Elfordon drivs av litiumjonbatterier (LIB), ett uppladdningsbart batteri som fortfarande inte är helt förstått eller fulländat. Och eftersom elbilar förväntas ersätta gasdrivna bilar, all forskning som förbättrar prestandan hos ett litiumjonbatteri kommer att vara en välsignelse för elfordon och miljön.

Professorerna Matthias Preindl och Alan West, två Columbia professorer, håller på att utveckla en maskininlärningsmodell som mer exakt kan uppskatta ett Li-Ion-batteris laddningsnivå. Aktuella uppskattningar av ett batteris laddningstillstånd har felfrekvenser på fem procent, medan detta teams modell syftar till en felfrekvens på en procent. Deras forskning stöds av ett Seeds Fund Grant från Data Science Institute.

Det som kallas Battery Management Systems är utbildat för att fånga ett batteris hälsotillstånd och att förutsäga dess återstående livstid. Dessa två koncept hjälper ägare till elfordon att veta när de ska stoppa bilen för att ladda batteriet och när de ska schemalägga batteribyten. Vidare, en modell med hög uppskattningsnoggrannhet innebär att batterierna förlängs hela livet, eftersom det möjliggör ett batterihanteringssystem som kan identifiera och skydda svaga celler.

För att designa sin maskininlärningsmodell, detta team kommer att tillämpa störningssignaler-en sekvens av strömsignaler som genereras av en kraftelektronisk omvandlare-till Li-Ion-battericeller. Sekvensen av signaler får battericellerna att avge elektriska svar som kan testas. Teamet kommer att testa batterierna i sitt labb, och även använda kraftelektroniska omvandlare för att få data från batterier installerade i elfordon. Uppgifterna, som genereras varje minut, mäta batterifunktioner som temperatur, spänning och volatilitet i strömmarna, vilket resulterar i hundratusentals datapunkter. Teamet utformar därför en algoritm för att bedöma data och utforma en optimeringsmodell.

"En analogi till vad vi gör är vad som gjordes med schack, säger Mathias Preindl, Professor i elektroteknik. "Schackrobotar arbetar med algoritmer som studerar alla drag i alla spel, och baserat på den helheten, de känner till alla möjliga drag och kan tolka data och välja de bästa dragen. Det är vad vi försöker uppnå med vår modell."

Medan Preindl är expert på hur batterier interagerar med externa komponenter, Allen West, en kemisk ingenjör, förstår den interna kemin hos ett batteri. De använder sin kombinerade ingenjörskunskap, tillsammans med avancerade datavetenskapliga tekniker, att designa en modell som kan förutsäga hur man får bästa prestanda från nuvarande Li-Ion-batterier.

"Som det är, vi har inga kvantifieringar för att förstå hur ett litiumjonbatteri beter sig, säger Preindl, som också tillhör DSI:s Sense, Samla in och flytta datacenter.

"När vi väl har det, vi vet när batterierna behöver laddas, hur länge de kommer att hålla, och när de behöver bytas ut och hur man förlänger batteriets livslängd, "tillägger han." Och eftersom elbilar och Li-Ion-batterier är framtiden, vårt projekt lovar att förbättra en viktig del av vårt transportsystem samtidigt som vi förbättrar vår miljö. "