Progetto e sviluppo di un sistema per la stima del fine vita della batteria in veicoli elettrici industriali

Air pollution is one of the main global problems and road transport significantly contributes to greenhouse gas emissions. The growing demand for efficient transport has led to an increase in the use of commercial vehicles, both light and heavy, with a consequent environmental impact. To reduce these emissions, car companies are developing electric vehicles and adopting new technologies to improve their performance and reliability. However, the use of batteries involves some challenges, including the need to monitor their state of health (SOH) to guarantee a long duration and prevent faults. This thesis focuses on the forecast of the health status of electric vehicles batteries, combining an algorithm of esteem based on a Kalman filter with forecast models. The study was conducted in collaboration with FPT Industrial S.p.A., a company of the Iveco Group, which develops innovative solutions for the electric sector. In particular, the analysis focused on the EBS 37 battery pack, used in light commercial vehicles and minibus. The data processed come from a fleet of electric vehicles monitored via electronic sensors. After a careful phase of analysis, preparation and cleaning of the data, a method of estimate of the SOH has been developed which has allowed us to obtain useful values to train the forecast models. Since the historical data available covered only a limited period, a model of generative adversarial network (gan) was created to generate artificial data, thus expanding the dataset available. The SOH values obtained from the synthetic data have been analyzed to evaluate its reliability and consistency. The results of this study confirm the validity of the method proposed in the monitoring of the batteries, providing reliable support for predictive maintenance and management of electric fleets. This research represents a step forward in the optimization of sustainable transport batteries, helping to reduce environmental costs and impacts, and improving the competitiveness of companies in the electrical mobility sector.

L’inquinamento atmosferico è una delle principali problematiche globali e il traspor- to su strada contribuisce in modo significativo alle emissioni di gas serra. La crescente richiesta di trasporti efficienti ha portato a un aumento dell’uso di veicoli commerciali, sia leggeri che pesanti, con un conseguente impatto ambientale. Per ridurre queste emissioni, le aziende automobilistiche stanno sviluppando veicoli elettrici e adottando nuove tecnologie per migliorarne le prestazioni e l’affidabilità. Tuttavia, l’uso delle batterie comporta alcune sfide, tra cui la necessità di monitorare il loro stato di salute (SOH) per garantirne una lunga durata e prevenire guasti. Questa tesi si concentra sulla previsione dello stato di salute delle batterie dei veicoli elettrici, combinando un algoritmo di stima basato su un filtro di Kalman con modelli di previsione. Lo studio è stato condotto in collaborazione con FPT Industrial S.p.A., azienda del Gruppo Iveco, che sviluppa soluzioni innovative per il settore dell’elettrico. In particolare, l’analisi si è focalizzata sul pacco batteria eBS 37, utilizzato in veicoli commerciali leggeri e minibus. I dati processati provengono da una flotta di veicoli elettrici monitorata tramite sensori telematici. Dopo un’attenta fase di analisi, preparazione e pulizia dei dati, è stato sviluppato un metodo di stima del SOH che ha permesso di ottenere valori utili per addestrare i modelli di previsione. Poiché i dati storici disponibili coprivano solo un periodo limitato, è stato creato un modello di Generative Adversarial Network (GAN) per generare dati artificiali, ampliando così il dataset a disposizione. I valori di SOH ottenuti dai dati sintetici sono stati analizzati per valutarne l’affidabilità e la coerenza. I risultati di questo studio confermano la validità del metodo proposto nel monitoraggio delle batterie, fornendo un supporto affidabile per la manutenzione predittiva e la gestione delle flotte elettriche. Questa ricerca rappresenta un passo avanti nell’ottimizzazione delle batterie per il trasporto sostenibile, contribuendo a ridurre costi e impatti ambientali, e migliorando la competitività delle aziende nel settore della mobilità elettrica.