Accelerated Life Testing and Lifetime Prediction of Lithium Ion Batteries Connected to Wind Turbine
Authors
Diaz Gonzalez, Daniel ; Diosi, Robert
Term
4. term
Education
Publication year
2011
Submitted on
2011-05-31
Pages
101
Abstract
Mange elnets planer om at øge andelen af vindkraft gør det nødvendigt at håndtere vindens variable og uforudsigelige natur. For at gøre vindparker til pålidelige produktionsenheder, der kan levere grundlast, kan de kombineres med batterienergilagringssystemer (BES), som lagrer energi når det blæser og leverer den, når det ikke gør. En afgørende forudsætning for at bruge BES effektivt er at kende batteriernes levetid. Denne afhandling estimerer levetiden for lithiumjernfosfat (LiFePO4) celler ved hjælp af accelererede belastninger: høje temperaturer og høje strømhastigheder. I laboratoriet blev der anvendt et ladetilstands-(SOC) inputsignal baseret på en Forecast Improvement Service-simulering i Simulink, som dækkede ét helt år for at efterligne realistiske lade- og afladningsmønstre. To grupper af LiFePO4-celler blev testet ved 40 °C og 50 °C med en strømhastighed på 2C (dvs. cirka dobbelt den strøm, der svarer til batteriets nominelle kapacitet pr. time). De eksperimentelle data blev brugt til at bestemme parametre i en ækvivalent batterimodel, hvor parametrene blev justeret til også at afspejle aldringsprocesser. Den aldersbevidste model blev derefter anvendt i simuleringer, som gav levetidsestimater for en bestemt BES-størrelse ved brugerdefinerede temperaturer. Arbejdet giver en praktisk metode til at forudsige batterilevetid i vindkraftsystemer, hvilket er vigtigt for en stabil integration af vindenergi i elnettet.
Plans to increase wind power in the electrical grid highlight a key challenge: wind is variable and unpredictable, making it hard to provide steady base load. Pairing wind parks with Battery Energy Storage Systems (BES) can buffer this variability by storing energy when the wind blows and supplying it when it does not. A critical requirement for effective BES integration is to estimate battery lifetime accurately. This thesis estimates the lifetime of Lithium Iron Phosphate (LiFePO4) cells using accelerated stress factors: high temperatures and high current rates. In the lab, a state of charge (SOC) input profile based on a Forecast Improvement Service simulation in Simulink was applied, covering one full year to mimic realistic charge–discharge patterns. Two groups of LiFePO4 cells were tested at 40 °C and 50 °C with a current rate of 2C (i.e., roughly twice the current associated with the battery’s rated capacity per hour). The experimental data were used to identify parameters of an equivalent battery model, which was adjusted to account for ageing processes. This age-aware model was then used in simulations to produce lifetime estimates for a given BES size at user-defined temperatures. The work presents a practical approach to predicting battery life for wind power applications, supporting more reliable integration of wind energy into the grid.
[This abstract was generated with the help of AI]
Keywords
Documents