Une équipe de scientifiques dirigée par le Dr Gareth Conduit de l'Institut de recherche et d'ingénierie des matériaux de A * STAR et de l'Université technologique de Nanyang ont utilisé l' IA pour prédire l'état des batteries des véhicules électriques et pour donner une prédiction `` précise '' de l'état des cellules lithium-ion. de charge et de santé.
Selon l'article publié, la technologie du modèle d'apprentissage automatique basé sur les données pourrait permettre aux fabricants d'intégrer le logiciel directement dans leurs appareils de batterie pour améliorer sa durée de vie jusqu'à 6% par rapport aux modèles de batterie typiques qui calculent mal la durée de vie d'environ 10%.
Les performances, le coût et la sécurité des batteries sont les facteurs qui déterminent le succès du développement des véhicules électriques (VE). À partir de maintenant, les batteries lithium-ion (Li-ion) sont préférées aux autres batteries en raison de leur durée de vie et de leur densité d'énergie raisonnable. Cependant, si des recherches supplémentaires sur les batteries Li-ion sont menées, cela conduira à une dynamique de batterie plus compliquée, où la sécurité et l'efficacité deviendront un sujet de préoccupation. Pour cette raison, un système de gestion de batterie avancé qui peut optimiser et surveiller la sécurité est crucial pour l'électrification des véhicules.
Des algorithmes d'apprentissage automatique ont été mis en œuvre pour prédire l'état de santé, l'état de charge et la durée de vie utile restante. L'accent a été mis sur les modèles basés sur les données et ceux-ci ont été combinés avec des techniques d'apprentissage automatique. Ces modèles semblent plus puissants et permettent de prédire sans connaissance a priori du système en plus d'atteindre une précision élevée avec un faible coût de calcul. Avec la réduction des coûts des périphériques de stockage de données et l'avancement des technologies de calcul, l'apprentissage automatique basé sur les données semble être l'approche la plus prometteuse pour la modélisation avancée des batteries à l'avenir.
Le but de l'étude est de produire un effet transformateur sur l'industrie des batteries et de mettre en évidence comment l'apprentissage automatique peut prédire et améliorer avec précision la santé et la durée de vie d'une batterie. Cela permettra aux fabricants d'intégrer le logiciel directement dans leurs batteries et d'améliorer leur service en cours de vie pour le consommateur.