```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 aftandse batterye met uiteenlopende katodematerialespoed die direkte herwinning weens hul katodespesifieke aard. Die toename in afgedankte batterye noodsaak presiese sortering vir effektiewe direkte herwinning, maar uitdagings ontstaan uit verskillende operasionele geskiedenisse, diverse vervaardigers en databeskermingsbekommernisse van herwinningsvennote (data-eienaars). Hier wys ons, vanuit 'n unieke datastel van 130 litium-ioon batterye wat 5 katodemateriale en 7 vervaardigers dek, dat 'n federatiewe masjienleerbenadering hierdie afgedankte batterye kan klassifiseer sonder om te steun op vorige operasionele data, en sodoende die databeskerming van herwinningsvennote beskerm. Deur gebruik te maak van die kenmerke wat uit die laai-ontlaai-siklus aan die einde van sy leeftyd onttrek is, toon ons model 1% en 3% katodesorteringsfoute onderskeidelik onder homogene en heterogene batteryherwinningsinstellings, wat toegeskryf word aan ons innoverende Wasserstein-afstandstemstrategie. Ekonomies onderstreep die voorgestelde metode die waarde van presiese battery sortering vir 'n welvarende en volhoubare herwinningsbedryf. Hierdie studie lei 'n nuwe paradigma in van die gebruik van privaatheidsensitiewe data uit diverse bronne, wat samewerkende en privaatheids-respekterende besluitneming vir verspreide stelsels fasiliteer. Inleiding Litium-ioon batterye (LIBs), wat dien as energiebergings toestelle, het wydverspreide gebruik verkry oor verskeie domeine, van industriële produksie tot daaglikse lewe as 'n aanvaarde tegniese roete. Projeksies dui daarop dat die globale produksieskaal van LIBs teen 2030 1.3 TWh 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 toename in afgedankte batterye in baie lande. Indien dit nie toepaslik bestuur word nie, sal afgedankte batterye lei tot onvolhoubare hulpbronmors en omgewingskade. Gegewe hierdie omstandighede, neem die ontwikkeling van batteryherwinningstegnologie deurslaggewende belangrikheid aan terwyl ons die dreigende gety van LIB-aftredings konfronteer . 1 2 3 4 Onlangse vordering in batteryherwinningsnavorsing was gefokus op die pirometallurgiese, hidrometallurgiese en direkte herwinningsbenaderings . In teenstelling met die pirometallurgiese en hidrometallurgiese metodes, staan direkte herwinning apart as 'n onderskeibare benadering. Hierdie proses beskadig nie die materiaalstruktuur sekondêr nie, wat meer doeltreffende strukturele herstel en prestasieherstel moontlik maak. Boonop toon direkte herwinning hoër winsgewendheid, aangesien dit laer energieverbruik, verminderde kweekhuisgasemissies en ligter omgewingsimpakte behels , . In werklike produksie kom batteryherwinners egter dikwels LIBs teë wat onbekende komponente bevat of battery modules wat bestaan uit 'n mengsel van verskillende katodemateriaal tipes. Met inagneming dat direkte herwinning sterk katodespesifiek kan wees, maak so 'n kompleksiteit die toepassing van direkte herwinning onuitvoerbaar vir die bereiking van waardekonvertering van die afgedankte batterye . Dit is deurslaggewend om te beklemtoon dat selfs al kan die vitale metale uit gemengde katodemateriaal tipes onttrek word met konvensionele herwinningsstrategieë, kan die wisselwerking tussen verskillende katodemateriale tydens die herwinningsproses 'n nadelige uitwerking op die produkkwaliteit hê . Daarom beïnvloed die begrip van katodemateriaal tipe inligting aan die herwinningskant die keuse van die direkte herwinningsroete aansienlik en verbeter uiteindelik die produkkwaliteit, winsgewendheid en volhoubaarheid. 