
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 Autors: 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 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 Resum Les piles retirades no classificades amb diversos materials de càtode dificulten l'adopció del reciclatge directe a causa de la seva naturalesa específica del càtode. L'auge de les piles retirades requereix una classificació precisa per a un reciclatge directe eficaç, però sorgeixen reptes a causa de les diferents històries operatives, fabricants diversos i preocupacions de privadesa de dades dels col·laboradors de reciclatge (propietaris de dades). Aquí demostrem, a partir d'un conjunt de dades únic de 130 piles de litió que abasten 5 materials de càtode i 7 fabricants, que un enfocament d'aprenentatge automàtic federat pot classificar aquestes piles retirades sense dependre de dades operatives passades, salvaguardant la privadesa de les dades dels col·laboradors de reciclatge. Mitjançant l'ús de les característiques extretes del cicle de càrrega-descàrrega final, el nostre model presenta errors de classificació del càtode de l'1% i del 3% en entorns de reciclatge de piles homògens i heterogenis respectivament, atribuïts a la nostra innovadora estratègia de votació de la distància de Wasserstein. Econòmicament, el mètode proposat subratlla el valor de la classificació precisa de les piles per a una indústria de reciclatge pròspera i sostenible. Aquest estudi anuncia un nou paradigma d'ús de dades sensibles a la privadesa de diverses fonts, facilitant la presa de decisions col·laborativa i respectuosa amb la privadesa per a sistemes distribuïts. Introducció Les piles de litió (LIB), que serveixen com a dispositius d'emmagatzematge d'energia, han guanyat una àmplia utilització en diversos dominis, des de la producció industrial fins a la vida diària com a ruta tècnica acceptada. Les projeccions suggereixen que l'escala de producció global de LIB superarà els 1,3 TWh el 2030  quan la creixent demanda de piles superarà amb escreix la disponibilitat de recursos metàl·lics vitals com el liti i el cobalt , . No obstant això, la durada mitjana actual dels productes LIB és de 5-8 anys, el que comporta un augment imminent de piles retirades en molts països. Si no es gestionen adequadament, les piles retirades provocaran un malbaratament insostenible de recursos i danys ambientals. Donades aquestes circumstàncies, el desenvolupament de la tecnologia de reciclatge de piles assumeix una importància crucial a mesura que ens enfrontem a la imminent marea de retirades de LIB . 1 2 3 4 Els avenços recents en la investigació del reciclatge de piles s'han centrat en els enfocaments pirometal·lúrgics, hidrometal·lúrgics i de reciclatge directe . En contrast amb els mètodes pirometal·lúrgics i hidrometal·lúrgics, el reciclatge directe es diferencia com un enfocament distint. Aquest procés no infligeix danys secundaris a l'estructura del material, permetent una reparació estructural i una restauració del rendiment més eficients. A més, el reciclatge directe presenta una major rendibilitat, ja que comporta un menor consum energètic, menors emissions de gasos d'efecte hivernacle i menys empremtes ambientals , . En la producció real, però, els recicladors de piles s'enfronten freqüentment a LIB que inclouen components desconeguts o mòduls de piles que consisteixen en una barreja de diferents tipus de materials de càtode. Considerant que el reciclatge directe pot ser molt específic del càtode, aquesta complexitat fa inviable l'aplicació del reciclatge directe per aconseguir la conversió de valor de les piles retirades . És crucial subratllar que, fins i tot si els metalls vitals de diferents tipus de materials de càtode es poden extreure utilitzant estratègies de reciclatge convencionals, la interacció entre diferents materials de càtode durant el procés de reciclatge pot afectar negativament la qualitat del producte . Per tant, la comprensió de la informació del tipus de material de càtode per part del costat del reciclatge impacta marcadament en l'elecció de la ruta de reciclatge directe i, finalment, millora la qualitat del producte, la rendibilitat i la sostenibilitat. 5 6 7 8 9 S'ha proposat el reciclatge directe assistit per humans per identificar la informació del tipus de material de càtode de les piles retirades en l'enllaç de pretractament, que encara no és viable financerament quan la indústria del reciclatge s'està escalant . Per recuperar eficaçment la informació del tipus de càtode de les piles retirades, la comunitat científica i industrial ha iniciat recentment un sistema de seguiment de la vida útil de les piles  i conceptes emergents com el passaport de piles  i el genoma de dades de piles . Tot i que s'han utilitzat piles substancials abans d'aquestes iniciatives, hi ha un consens creixent que la informació de les piles hauria de ser accessible al llarg de la cadena de vida per facilitar la presa de decisions de segona vida . Aquest és notòriament el cas del sector del reciclatge de piles, l'última estació de la segona vida de la pila, ja que la ruta de reciclatge pot ser molt específica del càtode. No obstant això, els sistemes de seguiment de la vida útil de les piles o els passaports de piles estan habilitats per aparells electrònics com codis de barres i comunicacions de curt abast, que podrien introduir una inversió intensiva i podrien ser àmpliament incompatibles amb diferents dissenyadors de piles. A més, els aparells electrònics segueixen sent difícils de gestionar de manera coherent al llarg de la seva vida útil, el que provoca dispositius desgastats i inaccessible en la fase de reciclatge, ja que el procés de fabricació modern de LIB encara no està integrat de producció a reciclatge . Per tant, es necessiten urgentment més avenços per aconseguir una classificació eficient del tipus de càtode de les piles utilitzant només informació de camp fàcilment accessible , , en contraposició a les dades històriques registrades o a la manera assistida per humans, facilitant l'adopció del reciclatge directe per millorar la qualitat i la rendibilitat dels productes reciclats. 1 10 11 12 13 14 15 16 En els últims anys, l'aprenentatge automàtic ha sorgit com una eina viable per abordar qüestions obertes en tots els camps de les piles. En altres temes relacionats amb les piles, l'aprenentatge automàtic ha permès recentment descobrir automàticament mecanismes complexos de piles , , , predir la vida útil restant , , , , , avaluar l'estat de salut , , , optimitzar el perfil de cicle , , aproximar la distribució de fallades , fins i tot per guiar el disseny de piles , , i predir el rendiment de tota la vida immediatament després de la fabricació . En el cas del reciclatge de piles, pocs treballs han investigat l'aprenentatge automàtic pel que fa als materials de càtode , , la qual cosa es deu a l'escassetat de dades de piles, especialment per a aquelles que han arribat al final de la seva vida útil. La gran majoria d'estudis publicats mostren mides de mostra molt limitades  i encara més limitades en la diversitat de càtodes de piles . L'escassetat s'atribueix al cost intensiu, al llarg temps de prova  i, el més important, a la privadesa de les dades a causa de preocupacions comercials o d'interès. En conseqüència, el problema de la privadesa rigidifica el dilema on les dades de piles existents, tot i que són substancials en volum i diversitat de múltiples parts com fabricants de piles, aplicacions pràctiques, institucions acadèmiques i plataformes de tercers, no es poden compartir. Aquest dilema demana estudiar la classificació del material del càtode per optimitzar la ruta de reciclatge de piles de manera col·laborativa i respectant la privadesa. 17 18 19 20 21 22 23 24 19 25 26 27 28 29 30 31 32 33 34 35 36 37 L'aprenentatge automàtic federat, com a paradigma distribuït i que preserva la privadesa, té el potencial de resoldre tant la col·laboració multipartida (equivalentment, el volum i la diversitat de dades de piles) com els problemes de privadesa mitjançant l'aprenentatge automàtic col·laboratiu , , . En cada iteració d'entrenament, els propietaris de dades distribuïts realitzen entrenament local amb la seva potència computacional local, xifren els paràmetres/resultats del model entrenat i els carreguen a un coordinador central per a l'agregació. Els fets que els conjunts de dades bruts mai surten dels seus respectius propietaris de dades i que els paràmetres/resultats transferits estan degudament xifrats per protegir la privadesa de les dades. L'aprenentatge automàtic federat s'ha investigat àmpliament en nombrosos camps aplicatius, incloent la salut pública , , diagnòstic clínic , , , comerç electrònic , Internet de les coses , informàtica mòbil , i xarxa intel·ligent , , . Aquest enfocament pot revolucionar el paradigma d'investigació impulsat per dades en amplis sectors energètics permetent la col·laboració que preserva la privadesa, especialment per a aquells amb accés limitat a dades. Pel que fa al sector del reciclatge de piles, l'aprenentatge automàtic federat assumeix possibilitats prometedores per aprofitar la quantitat gegant de dades de piles que ja existeixen però que no es poden compartir a causa de preocupacions de privadesa. Amb un paradigma col·laboratiu i que preserva la privadesa, la classificació de piles retirades es pot implementar amb alta precisió, eficiència, escalabilitat i generalització, optimitzant la qualitat i la rendibilitat dels productes reciclats. Fins on sabem, mai s'han reportat estudis d'aprenentatge automàtic federat centrats en el reciclatge de piles. 