Revolutionerende batteristyring: Udnyttelse af 3D akustiske landskaber & AI til bæredygtig forudsigelse af batterilevetid

Batterier er afgørende for den grønne omstilling, hvilket muliggør elektrificering af transport og integration af vedvarende energi. På trods af faldende omkostninger udfordrer usikkerhed om batterilevetid bæredygtighed. Nøjagtig levetidsforudsigelse er nøglen til effektiv styring, ydeevne og forebyggelse af fejl såsom brande. Nuværende forudsigelsesmetoder er afhængige af omfattende laboratorietests og obduktionsanalyser, som er komplekse og energikrævende. For at løse disse problemer er et tværfagligt samarbejde dedikeret, som samler eksperter inden for batteriteknologi, statistisk signalbehandling og maskinlæring. Målet er at anvende avancerede datavidenskabelige teknikker til online, ikke-invasiv forudsigelse af batterilevetid gennem akustisk emissionsdetektion. Denne tilgang modellerer batteriet som et 3D akustisk landskab, der sporer dets ændringer over tid. De forventede resultater er banebrydende for batteristyring og vil fremme forklarlig, datadrevet forudsigelse for tidsseriedata.