Nowe badanie stosuje uczenie maszynowe do przewidywania i zapobiegania pożarom baterii w pojazdach elektrycznych.

WarsawPojazdy elektryczne (EV) wprowadziły nowe sposoby rozwiązywania problemów środowiskowych, ale również wiążą się z wyzwaniami technicznymi, w tym z kwestiami bezpieczeństwa akumulatorów. Jednym z głównych problemów dotyczących bezpieczeństwa EV jest kontrolowanie temperatury ich baterii. Baterie litowo-jonowe mogą się bardzo nagrzewać, co może prowadzić do poważnych problemów, takich jak pożary.

Badania prowadzone przez Basaba Goswamiego, doktoranta z Uniwersytetu Arizony, przedstawiają nową metodę przewidywania i zapobiegania nagłym wzrostom temperatury w akumulatorach pojazdów elektrycznych. Opublikowane w czasopiśmie Journal of Power Sources, badanie wprowadza system oparty na uczeniu maszynowym, który potrafi precyzyjnie wykrywać, przewidywać i identyfikować potencjalne zagrożenia związane z tzw. zjawiskiem termicznego rozbiegu w tych akumulatorach.

Termiczne niekontrolowane nagrzewanie występuje, gdy wzrost temperatury wywołuje reakcję prowadzącą do dalszego wzrostu temperatury, co może powodować pożary lub eksplozje. Obecne akumulatory w pojazdach elektrycznych zawierają ponad 1 000 ogniw, a gdy jedno z nich ulegnie termicznemu niekontrolowanemu nagrzewaniu, może to łatwo przenieść się na sąsiednie ogniwa. Może to prowadzić do poważnych problemów.

Wykorzystanie czujników termicznych w ogniwach baterii stanowi istotny postęp. Czujniki te zbierają dane o temperaturze z przeszłości i przekazują je do algorytmu uczenia maszynowego. Takie podejście pozwala algorytmowi przewidywać:

• Przyszłe trendy temperaturowe
• Prawdopodobieństwo wystąpienia zjawiska niekontrolowanego wzrostu temperatury
• Dokładne miejsce, w którym może rozpocząć się takie zjawisko

Zobacz również:

Dzisiaj · 16:55

Przemyśl net zero: czemu przyrodnicze absorbery węgla nie wystarczą do zatrzymania zmiany klimatu

Algorytm opracowany przez Goswamiego jest niezwykle precyzyjny. Starsze metody korzystały z obrazowania termicznego, które wymagało kosztownego i dużego sprzętu. Nowe podejście jest lżejsze, tańsze i bardzo dokładne. Profesor Witalij Jurkiw, który kieruje projektem, twierdzi, że algorytm przewiduje temperaturę i lokalizację gorących punktów lepiej niż jakikolwiek człowiek.

Przemysł pojazdów elektrycznych znajduje się w kluczowym momencie. W lipcu administracja Bidena ogłosiła przeznaczenie 1,7 miliarda dolarów na produkcję EV w ośmiu stanach. Globalny popyt na samochody elektryczne wzrósł w 2023 roku o 35% w porównaniu z rokiem ubiegłym. Niemniej jednak, obawy związane z bezpieczeństwem wciąż powstrzymują więcej osób przed ich adopcją.

Badania te mogą zwiększyć zaufanie społeczne do pojazdów elektrycznych, rozwiązując istotny problem związany z przegrzaniem termicznym. Wskazuje to na kluczowe znaczenie ciągłego doskonalenia technologii, aby sprostać oczekiwaniom konsumentów w zakresie bezpieczniejszych i bardziej niezawodnych ekologicznych technologii. W miarę postępu uczenia maszynowego jego zastosowanie w dziedzinach takich jak bezpieczeństwo pojazdów elektrycznych prawdopodobnie się rozszerzy, dostarczając bardziej zaawansowanych i dokładnych rozwiązań.

Dodanie ramy Goswamiego do systemów zarządzania bateriami w pojazdach elektrycznych to istotny krok naprzód. Gwarantuje to bezpieczeństwo kierowców i pasażerów oraz przyczynia się do większej akceptacji i rozpowszechnienia pojazdów elektrycznych.