当前位置: 首页 > 资讯

利用新的机器学习方法可准确预测电池的健康状态

Tech Xplore       2021-04-15

然而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。”


关键词:机器学习;电池健康;预测