Starzenie się jest procesem nieuniknionym, spowodowanym reakcjami ubocznymi zachodzącymi we wszystkich urządzeniach elektrochemicznych, w tym także w ogniwach akumulatorowych. Może to skutkować znaczącymi zmianami wydajności i rezystancji urządzenia w czasie, dlatego należy je uwzględnić zarówno w fazie projektowania systemu (np. konieczność przewymiarowania początkowej wydajności), jak i w fazie eksploatacji systemu (np. dostosowanie maksymalna dozwolona moc wysyłania komórki).

W rzeczywistości, w przeciwieństwie do mniej wymagających zastosowań w urządzeniach przenośnych, opłacalne wykorzystanie baterii litowo-żelazowo-fosforanowej w zastosowaniach stacjonarnych wymaga szczegółowego zrozumienia i modelowania degradacji baterii: Długotrwała i wymagająca aplikacja spowoduje zarówno zmniejszenie wydajności, jak i pojemności baterii systemu magazynowania i może znacząco wpłynąć na ogólne uzasadnienie biznesowe poprzez zwiększone koszty operacyjne (OPEX) i szczególnie wysokie koszty wymiany spowodowane degradacją.

Powszechnym zjawiskiem jest monitorowanie stanu akumulatora (SOH) za pomocą zaawansowanego BMS w celu ilościowego określenia ciągłego rozwoju degradacji akumulatora, skutkującego zarówno spadkiem pojemności, jak i wzrostem rezystancji wewnętrznej (powiązanym ze spadkiem wydajności mocy szczytowej). Pozostałą pojemność akumulatora można odnieść do jego wartości nominalnej uzyskanej w stanie nowym/używanym w standardowych warunkach testowych. Ze względu na przepisy transportowe i wymagania dotyczące minimalnej mocy specyficzne dla danego zastosowania, zdefiniowany jest wskaźnik wymiany SOH. W motoryzacji często stosuje się limit wymiany SOH = 0,8, ale w zastosowaniach stacjonarnych, a zwłaszcza w kontekście koncepcji drugiego życia, proponowane są niższe wartości.

Pomimo wielu lat ciągłych badań wiemy, że czas życia LFP jest znacznie dłuższy niż VRLA , ale nadal zrozumienie i modelowanie czasu życia LFP jest przedmiotem ciągłych badań.

W wymagającym środowisku, jeśli użytkownik nie zastosuje się do instrukcji obsługi producenta lub jeśli jakość akumulatora i BMS nie jest zgodna z normą, mogą wystąpić różne mechanizmy degradacji, w tym rozkład elektrolitu, tworzenie się warstwy pasywnej, pękanie cząstek i aktywacja rozpuszczanie materiału można indywidualnie rozwiązać na poziomie materiału i ogniwa akumulatora, często prowadząc do zwiększonej rezystancji, zmniejszonego utrzymania pojemności i/lub zwiększonego ryzyka niebezpiecznego stanu akumulatora.

Konwencjonalne podejścia do analizy i modelowania opierają się na szeroko zakrojonych testach akumulatorów i opracowują modele empiryczne, często zgodne z podejściem modelu obwodu zastępczego (ECM) w celu określenia wydajności systemu. Dzięki lepszemu zrozumieniu mechanizmów strat wewnętrznych w komórce opracowano coraz większą liczbę modeli półempirycznych i fizycznych, które z powodzeniem stosowano do modelowania komórek. Ostatnio coraz większe zainteresowanie cieszą się nieempiryczne modele fizyczno-chemiczne (PCM). Pomimo że wykorzystanie modeli PCM do przewidywania starzenia może pozwolić na uzyskanie bardziej szczegółowego wglądu w mechanizmy strat wewnętrznych komórki i sposobów ich obejścia, największym wyzwaniem pozostaje znalezienie prawidłowej parametryzacji takich modeli i skalowanie wewnętrznych modeli ogniw do odpowiedniego zastosowania. poziom pełnego systemu akumulatorowego.

Wraz ze wzrostem możliwości rejestrowania i zarządzania danymi, ostatnio coraz większe zainteresowanie zyskują podejścia oparte na danych na poziomie systemu pamięci masowej. Pomimo ulepszonych możliwości tych nowych podejść, nadal uważa się, że symulacje zachowań związanych ze starzeniem się są pełne