Volgens Bloomberg New Energy Finance's Electric Vehicle Outlook 2018 tegen 2030 wordt verwacht dat de totale verkoop van elektrische voertuigen (EV) wereldwijd de 30 miljoen zal overschrijden, en de kostenparameters zullen eindelijk in overeenstemming zijn met de interne verbrandingsmotor. De EV vertegenwoordigt een seismische verschuiving in de auto-industrie en de potentiële impact op het bedrijfsleven en het milieu is overtuigend. Tegenwoordig zijn de debatten over de acceptatie en levensduur van EV's wijdverbreid en niet meer dan de potentiële prestaties van EV-batterijen. Voor wetenschappers zijn er nog veel uitdagingen, waaronder batterijveiligheid, energiedichtheid, oplaadmogelijkheden en hun prestaties in een auto.
In deze functie onderzoekt Dr. Doron Myersdorf, CEO van StoreDot, hoe AI de sleutel zou kunnen zijn om deze problemen op te lossen, en het potentieel van deze benadering voor de toekomst van energieopslag en EV's.
De inzet voor de wereldwijde batterijmarkt is ongelooflijk hoog. Volgens de directeur-generaal van DG Connect bij de Europese Commissie Roberto Viola wordt geschat dat het vanaf 2025 meer dan £ 250 miljard per jaar waard zal zijn, met de mogelijke creatie van 4 miljoen banen in de EU alleen. Deze batterijen, die al essentieel zijn voor de meeste consumptiegoederen, zullen nog belangrijker worden voor EV's, waarbij de wijdverbreide acceptatie afhankelijk is van de prestaties.
“Momenteel kan geen enkele auto- of batterijfabrikant beweren een EV-batterij aan te bieden die zo snel oplaadt als nodig is om de tank van een traditioneel voertuig op fossiele brandstof te vullen, en evenmin kan hij hetzelfde bereik bieden. De Volkswagen e-Up biedt bijvoorbeeld 99 mijl bij volledig opladen en de Tesla Model S 100D heeft een bereik van 335 mijl bij volledig opladen. Geen van deze voertuigen kan echter binnen enkele minuten volledig worden opgeladen. Tegenwoordig duurt het 75 minuten voordat een Tesla-superlaadstation volledig is opgeladen, terwijl SP Group, het grootste EV-netwerk in Singapore, slechts een half uur nodig heeft.
“Het potentieel van lithium-ionbatterijen om een aantal van deze problemen op te lossen is enorm. Er zijn echter een aantal uitdagingen met lithium-ionbatterijen die een snelle lading voorkomen - van de behoefte aan een hogere energiedichtheid tot uitstekende snelheidsprestaties en verbeterde veiligheidseisen. Het oplossen van problemen in de batterijchemie is een langzaam onderzoeksproces, grotendeels gebaseerd op een iteratief ontwerp van experimenten en systematisch vallen en opstaan. Inderdaad, veel nieuwe ontwikkelingen mislukken voordat ze op de markt komen.
“In R&D-faciliteiten zoals de onze verzamelen fietsers elke seconde informatie uit batterijcellen; deze informatie omvat belangrijke prestatieparameters zoals celtemperatuur, real-time weerstand, bedrijfsspanningsvenster, laad- en ontlaadstroom en zwellingsniveaus. De informatie wordt gelijktijdig verzameld uit duizenden batterijen met terabytes aan gegevens die per experiment worden verzameld. Als gevolg hiervan is het aantal combinaties voor deze materialen eindeloos, en het aantal experimenten dat nodig is om elke combinatie te testen, is even groot. Het is buitengewoon moeilijk op te lossen met traditionele statistische of handmatige methoden.
"Een holistische benadering van het gebruik van datawetenschap bij de ontwikkeling van batterijen zou echter de sleutel kunnen zijn tot het oplossen van dergelijke complexe modellen. Kunstmatige intelligentie (AI) is tegenwoordig een modewoord. Simpel gezegd, AI, of machine learning, kan informatie beoordelen en een wiskundig model construeren in een veel sneller tempo dan het menselijk brein. AI betekent dat systemen automatisch kunnen leren en verbeteren van ervaring, zonder expliciet geprogrammeerd te zijn.
“De huidige en potentiële impact van AI in meerdere sectoren is enorm. In de productie gebruiken enkele van 's werelds grootste bedrijven AI al met indrukwekkende resultaten. Het Smart Manufacturing System van Royal Dutch Shell gebruikt bijvoorbeeld AI om de vraag naar olie te voorspellen, aanbodtekorten te meten en de juiste mix/blends te analyseren voor een exact raffinageproces. BASF en SAP hebben beweerd 94 procent van hun betalingsverwerking met AI te hebben geautomatiseerd. Het toepassingspotentieel van AI is breed –
van materiaalontwerp en synthese tot experimentontwerp, foutanalyse en het minimaliseren van verspilling. Met AI is slimmere wetenschap met betekenisvolle doorbraken mogelijk.
“De impact hiervan op de ontwikkeling van batterijen is niet te onderschatten. De technologie kan door miljoenen records bladeren om de relatie tussen de gemeten gegevens en batterijparameters te beschrijven. Als fabrikanten kunnen we dit vervolgens gebruiken om op elk moment miljoenen combinaties van elektrolyten, anodes en kathoden te testen.
“Wetenschappers kunnen niet alleen batterijen in ontwikkeling evalueren, maar ze kunnen ook leren van reeds bestaande batterijen om een beter begrip te krijgen van hun prestatiegedragsprofiel en de optimale oplossing aan te bevelen. Het vermogen om snel onbeperkte combinaties te testen, betekent dat de ultieme formulering van de materialen die worden gebruikt om de batterijcel te maken, veel, veel sneller wordt bereikt. Dit vermindert het aantal benodigde experimenten drastisch, waardoor de ontwikkeltijd drastisch wordt verkort en de ontwikkelingskosten aanzienlijk worden verlaagd. Een team van 50 onderzoekers die aan een bepaalde batterijformule werken, kan bijvoorbeeld tot $ 1 miljoen aan R&D-inspanningen per maand besparen door machine learning-mogelijkheden in te zetten."
“Bij StoreDot leverde een eerste kennismaking met deze techniek opmerkelijke resultaten op. Voor de eerste generatie van onze ultrasnel opladende FlashBattery-technologie, met machine learning, ontdekte ons team bijvoorbeeld dat een paar eenvoudige veranderingen in de formatie het aantal cycli van de batterij in ontwikkeling konden verdubbelen van 300 tot meer dan 600 cycli. Het was deze ontdekking die StoreDot inspireerde om een hele R&D-groep te ontwikkelen en toe te wijden om onze mogelijkheden op het gebied van machine learning uit te bouwen. Dit dramatische resultaat wordt nu toegepast op de volgende generatie van onze batterij voor EV's. Ultrasnel opladen vormt een zeer complex probleem - waar we in een traditionele batterijmethodologie doorgaans slechts één onderdeel zouden veranderen, maar hier moeten we mogelijk veel meer veranderen om de gewenste doorbraak te bereiken. Door innovatieve datawetenschap, aangedreven door AI, te combineren met expertise in elektrochemie, celstructuur, anodes, kathoden en elektrolyten, kunnen veel complexere conclusies worden getrokken.
“Het is duidelijk dat het voordeel van machine learning tijdens het R&D-proces van onschatbare waarde is. Dit is echter niet de enige manier waarop AI kan worden geïmplementeerd om EV's vooruit te helpen. Een heel andere en intrigerende toepassing van machine learning zou zijn om het te implementeren in de operationele software van EV's, om continu de prestaties en gezondheid van de batterij te bewaken, realtime gegevens te meten, ervan te leren en terug te circuleren om de productprestaties te verbeteren. Door slimmere batterijen te maken met ingebouwde detectiemogelijkheden en met zelfherstellende functionaliteiten, kan het batterijbeheersysteem zich bovendien bewust zijn van hun 'gezondheidstoestand' en zelfs batterijcellen of -modules verjongen indien nodig.
“Door innovators in staat te stellen meer dan één component tegelijk te veranderen en bewijs sneller te analyseren, kunnen ze uiteindelijk tot conclusies komen die traditionele statistische analyse niet kan bereiken. Dit bewijs zorgt voor snellere ontwikkelingscycli en het vermogen om problemen op te lossen die anders misschien niet zouden worden opgelost. Voor de adoptie van EV's is deze mogelijkheid van het grootste belang bij het oplossen van een van de grootste belemmeringen voor consumenten, 'bereikangst'. Door de oplaadtijden van de batterij te verkorten door machine learning-technologie te gebruiken, zou de hele EV-industrie letterlijk kunnen worden gereviseerd.”
