Writing in the journalACS能量信, a team of scientists from Tsinghua University and Puri Materials, Inc. in China have applied a two-step machine learning method to improve the clustering and sorting of retired lithium-ion batteries.
学习：Fast Clustering of Retired Lithium-Ion Batteries for Secondary Life with a Two-Step Learning Method。Image Credit: Vietnam stock photos/Shutterstock.com
重复使用退休的锂离子电池
自2010年以来，电动汽车行业已经经历了市场的快速增长，随着这种快速增长，对锂离子电池的需求迅速增长。预计到2025年，这种需求将翻一番，到2030年的增长四倍。但是，锂资源稀缺是电动汽车行业的关键问题，促进了在锂离子电池生产中需要替代，可持续实践的需求。
安全处置大规模退休的锂离子电池已成为全球的主要关注点，因为废料可以具有潜在的生态毒性，从而造成严重的环境和健康挑战。欧洲杯足球竞彩如果在垃圾填埋场中处置了其阴极中的重金属和用作电解质的腐蚀酸的重金属。回收原材料是目前研究的关键领欧洲杯足球竞彩域。
一种可以证明在可持续性和降低成本方面有希望的方法是重复使用电动汽车的退休电池。安全问题要求当电池容量不到初始容量的80％时，必须退休。但是，尽管其容量降低限制了它们在电动汽车中的使用，但许多次要应用可以从重复使用的退休电池中受益。
退休电池的次要用途包括储能解决方案，低速电动汽车以及安全要求并不那么严格的其他应用。重新利用退休的锂离子电池最大化其价值并延长其服务寿命。此外，恢复所包含的宝贵重金属可减少其环境影响，并具有重大的经济利益。
确实，许多研究表明，第二使用电池在诸如住宅光伏能源/第二使用能源存储系统等应用中的经济利益。但是，由于这些电池的一致性比新设备要差，因此这可能导致性能降解。因此，在重复使用之前，需要对电池进行分类和重组。
Clustering Methods
当前，没有用于退休锂离子电池的标准接受聚类方法。先前的研究已经采用了长时间的充电和排出方法来阐明其能力和内部抵抗力。当前的聚类方法包括EIS，全电荷分离方法，脉冲测试方法和计算方法。
由于多个因素对电池不一致和老化的影响，估计剩余电荷是一项复杂的努力。这些因素包括环境温度和工作条件。显示不同衰老的相同类型的电池可以显示出不同的特性，例如电压曲线。
一种用于评估这些效果并提供足够电荷估计的合适候选方法是脉冲测试方法，因为其效率和准确反映老化过程的能力。这可以与计算方法结合使用，以提供准确有效的聚类和排序方法。
The Paper
A two-step sorting method is introduced in the paper which combines-short time pulse tests and computational approaches. The proposed classification method fully discharges the retired lithium-ion battery, which is then charged to 5% SOC. Short-time pulse tests are performed on the partially charged batteries, providing time savings of at least 80%. An accelerated aging test on a single battery was used to validate the pulse test method.
Six types of batteries were selected as experimental objects to verify the algorithm’s effectiveness when sorting the same lithium-ion battery type. Results indicated remarkably high classification accuracy for the study’s algorithm. When the pulse tests are combined with the machine learning clustering algorithm, batteries of similar performance can be rapidly clustered out, improving secondary battery clustering.
Supervised Gaussian process regression and unsupervised K-means clustering are employed to simultaneously sort and estimate the remaining lithium-ion battery capacity. K-means can effectively sort batteries of the same type, with the Gaussian mixture model further confirming this. Supervised Gaussian process regression possesses a correlation coefficient of over 98% for the remaining battery capacities.
该论文还表明，增加培训样本的数量可以增强所提出的方法的容量估计绩效。但是，增加培训样本的数量更加耗时，从而促进了时间成本和准确性方面的权衡。将培训样本的比例设置在1/6和1/3之间，考虑到时间成本和准确性。
此外，采用初始筛选步骤，然后对每种电池类型的训练集进行采样，可以提高电池容量估计效率和性能。最后，该研究采用自动分类机来提高分类效率。总而言之，本文为退休锂离子电池快速聚类提供了关键指导。
More from AZoM: How are Bioplastics Made?
Further Reading
Ran，A等。（2022）通过两步学习方法，退休的锂离子电池快速聚类ACS能量信7，第3817-3825页[在线] pubs.acs.org。可用网址：https://doi.org/10.1021/acsenergylett.2C01898
免责声明：此处表达的观点是以其私人身份表达的作者的观点，不一定代表AZOM.com的观点有限的T/A Azonetwork本网站的所有者和运营商。此免责声明构成了条款和条件使用此网站。