AI 기반 열 폭주 감지: EV 배터리 안전의 획기적인 발전

애리조나 대학교 박사과정 학생이 이끄는 엔지니어 팀이 EV 배터리 과열을 방지하는 새로운 방법을 도입했습니다. 이 방법은 AI 알고리즘을 사용하여 관심 영역이 위험해지기 전에 예측합니다. 많은 사람들은 특히 EV에 대한 수요 증가를 고려할 때 이 연구를 업계의 획기적인 것으로 보고 있습니다. 열 폭주 방지에 있어서 AI의 미래 역할에 대해 알아야 할 모든 것이 여기에 있습니다.

애리조나 대학교 박사과정 학생이 이끄는 엔지니어 팀이 치명적인 고장으로 이어질 수 있는 문제인 전기 자동차(EV) 배터리의 과열을 방지하는 새로운 방법을 도입했습니다.

이 방법은 인공 지능(AI) 알고리즘을 사용하여 위험해지기 전에 관심 영역을 예측하며, 이는 보다 안전하고 효율적인 EV를 위한 길을 열 수 있는 발전입니다.

열 폭주 방지에 있어서 AI의 향후 역할에 대해 알아야 할 모든 것이 있습니다.

리튬이온 배터리(LIB)

이 연구의 중요성을 이해하려면 리튬 이온 배터리(LIB)가 오늘날 EV에 사용되는 가장 일반적인 배터리 유형이라는 점을 아는 것이 중요합니다.

이 배터리는 충전된 리튬 이온을 사용하여 장치 전체에 에너지를 전달하고 전기적 필요에 맞는 전류를 생성하는 방식으로 작동합니다.

LIB가 인기를 끄는 이유는 일시적으로 극성을 바꾸고 이온을 장치의 음극으로 되돌려 보내 충전할 수 있다는 점입니다.

오늘날의 EV는 적절한 수명, 대체 제품에 비해 상대적인 가벼움, 탁월한 에너지 밀도 등 다양한 이유로 이러한 장치에 의존합니다.

특히 이러한 배터리는 전체 EV 팩을 만들기 위해 그룹화된 셀을 사용하는 것이 일반적이며 대부분의 EV 배터리 팩에는 수천 개의 셀이 있습니다.

열폭주란 무엇인가요?

현재 LIB의 다중 셀 구조는 배터리 충전 속도를 높이고 수명을 연장하는 데 도움이 됩니다. 그러나 배터리 팩 내에 핫스팟이 생성되어 치명적인 오류가 발생할 수 있습니다.

단일 셀이 오작동하기 시작하면 빠르게 가열되어 주변 셀의 온도가 올라가고 잠재적으로 더 많은 고장이 발생할 수 있습니다.

이러한 도미노 효과를 열 폭주라고 하며, 이는 오늘날 EV가 직면한 주요 문제 중 하나입니다.

열 폭주(TR)는 성능 저하, 배터리 분해, 심지어 폭발까지 일으킬 수 있어 EV 소유자에게 큰 우려 사항입니다.

분리막 용융, 음극 분해, 리튬 전해질의 불리한 반응 등 배터리 고장을 비롯한 여러 가지 요인으로 인해 열 폭주가 발생할 수 있습니다.

이러한 단락은 빠르게 발생할 수 있으며 화재 및 폭발로 인해 근처에 있는 구경꾼이 부상을 입을 수 있습니다.

EV 배터리 점화로 인해 집에서 화재가 발생하거나 기타 무서운 순간을 목격했다는 이야기가 많이 있으므로 이 문제를 해결하는 것이 전 세계 연구자들의 주요 관심사가 되었습니다.

온도 상승

TR을 줄이는 필요성은 여러 요인으로 인해 지난 몇 년 동안 더욱 중요해졌습니다.

EV 사용량과 지구 온도의 상승으로 인해 그 어느 때보다 더 많은 생명이 위험에 처하는 위험한 시나리오가 만들어졌습니다.

이러한 요인으로 인해 보다 친환경적인 미래를 달성하려면 배터리를 시원하게 유지하는 것이 필수적입니다.

AI 열폭주 연구

Journal of Power Sources에 발표된 연구에서는 센서와 결합된 고급 AI 알고리즘이 어떻게 열 폭주를 완전히 제거하는 데 핵심이 될 수 있는지 보여줍니다.

Basab Goswami가 주도한 연구에서는 운전자 데이터 시뮬레이션을 사용하여 일상적인 운전 조건에서 EV 배터리 사용량을 시뮬레이션했습니다.

열, 전기화학 및 분해 하위 모델을 활용하는 다중물리 및 기계 학습 모델을 사용하여 TR이 눈에 띄는 주요 순간을 결정했습니다.

여기서 AI 시스템은 데이터를 강화하여 어떤 광학 솔루션보다 빠르게 과열 셀을 예측하고 식별할 수 있게 되었습니다.

AI 열폭주 테스트

연구원들은 다양한 조건에서 음극의 고체 전해질 계면이 어떻게 저하되는지 더 잘 이해하려고 했습니다.

팀은 실제 운전자 데이터와 지속적인 충전/방전, 주행 주기 등 배터리 상태를 사용하여 배터리의 열 특성을 테스트했습니다.

이 작업을 수행하기 위해 팀에서는 특수 열 센서를 감싸는 배터리를 만들었습니다.

온도 센서는 상세한 공간적, 시간적 온도 데이터를 제공한 후 과거 데이터와 결합하여 AI 알고리즘에 입력했습니다.

이 데이터에는 주요 상황, 환경, 운전자 활동 및 기술 문제가 포함되었습니다.

고스와미의 알고리즘

Goswami 알고리즘은 여러 면에서 독특합니다. 우선, TR을 예측하는 데 사용된 최초의 AI 기계 학습 모델입니다.

이 다중물리 모델은 벡터 모델링과 같은 새로운 AI 시스템 덕분에 가능했습니다.

이러한 고급 시스템은 방대한 양의 데이터를 분석하고 인간의 능력을 훨씬 뛰어넘는 상관관계나 복잡한 패턴을 지적할 수 있습니다.

결과적으로 모델링 방법을 통해 팀은 EV 운전 행동에 대한 현실적인 데이터를 생성할 수 있었습니다.

AI 열폭주 테스트 결과

연구 결과는 인상적입니다. 우선, 팀은 LIB의 TR을 정확하고 정밀하게 예측하려는 목표에 성공했습니다.

AI는 매우 정확했으며 열 폭주가 시작된 위치까지 파악하여 위험을 경고하고 추가 피해를 방지할 수 있었습니다.

이제 팀은 연구를 확대하여 언젠가는 모두를 위한 보다 안전한 EV를 만드는 데 도움이 될 수 있도록 노력하고 있습니다.

AI 열폭주 혜택

이 연구가 시장에 가져오는 이점은 많습니다.

일례로 AI 알고리즘은 열 폭주를 방지하기 위해 다른 방법을 사용하는 것보다 비용이 훨씬 저렴합니다.

이 연구에 참여한 엔지니어를 포함해 과거 엔지니어들은

위 내용은 AI 기반 열 폭주 감지: EV 배터리 안전의 획기적인 발전의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!