AI技術可以預測釩液流電池的性能和成本

釩液流電池(VFB)具有安全性高，循環壽命長和效率高等優點，有望用于固定式大規模儲能。VFB系統的成本主要取決于VFB電池組，電解質和控制系統。從關鍵材料到電池架構，由于復雜的因素，從實驗室到工業規模的VFB堆棧開發都可能需要進行多年的實驗。

為了加速VFB的商業化，需要新穎的方法來準確地預測VFB堆棧和其他系統的性能和成本。

最近，由中國科學院大連化學物理研究所(DICP)的李憲峰教授領導的研究小組提出了一種基于機器學習的策略，以預測和優化VFB的性能和成本。

李教授說：“我們使用AI技術來提高效率，減少研究時間，并為VFB的研發提供重要指導。” “這可能會加速VFB的商業化。”

這項工作于9月22日發表在《能源與環境科學》上。

所提出的策略以工作電流密度為主要特征，而堆疊的材料和結構為輔助特征。

該機器學習模型可以高精度地預測VFB堆的電壓效率，能量效率和電解質利用率，以及VFB系統的功率和能量成本。

此外，基于機器學習的模型系數，提出了VFB電池組的未來研發方向，即在更高電壓效率和更高電解質利用率的條件下開發高功率密度VFB電池組。

這項工作不僅對VFB堆棧的研發具有重要意義，而且還突出了將機器學習與實驗相結合以優化和預測復雜系統的動態行為的前景。