
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 Autorë: 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 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 Bateritë e mbetura të pa klasifikuara me materiale të ndryshme katodike pengojnë adoptimin e riciklimit të drejtpërdrejtë për shkak të natyrës së tyre specifike për katodën. Rritja e baterive të mbetura kërkon klasifikim të saktë për riciklim të drejtpërdrejtë efektiv, por sfidat lindin nga historitë e ndryshme operacionale, prodhuesit e larmishëm dhe shqetësimet e privatësisë së të dhënave të bashkëpunëtorëve të riciklimit (pronarë të të dhënave). Këtu ne tregojmë, nga një grup unik të dhënash prej 130 baterish litium-jon që mbulojnë 5 materiale katodike dhe 7 prodhues, një qasje federative e mësimit të makinerive mund të klasifikojë këto bateri të mbetura pa u mbështetur në të dhënat e mëparshme operacionale, duke mbrojtur privatësinë e të dhënave të bashkëpunëtorëve të riciklimit. Duke shfrytëzuar tiparet e nxjerra nga cikli i fundit i karikimit-shkarkimit, modeli ynë paraqet 1% dhe 3% gabime klasifikimi të katodës nën kushte harmonike dhe heterogjene të riciklimit të baterive, respektivisht, të cilat i atribuohen strategjisë sonë inovative të votimit të distancës Wasserstein. Ekonomikisht, metoda e propozuar nënvizon vlerën e klasifikimit të saktë të baterive për një industri riciklimi të begatë dhe të qëndrueshme. Ky studim paralajmëron një paradigmë të re të përdorimit të të dhënave të ndjeshme ndaj privatësisë nga burime të ndryshme, duke lehtësuar vendimmarrjen bashkëpunuese dhe respektuese të privatësisë për sistemet e shpërndara. Hyrje Bateritë litium-jon (LIB), që shërbejnë si pajisje ruajtëse të energjisë, kanë fituar përdorim të gjerë në fusha të ndryshme, nga prodhimi industrial deri te jeta e përditshme si një rrugë teknike e pranuar. Prodhimet sugjerojnë se shkalla globale e prodhimit të LIB-ve do të kalojë 1.3 TWh deri në vitin 2030  kur kërkesa në rritje për bateri do të tejkalojë ndjeshëm disponueshmërinë e burimeve vitale të metaleve si litiumi dhe kobalti , . Megjithatë, jetëgjatësia mesatare aktuale e produkteve LIB është 5–8 vjet, duke çuar në një rritje të pashmangshme të baterive të mbetura në shumë vende. Nëse nuk menaxhohen siç duhet, bateritë e mbetura do të rezultojnë në humbje të paqëndrueshme të burimeve dhe dëmtim mjedisor. Duke pasur parasysh këto rrethana, zhvillimi i teknologjisë së riciklimit të baterive merr rëndësi thelbësore ndërsa përballemi me vërshimin e afërt të mbetjeve të LIB-ve . 1 2 3 4 Avancimet e fundit në kërkimin e riciklimit të baterive janë përqendruar në qasjet pirometalurgjike, hidrometalurgjike dhe të drejtpërdrejta . Në kontrast me metodat pirometalurgjike dhe hidrometalurgjike, riciklimi i drejtpërdrejtë dallohet si një qasje e veçantë. Ky proces nuk i shkakton dëme dytësore strukturës së materialit, duke mundësuar riparim më efikas të strukturës dhe restaurim të performancës. Për më tepër, riciklimi i drejtpërdrejtë paraqet fitimprurje më të lartë, pasi përfshin konsum më të ulët energjie, ulje të emetimeve të gazeve serrë dhe gjurmë më të lehta mjedisore , . Në prodhimin aktual, megjithatë, ricikluesit e baterive shpesh hasin LIB që përbëhen nga komponentë të panjohur ose module baterish që përmbajnë një përzierje të llojeve të ndryshme të materialeve katodike. Duke marrë parasysh se riciklimi i drejtpërdrejtë mund të jetë shumë specifik për katodën, një kompleksitet i tillë e bën të pamundur aplikimin e riciklimit të drejtpërdrejtë për të arritur konvertimin e vlerës së baterive të mbetura . Eshtë thelbësore të theksohet se edhe nëse metalet vitale nga llojet e përziera të materialeve katodike mund të nxirren duke përdorur strategjitë konvencionale të riciklimit, ndërveprimi midis materialeve të ndryshme katodike gjatë procesit të riciklimit mund të ndikojë negativisht në cilësinë e produktit . Prandaj, kuptimi i informacionit të llojit të materialit katodik nga ana e riciklimit ndikon ndjeshëm në zgjedhjen e rrugës së riciklimit të drejtpërdrejtë dhe përfundimisht përmirëson cilësinë e produktit, fitimprurjen dhe qëndrueshmërinë. 5 6 7 8 9 Riciklimi i drejtpërdrejtë i asistuar nga njeriu është propozuar për të identifikuar informacionin e llojit të materialit katodik të baterive të mbetura në lidhjen e para-trajtimit, e cila ende nuk është financiarisht e realizueshme kur industria e riciklimit po zgjerohet . Për të nxjerrë në mënyrë efektive informacionin e tipit të katodës së baterive të mbetura, komuniteti shkencor dhe industrial ka nisur së fundmi një sistem gjurmimi të jetëgjatësisë së baterive  dhe koncepte të reja si pasaporta e baterisë  dhe gjenomi i të dhënave të baterive . Megjithëse bateri të konsiderueshme janë përdorur para këtyre iniciativave, ka një konsensus në rritje se informacioni i baterisë duhet të jetë i aksesueshëm gjatë gjithë zinxhirit jetësor për të lehtësuar vendimmarrjen e jetës së dytë . Ky është veçanërisht rasti për sektorin e riciklimit të baterive, stacioni i fundit i jetës së dytë të baterisë, pasi rruga e riciklimit mund të jetë shumë specifike për katodën. Megjithatë, sistemet e gjurmimit të jetëgjatësisë së baterive ose pasaportat e baterive mundësohen nga pajisje elektronike si barkodë dhe komunikime afër fushës, të cilat mund të paraqesin investime intensive dhe mund të jenë gjerësisht të papajtueshme me projektues të ndryshëm të baterive. Për më tepër, pajisjet elektronike mbeten sfiduese për t'u menaxhuar në mënyrë të qëndrueshme gjatë gjithë jetëgjatësisë së tyre, duke çuar në pajisje të konsumuara dhe të pakapshme në fazën e riciklimit, pasi procesi modern i prodhimit të LIB-ve ende nuk është i integruar nga prodhimi në riciklim . Prandaj, nevojiten urgjentisht më shumë përparime për të arritur një klasifikim efikas të tipit të katodës së baterisë vetëm duke përdorur informacion të lehtë të aksesueshëm , , në kundërshtim me të dhënat historike të regjistruara ose mënyrën e asistuar nga njeriu, duke lehtësuar adoptimin e riciklimit të drejtpërdrejtë për të përmirësuar cilësinë dhe fitimprurjen e produkteve të ricikluara. 1 10 11 12 13 14 15 16 Në vitet e fundit, mësimi i makinerive është shfaqur si një mjet i mundshëm për të trajtuar pyetje të hapura në të gjitha fushat e baterive. Në tema të tjera të lidhura me bateritë, mësimi i makinerive kohët e fundit na ka lejuar të zbulojmë automatikisht mekanizma kompleks të baterive , , , të parashikojmë jetën e mbetur të dobishme , , , , , të vlerësojmë gjendjen e shëndetit , , , të optimizojmë profilin e ciklit , , të përafrojmë shpërndarjen e dështimit , madje