
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 Autori: 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 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 Abstrakt Netriedené batérie s rôznymi katódovými materiálmi bránia prijatiu priameho recyklovania kvôli ich špecifickej povahe katódy. Nárast vyradených batérií si vyžaduje presné triedenie pre efektívne priame recyklovanie, ale vznikajú výzvy z dôvodu rôznych prevádzkových histórií, rôznych výrobcov a obáv o ochranu osobných údajov recyklačných spolupracovníkov (vlastníkov údajov). Tu ukazujeme, že z jedinečného súboru údajov o 130 lítiovo-iónových batériách pokrývajúcich 5 katódových materiálov a 7 výrobcov dokáže prístup federovaného strojového učenia klasifikovať tieto vyradené batérie bez toho, aby sa spoliehal na predchádzajúce prevádzkové údaje, čím chráni súkromie údajov recyklačných spolupracovníkov. Využitím vlastností extrahovaných z cyklu nabíjania-vybíjania na konci životnosti náš model vykazuje 1% a 3% chybovosť triedenia katód v homogénnych a heterogénnych prostrediach recyklácie batérií, resp., pripisovanú našej inovatívnej strategii hlasovania pomocou Wassersteinovej vzdialenosti. Ekonomicky navrhovaná metóda podčiarkuje hodnotu presného triedenia batérií pre prosperujúci a udržateľný recyklačný priemysel. Táto štúdia ohlasuje nový paradigmu využívania údajov citlivých na súkromie z rôznych zdrojov, čím uľahčuje kolaboratívne a rešpektujúce rozhodovanie pre distribuované systémy. Úvod Lítium-iónové batérie (LIB), ktoré slúžia ako zariadenia na ukladanie energie, si získali široké uplatnenie v rôznych oblastiach, od priemyselnej výroby až po každodenný život ako akceptovaný technický smer. Projekcie naznačujú, že globálny výrobný rozsah LIB presiahne 1,3 TWh do roku 2030 , keď rastúci dopyt po batériách ďaleko prevýši dostupnosť životne dôležitých kovových zdrojov, ako je lítium a kobalt , . Priemerná životnosť produktov LIB však v súčasnosti predstavuje 5–8 rokov, čo vedie k bezprostrednému nárastu vyradených batérií v mnohých krajinách. Ak nebudú vyradené batérie správne spravované, povedú k neudržateľnému plytvaniu zdrojmi a poškodeniu životného prostredia. Vzhľadom na tieto okolnosti má vývoj technológie recyklácie batérií zásadný význam, keď čelíme nadchádzajúcej vlne vyraďovania LIB . 1 2 3 4 Nedávne pokroky vo výskume recyklácie batérií sa zamerali na pyrometalurgické, hydrometalurgické a priame recyklačné prístupy . Na rozdiel od pyrometalurgických a hydrometalurgických metód sa priame recyklovanie odlišuje ako samostatný prístup. Tento proces nespôsobuje sekundárne poškodenie štruktúry materiálu, čo umožňuje efektívnejšiu opravu štruktúry a obnovu výkonu. Navyše, priame recyklovanie vykazuje vyššiu ziskovosť, pretože zahŕňa nižšiu spotrebu energie, znížené emisie skleníkových plynov a menšiu ekologickú stopu , . V skutočnej výrobe sa však recyklátori batérií často stretávajú s LIB obsahujúcimi neznáme komponenty alebo batériové moduly, ktoré pozostávajú zo zmesi rôznych typov katódových materiálov. Keďže priame recyklovanie môže byť silne špecifické pre katódu, takáto komplexnosť znemožňuje aplikáciu priameho recyklovania na dosiahnutie konverzie hodnoty vyradených batérií . Je dôležité zdôrazniť, že aj keď sa životne dôležité kovy zo zmiešaných typov katódových materiálov extrahujú konvenčnými recyklačnými stratégiami, interakcia medzi rôznymi katódovými materiálmi počas recyklačného procesu môže nepriaznivo ovplyvniť kvalitu produktu . Pochopenie informácií o type katódového materiálu na strane recyklácie preto výrazne ovplyvňuje voľbu trasy priameho recyklovania a nakoniec zlepšuje kvalitu produktu, ziskovosť a udržateľnosť. 