Opis projektu
W poszukiwaniu składu akumulatorów przepływowych nowej generacji
Uczestnicy projektu CompBat mają na celu zwiększenie możliwości istniejących akumulatorów przepływowych dzięki znalezieniu nowych obiecujących cząsteczek, które będą mogły zostać wykorzystane w ich składzie chemicznym. W tym celu opracują narzędzia wykorzystujące uczenie maszynowe połączone z wydajnymi metodami badań przesiewowych, co pozwoli na prowadzenie automatycznych testów na dużą skalę. Wśród badanych cząsteczek znajdą się inspirowane przez biologię związki organiczne, a także pochodne specjalistycznej substancji chemicznej wytwarzanej hurtowo. W celu uzyskania danych na temat cząsteczek oraz ich właściwości zostaną wykorzystane zaawansowane obliczenia. Na podstawie ich wyników, uczestnicy finansowanego przez Unię Europejską projektu CompBat zamierzają przeprowadzić modelowanie systemów akumulatorów przepływowych, aby w ten sposób uzyskać prognozy dotyczące osiągów oraz kosztów rozwiązań. Ponadto zespół przeanalizuje możliwość zwiększania pojemności akumulatorów dzięki wykorzystaniu substancji stałych poprawiających ich właściwości.
Cel
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.
Dziedzina nauki
Słowa kluczowe
Program(-y)
Zaproszenie do składania wniosków
Zobacz inne projekty w ramach tego zaproszeniaSzczegółowe działanie
H2020-LC-BAT-2019
System finansowania
RIA - Research and Innovation actionKoordynator
02150 Espoo
Finlandia