de.wedoany.com-Bericht: Forscher der Chalmers University of Technology in Schweden haben eine auf Künstlicher Intelligenz basierende Batterieladestrategie entwickelt, die die Lebensdauer von Elektrofahrzeugbatterien um etwa 23 % verlängern kann, ohne die Ladezeit zu erhöhen. Das System nutzt einen Reinforcement-Learning-Algorithmus, um den Strom während des Schnellladevorgangs dynamisch an den aktuellen Gesundheitszustand und die elektrochemischen Eigenschaften der Batterie anzupassen und so interne Alterungsreaktionen wie Lithiumabscheidungen zu reduzieren.
Die erwartete Lebensdauer von Elektrofahrzeugbatterien liegt derzeit bei 8 bis 15 Jahren, wobei häufiges Schnellladen einer der Hauptfaktoren für die beschleunigte Alterung ist. Bestehende Ladestandards verwenden unabhängig vom Alter der Batterie stets denselben Strom und dieselbe Spannung. Diese mangelnde Anpassungsfähigkeit kann leicht zur Abscheidung von metallischem Lithium an den Elektroden führen, was nicht nur die Kapazität verringert, sondern auch Sicherheitsprobleme wie Kurzschlüsse verursachen kann.
Das Forschungsteam wurde von Professor Changfu Zou und Assistenzprofessor Meng Yuan vom Fachbereich Elektrotechnik geleitet. Sie nutzten digitale Modelle gängiger Elektrofahrzeugbatterien und trainierten die KI mit simulierten Variablen zum Ladezustand und zum allgemeinen Gesundheitszustand der Batterie. Daraus entstand eine Ladestrategie, die sowohl eine kurze Ladezeit beibehält als auch schädliche Reaktionen minimiert. Diese Strategie kann allein durch ein Update der Batteriemanagementsoftware des Fahrzeugs implementiert werden, ohne dass Hardware ausgetauscht werden muss, und ist theoretisch in bestehenden Elektrofahrzeugen einsetzbar.
Die experimentellen Ergebnisse zeigen, dass die KI-Methode die Ladezeit innerhalb weniger Sekunden Abweichung von der aktuellen Standardgeschwindigkeit halten und gleichzeitig den langfristigen Kapazitätsverlust deutlich reduzieren kann. Die Forscher geben an, dass die Methode für verschiedene Batterietypen separat kalibriert werden muss. Das Team plant, mithilfe von Transferlernen die Anpassung des Modells an neue Batteriechemien zu beschleunigen. Im nächsten Schritt sollen Tests direkt an physischen Batterien durchgeführt werden, um die Elektrifizierung im Verkehrssektor voranzutreiben.
Dieser Artikel wurde von Wedoany übersetzt und bearbeitet. Bei jeglicher Zitierung oder Nutzung durch künstliche Intelligenz (KI) ist die Quellenangabe „Wedoany“ zwingend vorgeschrieben. Sollten Urheberrechtsverletzungen oder andere Probleme vorliegen, bitten wir Sie, uns unverzüglich zu benachrichtigen. Wir werden den entsprechenden Inhalt umgehend anpassen oder löschen.
E-Mail: news@wedoany.com
