```html
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 Outers: 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 Shengyu Tao Haizhou Liu Chongbo Sun Haocheng Ji Guanjun Ji Zhiyuan Han Runhua Gao Jun Ma Ruifei Ma Yuou Chen Shiyi Fu Yu Wang Yaojie Sun Yu Rong Xuan Zhang Guangmin Zhou Hongbin Sun Opsomming Ongeordende aftakel batterye met uiteenlopende katodemateriale belemmer die aanvaarding van direkte herwinning weens hul katode-spesifieke aard. Die toename in aftakel batterye noodsaak presiese sortering vir effektiewe direkte herwinning, maar uitdagings ontstaan uit wisselende operasionele geskiedenisse, diverse vervaardigers en data privaatheidskwessies van herwinningssamewerkers (data-eienaars). Hier wys ons, vanuit 'n unieke datastel van 130 litium-ioon batterye wat 5 katodemateriale en 7 vervaardigers dek, dat 'n federale masjienleer benadering hierdie aftakel batterye kan klassifiseer sonder om op vorige operasionele data staat te maak, en sodoende die data privaatheid van herwinningssamewerkers beskerm. Deur die kenmerke wat uit die laaste laai-ontlaai-siklus onttrek is, te benut, vertoon ons model 1% en 3% katode sortering foute onder homogene en heterogene battery herwinningsinstellings onderskeidelik, wat toegeskryf word aan ons innoverende Wasserstein-afstandstem-strategie. Ekonomies onderstreep die voorgestelde metode die waarde van presiese battery sortering vir 'n welvarende en volhoubare herwinningsindustrie. Hierdie studie kondig 'n nuwe paradigma aan van die gebruik van privaatheid-sensitiewe data uit diverse bronne, wat samewerkende en privaatheid-respekterende besluitneming vir verspreide stelsels fasiliteer. Inleiding Litium-ioon batterye (LIB's), wat dien as energieopbergings toestelle, het wydverspreide gebruik verkry oor verskeie domeine, van industriële produksie tot daaglikse lewe as 'n aanvaarde tegniese roete. Projekies dui daarop dat die globale produksieskaal van LIB's 1.3 TWh teen 2030 sal oorskry  wanneer die eskalerende vraag na batterye die beskikbaarheid van vitale metaalbronne soos litium en kobalt ver sal oorskry , . Die huidige gemiddelde lewensduur van LIB-produkte is egter 5–8 jaar, wat lei tot 'n dreigende toename in aftakel batterye in baie lande. Indien dit nie toepaslik bestuur word nie, sal aftakel batterye lei tot onvolhoubare hulpbronverkwisting en omgewingskade. Gegewe hierdie omstandighede, neem die ontwikkeling van battery herwinningstegnologie uiters belangrik aan soos ons die dreigende vloed van LIB-aftakelings konfronteer . 1 2 3 4 Onlangse vordering in battery herwinningnavorsing is gefokus op die pirometallurgiese, hidrometallurgiese en direkte herwinningsbenaderings . In teenstelling met die pirometallurgiese en hidrometallurgiese metodes, staan direkte herwinning uit as 'n onderskeibare benadering. Hierdie proses veroorsaak geen sekondêre skade aan die materiaalstruktuur nie, wat meer doeltreffende strukturele herstel en prestasie herstel moontlik maak. Boonop vertoon direkte herwinning hoër winsgewendheid, aangesien dit laer energieverbruik, verminderde kweekhuisgasvrystellings en ligter omgewingsvoetspore impliseer , . In werklike produksie kom batteryherwinners egter dikwels LIB's teë wat onbekende komponente bevat of battery modules wat bestaan uit 'n mengsel van verskillende katodemateriaal tipes. Omdat direkte herwinning sterk katode-spesifiek kan wees, maak so 'n kompleksiteit die toepassing van direkte herwinning onuitvoerbaar vir die waarde omskakeling van die aftakel batterye . Dit is noodsaaklik om te beklemtoon dat selfs al kan die vitale metale uit gemengde katodemateriaal tipes met konvensionele herwinningstrategieë onttrek word, die interaksie tussen verskillende katodemateriale tydens die herwinningsproses 'n nadelige impak op produkkwaliteit kan hê . Daarom beïnvloed die begrip van katodemateriaal tipe inligting aan die herwinningskant die keuse van die direkte herwinningsroete aansienlik en verbeter uiteindelik produkkwaliteit, winsgewendheid en volhoubaarheid. 5 6 7 8 9 Mens-gesteunde direkte herwinning is voorgestel om aftakel battery katodemateriaal tipe inligting in die voorbehandelingsskakel te identifiseer, wat steeds nie finansieel lewensvatbaar is wanneer die herwinningsindustrie opskaal nie . Om aftakel battery katode tipe inligting effektief te herwin, het die wetenskaplike en industriële gemeenskap onlangs 'n battery lewensduur opsporingstelsel  en opkomende konsepte soos battery paspoort  en battery data genoom  van stapel gestuur. Alhoewel aansienlike batterye voor hierdie inisiatiewe gebruik is, is daar 'n groeiende konsensus dat battery inligting toeganklik moet wees deur die lewensketting om tweede-lewe besluitneming te fasiliteer . Dit is veral die geval vir die battery herwinningssektor, die laaste stasie van die battery se tweede lewe, aangesien die herwinningsroete sterk katode-spesifiek kan wees. Battery lewensduur opsporingstelsels of battery paspoorte word egter moontlik gemaak deur elektroniese toestelle soos strepieskodes en nabyveld kommunikasie, wat intensiewe belegging kan inbring en wyd onverenigbaar kan wees met verskillende battery ontwerpers. Verder bly elektroniese toestelle uitdagend om konsekwent deur hul lewensduur te bestuur, wat lei tot verslete toestelle en ontoeganklikheid in die herwinningsfase, aangesien die moderne vervaardigingsproses van LIB's steeds nie produksie-tot-herwinning geïntegreer is nie . Daarom word meer deurbrake dringend benodig om doeltreffende battery katode tipe sortering slegs met maklik toeganklike veldinligting te bereik , , teenoor die historiese data wat aangeteken is of die mens-gesteunde wyse, wat die aanvaarding van direkte herwinning fasiliteer om die kwaliteit en winsgewendheid van herwonne produkte te verbeter. 1 10 11 12 13 14 15 16 In die afgelope paar jaar het masjienleer na vore gekom as 'n lewensvatbare instrument om oop vrae in alle batteryevelde aan te spreek. In ander batterye-verwante onderwerpe het masjienleer ons onlangs toegelaat om outomaties komplekse battery meganismes te ontdek , , , oorblywende nuttige lewensduur te voorspel , , , , , die gesondheidstatus te evalueer , , , die siklusprofiel te optimaliseer , , die falingsverspreiding te benader , selfs om batteryontwerp te stuur , , en lewenslange prestasie onmiddellik na vervaardiging te voorspel . In die geval van battery herwinning, min werke het masjienleer ondersoek met betrekking tot katodemateriale , , wat die skaarsheid van batterydatastelle blameer, veral vir diegene wat tot die einde van lewe-stadium gebruik is. Die oorgrote meerderheid gepubliseerde studies toon baie beperkte monstergroottes  en is selfs meer beperk in battery katode diversiteit . Die skaarsheid word toegeskryf aan die intensiewe koste, die lang toets tyd , en, die belangrikste, die data privaatheid as gevolg van kommersiële of belang egos.  Gevolglik verstewig die privaatheidskwessie die dilemma waar die bestaande batterydatastelle, hoewel aansienlik in volume en diversiteit van veelvuldige partye soos batteryvervaardigers, praktiese toepassings, akademiese instellings en derdeparty platforms, nie gedeel kan word nie. So 'n dilemma vra vir die studie van katodemateriaal sortering om die battery herwinningsroete keuse te optimaliseer op 'n samewerkende terwyl privaatheid-bewarende wyse. 17 18 19 20 21 22 23 24 19 25 26 27 28 29 30 31 32 33 34 35 36 37 37 Federale masjienleer, as 'n verspreide en privaatheid-bewarende paradigma, het die potensiaal om beide multi-party samewerking (eweredig, die batterydatavolume en diversiteit) en privaatheidskwessies op te los deur middel van samewerkende masjienleer , , . In elke opleidings iterasie, voer die verspreide data-eienaars plaaslike opleiding uit met hul plaaslike rekenkrag, enkripteer die as-opgeleide model parameters/resultate, en laai dit op na 'n sentrale koördineerder vir aggregasie. Feite dat rou datastelle nooit hul onderskeie data-eienaars verlaat nie en dat oorgedra parameters/resultate behoorlik geënkripteer is om data privaatheid te beskerm. Federale masjienleer is deeglik ondersoek in talle toepassingsvelde, insluitend openbare gesondheid , , kliniese diagnose , , , e-handel , Internet of Things , mobiele rekenaar , en slim rooster , , . Hierdie benadering kan die data-gedrewe navorsingsparadigma in wye energiesektore revolusioneer deur privaatheid-bewarende samewerking moontlik te maak, veral vir diegene met beperkte data toegang. Met betrekking tot die battery herwinningssektor, neem federale masjienleer belowende moontlikhede aan vir die benutting van die reuse hoeveelheid batterydatastelle wat reeds bestaan maar nie gedeel kan word nie weens privaatheidskwessies. Met so 'n samewerkende terwyl privaatheid-bewarende paradigma, kan aftakel battery sortering geïmplementeer word met hoë akkuraatheid, doeltreffendheid, skaalbaarheid en generalisasie, wat die kwaliteit en winsgewendheid van herwonne produkte optimaliseer. Na ons wete, is federale masjienleer studies gefokus op battery herwinning nog nooit gerapporteer nie. 38 39 40 41 42 43 44 45 46 47 48 49 50 51 In hierdie studie voer ons 'n katodemateriaal sortering van die aftakel batterye uit, deur gebruik te maak van die bestaande batterydatastelle van veelvuldige samewerkers, soos batteryvervaardigers, praktiese toepassing operateurs, akademiese navorsingsinstellings en derdeparty platforms, op 'n samewerkende terwyl privaatheid-bewarende masjienleer wyse soos geïllustreer in Fig. 1. Ons federale masjienleer model is opgelei met slegs een siklus van veldtoets data via 'n gestandaardiseerde kenmerk onttrekking proses, sonder enige vooraf kennis van die historiese operasionele toestande. Ons vergelyk die voorspellende krag van ons federale masjienleer model met dié van onafhanklik geleerde plaaslike modelle gebaseer op plaaslike data onder beide homogene en heterogene battery herwinningsomstandighede. Die heterogeniteitskwessie word opgelos deur ons voorgestelde Wasserstein-afstandstem-strategie. 'n Ekonomiese evaluasie van aftakel battery herwinning met behulp van ons voorgestelde federale masjienleer raamwerk word uitgevoer, wat die relevansie en noodsaaklikheid van akkurate sortering van aftakel batterye uitlig. Ons bespreek omvattend die model interpreteerbaarheid, battery herwinning implikasies, en breër vooruitsigte van die toekomstige battery herwinningspraktyk geïntegreer met federale masjienleer.    Veelvuldige databronne, soos batteryvervaardigers (Beeld met dank aan Addionics), praktiese toepassing operateurs (battery pak in die vloerpan van 'n Tesla. Beeld met dank aan Tesla), akademiese navorsingsinstellings, en derdeparty platforms, kan data bydraers wees. Die batterydatastelle word nóg tussen bydraers uitgeruil nóg na die batteryherwinner opgelaai. In plaas daarvan, lei die data-draers plaaslike modelle op en deel model parameters met die batteryherwinner om 'n globale model te bou. Die voorgestelde Wasserstein-afstandstem-tegniek smelt die plaaslike modelle saam in die globale model, wat robuus is teen data wanbalans en geraas. Batteryherwinners kan die gesamentlik-geboude model gebruik vir battery sortering, gekombineer met die maklik-toeganklike veldtoets data.   Ons federale masjienleer raamwerk moedig samewerkers aan om data te deel terwyl data privaatheid bewaar word, in teenstelling met die tradisionele data eiland-paradigma. a b Resultate Dataversameling en standaardisering Die unieke battery kinetika in verskillende batterye tipes is dikwels hoog-dimensioneel en moeilik om te karakteriseer as gevolg van divergente operasionele gevalle, vervaardigingsvariabiliteit, en historiese gebruike . Om 'n oplossing vir hierdie dilemma te vind, het ons 130 aftakel batterye versamel en gestandaardiseer met 5 katodemateriaal tipes van 7 vervaardigers om 'n buite-verspreidings, eweredig heterogene datastel op te bou. Gegewe verskillende historiese gebruike, is die kapasiteite van die versamelde batterye onder 90% van die nominale kapasiteit. Die battery katodemateriale is litium kobalt oksied (LCO), nikkel mangaan kobalt (NMC), litium ferrofosfaat (LFP), nikkel-kobalt-aluminium oksied (NCA), en NMC-LCO gemengde tipes, wat verder gegroepeer word in 9 klasse gebaseer op die vervaardigers (Aanvullende Tabel 1). 52 Ons sluit opsetlik batterye met divergente historiese gebruike in, van laboratorium toetsing tot elektriese voertuig bestuurprofiele, om 'n veralgemeende model vir die batteryherwinner op te lei, onafhanklik van historiese gebruike en batterye tipes. Vir standaardisering vereis al die data van die herwinner die tans ondersoekte (veldtoets) siklus met een laai en ontlaai toets, wat maklik is om in praktiese gevalle te implementeer. Die as-ondersoekte data word eers ontruis deur ontbrekende waardes in te vul, uitskieters te vervang, en mediaan filtering uit te voer. Mens-induced en katode-heterogeniteit-induced geraas word doelbewus behou om die model robuus te maak teen onvolmaakte insette. Die data word dan lineêr geïnterpoleer vir kurwe invulling (Aanvullende Fig. 1) en kenmerk-ontwerp vir dimensionaliteitsvermindering, met 'n gedeelde stel standaardiserings parameters (Aanvullende Nota 1). Kenmerke onttrek uit die standaardiserings pipeline is goed interpreteerbaar, 'n kwessie van belangrike kommersiële belang. Na ons wete, is dit die eerste keer dat heterogene batterydatastelle van veelvuldige bronne en historiese gebruike gebruik word om die strategie-ontwerp van battery herwinning te ondersteun. Figure 2a, 2b demonstreer die kenmerk-ontwerp proses. Ons fokus op die laai en ontlaai kurwe van die aftakel batterye in die laaste siklus, d.w.s., een laai en een ontlaai siklus (Aanvullende Figure 2–5). In die laai siklus, word 15 kenmerke onttrek uit die spanning-kapasiteit en dQ/dV kurwes, waar V en Q verwys na die spanning en kapasiteit waardes onderskeidelik. Dieselfde stel kenmerke word onttrek vir die ontlaai siklus. Gevolglik word 30 kenmerke altesaam onttrek, soos aangedui van F1 tot F30. Verwys na Aanvullende Tabel 2 en Aanvullende Nota 2 vir 'n gedetailleerde verduideliking van die kenmerke. Figuur 2c toon die absolute en relatiewe kenmerk waardes van die geselekteerde batterye van elke klas. Die meeste relatiewe kenmerk waardes in verskillende klasse oorvleuel in die −1 tot 0 area (met die liggroen kleur) en is onderskeibaar, wat die moeilikheid illustreer om battery tipe te klassifiseer met een siklus van batterydata. Die moeilikheid word verwag omdat die divergente historiese operasie toestande die laai-ontlaai kinetika van die batterye kan beïnvloed sodat die onttrek kenmerke grootliks gekorreleer kan wees, ten spyte van die verskillende batterye tipes (Aanvullende Fig. 6). Eerder as om die onttrek kenmerke direk met kundige kennis te interpreteer, gebruik ons 'n alternatiewe data-gedrewe benadering wat outomaties die latente patrone oor verskeie batterye tipes benut.    Vir die laai proses, word 15 kenmerke onttrek uit die spanning-kapasiteit (links) en dQ/dV kurwe (regs).   Dieselfde stel kenmerke is vir die ontlaai proses as F16 tot F30.   Kenmerke word gevisualiseer per klas, wat die formaat CxBn volg, wat die n-de battery van klas x aandui. Die grootte van 'n sirkel beeld die absolute kenmerk waarde uit. Bron data word verskaf as 'n Bron Data lêer. a b c Aftakel battery sortering met homogene data toegang Ons oorweeg eers 'n instelling waar die batterydatastelle homogeen versprei is oor die samewerkers (naamlik, die kliënte). Die homogeniteit beteken dat elke kliënt aanbied om die batterydatastelle oor al 9 klasse te deel, alhoewel die spesifieke aantal batterye nie beperk is nie (Aanvullende Tabel 3). Ons lei ons federale masjienleer model op sonder om inligting oor die historiese gebruik van die aftakel batterye te benodig. In ons werk, die herwinnings agent en die kliënte moet slegs die aftakel batterye toets in die huidige (veldtoets) siklus, spesifiek, met 'n volledige laai-ontlaai siklus vir 'n standaard kenmerk-ontwerp proses geïnisieer deur die herwinnings agent. Plaaslike modelle word opgelei gebaseer op kenmerke onttrek uit hul private batterydatastelle. Die federale masjienleer raamwerk aggregeer die plaaslike model parameters, eerder as die private batterydatastelle, vir die herwinnings agent om die aftakel batterye te klassifiseer. Figuur 3 toon die sortering resultate wanneer kliënte homogene batterydatastelle bydra. Figuur 3a vergelyk twee federale masjienleer metodes, d.w.s., die meerderheidstemming (MV) en ons voorgestelde Wasserstein afstandstem (WDV), met die onafhanklike leer (IL) paradigma. Dit moet opgemerk word dat die akkuraatheid vir die IL gemiddeld is oor alle kliënte op 'n nie-federale wyse. Vergeleke met die IL, offer die MV geen sortering prestasie op nie, met 'n gemiddelde akkuraatheid van 95%, terwyl dit in staat is om data privaatheid te beskerm en berekeningslas te verminder. Ederwegens 3 klasse is mis-gesorteer met die MV. Byvoorbeeld, 3 batterye in NMC (SNL, klas 8, 15 in totaal) is mis-gesorteer na NCA (SNL, klas 7), wat lei tot 'n sortering akkuraatheid van 80%. Die sortering akkuraatheid vir NCA (UL-PUR, klas 9) is 81%, met 2 batterye mis-gesorteer na NMC (MICH_Form, klas 4) en 1 battery mis-gesorteer na NMC/LCO gemengde tipe (HNEI, klas 2), onderskeidelik. In kontras, die WDV presteer beter as die MV aangesien dit slegs een battery mis-gesorteer het, wat lei tot 'n sortering akkuraatheid van 99%. Ons evalueer ook die voorspelling waarskynlikheid van elke klas vir die MV en WDV onderskeidelik. Dit blyk dat die WDV 'n meer selfversekerde sortering maak as die MV, aangesien die voorspelling waarskynlikhede van die WDV oor die algemeen regs-skeef is na 'n hoër waarskynlikheid waarde. Daarom lewer ons voorgestelde WDV hoër sortering akkuraathede oor alle klasse, en die sortering is van rykker waarskynlikheid selfvertroue marges.    Die verwarringsmatriks vir die meerderheidstemming (MV) en Wasserstein afstandstem (WDV) metodes onderskeidelik. Ons oorweeg die voorspelling waarskynlikheid verspreiding vir elke klas. Die sortering van onafhanklike leer (IL) word aangeteken.   Sortering akkuraatheid verspreiding en privaatheid begroting (PB) van die IL, MV, en WDV in die teenwoordigheid van ewekansige geraas. Die PB-waarde word verwys na 'n 90% akkuraatheid vlak.   Gemiddelde F1-telling van sortering resultate en PB's in elke klas met behulp van die IL, MV, en WDV. Die PB-waardes word almal verwys na 'n 0.9 F1-telling vlak. Data word aangebied as gemiddelde waardes ±1 standaard afwyking.   Kenmerk belangrik a b c d

Part of HackerNoon's growing list of open-source research papers, promoting free access to academic material.

Hierdie oudio word in die oorspronklike taal van die storie vervaardig!

Hierdie Privaatheid-veilige KI kan Batteryafval in Groot Wins omskakel

About Author

KOMMENTAAR

HANG TAGS

HIERDIE ARTIKEL IS AANGEBIED IN

Related Stories

How to Vote in the HackerNoon 2021 Noonies Awards #Noonies2021

"Walk Down the Road of Life Without Fearing Anything" Max Azarov, CEO and Co-Founder, Novakid

Hurry! One Month Left to Win from $5000 in the Web3 Development Writing Contest

The #decentralize-ai Writing Contest by ICP and HackerNoon: Results Announcement 🎉

How to Vote in the HackerNoon 2021 Noonies Awards #Noonies2021

"Walk Down the Road of Life Without Fearing Anything" Max Azarov, CEO and Co-Founder, Novakid

Hurry! One Month Left to Win from $5000 in the Web3 Development Writing Contest

The #decentralize-ai Writing Contest by ICP and HackerNoon: Results Announcement 🎉

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps