L'étude du vieillissement des batteries est nécessaire car la dégradation de leurs caractéristiques détermine en grande partie le coût, les performances et l'impact environnemental des véhicules électrifiés, notamment des véhicules 100 % électriques. La méthodologie choisie pour cette thèse consiste en deux étapes bien différenciées, à savoir la caractérisation et la modélisation. Pour la première étape, on s'appuie sur des essais de vieillissement accéléré d'éléments de batterie. Malgré leur caractère accéléré, les campagnes d'essais de vieillissement sont très coûteuses en moyens humains comme matériels : une connaissance à priori des facteurs de vieillissement est nécessaire, soit par le moyen d'études bibliographiques, soit par la réalisation de précampagnes d'essais. Ces études préalables conduisent à la conception d'un plan d'expériences composé d'un certain nombre d'essais dont les résultats permettront de révéler comment les conditions d'utilisation influencent la dégradation des batteries. Dans la seconde étape, grâce à la connaissance apportée par l'étape de caractérisation, on procède à la modélisation du vieillissement. Celle-ci permet de mettre en évidence des lois de vieillissement qui sont généralisées pour prédire l'évolution des performances d'une batterie soumise à des conditions d'utilisation variables dans le temps. Le modèle de vieillissement qui en résulte peut être utilisé pour concevoir et utiliser d'une manière optimale les batteries des véhicules pour minimiser à la fois la consommation d'énergie et de ressources naturelles. En sachant que la dégradation d'une batterie se produit différemment selon si elle est au repos ou si elle est parcourue par un courant, une difficulté majeure est celle de déterminer comment se combinent les effets du vieillissement calendaire et de cyclage pour un véhicule électrique. Dans les applications "véhicules électriques", les batteries passent une part importante de leur temps au repos et les niveaux de courant pendant leur utilisation sont relativement faibles. Les résultats des essais de vieillissement accéléré réalisés dans cette thèse confirment le caractère non-linéaire de la combinaison des vieillissements calendaire et en cyclage lorsque les batteries suivent des profils d'utilisation similaires à l'application considérée. Le modèle de vieillissement qui est proposé dans le dernier chapitre se veut simple mais efficace. Ainsi il repose sur un faible nombre d'équations (2) et de paramètres (6) et il permet de simuler l'évolution de la capacité d'une cellule soumise à un vieillissement qui combine des périodes de cyclage et de repos. Les exemples d'application de ce modèle démontrent son utilité pour l'établissement de stratégies d'utilisation de batteries dans le but de prolonger leur durée de vie / Studying the ageing of batteries is necessary because the degradation of their features largely determines the cost, the performances and the environmental impact of electric vehicles, particularly of full electric vehicles. The chosen method in this thesis is divided in two distinct phases, namely characterisation and modelling. The first phase is based on accelerated ageing testing of battery cells. Despite being accelerated, ageing test campaigns are expensive in terms of workforce and equipments: an a priori knowledge of ageing factors is necessary, either by the means of bibliographic studies or by performing preliminary test campaigns. These initial studies lead to an experimental design setup including a certain number of ageing tests. The obtained results may reveal the influence of use conditions on the degradation of batteries. In the second phase, the battery ageing is modelled applying the knowledge acquired in the first phase. Here, the ageing laws are generalised to predict the performance degradation of a battery subjected to variable use conditions. The resulting ageing model can be used to optimally design and use the battery in a vehicle by minimising both energy and natural resources consumption. Given that battery degradation occurs in a different way if the battery is in rest condition or if a current flows through, a major challenge is to determine how calendar and cycling ageing effects combine together. In electric vehicle applications, batteries are not used (in rest condition) most of the time and current levels are relatively low when they are used. The results from accelerated ageing tests which have been carried out during this thesis confirm the non-linearity of the combination of calendar and cycling ageing when usage profiles are applied to the batteries. The usage profiles are similar to the considered application: the electric vehicle. In the last chapter of this manuscript a simple but effective ageing model is proposed. It lies in a low number of equations (2) and parameters (6) and enables to simulate the capacity fade of a battery cell subjected to ageing conditions combining cycling and rest periods. The application examples prove the usefulness of this model for the development of battery use strategies for the purpose of extending their lifespan

Målet med projektet var att undersöka samt implementera en fysikbaserad DFN modell för att simulera kalender samt cyklingåldrande av litiumbatterier som används i elbilar. Den fysikbaserade modellen var konstruerad baserad på ett Python biblioteket vid namn PyBaMM, vilket till skillnad från datadrivna modeller ger essentiell information om de kemiska processerna inuti batteriet. Den första delen av projektet täcker konceptet av kalenderåldring, vilket inkluderar en jämförelse mellan tre olika tre olika hastighetsbegränsande SEI modeller. Parametrar som påverkar det erhållna resultatet från modellen är identifierade, estimerade, och till slut validerade för att säkerhetsställa att modellen och parametrarna är identifierbara gentemot experimentella data. Resultatet av jämförelsen gav att SEI tillväxt begränsad av litium interstitiell diffusion är den mest optimala modellen att applicera när kalenderåldring för litiumbatterier ska modelleras. Resultaten visade också att endast en parameter, inre SEI litium interstitiell diffusivitet ska justeras för att erhålla optimal anpassning mot experimentella data. Andra delen av projektet använde resultatet från den första delen och litium plätering implementerades som en andraåldringsmekanism som undersöktes under tre olika laddningsprotokoll. Modellen var optimerad och anpassad gentemot experimentella data, där parametervärdet för kinetisk hasighetskonstanten för plätering var estimerad. Den optimerade modellen användes därefter för att erhålla mer information om elektrokemiska variabler för att kunna analysera samt beskrivaåldringsprocessen utan att behöva genomföra praktiska laborationer. Resultaten visade att mängden pläterat litium på den negativa elektroden ökade för celler som var exponerade till högre ström under laddningsprocessen, samt när cellerna var laddade vid höga SoC nivåer. Sammanfattningsvis, visade modellen hög potential att representera och evaluera experimentella data, samt tillhandahålla en inblick i elektrokemiska processer och kapacitetsförluster länkade till SEI tillväxt och litium plätering. Däremot, för att erhålla en högre grad noggrannhet av elektrokemiskaåldringsmekanismer i litiumbatterier, fler ytterligare mekanismer måste implementeras såsom mekanisk stress av både negativ och positiv elektrod. / The aim of this study was to investigate and apply a physics-based DFN model to simulate the calendar and cycling ageing of lithium-ion batteries manufactured for EV applications. The physics-based cell ageing model was constructed based on the open-source software Python library PyBaMM, which in comparison to data-driven models provides more essential information about the chemical process within the battery cell. The first part of the project covers the concept of calendar ageing which includes comparisons between three different rate-limiting SEI growth models. Parameters that affect the output from the physics-based model are isolated, estimated with numerical methods, and lastly validated to ensure that the model and the parameters rep- resent the physics behind the experimental data. It was found that the SEI growth limited by lithium interstitial diffusion is the most optimal model to apply for a physics-based model when modeling calendar ageing. It was also found that the only parameter that should be tuned against experimental data is the inner SEI lithium interstitial diffusivity. The second part of the project utilizes the results from the first part and introduces lithium plating as a second cell ageing mechanism under three different charging protocols. The model was optimized and fitted against experimental data by sweeping the lithium plating kinetic rate constant parameter. The optimized model was thereafter used to generate outputs that more thoroughly can explain the degradation effects of the cell without constructing real-world experiments. Where increased rate of plated lithium could be observed for the cell subjected to higher charging C-rate, and when the cells were charged at high SoC levels. To summarize, the model showed great potential in representing and evaluating the experimental data and providing the project with insight into the electrochemical processes and cell capacity losses of SEI growth and lithium plating. However, in order to achieve a higher accuracy of cell ageing model in relation to the lithium-ion cells used in customer vehicles, several additional cell degradation mechanisms have to be introduced, such as mechanical degradation of the two electrodes.

