Chúng tôi rất vui mừng được giới thiệu một tiến bộ trong việc quản lý hiệu suất pin lithium-ion, một thành phần quan trọng trong quá trình chuyển đổi sang năng lượng bền vững. Nhóm của chúng tôi từ Khoa Kỹ thuật, Công nghệ và Thiết kế tại Đại học Canterbury Christ Church, Vương quốc Anh, đã tập trung vào việc sử dụng máy học/học sâu để nâng cao ước tính Trạng thái sạc (SOC) cho pin lithium-ion, đặc biệt là những loại pin đang được tái sử dụng cho các ứng dụng có vòng đời thứ hai.
Hoạt động hiệu quả và an toàn của pin lithium-ion là điều cần thiết để giảm sự phụ thuộc vào nhiên liệu hóa thạch, hỗ trợ sự gia tăng của xe điện và cho phép các nguồn năng lượng tái tạo cung cấp năng lượng cho cơ sở hạ tầng. Một thách thức chính trong lĩnh vực này là ước tính chính xác SOC. Ước tính sai SOC có thể dẫn đến sạc quá mức hoặc xả sâu, cả hai đều có thể làm giảm đáng kể hiệu suất và tuổi thọ của pin.
Thách thức của việc ước tính SOC
SOC hoạt động như một đồng hồ đo nhiên liệu cho pin. Cũng giống như việc hết nhiên liệu đột ngột là điều không mong muốn, việc ngăn pin cạn kiệt hoặc sạc vượt quá giới hạn an toàn là rất quan trọng. Việc ước tính SOC chính xác là rất quan trọng để đảm bảo tuổi thọ và sự an toàn của pin, đặc biệt là trong xe điện và hệ thống lưu trữ năng lượng quy mô lớn.
Nghiên cứu gần đây của chúng tôi, được công bố trên Tạp chí Lưu trữ Năng lượng, giải quyết thách thức này thông qua một phương pháp tiếp cận mới. Chúng tôi đã phát triển Mô hình Học tập Dựa trên Cụm (CBLM), tích hợp cụm K-Means với mạng Bộ nhớ Dài hạn Ngắn hạn (LSTM). Cụm cho phép nhóm các điểm dữ liệu tương tự, tạo điều kiện cho dự đoán mẫu.
Bằng cách kết hợp cụm với LSTM, vốn rất giỏi trong việc xử lý chuỗi và dữ liệu chuỗi thời gian, độ chính xác của ước tính SOC được cải thiện đáng kể. Một tính năng chính của mô hình này là cơ chế lựa chọn gần tâm, tự động lựa chọn mô hình cụm phù hợp nhất theo thời gian thực dựa trên dữ liệu hoạt động của pin.
Kiểm tra và kết quả
Phương pháp này đã được thử nghiệm bằng cách sử dụng dữ liệu từ một cell pin lithium-ion Tesla Model 32.170. Kết quả thật đáng chú ý, đạt được Sai số bình phương trung bình (RMSE) là 0,65% và Sai số tuyệt đối trung bình (MAE) là 0,51%. Phương pháp này vượt trội hơn các kỹ thuật hiện có bằng cách giảm lỗi hơn 60%, chứng minh tính mạnh mẽ và độ tin cậy cho các ứng dụng trong thế giới thực.
Để hiểu được những hàm ý thực tế, một cuộc kiểm tra sâu hơn về tác động của ước tính SOC được cải thiện đối với tình trạng pin và hiệu suất kinh tế đã được tiến hành. Mô hình CBLM đã được so sánh với mô hình LSTM tiêu chuẩn bằng cách sử dụng mô hình suy thoái pin EV đời thứ hai trong ứng dụng chênh lệch năng lượng.
Phương pháp ước tính SOC nâng cao đã chứng minh được những cải thiện đáng kể trong việc duy trì tình trạng pin trong thời gian dài và trong nhiều điều kiện nhiệt độ khác nhau, đặc biệt là trong các tình huống sạc và xả ở độ sâu lớn. Về mặt kinh tế, phương pháp này đã tăng lợi nhuận trong khoảng thời gian bảy năm, đặc biệt là trong các tình huống xả ở độ sâu lớn, dẫn đến tiết kiệm chi phí đáng kể.
Ước tính SOC chính xác đảm bảo độ tin cậy và an toàn của pin trong xe điện, nâng cao hiệu quả của hệ thống lưu trữ năng lượng và tạo điều kiện tái sử dụng hiệu quả pin đã qua sử dụng, do đó kéo dài vòng đời của pin và giảm chất thải. Khả năng thích ứng của phương pháp này cho phép áp dụng vào nhiều môi trường hoạt động khác nhau, biến nó thành một công cụ đa năng trong việc theo đuổi các giải pháp năng lượng bền vững.
Sự tiến bộ này đánh dấu một bước tiến đáng kể hướng tới tương lai năng lượng bền vững. Chúng tôi tìm kiếm sự hợp tác với các đối tác trong ngành để chuyển đổi sáng kiến này từ phòng thí nghiệm sang các ứng dụng thực tế. Tóm lại, việc tăng cường ước tính SOC góp phần làm cho pin thông minh hơn, đáng tin cậy hơn và an toàn hơn, hướng tới một thế giới được cung cấp năng lượng sạch.
Câu chuyện này là một phần của Science X Dialog, nơi các nhà nghiên cứu có thể báo cáo những phát hiện từ các bài báo nghiên cứu đã công bố của họ. Truy cập trang này để biết thông tin về Science X Dialog và cách tham gia.
Thông tin thêm: Mohammed Khalifa Al-Alawi et al, Một phương pháp ước tính SOC nâng cao mới cho các ô pin lithium-ion sử dụng các mô hình LSTM dựa trên cụm và lựa chọn gần tâm, Tạp chí Lưu trữ Năng lượng (2024). DOI: 10.1016/j.est.2024.112866. doi.org/10.1016/j.est.2024.112866
Mohammed Al-Alawi là nghiên cứu sinh tiến sĩ tại Đại học Canterbury Christ Church, chuyên ngành Lưu trữ năng lượng và Kỹ thuật năng lượng tái tạo. Nghiên cứu của ông tập trung vào việc phát triển các giải pháp bền vững để tái sử dụng pin xe điện đã ngừng sản xuất, với trọng tâm là nâng cao ước tính Trạng thái sạc (SOC) bằng các kỹ thuật học máy/học sâu. Ông có bằng Thạc sĩ Kỹ thuật năng lượng tái tạo và bằng Cử nhân Kỹ thuật điện và điện tử.
Mời các đối tác xem hoạt động của Công ty TNHH Pacific Group.
FanPage: https://www.facebook.com/Pacific-Group
YouTube: https://www.youtube.com/@PacificGroupCoLt
