Долговечность аккумуляторов имеет основополагающее значение для устойчивого развития систем хранения энергии, которые применяются в бытовой электронике, электромобилях и сетях возобновляемых источников энергии. Несмотря на перспективы машинного обучения, практические ограничения, такие как ограниченная доступность данных и изменения в состоянии батареи, вызванные факторами окружающей среды и эксплуатации, по-прежнему препятствуют его широкому применению. Эти проблемы подчеркивают потребность в передовых адаптивных методах, способных использовать различные источники данных для достижения точных и надежных прогнозов.

21 мая 2024 года исследователи из Шанхайского университета Цзяотун и Южного университета науки и технологии опубликовали свои выводы (DOI: 10.1016/j.esci.2024.100280) в Электронная наука . Команда представила два новаторских метода обучения переносу — байесовское слияние моделей (BMF) и взвешенное ортогональное согласование (W-OMP), предназначенные для решения сложностей, связанных с переходами состояний в литий-ионных батареях. Эти подходы сочетают существующие наборы данных с ограниченным количеством новых наблюдений для значительного улучшения моделей прогнозирования, предлагая многообещающее решение давней проблемы.

В своем исследовании команда продемонстрировала, как BMF и W-OMP решают сложные задачи прогнозирования срока службы батарей. BMF уточняет предварительно обученные модели путем динамического обновления весов признаков, в то время как W-OMP интегрирует аналитические сведения из нескольких наборов данных для повышения надежности. Эти методы в совокупности позволили сократить количество ошибок прогнозирования на 41% по сравнению с базовыми моделями, установив новый стандарт в этой области. Более того, их объяснимая конструкция выявила критические факторы, влияющие на деградацию батареи, в том числе влияние протоколов зарядки и электрохимического поведения во время переходов между состояниями. Такой двойной акцент на точности и интерпретируемости делает модели практическими инструментами для реальных систем управления батареями, а также углубляет наше понимание основных механизмов деградации. Эти результаты не только улучшают прогностическую способность, но и поддерживают более широкие цели устойчивого развития отрасли хранения энергии.

Доктор Ян Лю, соавтор исследования, подчеркнул преобразующий потенциал этого исследования: «Наша работа не только улучшает прогнозирование срока службы батареи, но и проливает свет на основные причины изменений производительности. Эти знания могут изменить подход к проектированию, производству и обслуживанию аккумуляторов во всем мире».

Результаты исследования имеют глубокие последствия. Точное и интерпретируемое прогнозирование срока службы батареи может оптимизировать производственные процессы, снизить затраты и повысить эксплуатационную безопасность. Внедряя эти методы обучения в системы управления батареями, отрасли могут повысить устойчивость и надежность технологий хранения энергии, внося непосредственный вклад в глобальные усилия по достижению углеродной нейтральности.

###

Ссылки

ДОЙ

10.1016/j.esci.2024.100280

URL-адрес оригинального источника

https://doi.org/10.1016/j.esci.2024.100280

Информация о финансировании

Эта работа поддержана стартап-фондом Шанхайского университета Цзяотун и Южного университета науки и технологий. S.J.H поддерживается Программой лабораторных исследований и разработок Национальной лаборатории им. Лоуренса в Беркли в соответствии с контрактом No Министерства энергетики США. ДЭ-АС02-05Ч11231.

Около Электронная наука

Электронная наука – журнал Diamond Open Access (бесплатный как для читателей, так и для авторов до 30.06.2025) сотрудничал с KeAi и издавался онлайн на ScienceDirect. Электронная наука основан Нанкайским университетом и нацелен на публикацию высококачественных академических работ по новейшим и лучшим научным и технологическим исследованиям в междисциплинарных областях, связанных с энергетикой, электрохимией, электроникой и окружающей средой. Электронная наука был проиндексирован SCIE , CAS , ДОАЖ и Scopus . Первый импакт-фактор (2023) составляет 42.9 . Основателем и главным редактором является профессор Цзюнь Чен из Нанькайского университета. Он является академиком Китайской академии наук, членом Всемирной академии наук. Электронная наука Опубликовал 22 номера, с которыми можно ознакомиться на https://www.sciencedirect.com/journal/escience.