Un equipo de científicos dirigido por el Dr. Gareth Conduit en el Instituto de Investigación e Ingeniería de Materiales de A * STAR, y la Universidad Tecnológica de Nanyang, ha utilizado la inteligencia artificial para predecir el estado de la batería de un vehículo eléctrico y dar una predicción 'precisa' del estado de las células de iones de litio. de carga y salud.
Según el artículo publicado, la tecnología del modelo de aprendizaje automático basado en datos podría permitir a los fabricantes integrar el software directamente en sus dispositivos de batería para mejorar su ciclo de vida hasta un 6% en comparación con los modelos de batería típicos que calculan mal la vida útil en alrededor del 10%.
El rendimiento, el costo y la seguridad de las baterías son los factores que determinan el desarrollo exitoso de los vehículos eléctricos (EV). A partir de ahora, las baterías de iones de litio (Li-ion) se prefieren sobre otras baterías debido a su ciclo de vida y densidad de energía razonable. Sin embargo, si se realizan más investigaciones sobre las baterías de iones de litio, se producirá una dinámica de batería más complicada, donde la seguridad y la eficiencia se convertirán en un motivo de preocupación. Debido a esto, un sistema de gestión de batería avanzado que pueda optimizar y monitorear la seguridad es crucial para la electrificación de los vehículos.
Se han implementado algoritmos de aprendizaje automático para predecir el estado de salud, el estado de carga y la vida útil restante. Ha habido un enfoque en modelos basados en datos y estos se han combinado con técnicas de aprendizaje automático. Estos modelos parecen ser más potentes y pueden predecir sin un conocimiento a priori del sistema, además de lograr una alta precisión con un bajo costo computacional. Con los costos reducidos de los dispositivos de almacenamiento de datos y el avance de las tecnologías computacionales, el aprendizaje automático basado en datos parece ser el enfoque más prometedor para el modelado avanzado de baterías en el futuro.
El objetivo del estudio es lograr un efecto transformador en la industria de las baterías y destacar cómo el aprendizaje automático puede predecir y mejorar con precisión la salud y la vida útil de una batería. Esto permitirá a los fabricantes integrar el software directamente en sus dispositivos de batería y mejorar su servicio de por vida para el consumidor.