從間歇性能源與需求的整合，到通過(guò)電動(dòng)汽車、火車和船舶為運(yùn)輸部門釋放無(wú)碳電力，再到一系列先進(jìn)的電子產(chǎn)品和機(jī)器人應(yīng)用，電池在各種應(yīng)用中越來(lái)越重要。

　　然而，一個(gè)關(guān)鍵的挑戰(zhàn)是電池會(huì)隨著操作條件的變化而迅速退化。目前很難在不中斷電池運(yùn)行或不經(jīng)過(guò)專用設(shè)備的漫長(zhǎng)充放電程序的情況下評(píng)估電池的健康狀況。

　　在《自然機(jī)器智能》雜志最近發(fā)表的一項(xiàng)研究中，來(lái)自愛(ài)丁堡赫瑞瓦特大學(xué)智能系統(tǒng)小組的研究人員，英國(guó)與美國(guó)馬里蘭大學(xué)CALCE小組的研究人員合作，通過(guò)向人工智能(AI)算法輸入原始電池電壓和電流運(yùn)行數(shù)據(jù)，開發(fā)了一種新的方法，可以在不考慮電池運(yùn)行條件、電池設(shè)計(jì)或化學(xué)成分的情況下評(píng)估電池健康狀況。

　　設(shè)計(jì)人工智能框架的博士生達(dá)利斯·羅曼(DariusRoman)表示，迄今為止，電池退化的數(shù)據(jù)驅(qū)動(dòng)模型的進(jìn)展，依賴于更快地進(jìn)行推理的算法的開發(fā)。雖然研究人員經(jīng)?；ㄙM(fèi)大量時(shí)間在模型或算法開發(fā)上，但很少有人花時(shí)間去理解算法應(yīng)用的工程環(huán)境。相比之下，我們的工作是從頭開始的。我們首先是通過(guò)與馬里蘭大學(xué)CALCE小組的合作了解電池退化問(wèn)題的，該小組進(jìn)行了內(nèi)部電池退化測(cè)試。然后我們專注于數(shù)據(jù)，設(shè)計(jì)捕捉電池退化的功能，選擇最重要的功能，然后才部署AI技術(shù)來(lái)評(píng)估電池的健康狀況。

　　此外，研究人員發(fā)現(xiàn)，目前的電池健康評(píng)估數(shù)據(jù)驅(qū)動(dòng)模型沒(méi)有考慮模型的置信度。然而，這對(duì)于理解AI模型如何得出某種結(jié)論以及該模型是否可信的決策制定來(lái)說(shuō)通常是至關(guān)重要的。在他們的工作中，提出的人工智能模型能夠量化預(yù)測(cè)中的不確定性，從而更好地支持運(yùn)營(yíng)決策。

　　開發(fā)的框架與新的化學(xué)物質(zhì)進(jìn)行了擴(kuò)展，包括即將到來(lái)的新型固態(tài)電池、電池設(shè)計(jì)和操作條件，并有潛力解鎖電池如何使用和應(yīng)該如何使用的新策略。

　　智能系統(tǒng)集團(tuán)(SmartSystemsGroup)的瓦倫丁?羅布(ValentinRobu)表示，從機(jī)器人到可再生能源集成，電池對(duì)各種應(yīng)用越來(lái)越重要。這些領(lǐng)域的一個(gè)關(guān)鍵挑戰(zhàn)是對(duì)電池的健康狀態(tài)進(jìn)行準(zhǔn)確、高可信度的估計(jì)。例如，在遠(yuǎn)程環(huán)境下作業(yè)的機(jī)器人設(shè)備(如深海水下監(jiān)控)，確保部署在機(jī)器人上的電池的健康是關(guān)鍵任務(wù)。同樣，對(duì)于能源應(yīng)用來(lái)說(shuō)，準(zhǔn)確估計(jì)電池的剩余使用壽命往往對(duì)項(xiàng)目的經(jīng)濟(jì)可行性至關(guān)重要。