L'IA prolonge la durée de vie des batteries lithium-ion
Le Fraunhofer HHI lance le projet KI2L
Le Fraunhofer Heinrich-Hertz-Institut (HHI) coordonne le nouveau projet KI2L (détection en temps réel des processus liés à l'état de santé dans les batteries lithium-ion grâce à une caractérisation assistée par l'IA pour le développement efficace des ressources du potentiel de réutilisation). Dans le cadre de ce projet, les chercheurs développent une caractérisation des batteries lithium-ion assistée par l'IA. Grâce à de nouvelles possibilités de caractérisation, les processus d'usure critiques pour la sécurité à l'intérieur de la cellule de la batterie sont détectés à un stade précoce, ce qui permet d'éviter d'endommager l'ensemble du composé. En conséquence, davantage de batteries lithium-ion peuvent être utilisées avec succès en tant que composants de seconde vie.
Caractérisation des batteries lithium-ion assistée par l'IA
© shutterstock/Illus_man
Le projet KI2L a débuté en janvier 2023 et durera trois ans, jusqu'en janvier 2026. Le projet est financé par le ministère fédéral de l'éducation et de la recherche (BMBF) à hauteur de deux millions d'euros dans le cadre de l'initiative BMBF "Battery 2020 Transfer". Le Fraunhofer HHI recevra 450 000 euros du montant total.
La réduction significative de l'empreinteCO2 des batteries lithium-ion exige une utilisation maximale en tant que batteries de seconde vie. Pour s'assurer que le plus grand nombre possible de cellules de batteries mises au rebut puisse être utilisé dans ce que l'on appelle les "scénarios de réutilisation", les entreprises ont besoin de méthodes de caractérisation rapide et d'une aide à la décision intelligente pour les potentiels de réutilisation concrets. En outre, l'industrie a besoin d'étapes de désassemblage automatisées afin de pouvoir remplacer efficacement les composants de stockage défectueux.
Actuellement, les experts enregistrent l'état des batteries lithium-ion en testant la capacité de décharge dans des conditions spécifiques telles que la température de la batterie et le courant de décharge. Cependant, au fur et à mesure que les batteries vieillissent, cette procédure devient sujette aux erreurs et prend beaucoup de temps.
L'équipe du projet KI2L s'est fixé pour objectif d'améliorer le processus d'enregistrement de l'état des batteries grâce à une caractérisation assistée par l'IA. Dans un premier temps, les chercheurs analyseront des cellules de batteries lithium-ion neuves et pré-vieillies, en les équipant d'un système de mesure optique de la température et du champ de déformation au niveau du module. L'étape suivante consiste à provoquer une usure ciblée des batteries, puis à mobiliser des capteurs d'état pour enregistrer précisément les changements en temps réel. Les données ainsi obtenues sont stockées dans une base de données sur le processus de vieillissement et utilisées pour former des réseaux neuronaux. Une IA ainsi entraînée peut alors identifier les cellules vieillies de manière irréversible dans le cadre d'une opération de stockage réelle et les éliminer à l'aide d'un traitement au laser sans causer de dommages globaux à la batterie. En conséquence, le cycle de vie des batteries peut être considérablement prolongé.
Le groupe "Energy Storage Sensor Technology" du Fraunhofer HHI construira les modules intégrés aux capteurs en collaboration avec TESVOLT AG. En outre, TESVOLT AG développera un système de gestion de la batterie qui constituera la plateforme d'intégration de l'IA. Au centre de recherche sur les technologies de stockage de l'énergie de l'université technique de Clausthal, les scientifiques créeront des profils de charge pour tester régulièrement les modules fabriqués jusqu'à la fin de leur durée de vie. Les données traitées seront mises à la disposition des experts en IA d'Intuitive.ai GmbH et d'EoT Labs GmbH. Sur cette base, l'IA sera programmée tout en créant un jumeau numérique. L'Institut des techniques de soudage et de séparation des processus de fabrication de l'Université technique de Clausthal et AIM Systems GmbH sont chargés du traitement au laser et de l'automatisation de l'extraction des cellules défectueuses.
Note: Cet article a été traduit à l'aide d'un système informatique sans intervention humaine. LUMITOS propose ces traductions automatiques pour présenter un plus large éventail d'actualités. Comme cet article a été traduit avec traduction automatique, il est possible qu'il contienne des erreurs de vocabulaire, de syntaxe ou de grammaire. L'article original dans Anglais peut être trouvé ici.
Autres actualités du département science
![Catalyse de la [Fe]-hydrogénase visualisée à l'aide de la spectroscopie de résonance magnétique nucléaire rehaussée de para-hydrogène](https://img.chemie.de/Portal/News/675fd46b9b54f_sBuG8s4sS.png?tr=w-712,h-534,cm-extract,x-0,y-16:n-xl)
Ces produits pourraient vous intéresser
Battery Testing Services de Battery Dynamics
En savoir plus sur les performances et la durée de vie de vos batteries en un minimum de temps
Bénéficier d'une technologie de mesure moderne et d'une équipe expérimentée
Batt-TDS de ystral
Machine de mélange et de dispersion YSTRAL Batt-TDS
Boostez votre processus de slurry de batterie
Recevez les dernières actualités de l’industrie chimique
Ne manquez plus aucune actualité : notre newsletter consacrée à l'industrie chimique, aux méthodes analytiques, aux laboratoires et à la technologie des processus vous informe tous les mardis et jeudis. Les dernières nouvelles du secteur, les produits phares et les innovations - de manière compacte et compréhensible dans votre boîte de réception. Recherché par nos soins, pour que vous n'ayez pas à le faire.
