e-Mobilityの未来はここにある

過去10年間のリチウムイオン電池の大幅な進歩により、エレクトロモビリティへの移行は止めようがなく、間もなく電気自動車やハイブリッド電気自動車が既存の乗用車や商用車のすべてに取って代わるだろう。この動きは、すでに多くのOEMがロードマップでこの10年以内に全電気自動車ブランドになることを宣言しており、確認されている。

化学レベルでの進歩により、バッテリーパックのコストとエネルギー密度が改善され、その結果、この技術がより広く採用されるようになっているにもかかわらず、この技術の利点を最終製品に生かすためには、克服しなければならない課題がまだたくさんある。セル・レベルでは、主な課題は、高エネルギー密度の利点を維持するために安全マージンを最小限に抑えながら、セルが安全限界内で作動するようにすることである。パック・レベルでは、すべてのセルが調和した方法で動作し、電力負荷を均等に分担し、劣化が均質になるようにすることが主な課題です。これらの課題は、バッテリー管理システム(BMS)を使用することで克服されます。

 

バッテリー管理システム(BMS)

BMSはバッテリーの充放電を監視・制御します。バッテリーの残余エネルギーが最適に使用され、バッテリーが深放電や過充電を起こさず、各セルの充電レベルがバランスしていることを保証します。つまり、耐久性、使用可能エネルギー密度、充電速度に関するバッテリーの性能は、各セルとBMSの性能に依存します。BMSの性能を決定する重要なコンポーネントは、そのソフトウェアである。 充電状態や健康状態の推定といった複雑な機能を実現する。この2つの機能だけでは、ある時点でのバッテリーパックの最適な動作を保証するために非常に有用ですが、バッテリーがどの程度早く劣化するか(残りの耐用年数)についての洞察や予知はできません。

 

課題残存耐用年数(RUL)の推定

バッテリーのRULは、そのバッテリーが製造されてからどのように使用されたかによって決まります。これは、他の多くの要因の中でも、最終的な顧客の運転スタイルや使用パターン、パックがさらされる周囲温度、充電習慣などに大きく依存します。実際の使用プロファイルや運転条件は複雑であり、一般的にバッテリーの運用を事前に知ることができないため、実験室で作成されたサイクルデータとバッテリーの挙動を比較するだけでは、真の姿を示すには不十分です。

このため、既存のパックは不必要に大型化されることが多く、長持ちするようになっている。また、現在の生産BMSは保守的に較正されており、その結果、通常10年である車両の予想保証期間を通じてバッテリーの寿命が保たれている。さらに、BMSは、より高速な充電が可能で、車両ユーザーに大きな利益をもたらす可能性がある場合でも、バッテリーの充電速度を制限するように動作する。したがって、バッテリーのRULを正確に見積もることができれば、大きな利益を得ることができます。BMSソフトウェアにRULを導入すれば、間違いなくバッテリーの性能と車両オーナーの使用感が向上する。このような利益は、機械学習、人工知能(Automotive Safe AI®)、クラウドアプリケーション、自動車グレードの制御システムに組み込まれた物理ベースのバッテリーモデルといった分野の新たな技術からもたらされる可能性が高い。

残存耐用年数予測

 

管理の改善 - 物理学に基づくモデルと機械学習の組み合わせ

世界中のOEMのために'ソフトウェアで定義された車'を現実にすることに専念している急成長している英国の会社であるイートロンはバッテリーの残存耐用年数(RUL)を正確に予測するために物理学ベースのモデリングテクニックと人工知能(AutomotiveSafeAI®)の専門知識を使用する。この制御技法は静的ルックアップテーブルをバッテリーシステムの組み込みダイナミックソフトウェアモデルに置き換え、ハイブリッドエッジ/クラウド構成でこのモデルを高度な機械学習(ML)技法と組み合わせ、BMStar®と呼ばれるイートロンのBMS製品の中心で実行する。

イートロンのCTOであるCan Kurtulusは、RULとBMSへのこの新しいアプローチと、車両重量と耐久性の改善を比較する。「車両設計の他の分野では、正確なデジタル・シミュレーションが過剰なエンジニアリングの必要性をなくすのに役立っています。「これによってコストと重量が削減され、好循環が生まれています。私たちのBMSへのアプローチも同様ですが、設計段階だけでなく、すべてのバッテリーパックの制御システムにモデルを組み込み、車両の寿命を通じてリアルタイムで適用することを除いては」。

 

クラウドに接続されたエッジのBMS

イートロンのBMStar内の組み込みソフトウェア・コンポーネント®はエッジで動作し、統合されたコネクティビティとアナリティクスを備えたクラウドに対応するように設計されている。これらは、車両の寿命にわたって優れたパフォーマンスと信頼性を達成するために、無線(OTA)アップデートと継続的かつ適応的なソフトウェア改善を可能にする。このアプローチは、急速充電や航続距離といった顧客メリットを最大化すると同時に、保証や耐久性の目標も達成する。 双方向のデータ交換により、BMSのモデル・パラメータを更新することが可能になり、バッテリーの経年変化に伴う車両のリアルタイム状態推定が改善される可能性がある。ワーウィック・マニュファクチャリング・グループ(WMG)と提携して、イートロンはクラウド/オンボード・バッテリー残存耐用年数アルゴリズム(COBRA)プロジェクトでファラデー・バッテリー・チャレンジから資金を獲得した。

 

クラウド/車載バッテリー残存寿命アルゴリズム(COBRA)プロジェクト

COBRAプロジェクトは、電気自動車(EV)バッテリーの残存耐用年数(RUL)を推定する新しいアルゴリズムを作成した。ファラデー・バッテリー・チャレンジは、よりコスト効率に優れ、より効率的で、より早く充電でき、リサイクルしやすいバッテリーを製造するために、2017年から英国のバッテリー企業を支援しており、その資金援助により、このプロジェクトは12ヶ月前倒しされた。

この革新的なプロジェクトはWMG(Warwick Manufacturing Group)によって開発された先進的なバッテリー経年変化モデルを既存の内部R&D仕事から残存耐用年数(RUL)推定へのイートロンテクノロジーズ自身の機械学習ベースのアプローチと組み合わせている。技術はユーザビリティ、信頼性、および成熟度のレベルまで改良された。それはバッテリー製造業者とインテグレーターに大量採用を可能にするために必要な自信を与える。

自動車セクターの電動化プロジェクトで最先端のソフトウェアとシステム・ソリューションを提供してきた実績を持つ、経験豊富なエンジニア・チームが率いるCOBRAプロジェクトには、以下のような特徴がある:

  • 90%以上の高い精度でバッテリーのRULを推定する、物理学と機械学習に基づく統一的なアプローチを開発。
  • 開発したソリューションを自動車グレードのBMSハードウェアに統合。
  • 車両運行サービスのクラウドベースのプラットフォームにソリューションを統合。

COBRAプロジェクトは実世界のBMSで実施することができる正確なRULアルゴリズムで市場に最初に出る機会を提供する。イートロンの技術プラットフォームのモジュール構造によって, 低い量プログラムに適する価格ポイントで新しいアプリケーションの速い, フレキシブルな構成が可能になる。

世界中のフリートオペレーターとドライバーのためにEVをより実用的なものにすることによって、イートロンと一緒に世界的な環境保護の戦いに参加したいのであれば、以下の方法でご連絡ください。 info@eatron.comまでご連絡ください。

 

BMSプロダクトマネージャー、クシシュトフ・スロサルチク@イートロン・テクノロジーズ