38 39 40 41 42 43 44 45 46 47 48 49 50 51 En aquest estudi, realitzem una classificació de materials de càtode de piles retirades, aprofitant les dades de piles existents de múltiples col·laboradors, com ara fabricants de piles, operadors d'aplicacions pràctiques, institucions de recerca acadèmica i plataformes de tercers, en un mode d'aprenentatge automàtic col·laboratiu i que preserva la privadesa, tal com s'il·lustra a la Fig.  . El nostre model d'aprenentatge automàtic federat es va entrenar utilitzant només un cicle de dades de proves de camp mitjançant un procés d'extracció de característiques estandarditzat, sense cap coneixement previ de les condicions d'operació històriques. Comparem la potència predictiva del nostre model d'aprenentatge automàtic federat amb la dels models locals apresos de manera independent basats en dades locals tant en circumstàncies de reciclatge de piles homògenes com heterogènies. El problema de l'heterogeneïtat es resol amb la nostra estratègia de votació de la distància de Wasserstein proposada. Es realitza una avaluació econòmica del reciclatge de piles retirades utilitzant el nostre marc d'aprenentatge automàtic federat proposat, destacant la rellevància i la necessitat d'una classificació precisa de les piles retirades. Discutim de manera integral la interpretabilitat del model, les implicacions del reciclatge de piles i les perspectives més àmplies de la futura pràctica de reciclatge de piles integrada amb l'aprenentatge automàtic federat. 1    Múltiples fonts de dades, com ara fabricants de piles (cortesia d'imatge d'Addionics), operadors d'aplicacions pràctiques (pack de piles al terra d'un Tesla. Cortesia d'imatge de Tesla), institucions de recerca acadèmica i plataformes de tercers, poden ser contribuïdors de dades. Les dades de les piles ni s'intercanvien entre els contribuïdors ni es carreguen al reciclador de piles. En canvi, els contribuïdors de dades entrenen models locals i comparteixen paràmetres del model amb el reciclador de piles per construir un model global. La tècnica proposada de votació de la distància de Wasserstein fusiona els models locals en el model global, que és robust a la desequilibri de dades i al soroll. Els recicladors de piles poden utilitzar el model construït conjuntament per a la classificació de piles, combinat amb les dades de proves de camp fàcilment accessibles.   El nostre marc d'aprenentatge automàtic federat anima els col·laboradors a compartir les dades preservant la privadesa de les dades, a diferència del paradigma tradicional de les illes de dades. a b Resultats Recopilació i estandardització de dades La cinètica única de les piles en diferents tipus de piles són sovint d'alta dimensionalitat i difícils de caracteritzar a causa de casos operatius divergents, variabilitat de fabricació i usos històrics . Per trobar una solució a aquest dilema, vam recopilar i estandarditzar 130 piles retirades amb 5 tipus de materials de càtode de 7 fabricants per construir un conjunt de dades fora de distribució, equivalentment heterogeni. Donats els diferents usos històrics, les capacitats de les piles recollides són inferiors al 90% de la capacitat nominal. Els materials de càtode de les piles són òxid de liti-cobalt (LCO), níquel-manganès-cobalt (NMC), fosfat de ferro-liti (LFP), òxid de níquel-cobalt-alumini (NCA) i tipus barrejats NMC-LCO, que es classifiquen a més en 9 classes basant-se en els fabricants (Taula Suplementària  ). Incloem intencionadament piles amb usos històrics divergents, des de proves de laboratori fins a perfils de conducció de vehicles elèctrics, per entrenar un model generalitzat per al reciclador de piles independent dels usos històrics i tipus de piles. 52 1 Per a l'estandardització, totes les dades requerides del reciclador són el cicle actualment provat (prova de camp) amb una prova de càrrega i descàrrega, que és fàcil d'implementar en casos pràctics. Les dades provades es netegen primer omplint valors que falten, substituint valors atípics i realitzant un filtratge medà. Els sorolls induïts per humans i per heterogeneïtat de càtode es conserven deliberadament, però, per fer el model robust a entrades imperfectes. Les dades s'interpola linealment per a l'ompliment de corbes (Figura Suplementària  ) i s'extrauen característiques per a la reducció de dimensionalitat, amb un conjunt compartit de paràmetres d'estandardització (Nota Suplementària  ). Les característiques extretes del pipeline d'estandardització són ben interpretables, una preocupació d'interès comercial significatiu. Fins on sabem, és la primera vegada que s'utilitzen dades de piles heterogènies de múltiples fonts i usos històrics per ajudar al disseny d'estratègies de reciclatge de piles. 1 1 La Fig.  a, b demostra el procés d'extracció de característiques. Ens centrem en la corba de càrrega i descàrrega de les piles retirades en l'últim cicle, és a dir, un cicle de càrrega i una descàrrega (Figures Suplementàries  – ). En el cicle de càrrega, s'extreuen 15 característiques de les corbes de tensió-capacitat i dQ/dV, on V i Q es refereixen als valors de tensió i capacitat, respectivament. S'extreu el mateix conjunt de característiques per al cicle de descàrrega. Com a resultat, s'extreuen 30 característiques en total, com s'indica de F1 a F30. Consulteu la Taula Suplementària   i la Nota Suplementària   per a una explicació detallada de les característiques. La Fig.  c mostra els valors absoluts i relatius de les característiques de les piles seleccionades de cada classe. La majoria dels valors de característiques relatives en diferents classes es solapen en la regió de -1 a 0 (amb el color verd clar) i són indistinguibles, il·lustrant la dificultat de classificar el tipus de pila utilitzant un cicle de dades de piles. La dificultat s'espera perquè les condicions d'operació històriques divergents poden influir en la cinètica de càrrega-descàrrega de les piles de manera que les característiques extretes puguin estar àmpliament correlacionades malgrat els diferents tipus de piles (Figura Suplementària  ). En lloc d'interpretar directament les característiques extretes amb coneixements experts, emprem un enfocament alternatiu basat en dades que aprofita automàticament els patrons latents en diversos tipus de piles. 2 2 5 2 2 2 6    Per al procés de càrrega, s'extreuen 15 característiques de la corba de tensió-capacitat (esquerra) i la corba dQ/dV (dreta).   El mateix conjunt de característiques és per al procés de descàrrega com a F16 a F30.   Les característiques es visualitzen per classes, seguint el format CxBn, indicant la n-èsima pila de la classe x. La mida d'un cercle representa el valor absolut de la característica. Les dades d'origen es proporcionen com a fitxer de dades d'origen. a b c Classificació de piles retirades amb accés a dades homògenes Primer considerem un entorn on les dades de les piles es distribueixen homògenament entre els col·laboradors (és a dir, els clients). L'homogeneïtat significa que cada client ofereix compartir les dades de les piles de totes les 9 classes, encara que el nombre específic de piles no estigui restringit (Taula Suplementària  ). Entrenem el nostre model d'aprenentatge automàtic federat sense requerir informació sobre l'ús històric de les piles retirades. En el nostre treball, el reciclador i els clients només necessiten provar les piles retirades en el cicle actual (prova de camp), específicament, amb un cicle complet de càrrega-descàrrega per a un procés d'extracció de característiques estàndard iniciat pel reciclador. Els models locals s'entrenen basant-se en les característiques extretes de les seves dades privades de piles. El marc d'aprenentatge automàtic federat agrega els paràmetres del model local, en lloc de les dades privades de piles, perquè el reciclador classifiqui les piles retirades. 3 La Fig.   mostra els resultats de la classificació quan els clients contribueixen amb dades de piles homògenes. La Fig.  a compara dos mètodes d'aprenentatge automàtic federat, és a dir, el vot majoritari (MV) i el nostre vot de distància de Wasserstein proposat (WDV), amb el paradigma d'aprenentatge independent (IL). Cal assenyalar que la precisió per a l'IL es calcula de mitjana sobre tots els clients d'una manera no feder 3 3

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

Aquest àudio és produït a l'idioma original de la història!

Aquesta IA respectuosa amb la privadesa podria convertir els residus de bateries en grans beneficis

About Author

COMENTARIS

Etiquetes penjant

AQUEST ARTICLE VA SER PRESENTAT A

Related Stories

Why Over-Explaining Your Tech Is Killing Your Content Strategy

The Jewel Robbery at the Grand Metropolitan

Startups of The Year: Meet the Business Industry

What Are Writers' Biggest Struggles in 2025?

Why Over-Explaining Your Tech Is Killing Your Content Strategy

The Jewel Robbery at the Grand Metropolitan

Startups of The Year: Meet the Business Industry

What Are Writers' Biggest Struggles in 2025?

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps