Applied Edge AI for Batteries

Viktiga resultat som projektet gav

Syftet med projektet var att testa distribuerad Edge AI lokalt på batterier. Projektet fokuserade på att prognosticera Remaining Useful Life (RUL) i enskilda batterier batteriers kvarvarande livslängd. Sammantaget har projektet resulterat i kompetens kring hur batteriers RUL kan prognostiseras och modelleras med hjälp av moderna Data Science-metoder. Projektet har också byggt upp en förmåga att köra en edge-plattform som kommunicerar med batteriets BMS. Dessa kompetenser och insikter utgör en god grund för vidare arbete med att utveckla intelligenta batterilösningar.

Långsiktiga effekter som förväntas

Projektet har etablerat en förmåga att köra en edge-plattform för batterier, som i sig möjliggör en mängd olika tillämpningar. Därtill har projektet utvecklat en grundläggande förmåga att prognosticera kvarvarande livslängd för batterier. I kommande steg i arbetet ska dessa förmågor utvecklas vidare för att sedermera kunna implementeras i produkter på marknaden, och därigenom bidra till skiftet från förbränningsmotorer till batteridrift.

Upplägg och genomförande

Projektets planerade upplägg följde en sekventiell process, där implementeringen av edge-plattformen skulle efterföljas av datainsamling och modellering. Mot bakgrund av hårdvarumässiga utmaningar relaterade till batteriet fick det faktiska genomförandet i stället ske i parallella strömmar. Etablerandet av edge-plattformen bedrevs därför parallellt med modelleringsarbetet.