Datadrevet modellering og estimering af lithium-ion batteriets egenskaber

Elbiler drives af lithium-ion-batterier (LIB), et genopladeligt batteri, der stadig ikke er fuldt forstået eller perfektioneret. Og for så vidt som elbiler forventes at erstatte gasdrevne biler, enhver forskning, der forbedrer ydelsen af ​​et lithium-ion-batteri, vil være en velsignelse for elektriske køretøjer og miljøet.

Professorerne Matthias Preindl og Alan West, to Columbia professorer, udvikler en machine-learning-model, der mere præcist kan estimere et Li-Ion-batteris opladningsniveau. Aktuelle estimater af et batteris ladetilstand har fejlrater på fem procent, hvorimod dette teams model sigter mod en fejlrate på én procent. Deres forskning støttes af en Seeds Fund Grant fra Data Science Institute.

Det, der er kendt som Battery Management Systems, er trænet til at fange et batteris helbredstilstand og til at forudsige dets resterende levetid. Disse to koncepter hjælper ejere af elbiler med at vide, hvornår de skal stoppe bilen for at genoplade batteriet, samt hvornår de skal planlægge batteriudskiftninger. Desuden, en model med høj estimeringsnøjagtighed oversætter til en levetid på batteripakker, da det giver mulighed for et batteristyringssystem, der kan identificere og beskytte svage celler.

For at designe sin maskinlæringsmodel, dette team vil anvende forstyrrelsessignaler-en sekvens af aktuelle signaler, der genereres af en elektrisk elektronisk konverter-til Li-Ion battericeller. Rækkefølgen af ​​signaler får battericellerne til at udsende elektriske reaktioner, der kan testes. Holdet vil teste batterierne i deres laboratorium, og brug også kraftelektroniske omformere til at indhente data fra batterier, der er installeret i elektriske køretøjer. Dataene, som genereres hvert minut, måle batterifunktioner som temperatur, spænding og flygtighed i strømmene, resulterer i hundredtusindvis af datapunkter. Holdet designer derfor en algoritme til at vurdere dataene og til at designe en optimeringsmodel.

"En analogi til det, vi laver, er, hvad der blev gjort med skak, siger Mathias Preindl, Professor i elektroteknik. "Skakrobotter arbejder ved hjælp af algoritmer, der studerer alle bevægelser i alle spil, og baseret på denne helhed, de kender alle mulige træk og kan fortolke data og udvælge de bedste træk. Det er det, vi forsøger at opnå med vores model. "

Mens Preindl er ekspert i, hvordan batterier interagerer med eksterne komponenter, Allen West, en kemiingeniør, forstår et batteris indre kemi. De bruger deres kombinerede ingeniørviden, sammen med avancerede datavidenskabsteknikker, at designe en model, der kan forudsige, hvordan man får den bedste ydeevne fra nuværende Li-Ion-batterier.

"Som det er, vi har ikke kvantificeringer til at forstå, hvordan et lithium-ion-batteri opfører sig, "siger Preindl, som også tilhører DSI's Sense, Indsaml og flyt datacenter.

"Når vi har det, vi ved, hvornår batterierne skal oplades, hvor længe holder de, og når de skal udskiftes samt hvordan man forlænger batteriets levetid, " tilføjer han. "Og da elbiler og Li-Ion-batterier er fremtiden, vores projekt har løftet om at forbedre en vigtig del af vores transportsystem og samtidig forbedre vores miljø."