
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 ليکوال: 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 شنګیو تاو رویفی ما زیکسي ژاؤ ګوانګ یوان ما لین سو هنګ چنګ یوهو چن هایزو لیو ژینګ لیانګ ټینګ وی کاو هاوچنګ جي زهایوان هان مین یان لو هوی شیونګ یانګ زونګ ګو وین جیانهوا یاو رونګ یو ګوډان وی یانګ لي شوان ژنګ ټینګ یانګ شو ګوانګ مین ژو لنډیز د پخوانیو بیټریو د روغتیا حالت (SOH) چټک او دقیق اټکل د بیا کارونې او ریسایکل کولو لپاره یو مهم مخکینۍ درملنه ده. په هرصورت، د ډیټا - چلوونکي میتودونو ته د SOH او چارج حالت (SOC) د تقاعد شرایطو لاندې د بشپړ ډیټا کیوریشن ته اړتیا لري. دلته، موږ ښیې چې د تولیدي زده کړې-مرسته شوي SOH اټکل د ډیټا نشتوالي او ناهمتیا ننګونو کمولو کې ژمن دی، د 2700 پخوانیو لیتیم-آیون بیټرۍ نمونو د نبض انجیکشن ډیټاسیټ له لارې تایید شوی، چې 3 کیتود موادو ډولونه، 3 فزیکي بڼې، 4 ظرفیت ډیزاینونه، او 4 تاریخي کارونې د 10 SOC کچو سره پوښي. د تولید شوي ډیټا په کارولو سره، یو ریګریسر دقیق SOH اټکلونه پلي کوي، د مین مطلق فیصدي غلطیو سره د نه لیدل شوي SOC لاندې د 6% څخه ښکته. موږ اټکل کوو چې د وړاندیز شوي تخنیک د یونیفورم ځای پرځای کولو په فرض کولو سره، دا به د 2030 نړیوال بیټرۍ تقاعد سناریو لپاره د ډیټا کیوریشن لګښتونو کمولو سره د 4.9 ملیارد ډالرو بریښنا لګښتونو او 35.8 ملیارد کیلوګرام CO2 اخراج خوندي کړي. دا مقاله د تولیدي میتودونو په کارولو سره د محدود ډیټا د پراخو ډیټا ځایونو د استملاک په ښودلو سره ، په پام کې نیولو سره چې د ډیټا ترلاسه کول وخت نیسي ، ګران او د ککړتیا لامل کیږي د ډیری اټکل او وړاندوینې دندو لپاره. پېژندنه د ترانسپورت بریښنایی کول، د کم کاربن انرژۍ لیږد کې یو مهم سکتور ، د تیلو پر بنسټ ترانسپورت پاراډاګ بدل کړی دی. د لیتیم-آیون بیټرۍ د بریښنایی موټرو (EVs) لپاره د ارزانه، دوامدار او خوندي انرژي رسولو له لارې پدې لیږد کې مهم دي ، . د 2050 تر 2050 پورې د کارونې او پای-له-ژوند څخه د EV بیټریو مجموعي ظرفیت به له 32 څخه 62 ټیراواټو څخه زیات شي، د نړیوالې نوې کیدونکي انرژۍ اداره او د ذخیره کولو لابراتوار سناریوګانو څخه ډیر لوړ . په هرصورت، پخوانۍ EV بیټرۍ د لوی پاتې ظرفیت سره په کلکه تنظیم شوي چې په پراخه کچه نه کارول کیږي، معمولا د نومول شوي ظرفیت له 80٪ څخه زیات ، . که په سمه توګه ونه کارول شي، دا د تولید کونکو او کاروونکو لپاره اقتصادي بارونه ، او وروسته چاپیریال او ټولنیزې مسلې ، په شمول د سرچینو ضایع کیدل، د عرضې سلسلې خطرونه، او د کاربن اخراج ، ، .  1 2 3 4 5 6 7 8 9 10 11 د بیټرۍ تقاعد د ناڅاپي زیاتوالي په اړه اندیښنو ته د رسیدو لپاره ژمن ستراتیژی بیا کارول ، ،  او ریسایکل کول . په بیا کارونه کې، پخوانۍ بیټرۍ د غوښتنلیکونو لپاره بیا کارول کیږي لکه د شبکې سره وصل شوي د انرژۍ ذخیره سیسټمونه ، د استوګنې بریښنا رسونه ، او د ټیټ سرعت وسایط. په هرصورت، بیا کارونه لومړني مخکیني درملنې ته اړتیا لري، په شمول د ثبات سکرینینګ ، د ظرفیت درجه بندي ، او بیا یوځای کول ،  ترڅو د غوښتنلیک اړتیاوې پوره کړي . که څه هم د ازمایښتي پروګرامونو پیل ، ، ، د کارونې سناریوګانو او د تقاعد لارو لپاره د سختو معیارونو نشتوالی د پاتې ظرفیت منطقي کارونې مخه نیسي . ریسایکل کول د موادو استخراج یا جوړښتي ترمیم له لارې د پخوانیو بیټریو د پاتې ارزښتونو په بدیل توګه کاروي ، ، د نه بدلیدونکي ډول خرابو پخوانیو بیټریو لپاره مناسب دی. د پیرو میتالورژۍ او هایدرو میتالورژۍ په پرتله ، ، مستقیم ریسایکل کول د غوره ګټې، لږ انرژۍ مصرف، او کم شوي کاربن اخراج سره ولاړ دی ، ، . د لیتیم بیا ډکولو او کیتود موادو د پوست-پراسس کولو په واسطه، مستقیم ریسایکل کول د موادو جوړښت ترمیم، او د فعالیت بیا رغونه ترلاسه کوي . په هرصورت، د روغتیا حالت (SOH) د مستقیم ریسایکل کولو ستراتیژۍ په فورمولونو کې د اړین کیمیاوي ریجنټ او تمه شوي لیتیم ضمیمې خوراکونه ټاکي ، ، . ناکافي خوراک ممکن د نامکمل ترمیم پایله ولري، پداسې حال کې چې ډیر خوراک ممکن د کیتود سطحې باندې د پاتې الکلي تولید لامل شي، د بیا رغونې فعالیت خرابوي ، . له بده مرغه، د SOH ترلاسه کول د موادو د ځینو برخو معاینه ته اړتیا لري ،  او اوږده د ظرفیت کیلیبریشن ازموینې، غیر انتفاعي، چټک، او پایښت لرونکی SOH لاسته راوړنه یوه غوره ننګونه پاتې ده. 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 د باوري SOH معلوماتو تضمین کولو لپاره، د EV بیټرۍ څارل کیږي، او عملیاتي ډاټا د کلاوډ پلیټ فارمونو لخوا ثبت کیږي  او د بیټرۍ پاسپورټونه . د اروپا پارلمان د 14 جون 2023 نیټه د بیټریو لارښود تصویب کړ ترڅو ډاډ ترلاسه شي چې پخوانۍ بیټرۍ د خدمت پای ته رسیدو وروسته بیا کارول کیدی شي، بیا جوړیږي، یا ریسایکل کیږي . په هرصورت، د اړینې څارنې او ثبتولو پروسه یوازې د EV خدمت مرحلې کې شتون لري، پخوانۍ بیټرۍ نور د موټر دننه نظارت واحد سره وصل نه دي. له همدې امله، د ساحې شتون لرونکي SOH ډاټا ترلاسه کول ننګونکي دي. د عمر ډیټا بشپړتیا یوه لویه ننګونه پاتې ده، د SOH اټکل غوښتنه کوي چې یوازې د ساحې ډیټا کاروي، د تاریخي ډیټا یا د کنټرول وړ شرایطو برعکس ، ، . یوه حل دا دی چې د تقاعد بیټرۍ راټولولو ساحه کې د ظرفیت کیلیبریشن ازموینه ترسره کړئ، یعنې، د چارج حالت (SOC) کنډیشن کول، کوم چې مستقیم دی، په هرصورت، دا د نه منلو وړ ازموینې وخت او اضافي بریښنا لګښتونو ته اړتیا لري. د هایبرډ نبض بریښنا مشخصاتو ازموینه د متحرک نبض انجیکشن له لارې د