Neue Technologie senkt Risiken beim Schnellladen und verlängert die Lebensdauer von E-Auto-Akkus um 23 %

Für diese Anwendungen zwar notwendig, ist das häufige Schnellladen bekanntlich schädlich für Batteriezellen und beschleunigt Alterungsprozess Laufe Zeit. KI-gestützte Anpassung mittels Reinforcement Learning Bestehende Ladevorgabe verwenden unabhängig davon, ob eine Batterie neu ist oder mehrere Jahre alt, stets dieselben Strom- Spannungswerte.

Dieses Fehlen einer Anpassung erhöht Risiko, einem Prozess, bei dem metallisches Lithium an Elektrode ausfällt, statt korrekt gespeichert zu werden. „Dies kann Kapazität verringern und Sicherheit beeinträchtigen, Unebenheiten in Lithiumstruktur im schlimmsten Fall zu einem Kurzschluss führen können", so Forscher in einer Pressemitteilung.

Forscher stellten fest, dass ihre KI-Methode Ladezeiten innerhalb weniger Sekunden der aktuellen Standardgeschwindigkeiten hält, während sie diesen inneren Verschleiß reduziert.

Um diese Probleme zu adressieren, entwickelten

Um diese Probleme zu adressieren, entwickelten Professor Changfu Zou Assistant Professor Meng Yuan eine Strategie Basis wurde mit einem digitalen Modell einer gängigen Elektrofahrzeug-Batterie Simulationen, die sowohl Gesundheitszustand als auch Ladegeschwindigkeit beeinflussen. „Das KI-Modell wurde darauf trainiert, Ladung entsprechend dem aktuellen Lade- oder Entladezustand Batterie anzupassen", erklärten Forscher. „Es musste zudem den allgemeinen Gesundheitszustand Batterie berücksichtigen, da dies für Kapazität Elektrochemie entscheidend ist.

Ergebnis ist eine Ladestrategie, die Ladezeit kurz hält und schädliche Reaktionen minimiert." Eine kosteneffiziente Strategie Studie zeigt, dass es möglich ist, die aktuellen Ladegeschwindigkeiten beizubehalten und gleichzeitig die langfristige Degradation zu reduzieren.

Forscher betonen, dass Strategie kosteneffizient in Umsetzung ist, da sie über bestehende Batteriemanagement-Hardware funktioniert. „Unsere Studie zeigt, dass eine intelligente Anpassung Ladestroms unter Berücksichtigung des sich ändernden elektrochemischen Zustands Akkus sowohl Leistung als auch Lebensdauer Akkus maximieren kann", Changfu Zou, Professor Institut für Elektrotechnik Chalmers.

Obwohl Methode eine Kalibrierung für verschiedene Akkutypen erfordert, plant Team, Transfer Learning einzusetzen, um das KI-Modell schneller auf neue Akkuchemien anzupassen. „Der nächste Schritt besteht darin, Methode direkt an physischen Akkus zu testen", so Pressemitteilung abschließend. „Die Forscher hoffen, dass die KI-basierte Ladestrategie einen wesentlichen Beitrag Elektrifizierung Verkehrssektors leisten wird."