Tecnologia Científica

Nova abordagem para prever a falha da bateria pode ajudar a manter a eletricidade para milhões em todo o mundo
O novo método de previsão de falha da bateria é de 15 a 20% mais preciso do que as abordagens atuais.
Por Oxford - 19/12/2021


Sistemas descentralizados de baterias solares são essenciais para resolver isso, evitando emissões de carbono e poluição do ar, mas são prejudicados por custos relativamente altos e localizações rurais que inibem a manutenção preventiva oportuna. Crédito da imagem: Shutterstock


Milhões de pessoas em todo o mundo não têm acesso à eletricidade. Sistemas descentralizados de baterias solares são essenciais para resolver isso, evitando emissões de carbono e poluição do ar, mas são prejudicados por custos relativamente altos e localizações rurais que inibem a manutenção preventiva oportuna. Quando as baterias desses sistemas falham, pode ser difícil substituí-las e pode deixar as pessoas presas sem acesso à energia.

Saber quando as baterias podem falhar é, portanto, crucial no planejamento da logística de reparos e na minimização do tempo de inatividade do fornecimento de energia. Agora, uma abordagem única para calcular a falha da bateria, afiliada ao projeto de modelagem multiescala da Faraday Institution  , demonstrou fazer previsões 15-20% mais precisas do que as abordagens atuais usadas no mesmo conjunto de dados. O artigo, da University of Oxford e da Faraday Institution, foi publicado hoje na  Joule .

Para testar sua abordagem, os autores formaram uma parceria com a Bboxx, uma concessionária de última geração que fornece energia limpa em países em desenvolvimento, que forneceu dados operacionais do mundo real. Isso evitou a limitação de estudos anteriores sobre modelagem de integridade de bateria, que usaram principalmente pequenos conjuntos de dados coletados em condições de laboratório.

Durante um período de até 2 anos, dados brutos de tensão, corrente e temperatura de mais de 1000 baterias operacionais na África foram coletados via Bboxx. Não são necessários sensores ou requisitos adicionais para este método, permitindo que os sistemas de energia permaneçam continuamente online.

O professor David Howey , do Departamento de Ciências da Engenharia da Universidade de Oxford, afirma: 'Nossa abordagem é única ao mostrar como o aprendizado de máquina baseado em física pode funcionar em aplicações de bateria do mundo real em escala. Usamos técnicas de aprendizado de máquina probabilísticas avançadas para inferir a resistência interna da bateria como uma função da corrente, temperatura, estado de carga e tempo, permitindo a calibração para condições padrão.

'O sucesso da abordagem é devido à combinação de um modelo de saúde para toda a população e um indicador de saúde específico da bateria que se torna cada vez mais informativo no final da vida.'

As técnicas fornecem informações sobre os fatores que determinam o envelhecimento da bateria, como extremos de voltagem e temperatura, e o método é aplicável a qualquer bateria que possa ser representada com um modelo de circuito elétrico simples.

O Prof. Howey explica, 'Esses resultados são de interesse para um amplo público de operadores de bateria e clientes e podem ser usados ​​para acelerar a inovação na compreensão do desempenho da bateria, especialmente se as organizações tornarem os dados operacionais mais amplamente disponíveis da maneira como o Bboxx foi pioneiro aqui. Estamos muito satisfeitos que este artigo de pesquisa seja a primeira demonstração desse tipo de uma abordagem escalonável para obter insights de dados de campo. '

Bboxx, um utilitário de próxima geração que fabrica, distribui e financia sistemas descentralizados movidos a energia solar em países em desenvolvimento, concordou em disponibilizar os dados - mais de 600 milhões de linhas de medições operacionais de sistemas reais de bateria.

O Prof. Howey diz: 'Esperamos que este seja um recurso importante para a comunidade e dê início aos esforços para analisar os dados de campo para novas percepções sobre o desempenho da bateria.'

 

.
.

Leia mais a seguir