बैटरी डिज़ाइन को Debug करने का तरीका
(github.com/ionworks)- बैटरी डिज़ाइन range, output, safety, lifespan, weight और cost के बीच टकराव वाला “and” problem है; high energy और high output को एक साथ हासिल करना कठिन है, इसलिए design space को explore करने के लिए simulation की जरूरत होती है
- cell design में anode, cathode, electrolyte, separator, thickness, porosity, particle size, form factor जैसे कई variables होते हैं; 20 variables में हर एक के 3 values रखें तो 3,486,784,401 combinations बनते हैं
- lab में किसी single cell design को बनाकर characterize करने में कम-से-कम 1 दिन लगता है, accelerated aging test में 1 महीने तक लग सकता है, और नए design के 1 data point को build और test करने की लागत लगभग $1000 मानी जाती है
- graphite-silicon mixed anode energy density और output दोनों को बेहतर कर सकता है, लेकिन silicon में voltage hysteresis और lithiation के समय करीब 80% expansion से होने वाली cracking और aging की समस्या होती है
- PyBaMM battery mathematical modeling को Python में चलाकर voltage components, concentration distribution और particle size effects का विश्लेषण करता है, और 6500 data points को single core पर 2 घंटे से कम, parallel computation में 1 मिनट से कम समय तक घटा सकता है
बैटरी डिज़ाइन की “and” problem
- EV batteries में high energy या high output में से किसी एक तरफ झुकाव होना आसान है, और दोनों properties को एक साथ संतुष्ट करना कठिन है
- बहुत सारी high-energy batteries लगाने से range बढ़ सकती है, लेकिन acceleration के समय rated output कम होता है और system losses बढ़कर overheating हो सकती है
- overheating से निपटने के लिए cooling system को over-design करना पड़ता है, जिससे weight और cost बढ़ते हैं
- high temperature पर operate करने वाली battery capacity ज्यादा तेजी से खो सकती है
- battery design में energy और output के अलावा safety, lifespan, weight और cost जैसी constraints भी साथ में होती हैं
- electric aircraft में यह problem और बड़ी हो जाती है
- takeoff और landing के लिए जरूरी peak output, cruise के लिए जरूरी output से 10 गुना ज्यादा होता है
- output-prioritized design की जरूरत होती है, जिससे driving range या flight range की sacrifice होती है
Experimental design तेजी से explode क्यों करता है
- battery suppliers अलग-अलग uses के लिए कई designs test करते हैं, लेकिन एक design को बनाकर पूरी तरह characterize करने में कम-से-कम 1 दिन लगता है
- accelerated aging test वाले cells में 1 महीने तक लग सकता है
- cell को जोरदार repeated charge-discharge कराया जाता है और data को real driving scenarios तक extrapolate किया जाता है
- aging effects nonlinear होते हैं, इसलिए एक scenario से दूसरे scenario में transfer करना सरल नहीं होता
- single-cell basis पर एक नया battery design बनाकर test करने की लागत लगभग $1000 है
- design variables कई layers में stacked होते हैं
- materials: anode, cathode, electrolyte, separator
- solid material tuning values: thickness, porosity, particle size, mixed materials की composition
- geometry elements: cylindrical, prismatic और pouch form factors, 18650 जैसी sizes, number of tabs, current collector thickness
- safety elements: venting cap, central mandrel
- electrolyte composition भी बदल सकती है, और यहीं से महत्वपूर्ण differentiation निकल सकता है
- conservative तौर पर 20 items बदलें और हर item के लिए original value, high value और low value सिर्फ 3 options रखें, तब भी 3^20 = 3,486,784,401 combinations बनते हैं
- 1000 channels से parallelize करने पर भी हर channel को 10 लाख से ज्यादा experiments करने होंगे, कम-से-कम 10 लाख दिन लगेंगे और cost $1B से ज्यादा हो जाएगी
