Cloud BMS
I Cloud Battery Management System (BMS) projektet udvikles og demonstreres anvendelsen af ‘big data’ og kunstig intelligens til at øge levetiden og reducere den faktiske pris af både stationære og mobile Li-ion batteri systemer.
Projektet vil udvikle, demonstrere og så vidt muligt beskytte hardware og software løsninger til Cloud BMS systemer med henblik på en snarlig kommercialisering af disse systemer. I demonstrationerne vil de forskellige fordele ved Cloud BMS systemer blive eftervist på vidt forskellige batteri systemer som gaffeltrucks, robotter, og stationære systemer, der anvender både nye og brugte batterier
I projektet vil en række eksisterende batteri systemer blive forbundet til internettet (Internet-of-Things) drift data fra disse vil blive gemt og processeret i ’skyen’. Her vil avancerede batteri diagnostik og levetids beregningsmodeller blive implementeret ved anvendelse af adaptive (kunstig intelligens) algoritmer. Anvendelsen af beregninger baseret på den store mængde af drift data som opsamles i ’skyen’ giver helt nye muligheder for at beregne detaljerede og præcise værdier for betydningen af de forskellige parametre (strøm, temperatur, opladningsgrad etc) som bidrager til ældning af det individuelle batteri. Herved at det muligt at opnå en række unikke fordele:
- Batteri levetiden kan blive forlænget ved at optimere brugsmønstrene for batteriet med henblik på at reducere den mest kritiske faktiske degraderings mekanisme
- Den nødvendig batteri størrelse (kapacitet) og dermed batteri omkostning kan optimeres med henblik på at opnå den ønskede kapacitet for en given levetid under givne drift betingelser
- Det vil være muligt at forudse den resterende batteri levetid for et givet batteri. Dette muliggør nye forretningsmodeller så som salg af brugte batterier til mindre krævende anvendelser og muligheden for at tilbyde garanti på levetiden af batteri systemer
Dette projekt vil bidrage til en øget anvendelse af fornybare energikilder som sol og vind, idet længere batteri levetider og mere forudsigelige batteri levetider begge vil stimulere anvendelsen af batterier indenfor både mobile og stationære anvendelser.
Projektet har udviklet hardware og software til cloud-baserede batteristyresystemer, og demonstreret, at batterilevetiden kan forlænges med op til 10 % og at restlevetiden kan forudsiges mere præcist:
- I projektet blev en lang række batterisystemer forbundet til internettet (Internet of Things) og data gemt i ’skyen’. Adaptiv batteridiagnostik og livstidsestimeringsmodeller blev etableret ved at bruge kunstig intelligens-algoritmer.
- Den resterende anvendelige levetid (RUL) af batteriet kan mere præcist forudsiges baseret på AI-baserede algoritmer, hvilket muliggør nye forretningsmodeller og en mere præcis garanti for batterisystemets levetid.
Projektet konkluderer, at cloud computing kan muliggøre anvendelsen af AI-baserede algoritmer til batteritilstandsestimering og forudsigelse af levetid. Dog kræver implementeringen af disse algoritmer betydelige mængder træningsdata. Omkostningerne ved cloud-datahåndtering mindsker nogle af fordelene ved cloud-baserede algoritmer, og dette bør håndteres ved at udføre en omkostnings- og fordelsanalyse for den specifikke anvendelse.
Optimering af batteribrug kan forlænge batteriets levetid og reducere ejerskabsomkostninger, især ved at være opmærksom på batteridegradering. Den potentielle besparelse afhænger af anvendelsen og kan være betydelig. Pålidelige data om batteritilstand og levetid er afgørende for at opbygge tillid blandt kunderne og for bedre garantistyring hos batteriproducenterne.
Key figures
Kategori
Dokumenter
Deltagere
| Partner | Tilskud | Eget bidrag |
|---|---|---|
| Lithium Balance A/S | 2.57 mio. | 1.89 mio. |
| Blue Ocean Robotics | 1.71 mio. | 1.26 mio. |
| Aalborg Universitet (Fredrik Bajers Vej) | 3.18 mio. | 0.80 mio. |
| Fraunhofer Institut IVI | 0.82 mio. | 0.44 mio. |
Kontakt
Hassellunden 13
2765 Smørum
58 51 51 04
