智能電池技術知道您的電動汽車是否會返回家園

當前的電池可以報導該汽車充電40％，但是駕駛員應該猜測他們是否可以用加熱器穿過100公里的山丘。加州大學河濱分校的工程師想從中提取猜測。

他們開發了一個新的診斷指標，稱為“任務狀態”，即SOM，旨在回答以下問題：當前狀態下的電池是否可以安全，成功地包括一項特定任務？ SOM使用這些電池和環境因素，例如交通電路，高度變化或環境溫度，以實時產生預測。

UCR工程師Mikhri Ozkan說：“ SOM填補了這一空白。” “這是一項措施，考慮到結合數據和物理的任務，以預測電池是否可以在實際條件下完成計劃的任務。”

系統的細節是 出版 在雜誌中 iscaing區分SOM的領域是其混合方法。與無法適應不變的場景或機器學習模型的嚴格物理方程式不同，可以在不解釋結果的情況下產生結果，他們創建了一個將兩者都團結起來的系統。

該模型可以從電池充電，放電和加熱的方式中學習，但也尊重電化學和熱力學的定律。這種雙重智能使他即使在壓力下也可以進行可靠的預測，例如溫度突然下降或陡峭的上升上升。

“結合起來，我們得到了兩全其美的最好的：一種在數據上靈活的模型，但始終基於物理現實，”領導該研究的UCR工程師教授Sengiz Ozkan說。 “這使得預測不僅更準確，而且更值得信賴。”

為了檢查其結構，該團隊在NASA和牛津大學使用了公開可用的電池。它們包含真正的使用方案，包括電荷週期和排放，溫度變化，電流和電壓數據隨時間以及長期性能趨勢。

與傳統的電池診斷方法相比，該模型將預測誤差顯著降低了0.018伏的電壓，溫度為1.37攝氏度，電荷狀態為2.42％。

SOM不是對“充電百分比”的主要評估，而是提供更聰明，前瞻性的性能。這可以告訴駕駛員他們可以完成計劃的路線，但是可能有必要在中途充電，或者在某些風條件下不可能進行無人機的飛行。

Mikhri Ozkan說：“他將電池的抽像數據轉換為有效的解決方案，增加了車輛，無人機的安全性，可靠性和計劃，以及能量應與真正任務相對應的任何應用。”

該模型仍在開發中。

她說：“目前，主要限制是計算複雜性。” “該結構需要比現代構建的電池管理系統通常提供的更大的處理能力。”

但是，研究人員很樂觀。通過進一步的優化，他們希望該模型很快可以用於電動汽車，無人機系統，淨存儲應用等。

展望未來，該團隊計劃在現場測試SOM，並擴展其與其他化學電池（例如離子，固體或運行電池）合作的功能。

“我們的方法旨在泛化，” Sengiz Ozkan說。 “同樣的混合方法可以考慮到從汽車和無人機到家庭電池系統甚至太空任務的廣泛能源技術中提高可靠性，安全性和有效性的任務。”