
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 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 Onsorterde gebruikte batterye met uiteenlopende katodemateriale belemmer die aanvaarding van direkte herwinning weens hul katode-spesifieke aard. Die toename in gebruikte batterye noodsaak presiese sortering vir effektiewe direkte herwinning, maar uitdagings ontstaan uit uiteenlopende operasionele geskiedenisse, diverse vervaardigers, en databeskermingsbesorgdhede van herwinningssamewerkers (data-eienaars). Hier wys ons, vanuit 'n unieke datastel van 130 litium-ioonbatterye wat 5 katodemateriale en 7 vervaardigers strek, dat 'n federatiewe masjienleer benadering hierdie gebruikte batterye kan klassifiseer sonder om op vorige operasionele data staat te maak, terwyl die databeskerming van samewerkingsvennote beskerm word. Deur gebruik te maak van die kenmerke wat uit die laai-ontladingsiklus aan die einde van sy lewensduur onttrek is, vertoon ons model 1% en 3% katodesorteringsfoute onder homogene en heterogene batteryherwinningsinstellings onderskeidelik, wat toegeskryf word aan ons innoverende Wasserstein-afstandsstemstrategie. Ekonomies onderstreep die voorgestelde metode die waarde van presiese batterysortering vir 'n voorspoedige en volhoubare herwinningsbedryf. Hierdie studie lui 'n nuwe paradigma van die gebruik van privaatheid-sensitiewe data uit diverse bronne in, wat samewerkende en privaatheid-respekterende besluitneming vir verspreide stelsels fasiliteer. Inleiding Litium-ioonbatterye (LIBs), wat as energieopbergingsapparate dien, het wydverspreide gebruik verkry oor verskeie domeine, van industriële produksie tot daaglikse lewe as 'n aanvaarde tegniese roete. Projeksies dui daarop dat die wêreldwye produksieskaal van LIBs 1.3 TWh teen 2030 sal oorskry  wanneer die toenemende vraag na batterye die beskikbaarheid van vitale metaalbronne soos litium en kobalt ver sal oorskry , . Die huidige gemiddelde lewensduur van LIB-produkte staan egter op 5–8 jaar, wat lei tot 'n dreigende styging in gebruikte batterye in baie lande. Indien dit nie reg bestuur word nie, sal gebruikte batterye lei tot onvolhoubare hulpbronverkwisting en omgewingskade. Gegewe hierdie omstandighede, word die ontwikkeling van batteryherwinningstegnologie van kardinale belang soos ons die dreigende gety van LIB-terugtrekkings konfronteer . 1 2 3 4 Onlangse vordering in batteryherwinningsnavorsing het 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 beskadig nie die materiaalstruktuur sekondêr nie, wat meer doeltreffende strukturele herstel en prestasieherstel moontlik maak. Boonop vertoon direkte herwinning hoër winsgewendheid, aangesien dit laer energieverbruik, verminderde kweekhuisgasvrystellings en ligter omgewingsimpakte behels , . In werklike produksie kom batteryherwinners egter dikwels LIB's teë wat onbekende komponente bevat of battery modules wat bestaan uit 'n mengsel van verskillende katodemateriaaltipes. Aangesien direkte herwinning sterk katode-spesifiek kan wees, maak so 'n kompleksiteit die toepassing van direkte herwinning onuitvoerbaar vir die bereiking van waardekonversie van die gebruikte batterye . Dit is noodsaaklik om te benadruk dat, selfs al kan die vitale metale uit gemengde katodemateriaaltipes met konvensionele herwinningstrategieë onttrek word, die wisselwerking 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 katodemateriaal tipe inligting van gebruikte batterye in die voorbehandelingskakel te identifiseer, wat nog steeds nie finansieel lewensvatbaar is wanneer die herwinningsbedryf opskaal nie . Om die katode-tipe inligting van gebruikte batterye effektief te herwin, het die wetenskaplike en industriële gemeenskap onlangs 'n batterylewensduur-nasporingstelsel  en opkomende konsepte soos battery paspoort  en battery data genoom  begin. Alhoewel aansienlike batterye voor hierdie inisiatiewe gebruik is, is daar 'n groeiende konsensus dat batteryinligting toeganklik moet wees deur die leeftyd om tweede-lewe besluitneming te fasiliteer . Dit is veral die geval vir die batteryherwinningssektor, die laaste stasie van die battery se tweede lewe, aangesien die herwinningsroete sterk katode-spesifiek kan wees. Nietemin, batterylewensduur-nasporingstelsels of battery paspoorte word moontlik gemaak deur elektroniese toestelle soos strepieskodes en nabyvelkommunikasie, wat intensiewe investering kan inbring en wyd versoenbaar kan wees met verskillende batteryontwerpers. Verder bly elektroniese toestelle uitdagend om konsekwent gedurende hul leeftyd te bestuur, wat lei tot verslete toestelle en ontoeganklikheid in die herwinningsfase, aangesien die moderne vervaardigingsproses van LIB's nog nie geïntegreer is van produksie tot herwinning nie . Daarom word meer deurbrake dringend benodig om 'n doeltreffende batterykatoortipe sortering slegs met maklik toeganklike veldinligting te bereik , , in teenstelling met die historiese data wat aangeteken is of die mens-gesteunde manier, 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 hulpmiddel om oop vrae in alle batteryevelde aan te spreek. In ander batteryverwante onderwerpe het masjienleer ons onlangs toegelaat om komplekse battery meganismes outomaties te ontdek , , , oorblywende nuttige lewensduur te voorspel , , , , , die gesondheidstatus te evalueer , , , die siklusprofiel te optimaliseer , , die mislukking verspreiding te voorspel , selfs om die batteryontwerp te lei , , en lewenslange prestasie onmiddellik na vervaardiging te voorspel . In die geval van batteryherwinning het min werke masjienleer ondersoek met betrekking tot katodemateriale , , wat die skaarsheid van batterydata blameer, veral vir dié wat tot aan die einde van hul lewensduur gebruik is. Die oorgrote meerderheid gepubliseerde studies toon baie beperkte steekproefgroottes  en is selfs meer beperk in batterykatoom diversiteit . Die skaarste word toegeskryf aan die intensiewe koste, die lang toets tyd , en, belangriker nog, die databeskerming as gevolg van kommersiële of belangrikebesorgdhede. Gevolglik verstewig die privaatheidskwessie die dilemma waar die bestaande batterydata, 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 bestudering van die katodemateriaal sortering om die batteryherwinningsroete keuse te optimaliseer in 'n samewerkende terwyl privaatheid-bewarende mode. 17 18 19 20 21 22 23 24 19 25 26 27 28 29 30 31 32 33 34 35 36 37 Federatiewe masjienleer, as 'n verspreide en privaatheid-bewarende paradigma, het die potensiaal om beide multi-party samewerking (ekwivalent, 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 opgeleide modelparameters/resultate, en laai dit op na 'n sentrale koördineerder vir aggregasie. Feite dat rou datasets nooit hul onderskeie data-eienaars verlaat nie en dat oorgedra parameters/resultate behoorlik geïnkripteer is om databeskerming te beskerm. Federatiewe masjienleer is wyd ondersoek in talle toepassingsvelde, insluitend openbare gesondheid , , kliniese diagnose , , , e-handel , Internet van Dinge , mobiele rekenaars , en slimnet , , . 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 batteryherwinningssektor, neem federatiewe masjienleer belowende moontlikhede aan om die reuse hoeveelheid batterydata te benut wat reeds bestaan, maar nie gedeel kan word nie weens privaatheidskwessies. Met so 'n samewerkende terwyl privaatheid-bewarende paradigma, kan gebruikte batterysortering met hoë akkuraatheid, doeltreffendheid, skaalbaarheid en generalisering geïmplementeer word, wat die kwaliteit en winsgewendheid van herwonne produkte optimaliseer. Voor sover ons weet, is federatiewe masjienleerstudies wat op batteryherwinning gefokus is, 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 gebruikte batterye uit, deur gebruik te maak van die bestaande batterydata van veelvuldige samewerkers, soos batteryvervaardigers, praktiese toepassingsoperateurs, akademiese navorsingsinstellings en derdeparty-platforms, in 'n samewerkende terwyl privaatheid-bewarende masjienleer modus soos geïllustreer in Fig.  . Ons federatiewe masjienleer model is opgelei met slegs een siklus van veld toetsdata via 'n gestandaardiseerde kenmerk-onttrekking proses, sonder enige vooraf kennis van die historiese operasionele toestande. Ons vergelyk die voorspellende krag van ons federatiewe masjienleer model met dié van onafhanklik geleerde plaaslike modelle gebaseer op plaaslike data onder beide homogene en heterogene batteryherwinningsomstandighede. Die heterogeniteitskwessie word opgelos deur ons voorgestelde Wasserstein-afstandsstemstrategie. 'n Ekonomiese evaluasie van gebruikte batteryherwinning met behulle van ons voorgestelde federatiewe masjienleer raamwerk word uitgevoer, wat die relevansie en noodsaaklikheid van akkurate sortering van gebruikte batterye uitlig. Ons bespreek die model interpretasie, batteryherwinningsimplikasies, en breër vooruitsigte van die toekomstige batteryherwinningspraktyk geïntegreer met federatiewe masjienleer. 1    Veelvuldige databronne, soos batteryvervaardigers (Beeldkrediet Addionics), praktiese toepassingsoperateurs (battery pak in die vloerpan van 'n Tesla. Beeldkrediet van Tesla), akademiese navorsingsinstellings en derdeparty-platforms, kan data bydraers wees. Die batterydata word nóg tussen bydraers uitgeruil nóg na die battery herwinningspersoon opgelaai. In plaas daarvan, die data bydraers lei plaaslike modelle op en deel model parameters met die battery herwinningspersoon om 'n globale model te bou. Die voorgestelde Wasserstein-afstandsstemtegniek saamsmelt die plaaslike modelle in die globale model, wat robuus is teen data wanbalans en geraas. Battery herwinningspersone kan die gesamentlik-geboude model gebruik vir batterysortering, gekombineer met die maklik-toeganklike veld toetsdata.   Ons federatiewe masjienleer raamwerk moedig samewerkers aan om data te deel terwyl databeskerming bewaar word, anders as die tradisionele data-eiland paradigama. a b Resultate Data versameling en standaardisasie Die unieke battery kinetika in verskillende batterytipes is dikwels hoë-dimensioneel en moeilik om te karakteriseer weens afwykende operasionele gevalle, vervaardigingsvariabiliteit, en historiese gebruike . Om 'n oplossing vir hierdie dilemma te vind, het ons 130 gebruikte batterye versamel en gestandaardiseer met 5 katodemateriaaltipes van 7 vervaardigers om 'n uit-van-verspreidings, ekwivalent heterogene datastel te konstruer. Gegewe verskillende historiese gebruike, is die kapasiteite van die versamelde batterye onder 90% van die nominale kapasiteit. Die battery katodemateriale is litium kobaltoksied (LCO), nikkel mangaan kobalt (NMC), litium ferro fosfaat (LFP), nikkel-kobalt-aluminiumoksied (NCA), en NMC-LCO gemengde tipes, wat verder gegroepeer word in 9 klasse gebaseer op die vervaardigers (aanvullende tabel  ). Ons sluit opsetlik batterye in met afwykende historiese gebruike, van laboratorium toetsing tot elektriese voertuig ry profiele, om 'n veralgemeende model op te lei vir die battery herwinningspersoon, onafhanklik van historiese gebruike en batterytipes. 52 1 Vir standaardisasie, al die data wat van die herwinningspersoon benodig word, is die huidige (veld-toetsing) siklus met een laai- en ontlaaitoets, wat maklik is om in praktiese gevalle te implementeer. Die data wat ondersoek is, word eers ontrafel deur ontbrekende waardes in te vul, uitskieters te vervang, en mediaanfiltering toe te pas. Mens-geïnduseerde en katode-heterogeniteit-geïnduseerde geraas word egter opsetlik behou om die model robuus te maak teen onvolmaakte insette. Die data word dan lineêr geïnterpoleer vir kurwe vul (aanvullende figuur  ) en kenmerk-ontwerp vir dimensionaliteitsvermindering, met 'n gedeelde stel standaardisasieparameters (aanvullende noot  ). Kenmerke onttrek uit die standaardisasie pyplyn is goed interpreteerbaar, 'n bekommernis van aansienlike kommersiële belang. Sover ons weet, is dit die eerste keer dat heterogene batterydata van veelvuldige bronne en historiese gebruike gebruik word om die strategie-ontwerp van batteryherwinning te ondersteun. 1 1 Figuur  a,    demonstreer die kenmerk-ontwerp proses. Ons fokus op die laai en ontlaai kurwe van die gebruikte batterye in die laaste siklus, d.w.s., een laai en een ontlaai siklus (aanvullende figure  – ). In die laai siklus, word 15 kenmerke onttrek uit die spanning-kapasiteit en dQ/dV kurwes, waar V en Q onderskeidelik verwys na die spanning en kapasiteit waardes. Dieselfde stel kenmerke word onttrek vir die ontlaai siklus. As gevolg hiervan word 30 kenmerke in totaal onttrek, soos aangedui van F1 tot F30. Verwys na Aanvullende Tabel   en Aanvullende Noot   vir 'n gedetailleerde verduideliking van die kenmerke. Figuur  c toon die absolute en relatiewe kenmerk waardes van die geselekteerde batterye uit 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 tipes te klassifiseer deur een siklus van batterydata te gebruik. Die moeilikheid word verwag omdat die afwykende historiese operasionele toestande die laai-ontlaai kinetika van die batterye kan beïnvloed sodat die onttrek kenmerke grotendeels gekorreleer kan wees, ten spyte van die verskillende battery tipes (aanvullende figuur  ). Eerder as om die onttrek kenmerke direk te interpreteer met kundige kennis, gebruik ons 'n alternatiewe data-gedrewe benadering wat outomaties die latente patrone oor verskeie battery tipes benut. 2 b 2 5 2 2 2 6    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 deur klasse geïllustreer, wat die formaat CxBn volg, wat die n-de battery uit klas x aandui. Die grootte van 'n sirkel bepaal die absolute kenmerkwaarde. Bron data word verskaf as 'n Bron Data lêer. a b c Gebruikte batterysortering met homogene data toegang Ons oorweeg eers 'n instelling waar die batterydata homogeen versprei is oor die samewerkers (naamlik, die kliënte). Die homogeniteit beteken dat elke kliënt aanbied om die batterydata oor al 9 klasse te deel, hoewel die spesifieke aantal batterye nie beperk is nie (aanvullende tabel  ). Ons lei ons federatiewe masjienleer model op sonder om inligting oor die historiese gebruik van die gebruikte batterye te benodig. In ons werk, die herwinningspersoon en die kliënte hoef slegs die gebruikte batterye te toets in die huidige (veld-toetsing) siklus, spesifiek, met 'n volledige laai-ontlaai siklus vir 'n standaard kenmerk-ontwerp proses wat deur die herwinningspersoon begin word. Plaaslike modelle word opgestel gebaseer op kenmerke onttrek uit hul privaat batterydata. Die federatiewe masjienleer raamwerk versamel die plaaslike model parameters, eerder as die privaat batterydata, vir die herwinningspersoon om die gebruikte batterye te klassifiseer. 3 Figuur   toon die sorteringsresultate wanneer kliënte homogene batterydata bydra. Figuur  a vergelyk twee federatiewe masjienleer metodes, d.w.s., die meerderheidsstem (MV) en ons voorgestelde Wasserstein afstand stem (WDV), met die onafhanklike leer (IL) paradigma. Dit moet opgemerk word dat die akkuraatheid vir die IL gemiddeld is oor al die kliënte op 'n nie-federatiewe manier. Vergeleke met die IL, verloor die MV nie sorteringsprestasie nie, met 'n gemiddelde akkuraatheid van 95%, terwyl dit in staat is om databeskerming te beskerm en berekeningslas te verminder. Daar is egter 3 klasse wat misgesorteer is met die MV. Byvoorbeeld, 3 batterye in NMC (SNL, klas 8, 15 in totaal) word misgesorteer na NCA (SNL, klas 7), wat 3 3

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 kanBattery-afval in Groot Wins omsit

About Author

KOMMENTAAR

HANG TAGS

HIERDIE ARTIKEL IS AANGEBIED IN

Related Stories

Thrilled to be Recognized as Startup of the Year in New York City

HackerNoon and the Time We Took the 16 Personalities Test

The #bitcoin Writing Contest by Rootstock and HackerNoon: Final Round Results🎉

"What If ... I didn't Do It?"

Thrilled to be Recognized as Startup of the Year in New York City

HackerNoon and the Time We Took the 16 Personalities Test

The #bitcoin Writing Contest by Rootstock and HackerNoon: Final Round Results🎉

"What If ... I didn't Do It?"

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps