機器學習算法預測如何充分利用電動汽車電池

研究人員開發了一種機器學習算法，可以通過預測不同的駕駛模式如何影響電池性能、提高安全性和可靠性來幫助減少電動汽車的充電時間并延長電池壽命。

來自劍橋大學的研究人員表示，他們的算法可以幫助駕駛員、制造商和企業通過建議路線和駕駛模式來最大限度地減少電池退化和充電時間，從而充分利用為電動汽車提供動力的電池。

該團隊開發了一種非侵入式方法來探測電池并全面了解電池健康狀況。然后將這些結果輸入機器學習算法，該算法可以預測不同的駕駛模式將如何影響電池的未來健康狀況。

例如，如果商業化開發，該算法可用于推薦在不降低電池性能的情況下讓司機在最短的時間內從一個點到另一個點的路線，或者推薦在不降低電池性能的情況下以最快的方式為電池充電。結果發表在《自然通訊》雜志上。

電池的健康狀況，無論是在智能手機還是汽車中，都遠比屏幕上的單個數字復雜得多。來自劍橋卡文迪什實驗室的第一作者PenelopeJones說：“電池健康，就像人類健康一樣，是一個多維的東西，它可以以許多不同的方式退化。”“大多數監測電池健康狀況的方法都假設電池始終以相同的方式使用。但這不是我們在現實生活中使用電池的方式。如果我在手機上播放電視節目，它會耗盡電池電量比我用它來發信息要快得多。電動汽車也是如此——你的駕駛方式會影響電池的退化方式。”

“我們大多數人都會在電池退化到無法使用之前更換手機，但對于汽車來說，電池需要使用五年、十年或更長時間，”領導這項研究的AlphaLee博士說。“隨著時間的推移，電池容量可能會發生巨大變化，因此我們想提出一種更好的方法來檢查電池的健康狀況。”

研究人員開發了一種非侵入性探針，可將高維電脈沖發送到電池中并測量響應，從而提供一系列電池健康狀況的“生物標志物”。這種方法對電池很溫和，不會導致電池進一步退化。

來自電池的電信號被轉換成對電池狀態的描述，然后輸入到機器學習算法中。該算法能夠預測電池在下一個充放電循環中的響應方式，具體取決于電池充電的速度以及汽車下次上路時的行駛速度。對88塊商用電池的測試表明，該算法不需要任何有關電池先前使用情況的信息即可做出準確的預測。

該實驗的重點是鈷酸鋰(LCO)電池，該電池廣泛用于可充電電池，但該方法適用于當今電動汽車中使用的不同類型的電池化學成分。

“這種方法可以在供應鏈的許多環節釋放價值，無論你是制造商、最終用戶還是回收商，因為它使我們能夠捕捉到電池的健康狀況，而不僅僅是一個數字，而且因為它具有預測性”李說。“它可以減少開發新型電池所需的時間，因為我們將能夠預測它們在不同的操作條件下將如何退化。”

研究人員表示，除了制造商和司機之外，他們的方法可能對運營大型電動汽車車隊的企業有用，例如物流公司。“我們開發的框架可以幫助公司優化他們使用車輛的方式，以提高車隊的整體電池壽命，”李說。“像這樣的框架有很大的潛力。”

“這是一個令人興奮的框架，因為它可以解決當今電池領域的許多挑戰，”瓊斯說。“現在是參與電池研究領域的好時機，這對于通過擺脫化石燃料來幫助應對氣候變化非常重要。”

研究人員現在正與電池制造商合作，加速開發更安全、更持久的下一代電池。他們還在探索如何使用他們的框架來開發最佳的快速充電協議，以減少電動汽車充電時間而不會導致性能下降。