رفتن به محتوای اصلی
علمی و فناوریخبرگزاری میزان3 دقیقه مطالعه

رونمایی پژوهشگاه نیرو از فناوری هوشمند ارزیابی باتری‌ها

پژوهشگاه نیرو از سامانه فناورانه REBATT رونمایی کرد که با استفاده از الگوریتم‌های هوش مصنوعی، سلامت باتری‌ها را ارزیابی و عمر باقی‌مانده آنها را پیش‌بینی می‌کند.

رونمایی پژوهشگاه نیرو از فناوری هوشمند ارزیابی باتری‌ها

به گزارش پایگاه اطلاع‌رسانی وزارت نیرو (پاون)، 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.

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 توضیح داد: 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. 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. وی افزود: 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.

عضو هیئت علمی پژوهشگاه نیرو، 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. وی در پایان از شهریار بزرگمهری و ابوالفضل موسوی ترشیزی، مدیران وقت پژوهشکده انرژی و محیط زیست و گروه پژوهشی انرژی‌های تجدیدپذیر پژوهشگاه نیرو، به دلیل همراهی و حمایت از اجرای این پروژه قدردانی کرد. انتهای پیام/

منبع: خبرگزاری میزان

منبع خبرخبرگزاری میزان