Một nhóm các nhà khoa học dẫn đầu bởi Tiến sĩ Gareth Conduit tại Viện Nghiên cứu và Kỹ thuật Vật liệu tại A * STAR và Đại học Công nghệ Nanyang đã sử dụng AI để dự đoán trạng thái pin của xe điện và đưa ra dự đoán 'chính xác' cho trạng thái của tế bào lithium-ion phí và sức khỏe.
Theo bài báo được xuất bản, công nghệ mô hình học máy theo hướng dữ liệu có thể cho phép các nhà sản xuất nhúng phần mềm thẳng vào các thiết bị pin của họ để cải thiện vòng đời của nó lên đến 6% so với các mẫu pin thông thường tính toán sai thời gian sử dụng khoảng 10%.
Hiệu suất, giá thành và độ an toàn của pin là những yếu tố quyết định sự phát triển thành công của xe điện (EV). Hiện tại, pin lithium-ion (Li-ion) được ưa chuộng hơn các loại pin khác do vòng đời và mật độ năng lượng hợp lý. Tuy nhiên, nếu các nghiên cứu sâu hơn về pin Li-ion được tiếp tục, nó sẽ dẫn đến động lực học của pin phức tạp hơn, nơi mà sự an toàn và hiệu quả sẽ trở thành một vấn đề cần quan tâm. Do đó, một hệ thống quản lý pin tiên tiến có thể tối ưu hóa và giám sát an toàn là rất quan trọng đối với quá trình điện khí hóa xe.
Các thuật toán học máy đã được triển khai để dự đoán tình trạng sức khỏe, trạng thái sạc và thời gian sử dụng hữu ích còn lại. Tập trung vào các mô hình hướng dữ liệu và chúng được kết hợp với các kỹ thuật máy học. Các mô hình này dường như mạnh hơn và có thể dự đoán mà không cần biết trước về hệ thống bên cạnh việc đạt được độ chính xác cao với chi phí tính toán thấp. Với việc giảm chi phí của các thiết bị lưu trữ dữ liệu và sự tiến bộ của công nghệ tính toán, học máy theo hướng dữ liệu dường như là cách tiếp cận hứa hẹn nhất cho mô hình pin tiên tiến trong tương lai.
Mục đích của nghiên cứu là mang lại hiệu ứng biến đổi đối với ngành công nghiệp pin và làm nổi bật cách máy học có thể dự đoán chính xác và cải thiện sức khỏe cũng như tuổi thọ của pin. Điều này sẽ cho phép các nhà sản xuất nhúng phần mềm thẳng vào thiết bị pin của họ và cải thiện dịch vụ trong vòng đời của họ cho người tiêu dùng.