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
auto
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

A mesterséges intelligencia (AI) olyan feladatok megoldásában és olyan rendszerek korszerű üzemeltetésében is helyet kap, mint az akkumulátoros rendezéseinek üzemeltetése. A rendszerszintű működést tekintve – ahol sok és sokféle elem, más-más pillanatnyi paraméterrel dolgozik, és ezeket optimalizálni kellene a hálózat, a fogyasztás és más számos más paraméter figyelembevételével – ez egyáltalán nem meglepő.

A német energia ügynökség (Dena) frissen publikált felmérése szerint a németországi energiavállalatok többsége úgy gondolja, hogy az AI alkalmazása fenntarthatóbb energiagazdaságot tesz lehetővé. A reprezentatív, 250 vállalat bevonásával készült elemzés szerint négyből három cég már azt is vizsgálja, hogy milyen területeken, hogyan lehetne ezt a potenciált kiaknázni a saját működésük során.

Azt, hogy központi jelentőségű lesz e területen az AI, könnyű belátni, ha hozzávesszük, hogy a civilizációs fejlődés merre felé tart. Arra, hogy a decentralizált termelési környezetben fogyasztási rendszerek millióit kell úgy kiszolgálni, hogy a digitalizálódó hálózatban innovatív megoldásokra van szükség – nem csak az ellátásbiztonságban, a dekarbonizációban vagy a sok, kis, különböző termelő-fogyasztó bevonásával kapcsolatos rugalmasságban, de a karbantartásban is. Vagy: akár az energiatároló rendszerek tárolási optimalizálásában és élettartamának meghosszabbításában is.

Itt a VartAI

Ez utóbbi történik az akkumulátor-gyártó Vartánál, ahol az Electronic Specifier közlése szerint kifejezetten mesterséges intelligencia segítségével szeretnék fejleszteni az akkumulátorkezelést.

Jó tudni, hogy a Magyarországon továbbra is a hagyományos, jó minőségű, tartós ceruzaelemek és akkumulátorok gyártójaként elkönyvelt Varta már két és fél éve robbantott az energiatárolási piacon.  Azt követően, hogy a legerősebb szegmensévé a lítium-ion akkumulátorokat gyártó Microbatteries & Solutions területe vált, úgy döntöttek: nagyobb méretű akkuk gyártására és agilis fejlesztésére, „az újgenerációs energiatárolási technológiák mielőbbi tömeggyártásba vitelére” is ráállnak. Ezt a döntést a tavalyi évi üzemi beszámoló is visszaigazolta; a Varta a háztartási akkumulátorok szegmensben továbbra is folyamatosan növeli a termelését és az eredményességét.

Ennek a fejlesztési-irányváltási folyamatnak a része az a most bejelentett kutatási projekt is, melynek során a legnagyobb presztízsű napelemes kutatóintézettel, a Fraunhofer ISE-vel, az akku-fejlesztő specialista NOVUM engineerING-gel és az új technológiai elméleteket a gyakorlatba átültető TWT Science & Innovationnel dolgoznak együtt.

„Az elektromos autók számának gyors növekedése nem a probléma, hanem a megoldás része”

A 2025 végéig tartó Longer kutatási projekt a tárolórendszerek ilyen, új feladatokra felkészítését segíti. Az új akkumulátor-menedzsment rendszertől azt várják, hogy a jelenleg elérhető szoftvereknél pontosabban feltérképezhetőek legyenek a háztáji napelemes energiatároló rendszerek, miközben a kapacitások jobb kihasználása mellett az akkumulátorok védelme is magasabb szintre léphessen. Azért van erre szükség, mert a Varta szerint az akkumulátoros energiatárolás hamarosan új feladatokat kell, hogy ellásson.

„Ma az otthoni akkumulátortároló rendszerek évente, átlagosan 200-300 teljes töltési ciklust végeznek el, miközben a tárolási oldalon ezeket szinte kizárólag napenergia tárolására használják” – mondta Benjamin Achzet, a Varta Storage kutatási koordinátora. Hozzátette, hogy a jövőben viszont ezek a rendszerek áramkereskedőkké válnak, mivel ezzel is csökkenthetők az energiaköltségek, ráadásul így a hálózati tehermentesítésben is fontos elemmé válnak.

Ez nem csak azt jelenti, hogy az akkus rendszerek másként is fognak működni, de azt is, hogy a gyártóknak a jelenleginél jóval nagyobb ciklusstabilitású tárolórendszereket kell tervezniük, építeniük, a piacra tenniük.

Elég lenne egy kis dobozos akku is a lakásokhoz

Önállóan megtanulja

A Longer projektben az AI-nek elemeznie kell az épületek terhelési profilját, meg kell tanulnia, hogyan kell a rendszerben lévő akkumulátort egy adott helyzetben valóban lemeríteni vagy feltölteni úgy, hogy az hosszú távon is hatékonyan működjön. Az önálló tanulási folyamat során megtanulja, hogy a különböző terhelési profilok hogyan befolyásolják az akkumulátor állapotát, és ezt követően az akku élettartamának előrejelzésére is képes lesz.

Az Electronic Specifier szerint a tároló létesítmények szimulációs modelljeit is felhasználják az AI-alapú működési stratégia hatékony, célzott tesztelésére és validálására, és így az AI segítségével minden felhasználási esetre megtalálható majd a legjobb stratégia, hogy minden otthon saját testreszabott energia- és akkumulátorkezelési profilhoz juthasson.

A kutatás eredményeit természetesen a Varta építheti majd be a saját energiatároló rendszereibe.

Együtt dolgozik az elektromos jövőn az Airbus és a Renault

Szabó M. István

Összehasonlítás