edhe të udhëheqë dizajnin e baterisë , , dhe të parashikojë performancën gjatë gjithë jetës menjëherë pas prodhimit . Në rastin e riciklimit të baterive, pak punime kanë hetuar mësimin e makinerive në lidhje me materialet katodike , , gjë që fajëson të dhënat e pakta të baterive, veçanërisht për ato të cikluara deri në fazën e fundit të jetës. Shumica dërrmuese e studimeve të botuara tregojnë madhësi të kufizuara kampionesh  dhe janë edhe më të kufizuara në diversitetin e katodave të baterive . Mungesa i atribuohet kostos intensive, kohës së gjatë të testimit , dhe më e rëndësishmja, privatësisë së të dhënave për shkak të shqetësimeve tregtare ose interesash. Rrjedhimisht, çështja e privatësisë ngurtëson dilemën ku të dhënat ekzistuese të baterive, megjithëse të konsiderueshme në vëllim dhe diversitet nga palë të shumta si prodhuesit e baterive, operatorët praktikë, institucionet akademike dhe platformat e palëve të treta, nuk mund të ndahen. Një dilemë e tillë kërkon studimin e klasifikimit të materialeve katodike për të optimizuar zgjedhjen e rrugës së riciklimit të baterive në mënyrë bashkëpunuese dhe duke ruajtur privatësinë. 17 18 19 20 21 22 23 24 19 25 26 27 28 29 30 31 32 33 34 35 36 37 Mësimi Federativ i Makinerive, si një paradigmë e shpërndarë dhe që ruan privatësinë, ka potencialin për të zgjidhur si bashkëpunimin midis palëve të shumta (ekuivalente, vëllimin dhe diversitetin e të dhënave të baterive) ashtu edhe çështjet e privatësisë përmes mësimit të makinerive bashkëpunuese , , . Në çdo iteracion trajnimi, pronarët e të dhënave të shpërndara kryejnë trajnime lokale me fuqinë e tyre llogaritëse lokale, enkriptojnë parametrat/rezultatet e trajnimit të modelit dhe i ngarkojnë ato në një koordinator qendror për grumbullim. Faktet që datasetet e papërpunuara kurrë nuk largohen nga pronarët e tyre përkatës të të dhënave dhe se parametrat/rezultatet e transferuara janë enkriptuar siç duhet për të mbrojtur privatësinë e të dhënave. Mësimi Federativ i Makinerive është hetuar gjerësisht në fusha të shumta aplikative, duke përfshirë shëndetin publik , , diagnoza klinike , , , e-tregtia , Interneti i Gjërave , llogaritja mobile , dhe rrjeti inteligjent , , . Kjo qasje mund të revolucionarizojë paradigmën kërkimore të bazuar në të dhëna në sektorët e gjerë të energjisë duke mundësuar bashkëpunim që ruan privatësinë, veçanërisht për ata me akses të kufizuar në të dhëna. Lidhur me sektorin e riciklimit të baterive, mësimi Federativ i Makinerive ka mundësi premtuese për të shfrytëzuar sasinë gjigante të të dhënave të baterive që tashmë ekzistojnë por nuk mund të ndahen për shkak të shqetësimeve të privatësisë. Me një paradigmë të tillë bashkëpunuese dhe që ruan privatësinë, klasifikimi i baterive të mbetura mund të zbatohet me saktësi, efikasitet, shkallëzueshmëri dhe gjeneralizim të lartë, duke optimizuar cilësinë dhe fitimprurjen e produkteve të ricikluara. Në dijeninë tonë, studimet e mësimit Federativ të Makinerive të fokusuar në riciklimin e baterive nuk janë raportuar kurrë. 38 39 40 41 42 43 44 45 46 47 48 49 50 51 Në këtë studim, ne kryejmë një klasifikim të materialit katodik të baterive të mbetura, duke shfrytëzuar të dhënat ekzistuese të baterive nga bashkëpunëtorë të shumtë, të tilla si prodhuesit e baterive, operatorët e zbatimeve praktike, institucionet kërkimore akademike dhe platformat e palëve të treta, në një mënyrë mësimi makinerish bashkëpunuese dhe duke ruajtur privatësinë siç tregohet në Fig. 1. Modeli ynë i mësimit Federativ të Makinerive u trajnua duke përdorur vetëm një cikël të dhënash testimi në terren përmes një procesi të standardizuar të nxjerrjes së tipareve, pa ndonjë njohuri paraprake të kushteve historike të operimit. Ne krahasojmë fuqinë parashikuese të modelit tonë të mësimit Federativ të Makinerive me atë të modeleve lokale të mësuara në mënyrë të pavarur bazuar në të dhëna lokale nën rrethana harmonike dhe heterogjene të riciklimit të baterive. Çështja e heterogjenitetit zgjidhet nga strategjia jonë e propozuar e votimit të distancës Wasserstein. Një vlerësim ekonomik i riciklimit të baterive të mbetura duke përdorur kornizën tonë të propozuar të mësimit Federativ të Makinerive kryhet, duke theksuar rëndësinë dhe nevojën e klasifikimit të saktë të baterive të mbetura. Ne diskutojmë në mënyrë gjithëpërfshirëse interpretueshmërinë e modelit, implikimet e riciklimit të baterive dhe perspektivat më të gjera të praktikës së ardhshme të riciklimit të baterive të integruar me mësimin Federativ të Makinerive.    Burime të shumta të të dhënave, të tilla si prodhuesit e baterive (Imazhi me mirësjellje Addionics), operatorët e zbatimeve praktike (paketa baterie në pjesën e poshtme të një Tesla. Imazhi me mirësjellje të Tesla), institucionet kërkimore akademike dhe platformat e palëve të treta, mund të jenë kontribues të të dhënave. Të dhënat e baterive as nuk shkëmbehen midis kontribuesve, as nuk ngarkohen te ricikluesi i baterive. Në vend të kësaj, kontribuesit e të dhënave trajnojnë modele lokale dhe ndajnë parametrat e modelit me ricikluesin e baterive për të ndërtuar një model global. Teknikia e propozuar e votimit me distancë Wasserstein bashkon modelet lokale në modelin global, i cili është rezistent ndaj pabarazisë së të dhënave dhe zhurmës. Ricikluesit e baterive mund të përdorin modelin e ndërtuar bashkërisht për klasifikimin e baterive, të kombinuar me të dhënat e lehta të testimit në terren.   Korniza jonë e mësimit Federativ të Makinerive inkurajon bashkëpunëtorët të ndajnë të dhënat duke ruajtur privatësinë e të dhënave në krahasim me paradigmën tradicionale të ishujve të të dhënave. a b Rezultatet Mbledhja dhe standardizimi i të dhënave Kinetika unike e baterive në tipe të ndryshme baterish janë shpesh me dimension të lartë dhe të vështira për t'u karakterizuar për shkak të rasteve operacionale divergjente, variabilitetit të prodhimit dhe përdorimeve historike . Për të gjetur një zgjidhje për këtë dilemë, ne mblodhëm dhe standardizuam 130 bateri të mbetura me 5 lloje materiale katodike nga 7 prodhues për të konstruktuar një dataset jashtë shpërndarjes, ekuivalente heterogjen. Duke pasur parasysh përdorime historike të ndryshme, kapacitetet e baterive të mbledhura janë nën 90% të kapacitetit nominal. Materialet katodike të baterive janë oksid litium kobalti (LCO), oksid nikeli mangani kobalti (NMC), litium ferrofosfat (LFP), oksid nikeli-kobalti-alumini (NCA), dhe lloje të përziera NMC-LCO, të cilat më tej grupohen në 9 klasa bazuar në prodhuesit (Tabela Plotësuese  ). Ne përfshijmë qëllimisht bateri me përdorime historike divergjente, nga testimet laboratorike deri te profili i drejtimit të automjeteve elektrike, për të trajnuar një model të gjeneralizuar për ricikluesin e baterive, të pavarur nga përdorimet historike dhe tipet e baterive. 52 1 Për standardizim, të gjitha të dhënat e kërkuara nga ricikluesi janë cikli aktualisht i provuar (testim në terren) me një test karikimi dhe shkarkimi, i cili është i lehtë për t'u implementuar në raste praktike. Të dhënat e provuara së pari pastrohen nga zhurmat duke plotësuar vlerat e mungesshme, duke zëvendësuar pikat jashtë kufijve dhe duke kryer filtrime mediane. Zhurmat e shkaktuara nga njeriu dhe ato të shkaktuara nga heterogjeniteti i katodës, megjithatë, ruhen qëllimisht, për të bërë modelin rezistent ndaj hyrjeve të papërsosura. Të dhënat pastaj interpolohen linearisht për mbushjen e kurbës (Figurë Plotësuese  ) dhe tiparet inxhinierohen për reduktimin e dimensionit, me një grup të përbashkët parametrave standardizues (Shënim Plotësues  ). Tiparet e nxjerra nga linja e prodhimit të standardizimit janë mirë të interpreteushme, një shqetësim me interes tregtar të konsiderueshëm. Në dijeninë tonë, është hera e parë që të dhëna heterogjene të baterive nga burime të shumta dhe përdorime historike shfrytëzohen për të ndihmuar në dizajnin e strategjisë së riciklimit të baterive. 1 1 Figurat 2a, 2b tregojnë procesin e inxhinierisë së tipareve. Ne fokusohemi në kurbën e karikimit dhe shkarkimit të baterive të mbetura në ciklin e fundit, dmth, një cikël karikimi dhe një cikël shkarkimi (Figurat Plotësuese 2–5). Gjatë ciklit të karikimit, nxirren 15 tipare nga kurbat e tensionit-kapasitetit dhe dQ/dV, ku V dhe Q referojnë vlerat e tensionit dhe kapacitetit, respektivisht. I njëjti grup tiparesh nxirren për ciklin e shkarkimit. Si rezultat, gjithsej nxirren 30 tipare, siç tregohet nga F1 në F30. Referojuni Tabelës Plotësuese 2 dhe Shënimit Plotësues 2 për një shpjegim të detajuar të tipareve. Figura 2c paraqet vlerat absolute dhe relative të tipareve të baterive të zgjedhura nga çdo klasë. Shumica e vlerave relative të tipareve në klasa të ndryshme përputhen në rajonin −1 deri në 0 (me ngjyrë jeshile të çelët) dhe janë të pashquarshme, duke ilustruar vështirësinë në klasifikimin e tipit të baterisë duke përdorur një cikël të dhënash baterie. Vështirësia pritet sepse kushtet divergjente historike të operimit mund të ndikojnë në kinetikën e karikimit-shkarkimit të baterive në mënyrë që tiparet e nxjerra të jenë në masë të madhe të korreluara, pavarësisht tipave të ndryshëm të baterive (Figurë Plotësuese 6). Në vend që të interpretojmë drejtpërdrejt tiparet e nxjerra duke përdorur njohuri ekspertësh, ne përdorim një qasje alternative të bazuar në të dhëna që shfrytëzon automatikisht modelet latente nëpër lloje të ndryshme baterish.  

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

Kjo audio është prodhuar në gjuhën origjinale të tregimit!

Ky AI i Sigurt për Privatësinë Mund ta Shndërrojë Mbeturinat e Baterive në Fitime të Mëdha

About Author

KOMENTE

VARUR TAGS

KY ARTIKU U PARAQIT NË

Related Stories

Rrjeti SQD sapo vrau emetimet e tokenëve.Ja çfarë paguan 16 miliardë dollarë në DeFi TVL

Rrjeti SQD sapo vrau emetimet e tokenëve.Ja çfarë paguan 16 miliardë dollarë në DeFi TVL

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps