Penyelidik di Universiti Arizona telah memajukan keselamatan kenderaan elektrik dengan mencipta model pembelajaran mesin yang meramalkan dan menghalang bateri litium-ion terlalu panas, menangani sekatan jalan utama dalam penggunaan tenaga hijau.
Penyelidik di Universiti Arizona telah membuat lonjakan yang ketara dalam usaha untuk kenderaan elektrik yang lebih selamat dengan membangunkan model pembelajaran mesin yang mampu meramal dan mencegah lonjakan suhu berbahaya dalam bateri litium-ion.
Penyelidikan itu, yang diketuai oleh pelajar kedoktoran Basab Goswami, menawarkan penyelesaian yang menjanjikan kepada salah satu kebimbangan keselamatan paling kritikal dalam industri kenderaan elektrik. Kajian pecah tanah, bertajuk "Memajukan Keselamatan Bateri," adalah diterbitkan dalam Jurnal Sumber Kuasa.
Goswami dan penasihatnya Vitaliy Yurkiv, seorang profesor kejuruteraan aeroangkasa dan mekanikal, mencipta rangka kerja yang menyepadukan model multifizik dan pembelajaran mesin untuk memantau dan mengenal pasti potensi pelarian haba dalam bateri lithium-ion.
"Kita perlu beralih kepada tenaga hijau," kata Goswami dalam a Siaran akhbar. "Tetapi terdapat kebimbangan keselamatan yang berkaitan dengan bateri litium-ion."
Larian haba ialah fenomena berbahaya di mana suhu dalam bateri meningkat secara tidak terkawal, yang berpotensi membawa kepada kebakaran atau letupan. Dengan kenderaan elektrik moden menempatkan lebih 1,000 sel bateri yang bersambung rapat, kejadian pelarian haba dalam satu sel boleh mencetuskan tindak balas berantai, membahayakan keseluruhan pek bateri.
"Suhu dalam bateri akan meningkat secara eksponen dan ia akan menyebabkan kebakaran," tambah Goswami.
Untuk mengatasinya, para penyelidik mencadangkan menggunakan penderia haba yang dibalut sel bateri. Penderia ini menyuapkan data suhu sejarah ke dalam algoritma pembelajaran mesin, yang kemudiannya meramalkan potensi peristiwa lari terma.
"Sekiranya kita tahu lokasi hotspot (permulaan pelarian haba), kita boleh mempunyai beberapa penyelesaian untuk menghentikan bateri sebelum ia mencapai tahap kritikal itu," tambah Goswami.
Yurkiv melahirkan rasa terkejutnya dengan ketepatan model pembelajaran mesin.
"Kami tidak menjangka bahawa pembelajaran mesin akan menjadi lebih baik untuk meramalkan suhu termokopel dan lokasi hotspot dengan begitu tepat," kata Yurkiv dalam siaran berita. "Tiada manusia yang akan dapat melakukannya."
Kaedah baharu ini merupakan evolusi daripada penyelidikan terdahulu yang bergantung pada pengimejan terma untuk ramalan pelarian haba, yang memerlukan peralatan pengimejan yang rumit dan mahal. Penyelesaian yang ringan dan kos efektif ini menandakan peningkatan yang ketara.
"Ramai orang masih teragak-agak untuk menggunakan bateri kerana pelbagai kebimbangan keselamatan," tambah Goswami. "Untuk mendapat penerimaan yang meluas, adalah penting untuk orang ramai mengetahui bahawa penyelidikan berterusan sedang secara aktif menangani isu keselamatan kritikal ini."
Penyelidikan Goswami mewakili langkah penting ke arah menjadikan kenderaan elektrik lebih selamat dan boleh dipercayai, berpotensi mempercepatkan peralihan kepada sumber tenaga yang lebih hijau. Memandangkan teknologi ini berkembang dan disepadukan ke dalam sistem pengurusan bateri kenderaan elektrik, ia boleh memainkan peranan monumental dalam menjamin keyakinan orang ramai dan memupuk penggunaan kenderaan elektrik yang lebih meluas.