苏格兰的研究人员开发了一种机器学习技术来改进锂离子电池寿命的分析和预测。爱丁堡大学和英国爱丁堡赫瑞瓦特大学的GonçalodosReis及其同事在开放获取期刊EnergyandAI的一篇文章中报告了他们程序的开发和应用。在电池生命周期早期预测电池衰退过程的能力可以改进电池管理、测试和设计。
锂离子电池是各种个人电子设备(包括手机和笔记本电脑)最常用的电源。它们的电容量会随着时间的推移而降低，但不是以线性方式。相反，在经历了长时间的缓慢且几乎呈线性下降之后，容量往往会开始下降，呈不断增加的非线性恶化趋势。当绘制为容量与使用周期的图表时，下降曲线中最明显的弯曲称为拐点。
爱丁堡团队已经定义了一个程序来预测早期的退化曲线和拐点，而无需在整个生命周期内监控容量下降。这可能有助于开发新电池和监测电池的健康状况。
新方法的一个关键方面是识别容量曲线中较早的点，研究人员称之为膝关节起始点。这是一个新确定的拐点下降的初始阶段。研究人员使用机器学习开发的算法可以使用拐点起始点来预测拐点以及有效电池寿命的终点。该算法允许这些特征中的每一个识别其他特征的时间。
在这种新方法的协助下，更好的电池管理可能包括优先考虑和优化关键应用可用的能量，以及优化充电周期。