AI inayozalisha huwezesha Utumiaji Endelevu wa Betri za Litiemu-Ioni Zilizostaafu

Waandishi: 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 Muhtasari Kukadiria kwa haraka na kwa usahihi hali ya afya (SOH) ya betri zilizostaafu ni matibabu muhimu ya awali kwa ajili ya matumizi tena na kuchakata tena. Hata hivyo, mbinu zinazoendeshwa na data zinahitaji uangalifu kamili wa data chini ya hali za kawaida za kustaafu za SOH na hali ya malipo (SOC). Hapa, tunaonyesha kuwa ukadiriaji wa SOH unaosaidiwa na ujifunzaji wa uzalishaji unaahidi katika kupunguza uhaba wa data na changamoto za utofauti, umehakikiwa kupitia seti ya data ya sindano ya kunde ya sampuli 2700 za betri za lithiamu-ion zilizostaafu, zinazojumuisha aina 3 za vifaa vya cathode, fomati 3 za kimwili, miundo 4 ya uwezo, na matumizi 4 ya kihistoria na viwango 10 vya SOC. Kwa kutumia data iliyotengenezwa, mrekebishaji hutambua makadirio sahihi ya SOH, na makosa ya wastani ya asilimia ya kupotoka chini ya 6% chini ya SOC ambayo haijulikani. Tunatabiri kuwa kwa kudhani kupelekwa kwa mbinu iliyopendekezwa kwa usawa, hii itaokoa gharama za umeme wa dola bilioni 4.9 na uzalishaji wa CO2 wa kilo bilioni 35.8 kwa kupunguza gharama za utunzaji wa data kwa hali ya kimataifa ya kustaafu kwa betri ya 2030. Karatasi hii inaangazia kutumia data ndogo kwa ajili ya kuchunguza nafasi kubwa ya data kwa kutumia mbinu za uzalishaji, kutokana na kwamba data inaweza kuwa ya kuchukua muda, ya gharama kubwa, na ya uchafuzi wa mazingira kwa kazi nyingi za kukadiria na kutabiri. Utangulizi Uelektroni wa usafirishaji, sekta muhimu katika mpito wa nishati ya chini ya kaboni, umebadilisha kanuni ya usafirishaji inayotegemea mafuta ya visukuku kwa njia ambayo haijawahi kutokea. Betri za lithiamu-ion ni muhimu katika mpito huu kwa kutoa usambazaji wa nishati kwa bei nafuu, wa kudumu, na salama kwa magari ya umeme (EVs). Uwezo jumla wa betri zinazotumika na zile zilizo mwishoni mwa maisha zitazidi terawatts 32–62 ifikapo mwaka 2050, ambazo ni kubwa kuliko makadirio katika hali za Shirika la Kimataifa la Nishati Mbadala na Maabara ya Uhifadhi. Hata hivyo, betri za EV zilizostaafu zinasimamiwa kwa vikali na thamani kubwa ya uwezo iliyobaki ambayo haitumiwi ipasavyo, kwa kawaida zaidi ya 80% ya uwezo uliokadiriwa. Ikiwa hazitashughulikiwa ipasavyo, husababisha mizigo ya kiuchumi kwa wazalishaji na watumiaji, pamoja na masuala yanayofuata ya mazingira na kijamii, ikiwa ni pamoja na upotevu wa rasilimali, hatari za ugavi, na uzalishaji wa kaboni. Mikakati ya kuahidi ya kushughulikia wasiwasi kuhusu ongezeko la ghafla la kustaafu kwa betri ni matumizi tena na kuchakata tena. Katika matumizi tena, betri zilizostaafu hupewa matumizi mapya kwa programu kama mifumo ya uhifadhi wa nishati iliyounganishwa na gridi ya taifa, usambazaji wa umeme wa makazi, na magari ya kasi ya chini. Hata hivyo, matumizi tena yanahitaji matibabu ya awali, ikiwa ni pamoja na uchunguzi wa uthabiti, upangaji wa uwezo, na kuunganishwa tena ili kukidhi mahitaji ya programu. Licha ya kuanza kwa programu za majaribio, ukosefu wa viwango madhubuti vya matumizi na njia za kustaafu zinahujumu matumizi ya busara ya uwezo uliobaki. Kuchakata tena kwa njia mbadala hutumia maadili yaliyobaki ya betri zilizostaafu kwa uchimbaji wa vifaa au ukarabati wa miundo, unaofaa kwa betri zilizostaafu ambazo zimeharibika bila kurejesheka. Ikilinganishwa na pyrometallurgy na hydrometallurgy, kuchakata tena moja kwa moja kunajitokeza kwa faida bora, matumizi ya chini ya nishati, na kupunguza uzalishaji wa kaboni. Kwa kutumia nyongeza ya lithiamu na matibabu ya baada ya cathode, kuchakata tena moja kwa moja kunafikia ukarabati wa miundo ya vifaa kwa ufanisi, na urejesho wa utendaji. Hata hivyo, hali ya afya (SOH) huamua kemikali zinazohitajika na vipimo vya nyongeza ya lithiamu vinavyotarajiwa katika mipango ya mkakati wa kuchakata tena moja kwa moja. Kipimo cha kutosha kinaweza kusababisha ukarabati usio kamili, wakati kipimo cha ziada kinaweza kusababisha uzalishaji wa alkali iliyobaki kwenye uso wa cathode, na kuharibu utendaji wa urejesho. Kwa bahati mbaya, urejeshaji wa SOH unahitaji uchambuzi wa vifaa vamizi na vipimo virefu vya uwezo, upatikanaji wa SOH usiokuwa vamizi, wa haraka, na endelevu unabaki kuwa changamoto kubwa. Ili kuhakikisha taarifa thabiti za SOH, betri za EV hufuatiliwa, na data ya uendeshaji hurekodiwa na majukwaa ya wingu na pasipoti za betri. Bunge la Ulaya lilipitisha Maelekezo ya Betri tarehe 14 Juni 2023, kuhakikisha kwamba betri zilizostaafu zinaweza kutumika tena, kurekebishwa, au kuchakatwa mwishoni mwa maisha ya huduma. Hata hivyo, utaratibu wa ufuatiliaji na kurekodi unaohitajika unapatikana tu katika awamu ya huduma ya EV, betri zilizostaafu hazijaunganishwa tena na kitengo cha ufuatiliaji kilicho ndani ya gari. Hivyo, ni changamoto kurejesha data ya SOH inayopatikana shambani. Uadilifu wa data ya maisha unabaki kuwa changamoto kubwa, ukihitaji ukadiriaji wa SOH kwa kutumia data ya shambani tu, kinyume na data ya kihistoria au chini ya hali zinazoweza kudhibitiwa. Suluhisho moja ni kufanya jaribio la urekebishaji wa uwezo katika uwanja wa mkusanyiko wa betri zilizostaafu, yaani, hali ya malipo (SOC) urekebishaji, ambayo ni rahisi, hata hivyo, inahitaji muda usio na gharama na gharama za ziada za umeme. Jaribio la sifa za nguvu za kunde za mseto ni njia mbadala ya ukadiriaji wa SOH kwa sindano ya kunde inayobadilika, lakini