4 Minuter
Snabbladdning är ett av elfordonens stora löften, men det har alltid medfört en tyst kompromiss. Ju oftare förare förlitar sig på högfarts-DC-laddning, desto mer stressar de batteripaketet. Den skadan visar sig inte över en natt, men med åren kan den successivt minska räckvidd och långsiktig batterihälsa. 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 laddningssystem för elfordon som kan minska batterislitage utan att förare behöver vänta längre vid kontakten. Enligt deras resultat förlängde metoden batteriets livslängd med nästan 23% jämfört med konventionell snabbladdning. Överraskningen är hur lite den ändrade själva laddningssessionen. Tester visade en genomsnittlig laddningstid på 24,12 minuter, jämfört med 24,15 minuter för standardladdning. I praktiken är den skillnaden försumbar.
Inte alla batterier åldras på samma sätt
Det är det verkliga problemet med de flesta snabbladdningssystem i dag. 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 enligt samma ström- och spänningsstrategi. På papperet låter det effektivt. I verkligheten ignorerar det hur batterier förändras med åren.
Äldre litiumjonpaket är mer sårbara för ett fenomen som kallas litiumplätering. Istället för att litiumjonerna absorberas som avsett börjar metalliskt litium att avsättas på elektrodytan. Det är en långsam, nästan osynlig form av skada, men med tiden minskar den kapaciteten och påskyndar degraderingen. Med andra ord fortsätter batteriet att fungera, men inte lika bra som tidigare.
Chalmersmetoden använder förstärkningsinlärning för att tackla det problemet. Denna typ av maskininlärning förbättrar beslutsfattandet genom upprepad återkoppling, vilket gör att systemet kan anpassa sig när förhållanden förändras. Här justerar AI:n laddningsströmmen i realtid genom att titta på två variabler: batteriets laddningsnivå och dess hälsotillstånd. Ett nyare paket tål en mer aggressiv laddningsprofil, medan ett äldre får en mildare kurva utformad för att begränsa påfrestningar.
Det är en enkel idé med stora konsekvenser. Istället för att tvinga alla elfordonsbatterier genom samma rutin svarar systemet på varje paket mer som en erfaren mekaniker skulle göra, utifrån ålder, skick och aktuell status.
En mjukvarulösning, inte en hårdvaruöversyn
En detalj sticker ut. Detta är inget koncept som bygger på exotisk ny batterihårdvara eller dyra omkonstruktioner. Forskarna menar att tekniken kan distribueras genom mjukvaruuppdateringar till befintliga batterihanteringssystem. Det gör det mycket mer realistiskt för biltillverkare och aktörer i laddningsekosystemet som söker praktiska sätt att förbättra elfordons livslängd.
Det finns förstås en hake. Systemet måste fortfarande kalibreras för olika batterikemier, vilket betyder att det inte är en färdig universallösning från början. Ändå är idén attraktiv eftersom den fungerar med den hårdvara som redan används i stora delar av elfordonsmarknaden.
Batteridegradering är fortfarande en av de mest bestående oroämnena kring ägande av elfordon, särskilt för förare som är starkt beroende av offentlig snabbladdning. Räckviddsångest dominerar rubrikerna, men långsiktig batterihälsa är ofta den viktigare frågan när nyhetsvärdet av ägande avtar. Om Chalmers AI-baserade laddningsmetod når produktionsbilar kan den rapporterade förbättringen på 23% innebära ett extra år eller två av användbar batteritid för många förare.
Det skulle inte bara vara bra för ägarna. Det kan också stärka andrahandsvärden, sänka de totala ägandekostnaderna och göra elbilar mer attraktiva för dem som fortfarande tvekar inför bytet. För ett problem som länge hängt i bakgrunden av samtalet kring elfordon ser detta ut att vara den slags lösning industrin har väntat på.
Lämna en kommentar