EVバッテリー寿命予測:2,700台以上に適用・モデル性能を4.6倍まで改善

  • バッテリー
  • 予測分析

課題

電気自動車(EV)の商用化とともにリチウムイオンバッテリーの残存寿命を正確に予測し、バッテリーライフサイクルに応じて管理する需要が急増。しかし多くの場合、バッテリーの保証寿命までバッテリー使用期間が達することが少なく、活用できるデータも著しく不足。電気自動車の種類、バッテリースペックなどの断片的なルールベースでの従来のバッテリー寿命予測は精度が落ちるため、実運行パターンを考慮したパーソナライズされたバッテリー寿命予測に対する必要が増加。

アプローチ

1,000台を越える実際の車両運行にデータ収集装置を取り付け、そこから走行・充電・駐車などの関連データをリアルタイムで収集。収集したバッテリー管理システム(Battery Management System)データと運行パターンを分析し、商用電気自動車(EV)のバッテリー残存寿命を予測するモデルを開発。また、多様な運行パターンと運行条件および環境が反映されるよう運行パターンを週単位で分析し、モデルを精緻化することで予測精度を向上。

創出された価値

2,700台以上の車両に拡張性あるAIモデルを適用し、運行シナリオを生成して改善。その結果、運行シナリオ生成モデルは約2倍、週単位劣化量モデルは約4.6倍精度が向上。車両用リチウムイオンバッテリーのライフサイクルをモニタリングすることが可能になり、ベストなタイミングで交換して効果的な電気自動車の運行を実現。また、交換されたバッテリーの残存寿命に応じてどのように再利用するのかが決定可能に。

このケースについて詳しく知りたいですか?

MakinaRocksのAI専門家にご相談ください

専門家に相談する
Use Cases
See how AI technology in anomaly detection, optimization, and predictive analytics is making industries intelligent