Batterijbranden een zorg vanwege de adoptie van elektrische voertuigen – Kan AI helpen thermische runaway te voorkomen?

Een team van ingenieurs onder leiding van een doctoraatsstudent aan de Universiteit van Arizona heeft een nieuwe methode geïntroduceerd om te voorkomen dat EV-batterijen oververhit raken. De methode maakt gebruik van AI-algoritmen om probleemgebieden te voorspellen voordat ze gevaarlijk worden. Veel mensen zien deze studie als een doorbraak in de industrie, vooral gezien de groeiende vraag naar EV’s. Hier is alles wat u moet weten over de toekomstige rol van AI bij het voorkomen van thermische runaway.

Lithium-ionbatterijen (LIB’s)

Er zijn enkele belangrijke punten om te begrijpen om de omvang van dit onderzoek te doorgronden. Ten eerste zijn lithium-ionbatterijen (LIB’s) de meest gebruikte batterij in de huidige EV’s. Deze batterijen integreren geladen lithiumionen om energie over de eenheid te transporteren, waardoor stroom voor uw elektrische behoeften wordt geproduceerd. Wat LIB’s zo populair maakt, is dat ze kunnen worden opgeladen door tijdelijk de polariteit om te keren en de ionen terug te sturen naar de negatieve pool van de eenheid.

De huidige EV’s vertrouwen om verschillende redenen op deze apparaten, waaronder dat ze een redelijke levensduur hebben, relatief licht zijn in vergelijking met alternatieven, en een uitzonderlijke energiedichtheid bieden. Opmerkelijk is dat deze batterijen vaak cellen gebruiken die gegroepeerd zijn om het volledige EV-pakket te vormen. Bovendien hebben de meeste EV-batterijpakketten duizenden cellen.

Wat is thermische runaway?

De huidige multi-celstructuur van LIB’s helpt de batterijen sneller op te laden en een langere levensduur te bereiken. Het kan echter hotspots binnen het batterijpakket creëren die kunnen leiden tot catastrofale storingen. Wanneer een enkele cel begint te falen, kan deze snel opwarmen, waardoor de omringende cellen een hogere temperatuur ervaren en mogelijk meer storingen veroorzaken. Dit dominospel-effect wordt thermische runaway genoemd, en het is een van de belangrijkste problemen waarmee EV’s vandaag de dag worden geconfronteerd.
Thermische runaway (TR) kan de prestaties verminderen, batterijdegradatie veroorzaken en zelfs explosies. Als zodanig is het vandaag een reëel probleem voor EV-eigenaren. Thermische runaway kan worden veroorzaakt door verschillende factoren, waaronder batterijstoringen zoals het smelten van de separator, deontleding van de kathode, of een nadelige Li-elektrolytreactie.

Veiligheidszorgen

Deze kortsluitingen kunnen snel optreden en resulteren in verwondingen van omstanders door brand en explosies. Er zijn talloze verhalen van mensen die wakker werden door huisbranden of andere angstaanjagende momenten doordat hun EV-batterij ontbrandde. Het oplossen van dit probleem is daarom een primaire zorg geworden voor onderzoekers wereldwijd.

Stijgende temperatuur

De noodzaak om TR te verminderen is de afgelopen jaren belangrijker geworden door meerdere factoren. De toename van zowel EV-gebruik als de wereldwijde temperaturen heeft een gevaarlijk scenario gecreëerd met meer levens dan ooit in gevaar. Deze factoren maken het essentieel om batterijen koel te houden om een groenere toekomst te bereiken.

AI-onderzoek naar thermische runaway

Een studie gepubliceerd in het Journal of Power Sources toont aan hoe een geavanceerd AI-algoritme gekoppeld aan sensoren de sleutel kan zijn om thermische runaway een voor eens en voor altijd te elimineren. De studie, geleid door Basab Goswami, gebruikt bestuurdersdatabasesimulaties om EV-batterijgebruik onder dagelijkse rijomstandigheden na te bootsen.
Multifysica- en machine learning-modellen die thermische, elektrochemische en degradatie-submodellen benutten, werden gebruikt om kritieke momenten te bepalen waarop TR merkbaar werd. Vanaf dat punt versterkten de AI-systemen de data, waardoor ze oververhitte cellen sneller konden voorspellen en identificeren dan elke optische oplossing.

AI-thermische runaway-test

Onderzoekers wilden een beter begrip krijgen van hoe een solide elektrolytinterface degradeert op een negatieve elektrode onder verschillende omstandigheden. Het team gebruikte echte bestuurdersdata en batterijstatussen zoals constante laad-/ontlaadcycli en rijcycli om de warmtehandtekening van de batterij te testen. Om deze taak te volbrengen, creëerde het team een batterij met speciale thermische sensoren eromheen gewikkeld.
De temperatuursensoren leverden gedetailleerde ruimtelijke en temporele temperatuurgegevens die vervolgens werden gecombineerd met historische data en aan het AI-algoritme werden gevoed. Deze data omvatte sleutel-situaties, omgevingen, bestuurdersactiviteiten en technische problemen.

Goswami’s algoritme

Het Goswami-algoritme is op vele manieren uniek. Ten eerste is het het eerste AI-machine learning-model dat wordt gebruikt om TR te voorspellen. Dit multifysica-model was alleen mogelijk dankzij nieuwe AI-systemen zoals vectormodellering. Deze geavanceerde systemen kunnen enorme hoeveelheden data analyseren en correlaties of complexe patronen aanwijzen die ver buiten menselijke mogelijkheden liggen. Daardoor stelde de modelleringsmethode het team in staat realistische data over EV-rijgedrag te creëren.

