EVバッテリー診断と寿命予測

バッテリーの充電状態予測を機械学習技術でアップデート

Share on linkedin
LinkedIn
Share on twitter
Twitter

目的

  • バッテリーの診断と寿命予測に関して機械学習モデルを用いた推定能力を検証
  • 一般的な電気化学的なアプローチのパフォーマンスを超えられるか検証

チャレンジ

  • 必要最低限の情報からなるデータセットを利用
  • バッテリー使用パターンについてはバラツキが大きいケースも想定

成果

  • Acera の技術フレームワークを用いて、迅速にEV用バッテリーに関する寿命予測・生存予測のための機械学習モデルを構築
  • 構築された学習モデルは電気化学アプローチのモデルよりも優れたパフォーマンスを発揮し、バッテリー寿命の延長を通じて自動車OEMに大幅な節約効果を提供

背景

グローバルの電気自動車(xEV)市場は急速に拡大しており、さらなる効率的なバッテリー技術に関する需要が高まっています。リチウムイオン(Li-Ion)バッテリーは長らく業界標準となっていますが、EVでの使用時における熱暴走による火災、予測が非常に難しい電池材料の経年劣化、様々な運転パターンや充電サイクルの結果として、予期しない容量損失など、自動車OEMにとっては新たなリスクをもたらす可能性があります。

バッテリーの交換は多額の費用が発生し、メーカーは少なくとも8年間の補償を提供する必要があることを考えると、EVバッテリーの寿命・残存利用年数をより正確に見積もることが必要です。

課題

EVでのリチウムイオンバッテリーは、容量が80%以下に低下すると寿命に達します。この時点で、EVはかなりの走行可能な距離数を失うことになります。従来、メーカーはオーバーサイズ化を考慮して、時間経過に伴う容量の必然的な低下を補償し、バッテリーパックのサイズの大容量化だけでなく車両への追加コストと重量の追加を余儀なくされてきました。

自動車OEMは、バッテリーの電気化学的モデルを用いて寿命予測を推定してきましたが、これらは本質的に静的な特性評価であり、車両の環境変動、運転・充電の動作パターンを考慮することができませんでした。その結果、最高レベルの電気化学モデルであっても、障害予測やセット内のすべてのバッテリーに同等の信頼性を適用できる寿命予測値を見積もることに相当な苦労を要してきました。

Acertaソリューション

オープンソースと独自データソースを組み合わせて、Acerta では標準的なバッテリー使用と加速劣化シナリオの双方を含むバッテリーテストのデータセットを構築することができました。テストでは、セル数が異なるさまざまな種類のリチウムイオン電池も使用しています。ある場合ではバッテリーは容量損失の特定状態まで、他の場合では通常状態でテストで使用しています。その結果、バッテリーの劣化はほとんど、もしくはほぼ確認されませんでした。

結果として得られたデータには、電圧、電流、温度、容量、操作時間、日付、場所等バッテリーのパフォーマンスを評価するためのさまざまな重要なパラメータが含まれていました。このテストプロジェクトは、Acerta 社とカナダ・ウォータールー大学の化学工学科にひょる共同研究プロジェクトとして展開されました。ウォータールー大学のエンジニアは、EVバッテリーに対する等価回路モデルを構築し、充放電、摩擦、熱、振動変化など、さまざまな動作プロファイルをシミュレーションすることができました。結果として得られた電気化学モデルは、Acerta に機械学習モデルの構築で評価できるベンチマークを提供しています。

このアプローチによる直接的な利点のひとつは、充放電のパターンだけでなく、経年劣化、運転行動、温度・湿度などの外部要因の季節変動からもバッテリーのプロファイルにどの程度の変動を与えるかを特定することに役立てたことです。これはまさに機械学習モデルの適用がさらに検討されるべき領域で、バッテリーの使用状況(その環境を含む)に動的に対応することが重要になります。

成果

Acerta では、本プロジェクトを通じて、バッテリー容量のしきい値と寿命との間に成立する確率予測に基づいた形でのバッテリー寿命予測用機械学習モデルを構築しました。当初、利用可能なデータは明らかに不足しており、加えてデータにはさまざまなバラツキがありました。そのような条件下であっても、Acerta テクノロジーは電気化学モデルと同等、またはそれ以上の精度を担保する機械学習モデルの構築を実現しています。

通常、EVバッテリーの交換には 5,000ドルから15,000ドル程度の費用がかかるため、機械学習を使用した充電や運転行動の変化を提案、バッテリーの寿命を延ばすためのユーザ通知システムを実現することは、ユーザと自動車メーカーの双方に大幅な節約効果をもたらす可能性があります。2019年の時点で、世界中に790万台のEVが走行している昨今、AI を用いた使用状態リコメンドを展開することで、例えばこれら車両の1%のバッテリー寿命を1年延長できれば、年間4億ドルから12億ドルもの節約に繋がる可能性が期待できるのです。

お問合せ

How can we Help?

Contact Info

This website uses cookies.