• Home
  • Kemi
  • Astronomien
  • Energi
  • Naturen
  • Biologi
  • Fysik
  • Elektronik
  • Algorithm för maskininlärning förutsäger hur man får ut det mesta av elfordonsbatterier

    Kredit:Pixabay/CC0 Public Domain

    Forskare har utvecklat en maskininlärningsalgoritm som kan hjälpa till att minska laddningstider och förlänga batteritiden i elfordon genom att förutsäga hur olika körmönster påverkar batteriets prestanda, vilket förbättrar säkerheten och tillförlitligheten.

    Forskarna, från University of Cambridge, säger att deras algoritm kan hjälpa förare, tillverkare och företag att få ut det mesta av batterierna som driver elfordon genom att föreslå rutter och körmönster som minimerar batteriförsämring och laddningstider.

    Teamet utvecklade ett icke-invasivt sätt att undersöka batterier och få en helhetssyn på batteriets hälsa. Dessa resultat matades sedan in i en maskininlärningsalgoritm som kan förutsäga hur olika körmönster kommer att påverka batteriets framtida hälsa.

    Om den utvecklas kommersiellt skulle algoritmen kunna användas för att rekommendera rutter som tar förare från punkt till punkt på kortast tid utan att försämra batteriet, till exempel, eller rekommendera det snabbaste sättet att ladda batteriet utan att få det att försämras. Resultaten redovisas i tidskriften Nature Communications .

    Ett batteris hälsa, oavsett om det är i en smartphone eller en bil, är mycket mer komplex än ett enda nummer på en skärm. "Batterihälsa, liksom människors hälsa, är en mångdimensionell sak, och den kan försämras på många olika sätt", säger första författaren Penelope Jones, från Cambridges Cavendish Laboratory. "De flesta metoder för att övervaka batteriets hälsa förutsätter att ett batteri alltid används på samma sätt. Men det är inte så vi använder batterier i verkligheten. Om jag streamar ett TV-program på min telefon kommer det att ta slut på batteriet. mycket snabbare än om jag använder den för meddelanden. Det är samma sak med elbilar – hur du kör kommer att påverka hur batteriet försämras."

    "De flesta av oss kommer att byta ut våra telefoner långt innan batteriet försämras till den grad att det är oanvändbart, men för bilar måste batterierna hålla i fem, tio år eller mer", säger Dr Alpha Lee, som ledde forskningen. "Batterikapaciteten kan förändras drastiskt under den tiden, så vi ville komma på ett bättre sätt att kontrollera batteriets hälsa."

    Forskarna utvecklade en icke-invasiv sond som skickar högdimensionella elektriska pulser in i ett batteri och mäter svaret, vilket ger en serie "biomarkörer" för batteriets hälsa. Denna metod är skonsam mot batteriet och gör att det inte försämras ytterligare.

    De elektriska signalerna från batteriet omvandlades till en beskrivning av batteriets tillstånd, som matades in i en maskininlärningsalgoritm. Algoritmen kunde förutsäga hur batteriet skulle reagera i nästa laddnings-urladdningscykel, beroende på hur snabbt batteriet laddades och hur snabbt bilen skulle köra nästa gång den var på vägen. Tester med 88 kommersiella batterier visade att algoritmen inte krävde någon information om tidigare användning av batteriet för att göra en korrekt förutsägelse.

    Experimentet fokuserade på litiumkoboltoxid (LCO)-celler, som används i stor utsträckning i laddningsbara batterier, men metoden är generaliserbar över de olika typer av batterikemi som används i elfordon idag.

    "Denna metod kan låsa upp värde i så många delar av försörjningskedjan, oavsett om du är en tillverkare, en slutanvändare eller en återvinnare, eftersom den tillåter oss att fånga batteriets hälsa bortom ett enda nummer, och eftersom det är förutsägande. ", sa Lee. "Det kan minska tiden det tar att utveckla nya typer av batterier, eftersom vi kommer att kunna förutsäga hur de kommer att brytas ned under olika driftsförhållanden."

    Forskarna säger att förutom tillverkare och förare kan deras metod vara användbar för företag som driver stora flottor av elfordon, till exempel logistikföretag. "Ramverket vi har utvecklat kan hjälpa företag att optimera hur de använder sina fordon för att förbättra den totala batteritiden för flottan", säger Lee. "Det finns så mycket potential med ett ramverk som det här."

    "Det har varit ett så spännande ramverk att bygga eftersom det skulle kunna lösa så många av utmaningarna inom batteriområdet idag", säger Jones. "Det är en bra tid att vara involverad i batteriforskningen, som är så viktig för att hjälpa till att hantera klimatförändringarna genom att gå bort från fossila bränslen."

    Forskarna arbetar nu med batteritillverkare för att påskynda utvecklingen av säkrare, mer hållbara nästa generations batterier. De undersöker också hur deras ramverk kan användas för att utveckla optimala snabbladdningsprotokoll för att minska laddningstiderna för elfordon utan att orsaka försämring. + Utforska vidare

    Supersnabb elbilsladdning, med en skräddarsydd touch




    © Vetenskap https://sv.scienceaq.com