Resultaten van de AI-thermische runaway-test

De resultaten van de studie zijn indrukwekkend. Ten eerste slaagde het team erin om consistent nauwkeurig en precies TR in LIB’s te voorspellen. De AI was zeer precies en kon zelfs bepalen waar de thermische runaway begon, waardoor het gevaar werd gealarmeerd en verdere schade werd voorkomen. Nu wil het team zijn onderzoek uitbreiden, wat op een dag kan bijdragen aan veiligere EV’s voor iedereen.

Voordelen van AI-thermische runaway

Dit onderzoek brengt veel voordelen voor de markt. Ten eerste is het AI-algoritme veel minder duur dan het gebruik van andere methoden om thermische runaway te voorkomen. In het verleden hebben ingenieurs, waaronder die in deze studie, optische meetmethoden toegepast. Deze tactieken waren effectief maar vereisten dure camera’s en constante monitoring. AI ontlast het team en levert betere resultaten.

Hoge nauwkeurigheid

Het vermogen om de temperatuur van thermokoppels en de locatie van hotspots nauwkeurig te voorspellen is een cruciale stap in het creëren van duurzamere en capabelere batterijen in de toekomst. Ingenieurs kunnen deze aanpak gebruiken om te bepalen waar hun producten kunnen worden verbeterd en welke onderdelen moeten worden geüpgraded of aangepast om toekomstige TR te voorkomen.

Het bereiken van netto nul-emissies

Een ander voordeel van dit onderzoek is dat het het wereldwijde doel van het verminderen van koolstof en verontreinigende stoffen vergemakkelijkt. EV’s zijn een manier om autovervuiling te verminderen en elke methode die hun efficiëntie en effectiviteit verbetert, zal een grote impact hebben op de automarkt in de toekomst. In 2023 steeg de wereldwijde verkoop van EV-voertuigen met 35%. Analisten voorspellen dat deze groei zal aanhouden, waardoor TR-veiligheid een prioriteit wordt voor de meeste fabrikanten.

Makkelijk te integreren

Deze technologie kan met minimale inspanning in toeleveringsketens en productieprocessen worden geïmplementeerd. Het AI-model zal verbeteren naarmate meer data, betere sensoren en extra modellen worden geïntroduceerd in het batterijbeheersysteem van elk elektrisch voertuig.

Onderzoekers

De studie werd uitgevoerd aan de Universiteit van Arizona door Vitaliy Yurkiv, Farzad Mashayek, Yasaman Abdisobbouhi, Hui Du en Todd A. Kingston. Het project werd mogelijk gemaakt door een subsidie van $599.808 van het Defense Established Program to Stimulate Competitive Research van het Ministerie van Defensie. Opmerkelijk is dat Goswami en Yurkiv in januari van dit jaar een ander artikel publiceerden waarin een optische methode voor het detecteren van hotspots werd gedemonstreerd. Deze nieuwste studie is de culminatie van dat onderzoek en een streven om een betaalbaarder en toegankelijker alternatief te bieden.

Twee bedrijven die kunnen profiteren van dit onderzoek

Verschillende bedrijven zouden directe voordelen kunnen behalen uit deze studie. De vraag naar EV’s neemt toe, en fabrikanten betreden de markt om aan deze behoefte te voldoen. Het vermogen om veiligere alternatieven te bieden ten opzichte van de huidige opties zal deze fabrikanten naar de top van de markt katapulteren. Hier zijn twee bedrijven die deze technologie vandaag nog kunnen implementeren en een verhoogde winst kunnen zien.

1. Rivian

RIVN Prijsgrafiek

Rivian werd in 2009 opgericht als Mainstream Motors. Na enkele jaren en naamswijzigingen werd het bedrijf officieel Rivian in 2011. Vandaag blijft Rivian een van de grootste EV-fabrikanten in Noord-Amerika. Het bedrijf is gespecialiseerd in EV sport utility vehicles en heeft zijn hoofdkantoor in Californië met productievestigingen in Illinois.
Rivian rapporteerde een omzet van $4,43 miljard in 2023 met $16 miljard aan totale activa. In de afgelopen jaren heeft het bedrijf aanzienlijke inspanningen geleverd om tegen 2040 netto nul koolstofuitstoot te bereiken. Deze factoren, samen met de groeiende vraag naar zijn producten, maken Rivian een sterke ‘hold’ voor handelaren die op zoek zijn naar alternatieven voor Tesla (TSLA ).

2. Xiaomi

De in China gevestigde EV-fabrikant Xiaomi wordt gezien als de grootste concurrent van Tesla Motors in de EV-wedloop. Het bedrijf blijft wereldwijd marktaandeel veroveren door diverse factoren. Ten eerste is het merk XIAMI goed bekend en al decennialang een krachtpatser in de elektronicamarkt. Hierdoor is er een sterke consumentenloyaliteit en vertrouwen vergeleken met nieuwere opties.
Xiaomi heeft een marktkapitalisatie van $462,55 miljard en toont momenteel een winstmarge van 6,12%. Het bedrijf blijft zijn EV-marktaandeel en technologie uitbreiden, waardoor het aandeel wereldwijd in hoge vraag blijft. Beleggers die op zoek zijn naar een snelgroeiend EV-productieaandeel zouden Xiaomi moeten overwegen.

Thermische runaway en nooit meer terug

U moet dit team prijzen voor het creëren van een betrouwbare en nauwkeurige methode om de precieze stappen in een thermisch runaway-scenario te bepalen. Nu kunnen deze gegevens verfijnd worden en gebruikt om detectie nog verder te verbeteren. In de komende maanden kan uw EV afhankelijk worden van een vergelijkbare technologie gebaseerd op het harde werk van deze ingenieurs. Het is daarom verstandig om deze ontdekking in de gaten te houden.

Leer over andere coole kunstmatige intelligentieprojecten nu.