- यह combination explosion curse of dimensionality है, और battery development में खास तौर पर बहुत गंभीर दिखता है
Silicon anode की संभावना और समस्या
- graphite और silicon को मिलाकर बना anode high output बनाए रखने और energy density बढ़ाने, दोनों का लक्ष्य साध सकने वाला candidate है
- silicon में प्रति unit volume lithium को accommodate करने के लिए ज्यादा sites होते हैं, जिससे cell capacity बढ़ सकती है
- anode cell का negative electrode है, और lithium ions active material के crystal lattice में insert होते हैं
- lithium ion concentration बदलने पर lithiation आगे बढ़ता है
- यह electron transfer की जरूरत वाली electrochemical process है, और cell में current supply होने या निकलने पर होती है
-
Voltage hysteresis
- charging और discharging के दौरान ions host material के अंदर-बाहर move करते हैं, जिससे voltage बदलता है
- जिन intervals में crystal structure stable phase में बदलता है, वहाँ voltage change धीमा हो जाता है
- open-circuit potential और lithiation या capacity के derivative value dVdQ का analysis करके internal material का अनुमान लगाया जा सकता है
- material पता हो तो voltage से state of charge यानी SoC predict किया जा सकता है
- silicon में voltage hysteresis होता है, इसलिए बहुत slow cycles, जैसे दिन में 1 cycle में भी charge और discharge voltage paths अलग हो जाते हैं
- current को लगातार integrate करने वाली coulomb counting में sensor failure, low accuracy या systematic error हो तो समय के साथ prediction drift करने लगता है
- voltage को battery state के instant snapshot के रूप में इस्तेमाल किया जा सकता है, लेकिन यह equilibrium से दूरी, temperature, aging और charge-discharge direction से प्रभावित होता है
-
Expansion और cracking
- silicon particles lithiation होने पर delithiated state की तुलना में लगभग 80% बड़े हो जाते हैं
- expansion particle में ही stress पैदा करता है, और particle टूट जाए तो वह active material की तरह function नहीं कर सकता
- यह आसपास के host material को भी तोड़ सकता है या connections काट सकता है, जिससे active material inventory तेजी से घटती है और cell capacity कम होती है
- particles को छोटा करने से voltage hysteresis और expansion effects घटाने में मदद मिलती है
- छोटे particles silicon के प्रति unit mass active surface area को भी बढ़ाते हैं, जिससे battery reaction से जुड़े losses कम करने में मदद मिलती है
PyBaMM से voltage और internal state का analysis
- PyBaMM Python में लिखा गया open-source Battery Mathematical Modelling tool है
- example में
pybamm.lithium_ion.DFN()model औरChen2020parameters इस्तेमाल होते हैं - experimental conditions 2C पर 20 मिनट discharge और फिर 10 मिनट rest की configuration हैं
- discharge रोककर rest में जाने पर voltage में बड़ा बदलाव simulation में देखा जा सकता है
-
Voltage components breakdown
- PyBaMM voltage को कई overvoltage components में विभाजित करके देखने देता है
- equilibrium state में किसी specific state of charge का ideal potential open-circuit potential यानी OCP है
- non-equilibrium process में होने वाले voltage losses भी साथ में breakdown किए जाते हैं
- simulation में दिखने वाली बातें ये हैं
- cell voltage change का बड़ा हिस्सा lithiation या SoC के अनुसार open-circuit voltage change है
- current रुकते ही reaction overvoltage, electrolyte ohmic potential और electrode ohmic overpotential लगभग गायब हो जाते हैं
- concentration overvoltage ज्यादा धीरे-धीरे गायब होता है, यानी reaction न होने पर भी system के अंदर ion movement जारी रहता है
- discharge के दौरान electrolyte concentration loss लगभग 100 mV है, जो काफी बड़ा है, लेकिन active material के अंदर की तुलना में बहुत तेजी से गायब होता है, इसलिए electrolyte में diffusion आसान है
Particle size बदलकर model use की पुष्टि
- concentration profile देखने पर cathode particles के अंदर concentration radius direction में अभी समान नहीं है
- यह result दिखाता है कि cathode particle properties cell के rest के दौरान voltage relaxation behavior को प्रभावित कर सकती हैं
- example में मौजूदा cathode particle radius 5.22e-06 m है
- cathode particle radius को 3.0e-6 m करने पर rest state में voltage ज्यादा तेजी से flatten होता है
- छोटा particle size lithium ions को particle के अंदर-बाहर तेजी से diffuse करने देता है, जिससे cathode solid particles का rest के दौरान voltage में contribution ज्यादा जल्दी resolve होता है
- यह case दिखाता है कि model battery performance पर कई parameters के effects की जांच के लिए इस्तेमाल हो सकता है
Experimental space घटाने में computational models की भूमिका
- PyBaMM में silicon anode की hysteresis modeling example भी है
- simulation का single experiment कुछ seconds में run हो सकता है, और ज्यादा simple models ms-level पर run हो सकते हैं
- example का Ragone plot अक्सर बदले जाने वाले parameters को scan करता है और इसमें 6500 data points शामिल हैं
- हर run 1 second से कम हो तो single core पर sequentially चलाने पर भी 2 घंटे से कम लगते हैं
- parallel computation इस्तेमाल करने पर यही computation 1 मिनट से कम किया जा सकता है
- executable code
how-to-debug-your-battery.ipynbमें है
1 टिप्पणियां
Hacker News की टिप्पणियां
एक बार में सिर्फ एक factor बदलकर तीन points लेना Design of Experiments में पहले दिन सिखाए जाने वाले क्लासिक अक्षम तरीकों में से एक है
आम तौर पर यह उन लोगों का तरीका होता है जिन्हें इससे बेहतर तरीका नहीं पता होता, और जिनके पास formal statistics training बहुत कम होती है
अगर किसी आधुनिक experimental design जानने वाले ने किया होता, तो optimization के लिए अरबों runs की जरूरत नहीं पड़ती। पहले महत्वपूर्ण factors छांटने के लिए sequential design, यानी बुनियादी Pareto principle लागू करें, फिर response surface design या Gaussian process surrogate model से optimize करें, तो ज्यादातर मामलों में कुछ सौ, और बहुत हुआ तो कुछ हजार runs पर्याप्त होने की संभावना होती है। Douglas C. Montgomery की “Design and Analysis of Experiments” अच्छी introductory book है
लेख को physical battery और model, दोनों में possible optimization को cover करने के लिए काफी बढ़ाया जा सकता था। textbook share करने के लिए धन्यवाद। मुझे और साफ लिखना चाहिए था कि असल बात यह है: छोटे design space में यह approach खराब नहीं हो सकती, लेकिन batteries में space बेहद बड़ा होता है
दरअसल मैंने and problem को example के तौर पर लेकर Pareto frontier तक optimally पहुंचने पर एक paper co-author किया है। इस field में आने वालों को यह रोचक लग सकता है: https://www.sciencedirect.com/science/article/abs/pii/S03062... अगर full PDF चाहिए तो share कर सकता हूं
Taguchi द्वारा प्रस्तावित experimental design, process को प्रभावित करने वाले parameters और उनके levels को orthogonal arrays में व्यवस्थित करता है। factorial design के उलट, जिसमें सभी combinations test करने पड़ते हैं, Taguchi method combination pairs को test करता है, इसलिए न्यूनतम experiments से product quality पर सबसे ज्यादा असर डालने वाले factors पहचानने के लिए जरूरी data जुटाया जा सकता है, जिससे समय और resources बचते हैं
https://eng.libretexts.org/Bookshelves/Industrial_and_System...
battery tech थोड़ी सीखने के लिए मैं खुद एक solar generator बना रहा हूं। नाम अच्छा नहीं है, लेकिन यह Jackery या Blue Yeti जैसी चीजों के करीब है
मैंने 4 lithium iron phosphate cells, एक BMS, solar charge controller और कुछ अन्य parts लिए हैं। cell balancing, wiring आदि सीखनी पड़ी और यह सचमुच बहुत गहरा rabbit hole निकला
camping के दौरान fridge और lights चलाने के लिए मैंने 1.2kWh battery बनाई, और यह समान ready-made product की कीमत के आधे से भी कम में हो गया। बेशक सीखने में बहुत समय लगा, लेकिन वह तो free है
सबसे दिलचस्प एहसासों में से एक यह था कि पहले मैं industrial design को बहुत कम आंकता था। battery pack पहली नजर में कुछ sockets लगा एक चौकोर box भर लगता है, लेकिन उसे अच्छा दिखाना काफी मुश्किल था। अंदर components की wiring भी एक दिलचस्प challenge है
nameplate पर लिखी current rating पर भी भरोसा न करना बेहतर है। ऐसा device ढूंढना चाहिए जो पर्याप्त load absorb कर सके, उसे सच में लगाकर देखें, और confirm करें कि कोई भी cell thermal limits से ऊपर गरम तो नहीं हो रहा
एक और चीज है busbar corrosion। अगर किसी connection में थोड़ा resistance आ जाए और वह terminal काफी गरम हो जाए, तो समस्या पलक झपकते ही फट पड़ती है
अंत में, battery packs का सबसे बड़ा killer physical damage है। LiFePO4 हो तब भी cells को ठीक से secure और protect करना सचमुच जरूरी है
उससे battery tech के लिए नया सम्मान पैदा हुआ, और आज भी batteries मुझे थोड़ी-बहुत समझ से परे magic box जैसी लगती हैं
project में जिस हिस्से पर मुझे सबसे ज्यादा गर्व था, वह यह था कि हमारे पास advanced voltage/current logging equipment खरीदने के पैसे नहीं थे और current भी काफी high था। हमने voltmeter और analog ammeter को plywood पर cable ties से बांधा, और 2x4 लकड़ी को 90 degrees पर खड़ा करके camera लगा दिया। उसी हालत में ride करते हुए video shoot किया, जिससे time और दूसरे units match किए जा सके। video देखकर results को manually spreadsheet में डाला
यह तेज या high-precision नहीं था, लेकिन काम बढ़िया कर गया, और सबसे अहम बात, budget में आ गया
अगले कुछ सालों में सचमुच रोचक बात यह होगी कि cars से निकली batteries को grid storage या इस तरह के setups में home backup power के रूप में reuse करने के मामले बढ़ेंगे। आम तौर पर EV battery को original capacity के 80% पर पहुंचने पर end-of-life माना जाता है
लेकिन capacity इस पर भी निर्भर करती है कि उसे कितनी तेजी से cycle किया जाता है, और किस state-of-charge range में इस्तेमाल किया जाता है। state-of-charge window जितनी बड़ी होगी और cycling जितनी तेज होगी, battery पर stress उतना ज्यादा होगा और losses भी ज्यादा होंगे। car से निकली battery को box में रखकर धीमी और संकरी state-of-charge range में cycle करें, तो उसे कहीं ज्यादा लंबे समय तक इस्तेमाल किया जा सकता है
जानना चाहूंगा कि आपने कौन-सा case चुना। मेरे लिए personally वही सबसे tricky हिस्सा था
मैंने Amazon से एक मजबूत plastic ammo can case खरीदा था। Europe में इसे ढूंढना मुश्किल था
जो लोग इसे try करना चाहते हैं, उनके लिए Will Prowse के YouTube videos बेहतरीन हैं। अगर यह सामान्य battery है, यानी solar generator नहीं, तो आजकल खुद बनाना शायद सस्ता नहीं पड़ेगा। क्योंकि 1kWh LFP 12V battery लगभग 200 dollars में मिल सकती है
अगर आप बैटरी से चलने वाले hardware product development में इस्तेमाल होने वाले energy profiling tool में रुचि रखते हैं, तो Nordic Semiconductor के PPK II की जोरदार सिफारिश करता हूँ
उचित कीमत में आपको ऐसा hardware tool और software kit मिलता है जिससे वास्तविक energy usage की काफी अच्छी profiling की जा सकती है। जिन tools की कीमत इससे एक digit ज्यादा होती है, उनसे तुलना करने पर भी इसकी power profile देने की क्षमता उम्मीद से बेहतर है। अगर आप बैटरी पर चलने वाला hardware product design कर रहे हैं, तो ऐसा tool जरूरी है
यह विज्ञापन जैसा लग सकता है, लेकिन नहीं है। Nordic Semiconductor से मेरा कोई संबंध नहीं है। यह बस एक अच्छा tool है, और इस क्षेत्र में cost-effective विकल्प बहुत कम हैं, इसलिए इसे खुशी से recommend करता हूँ
ज्यादा power वाले DC loads के लिए Hall effect sensors होते हैं। आम तौर पर ये छेद वाले plastic case के रूप में होते हैं, और उस छेद से high-current wire को गुजारा जाता है। इन्हें आमतौर पर लगभग 5V DC power चाहिए होती है, और ये current के अनुपात में voltage output देते हैं
ये wire से निकलने वाले magnetic field को sense करते हैं, इसलिए direct connection की जरूरत नहीं होती, और high current या high voltage, या दोनों को measure करने के लिए अच्छे हैं। कुछ split-ring structure वाले होते हैं, जिससे मौजूदा wire को काटे बिना sensor को उसके चारों ओर लगाया जा सकता है
AC के लिए current transformers होते हैं, जिनकी installation method मिलती-जुलती है, और वे sense किए गए wire current के fixed ratio में छोटा current output करते हैं
Portable versions clamp-type AC/DC ammeters के रूप में होते हैं, जो आम tools हैं। ये सभी standard और reasonably priced चीजें हैं
सोच रहा हूँ कि क्या इससे मिलते-जुलते ऐसे devices की सिफारिश है जो 1A से ज्यादा supply कर सकें
https://www.nordicsemi.com/Products/Development-hardware/Pow...
Electronics के बिल्कुल beginner के लिए यह hardware इस्तेमाल करना कितना मुश्किल होगा? मदद करना चाहता हूँ इसलिए एक खरीदना चाहता हूँ, लेकिन circuits के मामले में लगभग novice हूँ
पोस्ट करने के लिए धन्यवाद। PyBaMM वाकई बहुत अच्छी तरह बनाया गया है। इसके बारे में पहली बार एक competing Julia package के webinar में पता चला था
हालांकि सोचता हूँ कि वास्तव में कितनी organizations नए products के लिए अपने खुद के cells design करती हैं। और ऐसे packages कितने validated हैं? मुझे पता है कि battery discharge data ज्यादा मात्रा में पाना महंगा और समय लेने वाला है
हो सकता है मेरा अनुभव मेरे विचारों को जरूरत से ज्यादा प्रभावित कर रहा हो। मेरे दिमाग में battery modeling का मतलब circuit simulator और सिर्फ वे effects शामिल करना है जो सामान्य batteries की बड़ी tolerances में दब नहीं जाएंगे
ज्यादा detailed physics modeling जिस क्षेत्र में दिलचस्प लगती है, वह rechargeable batteries की long-term degradation और wear modeling होगा। क्या उस दिशा में कोई tutorials या examples हैं?
Organization शब्द व्यापक है, लेकिन अगर मतलब companies से है, तो किसी न किसी तरह batteries से dealing करने वाली कुल companies में इसका अनुपात शायद काफी छोटा होगा। लेकिन उन companies की value असमान रूप से बड़ी है। बड़े auto manufacturers, aerospace जैसे extreme environments से निपटने वाली companies, और mining trucks को electrify करने वाली Fortescue जैसी heavy equipment companies के बारे में सोचिए
Cells और cell materials बनाने और cell design करने वाली हर company को physics modeling से निश्चित रूप से फायदा मिल सकता है। Package validation मजबूत है, और PyBaMM में peer-reviewed papers के बहुत citations हैं। किसी specific cell के simulation numbers की validation शायद कमजोर है, और यही industry का असली pain point है। ionworks इस समस्या को हल करने की कोशिश कर रहा है
Commercial cells के आधार पर PyBaMM model को parameterize करने पर कोई blog post हो तो दिलचस्प होगा
Simulation-based design करने वाले कई battery engineers शायद literature, X-ray आदि से parameters तय करने की similar process दोहराते होंगे
इसके बाद इस topic पर एक review paper भी आया: https://iopscience.iop.org/article/10.1088/2516-1083/ac692c/...
अगर आप ज्यादा hands-on guidance खोज रहे हैं, तो model parameterization के लिए open source tools भी हैं: https://github.com/pybop-team/PyBOP और https://github.com/paramm-team/pybamm-param
हर कोई blog platforms और personal blog sites लगातार नए बनाता रहता है, लेकिन असल में GitHub शुरू से ही perfect solution था
हमारे BattBot project के लिए हमने यह feature PyBaMM में डाला: https://github.com/pybamm-team/BattBot
इसे एक शानदार GSOC student ने बनाया था, जो अब CERN में काम करता है
लेख बेहद संक्षिप्त है। यह मेरी बैटरी को debug करने या किसी खास बैटरी के बारे में ज़्यादा नहीं है, बल्कि आम बैटरियों और कुछ probabilistic व qualitative measurements से profiling करने जैसा है
उदाहरण के लिए requirement
pybamm=24.1हैhttps://github.com/pybamm-team/PyBaMM
अगर रुचि हो तो silicon anode बैटरी सुधार के लिए सक्रिय रूप से research किए जा रहे materials में से सिर्फ़ एक है। असली holy grail anode side पर बिना किसी host material वाला lithium metal है। यह अंतिम energy density दे सकता है, लेकिन अभी तक commercialisation आम तौर पर सफल नहीं रहा है
pybamm.Experimentइस तरह natural language instructions लेता है? क्या कोई LLM इसे ज़्यादा structured format में parse करता है?“1C पर 1 घंटे charge करें, campfire के नीचे रखें, 1000C पर discharge करें, और marshmallow roast करें”
लेख दिलचस्प था, लेकिन यहाँ debug शब्द सही है या नहीं, पता नहीं। मुझे लगा था कि यह laptop या car battery को बहुत जल्दी drain कराने वाले software या electronic circuit bugs को debug करने पर लेख होगा
शीर्षक शायद “मेरे use case के लिए सही battery चुनने को model कैसे करें” या “battery design के trade-offs समझना” जैसा होना चाहिए था
मेरा मकसद यह समझना था कि कोई चीज़ optimal क्यों नहीं है
क्या यह library sodium batteries जैसे दूसरे electrolyte systems के लिए भी काम करने लायक parameterized है? Flow batteries का क्या? membrane के बीच दो fluids हों तो cracks इतनी बड़ी समस्या नहीं लगती
या कम-से-कम lead-acid batteries ही? यानी क्या यह “lithium debug” है?
Flow batteries में separator के दोनों तरफ forced convection को model करना पड़ता है, इसलिए नया model implementation चाहिए होने की संभावना ज़्यादा है, और PyBaMM इसे support करता है
मुझे पता है कि PyBaMM में काफ़ी modular modeling system है, लेकिन implemented models कैसे विभाजित हैं, यह पक्का नहीं पता
Sodium ion में physical phenomena असल में वही हैं, सिर्फ़ numbers अलग हैं, इसलिए यह काफ़ी हद तक संभव होना चाहिए। Flow batteries थोड़ी ज़्यादा कठिन हैं क्योंकि convection जैसी कुछ अहम processes जोड़नी पड़ती हैं
Lead-acid battery का example भी शामिल है। PyBaMM दरअसल Valentin के PhD के समय lead-acid batteries से शुरू हुआ था: https://sites.google.com/view/valentinsulzer/publications
अगर आप electric aviation की performance requirements में रुचि रखते हैं, जिनका लेख में सिर्फ़ संकेत है और गहराई से चर्चा नहीं की गई, तो यह open access paper शानदार है: https://pubs.acs.org/doi/full/10.1021/acsenergylett.8b02195