La détection précoce rend les piles plus sûres
L'université de Darmstadt et le MIT développent des méthodes de surveillance avec l'apprentissage automatique
L'équipe de Joachim Schaeffer, Eric Lenz et le professeur Rolf Findeisen de l'Institut de technologie de l'automatisation et de mécatronique de l'Université technique de Darmstadt, ainsi que les groupes des professeurs Richard Braatz et Martin Bazant du MIT, ont mis au point une méthode qui associe des méthodes physiques à l'apprentissage automatique. En utilisant des processus gaussiens récursifs, ils peuvent détecter des changements opérationnels et dépendants du temps dans les cellules des batteries. Ces méthodes récursives peuvent être appliquées en temps réel et traiter efficacement de grandes quantités de données, ce qui permettra à l'avenir une surveillance en ligne continue des systèmes de batteries.
Pour cette recherche, les scientifiques ont pu utiliser un ensemble de données unique : un partenaire de recherche a fourni de manière anonyme des données provenant de 28 systèmes de batteries qui avaient été renvoyés au fabricant en raison de problèmes. L'ensemble de données comprend plus de 133 millions de lignes de données provenant de 224 cellules de batterie et est l'un des premiers de ce type à être mis à la disposition du public.
Les résultats des développements et analyses méthodiques, récemment publiés dans la revue Cell Reports Physical Science, confirment que souvent une seule cellule d'un système de batterie présente un comportement anormal, qui peut affecter l'ensemble du système. Ces résultats permettent de mieux comprendre comment les batteries vieillissent et dans quelles conditions elles tombent en panne. Ces méthodes permettront à l'avenir de surveiller en permanence les batteries, ce qui renforcera la sécurité.
Joachim Schaeffer, doctorant au laboratoire de contrôle et de systèmes cyber-physiques du département de génie électrique et de technologie de l'information de l'université technique de Darmstadt et du MIT, s'est vu décerner le prix MIT Open Data pour les données en libre accès produites dans le cadre du projet. Sur plus de 70 candidatures, dix lauréats ont été sélectionnés.
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.