一個沒有長期跟蹤記錄的系統將來會如何表現？美國太空總署(NASA)幾十年來一直在努力解決這個問題。畢竟，他們的探測器經常進入配備最新技術的未知環境。為了更好地評估航太器的生命週期，美國太空總署的研究人員在2000年代初開發了「數位孿生」(Digital twin)的概念：真實的飛行器被複製到最微小的細節，作為電腦中的模型，然後被用來播放未知的場景，例如：幾十年的航行。
Porsche Engineering採用同樣的方法優化電動車的高壓電池。Porsche Engineering人工智慧和大數據高級經理Joachim Schaper解釋道，「從長遠來看，我們需要瞭解電池在現場的表現，而不能像內燃機那樣利用多年的經驗。」
電池數位孿生旨在提供對未來的一瞥：電池的數位代表與原始電池完全相同，並提供有關預期老化過程的資訊。還可用於提高電池的使用壽命和性能。因此，來自德國Porsche Engineering和捷克的人工智慧專家正在全力以赴地開發電池數位孿生。
隨著對電池耐用性的要求不斷提高，尤其是在法律領域，這個話題非常引人注目。從今年8月開始，任何在歐盟投入電池流通販售的經營者都必須根據新的歐盟電池法規(BATT2)提供有關性能和耐用性的資訊。
而美國加州已經設定了最低標準：從2030車型年開始，電動車在十年或150,000英里(241,000公里)的里程後仍必須達到其原始續航里程的至少80%。這是加州空氣資源委員會(California Air Resources Board)在其2022年11月的「先進清潔汽車 II」(Advanced Clean Cars II)法規中規定的。類似的法規將來可能適用於歐盟。因此，對於原始設備製造商來說，能夠提供有關車輛電池耐久性的準確信息至關重要。
檢測行為模式
為了創建電池的數位孿生，工程師提供了一個模組化、可擴展的框架，用於集成現有和未來的模型元件。其基礎是一個性能模組，該模組以簡化的方式描述電池的電氣能力，並且可以建立在電阻電容器模型等既定方法的基礎上。此外，還有一個更複雜的電化學模型，可以在單個顆粒的水準上模擬電池中的過程，即陽極、陰極和電解質之間的相互作用。另一個方面是熱模型，可用於預測電池對冷或熱的反應。
這些模型主要基於單個電池或電池模組的實驗室測試，它們預測電池在車輛中行為的能力有限。因此，Porsche Engineering的專家使用從測試車輛或測試檯上採集的真實現場數據，並在測試平台上測試電池。如果客戶參與數據交換計劃，則它們會補充來自車隊的數據。
在現場數據的說明下，人工智慧演算法經過訓練，可以識別客戶駕駛行為的模式。例如：單個電池中的溫度或電壓偏差可能表明過早磨損和異常。但是，人工智慧只能識別該領域現有數據基礎的方面。它無法預測長期的老化影響，因為道路上幾乎沒有一輛電動車的使用年限超過四年。這就是Porsche Engineering的工程師將這兩個世界結合在一起的原因。因此，能否成功在於將現有的基於模型的元件與人工智慧方法相結合。
一些初創企業已經將重點放在電池數據分析上。然而，僅僅看電池和模組是不夠的，還需要對車輛中的過程有全面的瞭解。Porsche Engineering在這兩個領域都遊刃有餘。例如：工程師們為Porsche電動車開發了大部分電池管理系統，並為動力總成開發了脈衝逆變器。
同時，Porsche Engineering還聘請了高度專業化的電池數據科學家。Porsche Engineering中國部門的初始功能「維修預測」已經從數位電池孿生的工作中脫穎而出。它基於機器學習演算法，可監控電池數據並警告磨損或異常跡象。這樣就可以主動發出通知提醒。預測功能還縮短了任何進廠維修時間，因為可以在早期階段訂購必要的備件。
獨立電池雙床
電池數位孿生的工作從去年開始，目前進展良好。Porsche Engineering已經創建了電化學和熱模型的原型，這些模型現在與人工智慧分析相結合。但這項工作具有挑戰性：來自具有不同熱和充電系統的車輛的數據必須合併，而且實驗室模型通常很複雜，需要大量的計算能力。模擬模型逐漸使用現場數據進行參數化，以使其更加逼真。預計今年將進行原型應用。
長期目標不僅是創建一個通用的電池數位孿生，而且還要創建每輛單一車輛電池的數位代表。它可以在雲端中運行，如果需要，可以向客戶提供有關如何在不影響驅動系統性能的情況下延長電池壽命的說明。已知一些對耐久性有積極影響的因素：充電狀態(SoC)應保持在30%到70%之間，並應避免極端的外部溫度。然而，這些只是眾多因素中的一小部分。
電池老化是許多因素的複雜相互作用，很難分開，尤其是在當下。最終，甚至可以數位分身的方式定製車輛。將來，可以根據要求分析客戶的駕駛風格，並更改電池管理系統中的參數，以盡量減少電池損耗。此外，數位孿生可以為新電池的開發提供重要的見解，甚至可能超越汽車領域既有的認知。而關於電池數位孿生的知識也可以擴大應用於卡車、電動自行車和電動船隻。
