Voorkom brandgevaar in EV-batterijen met geavanceerde machine learning: nieuwe doorbraak in veiligheid.

Leestijd: 2 minuten
Door Jeroen Schootbergen
- in
Elektrisch voertuigaccu met digitale data-overlay.

AmsterdamElektrische voertuigen (EV's) bieden nieuwe oplossingen voor milieu-uitdagingen, maar brengen ook technische obstakels met zich mee, zoals de veiligheid van batterijen. Een belangrijk veiligheidsprobleem bij EV's is het beheersen van de batterijtemperatuur. Lithium-ion batterijen kunnen zeer heet worden, wat ernstige problemen zoals brand kan veroorzaken.

Onderzoek onder leiding van Basab Goswami, een promovendus aan de Universiteit van Arizona, introduceert een innovatieve methode om plotselinge temperatuurstijgingen in batterijen van elektrische voertuigen te voorspellen en te voorkomen. Het in de Journal of Power Sources gepubliceerde onderzoek beschrijft een machine learning systeem dat nauwkeurig mogelijke gevaren met betrekking tot thermische uitbraak in deze batterijen kan detecteren, voorspellen en identificeren.

Thermische uitbraak treedt op wanneer een temperatuurstijging een reactie veroorzaakt die de temperatuur verder doet stijgen, wat kan leiden tot branden of explosies. Huidige batterijpakken van elektrische voertuigen (EV) bevatten meer dan 1.000 cellen, en als één cel een thermische uitbraak ervaart, kan dit zich snel verspreiden naar nabijgelegen cellen. Dit kan serieuze problemen veroorzaken.

Het gebruik van thermische sensoren op batterijcellen is een belangrijke vooruitgang. Deze sensoren verzamelen historische temperatuurgegevens en leveren deze aan een machine learning-algoritme. Vervolgens kan het algoritme voorspellingen doen:

  • Toekomstige temperatuurontwikkelingen
  • De kans op een thermische doorbraak
  • De exacte locatie waar een doorbraak waarschijnlijk zal beginnen

Het algoritme van Goswami is zeer nauwkeurig. Oudere methoden maakten gebruik van thermische beeldvorming, wat omvangrijke en dure uitrusting vereiste. Deze nieuwe aanpak is lichter, goedkoper en extreem precies. Professor Vitaliy Yurkiv, de projectleider, zegt dat het algoritme de temperatuur en hotspot-locaties beter voorspelt dan een mens ooit zou kunnen.

De industrie van elektrische voertuigen bevindt zich op een cruciaal moment. In juli kondigde de regering-Biden een investering van $1,7 miljard aan voor de productie van elektrische voertuigen in acht staten. De wereldwijde vraag naar elektrische auto's steeg in 2023 met 35% ten opzichte van vorig jaar. Toch blijven veiligheidszorgen mensen ervan weerhouden om ze te adopteren.

Dit onderzoek kan het vertrouwen van het publiek in elektrische voertuigen vergroten door het belangrijke probleem van thermal runaway aan te pakken. Het benadrukt hoe essentieel het is om technologie voortdurend te verbeteren om te voldoen aan de behoefte van consumenten aan veiliger en betrouwbaarder groene technologie. Met de vooruitgang in machine learning zal het gebruik ervan in gebieden zoals EV-veiligheid naar verwachting toenemen, wat geavanceerdere en nauwkeurigere oplossingen zal bieden.

De toevoeging van Goswami's kader aan het beheer van EV-batterijen is een belangrijke vooruitgang. Dit zorgt voor de veiligheid van bestuurders en passagiers en bevordert de acceptatie en het gebruik van elektrische voertuigen.

De studie is hier gepubliceerd:

http://dx.doi.org/10.1016/j.jpowsour.2024.235015

en de officiële citatie - inclusief auteurs en tijdschrift - is

Basab Ranjan Das Goswami, Yasaman Abdisobbouhi, Hui Du, Farzad Mashayek, Todd A. Kingston, Vitaliy Yurkiv. Advancing battery safety: Integrating multiphysics and machine learning for thermal runaway prediction in lithium-ion battery module. Journal of Power Sources, 2024; 614: 235015 DOI: 10.1016/j.jpowsour.2024.235015
Wetenschap: Laatste nieuws
Lees meer:

Deel dit artikel

Reacties (0)

Plaats een reactie