Данни от реалния свят

За да проверят своята система, изследователите са я обучили и тествали с големи публични масиви от данни на НАСА и Оксфордския университет. Те включват реални цикли на зареждане и разреждане, температурни промени, профили на тока и напрежението, както и дългосрочни тенденции на износване.

Техният модел намалява грешките в прогнозите в сравнение с конвенционалните методи – с 0,018 волта за напрежението, 1,37 °C за температурата и 2,42% за нивото на заряд. С други думи, системата може по-прецизно и надеждно да предвиди поведението на батерията при различни условия.

Вместо просто да покаже, че батерията на автомобила е на 60%, новата система, наречена SOM, може да прогнозира как тази енергия ще се използва на практика. Тя може да предупреди, че ще е необходимо презареждане по средата на пътуването или че управлението на дрон при ветровити условия не е безопасно. Системата на практика превръща суровите данни за батерията в реални и полезни съвети.

Михри Йозкан заяви, че технологията трансформира данните в решения, като повишава безопасността, надеждността и възможностите за планиране при автомобили, дронове и всяко друго приложение, където енергията трябва да бъде съобразена с конкретна задача в реалния свят.

По-интелигентно бъдеще за енергийните системи

Системата е в процес на непрекъснато и активно развитие. Изчислителната сложност е ограничение към момента, тъй като моделът изисква по-голяма процесорна мощ, отколкото повечето съвременни системи за управление на батерии могат да осигурят. Изследователите обаче прогнозират, че с по-бързия и по-ефективен хардуер ще стане възможно интегрирането на SOM в устройства за ежедневна употреба.

Системата вече е показала обещаващи резултати при електрически автомобили, автономни летателни апарати и системи за съхранение на енергия в мрежата. В бъдеще изследователите планират да я приложат и към различни видове батерии, включително натриево-йонни, твърдотелни и поточни батерии.

Дженгиз Йозкан каза, че подходът им е универсален. Той добави, че същият хибриден метод може да осигури прогнози, съобразени с конкретната мисия, за да се подобри надеждността, безопасността и ефективността в широк спектър от енергийни технологии – от автомобили и дронове до домашни батерийни системи и дори космически мисии.

Практическо приложение на изследването

Тази иновация може да предизвика революция в управлението на батериите, правейки енергийните системи по-безопасни и по-надеждни. Бъдещите електрически автомобили не само ще показват оставащия заряд, но и ще предупреждават, ако планираното пътуване е извън безопасните граници.

Дроновете ще могат автономно да коригират плановете си за полет въз основа на вятъра и състоянието на батерията, а системите за съхранение на енергия в мрежата ще могат да оптимизират енергийния баланс.

Чрез обединяването на машинно обучение и физика, системата SOM извежда енергийните технологии до нови хоризонти в превантивното управление – такова, което предвижда проблемите, преди те да са се случили, и помага на хората да правят по-интелигентни и по-безопасни избори за това как използват енергията.