Lo stile di guida influenza direttamente il degrado della batteria
Uno studio rivoluzionario condotto da ricercatori dell’Università Jiaotong di Pechino ha rivelato un legame critico tra le abitudini di guida e la velocità con cui si degradano le batterie dei veicoli elettrici (VE). La ricerca, guidata da Fu Zhicheng, Sun Bingxiang, Jia Yiming, Gong Minming, Ma Shichang e Pang Junfeng del Centro Nazionale di Ricerca e Sviluppo della Tecnologia delle Reti di Distribuzione Attiva, ha scoperto che le differenze sottili nei modelli di accelerazione influenzano in modo significativo la durata delle batterie agli ioni di litio. Questa scoperta non solo mette in discussione i metodi convenzionali di valutazione della salute della batteria, ma apre anche la strada a sistemi di gestione della batteria più personalizzati e accurati nei futuri VE.
Per anni, l’industria automobilistica si è concentrata su fattori esterni come la temperatura, i cicli di carica e la distanza totale percorsa quando si valuta la longevità delle batterie. Sebbene questi elementi siano indubbiamente importanti, il nuovo studio sostiene che i comportamenti interni, specifici del conducente, svolgono un ruolo altrettanto, se non più, cruciale. Il team di ricerca ha iniziato con una domanda fondamentale: perché due VE identici, guidati in condizioni ambientali simili e che percorrono la stessa distanza, spesso mostrano tassi di degrado della batteria molto diversi? La risposta, hanno scoperto, risiede nel piede del conducente.
L’indagine è iniziata con un’osservazione critica sui dati esistenti. Molte ricerche precedenti sul invecchiamento delle batterie si basano su test di laboratorio o dati del mondo reale raccolti a intervalli di 10 secondi o più. Il team, tuttavia, ha sostenuto che questi dati a bassa risoluzione non sono sufficienti per catturare le rapide fluttuazioni, secondo per secondo, della corrente che si verificano durante la guida reale. “Un frammento di dati di 10 secondi è come cercare di capire una sinfonia ascoltando una nota ogni 10 secondi”, ha spiegato la dottoressa Sun Bingxiang, autrice corrispondente dello studio. “Ti perdi la melodia, il ritmo e la dinamica. Lo stesso vale per la guida. Le sfumature di come un conducente accelera—se lo fa in un unico movimento fluido o in una serie di brevi impulsi—accadono su una scala temporale di decimi di secondo. Avevamo bisogno di dati con una risoluzione di 0,1 secondi per vedere l’immagine reale”.
Per raggiungere questo obiettivo, i ricercatori hanno utilizzato due fonti principali di dati. La prima era il Ciclo di Test dei Veicoli Leggeri della Cina per Auto (CLTC-P), un ciclo di guida standardizzato progettato per riflettere le condizioni di guida tipiche delle aree urbane e suburbane cinesi. Questo ha fornito una linea di base controllata. La seconda fonte era costituita da dati di guida del mondo reale raccolti da una flotta di veicoli di prova equipaggiati con registratori di dati ad alta frequenza, che catturavano la tensione, la corrente, lo stato di carica (SOC) e la temperatura della batteria a un ritmo di 10 volte al secondo. Analizzando questi dati ad alta risoluzione, il team è stato in grado di sezionare ogni evento di guida con una precisione senza precedenti.
L’analisi si è concentrata sulla corrente di scarica, il flusso di elettricità dalla batteria al motore, che è direttamente influenzato dall’input dell’acceleratore del conducente. I ricercatori hanno sviluppato un nuovo metodo per suddividere il flusso continuo di dati sulla corrente in “frammenti” distinti in base alla velocità e all’accelerazione del veicolo. Hanno categorizzato questi frammenti in tre tipi: frammenti di accelerazione, frammenti di transizione e frammenti di frenata. Si è scoperto che i frammenti di frenata, che implicano la frenata rigenerativa e risultano in una corrente negativa, hanno un impatto trascurabile sul degrado, rappresentando meno del 5% del ciclo energetico nel test CLTC-P, e sono stati quindi esclusi dall’analisi centrale.
L’idea chiave è emersa dalla segmentazione del processo di accelerazione. Il team ha osservato che ciò che potrebbe apparire come una singola “accelerazione” da lontano è spesso composto da più brevi e intensi impulsi di potenza. Hanno definito questo un “processo di accelerazione segmentato”. In contrasto, un “processo di accelerazione continua” implica un’unica applicazione sostenuta dell’acceleratore. La proporzione di accelerazione segmentata rispetto a quella continua è diventata una metrica centrale per quantificare le abitudini di guida. Ad esempio, un conducente cauto e fluido potrebbe mostrare un alto percentuale di accelerazione continua, mentre un conducente aggressivo e impaziente mostrerebbe una percentuale molto più alta di accelerazione segmentata, caratterizzata da frequenti “impulsi” di potenza.
