隨著電動(dòng)車在全球日益普及,鋰離子電池的需求激增,導(dǎo)致報(bào)廢的電池?cái)?shù)量也隨之增加,如何充分二次應(yīng)用退役電池成為重要的社會(huì)議題。為協(xié)助解決這一問(wèn)題,嶺南大學(xué)(嶺大)今日(14日)表示,嶺大科學(xué)教研組助理教授唐曉鵬與上海理工大學(xué)組成的研究團(tuán)隊(duì),近日在IEEE期刊發(fā)表了一篇名為《以壽命為基礎(chǔ)的電池分類 促進(jìn)二次應(yīng)用》的論文,並於第25屆IEEE中國(guó)系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會(huì)議(CCSSTA 2024)上,在278份的投稿論文中脫穎而出,成為僅4份獲得「最佳論文獎(jiǎng)」之一。
嶺大科學(xué)教研組助理教授唐曉鵬。 嶺大供圖
研究團(tuán)隊(duì)透過(guò)人工智能(AI)的半監(jiān)督學(xué)習(xí)模型,研發(fā)了一種嶄新的電池檢測(cè)方法,針對(duì)退役電池的壽命進(jìn)行分類和篩選。團(tuán)隊(duì)所訓(xùn)練的模型稱為「卷積神經(jīng)網(wǎng)絡(luò)」——一種應(yīng)用了AI技術(shù)的深度學(xué)習(xí)模型,只需要取得電池前三個(gè)充電迴圈周期的資料(即從0%充到100%,再?gòu)?00%耗至0%為一個(gè)充電迴圈周期),便能對(duì)不同壽命的電池進(jìn)行分類,解決了傳統(tǒng)的檢測(cè)方法中,因電池差異造成模型失效,從而無(wú)法評(píng)估其容量的真實(shí)狀態(tài),導(dǎo)致檢測(cè)結(jié)果與實(shí)際電池狀態(tài)不符的問(wèn)題。該研發(fā)的突破在於AI檢測(cè)模型不需要直接預(yù)測(cè)退役電池的使用壽命,而是評(píng)估兩個(gè)電池是否有相若的使用壽命,有效將不同電池分類,達(dá)至高效且精確的篩選效果。
研究團(tuán)隊(duì)研發(fā)嶄新的AI模型對(duì)退役電池進(jìn)行準(zhǔn)確分類(由上海理工大學(xué)提供)。 嶺大供圖
研究團(tuán)隊(duì)隨後對(duì)38個(gè)電池樣本進(jìn)行測(cè)試驗(yàn)證,當(dāng)中有22個(gè)電池因?yàn)槔匣瘑?wèn)題已達(dá)到「截止容量」、電池效能下降。而另外的16個(gè)電池則有較好的壽命表現(xiàn),團(tuán)隊(duì)將它們列為可以二次應(yīng)用的候選電池,但不知道其真實(shí)的壽命值。團(tuán)隊(duì)其後將22個(gè)效能較低的電池,即使用已達(dá)到「截止容量」的電池老化資料來(lái)訓(xùn)練AI模型,使該模型能夠根據(jù)電池的預(yù)期壽命來(lái)將較長(zhǎng)壽命的電池分類為不同的群組。團(tuán)隊(duì)再利用該模型將未分類的電池進(jìn)行一對(duì)一比較,將壽命值屬於同一類別的電池分組,從而有系統(tǒng)地對(duì)退役電池進(jìn)行分類。
結(jié)果顯示,即使退役電池有相似的初始容量和電阻,它們的使用壽命也可能有顯著差異。使用傳統(tǒng)的「容量-電阻方法」來(lái)檢測(cè)電池狀況,可能會(huì)導(dǎo)致錯(cuò)誤的電池壽命分類。然而,研究團(tuán)隊(duì)提出的AI模型相比傳統(tǒng)檢測(cè)方法,可等效減少至少百分之二十的電池壽命損耗,有效延長(zhǎng)電池使用壽命。這項(xiàng)嶄新研究成果提供了可靠而精確的方法,提升退役電池的二次應(yīng)用,優(yōu)化電池管理方案,對(duì)節(jié)能減排產(chǎn)生積極影響。