Dopo aver imparato a guidare i camion, ottimizzare i percorsi, prevedere i guasti e gestire i magazzini, l’intelligenza artificiale si è messa anche a gestire la ricarica. E, a quanto pare, lo fa meglio dei sistemi attuali.
Ricercatori svedesi hanno sviluppato un algoritmo capace di prolungare la vita delle batterie dei veicoli elettrici del 23% senza aggiungere nemmeno un secondo ai tempi di ricarica rapida. Il tutto attraverso un semplice aggiornamento software.
Lo studio è stato pubblicato su IEEE Transactions on Transportation Electrification ed è firmato da Changfu Zou, docente del Dipartimento di Ingegneria Elettrica della Chalmers University of Technology, insieme a Meng Yuan della Victoria University of Wellington.
Il problema: la ricarica rapida logora le batterie
Chi gestisce flotte di furgoni, veicoli commerciali leggeri o camion elettrici conosce bene il dilemma: la ricarica rapida è indispensabile per garantire continuità operativa, ma rappresenta anche una delle principali cause di invecchiamento precoce delle batterie.
Il fenomeno si chiama lithium plating: quando nelle celle viene immessa una corrente troppo elevata, parte del litio metallico si deposita sull’elettrodo invece di essere immagazzinato correttamente. Il risultato è una progressiva perdita di capacità e, nei casi peggiori, un aumento del rischio di cortocircuiti.
Il problema è che i sistemi di ricarica attuali applicano spesso parametri standardizzati di corrente e tensione, indipendentemente dallo stato reale della batteria. Come se un camion con 500 mila chilometri venisse gestito esattamente come un mezzo appena uscito dalla concessionaria.
La soluzione: un’AI che “sente” lo stato della batteria
Il nuovo metodo si basa sul reinforcement learning, una tecnica di apprendimento automatico in cui l’algoritmo impara per tentativi ed errori, ricevendo un “premio” quando compie la scelta più efficace.
Nel caso specifico, l’AI è stata addestrata utilizzando modelli delle batterie più diffuse e simulazioni dei parametri che influenzano sia i tempi di ricarica sia il degrado delle celle.
Il risultato è una strategia di ricarica adattiva: l’algoritmo regola la corrente in tempo reale in funzione del livello di carica e dello stato di salute della batteria. Una batteria nuova viene quindi trattata in modo diverso rispetto a una già usurata, riducendo al minimo le reazioni chimiche dannose.
Secondo i test, il sistema consente di aumentare la vita utile delle batterie di quasi il 23% rispetto ai metodi standard, mantenendo tempi di ricarica pressoché invariati: la differenza si misura in pochi secondi.
Perché è rilevante per furgoni e camion
Per gli operatori del trasporto commerciale, questi numeri si traducono in conseguenze molto concrete. Una batteria che dura il 23% in più significa:
- minori costi di garanzia per costruttori e fleet manager;
- migliore valore residuo dei veicoli usati, oggi uno dei principali freni all’acquisto dell’elettrico nel segmento commerciale;
- minore pressione sulle materie prime critiche — litio, cobalto e nichel — necessarie per produrre nuovi pacchi batteria;
- maggiore continuità operativa per corrieri urbani, veicoli industriali e, in prospettiva, camion pesanti a lungo raggio.
«Per i veicoli pesanti, l’accesso alla ricarica rapida è fondamentale», sottolinea Zou. Yuan aggiunge: «Mostriamo che è possibile caricare più o meno alla stessa velocità di oggi, ma con una degradazione nel lungo periodo significativamente ridotta».
Solo un aggiornamento software
L’aspetto forse più interessante per il settore è la semplicità di implementazione: la strategia può essere integrata nei sistemi di gestione della batteria (BMS) tramite un aggiornamento software, senza necessità di modifiche hardware. Una prospettiva particolarmente interessante sia per i costruttori di veicoli commerciali sia per gli operatori che dispongono già di flotte elettrificate.
Restano però alcuni passaggi prima di una diffusione su larga scala. Il metodo dovrà essere calibrato sui diversi tipi di batterie presenti sul mercato. Un processo che i ricercatori puntano ad accelerare attraverso il transfer learning, tecnica che consente di adattare il modello AI a nuove chimiche riutilizzando parte delle conoscenze già acquisite. Il passo successivo sarà verificare il comportamento del sistema su batterie fisiche reali e non soltanto in simulazione.
Nel frattempo, l’intelligenza artificiale aggiunge un’altra applicazione concreta al mondo del trasporto e della gestione energetica.
Lo studio, intitolato Lifelong Reinforcement Learning for Health-Aware Fast Charging of Lithium-Ion Batteries, è stato pubblicato su IEEE Transactions on Transportation Electrification. La ricerca è stata finanziata dal programma Horizon Europe, dal Consiglio svedese per la ricerca e dalla Swedish Foundation for International Cooperation in Research and Higher Education.