Per dare un senso alla vasta quantità di dati, i ricercatori hanno impiegato due potenti strumenti statistici: l’Analisi delle Componenti Principali (PCA) e il clustering BI-KMEANS. La PCA è una tecnica di riduzione della dimensionalità che identifica le variabili più importanti all’interno di un complesso insieme di dati. Quando applicata agli otto parametri iniziali delle caratteristiche della corrente—corrente massima, corrente media, durata, velocità di salita e discesa della corrente, ecc.—l’analisi ha rivelato che i due fattori più significativi erano la corrente massima (Imax) e la durata del frammento (T). Questi due parametri hanno catturato l’essenza dell’impatto del comportamento di guida sulla batteria.
Con questi due parametri chiave identificati, l’algoritmo di clustering BI-KMEANS è stato utilizzato per raggruppare le migliaia di frammenti di accelerazione in categorie distinte in base alla loro somiglianza. Questo processo ha rivelato cinque distinti “tipici” modelli di corrente all’interno dei dati CLTC-P. Il primo, etichettato come “Tipico(1)”, era un impulso di breve durata e corrente da bassa a moderata, simile a un trapezio. Questo frammento era associato a un’accelerazione fluida e incrementale, come quando un conducente fa piccoli aggiustamenti per mantenere un distacco nel traffico. Il secondo, “Tipico(2)”, era un’onda triangolare, che indica un aumento lineare della corrente, che si verifica quando il conducente accelera in modo fluido ma non spinge il motore al suo limite massimo di potenza. Le rimanenti tre categorie, “Tipico(3)”, “Tipico(4)” e “Tipico(5)”, erano tutti impulsi trapezoidali ad alta corrente di varie durate e intensità, rappresentanti comportamenti di guida più aggressivi come la rapida immissione in strada o il sorpasso.
Quando la stessa analisi è stata applicata ai dati di guida del mondo reale di cinque diversi conducenti di prova, le differenze sono diventate nette. I conducenti non sono stati selezionati per i loro stili aggressivi o conservativi; erano individui ordinari a cui è stato chiesto di guidare lo stesso percorso nelle stesse condizioni. Tuttavia, le loro abitudini di guida variavano notevolmente. Un conducente aveva una velocità media di 34,9 km/h con una percentuale di accelerazione segmentata del 51,6%, mentre un altro guidava a una velocità media di 24,3 km/h con solo il 27,8% di accelerazione segmentata. L’analisi di clustering dei loro dati ha mostrato chiare differenze nella distribuzione dei frammenti di corrente tipici. Il conducente con più accelerazione segmentata produceva una proporzione più alta di impulsi “Tipico(1)”, mentre il conducente più fluido aveva una proporzione più alta di frammenti più lunghi e continui.
Questo era il collegamento cruciale: diverse abitudini di guida creano diversi modelli di stress elettrico sulla batteria. Ma come si traduce questo in un degrado fisico reale? Per rispondere a questa domanda, il team di ricerca è passato dall’analisi dei dati alla sperimentazione fisica. Hanno progettato una serie di test di laboratorio controllati per isolare gli effetti dei diversi modelli di corrente che avevano identificato.
L’esperimento ha utilizzato celle di batteria agli ioni di litio ternario completamente nuove, identiche a quelle utilizzate nei veicoli di prova del mondo reale. L’obiettivo era simulare gli effetti di diverse abitudini di guida su un periodo prolungato. I ricercatori hanno creato cinque diverse “condizioni di scarica” che rispecchiavano le caratteristiche chiave dei frammenti del mondo reale. La Condizione 1 simulava uno stile di guida dominato da impulsi brevi e frequenti (alta percentuale di accelerazione segmentata). La Condizione 2 e la Condizione 3 simulavano eventi di accelerazione più lunghi e sostenuti di diverse durate, rappresentanti diverse velocità medie. La Condizione 4 era una versione ad alta intensità della Condizione 1, con una corrente di picco molto più alta. Infine, la Condizione 5 è stata progettata per avere lo stesso output energetico totale della Condizione 4 ma con meno impulsi più lunghi, riducendo così il numero di volte in cui la batteria sperimentava un brusco cambiamento di corrente.
Ogni cella della batteria è stata sottoposta a 100 cicli completi di carica e scarica sotto una di queste cinque condizioni. Il processo di carica è stato mantenuto identico per tutte le celle—corrente costante seguita da tensione costante—per assicurarsi che solo il profilo di scarica variasse. Dopo ogni 50 cicli, i ricercatori hanno misurato la capacità residua della batteria, l’indicatore più diretto del suo stato di salute (SOH).
I risultati sono stati sia drammatici che definitivi. Dopo 100 cicli, le batterie sottoposte alla Condizione 4, l’impulso ad alta intensità e alta frequenza, hanno mostrato la perdita di capacità più severa. A seguire, a breve distanza, sono venute le celle nelle Condizioni 1 e 5, che implicavano anche un’impulsione frequente, sebbene a intensità inferiore. Le batterie nelle Condizioni 2 e 3, che hanno sperimentato periodi di scarica più lunghi e più stabili, hanno mostrato il degrado minore. Questo risultato contraddice direttamente l’assunzione comune che le velocità medie più elevate (rappresentate da durate di scarica più lunghe) siano il principale motore dell’usura della batteria.
Lo studio ha concluso che il fattore dominante nel degrado della batteria non è l’energia totale estratta o la velocità media, ma piuttosto il numero e l’intensità degli “eventi di polarizzazione” causati da rapidi cambiamenti di corrente. Ogni volta che un conducente preme rapidamente l’acceleratore, la batteria sperimenta un aumento improvviso di corrente. Questo costringe le reazioni elettrochimiche all’interno della batteria ad accelerare, creando un fenomeno noto come “polarizzazione”. Questo è uno squilibrio temporaneo nella tensione attraverso gli elettrodi. Quando il conducente rilascia il pedale, la corrente diminuisce e la batteria “si rilassa”. Questo ciclo costante di stress e rilassamento causa danni irreversibili nel tempo.
Il danno avviene a livello microscopico. L’espansione e la contrazione ripetuta dei materiali degli elettrodi durante i cicli di carica e scarica può farli crepare e perdere contatto con la matrice conduttiva. Lo strato di interfase solido-elettrolita (SEI), un film protettivo sull’anodo, può diventare più spesso e instabile sotto lo stress di impulsi frequenti, consumando ioni di litio attivi e aumentando la resistenza interna. Inoltre, gli impulsi ad alta corrente generano più calore, il che può accelerare tutti questi meccanismi di degrado.
La ricerca fornisce una chiara spiegazione delle differenze osservate tra i conducenti. Un conducente che “tocca” frequentemente l’acceleratore, facendo piccoli aggiustamenti, sottopone la sua batteria a centinaia di eventi di polarizzazione durante un singolo viaggio. Un conducente più fluido, che accelera in raffiche più lunghe e deliberate, crea molti meno di questi eventi dannosi, anche se percorre la stessa distanza a una velocità media simile. I dati dello studio hanno mostrato che il numero di eventi di polarizzazione (collegato alla percentuale di accelerazione segmentata) e la loro intensità (collegata alla corrente di picco) sono i principali motori delle differenze osservate nel degrado della batteria.
Questa ricerca ha implicazioni profonde per il futuro della mobilità elettrica. Per i consumatori, suggerisce che adottare uno stile di guida più fluido e prevedibile può estendere significativamente la vita della batteria del loro VE, potenzialmente risparmiando migliaia di euro sui costi di sostituzione. Per i produttori di automobili, significa che i futuri sistemi di gestione della batteria (BMS) potrebbero diventare molto più intelligenti. Invece di usare un modello unico per la stima dello SOH, un BMS potrebbe analizzare i modelli storici di corrente di un conducente e fornire una previsione personalizzata e più accurata della vita della batteria. Questo potrebbe essere utilizzato per offrire consigli di guida personalizzati, ottimizzare le strategie di ricarica o persino informare le politiche di garanzia.
Inoltre, i risultati sono cruciali per i gestori di flotte e le aziende di car sharing. Formando i conducenti in tecniche di guida più fluide, queste organizzazioni potrebbero ridurre drasticamente i loro costi di manutenzione ed estendere la vita utile dei loro veicoli. Fornisce anche dati preziosi per i pianificatori urbani e i responsabili politici. Se il flusso del traffico di una città è progettato per minimizzare la guida a stop and go e incoraggiare modelli di traffico più fluidi, potrebbe avere un impatto diretto e positivo sulla longevità dei VE che operano al suo interno.
Lo studio sottolinea anche l’importanza dei dati ad alta risoluzione per comprendere i sistemi complessi. Il passaggio dai dati di 10 secondi a quelli di 0,1 secondi non è stato solo un aggiornamento tecnico; è stata la chiave che ha sbloccato l’intera scoperta. Dimostra che per comprendere veramente le prestazioni nel mondo reale dei VE, i ricercatori devono andare oltre i test standardizzati e approfondire i dettagli granulari di come questi veicoli vengono effettivamente utilizzati.
In conclusione, questa ricerca dell’Università Jiaotong di Pechino fornisce un cambiamento fondamentale nella nostra comprensione del degrado della batteria dei VE. Sposta la conversazione dai fattori esterni, ambientali ai fattori interni, comportamentali. Dimostra che il conducente non è solo un passeggero nel ciclo di vita del veicolo, ma un partecipante attivo nella salute della batteria. Comprendendo la fisica di come le abitudini di guida creano stress elettrico, ora possiamo intraprendere passi concreti per mitigare quello stress e costruire un futuro più sostenibile ed economico per il trasporto elettrico. Il semplice atto di premere il pedale dell’acceleratore, si scopre, ha conseguenze molto più pesanti di quanto si pensasse in precedenza.
Fu Zhicheng, Sun Bingxiang, Jia Yiming, Gong Minming, Ma Shichang, Pang Junfeng, Centro Nazionale di Ricerca e Sviluppo della Tecnologia delle Reti di Distribuzione Attiva, Università Jiaotong di Pechino, Power System Protection and Control, DOI: 10.19783/j.cnki.pspc.246019