Att batterier i elbilar slits ut för snabbt bromsar elektrifieringen av transportsektorn. Nu har forskare vid Uppsala universitet tagit fram en AI-modell som kan ge en mycket mer exakt bild av batteriets åldrande. Modellen kan leda till längre livslängd och högre säkerhet för elbilsbatterier.
Det är inte sällsynt att batterier i elbilar är den komponent i fordonet som åldras först. Detta utgör ett stort resursslöseri idag, och håller tillbaka omställningen av transportsektorn. Därför utvecklar fordonsindustrin mjukvara, ofta baserad på AI, för att bäst kunna styra och kontrollera batterierna. Nu har forskare vid Uppsala universitet tagit fram en ny modell, som kan öka precisionen i förutsägelserna av batteriets hälsa med upp till 70 procent.
− Att vi nu kan lära oss mer om hur batterierna lever och åldras kommer att gynna framtidens styrsystem i elbilar. Det visar också hur viktigt det är att förstå vad som sker inne i batterierna. Om vi slutar se dem som svarta lådor som bara ska ge ström, och i stället skaffar en detaljerad bild av processerna, kan vi styra dem så att de håller sig i gott skick längre, säger professor Daniel Brandell, som lett studien och ansvarar för Ångström Advanced Battery Centre vid Uppsala universitet.
Kan kartlägga batteriets livsförlopp
Flera års batteritestning ligger bakom studien som utförts i samarbete med Aalborgs universitet i Danmark. Det är genom att samla data från mängder men mycket korta laddningssekvenser som en databas har kunnat byggas. Sedan har denna kombinerats med en detaljerad modell för alla de olika kemiska processer som sker inne batteriet.
− Tillsammans gör detta att man får en mycket precis bild av de olika kemiska reaktionerna som gör att batteriet genererar ström, men också av hur det åldras under användning, säger Wendi Guo som genomfört studien.
Minskar behovet av känslig fordonsdata
Upptäckten kan också påverka säkerheten hos elbilar. De säkerhetsproblem som kan uppstå i batteriet är ofta beroende på konstruktionsfel och sidoreaktioner, vilka också kan förutsägas genom att studera data från batteriets upp- och urladdning.
− Att vi enbart använder korta laddningssekvenser är förmodligen en extra fördel. Batteridata från elfordon är känsliga, både för industrin och ur anonymiseringssynpunkt för användarna. Den här forskningen visar hur långt man kan komma utan att behöva kompletta dataset, avslutar Daniel Brandell.
