Les véhicules électriques sont alimentés par des batteries lithium-ion (LIB), une batterie rechargeable qui n'est pas encore entièrement comprise ou perfectionnée. Et dans la mesure où les voitures électriques devraient remplacer les voitures à essence, toute recherche qui améliore les performances d'une batterie lithium-ion sera une aubaine pour les véhicules électriques et l'environnement.

les professeurs Matthias Preindl et Alan West, deux professeurs de Columbia, développent un modèle d'apprentissage automatique qui peut estimer plus précisément le niveau de charge d'une batterie Li-Ion. Les estimations actuelles de l'état de charge d'une batterie ont des taux d'erreur de cinq pour cent, alors que le modèle de cette équipe vise un taux d'erreur d'un pour cent. Leurs recherches sont soutenues par une subvention du Seeds Fund du Data Science Institute.

Ce que l'on appelle les systèmes de gestion de batterie sont formés pour capturer l'état de santé d'une batterie et prédire sa durée de vie restante. Ces deux concepts aident les propriétaires de véhicules électriques à savoir quand arrêter la voiture pour recharger sa batterie ainsi que quand planifier les remplacements de batterie. Par ailleurs, un modèle de précision d'estimation élevée se traduit par une prolongation de la durée de vie des packs de batteries, car il permet un système de gestion de batterie qui peut identifier et protéger les cellules faibles.

Pour concevoir son modèle d'apprentissage automatique, cette équipe appliquera des signaux de perturbation (une séquence de signaux de courant générés par un convertisseur électronique de puissance) aux cellules de batterie Li-Ion. La séquence de signaux amène les cellules de la batterie à émettre des réponses électriques qui peuvent être testées. L'équipe testera les batteries dans son laboratoire, et utilisent également des convertisseurs électroniques de puissance pour obtenir les données des batteries installées dans les véhicules électriques. Les données, qui sont générés chaque minute, mesurer les fonctions de la batterie telles que la température, tension et volatilité des courants, résultant en des centaines de milliers de points de données. L'équipe conçoit donc un algorithme pour évaluer les données et concevoir un modèle d'optimisation.

"Une analogie avec ce que nous faisons est ce qui a été fait avec les échecs, " dit Mathias Preindl, Professeur de génie électrique. "Les robots d'échecs fonctionnent au moyen d'algorithmes qui étudient tous les mouvements dans tous les jeux, et sur la base de cette totalité, ils connaissent tous les coups possibles et peuvent interpréter les données et sélectionner les meilleurs coups. C'est ce que nous essayons de réaliser avec notre modèle."

Alors que Preindl est un expert dans la façon dont les batteries interagissent avec les composants extérieurs, Allen Ouest, un ingénieur chimiste, comprend la chimie interne d'une batterie. Ils utilisent leurs connaissances d'ingénierie combinées, ainsi que des techniques avancées de science des données, pour concevoir un modèle qui peut prédire comment obtenir les meilleures performances des batteries Li-Ion actuelles.

"Tel quel, nous n'avons pas de quantifications pour comprendre comment se comporte une batterie lithium-ion, " dit Preindl, qui appartient également à Sense de DSI, Collecter et déplacer le centre de données.

"Une fois que nous avons cela, nous saurons quand les batteries doivent être chargées, combien de temps ils dureront, et quand ils doivent être remplacés ainsi que comment prolonger la durée de vie de la batterie, " ajoute-t-il. " Et puisque les voitures électriques et les batteries Li-Ion sont l'avenir, notre projet promet d'améliorer un élément clé de notre système de transport tout en améliorant notre environnement. »