Sztuczna inteligencja ostrzega przed wybuchem popularnych baterii
Jeśli bateria litowo-jonowa nagrzeje się zbyt mocno lub zostanie uszkodzona, może się zapalić, a nawet eksplodować, co jest niezwykle niebezpieczne. Okazuje się, że sztuczna inteligencja potrafi "usłyszeć" moment, gdy bateria jest bliska zapalenia się.
Baterie litowo-jonowe zasilają liczne urządzenia, z których korzystamy. Mogą być w telefonie, laptopie, rowerze elektrycznym lub samochodzie elektrycznym. Z dużym prawdopodobieństwem masz jakąś w zasięgu ręki, a w budynku, w którym przebywasz mogą być ich setki. Dlaczego są tak popularne? Ponieważ pozwalają zgromadzić i przechować stosunkowo dużo energii w małej przestrzeni. Niestety, wiąże się z tym jednak pewne ryzyko. Jeśli bateria litowo-jonowa nagrzeje się zbyt mocno lub zostanie uszkodzona, może się zapalić, a nawet eksplodować.
Powstałe w ten sposób pożary są wyjątkowo niebezpieczne, ponieważ mamy do czynienia z piekielnie wysoką temperaturą od samego początku. Mówimy tu o temperaturze rzędu 1,1 tys. st. C, a więc niemal tak gorącej jak palnik i uzyskanej w ciągu zaledwie sekundy. Różni się to od wielu innych, nazwijmy to "tradycyjnych" pożarów, które zaczynają się od żarzącego się kawała drewna, czy tlącego papierosa, kiedy to powstający dym ma dużą szansę dotrzeć do czujnika i zaalarmować ludzi (przy założeniu oczywiście, że jest zamontowany). W przypadku baterii litowo-jonowych nawet gęsty dym, który może się pojawić, widzimy zaledwie kilka sekund przed wybuchem, a więc zdecydowanie za późno.
Pożar baterii litowo-jonowej nie wytwarza wcześniej dużych ilości dymu, dlatego naukowcy pomyśleli, że dobrze byłoby mieć system wczesnego ostrzegania, który pozwoli wykryć taki pożar na wczesnym etapie.
— Podczas oglądania filmów z wybuchającymi bateriami zauważyłem coś interesującego — powiedział Wai Cheong "Andy" Tam z National Institute of Standards and Technology (NIST), który pracował nad rozwiązaniem wraz z Anthonym Putortim z tej samej instytucji. — Tuż przed wybuchem pożaru zawór bezpieczeństwa w baterii pękł i wydał ten cichy dźwięk. Pomyślałem, że możemy to wykorzystać - dodał. Nie był pierwszym, który dokonał tej obserwacji, ale chciał sprawdzić, czy może przetestować ten pomysł osobiście.
Zanim bateria litowo-jonowa się zapali, reakcja chemiczna powoduje wzrost ciśnienia wewnątrz. Bateria zaczyna puchnąć. Przez twarde obudowy ogniwa nie mogą się rozszerzać, dlatego wiele z nich posiada zabezpieczenie polegające na pojawianiu się zaplanowanego przez twórców pęknięcia uwalniającego to ciśnienie. To właśnie ten dźwięk przypominający obrazowo otwieranie butelki napoju gazowanego słychać na filmach.
Naukowcy nagrali dźwięk z 38 wybuchających baterii, a następnie w kopiach plików zmienili też jego prędkość i wysokość rozszerzając bazę danych do ponad 1 tys. próbek audio, które mogli wykorzystać do szkolenia algorytmu. Ku ich zdziwieniu okazało się to wyjątkowo skuteczne. Przy wykorzystaniu zwykłego mikrofonu zamontowanego na kamerze udało się wykryć dźwięk przegrzewającej się baterii w 94 proc. przypadków. Zaobserwowali również, że pęknięcie bezpieczeństwa pojawiało się około 2 minuty przed wybuchem.
Usprawnienie i wdrożenie tego systemu mogłoby skutkować nowymi rodzajami alarmów przeciwpożarowych. Można je wykorzystać nie tylko w domach, ale także (a może przede wszystkim) w miejscach, gdzie znajduje się duża liczba takich baterii, jak biura, magazyny, a nawet pojazdy elektryczne. W przypadku tych ostatnich wydaje się to rzeczywiście istotne, już teraz coraz częściej możemy usłyszeć o ograniczeniach na parkingach podziemnych. Część zarządców parkingów oprócz zakazu wjazdu dla pojazdó z LPG umieszcza też zakaz wjazdu dla elektryków tłumacząc to brakiem odpowiednich zabezpieczeń przeciwpożarowych.
Źródło: National Institute of Standards and Technology
Literatura: Tam, W. , Chen, J. , Tang, W. , Tong, Q. , FANG, H. and Putorti Jr., A. (2024), Development of a Robust Early-Stage Thermal Runaway Detection Model for Lithium-ion Batteries, 13th Asia-Oceania Symposium on Fire Science and Technology, Daegu, KR, [online], https://tsapps.nist.gov/publication/get_pdf.cfm?pub_id=958183 (Accessed November 14, 2024)