Nový švédský AI model slibuje delší životnost a vyšší bezpečnost baterií elektrických vozidel

Výzkumníci z Uppsalské univerzity ve Švédsku vyvinuli inovativní model umělé inteligence, který výrazně zlepšuje přesnost předpovědí stárnutí baterií v elektrických vozidlech (EV). Tento průlom může významně prodloužit životnost baterií i zvýšit jejich bezpečnost, což přináší naději na širší přijetí elektromobility a udržitelnější dopravu.

Proč je přesné předpovídání stárnutí baterií klíčové?

Stárnutí lithium-iontových baterií je jedním z největších problémů, které brzdí masové rozšíření elektrických vozidel. Baterie často degradují rychleji než další komponenty, což vede k nákladným výměnám, poklesu tržní hodnoty vozidel a obavám spotřebitelů o jejich spolehlivost. Podle odhadů výrobců může baterie tvořit až 40 % ceny EV, takže její předčasné selhání je zásadní překážkou elektrifikace dopravy. Mezinárodní agentura pro energii (IEA) navíc očekává, že do roku 2030 bude elektromobily poháněno více než 60 % nově prodaných osobních automobilů, což zvýší globální poptávku po lithium-iontových bateriích na více než 85 %.

Model umělé inteligence z Uppsaly, vyvinutý pod vedením Wendi Guo a profesora Daniela Brandella z Ångström Advanced Battery Centre, analyzuje krátké segmenty nabíjení a mapuje chemické reakce uvnitř bateriových článků. Zároveň kombinuje strojové učení s digitálním dvojčetem baterie, což umožňuje propojit designové parametry, jako je tloušťka elektrody, poloměr částic nebo koncentrace lithia, s reálným stárnutím baterie v provozu. Tento přístup zlepšil přesnost předpovědí stavu baterie o 69 % oproti konvenčním metodám.

Praktické dopady: bezpečnost, udržitelnost a nové příležitosti v energetice

Díky přesnému modelu mohou výrobci aut lépe předvídat degradaci baterií a přizpůsobit provoz vozidel tak, aby baterie vydržely déle a byly bezpečnější. Nová AI také dokáže odhalit vedlejší chemické reakce, které mohou vést k nebezpečným jevům, jako je lithium-plating nebo termální runaway, a pomáhá tak vylepšit konstrukci článků pro rychlé nabíjení.

Z dlouhodobého hlediska prodloužení životnosti baterií snižuje potřebu těžby kritických kovů, jako jsou lithium, kobalt či nikl, což je významné pro zajištění udržitelné dodavatelské strategie a cirkulární ekonomiku. Méně časté výměny baterií také přispívají k omezení elektronického odpadu a snižují uhlíkovou stopu dopravy.

Dalším přínosem je možnost lepší integrace elektromobilů do energetických sítí skrze koncept vehicle-to-grid (V2G), kdy vozidla fungují jako mobilní úložiště energie. Model umělé inteligence umožňuje přesnější monitorování stavu baterií, což je klíčové pro bezpečný a efektivní provoz V2G systémů, které pomáhají stabilizovat sítě s vysokým podílem obnovitelných zdrojů.

Výzkum, publikovaný v časopise Energy & Environmental Science v srpnu 2025 ve spolupráci s Aalborgskou univerzitou, testoval tisíce scénářů nabíjení včetně rychlého nabíjení při různých teplotách odpovídajících severskému klimatu. Klíčové je využití krátkých nabíjecích segmentů místo kompletních cyklů k předpovědi stavu baterie, což zefektivňuje a zrychluje diagnostiku.

Jak zdůraznil profesor Brandell, nový model umožňuje minimalizovat nutnost přístupu k citlivým datům uživatelů, aniž by se snížila přesnost předpovědí. To je důležité jak z průmyslového, tak z hlediska ochrany soukromí.*

-sol-