Memprediksi Masa Pakai Baterai Secara Akurat Dengan Model Machine Learning
- Model kecerdasan buatan baru dapat secara akurat menentukan Status Kesehatan baterai.
- Ini menggunakan data yang diambil dari baterai pada tahap awal dan memprediksi apakah baterai akan memiliki masa pakai yang lama atau pendek.
Baterai lithium-ion digunakan dalam berbagai aplikasi karena kepadatan energinya yang tinggi, masa pakai yang lama, dan biaya yang rendah. Selama beberapa tahun terakhir, komersialisasi kendaraan hibrida dan listrik telah mendorong peningkatan permintaan baterai berkualitas. Dengan demikian, menganalisis "kesehatan" baterai menjadi semakin penting.
Namun, salah satu kendala utama dalam pengembangan teknologi baterai adalah pemantauan dan pengujian kesehatan baterai, yang memakan banyak waktu dan prosesnya mempengaruhi masa pakai baterai.
Parameter yang disebut State Of Health (SOH) mewakili kemampuan baterai untuk menyimpan energi, relatif terhadap kondisi ideal atau awal. Untuk baterai baru, SOH biasanya 100% tetapi menurun seiring waktu. Menilai SOH penting untuk penggunaan baterai yang aman dan benar. Namun, tidak ada teknik yang dapat secara akurat menentukan nilai ini tanpa merusak masa pakai baterai.
Menentukan SOH Tidak Mudah
SOH baterai dikaitkan dengan dua faktor yang muncul seiring bertambahnya usia baterai –
- Capacity Fade:hilangnya kapasitas penyimpanan secara progresif
- Resistensi Listrik:peningkatan impedansi secara progresif yang menyebabkan daya baterai menurun.
Dalam baterai lithium-ion, peningkatan impedansi dan hilangnya kapasitas penyimpanan terjadi dari berbagai proses yang berinteraksi. Karena proses ini terjadi pada rentang waktu yang sama, sangat sulit untuk menganalisisnya secara independen. Dengan demikian, seseorang tidak dapat menggunakan pengukuran langsung tunggal untuk mengevaluasi SOH.
Teknik tradisional [untuk menentukan SOH] melibatkan penilaian interaksi antara elektroda baterai. Namun karena ini membuat baterai tidak stabil, teknik ini tidak dapat diterima.
Saat ini, ada dua pendekatan untuk menentukan SOH dengan cara yang tidak terlalu merusak:model adaptif dan metode eksperimental. Pendekatan pertama menggunakan data kinerja baterai untuk menyesuaikan sendiri dan mengurangi kesalahan. Namun, jenis metode ini perlu dilatih pada data eksperimen sebelum dapat benar-benar digunakan di lingkungan produksi.
Pendekatan kedua, di sisi lain, dapat digunakan untuk menentukan mekanisme kegagalan tertentu atau proses fisik yang terjadi dalam baterai. Ini memberikan perkiraan yang baik tentang tingkat penurunan kapasitas di masa depan. Namun, metode tersebut gagal mengidentifikasi malfungsi intermiten.
AI Dapat Memprediksi Masa Pakai Baterai Secara Akurat
Sekarang, para peneliti di MIT, Stanford University, dan Toyota Research Institute telah menemukan model kecerdasan buatan (AI) yang dapat menentukan SOH baterai secara akurat.
Tim menciptakan kumpulan data komprehensif yang mencirikan kinerja 124 baterai lithium-ion. Data direkam karena baterai mengalami kondisi pengisian cepat yang berbeda. Berbagai siklus pengisian dan pemakaian (250 – 2.300) disertakan dalam data.
Referensi:Alam | doi:10.1038/s41560-019-0356-8
Mereka kemudian menggunakan metode Machine Learning (ML) untuk memeriksa data dan menghasilkan model yang dapat memperkirakan masa pakai siklus baterai secara akurat. Mereka hanya menganalisis 100 siklus pertama dari setiap baterai (sebelum ada indikasi yang jelas tentang hilangnya kapasitas penyimpanan).
Perkiraan vs masa pakai baterai yang diamati | Garis putus-putus menunjukkan di mana estimasi dan pengamatan sama, untuk referensi | Atas perkenan peneliti
Model terbaik yang dihasilkan oleh ML mampu memperkirakan masa pakai baterai dengan benar untuk 91% baterai. Peneliti juga menggunakan metode ini untuk mempelajari data hanya dari 5 siklus pertama setiap baterai. Kali ini tujuannya adalah untuk mengetahui apakah baterai akan memiliki masa pakai yang lama atau pendek (lebih dari atau kurang dari 550 siklus pengisian-pengosongan). Dalam hal ini, model membuat prediksi yang benar untuk 95% baterai.
Meskipun model baru lebih efektif daripada metode penentuan SOH tradisional, model tersebut kurang akurat dalam memprediksi masa pakai baterai yang kapasitas penyimpanannya sudah memudar sampai batas tertentu.
Baca:Baterai Aluminium-Grafena Baru Dapat Diisi Dalam 5 Detik
Tim peneliti percaya bahwa pendekatan baru mereka adalah cara yang menjanjikan untuk memperkirakan siklus hidup baterai lithium-ion, dan dapat membantu dalam pengembangan/peningkatan teknologi baterai yang sedang berkembang.
