​Машинное обучение помогает ускорить разработку и тестирование батарей для EV

-
22:30
107
​Машинное обучение помогает ускорить разработку и тестирование батарей для EV

На каждом этапе процесса разработки аккумуляторных батарей новые технологии должны тестироваться в течение нескольких месяцев или даже лет, чтобы определить, как долго они прослужат. Сейчас команда под руководством профессоров Стэнфорда Стефано Эрмона и Уильяма Чуя разработала метод машинного обучения, который сокращает время тестирования на 98%.

Схема замкнутой системы оптимизации (CLO). Во-первых, проверяются батареи. Данные циклов первых 100 циклов (в частности, электрохимические измерения, такие как напряжение и ёмкость) используются в качестве входных данных для раннего прогнозирования результатов жизненного цикла. Эти прогнозы продолжительности цикла из модели машинного обучения (ML) впоследствии передаются в алгоритм анализа, который рекомендует следующие протоколы для тестирования путем уравновешивания конкурирующих требований исследования (протоколы тестирования с высокой степенью неопределенности в оценочной продолжительности цикла) и эксплуатации (протоколы тестирования с высокой оценочной продолжительностью цикла).

Этот процесс продолжается до тех пор, пока «бюджет» тестирования не будет исчерпан. При таком подходе раннее прогнозирование снижает количество циклов, требуемое на тестируемую батарею, в то время как оптимальная экспериментальная конструкция снижает количество необходимых экспериментов. Небольшой набор тренировочных данных батарей, циклически выходящих из строя, используется как для обучения раннему предсказанию результатов, так и для установки гиперпараметров. В будущей работе проектирование материалов и процессов батареи также может быть интегрировано в эту замкнутую систему.

Исследование было частью более широкого сотрудничества между учеными из Стэнфорда, Массачусетского технологического института (MIT) и Научно-исследовательского института Тойота, которое соединяет фундаментальные научные исследования и реальные промышленные приложения. Цель: найти наилучший метод зарядки EV батареи за 10 минут, который максимально увеличит общий срок службы батареи.

Исследователи написали программу, которая, основываясь всего на нескольких циклах зарядки, предсказала, как батареи будут реагировать на различные подходы к зарядке. Программа также решила в режиме реального времени, на каких подходах к зарядке следует сконцентрироваться или проигнорировать. Сократив как продолжительность, так и количество испытаний, исследователи сократили процесс тестирования с почти двух лет до 16 дней.

Несмотря на то, что исследователи сосредоточились на процессе тестирования экстремально быстрой зарядки, метод может быть применен ко многим другим проблемам, которые сдерживают развитие батарей в течение нескольких месяцев или лет, сказал Питер Аттиа, один из руководителей исследования.

Проектирование сверхбыстрой зарядки аккумуляторов является серьезной проблемой, в основном потому, что их трудно зарядить. Интенсивность более быстрого заряда увеличивает нагрузку на батарею, что часто приводит к ее преждевременному выходу из строя. Чтобы предотвратить такое повреждение аккумуляторной батареи — компонента, составляющего большую часть общей стоимости электромобиля — инженеры-аккумуляторщики должны протестировать исчерпывающую серию методов зарядки, чтобы найти те из них, которые работают лучше всего.

Новые исследования направлены на оптимизацию этого процесса. В самом начале, команда увидела, что быстрая зарядка оптимизации составляет много проб и ошибок тестов — то, что является неэффективным для человека, но идеальной проблемой для машины.

Команда использовала эту силу в своих интересах двумя основными способами. Во-первых, они использовали ее, чтобы сократить время на циклический эксперимент. В одном из предыдущих исследований исследователи обнаружили, что вместо того, чтобы заряжать и подзаряжать каждую батарею до тех пор, пока она не выйдет из строя — обычный способ проверки срока службы батареи — они могли предсказать, как долго продержится батарея только после первых 100 циклов зарядки. Это связано с тем, что система машинного обучения, после обучения на нескольких батареях, циклически терпящих неудачу, могла найти закономерности в ранних данных, которые предсказывали, как долго прослужит батарея.

Во-вторых, машинное обучение сократило количество методов, которые они должны были тестировать. Вместо того, чтобы в равной степени тестировать все возможные методы зарядки или полагаться на интуицию, компьютер научился на своем опыте быстро находить лучшие протоколы для тестирования.

Протестировав меньшее количество методов за меньшее количество циклов, авторы исследования быстро нашли оптимальный протокол сверхбыстрой зарядки аккумулятора. По словам Эрмона, решение для компьютера не только значительно ускорило процесс тестирования, но и оказалось лучшим — и гораздо более необычным — по сравнению с тем, что, скорее всего, придумал бы ученый, занимающийся батареями. Вместо того, чтобы заряжать батарею при самом высоком токе в начале заряда, решение алгоритма использует самый высокий ток в середине заряда.

Исследователи заявили, что их подход может ускорить почти каждый этап разработки батареи: от проектирования химии батареи до определения ее размера и формы, а также поиска лучших систем для производства и хранения. Это будет иметь широкие последствия не только для электромобилей, но и для других видов хранения энергии, что является ключевым требованием для перехода на ветровую и солнечную энергию в глобальном масштабе.

По словам Херринг, система машинного обучения и сбора данных будет предоставлена будущим ученым в области аккумуляторных батарей для свободного использования. Использование этой системы для оптимизации других частей процесса с машинным обучением, развитием аккумуляторных батарей — и появлением новых, более совершенных технологий — может ускориться на порядок и более, сказал он.

Эту работу поддержали Стэнфорд, Научно-исследовательский институт Тойота, Национальный научный фонд, Министерство энергетики США и компания Microsoft.

RSS
Нет комментариев. Ваш будет первым!
Загрузка...