Elektrische voertuigen worden aangedreven door lithium-ionbatterijen (LIB), een oplaadbare batterij die nog steeds niet volledig wordt begrepen of geperfectioneerd. En aangezien elektrische auto's naar verwachting auto's op gas zullen vervangen, elk onderzoek dat de prestaties van een lithium-ionbatterij verbetert, zal een zegen zijn voor elektrische voertuigen en het milieu.

Hoogleraren Matthias Preindl en Alan West, twee Columbia-professoren, ontwikkelen een machine learning-model dat het laadniveau van een Li-Ion-batterij nauwkeuriger kan schatten. Huidige schattingen van de laadstatus van een batterij hebben een foutpercentage van vijf procent, terwijl het model van dit team streeft naar een foutenpercentage van één procent. Hun onderzoek wordt ondersteund door een Seeds Fund Grant van het Data Science Institute.

Zogenaamde Battery Management Systems zijn getraind om de gezondheidstoestand van een batterij vast te leggen en de resterende levensduur te voorspellen. Deze twee concepten helpen eigenaren van elektrische voertuigen om te weten wanneer ze de auto moeten stoppen om de batterij op te laden en wanneer ze de batterij moeten vervangen. Verder, een model met hoge schattingsnauwkeurigheid vertaalt zich in een verlenging van de levensduur van batterijpakketten, omdat het een batterijbeheersysteem mogelijk maakt dat zwakke cellen kan identificeren en beschermen.

Om het machine learning-model te ontwerpen, dit team zal verstoringssignalen - een opeenvolging van stroomsignalen gegenereerd door een vermogenselektronische omzetter - toepassen op Li-Ion-batterijcellen. De opeenvolging van signalen zorgt ervoor dat de batterijcellen elektrische reacties uitzenden die kunnen worden getest. Het team zal de batterijen testen in zijn laboratorium, en ook vermogenselektronische omvormers gebruiken om gegevens te verkrijgen van batterijen die in elektrische voertuigen zijn geïnstalleerd. De gegevens, die elke minuut worden gegenereerd, meet batterijfuncties zoals temperatuur, spanning en vluchtigheid in de stromen, resulterend in honderdduizenden datapunten. Het team ontwerpt daarom een ​​algoritme om de data te beoordelen en een optimalisatiemodel te ontwerpen.

"Een analogie met wat we doen is wat er werd gedaan met schaken, " zegt Mathias Peindl, Hoogleraar Elektrotechniek. "Schaakrobots werken door middel van algoritmen die alle zetten in alle partijen bestuderen, en op basis van die totaliteit, ze kennen alle mogelijke zetten en kunnen data interpreteren en de beste zetten selecteren. Dat is wat we proberen te bereiken met ons model."

Hoewel Preindl een expert is in de interactie van batterijen met externe componenten, Allen West, een chemisch ingenieur, begrijpt de interne chemie van een batterij. Ze gebruiken hun gecombineerde technische kennis, samen met geavanceerde datawetenschapstechnieken, om een ​​model te ontwerpen dat kan voorspellen hoe de beste prestaties uit de huidige Li-Ion-batterijen kunnen worden gehaald.

"Zoals het is, we hebben geen kwantificeringen om te begrijpen hoe een lithium-ionbatterij zich gedraagt, " zegt Peindl, die ook tot DSI's Sense behoort, Verzamel en verplaats datacenter.

"Als we dat eenmaal hebben, we weten wanneer de batterijen moeten worden opgeladen, hoe lang ze meegaan, en wanneer ze moeten worden vervangen en hoe de levensduur van de batterij kan worden verlengd, " voegt hij eraan toe. "En aangezien elektrische auto's en Li-Ion-batterijen de toekomst zijn, ons project heeft de belofte om een ​​belangrijk onderdeel van ons transportsysteem te verbeteren en tegelijkertijd ons milieu te verbeteren."