Оваа вештачка интелигенција безбедна за приватност може да го претвори отпадот од батерии во голема добивка

Автори: Шенгју Тао Хаижоу Лиу Чонгбо Сан Хаоченг Џи Гуанјун Џи Жијуан Хан Рунхуа Гао Џун Ма Руифеи Ма Јуоу Чен Шији Фу Ју Ванг Јаоџие Сан Ју Ронг Сјуан Џанг Гуангмин Џоу Хонгбин Сан Апстракт Несортираните отпадни батерии со различни катодни материјали го попречуваат усвојувањето на директно рециклирање поради нивната специфичност на катодата. Зголемувањето на отпадните батерии налага прецизно сортирање за ефикасно директно рециклирање, но предизвиците произлегуваат од различните оперативни истории, разновидните производители и грижите за приватност на податоците на соработниците за рециклирање (сопственици на податоци). Овде покажуваме, од уникатен сет на податоци од 130 литиум-јонски батерии кои опфаќаат 5 катодни материјали и 7 производители, пристапот на федеративно машинско учење може да ги класифицира овие отпадни батерии без да се потпира на минати оперативни податоци, заштитувајќи ја приватноста на податоците на соработниците за рециклирање. Со користење на карактеристиките извлечени од циклусот на полнење-празнење на крајот на животниот век, нашиот модел покажува грешки во сортирањето на катодата од 1% и 3% под хомогени и хетерогени услови за рециклирање на батерии, соодветно, што се припишува на нашата иновативна стратегија за гласање со Васeрштајново растојание. Економски, предложениот метод ја подвлекува вредноста на прецизното сортирање на батериите за просперитетна и одржлива индустрија за рециклирање. Оваа студија го најавува новиот парадигма на користење на чувствителни податоци за приватност од различни извори, овозможувајќи соработка и почитување на приватноста при донесување одлуки за дистрибуирани системи. Вовед Литиум-јонските батерии (LIBs), кои служат како уреди за складирање енергија, се здобија со широка употреба во различни домени, од индустриско производство до секојдневен живот како прифатен технички пат. Проекциите сугерираат дека глобалната производна скала на LIBs ќе надмине 1,3 TWh до 2030 година , кога растечката побарувачка за батерии ќе ја надмине достапноста на витални метални ресурси како што се литиум и кобалт , . Сепак, сегашниот просечен животен век на LIB производите е 5–8 години, што доведува до неизбежен пораст на отпадните батерии во многу земји. Ако не се управуваат соодветно, отпадните батерии ќе доведат до неодржливо трошење на ресурсите и штета по животната средина. Со оглед на овие околности, развојот на технологијата за рециклирање на батерии презема клучно значење додека се соочуваме со неизбежниот бран на откажувања на LIB . 1 2 3 4 Неодамнешните напредоци во истражувањето на рециклирањето на батерии се фокусирани на пирометалуршки, хидрометалуршки и директни пристапи за рециклирање . За разлика од пирометалуршките и хидрометалуршките методи, директното рециклирање се издвојува како посебен пристап. Овој процес не нанесува секундарна штета на структурата на материјалот, овозможувајќи поефикасна поправка на структурата и обновување на перформансите. Покрај тоа, директното рециклирање покажува поголема профитабилност, бидејќи вклучува помала потрошувачка на енергија, намалени емисии на стакленички гасови и полесни еколошки отпечатоци , . Во реалното производство, сепак, рециклерите на батерии често наидуваат на LIB кои се состојат од непознати компоненти или батериски модули што се состојат од мешавина од различни типови катодни материјали. Со оглед на тоа што директното рециклирање може да биде многу специфично за катодата, таквата комплексност го прави невозможно примена на директното рециклирање за постигнување конверзија на вредноста на отпадните батерии . Клучно е да се нагласи дека дури и ако виталните метали од мешани типови катодни материјали можат да се извлечат со конвенционални стратегии за рециклирање, интеракцијата помеѓу различните катодни материјали за време на процесот на рециклирање може негативно да влијае на квалитетот на производот . Затоа, разбирањето на информациите за типот на катодниот материјал на страната на рециклирање значително влијае на изборот на рутата за директно рециклирање и на крајот го подобрува квалитетот на производот, профитабилноста и одржливоста. 5 6 7 8 9 Директното рециклирање со помош на човек е предложено за идентификација на информациите за типот на катодниот материјал на отпадните батерии во врската за претходна обработка, што сè уште не е финансиски одржливо кога индустријата за рециклирање се зголемува . За ефикасно извлекување на информациите за типот на катодата на отпадните батерии, научната и индустриската заедница неодамна иницираше систем за следење на животниот век на батериите и нови концепти како пасош за батерии и геном на податоци за батерии . Иако пред овие иницијативи се користени значителен број батерии, постои растечки консензус дека информациите за батериите треба да бидат достапни во текот на целиот животен циклус за да се овозможи донесување одлуки за втор живот . Ова е особено случај за секторот за рециклирање на батерии, последната станица од вториот живот на батеријата, бидејќи рутата за рециклирање може да биде многу специфична за катодата. Сепак, системите за следење на животниот век на батериите или пасошите за батерии се овозможени со електронски гаџети како што се бар-кодови и комуникации блиску до поле, што може да воведе интензивни инвестиции и може да биде широко некомпатибилно со различни дизајнери на батерии. Покрај тоа, електронските гаџети остануваат предизвик за конзистентно управување во текот на нивниот животен циклус, што доведува до истрошени уреди и недостапност во фазата на рециклирање, бидејќи современиот производствен процес на LIB сè уште не е интегриран од производство до рециклирање . Оттука, итно се потребни повеќе пробиви за да се постигне ефикасно сортирање на типот на катодата на батериите само со користење на лесно достапни информации од терен , , спротивно на историските снимени податоци или рачниот начин, овозможувајќи го усвојувањето на директното рециклирање за подобрување на квалитетот и профитабилноста на рециклираните производи. 1 10 11 12 13 14 15 16 Во последниве години, машинското учење се појави како одржлива алатка за решавање на отворени прашања во сите области поврзани со батериите. Во други теми поврзани со батериите, машинското учење неодамна ни овозможи автоматски да откриваме сложени механизми на батериите , , , да го предвиди преостанатиот корисен век , , , , , да ја процени состојбата на здравјето , , , да го оптимизира циклусот на полнење , , да ја приближи дистрибуцијата на откажување , дури и да го води дизајнот на батерии , , и да го предвиди животниот век веднаш по производството . Во случајот на рециклирање на батерии, малку работи истражувале машинско учење во однос на катодните материјали , , што се должи на недостигот на податоци за батерии, особено за оние што се користени до крајот на животниот век. Огромното мнозинство на објавени студии покажуваат многу ограничени големини на примероци и се уште поограничени во диверзитетот на катодите на батериите . Недостигот се припишува на интензивниот трошок, долгото време на тестирање , и, што е најважно, приватноста на податоците поради комерцијални или интересни грижи. Како последица на тоа, прашањето за приватност го зацврстува дилемата каде што постоечките податоци за батерии, иако се значителни по обем и разновидност од повеќе страни, како што се производители на батерии, практични апликации, академски институции и платформи од трети страни, не можат да се споделат. Таквата дилема повикува на проучување на сортирањето на катодниот материјал за оптимизирање на рутата за рециклирање на батериите на коопериран, но и почитувачки приватноста начин. 