science >> Wetenschap >  >> Elektronica

Machine learning-algoritme voorspelt hoe u het meeste uit accu's van elektrische voertuigen kunt halen

Krediet:Pixabay/CC0 publiek domein

Onderzoekers hebben een machine learning-algoritme ontwikkeld dat kan helpen de oplaadtijden te verkorten en de levensduur van de batterij in elektrische voertuigen te verlengen door te voorspellen hoe verschillende rijpatronen de prestaties van de batterij beïnvloeden, waardoor de veiligheid en betrouwbaarheid worden verbeterd.

De onderzoekers van de Universiteit van Cambridge zeggen dat hun algoritme bestuurders, fabrikanten en bedrijven kan helpen om het meeste uit de batterijen van elektrische voertuigen te halen, door routes en rijpatronen voor te stellen die degradatie van de batterij en oplaadtijden minimaliseren.

Het team ontwikkelde een niet-invasieve manier om batterijen te onderzoeken en een holistisch beeld te krijgen van de gezondheid van batterijen. Deze resultaten werden vervolgens ingevoerd in een machine learning-algoritme dat kan voorspellen hoe verschillende rijpatronen de toekomstige gezondheid van de batterij zullen beïnvloeden.

Indien commercieel ontwikkeld, zou het algoritme kunnen worden gebruikt om routes aan te bevelen die chauffeurs in de kortst mogelijke tijd van punt naar punt brengen zonder de batterij te verslechteren, of om de snelste manier aan te bevelen om de batterij op te laden zonder deze te verslechteren. De resultaten worden gerapporteerd in het tijdschrift Nature Communications .

De gezondheid van een batterij, of die nu in een smartphone of in een auto zit, is veel complexer dan een enkel nummer op een scherm. "De gezondheid van batterijen is, net als de menselijke gezondheid, een multidimensionaal iets en het kan op veel verschillende manieren achteruitgaan", zegt eerste auteur Penelope Jones van het Cavendish Laboratory in Cambridge. "De meeste methoden om de batterijstatus te controleren, gaan ervan uit dat een batterij altijd op dezelfde manier wordt gebruikt. Maar dat is niet hoe we batterijen in het echte leven gebruiken. Als ik een tv-programma stream op mijn telefoon, zal de batterij een een stuk sneller dan wanneer ik het voor berichten gebruik. Het is hetzelfde met elektrische auto's:hoe je rijdt, heeft invloed op hoe de batterij achteruitgaat."

"De meesten van ons zullen onze telefoons vervangen ruim voordat de batterij zo ver versleten is dat hij onbruikbaar is, maar voor auto's moeten de batterijen vijf, tien jaar of langer meegaan", zei Dr. Alpha Lee, die het onderzoek leidde. "De batterijcapaciteit kan in die tijd drastisch veranderen, dus we wilden een betere manier bedenken om de batterijstatus te controleren."

De onderzoekers ontwikkelden een niet-invasieve sonde die hoogdimensionale elektrische pulsen naar een batterij stuurt en de respons meet, waardoor een reeks 'biomarkers' van de batterijgezondheid wordt verkregen. Deze methode ontziet de batterij en zorgt er niet voor dat deze verder achteruitgaat.

De elektrische signalen van de batterij werden omgezet in een beschrijving van de toestand van de batterij, die werd ingevoerd in een machine learning-algoritme. Het algoritme kon voorspellen hoe de batterij zou reageren in de volgende laad-ontlaadcyclus, afhankelijk van hoe snel de batterij was opgeladen en hoe snel de auto zou rijden de volgende keer dat hij de weg op ging. Tests met 88 commerciële batterijen toonden aan dat het algoritme geen informatie nodig had over eerder gebruik van de batterij om een ​​nauwkeurige voorspelling te kunnen doen.

Het experiment was gericht op lithium-kobaltoxide (LCO)-cellen, die veel worden gebruikt in oplaadbare batterijen, maar de methode is generaliseerbaar voor de verschillende soorten batterijchemie die tegenwoordig in elektrische voertuigen worden gebruikt.

"Deze methode zou waarde kunnen ontsluiten in zoveel delen van de toeleveringsketen, of je nu een fabrikant, een eindgebruiker of een recycler bent, omdat het ons in staat stelt om de gezondheid van de batterij meer dan een enkel getal vast te leggen, en omdat het voorspellend is ’, zei Leen. "Het kan de tijd die nodig is om nieuwe soorten batterijen te ontwikkelen, verkorten, omdat we kunnen voorspellen hoe ze onder verschillende bedrijfsomstandigheden zullen verslechteren."

De onderzoekers zeggen dat hun methode niet alleen nuttig kan zijn voor fabrikanten en chauffeurs, maar ook voor bedrijven die grote vloot elektrische voertuigen exploiteren, zoals logistieke bedrijven. "Het raamwerk dat we hebben ontwikkeld, kan bedrijven helpen de manier waarop ze hun voertuigen gebruiken te optimaliseren om de algehele levensduur van de batterij van het wagenpark te verbeteren", aldus Lee. "Er is zoveel potentieel met een raamwerk als dit."

"Het was zo'n opwindend raamwerk om te bouwen, omdat het zoveel van de huidige uitdagingen op het gebied van batterijen zou kunnen oplossen", zei Jones. "Het is een geweldige tijd om betrokken te zijn op het gebied van batterijonderzoek, dat zo belangrijk is om de klimaatverandering aan te pakken door over te stappen van fossiele brandstoffen."

De onderzoekers werken nu samen met batterijfabrikanten om de ontwikkeling van veiligere, duurzamere batterijen van de volgende generatie te versnellen. Ze onderzoeken ook hoe hun raamwerk kan worden gebruikt om optimale snellaadprotocollen te ontwikkelen om de oplaadtijden van elektrische voertuigen te verkorten zonder degradatie te veroorzaken. + Verder verkennen

Supersnel opladen van elektrische auto's, met een op maat gemaakte touch