AI ជំន助永續利用廢棄鋰離子電池

អ្នកនិពន្ធ៖ Shengyu Tao Ruifei Ma Zixi Zhao Guangyuan Ma Lin Su Heng Chang Yuou Chen Haizhou Liu Zheng Liang Tingwei Cao Haocheng Ji Zhiyuan Han Minyan Lu Huixiong Yang Zongguo Wen Jianhua Yao Rong Yu Guodan Wei Yang Li Xuan Zhang Tingyang Xu Guangmin Zhou សេចក្ដីសង្ខេប ការប៉ាន់ប្រមាណរដ្ឋសុខភាព (SOH) យ៉ាងរហ័ស និងត្រឹមត្រូវនៃថ្មដែលបានបញ្ឈប់ការប្រើប្រាស់ គឺជាការត្រៀមលក្ខណៈដ៏សំខាន់សម្រាប់ការប្រើប្រាស់ឡើងវិញ និងការកែច្នៃឡើងវិញ។ ទោះជាយ៉ាងណាក៏ដោយ វិធីសាស្ត្រទិន្នន័យតម្រូវឱ្យមានការរៀបចំទិន្នន័យយ៉ាងហ្មត់ចត់ក្រោមលក្ខខណ្ឌនៃការបញ្ឈប់ការប្រើប្រាស់ដោយចៃដន្យនៃ SOH និងរដ្ឋនៃការគិតកំលាំង (SOC) ។ នៅទីនេះ យើងបង្ហាញថា ការប៉ាន់ប្រមាណ SOH ដោយមានជំនួយពីការរៀនសូត្រគឺមានភាពសន្យា ក្នុងការកាត់បន្ថយបញ្ហាខ្វះទិន្នន័យ និងភាពមិនដូចគ្នា ដែលត្រូវបានបញ្ជាក់តាមរយៈសំណុំទិន្នន័យនៃការចាក់ថ្នាំកំលាំងចំនួន 2700 គំរូថ្មលីចូម-អ៊ីយ៉ុងដែលបានបញ្ឈប់ការប្រើប្រាស់ ដោយគ្របដណ្តប់ប្រភេទសម្ភារៈកាតូត 3 ប្រភេទ ទម្រង់រាងកាយ 3 ប្រភេទ ការរចនាសមត្ថភាព 4 ប្រភេទ និងការប្រើប្រាស់ប្រវត្តិសាស្ត្រ 4 ប្រភេទ ជាមួយនឹងកម្រិត SOC 10 កម្រិត។ ដោយប្រើទិន្នន័យដែលបានបង្កើត អ្នកប្រៀបធៀបសម្រេចបាននូវការប៉ាន់ប្រមាណ SOH យ៉ាងត្រឹមត្រូវ ដោយមានកំហុសជាមធ្យមនៃតម្លៃដាច់ខាតទាបជាង 6% ក្រោម SOC ដែលមិនធ្លាប់ជួប។ យើងព្យាករណ៍ថា ដោយសន្មតថាការដាក់ពង្រាយបច្ចេកទេសដែលបានស្នើឡើងដោយឯកសណ្ឋាន វានឹងសន្សំប្រាក់ចំនួន 4.9 ពាន់លានដុល្លារលើការចំណាយអគ្គិសនី និងការបញ្ចេញឧស្ម័ន CO2 ចំនួន 35.8 ពាន់លានគីឡូក្រាម ដោយកាត់បន្ថយការចំណាយលើការរៀបចំទិន្នន័យសម្រាប់ទិដ្ឋភាពពិភពលោកឆ្នាំ 2030 នៃការបញ្ឈប់ការប្រើប្រាស់ថ្ម។ អត្ថបទនេះបង្ហាញពីការទាញយកទិន្នន័យមានកំណត់សម្រាប់ការស្វែងរកលំហទិន្នន័យដែលបានពង្រីកដោយប្រើវិធីសាស្ត្របង្កើតឡើងវិញ ដោយសារទិន្នន័យអាចចំណាយពេលយូរ និងមានតម្លៃថ្លៃ និងបំពុលបរិស្ថានក្នុងការទាញយកសម្រាប់កិច្ចការប៉ាន់ប្រមាណ និងព្យាករណ៍ជាច្រើន។ សេចក្តីណែនាំ ការផ្លាស់ប្តូរការដឹកជញ្ជូនទៅជាអគ្គិសនី ដែលជាវិស័យសំខាន់ក្នុងការផ្លាស់ប្តូរថាមពលកាបូនទាប បានផ្លាស់ប្តូរគំរូដឹកជញ្ជូនដោយផ្អែកលើឥន្ធនៈហ្វូស៊ីលដែលមិនធ្លាប់មានពីមុនមក។ ថ្មលីចូម-អ៊ីយ៉ុងមានសារៈសំខាន់ណាស់ក្នុងការផ្លាស់ប្តូរនេះ ដោយផ្តល់នូវការផ្គត់ផ្គង់ថាមពលដែលមានតម្លៃសមរម្យ ធន់ និងមានសុវត្ថិភាពដល់យានយន្តអគ្គិសនី (EVs) ។ សមត្ថភាពសរុបនៃថ្ម EV ដែលកំពុងប្រើប្រាស់ និងអស់អាយុកាលនឹងលើសពី 32–62 terra-watts នៅឆ្នាំ 2050 ដែលខ្ពស់ជាងការប៉ាន់ប្រមាណនៅក្នុងកាលវិភាគ International Renewable Energy Agency និង Storage Lab ។ ទោះជាយ៉ាងណាក៏ដោយ ថ្ម EV ដែលបានបញ្ឈប់ការប្រើប្រាស់ត្រូវបានគ្រប់គ្រងយ៉ាងតឹងរ៉ឹងជាមួយនឹងតម្លៃសមត្ថភាពដែលនៅសល់ដ៏ច្រើនដែលមិនបានប្រើប្រាស់ពេញលេញ ជាទូទៅលើសពី 80% នៃសមត្ថភាពដែលបានវាយតម្លៃ ។ ប្រសិនបើមិនបានដោះស្រាយត្រឹមត្រូវ វានឹងនាំឱ្យមានការបន្ទុកសេដ្ឋកិច្ច សម្រាប់អ្នកផលិត និងអ្នកប្រើប្រាស់ ក៏ដូចជាបញ្ហាបរិស្ថាន និងសង្គមជាបន្តបន្ទាប់ រួមទាំងការខ្ជះខ្ជាយធនធាន ហានិភ័យខ្សែសង្វាក់ផ្គត់ផ្គង់ និងការបញ្ចេញឧស្ម័នកាបូន , , ។ 1 , 2 3 4 , 5 6 7 8 9 10 11 យុទ្ធសាស្ត្រដ៏មានសក្តានុពលក្នុងការដោះស្រាយការព្រួយបារម្ភអំពីការកើនឡើងយ៉ាងខ្លាំងនៃថ្មដែលបានបញ្ឈប់ការប្រើប្រាស់គឺការប្រើប្រាស់ឡើងវិញ , , និងការកែច្នៃឡើងវិញ ។ ក្នុងការប្រើប្រាស់ឡើងវិញ ថ្មដែលបានបញ្ឈប់ការប្រើប្រាស់ត្រូវបានយកទៅប្រើប្រាស់ឡើងវិញសម្រាប់កម្មវិធីនានាដូចជាប្រព័ន្ធផ្ទុកថាមពលដែលភ្ជាប់ទៅនឹងបណ្តាញ ការផ្គត់ផ្គង់ថាមពលលំនៅដ្ឋាន និងយានយន្តល្បឿនទាប។ ទោះជាយ៉ាងណាក៏ដោយ ការប្រើប្រាស់ឡើងវិញតម្រូវឱ្យមានការរៀបចំជាមុន រួមទាំងការត្រួតពិនិត្យភាពស៊ីគ្នា ការតម្រៀបសមត្ថភាព និងការប្រមូលផ្តុំឡើងវិញ , ដើម្បីបំពេញតម្រូវការកម្មវិធី ។ ទោះបីជាមានការចាប់ផ្តើមកម្មវិធីសាកល្បង , , ការខ្វះខាតស្តង់ដារតឹងរ៉ឹងសម្រាប់ស្ថានភាពនៃការប្រើប្រាស់ និងផ្លូវនៃការបញ្ឈប់ការប្រើប្រាស់ រារាំងការប្រើប្រាស់សមត្ថភាពដែលនៅសល់ដោយសមហេតុផល ។ ផ្ទុយទៅវិញ ការកែច្នៃឡើងវិញប្រើប្រាស់តម្លៃដែលនៅសល់នៃថ្មដែលបានបញ្ឈប់ការប្រើប្រាស់ដោយការទាញយកសម្ភារៈ ឬជួសជុលរចនាសម្ព័ន្ធ , សមស្របសម្រាប់ថ្មដែលខូចខាតដែលមិនអាចជួសជុលបាន។ បើប្រៀបធៀបទៅនឹង pyrometallurgy និង hydrometallurgy , ការកែច្នៃដោយផ្ទាល់លេចធ្លោដោយសារតែប្រាក់ចំណេញខ្ពស់ ការប្រើប្រាស់ថាមពលទាប និងការបញ្ចេញឧស្ម័នកាបូនទាប , , ។ ការប្រើប្រាស់ការបំពេញលីចូម និងការកែច្នៃបន្ថែមនៃសម្ភារៈកាតូត ការកែច្នៃដោយផ្ទាល់សម្រេចបាននូវការជួសជុលរចនាសម្ព័ន្ធសម្ភារៈប្រកបដោយប្រសិទ្ធភាព និងការស្តារឡើងវិញនូវដំណើរការ ។ ទោះជាយ៉ាងណាក៏ដោយ រដ្ឋសុខភាព (SOH) កំណត់បរិមាណសារធាតុគីមីដែលត្រូវការ និងកម្រិតនៃការបំពេញលីចូមដែលរំពឹងទុកក្នុងការបង្កើតយុទ្ធសាស្ត្រកែច្នៃដោយផ្ទាល់ , , ។ កម្រិតមិនគ្រប់គ្រាន់អាចនាំឱ្យមានការជួសជុលមិនពេញលេញ ខណៈដែលកម្រិតលើសអាចនាំឱ្យមានការបង្កើតអាល់កាឡាំងដែលនៅសេសសល់នៅលើផ្ទៃកាតូត ប៉ះពាល់ដល់ការស្តារឡើងវិញនូវដំណើរការ , ។ ជាអកុសល ការទាញយក SOH តម្រូវឱ្យមានការវិភាគសម្ភារៈដែលលុកលុយ , និងការធ្វើតេស្តកាលីប្រេតសមត្ថភាពដែលចំណាយពេលយូរ ការទាញយក SOH ដែលមិនលុកលុយ រហ័ស និងនិរន្តរ៍ នៅតែជាបញ្ហាប្រឈមដ៏ធំ។ 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 ដើម្បីធានាបាននូវព័ត៌មាន SOH ដែលស៊ីគ្នា ថ្ម EV ត្រូវបានត្រួតពិនិត្យ ហើយទិន្នន័យប្រតិបត្តិការត្រូវបានកត់ត្រាដោយវេទិកាពពក និងលិខិតឆ្លងដែនថ្ម ។ រដ្ឋសភាអឺរ៉ុបបានអនុម័តសេចក្តីណែនាំស្តីពីថ្មនៅថ្ងៃទី 14 ខែមិថុនា ឆ្នាំ 2023 ដើម្បីធានាថាថ្មដែលបានបញ្ឈប់ការប្រើប្រាស់អាចត្រូវបានប្រើប្រាស់ឡើងវិញ កែលម្អ ឬកែច្នៃឡើងវិញនៅចុងបញ្ចប់នៃអាយុកាលសេវាកម្ម ។ ទោះជាយ៉ាងណាក៏ដោយ នីតិវិធីត្រួតពិនិត្យ និងកត់ត្រាដែលតម្រូវឱ្យមាន គឺអាចចូលដំណើរការបានតែក្នុងដំណាក់កាលសេវាកម្ម EV ប៉ុណ្ណោះ ថ្មដែលបានបញ្ឈប់ការប្រើប្រាស់លែងបានភ្ជាប់ទៅនឹងអង្គភាពត្រួតពិនិត្យក្នុងរថយន្តទៀតហើយ។ ហេតុដូច្នេះហើយ ទើបវាជាការលំបាកក្នុងការទាញយកទិន្នន័យ SOH ដែលមានក្នុងវាល។ ភាពស្មោះត្រង់នៃទិន្នន័យអាយុកាលនៅតែជាបញ្ហាប្រឈមដ៏ធំ ដែលតម្រូវឱ្យមានការប៉ាន់ប្រមាណ SOH ដោយប្រើតែទិន្នន័យវាល ដោយផ្ទុយពីទិន្នន័យប្រវត្តិសាស្ត្រ ឬក្រោមលក្ខខណ្ឌដែលអាចគ្រប់គ្រងបាន , , ។ ដំណោះស្រាយមួយគឺត្រូវអនុវត្តការធ្វើតេស្តកាលីប្រេតសមត្ថភាពនៅទីវាលប្រមូលថ្មដែលបានបញ្ឈប់ការប្រើប្រាស់ ពោលគឺការកែតម្រូវ SOC ដែលមានលក្ខណៈសាមញ្ញ ប៉ុន្តែវាតម្រូវឱ្យមានពេលវេលាតេស្តដែលមិនអាចទិញបាន និងការចំណាយអគ្គិសនីបន្ថែម។ ការធ្វើតេស្តលក្ខណៈថាមពលជីពចរແບບកូនកាត់គឺជាជម្រើសសម្រាប់ការប៉ាន់ប្រមាណ SOH ដោយការចាក់ជីពចរតាមលក្ខណៈឌីណាមិក ប៉ុន្តែលំដាប់តេស្តពេញលេញចំណាយពេលជាង 12 ម៉ោង។ Tao et al. បានប្រើជីពចរខ្លីៗសម្រាប់ការប៉ាន់ប្រមាណ SOH នៃថ្មដែលបានបញ្ឈប់ការប្រើប្រាស់ ដោយសន្មតថា ការកែតម្រូវ SOC ដល់ 5% SOC ត្រូវបានអនុវត្ត ដែលមិនសូវត្រូវគ្នាទៅនឹងលក្ខខណ្ឌ SOC នៃការបញ្ឈប់ការប្រើប្រាស់ដោយចៃដន្យ ។ ការរីកចម្រើនថ្មីៗនេះក្នុងការវាស់វែងដោយផ្អែកលើឧបករណ៍ចាប់សញ្ញារួមមាន ការថតរូប X-ray អាំងតង់ស៊ីតេអេឡិចត្រូគីមី , ឧបករណ៍ចាប់សញ្ញាប្រភេទសរសៃអុបទិក , ឧបករណ៍ចាប់សញ្ញាអាកូស្ទិក , ការគិតកំលាំងដោយផ្នែក , និងការចាក់ជីពចរ , ។ វិធីសាស្ត្រផ្អែកលើឧបករណ៍ចាប់សញ្ញាស្ថិតនៅក្នុងដំណាក់កាលមន្ទីរពិសោធន៍ ដោយសារការលុកលុយ ខណៈដែលការចាក់ជីពចរមានលក្ខណៈពិសេសនៃការដោះស្រាយការខូចខាតថ្មដោយមិនមានការខូចខាតរាងកាយ លឿនជាងការគិតកំលាំងដោយផ្នែក និងវិធីសាស្ត្រផ្អែកលើអាំងតង់ស៊ីតេអេឡិចត្រូគីមី , , , , , ។ ទោះជាយ៉ាងណាក៏ដោយ ការចាក់ជីពចរគឺជាវិធីសាស្ត្រដែលផ្តោតលើទិន្នន័យ ដែលមានតែអាចអនុវត្តបានក្រោមការសន្មត់ដ៏ល្អបំផុតថា ទិន្នន័យដែលបានវាស់វែងដោយរូបរាងកាយគ្របដណ្តប់លក្ខខណ្ឌនៃការបញ្ឈប់ការប្រើប្រាស់នៃដំណាក់កាលនៃការដាក់ពង្រាយគំរូ ដែលត្រូវបានគេស្គាល់ថាជាបញ្ហាទូទៅនៃការផ្លាស់ប្តូរដែននៅក្នុងសហគមន៍ការរៀនម៉ាស៊ីន។ ទោះបីជាមានការរីកចម្រើនក្នុងវិធីសាស្ត្រ transfer learning និង domain adaption , , បញ្ហាប្រឈមនៅតែមានដោយសារតែដែនគោលដៅដែលត្រូវតម្រឹម នៅតែតម្រូវឱ្យមានព័ត៌មានជាមុនលើការដាក់ពង្រាយ ហើយវិធីសាស្ត្ររៀនដែលមានស្រាប់មានការលំបាកក្នុងការធ្វើបច្ចុប្បន្នភាពសម្រាប់លក្ខខណ្ឌនៃការបញ្ឈប់ការប្រើប្រាស់ដោយចៃដន្យ ។ ជម្រើសមួយគឺការលាតសន្ធឹងមាត្រដ្ឋានតេស្តទិន្នន័យក្រោមលក្ខខណ្ឌនៃការបញ្ឈប់ការប្រើប្រាស់ដែលមិនទាន់ត្រូវបានស្វែងរក ដើម្បីកាត់បន្ថយភាពខ្វះខាតទិន្នន័យ និងភាពមិនដូចគ្នា ខណៈពេលដែលវាអាចនាំឱ្យមានការកើនឡើងនូវការចំណាយ។ Wang et al. បានស្នើវិធីសាស្ត្រទាញយកសីតុណ្ហភាព ដើម្បីធ្វើការអភិវឌ្ឍន៍អត្រាប្រតិកម្មនៅកម្រិតមធ្យមផ្សេងៗគ្នាក្នុងដំណើរការគីមីកម្ដៅ អនុញ្ញាតឱ្យបង្កើតមូលដ្ឋានទិន្នន័យបណ្តុះបណ្តាលយ៉ាងទូលំទូលាយក្នុងមាត្រដ្ឋាន និងការចំណាយពិសោធន៍គីមីកម្ដៅតិចតួចបំផុតជាការបន្ថែមទិន្នន័យសម្រាប់ការបណ្តុះបណ្តាលម៉ូដែលការរៀនម៉ាស៊ីន ។ បន្ថែមពីនេះ ការរៀនសូត្រក៏បានបង្ហាញពីលទ្ធភាពនៃការប៉ាន់ប្រមាណ SOH ជាមួយនឹងទិន្នន័យបន្ថែមពីប្រវត្តិវដ្តដោយផ្នែក ដោយសន្សំទិន្នន័យដែលបានធ្វើតេស្តរូបរាងកាយ , ។ ទោះជាយ៉ាងណាក៏ដោយ ភាពខ្វះខាតទិន្នន័យ និងភាពមិនដូចគ្នាក្នុងបរិបទនៃការប្រើប្រាស់ឡើងវិញ និងការកែច្នៃថ្មគឺកាន់តែស្មុគស្មាញ ដោយសារការលាយបញ្ចូលគ្នានៃប្រភេទសម្ភារៈកាតូត ទម្រង់រាងកាយ ការរចនាសមត្ថភាព និងការប្រើប្រាស់ប្រវត្តិសាស្ត្រ ដែលកំណត់ការរួមបញ្ចូលសក្តានុពលនៃចំណេះដឹងលក្ខខណ្ឌជាក់លាក់នៃការខូចខាតទៅក្នុងម៉ូដែលរៀនម៉ាស៊ីន។ ហេតុដូច្នេះហើយ ទើបជាការសមហេតុផលក្នុងការពិចារណាអំពីទំនាក់ទំនងនៃការរំពឹងទុកគ្នារវាងលក្ខខណ្ឌនៃការបញ្ឈប់ការប្រើប្រាស់ និងការឆ្លើយតបវ៉ុលតេជីជីពចរសម្រាប់ការបង្កើតទិន្នន័យ ដោយមិនបង្កឱ្យមានការកាលីប្រេតសមត្ថភាពស៊េរីពេលវេលាយូរ និងការពិសោធន៍រូបរាងកាយបន្ថែមក្នុងពេលដំណាលគ្នា ដើម្បីបង្កើនប្រសិទ្ធភាពការប៉ាន់ប្រមាណ 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 នៅក្នុងការសិក្សានេះ យើងអនុវត្តការរៀបចំថ្មដែលបានបញ្ឈប់ការប្រើប្រាស់ ពោលគឺការប៉ាន់ប្រមាណ SOH ដោយប្រើទិន្នន័យឆ្លើយតបវ៉ុលតេជីជីពចរដែលបានបង្កើតដោយ autoencoder variational ដែលមានការយកចិត្តទុកដាក់ នៅពេលចំណាយពេលវេលា និងការចំណាយលើការវាស់វែងរូបរាងកាយ។ ជំហាននៃការរៀបចំទូទៅនៃដំណើរការទូទៅ ការបណ្តុះបណ្តាលម៉ូដែលបង្កើតឡើងវិញ និងជំហាននៃការដាក់ពង្រាយគំរូជាក់ស្តែងត្រូវបានបង្ហាញក្នុងរូបភព។ ។ គំនិតនៃការស្រាវជ្រាវគឺត្រូវប្រើការរៀនសូត្រ ដើម្បីទាញយកទិន្នន័យដែលបានវាស់វែងរួចហើយ ដើម្បីស្វែងរកការឆ្លើយតបវ៉ុលតេជីជីពចរនៅក្នុងលក្ខខណ្ឌនៃការបញ្ឈប់ការប្រើប្រាស់ជាបន្តបន្ទាប់ ពោលគឺ ការចែកចាយ SOC នៅដំណាក់កាលប្រមូលថ្មដែលបានបញ្ឈប់ការប្រើប្រាស់។ ការប៉ាន់ប្រមាណ SOH ដែលនៅ downstream ត្រូវបានអនុវត្តដោយគ្មានទិន្នន័យឆ្លើយតបវ៉ុលតេជីជីពចរដែលបានវាស់វែងដោយរូបរាងកាយ សន្សំការចំណាយអគ្គិសនីសម្រាប់ការរៀបចំជាមុន ដែលបើមិនដូច្នោះទេ នឹងត្រូវបានទាមទារពីការកែតម្រូវ SOC ទៅកម្រិតដែលបានព្យាករណ៍។ បើប្រៀបធៀបទៅនឹងវិធីសាស្ត្រលីនេអ៊ែរ ampere-hour និងការចាក់ជីពចរដោយការរៀនម៉ាស៊ីន ការរៀនសូត្រសង្កត់ធ្ងន់លើល្បឿនបង្កើតឡើងវិញលឿនជាង និងការប៉ាន់ប្រមាណត្រឹមត្រូវ។ ជាមួយនឹងទិន្នន័យដែលបានបង្កើត អ្នកប្រៀបធៀបសាមញ្ញមួយបានប៉ាន់ប្រមាណ SOH ដោយមានកំហុសទាបនៅក្រោមលក្ខខណ្ឌ SOC ដែលមិនធ្លាប់ជួប ឬមិនអាចចូលបាន ដែលជាបញ្ហាប្រឈមក្រៅពីការចែកចាយ (OOD) ។ បញ្ហា OOD ត្រូវបានដោះស្រាយដោយការរៀនលំនាំរូបវន្តដែលទាក់ទងគ្នារវាងលក្ខខណ្ឌ SOC និងការឆ្លើយតបវ៉ុលតេជីដែលបណ្តាលមកពីជីពចរលឿន។ យើងបង្ហាញពីភាពទូទៅនៃវិធីសាស្ត្ររបស់យើងដោយការផ្ទៀងផ្ទាត់តាមរយៈគំរូដែលបានវាស់វែងដោយរូបរាងកាយចំនួន 2700 គំរូ ដែលគ្របដណ្តប់ប្រភេទសម្ភារៈកាតូត 3 ប្រភេទ ទម្រង់រាងកាយ 3 ប្រភេទ ការរចនាសមត្ថភាព 4 ប្រភេទ និងការប្រើប្រាស់ប្រវត្តិសាស្ត្រ 4 ប្រភេទ (1 ការធ្វើតេស្តបង្កើនល្បឿនមន្ទីរពិសោធន៍ 1 ការបើកបរ EV ថ្មសុទ្ធ និង 2 ការបើកបរ EV កូនកាត់)។ ការរៀនសូត្រសមស្របសម្រាប់ការ interpolation និង extrapolation ដោយការរួមបញ្ចូលចំណេះដឹងជាមុនអំពីលក្ខខណ្ឌនៃការបញ្ឈប់ការប្រើប្រាស់ទៅក្នុងការលាតសន្ធឹងលំហទិន្នន័យនៃម៉ូដែល ជួយសន្សំពេលវេលាវាស់វែង ការចំណាយអគ្គិសនី និងការបញ្ចេញឧស្ម័នកាបូនជាបន្តបន្ទាប់ ដោយមិនប៉ះពាល់ដល់ភាពត្រឹមត្រូវនៃការប៉ាន់ប្រមាណ SOH ។ ការសិក្សាពិភពលោកដោយប្រុងប្រយ័ត្នអំពីការបញ្ឈប់ការប្រើប្រាស់ថ្មនៅឆ្នាំ 2030 បង្ហាញពីសារៈសំខាន់នៃការប៉ាន់ប្រមាណ SOH យ៉ាងរហ័ស និងនិរន្តរ៍ នៅក្នុងលក្ខខណ្ឌ pyrometallurgical, hydrometallurgical, និង direct recycling ។ តាមរយៈការវិភាគបច្ចេកទេស-សេដ្ឋកិច្ច ការប៉ាន់ប្រមាណ SOH ដោយមានជំនួយពីការរៀនសូត្រអាចសន្សំប្រាក់ចំនួន 4.9 ពាន់លានដុល្លារលើការចំណាយអគ្គិសនី និងកាត់បន្ថយការបញ្ចេញឧស្ម័ន CO2 ចំនួន 35.8 ពាន់លានគីឡូក្រាម នៅត្រឹមឆ្នាំ 2030 ទូទាំងពិភពលោក។ យើងពិភាកនាអំពីភាពអាចយល់បាននៃម៉ូដែល ផលវិបាកនៃការរៀបចំសម្រាប់ការកែច្នៃឡើងវិញ និងទិដ្ឋភាពទូលំទូលាយនៃទិសដៅការរៀបចំសម្រាប់ការកែច្នៃឡើងវិញប្រកបដោយភាពវៃឆ្លាតនាពេលអនាគតដែលរួមបញ្ចូលគ្នាជាមួយនឹងការរៀនម៉ាស៊ីន។ 1 ជំហាននៃការរៀបចំថ្មដែលបានបញ្ឈប់ការប្រើប្រាស់រួមមាន ការកែតម្រូវ SOC ការវាស់វែងរូបរាងកាយ ការរៀនម៉ាស៊ីនសម្រាប់ការវិនិច្ឆ័យ SOH និងដំណើរការសម្រេចចិត្តជីវិតទីពីរ មុនពេលប្រើប្រាស់ឡើងវិញ ឬកែច្នៃឡើងវិញ។ ការកែតម្រូវ SOC សំដៅលើការលៃតម្រូវតម្លៃ SOC នៃថ្មដែលបានបញ្ឈប់ការប្រើប្រាស់ទៅកម្រិតដែលចង់បានដោយប្រើវិធីសាស្ត្របច្ចុប្បន្នថេរតាមបច្ចុប្បន្ន a