研究电动汽车电池充电时间和性能的机器学习算法

听这篇文章

研究人员剑桥大学英国的一家公司声称开发了一种机器学习(ML)算法，可以帮助减少电动汽车(ev)电池的充电时间，同时预测影响电池性能和生命周期的各种驾驶模式。

这项名为“基于阻抗的锂离子电池性能预测”的研究发表在科学杂志上自然通讯专注于可充电电池中广泛使用的锂钴氧化物电池。

锂离子电池主要用于为全球道路上的大多数电动汽车提供动力。虽然向电气化过渡有好处，但对电池故障和充电时间的担忧是令人担忧的。剑桥团队开发的算法可以预测电池的寿命，并专门记录在不同使用条件下的性能。

锂离子电池中每个电池单元的内部状态，包括锂电镀或电极开裂的程度，在电池组内和电池组间水平上都可能有显著差异。标量健康状态(SOH)度量用于量化电池单体内的退化程度。这项新研究强调，SOH在记录锂离子电池电池的降解水平方面缺乏清晰度。

剑桥大学的研究小组开发了一种非侵入性的方法，在微观水平上记录细胞状态的细节，包括短期和长期的时间尺度。来自电池的电信号被转换为电池状态的描述，并被输入ML算法。

该算法可以预测电池在下一个充放电循环中的反应，这取决于电池充电的速度和汽车下次上路时的速度。当该团队对88块商用电池进行测试时，该算法不需要任何关于电池以前使用情况的信息就能做出准确预测。

剑桥团队正在进一步与电池制造商合作，以加速开发更安全、更持久的下一代电池。研究人员还在探索如何利用他们基于算法的框架开发最佳快速充电协议，以减少电动汽车充电时间，而不会造成性能退化。

2020年7月，帝国理工学院发达一种新的机器学习算法，可以改善锂离子电池和燃料电池的设计和性能。他们声称，该算法还能让研究人员更好地理解燃料电池的微观结构。