With an increasing demand for sustainable transport solutions, there is a demand for electrified vehicles. One way to store energy on board an electrified vehicle is to use a lithium-ion battery (LIB). This battery technology has many advantages, such as being rechargeable and enabling reasonably high power output and capacity. To ensure reliable operation of LIB:s, the battery management system (BMS) must be designed with regards to the electrochemical dynamics of the battery. However, since the battery ages over time, the dynamics changes as well. It is possible to predict ageing, but some ageing mechanisms can occur randomly, e.g. due to variations of circumstances during manufacturing, and variations of battery user choices. Hence, by monitoring ageing mechanisms in situ, the BMS can adapt accordingly, similar to a closed loop control system. One ageing mechanism in LIB:s is lithium plating. This mechanism signifies when Li ions are electrochemically deposited as metal onto the negative electrode of the LIB during charging, and can induce other ageing mechanisms, such as gassing or electrolyte reduction. The present project has investigated a method for detecting Li plating in situ after its occurrence by both analysing the voltage change over time during open-circuit voltage (OCV) periods after charging and monitoring battery swelling forces. Results show a correlation between a high probability of Li plating and the appearance of a swelling force peak and an OCV plateau. However, results also show a possible correlation between the onset of Li plating and the onset of the swelling force peak, while also showing a greater detectability of the force signal compared to the electrochemical signal. Furthermore, the present results show that the magnitudes of both signals are probably related to the amount of plated Li. The amount of irreversibly lost Li from plating is shown to have a possible correlation with accumulation of swelling pressure. However, to further validate the feasibility of these two signals, more advanced analysis is required, which was not available during this project. / Med en ökande efterfråga på hållbara transportlösningar så finns det ett behov av elektrifierade fordon. Ett sätt att lagra energi ombord ett elektrifierat fordon är att använda et litium-jon-batteri. Denna batteriteknologi har många fördelar: t.ex. är dessa batterier återladdningsbara, och de kan leverera höga uteffekter samtidigt som de kan ha ett stort energiinnehåll. för att säkerställa en säker drift av litium-jon-batterier måste batteriets styrsystem vara designat med hänsyn till den elektrokemiska dynamiken inuti batteriet. Dock åldras batteriet med tiden, vilket innebär att denna dynamik ändras med tiden, vilket innebär att styrningen av batteriet måste anpassa sig till denna föråldring. Det är möjligt att förutspå åldring av batterier, men vissa åldringsmekanismer kan ske slumpartat, t.ex. via slumpmässiga förändringar i tillverkningsprocessen av batteriet, eller variationer i användningen av batteriet. Genom att därmed bevaka dessa åldringsmekanismer in situ så kan styrsystemets algoritm anpassa sig utmed batteriåldringen, trots dessa slumpartade effekter. En åldringmekanism hos litium-jon-batterier är s.k. litiumplätering. Denna mekanism innebär att litium-joner elektrokemiskt pläteras i form av metalliskt litium på ytan av litium-jon-batteriets negativa elektrod. Mekanismen kan också inducera andra åldringsmekanismer, t.ex. gasutveckling eller elektrolytreduktion. Detta projekt har undersökt en metod för att detektera litiumplätering in situ efter att plätering har skett, genom att både analysera öppencellspänningens (OCV) förändring med tiden direkt efter uppladdning samt analysera de svällande krafterna som uppstår under uppladdning av batteriet. Resultaten visar på en korrelation mellan en hög sannolikhet för litiumplätering och observationen av en topp i svällningskraft och en platå i OCV-kurvan. resultaten visar också en möjlig korrelation mellan påbörjandet av litium-plätering och påbörjandet av toppen i svällningskraft. Vidare visar även resultaten ett troligt samband mellan signalernas magnitud och mängden pläterat litium. Slutligen visar resultaten också ett möjligt samband mellan irreversibelt pläterat litium och ett svällningstryck som ackumuleras med varje uppladdningscykel. Dock krävs det en validering med mer avancerade analysmetoder för att säkerställa användningsbarheten av dessa två signaler, vilket ej var möjligt inom detta projekt.

The rate of degradation of a lithium-ion battery depends on its use i.e. how it is charged and discharged. Physics-based models are used to represent the processes inside a cell as well as the degradation mechanisms. This thesis aimed to compare how the battery lifetime is affected when charging with different charging protocols using different battery models and degradation mechanisms. The investigated models are the Single Particle Model (SPM), the Single Particle Model with electrolyte (SPMe), and the Doyle-Fuller Newman model (DFN). The degradation mechanisms are solid electrolyte interphase (SEI), and lithium plating (LP). The used charging protocols are constant-current constant voltage(CCCV), positive pulsed current (PPC), and constant current (CC). Pulsed charging was included to investigate if the battery lifetime can be improved as in an experiment by Huang where pulsed charging increased the battery lifetime by 60%. To perform the simulations using the physics-based models, PyBaMM (PythonBattery Mathematical Modeling) was used. The simulations were performed for a lithium cobalt oxide (LCO) cell. Two types of SEI were implemented, solvent-diffusion limited and reaction limited. For the LP only irreversible LP was used.1200 cycles were simulated. Comparing the PPC and CC protocols, there were no significant changes between the degradation mechanisms for the different protocols. The results were the same for all the models, except for the results of the internal resistance. The conclusion is that for the PPC and CC protocols, the cell degrades the same although the PPC protocol used twice the C-rate. The PPC charging did not increase the battery lifetime. For the CCCV and CC protocols, there were some bigger differences between the protocols, but between the different models, there weren’t any significant differences. The CCCV degrades the cell faster for all degradation mechanisms and all models. Simulating one degradation submodel at a time resulted in a very small capacity fade for some submodels. Therefore, for future work, it is suggested to use several degradation submodels at the same time but also to try other degradation mechanisms or try PPC protocols with different frequencies and duty cycles. / Hur snabbt litiumjonbatterier degraderas beror på hur de används, laddas och laddas ur. Fysikbaserde modeller används för att representera processerna inuti cellen och även degraderingsmekanismerna. Denna studie har genomförts för att undersöka hur batteriets livslängd påverkas av olika laddningsprotokoll genom att använda olika batterimodeller och degraderingsmekanismer. Modellerna som användes är Singel-partikelmodellen (SPM), Singel-partikelmodellen med elektrolyt (SPMe) och Doyle-Fuller Newman-modellen (DFN). Degraderingsmekanismerna är fast elektrolytinterfas (SEI) och litiumplätering (LP). Laddningsprotokollen som användes är konstant ström konstant spänning (CCCV), positiv pulserande ström (PPC) och konstant ström konstant (CC). Protokollet för pulsad laddning inkluderades för att undersöka om batteriets livslängd kan förbättras som i ett experiment av Huang, där pulsad laddning ökade batteriets livslängdmed 60%. För att utföra simuleringar med fysikbaserade modeller användes PyBaMM(Pyhton Battery Mathematical Modeling). Simuleringarna utfördes för en lithiumkobaltoxid-cell (LCO). Två typer av SEI implementerades, lösningsmedelsdiffusion-begränsad och reaktions-begränsad SEI. För LP användes endast irreversibel LP.1200 cykler simulerades. Jämförande PPC- och CC-protokollen fanns det inga signifikanta förändringar mellan degraderingsmekanismerna för de olika protokollen. Resultaten vardesamma för alla modellerna, förutom resultaten av den interna resistansen. Slutsatsen är att för både PPC- och CC-protokollen så degraderades cellen på samma sätt, trots att PPC-protokollet använde dubbelt så hög C-faktor. PPC-protokollet ökade inte batteriets livslängd. För CCCV- och CC-protokollen fanns det några större skillnader mellan protokollen, men mellan de olika modellerna fanns det inga signifikanta skillnader. CCCV-protokollet försämrade cellen snabbare för alla degraderingsmekanismer och alla modeller. Att simulera en degraderingsmodell i taget resulterade i mycket små kapacitetsförluster. Därmed föreslås det att i framtida arbete använda flera degraderingsmodeller samtidigt men även testa andra degraderingsmekanismer eller PPC-protokoll med olika frekvenser och arbetscykler