Generatyŭny AI padtrymlivae ŭstoĭlivae pavaŭsnae vysluhovuvannye eski lіet-іonnyja batareĭ

Аўтары: Шэнъю Тао Жуйфэй Ма Цзысі Чжаа Гуаньюань Ма Лінь Су Хэн Чан Юоу Чэнь Хайчжоу Лю Чжэн Лян Тынвэй Цаа Хаачэн Цзі Чжыюань Хань Міньян Лу Хуэйсін Ян Цзунгуо Вэнь Цзяньхуа Яо Жун Ю Гуаодан Вэй Ян Лі Сюань Чжан Цін'ян Сюй Гуанмін Чжоу Анатацыя Хуткая і дакладная ацэнка стану здароўя (SOH) адпрацаваных акумулятараў з'яўляецца ключавой папярэдняй апрацоўкай для паўторнага выкарыстання і перапрацоўкі. Аднак методыкі, заснаваныя на дадзеных, патрабуюць поўнага збору дадзеных ва ўмовах адпачынку з розным SOH і станам зарада (SOC). Тут мы паказваем, што ацэнка SOH з дапамогай генератыўнага навучання перспектыўная для вырашэння праблем недахопу дадзеных і іх неаднароднасці, што пацверджана наборам дадзеных з 2700 адпрацаваных літый-іённых акумулятараў, сабраных шляхам імпульснай ін'екцыі, які ахоплівае 3 тыпы катодных матэрыялаў, 3 фізічныя фарматы, 4 канструкцыі ёмістасці і 4 гістарычныя тыпы выкарыстання пры 10 узроўнях SOC. Выкарыстоўваючы згенераваныя дадзеныя, рэгресар забяспечвае дакладную ацэнку SOH са сярэдняй абсалютнай адсоткавай памылкай менш за 6% пры невядомых умовах SOC. Мы прагназуем, што пры ўмове аднастайнага ўкаранення прапанаванай методыкі, гэта дазволіць зэканоміць 4,9 мільярда долараў ЗША на выдатках на электраэнергію і 35,8 мільярда кг CO2-выкідаў за кошт зніжэння выдаткаў на збор дадзеных для глабальнага сцэнару адпрацоўкі акумулятараў у 2030 годзе. Гэты артыкул падкрэслівае выкарыстанне абмежаваных дадзеных для даследавання пашыранай прасторы дадзеных з дапамогай генератыўных метадаў, улічваючы, што атрыманне дадзеных можа быць працаёмкім, дарагім і забруджвальным для многіх задач ацэнкі і прагназавання. Увядзенне Электрыфікацыя транспарту, крытычна важны сектар у пераходзе да нізкавугляроднай энергетыцы , беспрэцэдэнтна змяніла парадыгму транспарту, заснаванага на выкапным паліве. Літый-іённыя акумулятары з'яўляюцца жыццёва важнымі для гэтага пераходу, забяспечваючы даступныя, трывалыя і бяспечныя крыніцы энергіі для электрамабіляў (EV) , . Агульная ёмістасць электрамабіляў, якія выкарыстоўваюцца і адпрацавалі свой тэрмін службы, перавысіць 32–62 ТВт да 2050 года, што значна больш, чым паказваюць сцэнары Міжнароднага агенцтва па аднаўляльных крыніцах энергіі і Storage Lab . Аднак адпрацаваныя акумулятары электрамабіляў жорстка рэгулююцца, маючы вялікую застаўшуюся каштоўнасць ёмістасці, якая недастаткова выкарыстоўваецца, звычайна больш за 80% ад намінальнай ёмістасці , . Калі з імі не звяртацца належным чынам, гэта прыводзіць да эканамічнага цяжару для вытворцаў і карыстальнікаў, а таксама да наступных экалагічных і сацыяльных праблем , уключаючы марнаванне рэсурсаў, рызыкі ў ланцужках паставак і выкіды вугляроду , , . 