El nuevo enfoque reduce el tiempo de prueba de la batería EV en un 75%

El nuevo enfoque reduce el tiempo de prueba de la batería EV en un 75%


27 de junio de 2022

(Noticias de Nanowerk) Probar la longevidad de los nuevos diseños de baterías para vehículos eléctricos podría ser cuatro veces más rápido con un enfoque simplificado, según han demostrado investigadores de la Universidad de Michigan (muestra«Un marco genérico para la optimización del ciclo de la batería mediante el muestreo aprendido y las estrategias de parada temprana»).

Su marco de optimización podría reducir drásticamente el costo de evaluar el rendimiento a largo plazo de las configuraciones de la batería.

«El objetivo es crear una batería mejor, y tradicionalmente la industria ha tratado de lograrlo a través de pruebas de prueba y error», dijo Wei Lu, profesor de ingeniería mecánica de la UM y líder del equipo de investigación detrás del marco, publicado en Patterns cell press. . «La evaluación toma mucho tiempo».

A medida que los fabricantes de baterías de vehículos eléctricos (EV) lidian con la ansiedad por el alcance y las preocupaciones sobre la disponibilidad de la carga, el sistema de optimización desarrollado por el equipo de Lu podría reducir el tiempo de simulación y prueba física de baterías nuevas y mejores en aproximadamente un 75 %. Esta velocidad podría dar un gran impulso a los diseñadores de baterías que buscan la combinación correcta de materiales y configuraciones para garantizar que los consumidores siempre tengan suficiente capacidad para alcanzar su objetivo.

Los parámetros involucrados en el diseño de la batería incluyen todo, desde los materiales utilizados hasta el grosor de los electrodos, el tamaño de las partículas en el electrodo y más. Probar cada configuración generalmente significa varios meses de carga completa y luego descarga completa, o ciclos de la batería, 1000 veces para imitar una década de uso. Lleva mucho tiempo repetir esta prueba a través de la multitud de posibles diseños de batería para descubrir los mejores.

«Nuestro enfoque no solo reduce el tiempo de prueba, sino que genera automáticamente mejores diseños», dijo Lu. “Utilizamos los primeros comentarios para descartar configuraciones de batería poco prometedoras en lugar de iterar hasta el final. Esta no es una tarea fácil, ya que una configuración de batería que funciona mediocre en los primeros ciclos puede funcionar bien más tarde, o viceversa.

«Formulamos sistemáticamente el proceso de parada anticipada y permitimos que el sistema aprendiera de los datos recopilados para obtener nuevas configuraciones prometedoras».

Para reducir significativamente el tiempo y el costo involucrados, los ingenieros de UM utilizaron los últimos conocimientos de aprendizaje automático para diseñar un sistema que sabe cuándo detenerse y cómo mejorar con el tiempo.

El marco detiene las pruebas cíclicas que no tienen un comienzo prometedor para conservar los recursos utilizando las técnicas matemáticas conocidas como algoritmo de reducción a la mitad sucesiva asíncrona e hiperbanda. Mientras tanto, toma datos de pruebas anteriores y propone nuevos conjuntos de parámetros prometedores para estudiar con Tree of Parzen Estimators.

Además de deshacerse de las pruebas poco prometedoras, un elemento clave que ahorra tiempo en el sistema de UM es la forma en que se prueban varias configuraciones de batería simultáneamente, lo que se conoce como paralelización asíncrona. Si una configuración completa la prueba o se descarta, el algoritmo calcula inmediatamente una nueva configuración para probar sin esperar los resultados de otras pruebas.

El marco de UM es eficaz para probar diseños de todo tipo de baterías, desde las que se han utilizado para alimentar automóviles con motor de combustión interna durante décadas, hasta los productos más pequeños que alimentan nuestros relojes y teléfonos móviles. Pero las baterías EV podrían representar la aplicación más apremiante de la tecnología.

«Este marco se puede optimizar para que sea más eficiente cuando se incorpora un modelo de predicción del rendimiento», dijo Changyu Deng, estudiante de posgrado en ingeniería mecánica de la UM y primer autor del artículo. «Esperamos que este trabajo inspire métodos mejorados que nos lleven a baterías óptimas para fabricar mejores vehículos eléctricos y otros dispositivos que mejoran la vida».

Una encuesta reciente realizada por Mobility Consumer Index encontró que el 52% de los consumidores ahora están considerando un vehículo eléctrico para su próxima compra de vehículo. A pesar de los cambios en la configuración, sigue habiendo preocupaciones sobre la autonomía del vehículo (capacidad de la batería) y la cantidad de estaciones de carga disponibles para los conductores.

Por lo tanto, el rendimiento de la batería juega un papel clave en llevar los vehículos eléctricos a las masas para compensar los efectos del cambio climático.

«Esperamos que al reducir significativamente el tiempo de prueba, nuestro sistema pueda ayudar a acelerar el desarrollo de mejores baterías, acelerar la introducción o certificación de baterías para diversas aplicaciones y acelerar la cuantificación de los parámetros del modelo para los sistemas de gestión de baterías», dijo Lu.



Related post

Uso de análisis de datos para optimizar su enfoque de cobro de efectivo

Uso de análisis de datos para optimizar su enfoque…

La tecnología de análisis de datos se ha vuelto muy importante para ayudar a las empresas a administrar sus estrategias financieras.…
Los científicos de materiales descubren un nuevo mecanismo para aumentar la resistencia y la ductilidad de las aleaciones de alta entropía

Los científicos de materiales descubren un nuevo mecanismo para…

11 de agosto de 2022 (Noticias de Nanowerk) Un equipo de investigación codirigido por científicos de materiales de la Universidad de…
Nuevo diseño de nanopartículas que entrenan a las células inmunitarias para combatir el cáncer

Nuevo diseño de nanopartículas que entrenan a las células…

11 de agosto de 2022 (Noticias de Nanowerk) Científicos del Departamento de Bioingeniería y Terapéutica Avanzada de Órganos (Centro TechMed) publicaron…

Leave a Reply

Tu dirección de correo electrónico no será publicada.