4 Minuter
Snabbladdning är ett av elbilarnas största löften, men det har alltid inneburit en tyst avvägning. Ju oftare förare förlitar sig på högfarts DC-laddning, desto mer stress utsätts batteripaketet för. Den skadan syns inte över en natt, men med åren kan den urholka körsträckan och batteriets långsiktiga hälsa. Nu säger forskare vid Chalmers tekniska högskola i Sverige att de kan ha hittat en smartare väg.
I en ny studie publicerad i IEEE Transactions om transportelektrifiering beskriver teamet ett AI-baserat laddsystem för elbilar som kan minska batterislitage utan att förare behöver vänta längre vid laddaren. Enligt deras resultat förlängde metoden batteriets liv med nästan 23 procent jämfört med konventionell snabbladdning. Det överraskande är hur lite den förändrade själva laddningssessionen. Tester visade en genomsnittlig laddtid på 24,12 minuter, jämfört med 24,15 minuter för standardladdning. I praktiken är den skillnaden försumbar.
Alla batterier åldras inte på samma sätt
Det är det verkliga problemet med de flesta snabbladdningssystem idag. De tenderar att behandla varje batteripaket som om det vore identiskt. Ett nytt batteri och ett som redan har rullat i flera år laddas ofta med samma ström- och spänningsstrategi. På pappret låter det effektivt. I verkligheten bortser det från hur batterier förändras när de åldras.
Äldre litiumjonpaket är mer sårbara för ett fenomen som kallas litiumplätering. Istället för att litiumjoner tas upp som avsett börjar metalliskt litium att avlagras på elektrodens yta. Det är en långsam, nästan osynlig typ av skada, men med tiden minskar den kapaciteten och påskyndar nedbrytningen. Med andra ord fortsätter batteriet att fungera, men inte lika bra som tidigare.
Chalmers tillvägagångssätt använder förstärkningsinlärning för att hantera detta problem. Denna typ av maskininlärning förbättrar beslutsfattandet genom upprepad återkoppling, vilket gör att systemet kan justera sig när förhållandena förändras. Här modifierar AI:n laddströmmen i realtid genom att titta på två variabler: batteriets laddningsgrad och dess hälsotillstånd. Ett nyare paket tål en mer aggressiv laddningsprofil, medan ett äldre får en mjukare kurva utformad för att begränsa stressen.
Det är en enkel idé med stora konsekvenser. Istället för att tvinga alla elbilsbatterier genom samma rutin svarar systemet på varje paket mer som en erfaren mekaniker skulle göra, baserat på ålder, skick och aktuell status.
En programvarulösning, inte en hårdvaruombyggnad
En detalj sticker ut. Det här är inte ett koncept som är beroende av exotisk ny batterihårdvara eller dyra omdesigns. Forskarna säger att tekniken kan implementeras genom programuppdateringar till befintliga batterihanteringssystem. Det gör det betydligt mer realistiskt för biltillverkare och aktörer i laddningsekosystemet som söker praktiska sätt att förbättra elbilars livslängd.
Det finns förstås en hake. Systemet behöver fortfarande kalibreras för olika batterikemier, vilket innebär att det inte är en universallösning direkt. Ändå är idén attraktiv eftersom den fungerar med den hårdvara som redan används över stora delar av elbilsmarknaden.
Batterinedbrytning är fortsatt en av de mest bestående orosmomenten kring elbilsägande, särskilt för förare som är starkt beroende av offentlig snabbladdning. Räckviddsångest dominerar kanske rubrikerna, men batteriets långsiktiga hälsa är ofta den viktigare frågan när nyhetsvärdet av ägandet klingat av. Om Chalmers AI-laddmetod når produktionsbilar kan den rapporterade 23-procentiga förbättringen motsvara ett extra år eller två av användbar batteritid för många förare.
Det skulle inte bara vara bra för ägare. Det skulle också kunna stärka andrahandsvärdet, sänka de totala ägandekostnaderna och göra elbilar mer attraktiva för dem som fortfarande tvekar inför övergången. För ett problem som legat i bakgrunden i elbilsdebatten verkar detta vara den typ av lösning som branschen väntat på.
Lämna en kommentar