EN
Schnelllinks
Bei der Prüfung von Batteriezellen werden drei wesentliche Parameter untersucht: Spannungsstabilität, Kapazitätsrückbehaltung und Innenwiderstand. Diese Kennwerte bestimmen die Leistung und Zuverlässigkeit über Lade-Entlade-Zyklen hinweg. Eine Kapazitätsrückbehaltung unter 80 % des ursprünglichen Werts signalisiert in der Regel das Ende der Lebensdauer bei Lithium-Ionen-Systemen. Standardisierte Protokolle wie UN 38.3 verlangen die Überwachung dieser Indikatoren, um Sicherheit und Langlebigkeit sicherzustellen.
Die Leerlaufspannung, auch OCV genannt, liefert eine schnelle Prüfung des Batteriezustands, allein durch Betrachtung des Ruhepotenzials der Zelle. Aktuelle Forschungsergebnisse aus dem Jahr 2023 zeigten zudem etwas Interessantes: Wenn die OCV innerhalb von etwa plus oder minus 2 % relativ stabil bleibt, neigen diese nickelbasierten Zellen dazu, im Laufe der Zeit weniger als 5 % ihrer Kapazität zu verlieren. Was tun Ingenieure konkret mit dieser Information? Sie führen Messungen durch und vergleichen diese mit den von den Herstellern bereitgestellten Diagrammen. Diese Diagramme verknüpfen OCV-Messwerte mit dem Ladezustand. Abweichungen können frühzeitig auf Probleme hinweisen, beispielsweise wenn Zellen unterschiedlich altern. Frühzeitiges Erkennen solcher Probleme bedeutet, dass man diese beheben kann, bevor sie später zu ernsten und kostspieligen Schäden führen.
Die als Coulomb-Zählen bekannte Methode funktioniert, indem sie verfolgt, wie viel Strom über einen bestimmten Zeitraum hinweg durch eine Batterie fließt, und liefert eine Schätzung des Ladezustands (SOC) mit einer Genauigkeit von etwa plus oder minus 3 %, sofern die Temperaturen konstant bleiben. Das Problem entsteht, wenn Sensoren aus ihrer Kalibrierung abdriften, was häufiger vorkommt, als viele Menschen annehmen. Dieser Abdrift nimmt im Laufe der Zeit zu, sodass regelmäßige Abgleiche mit der Leerlaufspannung (OCV) erforderlich werden, insbesondere wenn die Batterien unter extrem heißen oder kalten Bedingungen betrieben werden. Einige neuere Systeme beherrschen diese Aufgaben jedoch inzwischen recht gut. Sie kombinieren traditionelle Coulomb-Zählmethoden mit sogenanntem Spannungshysteresis-Modelling, wodurch die Gesamtgenauigkeit auf etwa ±1,5 % gesenkt wird. Dieser Ansatz hat sich mittlerweile als Standardpraxis bei den meisten modernen Elektrofahrzeugen durchgesetzt, bei denen das Batteriemanagement aus Gründen der Leistung und Sicherheit absolut kritisch ist.
Der innere Widerstand ist ein zentraler Indikator für die Batteriezustandsbewertung. Zunahmen, die 30 % über den Ausgangswerten liegen, korrelieren stark mit Kapazitätsverlust und thermischer Instabilität. Verfahren wie die Hybrid Pulse Power Characterization (HPPC) und die Elektrochemische Impedanzspektroskopie (EIS) ermöglichen eine detaillierte Analyse des ohmschen und polarisationsbedingten Widerstands und liefern Erkenntnisse über elektrochemische Alterungsmechanismen.
| Verfahrenstyp | Technik | Kennzeichen |
|---|---|---|
| Zeitbereich | HPPC-Impulssequenzen | Misst den momentanen Innenwiderstand |
| Frequenzbereich | EIS-Spektralanalyse | Identifiziert Reaktionskinetik |
Das Zeitbereich-Verfahren liefert Ergebnisse innerhalb von etwa 15 Sekunden, weshalb es gut auf Produktionslinien funktioniert, bei denen Geschwindigkeit entscheidend ist. Doch es gibt einen Haken. Diese Methoden übersehen oft Anzeichen für Alterungsvorgänge, die mithilfe von EIS-Techniken erkannt werden können. Die elektrochemische Impedanzspektroskopie analysiert Frequenzen von 0,1 Hz bis hin zu 10 kHz und registriert dabei subtile Veränderungen an Grenzflächen, wie beispielsweise die Entwicklung der SEI-Schicht im Laufe der Zeit. Automobilhersteller, die Tests an älteren Lithium-Ionen-Batterien durchführten, stellten tatsächlich Unterschiede von rund 12 Prozent zwischen Messwerten fest, die mit diesen unterschiedlichen Verfahren erhoben wurden. Eine solche Diskrepanz verdeutlicht, warum das Verständnis beider Methoden für eine genaue Batteriebewertung von Bedeutung bleibt.
Die Umgebungstemperatur beeinflusst den Innenwiderstand erheblich, wobei Schwankungen zwischen -20°C und 60°C die Messwerte um bis zu 40% verändern können. Der Ladezustand trägt ebenfalls zur Variabilität bei – vollgeladene Zellen weisen typischerweise einen 18% niedrigeren Widerstand auf als bei 20% SOC. Zuverlässige Messungen erfordern eine strenge Kontrolle der Testbedingungen, einschließlich einer Temperaturstabilität von ±2°C.
Befürworter von Schnelltests verweisen oft auf eine Übereinstimmung von rund 85\%, zwischen den Verläufen der inneren Widerstandsänderungen über die Zeit und den Ergebnissen vollständiger State-of-Health-Tests. Doch bei der Betrachtung von Lithium-Eisen-Phosphat-Zellen (LFP) gibt es spezifische Probleme. Die Abweichungen können hier mehr als 20\% betragen, vor allem weil der Ladungsübertragungswiderstand unterschiedlich interpretiert wird. Traditionelle, zeitbasierte Testverfahren übersehen zudem häufig kleine Veränderungen in der SEI-Schicht, welche die Frequenzanalysemethoden wie EIS (Elektrochemische Impedanzspektroskopie) tatsächlich erfassen. Dies lässt einige Experten fragen, ob diese vereinfachten Tests tatsächlich ausreichend über die langfristige Degradation von Batterien aussagen.
Um präzise Kapazitätsmessungen der Batterie zu erhalten, kommt es wirklich darauf an, diese standardisierten Lade-Entlade-Tests in kontrollierten Umgebungen durchzuführen. Die meisten Fachleute verlassen sich heutzutage auf das sogenannte CCCV-Verfahren. Grundsätzlich laden wir die Zellen mit der Hälfte ihres Nennstroms bis zu 4,1 Volt auf und halten diese Spannung dann konstant, bis der Ladestrom unter etwa 0,15 Ampere fällt. Wenn es darum geht, die Zellen zu entladen, liefert eine Entladung mit 1C-Rate das klarste Bild der tatsächlichen Energiespeicherung, ohne diese lästigen Spannungsspitzen und -einbrüche. Die Präzision hier ist ebenfalls ziemlich beeindruckend, etwa ± 0,8 %, was die alten Pulstestmethoden hinsichtlich Zuverlässigkeit klar übertrifft.
Hochpräzise Spannungsüberwachung (0,1-mV-Auflösung) und stabile Entladeraten sind entscheidend für verlässliche Ergebnisse. Eine Elektrochemie-Studie aus 2023 zeigte, dass ±5-%-Schwankungen des Entladestroms zu 12-%-Kapazitätsabweichungen bei NMC-Lithium-Ionen-Zellen führten. Die Genauigkeit ist besonders unterhalb von 20 % SOC von zentraler Bedeutung, da dort die Spannungskurven flacher verlaufen und kleine Messfehler zu erheblichen Interpretationsunterschieden führen können.
Die Temperatur wirkt sich direkt auf die Entladekapazität aus. Kürzliche Tests an NMC-Zellen zeigten einen Kapazitätsrückgang um 23 % bei -20 °C im Vergleich zu 25 °C. Unkontrollierte thermische Schwankungen (±5 °C) können die Ergebnisse bei Standard-18650-Zellen um 8–11 % verfälschen. Klimatisch geregelte Kammern sind daher entscheidend, um die Konsistenz über die Tests hinweg sicherzustellen.
Eine kontrollierte 18-monatige Studie verfolgte die Degradation in Nickel-Mangan-Cobalt-Oxid-Zellen:
| Zyklusanzahl | Verbleibende Kapazität | Degradationsfaktor |
|---|---|---|
| 100 | 97,2% | Elektrolytoxidation |
| 300 | 89,1 % | SEI-Schichtwachstum |
| 500 | 76,5% | Partikelrissbildung |
Die Forschung unterstreicht ein nicht-lineares Degradationsmuster: Ein durchschnittlicher Kapazitätsverlust von 2,5% pro 100 Zyklen beschleunigt sich zunächst auf 4,1% nach 300 Zyklen und verdeutlicht somit die Bedeutung kontrollierter Tests zur Vorhersage der realen Batterielebensdauer.
Wenn es darum geht, die Gesundheit einer Batterie zu überprüfen, betrachten die meisten Menschen zwei Hauptaspekte: wie viel Ladung sie im Vergleich zum Neuzustand halten kann (Kapazitätsretention) und Veränderungen des Innenwiderstands im Laufe der Zeit. Allgemein gesprochen gilt eine Batterie als am Ende ihrer Nutzungsdauer angelangt, sobald ihre Kapazität unter 80 % der ursprünglichen Kapazität fällt. Eine letztes Jahr in Nature veröffentlichte Studie zeigte zudem etwas Interessantes: Diese Schlüsselkennzahlen erklären etwa 94 Prozent dafür, warum Batterien tatsächlich im Feld ausfallen. Zur Vorhersage, wann eine Batterie möglicherweise ausgetauscht werden muss (SOL-Vorhersagen), kombinieren Experten Daten aus Tests, die den Alterungsprozess beschleunigen, mit Informationen darüber, wie die Batterie im täglichen Gebrauch genutzt wird. Dieser Ansatz ermöglicht es Herstellern, die Lebensdauer von Batterien ziemlich genau abzuschätzen, in der Regel innerhalb von etwa plus oder minus 15 % bei Lithium-Ionen-Batterien, die unter normalen Bedingungen arbeiten.
Impedanzmessungen zeigen einen konsistenten Zusammenhang zwischen Widerstandsanstieg und Kapazitätsverlust. Bei NMC-Zellen entspricht jeder Anstieg der AC-Impedanz um 10 mΩ einem durchschnittlichen Kapazitätsverlust von 1,8 %. Die mehrfache Verfolgung über verschiedene SOC-Stufen hilft dabei, dauerhafte Alterungseffekte von vorübergehenden Betriebseinflüssen zu unterscheiden und verbessert so die Diagnosegenauigkeit.
Modelle des maschinellen Lernens ermöglichen mittlerweile eine präzise Schätzung des SOH-Werts anhand von Teilen der Betriebsdaten und reduzieren so die Abhängigkeit von vollständigen Entladezyklen. Studien zeigen, dass Algorithmen, die Spannungs-Temperatur-Verläufe analysieren, eine Vorhersagegenauigkeit von 95 % erreichen können. Hybride Modelle, die physikalische Degradationsprinzipien mit neuronalen Netzen kombinieren, zeigen besonders großes Potenzial für die Echtzeitüberwachung in Elektrofahrzeugen.
Eine einheitliche Batteriebewertung hängt von der Einhaltung internationaler Standards ab. Wichtige Rahmenbedingungen hierfür sind IEC 62133 für Sicherheit und UL 1642 für lithiumbasierte Zellen, wobei beide enge Toleranzen (±1 % für Kapazität) und Umweltkontrollen vorschreiben.
Forschungslabore führen eine detaillierte Charakterisierung über 1.000+ Zyklen durch und analysieren dabei mehr als 15 Leistungsparameter. Im Gegensatz dazu konzentriert sich die industrielle Qualitätskontrolle auf die schnelle Validierung kritischer Kennwerte wie den inneren Gleichstromwiderstand und die Ladungserhaltung. ISO 9001-zertifizierte Einrichtungen weisen aufgrund strenger Kalibrierung und Klimakontrolle (25 °C ±0,5 °C) 40 % geringere Testvariabilität auf.
Militärspezifikationen (MIL-PRF-32565) erfordern eine Validierung mit 200 % Designreserve, während bei Verbraucherprodukten die Sicherheit im Vordergrund steht – beispielsweise die Begrenzung des Risikos von thermischem Durchgehen auf <0,1 % während Nagelpenetrationstests. Dieser gestufte Ansatz gewährleistet Zuverlässigkeit ohne übermäßigen Testaufwand, indem die Validierungsstrenge auf die Anforderungen der jeweiligen Anwendung abgestimmt wird.
Die wichtigsten Indikatoren sind Spannungsstabilität, Kapazitätsrückhaltung und interner Widerstand. Diese Faktoren bewerten die Leistung und Zuverlässigkeit über Lade-Entlade-Zyklen hinweg.
Die OCV ermöglicht eine schnelle Beurteilung des Batteriezustands, indem das Ruhepotential untersucht wird, was dabei hilft, Probleme frühzeitig zu erkennen.
Temperaturschwankungen können den internen Widerstand erheblich beeinflussen und somit die Genauigkeit der Prüfung beeinträchtigen, weshalb die Testbedingungen genau kontrolliert werden müssen.
Maschinelle Lernmodelle verbessern die Zustandsbewertung (State-of-Health), indem sie teilweise Betriebsdaten analysieren und so die Vorhersagegenauigkeit bezüglich Lebensdauer und Leistung der Batterie erhöhen.