17 18 19 20 21 22 23 24 19 25 26 27 28 29 30 31 32 33 34 35 36 37 Федеративното машинско учење, како дистрибуирана парадигма што ја штити приватноста, има потенцијал да ги реши проблемите со мултипартиска соработка (еквивалентно, обемот и разновидноста на податоците за батерии) и приватноста преку кооперирано машинско учење , , . Во секоја итерација на обука, дистрибуираните сопственици на податоци вршат локална обука со нивната локална компјутерска моќ, ги шифрираат обучените параметри/резултати на моделот и ги поставуваат на централен координатор за агрегирање. Факти дека суровите бази на податоци никогаш не ги напуштаат нивните соодветни сопственици на податоци и дека пренесените параметри/резултати се соодветно шифрирани за да се заштити приватноста на податоците. Федеративното машинско учење е широко истражено во бројни апликативни области, вклучително и јавно здравство , , клиничка дијагностика , , , е-трговија , Интернет на нештата , мобилни пресметки , и паметна мрежа , , . Овој пристап може да го револуционизира парадигмата на истражување базирана на податоци во широки енергетски сектори со овозможување соработка што ја штити приватноста, особено за оние со ограничен пристап до податоци. Во однос на секторот за рециклирање на батерии, федеративното машинско учење претставува ветувачки можности за искористување на гигантската количина на податоци за батерии што веќе постои, но не може да се сподели поради грижите за приватноста. Со таква кооперирана, но и заштитувачка приватноста парадигма, сортирањето на отпадните батерии може да се спроведе со висока точност, ефикасност, скалабилност и генерализација, оптимизирајќи го квалитетот и профитабилноста на рециклираните производи. Колку што знаеме, студиите за федеративно машинско учење фокусирани на рециклирање на батерии никогаш не биле пријавени. 38 39 40 41 42 43 44 45 46 47 48 49 50 51 Во оваа студија, спроведуваме сортирање на катодниот материјал на отпадните батерии, искористувајќи ги постоечките податоци за батерии од повеќе соработници, како што се производители на батерии, оператори на практични апликации, академски истражувачки институции и платформи од трети страни, на коопериран, но и заштитувачки приватноста начин за машинско учење, како што е илустрирано на Сл. 1. Нашиот модел за федеративно машинско учење беше обучен користејќи само еден циклус на податоци од тестирање на терен преку стандардизиран процес на извлекување на карактеристики, без никакво претходно знаење за историските работни услови. Ги споредуваме предвидливата моќ на нашиот модел за федеративно машинско учење со онаа на независно научените локални модели базирани на локални податоци под хомогени и хетерогени околности за рециклирање на батерии. Проблемот со хетерогеноста се решава со нашата предложена стратегија за гласање со Васeрштајново растојание. Извршена е економска евалуација на рециклирањето на отпадни батерии користејќи го нашиот предложен фрејмворк за федеративно машинско учење, истакнувајќи ја релевантноста и неопходноста од точно сортирање на отпадните батерии. Сеопфатно ги дискутираме интерпретабилноста на моделот, импликациите од рециклирањето на батериите и пошироките изгледи за идната пракса на рециклирање на батериите интегрирана со федеративно машинско учење. Повеќе извори на податоци, како што се производители на батерии (слика обезбедена од Addionics), оператори на практични апликации (батериски пакет во подот на Tesla. Слика обезбедена од Tesla), академски истражувачки институции и платформи од трети страни, можат да бидат придонесувачи на податоци. Податоците за батериите ниту се разменуваат помеѓу придонесувачите, ниту се поставуваат кај рециклерот на батерии. Наместо тоа, придонесувачите на податоци тренираат локални модели и ги споделуваат параметрите на моделот со рециклерот на батерии за да изградат глобален модел. Предложената техника за гласање со Васeрштајново растојание ги спојува локалните модели во глобалниот модел, кој е отпорен на неурамнотеженост и бучава на податоците. Рециклерите на батерии можат да го користат заеднички изградениот модел за сортирање на батерии, во комбинација со лесно достапните податоци од тестирање на терен. Нашиот фрејмворк за федеративно машинско учење ги охрабрува соработниците да ги споделуваат податоците додека ја зачувуваат приватноста на податоците, спротивно на традиционалната парадигма на изолација на податоци. а б Резултати Прибирање и стандардизација на податоци Уникатната кинетика на батериите кај различните типови на батерии честопати е високодимензионална и тешка за карактеризирање поради различни оперативни случаи, варијабилност во производството и историски употреби . За да најдеме решение за оваа дилема, прибравме и стандардизиравме 130 отпадни батерии со 5 типови катодни материјали од 7 производители за да конструираме сет на податоци надвор од дистрибубуцијата, еквивалентно хетероген. Со оглед на различни историски употреби, капацитетите на собраните батерии се под 90% од номиналниот капацитет. Катодните материјали на батериите се литиум кобалт оксид (LCO), никел манган кобалт (NMC), литиум ферофосфат (LFP), никел-кобалт-алуминиум оксид (NCA) и мешани типови NMC-LCO, кои дополнително се групирани во 9 класи врз основа на производителите (Дополнителна табела 1). Намерно вклучуваме батерии со различни историски употреби, од лабораториски тестирања до профили на возење на електрични возила, за да обучиме генерализиран модел за рециклерот на батерии независен од историските употреби и типовите на батерии. 52 За стандардизација, сите податоци што се бараат од рециклерот се циклусот што моментално се испитува (теренско тестирање) со еден тест за полнење и празнење, што е лесно да се имплементира во практични случаи. Податоците што се испитуваат прво се деноизираат со пополнување на недостасувачки вредности, замена на аутлаери и изведување на медијан филтрирање. Бучавите предизвикани од човекот и бучавите предизвикани од хетерогеност на катодата се намерно задржани, сепак, за да се направи моделот отпорен на несовршени влезови. Податоците потоа се линеарно интерполираат за пополнување на кривата (Дополнителна слика 1) и се инженерираат карактеристики за намалување на димензионалноста, со заеднички сет на параметри за стандардизација (Дополнителна белешка 1). Карактеристиките извлечени од цевководот за стандардизација се добро интерпретибилни, грижа од значаен комерцијален интерес. До нашaта најдобра досегашна спознание, ова е првпат кога се користат хетерогени податоци за батерии од повеќе извори и историски употреби за да се помогне во дизајнот на стратегијата за рециклирање на батерии. Слика 2а, 2б го демонстрираат процесот на инженеринг на карактеристики. Фокусираме на кривата на полнење и празнење на отпадните батерии во последниот циклус, т.е., еден циклус на полнење и еден циклус на празнење (Дополнителни слики 2–5). Во циклусот на полнење, 15 карактеристики се извлечени од кривите напон-капацитет и dQ/dV, каде V и Q се однесуваат на вредностите на напонот и капацитетот, соодветно. Истиот сет на карактеристики е извлечен за циклусот на празнење. Како резултат, вкупно се извлечени 30 карактеристики, како што е означено од F1 до F30. Обратете се до Дополнителна табела 2 и Дополнителна белешка 2 за детален објаснување на карактеристиките. Слика 2ц прикажува апсолутни и релативни вредности на карактеристиките на избраните батерии од секоја класа. Повеќето релативни вредности на карактеристиките во различни класи се преклопуваат во регионот од -1 до 0 (со светло зелена боја) и се неразлични, што ја илустрира тешкотијата во класификацијата на типот на батеријата со користење на еден циклус на податоци од батеријата. Тешкотијата се очекува бидејќи различни историски оперативни услови можат да влијаат на кинетиката на полнење-празнење на батериите, така што извлечените карактеристики можат да бидат многу корелирани и покрај различните типови батерии (Дополнителна слика 6). Наместо директно да ги толкуваме извлечените карактеристики со користење на експертско знаење, вработуваме алтернативен пристап базиран на податоци што автоматски ги искористува скриените обрасци низ разни типови батерии. За процесот на полнење, 15 карактеристики се извлечени од кривата напон-капацитет (лево) и dQ/dV (десно). Истиот сет на карактеристики е за процесот на празнење како F16 до F30. Карактеристиките се визуелизирани по класи, следејќи го форматот CxBn, што укажува на nth батерија од класа x. Големината на кругот ја прикажува апсолутната вредност на карактеристиката. Изворните податоци се обезбедени како датотека со изворни податоци. а б ц Сортирање на отпадни батерии со хомогена пристап до податоци Прво разгледуваме поставка каде што податоците за батери