Egy fiatal feltaláló olyan matematikai modellt alkotott, amely minden eddiginél pontosabban jelzi a lítium-ion akkumulátor elhasználódását és hátralévő élettartamát.
Az elektromos autók tulajdonosai, illetve a használt piacon nézelődők számára az akkumulátor rejtve maradó állapota jelenti az egyik legnagyobb bizonytalansági tényezőt, hiszen a cellákba fizikai úton képtelenség belenézni. Egy kaliforniai érettségiző, Colin Jie Chu, a palo altó-i The Nueva School magániskola tanulója viszont előállt egy olyan megoldással, amely alapjaiban változtathatja meg a járművek karbantartását és másodlagos piaci értékét.
Az újszerű keretrendszert az öregedő telepek diagnosztizálására szolgál, és kiemelkedő pontossággal, mindössze 2,36 százalékos hibahatárral képes meghatározni, mennyi élettartam maradt egy-egy egységben.
Egy lítium-ion akkumulátor állapota a folyamatos töltési ciklusok és a változó hőmérsékleti viszonyok miatt idővel romlik, ám ezt a folyamatot a jelenlegi rendszerek nehezen tudják nyomon követni. „Az akkumulátorkezelő rendszer nem tud csak úgy belenézni a cellába, hogy közvetlenül mérje az elhasználódást” – tette egyértelművé a problémát az új modellről beszámoló Society for Science. Chu a megoldást keresve 22 olyan akkumulátor adatait elemezte, amelyeket szándékosan, a valós vezetési szokásokat szimuláló elektromos jelekkel öregítettek a tudományos vizsgálatok kedvéért.
A 18 éves tudós módszere szakít a hagyományokkal: nem hagyatkozik kizárólag a mesterséges intelligenciára, hanem azt egy ekvivalens áramköri modellel ötvözi. Ez a megközelítés az akkumulátor komplex elektromos viselkedését jól elemezhető matematikai összetevőkre bontja le. A kutatást a Stanford Egyetem Fiatal Kutatók Programja tette lehetővé, ahol Chu Simona Onori professzor laboratóriumában, ipari partnerekkel együttműködve végezte el a méréseket. Magát a fejlesztést nemrég a chicagói Modellezési, Becslési és Szabályozási Konferencián mutatták be a szakmai közönségnek.
Hosszabb élettartamú és biztonságosabb akkumulátor születhet
Az akkumulátor állapotának pontos ismerete kritikus fontosságú, mivel a lítium-ion egységek nem hirtelen hibásodnak meg, hanem fokozatosan veszítenek a kapacitásukból és a teljesítményükből. Ez közvetlenül befolyásolja az autó hatótávolságát és töltési sebességét, illetve meghatározza, hogy az alkatrész mikor szorul cserére vagy újrahasznosításra.
„A fizikai alapú akkumulátormodell és a gépi tanuláson alapuló regresszió ötvözésével a keretrendszert úgy alakították ki, hogy a változó üzemi körülmények mellett is képes legyen megbecsülni az akkumulátor állapotát” – áll a közleményben.
Bár a 2,36 százalékos hibahatár rendkívül biztató, a technológia egyelőre kutatási fázisban van. Mielőtt a gyártók autók millióiba építenék be, további vizsgálatokra van szükség, hogy a modell különböző akkumulátor-összetételek és valós útviszonyok között is bizonyítson.
Chu kutatása azonban már most irányt mutat az iparágnak: a fizikai modellek és az adatalapú elemzés kombinációja megbízhatóbb alternatívát kínál a jelenleg használt megoldásoknál. A projekt jelentőségét mutatja, hogy Chut beválasztották a 2026-os Regeneron Science Talent Search döntősei közé: ez az Egyesült Államok legnívósabb tudományos versenye, amit diákok számára hirdetnek.
A címlapkép illusztráció. Forrás: smart-me AG / Unsplash
Normalizálódott a magyarországi villamosenergia-rendszer erőművi teljesítménye, ezért a MAVIR Magyar Villamosenergia-ipari Átviteli Rendszerirányító Zrt. visszavonta a krízishelyzet besorolást.