Kebakaran Baterai Menjadi Kekhawatiran Karena Adopsi EV – Bisakah AI Membantu Mencegah Thermal Runaway?

A tim insinyur yang dipimpin oleh seorang mahasiswa doktoral Universitas Arizona telah memperkenalkan metode baru untuk mencegah baterai EV dari terlalu panas. Metode ini menggunakan algoritma AI untuk memprediksi area yang berpotensi bermasalah sebelum menjadi berbahaya. Banyak yang melihat studi ini sebagai terobosan dalam industri, terutama mengingat meningkatnya permintaan EV. Berikut semua yang perlu Anda ketahui tentang peran AI di masa depan dalam mencegah thermal runaway.

Baterai Lithium-ion (LIBs)

Ada beberapa poin penting untuk dipahami agar dapat menangkap besarnya penelitian ini. Pertama, baterai lithium-ion (LIBs) adalah baterai yang paling umum digunakan pada EV masa kini. Baterai ini mengintegrasikan ion litium yang terisi untuk mentransfer energi melalui unit, menghasilkan arus untuk kebutuhan listrik Anda. Yang membuat LIBs begitu populer adalah kemampuannya untuk diisi ulang dengan membalik polaritas sementara dan mengirim ion kembali ke kutub negatif unit.

EV masa kini mengandalkan perangkat ini karena berbagai alasan, termasuk masa pakai yang layak, relatif ringan dibandingkan alternatif, dan memberikan kepadatan energi yang luar biasa. Secara khusus, umum bagi baterai ini menggunakan sel yang dikelompokkan untuk membentuk paket EV lengkap. Kebanyakan paket baterai EV memiliki ribuan sel.

Apa itu Thermal Runaway?

Struktur multi-sel saat ini pada LIBs membantu baterai mengisi daya lebih cepat dan mencapai masa pakai yang lebih lama. Namun, hal ini dapat menciptakan titik panas di dalam paket baterai yang dapat mengakibatkan kegagalan katastrofik. Ketika satu sel mulai mengalami kerusakan, sel tersebut dapat cepat memanas, menyebabkan sel-sel di sekitarnya mengalami peningkatan suhu dan berpotensi menimbulkan kegagalan lebih lanjut. Efek domino ini disebut thermal runaway, dan merupakan salah satu masalah utama yang dihadapi EV saat ini.

Thermal Runaway (TR) dapat mengurangi kinerja, menyebabkan dekomposisi baterai, bahkan ledakan. Oleh karena itu, ini menjadi kekhawatiran nyata bagi pemilik EV. Thermal Runaway dapat disebabkan oleh beberapa faktor termasuk kegagalan baterai seperti melelehnya pemisah, dekomposisi katoda, atau reaksi Li-elektrolit yang merugikan.

Kekhawatiran Keamanan

Sirkuit pendek ini dapat terjadi dengan cepat dan menyebabkan orang di sekitarnya terluka akibat kebakaran dan ledakan. Banyak cerita tentang orang yang terbangun karena kebakaran rumah atau momen menakutkan lainnya akibat baterai EV mereka menyala. Oleh karena itu, menyelesaikan masalah ini telah menjadi perhatian utama bagi peneliti di seluruh dunia.

Suhu yang Meningkat

Kebutuhan untuk mengurangi TR menjadi lebih penting dalam beberapa tahun terakhir karena berbagai faktor. Peningkatan penggunaan EV dan suhu global telah menciptakan skenario berbahaya dengan lebih banyak nyawa yang terancam daripada sebelumnya. Faktor-faktor ini menjadikan pendinginan baterai penting untuk mencapai masa depan yang lebih hijau.

Studi AI Thermal Runaway

Sebuah studi yang dipublikasikan dalam Journal of Power Sources menunjukkan bagaimana algoritma AI canggih yang dipadukan dengan sensor dapat menjadi kunci untuk menghilangkan thermal runaway sekali untuk selamanya. Studi ini, dipimpin oleh Basab Goswami, menggunakan simulasi data pengemudi untuk meniru penggunaan baterai EV dalam kondisi mengemudi harian.

Model multiphysics dan pembelajaran mesin yang memanfaatkan sub-model termal, elektrokimia, dan degradasi digunakan untuk menentukan momen kunci ketika TR menjadi terlihat. Dari situ, sistem AI memperkuat data, memungkinkan mereka memprediksi dan mengidentifikasi sel yang terlalu panas lebih cepat daripada solusi optik apa pun.

Uji AI Thermal Runaway

Para peneliti berusaha memperoleh pemahaman yang lebih baik tentang bagaimana antarmuka elektrolit padat terdegradasi pada elektroda negatif di berbagai kondisi. Tim menggunakan data pengemudi nyata dan kondisi baterai seperti pengisian/pengosongan konstan serta siklus mengemudi untuk menguji jejak panas baterai. Untuk melaksanakan tugas ini, tim membuat baterai yang dilapisi sensor termal khusus.

Sensor suhu memberikan data suhu spasial dan temporal yang detail, yang kemudian digabungkan dengan data historis dan dimasukkan ke dalam algoritma AI. Data ini mencakup situasi kunci, lingkungan, aktivitas pengemudi, dan masalah teknis.

Algoritma Goswami

Algoritma Goswami unik dalam banyak hal. Pertama, ini adalah model pembelajaran mesin AI pertama yang digunakan untuk memprediksi TR. Model multiphysics ini hanya dimungkinkan berkat sistem AI baru seperti pemodelan vektor. Sistem canggih ini dapat menganalisis sejumlah besar data dan menunjukkan korelasi atau pola kompleks yang jauh melampaui kemampuan manusia. Akibatnya, metode pemodelan ini memungkinkan tim menciptakan data realistis tentang perilaku mengemudi EV.

Hasil Uji AI Thermal Runaway

Hasil studi ini mengesankan. Pertama, tim berhasil mencapai tujuan mereka untuk secara konsisten memprediksi TR pada LIBs dengan akurat dan tepat. AI sangat presisi dan bahkan dapat menentukan di mana thermal runaway dimulai, memberi peringatan bahaya dan mencegah kerusakan lebih lanjut. Sekarang, tim berusaha memperluas penelitiannya, yang suatu hari dapat membantu menciptakan EV yang lebih aman untuk semua.

Manfaat AI Thermal Runaway

Ada banyak manfaat yang dibawa penelitian ini ke pasar. Pertama, algoritma AI jauh lebih murah dibandingkan menggunakan metode lain untuk mencegah Thermal Runaway. Di masa lalu, insinyur, termasuk yang terlibat dalam studi ini, telah menggunakan metode pengukuran optik. Taktik ini efektif namun memerlukan kamera mahal dan pemantauan terus-menerus. AI membebaskan upaya tim dan memberikan hasil yang lebih baik.

Akurasi Tinggi

Kemampuan untuk memprediksi suhu termokopel dan lokasi titik panas secara tepat merupakan langkah penting dalam menciptakan baterai yang lebih tahan lama dan mampu di masa depan. Insinyur dapat menggunakan pendekatan ini untuk membantu menentukan bagian mana dari produk mereka yang dapat ditingkatkan dan bagian apa yang perlu di-upgrade atau diubah untuk mencegah TR di masa mendatang.

Mencapai Emisi NetZero

Manfaat lain dari penelitian ini adalah mempermudah pencapaian tujuan global mengurangi karbon dan polutan. EV merupakan salah satu cara untuk mengurangi emisi mobil dan setiap metode yang meningkatkan efisiensi serta efektivitasnya akan berdampak besar pada pasar otomotif ke depan. Pada tahun 2023, penjualan kendaraan EV meningkat 35% secara global. Analis memprediksi pertumbuhan ini akan berlanjut, menjadikan keamanan TR prioritas bagi kebanyakan produsen.