Målet med projektet var att undersöka samt implementera en fysikbaserad DFN modell för att simulera kalender samt cyklingåldrande av litiumbatterier som används i elbilar. Den fysikbaserade modellen var konstruerad baserad på ett Python biblioteket vid namn PyBaMM, vilket till skillnad från datadrivna modeller ger essentiell information om de kemiska processerna inuti batteriet. Den första delen av projektet täcker konceptet av kalenderåldring, vilket inkluderar en jämförelse mellan tre olika tre olika hastighetsbegränsande SEI modeller. Parametrar som påverkar det erhållna resultatet från modellen är identifierade, estimerade, och till slut validerade för att säkerhetsställa att modellen och parametrarna är identifierbara gentemot experimentella data. Resultatet av jämförelsen gav att SEI tillväxt begränsad av litium interstitiell diffusion är den mest optimala modellen att applicera när kalenderåldring för litiumbatterier ska modelleras. Resultaten visade också att endast en parameter, inre SEI litium interstitiell diffusivitet ska justeras för att erhålla optimal anpassning mot experimentella data. Andra delen av projektet använde resultatet från den första delen och litium plätering implementerades som en andraåldringsmekanism som undersöktes under tre olika laddningsprotokoll. Modellen var optimerad och anpassad gentemot experimentella data, där parametervärdet för kinetisk hasighetskonstanten för plätering var estimerad. Den optimerade modellen användes därefter för att erhålla mer information om elektrokemiska variabler för att kunna analysera samt beskriva åldringsprocessen utan att behöva genomföra praktiska laborationer. Resultaten visade att mängden pläterat litium på den negativa elektroden ökade för celler som var exponerade till högre ström under laddningsprocessen, samt när cellerna var laddade vid höga SoC nivåer. Sammanfattningsvis, visade modellen hög potential att representera och evaluera experimentella data, samt tillhandahålla en inblick i elektrokemiska processer och kapacitetsförluster länkade till SEI tillväxt och litium plätering. Däremot, för att erhålla en högre grad noggrannhet av elektrokemiska åldringsmekanismer i litiumbatterier, fler ytterligare mekanismer måste implementeras såsom mekanisk stress av både negativ och positiv elektrod. / The aim of this study was to investigate and apply a physics-based DFN model to simulate the calendar and cycling ageing of lithium-ion batteries manufactured for EV applications. The physics-based cell ageing model was constructed based on the open-source software Python library PyBaMM, which in comparison to data-driven models provides more essential information about the chemical process within the battery cell. The first part of the project covers the concept of calendar ageing which includes comparisons between three different rate-limiting SEI growth models. Parameters that affect the output from the physics-based model are isolated, estimated with numerical methods, and lastly validated to ensure that the model and the parameters rep- resent the physics behind the experimental data. It was found that the SEI growth limited by lithium interstitial diffusion is the most optimal model to apply for a physics-based model when modeling calendar ageing. It was also found that the only parameter that should be tuned against experimental data is the inner SEI lithium interstitial diffusivity. The second part of the project utilizes the results from the first part and introduces lithium plating as a second cell ageing mechanism under three different charging protocols. The model was optimized and fitted against experimental data by sweeping the lithium plating kinetic rate constant parameter. The optimized model was thereafter used to generate outputs that more thoroughly can explain the degradation effects of the cell without constructing real-world experiments. Where increased rate of plated lithium could be observed for the cell subjected to higher charging C-rate, and when the cells were charged at high SoC levels. To summarize, the model showed great potential in representing and evaluating the experimental data and providing the project with insight into the electrochemical processes and cell capacity losses of SEI growth and lithium plating. However, in order to achieve a higher accuracy of cell ageing model in relation to the lithium-ion cells used in customer vehicles, several additional cell degradation mechanisms have to be introduced, such as mechanical degradation of the two electrodes.