SOH اټکل لپاره یوه بدیل ده، مګر بشپړ ازموینه له 12 ساعتونو څخه ډیر وخت نیسي. تاو او نورو د پخوانیو بیټریو د SOH اټکل لپاره لنډ نبضونه کارولي، په دې فرض سره چې د 5% SOC ته د SOC کنډیشن کول ترسره شوي، کوم چې د تصادفي تقاعد SOC شرایطو سره په ندرت سره مطابقت لري . په وروستیو پرمختګونو کې د حسي-پربنسټ اندازو کې د X-ray انځورګري ، بریښنایی کیمیاوي مقاومت ، ، د نظری فایبر حس کول ، ، اکوسټیک حس کول ، ، جزوی چارج کول ، ، او نبض انجیکشن ، . حسي-پربنسټ تخنیکونه د دوی د انتفاعي طبیعت له امله په لابراتوار مرحله کې دي، پداسې حال کې چې نبض انجیکشن د بیټرۍ له فزیکي زیان پرته د بیټرۍ تخریب جلا کولو ځانګړتیا لري، په ورته وخت کې د جزوی چارج کولو او بریښنایی کیمیاوي مقاومت-پربنسټ میتودونو په پرتله چټک ، ، ، ، ، . په هرصورت، نبض انجیکشن یو ډیټا-مرکزي میتود دی چې یوازې د مثالی فرض سره مطابقت لري چې فزیکي اندازه شوي ډاټا د ماډل ځای پرځای کولو مرحلې د تقاعد شرایطو پوښښ لري، چې د ماشین زده کړې ټولنې کې د ډومین شفټ عامه ننګونې په نوم پیژندل کیږي. د انتقالي زده کړې او ډومین تطابق میتودونو په پرمختګونو سره سره ، ، ، ننګونې پاتې دي ځکه چې د تطابق لپاره هدف ډومین لاهم د ځای پرځای کولو وروسته مخکینۍ معلوماتو ته اړتیا لري، او اوسني زده کړې میتودونه په ندرت سره د تصادفي تقاعد شرایطو لپاره تازه کیدی شي . یوه بدیل د ډیټا نشتوالي او ناهمتیا کمولو لپاره د نه سپړل شوي تقاعد شرایطو لاندې د ډیټا ازموینې پیمانه پراخول دي پداسې حال کې چې دا د لګښتونو ډیریدل پایله کیدی شي. وانګ او نورو د تودوخې کیمیاوي پروسې په جریان کې د مختلفو منځګړیو په حالتونو کې د عکس العمل کینټیک ترجیحاتو انټرپول کولو لپاره د تودوخې استخراج میتود وړاندیز کړ، چې د لږترلږه تودوخې کیمیاوي تجربوي پیمانې او لګښتونو کې د پراخو روزنې ډیټابیس جوړولو ته اجازه ورکوي د ماشین زده کړې ماډل روزنې لپاره د ډیټا د زیاتوالي په توګه . برسیره پردې، تولیدي زده کړه د جزوی طور د سایکل پروفایلونو څخه د اضافي ډیټا سره د SOH اټکلولو امکانات هم ښیې، د اړتیا وړ فزیکي ازموینې ډیټا خوندي کول ، . په هرصورت، د بیټرۍ بیا کارولو او ریسایکل کولو په شرایطو کې د ډیټا نشتوالی او ناهمتیا د کیتود موادو ډولونو، فزیکي بڼو، د ظرفیت ډیزاینونو، او تاریخي کارونې د مخلوط له امله لا ډیر پیچلی دی، د تخریب د شرایطو ځانګړي پوهې د ماشین زده کړې ماډلونو ته د ادغام احتمال محدودوي. له همدې امله، د ډیټا تولید لپاره د تقاعد شرایطو او نبض ولټاژ غبرګون ترمنځ د انحصار اړیکې په پام کې نیول منطقي دي، په ورته وخت کې د اوږده وخت لړۍ ظرفیت کیلیبریشن او اضافي فزیکي تجربو پرته، د SOH اټکل فعالیت وده کولو لپاره. 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 پدې مطالعې کې، موږ د پخوانیو بیټریو مخکینۍ درملنه، یعنې، د SOH اټکل، د اتینشنل تغیراتي آټو انکوډر لخوا د پخوانیو فزیکي اندازه کولو وخت او لګښت کې د نبض ولټاژ غبرګون ډیټا په کارولو سره ترسره کوو. د عمومي مخکینۍ مرحلو، تولیدي ماډل روزنې، او عملي ماډل ځای پرځای کولو مرحلو لوړ پوړی پروسه په Fig.   کې ښودل شوې. د تحقیق نظر دا دی چې د تولیدي زده کړې څخه کار واخلئ ترڅو د پخوانیو اندازه شوي ډیټا څخه د دوامداره تقاعد شرایطو کې د نبض ولټاژ غبرګونونو سپړلو لپاره ، یعنې ، د تقاعد بیټرۍ راټولولو مرحله کې د SOC توزیع. لاندې SOH اټکل د فزیکي اندازه شوي نبض غبرګون ډیټا پرته پلي کیږي، د مخکینۍ بریښنا لګښتونه او د کاربن اخراج خوندي کوي چې د کنډیشن SOC څخه تمه شوي کچې ته اړین دي. د امپیر-ساعت انټیګرل میتود او د ماشین-یادونې نبض انجیکشن په پرتله، تولیدي زده کړه د چټک تولید سرعت او دقیق اټکل باندې ټینګار کوي. د تولید شوي ډیټا سره، یو ساده ریګریسر د نه لیدل شوي یا نه لاسرسي وړ SOC تقاعد شرایطو لاندې د ټیټ غلطۍ سره SOH اټکلوي، یو ننګونکی بهر-له-توزیع (OOD) مسله. د OOD مسله د SOC شرایطو او ولټاژ غبرګون ترمینځ د فزیکي نمونې په میراثي کولو سره حل کیږي چې د چټک نبض لخوا رامینځته کیږي. موږ زموږ د میتود عمومي والي د 2700 فزیکي اندازه شوي نمونو له لارې د تایید له لارې ښیې، 3 کیتود موادو ډولونه، 3 فزیکي بڼې، 4 ظرفیت ډیزاینونه، او 4 تاریخي کارونې (1 لابراتوار سرعت شوی عمر، 3 EV عمرونه، پشمول 1 په بشپړه توګه بریښنایی بریښنایی حالت او 2 هایبرډ EV عمرونه) پوښښ لري. تولیدي زده کړه د انټرپولیشن او ایکسترپولیشن لپاره مناسبه ده د ماډل پیرامیټرو د مخفي ځای پیمانه کولو کې د تقاعد شرایطو دمخه پوهه په ادغام سره، د اندازه کولو وخت، د بریښنا لګښتونه، او پایله لرونکي کاربن اخراج خوندي کوي پرته لدې چې د SOH اټکل دقت قرباني شي. د 2030 بیټرۍ تقاعد نړیوالې محافظه کارې نړیوالې قضیې مطالعې د پيرو میتالورجیک، هایدرو میتالورجیک، او مستقیم ریسایکلینګ شرایطو کې د چټک او پایښت لرونکي SOH اټکل اهمیت روښانه کوي. د تخنیکي-اقتصادي تحلیل له لارې، د تولیدي زده کړې-مرسته شوي SOH اټکل کولی شي د 2030 تر 2030 پورې نړیوال بریښنا لګښتونو کې 4.9 ملیارد ډالر او د CO2 اخراج 35.8 ملیارد کیلوګرام خوندي کړي. موږ د ماډل تفسیر، ریسایکلینګ مخکینۍ درملنې اغیزې، او د راتلونکي سمارټ ریسایکلینګ مخکینۍ لارښوونو پراخه اړخونه د ماشین زده کړې سره مدغم کوو. 1    د پخوانی بیټرۍ مخکینۍ درملنې مرحلې کې د SOC کنډیشن کول، فزیکي اندازه کول، د SOH تشخیص لپاره ماشین زده کړه، او د بیا کارولو یا ریسایکل کولو دمخه د دوهم ژوند پریکړه کولو پروسه شامله ده. د SOC کنډیشن کول د دودیز ثابت اوسني ثابت ولټاژ (CCCV) میتود په کارولو سره د پخوانی بیټریو SOC ارزښتونو مطلوب کچې ته تنظیم کول دي.  