Mudah Diintegrasikan

Teknologi ini dapat diterapkan ke dalam rantai pasokan dan proses manufaktur dengan upaya minimal. Model AI akan terus berkembang seiring lebih banyak data, sensor yang lebih baik, dan model tambahan diperkenalkan ke dalam sistem manajemen baterai setiap kendaraan listrik.

Peneliti

Studi ini dilakukan di Universitas Arizona oleh Vitaliy Yurkiv, Farzad Mashayek, Yasaman Abdisobbouhi, Hui Du, dan Todd A. Kingston. Proyek ini dimungkinkan berkat hibah sebesar $599.808 dari Defense Established Program to Stimulate Competitive Research milik Departemen Pertahanan. Secara khusus, Goswami dan Yurkiv menerbitkan makalah lain pada Januari tahun ini yang menunjukkan metode optik untuk mendeteksi titik panas. Studi terbaru ini merupakan puncak dari penelitian tersebut dan keinginan untuk menyediakan opsi yang lebih terjangkau dan dapat diakses.

Dua Perusahaan yang Mungkin Mendapat Manfaat dari Penelitian Ini

Beberapa perusahaan dapat melihat manfaat langsung dari studi ini. Permintaan EV terus meningkat, dan produsen masuk ke pasar untuk memenuhi kebutuhan tersebut. Kemampuan menyediakan alternatif yang lebih aman dibandingkan opsi saat ini akan membantu melambungkan produsen tersebut ke puncak pasar. Berikut dua perusahaan yang dapat mengimplementasikan teknologi ini hari ini dan melihat peningkatan laba bersih.

1. Rivian

RIVN Grafik Harga

Rivian didirikan pada tahun 2009 sebagai Mainstream Motors. Setelah beberapa tahun dan perubahan nama, perusahaan secara resmi menjadi Rivian pada tahun 2011. Saat ini, Rivian tetap menjadi salah satu produsen EV terbesar di Amerika Utara. Perusahaan ini mengkhususkan diri dalam kendaraan sport utility EV dan berkantor pusat di California dengan operasi manufaktur di Illinois.

Rivian mencatat pendapatan sebesar $4,43 miliar pada tahun 2023 dengan total aset $16 miliar. Dalam beberapa tahun terakhir, perusahaan telah berupaya keras untuk mencapai emisi karbon net zero pada tahun 2040. Faktor-faktor ini, bersama dengan meningkatnya permintaan produk mereka, menjadikan Rivian pilihan “hold” yang kuat bagi trader yang mencari alternatif Tesla (TSLA ).

2. Xiaomi

Produsen EV berbasis China, Xiaomi, dianggap sebagai pesaing terbesar Tesla Motors dalam perlombaan EV. Perusahaan ini terus menguasai pangsa pasar secara global karena banyak faktor. Pertama, merek XIAMI sudah dikenal luas dan telah menjadi kekuatan utama di sektor elektronik selama beberapa dekade. Oleh karena itu, terdapat loyalitas dan kepercayaan konsumen yang kuat dibandingkan opsi yang lebih baru.

Xiaomi memiliki kapitalisasi pasar sebesar $462,55 miliar dan saat ini menunjukkan margin keuntungan 6,12%. Perusahaan terus memperluas pangsa pasar dan teknologi EV-nya, sehingga sahamnya tetap tinggi permintaannya secara global. Mereka yang mencari saham manufaktur EV yang tumbuh cepat sebaiknya mempertimbangkan Xiaomi.

Thermal Runaway dan Tidak Pernah Kembali

Anda harus memberi pujian kepada tim ini karena telah menciptakan metode yang andal dan akurat untuk menentukan langkah-langkah tepat yang terlibat dalam skenario thermal runaway. Sekarang, data ini dapat disempurnakan dan digunakan untuk meningkatkan deteksi lebih jauh. Dalam beberapa bulan mendatang, EV Anda mungkin akan mengandalkan teknologi serupa yang didasarkan pada kerja keras para insinyur ini. Oleh karena itu, bijaksana untuk terus memantau penemuan ini ke depan.

Pelajari proyek kecerdasan buatan keren lainnya sekarang.