机器学习模型能够准确预测电池寿命 准确率达91％

结果表明，该模型能够从电压水平和前100个周期的其他读数预测电池的整体寿命，准确率为91％。

通常，想要知道锂离子电池寿命什么时候结束是很难预测的，这也使得新电池技术的研究和开发非常耗时。

化学品和材料的不同组合是否会导致锂电池变体的持续时间比其上一代电池长得多？快充是否会对电池寿命产生长期影响？唯一的方法是反复充电和放电样品，直到它达到其生命周期的末期，该生命周期被定义为低于其原始功率容量的20％。这类测试是一个耗时的过程，部分原因是电池技术的创新无法与电子技术保持同步。

为了有助于加速电池研发，斯坦福大学和麻省理工学院的研究人员与丰田研究所合作，利用机器学习开发出一种能够非常准确地预测电池性能的算法。

根据发表在“自然能源”杂志上的一篇论文，该机器学习算法可以预测锂离子电池的寿命，并可以帮助科学家更快地以更低的成本开发设计出更好的电池。方法是收集电池数亿次充放电的测量训练，还包括电源容量、充电时间、电池单元温度等，直至它们失效。

该论文的共同作者斯坦福大学材料科学与工程专业的博士生PeterAttia说，“由于电池使用寿命长，这个过程可能需要数月甚至数年。这是电池研究中的一个昂贵的瓶颈。”

整个机器学习测试是这样运行的：

首先，斯坦福大学、麻省理工学院、丰田研究所和劳伦斯伯克利实验室的研究人员检查了124个锂离子电池。他们经过反复的排水并充电，直到电池性能下降约20％，通常在150到2300次充电循环之间。

其次，研究人员绘制了电池在每个周期的容量，以生成96700个周期的数据集。将其输入回归模型，这是一种检验不同变量之间关系的统计方法，用于预测电池在前100个循环中的性能持续多长时间。

结果表明，该模型能够从电压水平和前100个周期的其他读数预测电池的整体寿命，准确率为91％。研究人员还可以在分析前五个周期的数据后，以95％的准确率对电池进行分类，确定它们的寿命是长还是短。

使用这种技术，可以预测单个电池在最初几个循环后的性能，从而可以将它们分类到不同应用和要求的模组中，并且规定不同的价格。

“对于电池开发所花费的所有时间和金钱来说，该项电池测试的进展仍然是几十年来的进步。”该论文的共同作者，丰田研究所的研究科学家PatrickHerring说。“在这项工作中，我们正在减少一个最耗时的步骤——一个大数据的电池测试。”(Zoe/译fromtheregister.co.uk)