據(jù)外媒報(bào)道，從整合間歇性能源和需求，到交通運(yùn)輸部門通過電動(dòng)汽車（EV）、火車和船舶解鎖無碳電力，再到先進(jìn)的電子和機(jī)器人應(yīng)用，電池在各種應(yīng)用中變得日益重要。但電池存在一個(gè)重大問題，即其性能會(huì)隨工作條件快速退化。而評(píng)估電池的當(dāng)前健康狀態(tài)非常困難，不僅要中斷電池工作，并且要專用設(shè)備才能完成較長(zhǎng)的充放電過程。

英國(guó)愛丁堡赫瑞-瓦特大學(xué)（Heriot-WattUniversity）智能系統(tǒng)小組（SmartSystemsGroup）的研究人員和美國(guó)馬里蘭大學(xué)（UniversityofMaryland）計(jì)算機(jī)輔助壽命周期工程中心（CALCE）的研究人員共同開發(fā)出一種全新方法，可通過向人工智能（AI）算法供應(yīng)原始電池電壓和當(dāng)前運(yùn)行數(shù)據(jù)來估算電池健康狀態(tài)，無需考慮工作環(huán)境及電池設(shè)計(jì)或化學(xué)性能。

AI框架設(shè)計(jì)DariusRoman博士表示：目前，電池退化數(shù)據(jù)驅(qū)動(dòng)模型的開發(fā)取決于進(jìn)行更快推理的算法的發(fā)展。盡管研究人員通常在模型或算法開發(fā)上花費(fèi)大量時(shí)間，但很少有人會(huì)花時(shí)間理解算法應(yīng)用的工程環(huán)境。相較之下，此次研究是從頭開始。首先，馬里蘭大學(xué)CALCE小組內(nèi)部進(jìn)行了電池退化測(cè)試，我們通過和其合作了解電池退化。之后又利用數(shù)據(jù)設(shè)計(jì)可抓取電池退化信息的功能，隨后選出最重要的功能，最終部署該AI技術(shù)評(píng)估電池健康狀況。

此外，研究人員發(fā)現(xiàn)，當(dāng)前用于電池健康狀況評(píng)估的數(shù)據(jù)驅(qū)動(dòng)模型并未考慮模型置信度。而模型置信度關(guān)于決策理解AI模型如何得出特定結(jié)論以及該模型是否可以信任至關(guān)重要。在此項(xiàng)工作中，提出的AI模型能夠量化其預(yù)測(cè)中的不確定性，以更好地支持運(yùn)營(yíng)決策。所開發(fā)的框架將根據(jù)新的化學(xué)性質(zhì)進(jìn)行擴(kuò)展，包括即將推出的新型固態(tài)電池、電池設(shè)計(jì)和工作條件，并且有可能解鎖電池使用的新策略。

智能系統(tǒng)小組的ValentinRobu表示：從機(jī)器人到可再生能源集成等應(yīng)用，電池越來越重要，但對(duì)電池健康狀態(tài)進(jìn)行準(zhǔn)確、高可信度評(píng)估卻很難。例如，對(duì)遠(yuǎn)程環(huán)境（如深海海底監(jiān)控）中工作的機(jī)器人而言，確保其電池的健康狀況至關(guān)重要。同理，關(guān)于項(xiàng)目經(jīng)濟(jì)可行性而言，準(zhǔn)確評(píng)估能源應(yīng)用中的電池剩余使用壽命也非常重要。