首頁資訊僅需少量數(shù)據(jù)，機(jī)器學(xué)習(xí)模型可準(zhǔn)確識(shí)別電池健康狀況｜機(jī)器之心

僅需少量數(shù)據(jù)，機(jī)器學(xué)習(xí)模型可準(zhǔn)確識(shí)別電池健康狀況｜機(jī)器之心

來源：泰然健康網(wǎng) 時(shí)間：2025年05月20日 16:51

編輯 | 白菜葉

電池在其整個(gè)生命周期內(nèi)的實(shí)時(shí)板載狀態(tài)監(jiān)測(cè)和估計(jì)，對(duì)于電池供電設(shè)備的安全和持久運(yùn)行是必不可少的。

卡內(nèi)基梅隆大學(xué)（Carnegie Mellon University）和德克薩斯大學(xué)奧斯汀分校（The University of Texas at Austin）的研究人員，開發(fā)了一種利用短時(shí)間內(nèi)收集的有限輸入信息來預(yù)測(cè)整個(gè)恒流循環(huán)曲線的方法。

該團(tuán)隊(duì)總共收集了 10 066 條 LiNiO2 基電池在恒定倍率下的充電曲線。通過特征提取步驟和多元線性回歸步驟的結(jié)合，該方法可以僅使用10%的充電曲線作為輸入信息來準(zhǔn)確預(yù)測(cè)整個(gè)電池充電曲線，誤差<2%。該方法為實(shí)際應(yīng)用中電池的快速車載健康狀態(tài)監(jiān)測(cè)評(píng)估鋪平了道路。

該研究以「Battery Charge Curve Prediction via Feature Extraction and Supervised Machine Learning」為題，于 2023 年 7 月 2 日發(fā)布在《Advanced Science》。

鋰離子電池（LIB）正在成為占主導(dǎo)地位的可充電電池，并廣泛用于便攜式電子設(shè)備和電動(dòng)汽車（EV）。連接數(shù)百甚至數(shù)千個(gè)鋰離子電池，為電動(dòng)汽車提供充足的能量。

例如，特斯拉 Model 3 的標(biāo)準(zhǔn)續(xù)航版本搭載 2,976 個(gè)鋰離子電池，排列為 96 組，每組 31 節(jié)電池，長續(xù)航版本則包含 4,416 個(gè)鋰離子電池，排列為 96 組，每組 46 節(jié)電池。一顆電池的故障可能會(huì)迅速傳播到整個(gè)電池組，從而引發(fā)電池系統(tǒng)故障，并可能導(dǎo)致冒煙、起火、爆炸等安全問題。

因此，需要準(zhǔn)確監(jiān)測(cè)電池的荷電狀態(tài)（SOC）和剩余能量等狀態(tài)以及健康狀況等狀態(tài)，以確保其可靠、安全使用。

來自卡內(nèi)基梅隆大學(xué)和德克薩斯大學(xué)奧斯汀分校的研究團(tuán)隊(duì)設(shè)計(jì)了一種電池管理系統(tǒng)，可以對(duì)電池健康狀況進(jìn)行關(guān)鍵診斷。該模型著眼于兩個(gè)關(guān)鍵的診斷：充電狀態(tài)和健康狀態(tài)。

從短期來看，查看充電狀態(tài)可以讓駕駛員知道他們是否有足夠的電量到達(dá)目的地，而從長遠(yuǎn)來看，電池健康數(shù)據(jù)可以根據(jù)電池相對(duì)于新電池時(shí)的充電能力來確定是否需要更換電池。

圖示：根據(jù)充電曲線的一部分預(yù)測(cè)電池的整個(gè)充電曲線的工作流程。（來源：論文）

卡內(nèi)基梅隆大學(xué)機(jī)械工程副教授 Reeja Jayan 解釋說，雖然電池管理系統(tǒng)已經(jīng)存在于大多數(shù)電動(dòng)汽車中，但有一些品質(zhì)使這款新車型脫穎而出。

「我們有一個(gè)數(shù)據(jù)庫，其中包含約 11,000 條通過實(shí)驗(yàn)收集的特定電池陰極化學(xué)物質(zhì)的充電曲線?！笿ayan 說，「我們用它們來訓(xùn)練機(jī)器學(xué)習(xí)模型，以使用稀疏數(shù)據(jù)輸入來預(yù)測(cè)完整的充電曲線?！?/p>

這項(xiàng)研究的獨(dú)特性和實(shí)用性在于，這種基于機(jī)器學(xué)習(xí)的電池管理系統(tǒng)只需要最少的數(shù)據(jù)——僅電池充電曲線的 5%——并產(chǎn)生誤差率為 2% 的充電預(yù)測(cè)。數(shù)據(jù)收集本身也簡單得多，只需要大約 15 分鐘的充電時(shí)間即可計(jì)算曲線并確定電池健康狀況。