1 2 3 4 5 6 7 8 9 10 11 Перспектыўнымі стратэгіямі для вырашэння праблем, звязаных з інтэрмітуючым ростам адпрацоўкі акумулятараў, з'яўляюцца паўторнае выкарыстанне , , і перапрацоўка . Пры паўторным выкарыстанні адпрацаваныя акумулятары перапрафілююцца для такіх прымяненняў, як сеткавыя сістэмы захоўвання энергіі , бытавыя крыніцы харчавання , і малахуткасныя транспартныя сродкі. Аднак паўторнае выкарыстанне патрабуе папярэдняй апрацоўкі, уключаючы скрынінг на аднастайнасць , сартаванне па ёмістасці , і групоўку , для задавальнення патрабаванняў прымянення . Нягледзячы на запуск пілотных праграм , , , адсутнасць строгіх стандартаў для сцэнарыяў выкарыстання і шляхоў адпрацоўкі перашкаджае рацыянальнаму выкарыстанню рэшткавай ёмістасці . Перапрацоўка альтэрнатыўна выкарыстоўвае рэшткавыя значэнні адпрацаваных акумулятараў шляхам здабыцця матэрыялаў або рамонту канструкцыі , , прыдатных для незваротна дэградаванага адпрацаванага акумулятара. У параўнанні з піраметалургіяй і гідраметалургіяй , , прамая перапрацоўка вылучаецца сваёй вышэйшай прыбытковасцю, нізкім спажываннем энергіі і зніжэннем выкідаў вугляроду , , . Выкарыстоўваючы дапаўненне літыя і пасляапрацоўку катодных матэрыялаў, прамая перапрацоўка дасягае эфектыўнага рамонту структуры матэрыялу і аднаўлення працаздольнасці . Аднак стан здароўя (SOH) вызначае неабходны хімічны рэагент і прагназуемыя дозы дапаўнення літыя пры распрацоўцы стратэгіі прамой перапрацоўкі , , . Недастатковая доза можа прывесці да няпоўнага рамонту, у той час як празмерная доза можа прывесці да ўтварэння рэшткавага шчолачу на паверхні катода, пагаршаючы працаздольнасць аднаўлення , . На жаль, атрыманне SOH патрабуе інвазівнай характарыстыкі матэрыялаў , і працяглых тэстаў каліброўкі ёмістасці, пры гэтым бескантактавае, хуткае і ўстойлівае атрыманне SOH застаецца адкрытай праблемай. 6 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 26 27 30 31 32 33 34 27 35 36 37 Для забеспячэння паслядоўнай інфармацыі аб SOH электрамабілі кантралююцца, і аператыўныя дадзеныя запісваюцца воблачнымі платформамі і пашпартамі акумулятараў . Еўрапейскі парламент прыняў Дырэктыву аб акумулятарах 14 чэрвеня 2023 года, каб гарантаваць, што адпрацаваныя акумулятары могуць быць паўторна выкарыстаны, адноўлены або перапрацаваны пасля заканчэння тэрміну службы . Аднак працэдура неабходнага маніторынгу і запісу даступная толькі на этапе абслугоўвання электрамабіляў, адпрацаваныя акумулятары больш не падключаны да блока маніторынгу ў транспартным сродку. Такім чынам, цяжка атрымаць даступныя ў палявых умовах дадзеныя SOH. Цэласнасць дадзеных аб тэрміне службы застаецца галоўнай праблемай, што патрабуе ацэнкі SOH толькі з выкарыстаннем палявых дадзеных, у адрозненне ад гістарычных дадзеных або ва ўмовах, якія кантралююцца , , . Адным з рашэнняў з'яўляецца правядзенне тэсту каліброўкі ёмістасці на месцы збору адпрацаваных акумулятараў, г.зн. кандыцыянаванне стану зарада (SOC), што проста, аднак, гэта патрабуе непад'емных часовых затрат на тэсціраванне і дадатковых выдаткаў на электраэнергію. Тэст гібрыднай імпульснай магутнасці з'яўляецца альтэрнатывай для ацэнкі SOH шляхам дынамічнай імпульснай ін'екцыі, але поўная паслядоўнасць тэсту займае больш за 12 гадзін. Тао і інш. выкарыстоўвалі кароткія імпульсы для ацэнкі SOH адпрацаваных акумулятараў, мяркуючы, што праводзілася кандыцыянаванне SOC да 5% SOC, што ледзь сумяшчальна з выпадковымі ўмовамі адпрацоўкі SOC . Нядаўнія дасягненні ў вымярэннях на аснове сенсораў ўключаюць рэнтгенаўскую візуалізацыю , электрахімічны імпеданс , , аптычнае валакно , , акустычныя датчыкі , , частковую зарадку , , і імпульсную ін'екцыю , . Сенсарныя метады знаходзяцца на лабараторнай стадыі з-за інвазівнасці, у той час як імпульсная ін'екцыя адрозніваецца адсутнасцю фізічных пашкоджанняў пры ацэнцы SOH, адначасова хутчэй, чым метады частковай зарадкі і электрахімічнага імпедансу , , , , , . Аднак імпульсная ін'екцыя з'яўляецца метадам, заснаваным на дадзеных, які магчымы толькі пры ідэальным дапушчэнні, што фізічна вымераныя дадзеныя ахопліваюць умовы адпрацоўкі фазы разгортвання мадэлі, вядомай як агульная праблема зрушэння дамена ў супольнасці машыннага навучання. Нягледзячы на прагрэс у метадах трансфернага навучання і адаптацыі дамена , , , праблемы застаюцца, паколькі мэтавай дамен для выраўноўвання ўсё яшчэ патрабуе папярэдняй інфармацыі пры разгортванні, а існуючыя метады навучання hardly могуць быць абноўлены для выпадковых умоў адпрацоўкі . Альтэрнатывай з'яўляецца пашырэнне маштабу тэсціравання дадзеных ва ўмовах невывучанай адпрацоўкі для змякчэння недахопу дадзеных і неаднароднасці, хоць гэта можа прывесці да павелічэння выдаткаў. Ван і інш. прапанавалі метад экскавацыі тэмпературы для інтэрпаляцыі кінетычных пераваг рэакцыі пры розных прамежкавых станах падчас тэрмахімічнага працэсу, што дазваляе ствараць шырокія навучальныя базы дадзеных пры мінімальным маштабе і кошце тэрмахімічных эксперыментаў у якасці пашырэння дадзеных для навучання мадэлі машыннага навучання . Акрамя таго, генератыўнае навучанне таксама дэманструе магчымасці ацэнкі SOH з пашыранымі дадзенымі з часткова адцыклаваных профіляў, эканомячы неабходныя фізічна правераныя дадзеныя , . Аднак недахоп дадзеных і неаднароднасць у кантэксце паўторнага выкарыстання і перапрацоўкі акумулятараў яшчэ больш складаныя з-за сумесі тыпаў катодных матэрыялаў, фізічных фарматаў, канструкцый ёмістасці і гістарычных тыпаў выкарыстання, што абмяжоўвае патэнцыйную інтэграцыю ведаў аб дэградацыі, спецыфічных для ўмоў, у мадэлі машыннага навучання. Такім чынам, разумна разглядаць залежнасць паміж умовамі адпрацоўкі і імпульснымі водгукамі напружання для генерацыі дадзеных, не патрабуючы працяглай каліброўкі ёмістасці і дадатковых фізічных эксперыментаў адначасова, каб павысіць прадукцыйнасць ацэнкі SOH. 38 24 39 30 40 41 41 42 43 44 45 46 47 48 49 50 17 41 17 51 52 53 54 55 56 57 58 59 60 61 62 У гэтым даследаванні мы выконваем папярэднюю апрацоўку адпрацаванага акумулятара, г.зн. ацэнку SOH, з выкарыстаннем дадзеных імпульснага водгуку напружання, згенераваных уважлівым варыяцыйным аўтаэнкодэрам, эканомячы час і выдаткі на фізічныя вымярэнні. Высокаўзроўневы працэс агульных крокаў папярэдняй апрацоўкі, навучання генератыўнай мадэлі і крокаў практычнага разгортвання мадэлі ілюструецца на мал. . Ідэя даследавання заключаецца ў выкарыстанні генератыўнага навучання для вывучэння ўжо вымераных дадзеных для даследавання імпульсных водгукаў напружання ва ўмовах бесперапыннага адпрацоўкі, г.