Точное прогнозирование срока службы батареи с помощью моделей машинного обучения

• Новая модель искусственного интеллекта может точно определить состояние здоровья батареи.
• Он использует данные, полученные от батареи на начальных этапах, и предсказывает, будет ли батарея иметь долгий или короткий срок службы.

Литий-ионные батареи находят широкое применение из-за их высокой плотности энергии, длительного срока службы и низкой стоимости. За последние несколько лет коммерциализация гибридных и электромобилей стимулировала растущий спрос на качественные батареи. Таким образом, анализ «здоровья» батареи становится все более важным.

Однако одним из основных препятствий на пути развития аккумуляторных технологий является мониторинг и тестирование состояния аккумулятора, что занимает много времени и влияет на срок службы аккумулятора.

Параметр, называемый State Of Health (SOH), представляет способность батареи накапливать энергию относительно ее идеальных или начальных условий. Для новой батареи SOH обычно составляет 100%, но со временем уменьшается. Оценка SOH важна для безопасного и правильного использования батареи. Однако не существует какой-либо методики, позволяющей точно определить это значение без ущерба для срока службы батареи.

Определить SOH непросто

SOH батареи связан с двумя факторами, которые возникают с возрастом батареи:

1. Уменьшение емкости:прогрессирующая потеря емкости хранилища.
2. Электрическое сопротивление:постепенное увеличение сопротивления, вызывающее снижение заряда батареи.

В литий-ионных батареях увеличение импеданса и потеря емкости происходит из-за множества взаимодействующих процессов. Поскольку эти процессы происходят в одинаковых временных масштабах, их очень сложно анализировать независимо. Таким образом, нельзя использовать одно прямое измерение для оценки SOH.

Традиционные методы [для определения SOH] включают оценку взаимодействия между электродами батареи. Но поскольку это делает аккумулятор нестабильным, эти методы неприемлемы.

В настоящее время существует два подхода к менее деструктивному определению SOH:адаптивные модели и экспериментальные методы. Первый подход использует данные о производительности батареи для самонастройки и уменьшения ошибок. Однако этот тип методов необходимо обучить на экспериментальных данных, прежде чем их можно будет фактически использовать в производственной среде.

Второй подход, с другой стороны, может использоваться для определения конкретных механизмов отказа или физических процессов, которые происходят в батарее. Это дает хорошую оценку будущей скорости деградации емкости. Однако такие методы не позволяют выявить периодические неисправности.

ИИ может точно предсказать срок службы батарей

Теперь исследователи из Массачусетского технологического института, Стэнфордского университета и исследовательского института Toyota разработали модель искусственного интеллекта (ИИ), которая может точно определять SOH батареи.

Команда создала исчерпывающий набор данных, характеризующий производительность 124 литий-ионных батарей. Данные были записаны, поскольку аккумуляторы подвергались различным условиям быстрой зарядки. В данные был включен широкий диапазон циклов зарядки и разрядки (250 - 2300).

Ссылка:Природа | DOI:10.1038 / s41560-019-0356-8

Затем они использовали метод машинного обучения (ML) для изучения данных и создания моделей, которые могут точно оценить срок службы батареи. Они проанализировали только первые 100 циклов каждой батареи (до того, как были явные признаки потери емкости памяти).

Расчетный и наблюдаемый срок службы батарей | Пунктирная линия показывает, где оценки и наблюдения совпадают, для справки | Предоставлено исследователями

Лучшая модель, созданная ML, смогла правильно оценить срок службы 91% батарей. Исследователи также использовали этот метод для изучения данных только первых 5 циклов каждой батареи. На этот раз цель состояла в том, чтобы выяснить, будут ли батареи иметь длительный или короткий срок службы (более или менее 550 циклов зарядки-разрядки). В этом случае модель сделала правильные прогнозы для 95% батарей.

Хотя новые модели были более эффективными, чем традиционные методы определения SOH, они менее точны при прогнозировании срока службы батарей, чья емкость уже была в некоторой степени снижена.

Прочтите:новый алюминиево-графеновый аккумулятор можно зарядить за 5 секунд

Исследовательская группа считает, что их новый подход является многообещающим способом оценки жизненных циклов литий-ионных аккумуляторов и может помочь в разработке / совершенствовании новых аккумуляторных технологий.