TRÍ TUỆ NHÂN TẠO GIÚP PHÁT TRIỂN HỆ PIN SẠC CỰC NHANH XE ĐIỆN 

TRÍ TUỆ NHÂN TẠO GIÚP PHÁT TRIỂN HỆ PIN SẠC CỰC NHANH XE ĐIỆN 

    TRÍ TUỆ NHÂN TẠO GIÚP PHÁT TRIỂN HỆ PIN SẠC CỰC NHANH XE ĐIỆN 


    Mặc dù xe điện (EV) đang đạt được tiến bộ tốt trong việc đáp ứng kỳ vọng của người tiêu dùng, nhưng vẫn còn một số thách thức. Chưa có EV nào có thể tăng phạm vi hoạt động nhanh như trường hợp bổ sung nhiên liệu cho một phương tiện chạy bằng nhiên liệu hóa thạch, phạm vi và chi phí vẫn cần phải cải thiện trước khi điện khí hóa được chấp nhận rộng rãi.

    Cốt lõi của việc giải quyết những thách thức này là sự phát triển nhanh chóng của pin lithium-ion. Wan Gang, Phó Chủ tịch cơ quan tư vấn hoạch định chính sách quốc gia của Trung Quốc, dự đoán thị trường toàn cầu về pin EV sẽ đạt 250 tỷ USD vào năm 2030, với nhu cầu vượt quá 3,5 terawatt giờ.

    Tuy nhiên, quá trình thử nghiệm và khám phá tốn thời gian tiếp tục hạn chế nghiên cứu và phát triển pin.

    Quá trình thử nghiệm và khám phá tốn thời gian tiếp tục hạn chế sự phát triển của pin | Nguồn hình ảnh: Millbrook Proving Ground
    Dự đoán chính xác hiệu suất của các hệ thống phức tạp, phi tuyến tính được tìm thấy trong pin lithium-ion EV là rất quan trọng để thúc đẩy sự phát triển của công nghệ. Tuy nhiên, số lượng các biến số mà các nhà nghiên cứu phải đối mặt khiến việc vạch ra một lộ trình phát triển rõ ràng hầu như không thể thực hiện được: các chất hóa học đa dạng, cơ chế lão hóa, tính đa dạng của thiết bị và điều kiện hoạt động năng động là một số thách thức mà các nhà phát triển pin phải đối mặt.

    Đồng thời, việc tối ưu hóa nhiều thông số thiết kế trong các thí nghiệm tốn thời gian cũng làm chậm tiến độ nghiên cứu và phát triển pin. Điều này thể hiện trong quá trình lựa chọn kéo dài và tối ưu hóa kiểm soát vật liệu, sản xuất tế bào và vận hành.

    Ví dụ: Mặc dù mục tiêu chính trong quá trình phát triển pin là tối đa hóa tuổi thọ của pin, nhưng việc tiến hành ngay cả một thử nghiệm đơn lẻ để xác định tuổi thọ của tế bào cũng có thể mất hàng tháng hoặc thậm chí hàng năm.

    Thông thường, dữ liệu sẽ phải được thu thập trong toàn bộ vòng đời của tế bào pin để các nhà nghiên cứu dự đoán các tế bào sẽ hoạt động như thế nào trong tương lai. Có thể mất vài tháng để chu kỳ pin đủ số lần để tạo dữ liệu.

    Mặt khác, bằng cách sử dụng trí tuệ nhân tạo (AI) và máy học, được đào tạo dựa trên dữ liệu lịch sử được tạo trong quá trình thử nghiệm và thử nghiệm phát triển trước đó, các nhà nghiên cứu có thể giảm đáng kể thời gian cần thiết để dự đoán hiệu suất trọn đời bằng cách ngoại suy kết quả ngay cả khi pin vẫn còn ở đỉnh cao của nó.

    SỬ DỤNG AI ĐỂ VƯỢT QUA CÁC THÁCH THỨC VÀ TĂNG TỐC PHÁT TRIỂN PIN EV AN TOÀN, TIẾT KIỆM CHI PHÍ


    AI và phương pháp học máy có thể được triển khai để tối ưu hóa hiệu quả việc đánh giá đồng thời một loạt các biến | Nguồn hình ảnh: Công nghệ thử nghiệm ô tô quốc tế
    Không gian tham số rộng và tính biến thiên lấy mẫu cao của quá trình phát triển pin đòi hỏi một số lượng lớn thử nghiệm. Điều này trở nên phức tạp hơn bởi tính chất liên quan đến hiệu suất của pin. Thông thường, sự cải thiện trong một lĩnh vực - chẳng hạn như mật độ năng lượng - sẽ phải trả giá cho một lĩnh vực khác, chẳng hạn như mức phí.

    Có thể triển khai phương pháp AI và máy học để tối ưu hóa hiệu quả việc đánh giá đồng thời nhiều biến số. Bằng cách áp dụng trí tuệ nhân tạo và học máy, các nhà nghiên cứu có thể tăng tốc quá trình phát triển phức tạp và tốn thời gian theo các mức độ lớn, đồng thời đưa ra các dự đoán và kết quả chính xác.

    Ví dụ: để khắc phục “sự lo lắng về phạm vi hoạt động” của người tiêu dùng, các nhà nghiên cứu của StoreDot đã nghiên cứu một loại pin LI-ion sạc cực nhanh (XFC) sáng tạo. Tuy nhiên, với rất ít dữ liệu nghiên cứu có sẵn về pin sạc nhanh, hoạt động R&D này, với hàng chục bằng tiến sĩ. các nhà nghiên cứu và kỹ sư, yêu cầu nhiều thí nghiệm khoa học có tổ chức, dựa trên ma trận 'thiết kế thí nghiệm' để kiểm tra, tối đa hóa và tối ưu hóa hiệu suất, độ an toàn và tuổi thọ của pin.

    Để có được kết quả chính xác, các nhà nghiên cứu phải tiến hành thử nghiệm đồng thời với công thức hóa học cho vật liệu điện cực hoạt động, cấu hình điện hóa, quy trình sản xuất, giao thức sạc và thử nghiệm an toàn cùng nhiều thử nghiệm khác.

    Điều này tạo ra hàng trăm thử nghiệm đồng thời với hàng nghìn hoán vị tế bào pin hơi khác nhau, với nhiều kích cỡ và dung lượng khác nhau. Chạy các quy trình kiểm tra này trong khi ghi lại tất cả các phép đo mỗi giây từ mỗi kênh trong số hơn 4000 kênh kiểm tra pin độc lập sẽ tạo ra một lượng dữ liệu khổng lồ.

    Với giải pháp được lập trình, tự động hóa và dựa trên đám mây, hàng nghìn thử nghiệm có thể được tiến hành mỗi tuần. Tuy nhiên, ngay cả ở tốc độ sạc cực cao, pin vẫn cần nhiều tháng thử nghiệm để mô phỏng toàn bộ thời gian sử dụng.

    Quá trình thậm chí còn phải nhanh hơn nữa. Các nhà nghiên cứu cần một cách để kiểm tra hoặc dự đoán tuổi thọ của từng viên pin trong khi vẫn giữ kết quả minh bạch và cung cấp cho nhóm thông tin chi tiết về dữ liệu có giá trị học được từ thuật toán.

    Phân tích các kết quả thu được từ tập hợp các thí nghiệm phức tạp trên các đối tượng khác nhau là rất đơn giản. 

    Zalo
    Hotline