Elektrik-Elektronik

Yeni Teknik; Veri ve AI Kullanarak, Pillerin Kullanım Ömrünü Öngörebiliyor

Yeni araştırma; cep telefonu pillerinde, hangi hücrelerin en az iki yıl dayanacağını gösteriyor. Bu teknik sadece üretilen hücreleri sıralamak için değil, yeni batarya tasarımlarının pazara daha hızlı ulaşmasına yardımcı olmak için de kullanılabilir.

Yeni araştırma; cep telefonu pillerinde, hangi hücrelerin en az iki yıl dayanacağını gösteriyor. Bu teknik sadece üretilen hücreleri sıralamak için değil, yeni batarya tasarımlarının pazara daha hızlı ulaşmasına yardımcı olmak için de kullanılabilir.

Stanford Üniversitesi, Massachusetts Teknoloji Enstitüsü ve Toyota Araştırma Enstitüsü‘nden bilim insanları; kapsamlı deneysel veriler ile yapay zekanın birleştirilmesi sayesinde, kapasiteleri azalmadan önce, lityum-iyon pillerin kullanım ömrünü doğru bir şekilde tahmin etmenin bir yolunu buldu. Araştırmacılar, makine öğrenme modellerini birkaç yüz milyon pil şarjı ve deşarj veri noktasıyla eğittikten sonra, algoritma, voltaj düşüşleri ve erken çevrimler arasındaki diğer birkaç faktöre bağlı olarak, her bir pilin daha ne kadar süre dayanacağını tahmin ediyordu.

Tahminler, hücrelerin gerçekte sürdüğü döngü sayısının yüzde 9’undaydı. Ayrı olarak, algoritma; pilleri yalnızca ilk beş şarj / deşarj döngüsüne bağlı olarak “uzun veya kısa ömür beklentisi” şeklinde sınıflandırdı. Buradaki tahminler; zamanın yüzde 95’inde doğruydu.
Nature Energy’de yayınlanan bu makine öğrenme yöntemi; yeni batarya tasarımlarının araştırma ve geliştirmesini hızlandırabilir. Ayrıca diğer uygulamaların yanı sıra üretim zamanını ve maliyetini azaltabilir.
Araştırmacılar veri kümesini kamuya açık hale getirdiler.

Malzeme Bilimi ve Mühendisliği Araştırmacı Peter Attia: “Yeni pil tasarımlarını test etmenin standart yolu; pilleri başarısız olana kadar şarj etmek ve boşaltmaktır. Pillerin uzun ömürlü olmaları nedeniyle, bu işlem aylarca hatta yıllarca sürebilir. Pil araştırmasında pahalı bir tıkanıklık var.”

Çalışma teori, deney ve veri bilimini birleştiren akademik-endüstriyel bir işbirliği olan Data-Driven Design of Batteries’de yapıldı. Ortak çalışmada; Malzeme Bilimi ve Mühendisliği Yardımcı Doçenti William Chueh liderliğindeki Stanford araştırmacıları, akü deneylerini ve MIT Kimya Mühendisliği Profesörü Richard Braatz başkanlığındaki ekip ise, makine öğrenme işini gerçekleştirdi.

Hızlı Şarjı Optimize Etmek

 

Projedeki odak noktalarından biri, elektrikli araçların kitle kullanımına hız verebilecek bir özellik olan pilleri, 10 dakikada şarj etmenin daha iyi bir yolunu bulmaktı. Eğitim veri setini oluşturmak için ekip, pilleri % 20 kapasite kaybı olarak tanımladıkları kullanım ömrünün sonuna ulaşana kadar, şarj etmiş ve boşalmıştır. Hızlı şarjı optimize etmek için araştırmacılar; pillerini topraklamanın gerekli olup, olmadığını öğrenmek istedi.

“Bir batarya sorununun çözümü, sadece ilk devirlerden elde edilen bilgilerde bulunabilir mi?”

Braatz: “Hesaplama gücündeki ve veri üretimindeki ilerlemeler; son zamanlarda makine öğreniminin çeşitli görevler için ilerlemeyi hızlandırmasını sağlamıştır. Bunlar maddi özelliklerin tahminini de içerir. Buradaki sonuçlarımız, karmaşık sistemlerin davranışı; geleceği nasıl tahmin edebileceğimizi gösteriyor.”

Genel olarak, bir lityum-iyon pilin kapasitesi bu süre için kararlıdır. Sonra aşağı doğru keskin bir dönüş alır. Düşme noktası, (21. yüzyılda en çok da tüketicilerin bildiği gibi) geniş ölçüde değişiyor. Bu projede; bataryalar 150 ila 2.300 devir arasında çalıştı. Bu değişiklik kısmen farklı hızlı şarj yöntemlerinin test edilmesinin bir sonucu olarak, aynı zamanda piller arasındaki üretim değişkenliğinden kaynaklanmıştır.

Toyota Araştırma Enstitüsü’nden Araştırmacı Herring: “Pil gelişimi için harcanan zaman ve para için, on yıllar içinde ilerleme hala ölçülüyor. Bu çalışmada, en fazla zaman alan adımlardan birini (batarya testi) büyüklük sırasına göre düşürüyoruz.”

Muhtemel Kullanımlar

 

Attia; yeni yöntemin birçok potansiyel uygulamaya sahip olduğunu söyledi. Örneğin, malzemelerdeki hızlı gelişmeler nedeniyle; özellikle önemli olan yeni tip pillerin validasyon süresini kısaltabilir. Sınıflandırma tekniği ile; sokak lambalarını açmak veya veri merkezlerini yedeklemek için kısa ömürlü olduğu (otomobiller için çok kısa olan) belirlenen elektrikli araç aküleri kullanılabilir. Geri dönüştürücüler, kullanılmış elektrikli araç pil paketlerinden, ikinci bir ömür için yeterli kapasiteye sahip hücreleri bulabilirler.

Yine bir başka olasılık da batarya üretimini optimize etmektir. Attia: “Batarya üretiminde son adım, günler ila haftalarca sürebilen ‘oluşum’ olarak adlandırılıyor. Yaklaşımımızı kullanmak, bunu önemli ölçüde kısaltabilir ve üretim maliyetini düşürebilir.”

Araştırmacılar, modellerini sadece 10 dakika içinde pilleri şarj etme yöntemlerini optimize etmek için kullanıyorlar. Bu da süreci 10 kattan daha fazla keseceğini söylüyor.

Kaynak:
Techxplore
Etiketler
1 Oy2 Oy3 Oy4 Oy5 Oy (2 oy verildi, Ortalama: 5 üzerinden 5,00 oy )
Loading...

Benzer Makaleler

Bir cevap yazın

E-posta hesabınız yayımlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir

Close