5 6 7 8 9 Priame recyklovanie asistované človekom bolo navrhnuté na identifikáciu informácií o type katódového materiálu vyradených batérií v predúpravnej fáze, čo je stále finančne neudržateľné, keď sa recyklačný priemysel škáluje . Na efektívne získanie informácií o type katódy vyradených batérií vedecká a priemyselná komunita nedávno iniciovala systém sledovania životnosti batérií  a vznikajúce koncepty ako pas batérie  a genóm údajov batérie . Hoci pred týmito iniciatívami bolo použitých značné množstvo batérií, rastie konsenzus, že informácie o batériách by mali byť prístupné počas celého životného cyklu, aby sa uľahčilo rozhodovanie o druhom živote . To platí najmä pre sektor recyklácie batérií, poslednú stanicu druhého života batérie, pretože recyklačný proces môže byť silne špecifický pre katódu. Systémy sledovania životnosti batérií alebo pasy batérií však umožňujú elektronické zariadenia, ako sú čiarové kódy a komunikácia v blízkom poli, ktoré by mohli predstavovať intenzívne investície a mohli by byť široko nekompatibilné s rôznymi konštrukciami batérií. Okrem toho je pre elektronické zariadenia náročné konzistentne spravovať počas ich životnosti, čo vedie k opotrebovaným zariadeniam a nedostupnosti v recyklačnej fáze, pretože moderný výrobný proces LIB stále nie je integrovaný od výroby k recyklácii . Preto je naliehavo potrebných viac prielomov na dosiahnutie efektívneho triedenia typov katód batérií len pomocou ľahko dostupných informácií z terénu , , na rozdiel od historických zaznamenaných údajov alebo asistovaného spôsobu, čím sa uľahčuje prijatie priameho recyklovania na zlepšenie kvality a ziskovosti recyklovaných produktov. 1 10 11 12 13 14 15 16 V posledných rokoch sa strojové učenie ukázalo ako životaschopný nástroj na riešenie otvorených otázok vo všetkých oblastiach batérií. V iných témach súvisiacich s batériami strojové učenie nedávno umožnilo automaticky objavovať zložité mechanizmy batérií , , , predpovedať zostávajúcu užitočnú životnosť , , , , , hodnotiť stav zdravia , , , optimalizovať cyklový profil , , aproximovať distribúciu zlyhania , dokonca aj viesť návrh batérie ,  a predpovedať celoživotný výkon ihneď po výrobe . V prípade recyklácie batérií len málo prác skúmalo strojové učenie týkajúce sa katódových materiálov , , čo je spôsobené nedostatkom údajov o batériách, najmä pre tie, ktoré boli cyklované do štádia konca životnosti. Prevažná väčšina publikovaných štúdií vykazuje veľmi obmedzené veľkosti vzoriek  a ešte viac obmedzenú rozmanitosť katód batérií . Nedostatok je pripisovaný intenzívnym nákladom, dlhému testovaciemu času  a predovšetkým ochrane osobných údajov kvôli komerčným alebo záujmovým dôvodom. V dôsledku toho problém ochrany osobných údajov rigidifikuje dilemu, kde existujúce údaje o batériách, hoci sú objemné a rozmanité z viacerých strán, ako sú výrobcovia batérií, praktické aplikácie, akademické inštitúcie a platformy tretích strán, nie je možné zdieľať. Takáto dilema si vyžaduje štúdium triedenia katódových materiálov na optimalizáciu výberu recyklačnej trasy batérií kolaboratívnym a zároveň rešpektujúcim súkromie spôsobom. 17 18 19 20 21 22 23 24 19 25 26 27 28 29 30 31 32 33 34 35 36 37 Federované strojové učenie, ako distribuované a na súkromie orientované paradigma, má potenciál riešiť ako multi-strannú spoluprácu (ekvivalentne, objem a rozmanitosť údajov o batériách), tak aj problémy so súkromím prostredníctvom kolaboratívneho strojového učenia , , . V každej tréningovej iterácii distribuovaní vlastníci údajov vykonávajú lokálne školenie pomocou svojej lokálnej výpočtovej kapacity, šifrujú natrénované parametre/výsledky modelu a nahrávajú ich do centrálneho koordinátora na agregáciu. Fakty, že surové súbory údajov nikdy neopúšťajú svojich príslušných vlastníkov údajov a že prenesené parametre/výsledky sú správne šifrované na ochranu súkromia údajov. Federované strojové učenie bolo rozsiahlo skúmané v mnohých aplikačných oblastiach vrátane verejného zdravia , , klinickej diagnostiky , , , e-obchodu , internetu vecí , mobilného výpočtového zariadenia  a inteligentnej siete , , . Tento prístup môže revolucionalizovať dátovo riadené výskumné paradigmy v širokých energetických sektoroch tým, že umožní spoluprácu zohľadňujúcu súkromie, najmä pre tie, ktoré majú obmedzený prístup k údajom. Pokiaľ ide o sektor recyklácie batérií, federované strojové učenie predpokladá sľubné možnosti využitia obrovského množstva existujúcich údajov o batériách, ktoré však nemožno zdieľať z dôvodu obáv o súkromie. S takýmto kolaboratívnym, ale na súkromie orientovaným paradigmatom možno triedenie vyradených batérií implementovať s vysokou presnosťou, účinnosťou, škálovateľnosťou a generalizáciou, čím sa optimalizuje kvalita a ziskovosť recyklovaných produktov. Pokiaľ vieme, štúdie federovaného strojového učenia zamerané na recykláciu batérií neboli nikdy hlásené. 38 39 40 41 42 43 44 45 46 47 48 49 50 51 V tejto štúdii vykonávame triedenie katódových materiálov vyradených batérií, pričom využívame existujúce údaje o batériách od viacerých spolupracovníkov, ako sú výrobcovia batérií, prevádzkovatelia praktických aplikácií, akademické výskumné inštitúcie a platformy tretích strán, kolaboratívnym a zároveň na súkromie orientovaným spôsobom strojového učenia, ako je znázornené na obr.  . Náš model federovaného strojového učenia bol natrénovaný pomocou iba jedného cyklu údajov z terénneho testovania prostredníctvom štandardizovaného procesu extrakcie vlastností, bez akýchkoľvek predchádzajúcich znalostí o historických prevádzkových podmienkach. Porovnávame prediktívnu silu nášho modelu federovaného strojového učenia s prediktívnou silou nezávisle naučených lokálnych modelov založených na lokálnych údajoch v homogénnych aj heterogénnych recyklačných okolnostiach batérií. Problém heterogenity je riešený našou navrhovanou stratégiou hlasovania pomocou Wassersteinovej vzdialenosti. Vykonáva sa ekonomické hodnotenie recyklácie vyradených batérií pomocou nášho navrhovaného rámca federovaného strojového učenia, ktorý zdôrazňuje relevanciu a nevyhnutnosť presného triedenia vyradených batérií. Komplexne diskutujeme interpretovateľnosť modelu, dôsledky recyklácie batérií a širšie vyhliadky budúcej praxe recyklácie batérií integrovanej s federovaným strojovým učením. 1    Viacero zdrojov údajov, ako sú výrobcovia batérií (s láskavým dovolením Addionics), prevádzkovatelia praktických aplikácií (batériový balík v podvozku Tesly. S láskavým dovolením Tesly), akademické výskumné inštitúcie a platformy tretích strán, môžu byť prispievateľmi údajov. Údaje o batériách sa ani nevymieňajú medzi prispievateľmi, ani sa nenahrávajú recyklátorovi batérií. Namiesto toho prispievatelia údajov trénujú lokálne modely a zdieľajú parametre modelu s recyklátorom batérií na vytvorenie globálneho modelu. Navrhovaná technika hlasovania pomocou Wassersteinovej vzdialenosti spája lokálne modely do globálneho modelu, ktorý je odolný voči nevyváženosti údajov a šumu. Recyklátori batérií môžu použiť spoločne vytvorený model na triedenie batérií v kombinácii s ľahko dostupnými údajmi z terénneho testovania.   Náš rámec federovaného strojového učenia podporuje spolupracovníkov v zdieľaní údajov pri zachovaní súkromia údajov, na rozdiel od tradičného prístupu izolácie údajov. a b Výsledky Zber a štandardizácia údajov Jedinečná kinetika batérií v rôznych typoch batérií je často vysoko dimenzionálna a ťažko charakterizovateľná kvôli rozdielnym prevádzkovým prípadom, výrobnej variabilite a historickému použitiu . Na nájdenie riešenia tejto dilemy sme zhromaždili a štandardizovali 130 vyradených batérií s 5 typmi katódových materiálov od 7 výrobcov na konštrukciu heterogénneho súboru údajov mimo distribúcie. Vzhľadom na rôzne historické použitia sú kapacity zozbieraných batérií pod 90% nominálnej kapacity. Katódové materiály batérií sú oxid lítium-kobaltnatý (LCO), nikelmangánkobalt (NMC), lítium-železo-fosfát (LFP), oxid nikel-kobalt-hliníkový (NCA) a zmesi NMC-LCO, ktoré sú ďalej zoskupené do 9 tried na základe výrobcov (doplnková tabuľka  ). Úmyselne sme zahrnuli batérie s rôznym historickým použitím, od laboratórneho testovania po profily jazdy elektromobilov, aby sme natrénovali generalizovaný model pre recyklátora batérií nezávisle od historického použitia a typov batérií. 52 1 Na štandardizáciu sú všetky údaje požadované od recyklátora iba aktuálne testovaný (terénny) cyklus s jedným testom nabíjania a vybíjania, čo je ľahko implementovateľné v praktických prípadoch. Testované údaje sa najprv odšumia vyplnením chýbajúcich hodnôt, nahradením odľahlých hodnôt a vykonaním mediánového filtrovania. Šumy spôsobené človekom a šumy spôsobené heterogenitou katódy sa však úmyselne zachovávajú, aby bol model odolný voči nedokonalým vstupom. Údaje sa potom lineárne interpolujú na vyhladenie kriviek (doplnkový obrázok  ) a extrahujú sa vlastnosti na zníženie dimenzionality, so spoločným súborom štandardizačných parametrov (doplnková poznámka  ). Vlastnosti extrahované zo štandardizačného pipeline sú dobre interpretovateľné, čo je predmetom značného komerčného záujmu. Pokiaľ vieme, je to prvýkrát, čo sa využívajú heterogénne údaje o batériách z viacerých zdrojov a historického použitia na pomoc pri návrhu stratégie recyklácie batérií. 1 1 Obrázok  a,   demonštruje proces extrakcie vlastností. Zameriavame sa na krivku nabíjania a vybíjania vyradených batérií v poslednom cykle, t. j. jednom cykle nabíjania a jednom cykle vybíjania (doplnkové obrázky  – ). V cykle nabíjania sa extrahuje 15 vlastností z kriviek napätia-kapacity a dQ/dV, kde V a Q odkazujú na hodnoty napätia a kapacity. Rovnaká sada vlastností sa extrahuje pre cyklus vybíjania. V dôsledku toho sa extrahuje celkovo 30 vlastností, ako je uvedené od F1 do F30. Podrobný vysvetlenie vlastností nájdete v doplnkovej tabuľke   a doplnkovej poznámke  . Obrázok  c zobrazuje absolútne a relatívne hodnoty vlastností vybraných batérií z každej triedy. Väčšina relatívnych hodnôt vlastností v rôznych triedach sa prekrýva v regióne od −1 do 0 (so svetlozelenou farbou) a je nerozlišiteľná, čo ilustruje obtiažnosť klasifikácie typu batérie pomocou jedného cyklu údajov o batérii. Obtiažnosť je očakávaná, pretože rozdielne historické prevádzkové podmienky môžu ovplyvniť kinetiku nabíjania-vybíjania batérií, takže extrahované vlastnosti môžu byť do značnej miery korelované napriek rôznym typom batérií (doplnkový obrázok  ). Namiesto priamej interpretácie extrahovaných vlastností pomocou expertných znalostí používame alternatívny dátovo riadený prístup, ktorý automaticky využíva latentné vzory naprieč rôznymi typmi batérií. 2 b 2 5 2 2 2 6    Pre proces nabíjania sa 15 vlastností extrahuje z krivky napätie-kapacita (vľavo) a krivky dQ/dV (vpravo).   Rovnaká sada vlastností je pre proces vybíjania ako F16 až F30.   Vlastnosti sú vizualizované podľa tried, podľa formátu CxBn, ktorý označuje n-tú batériu z triedy x. Veľkosť kruhu mapuje absolútnu hodnotu vlastnosti. Zdrojové údaje sú poskytnuté ako súbor Source Data. a b c Triedenie vyradených batérií s homogénnym prístupom k údajom Najprv zvažujeme nastavenie, kde sú údaje o batériách homogénne distribuované medzi spolupracovníkov (klientov). Homogenita znamená, že každý klient ponúka zdieľanie údajov o batériách naprieč všetkými 9 triedami, aj keď konkrétny počet batérií nie je obmedzený (doplnková tabuľka  ). Trénujeme náš model federovaného strojového učenia bez požiadavky na informácie o historickom použití vyradených batérií. V našej práci recyklátor a klienti potrebujú iba testovať vyradené batérie v aktuálnom (terénnom) cykle, konkrétne s kompletným cyklom nabíjania-vybíjania pre štandardný proces extrakcie vlastností iniciovaný recyklátorom. Lokálne modely sa trénujú na základe vlastností extrahovaných z ich súkromných údajov o batériách. Rámec federovaného strojového učenia agreguje parametre lokálnych modelov, namiesto súkromných údajov o batériách, aby recyklátor mohol klasifikovať vyradené batérie. 3 Obrázok   zobrazuje výsledky triedenia, keď klienti prispievajú homogénnymi údajmi o batériách. Obrázok  a porovnáva 3 3

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

Tento zvuk je vyrobený v pôvodnom jazyku príbehu!

Táto AI chrániaca súkromie by mohla premeniť batériový odpad na veľký zisk

About Author

KOMENTÁRE

ZAVISTE ŠTÍTKY

TENTO ČLÁNOK BOL PREDSTAVENÝ V

Related Stories

Behavior of a shapely Spider

Mutmut: a Python mutation testing system

When Blood Told

112 Stories To Learn About Hackernoon Community

Behavior of a shapely Spider

Mutmut: a Python mutation testing system

When Blood Told

112 Stories To Learn About Hackernoon Community

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps