Investigación de pregrado: Estado del arte de SOH de baterías de ion litio.
- Docente guía: David Acuña
- Alumno: Sebastian Villagra
- Fecha investigación: 2024-1
Dentro de las carpetas "Capacity data" y "EIS data" se encuentran los datos de capacidad y de EIS en sus archivos originales. Además, en cada carpeta se encuentran los archivos "txt2csvEIS" y "txt2csvCAP" respectivamente. Estos archivos contienen el código en Python que permite crear archivos de lectura CSV.
Se han creado 2 carpetas que contienen todos los archivos originales con su debido equivalente en un archivo CSV para su pronta lectura en Python u otro lenguaje de programación.
Dentro de esta carpeta se pueden encontrar 3 archivos con código en formato notebook:
- EIS-Visualizacion-I
- EIS-Visualizacion-II
- Ajuste-Curvas
El primero muestra un primer análisis visual de las curvas de cada archivo. Este explica además en forma más detallada como se conforma cada DataFrame asociado a su archivo CSV. Luego, el segundo notebook mostrará un enfoque en una única curva de Nyquist, es decir, enfocada en un único ciclo. Por último, el tercer notebook introduce una simple propuesta para seleccionar las muestras necesarias para ajustar la mejor circunferencia a la primera curvatura. Este último notebook presenta también el código para resolver el problema de optimización de mínimos cuadrados para ajustar la circunferencia al diagrama de Nyquist.
En esta carpeta se incluye la implementación del modelo de Gaussian Process. Para ello se hace en primer lugar un pequeño análisis de los archivos de capacidades de las baterías, así como un simple análisis visual respecto a las circunferencias ajustadas en cada ciclo.
Data publicada en "Identifying degradation patterns of lithium ion batteries from impedance spectroscopy using machine learning" (Zhang, Tang, Zhang, Wang, Stimming & Lee, 2020) https://www.nature.com/articles/s41467-020-15235-7. Acceso original a los datos: https://zenodo.org/records/3633835.
Los archivos contenidos son:
- Paper "Identifying degradation patterns of lithium ion batteries from impedance spectroscopy using machine learning" publicado en Nature Comunications (IF: 16.6).
- Data frames para IOS.
- Data frames para Windows.
Cada Data frame está contenido en un archivo .txt con las siguientes columnas:
- time/s: tiempo en que se mide la muestra.
- cycle number: ciclo de carga de la batería.
- freq/Hz: frecuencia de la señal de input.
- Re(Z)/Ohm: Parte resistiva de la impedancia.
- Im(Z)/Ohm: Parte reactiva de la impedancia.
- |Z|/Ohm: Magnitud de la impedancia.
- Phase(Z)/deg: Ángulo de la impedancia (grados sexagesimales).
Las baterías con las que se genera la base de datos son 12 baterías de ion litio tipo moneda Eunicell LR2032 de 45 mAh. Estas baterías son puestas a prueba bajo tres condiciones de temperatura constante (8 a 25 °C, 2 a 35 °C y 2 a 45 °C). Las pruebas de cada batería se hacen en 9 estados distintos de carga (SOC) para cada batería.
Esta información está contenida en el nombre de cada archivo .txt de la siguiente forma: EIS_state_i_tCn. Donde:
- i: número del estado de carga (I - IX).
- t: temperatura a la que se testea la batería (25, 35, 45).
- n: número de la celda a probar.
Además, la carga está hecha a razón constante de 1C (45 mA) hasta los 4.2 V y la descarga a razón constante de 2C (90 mA) hasta los 3 V.
Modelo de batería: 45 mAh Eunicell LR2032 Li-ion coin cells. Referencia en Amazon: https://www.amazon.com/LIR2032-Rechargeable-Certified-Bluetooth-Controllers/dp/B07MHYQHY3?th=1.