Un team di scienziati guidato dal dottor Gareth Conduit presso l'Institute of Materials Research and Engineering presso A * STAR e la Nanyang Technological University hanno utilizzato l' IA per prevedere gli stati della batteria dei veicoli elettrici e per fornire una previsione `` accurata '' per lo stato delle celle agli ioni di litio di carica e salute.
Secondo l'articolo pubblicato, la tecnologia del modello di apprendimento automatico basato sui dati potrebbe consentire ai produttori di incorporare il software direttamente nei loro dispositivi a batteria per migliorarne la durata del ciclo fino al 6% rispetto ai tipici modelli di batteria che calcolano male la durata di circa il 10%.
Le prestazioni, il costo e la sicurezza delle batterie sono i fattori che determinano lo sviluppo di successo dei veicoli elettrici (EV). Al momento, le batterie agli ioni di litio (Li-ion) sono preferite rispetto ad altre batterie a causa del loro ciclo di vita e della ragionevole densità di energia. Tuttavia, se vengono portate avanti ulteriori ricerche sulle batterie agli ioni di litio, ciò porterà a dinamiche della batteria più complicate, dove la sicurezza e l'efficienza diventeranno una questione di preoccupazione. Per questo motivo, un sistema avanzato di gestione della batteria in grado di ottimizzare e monitorare la sicurezza è fondamentale per l'elettrificazione dei veicoli.
Sono stati implementati algoritmi di apprendimento automatico per prevedere lo stato di salute, lo stato di carica e la vita utile rimanente. Ci si è concentrati sui modelli basati sui dati e questi sono stati combinati con tecniche di apprendimento automatico. Questi modelli sembrano essere più potenti e possono prevedere senza una conoscenza a priori del sistema oltre a raggiungere un'elevata precisione con un basso costo computazionale. Con i costi ridotti dei dispositivi di archiviazione dei dati e il progresso delle tecnologie computazionali, l'apprendimento automatico basato sui dati sembra essere l'approccio più promettente per la modellazione avanzata della batteria in futuro.
Lo scopo dello studio è quello di determinare un effetto trasformativo nel settore delle batterie ed evidenziare come l'apprendimento automatico possa prevedere e migliorare con precisione la salute e la durata di una batteria. Ciò consentirà ai produttori di incorporare il software direttamente nei loro dispositivi a batteria e migliorare il loro servizio di vita utile per il consumatore.