นักวิจัยไทยจากมหาวิทยาลัยเชียงใหม่ร่วมเผยแพร่งานวิจัยเกี่ยวกับแบตเตอรี่ Lithium-Ion ‘Modeling thermal dynamics of lithium-ion batteries via fractional action memory effects’ ซึ่งอาจนำไปสู่การใช้งานแบตเตอรี่ EV ที่ปลอดภัยมากยิ่งขึ้นได้
งานวิจัยชิ้นนี้เกิดขึ้นจากนักวิจัย 3 ท่าน ได้แก่ Rami Ahmad El-Nabulsi หัวหน้าโครงการ, ผู้ช่วยศาสตราจารย์ ดร. วรานนท์ อนุกูล และ ดร. คุณานนต์ กิตติพุฒิ เพื่อแก้ปัญหาสำคัญในประเด็นของความร้อนจากแบตเตอรี่ Lithium-Ion ที่นิยมใช้งานใน EV สมัยใหม่ ซึ่งงานวิจัยนี้สะท้อนให้เห็นว่าปัญหาความร้อนของแบตเตอรี่ไม่ได้เป็นเพียงเรื่องของการกระจายตัวของพลังงาน แต่เกี่ยวข้องกับผลกระทบจากการจดจำของวัสดุและโครงสร้างระดับจุลภาคที่ซับซ้อนภายในระบบ Fractional Action Formalism จึงเป็นอีกหนึ่งแนวทางที่น่าสนใจ เพราะสามารถเพิ่มความแม่นยำในการจำลองพฤติกรรมความร้อน โดยยังรักษาความง่ายในการใช้งานและการคำนวณไว้ได้
โดยการประจุพลังงานอย่างรวดเร็ว (Fast Charging) สร้างปัญหาด้านความเสื่อมถอยของประสิทธิภาพอย่างมาก โดยมีสาเหตุของปัญหาที่เกิดขึ้น คือ แบบจำลองทางความร้อนแบบดั้งเดิมอย่าง Fourier Heat Diffusion ซึ่งถูกใช้มานานในการคำนวณการกระจายตัวของความร้อน เริ่มไม่สามารถอธิบายพฤติกรรมจริงของแบตเตอรี่ได้อย่างแม่นยำ โดยเฉพาะในช่วงเริ่มต้นของการประจถพลังงานอย่างเร็ว ทำให้เกิดการปล่อยพลังงานแบบ Pulse Discharge หรือการทำงานที่ C-Rate สูง
ในโลกความจริง ความร้อนภายในแบตเตอรี่ไม่ได้เคลื่อนที่อย่างสม่ำเสมอเหมือนในสมการพื้นฐาน เนื่องจากโครงสร้างภายในแบตเตอรี่มีความซับซ้อนระดับจุลภาค ทั้งความพรุน (Porosity), รอยต่อของวัสดุ, ชั้น SEI (Solid Electrolyte Interphase) รวมถึงการเสื่อมสภาพจากอายุการใช้งาน ซึ่งทั้งหมดนี้ส่งผลให้เกิด ‘Thermal Memory’ หรือพฤติกรรมที่ระบบยังคงสะสมและปลดปล่อยพลังงานความร้อนต่อเนื่องแม้เวลาจะผ่านไปแล้ว
งานวิจัยนี้จึงเสนอแนวทางใหม่ด้วย ‘Fractional Action Formalism’ ซึ่งเป็นกรอบคณิตศาสตร์ที่นำแนวคิด Fractional Parameter มาใช้กับสมการความร้อน โดยไม่จำเป็นต้องใช้ Fractional Derivatives ที่มีความซับซ้อนสูงเหมือนใน Fractional Calculus แบบดั้งเดิม จุดเด่นของแนวทางนี้คือยังคงความเรียบง่ายของสมการ Diffusion แบบดั้งเดิมเอาไว้ แต่เพิ่มกลไก ‘Time-Dependent Damping’ เข้าไปเพื่ออธิบายพฤติกรรมการสะสมและคลายความร้อนที่เกิดขึ้นจริงภายในแบตเตอรี่
Thermal Memory และ Fractional Parameter ตัวแปรใหม่ของการจัดการความร้อน
หัวใจสำคัญของงานวิจัยอยู่ที่ค่า Fractional Parameter ซึ่งทำหน้าที่ควบคุมระดับของ ‘Thermal Memory’ ภายในระบบ โดยผลการวิเคราะห์พบว่า เมื่อปรับค่า Fractional Parameter ให้ต่ำลง ระบบจะเกิด Effective Thermal Damping มากขึ้น ส่งผลให้ อุณหภูมิสูงขึ้นช้าลง, Peak Temperature ลดลง ทั้งยังทำให้การกระจายความร้อนมีความต่อเนื่องและนุ่มนวลขึ้น
ในทางกลับกัน หากค่า Parameter เข้าใกล้ 1 ระบบจะกลับไปมีพฤติกรรมใกล้เคียงกับ Fourier Diffusion แบบดั้งเดิม ซึ่งสิ่งที่น่าสนใจคือ แบบจำลองนี้สามารถอธิบาย ‘Non-Exponential Thermal Behavior’ ได้ดี เพราะ ความร้อนไม่ได้เพิ่มหรือลดแบบเส้นโค้งธรรมดา แต่มีลักษณะหน่วงเวลาและสะสมพลังงานตามสภาพภายในแบตเตอรี่จริง โดยเฉพาะในช่วงการเกิดความร้อนในช่วงต้นที่ระบบเดิมมักคำนวณคลาดเคลื่อน
นักวิจัยมองว่าแนวทางนี้อาจกลายเป็น ‘Intermediate Model’ ระหว่าง Classical Diffusion กับ Fractional Calculus เต็มรูปแบบ เพราะให้ความสมดุลระหว่างความแม่นยำทางฟิสิกส์และความง่ายในการคำนวณ
Fractional Action Formalism: โมเดลใหม่เชื่อมโครงสร้างจุลภาคกับการควบคุมแบตเตอรี่
ในเชิงเทคนิค งานวิจัยนี้เริ่มจากสมการ Partial Differential Equation (PDE) สำหรับอธิบายอุณหภูมิของแบตเตอรี่ แล้วดัดแปลงผ่าน Fractional Action Formalism ให้เกิดพจน์ Time-Dependent Damping เพิ่มขึ้นในสมการ แม้จะไม่ได้ใช้ Fractional Derivatives โดยตรงแต่ผลลัพธ์ที่ได้สามารถสะท้อนพฤติกรรมที่ซับซ้อนของระบบจริงได้อย่างมีประสิทธิภาพ โดยเฉพาะผลกระทบจากปัจจัยเหล่านี้
- Heterogeneity ในโครงสร้างระดับไมโคร
- Heat Pathway ที่ไม่สม่ำเสมอ
- Interface Effects
- SEI Growth
- การเสื่อมอายุและประสิทธิภาพที่ถดถอยของแบตเตอรี่
จุดสำคัญคือองค์ประกอบเหล่านี้ถูก ‘สะท้อนทางอ้อม’ ผ่าน Fractional Parameter ทำให้โมเดลสามารถใช้เป็นเครื่องมือวิเคราะห์สุขภาพแบตเตอรี่ (Battery Health Diagnostics) ได้ในอนาคต ในขณะที่อีกข้อได้เปรียบสำคัญคือ Computational Efficiency โมเดลนี้ยังสามารถทำงานร่วมกับ Solver มาตรฐานได้ ไม่จำเป็นต้องใช้ระบบคำนวณที่ซับซ้อนเหมือน Fractional Calculus เต็มรูปแบบ ส่งผลให้มีศักยภาพสำหรับการคาดการณ์ที่มีประสิทธิภาพแบบ Real-Time ไม่ว่าจะเป็นการคาดการณ์ความร้อน การควบคุมโดยคาดการณ์ล่วงหน้า การออกแบบระบบประจุพลังงานเร็ว ตลอดจน BMS ทำให้ยกระดับความปลอดภัยซึ่งเป็นปัญหาใหญ่ที่เกิดขึ้นในแบตเตอรี่กลุ่มนี้ได้
ในอนาคต โมเดลลักษณะนี้อาจกลายเป็นส่วนสำคัญของระบบ BMS ยุคใหม่ ที่ไม่เพียงแค่ตรวจจับอุณหภูมิ แต่สามารถ ‘คาดการณ์’ พฤติกรรมความร้อนล่วงหน้า เพื่อเพิ่มประสิทธิภาพ ความปลอดภัย และอายุการใช้งานของแบตเตอรี่ Lithium-Ion ได้อย่างมีประสิทธิภาพมากขึ้น
ที่มา:
Science Direct
