Descripción del proyecto
En busca de la composición de la batería de flujo de próxima generación
El objetivo de CompBat es llevar las baterías de flujo al siguiente nivel mediante la identificación de nuevas moléculas potenciales para su composición química. Para ello, se desarrollarán herramientas a través del aprendizaje automático junto con un método de detección de alto rendimiento para permitir la realización de pruebas automatizadas a gran escala. Las moléculas objetivo son compuestos orgánicos de inspiración biológica, así como derivados de un producto químico especial fabricado a granel. Se llevarán a cabo cálculos complejos para obtener datos sobre las moléculas y sus propiedades. Sobre la base de los resultados, el proyecto CompBat, financiado con fondos europeos, realizará una modelización de los sistemas de baterías de flujo para permitir predicciones sobre el rendimiento, y se aplicará un método de estimación de costes. Además, el equipo examinará la posibilidad de usar aceleradores sólidos para mejorar la capacidad de la batería.
Objetivo
CompBat will focus on developing tools for discovery of new prospective candidates for next generation flow batteries, based on machine learning assisted high-throughput screening. Density functional theory calculations will be used to obtain data on solubilities and redox potentials of different molecules, and machine learning methods are used to develop high-throughput screening tools based on the obtained data. The results of the high-throughput screening are validated with experimental results. Target molecules will be bio-inspired organic compounds, as well as derivatives of the redox active specialty chemical already manufactured in bulk quantities.
Stability and reversibility of the molecules will also be investigated by DFT calculation, experimental investigations and machine learning methods, for a selected group of interesting molecules.
Numerical modelling of flow battery systems will be performed with finite element method, and with more general zero-dimensional models based on mass-transfer coefficients. The models will be verified experimentally, and the modelling will generate a data-set to allow prediction of the flow battery cell performance based on properties of the prospective candidates obtained from high-throughput screening. This data is used then to predict the flow battery system performance from the stack level modelling. Freely available cost estimation tools are then adapted to estimate the system performance also in terms of cost. This approach will allow prediction of the battery performance from molecular structure to cost.
Furthermore, the concept of using solid boosters to enhance the battery capacity will be investigated by developing models to simulate the performance of such a systems, and validating the models experimentally with the candidates already reported in the literature.
Ámbito científico
Palabras clave
Programa(s)
Convocatoria de propuestas
Consulte otros proyectos de esta convocatoriaConvocatoria de subcontratación
H2020-LC-BAT-2019
Régimen de financiación
RIA - Research and Innovation actionCoordinador
02150 Espoo
Finlandia