人工智能用于准确预测电池寿命

如果手机电池制造商能够分辨出哪些电池至少可以使用两年，那么他们就可以只把这些电池卖给手机制造商，而把剩下的电池卖给要求不那么高的设备制造商。新的研究表明制造商可以做到这一点。这项技术可以用来对制造的电池进行分类，并帮助新的电池设计更快地进入市场。

结合综合实验数据和人工智能，科学家们揭示了在锂离子电池容量开始衰退之前准确预测其使用寿命的关键斯坦福大学,麻省理工学院和丰田研究所发现。

在研究人员用数亿个电池充放电的数据点训练他们的机器学习模型后，算法根据早期循环中的电压下降和其他一些因素预测每个电池还能持续多少次循环。

预测结果与细胞实际持续的周期数相差不到9%。另外，该算法根据前5次充放电循环将电池分为长寿命和短寿命。在这里，预测的正确率为95%。

这种机器学习方法可以加速新电池设计的研发，减少生产时间和成本，以及其他应用。研究人员已经做出了数据集-同类中最大的-可公开获得。

“测试新电池设计的标准方法是对电池进行充放电，直到电池失效。由于电池的寿命很长，这个过程可能需要几个月甚至几年的时间，”斯坦福大学材料科学与工程博士候选人彼得·阿提亚说。“这是电池研究中一个昂贵的瓶颈。”

可能的应用

阿提亚说，这种方法有很多潜在的应用。例如，它可以缩短验证新型电池的时间，考虑到材料的快速发展，这一点尤为重要。有了这种分类技术，寿命较短的电动汽车电池(对汽车来说太短了)可以被用来为路灯供电或备份数据中心。回收者可以从使用过的电动汽车电池组中找到有足够容量的电池。

还有一种可能性是优化电池制造。Attia说:“制造电池的最后一步被称为‘成型’，这可能需要几天到几周的时间。”“使用我们的方法可以显著缩短时间，降低生产成本。”

研究人员现在正在使用他们的模型来优化在10分钟内为电池充电的方法，他们说这将把充电过程缩短10倍以上。

优化快速充电

该项目的一个重点是找到一种在10分钟内为电池充电的更好方法，这一特性可能会加速电动汽车的大规模采用。为了生成训练数据集，该团队对电池进行了充放电，直到每个电池的使用寿命结束，他们将其定义为容量损失20%。在优化快速充电的过程中，研究人员想要弄清楚是否有必要让电池电量耗尽。电池问题的答案能从早期循环的信息中找到吗?

“最近，计算能力和数据生成的进步使机器学习能够加速各种任务的进展。其中包括对材料性质的预测，”麻省理工学院化学工程教授理查德·布拉茨(Richard Braatz)说。“我们的研究结果展示了我们如何预测未来复杂系统的行为。”

一般来说，锂离子电池的容量在一段时间内是稳定的。然后它急转弯向下。21世纪的大多数消费者都知道，价格的暴跌点差异很大。在这个项目中，电池可以持续150到2300次循环。这种变化部分是由于测试了不同的快速充电方法，但也由于不同电池的制造差异。

丰田研究所(Toyota Research Institute)的科学家帕特里克·赫林(Patrick Herring)说:“尽管在电池研发上投入了大量时间和金钱，但进展仍然是以几十年为单位衡量的。”“在这项工作中，我们将最耗时的步骤之一——电池测试——缩短了一个数量级。”

斯坦福大学

www.stanford.edu

-由克里斯·瓦夫拉编辑，制作编辑，控制工程， CFE传媒，cvavra@cfemedia.com．查看更多控制工程能源和电力故事．

您是否具有本内容中提到的主题的经验和专业知识?你应该考虑为我们的CFE媒体编辑团队做出贡献，并获得你和你的公司应得的认可。点击在这里开始这个过程。