mlolongo kamili wa jaribio unachukua zaidi ya saa 12. Tao et al. walitumia kunde fupi kwa ajili ya ukadiriaji wa SOH wa betri zilizostaafu, wakidhani kwamba urekebishaji wa SOC hadi 5% SOC ulifanywa, ambao haukuendana na hali za kawaida za kustaafu za SOC. Maendeleo ya hivi majuzi katika vipimo vinavyotegemea hisia ni pamoja na upigaji picha wa X-ray, upinzani wa elektrokimia, hisia za nyuzi za macho, hisia za akustiki, malipo ya sehemu, na sindano ya kunde. Mbinu zinazotegemea hisia ziko katika hatua ya maabara kutokana na uvamizi, wakati sindano ya kunde ina sifa ya kutenganisha uharibifu wa betri bila uharibifu wa kimwili, kwa wakati mmoja haraka kuliko malipo ya sehemu na mbinu zinazotegemea upinzani wa elektrokimia. Hata hivyo, sindano ya kunde ni mbinu inayotegemea data ambayo inawezekana tu chini ya dhana bora kwamba data iliyopimwa kimwili inajumuisha hali za kustaafu za awamu ya kupelekwa kwa mfumo, inayojulikana kama changamoto ya kawaida ya uhamishaji wa dhana katika jamii ya mashine ya kujifunza. Licha ya maendeleo katika mbinu za kujifunza uhamishaji na adapta ya dhana, changamoto zinaendelea kwani dhana lengwa ya kusawazisha bado inahitaji taarifa za awali baada ya kupelekwa, na mbinu za kujifunza zilizopo haziwezi kusasishwa kwa hali za kawaida za kustaafu. Njia mbadala ni kupanua kiwango cha majaribio ya data chini ya hali za kustaafu ambazo hazijachunguzwa ili kupunguza uhaba wa data na utofauti wakati inaweza kusababisha gharama za ziada. Wang et al. walipendekeza njia ya uchimbaji joto ili kuingiliana na upendeleo wa kinetics wa mmenyuko katika majimbo tofauti ya kati wakati wa mchakato wa thermochemical, ikiruhusu uundaji wa hifadhidata za mafunzo za kina kwa kiwango cha chini cha majaribio ya thermochemical na gharama kama nyongeza ya data kwa mafunzo ya mfumo wa kujifunza mashine. Kwa kuongezea, ujifunzaji wa uzalishaji pia unaonyesha uwezekano wa kukadiria SOH na data iliyoongezwa kutoka kwa wasifu wa sehemu uliozungushwa, kuokoa data iliyopimwa kimwili inayohitajika. Hata hivyo, uhaba wa data na utofauti katika muktadha wa matumizi tena na kuchakata betri ni ngumu zaidi kutokana na mchanganyiko wa aina za vifaa vya cathode, fomati za kimwili, miundo ya uwezo, na matumizi ya kihistoria, ikizuia ujumuishaji wa uwezo wa maarifa maalum ya hali ya uharibifu katika mifumo ya kujifunza mashine. Hivyo, ni busara kuzingatia utegemezi kati ya hali za kustaafu na majibu ya voltage ya kunde kwa ajili ya uzalishaji wa data, bila kusababisha urekebishaji mrefu wa uwezo wa mfululizo wa muda na majaribio ya ziada ya kimwili kwa wakati mmoja, ili kuongeza utendaji wa ukadiriaji wa SOH. Katika utafiti huu, tunafanya matibabu ya awali ya betri zilizostaafu, yaani, ukadiriaji wa SOH, kwa kutumia data ya majibu ya voltage ya kunde inayotolewa na kiendeshaji cha kutofautisha kinachojali sana kwa wakati na gharama za kupimwa kimwili zilizohifadhiwa. Hatua za jumla za juu za hatua za jumla za matibabu ya awali, mafunzo ya mfumo wa uzalishaji, na hatua za kupelekwa kwa mfumo wa vitendo zinaonyeshwa kwenye Mchoro. Wazo la utafiti ni kutumia ujifunzaji wa uzalishaji kuchunguza data iliyopimwa tayari kwa uchunguzi wa majibu ya voltage ya kunde katika hali za kustaafu zinazoendelea, yaani, usambazaji wa SOC katika hatua ya mkusanyiko wa betri zilizostaafu. Ukadiriaji wa SOH unaofuata unafanywa bila data ya majibu ya kunde iliyopimwa kimwili, ikiokoa gharama za umeme za matibabu ya awali na uzalishaji wa kaboni vinginevyo unahitajika kutoka kwa urekebishaji wa SOC hadi kiwango kilichotarajiwa. Ikilinganishwa na mbinu ya kuunganisha ampere-saa na sindano ya kunde ya kujifunza mashine, ujifunzaji wa uzalishaji unasisitiza kasi ya juu ya uzalishaji na ukadiriaji sahihi. Kwa data iliyotengenezwa, mrekebishaji rahisi hufanikiwa kukadiria SOH na kosa la chini chini ya hali za kustaafu za SOC ambazo hazijulikani au haziwezekani katika hifadhidata, suala changamoto la nje ya usambazaji (OOD). Suala la OOD linatatuliwa kwa kujifunza ruwaza ya kimwili iliyorithiwa kati ya hali ya SOC na majibu ya voltage yaliyosababishwa na kunde ya haraka. Tunaonyesha ujanibishaji wa mbinu yetu kwa kuthibitisha kupitia sampuli 2700 zilizopimwa kimwili, zinazojumuisha aina 3 za vifaa vya cathode, fomati 3 za kimwili, miundo 4 ya uwezo, na matumizi 4 ya kihistoria (1 majaribio yaliyoharakishwa ya maabara, 1 kuendesha gari la EV safi, na 2 kuendesha gari la EV mseto). Ujifunzaji wa uzalishaji unafaa kwa kuingiliana na upanuzi kwa kujumuisha maarifa ya awali ya hali za kustaafu katika kiwango cha nafasi ya siri ya mfumo, kuokoa muda wa upimaji, gharama za umeme, na uzalishaji wa kaboni unaofuata bila kuathiri usahihi wa ukadiriaji wa SOH. Utafiti wa kimataifa wa kihafidhina wa kustaafu kwa betri mwaka 2030 unaangazia umuhimu wa ukadiriaji wa haraka na endelevu wa SOH katika hali za kuchakata pyrometallurgical, hydrometallurgical, na moja kwa moja. Kupitia uchambuzi wa kiufundi na kiuchumi, ukadiriaji wa SOH unaosaidiwa na ujifunzaji wa uzalishaji unaweza kuokoa dola bilioni 4.9 za gharama za umeme na kupunguza tani bilioni 35.8 za uzalishaji wa CO2 ifikapo mwaka 2030 ulimwenguni. Tunajadili uelewa wa mfumo, athari za matibabu ya awali ya kuchakata, na mambo mapana ya maelekezo ya baadaye ya matibabu ya awali ya kuchakata kwa akili yaliyojumuishwa na mashine ya kujifunza. Hatua za matibabu ya awali ya betri zilizostaafu zinajumuisha urekebishaji wa SOC, vipimo vya kimwili, mashine