圖示：使用無監(jiān)督學(xué)習(xí)算法提取和重建電池充電曲線特征。（來源：論文）

這些信息甚至可以增量收集，因此即使充電中斷，也不會(huì)破壞正在進(jìn)行的分析。該模型具有如此令人印象深刻的準(zhǔn)確率，可用于對(duì)完全不同的陰極化學(xué)進(jìn)行預(yù)測(cè)。更新版本將減少數(shù)據(jù)驅(qū)動(dòng)，而是將物理組件納入電池充電曲線的計(jì)算中。

雖然實(shí)驗(yàn)室收集的數(shù)據(jù)集對(duì)于訓(xùn)練原始機(jī)器學(xué)習(xí)模型進(jìn)行預(yù)測(cè)很有用，但該來源也有局限性，因?yàn)樗鼰o法幫助研究人員查明導(dǎo)致電池故障的具體因素。

「我們?cè)谘芯恐惺褂玫某潆娗€是在室溫下以恒定的充電速率收集的?！笿ayan 說，「但充電電流和溫度在現(xiàn)實(shí)世界的電池應(yīng)用中變化很大。收集和使用真實(shí)數(shù)據(jù)作為機(jī)器學(xué)習(xí)模型的輸入將是改進(jìn)模型的重要的下一步?！?/p>

使用環(huán)境因素來計(jì)算電池的充電和最終放電曲線，將超出人類所能產(chǎn)生的復(fù)雜程度。研究人員比較了人類專家和機(jī)器學(xué)習(xí)算法量化電池老化機(jī)制的能力。其中無監(jiān)督學(xué)習(xí)算法在捕獲量化電池老化機(jī)制所需的特征方面表現(xiàn)更好。與之前的研究只能以一個(gè)連續(xù)的電荷曲線段作為輸入不同，該方法可以以多個(gè)獨(dú)立的段作為輸入，這將大大增加該方法的實(shí)際適用性。

「它使用無監(jiān)督峰值識(shí)別算法來識(shí)別電池充電曲線中的特定特征?！笿ayan 說，「神經(jīng)網(wǎng)絡(luò)模型更進(jìn)一步，了解為什么電池充電曲線的形狀可能會(huì)發(fā)生變化——例如，如果一個(gè)顆粒破裂。曲線形狀和各種電池退化機(jī)制之間的這種相關(guān)性對(duì)于預(yù)測(cè)未來電池的性能和安全性至關(guān)重要?！?/p>

該團(tuán)隊(duì)的系統(tǒng)不僅具有解釋性和預(yù)測(cè)性，而且還可以轉(zhuǎn)移到由不同陰極化學(xué)物質(zhì)制成的電池上。雖然 LiCoO2 電池幾十年來一直是黃金標(biāo)準(zhǔn)，但它也可能很昂貴。越來越多的制造商開始生產(chǎn)由其他材料制成的電池，因此擁有一個(gè)適用于它們的系統(tǒng)是有意義的。

該模型首先在 LiNiO2 陰極上進(jìn)行測(cè)試，然后成功轉(zhuǎn)移到 LiCoO2 陰極上。對(duì)于 LiNiO2 電池，該模型僅使用 10% 的曲線作為輸入，即可實(shí)現(xiàn)整個(gè)充電曲線 2% 的預(yù)測(cè)誤差；對(duì)于基于 LiCoO2 的電池，該模型僅使用 5% 的曲線作為輸入，即可實(shí)現(xiàn)相同的精度。

在處理新興電池材料時(shí)，準(zhǔn)確評(píng)估電池健康狀況對(duì)于緩解安全問題也很重要，因?yàn)樗鼈兊膲勖湍陀眯陨形吹玫饺绱藦V泛的研究，但它們可能會(huì)被依賴來適應(yīng)越來越多的車輛。

該研究領(lǐng)域未來最有用的資源之一是從路上行駛的電動(dòng)汽車電池中獲取的數(shù)據(jù)。使用真實(shí)世界的數(shù)據(jù)和復(fù)雜的神經(jīng)網(wǎng)絡(luò)將使電池管理系統(tǒng)能夠以更高的精度進(jìn)行充電和放電預(yù)測(cè)，隨著電動(dòng)汽車變得越來越普遍，這將對(duì)電動(dòng)汽車的維護(hù)方式產(chǎn)生連鎖反應(yīng)。

論文鏈接：https://onlinelibrary.wiley.com/doi/10.1002/advs.202301737

相關(guān)報(bào)道：https://techxplore.com/news/2023-08-portable-power-machine-battery-health.html

網(wǎng)址: 僅需少量數(shù)據(jù)，機(jī)器學(xué)習(xí)模型可準(zhǔn)確識(shí)別電池健康狀況｜機(jī)器之心 http://m.u1s5d6.cn/newsview1293390.html