MARC

 008250123s2024        us                              c    eng  d
■001000017160962
■00520250211151142
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798383708149
■035    ▼a(MiAaPQ)AAI31210966
■035    ▼a(MiAaPQ)ky634jb3214
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a300
■1001  ▼aZhuang,  Jihan.
■24512▼aA  Decision-Making  Model  for  Retired  Li-Ion  Batteries
■260    ▼a[Sl]▼bStanford  University▼c2024
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2024
■300    ▼a120  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  86-02,  Section:  B.
■500    ▼aAdvisor:  Benson,  Sally  M.;Chueh,  William;Onori,  Simona.
■5021  ▼aThesis  (Ph.D.)--Stanford  University,  2024.
■520    ▼aThis  thesis  focuses  on  the  development  of  a  decision-making  model  to  determine  the  solution  for  a  retired  battery.  The  model  evaluates  the  retired  battery  from  both  technical  and  economical  perspectives.  It  integrates  a  module-level  aging  model  with  an  economic  evaluation  model  to  assess  the  values  of  Second  Life  Batteries  for  the  most  commonly  cited  second-life  use  cases.  Finally,  the  highest  value  among  different  second  life  applications  is  compared  with  the  recycling  value  to  determine  the  optimal  strategy  for  a  given  retired  Li-ion  battery.In  the  first  part  of  the  thesis,  a  module-level  degradation  model  was  developed.  This  model  consists  of  cell-level  data-driven  model,  Equivalent  Circuit  Model  and  Series-Parallel  Connection  Model.  Utilizing  Machine  Learning  techniques  like  Neural  Networks  and  Gaussian  Process  Regression,  a  cell-level  degradation  model  is  constructed.  Afterwards,  this  model,  along  with  the  Equivalent  Circuit  and  Series-Parallel  Connection  Models,  simulates  the  module-level  aging  of  second-life  batteries.  Monte  Carlo  analysis  captures  the  statistical  battery  module  performance  across  multiple  simulations,  revealing  divergent  aging  trajectories  under  varied  use  cases.  The  simulation  results  show  a  wide  range  of  remaining  useful  life  of  used  batteries  in  different  second  life  applications.In  the  second  part  of  the  thesis,  an  economic  model  was  integrated  with  the  module-level  degradation  model  to  estimate  the  selling  price  of  used  batteries.  The  economic  model  based  on  the  present  value  of  future  cash  flows  to  calculate  the  value  of  second  life  batteries  in  terms  of  different  applications.  The  selling  price  of  the  used  battery  modules  after  repurposing  was  calculated  by  equating  the  net  present  value  of  new  and  used  batteries.  The  selling  price  was  compared  with  recycling  value  and  the  final  decision  was  made  based  on  the  comparison  between  the  maximum  value  obtained  from  repurposing  and  recycling.  The  results  of  the  economic  model  suggest  that  the  values  of  retired  batteries  varied  case  by  case  so  that  the  decision  should  be  made  based  on  the  actual  situation  of  each  use  case.The  third  part  culminates  in  a  pivotal  use  case  study  that  underscores  the  practical  application  of  the  decision-making  model.  Focused  on  the  Stanford  electric  bus  charging  station,  this  case  study  examines  retired  batteries  as  a  potential  solution.  The  investigation  incorporates  diverse  factors  influencing  battery  aging,  utilizing  simulation  outcomes  from  the  module-level  degradation  model  to  define  optimal  operational  parameters.  Furthermore,  a  sensitivity  analysis  of  the  economic  model  parameters  evaluates  their  impact  on  pricing  dynamics.  This  comprehensive  approach  assesses  the  economic  viability  of  implementing  second-life  batteries  across  various  scenarios,  delineating  cost  reductions  compared  to  deploying  new  batteries.  The  findings  from  this  case  study  exemplify  the  successful  utilization  of  the  decision-making  model,  demonstrating  the  economic  feasibility  of  integrating  second-life  batteries  as  an  energy  storage  system  within  the  Stanford  electric  bus  charging  station.
■590    ▼aSchool  code:  0212.
■650  4▼aMonte  Carlo  simulation
■650  4▼aMotivation
■650  4▼aSuccess
■650  4▼aNeural  networks
■650  4▼aPersonal  development
■650  4▼aDecision  making
■650  4▼aEnergy  storage
■650  4▼aElectric  vehicle  charging  stations
■690    ▼a0800
■71020▼aStanford  University.
■7730  ▼tDissertations  Abstracts  International▼g86-02B.
■790    ▼a0212
■791    ▼aPh.D.
■792    ▼a2024
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17160962▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서