
Uppsalan yliopiston ja Aalborgin yliopiston tutkijat ovat kehittäneet uuden tekoälymallin, joka pystyy arvioimaan sähköautojen akkujen kuntoa ja käyttöikää huomattavasti nykyisiä menetelmiä tarkemmin. Malli pohjautuu niin sanottuun digitaaliseen kaksoseen eli akun fysikaalisiin simulaatioihin yhdistettynä koneoppimiseen.
Perinteisesti akun terveyden (SOH) ja jäljellä olevan käyttöiän (RUL) ennustaminen on vaatinut pitkiä mittaussarjoja ja yksityiskohtaista dataa. Uusi menetelmä toimii kuitenkin jo lyhyiden latausjaksojen perusteella ja kykenee tunnistamaan keskeisiä akun rakenteeseen liittyviä parametreja, kuten elektrodien paksuudet, hiukkaskoon ja ionien diffuusiokertoimen.
Tulokset ovat lupaavia. Akun kunnon ennusteen tarkkuus parani mallin avulla jopa 65 prosenttia ja käyttöiän ennusteen tarkkuus jopa 69 prosenttia. Malli toimii nopeasti ja kevyesti, vain sekunnin laskenta-ajalla.
Tutkijat korostavat, että vaikka itse akku ei muutu tekoälyn avulla, tarkempi ennustaminen antaa akunhallintajärjestelmille (BMS) mahdollisuuden optimoida latausta ja käyttöä aiempaa älykkäämmin. Tämä voi käytännössä johtaa pitempään käyttöikään ja parempaan turvallisuuteen, kun akkuja ei altisteta tarpeettomalle rasitukselle.
- Kun ymmärrämme tarkemmin, mitä akussa tapahtuu, voimme ohjata sitä niin, että se säilyy paremmassa kunnossa pidempään. Tämä on tärkeää sekä sähköautoille että uusille sovelluksille, kuten vehicle-to-grid -ratkaisuille, sanoo professori Daniel Brandell, joka johtaa Uppsalan akkutekniikan tutkimuskeskusta.
Tutkimus on julkaistu Energy & Environmental Science -lehdessä ja se tarjoaa käytännön polun tekoälyn viemiseksi tulevaisuuden akunhallintajärjestelmiin.






