ya kujifunza kwa utambuzi wa SOH, na mchakato wa pili wa kuamua maisha kabla ya kutumika tena au kuchakata. Urekebishaji wa SOC unarejelea kurekebisha maadili ya SOC ya betri zilizostaafu kwa viwango vinavyotakiwa kwa kutumia mbinu ya jadi ya mara kwa mara ya sasa na mara kwa mara ya voltage (CCCV). Mpango wa kiendeshaji cha kutofautisha kinachojali sana kwa ajili ya uzalishaji wa data ya majibu ya voltage ya kunde. Matumizi ya vitendo ya mfumo wa uzalishaji wa data kwa ukadiriaji wa SOH hayahitaji urekebishaji wa ziada wa SOC. Mfumo wa mashine ya kujifunza uliofunzwa husimamiwa na data iliyotengenezwa na hupokea majibu ya mara moja ya voltage ya kunde wakati wa awamu ya kupelekwa. Faida za kiuchumi na mazingira na kasi ya juu ya uzalishaji ya mbinu yetu ya ujifunzaji wa uzalishaji kwa kuokoa gharama za urekebishaji wa SOC katika hali ya kustaafu kwa betri ya kimataifa ya 2030. a b c d Matokeo Upatikanaji wa hifadhidata Uhaba wa data na utofauti ni changamoto kuu katika utambuzi na utabiri wa betri unaoendeshwa na data, hasa kwa betri zilizostaafu. Tulikusanya sampuli 2700 kutoka kwa betri 270 zilizostaafu kimwili katika viwango vingi vya SOC, yaani, kutoka 5% hadi 50% na nafasi ya 5%. Kwenye Mchoro [2a], hifadhidata inajumuisha aina 3 za vifaa vya cathode zinazotumika sana, ikiwa ni pamoja na 119 za NMC (nickel manganese cobalt oxide) zilizokusanywa kimwili, 56 za LFP (lithium iron phosphate), na 95 za LMO (lithium manganese oxide) betri zilizostaafu, zinazojumuisha fomati 3 za kimwili (silinda, pochi, prism) na ruwaza 4 za matumizi ya kihistoria (1 majaribio yaliyoharakishwa ya maabara, 3 matumizi ya EV, ikiwa ni pamoja na 1 hali ya kuendesha gari ya umeme safi na 2 hali za kuendesha gari mseto). Tunasisitiza kwamba ujumuishaji wa sampuli za majaribio zenye utofauti mwingi hufanya hifadhidata yetu kuwa hifadhidata kubwa zaidi ya kunde ya haraka kwa ajili ya ukadiriaji wa SOH wa betri zilizostaafu hadi sasa, kuwezesha ujanibishaji wa mfumo zaidi ya hifadhidata zilizopimwa kimwili. Mchoro wa Sankey kwa usambazaji wa betri zilizostaafu, unajumuisha aina za vifaa vya cathode, fomati za kimwili, miundo ya uwezo, na matumizi ya kihistoria. Kunde ya sasa na majibu yafuatayo ya voltage ya betri zilizostaafu, ambapo sifa hutolewa kutoka kwa sehemu za kugeuka, yaani, sehemu zenye derivative ya pili ya sifuri ya mgeuzo wa mgeuzo wa voltage. Sehemu 21 za sifa, kutoka U1 hadi U21, hutolewa. Kasi ya kurekodi kwa data mbichi ni 100 Hz. Wakati uliobaki ni sekunde 25 kati ya kila kunde kwa kiwango cha C. Kumbuka kuwa neno C linasimamia malipo (uchunguzi) wakati malipo (uchunguzi) wa saa 1 unafanywa. Joto la mazingira hudhibitiwa saa 25 . Usambazaji wa hali ya afya (SOH) (Jumuiya ya Gaussian) ya betri zilizostaafu za 2.1 Ah na 21 Ah kwa mfano, mtawalia. Kwa usambazaji wa SOH wa aina zingine za betri, unaweza kurejelea Mchoro wa Nyongeza. Uhusiano kati ya majibu ya voltage ya kunde yaliyopimwa na SOH iliyorekebishwa kutoka kwa jaribio la urekebishaji wa uwezo, na hali tofauti za malipo (SOC). Kipimo cha kwanza cha sifa, U1, kinaonyeshwa. Kielelezo cha kesi ya uzalishaji wa data ya kuingiliana na upanuzi chini ya usambazaji tofauti wa SOC wa kustaafu kwa betri. Mipangilio ya kina ya majaribio iko kwenye [Vidokezo vya Nyongeza 1] na [Vidokezo vya Nyongeza 2], ikibainisha kuwa mpangilio wa kiwango cha C ni sawa kwa aina zote za vifaa vya cathode. Data ya chanzo hutolewa kama faili ya Data ya Chanzo. a b c d e Tofauti na upimaji wa kawaida wa mara kwa mara wa sasa na mara kwa mara wa voltage (CCCV), jaribio la kunde halisababishi muda mrefu wa majaribio na uharibifu wa ziada kwa betri zilizostaafu. Kwa hivyo, tunatumia matokeo ya CCCV kama maadili ya uwezo wa kulinganisha SOH. Data ya jaribio la kunde hutumiwa kama data ya mafunzo kwa mfumo wa ujifunzaji wa uzalishaji. Hata kama aina ya nyenzo ya cathode ya betri inatofautiana, tunafanya uhandisi wa sifa wa kawaida na unaopatikana, kuhakikisha utangamano katika matumizi ya vitendo. Mchoro [2b] unaonyesha uchimbaji wa sifa baada ya sindano ya kunde. Mipangilio ya majaribio ya CCCV na sindano ya kunde yanaweza kupatikana katika Kidokezo cha Nyongeza. Kwa kunde tano za kwanza zilizochomwa, sehemu za kugeuka, yaani, sehemu zenye derivative ya pili ya sifuri ya majibu ya voltage, hurekodiwa kama sifa, na kusababisha sifa za pande 21. Licha ya muda wa kunde katika kiwango cha sekunde 5, pia tunafanya kipimo cha unyeti kwa upana wa kunde na malengo mawili ya kuthibitisha uimara wa kunde na kufupisha zaidi muda wa jaribio, kutoka ms 30 hadi 5 s. Tunazingatia uzeeka uliopunguzwa katika majaribio ya maabara (Kidokezo cha Nyongeza) na uzeeka wa kuendesha gari la EV, ingawa haitenganishwi na wasifu maalum wa kuendesha gari kutokana na vizuizi vya faragha ya data. Kwenye Mchoro [2c], usambazaji wa SOH wa betri za uzeeka zilizoharakishwa (NMC, 2.1 Ah) na betri za uzeeka za kuendesha gari za EV (NMC, 21 Ah) zinaonyeshwa. Ikibainika kuwa maadili ya SOH yanakamilishana katika eneo pana la SOH, kutoka 0.6 hadi 1, data iliyokusanywa inawakilisha hali za kustaafu kwa betri, pia na visa vya awali vya kustaafu. Usambazaji wa SOH wa betri zingine zilizokusanywa (LMO, 10 Ah, na LFP 35 Ah) unajumuisha usambazaji mpana wa SOH, angalia Mchoro wa Nyongeza. Vipimo vya kunde hurudiwa katika viwango tofauti vya SOC, kutoka 5% hadi 50%, ili kuiga nasibu ya mkusanyiko wa betri zilizostaafu. Eneo lililojaribiwa la SOC liko chini ya