5 6 7 8 9 Mens-gesteunde direkte herwinning is voorgestel om die katodemateriaal tipe inligting van afgedankte batterye te identifiseer in die voorbehandelingskakel, wat steeds nie finansieel lewensvatbaar is wanneer die herwinningsbedryf opskaal nie . Om die katodetipe inligting van afgedankte batterye effektief op te haal, het die wetenskaplike en industriële gemeenskap onlangs 'n battery lewensduur opsporingstelsel begin en ontluikende konsepte soos battery paspoort en battery data genoom . Alhoewel aansienlike batterye voor hierdie inisiatiewe gebruik is, is daar 'n groeiende konsensus dat batteryinligting regdeur die lewensketting toeganklik moet wees om besluitneming vir die tweede lewe te fasiliteer . Dit is veral die geval vir die batteryherwinningssektor, die laaste stasie van die battery se tweede lewe, aangesien die herwinningsroete sterk katodespesifiek kan wees. Batterylewensduur opsporingstelsels of battery paspoorte word egter moontlik gemaak deur elektroniese toestelle soos strepieskodes en nabyveldkommunikasie, wat intensiewe investering kan inbring en wyd onversoenbaar kan wees met verskillende batteryontwerpers. Verder bly elektroniese toestelle uitdagend om konsekwent deur hul leeftyd te bestuur, wat lei tot verslete toestelle en ontoeganklikheid in die herwinningsfase, aangesien die moderne vervaardigingsproses van LIBs steeds nie produksie-tot-herwinning geïntegreer is nie . Daarom is meer deurbrake dringend nodig om 'n doeltreffende battery katode tipe sortering te bereik slegs deur maklik toeganklike veldinligting te gebruik , , 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 herwinde 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 op alle batteryevelde aan te spreek. In ander batteryverwante onderwerpe het masjienleer ons onlangs toegelaat om komplekse batterymeganismes outomaties te ontdek , , , oorblywende bruikbare lewensduur te voorspel , , , , , die gesondheidstatus te evalueer , , , die siklusprofiel te optimaliseer , , die foutverspreiding te benader , selfs om die batteryontwerp te lei , , en lewenslange prestasie onmiddellik na vervaardiging te voorspel . In die geval van batteryherwinning het min werke masjienleer met betrekking tot katodemateriale ondersoek , , wat blameer word vir die skaars batterydata, veral vir diegene wat tot die einde van hul leeftyd verwerk is. Die oorgrote meerderheid van gepubliseerde studies toon baie beperkte steekproefgroottes en is selfs meer beperk in battery katode diversiteit . Die skaarsheid word toegeskryf aan die intensiewe koste, die lang toets tyd , en, belangriker nog, die databeskerming as gevolg van kommersiële of interessse-oëmerke. 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 derde-party platforms, nie gedeel kan word nie. So 'n dilemma vereis die studie 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 (eweredig, die batterydata volume en diversiteit) en privaatheidskwessies op te los deur middel van samewerkende masjienleer , , . In elke opleidingsiterasie voer die verspreide data-eienaars plaaslike opleiding uit met hul plaaslike rekenkracht, 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 databeskerming te beskerm. Federatiewe masjienleer is deeglik ondersoek in talle toepassingsvelde, insluitend openbare gesondheid , , kliniese diagnose , , , e-handel , Internet of Things , mobiele rekenaars , en slimrooster , , . 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 vir die benutting van die reuse hoeveelheid batterydata wat reeds bestaan, maar wat weens privaatheidsbekommernisse nie gedeel kan word nie. Met so 'n samewerkende terwyl privaatheid-bewarende paradigma, kan afgedankte batterysortering met hoë akkuraatheid, doeltreffendheid, skaalbaarheid en generalisering geïmplementeer word, wat die kwaliteit en winsgewendheid van herwinde produkte optimaliseer. Na ons wete is federatiewe masjienleernavorsings gefokus op batteryherwinning nog nooit aangemeld 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 afgedankte batterye uit, wat die bestaande batterydata van veelvuldige vennootskapte gebruik in 'n samewerkende terwyl privaatheid-bewarende masjienleermodus soos geïllustreer in Fig.  . Ons federatiewe masjienleermodel is opgelei met slegs een siklus van veld toetsdata via 'n gestandaardiseerde kenmerk onttrekkingsproses, sonder enige vooraf kennis van die historiese bedryfsomstandighede. Ons vergelyk die voorspellende krag van ons federatiewe masjienleermodel 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-afstandstemstrategie. 'n Ekonomiese evaluasie van afgedankte batteryherwinning wat ons voorgestelde federatiewe masjienleer raamwerk gebruik, word uitgevoer, wat die relevansie en noodsaaklikheid van akkurate sortering van afgedankte batterye beklemtoon. Ons bespreek die model interpreteerbaarheid, 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 derde-party platforms, kan databydraers wees. Die batterydata word nie tussen bydraers uitgeruil of na die batteryherwinningsonderneming opgelaai nie. In plaas daarvan oefen die databydraers plaaslike modelle en deel model parameters met die batteryherwinningsonderneming om 'n globale model te bou. Die voorgestelde Wasserstein-afstandstemtegniek versmelt die plaaslike modelle in die globale model, wat robuus is teen data-wanbalans en geraas. Batteryherwinningsondernemings kan die gesamentlik geboude model gebruik vir batterysortering, gekombineer met die maklik toeganklike veld toetsdata.   Ons federatiewe masjienleer raamwerk moedig vennootskapte aan om die data te deel terwyl data privaatheid behoue bly in teenstelling met die tradisionele data eiland-paradigma. a b Resultate Data versameling en standaardisering Die unieke battery kinetika in verskillende battery tipes is dikwels hoë-dimensioneel en moeilik om te karakteriseer as gevolg van uiteenlopende operasionele gevalle, vervaardigingsvariabiliteit, en historiese gebruike . Om 'n oplossing vir hierdie dilemma te vind, het ons 130 afgedankte batterye versamel en gestandaardiseer met 5 katodemateriaal tipes van 7 vervaardigers om 'n uit-van-verspreidings, eweredig heterogene datastel te bou. 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 ferrofosfaat (LFP), nikkel-kobalt-aluminiumoksied (NCA), en NMC-LCO gemengde tipes, wat verder gegroepeer word in 9 klasse gebaseer op die vervaardigers (Aanvullende Tabel  ). Ons het opsetlik batterye met uiteenlopende historiese gebruike ingesluit, van laboratoriumtoetse tot elektriese voertuigbestuurprofiele, om 'n veralgemeende model te oefen vir die batteryherwinningsonderneming, onafhanklik van historiese gebruike en batterytipes. 52 1 Vir standaardisering, is alle data wat van die herwinningsonderneming vereis word, die tans-ondersoekte (veld-toetsing) siklus met een laai- en ontlaaitoets, 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 mediaanfiltrering toe te pas. Mens-gegenereerde en katode-heterogeniteit-gegenereerde geraas word egter doelbewus behou om die model robuus te maak teen onvolmaakte insette. Die data word dan lineêr geïnterpoleer vir kromme-invul (Aanvullende Figuur  ) en kenmerk-ingenieurswese vir dimensionaliteitsvermindering, met 'n gedeelde stel standaardiseringsparameters (Aanvullende Nota  ). Kenmerke onttrek uit die standaardiseringspyplyn is goed interpreteerbaar, 'n kwessie van deurslaggewende kommersiële belang. Sover ons weet, is dit die eerste keer dat heterogene batterydata van veelvuldige bronne en historiese gebruike gebruik word om te help met die strategie-ontwerp van batteryherwinning. 1 1 Figuur  a,    demonstreer die kenmerk-ingenieursproses. Ons fokus op die laai- en ontlaaikromme van die afgedankte batterye in die laaste siklus, d.w.s., een laai- en een ontlaaisiklus (Aanvullende Figure  – ). In die laaisiklus word 15 kenmerke onttrek uit die spannings-kapasiteit en dQ/dV krommes, waar V en Q onderskeidelik verwys na die spanning en kapasiteit waardes. Dieselfde stel kenmerke word vir die ontlaaisiklus onttrek. As gevolg hiervan word 30 kenmerke in totaal onttrek, soos aangedui van F1 tot F30. Verwys na Aanvullende Tabel   en Aanvullende Nota   vir 'n gedetailleerde verduideliking van die kenmerke. Figuur  c 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 ononderskeibaar, wat die moeilikheid illustreer om batterytipe te klassifiseer met een siklus van batterydata. Die moeilikheid word verwag omdat die uiteenlopende historiese bedryfsomstandighede die laai-ontlaai kinetika van die batterye kan beïnvloed sodat die onttrekte kenmerke grootliks verwant kan wees, ondanks die verskillende batterytipes (Aanvullende Figuur  ). In plaas daarvan om die onttrekte kenmerke direk met deskundige kennis te interpreteer, gebruik ons 'n alternatiewe data-gedrewe benadering wat outomaties die latente patrone oor verskeie batterytipes benut. 2 b 2 5 2 2 2 6    Vir die laaiproses word 15 kenmerke onttrek uit die spanning-kapasiteit (links) en dQ/dV kromme (regs).   Dieselfde stel kenmerke is vir die ontlaaiproses soos F16 tot F30.   Kenmerke word geïllustreer deur klasse, volg die formaat CxBn, wat die n-de battery van klas x aandui. Die grootte van 'n sirkel wys die absolute kenmerk waarde. Bron data word verskaf as 'n Bron data lêer. a b c Afgeweekte battery sortering met homogene data toegang Ons oorweeg eers 'n instelling waar die batterydata homogeen versprei is oor die vennootskapte (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 oefen ons federatiewe masjienleermodel sonder die vereiste van inligting oor die historiese gebruik van die afgedankte batterye. In ons werk moet die herwinningsonderneming en die kliënte slegs die afgedankte batterye toets in die huidige (veld-toetsing) siklus, spesifiek, met 'n volledige laai-ontlaai siklus vir 'n standaard kenmerk ingenieursproses wat deur die herwinningsonderneming begin word. Plaaslike modelle word opgelei gebaseer op kenmerke onttrek uit hul private batterydata. Die federatiewe masjienleer raamwerk versamel die plaaslike model parameters, in plaas van die private batterydata, vir die herwinningsonderneming om die afgedankte batterye te klassifiseer. 3 Figuur   toon die sorteringresultate wanneer kliënte homogene batterydata bydra. Figuur  a vergelyk twee federatiewe masjienleer metodes, d.w.s., die meerderheidstem (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-federatiewe wyse. In vergelyking met die IL, offer die MV nie sortering prestasie op nie, met 'n gemiddelde akkuraatheid van 95%, terwyl dit in staat is om databeskerming te beskerm en berekeningslas te versag. Daar is egter 3 klasse wat met die MV misgesorteer is. Byvoorbeeld, 3 batterye in NMC (SNL, klas 8, 15 in totaal) word misgesorteer na NCA ( 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 Privaatheidsveilige KI Kan Batteryafval in Groot Wins Verander

About Author

KOMMENTAAR

HANG TAGS

HIERDIE ARTIKEL IS AANGEBIED IN

Related Stories

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

Uber Still Can't Turn a Profit

The Opt Out Writing Contest: Final Round Results Announcement 🎉

Startups of The Year: Meet the Business Industry

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

Uber Still Can't Turn a Profit

The Opt Out Writing Contest: Final Round Results Announcement 🎉

Startups of The Year: Meet the Business Industry

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps