ETD

• batterie al litio
• electric vehicles
• lithium-ion batteries
• lithium-ion battery modeling
• modellazione di batterie al litio
• veicoli elettrici

Electric vehicles are nowadays an essential technology in fighting climate change and reducing the greenhouse gas emissions produced by road transportation. The growing awareness of the climate crisis and the consequent effort by international institutions have led, in recent years, to significant advancements in electric vehicle technology. As a result, electric vehicles can nowadays deliver performance comparable to that of fossil fuel vehicles, thus enabling a larger adoption of electric vehicles worldwide.
The current development stage of electric vehicles mainly relies on the development of lithium-ion batteries (LIBs) and their use as energy storage systems for mobility applications. In fact, such technology allows for higher energy and power densities, lower self-discharge, and longer cycle life than other electrochemical energy storage technologies. Thanks to these advantages, electric vehicles have been able to leave behind the ineffective storage systems of the late nineteenth century, step out of the garages of the high bourgeoisie, and return to modern roads as a mass‑market phenomenon.
Nonetheless, a wider adoption of electric vehicles is still currently hampered by three main challenges: the reduced driving range, the longer charging time, and the higher cost compared to fossil fuel vehicles. All these issues are caused by LIBs inherent limitations. In fact, the driving range is bounded by LIBs energy density, while longer charging times are required as LIBs cannot tolerate high charging currents without being damaged, and thus becoming subject to premature aging. Moreover, the higher cost of raw materials used in LIB manufacturing and the ethical and geopolitical issues related to their supply contribute to increasing electric vehicles final price. In addition, battery aging and the uncertainty in assessing the battery health grade further impair the residual economic value of the electric vehicle. As a result, potential buyers may feel discouraged from purchasing used electric vehicles, whose battery performance they may not be entirely confident about, as well as new ones, whose future resale value may decrease unpredictably due to battery degradation.
While these issues could be resolved or mitigated by future improvements in LIBs manufacturing, recycling processes, and by the use of alternative raw materials, it is also necessary to develop techniques that enable more effective use of existing and future technology. In particular, it is essential to develop battery models that allow the accurate estimation of the battery internal state and, thus, the accurate evaluation of the residual driving range for a certain usage profile and the detrimental effects caused by the same profile on battery health.
Currently, lithium-ion battery models are commonly classified in three types: the Equivalent Circuit Models (ECMs), Physics Based Models (PBMs), and Data-Driven ones. Data driven models achieve good accuracy, but the procedures used to train the model require a large amount of data. Unfortunately, such large datasets are not available at the moment due to the wide variety of available battery types and the secrecy surrounding industrial policies and manufacturing.
ECMs describe the external behavior of the battery by means of an electric circuit. These models allow good accuracy and low computational burden that make them largely used in the Battery Management Systems (BMSs) of real world applications. Nevertheless, ECMs do not provide any direct insight on the electrochemical reactions that occur inside the battery and are therefore unable to provide an accurate estimation of battery state and of residual performance.
Conversely, PBMs provide a detailed description of electrochemical processes that govern lithium-ion batteries. These models allow an accurate state estimation, but this comes at the cost of high computational burden and complex parameterization procedures that prevent the use of these models in real world applications.
This Ph.D. thesis investigates the improvement of the accuracy of model estimates through the use of parameterization techniques that do not resort to complex laboratory procedures, thus enabling their effective use in real-world applications. In particular, the thesis describes two of the activities carried out during the doctoral program: the development of a tuning procedure for an ECM parameter estimation algorithm and the investigation of the dependence between ECM and PBM parameter variation.
The first activity consists of the development of a tuning procedure for a Moving Window Least Squares algorithm for ECM parameter identification. The proposed procedure uses actual electric vehicle usage data as collected by its BMS and does not resort to laboratory tests or equipment. The procedure was validated on real data collected from a test vehicle over more than eight months of use, achieving accuracies comparable to those obtained by other literature methods that use, instead, laboratory tests carried out under controlled conditions. In addition, the accuracy obtained allows for the identification of early signs of battery aging. The proposed procedure appears therefore able to improve battery state estimation using only vehicle usage data and without imposing on the user the disadvantages of expensive calibration procedures.
The second activity uses a neural network to estimate the variations in some parameters of a PBM starting from the variations in the parameters of an ECM. In particular, the method targets a subset of PBM parameters closely linked to cell aging mechanisms. Given the lack of experimental datasets required to train the proposed network, this activity used a simulation approach to generate a synthetic dataset from a cell PBM. The trained network proved capable of estimating with high accuracy the variations in lithium-ion diffusivity parameters, and with good accuracy the parameters related to the ion intercalation in the cell electrodes. The proposed approach leverages parameter estimation capabilities of existing BMSs to enable the use of electrochemical models in real world applications, thus significantly improving battery state of health assessment and enabling advanced prognostics.
After investigating the improvement of battery models estimation capabilities, the thesis discusses the use of these models to optimize electric vehicle battery utilization and management. In particular, the third activity carried out during the Ph.D. consists in the creation of a simulation platform for assessing the impact of different usage and charging profiles on battery health. The platform is based on a simple electric vehicle traction model and a detailed ECM model of its battery. In particular, the battery model is equipped with electrical, thermal, and aging models of each individual cell in the electric vehicle battery pack. The platform is thus able to describe the electrical and thermal behavior of each individual cell and assess the degradation due to the specific usage profile. The platform is then used to compare different charging profiles and assess their long-term consequences on battery health.
Finally, the last contribution of the thesis discusses the repurposing of exhausted electric vehicle battery packs in second life applications. In fact, automotive applications require significantly high performance levels from battery packs, with the result that packs considered no longer suitable for automotive are sent to landfills even though they still have usable capacity. The idea of second life is to use battery packs discarded from their first automotive life in less demanding applications, such as stationary storage. This application significantly increases the residual economic value of the battery but requires more complex battery control. In fact, cells of second-life battery packs show a large performance variability that significantly compromises the performance of the entire pack, unless proper control mechanisms such as the dynamic balancing are used. This section proposes a methodology for studying and comparing the different balancing architectures focusing on their use in a dynamic balancing system for second life applications. The performed analysis has made it possible to highlight the potential and critical issues of individual topologies, qualifying the proposed methodology as a valuable support in the design of second-life battery packs.
In conclusion, this work thoroughly explores the main technical limitations that currently hinder the wider adoption of electric vehicles and proposes strategies to mitigate them, thus encouraging the adoption of more sustainable mobility and energy models.

I veicoli elettrici rappresentano oggigiorno una tecnologia chiave nel contrastare i cambiamenti climatici ed abbattere le emissioni di gas serra causate dal settore dei trasporti. La crescente consapevolezza delle criticità ambientali ed il conseguente sforzo della comunità internazionale hanno permesso, negli ultimi anni, di assistere a livello mondiale ad una sempre più vasta adozione dei veicoli elettrici. Tuttavia, se ciò è potuto accadere, è stato sulla base dei notevoli progressi tecnologici nel settore che hanno permesso ai veicoli elettrici di arrivare ad ottenere, nell’uso quotidiano, prestazioni comparabili a quelli dei veicoli a combustione interna.
In particolare, lo sviluppo delle batterie agli ioni di litio (LIB) ed il loro utilizzo come sistemi di accumulo per applicazioni di mobilità, rappresenta la chiave di volta su cui poggia lo sviluppo attuale dei veicoli elettrici. Questa tecnologia di accumulo, infatti, assicura densità di energia e di potenze superiori a quelle di altre tecnologie di accumulo elettrochimico e, al contempo, una minore autoscarica ed una vita media più estesa. È proprio lo sviluppo delle LIB ed i loro vantaggi ad aver permesso ai veicoli elettrici di uscire dalle pagine dei giornali e dalle rimesse dell’alta borghesia di fine ottocento, per tornare ad occupare le strade del mondo contemporaneo come fenomeno di massa.
Tuttavia, nonostante il grado di sviluppo raggiunto, la diffusione capillare dei veicoli elettrici è ancora in larga parte ostacolata da tre problematiche principali: l’autonomia ridotta, i lunghi tempi di ricarica ed il costo economico generalmente maggiore rispetto ai veicoli a combustione interna. Tutti aspetti, questi, strettamente legati alle caratteristiche delle stesse batterie agli ioni di litio: Se l’autonomia ridotta è legata alla densità energetica delle batterie, i lunghi tempi di ricarica sono dovuti all’impossibilità per le batterie di accettare elevate correnti di ricarica senza esserne danneggiate, subendo così una riduzione delle prestazioni della batteria e, a lungo andare, un invecchiamento precoce. D’altro canto, l’elevato costo delle materie prime necessarie alla realizzazione delle batterie agli ioni di litio e le criticità geopolitiche connesse al loro approvvigionamento contribuiscono significativamente ad innalzare il costo del veicolo elettrico per l’utente finale. In aggiunta, le problematiche relative all’invecchiamento della batteria ed alla valutazione del grado di prestazioni alimentano l’incertezza nel determinare il valore residuo del veicolo e della batteria. Come conseguenza di ciò, il potenziale utente risulta fortemente scoraggiato sia nell’acquisto di un veicolo elettrico usato, sulle cui prestazioni di batteria potrebbe non essere totalmente confidente, sia nell’acquisto di un veicolo nuovo, sulla cui potenzialità di rivendita potrebbe dubitare.
Se da un lato queste problematiche potrebbero essere risolte o mitigate da future migliorie nei processi realizzativi e di riciclo, e dall’utilizzo di materie prime alternative, dall’altro lato è necessario sviluppare tecniche che permettano un più efficace utilizzo della tecnologia esistente e anche, di quella futura. In particolare, lo studio di modelli di batteria che permettano di stimarne con accuratezza lo stato interno e, dunque, l’autonomia di guida residua connessa ad uno specifico profilo d’uso, di valutare l’entità degli eventuali fenomeni degenerativi causati dallo stesso profilo.
Attualmente, i modelli utilizzati per descrivere il comportamento delle batterie agli ioni di litio sono tipicamente divisi in tre tipologie principali: modelli equivalenti elettrici (ECM), modelli elettrochimici, e modelli data-driven. I modelli data-driven utilizzano un approccio black box e sono in grado di ottenere buone accuratezze, ma la loro applicabilità è fortemente vincolata alla disponibilità di larghe moli di dati su cui allenare i modelli. Tale disponibilità risulta però attualmente insufficiente e limitata dall’elevata varietà di batterie disponibile e dal riserbo dovuto a politiche industriali. I modelli equivalenti elettrici permettono di descrivere il comportamento elettrico ai terminali di batteria tramite un circuito equivalente e garantiscono buone accuratezze e facilità di implementazione grazie al basso carico computazionale. Per questa ragione, gli ECM sono ampiamente utilizzati nei Battery Management Systems (BMS) delle applicazioni reali. Ciononostante, gli ECM non forniscono informazioni dirette sulle reazioni che avvengono all’interno della batteria e, di conseguenza, non sono in grado di garantire, da soli, una precisa valutazione del grado di prestazioni residue della batteria.
Al contrario, i modelli elettrochimici forniscono una dettagliata descrizione dei meccanismi elettrochimici che governano il funzionamento delle batterie agli ioni di litio, permettendone una valutazione nettamente più accurata. Tuttavia, ciò avviene a costo di un elevato carico computazionale e di complicate procedure di parametrizzazione, tali da renderne impossibile l’utilizzo nelle applicazioni reali.
La tesi di dottorato proposta affronta il problema di migliorare l’accuratezza delle stime dei modelli tramite l’utilizzo di tecniche di parametrizzazione che permettano di ottenere una conoscenza più precisa dello stato di batteria, senza tuttavia far ricorso a procedure di laboratorio e consentendone dunque l’effettivo utilizzo nelle applicazioni reali.
In quest’ottica, la tesi descrive due delle attività svolte durante il percorso di dottorato: lo sviluppo di una procedura di tuning di un algoritmo di stima dei parametri di un modello ECM, e la lo studio delle relazioni tra le variazioni di parametri di un modello ECM e di un modello elettrochimico.