dhana kwamba betri zilizostaafu huonyesha SOC ya chini au zinakabiliwa na utokaji wa lazima kwa mahitaji salama ya kuhifadhi ghala, hivyo kikomo cha juu cha SOC kimewekwa saa 50%. Kwenye Mchoro [2d], kipimo cha kwanza cha sifa zilizochimbwa kutoka kwa betri za uzeeka zilizoharakishwa (NMC, 2.1 Ah) na betri za uzeeka za kuendesha gari za EV (NMC, 21 Ah) zinaonyeshwa. Licha ya tofauti katika miundo ya uwezo na matumizi ya kihistoria, majibu ya voltage ya kunde yanaonyesha ruwaza thabiti ya uharibifu, na vivyo hivyo kwa betri zingine zilizostaafu kwa vipimo vingine vya sifa, angalia Michoro ya Nyongeza–. Hata hivyo, usambazaji wa SOC wa betri zilizostaafu unaendelea, na kwa hivyo hauwezi kuchukuliwa na vipimo vya kimwili. Badala ya kupanua kiwango cha majaribio ya data, tunatumia data ya majibu ya voltage ya kunde iliyojaribiwa tayari ili kuzalisha data zaidi tofauti katika hali za SOC. Kwenye Mchoro [2e], matukio mawili ya uzalishaji, yaani, kuingiliana na upanuzi, yanaonyeshwa, na akiba ya hali ya kitengo, akiba ya umeme, na upunguzaji wa uzalishaji wa CO2 na njia zao za hesabu zimetolewa katika Meza za Nyongeza–, mtawalia. Uzalishaji wa data ya majibu ya voltage ya kunde Kwanza tunazingatia kutumia data ya majibu ya voltage ya kunde iliyopimwa tayari kurekebisha wao wenyewe, badala ya kuzalisha sampuli mpya za data moja kwa moja. Urekebishaji unamaanisha kuwa data iliyopimwa kwanza hupunguzwa kuwa nafasi ya siri ya kutofautisha huku ikidumisha muundo uliojifunzwa kutoka kwa usambazaji wa kawaida wa takwimu (Mchoro wa Nyongeza) na kisha kutolewa kwa pande za awali. Katika utafiti huu, urekebishaji unafanana na kusimamia awamu ya mafunzo ya mfumo wa neural wa msimbo na mfumo wa neural wa mtunzi, kama inavyoonyeshwa kwenye Mchoro [1b]. Wazo kuu ni kusawazisha uchunguzi wa data iliyopimwa kwa kiwango kidogo na uchunguzi wa nafasi kubwa ya data kwa kutumia utegemezi wa siri kati ya hali za kustaafu na data ya majibu ya voltage ya kunde na mekanimu za tahadhari ya msalaba, angalia "Njia". Kisha data iliyopimwa iliyojumuishwa na habari ya masharti hupelekwa kwa msimbo wa neural, ikipata vigezo vya siri vilivyo na hali za kustaafu. Vigezo vya siri vilivyopunguzwa hutolewa kwa kufunza mfumo wa neural wa mtunzi na kurekebisha sampuli za data za awali, pia kwa kuongozwa na hali za usambazaji mbele. Kuingiza mwingine kwa mfumo wa neural wa mtunzi ni kelele ya nasibu tu, chini ya dhana ya Gaussian (Mchoro wa Nyongeza), bila kusababisha upimaji wowote wa majaribio ya kimwili vinginevyo uliohusika na muda wa ziada wa kupima, matumizi ya nishati, na hata hatari za usalama. Mchoro [3a] unaonyesha matokeo ya urekebishaji wa data ya kipengele cha kwanza U1 katika viwango vya SOC vilivyochaguliwa (35% na 50%), na kosa la wastani la asilimia ya kupotoka (MAPE) chini ya 1%, ikionyesha kuwa mfumo umejifunza utegemezi kati ya data ya majibu ya voltage ya kunde na hali za SOC. Utegemezi huo ni wa jumla katika safu pana ya SOH, kutoka 0.6 hadi 0.95. Kuhusu pande zingine za sifa, matokeo ya urekebishaji bado yanaridhisha, na MAPE chini ya 1%, angalia Mchoro [3b]. Matokeo ya urekebishaji kwa aina zingine za betri zilizostaafu (NMC, 21 Ah, LMO, 10 Ah na LFP, 35 Ah) yameonyeshwa kwenye Michoro ya Nyongeza–, ikionyesha ujanibishaji na unyumbufu wa mfumo. Inabainika kuwa maeneo ya chini ya SOC huonyesha MAPE ya juu ya urekebishaji kwa kulinganishwa, ingawa bado chini ya 1%, ambayo inaweza kuelezewa na unyeti wa majibu ya polarizi katika maeneo ya chini ya SOC. Kwa hivyo, inashauriwa kufanya sindano za kunde katika eneo la SOC la kati kwa uwakilishi wa kuaminika wa uharibifu wa betri. Hata hivyo, tunaposisitiza hali za kawaida za kustaafu zenye SOC tofauti, sindano ya kunde kwa SOC iliyowekwa inahitaji muda mrefu wa urekebishaji na matumizi ya nishati, ikizidisha tatizo kati ya maeneo ya sindano ya kunde na muda na gharama za urekebishaji zisizo na gharama, angalia Mchoro wa Nyongeza. Mchoro wa pande mbili wa matokeo ya mafunzo ya mfumo (urekebishaji), na sifa U1 katika hali ya malipo (SOC) iliyochaguliwa (35% na 50%), imeonyeshwa. Joto la utendaji wa mafunzo ya mfumo kwa sifa U1 hadi U21. Simulizi ya SOC ya betri zilizostaafu chini ya hali za kawaida za kustaafu, ikijumuisha visa vya kuingiliana na kupanua. Utendaji wa uzalishaji wa data chini ya hali za kawaida za kustaafu, ambapo baa za makosa zinaonyesha kupotoka kwa kawaida () iliyohesabiwa kwa pande 21 za sifa ( = 21 kwa kila SOC katika kila kesi) na urefu wa baa unaonyesha wastani wake. Akiba ya gharama ya umeme na upunguzaji wa uzalishaji wa CO2 kwa mizani tofauti ya kustaafu kwa betri kwa kutumia mipangilio tofauti ya kesi ya uzalishaji wa data. Kumbuka kuwa kiwango cha kustaafu kwa betri ni cha logarithmic. Matokeo yote yanatokana na betri za NMC, 2.1 Ah kwa mfano. Data ya chanzo hutolewa kama faili ya Data ya Chanzo. a b c d n e Kwa mbinu iliyopendekezwa ya ujifunzaji wa uzalishaji, tunasisitiza kuwa data iliyopimwa tayari kwa madhumuni ya mafunzo iko kwa gharama ya majaribio ya ziada ya kimwili, hata hivyo, uzalishaji hauna gharama ya ziada. Kwenye Mchoro [3c], tunathibitisha kesi nane za uzalishaji wa data, ikiwa ni pamoja na kuingiliana na upanuzi. Katika kesi za kuingiliana (kutoka Kesi0 hadi Kesi3), mipaka ya chini na ya juu ya SOC kwa data ya mafunzo imewekwa kwa 5% na 50%, mtawalia. Kwa kulinganisha, kesi za upanuzi (kutoka Kesi4 hadi Kesi7) zinamaanisha kuwa data iliyopimwa tayari haijumuishi data