science >> Wetenschap >  >> Elektronica

Team voorspelt de gebruiksduur van batterijen met data en AI

Nieuwe batterijen kunnen nauwkeurig worden gesorteerd op voorspelde levensduur met een nieuwe techniek op basis van vijf testlaad-/ontlaadcycli. Krediet:Younghee Lee/CUBE3D Graphic

Als fabrikanten van batterijen voor mobiele telefoons konden vertellen welke cellen minstens twee jaar meegaan, dan konden ze alleen die verkopen aan telefoonfabrikanten en de rest naar makers van minder veeleisende apparaten sturen. Nieuw onderzoek laat zien hoe fabrikanten dit kunnen doen. De techniek kan niet alleen worden gebruikt om gefabriceerde cellen te sorteren, maar ook om nieuwe batterijontwerpen sneller op de markt te laten komen.

De combinatie van uitgebreide experimentele gegevens en kunstmatige intelligentie onthulde de sleutel voor het nauwkeurig voorspellen van de levensduur van lithium-ionbatterijen voordat hun capaciteit begint af te nemen, wetenschappers aan de Stanford University, ontdekten het Massachusetts Institute of Technology en het Toyota Research Institute. Nadat de onderzoekers hun machine learning-model hadden getraind met een paar honderd miljoen datapunten van het opladen en ontladen van batterijen, het algoritme voorspelde hoeveel cycli elke batterij nog mee zou gaan, gebaseerd op spanningsdalingen en een paar andere factoren in de vroege cycli.

De voorspellingen waren binnen 9 procent van het aantal cycli dat de cellen daadwerkelijk duurden. Afzonderlijk, het algoritme categoriseerde batterijen als een lange of korte levensverwachting op basis van alleen de eerste vijf laad-/ontlaadcycli. Hier, de voorspellingen waren 95 procent van de tijd correct.

Gepubliceerd 25 maart in Natuur Energie , deze methode voor machinaal leren zou het onderzoek en de ontwikkeling van nieuwe batterijontwerpen kunnen versnellen en de productietijd en -kosten kunnen verminderen, onder andere toepassingen. De onderzoekers hebben de dataset - de grootste in zijn soort - openbaar gemaakt.

"De standaardmanier om nieuwe batterijontwerpen te testen, is door de cellen op te laden en te ontladen totdat ze defect raken. Omdat batterijen een lange levensduur hebben, dit proces kan vele maanden en zelfs jaren duren, " zei co-hoofdauteur Peter Attia, Stanford-promovendus in materiaalkunde en techniek. "Het is een duur knelpunt in batterijonderzoek."

Het werk werd uitgevoerd bij het Center for Data-Driven Design of Batteries, een academisch-industriële samenwerking die theorie integreert, experimenten en datawetenschap. De Stanford-onderzoekers, onder leiding van William Chueh, assistent-professor in materiaalkunde en techniek, voerde de batterij-experimenten uit. Het MIT-team, onder leiding van Richard Braatz, hoogleraar scheikundige technologie, voerde het machine learning-werk uit. Kristen Severson, co-hoofdauteur van het onderzoek, heeft afgelopen voorjaar haar doctoraat in de chemische technologie aan het MIT afgerond.

Snel opladen optimaliseren

Een van de aandachtspunten in het project was het vinden van een betere manier om batterijen in 10 minuten op te laden, een functie die de massale acceptatie van elektrische voertuigen zou kunnen versnellen. Om de trainingsdataset te genereren, het team laadde en ontlaadde de batterijen totdat elke batterij het einde van zijn levensduur had bereikt, die ze definieerden als een capaciteitsverlies van 20 procent. Op weg naar het optimaliseren van snelladen, de onderzoekers wilden weten of het nodig was om hun batterijen de grond in te laten gaan. Kan het antwoord op een batterijvraag worden gevonden in de informatie van alleen de vroege cycli?

"Vooruitgang in rekenkracht en gegevensgeneratie hebben machine learning recentelijk in staat gesteld om de voortgang voor een verscheidenheid aan taken te versnellen. Deze omvatten het voorspellen van materiaaleigenschappen, "Braatz zei. "Onze resultaten hier laten zien hoe we het gedrag van complexe systemen tot ver in de toekomst kunnen voorspellen."

Over het algemeen, de capaciteit van een lithium-ionbatterij is een tijdje stabiel. Dan neemt het een scherpe bocht naar beneden. Het peilpunt varieert sterk, zoals de meeste consumenten van de 21e eeuw weten. In dit project, de batterijen gingen ergens tussen de 150 en 2 mee, 300 cycli. Die variatie was deels het resultaat van het testen van verschillende methoden voor snel opladen, maar ook van de productievariabiliteit tussen batterijen.

"Voor al de tijd en het geld dat wordt besteed aan de ontwikkeling van batterijen, vooruitgang wordt nog steeds gemeten in decennia, " zei co-auteur van de studie Patrick Herring, een wetenschapper aan het Toyota Research Institute. "In dit werk, we verminderen een van de meest tijdrovende stappen - het testen van de batterij - met een orde van grootte."

Mogelijke toepassingen

De nieuwe methode heeft veel potentiële toepassingen, zei Attia. Bijvoorbeeld, het kan de tijd voor het valideren van nieuwe soorten batterijen verkorten, wat vooral belangrijk is gezien de snelle vooruitgang in materialen. Met de sorteertechniek accu's van elektrische voertuigen waarvan is vastgesteld dat ze een korte levensduur hebben - te kort voor auto's - kunnen in plaats daarvan worden gebruikt om straatverlichting van stroom te voorzien of back-up van datacenters te maken. Recyclers konden cellen vinden van gebruikte EV-batterijpakketten met voldoende capaciteit voor een tweede leven.

Nog een andere mogelijkheid is het optimaliseren van de batterijproductie. "De laatste stap in het vervaardigen van batterijen heet 'formatie, ' wat dagen tot weken kan duren, "Zei Attia. "Door onze aanpak te gebruiken, kan dat aanzienlijk worden verkort en de productiekosten worden verlaagd."

De onderzoekers gebruiken hun model nu om manieren te optimaliseren om batterijen in slechts 10 minuten op te laden, waarvan ze zeggen dat het het proces met meer dan een factor 10 zal verminderen.