Batteribranner er en bekymring på grunn av økt elbiladopsjon – kan AI hjelpe med å forhindre termisk løp?

Et team av ingeniører ledet av en doktorgradsstudent ved University of Arizona har introdusert en ny metode for å forhindre at elbilbatterier overopphetes. Metoden bruker AI‑algoritmer til å forutsi problemområder før de blir farlige. Mange ser denne studien som et gjennombrudd i bransjen, spesielt med tanke på den økende etterspørselen etter elbiler. Her er alt du trenger å vite om AI‑s fremtidige rolle i å forhindre termisk løp.

Litium‑ionbatterier (LIBs)

Det er noen viktige punkter å forstå for å innse omfanget av denne forskningen. For det første er litium‑ionbatterier (LIBs) den mest brukte batteritypen i dagens elbiler. Disse batteriene integrerer ladede litiumioner for å overføre energi gjennom enheten, og produserer strøm til dine elektriske behov. Det som gjør LIBs så populære er at de kan lades ved midlertidig å snu polariteten og sende ionene tilbake til den negative polen på enheten.

Dagens elbiler er avhengige av disse enhetene av flere grunner, blant annet fordi de har anstendige levetider, er relativt lette sammenlignet med alternativer, og gir eksepsjonell energitetthet. Det er også vanlig at disse batteriene bruker celler som grupperes for å danne hele elbilpakken. De fleste elbilbatteripakker inneholder tusenvis av celler.

Hva er termisk løp?

Den nåværende fler-celle‑strukturen i LIBs gjør at batteriene lades raskere og oppnår lengre levetid. Imidlertid kan den skape varmepunkter i batteripakken som kan føre til katastrofale feil. Når en enkelt celle begynner å svikte, kan den varme seg opp raskt, noe som får de omkringliggende cellene til å oppleve økt temperatur og potensielt føre til ytterligere feil. Denne dominokjedereaksjonen kalles termisk løp, og det er et av hovedproblemene som elbiler står overfor i dag.

Termisk løp (TR) kan redusere ytelsen, forårsake batteridekomponering og til og med eksplosjoner. Dermed er det en reell bekymring for elbileiere i dag. Termisk løp kan skyldes flere faktorer, inkludert batterifeil som smelting av separatoren, dekomponering av katoden eller en negativ Li‑elektrolyttreaksjon.

Sikkerhetsbekymringer

Disse kortslutningene kan oppstå raskt og føre til at personer i nærheten blir skadet på grunn av brann og eksplosjoner. Det finnes mange historier om folk som våkner til husbranner eller andre skremmende øyeblikk på grunn av at elbilbatteriet deres tar fyr. Derfor har løsningen av dette problemet blitt en hovedbekymring for forskere verden over.

Økende temperatur

Behovet for å redusere TR har blitt viktigere de siste årene på grunn av flere faktorer. Økningen i både elbilbruk og globale temperaturer har skapt et farlig scenario med flere liv i fare enn noen gang. Disse faktorene gjør det avgjørende å holde batteriene kjølige for å oppnå en grønnere fremtid.

AI‑studie om termisk løp

En studie publisert i Journal of Power Sources demonstrerer hvordan en avansert AI‑algoritme kombinert med sensorer kan være nøkkelen til å eliminere termisk løp én gang for alle. Studien, ledet av Basab Goswami, bruker simuleringer av førerdatat for å etterligne elbilbatteribruk under daglige kjøreforhold.

Multifysikk‑ og maskinlæringsmodeller som utnyttet termiske, elektro‑kjemiske og degraderings‑undermodeller ble brukt for å fastslå kritiske øyeblikk når TR ble merkbar. Deretter forsterket AI‑systemene dataene, slik at de kunne forutsi og identifisere overopphetede celler raskere enn noen optisk løsning.

AI‑test av termisk løp

Forskerne ønsket å få en bedre forståelse av hvordan et fast elektrolyttgrensesnitt degraderes på en negativ elektrode under ulike forhold. Teamet brukte ekte førerdatat og batteritilstander som konstant lading/utlading og kjøresykluser for å teste batteriets varmesignatur. For å gjennomføre dette laget teamet et batteri med spesielle termiske sensorer rundt seg.

Temperatursensorene leverte detaljerte romlige og tidsmessige temperaturdata som deretter ble kombinert med historiske data og matet inn i AI‑algoritmen. Disse dataene inkluderte nøkkelsituasjoner, miljøer, føreraktiviteter og tekniske problemer.

Goswamis algoritme

Goswami‑algoritmen er unik på mange måter. For det første er den den første AI‑maskinlæringsmodellen som brukes til å forutsi TR. Denne multifysikk‑modellen ble kun mulig takket være nye AI‑systemer som vektormodellering. Disse avanserte systemene kan analysere enorme mengder data og påpeke korrelasjoner eller komplekse mønstre langt utover menneskelige evner. Som følge av dette gjorde modelleringsmetoden det mulig for teamet å skape realistiske data om elbilkjøring.

