Auto elettriche, con l’IA +23% di vita alla batteria senza rallentare la ricarica: “Basta un aggiornamento software”

Grazie a un'avanzata intelligenza artificiale (IA) basata sull'apprendimento per rinforzo (Reinforcement Learning – RL), un modello di apprendimento automatico, i ricercatori sono stati in grado di dimostrare che è possibile allungare sensibilmente la durata delle batterie delle auto elettriche, senza compromettere la velocità delle ricariche rapide. Con questo sistema, che modula dinamicamente la tensione, la longevità delle batterie può essere allungata di un buonissimo 23%. Per fare un esempio, un'auto che percorre circa 300.000 km prima di avere problemi alla batteria potrebbe aggiungerne altri 70.000 circa (in termini di anni, invece, si potrebbe passare da 20 anni a quasi 25 anni). Attraverso questo algoritmo, in sostanza, è possibile utilizzare il metodo più veloce per ricaricare la batteria dell'auto non solo evitando di deteriorarla più rapidamente, ma addirittura di prolungarne la vita operativa di circa un quarto. A rendere questo approccio particolarmente interessante vi è il fatto che, teoricamente, potrebbe essere applicato su qualunque auto – previa calibrazione – con un semplice aggiornamento software.

A mettere a punto l'algoritmo in grado di aumentare la vita della batteria del 23 percento senza intaccare la velocità della ricarica sono stati i due scienziati Meng Yuan e Changfu Zou, che al momento della ricerca lavoravano presso il Dipartimento di Ingegneria Elettrica dell'Università della Tecnologia “Chalmers” di Göteborg, in Svezia (oggi il professor Yuan si è trasferito alla Victoria University di Wellington, in Nuova Zelanda). Com'è noto da molteplici studi e dall'esperienza quotidiana, la comodità della ricarica rapida ha un rovescio della medaglia da non sottovalutare: deteriora molto più rapidamente la longevità della batteria. Come spiegato dagli esperti, questa metodologia di ricarica determina uno stress termico ed elettrochimico decisamente superiore rispetto alla ricarica lenta che si fa generalmente a casa. Tra i meccanismi coinvolti figurano l'eccesso di calore nelle celle (che può degradare elettrodi ed elettrolita); il famigerato lithium plating (placcatura sull'anodo), ovvero il deposito di litio sull'anodo che, a causa dell'eccesso di corrente, può non far inserire correttamente gli ioni di litio; l'aumento della resistenza interna della batteria e altri processi.

L'impatto è legato al fatto che la corrente delle ricariche rapide viene introdotta sempre allo stesso modo, indipendentemente dallo stato di salute della batteria; ma più una batteria è vecchia, peggiori sono gli effetti. I ricercatori hanno così deciso di sviluppare un modello di intelligenza artificiale ad hoc basato sull'apprendimento per rinforzo, ovvero un metodo che addestra l'IA basato su tentativi, errori e perfino ricompense se si ottiene un risultato utile. L'obiettivo era mettere a punto una mappa in grado di limitare dinamicamente la tensione massima di ricarica della batteria in base al suo stato di deterioramento. L'algoritmo Twin Delayed Deep Deterministic Policy Gradient (TD3) decide la corrente ottimale da fornire alla batteria analizzando costantemente tensione, SoC e stato di salute. Questo approccio dinamico guidato dall'IA è stato in grado di ridurre sensibilmente il degrado rispetto ad altri sistemi, ad esempio abbattendo il lithium plating, ma mantenendo tempi di ricarica più o meno equiparabili (con differenze di pochi secondi). In pratica è una mappa che fornisce corrente alla batteria in modo dinamico al fine di prevenire i processi che determinano il degrado rapido.

Il punto di forza di questo algoritmo, come indicato, è la possibilità di introdurlo con un semplice aggiornamento software nei sistemi che governano la ricarica delle batterie delle auto, a seguito di una necessaria calibrazione. “Dimostriamo che è possibile ricaricare le batterie con una velocità pressoché uguale a quella attuale, ma con un degrado della batteria a lungo termine significativamente inferiore”, ha affermato il professor Yuan in un comunicato stampa. “Il nostro studio dimostra che un adattamento intelligente della corrente durante la ricarica, tenendo conto del cambiamento dello stato elettrochimico della batteria, può massimizzare sia le prestazioni che la durata della batteria”, gli ha fatto eco il professor Zou. Gli autori dello studio sottolineano che la ricarica rapida e una durata superiore della longevità delle batterie sono fattori fondamentali per spingere le persone ad acquistare auto a emissioni zero; sono vantaggi che si riflettono anche in ulteriori benefici, come “minori costi di garanzia, un miglior valore di rivendita e un utilizzo più efficiente delle materie prime critiche”, sottolinea il professor Zou. I dettagli della ricerca “Lifelong Reinforcement Learning for Health-Aware Fast Charging of Lithium-Ion Batteries” sono stati pubblicati sulla rivista scientifica IEEE Transactions on Transportation Electrification