Изследователи създадоха нов диагностичен показател, който предвижда дали дадена батерия може успешно да захрани изпълнението на определена задача. Предложеният модел може да се използва за електрически превозни средства, безпилотни летателни системи и приложения за съхранение на енергия към мрежата.
Учени от Калифорнийския университет в Ривърсайд разработиха нов диагностичен показател за електрически превозни средства, който определя дали е-колата може да завърши предстоящо пътуване.
Наречен „Състояние на мисията“ (SOM), моделът използва както данни за батерията, така и фактори на околната среда, като например модели на трафика, промени в надморската височина или температура на околната среда, за да генерира прогноза в реално време, специфична за текущата задача.
Освен това екипът е разработил математически и изчислителни рамки за пресмятане на SOM.
„Това е мярка, съобразена с мисията. Тя комбинира данни и физика, за да предвиди дали батерията може да изпълни планирана задача при реални условия“, казва съавторът Михри Озкан.
„Същата хибридна методология може да предоставя прогнози… за широк спектър енергийни технологии – от автомобили и дронове до домашни батерийни системи и дори космически мисии“, пояснява той.
За да изчисли SOM, моделът използва три класа данни, свързани с профила на мисията, условията на околната среда и динамиката на батерията. Накрая той дава три резултата.
Първият е двоичен SOM, който показва дали батерията може да изпълни задачата или не. Вторият е количествен, показващ колко лесно и безопасно батерията може да изпълни мисията. Последно дава и вероятностен SOM, представляващ вероятността мисията да е успешна.
„Моделът се учи от това как батериите се зареждат, разреждат и нагряват с течение на времето. Основава се на законите на електрохимията и термодинамиката. Тази двойна интелигентност му позволява да прави надеждни прогнози дори при стрес, като например внезапно понижаване на температурата или стръмно изкачване“, каза съавторът Ченгиз Йозкан.
„Като ги комбинираме, получаваме най-доброто от двата свята: модел, който се учи гъвкаво от данните, но винаги остава здраво стъпил на физическата реалност. Това прави прогнозите не само по-точни, но и по-надеждни“, допълни той.
В момента основното ограничение за реализацията на технологията е изчислителната сложност, според Озкан. Моделът изисква повече процесорна мощност, отколкото обикновено предоставят днешните леки, вградени системи за управление на батерии.
Разработката обаче ще продължи да се развива, защото моделът скоро може да бъде приложен не само за електрически превозни средства, но и за почти всичко друго, захранвано с батерии – безпилотни летателни системи, приложения за съхранение на енергия за подаване към мрежа и други области.