зн. размеркавання SOC на этапе збору адпрацаваных акумулятараў. Наступная ацэнка SOH рэалізуецца без фізічна вымераных водгукаў імпульснага адказу, эканомячы выдаткі на электраэнергію для папярэдняй апрацоўкі і выкіды вугляроду, якія інакш былі б неабходныя для кандыцыянавання SOC да чаканага ўзроўню. У параўнанні з метадам інтэграла ампер-гадзін і імпульснай ін'екцыяй на аснове машыннага навучання, генератыўнае навучанне адрозніваецца больш хуткай хуткасцю генерацыі і дакладнай ацэнкай. З дапамогай згенераваных дадзеных просты рэгресар паспяхова ацэньвае SOH з нізкай памылкай ва ўмовах адпрацоўкі невядомых або недаступных SOC, што з'яўляецца складанай праблемай выхаду за межы размеркавання (OOD). Праблема OOD вырашаецца шляхам вывучэння ўбудаванай фізічнай залежнасці паміж умовамі SOC і водгукам напружання, выкліканым хуткім імпульсам. Мы дэманструем агульнасць нашага метаду, правяраючы яго на 2700 фізічна вымераных узорах, якія ахопліваюць 3 тыпы катодных матэрыялаў, 3 фізічныя фарматы, 4 канструкцыі ёмістасці і 4 гістарычныя тыпы выкарыстання (1 лабараторнае паскоранае старэння, 1 чыстае кіраванне электрамабілем і 2 тыпы гібрыдных кіравання). Генератыўнае навучанне падыходзіць для інтэрпаляцыі і экстрапаляцыі шляхам інтэграцыі папярэдніх ведаў аб умовах адпрацоўкі ў маштабаванне латэнтнай прасторы параметраў мадэлі, эканомячы час вымярэння, выдаткі на электраэнергію і наступныя выкіды вугляроду, не зніжаючы дакладнасці ацэнкі SOH. Кансерватыўны глабальны выпадак аналізу адпрацоўкі акумулятараў у 2030 годзе падкрэслівае важнасць хуткай і ўстойлівай ацэнкі SOH у піраметалургічных, гідраметалургічных і прамых сцэнарыях перапрацоўкі. Пры дапамозе тэхніка-эканамічнага аналізу, ацэнка SOH з дапамогай генератыўнага навучання можа зэканоміць 4,9 мільярда долараў ЗША на выдатках на электраэнергію і 35,8 мільярда кг CO2-выкідаў да 2030 года ва ўсім свеце. Мы абмяркоўваем інтэрпрэтаванасць мадэлі, наступствы перапрацоўкі акумулятараў і больш шырокія аспекты будучых напрамкаў перапрацоўкі разумных акумулятараў, інтэграваных з машынным навучаннем. 1 Крокі папярэдняй апрацоўкі адпрацаванага акумулятара ўключаюць кандыцыянаванне SOC, фізічныя вымярэнні, машыннае навучанне для дыягностыкі SOH і працэс прыняцця рашэнняў другога жыцця перад паўторным выкарыстаннем або перапрацоўкай. Кандыцыянаванне SOC ставіцца да рэгулявання ўзроўняў SOC адпрацаваных акумулятараў да жаданых узроўняў з выкарыстаннем традыцыйнага метаду пастаяннага току і пастаяннай напругі (CCCV). Схематычнае прадстаўленне уважлівага варыяцыйнага аўтаэнкодэра для генерацыі дадзеных імпульснага водгуку напружання. Практычнае выкарыстанне мадэлі генерацыі дадзеных для ацэнкі SOH не патрабуе дадатковага кандыцыянавання SOC. Навучаная мадэль машыннага навучання назіраецца згенераванымі дадзенымі і атрымлівае імгненныя водгукі імпульснага напружання падчас разгортвання. Эканамічныя і экалагічныя перавагі і хуткая хуткасць генерацыі нашай метадалогіі генератыўнага навучання за кошт эканоміі выдаткаў на кандыцыянаванне SOC у глабальным сцэнары адпрацоўкі акумулятараў 2030 года. a b c d Вынікі Збор дадзеных Недахоп дадзеных і іх неаднароднасць з'яўляюцца асноўнымі праблемамі ў дыягностыцы і прагнозах на аснове дадзеных, асабліва для адпрацаваных акумулятараў. Мы сабралі 2700 узораў з 270 фізічна адпрацаваных акумулятараў пры шырокім дыяпазоне узроўняў SOC, ад 5% да 50% з крокам 5%. На мал.