Naukowcy opracowali właśnie model sztucznej inteligencji (AI), który oferuje znacznie dokładniejszy wgląd w proces starzenia się akumulatorów. Nowy model AI daje znacznie dokładniejszy wgląd w to, jak starzeją się akumulatory w EV. Uczelnia mówi o poprawie do 70%, a wyniki ze zrecenzowanego artykułu naukowego wskazują na wzrost o 65% dla oceny stanu zdrowia i o 69% dla przewidywanej żywotności względem prostych modeli, a nawet w porównaniu do stosowania random forest. Takie coś samo w sobie może oznaczać prawdziwy przełom w zarządzaniu energią w pojazdach elektrycznych.
Sztuczna inteligencja popatrzy w głąb akumulatora, aby żyło się nam lepiej
Zespół pod kierownictwem profesora Daniela Brandella i Wendi Guo przyjął nowatorskie podejście do problemu. Zamiast traktować akumulatory jak czarne skrzynki, badacze stworzyli szczegółowy model wszystkich zachodzących w nich procesów chemicznych. To zupełnie inne myślenie niż w przypadku większości dotychczasowych rozwiązań, bo całe przedsięwzięcie opiera się na kilku latach testów przeprowadzonych we współpracy z Uniwersytetem w Aalborgu. Baza danych powstała dzięki zbieraniu informacji z licznych, bardzo krótkich cyklów ładowania i w efekcie wystarczy teraz zaledwie kilka sekund, aby system mógł przewidzieć stan akumulatora.
Czytaj też: Słońce stopiło jej samochód. Jednym nagraniem wywołała burzę w sieci
Całość działa w architekturze cyfrowego bliźniaka, który łączy parametry projektowe z rzeczywistym zachowaniem ogniw litowo-jonowych. Model testowano w różnych warunkach użytkowych – od szybkiego ładowania po dynamiczne profile rozładowania typowe dla nordyckiego klimatu. To ważne także z polskiej perspektywy, bo zimne miesiące potrafią mocno odbić się na wydajności i trwałości akumulatorów w autach. W trakcie analiz szybkiego ładowania zespół wskazał trzy parametry szczególnie mocno związane z degradacją: współczynnik dyfuzji w stanie stałym, promień cząstek aktywnego materiału oraz grubość elektrody. Silna korelacja tych wielkości ze zmianami pojemności pokazuje, jak konkretnie kształtują one ścieżki starzenia się ogniw.
Nowy model wyraźnie przebija dotychczasowe podejścia. W porównaniu ze standardowymi modelami perceptronu wielowarstwowego i regresji liniowej poprawia wiarygodność oceny stanu zdrowia o 65 procent, a prognozy żywotności o 69 procent. Co istotne, jego trening trwa około jednej sekundy, a sama platforma może być względnie łatwo zintegrowana z istniejącymi systemami zarządzania akumulatorami (BMS). W praktyce użytkownik dostaje wcześniejsze i trafniejsze ostrzeżenia oraz rekomendacje stylu ładowania, a producenci wskazówki do lepszego projektowania ogniw i pakietów. To właśnie praktyczność może być największą zaletą tej technologii.
Istotne jest też to, że model korzysta wyłącznie z krótkich odcinków danych ładowania. To ogranicza potrzebę sięgania po pełne profile użytkowe, co jest korzystne zarówno dla prywatności kierowców, jak i dla chęci producentów do dzielenia się danymi. Dzięki lepszemu rozumieniu zjawisk wewnątrz ogniw można wcześniej wykrywać skutki wad konstrukcyjnych czy niepożądanych reakcji i przeciwdziałać im zanim staną się realnym problemem. Zamiast czekać na awarię, system potrafi wskazać podwyższone ryzyko i zasugerować działania korygujące.
Czytaj też: Fotoradary nowej generacji już łapią kierowców w Polsce. Nadeszła nowa era kontroli prędkości
Wyniki badań ukazały się w czasopiśmie Energy and Environmental Science, a to tylko potwierdza wysoką jakość naukową pracy. Chociaż zawsze należy zachować ostrożność wobec nowych technologii, to szwedzkie odkrycie rzeczywiście może przyspieszyć elektryfikację sektora transportu, eliminując jeden z głównych problemów hamujących rozwój tej technologii. Czas pokaże, czy obiecujące wyniki laboratoryjne przełożą się na realne korzyści dla zwykłych użytkowników elektryków, bo kolejne kroki powinny objąć walidację systemu w seryjnych BMS oraz rzeczywistych samochodach.