ya nje ya usambazaji (OOD) inayoweza kuzalishwa, suala changamoto na wazi katika jamii za mashine ya kujifunza. Hapa tunatumia maarifa ya awali ya betri zilizostaafu ili kupima usambazaji wa siri katika mfumo wa neural wa msimbo, tukibandika data iliyopimwa tayari kwa hali za OOD, angalia Mbinu. Tunabainisha kuwa Kesi4 na Kesi5 ni mifano ya mfano kwani gharama za mafunzo za kesi hizi ni kubwa kuliko akiba ya gharama ya kuzalisha kiasi sawa cha data chini ya hali za SOC ambazo hazijulikani. Hata hivyo, bado tunatumia mifano ya mfano kuonyesha uimara wa upimaji wa nafasi ya siri katika mipangilio ya jumla zaidi ya kustaafu kwa betri. Kwa vitendo, kwa hivyo, watumiaji wanaweza kubinafsisha mkakati wa uzalishaji wa data kulingana na usawa kati ya gharama ya mafunzo ya mfumo na usahihi wa uzalishaji wa data. Kwenye Mchoro [3d], utendaji wa uzalishaji wa data unaotegemea umbali chini ya hali za kustaafu ambazo hazijulikani umeonyeshwa. Inabainika kuwa mfumo wa ujifunzaji wa uzalishaji uliotunzwa hutumiwa kuzalisha sampuli zaidi za data, hasa chini, lakini sio tu, chini ya hali za kustaafu ambazo hazijulikani. Kwa mfano, Kesi3 hutumia data ya majibu ya voltage ya kunde iliyopimwa kimwili kwa 5%, 25%, na 50% SOC ili kuzalisha data kwa 10, 15, 20, 30, 35, 40, na 45% SOCs. Kesi zote za kuingiliana zinaonyesha kosa la chini la MAPE chini ya 2%, hata ikiwa mfumo haukuwahi kufunzwa na data kama hiyo. Kwa ushawishi, kesi za upanuzi Kesi6 na Kesi7 zinaahidi zaidi katika kuokoa gharama za matibabu ya awali kwani data ya mafunzo inayotumika ni ya haraka na ya gharama nafuu kurejesha. Tunaonyesha kuwa hata katika kesi za OOD, mkakati wa ujifunzaji wa uzalishaji huongoza kwa mafanikio data iliyopimwa tayari ili kuibandika kwa data ya OOD. Bila upimaji wa nafasi ya siri, uzalishaji wa data unaonyesha ongezeko la wazi la kosa wakati data ya mafunzo iliyopimwa kimwili iko mbali na hali ya kuzalisha, angalia Mchoro wa Nyongeza. Hali hii ina maana ya kuvutia kwamba mtu anaweza kutumia data iliyopimwa kuchunguza data ambayo haijulikani ili kurejesha data ya gharama kubwa kwa kutumia mikakati ya uzalishaji iliyobinafsishwa. Kuhusu utendaji wa uzalishaji wa data unaotegemea usambazaji, mfumo hupata utofauti mdogo wa Kullback-Leibler katika mipangilio ya uthibitisho, ikionyesha kuwa mfumo unaweza kujifunza kiotomatiki usambazaji wa data iliyopimwa tayari ili kuunda sampuli za data tofauti, angalia Michoro ya Nyongeza–. Tunatathmini akiba ya umeme na uzalishaji wa CO2 kwa kutumia kesi tofauti za uzalishaji wa data. Mchoro [3e] unaonyesha akiba ya umeme na uzalishaji wa CO2 katika mpangilio wa kesi zinazoongezeka, na baa ya rangi inaonyesha maadili yanayolingana. Isipokuwa kwa Kesi4 na Kesi5, mifano miwili ya mfano, mkakati wa upanuzi unaweza kuokoa hadi dola 60,000 za gharama za umeme na kilo 460,000 za uzalishaji wa CO2, kwa kudhani kiwango cha tani 1000 cha kustaafu kwa betri. Hii kipaumbele hufikiwa kwa kuzalisha data ya gharama kubwa, ambayo inahitaji gharama za urekebishaji wa SOC, kutoka kwa data iliyopimwa kimwili kwa gharama nafuu. Ndani ya uzalishaji wa kuingiliana, tuligundua kuwa mfumo hauhitaji sehemu za kati za kina ili kuingiliana nazo, na kusababisha kipaumbele cha matumizi katika Kesi 3, kwa kutumia data ya 5, 25, na 50% SOC. Licha ya ugumu tofauti wa kesi, mfumo wa uzalishaji wa data ni rahisi kufunzwa, ukifikia chini ya iterations 50 ndani ya kiwango cha milliseconds, angalia Mchoro wa Nyongeza. Mara tu mfumo wa uzalishaji umeandaliwa vizuri, watumiaji wanaweza kuzalisha data isiyo na kikomo katika hali nyingi za kustaafu, bila gharama zozote za upimaji, kuwezesha ukadiriaji wa haraka, sahihi, na endelevu wa SOH wa betri zilizostaafu kwa ajili ya kuamua matumizi tena na kuchakata. Ukadiriaji wa SOH wa betri zilizostaafu na vipengele vya majibu ya voltage ya kunde vilivyozalishwa Tunatumia vipengele vya majibu ya voltage ya kunde vilivyozalishwa kukadiria SOH ya betri zilizostaafu. Kwenye Mchoro [4a], utendaji wa ukadiriaji wa SOH chini ya kesi tofauti za kustaafu kwa betri umeonyeshwa, ambapo sehemu zenye kivuli na maeneo tupu huwakilisha hali za majaribio na mafunzo za mfumo wa uzalishaji, mtawalia. Kwa kuchukua Kesi 3 kama mfano, vipimo vya kunde vya kimwili hufanywa kwa 5, 25, na 50%, ambavyo hutumiwa kufunza mfumo wa uzalishaji. Mfumo uliotunzwa huzalisha data ambayo haijulikani kwa 10, 15, 20, 30, 35, 40, na 45% ya viwango vya SOC, vinavyotumiwa kama data ya kuingiza kwa mrekebishaji ili kutambua ukadiriaji wa SOH katika viwango hivi vya SOC ambavyo havijulikani. Bila kujali uhaba wa data, tunaonyesha kuwa data iliyotengenezwa huwezesha ukadiriaji sahihi wa SOH kwa MAPE ya wastani na kupotoka kwa kawaida kwa 4.9% na 2.9% katika visa vyote vya kuingiliana na kupanua, mtawalia. Hata hivyo, uzalishaji wa data wa kuingiliana husababisha makadirio sahihi zaidi na thabiti, ikilinganishwa na uzalishaji wa upanuzi. MAPE ya wastani na kupotoka kwa kawaida katika kesi za kuingiliana ni 4.4% na 2.5%, mtawalia; MAPE ya wastani na kupotoka kwa kawaida katika kesi za upanuzi ni 6.0% na 2.7%, mtawalia. Hali hii inaweza kuelezewa na changamoto katika masuala ya OOD, hata hivyo, ambayo imerekebishwa kutokana na ujumuishaji wa maarifa ya awali katika upimaji wa nafasi ya siri, angalia "Njia". Matokeo ya ukadiriaji wa SOH chini ya viwango vya SOC vilivyochaguliwa yameonyeshwa kwenye Mchoro [4b] na michoro ya pande mbili, ikionyesha uzalishaji wa data uliofanikiwa katika hali pana za SOC. Utendaji wa ukadiriaji wa SOH chini ya kesi tofauti, ambazo zinaonyeshwa kwenye Mchoro [3c]. Mchoro wa pande mbili wa SOH halisi na uliokadiriwa katika Kesi 3, yaani, kukadiria SOH ya betri iliyostaafu kwa 10, 15, 20, 30, 35, 40, na 45% ya hali ya malipo (SOC) kwa kutumia data iliyotengenezwa kutoka kwa iliyopimwa kimwili kwa 5, 25, na 50% SOC. Kulinganisha ukadiriaji wa SOH kati ya kutumia data inayopatikana katika hali zilizojaribiwa (eneo lenye kivuli kijivu) na data iliyotengenezwa katika Kesi 3. Kulinganisha utendaji wa ukadiriaji wa SOH kati ya kutumia data inayopatikana katika hali zilizojaribiwa (eneo lenye kivuli kijivu) na data iliyotengenezwa katika Kesi 7. Kulinganisha gharama ya muda ya kurejesha data ambayo haijulikani kati ya jaribio la kunde katika kiwango kinachohitajika cha SOC na uzalishaji wa data ulisaidiwa na ujifunzaji wa uzalishaji. Matokeo yote yanatokana na betri za NMC, 2.1 Ah kwa mfano. Data ya chanzo hutolewa kama faili ya Data ya Chanzo. a b c d e Hapa, tunalinganisha matokeo ya ukadiriaji wa SOH na bila uzalishaji wa data, tukisisitiza umuhimu wake chini ya hali za kawaida za kustaafu. Kwenye Mchoro [4c], kesi ya kuingiliana inaonyesha upatikanaji mdogo wa data katika baadhi ya viwango vya SOC vilivyotenganishwa, vilivyoonyeshwa na maeneo yenye kivuli kijivu. Kwa kutumia data hizi, mrekebishaji hutoa makadirio yasiyo sahihi yaliyoelekezwa kwenye kituo cha usambazaji wa data unaopatikana, na MAPE ya wastani ya 17.3% na kupotoka kwa kawaida kwa 7.3. Kwa kulinganisha, makadirio ya SOH yaliyosaidiwa na ujifunzaji wa uzalishaji yanaonyesha ongezeko kali. MAPE ya wastani ni 5.4% na kupotoka kwa kawaida kwa 2.7, kunakoelezwa na nyota kwenye mchoro. Tunashuhudia upimaji mwingi na upungufu wa SOH chini ya maeneo ya juu na ya chini ya SOC, ambayo yanaweza kuelezewa na usambazaji wa Gaussian wa sifuri na kiwango cha wastani na kitengo katika nafasi yake ya siri (angalia "Njia"). Hasa, kuchukua upungufu kama mfano, majibu ya voltage ya kunde yaliyotengenezwa yaliyowekwa chini ya hali za chini za SOC huonyesha maadili ya juu, vinginevyo inayoonyeshwa na betri iliyoharibika zaidi yenye SOH ya chini, na kinyume chake kwa upimaji mwingi. Uchunguzi una maana muhimu kwamba mfumo wa uzalishaji wa data unaweza kurekebishwa kwa kuendesha nafasi ya siri kwa ajili ya uzalishaji wa data ambao haujulikani lakini wenye masharti. Tunazingatia hali mbaya, hata hivyo, ya kupendelewa zaidi ambapo data inayopatikana inaweza kuwa katika maeneo ya chini ya SOC. Hali hii ina maana ya kimwili ya wazi kwamba utunzaji wa data katika maeneo haya unaweza kupunguza muda wa urekebishaji wa SOC. Hata hivyo, mkakati wa utunzaji wa data huleta ugumu zaidi katika makadirio sahihi, licha ya kwamba muda na gharama za utunzaji huokolewa. Kwenye Mchoro [4d], tunachukua data inayopatikana kwa 5% na 10% SOC kwa mfano. Inaonyesha wazi kosa linaloongezeka kwa kasi wakati wa kutumia data inayopatikana kufanya makadirio ya SOH. Athari ya asymptotic inaweza kuelezewa kama uhamishaji kutoka kwa usambazaji wa data unaopatikana huongezeka na maadili ya SOC, ukifuata uchunguzi kwenye Mchoro [2d]. Changamoto kama hiyo husababisha MAPE ya wastani ya 23.8% na kupotoka kwa kawaida kwa 7.3 wakati wa kutumia data katika maeneo ya chini ya SOC. Kwa kulinganisha, utendaji wa ukadiriaji huongezeka hadi MAPE ya 6.0% na kupotoka kwa kawaida kwa 2.9 kwa kutumia data iliyotengenezwa. Matokeo ya ukadiriaji kwa betri zingine zilizostaafu, zenye aina tofauti za vifaa vya cathode, fomati za kimwili, na ruwaza za matumizi ya kihistoria, huboreshwa mara kwa mara, angalia Mchoro wa Nyongeza. Kwa hivyo, ujifunzaji wa uzalishaji huwezesha matibabu ya awali ya haraka ya SOH ya betri zilizostaafu, kwa kuzalisha data katika hali za SOC ambazo hazijulikani kwa kuokoa mahitaji ya muda vinginevyo yanayohitajika na urekebishaji wa SOC, hivyo kuendeleza matumizi tena na kuchakata tena kwa betri kwa ufanisi na endelevu kwa njia inayoendeshwa na data. Tathmini ya kiufundi-kiuchumi-mazingira Tathmini ya kiufundi-kiuchumi-mazingira ya ukadiriaji wa SOH, ikijumuisha jaribio la jadi la urekebishaji wa uwezo wa CCCV, mbinu ya mashine ya kujifunza inayowezeshwa na jaribio la kunde, na mbinu iliyopendekezwa ya ukadiriaji wa SOH inayosaidiwa na ujifunzaji wa uzalishaji, inafanywa. Mpaka wa tathmini ya kiufundi-kiuchumi-mazingira unajumuisha mchakato mzima kutoka wakati betri zilizostaafu zinapoingia katika hatua ya matibabu ya awali, wakichagua kutoka kwa mbinu za kuchakata, na kuishia na tathmini ya athari za kiuchumi na kimazingira. Licha ya tofauti katika pyrometallurgy, hydrometallurgy, na kuchakata moja kwa moja zilizoonyeshwa kwenye Mchoro [5a], matibabu ya awali ya betri zilizostaafu ni hatua ya kawaida ya kuamua faida ya mtaji ya kuchakata. Matibabu ya awali inahusishwa na gharama za umeme za kuchaji na kutokwa kwa betri zilizostaafu, wakati mchakato wa kuchakata unahusishwa na pembejeo za nyenzo, gharama za umeme, depreciation ya vifaa, wafanyikazi, disassembly, na matibabu ya maji taka. Kulinganisha mbinu za matibabu ya awali katika pyrometallurgy (pyro-), hydrometallurgy (hydro-), na kuchakata moja kwa moja. Tathmini ya uzalishaji wa CO2 kwa matibabu ya awali na kuchakata kwa kutumia mbinu tofauti za matibabu ya awali katika pyro-, hydro-, na kuchakata moja kwa moja chini ya hali tofauti za afya (SOH) na hali ya malipo (SOC). Uchambuzi wa kulinganisha wa gharama ya umeme dhidi ya kiwango cha kustaafu cha betri kwa kutumia kuchakata moja kwa moja kwa 80% SOH, na umeme wa kunde katika awamu ya baada ya mafunzo umetengwa. Uchambuzi wa jumla wa gharama, bila kujumuisha mtiririko wa nyenzo kwa kutumia mbinu tofauti za matibabu ya awali, kwa kudhani kiwango cha tani 1 cha betri iliyostaafu kwa 80% SOH na 50% SOC, kilichoonyeshwa na eneo lenye kivuli kijivu kwenye paneli ( ). Gharama za matibabu ya awali dhidi ya kiwango cha kustaafu cha betri, na umeme wa kunde katika awamu ya baada ya mafunzo ukijumuishwa, kuelekea hali ya kustaafu kwa betri ya 2030, kwa kudhani 80% SOH na 50% SOC. Gharama ya kina ya matibabu ya awali katika hali ya kustaafu ya 2030. Umeme wa kunde katika awamu ya kupelekwa kwa mfumo unajumuishwa. Maadili yaliyobainishwa huwakilisha gharama kamili ya kila mbinu. Paneli ( ) iliundwa kwa kutumia flaticon.com. Data ya chanzo hutolewa kama faili ya Data ya Chanzo. a b c d c e f a Faida na kiwango cha kaboni kwa tani ya betri zilizostaafu ni vitengo vya kazi. Tunachunguza aina mbili za vifaa vya cathode zinazotumika sana, yaani, NMC na LFP, kuamua uwekezaji wa nyenzo na mapato, na mbinu ya kina iliyotolewa katika Kidokezo cha Nyongeza. Tunaonyesha faida za kimazingira za kutibu betri za NMC zilizostaafu kwenye Mchoro [5b–g,], na matokeo ya faida za kiuchumi yameonyeshwa kwenye Mchoro wa Nyongeza. Matokeo ya kutibu betri za LFP zilizostaafu yanaonyeshwa kwenye Michoro ya Nyongeza. Uchambuzi wa betri za LMO zilizostaafu haujajumuishwa kwa sababu ya uhaba wa data na kutokuwa na uhakika katika taratibu za kuchakata. Kwenye Mchoro [5b], pyrometallurgy inaonyesha uzalishaji wa juu zaidi wa CO2, ikifuatiwa na hydrometallurgy na kuchakata moja kwa moja. Uzalishaji wa CO2 kwa kutumia CCCV katika pyrometallurgy, hydrometallurgy, na kuchakata moja kwa moja ni kilo 1104-, 729-, na 579 za eq. kwa tani ya betri za NMC zilizostaafu, mtawalia, na 80% na 50% ya hali za kustaafu za SOH na SOC zikikadiriwa. Tuligundua kuwa na ukadiriaji wetu wa SOH unaosaidiwa na ujifunzaji wa uzalishaji, uzalishaji wa CO2 ulipunguzwa hadi kilo 753-, 379-, na 228 za eq. kwa tani ya betri za NMC zilizostaafu, mtawalia. Mbali na uzalishaji wa CO2, akiba ya gharama ya umeme kwa kutumia matibabu sawa ya awali iko kwenye Michoro ya Nyongeza na kwa betri za NMC na LFP zilizostaafu, mtawalia. Michoro ya Nyongeza na zinaonyesha mwelekeo wazi kwamba akiba ya CO2 iliyohifadhiwa na gharama huongezeka kwa SOH, hasa mzuri katika kuwezesha uwekezaji mdogo wa umeme na kuchakata. Katika siku zijazo, pamoja na ukuaji wa utendaji wa nishati mbadala, kutakuwa na upunguzaji mkubwa wa matokeo ya uzalishaji wa kaboni yaliyotathminiwa. Ongezeko la bei za umeme litasababisha ongezeko la faida za kiuchumi. Kwenye Mchoro [5c], tunafafanua athari ya matibabu ya awali yenye ufanisi kwa kutoa uchambuzi wa kulinganisha wa gharama za umeme dhidi ya kiwango cha kustaafu cha betri kwa 80% SOH, bila kujumuisha gharama za umeme za sindano ya kunde katika awamu ya baada ya mafunzo. Kwa kiwango cha kustaafu cha tani 1.07, gharama za ujifunzaji wa uzalishaji ni ndogo kuliko zile za vipimo vya kunde kwa betri zilizostaafu zilizo na 25% SOC, na kuifanya kuwa njia ya pili bora zaidi ya matibabu ya awali kwa upande wa gharama. Kwa kiwango cha kustaafu cha tani 5.33, gharama za ujifunzaji wa uzalishaji ni ndogo kuliko zile za vipimo vya kunde kwa betri zilizostaafu zilizo na 5% SOC, na kuifanya kuwa bora. Zaidi ya hayo, faida ya ujifunzaji wa uzalishaji haitegemei kiwango cha kustaafu cha betri kinapozidi tani 5.33, kinachofaa kwa usindikaji mkubwa wa betri zilizostaafu. Inakadiriwa kwa kiasi kwamba data iliyokusanywa kutoka kwa tani 1 ya betri zilizostaafu (sampuli 25,500 za betri za 18650) inatosha kusimamia mfumo wa uzalishaji wa data. Hata hivyo, mfumo wetu unatumia tu 10.6% ya kiwango hicho cha data ya mafunzo (sampuli 2700), ikionyesha kuwa gharama za mafunzo ya mfumo kwa uzalishaji wa data zinaweza kupunguzwa zaidi hadi kuwa chini ya USD. Kuchakata moja kwa moja huchaguliwa kwa tathmini kutokana na asili yake nyeti kwa gharama. Tunachambua athari kwenye sehemu za jumla za gharama na upunguzaji wa gharama za umeme. Kwenye Mchoro [5d], mchoro wa duara na mchoro wa upau uliowekwa wa gharama za matibabu ya awali unaonyesha mabadiliko katika matumizi ya umeme kwa tani 1 ya betri zilizostaafu na thamani ya jamaa na kamili, bila kujumuisha mtiririko wa nyenzo, mtawalia. Wakati hali ya kustaafu iko kwa 80% SOH na 50% SOC, matumizi ya umeme kwa kutumia uzalishaji wa data makini hupungua kutoka 13.3% hadi 6.6% ikilinganishwa na jaribio la jadi la urekebishaji wa uwezo wa CCCV. Gharama kamili ya umeme, ikijumuisha mchakato wa matibabu ya awali na kuchakata, inapungua kutoka kwa Dola 80 hadi 36 kwa tani ya betri zilizostaafu. Athari jumla kwa kuchakata moja kwa moja kwa LFP zilizostaafu kwa kutumia ukadiriaji wa SOH unaosaidiwa na ujifunzaji wa uzalishaji unaweza kupatikana katika Mchoro wa Nyongeza. Kwa kuzingatia hali ya kustaafu kwa betri mwaka 2030 ulimwenguni, kama inavyoonyeshwa kwenye Mchoro [5e], akiba ya umeme ya matibabu ya awali huongezeka kwa kasi na mizani ya kustaafu hadi kiwango cha USD. Kwenye Mchoro [5f], ujifunzaji wa uzalishaji huokoa hadi dola bilioni 4.9 za gharama za umeme na hupunguza kilo bilioni 35.8 za uzalishaji wa CO2 ikilinganishwa na majaribio ya jadi ya urekebishaji wa uwezo kulingana na CCCV, angalia Mchoro wa Nyongeza. Kuhusu betri za LFP, athari sawa ya kiwango inaweza kuzingatiwa katika akiba ya gharama ya umeme, na upunguzaji wa uzalishaji wa CO2 chini ya hali ya 2030, angalia Michoro ya Nyongeza–. Akiba ya gharama na upunguzaji wa uzalishaji wa CO2 hutokana sio tu na vipaumbele vya kuchakata moja kwa moja bali, zaidi muhimu, kutoka kwa kuokoa utunzaji kamili wa data katika hali za kawaida za kustaafu kwa kutumia ukadiriaji wa SOH unaosaidiwa na ujifunzaji wa uzalishaji uliopendekezwa. Majadiliano Tumeelezea kwa mafanikio ya kutumia ujifunzaji wa uzalishaji katika kuzalisha data ya majibu ya voltage ya kunde yenye ubora wa juu ya betri zilizostaafu huku ikiokoa gharama na muda wa urekebishaji. Mafanikio yanatokana na mfumo wa uzalishaji kujifunza utegemezi kati ya hali za kustaafu na majibu ya voltage ya kunde, ikijumuisha utofauti katika aina za vifaa vya cathode, fomati za kimwili, miundo ya uwezo, na matumizi ya kihistoria, angalia Mchoro wa Nyongeza. Tofauti na urekebishaji wa jadi wa SOC kwa kutumia vipimo vya urekebishaji wa uwezo, hata vipimo vya kisasa vya kunde vilivyojumuishwa na mashine ya kujifunza kwa kiwango maalum cha SOC, mfumo wa uzalishaji wa data uliopendekezwa unasisitiza usawa kati ya kuchunguza data iliyopimwa tayari na kuchunguza nafasi ya data inayowezekana na hali za kustaafu za kawaida za SOH na SOC. Mfumo uliopendekezwa hausababishi vipimo vya ziada vya kimwili, kupunguza matumizi ya pili ya nishati na mzigo wa mazingira katika matumizi ya vitendo. Kwa sehemu ya data iliyotengenezwa, kazi za ukadiriaji wa SOH zinazoendelea bado zinafanya kazi kwa uthabiti ikilinganishwa na hali za data za kutosha, maana muhimu kwa kupunguza gharama za kompyuta na kuboresha usahihi wa ukadiriaji katika kesi za ulimwengu halisi, angalia Michoro ya Nyongeza–. Majadiliano kuhusu maendeleo ya mfumo uliopendekezwa, ikiwa ni pamoja na uelewa wa mfumo, athari za kuchakata betri, na msukumo kwa ajili ya matibabu ya awali ya matumizi tena na kuchakata betri kwa mashine ya kujifunza kuelekea uendelevu, yanaweza kupatikana katika Majadiliano ya Nyongeza. Kwa kumalizia, ujifunzaji wa uzalishaji uliopendekezwa unaonyesha ahadi thabiti katika kukadiria SOH ya betri zilizostaafu haraka, kwa usahihi, na kwa uendelevu. Tunatoa mfumo wa ujifunzaji wa uzalishaji uliosimamiwa na data chache za majibu ya voltage ya kunde zilizopimwa kimwili ambazo zinaweza kuzalisha data mpya kwa ufanisi katika hali pana za SOC na aina za vifaa vya cathode, na kosa la wastani la asilimia ya kupotoka kwa kesi za kuingiliana na kupanua chini ya 2%. Kwa data iliyotengenezwa, mrekebishaji hupata kosa la wastani la asilimia ya kupotoka chini ya 6% kwa ukadiriaji wa SOH, ikijumuisha hali za SOC ambazo hazijulikani. Matokeo yanathibitishwa kupitia aina 3 za vifaa vya cathode vinavyotumika sana (NMC, LFP, na LMO), fomati 3 za kimwili (silinda, pochi, na prism), miundo 4 ya uwezo (2.1, 10, 21, na 35 Ah), na ruwaza 4 za matumizi ya kihistoria (1 uzeeka wa maabara uliharakishwa na ruwaza 3 tofauti za uzeeka wa kuendesha gari kwa EV). Tunaonyesha uhalali wa kiuchumi na kimazingira wa uzalishaji wa data katika hali ya ukija ya kustaafu kwa betri ya 2030 ulimwenguni kwa kuokoa dola bilioni 4.9 za gharama za umeme na kupunguza kilo bilioni 35.8 za uzalishaji wa CO2. Kwa ujumla, mbinu iliyopendekezwa ya uzalishaji wa data huwezesha uamuzi endelevu wa matumizi tena na kuchakata betri, hasa kwa kuchakata moja kwa moja, kwa kubuni matumizi sahihi ya nyongeza za lithiamu na kemikali zingine, ambazo ni muhimu sana kwa gharama za kuchakata na ubora wa bidhaa. Kwa upana, mbinu ya ujifunzaji wa uzalishaji huhamasisha ahadi za kutumia data iliyopimwa tayari kuchunguza nafasi ya data ambayo haijakamilika, kinyume na vipimo tofauti vya kimwili, kupunguza masuala ya uhaba wa data na utofauti katika maombi muhimu ya ukadiriaji na utabiri ambapo data ni ya kuchukua muda, ya gharama kubwa, na ya uchafuzi wa mazingira kurejesha. Njia Mbinu ya tahadhari ya msalaba Tahadhari ya msalaba katika mifumo ya neural huwezesha mfumo kuzingatia sehemu maalum za ingizo moja, yaani, ombi, kulingana na habari katika ingizo lingine, yaani, ufunguo na thamani. Ni muhimu katika hali ambapo umuhimu wa sifa fulani katika mkondo mmoja wa data unategemea habari ya ziada iliyotolewa na imeonyesha programu zilizofanikiwa katika utambuzi na utabiri wa afya ya betri. Katika matibabu ya awali ya kuchakata betri, betri zilizostaafu ziko chini ya hali za kawaida za kustaafu, yaani, usambazaji wa hali ya malipo (SOC). Kutokana na maarifa ya kitaalamu, majibu ya voltage ya kunde yanaonyesha mabadiliko makubwa na SOC. Kwa hivyo, tahadhari ya msalaba huwezesha uchunguzi wa utegemezi wa masharti kati ya majibu ya voltage ya kunde na hali za kustaafu za SOC. Fomati ya jumla ya mbinu ya tahadhari ya msalaba ni: wapi, huwakilisha ombi, ufunguo, na mfululizo wa thamani, mtawalia. ni kipimo cha kuongeza kiwango, kwa kawaida thamani ya mwelekeo wa ufunguo . ni operesheni ya transpose. kazi inatengeneza kiwango cha ingizo ili jumla ya uwezekano iwe 1, na kufanya tahadhari iliyohesabiwa kuwa usambazaji halali wa uwezekano. Katika tahadhari ya msalaba, hutumiwa kuhesabu uzani unaowakilisha umuhimu wa vipengele tofauti katika mfululizo wa ingizo. Kwa kuzingatia vekta ya nambari halisi, kazi kwa kipengele cha -th cha vekta hii hutolewa na: ambapo mteuzi ni jumla ya vipengele vya exponentials vya vipengele vyote kwenye vekta , . ni idadi ya vipengele kwenye vekta .