人工智能准确预测电池的使用寿命

人工智能准确预测电池的使用寿命

如果手机电池制造商能分辨出哪种电池至少能使用两年,那么他们只能将这些电池卖给手机制造商,其余的电池则只能卖给要求较低的设备制造商。新的研究表明制造商是如何做到这一点的。这项技术不仅可以用来对制造的电池进行分类,而且可以帮助新的电池设计更快地进入市场。

麻省理工学院教授理查德·布拉茨(左)和斯坦福大学材料科学与工程助理教授威廉·丘伊(William Chueh)领导了他们研究机构的研究人员,他们开发了一种更好的电池测试技术。(图片来源:阿莫斯恩森路)

斯坦福大学、麻省理工学院和丰田研究所的科学家们发现,综合综合实验数据和人工智能揭示了在锂离子电池容量开始下降之前准确预测其使用寿命的关键。在研究人员用数亿个电池充放电数据点对他们的机器学习模型进行训练后,该算法根据电压下降和早期循环中的其他一些因素,预测每个电池将持续多少个循环。

预测值在细胞实际持续周期数的9%以内。另外,该算法仅根据前五个充电/放电循环将电池分类为长或短预期寿命。在这里,95%的预测是正确的。

3月25日发表在《自然能源》杂志上,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。研究人员已经公开了最大的数据集。

斯坦福大学的研究人员开发了一种机器学习技术来确定电池的寿命。

“测试新电池设计的标准方法是对电池进行充电和放电,直到电池失效。由于电池的使用寿命很长,这一过程可能需要数月甚至数年的时间,”斯坦福大学材料科学与工程博士研究生彼得·阿提亚说。“这是电池研究中一个昂贵的瓶颈。”

这项工作是在电池数据驱动设计中心进行的,该中心是一个集理论、实验和数据科学于一体的学术性工业合作中心。斯坦福大学的研究人员由材料科学与工程助理教授威廉·丘伊(WilliamChueh)领导,进行了电池实验。麻省理工学院的团队由化学工程教授理查德·布拉茨领导,完成了机器学习工作。克里斯汀·塞弗森,这项研究的共同负责人,去年春天在麻省理工学院完成了化学工程博士学位。

优化快速充电

该项目的一个重点是找到一种在10分钟内给电池充电的更好方法,这一特性可以加速电动汽车的大规模采用。为了生成训练数据集,团队对电池进行充电和放电,直到每个电池达到其使用寿命的终点,他们将其定义为20%的容量损失。在优化快速充电的过程中,研究人员想知道是否有必要将电池接地。电池问题的答案是否可以从早期周期的信息中找到?

WPAP6022602斯坦福大学研究生尼古拉斯•帕金斯(左)、彼得•阿提亚(Peter Attia)和诺曼•金(Norman Jin)是研究人员之一,他们发现了准确预测锂离子电池使用寿命的关键。(图片来源:邓院长)

“计算能力和数据生成的进步最近使机器学习能够加快各种任务的进度。这包括对材料性能的预测。“我们在这里的研究结果表明,我们如何预测未来遥远的复杂系统的行为。”

一般来说,锂离子电池的容量会稳定一段时间。然后再向下急转弯。正如大多数21世纪的消费者所知道的那样,下跌点变化很大。在这个项目中,电池可以循环使用150到2300次。这种变化在一定程度上是由于测试了不同的快速充电方法,但也由于电池之间的制造差异。

丰田研究所的科学家、研究合著者帕特里克·赫林(patrick herring)说:“在电池开发上花费的所有时间和金钱中,进步仍然是以几十年来衡量的。”“在这项工作中,我们将电池测试这一最耗时的步骤减少了一个数量级。”

可能的用途

阿提亚说,这种新方法有许多潜在的应用。例如,它可以缩短验证新型电池的时间,鉴于材料的快速发展,这一点尤其重要。通过分类技术,电动汽车电池的使用寿命很短——对汽车来说太短了——可以用来为路灯供电或备份数据中心。回收者可以从用过的电动汽车电池组中找到电池,电池组的剩余容量足以维持第二次使用寿命。

另一种可能性是优化电池制造。阿提亚说:“电池制造的最后一步被称为‘形成’,这可能需要几天到几周的时间。”“使用我们的方法可以大大缩短生产时间并降低生产成本。”

研究人员现在使用他们的模型来优化电池的充电方式,他们说这将使充电过程减少10倍以上。

丘伊也是斯坦福大学预科能源研究所的中心研究员,该研究所资助了他在这个项目上的探索性工作。其他合著者包括斯坦福大学学生Norman Jin、Nicholas Perkins和Michael Chen;麻省理工学院教授Martin Bazant、PostDoc Benben Jiang和学生Dimitrios Fraggedaki;丰田研究所的Muratahan Aykol;劳伦斯伯克利国家实验室的Stephen Harris和斯坦福大学的访问学者;密歇根大学学生Zi Ya。Ng,斯坦福大学实习生。

这项工作得到了丰田研究院、托马斯诉琼斯斯坦福研究生奖学金、国家科学基金会、上汽Stanford能源3和美国能源部的支持。

» 本文来自:港泉SMT » 人工智能准确预测电池的使用寿命 » 版权归原作者所有,转载务必注明出处。

» 链接地址:https://www.vipsmt.com/news/hydt/36760.html