In particolare, la prima attività consiste nello studio di una procedura di ottimizzazione di un algoritmo Moving Window Least Square per l’identificazione dei parametri di un modello equivalente elettrico, a partire dai dati di utilizzo del veicolo elettrico direttamente raccolti dal rispettivo BMS. La procedura descritta è stata validata su dati reali raccolti in otto mesi di utilizzo di un veicolo di test, ottenendo accuratezze comparabili a quelle ottenute da altri metodi di letteratura validati, tuttavia, su test in laboratorio ed in condizioni controllate. In aggiunta a ciò, l’accuratezza delle stime ottenute ha permesso di identificare i primi segni di invecchiamento della batteria, suggerendo come la procedura proposta possa migliorare la stima dello stato di batteria utilizzando esclusivamente dati di utilizzo del veicolo e senza imporre all’utilizzatore gli svantaggi legati all’utilizzo di procedure di calibrazione specifiche.
La seconda attività consiste invece nell’utilizzo di un una rete neurale per stimare, a partire da variazioni nei parametri di un modello equivalente elettrico, le variazioni di parametri di un modello elettrochimico strettamente legati al grado di invecchiamento della cella. Data la scarsità e la difficolta nel reperire dati sperimentali necessari al training della rete proposta, questa attività ha utilizzato un approccio simulativo per generare un dataset sintetico a partire da un modello elettrochimico di cella. La rete proposta si è dimostrata in grado di stimare con ottima accuratezza le variazioni nei parametri legati alla diffusività degli ioni litio, e con buona accuratezza i parametri legati all’intercalazione degli stessi negli elettrodi della cella. L’approccio proposto permetterebbe l’utilizzo di un modello elettrochimico come digital twin di una batteria in scenari applicativi, sfruttando le capacità di stima dei parametri dei BMS già esistenti e migliorandone sensibilmente la valutazione del grado di invecchiamento e le possibilità di prognostica.
Dopo aver investigato le tematiche relative al miglioramento delle capacità di stima dei modelli di batteria, la tesi discute l’uso degli stessi per ottimizzare l’utilizzo e la gestione delle batterie nei veicoli elettrici. In particolare, viene illustrata la terza attività svolta nel corso del dottorato: la realizzazione di una piattaforma simulativa per la valutazione dell’impatto dei diversi profili di utilizzo e di ricarica sulla salute della batteria. La piattaforma si basa su un semplice modello di veicolo e su un modello di batteria in grado di descriverne il comportamento elettrico e termico per ogni singola cella, e di valutarne lo stato di salute attuale e la degradazione dovuta al profilo d’uso specifico. La piattaforma realizzata è quindi utilizzata per comparare diversi profili di ricarica, e valutarne le conseguenze di lungo termine sulla salute della batteria.
Infine, l’ultimo contributo della tesi discute l’opportunità di un utilizzo in seconda vita per i pacchi batteria esausti dei veicoli elettrici. Infatti, le applicazioni automotive richiedono prestazioni significativamente elevate dai pacchi batteria, con la conseguenza che i pacchi considerati non più adatti vengono destinati alla discarica pur presentando capacità ancora utilizzabili. L’idea del second life è quella di utilizzare i pacchi batteria dismessi dalla first-life automotive in applicazioni meno esigenti, come l’accumulo stazionario. Questa applicazione permetterebbe di aumentare considerevolmente il valore economico residuo della batteria ma richiede un controllo più complesso della batteria. Infatti, le celle dei pacchi batteria second-life presentano una notevole variabilità di capacità e parametri, che compromette significativamente le prestazioni del pacco intero, rendendo necessaria l’adozione di meccanismi di bilanciamento dinamico. In questa sezione viene proposta una metodologia per lo studio e la comparazione delle diverse architetture di bilanciamento utilizzabili in un sistema di bilanciamento dinamico. La metodologia proposta ha permesso di evidenziare le potenzialità e le criticità delle singole topologie, qualificandosi come un valido supporto nel design di pacchi batteria per second life.
In definitiva, il presente lavoro esplora approfonditamente le principali limitazioni di natura tecnica che attualmente ostacolano una maggiore diffusione dei veicoli elettrici, proponendo allo stesso tempo strategie volte a ridurne l’impatto e incoraggiare così l’adozione di una mobilità e di un modello energetico più sostenibile.