当前位置: 电池联盟网 > 前沿 >

研究人员开发出全新机器学习算法 可准确估算电池健康状况

时间:2021-04-13 09:06来源:盖世汽车 作者:刘丽婷
点击:
       据外媒报道,从整合间歇性能源和需求,到交通运输部门通过电动汽车(EV)、火车和船舶解锁无碳电力,再到先进的电子和机器人应用,电池在各种应用中变得日益重要。但电池存在一个重大问题,即其性能会随工作条件快速退化。而评估电池的当前健康状态非常困难,不仅需要中断电池工作,并且需要专用设备才能完成较长的充放电过程。
 
       英国爱丁堡赫瑞-瓦特大学(Heriot-Watt University)智能系统小组(Smart Systems Group)的研究人员与美国马里兰大学(University of Maryland)计算机辅助寿命周期工程中心(CALCE)的研究人员共同开发出一种全新方法,可通过向人工智能(AI)算法提供原始电池电压和当前运行数据来估算电池健康状态,无需考虑工作环境及电池设计或化学性能。
 
       AI框架设计Darius Roman博士表示:“目前,电池退化数据驱动模型的开发取决于进行更快推理的算法的发展。尽管研究人员通常在模型或算法开发上花费大量时间,但很少有人会花时间理解算法应用的工程环境。相较之下,此次研究是从头开始。首先,马里兰大学CALCE小组内部进行了电池退化测试,我们通过与其合作了解电池退化。之后又利用数据设计可抓取电池退化信息的功能,随后选出最重要的功能,最终部署该AI技术评估电池健康状况。”
 
       此外,研究人员发现,当前用于电池健康状况评估的数据驱动模型并未考虑模型置信度。而模型置信度对于决策理解AI模型如何得出特定结论以及该模型是否可以信任至关重要。在此项工作中,提出的AI模型能够量化其预测中的不确定性,以更好地支持运营决策。所开发的框架将根据新的化学性质进行扩展,包括即将推出的新型固态电池、电池设计和工作条件,并且有可能解锁电池使用的新策略。
 
       智能系统小组的Valentin Robu表示:“从机器人到可再生能源集成等应用,电池越来越重要,但对电池健康状态进行准确、高可信度评估却很难。例如,对远程环境(如深海海底监控)中工作的机器人而言,确保其电池的健康状况至关重要。同理,对于项目经济可行性而言,准确评估能源应用中的电池剩余使用寿命也非常重要。”
 
(责任编辑:子蕊)
免责声明:本文仅代表作者个人观点,与中国电池联盟无关。其原创性以及文中陈述文字和内容未经本网证实,对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺,请读者仅作参考,并请自行核实相关内容。
凡本网注明 “来源:XXX(非中国电池联盟)”的作品,均转载自其它媒体,转载目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责。
如因作品内容、版权和其它问题需要同本网联系的,请在一周内进行,以便我们及时处理。
QQ:503204601
邮箱:cbcu@cbcu.com.cn
猜你喜欢
专题
相关新闻
本月热点
欢迎投稿
联系人:王女士
Email:cbcu#cbcu.com.cn
发送邮件时用@替换#
电话:010-53100736
在线投稿
企业微信号
微信公众号