برنامج ذكاء اصطناعي يتنبأ بتدهور بطارية السيارات الكهربائية قبل الأوان
AHC: 0.80(%)   AIB: 1.07(0.00%)   AIG: 0.16(%)   AMLAK: 5.00(%)   APC: 7.25(%)   APIC: 2.20(1.35%)   AQARIYA: 0.78(%)   ARAB: 0.84(%)   ARKAAN: 1.29(%)   AZIZA: 2.71(4.58%)   BJP: 2.80(%)   BOP: 1.48(0.00%)   BPC: 3.73(%)   GMC: 0.79(%)   GUI: 2.00(%)   ISBK: 1.08(1.82%)   ISH: 1.00(0.00%)   JCC: 1.52(0.00%)   JPH: 3.58( %)   JREI: 0.28(%)   LADAEN: 2.50( %)   MIC: 2.47(%)   NAPCO: 0.95( %)   NCI: 1.68(%)   NIC: 3.00(%)   NSC: 2.95(%)   OOREDOO: 0.79(1.25%)   PADICO: 1.01(1.00%)   PALAQAR: 0.42(%)   PALTEL: 3.92(0.00%)   PEC: 2.84(%)   PIBC: 1.05(%)   PICO: 3.50(%)   PID: 1.91(%)   PIIC: 1.72(%)   PRICO: 0.29(%)   PSE: 3.00(%)   QUDS: 1.04(1.89%)   RSR: 4.50(%)   SAFABANK: 0.68(4.62%)   SANAD: 2.20(%)   TIC: 2.98(%)   TNB: 1.21(0.00%)   TPIC: 1.90(2.56%)   TRUST: 2.85(%)   UCI: 0.38(%)   VOIC: 5.29(%)   WASSEL: 1.00(%)  
9:38 صباحاً 06 أيلول 2022

برنامج ذكاء اصطناعي يتنبأ بتدهور بطارية السيارات الكهربائية قبل الأوان

وكالات - الاقتصادي - تُعد بطاريات الليثيوم أيون مكوناً رئيسياً لمعظم السيارات الكهربائية، بفضل أدائها العالي وكفاءتها وسلامتها، مقارنة بالبطاريات التقليدية، لكن لا تزال هناك مشكلة تقف حائلاً مع التنامي الآخذ في سوق السيارات الكهربائية، يتمثل في التنبؤ بعمرها، فقدرة هذه البطاريات تتدهور مع فقدان السعة بمرور الوقت ويعرف باسم "تقادم التقويم" وفقدان السعة الناتج عن الاستخدام ويعرف باسم "تقادم الدورة"

ولهذا السبب، لجأ باحثون إلى تطوير خوارزميات متقدمة للتعلم الآلي قائمة على الذكاء الاصطناعي للتنبؤ بدقة بعمر التقويم.

في دراسة حديثة بتمويل من برنامج Horizon 2020 التابع للاتحاد الأوروبي، اتخذ فريق من العلماء هذا البحث خطوة إلى الأمام من خلال مقارنة دقة خوارزميتين على نطاق واسع من كيماويات بطاريات الليثيوم أيون التجارية.

على وجه التحديد، قاموا بسحب بيانات تقادم التقويم من ستة أنواع من كيماويات خلايا البطارية: أكسيد الكوبالت الليثيوم (LCO) ، فوسفات حديد الليثيوم (LIP) ، أكسيد المنغنيز الليثيوم (LMO) ، أكسيد التيتانيوم والليثيوم (LTO) ، أكسيد الألومنيوم الكوبالت النيكل (NCA) ، وأكسيد الكوبالت والمنغنيز والنيكل (NMC).

تم تقويم أعمار خلايا البطارية هذه في غرف درجة الحرارة عند 50 و 60 و 70 درجة مئوية، باستخدام الفولتية العالية والمتوسطة والمنخفضة، حسب موقع "ذا نيكست ويب" المعني بالأخبار التقنية.

للتنبؤ بشيخوخة البطاريات، حقق الفريق في كفاءة خوارزميتين للتعلم الآلي، هما: Extreme Gradient Boosting (XGBoost) والشبكة العصبية الاصطناعية (ANN).

لتقييم أداء الخوارزميتين، استخدم الباحثون مقياس متوسط ​​نسبة الخطأ المطلق (MAPE)، والذي يقيس متوسط ​​حجم الأخطاء بين القيم المتوقعة والقيم المقاسة. وببساطة، كلما كانت قيمة MAPE أصغر، زادت دقة التنبؤ.

أظهر اختبار الخوارزميات أنه يمكن استخدام خوارزمية XGBoost للتنبؤ بشكل فعال بعمر التقويم لمعظم كيميائات الخلايا بأقل قدر ممكن من الخطأ المطلق. وفي الوقت نفسه، تنتج ANN نتائج مرضية فقط لكيمياء الخلايا LFP و LTO و NCA.

ويوضح الرسم البياني أدناه حقيقة ما سبق:


وخلص الباحثون إلى إمكانية دمج خوارزمية XGB، خاصة فيما يتعلق بمواد كيميائية البطاريات التي تهيمن على صناعة السيارات (NCA ، NMC ، LFP)، في برامج تطبيقات بطاريات السيارات الكهربائية، للتنبؤ بنجاح بتأثيرات تقادم التقويم وتوفير عمر تشغيل أفضل لبطاريات السيارات الكهربائية.

ويتوقع الخبراء أن تستمر سوق السيارات الكهربائية في التوسع في المستقبل المنظور. فبحسب أحدث إصدار من نشرة توقعات السيارات الكهربائية، وهو تقرير سنوي تصدره "مؤسسة بلومبرج لتمويل أبحاث الطاقة الجديدة".

ومن المتوقع أن تشهد مبيعات السيارات الكهربائية للركاب ارتفاعاً إلى 10 ملايين سيارة في عام 2025، و28 مليون في عام 2030، و56 مليون بحلول عام 2040.

Loading...