L'accurata stima del SOC è fondamentale per ottimizzare le prestazioni e la durata delle batterie agli ioni di litio, componenti critici per la diffusione dei veicoli elettrici e dei sistemi di accumulo energetico da fonti rinnovabili. Una stima errata può portare a sovraccarichi o scariche profonde, danneggiando significativamente la batteria.
Il nuovo approccio CBLM utilizza il clustering per raggruppare dati simili e facilitare la previsione di pattern, integrandolo con le reti LSTM specializzate nell'elaborazione di dati sequenziali. Una caratteristica chiave è il meccanismo di selezione di prossimità del centroide, che sceglie dinamicamente il modello di cluster più appropriato in tempo reale in base ai dati operativi della batteria.
Risultati dei test
Il metodo è stato testato su una cella di batteria agli ioni di litio Tesla Model 32,170, ottenendo risultati notevoli:
- Errore quadratico medio (RMSE) dello 0,65%
- Errore assoluto medio (MAE) dello 0,51%
- Riduzione degli errori di oltre il 60% rispetto alle tecniche esistenti
Questi risultati dimostrano la robustezza e l'affidabilità del metodo per applicazioni reali.
Implicazioni pratiche
Lo studio ha anche esaminato l'impatto di una migliore stima del SOC sulla salute della batteria e sulle prestazioni economiche, confrontando il modello CBLM con un modello LSTM standard in un'applicazione di arbitraggio energetico con batterie EV di seconda vita.
I risultati hanno evidenziato:
- Significativi miglioramenti nel mantenimento della salute della batteria su periodi prolungati
- Maggiore resistenza a varie condizioni di temperatura
- Prestazioni superiori in scenari di carica e scarica profonda
- Aumento della redditività su un periodo di sette anni, con notevoli risparmi sui costi
Impatto e prospettive future
Una stima accurata del SOC migliora l'affidabilità e la sicurezza delle batterie nei veicoli elettrici, aumenta l'efficienza dei sistemi di accumulo energetico e facilita il riutilizzo efficace delle batterie di seconda vita, estendendone il ciclo di vita e riducendo gli sprechi.
L'adattabilità di questo approccio lo rende uno strumento versatile per soluzioni energetiche sostenibili. I ricercatori stanno cercando collaborazioni con partner industriali per trasferire questa innovazione dal laboratorio alle applicazioni pratiche.
In conclusione, il miglioramento della stima del SOC contribuisce a rendere le batterie più intelligenti, affidabili e sicure, facendo progredire la transizione verso un mondo alimentato da energia pulita.
