AI-styret hurtigopladning for længere batterilevetid

Hurtigopladning er et af de store løfter for elbiler, men det har altid medført en stille modbetaling. Jo oftere førere benytter hurtig DC-opladning, desto større belastning udsættes batteripakken for. Den skade viser sig ikke natten over, men over år kan den langsomt æde sig ind på rækkevidde og langsigtet batterisundhed. Nu siger forskere ved Chalmers tekniska högskola i Sverige, at de muligvis har fundet en smartere vej.

I en ny undersøgelse offentliggjort i IEEE Transactions om transportelektrificering beskriver holdet et AI-baseret opladningssystem til elbiler, der kan reducere batterislid uden at få førerne til at vente længere ved stikket. Ifølge deres resultater forlængede metoden batterilevetiden med næsten 23% sammenlignet med konventionel hurtigopladning. Overraskelsen er, hvor lidt den ændrede selve opladningssessionen. Tests viste en gennemsnitlig opladningstid på 24,12 minutter mod 24,15 minutter for standardopladning. I praksis er forskellen ubetydelig.

Ikke alle batterier ældes ens

Det er det egentlige problem med de fleste hurtigopladningssystemer i dag. De har en tendens til at behandle alle batteripakker, som om de var identiske. Et nyt batteri og et, der allerede har kørt i årevis, oplades ofte med samme strøm- og spændingsstrategi. På papiret virker det effektivt. I virkeligheden overser det, hvordan batterier ændrer sig med alderen.

Ældre lithiumion-pakker er mere sårbare over for et fænomen kendt som lithiumplating. I stedet for at lithiumioner absorberes som tilsigtet, begynder metallisk lithium at aflejre sig på elektrodeoverfladen. Det er en langsom, næsten usynlig form for skade, men over tid reducerer det kapaciteten og accelererer forringelsen. Med andre ord fungerer batteriet stadig, bare ikke lige så godt som før.

Chalmers-tilgangen bruger reinforcement learning til at håndtere dette problem. Denne type maskinlæring forbedrer beslutningstagning gennem gentagen feedback, hvilket gør det muligt for systemet at tilpasse sig, efterhånden som forholdene ændrer sig. Her justerer AI'en opladestrømmen i realtid ved at se på to variable: batteriets ladetilstand og dets sundhedstilstand. En nyere pakke kan tåle en mere aggressiv opladningsprofil, mens en ældre får en blødere kurve designet til at begrænse belastningen.

Det er en enkel idé med store implikationer. I stedet for at tvinge alle elbilbatterier gennem den samme rutine, reagerer systemet på hver pakke mere som en erfaren mekaniker ville gøre, baseret på alder, tilstand og aktuel status.

En softwareløsning, ikke en hardwareomlægning

Ét punkt skiller sig ud. Dette er ikke et koncept, der er afhængigt af eksotisk nyt batterihardware eller dyre redesigns. Forskerne siger, at teknologien kunne implementeres via softwareopdateringer til eksisterende batteristyringssystemer. Det gør det langt mere realistisk for bilproducenter og aktører i ladningsøkosystemet, der søger praktiske måder at forbedre elbilers levetid på.

Der er naturligvis en indskrænkning. Systemet skal stadig kalibreres til forskellige batterikemier, hvilket betyder, at det ikke er en universalløsning fra starten. Alligevel er idéen attraktiv, fordi den fungerer med den hardware, der allerede er i brug på en stor del af elbilmarkedet.

Batteriforringelse forbliver en af de mest vedvarende bekymringer ved at eje en elbil, især for førere, der i høj grad er afhængige af offentlige hurtigladestationer. Rækkeviddeangst fylder overskrifter, men langsigtet batterisundhed er ofte det vigtigste spørgsmål, når ejerskabets nyhedsværdi forsvinder. Hvis Chalmers' AI-opladningsmetode når produktionsbiler, kan den rapporterede forbedring på 23% svare til et ekstra år eller to med nyttig batterilevetid for mange førere.

Det ville ikke kun være godt for ejere. Det kunne også styrke gensalgsværdien, sænke de samlede ejeromkostninger og gøre elbiler mere tiltalende for folk, der stadig tøver med at skifte. For et problem, der har ligget i baggrunden i EV-debatten, ser dette ud til at være den slags løsning, industrien har ventet på.