
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 Autoriai: 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 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 Santrauka Greitas ir tikslus naudotų baterijų būklės (SOH) įvertinimas yra labai svarbus išankstinis pakartotinio naudojimo ir perdirbimo etapas. Tačiau duomenimis pagrįsti metodai reikalauja išsamaus duomenų kuravimo esant atsitiktinėms SOH ir įkrovimo būklės (SOC) išėmimo sąlygoms. Čia parodome, kad generatyvinio mokymosi pagalba įvertinamas SOH yra perspektyvus sprendžiant duomenų trūkumo ir nevienalytiškumo problemas, patvirtintas 2700 naudotų ličio jonų baterijų bandinių, apimančių 3 katodinių medžiagų tipus, 3 fizinius formatus, 4 talpos konstrukcijas ir 4 istorinius naudojimo būdus su 10 SOC lygių, impulsų injekcijos duomenimis. Naudodami generuojamus duomenis, regresorius tiksliai įvertina SOH, kai vidutinis absoliutus procentinis skirtumas yra mažesnis nei 6% esant nematytam SOC. Mes prognozuojame, kad numatytosios metodikos visuotinai taikomos, tai sutaupytų 4,9 mlrd. USD elektros energijos sąnaudų ir 35,8 mlrd. kg CO2 emisijų, sumažinant duomenų kuravimo išlaidas 2030 m. pasaulinio masto baterijų išėmimo scenarijui. Šis straipsnis pabrėžia ribotų duomenų panaudojimą tyrinėjant išplėstinę duomenų erdvę naudojant generatyvinius metodus, atsižvelgiant į tai, kad duomenų rinkimas gali būti daug laiko užimantis, brangus ir taršus daugeliui vertinimo ir prognozavimo užduočių. Įvadas Transporto elektrifikacija, svarbus sektorius pereinant prie mažai anglies dioksido į aplinką išskiriančios energijos , precedento neturinčiai pakeitė iškastiniu kuru grindžiamą transporto paradigmą. Ličio jonų baterijos yra gyvybiškai svarbios šiam perėjimui, teikdamos prieinamas, patvarias ir saugias energijos tiekimo priemones elektrinėms transporto priemonėms (EV) , . Bendra naudojamų ir baigusių eksploatuoti EV baterijų talpa iki 2050 m. viršys 32–62 teravatvalandas, gerokai viršydama Tarptautinės atsinaujinančios energijos agentūros ir „Storage Lab“ scenarijų vertinimus . Tačiau baigusios eksploatuoti EV baterijos yra griežtai reguliuojamos, o jų likusi talpos vertė yra nepakankamai išnaudojama, paprastai viršija 80% vardinės talpos , . Jei jos nebus tinkamai tvarkomos, tai sukels ekonominę naštą  gamintojams ir vartotojams, taip pat vėlesnes aplinkosaugines ir socialines problemas , įskaitant išteklių švaistymą, tiekimo grandinių riziką ir anglies dioksido emisijas , , . 1 2 3 4 5 6 7 8 9 10 11 Perspektyvios strategijos, skirtos spręsti susirūpinimą dėl nenutrūkstamo baterijų išėmimo srauto, yra pakartotinis naudojimas , ,  ir perdirbimas . Pakartotinai naudojant, baigusios eksploatuoti baterijos yra perdedamos į tokias programas kaip tinklinius energijos kaupimo sistemas , buitinės energijos tiekimo sistemas , ir mažo greičio transporto priemones. Tačiau pakartotinai naudojant reikia preliminarių išankstinių apdorojimų, įskaitant nuoseklumo tikrinimą , talpos rūšiavimą , ir sujungimą ,  kad atitiktų taikymo reikalavimus . Nepaisant bandomųjų programų pradžios , , , griežtų naudojimo scenarijų ir išėmimo kelių standartų trūkumas trukdo racionaliai išnaudoti liekamąją talpą . Perdirbimas alternatyviai naudoja likutinę vertę baigusių eksploatuoti baterijų medžiagų išgavimo ar konstrukcijos remonto dėka , , tinkamas negrįžtamai degradavusioms baigusioms eksploatuoti baterijoms. Palyginus su pirometalurgija ir hidrometalurgija , , tiesioginis perdirbimas išsiskiria didesniu pelningumu, mažesniu energijos suvartojimu ir mažesnėmis anglies emisijomis , , . Panaudojant ličio papildymą ir katodinių medžiagų apdorojimą, tiesioginis perdirbimas leidžia efektyviai atkurti medžiagų struktūrą ir našumą . Tačiau būklė (SOH) lemia reikalingą cheminį reagentą ir numatomą ličio papildymo dozę tiesioginio perdirbimo strategijos formulavime , , . Nepakankama dozė gali lemti neišsamų remontą, o per didelė dozė gali sukelti likutinio šarmų susidarymą ant katodo paviršiaus, pabloginantį atstatymo našumą , . Deja, SOH gavimas reikalauja invazinio medžiagų charakterizavimo ,  ir ilgų talpos kalibravimo testų, o neinvazinis, greitas ir tvarus SOH gavimas išlieka neišspręsta problema. 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 Siekiant užtikrinti nuoseklią SOH informaciją, EV baterijos yra stebimos, o operaciniai duomenys įrašomi debesų platformose  ir baterijų pasuose . Europos Parlamentas 2023 m. birželio 14 d. priėmė Baterijų direktyvą, siekdamas užtikrinti, kad baigusios eksploatuoti baterijos galėtų būti pakartotinai naudojamos, atnaujinamos arba perdirbamos pasibaigus tarnavimo laikui . Tačiau reikalingos stebėjimo ir įrašymo procedūros yra prieinamos tik EV tarnybos fazėje, o baigusios eksploatuoti baterijos nebėra prijungtos prie transporto priemonės stebėjimo bloko. Taigi, sunku gauti lauko duomenis apie SOH. Gyvenimo trukmės duomenų vientisumas išlieka pagrindine problema, reikalaujant SOH vertinimo naudojant tik lauko duomenis, priešingai nei istorinių duomenų ar kontroliuojamomis sąlygomis , , . Vienas sprendimas yra atlikti talpos kalibravimo testą surinkimo aikštelėje, ty. įkrovimo būklės (SOC) kondicionavimą, kuris yra paprastas, tačiau reikalauja neįperkamai daug bandymų laiko ir papildomų elektros energijos sąnaudų. Hibridinis impulsų galios charakteristikos testas yra alternatyva SOH vertinimui dinaminio impulso injekcijos pagalba, tačiau visas testas trunka daugiau nei 12 valandų. Tao ir kt. naudojosi trumpais impulsais SOH vertinimui baigusių eksploatuoti baterijų, darant prielaidą, kad buvo atliktas SOC kondicionavimas iki 5% SOC, o tai beveik nesuderinama su atsitiktinėmis išėmimo SOC sąlygomis . Naujausi jutikliais pagrįstų matavimų pasiekimai apima rentgeno vaizdavimą , elektrocheminį impedansą , , optinio pluošto jutiklius , , akustinius jutiklius , , dalinį įkrovimą , , ir impulsų injekciją , . Jutikliais pagrįsti metodai yra laboratoriniame etape dėl invazijos, o impulsų injekcija leidžia atskirti baterijos degradaciją be fizinės žalos, tuo pačiu greičiau nei dalinio įkrovimo ir elektrocheminio impedanso metodai , , , , , . Tačiau impulsų injekcija yra nuo duomenų priklausomas metodas, kuris yra tinkamas tik esant idealiai prielaidai, kad fiziškai išmatuoti duomenys apima modelio diegimo fazės išėmimo sąlygas, žinomą kaip bendra domenų poslinkio problema mašininio mokymosi bendruomenėje. Nepaisant perdavimo mokymosi ir domenų adaptacijos metodų pažangos , , , išlieka iššūkiai, nes tikslinis domenų suderinimas vis tiek reikalauja išankstinės informacijos diegimo metu, o esami mokymosi metodai vargu ar gali būti atnaujinti atsitiktinėms išėmimo sąlygoms . Alternatyva yra duomenų testavimo masto išplėtimas esant neišbandytoms išėmimo sąlygoms, siekiant sumažinti duomenų trūkumą ir nevienalytiškumą, tačiau tai gali padidinti išlaidas. Wang ir kt. pasiūlė temperatūros ekskavacijos metodą, skirtą reakcijos kinetikos preferencijoms įvairiose tarpinėse būsenose termocheminio proceso metu interpoliuoti, leidžiantį sukurti plačias mokymo duomenų bazes esant minimaliam termocheminio eksperimento mastui ir sąnaudoms kaip duomenų papildymas mašininio mokymosi modelio mokymui . Be to, generatyvinis mokymasis taip pat parodo galimybes įvertinti SOH su papildomais duomenimis iš dalinai cikluotų profilių, taupant reikiamus fizinius išbandytus duomenis , . Tačiau duomenų trūkumas ir nevienalytiškumas baterijų pakartotinio naudojimo ir perdirbimo kontekste yra dar sudėtingesnis dėl skirtingų katodinių medžiagų tipų, fizinių formatų, talpos konstrukcijų ir istorinių naudojimo būdų mišinio, ribojant sąlygoms specifinių degradacijos žinių integraciją į mašininio mokymosi modelius. Taigi, tikslinga apsvarstyti išėmimo sąlygų ir impulsų įtampos atsakų priklausomybės ryšius duomenų generavimui, be ilgalaikio laiko serijos talpos kalibravimo ir papildomų fizinių eksperimentų tuo pačiu metu, siekiant pagerinti SOH vertinimo našumą. 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 Šiame tyrime mes atliekame naudotų baterijų išankstinį apdorojimą, ty. SOH vertinimą, naudojant impulsų įtampos atsako duomenis, generuojamus dėmesio verto variacinio automatinio kodavimo, sutaupant fizinio matavimo laiką ir išlaidas. Bendras išankstinio apdorojimo žingsnių, generatyvinio modelio mokymo ir praktinio modelio diegimo žingsnių aukšto lygio procesas parodytas Fig. 1. . Tyrimo idėja yra naudoti generatyvinį mokymąsi jau išmatuotiems duomenims, kad būtų galima ištirti impulsų įtampos atsakus nuosekliose išėmimo sąlygose, ty. SOC pasiskirstymą naudotų baterijų surinkimo stadijoje. Vėlesnis SOH vertinimas atliekamas be fiziškai išmatuotų impulsų atsako duomenų, taupant išankstinio apdorojimo elektros energijos sąnaudas ir anglies emisijas, kurios kitaip būtų reikalingos kondicionuojant SOC iki numatyto lygio. Palyginus su ampervalandžių integralo metodu ir mašininio mokymosi impulsų injekcija, generatyvinis mokymasis išsiskiria greitesniu generavimo greičiu ir tiksliu vertinimu. Naudojant generuojamus duomenis, paprastas regresorius sėkmingai įvertina SOH su maža klaida esant nematytoms ar neprieinamoms SOC išėmimo sąlygoms duomenų bazėje, o tai yra sudėtinga iš distributyvo (OOD) problema. OOD problema sprendžiama mokantis paveldėtą fizinį modelį tarp SOC sąlygos ir įtampos atsako, sukeltą greito impulso. Parodome mūsų metodo universalumą, patvirtindami 2700 fiziškai išmatuotų bandinių, apimančių 3 katodinių medžiagų tipus, 3 fizinius formatus, 4 talpos konstrukcijas ir 4 istorinius naudojimo būdus (1 laboratorinis pagreitintas senėjimas, 1 grynos EV vairavimo, ir 2 hibridinių EV vairavimo). Generatyvinis mokymasis tinka interpoliuoti ir ekstrapoliuoti, integruojant išankstines žinias apie išėmimo sąlygas į modelio parametrų paslėptos erdvės mastą, taupant matavimo laiką, elektros energijos sąnaudas ir atitinkamas anglies emisijas, nepakenkiant SOH vertinimo tikslumui. Konservatyvus pasaulinis baterijų išėmimo 2030 m. tyrimas pabrėžia greito ir tvaraus SOH vertinimo reikšmę pirometalurgijos, hidrometalurgijos ir tiesioginio perdirbimo aplinkybėse. Per techninį-ekonominį analizę, generatyvinio mokymosi pagalba SOH vertinimas galėtų sutaupyti 4,9 mlrd. USD elektros energijos sąnaudų ir sumažinti 35,8 mlrd. kg CO2 emisijų iki 2030 m. visame pasaulyje. Aptariame modelio aiškinamumą, perdirbimo išankstinio apdorojimo pasekmes ir platesnius ateities išmaniųjų perdirbimo išankstinio apdorojimo krypčių, integruotų su mašininiu mokymusi, aspektus. 1   **a** Naudotų baterijų išankstinio apdorojimo etapai apima SOC kondicionavimą, fizinius matavimus, mašininį mokymąsi SOH diagnozei ir antrojo gyvenimo sprendimų priėmimo procesą prieš pakartotinį naudojimą ar perdirbimą. SOC kondicionavimas reiškia naudotų baterijų SOC reikšmių nustatymą į norimus lygius naudojant tradicinį pastovios srovės pastovios įtampos (CCCV) metodą. **b** Dėmesio variacinio automatinio kodavimo schematinis vaizdas impulsų įtampos atsako duomenų generavimui. **c** Praktinis duomenų generavimo modelio naudojimas SOH vertinimui nereikalauja papildomo SOC kondicionavimo. Mokomas mašininio mokymosi modelis prižiūrimas generuojamų duomenų ir gauna tiesioginius impulsų įtampos atsakus diegimo fazėje. **d** Ekonominė ir aplinkosauginė nauda bei greitas generavimo greitis mūsų generatyvinio mokymosi metodikos dėka, taupant SOC kondicionavimo išlaidas 2030 m. pasauliniame baterijų išėmimo scenarijuje. Rezultatai Duomenų rinkinys Duomenų trūkumas ir nevienalytiškumas yra pagrindiniai iššūkiai duomenimis pagrįstai baterijų diagnostikai ir prognozei, ypač naudotoms baterijoms. Surinkome 2700 bandinių iš 270 fiziškai naudotų baterijų plačiuose SOC lygiuose, ty. nuo 5% iki 50% su 5% intervalu. Fig. 2a  duomenų rinkinys apima 3 vyraujančius katodinių medžiagų tipus, įskaitant 119 fiziškai surinktų NMC (nikelio mangano kobalto oksido), 56 LFP (ličio geležies fosfato) ir 95 LMO (ličio mangano oksido) naudotų baterijų, 3 fizinius formatus (cilindrinis, maišelis, prizminis) ir 4 istorinius naudojimo modelius (1 laboratorinis pagreitintas testas, 3 EV naudojimo būdai, įskaitant 1 grynai elektrifikuotą pavaros režimą ir 2 hibridinius pavaros režimus). Pabrėžiame, kad labai nevienalytinių testavimo bandinių įtraukimas daro mūsų duomenų rinkinį didžiausiu greito impulso pagrindu sudarytu duomenų rinkiniu SOH vertinimui naudotų baterijų iki šiol, palengvinant modelio universalumą už fiziškai išmatuotų duomenų ribų. 2a   **a** Sankey diagrama naudotų baterijų pasiskirstymui, apimanti katodinių medžiagų tipus, fizinius formatus, talpos konstrukcijas ir istorinius naudojimo būdus. **b** Impulsų srovė ir vėlesnis naudotų baterijų įtampos atsakas, kur ypatybės išgaunamos iš posūkio taškų, ty. taškų, kurių įtampos atsako kreivės antraštė yra nulinė. Iš 21 ypatybės taškų, nuo U1 iki U21, yra išgauti. Žalių duomenų įrašymo dažnis yra 100 Hz. C-reitingo tarp kiekvieno impulso poilsio laikas yra 25 sekundės. Atkreipkite dėmesį, kad C reiškia įkrovimo (iškrovimo) dažnį, kai atliekamas 1 valandos įkrovimas (iškrovimas). Aplinkos temperatūra kontroliuojama 25 . **c** 2,1 Ah ir 21 Ah naudotų baterijų SOH pasiskirstymas (Gauso dėsnis) iliustracijai, atitinkamai. Dėl kitų tipų baterijų SOH pasiskirstymo, žr. papildomą Fig. 1. . **d** Ryšys tarp išmatuoto impulsų įtampos atsako ir kalibruoto SOH iš talpos kalibravimo testo, esant skirtingoms įkrovimo būklės (SOC) sąlygoms. Iliustruojamas pirmasis ypatybės matmuo, U1. **e** Duomenų generavimo pavyzdys interpoliuojant ir ekstrapoliuojant esant skirtingoms baterijų išėmimo SOC pasiskirstymams. Išsamūs testavimo nustatymai pateikiami Papildomuose pastabose 1 ir 2, atkreipkite dėmesį, kad C-reitingo nustatymas yra identiškas visų katodinių medžiagų tipams. Šaltiniai duomenys pateikiami kaip šaltinio duomenų failas. 1 Skirtingai nei įprasti pastovios srovės pastovios įtampos (CCCV) testai, impulsų testas nesukelia ilgo testavimo laiko ir pap

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

Šis garso įrašas sukurtas originalia istorijos kalba!

Sukuriamoji dirbtinė intelektas suteikia galimybę tvariai pakartotinai naudoti nenaudojamas ličio jonų baterijas

About Author

KOMENTARAI

PABAIGTI ŽYMES

ŠIS STRAIPSNIS BUVO PRISTATYMAS

Related Stories

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps