机器学习算法预测如何充分利用电动汽车电池

研究人员开发了一种机器学习算法，可以通过预测不同的驾驶模式如何影响电池性能、提高安全性和可靠性来帮助减少电动汽车的充电时间并延长电池寿命。

来自剑桥大学的研究人员表示，他们的算法可以帮助驾驶员、制造商和企业通过建议路线和驾驶模式来最大限度地减少电池退化和充电时间，从而充分利用为电动汽车提供动力的电池。

该团队开发了一种非侵入式方法来探测电池并全面了解电池健康状况。然后将这些结果输入机器学习算法，该算法可以预测不同的驾驶模式将如何影响电池的未来健康状况。

例如，如果商业化开发，该算法可用于推荐在不降低电池性能的情况下让司机在最短的时间内从一个点到另一个点的路线，或者推荐在不降低电池性能的情况下以最快的方式为电池充电。结果发表在《自然通讯》杂志上。

电池的健康状况，无论是在智能手机还是汽车中，都远比屏幕上的单个数字复杂得多。来自剑桥卡文迪什实验室的第一作者PenelopeJones说：“电池健康，就像人类健康一样，是一个多维的东西，它可以以许多不同的方式退化。”“大多数监测电池健康状况的方法都假设电池始终以相同的方式使用。但这不是我们在现实生活中使用电池的方式。如果我在手机上播放电视节目，它会耗尽电池电量比我用它来发信息要快得多。电动汽车也是如此——你的驾驶方式会影响电池的退化方式。”

“我们大多数人都会在电池退化到无法使用之前更换手机，但对于汽车来说，电池需要使用五年、十年或更长时间，”领导这项研究的AlphaLee博士说。“随着时间的推移，电池容量可能会发生巨大变化，因此我们想提出一种更好的方法来检查电池的健康状况。”

研究人员开发了一种非侵入性探针，可将高维电脉冲发送到电池中并测量响应，从而提供一系列电池健康状况的“生物标志物”。这种方法对电池很温和，不会导致电池进一步退化。

来自电池的电信号被转换成对电池状态的描述，然后输入到机器学习算法中。该算法能够预测电池在下一个充放电循环中的响应方式，具体取决于电池充电的速度以及汽车下次上路时的行驶速度。对88块商用电池的测试表明，该算法不需要任何有关电池先前使用情况的信息即可做出准确的预测。

该实验的重点是钴酸锂(LCO)电池，该电池广泛用于可充电电池，但该方法适用于当今电动汽车中使用的不同类型的电池化学成分。

“这种方法可以在供应链的许多环节释放价值，无论你是制造商、最终用户还是回收商，因为它使我们能够捕捉到电池的健康状况，而不仅仅是一个数字，而且因为它具有预测性”李说。“它可以减少开发新型电池所需的时间，因为我们将能够预测它们在不同的操作条件下将如何退化。”

研究人员表示，除了制造商和司机之外，他们的方法可能对运营大型电动汽车车队的企业有用，例如物流公司。“我们开发的框架可以帮助公司优化他们使用车辆的方式，以提高车队的整体电池寿命，”李说。“像这样的框架有很大的潜力。”

“这是一个令人兴奋的框架，因为它可以解决当今电池领域的许多挑战，”琼斯说。“现在是参与电池研究领域的好时机，这对于通过摆脱化石燃料来帮助应对气候变化非常重要。”

研究人员现在正与电池制造商合作，加速开发更安全、更持久的下一代电池。他们还在探索如何使用他们的框架来开发最佳的快速充电协议，以减少电动汽车充电时间而不会导致性能下降。