د نبض ولټاژ غبرګون ډیټا جنریشن لپاره د اتینشنل تغیراتي آټو انکوډر سکیماتیک.   د SOH اټکل لپاره د ډیټا جنریشن ماډل عملي کارونې لپاره د اضافي SOC کنډیشن کولو اړتیا نشته. روزل شوی ماشین زده کړې ماډل د تولید شوي ډیټا لخوا نظارت کیږي او کله چې په ځای پرځای کولو مرحله کې وي سمدستي نبض ولټاژ غبرګونونه ترلاسه کوي.   زموږ د تولیدي زده کړې طریقې اقتصادي او چاپیریالي ګټې او چټک تولید سرعت د 2030 بیټرۍ تقاعد سناریو کې په نړیواله کچه د SOC کنډیشن لګښتونو خوندي کولو سره. a b c d پایلې د ډیټاسیټ لاسته راوړل د ډیټا نشتوالی او ناهمتیا په ډیټا-چلوونکي بیټرۍ تشخیص او وړاندوینې کې لویې ننګونې دي، په ځانګړي توګه د پخوانیو بیټریو لپاره. موږ د 2700 فزیکي پخوانیو بیټریو څخه 2700 نمونې راټولې کړې چې د SOC پراخه کچې لري، یعنې د 5٪ څخه تر 50٪ پورې د 5٪ دانې سره. په Fig.   کې، ډیټاسیټ 3 اوسني کیتود موادو ډولونه پوښښي، په شمول 119 فزیکي راټول شوي NMC (نکل منګنیز کوبالټ آکسایډ)، 56 LFP (لیتیم وسپنه فاسفیٹ)، او 95 LMO (لیتیم منګنیز آکسایډ) پخوانۍ بیټرۍ، 3 فزیکي بڼې (سلنډر، پاکټ، پرزماتیک) او 4 تاریخي کارونې نمونې (1 لابراتوار سرعت شوی ازموینه، 3 EV کارونې، په شمول 1 په بشپړه توګه بریښنایی بریښنایی حالت او 2 هایبرډ بریښنایی حالتونه). موږ ټینګار کوو چې د خورا متفاوت ازموینې نمونو شاملول زموږ ډیټاسیټ تر نن ورځې پورې د SOH اټکل لپاره ترټولو لوی چټک نبض-پربنسټ ډیټاسیټ جوړوي، د فزیکي اندازه شوي ډیټاسیټونو هاخوا د ماډل عمومي والي اسانه کوي. 2a    د پخوانیو بیټریو ویش لپاره د سنکي پلاټ، د کیتود موادو ډولونه، فزیکي بڼې، د ظرفیت ډیزاینونه، او تاریخي کارونې شامل دي.   د پخوانیو بیټریو نبض اوس a b

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

دا غږ د کیسې په اصلي ژبه تولید شوی!

د aplicações الذكاء الاصطناعي التوليدي لإعادة الاستخدام المستدام للبطاريات الليثيوم أيون المتقاعدة

About Author

تبصرې

hang tags

دا مقاله په کې وړاندې شوې وه

Related Stories

Tran Hung is HackerNoon's Altcoin Champion of 2021

Beasts at Bay

HackerNoon Projects of the Week: AI Security Exposure Detector, Shoppinlyst, and TimeVyn

HackerNoon Projects of the Week: Black Market SSP, CutePetPal & SudoDocs

Tran Hung is HackerNoon's Altcoin Champion of 2021

Beasts at Bay

HackerNoon Projects of the Week: AI Security Exposure Detector, Shoppinlyst, and TimeVyn

HackerNoon Projects of the Week: Black Market SSP, CutePetPal & SudoDocs

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps