Új AI-alapú megoldás az elektromos járművek akkumulátorainak biztonságáért
Ahogy az elektromos járművek (EV-k) egyre elterjedtebbé válnak, lítium-ion akkumulátoraik nemcsak a teljesítményük, hanem a biztonságuk miatt is a figyelem középpontjába kerülnek. Egy rejtett kihívás, amelyet lítium bevonódásnak neveznek, mindkettőt fenyegeti. Míg az EV-k zöldebb alternatívát kínálnak a hagyományos autókhoz képest, a töltés során keletkező mikroszkopikus lítiumfém felhalmozódás csendesen rontja az akkumulátor élettartamát, és szélsőséges esetekben komoly biztonsági kockázatokat is jelenthet.
A Sanghaji Tudományos és Technológiai Egyetem kutatói most egy élvonalbeli megoldást mutattak be, amely megváltoztathatja a játékszabályokat. Mesterséges intelligencia és szabványos elektromos mérések felhasználásával a lítium bevonódás észlelési rendszerük több mint 97%-os pontossággal képes korán azonosítani a problémákat, potenciálisan biztonságosabb és hosszabb élettartamú EV-ket teremtve anélkül, hogy drága hardverfrissítésekre lenne szükség.
A lítium bevonódás magyarázata
A lítium bevonódás egy hibás működés, amely a lítium-ion akkumulátorok töltése során következik be. Normál körülmények között a lítiumionok a grafit anódba áramlanak, ahol egy interkalációs folyamat során tárolódnak. Azonban bizonyos körülmények között, például gyors töltés, alacsony hőmérséklet vagy magas töltöttségi állapot mellett, ezek az ionok nem interkalálódnak megfelelően. Ehelyett a felületükre metallic lítium formájában lerakódnak.
Ez a nem kívánt lítiumfelhalmozódás egy réteget képez, amely csökkentheti az akkumulátor kapacitását és hatékonyságát. Még veszélyesebb, hogy tűszerű szerkezetekké, úgynevezett dendritekké nőhet. Ezek a dendritek átszúrhatják az akkumulátor belső elválasztóját, és rövidzárlatot okozhatnak, ami túlmelegedéshez, tűzhez vagy akár robbanásokhoz vezethet. Mivel a lítium bevonódás mikroszkopikus szinten fejlődik és gyorsan változik, a veszélyessé válása előtt történő észlelése jelentős kihívást jelentett – egészen mostanáig.
Gépi tanulás és akkumulátor biztonság
A sanghaji kutatócsapat egy intelligens lítium bevonódás észlelési és figyelmeztető rendszert fejlesztett ki, amely a Random Forest gépi tanulási algoritmusra támaszkodik. A hagyományos észlelési módszerekkel ellentétben, amelyek gyakran drága vagy invazív eszközöket igényelnek, ez a rendszer az elektromos adatok elemzésére épít, amelyeket pulzáló töltés során gyűjtenek, egy olyan módszer, amely rövid ideig tölti és pihenteti az akkumulátort, hogy mérhető válaszokat generáljon.
Az algoritmus ezt az adatot felhasználva képes azonosítani azokat a finom, de következetes elektromos mintákat, amelyek jelzik a lítium bevonódás kialakulását. Figyelemre méltó, hogy ez a rendszer a 97,2%-os észlelési pontosságot érte el, csupán a legtöbb akkumulátorkezelő rendszerben (BMS) már elérhető szabványos feszültség- és áramjelek felhasználásával. Fizikai átalakításra az akkumulátorban nincs szükség, így a technológia könnyen integrálható széleskörű platformokon.
Az adatokból komplex betekintések
A megoldás különlegessége az ötdimenziós jellemzők kiemelésének alkalmazása. Míg az egyváltozós elemzés csupán 68,5%-os pontosságot produkált, a több jellemző, például a belső ellenállás változása és a feszültségrelaxációs viselkedések kombinálása drámaian megnövelte az észlelési arányokat. Ez a megközelítés felfedi a lítium bevonódás ujjlenyomatait, amelyek rejtve vannak az akkumulátor normál működési adataiban. Ezek a korai indikátorok segíthetnek a meghibásodások előrejelzésében és megelőzésében, lehetővé téve a mérnökök és rendszerek számára, hogy valós idejű betekintést nyerjenek az akkumulátor egészségébe és biztonságába.
Mivel a rendszer a meglévő hardverekkel működik és közönséges elektromos mérésekre támaszkodik, szoftverfrissítésként telepíthető a jelenlegi BMS egységekre, vagy integrálható felhőalapú kezelőeszközökbe. Ez azt jelenti, hogy az EV-gyártók és az energiatároló cégek gyorsan alkalmazhatják a technológiát anélkül, hogy újratervezniük kellene akkumulátorrendszereiket. A kutatók a modellt másféle lítium-ion akkumulátorokhoz is szeretnék bővíteni, amelyeket például okostelefonokban, drónokban és hálózati méretű energiatárolásban használnak. A jövőbeli verziók akár a gyors töltési környezetekhez is alkalmazkodhatnak, a töltési sebességeket a lítium bevonódás valós idejű kockázata alapján állítva be.
A lítium bevonódás észlelésére szolgáló AI-alapú rendszer révén a gyártók most egy erőteljes eszközt kaptak, amely meghosszabbíthatja az akkumulátor élettartamát, fokozhatja a biztonságot és növelheti az elektromos mobilitásba vetett bizalmat. Ez a áttörés rávilágít arra, hogy az adatalapú technológia miként oldhatja meg a legbonyolultabb mérnöki problémákat, közelebb hozva minket egy okosabb, tisztább és biztonságosabb energiajövőhöz.
Érdekes tény: A lítium-ion akkumulátorok felfedezése 1970-es évek végén történt, és azóta forradalmasították a mobilitást és az energiatárolást a modern világban.
Források: Sanghaji Tudományos és Technológiai Egyetem, kutatási tanulmányok, szakmai folyóiratok.
