Araştırmacılar, lityum iyon bataryaların kullanım ömrünü tahmin etmede %87’ye varan bir doğruluk artışı sağlayan hibrit bir yapay zeka modeli geliştirdi. Derin öğrenme tekniklerini olasılıksal filtreleme ile birleştiren bu yeni sistem, elektrikli araçlar ve şebeke ölçekli depolama sistemleri için kritik olan batarya arızalarını önceden tespit edebiliyor. Geleneksel yöntemlerin aksine gürültülü ve sınırlı verilerle bile yüksek performans sergileyen teknoloji, batarya yönetim sistemlerinde yeni bir dönemin kapısını aralıyor. Bu gelişme, hem bireysel kullanıcılar hem de yenilenebilir enerji sektörü için daha güvenilir ve verimli bir enerji depolama altyapısı vaat ediyor.
Lityum iyon bataryalar, günümüz teknolojisinin temel taşını oluşturmasına rağmen, zamanla performans kaybetmeleri ve bu sürecin öngörülemezliği endüstri için ciddi bir sorun teşkil ediyor. Bataryanın kapasitesinin işlevsel eşiğin altına düşmeden önce kaç şarj döngüsüne dayanabileceğini ifade eden “kalan faydalı ömür” tahmini, karmaşık kimyasal ve çevresel faktörler nedeniyle bugüne kadar hassas bir şekilde yapılamıyordu. Mevcut fizik tabanlı simülasyonlar ve standart veri odaklı modeller, esneklik ile hassasiyet arasındaki dengeyi kurmakta zorlanıyordu.
Bu sorunu aşmak isteyen araştırma ekibi; evrişimli sinir ağları (CNN), kapılı tekrarlayan birimler (GRU) ve parçacık filtrelerini entegre eden sofistike bir hibrit model tasarladı. Sistemin çalışma prensibi, ham verilerdeki gürültüyü temizlerken kritik bozulma modellerini koruyan özel bir veri işleme aşamasıyla başlıyor. Ardından, CNN mimarisi önemli özellikleri ayıklarken, GRU katmanı bu özelliklerin zaman içindeki değişimini takip ederek gelecekteki performansı öngörüyor. Yaklaşımın en yenilikçi yönü ise, yapay zeka modellerinin uzun vadeli tahminlerde yapabileceği hataları sürekli düzelten ve bataryanın en olası durumunu anlık olarak güncelleyen parçacık filtresi mekanizması olarak öne çıkıyor.
NASA ve CALCE tarafından sağlanan standart veri setleri üzerinde gerçekleştirilen testler, hibrit modelin başarısını kanıtladı. Yeni sistem, tek başına çalışan GRU modellerinden %87,27, bağımsız parçacık filtrelerinden ise %82,88 daha yüksek doğruluk oranına ulaştı. Sınırlı veri setlerinde bile yüksek kararlılık gösteren model, mevcut basit hibrit yapıları dahi %55,43 oranında geride bırakarak farkını ortaya koydu.
Bu teknolojik ilerleme, özellikle otomotiv ve enerji sektörlerinde devrim niteliğinde sonuçlar doğurabilir. Elektrikli araç sahipleri için beklenmedik yolda kalma riskini ve menzil endişesini azaltacak olan sistem, enerji dağıtım şirketlerinin şebeke ölçekli depolama tesislerinde daha etkin bakım takvimleri oluşturmasına olanak tanıyacak. Araştırmacılar, bir sonraki aşamada modeli aşırı sıcaklık koşullarında test etmeyi ve çok hücreli batarya paketlerine uyarlayarak gerçek dünya uygulamalarındaki etkinliğini artırmayı hedefliyor. Çalışmanın detayları “Green Energy and Intelligent Transportation” dergisinde bilim dünyasıyla paylaşıldı.