Учёные разработали новый метод точной оценки ёмкости домашних систем хранения энергии

Разработчики из Рейнско-Вестфальского технического университета Ахена, JARA-Energy и ACCURE Battery Intelligence GmbH представили метод для точной оценки ёмкости домашних систем хранения энергии. Этот новый подход, представленный в научном журнале Nature Energy, может существенно повысить надёжность и эффективность фотоэлектрических систем, применяемых в частных домах. Основой метода является детальный анализ литий-ионных аккумуляторов, которые используются в большинстве современных домашних систем накопления энергии.

Системы хранения энергии на основе литий-ионных батарей становятся всё более востребованными, так как они позволяют владельцам домов снижать зависимость от электросети и использовать больше собственной энергии, вырабатываемой солнечными панелями. Однако существующие методы измерения ёмкости и износа таких систем оставляли желать лучшего и зачастую не позволяли точно отслеживать деградацию батарей со временем.

Новый метод оценки ёмкости проходит через три ключевых этапа:

1. Определение полных и пустых состояний батареи – фиксируются моменты, когда батарея полностью заряжена или разряжена.
2. Расчёт ёмкости между этими состояниями – анализируется объём энергии, который можно сохранить между полным и пустым состояниями.
3. Использование кулоновского счёта с коррекцией тока смещения – это позволяет учитывать любые смещения тока, влияющие на точность измерений.

Исследования, проведённые с использованием нового метода, охватили 21 систему домашнего хранения энергии в Германии. Результаты показали, что ёмкость батарей в этих системах уменьшается в среднем на 2–3% в год. Ведущий автор исследования, Ян Фиггенер, отметил, что большинство систем выдерживают заявленный производителем срок службы благодаря предусмотренным резервам мощности. Это позитивный сигнал для отрасли, особенно учитывая, что речь идёт о первом поколении подобных продуктов.

Кроме того, разработчики создали обширную базу данных, содержащую данные о домашних системах хранения за последние 106 лет. Этот массив данных насчитывает 14 миллиардов точек и может стать ценным источником информации для дальнейших исследований и обучения моделей машинного обучения, используемых для анализа полевых данных.

На основе собранных данных команда исследователей планирует дальнейшее развитие методов оценки состояния батарей. «В скором времени мы сможем установить, какие именно процессы приводят к деградации ёмкости. Мы также работаем над созданием методик, которые помогут оценить состояние батарей, используя фазы релаксации напряжения и внутреннее сопротивление», — пояснил Фиггенер.