Przełom MIT w monitoringu degradacji baterii litowo-jonowych
MIT dekoduje akustyczne sygnatury baterii litowo-jonowych, umożliwiając pasywny monitoring degradacji baterii w czasie rzeczywistym.
W erze rosnącego zapotrzebowania na zrównoważoną energię, baterie litowo-jonowe (Li-ion) stanowią kręgosłup branży motoryzacyjnej, odnawialnych źródeł energii i elektroniki użytkowej. Jednak ich degradacja prowadząca do utraty pojemności, nagłych awarii czy nawet pożarów pozostaje wyzwaniem dla producentów i operatorów. Najnowsze badania z MIT Department of Chemical Engineering, opublikowane 5 września 2025 r. w czasopiśmie Joule, oferują przełom w postaci dekodowania subtelnych dźwięków emitowanych przez baterie podczas pracy, co pozwala na nondestrukcyjne, pasywne monitorowanie ich stanu zdrowia. To odkrycie, autorstwa Yash Samantaray, Alexandra Cohena, Daniela Cogswella i Martina Z. Bazanta, może wpłynąć na zarządzanie bateriami w sektorze EV i produkcji, redukując koszty i zwiększając bezpieczeństwo.
Badacze analizowali akustyczne emisje (AE) słabe dźwięki generowane wewnątrz ogniw Li-ion podczas cykli ładowania i rozładowania. Sygnały, o częstotliwościach od 100 kHz do 1 MHz, pochodzą głównie z dwóch mechanizmów degradacji: ewolucji gazów (np. O2, CO2 z reakcji ubocznych w elektrolicie) i pękania materiałów aktywnych (np. ekspansja/kontrakcja grafitu lub NMC/LFP katod). Poprzednie metody monitoringu opierały się na prostym wykrywaniu hałasu powyżej progu, ignorując kontekst elektrochemiczny. Zespół MIT połączył rejestrację AE z pomiarami napięcia i prądu, stosując transformację falkową (wavelet transform z Morlet wavelet) do ekstrakcji cech, takich jak częstotliwość, amplituda i czas trwania sygnałów. To pozwoliło skorelować specyficzne sygnatury – np. niskoczęstotliwe impulsy (poniżej 200 kHz) z bąblami gazowymi podczas formacji SEI (Solid Electrolyte Interphase) – z wewnętrznymi procesami, nawet w hałaśliwym otoczeniu.
Testy przeprowadzono na standardowych ogniwach Li-ion (np. z katodami NMC i anodami grafitowymi) pod realistycznymi warunkami, symulując cykle pracy w EV czy magazynach energii. Wyniki wykazały, że AE pojawiają się przy określonych potencjałach (np. 3,5-4,2 V dla gazowania), co umożliwia predykcyjne modelowanie żywotności. W powiązanym badaniu z Oak Ridge National Laboratory (Journal of Energy Storage), AE wykrywały wczesne oznaki thermal runaway – niekontrolowanego nagrzewania prowadzącego do pożarów – poprzez identyfikację początkowego gazowania, analogicznie do pierwszych bąbli w gotującej się wodzie.
Z perspektywy biznesowej, ta technologia obiecuje znaczące oszczędności. W produkcji baterii, formacja cykliczna (initial charging/discharging) to najdroższy etap, stanowiący do 30% kosztów. Dekodowanie AE pozwoli na wczesne wykrywanie defektów, separując wadliwe ogniwa bez demontażu, co przyspieszy proces i zmniejszy odpady. Dla flot EV, jak te Tata Motors (finansujące dalsze badania MIT), pasywne sensory AE mogłyby monitorować baterie w czasie rzeczywistym, przewidując pozostałą żywotność (RUL) z dokładnością do 5-10% cykli, minimalizując przestoje i koszty wymiany (średnio 10-15 tys. USD na pojazd). W grid-scale storage, gdzie awarie kosztują miliony (np. pożar Moss Landing w 2022 r.), systemy te zapobiegałyby katastrofom, integrując się z BMS (Battery Management Systems) via AI do analizy wavelet.
Przyszłe aplikacje obejmują laboratoria R&D, gdzie AE pomogą testować nowe materiały (np. solid-state elektrolity) bez inwazyjnych metod jak SEM (skaningowa mikroskopia elektronowa). Bazant podkreśla, że AE to „okno do wnętrza ogniwa”, uzupełniające pomiary elektrochemiczne. W kontekście globalnego rynku baterii (wart 100 mld USD w 2025 r., prognoza 200 mld do 2030), ta innowacja może dać przewagę firmom jak Tesla czy CATL, redukując ryzyko i przyspieszając adopcję. MIT planuje komercjalizację poprzez granty, co otwiera drzwi dla startupów w sektorze baterii. Ostatecznie, dekodowanie dźwięków baterii to nie tylko naukowy przełom, ale biznesowa szansa na bezpieczniejszą, efektywniejszą energię przyszłości.
Szymon Ślubowski