Resultater fra AI‑test av termisk løp

Resultatene fra studien er imponerende. For det første lyktes teamet i sitt mål om å nøyaktig og presist forutsi TR i LIBs konsekvent. AI‑en var svært presis og kunne til og med fastslå hvor den termiske løpingen startet, varsle om faren og forhindre ytterligere skade. Nå ønsker teamet å utvide forskningen, noe som en dag kan bidra til å skape tryggere elbiler for alle.

Fordeler med AI‑basert termisk løp

Det er mange fordeler denne forskningen bringer til markedet. For det første er AI‑algoritmen langt billigere enn å bruke andre metoder for å forhindre termisk løp. Tidligere har ingeniører, inkludert de i denne studien, benyttet optiske målemetoder. Disse taktikkene var effektive, men krevde dyre kameraer og kontinuerlig overvåking. AI frigjør teamets innsats og gir bedre resultater.

Høy nøyaktighet

Evnen til å forutsi termoelementtemperatur og plasseringen av varmepunkter presist er et viktig steg i å lage mer holdbare og kapable batterier i fremtiden. Ingeniører kan bruke denne tilnærmingen for å fastslå hvor produktene deres kan forbedres og hvilke deler som må oppgraderes eller endres for å forhindre fremtidig TR.

Oppnå netto‑nullutslipp

En annen fordel med denne forskningen er at den gjør det globale målet om å redusere karbon og forurensning enklere. Elbiler er en måte å redusere bilutslipp på, og enhver metode for å forbedre deres effektivitet og virkningsgrad vil ha stor innvirkning på bilmarkedet fremover. I 2023 økte salget av elbiler globalt med 35 %. Analytikere spår at denne veksten vil fortsette, noe som gjør sikkerhet mot TR til en prioritet for de fleste produsenter.

Enkel integrering

Dette teknologien kan implementeres i forsyningskjeder og produksjonsprosesser med minimal innsats. AI‑modellen vil forbedres etter hvert som mer data, bedre sensorer og flere modeller introduseres i hver elbils batteristyringssystem.

Forskere

Studien ble utført ved University of Arizona av Vitaliy Yurkiv, Farzad Mashayek, Yasaman Abdisobbouhi, Hui Du og Todd A. Kingston. Prosjektet ble muliggjort gjennom et tilskudd på $599 808 fra Department of Defense sitt Defense Established Program to Stimulate Competitive Research. Merk at Goswami og Yurkiv publiserte en annen artikkel i januar i år som demonstrerte en optisk metode for å oppdage varmepunkter. Denne siste studien er kulminasjonen av den forskningen og et ønske om å tilby et mer rimelig og tilgjengelig alternativ.

To selskaper som kan ha nytte av denne forskningen

Flere selskaper kan se umiddelbare fordeler av denne studien. Etterspørselen etter elbiler øker, og produsenter går inn i markedet for å møte dette behovet. Evnen til å tilby tryggere alternativer enn dagens løsninger vil hjelpe disse produsentene til å nå toppen av markedet. Her er to selskaper som kan implementere denne teknologien i dag og se økte resultater.

1. Rivian

RIVN Prisdiagram

Rivian ble grunnlagt i 2009 som Mainstream Motors. Etter flere år og navneendringer ble selskapet offisielt Rivian i 2011. I dag er Rivian fortsatt en av de største elbilprodusentene i Nord-Amerika. Selskapet spesialiserer seg på el‑sportutility‑kjøretøy og har hovedkontor i California med produksjonsanlegg i Illinois.

Rivian rapporterte $4,43 milliarder i inntekter i 2023 med $16 milliarder i totale eiendeler. De siste årene har selskapet lagt betydelig innsats for å oppnå netto‑null karbonutslipp innen 2040. Disse faktorene, sammen med den økende etterspørselen etter produktene deres, gjør Rivian til en sterk «hold» for tradere som søker Tesla (TSLA ) ‑alternativer.

2. Xiaomi

Den kinesisk-baserte elbilprodusenten Xiaomi anses som den største konkurrenten til Tesla Motors i elbilkappløpet. Selskapet fortsetter å erobre markedsandeler globalt på grunn av mange faktorer. For det første er merket XIAMI godt kjent og har vært en kraftpakke i elektronikksektoren i flere tiår. Dermed har selskapet sterk forbrukerlojalitet og tillit sammenlignet med nyere alternativer.

Xiaomi har en markedsverdi på $462,55 milliarder og viser for tiden en fortjenestemargin på 6,12 %. Selskapet fortsetter å utvide sin elbilmarkedsandel og teknologi, noe som gjør at aksjen forblir i høy etterspørsel globalt. De som søker en raskt voksende elbilprodusent‑aksje bør vurdere Xiaomi.

Termisk løp og aldri komme tilbake

Du må rose dette teamet for å ha laget en pålitelig og nøyaktig metode for å fastslå de presise trinnene i et termisk løpsscenario. Nå kan disse dataene finjusteres og brukes til å forbedre oppdagelsen ytterligere. I de kommende månedene kan din elbil stole på en lignende teknologi basert på det harde arbeidet disse ingeniørene har gjort. Derfor er det lurt å følge med på denne oppdagelsen fremover.

Lær om andre kule kunstig intelligens‑prosjekter nå.