鉅大LARGE | 點擊量：675次 | 2019年03月30日
機器學習模型能夠準確預測電池壽命 準確率達91％
結果表明，該模型能夠從電壓水平和前100個周期的其他讀數(shù)預測電池的整體壽命，準確率為91％。
通常，想要知道鋰離子電池壽命什么時候結束是很難預測的，這也使得新電池技術的研究和開發(fā)非常耗時。
化學品和材料的不同組合是否會導致鋰電池變體的持續(xù)時間比其上一代電池長得多？快充是否會對電池壽命產生長期影響？唯一的方法是反復充電和放電樣品，直到它達到其生命周期的末期，該生命周期被定義為低于其原始功率容量的20％。這類測試是一個耗時的過程，部分原因是電池技術的創(chuàng)新無法與電子技術保持同步。
為了有助于加速電池研發(fā)，斯坦福大學和麻省理工學院的研究人員與豐田研究所合作，利用機器學習開發(fā)出一種能夠非常準確地預測電池性能的算法。
根據(jù)發(fā)表在“自然能源”雜志上的一篇論文，該機器學習算法可以預測鋰離子電池的壽命，并可以幫助科學家更快地以更低的成本開發(fā)設計出更好的電池。方法是收集電池數(shù)億次充放電的測量訓練，還包括電源容量、充電時間、電池單元溫度等，直至它們失效。
符合Exic IIB T4 Gc防爆標準
充電溫度：0~45℃
-放電溫度：-40~+55℃
-40℃最大放電倍率：1C
-40℃ 0.5放電容量保持率≥70%
該論文的共同作者斯坦福大學材料科學與工程專業(yè)的博士生PeterAttia說，“由于電池使用壽命長，這個過程可能需要數(shù)月甚至數(shù)年。這是電池研究中的一個昂貴的瓶頸?！?/p>
整個機器學習測試是這樣運行的：
首先，斯坦福大學、麻省理工學院、豐田研究所和勞倫斯伯克利實驗室的研究人員檢查了124個鋰離子電池。他們經過反復的排水并充電，直到電池性能下降約20％，通常在150到2300次充電循環(huán)之間。
其次，研究人員繪制了電池在每個周期的容量，以生成96700個周期的數(shù)據(jù)集。將其輸入回歸模型，這是一種檢驗不同變量之間關系的統(tǒng)計方法，用于預測電池在前100個循環(huán)中的性能持續(xù)多長時間。
結果表明，該模型能夠從電壓水平和前100個周期的其他讀數(shù)預測電池的整體壽命，準確率為91％。研究人員還可以在分析前五個周期的數(shù)據(jù)后，以95％的準確率對電池進行分類，確定它們的壽命是長還是短。
使用這種技術，可以預測單個電池在最初幾個循環(huán)后的性能，從而可以將它們分類到不同應用和要求的模組中，并且規(guī)定不同的價格。
“對于電池開發(fā)所花費的所有時間和金錢來說，該項電池測試的進展仍然是幾十年來的進步?！痹撜撐牡墓餐髡撸S田研究所的研究科學家PatrickHerring說?！霸谶@項工作中，我們正在減少一個最耗時的步驟——一個大數(shù)據(jù)的電池測試?！?Zoe/譯fromtheregister.co.uk)
