پژوهشگاه نیرو از سامانه هوشمند REBATT رونمایی کرد؛

هوش مصنوعی در خدمت افزایش عمر باتری‌ها

هوش مصنوعی در خدمت افزایش عمر باتری‌ها
سمانه رمضانی
شنبه ۳۰ آبان ۱۴۰۵ - ۱۲:۳۱

پژوهشگاه نیرو از سامانه فناورانه REBATT با قابلیت پایش، ارزیابی وضعیت سلامت (SOH) و پیش‌بینی عمر باقی‌مانده (RUL) باتری‌ها بر پایه الگوریتم‌های هوش مصنوعی رونمایی کرد؛ دستاوردی که با تحلیل داده‌های عملیاتی باتری، ضمن ارائه شاخص‌های عملکردی و فرسودگی، امکان پیش‌بینی وضعیت آتی باتری‌ها را فراهم کرده و می‌تواند به کاهش زمان و هزینه آزمون‌های فرسودگی و بهبود تصمیم‌گیری در بهره‌برداری و نگهداری سامانه‌های ذخیره‌ساز انرژی کمک کند.

پایگاه تحلیلی‌خبری ایراسین؛ سامانه REBATT با هدف توسعه و به‌کارگیری روش‌های هوشمند در پایش و ارزیابی عملکرد باتری‌ها و کاهش وابستگی به آزمون‌های زمان‌بر فرسودگی طراحی و توسعه یافته است. این سامانه با بهره‌گیری از الگوریتم‌های هوش مصنوعی، داده‌های حاصل از آزمون باتری‌ها را تحلیل کرده و بر اساس آن، وضعیت سلامت و عمر مفید باقی‌مانده آنها را پیش‌بینی می‌کند.

این دستاورد پژوهشی و فناورانه که در قالب طرح "توسعه سامانه پیش‌بینی وضعیت سلامت و عمر باتری" در پژوهشگاه نیرو محقق شده است، با هدف فراهم‌سازی ابزاری هوشمند برای ارزیابی عملکرد باتری‌ها و پشتیبانی از تصمیم‌گیری در مدیریت و نگهداری سامانه‌های ذخیره‌ساز انرژی توسعه یافته است.

حمید عبدلی، عضو هیئت علمی گروه انرژی‌های تجدیدپذیر و مسئول آزمایشگاه باتری، هیدروژن و پیل سوختی پژوهشگاه نیرو، درباره قابلیت‌ها و نحوه عملکرد این سامانه اظهار کرد: کاربران می‌توانند فایل خروجی دستگاه آزمون باتری را به‌سادگی در سامانه بارگذاری کنند. REBATT پس از پردازش داده‌ها، شاخص‌های عملیاتی و عملکردی باتری از جمله میزان فرسودگی و دما را در قالب نمودارها و منحنی‌های تحلیلی نمایش می‌دهد و در ادامه، وضعیت سلامت و عمر باقی‌مانده باتری را پیش‌بینی می‌کند.

هوش مصنوعی در خدمت افزایش عمر باتری‌ها

وی با اشاره به زیرساخت داده‌ای مورد استفاده در توسعه این فناوری افزود: در آزمایشگاه باتری، هیدروژن و پیل سوختی پژوهشگاه نیرو، فرایند داده‌برداری و آزمون باتری‌های مختلف به‌صورت مستمر و طی بیش از یک سال و نیم انجام شده است. سامانه REBATT با بهره‌گیری از رویکرد یادگیری انتقالی و بر پایه داده‌های عمومی معتبر بین‌المللی آموزش دیده و قابلیت تحلیل و پیش‌بینی عملکرد باتری‌های تحت آزمون در آزمایشگاه پژوهشگاه را دارد.

عضو هیئت علمی گروه انرژی‌های تجدیدپذیر ادامه داد: استفاده از این رویکرد امکان تعمیم قابلیت‌های مدل‌های هوش مصنوعی به باتری‌های جدید را نیز فراهم می‌کند؛ به‌گونه‌ای که سامانه می‌تواند وضعیت سلامت و عمر باقی‌مانده باتری‌هایی را که در آینده مورد ارزیابی قرار می‌گیرند، پیش‌بینی کند.

عبدلی، پیش‌بینی زودهنگام وضعیت باتری‌ها را از مهم‌ترین مزیت‌های کاربردی این دستاورد برشمرد و تصریح کرد: این قابلیت می‌تواند در برنامه‌ریزی برای تعویض باتری‌ها، ارزیابی کیفیت سلول‌های باتری و کاهش مدت‌زمان آزمون‌های فرسودگی مؤثر باشد. همچنین با توجه به توسعه سامانه‌های ذخیره‌ساز انرژی، این فناوری ظرفیت کاربرد در نیروگاه‌های تجدیدپذیر و شبکه برق را دارد.

وی با تأکید بر اهمیت توسعه زیرساخت‌های داده‌ای برای ارتقای دقت و قابلیت اطمینان سامانه‌های هوشمند افزود: در همین راستا، بانک داده‌های مورد استفاده در این سامانه به‌صورت مستمر در حال توسعه و غنی‌سازی است و مجموعه داده‌های استاندارد باتری از منابع معتبر و همچنین نتایج آزمون‌های انجام‌شده در پژوهشگاه نیرو برای کاربردهای متنوع ایستا و متحرک به آن افزوده می‌شود.

عبدلی همچنین از برنامه‌ریزی برای توسعه قابلیت‌های تحلیلی این مجموعه خبر داد و گفت: در آینده نزدیک، ماژول تحلیل هوشمند داده‌های امپدانس الکتروشیمیایی به سامانه افزوده خواهد شد. این قابلیت با هدف تعمیق مطالعات الکتروشیمیایی باتری‌ها و گسترش دامنه ارزیابی سایر تجهیزات ذخیره‌سازی و تبدیل انرژی، از جمله پیل‌های سوختی و الکترولایزرها، در دستور کار قرار دارد.

منبع: پایگاه اطلاع‌رسانی وزارت نیرو (پاون)

برچسب‌ها

نظر شما

شما در حال پاسخ به نظر «» هستید.
captcha

گفت‌وگو

پربازدیدهای انرژی

یادداشت

تازه‌ترین‌ها انرژی

ویدیوی صفحه

دیدگاه