Tieliikenne tuottaa noin viidenneksen Suomen kasvihuonekaasupäästöistä. Olisi erittäin tärkeää korvata polttomoottoriautot sähköautoilla, mutta kaikki eivät vielä ole siihen valmiita. Monet vastustavat sähköautoja ennen kaikkea siksi, että niiden akut tyhjenevät liian nopeasti.
Akun lyhytkestoisuus on joillekin autoilijoille jopa suurempi ongelma kuin sähköautojen kalleus. Tämän ovat huomanneet myös vihreää liikettä vastustavat poliitikot, jotka muistavat aina mainita puheissaan Suomen pituuden. Jos sähköautolla ei voi ajaa yhteen menoon Helsingistä Utsjoelle, se on näiden vastarannan kiiskien mielestä täysin hyödytön keksintö.
Siksi onkin välttämätöntä saada sähköautojen akut kestämään pidempään. Tässä artikkelissa pohdimme, voisiko tekoäly olla ratkaisu ongelmaan. Selvitämme, miten tekoälyä voidaan hyödyntää akkujen latauksessa ja optimoinnissa sekä toimintamatka-arvioiden tekemisessä.
Tekoälyltä odotetaan paljon
Tekoälyn käyttö on viime aikoina yleistynyt lähes kaikilla aloilla. Esimerkiksi verovapaat kasinot hyödyntävät sitä niin asiakaspalvelussa, graafisessa suunnittelussa kuin pelisuunnittelussakin. Tekoälypohjaisista ratkaisuista on tullut kasinoille jopa kilpailuvaltti.
Luonnollisesti myös autoteollisuus on lähtenyt innolla tutkimaan uuden teknologian tuomia mahdollisuuksia. Autoihin on lisätty muun muassa generatiiviseen tekoälyyn perustuvia keskustelubotteja, joiden ansiosta voit pian jutella kulkupelisi kanssa kuin Ritari Ässä konsanaan. Autoalan asiantuntijat ovat vakuuttuneita siitä, että tekoäly tulee parantamaan ajokokemusta merkittävästi.
Tekoäly auttaa sähköautojen akkujen hallinnassa ja optimoinnissa
Sähköautojen valmistajat ovat hyvin kiinnostuneita tekoälystä, koska sen toivotaan ratkaisevan akkuihin liittyvät ongelmat.
Tekoälystä onkin jo ollut paljon hyötyä:
- Tekoälyn avulla kehitetyt havainnointitekniikat tarjoavat uudenlaisia menetelmiä akun kunnon ja varaustason arviointiin
- Tekoälyä hyödyntävät diagnostiikkasovellukset auttavat selvittämään, milloin akun suorituskyky alkaa heiketä
- Akun sähkövirran varastointi- ja toimituskykyä pystytään tekoälyn ansiosta tarkkailemaan koko elinkaaren ajan
- Uudenlaisten mallinnustekniikoiden avulla voidaan huomioida akun käyttöolosuhteet, jotka vaikuttavat suorituskykyyn yhtä paljon kuin käyttöikä
Seuraavissa kappaleissa perehdymme tarkemmin siihen, miten tekoälysovelluksia voidaan käyttää sähköautojen akkujen latauksessa ja hallinnassa.
Tekoäly tehostaa akun latausprosessia
Jokainen sähköauton omistaja toivoo latauksen hoituvan mahdollisimman nopeasti, mutta toisaalta virran halutaan riittävän pitkään. Jotta molemmat toiveet voisivat toteutua, on latausprosessin onnistuttava parhaalla mahdollisella tavalla. Latausprosessin optimointi on tärkeää myös siksi, että sekä ylilataaminen että virran loppuminen lyhentävät akun käyttöikää.
Tehokkainta latausprotokollaa voidaan etsiä dynaamisen ohjelmoinnin avulla. Tekoäly auttaa jakamaan ongelman pieniin osiin, jotta ne voidaan ratkaista yksi kerrallaan.
Myös sopeutuvaa pitkäkestoista lyhytkestomuistia hyödyntävä menetelmä on osoittautunut hyödylliseksi. Lyhytkestomuistin avulla voidaan ennakoida akun parametrien muutoksia latauksen aikana.
Lisäksi tekoälyn avulla on luotu latausmalleja, jotka pidentävät akun käyttöikää. Lataus kuluttaa aina akkua, mutta uuden metodin ansiosta käyttöiän lyhenemistä on onnistuttu hillitsemään peräti 50,5 prosentilla.
Tekoäly antaa tietoa akun kunnosta ja varaustasosta
Akkujen mallinnuksessa voidaan hyödyntää koneoppimismenetelmien avulla saatua tietoa. Tekoälyn luoma pilvipohjainen akkumalli jäljittelee akun toimintaa ja antaa tutkijoille arvokasta tietoa sen ikääntymisestä ja kulumisesta. Akkumalli huomioi sensoreista saadut tiedot, lataussyklit ja sen, kuinka tyhjäksi akku puretaan.
Akun varaustason arvioinnissa auttaa ARIMA-malli (autoregressive integrated moving average model). Se seuraa tarkasti akun jännitteen, lämpötilan sekä sähkövirran vaihteluita.
Myös neuroverkoista on apua varaustason ennakoinnissa. Pilvipalvelu analysoi sensorien datan ja kouluttaa sen avulla neuroverkon ennustamaan akun parametreja. Neuroverkkomallin arvio akun varaustasosta osuu kohdalleen 97 % tarkkuudella.
Akun kunnon arvioinnissa hyödynnetään monia muitakin tekoälysovelluksia. Löydät niistä lisätietoa Juho Aakun opinnäytetyöstä.
Tekoäly tuo tarkkuutta toimintamatka-arvioihin
Autoilijoille on tärkeää tietää, kuinka pitkälle he voivat ajaa ennen seuraavaa latauskertaa. Ennen tekoälyä toimintamatkan arviointi oli vaikeaa, koska muuttuvia olosuhteita ja kuljettajan ajotapaa ei pystytty ottamaan huomioon.
Nyt tekoälyalgoritmit tarkkailevat ajonaikaisia tapahtumia ja arvioivat niiden vaikutusta toimintamatkaan. Algoritmit ovat jo niin tarkkoja, että virhemarginaali on kutistunut 0,8 kilometriin.
Yhteenveto
Sähköautoilla on tärkeä tehtävä ilmastonmuutoksen vastaisessa taistelussa. Tesla ja muut sähköautot voivat jo lähivuosina korvata polttomoottoriautot, jolloin liikenteen päästöt vähenevät merkittävästi.
Jotta tämä tavoite voisi toteutua, sähköautojen akuista täytyy tehdä luotettavampia ja pitkäikäisempiä. Tällä hetkellä akkuja täytyy ladata usein, eivätkä autoilijat ole tyytyväisiä sähköautojen toimintamatkaan. Myös akkujen lyhyt käyttöikä heikentää sähköautojen suosiota.
Näihin ongelmiin etsitään parhaillaan ratkaisua tekoälyn avulla. Tekoälyä hyödynnetään sekä latausprosessin optimoinnissa että akun kunnon seurannassa. Sen avulla voidaan myös arvioida sähköautojen toimintamatkaa entistä tarkemmin.
