-07-29
Avis de Hacker News

  • La méthode qui consiste à ne changer qu’un seul facteur à la fois et à relever trois points est l’exemple typique d’une approche inefficace qu’on apprend dès le premier jour en planification d’expériences.
    C’est plutôt le genre de méthode utilisée par des personnes qui n’en connaissent pas de meilleure et qui ont très peu de formation statistique formelle.
    Si quelqu’un maîtrisant les plans d’expériences modernes s’en était chargé, l’optimisation ne nécessiterait pas des dizaines de milliards d’exécutions. En commençant par un plan séquentiel pour filtrer les facteurs importants, c’est-à-dire en appliquant le principe de Pareto de base, puis en optimisant avec un plan de surface de réponse ou un modèle de substitution par processus gaussien, quelques centaines d’essais, voire quelques milliers au maximum, suffiraient probablement dans la plupart des cas. “Design and Analysis of Experiments” de Douglas C. Montgomery est une bonne introduction.

    • Entièrement d’accord. C’est l’un des aspects que PyBaMM ne fournit pas par défaut.
      L’article aurait pu être largement étendu pour traiter les optimisations possibles à la fois côté batterie physique et côté modèle. Merci pour la référence au manuel. Le point que j’aurais dû formuler plus clairement, c’est que dans un petit espace de conception cette approche peut ne pas être mauvaise, mais que pour les batteries l’espace est immense.
      J’ai d’ailleurs coécrit un article qui prend un problème comme exemple pour atteindre de façon optimale le front de Pareto. Cela peut intéresser les personnes qui arrivent dans ce domaine : https://www.sciencedirect.com/science/article/abs/pii/S03062... Je peux partager le PDF complet si besoin.
    • En planification d’expériences, les méthodes d’optimisation de Taguchi méritent aussi d’être examinées.
      Les plans d’expériences proposés par Taguchi organisent les paramètres qui influencent le procédé, ainsi que leurs niveaux, en plans orthogonaux. Contrairement aux plans factoriels, qui exigent de tester toutes les combinaisons, la méthode de Taguchi teste des paires de combinaisons ; elle permet donc de collecter, avec un minimum d’expériences, les données nécessaires pour identifier les facteurs ayant le plus d’impact sur la qualité du produit, ce qui économise du temps et des ressources.
      https://eng.libretexts.org/Bookshelves/Industrial_and_System...
    • Dans un domaine comme la conception de batteries, il est sans doute difficile de séparer mathématiquement les différents facteurs. Ce doit être assez non linéaire.
    • Si tester « un seul facteur à la fois » est l’une des méthodes les plus inefficaces, alors ce ne sont pas tout simplement des tests unitaires ?

  • J’essaie de construire moi-même un générateur solaire pour en apprendre un peu sur la technologie des batteries. Le nom n’est pas terrible, mais c’est plutôt le genre de produit comme Jackery ou Blue Yeti.
    J’ai récupéré quatre cellules lithium-fer-phosphate, un BMS, un contrôleur de charge solaire et diverses pièces. J’ai dû apprendre l’équilibrage des cellules, le câblage, etc., et c’était clairement un sacré terrier de lapin.
    J’ai fabriqué une batterie de 1,2 kWh pour alimenter un réfrigérateur et l’éclairage en camping, pour moins de la moitié du prix d’un produit du commerce équivalent. Bien sûr, j’y ai passé énormément de temps pour apprendre, mais ça, c’est gratuit.
    L’une des prises de conscience les plus intéressantes, c’est qu’avant, je sous-estimais énormément le design industriel. Au premier abord, un pack batterie n’est qu’une boîte rectangulaire avec quelques prises, mais le rendre agréable à regarder est assez difficile. Le câblage des composants internes est aussi un casse-tête intéressant.

    • À noter : les BMS bas de gamme n’ont souvent pas de coupure de charge à basse température. Si tu ne l’as pas encore fait, mieux vaut tester ça.
      Il vaut aussi mieux ne pas faire confiance au courant nominal indiqué sur la plaque signalétique. Il faut trouver un appareil capable d’absorber une charge suffisante, l’appliquer réellement, et vérifier qu’aucune partie des cellules ne chauffe au point de dépasser ses limites thermiques.
      Autre point : la corrosion des barres omnibus. Si une petite résistance apparaît sur l’une des connexions et que cette borne chauffe suffisamment, les problèmes peuvent surgir très vite.
      Enfin, le plus grand tueur de packs batterie reste les dommages physiques. Même avec du LiFePO4, il est vraiment important de bien fixer et protéger les cellules.
    • Pour mon projet de fin d’études en génie mécanique, j’ai remplacé la batterie au plomb d’un skateboard électrique par des batteries nickel-hydrure métallique. En 2008, le prix des batteries au lithium était hors de portée d’un budget étudiant.
      Cela m’a donné un nouveau respect pour la technologie des batteries, et aujourd’hui encore les batteries me semblent un peu comme des boîtes magiques incompréhensibles.
      La partie du projet dont j’étais le plus fier, c’est que nous n’avions pas l’argent pour acheter du matériel haut de gamme d’enregistrement tension/courant, et que le courant était assez élevé. Nous avons fixé un voltmètre et un ampèremètre analogique sur une plaque de contreplaqué avec des serre-câbles, puis dressé un tasseau 2x4 à 90 degrés pour y attacher une caméra. Nous roulions ainsi en filmant, ce qui permettait de faire correspondre le temps avec les autres unités. Ensuite, en regardant la vidéo, nous reportions manuellement les résultats dans une feuille de calcul.
      Ce n’était ni rapide ni très précis, mais ça fonctionnait bien et, surtout, ça tenait dans le budget.
    • Super. J’aimerais essayer aussi, mais mes compétences de bidouille restent assez enfermées dans le domaine numérique.
      Ce qui va être vraiment intéressant dans les prochaines années, c’est l’augmentation du réemploi des batteries issues de voitures, pour du stockage réseau ou comme alimentation de secours domestique dans ce type de configuration. En général, une batterie de voiture électrique est considérée en fin de vie lorsqu’elle atteint 80 % de sa capacité d’origine.
      Mais la capacité dépend aussi de la vitesse à laquelle on la fait cycler et de la plage d’état de charge utilisée. Plus la fenêtre d’état de charge est large et plus le cyclage est rapide, plus la batterie subit de stress et plus les pertes sont importantes. Si l’on place une batterie sortie d’une voiture dans un boîtier et qu’on la fait cycler plus lentement, sur une plage d’état de charge plus étroite, elle peut durer beaucoup plus longtemps.
    • J’ai fabriqué presque la même chose. Sans le solaire, seulement avec un onduleur et de l’USB.
      Je suis curieux de savoir quel boîtier tu as choisi. Personnellement, c’était la partie la plus délicate.
      J’ai acheté sur Amazon une caisse à munitions rigide en plastique. C’était difficile à trouver en Europe.
      Pour ceux qui voudraient tenter l’expérience, les vidéos YouTube de Will Prowse sont excellentes. Pour une batterie ordinaire, c’est-à-dire pas un générateur solaire, je ne pense pas qu’il soit aujourd’hui moins cher de la fabriquer soi-même, puisqu’on peut acheter une batterie LFP 12 V de 1 kWh pour environ 200 dollars.
    • En construisant soi-même, on apprend beaucoup de choses qui ne sont généralement pas partagées. Ce type de travail demande un effort assez important, donc la plupart des gens ne s’y mettent pas.

  • Si vous vous intéressez aux outils de profilage énergétique utilisables pour développer des produits matériels alimentés par batterie, je recommande vivement le PPK II de Nordic Semiconductor.
    Pour un prix raisonnable, on obtient un outil matériel et un kit logiciel capables de profiler assez correctement la consommation d’énergie réelle. Même comparé à des outils qui coûtent un ordre de grandeur de plus, sa capacité à fournir des profils de puissance dépasse les attentes. Si vous concevez un produit matériel fonctionnant sur batterie, ce genre d’outil est indispensable.
    On dirait une pub, mais ce n’en est pas une. Je n’ai aucun lien avec Nordic Semiconductor. C’est simplement un bon outil, et il existe peu d’options rentables dans ce domaine, donc je le recommande volontiers.

    • Cet outil s’adresse à ceux qui doivent maximiser l’autonomie de la batterie de petits appareils.
      Pour des charges en courant continu de puissance plus élevée, il existe des capteurs à effet Hall. Ils se présentent généralement sous la forme d’un boîtier plastique percé d’un trou, par lequel on fait passer un câble à fort courant. Ils nécessitent en général une alimentation continue d’environ 5 V et produisent une tension proportionnelle au courant.
      Comme ils détectent le champ magnétique émis par le câble, ils ne nécessitent pas de connexion directe, ce qui est pratique pour mesurer de forts courants, de hautes tensions, ou les deux. Certains ont une structure en anneau ouvrant, qui permet de les installer autour d’un câble existant sans le couper.
      Pour le courant alternatif, il existe des transformateurs de courant, dont le mode d’installation est similaire et qui produisent un faible courant selon un rapport fixe par rapport au courant du câble mesuré.
      Les versions portables sont les pinces ampèremétriques AC/DC, un outil courant. Ce sont tous des équipements standard, à des prix raisonnables.
    • Le PPK II de Nordic Semiconductor a l’air bien. D’après la page produit, il peut « mesurer et, en option, fournir du courant de moins du microampère jusqu’à 1 A ».
      Je me demande s’il existe des recommandations pour des appareils similaires capables de fournir plus de 1 A.
    • Les personnes qui développent Sensor Watch ont aussi utilisé le Power Profiler Kit II pour tester la consommation électrique. Ça a vraiment l’air d’un excellent appareil.
      https://www.nordicsemi.com/Products/Development-hardware/Pow...
      À quel point ce matériel serait-il difficile à utiliser pour quelqu’un qui n’y connaît rien en électronique ? J’aimerais en acheter un pour aider, mais je suis presque débutant en circuits.
    • Bon à savoir. Je me demande si vous développez du matériel alimenté par batterie.

  • Merci pour le partage. PyBaMM est vraiment bien fait. Je l’ai découvert lors d’un webinaire d’un package Julia concurrent.
    Cela dit, je me demande combien d’organisations conçoivent réellement leurs propres cellules pour de nouveaux produits. Et dans quelle mesure ces packages ont-ils été validés ? Je sais qu’obtenir beaucoup de données de décharge de batteries coûte cher et prend du temps.
    Mon expérience influence peut-être trop ma façon de voir les choses. Pour moi, la modélisation de batteries consiste plutôt à utiliser des simulateurs de circuits et à n’inclure que les effets qui ne seront pas noyés dans les larges tolérances des batteries courantes.
    Le domaine où une modélisation physique plus détaillée me semble intéressant serait la modélisation du vieillissement et de l’usure à long terme des batteries rechargeables. Existe-t-il des tutoriels ou des exemples dans cette direction ?

    • Bonne question. Si vous développez de nouveaux matériaux en laboratoire, les modèles fondés sur la physique présents dans PyBaMM devraient être utiles.
      Le mot organisation est large, mais si l’on parle d’entreprises, la proportion est probablement assez faible parmi toutes celles qui travaillent d’une manière ou d’une autre avec des batteries. En revanche, la valeur de ces entreprises est disproportionnée. Pensez aux grands constructeurs automobiles, aux entreprises de l’aérospatial confrontées à des environnements extrêmes, ou encore aux fabricants d’équipements lourds comme Fortescue, qui électrifient des camions miniers.
      Toutes les entreprises qui fabriquent des cellules et des matériaux de cellules, et qui conçoivent des cellules, peuvent clairement bénéficier de la modélisation physique. La validation du package est plutôt solide, et PyBaMM cite de nombreux articles évalués par les pairs. La validation chiffrée des simulations pour une cellule donnée est probablement plus faible, et c’est un vrai point douloureux pour l’industrie. ionworks essaie de résoudre ce problème.

  • Un billet de blog sur la paramétrisation d’un modèle PyBaMM à partir d’une cellule commerciale serait intéressant.
    Beaucoup d’ingénieurs batterie qui font de la conception basée sur la simulation doivent répéter un processus similaire pour déterminer les paramètres à partir de la littérature, de rayons X, etc.

  • Tout le monde continue à créer de nouvelles plateformes de blog et de nouveaux sites de blogs personnels, alors qu’en réalité GitHub était la solution parfaite dès le départ.

    • Oui. Tout ce qu’il faut, c’est un README et un package Python capable de créer des GIF.
      Nous avons ajouté cette fonctionnalité à PyBaMM pour notre projet BattBot : https://github.com/pybamm-team/BattBot
      Elle a été créée par un excellent étudiant GSOC qui travaille maintenant au CERN.

  • L’article est extrêmement concis. Il ne parle pas vraiment de déboguer ma batterie ni d’une batterie particulière ; il s’agit plutôt de profiler des batteries en général à l’aide de quelques mesures probabilistes et qualitatives
    Par exemple, la dépendance requise est pybamm=24.1
    https://github.com/pybamm-team/PyBaMM

    • Dommage que cela t’ait paru concis. C’était conçu comme une brève introduction, et j’espérais que les personnes qui trouveraient ça un peu intéressant ou lié à leur problème iraient lire les exemples plus détaillés de PyBaMM
      Si le sujet t’intéresse, les anodes au silicium ne sont qu’un des matériaux activement étudiés pour améliorer les batteries. Le Graal, ce serait le lithium métal, sans aucun matériau hôte côté anode. Il pourrait offrir la densité énergétique ultime, mais sa commercialisation n’a globalement pas encore réussi
    • pybamm.Experiment accepte-t-il des instructions en langage naturel comme ça ? Est-ce qu’un LLM les parse vers une forme plus structurée ?
      « Charger à 1C pendant 1 heure, laisser sous un feu de camp, décharger à 1000C, et faire griller des marshmallows »

  • L’article était intéressant, mais je ne suis pas sûr que le mot débogage convienne ici. Je pensais que ce serait un article sur le débogage de bugs logiciels ou de circuits électroniques qui font se vider trop vite la batterie d’un ordinateur portable ou d’une voiture
    Le titre aurait plutôt été quelque chose comme « Comment modéliser le choix d’une batterie adaptée à mon usage » ou « Comprendre les compromis dans la conception des batteries »

    • Remarque pertinente. Je pense avoir pris quelques libertés. J’ai tendance à appliquer le vocabulaire de la programmation à la vie quotidienne
      Mon intention était de chercher à comprendre pourquoi quelque chose n’est pas optimal

  • Cette bibliothèque est-elle suffisamment paramétrable pour fonctionner avec d’autres systèmes d’électrolytes, comme les batteries sodium-ion ? Et les batteries à flux ? S’il s’agit de deux fluides séparés par une membrane, les fissures ne semblent pas être un si gros problème
    Ou même simplement les batteries au plomb ? Autrement dit, est-ce du « débogage du lithium » ?

    • Les modèles inclus par défaut dans PyBaMM peuvent s’appliquer aux batteries sodium-ion et aux batteries au plomb. C’est-à-dire au modèle Doyle-Fuller-Newman complet ou à sa simplification en modèle à particule unique
      Les batteries à flux nécessiteraient très probablement d’implémenter un nouveau modèle, car il faut modéliser la convection forcée de part et d’autre du séparateur, et PyBaMM le permet
      Je sais que PyBaMM dispose d’un système de modélisation relativement modulaire, mais je ne sais pas exactement comment les modèles implémentés y sont découpés
    • PyBaMM est techniquement indépendant de la chimie, mais il est vrai que la plupart des exemples concernent le lithium-ion
      Le sodium-ion devrait tout à fait être possible, car la physique est essentiellement la même et seuls les chiffres changent. Les batteries à flux sont un peu plus délicates, car elles nécessitent d’ajouter quelques processus importants comme la convection
      Il y a aussi un exemple de batterie au plomb. En fait, PyBaMM a commencé avec les batteries au plomb quand Valentin était en doctorat : https://sites.google.com/view/valentinsulzer/publications

  • Si les exigences de performance de l’aviation électrique, seulement suggérées dans l’article sans être approfondies, vous intéressent, cet article en accès ouvert est excellent : https://pubs.acs.org/doi/full/10.1021/acsenergylett.8b02195